Polygon巨震!Aave和Lido接连退出,10亿稳定币计划引发生态危机

Odaily星球日报Xuất bản vào 2024-12-18Cập nhật gần nhất vào 2024-12-18

Tóm tắt

Polygon再次回到社交媒体的讨论当中,却不是因为什么重大更新,而是AAVE和Lido等生态伙伴的退出。

原文作者:Frank,PANews


作为多链互操作性、零知识证明应用以及 DeFi、NFT 生态系统的重要推动者,Polygon 曾在上一轮牛市周期中大放异彩。然而,在这一年来,Polygon 等许多公链项目都未能实现新的突破,而是逐渐淹没在 Solana、Sui 或 Base 等新竞争对手的光芒之下。而当 Polygon 再次回到社交媒体的讨论当中,却不是因为什么重大更新,而是 AAVE 和 Lido 等生态伙伴的退出。


“借鸡生蛋”提案引发担忧


12 月 16 日,Aave 贡献者团队 Aave Chan 在社区发布一项提案,即将其借贷服务从 Polygon 的权益证明(PoS)链上撤出。该提案由 Aave Chan 创始人 Marc Zeller 撰写,旨在逐步淘汰 Aave 在 Polygon 上的借贷协议,以防范未来可能出现的安全风险。Aave 是 Polygon 上最大的去中心化应用,其在 PoS 链上的存款超过 4.66 亿美元。


无独有偶,同一天流动性质押协议 Lido 宣布,在接下来的几个月内,Polygon 网络上的 Lido 将正式停用。Lido 社区表示,战略上重新关注以太坊,以及 Polygon POS 缺乏可扩展性,是停用 Polygon 网络上的 Lido 的原因。


一天内损失两个大的重要的生态应用,Polygon 可谓迎来沉痛打击。主要的原因,则全都来源于 12 月 13 日,Polygon 社区发布的“Polygon PoS 跨链流动性计划”Pre-PIP 改进提案。该提案的主要目标,是提议利用 PoS 链桥上持有的超过 10 亿美元的稳定币储备来产生收益。

Polygon生态困境:「借鸡生蛋」提案引担忧,AAVE和Lido集体退场


据了解,Polygon PoS 桥接中持有约 13 亿美元的稳定币储备,社区建议将这些闲置资金部署到经过精心挑选的流动性池中,以产生收益并促进 Polygon 生态系统的发展。根据当前的贷款利率,这些资金每年可能带来约 7000 万美元的收益。


该提案建议将这些资金逐步投入符合 ERC-4626 标准的金库中。具体策略包括:


DAI:存入 Maker 的 sUSDS,这是 Maker 生态系统的官方收益型代币。
USDC 和 USDT:通过 Morpho Vaults 作为主要收益来源,Allez Labs 负责风险管理。

初始市场包括 Superstate 的 USTB、Maker 的 sUSDS 和 Angle 的 stUSD。
此外,Yearn 将管理新的生态系统激励计划,利用这些收益来激励 Polygon PoS 和更广泛的 AggLayer 生态系统中的活动。


值得注意的是,这项提案的署名正是 Allez Labs、Morpho Association、Yearn。根据 Defillama 12 月 17 日数据显示,Polygon 的总 TVL 为 12.3 亿美元,其中,AAVE 上的 TVL 约为 4.65 亿美元,占比约为 37.8% 。而 Yearn Finance 的 TVL 则排名生态内 26 名,TVL 量约为 369 万美元。这或许就解释了为什么 AAVE 会因安全的原因提出退出 Polygon。


显然,从 AAVE 的视角来看,这项提案就是拿着 AAVE 的钱放到其他的借贷协议上去生息。作为 Polygon POS 跨链桥资金最大应用,AAVE 在这样的提案中并不能获益,反而要承担资金安全的风险。


不过,Lido 的撤走可能与这个提案无关,毕竟 Lido 关于重新评估 Polygon 的提案和投票早在一个月前就发布,只是恰好在这个时间发布。


生态发展疲软的无奈之举
如果 AAVE 撤出的提案正式通过,Polygon 上的 TVL 将降至 7.65 亿美元,已经无法实现 Pre-PIP 改进提案中所说的 10 亿美元资金储备。而生态内排在第二的 Uniswap,TVL 量约为 3.9 亿美元,如果 Uniswap 也跟进提出 AAVE 类似的方案,那么 Polygon 上的 TVL 量将骤降至 3.7 亿美元左右。不仅每年 7000 万美元的生息目标无法完成,整个生态内的各个环节都会受到影响,如治理代币币价、活跃用户等。或许损失要远超过 7000 万美元。


那么,从这个结果来看,这项提案似乎并不是一个明智之举。Polygon 社区为何要提出这个方案?在近一年的发展当中,Polygon 生态究竟是怎样的状态?


