0xjacobzhao
Crypto x AI | ex-Crypto VC | ENTJ/INTJ
Açıq ticarət
Təsadüfi treyder
8.3 ay
1 İzlənilir
20 İzləyicilər
17 Bəyəndi
8 Paylaşıldı
Postlar
Portfel
Ehtimalı Aktivlərə Çevirərək: Proqnoz Bazar Agentlərinə Göz Atma
Ötən Crypto AI araşdırmamızda, stabilcoin-lərin və DeFi-nin dərhal istifadə imkanı təqdim etdiyini, Agentlərin isə AI sənayesi üçün kritik istifadəçi interfeysi olduğunu müəyyən etdik. Nəticədə, Crypto-AI inteqrasiyası üçün iki əsas dəyər yolu müəyyən edirik: AgentFi-yə qısa müddətli fokus, bu da yetkin DeFi protokollarında gəlir strategiyalarını avtomatlaşdırır, və Agent Ödəmə-yə orta və uzun müddətli inkişaf, ACP, x402 və ERC-8004 kimi yeni standartlar vasitəsilə müstəqil stabilcoin hesablaşmasını mümkün edir.
Proqnoz bazarları 2025-ci ildə danılmaz yeni bir sənaye trendinə çevrilmişdir, 2024-cü ildə təxminən 9 milyard dollar olan illik ticarət həcmi 2025-ci ildən 40 milyard dollardan çox artaraq 400%-dən çox illik artım əldə edir. Bu əhəmiyyətli artım bir neçə amil tərəfindən idarə olunur: makro-siyasi hadisələrin yaratdığı qeyri-müəyyənliklərin qorunması tələbi, infrastruktur və ticarət modellərinin yetkinləşməsi, və tənzimləyici mühitdəki buzların əridilməsi (Kalshi'nin məhkəmə qələbəsi və Polymarket'in ABŞ-a qayıtması). Proqnoz Bazar Agentləri 2026-cı ilin əvvəllərində erkən prototiplər nümayiş etdirir və gələn il agent sahəsində yeni məhsul forması olmağa hazırdır.
Proqnoz bazarları 2025-ci ildə danılmaz yeni bir sənaye trendinə çevrilmişdir, 2024-cü ildə təxminən 9 milyard dollar olan illik ticarət həcmi 2025-ci ildən 40 milyard dollardan çox artaraq 400%-dən çox illik artım əldə edir. Bu əhəmiyyətli artım bir neçə amil tərəfindən idarə olunur: makro-siyasi hadisələrin yaratdığı qeyri-müəyyənliklərin qorunması tələbi, infrastruktur və ticarət modellərinin yetkinləşməsi, və tənzimləyici mühitdəki buzların əridilməsi (Kalshi'nin məhkəmə qələbəsi və Polymarket'in ABŞ-a qayıtması). Proqnoz Bazar Agentləri 2026-cı ilin əvvəllərində erkən prototiplər nümayiş etdirir və gələn il agent sahəsində yeni məhsul forması olmağa hazırdır.
Tərcüməyə bax
让概率成为资产：预测市场智能体前瞻
在过往Crypto AI系列研报中我们持续强调的观点：当前加密领域最具实际应用价值的场景，主要集中在稳定币支付与DeFi，而Agent是AI产业面向用户的关键界面。因此，在Crypto与AI融合的趋势中，最具价值的两条路径分别是：短期内基于现有成熟DeFi协议（借贷、流动性挖矿等基础策略，以及Swap、Pendle PT、资金费率套利等高级策略）的AgentFi，以及中长期围绕稳定币结算、并依托ACP/AP2/x402/ERC-8004等协议的Agent Payment。
