# 生态系统的所有文章

在 HTX 新闻中心浏览与「生态系统」相关的最新资讯与深度分析。潘盖市场趋势、项目动态、技术进展及监管政策，提供权威的加密行业洞察。

CT3启动生态系统准备工作，迎接CT3GB经济体系上线

**CT3启动生态筹备，迎接CT3GB经济体系上线** 2026年8月10日，英国伦敦——CT3宣布已开始为未来CT3GB代币的上市进行全面筹备。公司正着手扩展数据存储基础设施、建立金融与基础设施储备，并构建其专属的代币化经济体系，其中CT3GB将成为平台的主要结算资产。筹备工作的核心是向自有结算系统过渡。目前大多数内部操作依赖于Polygon网络，而CT3GB上线后，将用于支付存储服务费、与基础设施所有者结算、发放奖励、促进网络参与者间内部结算等所有关键金融流程，成为平台经济的基础要素。公司强调，代币化经济的可持续性不仅取决于上市本身，更取决于上市后基础设施的完备程度。因此，平台已开始扩展存储网络、提升算力并建立储备，其中“存储合约”计划正是构建这些储备的工具之一，旨在确保上市后生态能持续增长而不影响性能。同时，技术平台正在进行现代化升级，关键方向是将存储基础设施分割为独立的专用智能合约。这种新模式有望提升扩展效率、利用透明度和服务开发的灵活性。此外，在CT3GB公开上市前，公司将完成对核心智能合约基础设施的独立安全审计，以增强用户、合作伙伴及交易所的信任。此次筹备是CT3长期战略的一部分，旨在打造一个拥有自身经济模型的自主数据存储基础设施。CT3GB未来将成为整个生态系统的核心结算资产，其价值不仅源于市场需求，更将植根于在CT3云服务日常运营中的实际效用。

TheNewsCrypto08/10 18:25

TheNewsCrypto08/10 18:25

AMD收购Taalas：硬件AI解决方案摆脱紧缺的HBM内存

AMD同意收购多伦多初创公司Taalas，该公司致力于解决神经网络推理中的一个核心问题：无需在生成每个令牌时都将模型权重从内存传输至处理器。Taalas的芯片通过将模型权重直接固化在晶体管中，省去了这一数据传输步骤。正是这种数据传输限制了当前推理速度，并使得高带宽内存（HBM）成为半导体行业最紧缺的物资。此次收购被视为AMD与Nvidia在推理领域竞争的新一轮动作，但其本身对该竞争格局影响有限。更值得关注的是，这笔交易揭示了当前过热的内存市场状况。Taalas由曾在Tenstorrent任职的Ljubisa Bajic及其妻子、ATI和AMD资深工程师Lejla Bajic于2023年创立，已融资2.19亿美元。其首款测试芯片基于台积电6纳米工艺，专为Meta的Llama 3.1 8B模型设计，声称推理速度远超Nvidia显卡和Cerebras加速器。然而，这种将权重固化到硅片中的方法存在明显代价：每个芯片永久服务于单一模型。更换模型需要部分重新设计芯片拓扑，即使采用Taalas缩短的周期（仅更改晶圆上的两个金属层），在台积电产线上仍需约两个月。这种策略仅在模型稳定、应用广泛且价值足够高时才具有经济性。这也解释了为何该交易不会改变推理市场的竞争态势。相比之下，Nvidia此前以200亿美元收购Groq，旨在将其专用令牌生成硬件整合到已构建了完整生态的现有平台中。当前市场定价基于一个假设：内存短缺将是常态。DRAM价格在第一季度飙升近90%，HBM的产能已预订至2026年。SK hynix等内存巨头正在大规模扩产。但这一“永久短缺”的假设正面临多方挑战：Taalas完全消除了推理过程中对权重内存的需求；Nvidia工程师通过压缩和量化模型来减少内存占用；三星的zHBM等技术将内存直接堆叠在加速器上；SK hynix与Sandisk则推出了旨在以高速闪存替代部分HBM的新标准。 AMD此次收购证明，推理过程可以摆脱当前决定AI基础设施需求周期的稀缺组件——HBM。它将把这一解决方案集成到仍包含GPU和HBM的服务器机架中销售。那些认为当前内存高价将成为AI建设周期永久特征的投资者，实际上是在与一个规模庞大且不断增长的、旨在降低内存依赖的工程技术趋势对赌。内存历来是周期性行业，如今为其支付高价的投资者，恰恰为这一规律的延续提供了新的注脚。

