投研早报丨Artela 白皮书解读：独特的并行执行堆栈 + 弹性区块空间 / DBA 联创：我们都在建造类似的技术和产品 / 解析 AI 与加密结合的潜力与现实挑战
ChainFeeds Newsletter 每日精选 Web3 深度投研「简报」+ AI 驱动的热点新闻榜单，帮你做出聪明决策
📢 ChainBuzz 热点新闻 ｜2024.6.22
🔥 DAO 治理基础设施 Tally 将推出 Tally Protocol
🔥 Stacks 核心开发者：Nakamoto 的开发工作接近完成
🔥 21Shares、灰度、富达向美 SEC 递交修订后的现货以太坊 ETF S-1 表格
🔥 Pantera Capital 正筹集资金以加大对 TON 代币投资
🔥 Paradigm 发布 REVM 编译器 Revmc
🔥 AI Arena 将于 6 月 24 日推出代币 NRN
👨💻 ChainFeeds 投研简报 ｜2024.6.21
1️⃣ 研究｜ 探索 Arweave、AO 和 EigenLayer 的结合交叉点
2️⃣ AI｜ 解析 AI 与加密结合的潜力与现实挑战
3️⃣ 市场｜回顾两年前的市场预测：我们走了多远？
4️⃣ 研究｜预言机模式权衡对比：拉取模型（Pull）和传统推式模型（Push）
5️⃣ 研究｜NEAR 链抽象堆栈组件解析 ：将解锁哪些新用例？
6️⃣ 研究｜探索代币化市场：主动供应与被动供应的区别及挑战
7️⃣ 研究｜Artela 白皮书解读：独特的并行执行堆栈 + 弹性区块空间
8️⃣ 数据｜数据角度分析加密货币和人工智能的结合：有哪些潜力用例？
9️⃣ 观点｜DBA 联创：我们都在建造类似的技术和产品
每日精选的加密信息由 ChainFeeds 团队与 AI 共同编写，我们已将内部的信息流工具优化并开放给所有读者及 Web3 行业者使用，测试链接 👇
🌞 Web3 行研早报来自：Web3 行业必读深度资讯「简报」平台｜chainfeeds.xyz
🤖️ Web3 热点榜单来自：AI 驱动的 Web3 热点新闻自动聚合工具｜chainbuzz.xyz
1️⃣ 【英文长推】 探索 Arweave、AO 和 EigenLayer 的结合交叉点
导读：Messari 研究员 Seth Bloomberg 撰文探讨了 Arweave、AO 和 EigenLayer 之间的相似性与潜在的合作。
seth bloomberg: EigenLayer 设计的一些意义：1）AVS 应该能够随着时间的推移增加 / 减少它所支付的安全费用；2）随着时间的推移，运营商可以选择加入 / 退出运行 AVS 节点软件；3）随着时间的推移，将会创建更多的 AVS。
AO 架构有点类似智能合约平台。不过，它与其他 SCP 的不同之处在于，它不是一个全局状态机。在典型的 SCP 中，网络上的每个节点 / 验证器都必须响应并重新执行与每笔交易相关的计算。这有助于创建全局状态的概念。在 AO 中，交易不会（默认情况下）在某个全球节点网络中传播。相反，AO 有效地将验证器的正常功能分割成不同的组件（或 AO 术语中的单元）。
那么 Arweave、AO 和 EigenLayer 是如何结合在一起的呢？我认为 Arweave 节点操作员有两个潜在的考虑因素：1）需要运行 SU、CU、MU 这类节点；2）很可能开始需要为应用程序运行额外的节点软件。那么，Arweave 节点运营商可能希望运行哪些即将到来的附加服务呢？首先可能是 Arweave 网关。在此之后，最终还是要看 AO 应用程序需要什么，例如专用索引器等。【原文为英文】（ 来源 ）
2️⃣ 【英文长推】 解析 AI 与加密结合的潜力与现实挑战
导读：人工智能是近期加密市场中最热门及最有前景的叙事之一。Hack.VC 管理合伙人 Ed Roman 撰文剖析了加密货币与人工智能结合的现实用例，并对其挑战和机遇进行了分析。