预测市场在2025年已成为不容忽视的行业新趋势，其年度总交易量从2024年的约90亿美元激增至2025年的超过400亿美元，实现超过400%的年同比增长。这一显著增长由多重因素共同推动：宏观政治事件带来不确定性需求，基础设施与交易模式的成熟，以及监管环境出现破冰（Kalshi胜诉与Polymarket回归美国）。预测市场智能体(Prediction Market Agent)在2026年初呈现早期雏形，有望在未来一年成为智能体领域的新兴产品形态。
一、预测市场：从下注工具到“全球真相层”
预测市场是一种围绕未来事件结果进行交易的金融机制，合约价格本质上反映了市场对事件发生概率的集体判断。其有效性源于群体智慧与经济激励的结合：在匿名、真金白银下注的环境中，分散信息被快速整合为按资金意愿加权的价格信号，从而显著降低噪音与虚假判断。
预测市场名义交易量趋势图 数据来源：Dune Analytics (Query ID: 5753743)
截至2025年底，预测市场已基本形成 Polymarket与Kalshi 双寡头主导的格局。据《福布斯》统计，2025年总交易量约达440亿美元，其中Polymarket贡献约215亿美元，Kalshi约为171亿美元。2026年2月周数据显示Kalshi交易量（$25.9B）已超过Polymarket（$18.3B），接近50%市场份额，Kalshi凭借此前选举合约案的法律胜诉、在美国体育预测市场的合规先发优势，以及相对明确的监管预期，实现了快速扩张。目前，二者的发展路径已呈现清晰分化：
Polymarket 采用“链下撮合、链上结算”的混合CLOB架构与去中心化结算机制，构建起全球化、非托管的高流动性市场，合规重返美国后形成“在岸+离岸”双轨运营结构；Kalshi 融入传统金融体系，通过API接入主流零售券商，吸引华尔街做市商深度参与宏观与数据型合约交易，产品受制于传统监管流程，长尾需求与突发事件相对滞后。
除Polymarket与Kalshi之外，预测市场领域具备竞争力的其他参与者主要沿着两条路径发展：
一是合规分发路径，将事件合约嵌入券商或大型平台的既有账户与清算体系，依托渠道覆盖、合规资质与机构信任建立优势（如 Interactive Brokers × ForecastEx 的 ForecastTrader，FanDuel × CME Group 的 FanDuel Predicts），合规与资源优势显著，但产品与用户规模仍早期。二是Crypto原生链上路径，以 Opinion.trade、Limitless、Myriad 为代表，借助积分挖矿、短周期合约与媒体分发实现快速放量，强调性能与资金效率，但其长期可持续性与风控稳健性仍有待验证。
传统金融合规入口与加密原生性能优势这两类路径共同构成预测市场生态的多元竞争格局。
预测市场表面上与赌博相似，本质是零和博弈，但二者的核心区别在于是否具有正外部性：通过真金白银的交易聚合分散信息，对现实事件进行公共定价，形成有价值的信号层。其趋势正从博弈转向“全球真相层”——随着CME、彭博等机构的接入，事件概率已成为可被金融与企业系统直接调用的决策元数据，提供更及时、可量化的市场化真相。
从全球监管现状看，预测市场的合规路径高度分化。美国是唯一明确将预测市场纳入金融衍生品监管框架的主要经济体，欧洲、英国、澳大利亚、新加坡等市场普遍将其视为博彩并趋于收紧监管，中国、印度等则完全禁止，预测市场未来全球化扩张仍依赖于各国的监管框架。
二、预测市场智能体的架构设计
当下预测市场智能体(Prediction Market Agent)正在进入早期实践阶段，其价值不在于“AI 预测更准”，而在于放大预测市场中的信息处理与执行效率。预测市场本质是信息聚合机制，价格反映对事件概率的集体判断；现实中的市场低效源于信息不对称、流动性与注意力约束。预测市场智能体 的合理定位是可执行的概率资产管理（Executable Probabilistic Portfolio Management）：将新闻、规则文本与链上数据转化为可验证的定价偏差，以更快、更纪律化、低成本的方式执行策略，并通过跨平台套利与组合风控捕获结构性机会。
理想的预测市场智能体 可抽象为四层架构：
信息层汇集新闻、社交、链上与官方数据；分析层以 LLM 与 ML 识别错价并计算 Edge；策略层通过凯利公式、分批建仓与风控将 Edge 转化为仓位；执行层完成多市场下单、滑点与 Gas 优化与套利执行，形成高效自动化闭环。
三、预测市场智能体的策略框架
不同于传统交易环境，预测市场在结算机制、流动性与信息分布上具有显著差异，并非所有市场与策略都适合自动化执行。预测市场智能体的核心在于是否被部署于规则清晰、可编码且符合其结构性优势的场景中。下文将从标的选择、仓位管理与策略结构三个层面展开分析。
预测市场的标的选择
并非所有预测市场都具备可交易价值，其参与价值取决于：结算清晰度（规则是否明确、数据源是否唯一）、流动性质量（市场深度、点差与成交量）、内幕风险（信息不对称程度）、时间结构（到期时间与事件节奏）、以及交易者自身的信息优势与专业背景。仅多数维度满足基本要求时，预测市场才具备参与的基础，参与者应依据自身优势与市场特性进行匹配：
人类核心优势：依赖专业知识、判断力与模糊信息整合，且时间窗口相对宽松（以天/周计）的市场。典型如政治选举、宏观趋势及企业里程碑。AI Agent核心优势：依赖数据处理、模式识别与快速执行，且决策窗口极短（以秒/分计）的市场。典型如高频加密价格、跨市场套利及自动化做市。不适配领域：由内幕信息主导或纯随机/高操纵性的市场，对任何参与者不构成优势。
预测市场的仓位管理