cryptonews.ru08/09 14:56

cryptonews.ru08/09 14:56

成立3个半月，就对外投资了：具身智能赛道正在集体「边融边投」

中国具身智能赛道出现“边融边投”新趋势：一批自身仍在融资的创业公司正积极进行对外投资。数据显示，29家具身智能企业已进行超100笔投资，覆盖近百家被投公司，其中近六成是人形机器人本体企业。企业启动投资的速度明显加快。新一代企业（2023年后成立）从成立到首次对外投资平均仅需22.8个月，远快于老牌企业。例如，破壳机器人成立仅3.8个月就进行了首笔投资。智元机器人是赛道内最活跃的投资方，成立23个月内完成37笔投资，广泛布局全产业链。投资行为呈现出网络化特征：部分被头部企业投资的公司，自身也转变为投资节点，向下游延伸投资链，形成生态传导。分析认为，该现象的核心逻辑在于，面对技术快速迭代、供应链不成熟的竞争窗口期，企业通过资本杠杆加速产业整合，以投资换取时间，构建生态壁垒，争夺未来竞争位势。这一策略正从个别头部企业的特殊选择，演变为赛道参与者的普遍行为。

marsbit08/06 13:01

marsbit08/06 13:01

超过一昼夜发现近5000个问题：分析师对比特币生态系统进行大规模审计

比特币安全审计团队Bitcoin Red Team进行了一次大规模生态安全审查，在超过27小时内对近400个项目进行了分析，共发现4962个潜在漏洞，其中85个被评定为“严重”级别，635个为“高危”级别。团队由16名分布于不同时区的成员组成，采用人工审核与人工智能工具结合的方式开展工作，平均每人每小时发现2.31个严重或高危问题。团队表示，大部分严重漏洞已得到相关项目开发者的确认。在提交报告前，他们会在隔离环境中对高危问题进行内部验证。团队承认大规模审计增加了开发者的负担，并就带来的压力致歉，同时强调及时披露对安全至关重要。目前，团队正优化漏洞验证流程，致力于减少无效报告。此前，以太坊基金会在2026年4月公布的ETH Rangers计划中，17名研究人员曾发现785个漏洞并追回580万美元资金。

cryptonews.ru08/06 11:27

cryptonews.ru08/06 11:27

借贷市场消失之后，这些公链还剩下什么？

上周，Aave宣布将关闭六条收入微薄的公链上的借贷市场。这些链单季度收入不足5000美元，而Aave在以太坊的年收入高达1.42亿美元。本文探讨了头部借贷协议撤离后，公链将面临的连锁危机。回顾历史，Harmony协议在跨链桥遭攻击后，因Aave冻结资产并最终撤离，导致其信贷功能永久丧失，公链走向消亡。Fantom在类似攻击后也未能重建信贷市场，即便后来改名Sonic并投入巨资激励，产生的也只是虚假的、依赖空投的借贷需求，激励停止后TVL暴跌98%。对于Aave即将退出的Soneium、Aptos等链，情况更为严峻。它们从未形成真实的原生借贷需求。Aave的离开将引发多米诺骨牌效应：作为主要成本承担者，Aave的撤离可能导致预言机服务商、做市商和稳定币发行方相继退出，因为这些基础设施服务的商业可行性相互依存。没有信贷功能，链上的金融应用、收益策略和流动性都将失去根基，导致开发者流失和生态萎缩。这并非加密行业独有现象，传统金融中，小国也因业务量不足而面临代理银行业务被切断的困境。但加密世界缺乏类似世界银行的兜底机制。当前DeFi借贷市场实际上在快速增长且日益集中，资源正向以太坊及少数头部二层网络汇聚。过去认为每条公链都能低成本构建独立金融体系的设想已被证明不完整：部署公链成本虽低，但维持一套健全信贷基础设施的成本极高。如今，大量公链正因无法产生足够收入覆盖成本而面临基础设施空心化的风险，最终可能什么也不会留下。