Polygon 生态最繁荣的时候是 2021 年 6 月,当时的 TVL 总量达到 92.4 亿美元,是今天的 7.5 倍。而随着时间流逝,Polygon 的 TVL 曲线则一路下滑,从 2022 年 6 月就开始维持在 13 亿美元左右,再无太大的起伏。到 2023 年,还曾一度跌至 6 亿美元左右。2024 年,市场回暖,Polygon 的 TVL 量多数情况下也还是在 10 亿美元以下,从 10 月份开始才勉强回升至 10 亿美元以上。

Polygon生态困境:「借鸡生蛋」提案引担忧,AAVE和Lido集体退场


而在活跃地址数上, 10 月 29 日 Polygon PoS 的活跃地址约为 43.9 万个,这一水平与一年前的数据相差无几,虽然在今年 3 月到 8 月,Polygon PoS 的活跃地址数曾有大幅提升,一度达到 165 万个。但不知什么原因在市场最火热的时候反而极速冷却。

Polygon生态困境:「借鸡生蛋」提案引担忧,AAVE和Lido集体退场


代币的市场表现同样表现不佳, 2024 年 3 月到 11 月,POL 代币的价格并未跟随比特币等大盘上涨,反而一路下滑,从年初的 1.3 美元最低跌至 0.28 美元,跌幅超过 77% 。在近一两个月内才开始反弹回升,近期价格已反弹至 0.6 美元左右,但距离近 3 美元的历史最高点还需增长 5 倍左右。


技术创新+品牌升级不如“发钱”
生态发展疲软,Polygon 在技术和产品方面并未放弃,在近一年内多次发布技术创新和产品布局的声音。表现最亮眼的自然是预测市场 Polymarket 在近一年的发展。此外, 10 月,Polygon 发布了新的统一区块链生态系统 AggLayer,据官方的介绍称,Agglayer =统一链(L1、L2、L∞),但显然这个新生态系统的定位似乎不太好理解, 11 月份官方还曾专门发表一篇文章对 AggLayer 解释。


另外,生态内 ZK 证明系统工具包 Polygon Plonky 3 成为最快的零知识证明系统。Vitalik 也在推特上互动称“你们赢了这场比赛”。


除了技术之外,今年许多老牌公链喜欢通过改名换币的方式来重塑品牌,Polygon 早就进行过品牌重塑,从 Matic 更名为 Polygon。且对当前的市场环境来说,非颠覆式的技术创新似乎已经很难成为一个项目的叙事优势,这对于 Polygon 等扔执着于技术创新或者希望通过整合重塑品牌的项目来说,的确是一件残酷的事实。


而真正能够吸引用户,保持关注的往往是奖励分配或者激励计划,如近期风头正劲的 Hyperliquid。而 Polygon 想在这方面改革,可用的牌明显不多,链上的费用方面,Polygon 每天的费用产生仅为数万美元,这些收入也无法让用户提起兴趣。于是,就有了开头提到的“借鸡生蛋”提案。


但显然,“母鸡”的主人不同意这个生意,Polygon 反而因此可能失去更多。总体来看,Polygon 生态发展停滞不前的根本原因,是其缺乏足够的用户激励与新叙事驱动力。面对市场竞争加剧,Polygon 需要在技术创新之外,寻找更具吸引力的市场策略。而这也是当下大部分老公链们共同的困局。

Tiền kỹ thuật số thịnh hành

Nội dung Liên quan

Sức mạnh xử lý sắp cạn: Google thầm áp đặt hạn mức sử dụng Gemini đối với Meta

Cuộc khủng hoảng hạ tầng AI đang leo thang giữa các gã khổng lồ công nghệ. Theo các nguồn tin, từ khoảng tháng 3, Google đã thông báo với Meta rằng họ không thể đáp ứng toàn bộ nhu cầu sử dụng mô hình Gemini và áp dụng giới hạn sử dụng, gây ra sự chậm trễ cho một số dự án AI nội bộ của Meta. Cả hai công ty từ chối bình luận. Tình trạng thiếu hụt năng lực tính toán (compute) buộc Google phải đẩy nhanh việc mở rộng, bao gồm ký hợp đồng thuê năng lực tính toán trị giá 920 triệu USD mỗi tháng với SpaceX của Elon Musk. Giám đốc điều hành Google Sundar Pichai thừa nhận hạn chế về compute đang ảnh hưởng đến doanh thu đám mây. Meta, một trong những khách hàng doanh nghiệp lớn nhất của Google, bị ảnh hưởng nặng nề nhất. Công ty này sử dụng Gemini cho nhiều mục đích như kiểm duyệt nội dung, chatbot hỗ trợ và phát triển mã nguồn. Để giảm phụ thuộc, Meta đang đẩy mạnh chuyển sang sử dụng mô hình tự phát triển như Muse Spark và tăng cường đầu tư vào hạ tầng data center riêng. Sự việc cho thấy áp lực ngày càng tăng từ khối lượng công việc suy luận (AI inference) sau khi mô hình được huấn luyện, trở thành một trong những thách thức lớn nhất của ngành, bất chấp hàng trăm tỷ USD đã được đổ vào chip và trung tâm dữ liệu.

