Messari:预测市场爆发前夜,还缺哪块“临门一脚”?

比推Xuất bản vào 2025-09-22Cập nhật gần nhất vào 2025-09-22

原文作者:Dylan Bane,Messari 分析师

原文编译:深潮 TechFlow

原标题:Messari:预测市场离真正的爆发,还差什么?


预测市场的应用已超越选举领域,展现了市场契合度(PMF)。

投注量正在激增,投资者蜂拥而至,从信息永续合约(information perps)到 Telegram 机器人等新方法正在进入市场。

那么,究竟哪些方法能够真正奏效,并最大化交易量的增长呢?

2024 年选举使得 Polymarket 的交易量从 5 月的 6200 万美元飙升至 10 月的 21 亿美元,增长了 3268%。

主流媒体如 CNN 和 Bloomberg 在直播中引用了 Polymarket 的赔率,与传统民意调查数据一同呈现。

事实上,预测市场最终在预测选举结果方面打败了民意调查。

选举结束后,预测市场的交易量虽有所下降,但仍稳定在每月超过 10 亿美元的水平。

结合 Kalshi 最近交易量的激增,投资者认为预测市场已经验证了需求,并为进一步增长做好了准备。

约 90% 的资金集中在 Polymarket 和 Kalshi 两个平台,估值已接近十位数(即数十亿美元)。

这些行业领先者已经建立了流动性,现在正专注于扩大交易量和增强市场防御能力,因为像 Hyperliquid 和 Coinbase 这样的大型交易所正在关注这一领域。

然而,预测市场项目数量超过 100 个,且还在不断增加,其中蕴藏着大量机会。

问题在于,投资者应该如何在这个日益复杂和嘈杂的领域中寻找最佳机会?

我们认为,解决流动性问题和增加交易量的最佳方法是吸引散户投机者。

预测市场可以通过关注可访问性、趣味性、用户体验和高潜在财务收益来吸引这一细分市场。

信息永续合约的持续流动

由于永续合约不断波动,它们克服了二元结果市场(binary outcome markets)中因结算速度慢而阻碍投机者的问题。

此类永续合约还可以追踪有趣且易于理解的主题,而这些主题目前尚无现有市场。

前端平台

与其构建原生流动性,初创公司可以从现有行业领导者处获取供应,并为用户提供更高质量的交易体验。

例如,Flipr 提供一个交易终端、X 平台上的交易机器人,以及利用现有流动性实现高达 10 倍杠杆。

社交应用

游戏化的应用或社交体验可以让预测变得更加有趣。

就像体育博彩本质上是一种社交体验一样,预测市场也可以培养类似的互动体验。

在预测市场采用的早期阶段,设计空间非常广阔。

篮子交易、管理型指数、名人跟单交易、复式投注(parlays)以及更多创新形式都值得探索。


Twitter:https://twitter.com/BitpushNewsCN

比推 TG 交流群:https://t.me/BitPushCommunity

比推 TG 订阅: https://t.me/bitpush

说明: 比推所有文章只代表作者观点,不构成投资建议

Nội dung Liên quan

Dữ liệu gần 40.000 người dùng ví phần cứng SafePal bị rò rỉ ra bên thứ ba

Nhà sản xuất ví tiền điện tử phần cứng SafePal thông báo rò rỉ dữ liệu của khoảng 39.798 người dùng, bao gồm tên, địa chỉ giao hàng, số điện thoại, email và thông tin đơn hàng. Thông tin nhạy cảm như seed phrase, khóa riêng tư, mật khẩu hoặc chi tiết ngân hàng không bị ảnh hưởng do công ty không lưu trữ. Nguyên nhân được xác định là lỗ hổng bảo mật trong một plugin theo dõi đơn hàng, cho phép người dùng trái phép xem thông tin của người khác. Lỗi này đã được khắc phục. Mặc dù tài sản tiền điện tử không gặp rủi ro, dữ liệu bị rò rỉ có thể bị kẻ xấu sử dụng để thực hiện các cuộc tấn công nhắm mục tiêu, như giả mạo bộ phận hỗ trợ, lừa đảo qua điện thoại/email hoặc phishing. SafePal khuyến cáo người dùng cảnh giác với mọi liên hệ đề cập đến chi tiết đơn hàng của họ. Đây là vụ rò rỉ dữ liệu thứ ba liên quan đến nhà sản xuất ví phần cứng trong vài năm gần đây, cho thấy điểm yếu thường nằm ở các dịch vụ web hỗ trợ hơn là ở chính thiết bị. Công ty đang hợp tác với một bên thứ ba để điều tra sâu hơn và tăng cường bảo mật hệ thống.

