投研早报丨EthCC 活动回顾：AVS 和 ZK 协处理器主题讨论 / IOSG 周报：我们做了一个 Web3 专属的 AI Mapping / 爆火的 TON 生态，为什么大多数 VC 目前只看不投？
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 ｜2024.7.10
🔥 Blast 将为所有 BLAST 持有者提供 2 倍积分
🔥 Arkham CEO：计划两周内支持 TON，8 月底前支持 Solana，今年将推出付费功能
🔥 Optimism 开启 SuperFest 活动，将分配 150 万 OP 奖励
🔥 Story Protocol 推出 IP 区块链 Story Network
🔥 Galxe：GAL 迁移至 G 代币已启动，以 1：60 的比例进行迁移
🔥 Term Finance 完成 550 万美元战略融资，Electric Capital 领投
🔥 Vitalik 呼吁行业推出 ERC-3770 和 ERC-7683
👨💻 ChainFeeds 投研简报 ｜2024.7.9
1️⃣ 研究｜EthCC 活动回顾：AVS 和 ZK 协处理器主题讨论
2️⃣ 访谈｜对话 ScaleBit：Web3 安全审计那些趣事
3️⃣ 研究｜了解 DeFi 中智能合约可升级性的利弊
4️⃣ NFT｜NFT 版税的运作方式：设计、挑战和新思路
5️⃣ 观点｜爆火的 TON 生态，为什么大多数 VC 目前只看不投？
6️⃣ 观点｜IOSG 创始人：东方加密社区不能永远是 Meme，东方社区需要一场燎原之火
7️⃣ 研究｜Radius 联创：在 Rollup 中实施 PBS 为去中心化 Rollup 创造了经济激励
8️⃣ AI｜IOSG 周报：我们做了一个 Web3 专属的 AI Mapping
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】EthCC 活动回顾：AVS 和 ZK 协处理器主题讨论
导读：在 RISC Zero 主办的 Boundless 活动中，Fenbushi Capital 研究员主持了以 AVS 和 ZK 协处理器为主题的小组讨论，The Rollup 联合创始人 Andy 对活动要点进行回顾总结。
Andy: 无论空间走向如何，AVS 都会继续存在，将会出现大量用例。更便宜的 ZK 处理不会改变这一点。加密经济安全已经到来，但它在确定性计算中的应用还不太明确。经济安全性的使用将从用于加密货币的所有内容转向特定用例（更多安全性将转移到 ZK）。例如，用于有效性的经济安全性是合理的，但对于系统的货币政策而言，则存在不利因素。
来自 Brevis 的 Mo 回到了他的乐观验证的 ZK 模型，作为 Ismael 上述两种想法之间的中间立场。看到这两个人都在台上（有点像竞争对手，不是吗？）却采用不同的方法很有趣。Mo 表示，在这个经过乐观验证的 ZK 领域，有很多用例，尤其是人工智能。随后，他们讨论了以 AI 推理为例如何有过多数据供 ZK 计算。
ZK 协处理器的最佳用例是回答以下问题：我们如何根据用户过去的经验定制链上体验？例如 DeFi 中的折扣、GambbleFi 中的返利、给 LP 的交换返利。据我所知，可能有忠诚度计划和社区计划等。这就是为什么我对 ZK 协处理器感到兴奋，它将智能合约的功能提到了更高的水平，更接近于 Web2。
围绕访问历史用户行为的能力的更多用例包括空投和代币分发。新团队可以通过新的方式来分发代币，更好地在链上访问社区，并更多地关注留存。我认为，这是从零到一的重大突破。在我们咨询和交谈过的许多团队中，我们始终把长期留存真实用户放在首位。【原文为英文】（ 来源 ）
2️⃣ 对话 ScaleBit：Web3 安全审计那些趣事
