Blast早期淘金指南:盘点容易「薅羊毛」的生态项目

Odaily星球日报Опубликовано 2024-02-29Обновлено 2024-02-29

Введение

你质押进去的 ETH, 将成为 Blast 生态项目们垂涎三尺的香饽饽。

千呼万唤始出来。

吸引 ETH 产生收益,积分和空投运营玩出花的 Blast,终于官宣将在 3 月 1 日早上 5 点正式上线(香港时间)。

Blast早期淘金指南:盘点容易「薅羊毛」的生态项目

考虑到长久以来的 PUA 玩法,相信不少 degen 们已经在 Blast 上存入了 ETH。在 ETH 本身可以生息和博取官方积分的同时,不要忘记:

你质押进去的 ETH, 将成为 Blast 生态项目们垂涎三尺的香饽饽。

加密市场的历史证明,每一次新的L2,都是一次新的流动性跑马圈地。重复造轮子也好,跑出新项目也罢,新的 Blast 上,必然会诞生各类生态项目;

而流动性总共就那么多,同赛道里的项目必然会竞争流动性,不同赛道的项目客观上也在抢夺流动性。

Blast早期淘金指南:盘点容易「薅羊毛」的生态项目

于是,我们或许会在 Blast 主网正式上线的早期,看到一个“买方市场”。

TVL 和用户活跃为王,你都已经在 Blast 上质押 ETH 了,那么生态项目们也必然会通过各种预热活动,想方设法让你使用自家的产品,最好还能为自家产品提供流动性。

而有些生态项目已经将这个买方市场做到了极致:你啥都不用做,只需要来我这看一看,依据你质押的 ETH 量的大小,对你进行一次“预空投”。

也就是说,在流动性稀缺的情况下,在 Blast 生态项目中薅羊毛变得更容易了。

那么, 当前市场上有哪些容易薅羊毛的生态项目? 本期内容我们就来进行一个盘点,为大家在 Blast 的早期淘金提供可行的参考。

Blasterswap:原生 DEX,质押 ETH 即有代币预空投

Blasterswap 是 Blast 上的原生 DEX,支持代币的实时兑换、限价单和定投,同时也自带 Launchpad 的功能,满足生态中代币上线、兑换和投资的需求。

推特:@BlasterSwap

Blast早期淘金指南:盘点容易「薅羊毛」的生态项目

目前,用户只要通过 Blast 的桥(点击此处)质押了 ETH 和稳定币,或者是质押了$BLUR,无需任何交互操作,即可获得 Blasterswap 预发放的 BLSTR 代币;而预发放的大小则取决于质押量的大小。

玩家可以通过此处访问 Blasterswap,检查自己能够获取的代币数量。

Blast早期淘金指南:盘点容易「薅羊毛」的生态项目

正常的逻辑是当主网上线时,预发放的代币将变成主网代币让玩家进行 Claim,但具体的解锁周期、条件和需要的额外操作则需要密切关注项目方的社媒信息。

同时,之前在推特上对该项目进行过宣传和分享还会得到额外的空投加速,但官网显示快照已结束,玩家仍可以正常的链接钱包来获得“预空投”代币份额。

Blast早期淘金指南:盘点容易「薅羊毛」的生态项目

相比于肝任务和交互,这种进来即有份的羊毛更加友好。考虑到 Blast L2更低的 gas,领取羊毛的成本也并不会高。

Wen Exchange:NFT 市场,同样见者有份

Wen Exchange 是 Blast 上的原生 NFT 市场,支持 0 交易费用,以及自带 blast 的原生收益。

推特:@wen_exchange

Blast早期淘金指南:盘点容易「薅羊毛」的生态项目

与 Blasterswap 一样,该项目也是“见者有份”的模式:只要你质押了 ETH、稳定币或是 Blur,都可以获得 wen 的代币预空投;三种资产越多,叠加起来能获得的 wen 代币就越多。

玩家可以点击此处,查看自己能够获取的预空投数量。同时在推特上发帖和邀请他人都可以获得更多的空投加速。

虽然我们并不知道 wen 代币的单价会如何,但完全免费(时间成本为 0 ,额外资产投入为 0)的空投收益,必然会吸引更多人参与。

Pacmoon: 与 Blast 创始人名称相似的 MEME

相信没有人不知道 Blast 创始人 Pacman 的大名,而这个名字实际上也有一个更早的来源:吃豆人游戏。

与 Pacman 名字类似,一个社区驱动的 MEME 代币 Pacmoon 已经出现,并且在视觉元素上很明显的参考了吃豆人;同时 Moon 的意义不言而喻,暗示着一飞冲天。