凯利公式（Kelly Criterion）是重复博弈场景中最具代表性的资金管理理论，其目标并非最大化单次收益，而是最大化资金的长期复利增长率。该方法基于对胜率与赔率的估计，计算理论最优仓位比例，在具备正期望的前提下提升资本增长效率，广泛应用于量化投资、职业博彩、扑克及资产管理领域。
经典形式为： f^* = (bp - q) / b
其中，f∗为最优投注比例，b为净赔率，p为胜率，q=1−p
预测市场可简化为：f^* = (p - market\_price) / (1 - market\_price)
其中，p为主观真实概率，market_price 为市场隐含概率
凯利公式的理论有效性高度依赖对真实概率与赔率的准确估计，现实中交易者难以持续准确地掌握真实概率，在实际操作中，职业博彩者与预测市场参与者更倾向采用可执行性更强、对概率估计依赖更低的规则化策略：
Unit System（单位下注法）：将资金拆分为固定单位（如 1%），根据信心等级投入不同单位数，通过单位上限自动约束单笔风险，是最常见的实务方法。固定比例法（Flat Betting）：每次下注使用固定资金比例，强调纪律性与稳定性，适合风险厌恶型或低确信度环境。阶梯信心法（Confidence Tiers）：预设离散仓位档位并设置绝对上限，以降低决策复杂度，避免凯利模型的伪精确问题。反向风险法（Inverted Risk Approach）：以可承受最大亏损为起点反推仓位规模，从风险约束而非收益预期出发，形成稳定的风险边界。
对于预测市场智能体而言，策略设计应优先强调可执行性与稳定性，而非追求理论最优。关键在于规则清晰、参数简洁、对判断误差具备容错性。在此约束下，阶梯信心法结合固定仓位上限是最适合 PM Agent 的通用仓位管理方案。该方法不依赖精确概率估计，而是根据信号强弱将机会划分为有限档位并对应固定仓位；即便在高确信场景下亦设定明确上限控制风险。
预测市场的策略选择
从策略结构看，预测市场主要可分为两大类：以规则清晰、可编码为特征的确定性套利策略（Arbitrage），以及依赖信息解读与方向判断的投机类方向策略（Speculative）；此外，还存在以专业机构为主、对资本与基础设施要求较高的做市与对冲策略。
确定性套利策略（Arbitrage）
结算套利（Resolution Arbitrage）： 结算套利发生在事件结果已基本确定、但市场尚未完全定价的阶段，收益主要来自信息同步与执行速度。该策略规则清晰、风险较低且可完全编码，是预测市场中最适合 Agent 执行的核心策略。概率守恒套利（Dutch Book Arbitrage）：Dutch Book 套利利用互斥且完备事件集合的价格之和偏离概率守恒约束（∑P≠1）所形成的结构性失衡，通过组合建仓锁定无方向风险收益。该策略仅依赖规则与价格关系，风险较低且可高度规则化，是适合 Agent 自动化执行的典型确定性套利形式。跨平台套利： 跨平台套利通过捕捉同一事件在不同市场间的定价偏差获利，风险较低但对延迟与并行监控要求较高。该策略适合具备基础设施优势的 Agent 执行，但竞争加剧使边际收益持续下降。组合套利（Bundle）： 组合套利利用相关合约之间的定价不一致进行交易，逻辑清晰但机会有限。该策略可由 Agent 执行，但对规则解析与组合约束有一定工程要求，Agent 适配度中等。
投机类方向策略（Speculative）
结构化信息驱动策略（Information Trading）：该类策略围绕明确事件或结构化信息展开，如官方数据发布、公告或裁决窗口。只要信息来源清晰、触发条件可定义，Agent 可在监测与执行层面发挥速度与纪律优势；但当信息转为语义判断或情景解读时，仍需人类介入。信号跟随策略（Signal Following）：该策略通过跟随历史表现较优的账户或资金行为获取收益，规则相对简单、可自动化执行。其核心风险在于信号退化与被反向利用，因此需要过滤机制与严格的仓位管理。适合作为 Agent 的辅助型策略。非结构化与高噪声策略（Unstructured / Noise-driven）：该类策略高度依赖情绪、随机性或参与行为，缺乏稳定可复制的 edge，长期期望值不稳定。由于难以建模、风险极高，不适合 Agent 系统性执行，也不建议作为长期策略。
高频价格与流动性策略（Market Microstructure）：该类策略依赖极短决策窗口、持续报价或高频交易，对延迟、模型与资本要求极高。虽然理论上适合 Agent，但在预测市场中往往受限于流动性与竞争强度，仅适合少数具备显著基础设施优势的参与者。
风险管理与对冲策略（Risk Control & Hedging）：该类策略并不直接追求收益，而是用于降低整体风险暴露。规则明确、目标清晰，作为底层风险控制模块长期运行。
总体而言，预测市场中适合 Agent 执行的策略集中于规则清晰、可编码且弱主观判断的场景，其中确定性套利应作为核心收益来源，结构化信息与信号跟随策略作为补充，高噪声与情绪型交易应被系统性排除。Agent 的长期优势在于高纪律、高速度的执行与风险控制能力。
四、预测市场智能体商业模式与产品形态
预测市场智能体的理想的商业模式设计在不同层级有不同方向的探索空间：
基建层(Infrastructure )，提供多源实时数据聚合、Smart Money 地址库、统一的预测市场执行引擎与回测工具，向 B2B收费，获取与预测准确率无关的稳定收入；策略层(Strategy) ，引入社区与第三方策略，构建可复用、可评估的策略生态，并通过调用、权重或执行分成实现价值捕获，从而降低对单一 Alpha 的依赖。Agent / Vault 层，智能体以受托管理方式直接参与实盘执行，依托链上透明记录与严格风控体系，收取管理费与绩效费兑现能力。