导读：极客 Web3 邀请到了 Web3 安全审计公司 ScaleBit 联创 Luis，解答关于代码审计与 Web3 安全的诸多问题。期间双方从商业和技术等角度，围绕代码审计和 Web3 安全乃至于 ZK、AI、比特币生态等展开了讨论。
极客web3: ZK 相关审计分很多方面，其中主要分为电路审计，源语审计和通用计算审计，先说电路审计。电路审计的一大难点在于，电路代码相较于传统编程语言可读性很差；而且电路语言相关生态很碎片化，目前可能有十几种写电路的语言和框架，没有统一标准。显然，对于任何一个安全机构来说，同时精通所有电路语言基本是不可能的。因此，我们有选择的切入了 ZK 领域。目前我们在 ZK 赛道主要做了两件事，一是和 Scroll、EthStorage 以及安比实验室的郭宇老师共同举办了 ZK 安全夺旗赛（zkCTF）。另一件事是，我们做了一个漏洞检测工具 ——zkScanner，主要是用一些形式化和静态分析的方法去扫描 ZK 电路上的漏洞。
本质来看，电路其实是比智能合约语言更偏数学的表达形式，其最终需要被转换为 R1CS，可以理解为一种纯粹的多项式表达。因此，一些在常规程序中可能出现的问题，在电路中反而比较少见。因为电路实际上「不会错」，每个电路都需要用正确的 input 和 output 去生成对应的 proof，如果有错误就无法通过编译。这保证了电路计算的结果一定是「正确」的，但仅仅「正确」对电路而言并不足够，它需要在所有情况下都「正确」，这就引出了 Constrain 问题。如果 Over Constraint，就会存在一部分符合要求的输入无法通过电路；如果是 Under Constraint，会把不符合要求的变得符合要求，都是很致命的问题。
从审计角度来讲，我们内部也在训练一些特定的 LLM，用一些开源的大语言模型做训练，但目前只是辅助性的，虽然能提升工作效率，但不能完全靠 AI 做审计，可能提升 20% 左右的效率，距离大规模缩减审计人员数量还远得很。现在 LLM 还有两个很明显的短板，漏报和误报。我们可以用 LLM 做一些漏洞挖掘，但要注意误报率，如果它误报率很高，很浪费时间，反而会带来包袱。但我们会持续关注 AI 的进展，比如能否在工具层面上实现高效率的漏洞挖掘。（ 来源 ）
3️⃣ 了解 DeFi 中智能合约可升级性的利弊
导读：智能合约代理可升级性允许开发者更新已部署智能合约的逻辑，同时保留合约的状态和地址。这提供了修复错误或添加功能的灵活性，但也带来了潜在的风险。Cryptoslate 高级编辑 Liam 'Akiba' Wright 撰文分析 DeFi 中智能合约可升级性的利弊。
Liam 'Akiba' Wright: 代理可升级性通过引入双合约系统解决了这一限制。代理合约存储状态并持有用户资金，而单独的逻辑合约包含实际功能。代理将函数调用委托给逻辑合约，逻辑合约可以用升级版本替换，而无需更改代理的地址或干扰存储的数据。这种方法具有显著的优势。开发人员可以修补漏洞，实现新功能并优化性能，而不会中断用户交互或需要资金迁移。
修改智能合约逻辑的能力引入了新的潜在利用途径。中心化风险成为主要关注点，升级能力通常由一小群管理员或治理参与者控制。如果不与透明的 DAO 实践相结合，这种权力集中可能会与许多区块链项目的去中心化精神形成鲜明对比；恶意升级是另一种潜在威胁。如果受到攻击或恶意行事，管理员理论上可以改变合约逻辑来窃取用户资金或操纵协议操作；升级过程本身的技术漏洞带来了额外的危险。升级过程中的错误可能导致资金损失、数据损坏或使合约无法运行。
对于浏览 DeFi 领域的用户来说，识别和评估可升级合约变得至关重要。检查合约代码中的代理模式（例如 OpenZeppelin 的代理模式）可以揭示可升级性功能。协议文档通常会披露升级功能，但用户应该知道这些信息可能并不总是突出显示。评估可升级合约的安全性需要仔细考虑治理结构和升级流程。升级的时间锁延迟允许用户对提议更改做出反应。管理功能的多重签名控制可以分配权力并减少单点故障。协议团队的声誉和过往记录为评估可信度提供了额外背景。（ 来源 ）
