ALi-李力

Nel 2011, l'ente CA olandese DigiNotar è stato hackerato, e gli aggressori hanno emesso 531 certificati falsi, coinvolgendo domini come Google e Skype, impattando circa 300.000 utenti iraniani nelle loro comunicazioni Gmail.

Questa situazione ha messo in luce il punto più debole del sistema di fiducia HTTPS: quando accedi a un sito, non ti fidi del sito stesso, ma della CA che emette il certificato. Se la CA viene compromessa, tutti i certificati che ha emesso non sono più affidabili — questo è un problema strutturale, non un caso isolato.
Il metodo di OpenGradient è di sostituire completamente questa catena di fiducia. I certificati TLS dei nodi TEE non sono emessi da alcuna CA, ma sono generati internamente dall'enclave, con l'hash memorizzato sulla blockchain, e tutti i nodi di verifica testimoniano insieme.

@OpenGradient $OPG #OPG

Ho controllato la logica della funzione di registrazione on-chain registerTEEWithAttestation e ho scoperto che non è così semplice come "memorizzare una chiave pubblica", ma consiste in sei livelli di verifica: controllo dei permessi dell'utente, conferma della legittimità del tipo di TEE, confronto dell'autenticità dell'attestazione di AWS Nitro, verifica dell'hash PCR (per assicurarsi che venga eseguito codice approvato), e infine convalida che la chiave pubblica TLS e la chiave pubblica di firma corrispondano entrambe al campo user_data nell'attestazione — il che significa che questo set di chiavi è effettivamente generato da quell'enclave, e non inserito dall'esterno. Tutti e sei i controlli devono passare per registrarsi, e se qualcosa va storto, il nodo viene rifiutato dalla rete.

L'ultimo blocco è la chiave di firma. Dopo che l'inferenza è completata, l'enclave firma i risultati con la chiave privata interna, e i Full Nodes utilizzano la chiave pubblica registrata sulla blockchain per verificare. Anche se qualcuno copiasse l'intero ambiente enclave, senza quella chiave privata non potrebbe generare risultati che passano la verifica — la catena di verità dei risultati è bloccata da una crittografia corrispondente ad ogni anello.

Quindi, la domanda a cui risponde il registro TEE on-chain è in realtà molto semplice: come puoi fidarti di una macchina quando non ti fidi di nessuna istituzione?

Immagina un protocollo DeFi che vuole usare un modello AI per decidere in tempo reale se liquidare una posizione—questo dovrebbe essere lo scenario perfetto per l'AI, ma il modello Oracle tradizionale lo rende quasi inutilizzabile.

Il modello di richiesta-risposta di Chainlink funziona così: un contratto invia un evento di richiesta, i nodi off-chain lo ascoltano, recuperano i dati e inviano una transazione separata per scrivere il risultato nella funzione di callback del contratto. "Richiesta" e "risultato" sono due transazioni diverse, con un intervallo di tempo e una possibilità di fallimento—liquidare non può aspettare.

OpenGradient ha cambiato approccio con il PIPE (Parallelized Inference Pre-Execution Engine). Ho esaminato il processo descritto nella loro documentazione: le transazioni entrano nell'Inference Mempool, un pool dedicato che simula tutte le transazioni in attesa, estraendo le richieste di inferenza e distribuendole ai nodi di inferenza per l'esecuzione in parallelo; una volta calcolati i risultati, la transazione viene estratta dal mempool, e l'EVM esegue direttamente il risultato pre-calcolato, inserendolo nel blocco successivo.

@OpenGradient $OPG #OPG

Questo design produce due risultati. Primo, l'atomicità diventa possibile: il risultato di inferenza non è più "qualcosa che viene chiamato dall'esterno", ma è parte integrante della transizione di stato, scrivendo codice come `if MLModel.predict(x) < 0.8 { liquidate(); }`, inferenza e liquidazione diventano la stessa transazione, non ci sarà il rischio di completare il calcolo ma non eseguire l'operazione. Secondo, la scalabilità orizzontale non è più bloccata: anche se una transazione chiama un modello ONNX particolarmente lento, poiché l'inferenza avviene in parallelo, il lento ritarda solo quella singola transazione senza impattare sull'intera rete—la documentazione ufficiale menziona che questa architettura può gestire centinaia o migliaia di transazioni in attesa eseguendo inferenze in parallelo.

