加密融资报告:上半年303亿美元的投资流向了哪里?

MessariОпубликовано 2022-08-10Обновлено 2022-08-11

Введение

据报告显示,2022年上半年共推出了151支涉及Web3/加密的基金,总规模达到359亿美元。

据报告显示,2022年上半年共推出了151支涉及Web3/加密的基金,总规模达到359亿美元。与之相对应的资金落地情况也颇为乐观——上半年共披露了1199起项目融资事件,其资金总规模达到303亿美元。

加密研究机构Messari近日发布了与Dove Metrics团队联合推出的2022年上半年加密融资报告。这份报告统计了上半年在 Web3、DeFi、CeFi、基础设施和NFT的总计1199起投融资事件,以及包括机构基金、DAO、天使投资人等在内的4300多个活跃的加密投资方。

据报告显示,2022年上半年共推出了151支涉及Web3/加密的基金,总规模达到359亿美元。其中加密基金116支,资金总量259亿美元;入场的传统行业基金35支,资金总量100亿美元。与之相对应的资金落地情况也颇为乐观——上半年共披露了1199起项目融资事件,其资金总规模达到303亿美元,其中在行业中扮演重要角色的CeFi凭借较少的222次公开融资(仅多于DeFi的195起)募集到了102亿美元,资金总量在各赛道中为最多,单笔融资金额最高。

与2021年上下半年相比,今年上半年各赛道的融资金额总量和项目投融资事件总数都有着较高的增长,大都处在50%以上的较高水平。其中Web3赛道增长速度最为迅猛,其获投融资金额的环比和同比增长率更是分别达到385%、764%。值得一提的是,DeFi融资事件数量同比2021年上半年增长0.5%,以及CeFi募集资金总量比2021年下半年减少了5.6%。

从整体的融资轮次来看,除了CeFi项目的融资轮次分布相对均衡外,各个领域拿到投融资的项目均主要集中在早期阶段,这一点在DeFi和NFT方面体现的最为明显,获早期融资的项目占比超过80%,占据主导地位。从投资机构的角度来看,DAO参与投资的项目集中在早期阶段,其参与的所有投资中,71%处于种子阶段。

下文将具体介绍各赛道融资情况。

DeFi

DeFi领域上半年发生投融资事件195起,共筹集资金18亿美元,融资规模在各赛道中为最小。其资金总量环比增长102%、同比增长133%,并在6月份筹集了6.24亿美元,以强劲的势头结束了上半年,是今年上半年中任何一个月的两倍多。DeFi获投项目主要集中在早期阶段,为165起;融资规模在100万美元到500万美元区间内最为集中,占总量的53%。该赛道最活跃的垂直领域为DEX、资产管理、收益器、稳定币、借贷服务。当前在以太坊上的DeFi项目占据主流,其它生态系统也在不断发展。

NFT

NFT领域上半年发生投融资事件372起,为各赛道最多,筹集了67亿美元的资金。其资金总量环比增长77%、同比增长365%,披露的投融资事件环比增长62%、同比增长168%。从2021年至今,各季度不论是获投资金规模还是项目数,NFT基本始终保持上升态势,且2022年第二季度两项数据均达到历史新高,分别为40亿美元、197起事件。NFT获投项目也主要集中在早期阶段,为307起,且70%的项目融资规模在100万美元到1000万美元之间,规模超过1000万美元的融资项目占比为22%。

值得注意的是,游戏NFT在其垂直领域独树一帜,融资总量达41亿美元,该垂直领域在上半年筹集的资金是其他任何NFT垂直领域的四倍以上。此外,非以太坊的NFT项目在融资规模方面于第二季度实现弯道超车,其筹款总额超出以太坊生态上NFT项目18亿美元。

CeFi

CeFi领域上半年发生投融资事件222起,共筹集资金102亿美元,为各赛道最高。其资金总量环比增长-5.6%、同比增长108%,披露的投融资事件环比增长40%、同比增长146%。CeFi 赛道成熟度高,获投项目相对比较均衡,早期110起、A轮48起、后期64起,A+轮次超过一半。作为加密世界的吸金之王,其融资事件中有47%的项目总金额超过1000万美元。CeFi赛道最活跃的垂直领域为交易所,资金总量达32亿美元,是其他任何CeFi垂直领域的两倍以上,其它较为热门的还有支付、做市商、储蓄、资产管理等。

Web3

Web3领域上半年发生投融资事件158起,共筹集资金18.47亿美元,仅高于DeFi。其资金总量环比增长385%、同比增长764%,披露的投融资事件环比增长105%、同比增长192%,涨幅在各赛道中最大。Web3获投项目主要集中在早期和A轮,分别为112和32起,后期14起,上半年A+轮次的融资超过了总量的30%,表明Web3已开始走向成熟。在Web3的诸多垂直领域中,投资方对媒体和娱乐行业的兴趣最高,这两个领域在上半年分别拿到了5.29亿和3.95亿美元的融资,其它较受关注的还有DAO、AR/VR、环境等。