推特:@pacmoon_

Blast早期淘金指南:盘点容易「薅羊毛」的生态项目

目前,PACMOON 网站上没有任何实际产品层面的介绍,整个网页非常简单复古,更多的像是一个 MEME 符号,同时也与创始人名字沾边。

该项目也开启了空投积分的玩法。只要你在 Blast 上存入过 ETH,即可获得一个初始的空投积分,同时邀请其他人还能获得额外积分,以最终形成总积分并参与排行榜的比拼。

玩家可以点击此处查看自己的积分情况,以等待后续空投的更多细节。

Blast早期淘金指南:盘点容易「薅羊毛」的生态项目

Blast Disperse:批量发送交易赢取空投奖励

Blast Disperse 是 Blast 上一个高度激励的 dapp,它允许同时将 ETH、代币和 NFT 发送到多个地址。由 $DISP 提供支持。

推特:@BlastDisperse

如果说前几个项目都是喂饭到嘴边,那么 Blast Disperse 则需要自己动手吃饭。当然,获取空投的方式也很简单:

在测试网上向其他地址批量发送资产即可。

玩家可以访问此处进入项目网站,按照首页系统预设好的格式,批量向目标地址发送 ETH,其他 token 或者 NFT,即可在下图所示的领取空投页面查看自己的分数。

Blast早期淘金指南:盘点容易「薅羊毛」的生态项目

从笔者的体验来看,发送的次数越多,获得的空投积分越多。而至于积分兑换成代币的条件,还需要等到主网正式上线后才有更多细节。

BlastScore:Blast 上的任务平台,做任务赚积分

与 Galxe 类似,Blast 上也有自己的任务平台 BlastScore。

推特:@blast_score

官网:https://blastscore.io/

玩家可以在该平台上查看不同项目设置的任务,完成任务条件(如关注社媒和交互)等即可得到不同的积分和代币奖励。

不过具体的奖励规则完全与项目方在平台上设计的条件挂钩,需要玩家亲力亲为来做任务。

Blast早期淘金指南:盘点容易「薅羊毛」的生态项目

但好处在于,该项目带来了两层潜在的收益:

第一,做平台上项目们发布的任务,获得与该项目相关的代币奖励;

第二,该平台使用的多,也有可能博取平台本身的空投奖励

从项目的 DOC 来看,已经挂出了空投预期。因此对于勤劳的玩家来说可以一试。

Blast早期淘金指南:盘点容易「薅羊毛」的生态项目

AI WAIFU:虚拟女友游戏,参与 LBP 代币发行领空投

AI Waifu 是一款由 AI 驱动的虚拟女友游戏,通过 AI 大语言模型和动漫形象的虚拟女友,陪伴玩家共同成长,在精神陪伴的同时获取游戏中的收益。

推特:@aiwaifugg

游戏试玩:点击此处

试玩邀请码: 9 L 6 KD IA 8 FX

在之前的 Blast Big Bang 开发者激励活动中已经赢得了次优组(RunnerUp)的奖励,官方已承诺会将在活动中的 100% 的开发者激励空投分享给用户。

Blast早期淘金指南:盘点容易「薅羊毛」的生态项目

而玩家得到空投分享的前提是,参与该项目 3 月 4 日即将上线的 LBP 代币发行。

其中,可售代币数量为 30, 000, 000 个,初始单价为 0.169 U,初始 FDV 为$ 1690 万。

3 月 8 日,代币在 LBP 后就会正式产生,推测参与的玩家需要再次回到 Fjord 进行申领才算正式得到了 WAIFU 代币;同时在 11 日游戏的正式版本将会启动。

对于空投时间来说,AI Waifu 官方将在收到 Blast Big Bang 奖励的空投以及 LBP 结束后才能发放空投;确切日期和时间待公布。

因此,该项目博空投的逻辑实际上是博 WAIFU 代币的上涨预期,顺便在代币 TGE 后得到额外的空投。

最后总体来看,可以确定的是 Blast L2的正式上线必然会掀起一阵生态项目热潮。

在保证钱包和连接安全的情况下,选择性参与一些时间和资金成本最低的项目是生态初建阶段的合理选择。

至于 Blast 的生态能走多远,仍需要时间和市场的检验。

Похожее

Заканчиваются канальные преимущества. Как протоколы DeFi защищаются от захвата гигантами?