Quindi, ciò che PIPE risolve davvero è il problema ingegneristico più difficile nell'unire blockchain e AI: come far diventare l'inferenza il primo cittadino all'interno delle transazioni, piuttosto che una chiamata esterna costosa e con latenza.

Ci sono dei codici di stato HTTP con un numero che, dal 1997, è stato "riservato" per quasi trent'anni: il 402. HTTP 402: come un codice di stato dimenticato per vent'anni è diventato la base dell'economia AI

Questo codice è definito nell'RFC 2068 e il commento è solo una frase: "riservato per usi futuri". L'idea originale era di utilizzarlo per i pagamenti digitali, ma le carte di credito non erano adatte ai micropagamenti, PayPal non era ancora apparso, e il Bitcoin sarebbe arrivato solo dieci anni dopo; quindi, questo codice è rimasto vuoto, senza essere realmente utilizzato. Fino a quando il protocollo x402 (lanciato da Coinbase nell'ottobre scorso) non l'ha ripreso: il server restituisce il 402, dicendo al client di pagare prima di fornire il risultato. Ho visto il flusso di ragionamento LLM di OpenGradient, che segue proprio questa strada: invio richiesta → ricevo 402 e richiesta di pagamento → il client costruisce la firma → reinvia con la firma → il ragionamento viene eseguito solo allora.

@OpenGradient $OPG #OPG

Il secondo punto è Permit2, un dettaglio spesso trascurato negli articoli. L'autorizzazione tradizionale ERC-20 richiede che l'utente effettui prima una transazione on-chain, paghi il Gas e attenda la conferma, un passaggio che spesso blocca gli utenti. Permit2 è la soluzione lanciata da Uniswap nel 2022, dove l'utente firma solo una firma off-chain contenente importo, scadenza e nonce, attivando l'operazione on-chain solo nel momento in cui spende realmente. Questo riduce l'autorizzazione da due interazioni on-chain a una, rendendo l'esperienza più simile a quella di una carta di credito, non a quella di aprire un conto.

Il terzo punto è la divisione del lavoro su due catene; ho controllato la documentazione di OpenGradient per confermare: i pagamenti per il ragionamento LLM avvengono sulla catena Base con $OPG , mentre il saldo e la verifica avvengono sulla rete di OpenGradient. Non si tratta di limiti tecnici, ma di specializzazione: Base ha liquidità e una base utenti già pronte, mentre la catena OG si concentra esclusivamente sulla verifica.

Quindi adesso penso che ciò che fa realmente x402 sia trasformare l'atto di "utilizzare l'AI" in una primitiva economica che chiunque possa richiamare direttamente.

Ho scoperto che "blockchain = lenta" non ha senso in questo design—perché la blockchain non compare affatto nel percorso dove l'utente percepisce il ritardo. Recentemente ho studiato il processo di settlement di OpenGradient.

Prima cosa. L'utente invia una richiesta di inferenza, che va direttamente al nodo di inferenza, e il risultato torna immediatamente, questo processo non è diverso dall'invocare una normale API Web2. Dov'è la blockchain? Dietro. Dopo che l'inferenza è completata, la prova viene inviata in modo asincrono ai Full Nodes, entrando nel turno successivo di consenso. Questo ordine è cruciale: la verifica non si blocca mai tra l'utente e il risultato.

Il secondo punto riguarda il modello di settlement, ho controllato la documentazione SDK di OpenGradient e confermato che ci sono tre modalità: PRIVATE non mette nulla sulla catena, si occupa solo del pagamento, massima privacy, adatta per il settore medico e conversazioni private; BATCH_HASHED è la modalità predefinita, mette su catena gli hash degli input e output di più inferenze in un'unica Merkle tree, ideale per scenari ad alta frequenza e a basso costo; INDIVIDUAL_FULL registra input, output e timestamp sulla catena, con la massima trasparenza e anche il Gas più alto, adatta per scenari in cui gli AI Agent devono prendere decisioni finanziarie e richiedono audit. Le tre modalità non rappresentano un ordine di grandezza funzionale, ma un compromesso tra privacy e trasparenza, la scelta è del developer.