Ed Roman: 加密货币与人工智能结合能够带来显著价值的用例： 1）麦肯锡估计，生成性 AI 每年可为各行业带来 2.6 至 4.4 万亿美元的价值，相当于 2021 年英国 GDP 的 1.5 倍； 2）通过 GPU DePINs 降低 GPU 使用成本。GPU DePINs 聚合未充分利用的 GPU 计算能力，用于 AI 推理。这类似于「GPU 的 Airbnb」，通过提供更低成本的 GPU 计算资源来降低 AI 推理的成本； 3）开源模型可以避免像 OpenAI 这样的公司对 AI 内容进行的自我审查，从而支持更多类型的应用。 4）大型企业担心将内部数据交给集中式的第三方。Web3 通过增强隐私技术，如可信执行环境（TEE）和完全同态加密（FHE），可以保护企业数据。 5）开源软件（OSS）模型不断创新，可以替代专有软件。通过 Web3 AI，利用这些开源模型可以带来更多的创新和经济效益。 6）Web3 AI 推理需要验证以防止验证者作弊。ZK 证明和随机抽样结合高惩罚成本的方法可以有效防止作弊，提高共识的可靠性。 7）通过可组合的 OSS 堆栈节省费用。Web3 还可以通过使用开源模型节省成本，这些模型不需要像专有软件那样获取利润。 8）通过去中心化网络获取数据可以提升 AI 模型训练的数据质量和时效性。像 Grass 这样的初创公司正在探索这种方法，通过去中心化的数据采集网络提高数据获取的效率和覆盖范围。
Web3 与 AI 结合的挑战： 1）去中心化的 AI 训练：在链上进行 AI 训练的主要问题是需要 GPU 之间高速通信，而去中心化网络增加了延迟和带宽成本； 2）去中心化的 AI 数据迭代：AI 训练需要处理大量数据，这些数据通常存储在集中且安全的系统中。去中心化环境中的数据处理和迭代非常困难，尤其是在缺乏现有最佳工具和框架的情况下。 3）AI 推理的冗余计算共识：为确保 AI 推理结果的准确性，提出了重复计算的想法，但高端 AI 芯片短缺，使得这种方法成本高昂，难以推广。 4）Web3 特定 AI 用例：目前，Web3 特定的 AI 用例市场尚在起步阶段，需求少、客户不稳定，增加了业务扩展的难度； 5）消费级 GPU DePINs：去中心化的 AI 计算网络依赖于消费级 GPU，适用于低端 AI 推理任务，但对于需要高可靠性和高端 GPU 的企业用例，数据中心更为合适。【原文为英文】（ 来源 ）
3️⃣ 【英文】回顾两年前的市场预测：我们走了多远？
导读：Farcaster 联创 Dan Romero 撰文对其两年前关于未来构建周期的文章进行了回顾，并对这些展望是否取得了实质性进展进行了概述。
Dan Romero: 1）以太坊合并成功，能源使用问题得到解决：合并已经成功完成，但仍有少数反对声音。
2）以太坊 L2 技术脱颖而出：确实有所突破，特别是 Base，以及 Optimism、Arbitrum 和 Polygon 生态系统。
3）零知识证明的实际应用：尽管有一些实验，但尚未有重大的突破。
4）新型区块链游戏：目前没有突破，但有不少开发工作正在进行中。
5）垂直整合的 DAO 移动钱包：尚未实现，但有多个项目正在探索中。
6）灵魂绑定 NFT 的标准：尚未出现，但 EAS 是最接近的尝试。
7）可信的集中式初创公司发布和维护链上和链下凭证：尚未实现，但有一些进展，例如 Gitcoin Passport 和 Coinbase 的实验。
8）去中心化的社交网络：仍需大量工作，但已有一些进展。（ 来源 ）
4️⃣ 【长推】预言机模式权衡对比：拉取模型（Pull）和传统推式模型（Push）
导读：Pyth 的拉取模型 （Pull）预言机昨天正式上线。加密研究员阿尔法新酱撰文对该新式预言机模型跟过往传统推式（Push）预言机的区别，以及目前新式预言机模型在 Solana 的前景跟应用数据进行了分析解读。
阿尔法新酱 | 0xShinChan: 推式预言机（Push Oracle）通常按预设的条件自动向区块链更新数据。它会根据外部的触发条件，如时间间隔（例如每 30 分钟）或价格变动百分比（如 1% 的价格变动），定期自动更新链上的价格，并且通过一个智能合约来存储当前的价格数据。这个合约内会记录最新的价格，以供链上的应用和服务读取。这种模型适用于需要数据持续可用性，但实时性要求不极高的场景。推式预言机的主要优势是能够确保数据的持续更新和可用性，但这种方法也可能导致效率低下和成本增加，因为每次数据更新都可能需要消耗 Gas，尤其在区块链网络拥堵时更为显著。