4️⃣ NFT 版税的运作方式：设计、挑战和新思路
导读：这篇文章讨论了现有 NFT 版税设计的优缺点，以及它们在执行版税和实现可组合性之间的平衡。然后介绍了两种新的 NFT 版税方法，这两种方法利用激励机制推动市场参与者尊重版税。
a16z: 白名单和黑名单都在严格的版税执行和开放的可组合性之间引入了权衡。黑名单模型默认启用开放的可组合性，但更容易绕过版税。使用白名单更容易执行版税，但会大大限制 NFT 可以互动的应用程序。这种权衡不仅仅是黑名单与白名单之间的对比：任何限制 NFT 可以互动的应用程序和操作的方法都会限制 NFT 的可组合性和功能性。改进的技术方法可能会减少这种权衡的程度。但根本问题仍然存在。
我们在此探索的策略通过激励设计的视角略微重新定义了问题和现有的版税机制：我们的目标是引入激励措施，推动 NFT 市场和 / 或消费者主动选择尊重版税。这提供了在原则上允许更多可组合性的可能性。
方法 1：将白名单与质押机制结合的机制。我们可以通过质押机制扩展现有的白名单模型，使市场和其他应用程序能够无许可地获取白名单成员资格。
方法 2：允许「回收权」的机制。回收权是一种新的方法，它通过激励措施鼓励每次 NFT 销售时支付版税，从而超越了执行与可组合性之间的权衡（以及黑名单 / 白名单）。该策略的核心是对链上「拥有」NFT 的定义进行了改进。（ 来源 ）
5️⃣ 爆火的 TON 生态，为什么大多数 VC 目前只看不投？
导读：尽管几乎所有 VC 都在关注 TON 生态，但据 RootData 显示，近半年 TON 生态融资笔数还是个位数。在拥有现成流量的 TON 生态上，玩法也发生了变化。加密 VC 们如果完全按照代币投资的惯性去看 TON 生态，可能不再奏效。
链捕手: Donald 很理解为什么接触的大部分 VC，看归看但下不去手。相比于一年前，TON 生态基础建设和项目的快速增长很明显，但能投的标的依然不多。Ton.app 显示，TON 生态目前已经有 910 个项目，60% 的项目是近 8 个月出现的。Donald mapping 了 300-400 个生态项目，「90% 都是游戏」。大部分小游戏团队不太依赖 VC 的财务融资。Donald 接触了多个游戏小团队发现，「他们有很强的变现能力」。单纯的小游戏对 VC 来说也不值得投，不少 VC 更关注 TON 生态能否跑出更多 4399 小游戏商城、微信小游戏的模式。
整个游戏很卷的情况下，CGV 基金合伙人 Shigeru 选择将更多重心放在 TON 生态基础设施上。他最近看了 20 多个项目，一些标的由于这轮 TON 生态爆火，「估值也被炒的不低，不好下手」。虽然市场都对 TON 给予大规模的厚望，但在 Donald 看来，如果没有更多创造拐点的项目跑出来，TON 生态和其它昙花一现的叙事相差无几，「最多是不同口味的空气」。此外，VC 自身的流动性问题可能也钳制着 TON 生态的投资。Donald 表示，整个亚太地区的 VC 近期都出手少了。因为这轮 ETF 牛市下，整个山寨季没有起来，「机构更着急怎么将手上的筹码卖出去」。
去年年中，Scarlett 投资了 Catizen 发行商 Pluto。Scarlett 认为，Tap to Earn 小游戏一定会被淘汰，但他看中 Catizen 通过小游戏拿到巨大流量后的成长空间。PAKA 是少数在 TON 生态出手激进的 VC， 已投资 10 多个 TON 生态项目，覆盖 Infra、游戏、红包应用、DeFi、DePIN 等多个细分领域。Owen 想尽快将 TON 生态各个不同细分方向都投一遍。在他看来，「先把流量搞到手，比什么都重要」。相比 PAKA 广撒网模式的生态卡位，Bing Ventures 计划重点培养。Bruce Lan 不想用等的方式去捕获一个杀手级应用，他计划主动去找市场上的头部项目或平台，联合几个头部 VC 孵化一些项目，做 TON 生态上一些空白赛道。（ 来源 ）