@OpenGradient $OPG #OPG

Il terzo punto è il consenso stesso. OpenGradient utilizza CometBFT, questo meccanismo richiede che oltre due terzi dei validatori votino con un precommit sullo stesso proposal affinché il blocco venga confermato—una volta superata questa soglia, la registrazione è irreversibile e solitamente si completa in pochi secondi, non come l'ethereum che richiede minuti per una finalità certa. Questo "irreversibile" per l'AI significa che una decisione presa sei mesi fa da un AI Agent può essere verificata da chiunque in qualsiasi momento.

Quindi, la mia attuale comprensione è che la vera fiducia non è "sei sempre in guardia", ma "puoi controllare in qualsiasi momento e trovare tutto".

Ultimamente sto smanettando con quel ZKML, e penso che non sia solo un'idea marketing, ma l'unica soluzione utilizzabile in determinate situazioni — a patto di avere chiaro quali siano queste situazioni.

Iniziamo a parlare delle difficoltà della prova ZK nel machine learning. Il dimostratore deve mostrare "ho usato l'input X per far calcolare al modello F Y", ma senza rivelare X stesso. I parametri delle reti neurali possono facilmente arrivare a milioni o addirittura miliardi, e la quantità di calcoli necessari per convertirli in circuiti è estremamente esagerata. Ho consultato alcuni articoli, e la stima mainstream è di un costo da 1000 a 10000 volte; alcune ricerche hanno persino fornito numeri superiori a centomila volte — non è che l'ingegneria non sia ottimizzata, è un limite matematico strutturale.

Secondo punto, quali modelli sono adatti per ZKML? Ho notato che molti articoli confondono questa distinzione. La regressione logistica, gli alberi decisionali e le piccole reti neurali sono fattibili con ZKML; ma i LLM sono un altro livello — GPT-4, secondo le stime circolanti, ha circa 1,8 trilioni di parametri, non è il livello di GPT-3 con i suoi 175 miliardi, e il tempo di prova si estenderà a giorni. Il design di OpenGradient è molto diretto: il motore PIPE supporta ZKML per i modelli ML, ma per i LLM fornisce solo TEE; non è un compromesso, è realtà — forzare ZKML equivale a far collassare la rete.
、、
@OpenGradient $OPG #OPG

Terzo punto, penso che il modello di liquidazione DeFi sia quello che meglio illustra la questione. Il protocollo usa modelli ML per determinare quando liquidare le posizioni, e questo è direttamente legato a denaro reale. Gli utenti devono dimostrare che stanno utilizzando effettivamente quella versione del modello, e che i prezzi forniti sono reali, senza che nessuno abbia modificato di nascosto l'input. Il TEE si basa sulla fiducia hardware, che non è sufficiente; il Vanilla non ha affatto una prova, e quindi non è sufficiente — solo ZKML può fornire una garanzia che chiunque possa verificare in modo indipendente matematicamente.

Quindi ora penso che il valore di ZKML non stia nell'essere veloce, ma nel fatto che attualmente è l'unica tecnologia che può trasformare le decisioni AI in prove legali.

Oggi si sono concluse tutte e 4 le partite, con 3 vittorie e 1 sconfitta, i punteggi sono stati totalmente sbagliati, tutti con un gol in più. A parte il gol di Messi, gli altri 3 sono arrivati in pieno recupero, che delusione.

⚽
La striscia di imbattibilità delle squadre asiatiche è stata interrotta, Iraq e Giordania, sebbene abbiano perso, meritano rispetto per la loro tenacia.

⚽
I nuovi fenomeni brillano sul campo, ogni volta che il 'Turtle' arriva ai mondiali, sembra che i gol arrivino come per magia. Majin Buu ha segnato addirittura due gol e un assist nella sua prima partita.
​

⚽
​Ma i veterani non muoiono mai, Messi è ancora affilato, un hat-trick che sembra opera divina, la pressione è passata a CR7 e Modric che scenderanno in campo domani.

Questa Coppa del Mondo è davvero una soap opera, l'altro giorno ci sono stati colpi di scena, ieri tutti pareggi, oggi tutti risultati scontati, come si scriverà il copione domani?

