新的收入层级?Hyperliquid如何超越传统链

ambcrypto發佈於 2026-04-06更新於 2026-04-06

文章摘要

区块链价值捕获模式正在转变,活动从被动转账转向主动交易。永续合约24小时交易量达84亿美元,远超现货DEX的37亿美元,显示资本正集中于持续交易而非一次性转移。 Hyperliquid在DeFi总费用4145万美元中贡献61.8万美元,其市场份额在2026年3月达36.4%,表明交易活动向衍生品平台集中。Solana份额降至16%,以太坊跌至7.7%,Base仅2.4%,证明通用型链的广泛活动未能有效转化为费用捕获。 HIP-3推动Hyperliquid总交易量达1549.5亿美元,由21.3万交易者完成5936万笔交易,产生1243万美元费用。近期24小时费用40.3万美元全部用于回购销毁10,794枚HYPE,形成"交易驱动费用-回购创造买压-通缩支撑价值"的闭环。这表明专业化交易平台通过持续衍生品流动更高效地将交易强度转化为实际价值捕获。

随着区块链活动从被动转移转向主动交易流,其价值捕获方式正在发生变革。早期模式依赖广泛使用,简单交易支撑网络价值。

如今,交易主导了整个格局。

永续合约交易量在24小时内徘徊在约84亿美元,远超现货DEX活动的37亿美元。这表明资本现在集中于持续交易而非一次性转移。

费用分配随之变化,Hyperliquid在总计4145万美元的DeFi费用中贡献约61.8万美元。这一演变重塑了市场格局,价值更依赖于交易强度,使专业平台比通用网络更具优势。

Hyperliquid的主导地位预示新收入层级

区块链盈利方式正在发生明显转变,这始于用户活动的实际发生地。

Hyperliquid的市场份额在2025年稳步上升,到2026年3月达到约36.4%,表明交易者正集中于衍生品平台。

来源:Blockworks Research

随着永续交易创造持续费用流而非一次性交易,这一转变逐渐形成。资本偏好能够快速流转的环境,这自然将收入推向以交易为核心的链。

Solana [SOL] 占比维持在16%附近,从18%下滑,表明其使用量保持强劲但在竞争加剧中份额流失。与此同时,以太坊 [ETH] 降至7.7%附近,Base接近2.4%,显示广泛活动并未转化为费用捕获。

这改变了市场动态,价值跟随交易强度流动,将用户和流动性推向能更有效变现活动的平台。

Hyperliquid将交易活动转化为直接价值捕获

HIP-3的增长表明当真实交易需求进入系统时,衍生品活动能多快速扩展。总交易量达到约1549.5亿美元,由212,843名交易者执行约5936万笔交易支撑。

来源:X

这一进程逐步构建,随后从1月开始加速爆发,日交易量扩大且累计增长趋势向上。

随着参与度增加,费用上升至约1243万美元,证实了伴随活动的稳定货币化。

该活动并非停留在抽象层面,而是直接反馈至代币动态。过去24小时内,费用达到约40.3万美元,全部用于回购,从流通中移除约10,794枚HYPE。

来源:X

这形成了持续循环:交易驱动费用,费用驱动购买压力,减少的供应随着活动深化开始支撑价值。


最终总结

  • Hyperliquid [HYPE] 展示了交易驱动活动如何主导价值捕获,持续衍生品流将交易量直接转化为费用和供应减少。
  • 随着收入集中度转向专业平台,Hyperliquid加强其市场地位,持续交易活动同时支持流动性和代币价值。

相關問答

Q根据文章,区块链价值捕获方式正在发生怎样的转变?

A区块链价值捕获方式正从被动的简单转账转向主动的交易活动,特别是永续合约交易。资本更倾向于集中在能够快速流转的持续交易环境,而非一次性转账。

QHyperliquid在DeFi费用中的占比是多少?这说明了什么?

AHyperliquid贡献了约61.8万美元,占DeFi总费用4145万美元的一部分。这显示了交易活动正集中在像Hyperliquid这样的专业衍生品平台上,而非通用区块链。

QHyperliquid的市场份额在2026年3月达到了多少?与其他主要区块链相比如何?

AHyperliquid的市场份额在2026年3月达到约36.4%。相比之下,Solana占16%(从18%下滑),以太坊占7.7%,Base占2.4%。这表明Hyperliquid在交易驱动的价值捕获中占据主导地位。

QHIP-3的增长带来了哪些具体的数据表现?

AHIP-3带来了总交易量约1549.5亿美元,由212,843名交易者执行了约5936万笔交易。费用达到约1243万美元,最近24小时费用为40.3万美元,用于回购并移除了10,794枚HYPE代币。

Q文章中提到Hyperliquid如何将交易活动转化为价值支撑?

AHyperliquid通过一个连续循环将交易活动转化为价值支撑:交易产生费用,费用用于回购代币(产生买入压力),减少的流通供应支撑代币价值,随着活动深化而强化这一机制。

你可能也喜歡

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。

marsbit9 分鐘前

生成模型也能端到端训练了?核心竟是一个for循环

marsbit9 分鐘前

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 小時前

年薪百万抢电工,Meta急到自己办技校

marsbit1 小時前

交易

現貨
活动图片