白皮书重点看什么?如何从中发现不一样价值?

火星财经Publicado em 2022-02-17Última atualização em 2022-02-17

Resumo

本文解释了什么是白皮书,告诉你要寻找什么,以及这些信息如何帮助你实现加密收益最大化。

本文编译自 Youtube 百万粉加密博主 Coin Bureau 的视频《Reading Crypto White Papers: How To Find GEMS》,不过可惜和遗憾的是,现在越来越多的项目连白皮书都没有,但是这也让那些非常认真写白皮书的项目有了被发现不一样价值的空间。


迄今,认识项目最重要的一步是阅读它的白皮书。


在研究加密货币时,最重要的信息来源之一是项目的白皮书。唯一的问题是白皮书可能很难理解,尤其是在您不知道自己在寻找什么的情况下。这就是为什么今天我要解释什么是白皮书,告诉你要寻找什么,以及这些信息如何帮助你实现加密收益最大化。


白皮书解释


首先,什么是白皮书?简而言之,白皮书是对加密项目的总结。它包括项目的目的、设计、背后的团队、资金来源和路线图等内容。


白皮书通常是加密项目在其网站和社交媒体帐户之后要做的第一件事。正因为如此,许多人认为白皮书的存在主要是为了营销,因为它们通常旨在吸引投资者。这最终取决于所分析的加密项目,但在分析白皮书时肯定要牢记这一点。

以太坊


白皮书有各种形状和大小,有些白皮书有很多图像,有些则没有。同样,有些白皮书非常长,这要归结于项目的复杂性。显然,更复杂的项目需要更长的白皮书。白皮书也可以有不同的颜色。


黄皮书提供了加密项目背后的技术细节,其中最著名的可能是由以太坊联合创始人和 Polkadot 创始人 Gavin Wood 博士撰写的以太坊黄皮书。还有米色的,它们本质上是能让普通人可以理解的黄皮书的简化版本。另一个作用就是,让你能快速阅读,它是加密项目的摘要,有一页长的,也有几页长的。

以太坊


在我分析之前您应该注意一点,白皮书不应该是您分析项目的唯一方式。

以太坊


谁写的,什么时候写的?


在白皮书中寻找的第一件东西就是它是什么时候写的以及是谁写的。因为加密项目往往会随着时间变化而变化,其中一些项目自成立以来就发布了多份白皮书。因此,确保您正在阅读白皮书是最新的非常重要。

以太坊


通常,白皮书发布在加密项目网站或其文档中。如果您在加密项目的网站或文档中找不到白皮书,可以去浏览whitepaper.io这个网站。

以太坊


这个网站还有一个功能,就是您能浏览该项目所发布的所有白皮书。如果你想知道一个项目在随着时间的发展,到底变化了什么,这个功能就会非常好用。


我个人在之前的白皮书中寻找的是,加密项目多年来是否使用相同的脚本,或者一直在改变以跟上竞争对手的步伐。我还关注前任作者和现任作者之间的差异,因为不同的团队可能意味着项目的未来不同,这也可能意味着幕后存在一些问题,这对任何企业来说都是坏消息,无论其性质如何。团队的成员应该几乎都是白皮书的作者;如果他们不是,那么这也是一个巨大的危险信号。


虽然团队的资历往往会吸引很多关注,但核心成员之间的合作历史可以说比任何学位或工作经历都更重要。Gala Games就是一个很好的例子,它的创始人们在以前的企业中一起合作,这些企业非常成功。具有讽刺意味的是,Gala Games并没有白皮书。


项目地点和合作伙伴


在白皮书中应该关心的第二件事是该项目的地址以及其合作伙伴和支持者是谁。有几个很重要的原因。就目前来看,许多位于美国等国家的加密项目比位于对加密更友好的司法管辖区的项目更难起步。正如我们在Stacks 等加密项目中看到的那样,位于不友好的司法管辖区通常会危及该项目的发币和上所,即使团队按照白皮书做所有事情。

以太坊


对 Stacks 来说幸运的是,它有大量的机构支持,这意味着该项目有足够的资金来满足它任何必须满足的法律要求,因此 STC 可以在 Coinbase 上市。

以太坊


在这方面,STX 在美国交易所上市符合投资者的利益,这也是对投资者特别重要的另一个原因,尤其是风险投资公司或风险投资公司。

以太坊


与流行的看法相反,我认为VC的参与可能是一件好事,因为从长远来看,许多风险投资人都参与其中,尤其是那些在项目启动后大量投资的人。不仅如此,一些最大的加密风险投资公司是加密货币交易所的子公司,例如 Coinbase Ventures。如果您在加密货币白皮书中看到此类 VC,可以假设代币可能会在未来某个时候在相关交易所上市。