Tutti i punti di previsione di questo articolo si basano su
@Polymarket @predictdotfun @42space
Dati delle scommesse.
​
​​1. Portogallo vs Congo (RDC)

Sono un fan di CR7, in questa partita lo supporto senza pensarci, è un investimento per la giovinezza, cosa ci vuole a regalargli una partita?

Risultato previsto: Portogallo vincente 2:1 2:0 3:0 oltre 1.5 gol

2. Inghilterra vs Croazia

L'Inghilterra, nota come la squadra cinese d'Europa, è un po' un bullo, teme le sfide forti. Incontrare una squadra dura come la Croazia, se non riescono a segnare rapidamente, possono facilmente subire un calo di morale.

Risultato previsto: Croazia +1.5 entrambe le squadre a segno 1:1 2:1 1:2

3. Ghana vs Panama

Panama ha quasi il fattore campo, il Ghana ha una forza di carta superiore, chiunque possa vincere è possibile.

Risultato previsto: Panama non perde 1:1 0:1 sotto 2.5 gol

4. Uzbekistan vs Colombia

L'allenatore dell'Uzbekistan è un vecchio amico del popolo cinese, l'ex allenatore dell'Evergrande, Cannavaro. La sua caratteristica è che è bravo a gestire squadre forti, ma non riesce bene con quelle deboli, spesso si indebolisce contro squadre forti.

La sua difesa in stile italiano funziona con le squadre asiatiche deboli, ma contro le squadre dure, si frantuma.

La Colombia è chiaramente superiore all'Uzbekistan, non ci sono molti dubbi su questa partita.

Risultato previsto: Colombia -1.5 0:2 0:3 1:2

​Nota: Tutte le previsioni in questo articolo sono solo per condivisione quotidiana e non costituiscono un consiglio di investimento.

#世界杯 #预测市场 #足球分析

Recentemente ho studiato il meccanismo TEE di OpenGradient, e penso che non stia risolvendo il problema della "sicurezza assoluta", ma piuttosto quello di "dove riporre la fiducia".
Il TEE, in sostanza, è una stanza in cui nemmeno il proprietario può entrare. OpenGradient utilizza AWS Nitro Enclave, dove il codice gira senza che nemmeno il sistema host di AWS possa accedere ai dati. Questo sposta la fiducia dal "credere a una compagnia di AI" a "credere all'hardware del chip"—il che ha una probabilità di problemi molto inferiore e non può essere nascosto.
La seconda questione è il valore PCR, ho notato che molti articoli non ne parlano a dovere. Durante la costruzione dell'immagine dell'enclave, AWS genera diversi hash usando l'algoritmo SHA384, dove PCR0 corrisponde al file dell'immagine, PCR1 al kernel e ai dati di avvio, e PCR2 al codice dell'applicazione stessa. Questi valori vengono scritti nel documento di attestazione, e i contratti sulla blockchain li confrontano con la "lista approvata". Anche se cambi solo una riga di codice, l'hash di PCR2 cambia completamente e la registrazione viene rifiutata—chiunque operi sul server non può evitarlo.

@OpenGradient $OPG #OPG

Il terzo punto è il binding TLS, ho dovuto consultare la documentazione ufficiale di AWS per capire questa logica. L'enclave genera autonomamente le chiavi TLS, inserendo l'impronta del certificato in un campo chiamato user_data nella attestazione—il certificato e la sua prova di identità nascono nello stesso posto. Questo è coerente con la logica enfatizzata nella documentazione di OpenGradient: la base della fiducia è passata da un ente CA alla verifica sulla blockchain.
Quindi ora penso che il TEE non sia mai stata una promessa di "assoluta assenza di errori", ma piuttosto una trasformazione della fiducia in una catena di prove hardware che chiunque può auditare in modo indipendente.

Molti progetti di "AI decentralizzata" in realtà evitano un problema fondamentale: la logica di design della blockchain e il modo in cui funziona il ragionamento dell'AI sono essenzialmente in conflitto.
Iniziamo con il più evidente: il tempo.

Su Ethereum, il tempo di generazione di ogni blocco è di 12 secondi, e si raggiunge la finalità tecnica (finality) in circa 15 minuti. Questo è sufficiente per le transazioni, ma una tipica risposta di dialogo di GPT-4 richiede già 2-3 secondi, figuriamoci dover aspettare 15 minuti per la conferma—gli utenti nello scenario AI non aspetteranno affatto.