cryptonews.ru12 phút trước

Dữ liệu gần 40.000 người dùng ví phần cứng SafePal bị rò rỉ ra bên thứ ba

cryptonews.ru12 phút trước

Người sáng lập Curve gọi pump.fun là 'sòng bạc với các scam' và chỉ trích Phantom

Người sáng lập Curve Finance, Mikhail Egorov, đã chỉ trích hệ sinh thái Solana, gọi nền tảng pump.fun là "sòng bạc với các dự án lừa đảo mang tên memecoin" và ví Phantom là không tiện dụng. Egorov tuyên bố pump.fun thực chất là một sòng bạc lừa đảo. Ông cũng đánh giá tiêu cực trải nghiệm người dùng của ví Phantom, gặp vấn đề khi kết nối với ví phần cứng và cho rằng UX của nó tệ hơn MetaMask. Tuy nhiên, ông thừa nhận Solana hỗ trợ hệ sinh thái của mình rất tốt, dù cho rằng "các ví dụ tốt nhất thực sự không hay lắm." Một người dùng X với biệt danh tomi204 phản bác chỉ trích về pump.fun, cho rằng nền tảng này chỉ cung cấp công cụ và người dùng tự quyết định cách sử dụng. Họ nói phần lớn thị trường crypto giống sòng bạc, không chỉ trên Solana mà cả Ethereum, và thị trường memecoin sẽ tồn tại dù không có pump.fun. Về Phantom, họ cho rằng đây vẫn là một lựa chọn tốt cho người dùng phổ thông. Egorov đáp lại rằng đây là hiện tượng phổ biến trong phần mềm: các nhà phát triển ban đầu tạo sản phẩm tốt, sau đó có thể trở nên lười biếng và chất lượng giảm sút, điều này xảy ra cả trong và ngoài hệ sinh thái blockchain. Khi được hỏi về ví yêu thích, Egorov tiết lộ đó là qeth, một dự án ông tự phát triển với sự hỗ trợ của Claude, do không hài lòng với mã JavaScript làm nặng máy tính và hao pin.

cryptonews.ru15 phút trước

Người sáng lập Curve gọi pump.fun là 'sòng bạc với các scam' và chỉ trích Phantom

cryptonews.ru15 phút trước

Sống lâu thấy nhiều, não người chết cũng có thể điều khiển tay robot đánh đàn piano

Một nhóm nghiên cứu Pháp đã thực hiện thí nghiệm kết nối mô não người trưởng thành sau khi chết (OPAB) với một bàn tay robot để dạy nó bắt chước chơi đàn piano. Mô não được đặt trên một mảng vi điện cực, với ba điện cực ngẫu nhiên điều khiển ba ngón tay robot tương ứng với ba nốt nhạc. Hệ thống tạo thành một vòng lặp khép kín: tín hiệu từ não điều khiển tay nhấn phím, microphone ghi lại âm thanh và chuyển thành kích thích điện gửi ngược lại các điện cực cảm giác trên mô não. Thông qua cơ chế "tính dẻo thần kinh", sau ba ngày huấn luyện với khoảng 300 lần lặp mỗi ngày, các tế bào thần kinh dần hình thành mối liên hệ giữa cử động ngón tay và âm thanh tương ứng. Khi được kiểm tra, mô não đã có thể "nghe" một nốt nhạc do người chơi và điều khiển tay robot bắt chước chính xác nốt đó. Khoảng 62.5% mẫu OPAB học được ít nhất hai nốt, một số đạt độ chính xác 100%. Khả năng này vẫn được duy trì đến 17 ngày sau. Nghiên cứu này nằm trong lĩnh vực hệ thống AI lai, khám phá khả năng học tập hiệu quả và tiết kiệm năng lượng của tế bào thần kinh sinh học so với mạng neural nhân tạo. Mặc dù quy mô nhỏ, thí nghiệm chứng minh mô não trưởng thành có thể học các liên kết vận động - cảm giác mới trong một hệ thống nhân tạo, mở ra hướng nghiên cứu tiềm năng cho khoa học thần kinh và trí tuệ nhân tạo.

