Fractal 的 FSIC 与 ASIC,我们买的是“算力”还是“注意力”?

链捕手Опубликовано 2024-09-03Обновлено 2024-09-03

作者:Cookie,BlockBeats

 

距离 Fractal 主网上线的 9 月 9 日只剩不到一周的时间。从最开始的时候,大家期待着是否可以在 Fractal 上复制去年铭文的「新资产狂潮」,注意力已经转向了另外两点。首当其冲的是「抢头矿」的「挖矿」,其次是与 OP_CAT 相关的新型基建。

由于后者还需要等待主网上线以后一段时间来跑出来,可以说当前与 Fractal 相关的最大、最直接热点就是「挖矿」。而与「挖矿」相关的 NFT 项目中,有着最高关注度的分别是 FSIC 与 ASIC。

这两个项目在发售的一开始进度都不太让人乐观,但最后都突然加速直到打完。让我们先看看 FSIC 吧。

FSIC 的发售价格是 0.0048 比特币,总量 3800 个。8 月 29 日开始铸造以后,一直持续到最后的公售阶段才完成了全部的销售。

在前期这个项目遭受了比较多的质疑,比如团队保持匿名、只有一张带有「FSIC」字样的矿机照片。

以及,FSIC 的售价相比于租用同等算力而言是否过高。

但是小编依然在当时铸造了 2 个 FSIC 的理由恰恰是因为该项目在当时遭受了太多的质疑。在发售前,FSIC 已经针对质疑做出了回应,最重要的是明确了其算力来源是向 Solo Fractal 矿池进行一年的租赁。只要这个项目不是发售完以后就跑路而是真的会围绕算力去做事情,这种「挖矿」NFT 就会存在其优势:

算力租赁对于一般的玩家来说存在一定的理解以及操作门槛,比如怎么买才划算、应该找谁买等等,有的租赁甚至有消费门槛,要租赁到一定数额的算力起跳。

自己去租算力更多是一种「单向做多 $FB」,尤其是「挖矿」热度越高,算力租赁价格也会越贵,但相当于「被锁仓」无法实时变现。而可以在二级市场交易的 NFT,虽然可能看上去单个 NFT 的算力并不高,但是多出来的价格可以视为一种「流动性溢价」,你可以随时把自己的算力卖给其它玩家。

所以,「挖矿」NFT 的本质更像是「注意力投资」,而不是究竟可以挖到多少,重点是团队不要拿钱就跑以及可以随时买卖。

因为 FSIC 在全部销售后一度到达 0.01 比特币的地板价格,相比铸造价格完成了翻倍,ASIC 也在剩余 1000 多个的时候开始加速,最终以 0.0062 比特币的价格完成了全部 3150 个「挖矿」NFT 的销售。这个项目和 FSIC 的不同之处有:

  • $FB 挖矿将在 Fractal 主网正式上线后一周才开始,而 FSIC 将从主网上线第一天就开始。由于他们是实打实自己购买矿机,因此部署新的矿机需要时间。
  • 平均单个 ASIC NFT 的算力将达到 17 TH/s,而 FSIC 是 7 TH/s。
  • ASIC 团队实名,FSIC 团队匿名。

重要的博弈点在前面 2 点。ASIC 的平均单个 NFT 算力虽然是 FSIC 的两倍多,但是挖矿会比 FSIC 迟一周才开始,而且是最关键的第一周。目前,我们还看不到市场会如何从价格上对这两点差异进行反应,因为 ASIC 明天才会在 Magic Eden 上架自己的整个合集。不过,目前 FSIC 在 Magic Eden 上的地板价基本上稳定在了 0.007 比特币附近,依然高于 ASIC 的铸造价格,因此小编比较乐观地认为 ASIC 的铸造者们在开局都能拿到收益,但是算力差异上的优势会不会完全兑现在价格上,还需要观察。

Похожее

TRON Nile Testnet Развернул Квантово-Устойчивую Криптографию Подписей

Криптовалютный рынок сегодня анализирует множество событий, и новое развитие от TRON добавляет важный слой информации. Тестовая сеть TRON Nile развернула обновление, внедряющее квантово-устойчивую криптографию подписей. **Ключевые моменты:** * Обновление развернуто в **тестовой сети Nile** и представляет собой упреждающий шаг по укреплению безопасности блокчейна на уровне протокола (Layer 1). * Основная цель — защита реестра от теоретических будущих рисков взлома с помощью квантовых компьютеров. * Развитие связано с одной из ключевых тем рынка — **стейблкоинами**, так как TRON является крупной платформой для их обращения. * Информация подтверждена первоисточниками: официальным сайтом тестовой сети (nileex.io) и репозиторием на GitHub. **Важный контекст:** Обновление пока **не активено в основной сети TRON (mainnet)**. Поэтому, хотя это подтвержденный и значимый шаг в развитии протокола, его не следует рассматривать как гарантию немедленных рыночных изменений. Для оценки его полного воздействия необходимы последующие подтверждения и данные о внедрении в основную сеть. В быстроменяющихся крипторынках каждый новый подтвержденный факт важно оценивать в комплексе с ликвидностью, структурой рынка и регуляторной средой.

bitcoinist25 мин. назад

TRON Nile Testnet Развернул Квантово-Устойчивую Криптографию Подписей

bitcoinist25 мин. назад

BIS Отчет о комплаенс-обзоре: настоящие риски стейблкоинов не ограничиваются «отвязкой»