基础设施

基础设施领域上半年发生投融资事件252起,共筹集了97亿美元的资金,规模仅次于CeFi。其资金总量环比增长131%、同比增长246%,披露的投融资事件环比增长129%、同比增长84%。基础设施获投项目从融资轮次的阶段来看与CeFi颇为相似,早期148起、A轮43起、后期61起,且63%的项目总金额超过500万美元、43%的项目总金额超过1000万美元。其中,智能合约平台融资总量为36亿美元,是资本押注力度最大的项目类型,在所有赛道的垂直领域中位列第一,其他热门的项目还有数据、托管、挖矿等。

Похожее

Корейская гонка за криптовалюту: двойной взрыв стейблкоинов и RWA

Корейские финансовые учреждения и интернет-платформы активно развивают блокчейн-инфраструктуру, сосредоточившись на двух ключевых направлениях: стейблкоинах и токенизации реальных активов (RWA). В сфере стейблкоинов идёт борьба за создание регулируемого рынка воны. Банки, финтех-компании и регуляторы определяют правила, стремясь предотвратить отток капитала в долларовые стейблкоины. Крупные банки, такие как KB Financial, Hana Financial и NH Nonghyup, уже проводят пилотные проекты по платежам и трансграничным переводам. Платежные системы (Shinhan Card, BC Card) и интернет-гиганты (KakaoPay, NAVER Pay) интегрируют стейблкоины в свои экосистемы. Криптопроектам следует устанавливать партнерства сейчас, чтобы стать частью будущей инфраструктуры. Направление RWA в Корее развивается быстро и с учётом местной специфики. Помимо традиционных активов, токенизируются активы ключевых отраслей: судостроение (Mirae Asset Securities), оборонная промышленность (Hanwha Investment) и культурный контент (Story Protocol). Правовая база формируется, и уже одобрены первые торговые платформы (NXT, KDX). Криптопроекты могут заполнить пробелы в глобальном распределении, ликвидности и предоставлении инструментов для токенизации. Ключевую роль в распространении среди пользователей играют потребительские платформы. NAVER (планирующая приобрести оператора Upbit) и Kakao (развивающая единый кошелёк) делают блокчейн основой своих сервисов. Toss, обладающий финансовыми лицензиями, также активно внедряет блокчейн. Корейская индустрия цифровых активов находится на переломном этапе. Принятие нормативной базы и активность институциональных игроков создают возможности для проектов, которые смогут наладить реальное сотрудничество и внедрение на местном рынке.

Foresight News3 мин. назад

Корейская гонка за криптовалюту: двойной взрыв стейблкоинов и RWA

Foresight News3 мин. назад

Как определить, является ли видео сгенерированным ИИ? Обзор динамической, прослеживаемой и объяснимой системы детекции

**Как определить, является ли видео созданным ИИ? Обзор динамической, отслеживаемой и объяснимой системы обнаружения** За последние два года модели генерации видео, такие как Sora, Google Veo и Kling, достигли кинематографического качества, создавая многосекундные сложные сцены. Это создает растущий разрыв с областью обнаружения, которая отстает, в то время как количество и качество поддельных видео в социальных сетях стремительно растет. В обзоре, принятом на ACL 2026, исследователи переосмысливают цель обнаружения: от простой бинарной классификации («поддельное/настоящее») к **верификации фактологической достоверности**. Задача — проверить, соответствует ли содержание видео (кто, что, где, когда) восприятию и знаниям о реальном мире, включая физические законы и здравый смысл. Авторы выделяют три парадигмы AI-видео: 1. **Локальная манипуляция (LMV):** Изменение части реального видео (например, Deepfake). 2. **Аудиовизуальное редактирование (AVE):** Изменение синхронизации между звуком, речью и видео. 3. **Генеративный синтез видео (GVS):** Полная генерация видео «с нуля» (например, Sora), что представляет наибольшую сложность. Для обнаружения предлагается **четырехуровневая система с двойным визуально-языковым подходом**: * **Уровень 1: Низкоуровневые визуальные сигналы** (артефакты, шум, физиологические сигналы). * **Уровень 2: Пространственно-временная согласованность** (плавность движений, физическая непрерывность). * **Уровень 3: Межмодальная согласованность** (проверка соответствия видео, звука и текста). * **Уровень 4: Рассуждение на уровне знаний о мире** (проверка соответствия фактам, законам физики и здравому смыслу). Фокус методов смещается от первых двух уровней (визуальных) к третьему и четвертому (языковым и смысловым). Обзор подчеркивает, что будущие системы обнаружения должны быть **динамическими, объяснимыми и отслеживаемыми**. Они должны не просто классифицировать, а предоставлять доказательства, связывать выводы с конкретными элементами видео (объектами, событиями) и оставаться устойчивыми к новым генеративным моделям. Это требует объединения усилий компьютерного зрения, обработки естественного языка и исследований многомодальных моделей для создания надежной системы проверки достоверности видео в эпоху продвинутого ИИ.

marsbit38 мин. назад

Как определить, является ли видео сгенерированным ИИ? Обзор динамической, прослеживаемой и объяснимой системы детекции

marsbit38 мин. назад

Новый открытый исходный код NVIDIA MoE: одна строка import, ускорение тонкой настройки в 3,7 раза