6️⃣ 【长推】IOSG 创始人：东方加密社区不能永远是 Meme，东方社区需要一场燎原之火
导读：IOSG 创始人 Jocy 发文呼吁加密社区除交易外，应专注于 Infra 和协议的建设，营造更好的社区氛围。在他看来，Crypto 不是只有 Meme，还有很多基础设施和应用的机会等待被挖掘和探索，这些才是真正的行业 Alpha。
Jocy: 我不反对在这个市场上推崇 Meme 至上的交易者，我个人从 2013 年开始从社区得到 Dogecoin，并且过去一直很喜欢这个社区，但我不希望 Meme 交易者成为中文社区最主流的一派。自 ETF 通过后，我明显感到美国和欧洲的创业者迅猛涌现，他们得到了美国基金充沛的资本支持。与此同时，有些美国大牌基金在内部称不投中国的 Web3 创业者。加密时代东西方似乎从技术到社区都开始出现巨大的不同和分歧，西方技术不断涌现之际，东方加密社区却陷入 Meme 炒作的热潮，这显然不是一个健康的发展趋势。
Meme 炒作有一定的彩票效应，后来者中奖概率会一直往下降。同时，如鸦片般的 Meme 会让早期受益人形成路径依赖，更多人为 Meme 在社区中代言（类似买办），社区容易不断强化这样的赚钱路径，但是这并不能让我们的技术协议和社区更加独特和强大。早期参与者或许能从中获利，但这种短视行为，这场赌博游戏，以及暴富的传说，终将让这场泡沫破灭，成为东方加密市场的灾难，重演上一个牛市周期 NFT 的故事。大多数一线的东方创业者，我始终相信他们会坚持在一线创业，在 Infra 或应用的乐高中找到属于自己的那块积木，和西方主流协议齐头并进甚至独领风骚。
或许加密市场不应该分东西方，这是一个去中心化运行的世界。东方创业者是最有韧性并且强大的群体，我们也看到很多翘楚，但他们仍需社区给予更多支持和正反馈，东方社区理应更加团结和强大，花时间讨论如何师夷长技以制夷，正视如何扶持更加强大的东方神秘社区力量，当社区和创业者凝聚共识，也会让协议带来更多正反馈。你不可能想象三五年后，这个行业的主流仍然是 Meme。当我们在加密时代的浪潮，每个人都不可避免的成为弄潮儿。在时代的注脚下每个人很渺小，但不要忽视所有人都在喊应该投资 Meme 给中文社区带来的负面能量。（ 来源 ）
7️⃣ 【英文长推】Radius 联创：在 Rollup 中实施 PBS 为去中心化 Rollup 创造了经济激励
导读：最近，有人指出 Rollup 缺乏去中心化激励。传统基于共识的去中心化成本和机会成本高昂，且无法保证更多用户涌入，引发了有关建立社会激励机制的争论。Radius 联合创始人 Tariz 提出在 Rollup 中采用 PBS 来最大化区块空间，以创造 Rollup 去中心化经济激励。
Tariz: 通过在 Rollup 中采用 PBS 来最大化区块空间可以作为 Rollup 去中心化的经济激励。如果去中心化 Rollup 通过采用 PBS 结构可以比在 FCFS 基础上处理交易产生更多收入，它们会愿意将区块序列权委托给构建者，类似于以太坊提议者目前将区块构建权委托给构建者以换取经济激励的方式，即出价。
不过，需要注意，Rollup 是一种「扩展解决方案」，以与以太坊相同的方式去中心化可能会影响其可扩展性。在没有充分去中心化的情况下实施 PBS 可能会导致上述「用户攻击」。因此，有必要找到一种去中心化方法，既能实施 PBS，又不影响 Rollup 的可扩展性。要求是：去中心化不应降低 Rollup 的可扩展性，PBS 的实施必须确保用户资金不会受到攻击。解决方案如下：
