投研早报丨解读 RWA 赛道近期的变化/速览 2025 稳定币现状报告：稳定币如何重塑金融格局/观点：AI 需要去中心化和可验证性
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 ｜2025.3.20
🔥特朗普媒体与科技集团高管成立新 SPAC，寻求 1.79 亿美元融资
🔥Coinbase 国际站新增 ADA 和 cbETH 为永续期货交易抵押品
🔥Uniswap 社区通过两项提案，将向基金会拨款 1.655 亿美元以激励生态发展
🔥Volatility Shares 将于 3 月 20 日推出 Solana 期货 ETF
🔥特朗普将出席 Digital Asset Summit 峰会并发表视频致辞
👨💻 ChainFeeds 投研简报 ｜2024.3.19
1️⃣ 赛道解读｜解读 RWA 赛道近期的变化
2️⃣ 研究｜从区块链基础设施到 AI 基础设施：加密行业演进的关键转折
3️⃣ 稳定币｜速览 2025 稳定币现状报告：稳定币如何重塑金融格局
4️⃣ 研究｜观点：AI 需要去中心化和可验证性
5️⃣ VC｜Dragonfly 合伙人：我是如何错过投资 Solana 种子轮机会的？
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 【长推】解读 RWA 赛道近期的变化
导读：RWA 是否真的有应用场景？哪些 RWA 资产适合上链，哪些不适合？过去的解决方案是什么，现在解决方案又有哪些？RWA 这几个月的风向，你是否有所感知？
Lao Bai：RWA 资产是否真的有应用场景？从渠道角度来看，圈内大多数散户并没有美股交易账号，而链上美股交易至少能够提供一个无门槛的购买渠道，使他们能够直接接触到全球优质资产。另一方面，USDT、USDC 等稳定币的总市值不断增长，这实际上是美元霸权在传统金融之外的一种扩散方式。如果未来链上能够直接交易美股，Meme 币交易赚取的美元稳定币可以无缝兑换为特斯拉（Tesla）等股票资产，这种交易摩擦的降低并不是 10% 或 20% 的提升，而是 10 倍、甚至 100 倍级别的用户体验升级。
那么，哪些 RWA 资产最适合上链？对于 To C 端用户来说，美股无疑是最具吸引力的选择。To C 端的核心需求是让那些此前没有购买渠道的用户能够通过链上获得新的投资机会，这是一个从 0 到 1 的过程。而对于 To B 端而言，链上化的资产种类要丰富得多，但其主要作用并非创造新的投资机会，而是降低交易摩擦，实现从 1 到 100 的优化。比如，一级市场的私募股权原本就在机构和高净值投资者之间流通，而放到 Centrifuge 这样的链上 RWA 平台后，可以让过桥贷款抵押更高效地被银行接受，减少审批流程中的繁琐环节。类似 PayFi 之于 Swift，RWA 资产上链可以大幅提升金融产品的流动性和结算效率。此外，还有一些介于 To C 和 To B 之间的中间形态资产，例如 Story Protocol 这样的 IP 上链模式、某本小说的版税、某部电影的票房收益，甚至是某款游戏的销售收入等，这些都属于正在探索中的新兴 RWA 资产类别，未来可能形成独立的市场。
过去的 RWA 解决方案是什么？当前又有哪些新的尝试？以美股上链为例，过去主要依赖于合成资产模式，典型代表包括 SNX、Terra 的 Mirror 以及 GNS。这些平台最初尝试通过链上合成资产的方式提供美股交易，但最终被市场证伪，纷纷下架相关产品，主要有两个原因：一是市场对用稳定币或原生代币（如 SNX）合成的“假资产”兴趣不大，缺乏真实资产支撑的金融产品难以长期获得用户信任；二是监管压力，当年 SEC 经常对相关平台查水表，即便合成资产本质上并不涉及传统证券交易，监管机构仍然可以施加合规风险。随着特朗普上台、SEC 主席更换，目前美股上链的监管环境比过去宽松了许多，新的尝试主要分为两种路径：第一种是传统的合规 Broker-Dealer 路线，即用户在链上购买代币化股票的同时，触发链下合规 Broker 在美股市场执行对应操作，本质上与 Robinhood 通过 Citadel 代理下单的方式类似；第二种是 Ondo Global Markets 的模式，他们最初计划走 Broker-Dealer 路线，但后来调整为类似稳定币的模式，即由特定授权的发行方直接在链上发行代币化股票，类似于 Tether 发行 USDT 或 Circle 发行 USDC。这种模式的优势在于更加去中心化，同时降低了传统证券交易的复杂性，为 RWA 资产的大规模应用提供了新的可能性。（来源 ）
2️⃣ 【英文长推】从区块链基础设施到 AI 基础设施：加密行业演进的关键转折