Poi c'è l'hardware. I nodi di verifica della blockchain utilizzano CPU, su questo nessuno discute, perché sembra ovvio. Ma il ragionamento dell'AI deve utilizzare GPU, e quelle buone. Non puoi far sì che la stessa macchina verifichi i segni in modo efficiente e gestisca i modelli in modo altrettanto efficiente—hanno requisiti diversi per l'architettura di calcolo.
Il terzo punto, il meno menzionato ma che considero il più cruciale: l'indeterminatezza.

Il presupposto del consenso tradizionale della blockchain è: con lo stesso input, tutti i nodi eseguono e ottengono lo stesso output, quindi votano per confermare. Ma i LLM non funzionano in questo modo. Anche impostando la temperatura a 0, a causa dell'ordine non fisso delle operazioni in virgola mobile durante il calcolo parallelo delle GPU, lo stesso prompt su macchine diverse potrebbe produrre risultati leggermente diversi. Alcuni ricercatori hanno condotto test, e con lo stesso input in situazioni di batch diverse, l'output dei token presenta delle deviazioni.
Non si tratta di un bug ingegneristico, è una questione di struttura matematica.

Quindi, quando ci sono 100 nodi di verifica, ognuno dei quali deve rieseguire una volta il ragionamento del LLM, ti trovi di fronte non solo a 100 volte il costo computazionale, ma anche alla possibilità che questi 100 risultati possano non essere coerenti tra loro—con cosa puoi fare consenso?

Ho fatto un giro di ricerca e ho scoperto che la maggior parte dei progetti che si definiscono "AI decentralizzata" in realtà qui fanno delle concessioni, ma nessuno lo dice chiaramente.

OpenGradient è il primo a riconoscere direttamente questo problema nel white paper, e ha presentato la sua soluzione: separare i nodi di ragionamento (Inference Nodes) dai nodi di verifica (Full Nodes), i quali non rieseguono il ragionamento, ma verificano solo le prove generate dal ragionamento.
Questa decisione di design ha cambiato l'intero framework del problema.
@OpenGradient $OPG #OPG

Oggi è un giorno di pareggi, 4 partite tutte in parità, ieri le previsioni 2 vincenti, l'Iran ha indovinato il grande over, la Spagna ha deluso.

Siamo al sesto giorno di Coppa del Mondo, continuiamo a cercare la massima certezza in questo mondo calcistico incerto.

Tutti i punti di previsione in questo articolo si basano su
@Polymarket @Predictdotfun
dati di mercato.

1. Francia vs Senegal

Nel Mondiale del 2002, il Senegal ha battuto la Francia 1:0, dopo 24 anni, le due squadre si rincontrano nel girone della Coppa del Mondo, sarà vendetta riuscita o un'altra sorpresa?

Il gioco del Senegal contrasta un po' con la Francia, ma la forza bruta della Francia è troppo forte, un colpo di potenza può rompere qualsiasi difesa, puntiamo su una vittoria di misura della Francia.

Risultato previsto: vittoria Francia 2:1 2:0 pareggio 1:1

2. Iraq vs Norvegia

Le squadre asiatiche sono ancora imbattute, l'Iraq riuscirà a mantenere questa striscia?

Sebbene l'Iraq sia bravo a difendersi, la Norvegia ha un'arma letale come il mago Buu, oltre ai passaggi di Ødegaard, che contrastano perfettamente la tattica di contro-attacco dell'Iraq, puntiamo sulla vittoria della Norvegia.

Risultato previsto: vittoria Norvegia 0:2 1:2 0:3

3. Argentina vs Algeria

A dire il vero, non voglio toccare questa squadra argentina, è proprio una squadra da bookmaker. Quante persone sono state fregate nell'ultima Coppa del Mondo?

Ma in questo Mondiale, la FIFA e il mondo intero sperano di vedere il duello tra Messi e Ronaldo.

L'Argentina nel gruppo J e il Portogallo nel gruppo K sono nello stesso quarto di finale. Si spera di assistere a un confronto diretto tra Messi e Ronaldo nei quarti.

