2019年区块链的主旋律是中间层协议

  2019年区块链的主旋律是中间层协议

  过去一年加密资产市场从其峰值下跌超过85%的市值。但对我,一个坚定的区块链企业家,这实际上是一件好事,区块链的未来看起来比以往任何时候都更有希望。2017年ICO热潮开始的疯狂至少产生了一个强烈的积极影响:它将区块链引入主流并吸引了许多有才能的人进入区块链生态系统。此次加密币市场崩盘将挤走投机者和骗子,建立一个健康的市场,让投资者寻找真正的价值。回想过去,展望未来,现在是思考区块链创造真正价值的地方以及捕获最大价值的好时机。

2019年区块链的主旋律是中间层协议

  重新审视“胖协议”

  胖协议(Fat protocols)论文于2016年8月首次推出,它认为在互联网技术堆栈中,协议创造了巨大的价值,但几乎所有这些价值都是被基于这些协议构建的谷歌,Facebook和亚马逊等网络应用程序瓜分了。然而,在区块链技术堆栈中,协议本身不仅创造了巨大的价值,而且还“吸附”了大部分价值,因此称为“胖协议”,其论文指出:“协议本身的市值总是比其上的应用组合的价值增长得快,因为应用层的成功反过来也将推高协议层价值预期。”

  虽然原生协议通证从根本上改变了商业模式,并且通过这些通证,协议将捕获它们创建的大部分价值,胖协议理论的一个缺陷是:仅仅强调通证的预期价值是协议捕获价值的一个重要原因,但没有明确阐明熊市期间当投机和预期消退后,通证自身价值的动态范围。如果通证没有长期,可持续的非投机价值,协议就不会很胖。通过分析通证经济学的影响,我们可以改进胖协议论文,这对通过通证创建和获取实际价值至关重要。

  通证经济学创造了长期价值

  最终,协议通过通证捕获的价值是长期值和预测(投机)值的总和,通过Fe和Fs这两个函数输出,而输入则分别是通证经济学和投机预期。为了纪念胖协议,我们可以将值定义为“FAT”。所以我们有一个公式:

  鉴于目前只有少数协议,如比特币和以太坊,实际上正在使用并具有Fe(通证经济学)价值,大多数项目的FAT纯粹是Fs(投机)值。当你处于熊市时(就像我们现在一样),Fs(投机)价值大多消失。因此,大多数令牌的价值归零并不奇怪。

  协议效用令牌的Fe(通证经济学)值主要由通证货币政策驱动 – 即通证供应和通证需求。例如,新的代币被铸造进入流通作为对矿工的奖励。但是,每次生成块时,原生通证需求(使用协议所需的通证)(即交易费用)远小于货币价值中的对矿工生成区块的奖励。因此,每次生成一个块时,都会出现通证供过于求的情况,从通证货币政策的角度来看,这将导致通证价值持续下降。

  要使通证价值上升,需要外部(外部协议使用)公用需求。对于比特币而言,至少在一些加密爱好者中已经达成共识,它可以作为一种价值储存方式,外部需求来自想要将其价值存储在比特币中的人们。对于定位为开发人员平台的以太坊来说,外部需求来自建立在以太坊之上的协议或应用程序。外部通证需求的这种差异对于理解在这次市场崩溃期间通证价值下跌至关重要,其中比特币仅损失了约80%的价值而以太坊损失了90%以上。

  在定位从支付转向价值储存之后,比特币似乎已经找到了可以立足的产品市场定位,外部需求似乎足以保持比特币的价值。不幸的是,建立在以太坊之上的协议或应用程序并没有产生大量的以太坊外部需求(MakerDAO CDP,其中以太坊被锁定,是以太坊外部需求的一个很好的例子)。实际上,大多数协议都有动机来创建通证并使用这些通证来捕获尽可能多的价值,而不是将gas交易费用之外的价值传递给以太坊。

  从胖协议论文的角度来看,比特币和以太坊都属于第1层基础设施公共区块链协议。但从经济学的角度来看,它们的不同之处在于比特币的外部需求更直接,而以太坊的外部需求更为间接,而这种微妙的差异极大地影响了协议的价值。这产生了一个非常重要的问题,且在胖协议论文中没有讨论:区块链协议栈的哪一层将创建并捕获最大的价值?