导读：历史上，区块链最初作为一项革命性的基础设施技术出现，而 AI 只是作为一种辅助工具。然而，最近的发展表明，这种关系正在发生逆转 ——AI 正迅速成为技术创新的核心支柱，而区块链则越来越多地被定位为辅助技术。
YQ：近年来，人工智能的快速发展，尤其是大语言模型（LLMs）和生成式 AI（如 GPT-4、Claude、Midjourney），彻底改变了技术生态。AI 正以前所未有的速度渗透到各个行业，成为新的基础技术，而区块链的关注度和资本投入相对减少。与区块链相比，AI 技术的普及速度更快、用户门槛更低，并且能够立即带来可见的价值。例如，一个普通用户可以轻松使用 ChatGPT 生成内容，而区块链的应用（如 DeFi 或链上交易）通常需要学习钱包操作、支付 Gas 费、理解智能合约等复杂流程。此外，AI 领域的投资回报率更高，吸引了大量人才和资本流入，使区块链行业的竞争环境更加严峻。这一趋势导致了区块链资源的重新分配：越来越多的工程师被 AI 领域更高的薪资和影响力吸引。区块链融资下降，AI 初创企业获得更高估值。学术界和工业界的研究重心逐渐向 AI 发展。GPU 计算能力正被 AI 训练和推理所占据，挤压区块链算力需求
尽管 AI 发展迅猛，但区块链依然具备 AI 无法取代的独特价值：去信任化、可验证性、抗审查性和可编程价值传输。这些特性决定了纯加密应用仍然具有长远发展空间，尤其是在 DeFi、非托管支付系统、去中心化治理、可验证的身份与凭证系统及去中心化数据市场。然而，区块链项目需要接受现实，拥抱 AI 作为工具来优化体验，而不是试图与 AI 竞争。例如，AI 可以在以下方面提升区块链应用，包括用户交互优化、风险管理、链上数据模式识别、性能优化及智能内容推荐。
在此基础上，区块链行业可以采取以下策略推动发展：1）基础设施整合：减少 L1/L2 竞争，优化现有区块链性能；2）应用层融资模式创新：设立专项资金支持有实际落地的 DApp；3）人才培养：整合 AI 和区块链知识，吸引跨领域开发者；4）用户体验升级：简化交互界面，AI 辅助提升可用性。Web3 生态系统正处于关键转折点。Vitalik 曾提到：「加密行业需要从基础设施叙事转向应用叙事。」未来，成功的区块链项目将是那些深刻理解 AI 时代需求，并利用自身独特价值进行创新的项目。AI 不会取代区块链，而是作为推动区块链应用发展的关键催化剂。【原文为英文】（ 来源 ）
3️⃣ 【英文长推】速览 2025 稳定币现状报告：稳定币如何重塑金融格局
导读：Dune 和 Artemis 联合撰写了「2025 年稳定币现状」报告，深入分析了稳定币市场趋势、资产动态及更多行业见解。
Dune：截至 2025 年 2 月，稳定币供应量已达到 2140 亿美元，年转账总量高达 35 万亿美元，是 Visa 年交易额的两倍。活跃地址数量激增 53%，达到了 3000 万。机构采用加速推进，前所未有地连接了传统金融（TradFi）与加密生态。受 MiCA、DIFC 等法规清晰化的推动，加上 Stripe 等战略合作伙伴支持，USDC 市值翻倍至 560 亿美元，并迅速全球扩张。USDT 增长至 1460 亿美元，但市场份额和机构使用率有所下降，转而更加专注于 P2P 汇款 业务。
Ethena 的 USDe 从 1.46 亿美元 飙升至 62 亿美元，成为第三大稳定币，其增长动力主要来自创新收益策略和 Delta 中性对冲机制。MakerDAO 进行了品牌重塑并推出 USDS（截至 2025 年 2 月供应量 26 亿美元），引入合规友好特性，提升了市场竞争力。以太坊仍然占据 55% 的稳定币供应量，但 Base 和 Solana 在转账量方面激增，主要受到 DeFi 和 Meme 交易 的驱动。Trondao 依然在全球 P2P 非正式跨境支付 领域扮演关键角色，尤其是在汇款方面。
大部分稳定币流动性仍集中在 中心化交易所（CEX），但 DeFi（DEX、借贷、收益挖矿） 贡献了绝大部分的转账交易量，体现出资本的高效利用和创新驱动。【原文为英文】（ 来源 ）
4️⃣ 【英文长推】观点：AI 需要去中心化和可验证性
导读：在探讨去中心化 AI 时，我们首先要问自己，为什么 AI 需要去中心化？它的去中心化将带来哪些后果？几乎所有去中心化的设想最终都会不可避免地指向一个核心问题 —— 激励机制的合理性。
Pavel Paramonov：当前大规模 AI 模型的计算资源需求极高，这自然限制了许多潜在用户的参与。AI 模型不仅需要大量的数据资源，同时还需要庞大的算力支持，而这些资源的获取成本远超普通个体的承受能力。尤其是在开源 AI 领域，开发者除了投入时间训练模型外，还需要投入昂贵的计算资源，这导致开源 AI 发展受限。尽管某些个人可以配置算力来运行 AI 模型，就像个人可以运行自己的区块链节点一样，但这并不能从根本上解决问题，因为算力仍然远远不足以完成实际任务。