而不同商业模式对应的产品形态，亦可以划分为：
娱乐化 / 游戏化模式：通过类 Tinder 的直觉交互降低参与门槛，具备最强的用户增长与市场教育能力，是实现破圈的理想入口，但需承接至订阅或执行型产品变现。策略订阅 / 信号模式：不涉及资金托管，监管友好、权责清晰，SaaS 收入结构相对稳定，是当前阶段最可行的商业化路径。其局限在于策略易被复制、执行存在损耗，长期收入天花板有限，可通过“信号 + 一键执行”的半自动化形态显著改善体验与留存。Vault 托管模式：具备规模效应与执行效率优势，形态接近资管产品，但面临资产管理牌照、信任门槛与集中化技术风险等多重结构性约束，商业模式高度依赖市场环境与持续盈利能力。除非具备长期业绩与机构级背书，否则不宜作为主路径。
总体而言，“基础设施变现 + 策略生态扩展 + 业绩参与”的多元收入结构，有助于降低对“AI 持续战胜市场”的单一假设依赖。即便 Alpha 随市场成熟而收敛，执行、风控与结算等底层能力仍具长期价值，从而构建更具可持续性的商业闭环。
五、预测市场智能体的项目案例
目前，预测市场智能体（Prediction Market Agents）仍处于早期探索阶段。市场虽然涌现出从底层框架到上层工具的多样化尝试，但尚未形成一套在策略生成、执行效率、风控体系及商业闭环上均成熟的标准化产品。
我们将目前的生态版图划分为三个层级：基础设施层（Infrastructure）、自主交易智能体（Autonomous Agents） 以及 预测市场工具（Prediction Market Tools）。
基础设施层（Infrastructure）
Polymarket Agents框架：
Polymarket Agents Polymarket 官方推出的开发者框架，旨在解决“连接与交互”的工程标准化问题。该框架封装了市场数据获取、订单构建及基础的 LLM 调用接口。它解决了“如何用代码下单”的问题，但在核心的交易能力——如策略生成、概率校准、动态仓位管理及回测系统上基本留白。它更像是官方认可的“接入规范”，而非具备 Alpha 收益的成品。商业级的 Agent 仍需在此基础上自建完整的投研与风控内核。
Gnosis 预测市场工具：
Gnosis Prediction Market Agent Tooling（PMAT）对 Omen/AIOmen 及 Manifold 提供了完整的读写支持，但对 Polymarket 仅开放只读权限，生态壁垒明显。它适合作为 Gnosis 体系内Agent 的开发基石，但对于以 Polymarket 为主战场的开发者而言，实用性有限。
Polymarket 与 Gnosis 是目前将“Agent 开发”明确产品化为官方框架的预测市场生态。 Kalshi 等其他预测市场仍主要停留在 API 及 Python SDK层，开发者需自行补齐策略、风控、运行与监控等关键系统能力。
自主交易智能体（Autonomous Agent）
当前市场上的“预测市场 AI Agents”多仍处于早期阶段，虽冠以“Agent”之名，但实际能力距离可放权的自动化闭环交易仍有显著差距，普遍缺乏独立、系统化的风控层，未将仓位管理、止损、对冲与期望值约束纳入决策流程，整体产品化程度偏低尚未形成可长期运行的成熟系统。
Olas Predict：是当前产品化程度最高的预测市场智能体生态。其核心产品 Omenstrat 基于 Gnosis 体系内的 Omen 构建，底层采用 FPMM 与去中心化仲裁机制，支持小额高频交互，但受限于 Omen 单市场流动性不足。其"AI 预测"主要依赖通用 LLM，缺乏实时数据与系统化风控，历史胜率在品类间分化明显。2026年2月，Olas 推出 Polystrat，将 Agent 能力扩展至 Polymarket——用户可用自然语言设定策略，Agent 自动识别 4 天内结算市场的概率偏差并执行交易。系统通过 Pearl 本地运行、自托管 Safe 账户与硬编码限制控制风险，是目前首个面向 Polymarket 的消费级自主交易 Agent。
UnifAI Network Polymarket Strategy：提供 Polymarket 自动化交易 Agent，核心为尾部风险承担策略：扫描隐含概率 >95% 的临近结算合约并买入，目标获取 3–5% 价差。链上数据显示胜率接近 95%，但收益在品类间分化明显，策略高度依赖执行频率与品类选择。
NOYA.ai 试图将"研究—判断—执行—监控"整合为 Agent 闭环，架构涵盖情报层、抽象层与执行层。当前已交付 Omnichain Vaults；Prediction Market Agent 仍处开发阶段，尚未形成完整主网闭环，整体处于愿景验证期。
预测市场工具 (Prediction Market Tools)
当前预测市场分析工具尚不足以构成完整的“预测市场智能体”，其价值主要集中在智能体架构中的信息层与分析层，交易执行、仓位管理与风险控制仍需由交易者自行承担。从产品形态看，更符合“策略订阅 / 信号辅助 / 研究增强”的定位，可被视为预测市场智能体的早期雏形。
通过对 Awesome-Prediction-Market-Tools 收录项目的系统梳理与实证筛选，本文选取其中已具备初步产品形态与使用场景的代表性项目作为研报案例。主要集中于四个方向：分析与信号层、警报与鲸鱼追踪系统、套利发现工具和交易终端与聚合执行。
市场分析工具
