Trong thị trường gấu thua lỗ, ai đang âm thầm kiếm bộn tiền?

Odaily星球日报Xuất bản vào 2026-04-10Cập nhật gần nhất vào 2026-04-10

Tóm tắt

Trong thị trường gấu ảm đạm khi đa số đang thua lỗ, một số ít dự án vẫn kiếm được lợi nhuận ổn định nhờ vào các mô hình doanh thu đơn giản nhưng hiệu quả. Theo phân tích từ bảng xếp hạng doanh thu Defillama, các dự án này chủ yếu kiếm tiền thông qua hai hình thức: chênh lệch lãi suất (spread) và phí giao dịch (transaction tax). Nhóm chênh lệch lãi suất bao gồm các nhà phát hành stablecoin như Tether, Circle (thu lợi từ việc đầu tư tài sản dự trữ vào trái phiếu), các giao thức cho vay như Aave (chênh lệch lãi suất cho vay và gửi), và các dịch vụ staking như Lido (phí dịch vụ từ phần thưởng staking). Nhóm này phụ thuộc vào quy mô và thời gian tích lũy vốn. Nhóm phí giao dịch bao gồm các sàn giao dịch hợp đồng (Hyperliquid, EdgeX), sàn sự kiện (Polymarket), sàn meme (pump.fun, GMGN), sàn giao ngay (Aerodrome, Jupiter, Phantom) và NFT (Courtyard, Fragment). Doanh thu của họ phụ thuộc vào khối lượng và tần suất giao dịch. Một số ngoại lệ đáng chú ý là Grayscale (phí quản lý quỹ truyền thống), Chanilink (phí dịch vụ dữ liệu oracle) và Titan Builder (lợi nhuận bất thường từ sự kiện bị trade front-run). Kết luận, các dự án bền vững trong bear market thường có mô hình doanh thu đơn giản (spread hoặc fee), nhưng đòi hỏi dịch vụ phức tạp, vận hành tinh vi và trải nghiệm người dùng vượt trội để cạnh tranh. Đây chính là chìa khóa để tồn tại qua các chu kỳ thị trường.

Bài gốc | Odaily Planet Daily (@OdailyChina)

Tác giả | Azuma (@azuma_eth)

Thị trường tiếp tục trầm lắng, quỹ bỏ bê, giao thức đóng cửa, cá lớn im lặng, nhà đầu tư nhỏ lẻ chảy máu... dường như toàn ngành từ trên xuống dưới đều đang thua lỗ. Nhưng ngay cả trong môi trường thị trường lạnh nhạt như vậy, vẫn có một số ít dự án đang vận hành cỗ máy in tiền.

Trường hợp mới nhất là Polymarket, nơi đã mở toang cánh cổng phí giao dịch. Kể từ khi mở rộng phạm vi phí và sửa đổi công thức tính phí gần đây (đọc thêm: Phân tích chuyên sâu công thức phí Polymarket: Làm thế nào mà mức phí cực đoan hơn 90% xuất hiện?), khả năng tạo doanh thu của Polymarket đã tăng vọt; tính đến thời điểm bài viết, tổng doanh thu từ phí của Polymarket đã vượt 24 triệu USD, chỉ riêng ngày 2 tháng 4 đã lập kỷ lục doanh thu hàng ngày 1.5 triệu USD.

Nhân cơ hội này, tác giả đã xem xét bảng xếp hạng doanh thu trên Defillama để xem trong thị trường gấu, những nghiệp vụ nào vẫn đang tiếp tục kiếm tiền, và kết quả thật đáng ngạc nhiên: Các nghiệp vụ cốt lõi và nguồn doanh thu của các dự án lọt vào bảng xếp hạng đều khá rõ ràng, thậm chí có thể nói là "đơn giản".

Như hình trên, tin rằng hầu hết người chơi am hiểu thị trường crypto dù không xem đáp án cũng có thể đoán được phần lớn các cái tên này, thậm chí còn biết rõ chúng làm gì. Nhưng khi những cái tên này được xếp ngay ngắn cùng nhau, tôi chợt nhận ra, nguồn thu nhập chính của những nghiệp vụ kiếm tiền này đều có xu hướng cao độ trùng khớp, thậm chí về cơ bản có thể được tóm gọn trong hai loại chính: một là chênh lệch lãi suất (spread), hai là thuế giao dịch (phí, fee).