marsbit55 phút trước

Sức mạnh xử lý sắp cạn: Google thầm áp đặt hạn mức sử dụng Gemini đối với Meta

marsbit55 phút trước

Câu hỏi "Anh có chắc không?" khiến mô hình lớn AI bộc lộ "tính cách xu nịnh"?

Ngay cả các mô hình AI mạnh mẽ nhất cũng khó cưỡng lại sự nghi ngờ lặp đi lặp lại từ người dùng. Một bài đăng gần đây trên X của shadcn@shadcn đã gây bão trong cộng đồng phát triển và nghiên cứu AI: "Không có mô hình nào có thể đứng vững trước câu hỏi 'Bạn có chắc không?' - tất cả đều nhanh chóng đầu hàng." Điều này phản ánh một tình huống phổ biến: người dùng chỉ cần hỏi lại "Bạn có chắc không?" mà không cung cấp thông tin mới, nhiều mô hình lớn (LLM) lập tức xin lỗi, sửa đổi câu trả lời, thậm chí biến một đáp án đúng thành sai. Trong phần bình luận, nhiều người dùng chia sẻ trải nghiệm tương tự, nơi AI dễ dàng bị "gaslight" (thao túng tâm lý) để đưa ra câu trả lời kém hơn dù ban đầu nó đúng. Họ nhận xét các mô hình thiếu sự tự tin thực sự; sự chắc chắn của chúng chỉ là cảm giác được đóng gói thành sự tự tin. Tuy nhiên, một số người dùng chỉ ra rằng không phải tất cả mô hình đều như vậy. Ví dụ, AI trợ lý Poke của The Interaction Company và Claude Opus 4.8 của Anthropic có thể giữ vững lập trường khi bị chất vấn. Claude Opus 4.6 cũng được khen ngợi nhờ khả năng "chịu được áp lực" nếu được hướng dẫn trong prompt hệ thống rằng nên phản đối khi chắc chắn. Nguyên nhân sâu xa của hành vi "xu nịnh" này thường được quy cho "lời nguyền" từ quá trình Huấn luyện Củng cố bằng Phản hồi Con người (RLHF). Trong quá trình căn chỉnh, các mô hình được khen thưởng vì an toàn, lịch sự và tuân theo mong đợi của con người. Việc "cãi lại" hoặc kiên định có thể bị trừng phạt, trong khi xin lỗi và tuân theo người dùng là con đường an toàn để đạt điểm cao, vô hình trung tạo ra "nhân cách xu nịnh" ở AI. Hiện tượng này còn được gọi là "AI sycophancy" - sự hy sinh tính nhất quán thực tế để chiều theo khuynh hướng người dùng. Một số ý kiến cho rằng cần có một tiêu chuẩn đánh giá (benchmark) mới, chẳng hạn như benchmark "Bạn có chắc không?", để đo lường khả năng giữ vững lập trường của mô hình khi bị người dùng chất vấn sau khi đã đưa ra câu trả lời đúng. Một trợ lý AI đủ tiêu chuẩn không chỉ cần chính xác trong các bài kiểm tra tĩnh mà còn phải có khả năng chống nhiễu và duy trì ranh giới phán đoán trong đối thoại thực tế.

marsbit1 giờ trước

Câu hỏi "Anh có chắc không?" khiến mô hình lớn AI bộc lộ "tính cách xu nịnh"?