Polyseer ：研究型预测市场工具，采用多 Agent 分工架构（Planner / Researcher / Critic / Analyst / Reporter）进行双边证据搜集与贝叶斯概率聚合，输出结构化研报。其优势在于方法论透明、流程工程化、完全开源可审计。Oddpool ：定位为“预测市场的 Bloomberg 终端”，提供 Polymarket、Kalshi、CME 等跨平台聚合、套利扫描与实时数据仪表盘终端。Polymarket Analytics：全球化的 Polymarket 数据分析平台，系统性展示交易者、市场、仓位与成交数据，定位清晰、数据直观，适合作为基础数据查询与研究参考。Hashdive：面向交易者的数据工具，通过 Smart Score 与多维 Screener 量化筛选交易者与市场，在“聪明钱识别”和跟单决策上具备实用性。Polyfactual ：聚焦 AI 市场情报与情绪/风险分析，通过 Chrome 扩展将分析结果嵌入交易界面，偏向 B2B 与机构用户场景。Predly ：AI 错价检测平台，通过对比市场价格与 AI 计算概率识别 Polymarket 与 Kalshi 的定价偏差，官方声称警报准确率达 89%，定位于信号发现与机会筛选。Polysights : 覆盖 30+ 市场与链上指标，并以 Insider Finder 追踪新钱包、大额单向下注等异常行为，适合日常监控与信号发现。PolyRadar ：多模型并行分析平台，对单一事件提供实时解读、时间线演化、置信度评分与来源透明度，强调多 AI 交叉验证，定位分析工具。Alphascope ：AI 驱动的预测市场情报引擎，提供实时信号、研究摘要与概率变化监控，整体仍处早期阶段，偏研究与信号支持。
警报/鲸鱼追踪
Stand: 明确定位鲸鱼跟单与高确信动作提醒。Whale Tracker Livid ：将鲸鱼仓位变化产品化
套利发现工具：
ArbBets : AI 驱动的套利发现工具，聚焦于 Polymarket、Kalshi 及体育博彩市场，识别跨平台套利与正期望值（+EV）交易机会，定位于高频机会扫描层。PolyScalping : 面向 Polymarket 的实时套利与剥头皮分析平台，支持每 60 秒全市场扫描、ROI 计算与 Telegram 推送，并可按流动性、价差与成交量等维度筛选机会，偏向主动交易者。Eventarb : 轻量级跨平台套利计算与提醒工具，覆盖 Polymarket、Kalshi 与 Robinhood，功能聚焦、免费使用，适合作为基础套利辅助。Prediction Hunt： 跨交易所预测市场聚合与对比工具，提供 Polymarket、Kalshi 与 PredictIt 的实时价格比较与套利识别（约 5 分钟刷新），定位于信息对称与市场低效发现。
交易终端/聚合执行
Verso：获 YC Fall 2024 支持的机构级预测市场交易终端，提供 Bloomberg 风格界面，覆盖 Polymarket 与 Kalshi 的 15,000+ 合约实时追踪、深度数据分析与 AI 新闻情报，定位于专业与机构交易者。Matchr：跨平台预测市场聚合与执行工具，覆盖 1,500+ 市场，通过智能路由实现最优价格撮合，并规划基于高概率事件、跨场套利与事件驱动的自动化收益策略，定位于执行与资金效率层。TradeFox：由 Alliance DAO 与 CMT Digital 支持的专业预测市场聚合与 Prime Brokerage 平台，提供高级订单执行（限价单、止盈止损、TWAP）、自托管交易与多平台智能路由，定位机构级交易者，计划扩展至 Kalshi、Limitless、SxBet 等平台。
六、总结与展望
当前，预测市场智能体(Prediction Market Agent)正处于发展的早期探索阶段。
市场基础与本质演进：Polymarket与Kalshi已形成双寡头结构，围绕其构建智能体具备充分的流动性与场景基础。预测市场与赌博的核心区别在于正外部性，通过真实交易聚合分散信息，对现实事件进行公共定价，逐步演化为“全球真相层”。核心定位：预测市场智能体应定位为可执行的概率资产管理工具，其核心任务是将新闻、规则文本与链上数据转化为可验证的定价偏差，并以更高纪律性、更低成本和跨市场能力执行策略。理想架构可抽象为信息、分析、策略与执行四层，但其实际可交易性高度依赖于结算的清晰度、流动性的质量以及信息的结构化程度。策略选择与风控逻辑：从策略层面看，确定性套利（包括结算套利、概率守恒套利及跨平台价差交易）最适合由智能体自动化执行，而方向性投机仅可作为补充。在仓位管理上，应优先考虑可执行性与容错性，阶梯法结合固定仓位上限最适合。商业模式与前景：商业化主要分为三层：基建层以数据执行基础设施获取稳定 B2B 收入，策略层通过第三方策略调用或分成变现，Agent/Vault 层在链上透明风控约束下参与实盘并收取管理费与绩效费。对应形态包括娱乐化入口、策略订阅/信号（当前最可行）及高门槛的 Vault 托管，“基建 + 策略生态 + 业绩参与”为更可持续路径。
尽管预测市场智能体（Prediction Market Agents）生态中已涌现出从底层框架到上层工具的多样化尝试，但在策略生成、执行效率、风险控制与商业闭环等关键维度上，目前尚未出现成熟、可复制的标准化产品，我们期待未来预测市场智能体的迭代与进化。