Đầu tiên là chênh lệch lãi suất, về bản chất đây là hoạt động "trung gian vốn", logic cốt lõi là huy động vốn với chi phí tương đối thấp, đồng thời triển khai vốn với lợi nhuận tương đối cao, sử dụng thời gian để dần dần tích lũy chênh lệch giữa thu nhập và chi phí —— Thu nhập của loại hình nghiệp vụ này phụ thuộc vào quy mô và thời gian tích lũy vốn, quy mô càng lớn, thời gian càng dài, thu nhập càng cao.

Các nhà phát hành stablecoin như Tether, Circle đều thuộc loại này, thu nhập chính của họ đến từ việc triển khai dự trữ vào các tài sản sinh lời như trái phiếu Mỹ, chi phí chủ yếu nằm ở các khoản trợ cấp phát cho đối tác và người dùng, chênh lệch giữa hai khoản này là lợi nhuận; Các giao thức cho vay như Aave cũng thuộc loại này, chênh lệch chính là sự khác biệt giữa lãi suất cho vay tương đối cao và lãi suất gửi tiền tương đối thấp; Các dịch vụ staking lỏng (LST) như Lido cũng không ngoại lệ, họ sẽ khấu trừ một tỷ lệ nhất định từ phần thưởng staking gốc của ETH làm phí dịch vụ, điều này cũng thuộc về chênh lệch lãi suất.

Tiếp theo là thuế giao dịch, loại hình nghiệp vụ này dễ hiểu hơn, chỉ cần có hoạt động giao dịch liên quan (bao gồm tạo token) diễn ra, chủ thể nghiệp vụ có thể "đánh thuế" dưới hình thức phí trong mỗi lần hoạt động —— Thu nhập của loại hình nghiệp vụ này phụ thuộc vào quy mô giao dịch của mỗi lần hoạt động và tần suất hoạt động, quy mô càng lớn, tần suất càng cao, thu nhập càng cao.

Cho dù là Hyperliquid, EdgeX chuyên về giao dịch hợp đồng, Polymarket chuyên về giao dịch sự kiện, pump.fun, GMGN, Axiom, four.meme chuyên về giao dịch Meme, Aerodrome, Jupiter, Phantom (thu nhập chính đến từ phí Swap trên front-end ví) chuyên về giao dịch giao ngay, hay Courtyard, Fragment chuyên về giao dịch NFT (loại này mà vẫn lọt vào bảng xếp hạng quả thực đáng ngạc nhiên), thì nguồn thu nhập chính của họ đều là thuế giao dịch.

Một vài trường hợp đặc biệt hiếm hoi trong bảng xếp hạng là Grayscale, Chanilink và Titan Builder. Grayscale ở đây hơi kỳ lạ, thu nhập cốt lõi của họ đến từ phí quản lý ETF và quỹ, về bản chất là một nghiệp vụ quản lý tài sản truyền thống tập trung vào thị trường tiền mã hóa; Chanilink rất đáng đề cập, thu nhập chính của họ đến từ phí dịch vụ dữ liệu mà các dự án trả khi gọi oracle, điều này giống một nghiệp vụ SaaS trên chain B2B hơn, nhưng như bạn thấy, hiệu ứng Matthew (kẻ giàu càng giàu) trên con đường này sẽ rõ rệt hơn các lĩnh vực khác; Titan Builder hoàn toàn là hiện tượng ngẫu nhiên, đây là nhà cung cấp dịch vụ xây dựng khối (block builder), trong điều kiện bình thường không thể coi là kinh doanh siêu lợi nhuận, lý do lọt vào bảng xếp hạng là vì Titan Builder đã ăn miếng bánh lớn nhất trong vụ giao dịch AAVE khổng lồ bị sandwich (bị kẹp lệnh) vào tháng trước (xem chi tiết: 50 triệu USDT đổi lấy 35 nghìn USD AAVE: Thảm họa đã xảy ra như thế nào?).

Chú thích của Odaily: Hãy xem thế nào là ba năm không mở hàng, mở hàng ăn ba năm.

Vì vậy kết luận đã rất rõ ràng. Những dự án vẫn tiếp tục kiếm tiền trong thị trường gấu, không phải là những dự án theo đuổi cơ chế phức tạp và cơ hội rủi ro cao, mà là những nghiệp vụ có thể vận hành liên tục nhờ mô hình thu nhập đơn giản, rõ ràng. Trong thị trường crypto vẫn đầy biến động, mô hình thu nhập đơn giản hơn lại thể hiện khả năng phục hồi mạnh mẽ hơn, chống chịu tốt hơn trước những thử thách biến động của thị trường.