以太坊


出于同样原因,合作伙伴关系很重要,您可能会在白皮书中看到一些加密项目合作伙伴。当然,这些伙伴关系的好坏取决于他们合作的其他加密项目的质量,这可能需要一些时间来评估。


如果你有时间,你也可以深入研究他们合作过项目的白皮书,或者你可以通过检查其他项目的代币是否仍在活跃以及它们是否在信誉好的加密货币交易所中,例如Binance、Coinbase、FTX 或 KuCoin 等交易所。


尽管加密货币白皮书中很少提及传统的机构合作伙伴关系,因为它们很早就发布了,但有时可以通过查看团队成员及其附属机构的背景来预测未来的合作伙伴关系。


Theta就是一个很好的例子,YouTube 的联合创始人 Steve Chen 是其最早的顾问之一。Theta 随后继续与 YouTube 的母公司 Google 合作,Theta Labs 最近被任命为 Google Cloud 数字资产团队的一员。因此,Theta 代币在 2020 年至 2021 年之间上涨了 200 倍也就不足为奇了。

以太坊


项目的与众不同


在白皮书中寻找的第三件事是加密项目的特定目的以及它与竞争对手的不同之处。这些信息通常在白皮书的开头给出,如果白皮书以一些关于 2009 年创建比特币的长篇故事开头,那么这是一个不好的迹象。

以太坊


有证据表明这种白皮书是为了吸引没有经验的加密货币投资者,因此不是一个非常高质量的项目。


理想情况下,白皮书应该直截了当,有点类似于我们正在制作像以太坊这样的智能合约加密货币,但速度更快,这就是它的工作原理。一个不错的例子是 Terra 白皮书,它首先介绍了它试图解决的问题的简短背景,详细介绍了解决问题所需的三件事,然后解释了项目如何实现这三件事。

以太坊


假设作者可以在不提及竞争对手的情况下定义他们项目的目的,那就更好了。花太多时间谈论同一赛道的其他加密项目是一个不好的现象。


相反,如果你遇到一个听起来像你以前从未听说过的项目,你要么找到了下一个好的东西,要么找到了下一个垃圾币。我使用的一个简单的经验法则是检查加密货币是否是从头开始构建,或者它是否属于分叉币。
从逻辑上讲,从头开始构建的加密货币可能比老项目的分叉更有潜力。


它是如何工作的?


在白皮书中搜索的第四件事与第三件事有关,那就是加密货币的架构。加密货币架构的标准组成取决于它是货币还是代币。货币是区块链的原生加密货币。简单的例子包括比特币的 BTC 和以太坊的 ETH。相比之下,加密货币代币建立在区块链之上,可以存在于多个区块链上。简单的例子包括像 USDT 和 USDC 这样的稳定币。

以太坊


加密货币货币的架构由三部分组成:


1- 一种确保交易安全的共识机制。
2- 参与此共识机制的验证者或矿工。
3- 任何附加技术,例如智能合约的虚拟机。


从共识机制开始,最常见的两种是工作量证明(PoW)和权益证明(PoS),后者最近特别流行。一旦你弄清楚加密货币区块链使用什么共识机制,就可以尝试弄清楚成为区块链一部分的验证器的数量是否有限制。

以太坊


这是因为验证者限制意味着加密货币区块链很可能是中心化的,特别是如果验证者需要向创建加密货币的公司提交 KYC。

以太坊


中心化加密货币区块链可能会更快,除非去中心化加密项目使用更好的技术。这与额外的技术组件有关,这可能会变得非常技术化。


我在技术方面寻找的内容主要是加密货币区块链是利用现有的虚拟机(如以太坊的 EVM)来实现智能合约,还是使用全新的虚拟机。这又是一种权衡,因为如果加密货币区块链只是利用 EVM,那么它不仅会复制另一个加密货币项目,而且它的智能合约也可能会受到每秒可以处理的交易量的限制。

以太坊


另一方面,如果加密货币区块链正在利用一个新的虚拟机,那么它的智能合约功能可能不会像它的竞争对手那样好,这在像加密货币这样竞争激烈的行业中是一个非常大的风险。

以太坊


其他附加技术包括分片等,其中涉及将区块链分成多个称为分片的部分以提高速度。这是通过将某些交易分配给某些验证者组来完成。最近也很流行,请注意这种技术。

以太坊


就加密货币代币而言,它们的架构至少可以说没有那么标准化。

以太坊


随着时间的推移,你会发现相同的组件被用于属于同一类别的加密货币,无论它们是货币还是代币,这将有助于将技术元素保持在最低限度。


代币经济学


在加密货币白皮书中寻找的第五件东西是代币经济学、特定的供应来源和需求驱动因素。供应来源包括;