  协议之王

  直接支持应用程序的协议层将创建最大值,该协议的原生通证将捕获最大值。该协议将统治区块链堆栈中的所有其他协议,并成为协议之王。

  对于区块链堆栈中的协议,通过其原生通证捕获值,它需要首先创建价值。如下图所示,应用层协议在Internet堆栈中创建的价值最高,即使它们构建在较低层协议之上。HTTP(一种应用层协议)清楚地证明了这一点。HTTP层释放了互联网的全部价值,可以在电子商务(亚马逊),社交网络(Facebook),搜索(谷歌),视频流(Netflix)以及数千个其他类别中创建高价值的业务。

  大多数需要通证的区块链应用程序不应直接构建在区块链层协议(如以太坊)之上。这是因为区块链层协议使用的通证旨在保护和激励区块链本身,因此无法保护和激励应用程序。每个应用程序都需要一个专用的,定制设计的通证和一个相关的中间层协议 —— 一个位于区块链层协议之上但在面向客户的应用程序之下的协议。中间层将通过为加密网络赋能来创造价值,使加密网络能够为每个应用程序或业务创建本地经济。经济总是需要货币才能运作,协议的原生通证将作为本地经济的货币,并相应地获取经济价值的某一部分。

  最终,区块链堆栈中的中间层协议将创建最大值,类似于Internet堆栈。然而,与互联网不同,通证的发明使得协议可以捕获所创建的价值,而不是简单地提供应用程序用于构建其商业模型的免费标准。

  区块链堆栈将与Internet堆栈不同,因为将有许多区块链中间层协议而不是一个单一巨大的HTTP协议来为最具影响力的应用程序提供支持。这是因为每个应用程序或业务域都需要其自己独特的通证经济学设计,因此需要一个单独的唯一协议来为每个应用程序注入通证经济特性。

  这些中间层协议中的每一个都以类似区块链层协议的方式捕获佣金和协议使用费等价值(例如,以太坊提供的计算能力)。由激励机制的,差异化的中间层协议创造的经济规模比由更商品化的,计算驱动的区块链协议层创造的经济规模要大得多。实际上,我预测这些协议中的一些与较大的应用程序类别(如电子商务和社交网络)相关联,将创建超过100万亿美元的分布式本地经济,这些少数“独角兽”协议中的通证价值比任何区块链原生通证(包括比特币)都要大得多。

转载于:https://www.cnblogs.com/yyuyu/p/10865074.html

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/386818.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

tensorflow gpu windows配置步骤教学

本文主要针对在windows10环境下的tensorflow配置问题,在linux和mac等其他环境中的配置就不过多赘述(windows总是那个问题最多的环境,建议使用linux 😃)。 本文中配置的环境为 python 3.8.5 tensorflow-gpu 2.4.1 1. 更新nvidia显卡驱动至最…

【BJOI 2019】奥术神杖

题意 你有一个长度为 $n$ 的模板串(由 $0-9$ 这 $10$ 个数字和通配符 $.$ 组成),还有 $m$ 个匹配串(只由 $0-9$ 这 $10$ 个数字组成),每个匹配串有一个魔力值 $v_i$。你要把模板串的每个 $.$ 都换成一个数字…

C# 篇基础知识10——多线程

1.线程的概念 单核CPU的计算机中,一个时刻只能执行一条指令,操作系统以“时间片轮转”的方式实现多个程序“同时”运行。操作系统以进程(Process)的方式运行应用程序,进程不但包括应用程序的指令流,也包括运…

快速理解binary cross entropy 二元交叉熵

Binary cross entropy 二元交叉熵是二分类问题中常用的一个Loss损失函数,在常见的机器学习模块中都有实现。本文就二元交叉熵这个损失函数的原理,简单地进行解释。 首先是二元交叉熵的公式 : Loss−1N∑i1Nyi⋅log⁡(p(yi))(1−yi)⋅log(1−p(yi))Loss …

Docker搭建自己的GitLab

Docker搭建自己的GitLab docker 介绍 **GitLab: ** GitLab 是一个用于仓库管理系统的开源项目,使用Git作为代码管理工具,并在此基础上搭建起来的web服务 **Docker: ** Docker 是一个开源的应用容器引擎,让开发者可以打包他们的应用以及依赖…

flowable 任务节点多实例使用

我们在使用Flowable 工作流引擎的时候,最常用的肯定是任务节点,因为在OA系统、审批系统、办公自动化系统中核心的处理就是流程的运转,在流程运转的时候,可能我们有这样的一个需求,在一个任务节点的时候,我们…

Linux的目录结构

Linux文件系统是呈树形结构,了解Linux文件系统的目录结构,对于我们驾驭Linux还是有必要的。 目录 说明 / Linux文件系统的入口,也是处于最高一级的目录 /bin 基本系统所需要的命令。功能和/usr/bin类似,这个目录中的文件都是…

一文看懂卷积神经网络CNN的核心

在之前,我总结了关于计算机神经网络与梯度下降的核心,详见下文链接 : 一文看懂计算机神经网络与梯度下降 本文主要会对图像相关的机器学习中最为重要的网络,卷积神经网络作个人的理解分析。 1. 为什么要使用卷积神经网络 在讲述原理之前&am…