Nhưng mô hình thu nhập đơn giản hơn, tuyệt đối không có nghĩa là những nghiệp vụ này bản thân chúng "dễ làm hơn", ngược lại, đằng sau mô hình thu nhập đơn giản thường ẩn chứa những dịch vụ sản phẩm phức tạp hơn và quản lý vận hành tinh vi hơn, đây mới là nơi những người chơi hàng đầu trong bảng xếp hạng thực sự "cạnh tranh" để tạo ra sự khác biệt. Từ thiết kế tương tác, đến tích lũy thanh khoản, đến quản lý rủi ro, rồi đến giao tiếp phản hồi của người dùng...... Muốn trở nên nổi bật trong cuộc cạnh tranh thị phần khố hữu khốc liệt,就必须必须在产品与服务上投入更多的心血 (bắt buộc phải đầu tư nhiều tâm huyết hơn vào sản phẩm và dịch vụ).

Mùa đông crypto vẫn chưa kết thúc, những dự án thực sự có thể tồn tại thậm chí có lãi, thường là những dựáp án kết hợp linh hoạt mô hình thu nhập đơn giản với dịch vụ sản phẩm phức tạp. Có lẽ, đây chính là mật mã hiệu quả lâu dài để vượt qua thị trường bò và gấu.

Câu hỏi Liên quan

QTrong thị trường gấu, những dự án nào vẫn đang kiếm được lợi nhuận ổn định?

ACác dự án như Polymarket, Tether, Circle, Aave, Lido, Hyperliquid, EdgeX, pump.fun, GMGN, Axiom, four.meme, Aerodrome, Jupiter, Phantom, Courtyard và Fragment vẫn duy trì khả năng sinh lời nhờ hai mô hình doanh thu chính: chênh lệch lãi suất và thuế giao dịch.

QHai mô hình doanh thu chính giúp các dự án kiếm tiền trong thị trường gấu là gì?

AHai mô hình doanh thu chính là: 1. Chênh lệch lãi suất (ví dụ: Tether, Circle, Aave, Lido) - kiếm lời từ chênh lệch giữa chi phí huy động vốn và lợi nhuận triển khai vốn; 2. Thuế giao dịch (ví dụ: Polymarket, Hyperliquid, pump.fun) - thu phí từ các hoạt động giao dịch.

QTại sao Polymarket được nhắc đến như một ví dụ điển hình về khả năng sinh lời?

APolymarket gần đây đã mở rộng phạm vi và điều chỉnh công thức tính phí giao dịch, giúp doanh thu tăng mạnh. Vào ngày 2 tháng 4, nó đạt kỷ lục 1,5 triệu USD doanh thu phí trong một ngày, với tổng doanh thu phí vượt 24 triệu USD.

QNgoài hai mô hình chính, có những trường hợp đặc biệt nào khác trong bảng xếp hạng doanh thu?

ACó ba trường hợp đặc biệt: Grayscale (thu phí quản lý ETF và quỹ truyền thống), Chanilink (cung cấp dịch vụ dữ liệu oracle cho các dự án, thu phí SaaS), và Titan Builder (kiếm lợi nhuận lớn nhờ một sự kiện 'sandwich attack' hiếm gặp trong giao dịch AAVE).

QBài học chính từ các dự án thành công trong thị trường gấu là gì?

ABài học chính là: các mô hình doanh thu đơn giản, rõ ràng (như chênh lệch lãi suất và thuế giao dịch) thường có sức chống chịu tốt hơn trước biến động thị trường. Tuy nhiên, đằng sau những mô hình đơn giản này là các dịch vụ sản phẩm phức tạp và quản lý vận hành tinh vi, giúp tạo ra sự khác biệt và duy trì lợi thế cạnh tranh.