拉取模型 (Pull) 预言机仅在用户请求时更新区块链上的数据，这种机制避免了不必要的更新，从而提高了效率。在这种模型中，dApp 会发送一个交易来请求数据更新，然后预言机响应这个请求并进行数据更新。这样的操作模式不仅减少了资源消耗，还为需要高实时性和数据最新性的应用场景提供了更灵活的数据访问方式。Pyth 开发的这种新型价格预言机称为 Pythnet 价格信息。在这种设计中，预言机只有在被请求时才更新链上价格。
拉取模型预言机 (Pull Oracle) 对 Solana 生态带来什么好处呢？ 1）可靠性 — 网络拥堵期间用户可以确保重要交易中的价格更新被执行。 2）高频更新 — 实时拉取价格更新，支持各类 DeFi 交易。 3）价格信息选择 — 提供超过 500 个价格信息，提高 gas 效率。 4）历史数据 — 允许查询历史价格，确保交易精确性和防止前置交易。 5）安全性 — 更多数据源，确保价格输出的可靠度和安全。 6）新 SVM 环境支持 — 可扩展性强，支持新的 SVM 环境。（ 来源 ）
5️⃣ 【英文】NEAR 链抽象堆栈组件解析 ：将解锁哪些新用例？
导读：NEAR 协议通过链抽象技术提供了一个统一和无缝的跨链交互平台，旨在简化用户体验并推动 Web3 的大规模采用。文章探讨了链抽象堆栈的基础组件，以及这些抽象层可能带来的新应用。
Stanford Blockchain Club: 随着 Web3 生态系统中各种区块链、汇总和模块化组件的激增，用户和开发者的体验变得复杂且分散，导致流动性、应用程序和用户的分裂。跨链资产桥接涉及到不直观的令牌包装过程，且机制不一致，存在漏洞和安全风险。此外，各链上非原生资产的流动性有限，进一步复杂化了资产转移过程。比特币的复兴加剧了智能合约功能引入的兼容性和互操作性问题。为了实现大规模采用，一个统一的账户系统是必需的，这将使用户可以无缝地在各种链上进行互动，自动桥接或交换资产。
NEAR 协议提供了一种综合解决方案，专注于链抽象，旨在降低用户的进入门槛，减少开发者摩擦，提供无缝服务。NEAR 允许通过电子邮件创建和恢复账户，并在无需资金的情况下使用账户，还可以控制其他链上的账户。NEAR 通过其内置功能，简化了用户交互，使交易更加便捷。
此外，1）NEAR 的账户抽象内置于每个钱包中，使用人类可读的账户名系统，将外部拥有账户转换为智能合约。FastAuth 功能允许用户通过电子邮件恢复或注册账户，无需存储种子短语或密码，并通过生物特征数据保护密钥。
2）NEAR 还推出了.tg 域名，扩展了用户的访问密钥对，支持不同协议和链的导航。Telegram 的集成使用户能够在一个平台上管理多个链上的钱包，推动了大规模采用。
3）在前端抽象方面，NEAR 引入了 Web Assembly 驱动的区块链操作系统（BOS），提供了一个可组合和去中心化的前端，支持跨链和跨协议的应用构建。DapDap 作为以太坊 L2 的通用入口，简化了用户在 DeFi 平台上的导航。
4）在后端抽象方面，链签名技术通过多方计算（MPC）签名网络支持跨链交易。元交易和多链 Gas 转发器简化了用户跨链交易的复杂性，支持多种支付模型。NEAR 的账户模型和链签名技术使开发者能够在不支持智能合约的链上利用 NEAR 作为智能合约 “层”，支持各种跨链应用。数据抽象通过高效的存储和计算解决方案支持 L2 汇总。
总结而言，NEAR 的链抽象堆栈为用户提供了一个统一且无缝的区块链交互体验，推动了去中心化生态系统的发展，并为未来的用户自主 AI 应用铺平了道路。【原文为英文】（ 来源 ）
6️⃣ 【英文长推】探索代币化市场：主动供应与被动供应的区别及挑战
导读：Variant Fund 投资合伙人 Mason Nystrom 撰文探讨了代币化市场在启动和扩展活跃供应与被动供应时的策略及代币设计对于市场成功的重要性。