[LeetCode] Two Sum

一刷&#xff1a; import java.util.Arrays;public class Solution1 { public int[] twoSum(int[] nums, int target) {int[] indexnew int[2];int sum0;for (int i 0; i < nums.length; i) {for (int j i1; j < nums.length; j) {sumnums[i]nums[j];index[0] i;index[…

机器学习理论梳理2 : KNN K近邻分类模型

本文主要梳理KNN&#xff0c;K近邻模型的基本原理。 从机器学习的大分类来看&#xff0c;K近邻模型属于监督学习中的一种判别式模型&#xff0c;常用于分类问题。初始的数据集中&#xff0c;包含了已经分类标签好的数据。一句话来说&#xff0c;K近邻模型就是通过计算实例与现…

docker安装配置gitlab详细过程

1、方法一 1 docker pull beginor/gitlab-ce:11.0.1-ce.0 2、方法二 如果服务器网路不好或者pull不下来镜像&#xff0c;只能在其它网路比较好的机器上pull下来镜像&#xff0c;导出成一个文件&#xff0c; 再下载上传到网路不好的机器上&#xff0c;然后再从文件中导出来&am…

集合对偶律:分别用图文证明

集合几个法则&#xff1a; 求证&#xff1a; 注&#xff1a;右上角C表示此集合的补集/余集 语言描述&#xff1a;A 并 B的补集 A的补集 交 B的补集 A交B的补集 A的补集 并 B的补集 文字证明&#xff1a;&#xff08;思路&#xff1a;证明两个集合相等&#xff0c;可证两集合…

keras实现嘴唇图像autoencoder

本文分享了我在silent speech 项目过程中实现的基于嘴唇图像数据集的autoencoder自编码器。输入输出都是64∗6464*6464∗64的嘴唇灰度图。自编码器由编码解码两个部分构成&#xff0c;同时实现了利用checkpoint在每个epoch运算时&#xff0c;自动保存测试集loss更小的模型。 数…

historyReverser array reverse

historyReverser & array reverse "use strict";/**** author xgqfrms* license MIT* copyright xgqfrms** description historyReverser* augments Reverse 逆向 / Recursive 递归* example* link**/const historyReverser (datas [], text , debug false)…

pip国内加载速度慢解决方法

在国内使用pip安装包时有时会发现安装速度非常慢&#xff0c;甚至连接不上源。 为了加快pip的下载速度&#xff0c;我们可以主动使用 -i命令来切换到国内源。 下面放出实测好用的国内源 : 清华&#xff1a;https://pypi.tuna.tsinghua.edu.cn/simple 阿里云&#xff1a;http:…

oracle--导出、导入blob类型的字段

oracle--导出、导入blob类型的字段 blob是oracle中的一个数据类型&#xff0c;保存的是压缩后的二进制形式的大数据。 数据迁移如果涉及到blob字段&#xff0c;都不好处理&#xff0c;因为无法用常规方法进行操作&#xff0c;如&#xff1a;使用select查看该字段&#xff0c;…

深度学习分布式训练小结

分布式训练本质上是为了加快模型的训练速度&#xff0c;面对较为复杂的深度学习模型以及大量的数据。单机单GPU很难在有限的时间内达成模型的收敛。这时候就需要用到分布式训练。 分布式训练又分为模型并行和数据并行两大类。 1. 数据并行 数据并行在于将不同batch的数据分别…

MAC配置JCO,与找不到sapjco3异常

①到jco官网下载jco压缩包&#xff0c;解压 ②把libsapjco3.jnilib 放到一个文件夹中 把该路径配置到环境变量中 ③项目运行有可能会出现异常&#xff1a;找不到 sapjco3 &#xff1b; 第一种解决方式&#xff1a;配置虚拟机参数&#xff1a;-Djava.library.path之前环境变量路…

Java高并发之BlockingQueue

前言碎语 当系统流量负载比较高时&#xff0c;业务日志的写入操作也要纳入系统性能考量之内&#xff0c;如若处理不当&#xff0c;将影响系统的正常业务操作&#xff0c;之前写过一篇《spring boot通过MQ消费log4j2的日志》的博文&#xff0c;采用了RabbitMQ消息中间件来存储抗…

IP通信基础回顾2(第三周)

1.TCP报文 序号字段占4个字节。TCP连接中传送的数据流中每一个字节都编上一个序号。序号字段的值则是本报文段所发送的数据第一个字节的序号。 确认序号占4个字节。是期望收到的对方的下一个报文段字节胡序号。首部长度占4个字节。指出TCP首部长度在20-60字节之间&#xff0c;所…