免责声明：本文在创作过程中借助了 ChatGPT-5.2, Gemini 3和Claude Opus 4.5等 AI 工具辅助完成，作者已尽力校对并确保信息真实与准确，但仍难免存在疏漏，敬请谅解。需特别提示的是，加密资产市场普遍存在项目基本面与二级市场价格表现背离的情况。本文内容仅用于信息整合与学术/研究交流，不构成任何投资建议，亦不应视为任何代币的买卖推荐。
预测市场在2025年已成为不容忽视的行业新趋势，其年度总交易量从2024年的约90亿美元激增至2025年的超过400亿美元，实现超过400%的年同比增长。这一显著增长由多重因素共同推动：宏观政治事件带来不确定性需求，基础设施与交易模式的成熟，以及监管环境出现破冰（Kalshi胜诉与Polymarket回归美国）。预测市场智能体(Prediction Market Agent)在2026年初呈现早期雏形，有望在未来一年成为智能体领域的新兴产品形态。
一、预测市场：从下注工具到“全球真相层”
预测市场是一种围绕未来事件结果进行交易的金融机制，合约价格本质上反映了市场对事件发生概率的集体判断。其有效性源于群体智慧与经济激励的结合：在匿名、真金白银下注的环境中，分散信息被快速整合为按资金意愿加权的价格信号，从而显著降低噪音与虚假判断。
预测市场名义交易量趋势图 数据来源：Dune Analytics (Query ID: 5753743)
截至2025年底，预测市场已基本形成 Polymarket与Kalshi 双寡头主导的格局。据《福布斯》统计，2025年总交易量约达440亿美元，其中Polymarket贡献约215亿美元，Kalshi约为171亿美元。2026年2月周数据显示Kalshi交易量（$25.9B）已超过Polymarket（$18.3B），接近50%市场份额，Kalshi凭借此前选举合约案的法律胜诉、在美国体育预测市场的合规先发优势，以及相对明确的监管预期，实现了快速扩张。目前，二者的发展路径已呈现清晰分化：
Polymarket 采用“链下撮合、链上结算”的混合CLOB架构与去中心化结算机制，构建起全球化、非托管的高流动性市场，合规重返美国后形成“在岸+离岸”双轨运营结构；Kalshi 融入传统金融体系，通过API接入主流零售券商，吸引华尔街做市商深度参与宏观与数据型合约交易，产品受制于传统监管流程，长尾需求与突发事件相对滞后。
除Polymarket与Kalshi之外，预测市场领域具备竞争力的其他参与者主要沿着两条路径发展：
一是合规分发路径，将事件合约嵌入券商或大型平台的既有账户与清算体系，依托渠道覆盖、合规资质与机构信任建立优势（如 Interactive Brokers × ForecastEx 的 ForecastTrader，FanDuel × CME Group 的 FanDuel Predicts），合规与资源优势显著，但产品与用户规模仍早期。二是Crypto原生链上路径，以 Opinion.trade、Limitless、Myriad 为代表，借助积分挖矿、短周期合约与媒体分发实现快速放量，强调性能与资金效率，但其长期可持续性与风控稳健性仍有待验证。
传统金融合规入口与加密原生性能优势这两类路径共同构成预测市场生态的多元竞争格局。
预测市场表面上与赌博相似，本质是零和博弈，但二者的核心区别在于是否具有正外部性：通过真金白银的交易聚合分散信息，对现实事件进行公共定价，形成有价值的信号层。其趋势正从博弈转向“全球真相层”——随着CME、彭博等机构的接入，事件概率已成为可被金融与企业系统直接调用的决策元数据，提供更及时、可量化的市场化真相。
从全球监管现状看，预测市场的合规路径高度分化。美国是唯一明确将预测市场纳入金融衍生品监管框架的主要经济体，欧洲、英国、澳大利亚、新加坡等市场普遍将其视为博彩并趋于收紧监管，中国、印度等则完全禁止，预测市场未来全球化扩张仍依赖于各国的监管框架。
二、预测市场智能体的架构设计
当下预测市场智能体(Prediction Market Agent)正在进入早期实践阶段，其价值不在于“AI 预测更准”，而在于放大预测市场中的信息处理与执行效率。预测市场本质是信息聚合机制，价格反映对事件概率的集体判断；现实中的市场低效源于信息不对称、流动性与注意力约束。预测市场智能体 的合理定位是可执行的概率资产管理（Executable Probabilistic Portfolio Management）：将新闻、规则文本与链上数据转化为可验证的定价偏差，以更快、更纪律化、低成本的方式执行策略，并通过跨平台套利与组合风控捕获结构性机会。
理想的预测市场智能体 可抽象为四层架构：
信息层汇集新闻、社交、链上与官方数据；分析层以 LLM 与 ML 识别错价并计算 Edge；策略层通过凯利公式、分批建仓与风控将 Edge 转化为仓位；执行层完成多市场下单、滑点与 Gas 优化与套利执行，形成高效自动化闭环。
三、预测市场智能体的策略框架
不同于传统交易环境，预测市场在结算机制、流动性与信息分布上具有显著差异，并非所有市场与策略都适合自动化执行。预测市场智能体的核心在于是否被部署于规则清晰、可编码且符合其结构性优势的场景中。下文将从标的选择、仓位管理与策略结构三个层面展开分析。
预测市场的标的选择
并非所有预测市场都具备可交易价值，其参与价值取决于：结算清晰度（规则是否明确、数据源是否唯一）、流动性质量（市场深度、点差与成交量）、内幕风险（信息不对称程度）、时间结构（到期时间与事件节奏）、以及交易者自身的信息优势与专业背景。仅多数维度满足基本要求时，预测市场才具备参与的基础，参与者应依据自身优势与市场特性进行匹配：