Nội dung Liên quan

Mô hình sinh đã có thể huấn luyện end-to-end? Cốt lõi chỉ là một vòng lặp for

Mô hình tạo sinh (generative models) từ lâu đã phụ thuộc vào các phương pháp đào tạo nhiều giai đoạn (như diffusion, autoregressive), dẫn đến "exposure bias" - sự khác biệt giữa cách huấn luyện và suy luận. Bài báo "Explorative Modeling" (XM) từ UIUC và Harvard đề xuất một giải pháp đơn giản nhưng mạnh mẽ: thay vì tách quá trình tạo mẫu, hãy tách vòng lặp huấn luyện. Trong mỗi bước huấn luyện, mô hình tạo ra K ứng viên, sau đó chỉ chọn ứng viên gần nhất với dữ liệu thực để cập nhật gradient. Vòng lặp `for` đơn giản này giải quyết vấn đề "mode blurring" - xu hướng của hàm mất mát tái tạo đẩy đầu ra về trung bình của các mode hợp lệ, tạo ra kết quả mờ nhạt. Bằng cách khám phá nhiều ứng viên, mô hình học cách bao phủ nhiều mode khác nhau trong phân phối dữ liệu. Khả năng này được gọi là "biểu đạt tạo sinh" (generative expressivity). Thí nghiệm cho thấy "khám phá" (exploration) trở thành một trục mở rộng quy mô hiệu quả thứ ba, bên cạnh quy mô dữ liệu và tham số. Khi quy mô tăng, lợi ích từ việc khám phá càng lớn, cải thiện hiệu suất FLOP, mẫu và tham số. XM đạt được kết quả tạo ảnh trên ImageNet (FID 1.43 không guidance) ngang bằng các mô hình hàng đầu. Quan trọng hơn, XM cho phép huấn luyện mô hình tạo sinh "end-to-end" thực sự. Trong thí nghiệm điều khiển robot, Explorative Policy chỉ cần một lượt truyền thẳng mạng, đạt hiệu suất tương đương Diffusion Policy cần hàng trăm bước suy luận. Điều này chuyển chi phí tính toán từ giai đoạn suy luận sang giai đoạn huấn luyện, mở ra khả năng cho các mô hình tạo sinh nhanh và hiệu quả hơn. Công trình dựa trên lý thuyết "Mode Forcing" trước đó của nhóm tác giả. Hạn chế hiện tại bao gồm chi phí tính toán cho "Forward XM" trên phân phối nhiều mode và thách thức với mô hình ngôn ngữ tự hồi quy thuần túy.

marsbit47 phút trước

Mô hình sinh đã có thể huấn luyện end-to-end? Cốt lõi chỉ là một vòng lặp for

marsbit47 phút trước

Mỗi người tối đa 20 bài? Quy định mới của ICLR bị nhà nghiên cứu DeepMind 'mỉa mai' kiến nghị

Tác giả Google DeepMind Dan Roy đã khởi xướng một kiến nghị trào phúng nhằm phản đối quy định mới của hội nghị AI hàng đầu ICLR, giới hạn mỗi tác giả chỉ được đăng ký tối đa 20 bài báo tham dự ICLR 2027. Quy định này được đưa ra do số lượng bài nộp tăng đột biến 68% vào năm 2026, gây áp lực nặng nề lên hệ thống phản biện. Trong bài đăng của mình, Dan Roy giả vờ ủng hộ việc để AI Agent tạo ra càng nhiều nghiên cứu gia tăng càng tốt, và cho rằng giới hạn này sẽ "làm chậm sự phát triển của AI". Anh còn mỉa mai nhận xét rằng "tất cả công việc phản biện giờ đã được giao cho các mô hình ngôn ngữ lớn xử lý", ám chỉ đến một nghiên cứu trước đó phát hiện khoảng 21% ý kiến phản biện tại ICLR 2026 có khả năng cao là do AI tạo ra. Bài viết chỉ ra rằng thông điệp trào phúng của Roy thực chất phản ánh mối lo ngại về một vòng luẩn quẩn: AI tạo ra bài báo hàng loạt, nhà nghiên cứu gửi đi hàng loạt, và phản biện viên lại dùng AI để đánh giá hàng loạt. Qua đó, tác giả đặt câu hỏi liệu biện pháp giới hạn số lượng cứng nhắc có phải là giải pháp tối ưu cho những thách thức căn bản về chất lượng học thuật trong kỷ nguyên AI này.