Per arrivare a questo risultato, l'Argentina deve almeno non perdere nel girone.
Questa partita la affronteremo con cautela.

Risultato previsto: vittoria Argentina 1:0 2:0 pareggio 1:1

4. Austria vs Giordania

L'Austria ha il vantaggio, ma la difesa della Giordania è solida e resistente, non si sa mai che la Giordania possa rubare un gol.

Risultato previsto: Giordania +1.5 1:1 1:0 2:1

Nota: Tutte le previsioni in questo articolo sono solo per condivisione quotidiana e non devono essere considerate come consigli per investimenti.

#世界杯 #预测市场 #足球分析

Ultimamente ho riflettuto molto, tutti pensano che l'AI sia molto oggettiva, ma in realtà, la nostra fiducia nell'AI si basa sulla fiducia cieca in "qualcuno" o "qualcuna azienda" dietro di essa. Penso che questo sia il più grande problema dell'infrastruttura AI: la crisi di fiducia.

Credo che l'attuale ragionamento dell'AI sia una sorta di "scatola nera", con tre punti specifici di possibile fallimento. Prima di tutto, la versione del modello non è trasparente, non hai idea se quello che gira in background sia davvero la versione dichiarata; in secondo luogo, l'input non è verificabile, i comandi che invii potrebbero essere stati segretamente modificati prima di arrivare al modello.

Secondo il rapporto OWASP del 2025, l'iniezione di suggerimenti è diventata la vulnerabilità numero uno delle applicazioni AI, coprendo oltre il 73% degli ambienti di produzione. Infine, l'output non è affidabile, i risultati potrebbero essere stati filtrati o alterati prima di essere inviati a te. Queste tre cose accadono contemporaneamente, e l'utente si trova completamente in una posizione svantaggiata.
Questo "punto di fiducia singolo" nell'AI è più spaventoso del rischio finanziario. Se un bonifico bancario fallisce, puoi controllare i registri, ma il fallimento delle decisioni di un agente AI spesso non ha registrazioni, è difficile da riprodurre e impossibile da attribuire. Le attuali normative e tecnologie sono praticamente impotenti di fronte a ciò.

@OpenGradient $OPG #OPG

Quindi penso che la proposta centrale di OpenGradient sia piuttosto interessante, non è per decentralizzare per il gusto di farlo, ma sostiene che il ragionamento AI dovrebbe essere "verificabile per default". Questa differenza è molto importante, cerca di fare in modo che "verificare" non dipenda più dalla reputazione di nessuno. In fin dei conti, la fiducia non dovrebbe essere una patch a livello software, ma una proprietà intrinseca dell'infrastruttura. Solo smontando la scatola nera della fiducia, l'AI può veramente rassicurare le persone.

Oggi è il quinto giorno dei mondiali, alla ricerca della massima certezza in un mondo del calcio incerto.

Tutti i punti di previsione in questo articolo si basano su
@Polymarket @Predictdotfun
Dati di mercato

Domani, 6.16, arrivano i veri colossi, e per primi scenderanno in campo i grandi favoriti, la Spagna.

1. Spagna vs Capo Verde

Questa è una prova d'attacco e difesa per la Spagna, senza alcun dubbio. Prevedo che le furie rosse supereranno il mercato, partendo da 3 gol, garantendo il primo posto nel girone, e molto probabilmente affronteranno l'Argentina del gruppo J, che la Spagna non vorrà.

Risultato previsto: Spagna - 2.5 gol > 3.5

2. Belgio vs Egitto

Guardando la forza sulla carta, il Belgio non dovrebbe avere problemi a vincere, ma l'ufficio scommesse offre una singola partita, esiste quindi la possibilità di una sorpresa. La tattica del bus dell'Egitto non sarà facile da superare, e i faraoni potrebbero davvero rubarne uno.

Risultato previsto: Egitto + 1.5 2:1 1:0 impedire pareggio 1:1

3. Arabia Saudita vs Uruguay

Dopo che l'Arabia Saudita ha sorprendentemente battuto l'Argentina nell'ultima edizione, questa partita è carica di tensione. L'Uruguay ha poca potenza in attacco e l'Arabia Saudita ha una difesa molto solida; le probabilità di un punteggio basso sono molto alte.

