押注 RWA 赛道,MakerDAO 与 Frax 孰优孰劣?

长文源:foresightnews發佈於 2023-10-31更新於 2023-11-07

文章摘要

Frax 的创新性产品值得关注,但 MakerDAO 是真正的现金流之王。

Frax 的创新性产品值得关注,但 MakerDAO 是真正的现金流之王。


撰文:Wajahat Mughal

编译:Peng SUN,Foresight News


作为去中心化稳定币,MakerDAO 与 Frax 现在都以大量 RWA 资产作为储备,那么这两个 DeFi 巨头谁更胜一筹?今天,本文将从储备、收益率与收益来源、收入、未来规划、治理代币等方面对二者进行比较分析。


Maker 和 Frax 是 DeFi 赛道的两个头部协议。Maker 发行的是超抵押去中心化稳定币 DAI,Frax 则推出了去中心化稳定币 FRAX 以及围绕 FRAX 构建的一系列金融产品。


DAI 的储备包括 ETH、稳定币和 RWA,其中大部分是美国国债。FRAX 储备状况近期有所变化,Terra 之后开始从算法稳定币转向抵押稳定币,目前抵押率已接近 100%,之后也不会将 FXS 作为储备。此外,近期 Frax 将 sFRAX 作为 RWA 储备资产,之后还会推出 FXB(债券)。





在收益率方面,当前 sFRAX 的年化是 6.5%,供应量为 4100 万枚;sDAI 的年化是 5%,当前供应量是 17.3 亿枚。DAI 的供应量很大,但 FRAX 收益率暂时更高。




从 makerburn 数据可见,Maker 的 sDAI 收入主要来自各种 RWA 国债利率收益;Frax 的 sFRAX 收益是美联储储备余额利息(IORB)利率,其链下合作伙伴 FinresPBC 则充当 IORB 利率和 sFRAX 之间的中介,将收益转移给 sFRAX。



由于供应量最大,Maker 是目前 DeFi 赛道最赚钱的协议之一。FRAX 收入来源很多,包括国债收益、AMO(自动化市场操作)以及 ETH LSD,目前年化收入为 2000 万美元。




作为治理代币,MKR 通过协议收入持续回购代币,目前市值已有 13 亿美元;FXS 现在市值是 4.5 亿美元,之后也将从协议中获得收入(目前所有努力都是为了使抵押率达到 100%)。




总体来说,这两个协议都很出色,Maker 仍然是现金流之王,Frax 则不断推出具有创新性的产品。更何况,它们对于未来的发展也都有着新的规划。


具体而言,Maker 的 Endgame 包括代币品牌重塑、移除中心化稳定币、推出子 DAO、AI 集成以及最终的 Maker Chain。Frax 则专注于 Frax 债券、frxETH 质押产品更新以及以太坊上的新 Layer2 Frax Chain。




我个人比较喜欢 Frax,因为 Frax 生态及其产品真的很有意思,但不得不佩服 Maker,这是真正的资产现金流之王。

你可能也喜歡

从以太坊到AI的“CROPS”:Vitalik反复强调的这套“慢变量”,究竟是什么?

以太坊创始人Vitalik Buterin近期频繁强调一个概念——CROPS,它代表抗审查性(Censorship Resistance)、抗捕获性(Capture Resistance)、开源(Open Source)、隐私(Privacy)和安全(Security)。这一理念源于以太坊基金会发布的指导文件,旨在确保用户在数字生活中不依赖单一平台、不丧失最终控制权。 随着AI技术深入钱包和自动化执行场景,CROPS的内涵超越了以太坊的原有范畴,成为AI时代用户能否掌控自身数字生活的关键问题。Vitalik指出,真正的“CROPS AI”应支持多种硬件平台,而不仅仅是“去中心化AI”。当AI成为用户的数字代理人,处理资产管理和链上操作时,确保其抗审查、开放、隐私和安全变得至关重要。 CROPS Ethereum与CROPS AI存在显著交集。例如,通过零知识证明实现付费远程大模型调用和私密以太坊RPC读取,旨在让用户在获取远程服务的同时避免暴露敏感信息。未来,可能出现更多针对以太坊场景微调的AI模型,用于提升智能合约和生态安全。 这一理念将深刻影响Web3生态,尤其是钱包等入口层产品。在市场关注短期热点的背景下,CROPS提醒我们关注那些决定长期方向的技术变量:在AI加速接管数字世界的时代,确保系统可理解、可验证、注重隐私和安全,才是以太坊持续价值的真正体现。

marsbit11 分鐘前

从以太坊到AI的“CROPS”:Vitalik反复强调的这套“慢变量”,究竟是什么?

marsbit11 分鐘前

越过“内存墙”,AI推理时代的晶圆级革命与算力路线

2026年,AI产业进入新拐点:全球主要云厂商的推理资本支出首次超过训练。这意味着算力需求核心从“炼模型”转向“用模型”,瓶颈也从计算规模变为“内存墙”——即数据在GPU与片外存储间搬运带来的高能耗与延迟。 为突破内存墙,Cerebras公司选择了“晶圆级计算”的激进路线。其核心产品WSE-3不切割晶圆,直接制成超大芯片,集成90万个AI核心和44GB片上SRAM,带来远超传统GPU(如英伟达B200)的片上内存带宽。其架构将模型权重存储于片外MemoryX,按需流式传输至芯片计算,从而在LLM推理,尤其是首token延迟和长上下文任务中展现出显著优势,token生成速率可达GPU的1.5-5倍。同时,其芯片内互联功耗也远低于当前GPU。 但这种极致物理优化也带来挑战:通过先进制程提升SRAM容量的路径已近天花板;整片晶圆发热量大,需专用液冷;片外I/O带宽有限,难以高速扩展形成大规模集群;软件生态也与主流CUDA不兼容。 与此同时,行业巨头正通过多条路径围剿:1)自研ASIC推理芯片(如谷歌TPU、微软Maia);2)利用台积电SoW等先进封装技术将“晶圆级”能力通用化、平民化;3)探索光互联/光计算作为终极解决方案。 Cerebras还面临商业转型的挑战,巨额订单迫使其从芯片商转向云服务商,需快速建设专用数据中心,交付压力巨大。 最终,AI推理时代的算力架构呈现路线分野:Cerebras向左,追求单任务下的极致低延迟;英伟达向右,以通用性应对多变负载。技术变革仍在继续,谁将主导未来,尚无定论。

marsbit1 小時前

越过“内存墙”,AI推理时代的晶圆级革命与算力路线

marsbit1 小時前

交易

現貨
合約
活动图片