Solana处理交易量是BNB Chain的8倍——详情

ambcrypto发布于2026-03-04更新于2026-03-04

文章摘要

2026年2月,尽管整体加密市场表现平淡,但Solana(SOL)表现突出,单月处理了34亿笔交易,较1月增长11%,远超其他公链。其最接近的竞争对手BNB链仅处理约4.24亿笔交易,Solana的处理量约为其8倍。 以太坊主网同期仅处理6200万笔交易,但大量活动已转移至Layer-2网络,如Base处理3.16亿笔,Arbitrum和Optimism分别处理1.23亿和6800万笔。尽管Layer-2增长显著,其总交易量仍远低于Solana。 Solana还获得强劲机构支持,现货ETF推出以来净流入约9.5亿美元。但2月SOL价格下跌超12%,月底报90.09美元,24小时内上涨7.46%。链上数据显示,1月底至2月多数持有者处于亏损卖出状态,早期恐慌性抛售导致近13亿美元损失,但近期卖压已逐渐缓解。 关键问题在于:Solana能否维持当前势头,还是将受市场环境放缓影响?

当更广泛的加密市场在2026年2月因全球不确定性而横盘整理时,有一个生态系统似乎走上了不同的道路。

DeFi Dev Corp.(DFDV)的新数据显示,Solana [SOL]在2月份处理了超过34亿笔交易,较1月份增长了11%。

这一点值得注意,因为在同一时期,随着市场情绪减弱,以太坊[ETH]和比特币[BTC]等主要网络的活动均有所放缓。

其他链的表现如何?

紧随Solana之后的是第二大网络BNB Chain,其处理了约4.24亿笔交易。

这意味着Solana处理的活动量约为其最接近竞争对手的八倍,使其他网络的链上活动相形见绌。

数据还揭示了以太坊生态系统内部的一个重要趋势:以太坊主网仅记录了6200万笔交易,使其接近榜单末尾。

以太坊陷入困境了吗?

尽管以太坊主网的交易量显著减少,但这并不意味着整个生态系统在衰退。

相反,大部分活动已转移到提供更低成本和更快交易速度的第二层(Layer-2)网络。

例如,由Coinbase支持的第二层网络Base处理了3.16亿笔交易,显示出强劲的零售活动。与此同时,Arbitrum记录了1.23亿笔,Optimism记录了6800万笔,并且持续保持稳定的使用量。

这表明,以太坊最大的竞争对手可能不是另一个Layer-1链,而是其自身的扩展网络正在逐渐吸收大部分活动,尽管这些网络的交易量仍远落后于Solana。

Solana见证强劲的机构推动

除了网络活动,Solana还获得了机构投资者的强力支持。

根据Farside Investors的数据,自推出以来,Solana现货ETF已录得约9.5亿美元的净流入,且大部分时间呈现资金流入态势。

与此同时,在价格方面,与许多在2月份难以找到方向的资产一样,SOL也经历了超过12%的月度跌幅,但在发稿时,其交易价格约为90.09美元,24小时内上涨了7.46%。

此外,这与AMBCrypto关于Solana持有153.4亿美元USDC供应量约53%的报道相吻合,使其成为稳定币活动的最大枢纽之一。

数据说明了什么?

根据Santiment的数据,Solana的净实现盈亏在整个1月下旬和2月大部分时间为负值,大多数柱状图显示为红色。这表明随着价格下跌,许多持有者正在亏本出售其代币。

此外,2月初的一个主要峰值显示亏损接近13亿美元,表明当SOL从约140美元急剧下跌至90美元以下时,出现了一波恐慌性抛售。

自那以后,亏损柱状图的规模逐渐减小,表明随着价格稳定在80至90美元之间,抛售压力正在缓解。

这一趋势表明,大部分强制抛售可能已经发生,市场正进入一个更稳定的阶段。

然而,尽管数据强劲,一个重要问题仍然存在:这种势头能否在未来几个月持续,或者市场状况是否会开始使其放缓?


最终总结

  • 单月处理34亿笔交易使Solana在原始活动量上远远领先于竞争对手的区块链。
  • 实现亏损数据表明,大部分恐慌性抛售可能已经发生,随着价格稳定,抛售压力逐渐缓解。

热门币种推荐

相关问答

Q根据文章,2026年2月Solana处理了多少笔交易?

ASolana在2026年2月处理了超过34亿笔交易。

Q与Solana相比,BNB Chain在2月份处理了多少笔交易?

ABNB Chain在2月份处理了约4.24亿笔交易,Solana的处理量大约是它的8倍。

Q为什么以太坊主网的交易量相对较低?