Risultato previsto: Arabia Saudita +1.5 under 2.5 gol 0:1 impedire pareggio 1:1

4. Iran vs Nuova Zelanda

La squadra dell'Iran ha affrontato vari ostacoli e finalmente è arrivata sul palcoscenico dei mondiali, e presterà particolare attenzione a questa opportunità.

In termini di forza, l'Iran è avvantaggiato, e anche in termini di motivazione, l'Iran è avvantaggiato. I cavalieri persiani non hanno motivo di non vincere.

Risultato previsto: Iran vittoria over 1.5 gol 2:0 2:1

Nota: Tutte le previsioni in questo articolo sono solo per condivisione quotidiana, non come consiglio di investimento.

#世界杯 #预测市场

Negli ultimi tempi, il movimento di BTC ha davvero influenzato molto le emozioni, ma proprio a causa della maggiore volatilità, ho iniziato a concentrarmi su strategie che non dipendono dalla direzione. Dopo aver fatto un po' di ricerche, il "Alpha - Selini Vault" di Bedrock 2.0 ha suscitato un notevole interesse in me, quindi oggi voglio condividere la mia comprensione.

A mio avviso, il punto forte di questo prodotto è l'uso della strategia Delta-Neutral (neutra rispetto al mercato). In altre parole, non si tratta di scommettere se il Bitcoin salirà o scenderà, ma di sfruttare le opportunità derivanti dalle differenze di prezzo tra diverse piattaforme di trading, tassi di finanziamento, e così via, focalizzandosi sull'arbitraggio piuttosto che sul trading direzionale. Ho fatto un po' di ricerca su Selini Capital, e ho scoperto che questo team è attivo nel trading quantitativo e nel market making ad alta frequenza da molti anni, e dal 2021 ha continuato a posizionarsi nel mercato correlato, il che mi dà fiducia nella loro capacità di eseguire strategie...

Inoltre, credo che l'intera architettura di Bedrock sia molto interessante. Non stanno semplicemente lanciando un prodotto di rendimento, ma stanno combinando le infrastrutture creditizie di Cap con il meccanismo di sicurezza condivisa fornito da Symbiotic, creando un design ecologico interconnesso. Nel contesto attuale del settore BTCFi, non è comune vedere un modello di cooperazione tra più parti per sviluppare strategie di livello istituzionale, il che mi fa pensare che siano più orientati alla costruzione a lungo termine piuttosto che a inseguire tendenze a breve termine.

Ho notato anche che il vault di Selini ha impostato un limite di capacità. Per me, questo è un bene, perché il controllo della capacità significa che la strategia non sarà influenzata dall'espansione illimitata dei capitali, mantenendo l'efficienza di esecuzione, in linea con l'approccio tradizionale delle strategie quantitative di livello istituzionale. Se sei stanco di quei prodotti sul mercato che dipendono da un alto rischio per ottenere un alto APY e stai cercando un modo di gestione patrimoniale più chiaro e con fonti di rendimento più trasparenti, allora questo vault merita sicuramente attenzione.

La mia sensazione è che, con sempre più team professionali che entrano nel settore BTCFi, l'industria sta passando da una semplice competizione sui rendimenti a una competizione su strategie, gestione del rischio e infrastrutture. Rispetto a quelle strategie che dipendono dall'emotività del mercato, preferisco concentrarmi su prodotti che possono continuare a scavare l'efficienza del mercato attraverso metodi sistematici. Ai miei occhi, tali esplorazioni sono probabilmente più vicine alla direzione di sviluppo che BTCFi 2.0 dovrebbe avere.
@Bedrock $BR #Bedrock

#Bedrock
Negli ultimi giorni mi sono preso una pausa e ho dato un'occhiata a Bedrock 2.0. Dopo averlo esaminato, ciò che mi ha colpito di più non è stata una singola funzione, ma l'intera filosofia di design del modulo di vault. Penso che questo modello soddisfi davvero gli utenti con diverse tolleranze al rischio.