Rollup 引入异步执行，将顺序和执行分离。
划分 Rollup 区块空间有两个目的：
ToB：通过构建者创收的空间，纳入 PBS 结构。
BoB：处理用户交易的空间，包含去中心化排序。
ToB 和 BoB 的排序分别由构建者和排序者并行管理。
在对 BoB 进行排序时，用户交易被临时加密（延迟加密），排序者和构建者都无法看到，从而保护用户资金免受抢先交易和三明治攻击。
确定的排序和区块必须与其他节点通信，以确保有效性和安全性：
有效性：备用追随者和领导者选举机制，以防领导者排序器失效。
安全性：保证排序器按承诺顺序对区块进行排序。
Radius 与 EigenLayer AVS 一起启动了一个测试网络，提供 BoB 排序所需的异步执行和基于延迟加密的去中心化排序，可供所有 Rollup 使用。需要去中心化排序的 Rollup 可将 Radius AVS 集成到其系统中，并保留自己对区块排序的权利。此外，Radius 创建了一个支持 ToB 的 Blockspace 网络，帮助 Rollup 在 ToB 中采用 PBS 结构创收。Blockspace 网络通过拍卖确定最有利可图的捆绑包，并将其纳入 ToB。【原文为英文】（ 来源 ）
8️⃣ IOSG 周报：我们做了一个 Web3 专属的 AI Mapping
导读：AI x Web3 融合带来了充满创新和潜力的前景。通过利用每种技术的独特优势，可以解决各种挑战，并开辟新的技术路径。本文旨在探索新兴的 AI x Web3 产业图谱，重点介绍这些技术交叉点上一些新兴的垂直领域。
IOSG Ventures: 1. 计算网络：试图解决受限的 GPU 供应问题，并尝试以不同方式降低计算成本。值得重点关注的是以下几项： - 非统一 GPU 互操作性：本质上，这个想法是构建编译器和其他前提条件，使供应端可以插入任何硬件资源，而需求端所有硬件的非统一性将完全被抽象化，因而计算请求可以路由到网络中的任何资源。 - 高性能 GPU 聚合：将全球最受欢迎的 GPU 整合到一个分布式且无权限的网络中，而无需担心非统一 GPU 资源之间的互操作性问题。 - 商品消费级 GPU 聚合：聚合一些性能较低但可能在消费设备中可用的 GPU，这些 GPU 是供应端最未充分利用的资源。它迎合了那些愿意牺牲性能和速度以获得更便宜、更长训练过程的人群。
训练与推理：在 Web 3.0 领域，Bittensor 等项目利用计算资源进行模型微调。在推理方面，Web 3.0 项目强调过程的可验证性，催生了可验证推理的市场垂直领域。
智能代理平台：需要解决的核心问题：代理互操作性和发现及通信能力，代理集群构建和管理能力，AI 代理的所有权和市场。这些特性强调了灵活和模块化系统的重要性，这些系统可以无缝集成到各种区块链和人工智能应用中。我们设想 AI 代理在以下几方面依赖基础设施：
利用分布式抓取网络访问实时网络数据
使用 DeFi 渠道进行代理间支付
需要经济押金不仅是为了在不当行为发生时进行惩罚，还可以提高代理的可发现性
利用共识决定哪些事件应导致削减
开放的互操作性标准和代理框架以支持构建可组合集体
根据不可变的数据历史评估过去表现，并实时选择合适的代理集体
数据层：主要包括以下两个高层次方向：
访问公共互联网数据：旨在构建分布式爬虫网络，可以在几天内爬取整个互联网，获取海量数据集，或实时访问非常具体的互联网数据；
访问被保护的数据：利用一些密码学工具使 AI 开发者在保持敏感信息私密的同时，利用专有数据集的基础数据结构来构建和微调大型语言模型。联邦学习、差分隐私、可信执行环境、全同态和多方计算等技术提供了不同级别的隐私保护和权衡。
数据与模型来源：旨在建立可以向用户保证他们正在与预期模型和数据交互的过程。此外，提供真实性和来源的保证。（ 来源 ）