人类核心优势：依赖专业知识、判断力与模糊信息整合，且时间窗口相对宽松（以天/周计）的市场。典型如政治选举、宏观趋势及企业里程碑。AI Agent核心优势：依赖数据处理、模式识别与快速执行，且决策窗口极短（以秒/分计）的市场。典型如高频加密价格、跨市场套利及自动化做市。不适配领域：由内幕信息主导或纯随机/高操纵性的市场，对任何参与者不构成优势。
预测市场的仓位管理
凯利公式（Kelly Criterion）是重复博弈场景中最具代表性的资金管理理论，其目标并非最大化单次收益，而是最大化资金的长期复利增长率。该方法基于对胜率与赔率的估计，计算理论最优仓位比例，在具备正期望的前提下提升资本增长效率，广泛应用于量化投资、职业博彩、扑克及资产管理领域。
经典形式为： f^* = (bp - q) / b
其中，f∗为最优投注比例，b为净赔率，p为胜率，q=1−p
预测市场可简化为：f^* = (p - market\_price) / (1 - market\_price)
其中，p为主观真实概率，market_price 为市场隐含概率
凯利公式的理论有效性高度依赖对真实概率与赔率的准确估计，现实中交易者难以持续准确地掌握真实概率，在实际操作中，职业博彩者与预测市场参与者更倾向采用可执行性更强、对概率估计依赖更低的规则化策略：
Unit System（单位下注法）：将资金拆分为固定单位（如 1%），根据信心等级投入不同单位数，通过单位上限自动约束单笔风险，是最常见的实务方法。固定比例法（Flat Betting）：每次下注使用固定资金比例，强调纪律性与稳定性，适合风险厌恶型或低确信度环境。阶梯信心法（Confidence Tiers）：预设离散仓位档位并设置绝对上限，以降低决策复杂度，避免凯利模型的伪精确问题。反向风险法（Inverted Risk Approach）：以可承受最大亏损为起点反推仓位规模，从风险约束而非收益预期出发，形成稳定的风险边界。
对于预测市场智能体而言，策略设计应优先强调可执行性与稳定性，而非追求理论最优。关键在于规则清晰、参数简洁、对判断误差具备容错性。在此约束下，阶梯信心法结合固定仓位上限是最适合 PM Agent 的通用仓位管理方案。该方法不依赖精确概率估计，而是根据信号强弱将机会划分为有限档位并对应固定仓位；即便在高确信场景下亦设定明确上限控制风险。
预测市场的策略选择
从策略结构看，预测市场主要可分为两大类：以规则清晰、可编码为特征的确定性套利策略（Arbitrage），以及依赖信息解读与方向判断的投机类方向策略（Speculative）；此外，还存在以专业机构为主、对资本与基础设施要求较高的做市与对冲策略。
确定性套利策略（Arbitrage）
结算套利（Resolution Arbitrage）： 结算套利发生在事件结果已基本确定、但市场尚未完全定价的阶段，收益主要来自信息同步与执行速度。该策略规则清晰、风险较低且可完全编码，是预测市场中最适合 Agent 执行的核心策略。概率守恒套利（Dutch Book Arbitrage）：Dutch Book 套利利用互斥且完备事件集合的价格之和偏离概率守恒约束（∑P≠1）所形成的结构性失衡，通过组合建仓锁定无方向风险收益。该策略仅依赖规则与价格关系，风险较低且可高度规则化，是适合 Agent 自动化执行的典型确定性套利形式。跨平台套利： 跨平台套利通过捕捉同一事件在不同市场间的定价偏差获利，风险较低但对延迟与并行监控要求较高。该策略适合具备基础设施优势的 Agent 执行，但竞争加剧使边际收益持续下降。组合套利（Bundle）： 组合套利利用相关合约之间的定价不一致进行交易，逻辑清晰但机会有限。该策略可由 Agent 执行，但对规则解析与组合约束有一定工程要求，Agent 适配度中等。
投机类方向策略（Speculative）
结构化信息驱动策略（Information Trading）：该类策略围绕明确事件或结构化信息展开，如官方数据发布、公告或裁决窗口。只要信息来源清晰、触发条件可定义，Agent 可在监测与执行层面发挥速度与纪律优势；但当信息转为语义判断或情景解读时，仍需人类介入。信号跟随策略（Signal Following）：该策略通过跟随历史表现较优的账户或资金行为获取收益，规则相对简单、可自动化执行。其核心风险在于信号退化与被反向利用，因此需要过滤机制与严格的仓位管理。适合作为 Agent 的辅助型策略。非结构化与高噪声策略（Unstructured / Noise-driven）：该类策略高度依赖情绪、随机性或参与行为，缺乏稳定可复制的 edge，长期期望值不稳定。由于难以建模、风险极高，不适合 Agent 系统性执行，也不建议作为长期策略。
高频价格与流动性策略（Market Microstructure）：该类策略依赖极短决策窗口、持续报价或高频交易，对延迟、模型与资本要求极高。虽然理论上适合 Agent，但在预测市场中往往受限于流动性与竞争强度，仅适合少数具备显著基础设施优势的参与者。
风险管理与对冲策略（Risk Control & Hedging）：该类策略并不直接追求收益，而是用于降低整体风险暴露。规则明确、目标清晰，作为底层风险控制模块长期运行。
总体而言，预测市场中适合 Agent 执行的策略集中于规则清晰、可编码且弱主观判断的场景，其中确定性套利应作为核心收益来源，结构化信息与信号跟随策略作为补充，高噪声与情绪型交易应被系统性排除。Agent 的长期优势在于高纪律、高速度的执行与风险控制能力。
四、预测市场智能体商业模式与产品形态
预测市场智能体的理想的商业模式设计在不同层级有不同方向的探索空间：