激励机制的合理性是指通过建立规则，使得参与者在追求自身利益的同时，也能推动整个系统的发展。加密货币的多个领域已经成功解决了激励机制的问题，其中最典型的例子就是 DePIN（去中心化物理基础设施网络） 领域。Helium（去中心化无线网络）和 Render Network（去中心化 GPU 计算网络）就是通过分布式节点和 GPU 资源贡献，实现了激励机制的合理化。为什么不能把 DePIN 的模式应用到 AI 领域，以构建更加开放和可访问的 AI 生态？答案是：完全可以。Web3 和加密货币的核心驱动力是「所有权」：你拥有自己的数据；你拥有你的激励；即使你只是持有代币，也仍然拥有整个网络的一部分。这种 「所有权赋权」 是激励资源提供者贡献资产的根本动力——他们希望从网络的成功中获益。
如果我们希望构建一个去中心化 AI 系统，并确保其中的激励机制有效，那这个系统就必须具备类似于区块链的可验证机制：网络效应（更多参与者 → 更强的生态）；降低进入门槛（节点可依赖未来收益补贴初始成本）及惩罚机制（对作恶行为进行惩罚，以保持系统稳定）。其中，惩罚机制依赖可验证性。如果我们无法验证谁在系统中作恶，那就无法对其进行惩罚，这会导致系统极易受到攻击和欺诈。在去中心化 AI 体系中，可验证性是必要条件，因为系统没有单一的信任中心，而是希望构建一个无需信任、但可验证的架构。当前 AI 生态中已经有多个去中心化算力网络在尝试解决这些问题，例如：Hyperbolic 提供 GPU 计算资源租赁，降低 AI 训练成本高达 75%；Hyperspace 开发 Proof-of-FLOPS 机制，让节点证明计算能力并获得激励；OpenLayer 提供可信数据源，让 AI 训练数据更加去中心化和多样化。这些项目都在探索如何让 AI 变得更加开放、去中心化，并确保整个激励体系的公平性和可验证性。【原文为英文】（ 来源 ）
5️⃣ Dragonfly 合伙人：我是如何错过投资 Solana 种子轮机会的？
导读：错失 3250 倍收益，加密史上最贵的投资备忘录之一。中文版本由深潮编译发布。
Haseeb Qureshi：他们的重大创新是历史证明（PoH）。本质上这是一个可验证的时间延迟函数，采用连续哈希运算，类似于顺序工作量证明。换句话说，选出一个时间维护者，该维护者不断地对某个值进行迭代哈希运算，并公布所有中间哈希值。由于这个过程必须在单个核心上串行执行，无法并行化，节点应该能够预测连续哈希之间经过的时间量（大概是基于他们对硬件性能的了解？）。PoH 节点还会将任何当前状态（例如要提交的交易）混入这些哈希中。这样便可以创建可以可靠地加盖时间戳的事件历史记录。如果 PoH 节点出现问题或无法保证在线，他们提出了一种方案，让多个 PoH 节点定期相互混合状态。一组验证者节点会重放并验证 PoH 节点的操作（验证过程可以通过 MapReduce 架构实现更高效的并行化）。这些验证者通过类似 Casper 的协议使用 PoS 达成共识。如果发现 PoH 节点出现拜占庭问题或行为不当，验证者节点可以选举新的 PoH 节点取而代之。
我的想法是他们的数字完全是扯淡。71 万 TPS 简直可笑；连谷歌每秒的搜索量都不到 10 万。这个数据被放在他们网站最显眼的位置，让我非常警惕。收回之前说白皮书写得好的评价。高层次的内容不错，但技术细节非常缺乏且模糊。作为一个共识协议的描述，严谨性令人失望。团队主要由高通的底层工程师组成。CEO 和 CTO 主要从事操作系统、嵌入式系统、GPU 优化和编译器方面的工作。他们在分布式系统和密码学方面的背景明显不够强，这一点在论文中表现得很明显。对拜占庭容错问题的处理很差。让我想起了 Raiblocks/Nano 的白皮书（他们也是底层工程师）。
再说了，谁在乎时间？这是区块链领域的一个大问题吗？人们对 15 秒/1 秒（比如 DFINITY之类的东西）的区块时间粒度不够满意吗？我认为这不算什么问题，他们在协议中引入的复杂性和混乱似乎并没有带来太多价值。他们有一个部分专门讨论攻击和激励不对齐问题。他们对攻击的回应完全无法令人信服，而且同样缺乏严谨性或细节说明。他们有整整一个章节讨论复制证明，就像 Filecoin 那样。搞什么？告诉我你的共识协议和如何实现交易、账户，你的区块链会有什么特性。我不关心数据存储证明。还有一大段开始描述智能合约，但只是说他们将使用 LLVM 作为后端以支持多个平台。但除此之外什么也没提。大量关于 GPU 和并行化的内容。这暴露出一种奇怪的专注感 —— 如果他们需要实现 BFT 共识协议和可用的智能合约平台，就不应该沉迷于他们数据包格式的并行处理。我记得他们在我看过的演示中也是这样 —— 花了大部分时间讨论如何使用这些节点处理优化，而几乎没有时间实际描述他们的共识协议。（ 来源 ）