marsbit08/06 03:21

marsbit08/06 03:21

以太坊网络中被锁定的ETH数量创下历史新高！详情尽在这里

以太坊网络中的ETH质押量创下历史新高，锁定总量达到4140万枚ETH，质押比例首次升至34%。近期单周新增质押量超过140万枚ETH，显示投资者将以太坊视为长期投资。分析指出，质押比例上升可能减少市场流通量，若需求保持高位，可能导致价格波动加剧；同时，低流动性时期也可能因卖压增加而放大波动。虽然质押增长有助于提升网络安全，但过高的质押比例可能引发中心化和经济平衡风险。为此，以太坊基金会正考虑长期调控方案，提议在质押率超过50%时停止新增质押奖励，以维持网络平衡。该方案仍需社区广泛支持，若质押增速持续，预计将成为近期以太坊生态的重要议题。

cryptonews.ru08/05 09:02

cryptonews.ru08/05 09:02

老黄垒20年的CUDA护城河，AI刚刚用10小时凿开了

一家名为Infinity的初创公司使用其AI编程代理Ignition，仅用10小时就为AI推理芯片公司d-Matrix搭建了一套“类CUDA”底层软件，旨在加速针对特定芯片的Kernel生成与优化。这引发了关于英伟达近20年构筑的CUDA软件护城河是否被颠覆的讨论。文章指出，英伟达的核心优势在于其围绕GPU建立的完整软件生态，而不仅仅是硬件。CUDA作为其生态核心，包含了底层内核、优化计算库及庞大的开发者社区。然而，在AI推理市场，竞争规则有所不同：推理更关注单次回答成本而非极致性能，且软件可以跨芯片运行，这削弱了CUDA的锁定效应，为众多专用推理芯片（如d-Matrix、Rebellions等）提供了切入机会。尽管AI代理能快速生成代码，但多位行业专家认为，这远未颠覆CUDA生态。挑战在于生产级性能优化、代码验证的复杂性，以及迁移数百万行现有代码的组织成本。此外，英伟达自身也在利用AI加速CUDA开发与验证。因此，短期内英伟达在训练领域的地位依然稳固，但推理侧可能成为变局的开端。长期的竞争关键，或将从代码存量转向验证与优化生态的构建。

marsbit08/04 13:51

marsbit08/04 13:51

NEAR Protocol联合创始人提议创建协议主权基金

NEAR Protocol联合创始人伊利亚·波洛苏欣在官方论坛提议创建一个协议主权基金。该基金旨在通过定向拨款支持生态系统发展，并逐步取代当前大多数L1区块链（包括NEAR）依赖通胀（即持续增发代币）来支付网络安全的模式。波洛苏欣指出，NEAR已采取措施增强可持续性，如降低通胀、将NEAR Intents费用重定向用于回购，以及启动AI推理质押。他认为，创建主权基金是自然的下一步，可借鉴新加坡和挪威等国的主权财富基金模式，将周期性收入（如石油、土地出售）投资于创收资产，用收益支持国家需求，同时保全基金本金。根据提议，该主权基金将接管项目国库和未来的协议收入。初期资金约3000万NEAR（价值约5000万美元）。基金将用所得收入购买NEAR，并将资产配置于创收协议中，所产生的利润将用于支持生态系统，特别是验证者支持计划和支付MPC提供商费用。与通常持有流动性法币资产的传统主权基金不同，NEAR基金将主要持有NEAR代币，这增加了额外风险，波洛苏欣计划通过收益方式的多样化来补偿。随着时间推移，基金规模将通过协议收入和部分增发代币的额外拨款而增长，理论上未来可能使NEAR转向固定代币供应模型。NEAR持有者也可通过现有的House of Stake委托机制分享基金收益。该倡议将分阶段启动，设有检查点以验证模型有效性，之后才会投入更多资金。波洛苏欣邀请生态系统参与者在两周内讨论该提案，强调这是初步建议而非最终方案，最终参数需由社区（包括验证者和通过House of Stake的持币者）共同制定。