Mason Nystrom: 在被动市场中，供应方可以等待需求跟上（如 Filecoin）。而在活跃的市场中则不然，人类需要面对高昂的机会成本。因此，建设者必须优先考虑需求方的增长，以保持竞争力。然而，代币可以帮助引导初始需求，使供应方参与者愿意加入市场。扩大活跃市场规模的策略之一是动态调整供应方激励措施，使代币分配与增长密切相关。从激励机制设计的角度来看，这类代币化市场应专注于提供持续的奖励，以保持用户在平台上的活跃度。此外，它们还应动态调整这些奖励，以激励提供稳定供应的用户，而不是流失的用户。不过，虽然代币奖励对引导供需很有价值，但在服务、验证和信誉层可能还需要一些创新，以提高供应质量，这也是活跃供应市场的一个重要特征。
对于被动供应市场的构建者来说，代币设计也有重要意义。被动供应的市场通常需要达到一定的供应门槛，市场才具有商业可行性（即产生强劲的需求），因此建设者最初应将重点放在供应方的增长上。此外，这种供应通常是以数量而非质量来衡量的。例如，像 DIMO、Hivemapper 和 Wynd 这样的数据收集网络需要大量的数据，然后在其基础上建立的聚合数据或服务才会变得有价值。由于所有被动供应市场都更容易扩大规模，因此新进入者不会仅仅通过收集足够的流动性来确保需求。相反，它通常需要通过提供协调或构建 SaaS 组件（如 SDK 和应用程序接口）来参与产品竞争，从而帮助需求方获得市场供应。另一种让被动供应市场更有保障的方法是从商品化供应过渡到专有供应。像 Helium 和 XNET 这样的无线市场正在利用专有供应来构建自己的电信基础设施。【原文为英文】（ 来源 ）
7️⃣ Artela 白皮书解读：独特的并行执行堆栈 + 弹性区块空间
导读：Artela 发布了白皮书，详细介绍了其如何通过开发并行执行堆栈和引入基于弹性计算的弹性区块空间来增强区块链可扩展性。ChainFeeds 研究员 Natlaie 撰文对该白皮书进行了解读。
0xNatalie: Artela 的并行执行架构详解： 1）预测性乐观执行（Predictive Optimistic Execution）：乐观执行指的是一种并行执行策略，假设初始状态下事务之间没有冲突。在这种机制中，每个事务都保持一个私有的状态版本，记录修改但不立即最终确定。事务执行完毕后，进行一次验证阶段，检查是否存在与同时期其他并行事务所引起的全局状态变化的冲突。一旦检测到冲突，就会重新执行事务。预测性是指通过特定的 AI 模型分析历史交易数据，来预测即将执行的交易之间的依赖关系，即哪些交易可能会访问相同的数据，并据此将交易分组安排它们的执行顺序，从而减少执行冲突和重复执行。
2）异步预加载技术（Async Preloading）：该技术致力于解决由于状态访问导致的输入输出（I/O）瓶颈，目的是提高数据访问速度，减少事务执行时的等待时间。Artela 在交易执行前，根据预测模型预先将所需的状态数据从慢速存储（如硬盘）加载到快速存储（如内存）中。通过提前加载必要的数据，减少执行时的 I/O 等待时间。当数据预先被加载和缓存，多个处理器或执行线程可以同时访问这些数据，进一步提高执行的并行度。
3）并行存储（Parallel Storage）：该系统主要针对两大问题进行设计：一是实现存储的并行化处理，二是提高数据状态的高效记录到数据库的能力。在数据存储过程中，常见的问题包括数据写入时的膨胀和数据库处理的压力增大。为了有效应对这些问题，Artela 采纳了状态承诺（State Commitment，SC）与状态存储（State Storage，SS）的分离策略。这种策略将存储任务分为两部分：一部分负责快速处理的操作，不保留复杂的数据结构，以此节省空间并减少数据重复；另一部分则负责记录所有详尽的数据信息。此外，为了在处理大量数据时不影响性能，Artela 采用了将小块数据合并成大块的方法，减少了数据保存时的复杂性。
4）弹性区块空间（EBS）：基于弹性计算概念设计而成，能够根据网络拥堵程度自动调整区块容纳的交易数量。EBS 根据 dApp 的具体需求来动态调整区块资源，为需求高的 dApp 提供独立的扩容区块空间， 旨在解决不同应用对区块链性能需求显著差异的问题。EBS 的核心优势在于「可预测性能」，即能够为 dApp 提供可预测的 TPS。因此，不论公共区块空间是否拥挤，拥有独立区块空间的 dApp 都会获得稳定的 TPS。此外，如果 dApp 编写的合约支持并行，那么可以进一步获得更高的 TPS。可以说，EBS 提供了一个相对于以太坊、Solana 等传统区块链平台更为稳定的环境。这些传统平台在网络拥挤时，如铭文热潮期间或 DeFi 活动高峰期间，常常导致 dApp 性能下降，Artela 通过定制化和优化的资源管理有效解决了这类问题。（ 来源 ）