A mio avviso, molte delle strategie BTCFi precedenti erano piuttosto unidimensionali; o si trattava di staking puro per guadagnare rendimenti, oppure di fare arbitraggio ad alto rischio. Con Bedrock, la direzione è stata suddivisa in modo più dettagliato; oltre al vault quantitativo Selini menzionato ieri, ci sono moduli per RWA (asset del mondo reale), prestiti e rendimenti nativi DeFi. Ho fatto una ricerca e attualmente il settore RWA (come la tokenizzazione dei treasury americani) ha superato i 12 miliardi di dollari; penso che l'introduzione del vault RWA da parte di Bedrock equivalga ad offrire ai possessori di BTC una fonte di rendimento off-chain più stabile.

Il vault di prestito mi ha interessato molto. Utilizza una logica di collaterale sovra-collateralizzato del 120%-150%, un meccanismo già validato nel settore DeFi. Per qualcuno come me, che desidera guadagnare un po' senza esporsi a troppi rischi sul capitale, questa strategia piuttosto conservativa è decisamente allettante.

Se dovessi descrivere Bedrock 2.0, direi che è come un "supermercato di gestione patrimoniale premium" per gli utenti di Bitcoin. Chi ama la stabilità può scegliere RWA, mentre chi cerca rendimenti più alti può provare i rendimenti nativi DeFi, con strategie diverse per soddisfare bisogni differenti.

Ho appreso che attualmente il rendimento complessivo di BTCFi sta subendo una contrazione strutturale; in tal caso, piuttosto che inseguire ciecamente un'alta APY, avere strategie diversificate a livello istituzionale accessibili agli utenti normali è un'idea molto valida da parte di Bedrock.

Ho sempre pensato che il futuro di BTCFi non dovrebbe riguardare solo i rendimenti, ma chi riesce a far trovare a diversi tipi di utenti il modo di investire che fa per loro. Bedrock, attraverso i vault modulari, dà il potere decisionale agli utenti, e questo è un aspetto da considerare.
@Bedrock $BR

Ciao a tutti, è di nuovo weekend! Vi auguro un buon fine settimana!\nOggi voglio parlare di una questione molto pratica: perché prima che Bedrock 2.0 decolli ufficialmente, è necessario configurare in anticipo il tuo livello $BR (Tier).\n\nHo notato che molti amici stanno aspettando di comprare monete solo dopo il lancio del vault, ma ho fatto una ricerca sul meccanismo di Bedrock e ho scoperto che questo approccio potrebbe farti perdere le migliori opportunità. Quello che mi ha colpito di più è il suo "priority tiering"—i vault ad alto rendimento (come il vault quantitativo di Selini) hanno spesso dei limiti di capacità (Capacity Limits). Questo significa che, quando gli spazi vengono esauriti, anche se hai un sacco di BTC, se non hai un livello BR sufficiente, puoi solo guardare dall’esterno.\n\nHo seguito il filo e ho scoperto che, sebbene la fornitura totale di $BR sia di 1 miliardo, la circolazione effettiva non è molto alta, e il sistema di dust determinerà i tuoi diritti di accesso al vault, i bonus sui rendimenti e persino la profondità dell'assistente AI in base alla quantità di BR che hai bloccato. Ho notato che attualmente il mercato sta valutando $BR in una fase relativamente precoce (FDV circa 110 milioni di dollari), ma una volta che quei vault "istituzionali" saranno pieni, tutti correranno a comprare monete e configurare i livelli, e a quel punto la FOMO potrebbe farti pagare un costo più alto.\n\nHo scoperto che configurare in anticipo i livelli è, in effetti, un modo per "comprare un biglietto". Non stai solo acquistando token, ma stai anche bloccando un posto alto rendimento per il futuro. Ho notato che questo design è pensato per premiare i detentori che credono veramente nel protocollo a lungo termine.\nQuello che mi ha colpito di più è: nel mondo DeFi, velocità e soglie sono denaro. Invece di aspettare che il vault venga lanciato e affollarti tra la folla, perché non approfittare ora che il mercato è ancora relativamente calmo e configurare i livelli in base alla tua disponibilità di fondi?\n\nAttualmente, ho la sensazione che la soglia di Bedrock 2.0 stia silenziosamente aumentando. Se non vuoi restare fuori dalle porte ad alto rendimento, ora potrebbe essere il miglior momento per posizionarsi.\n@Bedrock #Bedrock