1-货币或代币的每年通货膨胀。
2-它的初始分配。
3-它的派发时间表。


通货膨胀是不言自明的。如果通货膨胀过多,那么加密货币将很难保持其价值,就像美元一样。有趣的是,美元的分配也是不平衡的。这可能是加密货币的一个问题,因为如果货币或代币的大部分初始供应都分配给了团队及其附属机构,那么来自这些各方的抛压可能会抑制加密货币的价格,特别是如果他们已经获得了可观的利润。

以太坊


这实际上取决于分配计划的激进程度。如果加密货币的派发时间表漫长而顺利,那么抛售压力根本不应该影响价格。或者,如果加密货币的派发时间表很短,那么预计价格会很难看。
激进的分配计划的希望是,您将很好地了解未来加密价格可能何时崩盘,这意味着如果这是您相信的加密项目,您将能够逢低买入。

以太坊


在经济等式的另一边,我们有需求驱动因素,其中包括费用支付和质押奖励等创收,以及其他让普通人有理由购买和持有加密货币的好处,而不仅仅是价格投机。据我所知,加密货币的需求驱动力最强,因为它们需要支付各自区块链上的所有费用。这就是为什么我如此看好第 1 层区块链。如果加密项目背后的团队可以通过构建新的去中心化应用程序和体验等来推动用户采用他们的区块链,那么由于用户需要与这些新的 dApp 和智能合约进行交互,因此其各自的代币很有可能会上升。但这并不意味着代币的需求驱动是微不足道的。一些如 Decentraland 的 MANA 被用作元界市场中的一种支付方式,在过去一年中使用量激增。从长远来看,在谷底和峰值之间,MANA 自 2020 年以来增长了近 500 倍。

以太坊


一些加密货币代币(例如 MANA)也有来自机构投资者的额外需求驱动因素,尽管在他们的白皮书中可能不会注意到这些。无论如何,正如基本经济学所指示的那样,如果需求持续超过供应,价格将会上涨,尽管这在短期内并不总是很明显,但从长期来看情况显然如此。


路线图


在加密货币白皮书中寻找的第六件事是路线图。该路线图应至少持续几年,并在可实现的时间表内包含可落地的目标。

以太坊


可落地的目标示例包括测试网或主网发布、加密钱包发布、交易所列表、可扩展性或隐私升级,以及三年时间范围内的特定合作伙伴关系。


请务必记下任何确切的日期,因为随着里程碑的临近,货币或代币很可能会上涨。相反,像在一年内吸引 10 亿用户这样的事情并不是一个现实。


然而,并非所有的白皮书都写明了路线图。这可能是因为加密项目实际上没有路线图,也可能是因为路线图存在于其网站上的单独文档或页面上,甚至可能是因为加密项目出于监管原因无法发布路线图。这与来自上述不友好司法管辖区的加密项目尤其相关,您可以通过文件中的所有免责声明来判断是否是这种情况。


在这种情况下,如果加密项目背后的团队或公司发布路线图,它将向监管机构表明他们是为任何投资者创造利润预期的人,这将引来监管部门的特别关注。


参考文献、来源、脚注


在白皮书中寻找的最后一样东西,是很少有人注意到的,那就是参考资料、来源或脚注。这是因为细节决定成败。


参考资料经常揭示白皮书的作者到底是不是一个真正的有才能的一个人。参考维基百科等普通网站或其他加密货币白皮书并不是一个好兆头,完全没有来源也不是一个好兆头。

以太坊


优质的资源包括可公开访问的科学论文,甚至是早期密码朋克(如 David Chalm 和 Adam Back)的小众加密著作。


除了为您提供有趣的阅读之外,高质量的参考资料还可以引导您进入其他加密项目,甚至激发您创建自己的项目。脚注也是如此,有时可能包含有关您正在阅读的加密项目的关键信息。这就是为什么你应该从头到尾阅读地加密货币白皮书的原因,即使你并不完全了解其中的技术。