Рост за счет доступа к каналам дистрибуции подходит к концу. Такие гиганты, как Coinbase, Stripe и Kraken, стремятся контролировать всю цепочку создания стоимости, поглощая или создавая конкурирующую базовую инфраструктуру, чтобы захватить прибыль и избежать «платы за проезд». Coinbase с ее блокчейном Base собирает сборы за упорядочение, Stripe приобрела Bridge для удержания доходов от стейблкоинов, а Kraken купила NinjaTrader для получения лицензий на деривативы. Однако протоколы DeFi, такие как Morpho и Uniswap, строят защиту, активно расширяясь на множество блокчейнов. Это снижает риск зависимости от одной платформы. Их глубоко укоренившаяся, проверенная в боях технология создает высокие затраты на замену для крупных компаний, что ведет к взаимозависимости. Хотя будущее может двигаться к олигополии, текущая динамика — это гонка между вертикальной интеграцией гигантов и горизонтальным, мультичейн-расширением открытых протоколов. Краткосрочная стабильность есть, но долгосрочный итог этой борьбы определит архитектуру отрасли.

marsbit4 мин. назад

Заканчиваются канальные преимущества. Как протоколы DeFi защищаются от захвата гигантами?

marsbit4 мин. назад

Проблемы вычислительной мощности в китайско-американской партии по искусственному интеллекту

**Краткое содержание статьи: "Проблемы вычислительных мощностей в контексте китайско-американского соперничества в области ИИ"** Ключевой проблемой развития ИИ в Китае является серьезное отставание в области вычислительных мощностей, особенно в сфере высокопроизводительных чипов для **обучения** моделей ИИ. В то время как китайские чипы, такие как продукты компаний Moore Thread, Biren Technology и других, находят применение в более доступных задачах **вывода (инференса)** (например, в приложении Doubao), они практически не представлены в требовательном сегменте обучения крупных моделей. Здесь безраздельно доминируют американские компании, в первую очередь Nvidia с ее чипами серии A100/H100/H200 и экосистемой CUDA. Разрыв огромен: США контролируют более 70% мирового рынка высококлассных GPU, их общие вычислительные мощности более чем в два раза превышают китайские (2400 против 1053 EFLOPS). Американские технологические гиганты, такие как Meta, Google, Microsoft и Amazon, вкладывают сотни миллиардов долларов в инфраструктуру ИИ. Например, только у Google вычислительных мощностей столько же, сколько у 500 000 чипов H100, что составляет четверть от общемирового объема. Это позволяет им проводить десятки итераций обучения крупных моделей в год и экспериментировать с параметрами в триллионы и десятки триллионов, как это делает xAI Илона Маска. В результате, самые передовые американские модели (например, Anthropic Claude Mythos с 10 триллионами параметров) значительно превосходят лучшие китайские (например, DeepSeek V4 Pro с 1.6 триллионами параметров). Эксперты оценивают отставание Китая в 8-15 месяцев. Основная причина — физическое отсутствие необходимых мощностей для быстрого обучения сверхбольших моделей в соответствии с законом Scaling Law. Китай стремится к импортозамещению, разрабатывая собственные чипы (Huawei Ascend 910B, Cambricon и др.). Хотя по абсолютной производительности они пока отстают от лидеров на 30% и более, в сфере инференса разрыв сократился до 15-20%. Главная проблема — не только производительность железа, но и отсутствие зрелой программной экосистемы, подобной CUDA. Однако уже есть первые успехи: компании вроде Zhipu AI и Moore Thread начинают демонстрировать возможность полного цикла обучения моделей на отечественном оборудовании и фреймворках. Вывод: Китай сталкивается с фундаментальным вызовом в "гонке вычислений", которая лежит в основе "гонки моделей". Преодоление этого разрыва требует времени, масштабных инвестиций и построения собственной экосистемы. Страна обладает необходимым рынком, талантами и капиталом, но путь к паритету с США в области высокопроизводительных чипов для ИИ будет долгим.

marsbit5 мин. назад

Проблемы вычислительной мощности в китайско-американской партии по искусственному интеллекту

marsbit5 мин. назад

Новая работа команды Хэ Каймина: после удаления VAE и приватных данных генерация текста в изображениях стала ещё лучше

Новая работа команды Хэ Каймина, MiniT2I, представляет собой минималистскую базовую модель для генерации изображений по тексту, которая бросает вызов существующим сложным подходам. В отличие от популярных моделей, таких как Stable Diffusion, MiniT2I отказывается от использования VAE, сложных механизмов введения условий (AdaLN), вспомогательных функций потерь, приватных данных и этапов выравнивания RL/DPO. Модель работает непосредственно в пространстве пикселей, используя потоковое согласование. Архитектура MM-JiT основана на чистом Transformer с двумя адаптерами для текста и без AdaLN. Обучение проводится в два этапа на полностью открытых данных: предварительное обучение на LLaVA-recaptioned CC12M и тонкая настройка на наборе высококачественных пар изображение-текст. Несмотря на небольшой размер (например, версия B/16 с 258 млн параметров), MiniT2I показывает конкурентоспособные результаты на бенчмарках GenEval (0.87) и DPG-Bench (84.2), превосходя более крупные модели. Модель L/16 (912 млн параметров) демонстрирует хорошее качество в стилях, композиции и воображении, приближаясь к SD3-Medium. Работа также честно указывает на текущие ограничения: артефакты на границах патчей, побочные эффекты CFG в пиксельном пространстве, потолок разрешения и отставание в рендеринге текста из-за использования только открытых данных. MiniT2I доказывает, что создание мощных тексто-графических моделей может быть более простым, эффективным и доступным, отмечая возможный переход от парадигмы «нагромождения» к парадигме «очищения».

marsbit10 мин. назад

Новая работа команды Хэ Каймина: после удаления VAE и приватных данных генерация текста в изображениях стала ещё лучше

marsbit10 мин. назад

Агенты ИИ «поглотили» какие криптосекторы?