marsbit16 phút trước

Sống lâu thấy nhiều, não người chết cũng có thể điều khiển tay robot đánh đàn piano

marsbit16 phút trước

20% người lao động Mỹ giao việc cho AI: Thay thế là nhiệm vụ, không phải vị trí

20% người lao động Mỹ hiện giao một số công việc cho AI - công việc mà trước đây họ sẽ ủy thác cho đồng nghiệp hoặc nhà thầu. Báo cáo từ Epoch AI và Ipsos chỉ ra AI đang thay thế các **nhiệm vụ cụ thể**, không phải toàn bộ **vị trí công việc**. Khảo sát trên 10 công việc tri thức phổ biến cho thấy AI đã được sử dụng trong tất cả, từ phân tích dữ liệu (7,1% người được hỏi báo cáo chuyển giao) đến thiết kế phần mềm. Tuy nhiên, AI hiếm khi đảm nhận hoàn toàn một nhiệm vụ (cao nhất là 10% trong thiết kế phần mềm). Khi AI xử lý phần lớn công việc, 53% nhiệm vụ được báo cáo là tiết kiệm thời gian. Tuy nhiên, khoảng 1/6 nhiệm vụ trở nên tốn thời gian hơn, có thể do quá trình chỉnh sửa hoặc con người thực hiện chi tiết hơn. 66% đầu ra từ AI được sử dụng nguyên văn hoặc chỉ sửa đổi nhẹ, nhưng điều này không trực tiếp phản ánh chất lượng. Việc áp dụng AI không đồng đều: tập trung nhiều hơn ở nhóm thu nhập cao, có bằng đại học và lao động trí óc. Báo cáo nhấn mạnh, những công việc có thể dễ dàng tách thành các gói nhiệm vụ riêng lẻ, rõ ràng để giao phó (như phân tích dữ liệu) là có nguy cơ bị ảnh hưởng trước. Điều này gây áp lực lên hình thức làm việc theo hợp đồng, nhiệm vụ. Các phần công việc đòi hỏi trách nhiệm, sự hiện diện và phối hợp phức tạp giữa người với người vẫn khó bị thay thế. Câu hỏi then chốt không phải là "AI có thay thế tôi không?" mà là "Công việc của tôi có thể bị chia tách thành bao nhiêu nhiệm vụ có thể giao phó riêng lẻ?"

marsbit20 phút trước

20% người lao động Mỹ giao việc cho AI: Thay thế là nhiệm vụ, không phải vị trí

marsbit20 phút trước

Sam Altman chỉ tên: Ông ấy là nhà nghiên cứu quan trọng nhất trong giới AI, nhưng hầu như không ai biết ông

Trong một cuộc phỏng vấn gần đây, Sam Altman đã dành lời khen hiếm có cho Alec Radford, coi ông có lẽ là nhà nghiên cứu quan trọng nhất nhưng ít được biết đến trong lịch sử AI. Dù không có bằng tiến sĩ và rất kín tiếng, Radford là tác giả chính của loạt công trình định hình ngành như GPT-1, GPT-2, CLIP, Whisper và đóng góp cho GPT-3, DALL·E, Scaling Law, GPT-4. Radford gia nhập OpenAI năm 2016 khi 23 tuổi. Thử nghiệm ban đầu với bình luận Reddit thất bại, nhưng OpenAI vẫn ủng hộ ông. Ông chuyển sang tập dữ liệu nhỏ hơn và phát hiện "tế bào thần kinh cảm xúc không giám sát", cho thấy mô hình có thể tự học các khả năng không được chỉ định rõ. Sự xuất hiện của kiến trúc Transformer năm 2017 là bước ngoặt. Radford áp dụng nó để dự đoán từ tiếp theo, tạo nền tảng cho GPT-1 (2018), khai sinh khái niệm "Big Transformer" – mở rộng quy mô mô hình, dữ liệu và tính toán. GPT-1 đặt hướng đi cho OpenAI, dẫn đến GPT-2 (2019) và các Định luật Scaling. Đến GPT-3 (2020), dự án đã trở thành nỗ lực tập thể lớn. Radford sau đó chuyển sang lĩnh vực khác, áp dụng nguyên lý cốt lõi – tìm nhiệm vụ huấn luyện đơn giản, phổ quát và mở rộng quy mô – vào thị giác máy tính với DCGAN, Image GPT, DALL·E, CLIP và xử lý âm thanh với Jukebox, Whisper. Dù có ảnh hưởng lớn, Radford cực kỳ kín đáo, ít phỏng vấn và hầu như không xây dựng hình ảnh cá nhân. Altman mô tả ông là "thiên tài trăm năm có một" và là người tử tế nhất. Năm 2024, Radford rời OpenAI để nghiên cứu độc lập. Dự án mới nhất của ông, Talkie, là một mô hình ngôn ngữ "cổ điển" chỉ được huấn luyện trên dữ liệu trước năm 1931, nhằm thử nghiệm khả năng học kỹ năng mới thay vì chỉ dựa vào ghi nhớ, một lần nữa cho thấy tư duy đi trước thời đại của ông.

marsbit21 phút trước

Sam Altman chỉ tên: Ông ấy là nhà nghiên cứu quan trọng nhất trong giới AI, nhưng hầu như không ai biết ông

marsbit21 phút trước

Giao dịch

Giao ngay
活动图片