8️⃣ 【英文长推】 数据角度分析加密货币和人工智能的结合：有哪些潜力用例？
导读：Variant 数据分析师 J.Hackworth 分析了结合人工智能与加密货币的潜力，指出人工智能在链上活动的增加预示着未来可能由 AI 主导的链上交易、激励 AI 发展的新策略、对新数据进行补偿的机制，及链上推理的应用。
J.Hackworth: 1）人工智能代理将完成大部分链上交易。这一趋势在 Autonolas 预测市场的代理中显而易见。自今年年初以来，代理交易的数量增长了 2 倍，在过去一个月中完成了超过 3.8 万次每周交易和约 63% 的 Gnosis Safe 交易。未来，代理将实现更高的效率和任务协调，其产出很可能超过人类的链上活动。
2）DeAI 项目正在利用加密货币启动新市场的能力来吸引人才和研究资金。例如，Morpheus 已有约 6000 个地址存入 9.3 万枚 stETH，以提高流动性并激励人工智能的发展。
3）代币激励措施正被用于资助新的应用 / 项目，通过竞争创建优秀模型，并通过 RLHF 提高模型质量。除了人力资源和技能，它们还能吸引计算资源和数据等有价值的资产。
4）人工智能的价值取决于其训练数据。加密货币可以通过代币激励加强数据收集。例如，Hivemapper 利用其 用户网络在驾驶过程中收集地图数据。自 2024 年初以来，由于数据需求，Hivemapper 已经烧掉了价值约 17.4 万美元的代币。
5） 其他例子包括奖励个人数据的 rDAO。Reddit 以 2 亿多美元的价格授权使用用户数据，用户很可能得不到任何补偿，而 rDAO 则为提供数据的用户提供补偿。到目前为止，已有超过 15.4 万名用户向 rDAO 提供了自己的数据，用于人工智能训练。【原文为英文】（ 来源 ）
9️⃣ 【英文】 DBA 联创：我们都在建造类似的技术和产品
导读：DBA 联创 Jon Charbonneau 撰文对市场上大家都在构建的叙事进行了分析解读，并在文章最后解释了为什么大家都会构建类似的叙事。
Jon Charbonneau: TL,DR： 1）异步执行：为什么高性能集成区块链（如 Solana 和 Monad）将执行与排序共识（排序）分离。 2）Lazy sequencing：它们将如何反映 Lazy sequencing（如 Astria）的设计。 3）预确认 - 以太坊 L1 上的预确认和 Based Rollup 的预确认。 4）Based vs. non-based：比较 Based Rollup + preconfs 和 non-based Rollups + base layer fallback 5）通用同步可组合性 - 通过原子包含（来自共享定序器）+ 加密安全性（例如，AggLayer 和 / 或实时证明）。 6）Fast based Rollups：Based Rollup 应仅有一个快速的基础层 7）时序博弈：时间就是金钱，这也是 Solana 与以太坊之间不同结局的基础。 8）抵制审查的去中心化：通过执行拍卖实现的验证者与提案者分离可能保持去中心化的验证者，这些验证者能够使用包含列表来执行抗审查。
我们都在构想相同的事务。但显然这些东西并不都是字面上完全相同。这些系统之间总会存在实际差异。不过，加密货币的总体趋势很明显，我们都在向越来越相似的架构靠拢。它们之间细微的技术差异实际上会对它们的最终结果产生重大影响，我们不能低估这些系统的路径依赖性在它们向相似的终局靠拢时所发挥的巨大作用。我对 APS 有一点要提醒的是，我认为从纯粹的技术角度来看，它其实很简单，我们完全有能力把它做出来，而且技术出错的几率很小。但从经济角度来看，出错的机会要多得多。【原文为英文】（ 来源 ）
