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

Java枚举的内容可以使用map的方式

枚举的内容可以使用map的方式 package com.chinamobile.framework.common.enums;import org.springframework.util.CollectionUtils; import org.springframework.util.StringUtils;import java.util.ArrayList; import java.util.HashMap; import java.util.List; import jav…

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…

numpy一维数组永远为列向量

import numpy as np a np.array([1,3,4,5]) print(a.shape) a np.transpose(a) print(a.shape) print(a)a np.ravel(a) print(a.shape) print(a)a a.reshape((1,4)) print(a.shape)输出如下 (4,) (4,) [1 3 4 5] (4,) [1 3 4 5] (1, 4)我们会发现,对于一维的数…

【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…

keras模型中的默认初始化权重

权重的初始化,决定了模型训练的起点。一个良好的初始化可以加快训练过程,同时避免模型收敛至局部最小值。为了在训练过程中避免使得权重的变化总沿着同一个方向,我们尽量避免将所有权重都初始化为同一个值,如全0矩阵或全1矩阵。 …

java oracle的枚举错误

public enum OracleErrorTypeEnum implements BaseEnum {ORA00001("ORA-00001","不允许有重复的数据"),ORA00017("ORA-00017","请求会话以设置跟踪事件"),ORA00018("ORA-00018","超出最大会话数"),ORA00019(&quo…

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…

keras中mean square error均方误差理解

机器学习中,针对不同的问题选用不同的损失函数非常重要,而均方误差就是最基本,也是在解决回归问题时最常用的损失函数。本文就keras模块均方误差的计算梳理了一些细节。 首先看一下均方误差的数学定义 : 均方误差是预测向量与真实向量差值的…

Java并发Semaphore信号量的学习

public class MyThreadTest {private final static Semaphore semaphore new Semaphore(2);// 设置2个车位public static void main(String[] args) {System.out.println("start");p(semaphore, true, 1);p(semaphore, false, 2);p(semaphore, false, 3);p(semaphor…

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…

kolla-ansible-----常用命令

常用命令 kolla-ansible prechecks -i multinode #部署前环境检测 kolla-genpwd #生成/etc/kolla/password.yml密码配置文件 kolla-ansible post-deploy -i multinode #生成认证文件 kolla-ansible mariadb_recovery -i /opt/mutinode #恢复数据库 kolla-ansible -i multi…

python numpy 分离与合并复数矩阵实部虚部的方法

在进行数字信号处理的过程中,我们往往有对短时傅里叶变换频谱(spectrogram)进行分析的需求。常见的分析手段对应欧拉公式分为两种,要么使用模与相位的形式,要么使用实部虚部。本文分享一个简单的将复数光谱图分解为实部与虚部以及将两个部分重…

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…

LeetCode Range Sum Query Immutable

2131231转载于:https://www.cnblogs.com/ZHONGZHENHUA/p/10873807.html

如何使用python导入mat格式的数据并整理

mat格式是一般而言的matlab数据的存储格式,对于经常要混用matlab和python的数据处理相关的问题,我们往往需要将matlab中的数据导入至python,本文给出了相关的方法。 from scipy.io import loadmat import numpy as npdict_mat loadmat(&quo…

Java静态类使用 使用 service

Springboot中如果希望在Utils工具类中,使用到我们已经定义过的Dao层或者Service层Bean,可以如下编写Utils类: 1. 使用Component注解标记工具类StatisticsUtils: 2. 使用Autowired(Autowired和Resource的区别不再介绍)注入我们需…

Codeforces 1144D Deduction Queries 并查集

Deduction Queries 用并查集维护前缀的关系&#xff0c; 在同一个联通块内两两之间的异或值都是已知的。 每个点再维护一个和它当前父亲的异或值&#xff0c; 压缩路径的时候更新一下就好了。 #include<bits/stdc.h> #define LL long long #define LD long double #defin…

python一步将npy数据保存成mat

import scipy.io as io io.savemat("dataname.mat", {data: npy_data})使用scipy库中的io模块&#xff0c;只需一步就可以将npy矩阵保存为mat格式文件&#xff0c;第一个参数是保存路径&#xff0c;第二个参数需要输入一个字典&#xff0c;data键对应需要保存的数据。…

docker oracle 11g

话不多说 开始记录docker拉取阿里的oracle11g 镜像并进行配置&#xff0c; 用pl/sql 可以登录为最终结果 navicat连接是在最后一步 这是我们所需要进行拉取oracle镜像的楼主所给出的说明 参考&#xff1a;https://blog.csdn.net/zwx521515/article/details/77982884 但是根…