marsbit53 phút trước

Mỗi người tối đa 20 bài? Quy định mới của ICLR bị nhà nghiên cứu DeepMind 'mỉa mai' kiến nghị

marsbit53 phút trước

OpenAI không bán tiền dựa trên mô hình đắt nhất

OpenAI đã điều chỉnh giá, giảm 80% cho mô hình GPT-5.6 Luna và 20% cho Terra, đồng thời giới thiệu chế độ Fast cho mô hình mạnh nhất Sol. Động thái này, cùng với việc Anthropic giới thiệu Claude Opus 5 với giá bằng một nửa so với flagship Fable 5, đánh dấu sự thay đổi chiến lược quan trọng: các hãng không còn chỉ tập trung bán mô hình mạnh nhất. Thay vào đó, họ khuyến nghị người dùng kết hợp các mô hình theo nhiệm vụ: dùng Sol (đắt, mạnh) để phân tích và lập kế hoạch phức tạp, sau đó giao cho Luna (rẻ, hiệu quả) thực thi. Điều này cho thấy trọng tâm thương mại đang chuyển từ các mô hình flagship (chứng minh năng lực kỹ thuật) sang các mô hình tầm trung, phục vụ cho lượng truy vấn API khổng lồ hàng ngày của doanh nghiệp, nơi hiệu quả chi phí (ROI) và độ ổn định là yếu tố quyết định. Một yếu tố then chốt giúp giảm chi phí là việc chính các mô hình AI (như Sol) tham gia tối ưu hóa mã nguồn và quy trình vận hành của chính chúng, tạo ra một vòng lặp tự thúc đẩy giảm chi phí. Điều này có thể đẩy nhanh hơn nữa đà giảm giá trong tương lai. Cạnh tranh đang chuyển từ "mô hình thông minh nhất" sang "hệ sinh thái hiệu quả nhất". OpenAI muốn biến các mô hình như Luna thành lựa chọn mặc định cho các tác vụ thường ngày, từ đó gia tăng độ phụ thuộc và chi phí chuyển đổi cho doanh nghiệp. Tương tự như ngành điện hay điện toán đám mây, mục tiêu cuối cùng là AI trở thành một tiện ích phổ biến, hoạt động âm thầm và không thể thiếu trong mọi quy trình, thay vì chỉ là một sản phẩm công nghệ đình đám.

marsbit2 giờ trước

OpenAI không bán tiền dựa trên mô hình đắt nhất

marsbit2 giờ trước

Lương trăm nghìn đô la săn thợ điện, Meta vội vàng tự mở trường dạy nghề

Cuộc đua AI đang vấp phải nút thắt mới: thiếu hụt nghiêm trọng lao động lành nghề như thợ điện và công nhân xây dựng để xây dựng các trung tâm dữ liệu quy mô lớn. Tại Mỹ, dự báo cần thêm 130.000 thợ điện và 240.000 công nhân xây dựng từ 2023-2030 cho hạ tầng AI, trong khi mỗi năm có 80.000 vị trí thợ điện không thể lấp đầy. Các công ty AI sẵn sàng trả lương cao (thợ điện giỏi có thể kiếm 240.000-280.000 USD/năm), nhưng sự chậm trễ xây dựng vẫn gây thiệt hại hàng chục triệu USD. Độ phức tạp của các trung tâm dữ liệu AI, với công suất điện khổng lồ, hệ thống phân phối điện và làm mát phức tạp, đòi hỏi lao động có kỹ năng đặc biệt. Để giải quyết, các gã khổng lồ công nghệ như Meta và Google đang đầu tư hàng trăm triệu USD vào đào tạo. Meta mở trường dạy nghề miễn phí, cung cấp cả trợ cấp sinh hoạt, trong khi OpenAI hợp tác với công đoàn xây dựng. Chiến dịch tuyển dụng nhắm đến cả học sinh trung học, góp phần làm tăng mạnh tỷ lệ Gen Z theo học trường nghề. Tuy nhiên, nhu cầu điện cho AI tiếp tục bùng nổ, chiếm phần ngày càng lớn trong tổng tiêu thụ điện và đẩy giá điện lên cao. Một nghịch lý tồn tại: các dự án xây dựng cần hàng nghìn lao động cùng lúc, nhưng khi hoàn thành chỉ cần số ít vận hành, dẫn đến rủi ro dư thừa lao động lành nghề trong tương lai.

marsbit2 giờ trước

Lương trăm nghìn đô la săn thợ điện, Meta vội vàng tự mở trường dạy nghề

marsbit2 giờ trước

Giao dịch

Giao ngay
活动图片