A以太坊主网交易量较低是因为大部分活动已转移到提供更低成本和更快交易速度的第二层(Layer-2)网络,如Base、Arbitrum和Optimism。

QSolana的现货ETF自推出以来吸引了多少资金净流入?

ASolana的现货ETF自推出以来吸引了约9.5亿美元的资金净流入。

Q根据Santiment数据,Solana的净实现利润/损失在1月底和2月大部分时间呈现什么状态?

ASantiment数据显示,Solana的净实现利润/损失在1月底和2月大部分时间为负值(红色柱状图),表明许多持有者在价格下跌时亏损卖出。

你可能也喜欢

生成模型也能端到端训练了?核心竟是一个for循环

长期以来,深度学习在图像分类、检测等任务上凭借端到端训练取得了巨大成功,但生成模型领域却始终是个例外。当前主流的自回归、扩散模型等训练时只学习预测“一小步”,推理时则需要反复展开数百上千步,这种训练与推理的不一致导致了“暴露偏差”等问题,使得生成模型一直未能实现真正的端到端训练。 最近,一篇来自UIUC与哈佛大学的论文提出了“探索式建模(Explorative Modeling,XM)”新范式,其核心是一个简单到近乎朴素的for循环:在每个训练步骤中,模型生成K个候选样本,然后仅选取其中最接近真实数据的一个样本来计算损失和回传梯度。这种做法巧妙地绕开了传统生成模型中因使用重构损失(如平方误差)而导致的“模态模糊”问题——即模型倾向于输出多个可能答案的平均值,而这个平均值往往不属于任何真实的数据模式。 XM通过这种方式,在不拆分生成过程的前提下,直接提升了模型的“生成表达力”,即模型捕捉数据分布中多个独立模式的能力。论文将“探索”验证为继模型参数量、数据量之后的第三根可扩展轴。实验表明,随着模型规模、数据量和计算量的增大,探索带来的性能收益越发显著,在图像、视频、语言等多种任务上均能带来效率与质量的提升。 更重要的是,当探索程度足够时,XM可以实现真正的端到端生成。在机器人控制等任务中,仅需一次网络前向传播的XM策略,其性能可媲美甚至超过需要上百次前向的扩散模型策略,实现了推理效率的飞跃。 尽管“最佳K样本选择”的思想并非全新,但该研究的贡献在于清晰地揭示了这一简单机制如何直接解决生成模型的核心瓶颈,并为实现高效、端到端的生成模型开辟了新的可能性。随着模型规模的持续扩大,探索这一新维度可能将发挥越来越关键的作用。

marsbit8分钟前

生成模型也能端到端训练了?核心竟是一个for循环

marsbit8分钟前

年薪百万抢电工,Meta急到自己办技校

AI竞赛正面临新的瓶颈:工地。美国正面临严重的电工、建筑工等技术工人短缺,这已成为微软、Meta、OpenAI等公司快速建设超大规模AI数据中心(如OpenAI耗资160亿美元的“星际之门”项目)的“头号障碍”。 尽管AI公司愿支付高薪(如电工年薪可达24-28万美元),远超传统行业,但熟练技工仍供不应求。麦肯锡预测,美国在2023-2030年间需额外培养13万名电工和24万名建筑工,而劳工统计局预计每年仍有8万个电工岗位空缺。这种短缺导致项目延迟,每月可能造成数百万美元的收入损失。 AI数据中心建设复杂,需应对巨大功耗(一座设施耗电堪比数十万户家庭)、复杂的配电系统以及高密度散热(需液冷技术)等挑战,因此亟需大量技术娴熟的工人。 为此,科技巨头开始亲自下场培养人才。例如,Meta投入1.15亿美元建立建筑工人培训学校,提供免费培训及生活补贴,以快速输送工人上岗。OpenAI则与建筑工会合作,提前锁定熟练劳动力。同时,企业也将招聘目光投向高中生,鼓励年轻人投身技工行业。这些举措已见成效,Z世代对技工职业的兴趣显著上升。 然而,更深层的挑战在于电力。AI数据中心用电量正以惊人速度增长,已推高部分地区的电价。此外,数据中心建设是项目制的,建设期需要成千上万的工人,但建成后仅需少量常驻人员。这意味着未来可能面临熟练工人短期过剩、并流向其他行业压低薪资的风险。如何实现劳动力与电力资源的长期平衡,仍是悬而未决的问题。

marsbit1小时前

年薪百万抢电工,Meta急到自己办技校

marsbit1小时前

交易

现货

热门文章

相关讨论

欢迎来到HTX社区。在这里,您可以了解最新的平台发展动态并获得专业的市场意见。以下是用户对SOL(SOL)币价的意见。

活动图片