marsbit1 giờ trước

Dwarkesh Patel: Thế hệ AI tiếp theo có thể được tạo ra từ công việc thực tế

Bài viết trình bày phân tích của Dwarkesh Patel về hướng phát triển tiếp theo của AI, vượt ra ngoài khuôn khổ "Huấn luyện Củng cố với Phần thưởng có thể Xác minh" (RLVR) hiện tại. Ông chỉ ra rằng RLVR thành công trong các lĩnh vực như viết mã, toán học vì chúng có tính "có thể mài mòn" cao - dễ dàng nhân bản, thiết lập lại và kiểm tra song song. Tuy nhiên, nhiều nhiệm vụ thế giới thực như khởi nghiệp, vận động tranh cử hay nghiên cứu khoa học lại thiếu các thuộc tính này, khiến việc huấn luyện trở nên khó khăn. Điểm mấu chốt mà Patel đưa ra là sự cần thiết phải chuyển từ mô hình chỉ huấn luyện trước khi triển khai sang khả năng học tập liên tục từ kinh nghiệm triển khai thực tế. Ông cho rằng kiến thức giá trị nhất thường nảy sinh từ tương tác thực, lỗi thực và bối cảnh cụ thể, nhưng hiện tại việc học ngữ cảnh (in-context learning) của các mô hình lớn chỉ là tạm thời và không lưu lại trọng số. Bài viết đề xuất hai hướng tiếp cận chính cho mô hình học tập tiếp theo: 1. **Tự chưng cất theo chính sách (OPSD):** Nén kiến thức mà một mô hình đã học được trong một phiên làm việc dài (như một "nhân viên kỳ cựu") trở lại trọng số của mô hình cơ sở. 2. **Mơ mộng (Dreaming):** Mô hình tự xây dựng môi trường mô phỏng dựa trên quan sát thế giới thực để luyện tập và thử nghiệm chiến lược, sau đó nén kinh nghiệm thu được. Tầm nhìn cuối cùng là một quy trình huấn luyện mới: AI đầu tiên đạt được năng lực cơ bản thông qua RLVR, sau đó được triển khai để thực hiện công việc thực. Kinh nghiệm tích lũy từ các nhiệm vụ thực này, thông qua các cơ chế như OPSD, sẽ liên tục được tinh chỉnh trở lại mô hình, biến mỗi lần tương tác của người dùng thành cơ hội học tập. Tương lai của AI có thể phụ thuộc vào dữ liệu huấn luyện do chính nó tạo ra từ kinh nghiệm thực tế, hơn là chỉ từ dữ liệu có sẵn trên internet hay các nhiệm vụ được xây dựng sẵn trong phòng thí nghiệm.

marsbit2 giờ trước

Dwarkesh Patel: Thế hệ AI tiếp theo có thể được tạo ra từ công việc thực tế

marsbit2 giờ trước

Giao dịch

Giao ngay

Bài viết Nổi bật

Làm thế nào để Mua AAVE

Chào mừng bạn đến với HTX.com! Chúng tôi đã làm cho mua Aave Protocol (AAVE) trở nên đơn giản và thuận tiện. Làm theo hướng dẫn từng bước của chúng tôi để bắt đầu hành trình tiền kỹ thuật số của bạn.Bước 1: Tạo Tài khoản HTX của BạnSử dụng email hoặc số điện thoại của bạn để đăng ký tài khoản miễn phí trên HTX. Trải nghiệm hành trình đăng ký không rắc rối và mở khóa tất cả tính năng. Nhận Tài khoản của tôiBước 2: Truy cập Mua Crypto và Chọn Phương thức Thanh toán của BạnThẻ Tín dụng/Ghi nợ: Sử dụng Visa hoặc Mastercard của bạn để mua Aave Protocol (AAVE) ngay lập tức.Số dư: Sử dụng tiền từ số dư tài khoản HTX của bạn để giao dịch liền mạch.Bên thứ ba: Chúng tôi đã thêm những phương thức thanh toán phổ biến như Google Pay và Apple Pay để nâng cao sự tiện lợi.P2P: Giao dịch trực tiếp với người dùng khác trên HTX.Thị trường mua bán phi tập trung (OTC): Chúng tôi cung cấp những dịch vụ được thiết kế riêng và tỷ giá hối đoái cạnh tranh cho nhà giao dịch.Bước 3: Lưu trữ Aave Protocol (AAVE) của BạnSau khi mua Aave Protocol (AAVE), lưu trữ trong tài khoản HTX của bạn. Ngoài ra, bạn có thể gửi đi nơi khác qua chuyển khoản blockchain hoặc sử dụng để giao dịch những tiền kỹ thuật số khác.Bước 4: Giao dịch Aave Protocol (AAVE)Giao dịch Aave Protocol (AAVE) dễ dàng trên thị trường giao ngay của HTX. Chỉ cần truy cập vào tài khoản của bạn, chọn cặp giao dịch, thực hiện giao dịch và theo dõi trong thời gian thực. Chúng tôi cung cấp trải nghiệm thân thiện với người dùng cho cả người mới bắt đầu và người giao dịch dày dạn kinh nghiệm.

Tổng lượt xem 510Xuất bản vào 2024.12.11Cập nhật vào 2026.06.02

Làm thế nào để Mua AAVE

Thảo luận

Chào mừng đến với Cộng đồng HTX. Tại đây, bạn có thể được thông báo về những phát triển nền tảng mới nhất và có quyền truy cập vào thông tin chuyên sâu về thị trường. Ý kiến ​​của người dùng về giá của AAVE (AAVE) được trình bày dưới đây.

活动图片