Same Gul
5.4k 貼文
Same Gul
中頻交易者
5.1 年
83 關注
392 粉絲
2.5K+ 點讚數
貼文
全部
引用
影片
置頂
幾年前，我對評估DeFi項目有一個簡單的規則：如果年化收益率（APY）看起來高到讓我計算器都緊張，我立刻就會產生懷疑。
不幸的是，市場有着不同的策略。
每個週期似乎都遵循相同的劇本。一個協議會出現，提供的收益看起來就像有人不小心多加了一個零。Crypto Twitter會歡慶。流動性會如潮水般涌入。網紅們會發現一個新的最愛生態系統。然後，幾個月後，大家會聚在線上，調查到底出了什麼問題。
有趣的是，這些失敗大多數並不是關於收益。收益只是誘餌。更深層次的問題可能是，DeFi花了多年時間優化吸引力，但在架構投資上卻不足。
市場往往假設用戶想要最大回報。實際上，大多數用戶想要的卻是一些更不刺激的東西：他們希望他們的資產明天還在。
這個區別很重要。
從@Bedrock 的角度看，這更像是對行業從慘痛教訓中學到的反應，而不是贏得APY競賽的嘗試。安全性、流動性和非託管參與並不是華麗的敘事，但在管道爆裂之前，管道修理也並不光鮮。
至少在理論上，下一代質押系統應該更少關注提取每一個基點，而更多關注減少自DeFi開始以來所困擾的權衡。問題不在於如何承諾更多收益，而在於如何在市場變得不理性、恐懼或僅僅無聊時，讓參與更具韌性。
甚至像$BR 和這樣的生態激勵，當作爲協作機制而非獎勵來觀察時，變得更有趣。激勵可以在一個季節吸引資本。良好的架構可以在多年內保留信任。
也許DeFi最大的教訓意外地是人性化的。人們並不是因爲系統在一切完美時停止工作而失去信心。
#Bedrock
不幸的是，市場有着不同的策略。
每個週期似乎都遵循相同的劇本。一個協議會出現，提供的收益看起來就像有人不小心多加了一個零。Crypto Twitter會歡慶。流動性會如潮水般涌入。網紅們會發現一個新的最愛生態系統。然後，幾個月後，大家會聚在線上，調查到底出了什麼問題。
有趣的是，這些失敗大多數並不是關於收益。收益只是誘餌。更深層次的問題可能是，DeFi花了多年時間優化吸引力，但在架構投資上卻不足。
市場往往假設用戶想要最大回報。實際上，大多數用戶想要的卻是一些更不刺激的東西：他們希望他們的資產明天還在。
這個區別很重要。
從@Bedrock 的角度看，這更像是對行業從慘痛教訓中學到的反應，而不是贏得APY競賽的嘗試。安全性、流動性和非託管參與並不是華麗的敘事，但在管道爆裂之前，管道修理也並不光鮮。
至少在理論上，下一代質押系統應該更少關注提取每一個基點，而更多關注減少自DeFi開始以來所困擾的權衡。問題不在於如何承諾更多收益，而在於如何在市場變得不理性、恐懼或僅僅無聊時，讓參與更具韌性。
甚至像$BR 和這樣的生態激勵，當作爲協作機制而非獎勵來觀察時，變得更有趣。激勵可以在一個季節吸引資本。良好的架構可以在多年內保留信任。
也許DeFi最大的教訓意外地是人性化的。人們並不是因爲系統在一切完美時停止工作而失去信心。
#Bedrock
幾周前，我問了一個AI工具一個相當技術性的問題。它回答得非常自信，以至於我差點點頭接受它爲真。然後我查了來源。答案是錯的。
那一刻讓我印象深刻。
它讓我想起一個銀行經理說過的話：“別擔心交易細節。只要相信我們，你的錢肯定去哪裏了。”我們大多數人會笑着離開那個地方。 然而每天都有數百萬人以完全相同的信任模型接受AI的輸出。
市場傾向於假設更聰明的模型會自動創造更可信的結果。這引人關注的是，智力和責任並不相同。一個天才也可能犯錯。機器也一樣。
更深層的問題可能是AI正成爲經濟基礎設施。它編寫代碼，分析數據，幫助做出投資決策，以及越來越多地代表我們行動。隨着這些決策的價值上升，盲目信任變成了一種昂貴的習慣。
這種區別很重要。
問題不在於AI是否能生成答案。我們已經跨越了那座橋。問題在於是否有人能證明這些答案是如何產生的。
這就是我關注@OpenGradient 的原因。它的架構不是將AI輸出視爲用戶簡單接受的東西，而是探索可驗證的推理——創建計算髮生的證據。至少在理論上，這可能爲AI引入一個審計層，類似於區塊鏈爲金融交易引入的。
當然，懷疑論者有其道理。驗證增加了成本、複雜性和摩擦。然而歷史表明一些有趣的事情：社會很少因爲享受摩擦而去除它。它們增加摩擦是因爲信任最終變得太昂貴。
如果這種趨勢持續下去，透明度可能會成爲競爭優勢，而不是合規負擔。開發者可以在證據而不是承諾上競爭。機構可以外包計算而不外包信任。 $OPG
#OPG
那一刻讓我印象深刻。
它讓我想起一個銀行經理說過的話：“別擔心交易細節。只要相信我們，你的錢肯定去哪裏了。”我們大多數人會笑着離開那個地方。 然而每天都有數百萬人以完全相同的信任模型接受AI的輸出。
市場傾向於假設更聰明的模型會自動創造更可信的結果。這引人關注的是，智力和責任並不相同。一個天才也可能犯錯。機器也一樣。
更深層的問題可能是AI正成爲經濟基礎設施。它編寫代碼，分析數據，幫助做出投資決策，以及越來越多地代表我們行動。隨着這些決策的價值上升，盲目信任變成了一種昂貴的習慣。
這種區別很重要。
問題不在於AI是否能生成答案。我們已經跨越了那座橋。問題在於是否有人能證明這些答案是如何產生的。
這就是我關注@OpenGradient 的原因。它的架構不是將AI輸出視爲用戶簡單接受的東西，而是探索可驗證的推理——創建計算髮生的證據。至少在理論上，這可能爲AI引入一個審計層，類似於區塊鏈爲金融交易引入的。
當然，懷疑論者有其道理。驗證增加了成本、複雜性和摩擦。然而歷史表明一些有趣的事情：社會很少因爲享受摩擦而去除它。它們增加摩擦是因爲信任最終變得太昂貴。
如果這種趨勢持續下去，透明度可能會成爲競爭優勢，而不是合規負擔。開發者可以在證據而不是承諾上競爭。機構可以外包計算而不外包信任。 $OPG
#OPG
登入以探索更多內容