Доклад BIS подчеркивает, что риски стейблкоинов выходят за рамки простой «потери привязки» к стоимости. Основная проблема заключается в их интеграции в регулируемую финансовую систему, где обязательны идентификация клиентов, мониторинг транзакций, подотчетность и надзор. Стейблкоины, работающие на разрешенных блокчейнах, создают комплексные риски для соответствия требованиям AML/CFT из-за псевдоанонимности, некстодиальных кошельков и кросс-чейн-мостов. Публичность данных в блокчейне не равна прозрачности для соблюдения нормативных требований, так как адреса не раскрывают личность или цель транзакций. BIS отмечает, что риски со стейблкоинов могут перетекать в традиционный финансовый сектор через операции пополнения/вывода, торговые площадки и расчеты. Будущее регулирования должно заключаться не в запрете инноваций, а во «встраивании правил» в технологическую инфраструктуру. Это означает предварительную проверку клиентов, скрининг транзакций, аудируемые данные и сотрудничество между юрисдикциями. Таким образом, соответствие требованиям — не препятствие для инноваций, а необходимая основа для устойчивого развития цифровых финансов.

marsbit53 мин. назад

BIS Отчет о комплаенс-обзоре: настоящие риски стейблкоинов не ограничиваются «отвязкой»

marsbit53 мин. назад

Когда американские гиганты массово «переметнулись» к китайским AI-моделям

Генеральный директор крупнейшей американской криптобиржи Coinbase Брайан Армстронг заявил, что компания перешла на использование китайских AI-моделей GLM 5.2 и Kimi 2.7, что позволило сократить расходы на искусственный интеллект вдвое, несмотря на растущий объём использования. Для достижения такой экономии Coinbase внедрила систему автоматического выбора модели в зависимости от задачи, оптимизировала кэширование, повысив его эффективность с 5% до 60%, и применила методы "контекстной инженерии" для более точных запросов. Эта тенденция набирает обороты: другие компании, такие как Lindy и Snowflake, также сообщают о значительной экономии после перехода на более доступные модели, такие как DeepSeek и GLM, качество которых в многих задачах приближается к дорогим аналогам вроде Claude Opus или GPT, но стоит в 5-7 раз дешевле. Для пользователей это означает, что эпоха зависимости от одной модели заканчивается. Ключевыми становятся стратегии выбора модели под задачу, использование кэширования и составление лаконичных запросов. Данный тренд оказывает давление на ценовую политику лидеров рынка, таких как OpenAI и Anthropic, запускающих более дешёвые модели, и знаменует смещение конкуренции в сфере AI от чистой производительности к экономической эффективности.

marsbit1 ч. назад

Когда американские гиганты массово «переметнулись» к китайским AI-моделям

marsbit1 ч. назад

Отчет BIS: истинные риски стейблкоинов – не только в "отвязке"

В отчете BIS «Anchoring trust in money: innovation beyond stablecoins» (2026 г.) подчеркивается, что главные риски стабильных монет связаны не только с возможной потерей привязки к стоимости, но с их соответствием регулируемой финансовой системе. Доклад указывает, что деньги — это не просто технологический продукт, а институциональная конструкция, требующая доверия, юридических рамок, контроля и прозрачности. Основные риски включают: псевдоанонимность, сложности с KYC и AML/CFT в условиях использования некастодиальных кошельков, кросс-чейн-мостов и микшеров, а также отсутствие четких ответственных лиц. Публичность блокчейна не означает автоматической прозрачности для комплаенс-контроля, поскольку видимость адресов не раскрывает личность или цель транзакций. BIS отмечает, что стабильные монеты уже представляют значительный объем (рыночная капитализация около $3.2 трлн), и их риски могут проникать в традиционный финансовый сектор через точки входа/выхода, криптобиржи и счета клиентов. Регуляторный ответ должен заключаться не в запрете инноваций, а во встраивании правил («правила вперед») в технологическую инфраструктуру: предварительную проверку клиентов, скрининг транзакций, отслеживаемость данных и механизмы межведомственного сотрудничества. Ключевой вывод для комплаенс-специалистов: любая новая финансовая технология, претендующая на массовое использование, должна четко определять, кто идентифицирует клиентов, отслеживает операции, обрабатывает инциденты и несет ответственность. Комплаенс — не препятствие, а необходимая инфраструктура для устойчивых финансовых инноваций.

链捕手1 ч. назад

Отчет BIS: истинные риски стейблкоинов – не только в "отвязке"

链捕手1 ч. назад

Когда американские гиганты массово «бегут» к китайским AI-моделям

Генеральный директор Coinbase Брайан Армстронг заявил, что переход на китайские AI-модели GLM 5.2 и Kimi 2.7 позволил компании сократить расходы на искусственный интеллект вдвое, несмотря на рост объема использования. Это достигнуто за счет внедрения системы автоматической маршрутизации запросов, оптимизации кэширования (повышение命中 до 60%) и метода "контекстного инжиниринга" для работы с моделями. Тенденция набирает обороты: стартап Lindy и Snowflake также сообщают о значительной экономии после перехода на такие модели, как DeepSeek и GLM. Сравнение цен показывает разрыв в 5-7 раз в пользу китайских аналогов по сравнению с Claude Opus или GPT, при том что разница в производительности для многих задач незначительна. Это сигнализирует о сдвиге в отрасли: конкуренция смещается от чистой производительности к экономической эффективности. Пользователям стоит reconsider подход: использовать разные модели под разные задачи, оптимизировать контекст запросов и учитывать кэширование. Растущий спрос на более доступные альтернативы может оказать давление на ценовую политику лидеров рынка, таких как OpenAI и Anthropic, что в итоге выгодно для потребителей.

链捕手1 ч. назад

Когда американские гиганты массово «бегут» к китайским AI-моделям

链捕手1 ч. назад

Торговля

Спот
活动图片