Leituras Relacionadas

How to Do Research Well: Deliberately Practice the Real Skills That Matter

No one truly teaches you how to do research. You're often given a desk, a pre-selected problem, and vague instructions to "create something new." Consequently, many people reverse-engineer the job based on visible outputs—papers, posts, announcements—learning only how to *appear* like a researcher rather than how to *become* one. True research capability is built from stacking small, trainable skills, nearly all of which can be developed through deliberate practice. **Pick Your Own Problem:** Most researchers absorb problems from advisors or trends, lacking the underlying reasoning. Choosing a problem you genuinely care about, as John Schulman advises, leads to original work. Develop "taste" like a muscle: predict experiment outcomes, guess paper results from methods, and track which findings remain important over time. **Upgrade Your Inputs:** Relying on shared reading lists (arXiv hot lists, filtered group chats) leads to unoriginal conclusions. Undervalued old literature often holds crucial insights (e.g., MoE, LSTM, backpropagation). Richard Sutton's "The Bitter Lesson" or Claude Shannon's 1952 talk on creative thinking are more predictive than lengthy modern surveys. Breadth matters as much as depth: draw from neuroscience, mechanism design, hardware knowledge, and honest statistics. Read papers directly, especially appendices and limitations sections. **Write Everything Down:** As Paul Graham noted, writing exposes flaws in seemingly mature ideas. Writing is the cheapest defense against self-deception. Following Feynman's principle, Darwin programmatically wrote down facts contradicting his theory to combat memory bias. Maintain a detailed log of hypotheses, setups, predictions, results, and updated understandings. Reviewing past logs fosters essential humility.

marsbitHá 11m

How to Do Research Well: Deliberately Practice the Real Skills That Matter

marsbitHá 11m

Following US Ban on Fable 5, Zhipu AI's Stock Soars 47%

On June 15th, shares of Zhipu AI surged dramatically on the Hong Kong stock market, peaking at a 47.6% gain before closing 32.82% higher. This sharp increase was directly triggered by two recent industry events. On June 12th, Anthropic announced it was suspending global access to its latest flagship models, Claude Fable 5 and Claude Mythos 5, to comply with a U.S. government export control order. The next day, Zhipu AI announced it would open access to its latest open-source flagship model, GLM-5.2, under the permissive MIT license. The Anthropic incident highlighted a critical issue beyond raw model capability: the risk of sudden, unpredictable loss of access to advanced AI models, especially for developers and enterprises deeply integrated with them. This has shifted industry and market focus toward factors like stability, sustainable access, and controllability. Zhipu's move, promoting "frontier intelligence for all," positions its openly available model as a reliable and accessible alternative. The GLM-5.2 model emphasizes "Long Horizon Task" capabilities with a 1M context window, targeting complex, multi-step coding and engineering workflows where maintaining context is crucial. Analysts note this event exposes the risk of dependency on closed-source models subject to single jurisdictional controls, potentially accelerating a shift toward domestic base models and localized deployments. The market's reaction signals a new valuation dimension in AI: providers who can offer stable, long-term, and sustainably accessible AI capabilities are gaining strategic importance.

marsbitHá 35m

Following US Ban on Fable 5, Zhipu AI's Stock Soars 47%

marsbitHá 35m

Fully Entering the AI Era: Alipay Bets on Conversation, WeChat Holds Fast to Social

In May 2026, Alipay announced over 300 million AI payment transactions. Shortly after, WeChat opened its mini-programs for AI integration, sparking controversy by requiring developer source code access. This highlights their diverging approaches to AI integration. Alipay is testing "Project Treasure," an optional AI-native interface replacing traditional app grids with a conversational window. Users can command complex tasks (e.g., "book a ride and order coffee") handled end-to-end by AI. This shift follows an abandoned standalone AI app, focusing instead on enhancing its existing user base. For unmodified mini-programs, Alipay's AI uses "screen-reading" to simulate user interactions, bypassing the need for developer overhaul. It also introduced "Token Pay" for micro-transactions and "AI Wallets" for autonomous agent spending. WeChat, prioritizing its core social function, is taking an embedded approach. Its AI agent will operate within existing contexts like group chats and official accounts, assisting without a separate interface. To enable this, WeChat offers developers two paths: granting source code access for direct AI control ("Automatic Mode") or manually encapsulating services into standardized "Skills." Both place significant burden on developers. Key differences emerge in handling legacy services: WeChat demands developer cooperation (code or labor), while Alipay's screen-reading offers immediate, if potentially less stable, compatibility. Alipay's 3 billion AI transactions demonstrate user acceptance of AI-driven commercial actions. The divergent strategies may reshape mini-program ecosystems—Alipay passively "AI-fying" services, WeChat potentially favoring resource-rich developers—and set competing technical standards. Ultimately, the competition centers on where users entrust the command to "help me get things done."

marsbitHá 35m

Fully Entering the AI Era: Alipay Bets on Conversation, WeChat Holds Fast to Social

marsbitHá 35m

Trading

Spot
Futuros
活动图片