Если вы, как и мы, последние несколько лет были глубоко вовлечены в индустрию, вы заметили, как изменилась атмосфера. Основной консенсус заключается в том, что отрасль активно оптимизируется под AI-агентов, что отодвигает на второй план продукты, ориентированные на прямое человеческое взаимодействие. Однако цепочка данных остается активной на новом уровне — уровне автономных агентов, недоступном для прямого человеческого вмешательства. Агенты уже доминируют в определенных сегментах: * **Деривативы (перпетуальные контракты):** Скорость и круглосуточное исполнение дают машинам явное преимущество, что подтверждают результаты конкурсов, где все AI-агенты завершили гонку, в то время как многие люди понесли убытки. * **Арбитраж (MEV):** Это абсолютно доминируемая роботами сфера, где масштабируемая человеческая деятельность невозможна. * **Оптимизация доходности:** Большинство новых протоколов DeFi включают автономных AI-агентов для управления, что показывает рост их внедрения. * **Спот-торговля:** По оценкам, автоматизированные боты отвечают за значительную долю общего объема торгов. В других сегментах наблюдается **смешанная активность**: * **Предиктивные рынки:** Агенты доминируют в краткосрочном арбитраже, но люди сохраняют преимущество в долгосрочных прогнозах, требующих адаптации. * **Кредитование в DeFi:** Хотя процессы ликвидации автоматизированы, ключевые решения о займах и депозитах по-прежнему принимаются людьми. Человеческое взаимодействие остается ключевым в областях, требующих доверия и контекста: * **Стейблкоины и платежи:** Подавляющий объем транзакций связан с реальными людьми, использующими криптовалюту для переводов и повседневных расходов. * **Кошельки:** Это последний рубеж, требующий человеческого одобрения и надзора. С ростом числа агентов **верификация человеческой деятельности** становится критически важной. Проекты, такие как World (AgentKit), t54, Self Protocol и Kite AI, разрабатывают инфраструктуру для безопасного связывания агентов с проверенными людьми, обеспечивая подотчетность и доверие в агент-ориентированной экономике. **Вывод:** Агенты превосходят людей в задачах, требующих скорости и оптимизации (трейдинг, MEV), и эта тенденция сохранится. Однако человеческий слой остается жизненно важным для сфер, связанных с реальной экономикой, платежами, доверием и сложными суждениями. Будущее, скорее всего, будет заключаться в симбиозе, где агенты эффективно выполняют задачи, но подотчетны и контролируются людьми.

marsbit17 мин. назад

Агенты ИИ «поглотили» какие криптосекторы?

marsbit17 мин. назад

Страхование сталкивается с самым серьезным конкурентом: Рынки прогнозов — «варвары у ворот»?

Индустрия страхования сталкивается с новым конкурентом — рынками прогнозирования. Такие платформы, как Kalshi и Polymarket, начинают вторгаться в традиционные страховые сферы, предлагая альтернативные инструменты хеджирования рисков. Примеры включают сотрудничество Kalshi со страховым брокером Game Point Capital для хеджирования премий NBA-команд по более низким ценам, чем у традиционных страховщиков. Партнёрство Polymarket с Parcl позволяет делать ставки на индексы цен на недвижимость, что даёт возможность владельцам и покупателям жилья страховаться от падения или роста стоимости. Кейс нью-йоркского бара The Jeffrey, который застраховал на Kalshi акцию «бесплатная выпивка в случае победы «Никс», показывает, как малый бизнес может использовать прогнозные рынки для управления операционными рисками, связанными со спортом, погодой или политикой. Преимущества таких рынков — прозрачность ценообразования, ликвидность и нейтральная роль платформы — делают их привлекательной альтернативой традиционным ставкам и некоторым видам страхования. Исторический прецедент — успешные маркетинговые кампании с возвратом средств, подкреплённые ставками на спорт, как у «Матраса Мэка». Несмотря на проблемы с ликвидностью, нечётким регулированием и рисками манипуляций, рынки прогнозирования уже делают первые шаги, бросая вызов не только букмекерскому бизнесу, но и традиционным страховым компаниям.

Odaily星球日报17 мин. назад

Страхование сталкивается с самым серьезным конкурентом: Рынки прогнозов — «варвары у ворот»?

Odaily星球日报17 мин. назад

Торговля

Спот
Фьючерсы
活动图片