NVIDIA представила открытую библиотеку NeMo AutoModel, которая значительно ускоряет тонкую настройку MoE-моделей. Достаточно добавить одну строку импорта в код на основе Hugging Face Transformers v5, чтобы получить прирост производительности до 3.7 раз и сократить использование видеопамяти GPU на 29-32%. Библиотека совместима с API Transformers и вводит три ключевые оптимизации: Expert Parallelism (EP) для распределения параметров экспертов по GPU и снижения нагрузки на память, DeepEP для совмещения вычислений и коммуникаций, а также Transformer Engine для ускорения базовых операций. На примере модели Qwen3-30B-A3B на 8 GPU H100 скорость обучения выросла с 3075 до 11340 токенов в секунду на GPU. Для очень крупных моделей, таких как Nemotron 3 Ultra 550B, NeMo AutoModel позволяет проводить тонкую настройку там, где стандартный Transformers v5 исчерпывает доступную память. Проект доступен на GitHub, предоставляя простой способ ускорения работы с MoE-архитектурами без серьёзных изменений кода.

marsbit38 мин. назад

Новый открытый исходный код NVIDIA MoE: одна строка import, ускорение тонкой настройки в 3,7 раза

marsbit38 мин. назад

Никто не ожидал, что первой сферой применения AI x Crypto станет аудит безопасности

По неожиданному сценарию, первой областью, где искусственный интеллект (ИИ) реально изменил криптоиндустрию, стала безопасность и аудит. В 2026 году DeFi-сектор столкнулся с растущим давлением: общая стоимость заблокированных средств (TVL) сократилась примерно на 39% с начала года, а хакерские атаки привели к потере около 942 миллионов долларов только за первое полугодие. Распространение продвинутых ИИ-моделей, таких как Claude Mythos, радикально снизило стоимость и требования к навыкам для поиска уязвимостей в смарт-контрактах. Атаки стали масштабными, быстрыми (от обнаружения до эксплуатации — минуты) и нацеленными даже на старые, давно развернутые контракты. Традиционная модель аудита, основанная на разовых отчетах, демонстрирует трещины. Атаки смещаются от чистого кода к эксплуатации логики протоколов, ошибок конфигурации и социальной инженерии (как в случаях с Drift Protocol и KelpDAO). Соучредитель OpenZeppelin заявил, что считает весь DeFi небезопасным из-за сверхчеловеческих способностей ИИ в поиске уязвимостей. В ответ проект и аудиторские компании вынуждены меняться. Возникает спрос на повторные аудиты по новым стандартам. Аудиторские фирмы внедряют собственные ИИ-системы для автоматического анализа и переходят от разовых проверок к непрерывному мониторингу, формальной верификации и встраиванию защиты на этапе разработки (как Skills от OpenZeppelin). Такие ИИ-инструменты, как Firepan, уже находят сложные комбинированные уязвимости, упущенные при многократных ручных аудитах, как в случае с Curve Finance. Эпоха, когда одного аудита было достаточно навсегда, закончилась. Безопасность становится не разовым этапом, а постоянной инфраструктурной затратой. Будущее останется за теми, кто быстрее адаптирует свои услуги к реалиям «гонки вооружений» между ИИ-атаками и ИИ-защитой.

marsbit45 мин. назад

Никто не ожидал, что первой сферой применения AI x Crypto станет аудит безопасности

marsbit45 мин. назад

Никогда бы не подумал, что первым применением AI x Crypto станет аудит безопасности

Данные показывают, что к июню TVL в DeFi упал примерно до $700 млрд, что на 39% меньше показателей начала года. При этом в 2026 году в сфере DeFi произошло 121 хакерское нападение с общим ущербом около $942 млн. С распространением новых инструментов ИИ значительно снизились стоимость и требуемые навыки для поиска уязвимостей в смарт-контрактах. Традиционная модель аудита безопасности сталкивается с серьёзными проблемами. Наступление ИИ-атак происходит быстрее, что сокращает жизненный цикл аудиторских отчётов. Даже прошедшие аудит протоколы, такие как Drift Protocol и KelpDAO, подверглись атакам через уязвимости в логике операций или конфигурации инфраструктуры. В ответ на это проекты начинают пересматривать свою безопасность в соответствии с новыми стандартами эпохи ИИ. Компании, занимающиеся аудитом безопасности, также трансформируются, внедряя системы аудита с поддержкой ИИ и переходя от разовых проверок к постоянному мониторингу и встроенной безопасности. Такие инструменты, как Firepan, уже доказали свою эффективность, находя сложные уязвимости в тщательно проверенных контрактах, например, в Curve Finance. В целом, сфера аудита безопасности переходит от модели, основанной на разовых проверках, к конкурентной модели, требующей постоянных инвестиций. ИИ ускоряет как атаки, так и развитие защитных систем.

链捕手52 мин. назад

Никогда бы не подумал, что первым применением AI x Crypto станет аудит безопасности

链捕手52 мин. назад

Торговля

Спот
活动图片