cryptonews.ru08/04 09:58

cryptonews.ru08/04 09:58

中国科技产业，正在批量越过“可见线”

最近，中国科技产业多个领域接连进入全球视野，如大模型Kimi K3和DeepSeek-V4-Flash发布、机器人设备受国际关注、辉瑞与信达生物达成创新药合作等。这标志着中国产业能力正集中越过“可见线”——即从内部积累进入全球市场验证的阶段。回顾过去，中国出口主力从服装家电“老三样”，到新能源汽车等“新三样”，再到如今人工智能、机器人、创新药“新新三样”，产业迭代周期明显缩短。越过“可见线”的产业通常具备四大特征：形成规模、优势突出、增长加速、带动产业链。与以往不同，当前中国产业不再只是跟进成熟市场，而是通过降低门槛、开放生态，主动参与定义新产品和新需求。这种变化源于中国产业体系从“完整”走向“稠密”：不同领域共享技术、人才与供应链，形成能力迁移。例如，新能源汽车积累的技术向机器人产业延伸，算力需求带动芯片、存储、光通信等整条产业链。产业与研发的距离缩短，真实应用反馈加速创新，规模化成为创新的一部分。越过“可见线”意味着中国产业的竞争焦点，从“做出产品”延伸至构建包含专利、标准、生态的持续价值系统。未来，中国需在开放中筑牢产业护城河，通过开源、协同研发扩大生态，推动技术迭代与广泛应用。 “十五五”规划已布局战略性新兴产业与未来产业，持续将新产业推向市场检验。一批又一批产业越过“可见线”，不仅体现单点突破，更意味着中国正形成持续产生新产业的能力。

marsbit08/03 06:31

marsbit08/03 06:31

OpenAI 不靠最贵的模型卖钱了

OpenAI近期调整了API定价策略，旗舰模型GPT-5.6 Luna降价80%，Terra降价20%，而顶级模型Sol未降价但新增了更快的“Fast”模式。此次调整的核心并非单纯的价格战，而是标志着OpenAI首次引导用户根据任务需求选择不同模型，而非一味追求最强模型。官方建议复杂任务可由Sol进行规划，再由Luna等成本更优的模型执行。此举与Anthropic近期推出半价替代旗舰的Claude Opus 5策略相似，显示硅谷领先公司正形成默契：旗舰模型（如Sol、Fable）的角色正从直接盈利转向树立技术品牌和探索上限，而商业化走量和利润则主要由中端及性价比模型（如Luna、Opus）承担。这类似于汽车等行业“旗舰立形象，走量车型赚利润”的模式。更深层的变化在于成本下降的驱动力。OpenAI透露，此次降价部分得益于由Sol模型自身参与优化底层生产内核，实现了效率提升与成本降低，开启了“模型优化模型”的自我加速循环。行业竞争焦点正从“谁最聪明”的单项性能比拼，转向为企业提供基于任务重要性、出错成本、规模等因素的“模型组合”最优解，追求整体ROI。这类似于云计算按数据冷热使用不同存储的策略。 OpenAI的长期战略日益清晰：其真正目标并非依靠单一模型的高毛利，而是通过极低的调用成本构建庞大的开发者生态与调用量，形成类似操作系统或云平台的渗透率与用户粘性。当API调用成本低至可被忽略，AI将如水电般无缝嵌入所有业务流程，其发展也将从追求智能巅峰的“产品时代”，进入驱动全面自动化与效率的“基础设施时代”。

marsbit08/03 02:20