基建层(Infrastructure )，提供多源实时数据聚合、Smart Money 地址库、统一的预测市场执行引擎与回测工具，向 B2B收费，获取与预测准确率无关的稳定收入；策略层(Strategy) ，引入社区与第三方策略，构建可复用、可评估的策略生态，并通过调用、权重或执行分成实现价值捕获，从而降低对单一 Alpha 的依赖。Agent / Vault 层，智能体以受托管理方式直接参与实盘执行，依托链上透明记录与严格风控体系，收取管理费与绩效费兑现能力。
而不同商业模式对应的产品形态，亦可以划分为：
娱乐化 / 游戏化模式：通过类 Tinder 的直觉交互降低参与门槛，具备最强的用户增长与市场教育能力，是实现破圈的理想入口，但需承接至订阅或执行型产品变现。策略订阅 / 信号模式：不涉及资金托管，监管友好、权责清晰，SaaS 收入结构相对稳定，是当前阶段最可行的商业化路径。其局限在于策略易被复制、执行存在损耗，长期收入天花板有限，可通过“信号 + 一键执行”的半自动化形态显著改善体验与留存。Vault 托管模式：具备规模效应与执行效率优势，形态接近资管产品，但面临资产管理牌照、信任门槛与集中化技术风险等多重结构性约束，商业模式高度依赖市场环境与持续盈利能力。除非具备长期业绩与机构级背书，否则不宜作为主路径。
总体而言，“基础设施变现 + 策略生态扩展 + 业绩参与”的多元收入结构，有助于降低对“AI 持续战胜市场”的单一假设依赖。即便 Alpha 随市场成熟而收敛，执行、风控与结算等底层能力仍具长期价值，从而构建更具可持续性的商业闭环。
五、预测市场智能体的项目案例
目前，预测市场智能体（Prediction Market Agents）仍处于早期探索阶段。市场虽然涌现出从底层框架到上层工具的多样化尝试，但尚未形成一套在策略生成、执行效率、风控体系及商业闭环上均成熟的标准化产品。
我们将目前的生态版图划分为三个层级：基础设施层（Infrastructure）、自主交易智能体（Autonomous Agents） 以及 预测市场工具（Prediction Market Tools）。
基础设施层（Infrastructure）
Polymarket Agents框架：
Polymarket Agents Polymarket 官方推出的开发者框架，旨在解决“连接与交互”的工程标准化问题。该框架封装了市场数据获取、订单构建及基础的 LLM 调用接口。它解决了“如何用代码下单”的问题，但在核心的交易能力——如策略生成、概率校准、动态仓位管理及回测系统上基本留白。它更像是官方认可的“接入规范”，而非具备 Alpha 收益的成品。商业级的 Agent 仍需在此基础上自建完整的投研与风控内核。
Gnosis 预测市场工具：
Gnosis Prediction Market Agent Tooling（PMAT）对 Omen/AIOmen 及 Manifold 提供了完整的读写支持，但对 Polymarket 仅开放只读权限，生态壁垒明显。它适合作为 Gnosis 体系内Agent 的开发基石，但对于以 Polymarket 为主战场的开发者而言，实用性有限。
Polymarket 与 Gnosis 是目前将“Agent 开发”明确产品化为官方框架的预测市场生态。 Kalshi 等其他预测市场仍主要停留在 API 及 Python SDK层，开发者需自行补齐策略、风控、运行与监控等关键系统能力。
自主交易智能体（Autonomous Agent）
当前市场上的“预测市场 AI Agents”多仍处于早期阶段，虽冠以“Agent”之名，但实际能力距离可放权的自动化闭环交易仍有显著差距，普遍缺乏独立、系统化的风控层，未将仓位管理、止损、对冲与期望值约束纳入决策流程，整体产品化程度偏低尚未形成可长期运行的成熟系统。
Olas Predict：是当前产品化程度最高的预测市场智能体生态。其核心产品 Omenstrat 基于 Gnosis 体系内的 Omen 构建，底层采用 FPMM 与去中心化仲裁机制，支持小额高频交互，但受限于 Omen 单市场流动性不足。其"AI 预测"主要依赖通用 LLM，缺乏实时数据与系统化风控，历史胜率在品类间分化明显。2026年2月，Olas 推出 Polystrat，将 Agent 能力扩展至 Polymarket——用户可用自然语言设定策略，Agent 自动识别 4 天内结算市场的概率偏差并执行交易。系统通过 Pearl 本地运行、自托管 Safe 账户与硬编码限制控制风险，是目前首个面向 Polymarket 的消费级自主交易 Agent。
UnifAI Network Polymarket Strategy：提供 Polymarket 自动化交易 Agent，核心为尾部风险承担策略：扫描隐含概率 >95% 的临近结算合约并买入，目标获取 3–5% 价差。链上数据显示胜率接近 95%，但收益在品类间分化明显，策略高度依赖执行频率与品类选择。
NOYA.ai 试图将"研究—判断—执行—监控"整合为 Agent 闭环，架构涵盖情报层、抽象层与执行层。当前已交付 Omnichain Vaults；Prediction Market Agent 仍处开发阶段，尚未形成完整主网闭环，整体处于愿景验证期。
预测市场工具 (Prediction Market Tools)
当前预测市场分析工具尚不足以构成完整的“预测市场智能体”，其价值主要集中在智能体架构中的信息层与分析层，交易执行、仓位管理与风险控制仍需由交易者自行承担。从产品形态看，更符合“策略订阅 / 信号辅助 / 研究增强”的定位，可被视为预测市场智能体的早期雏形。
通过对 Awesome-Prediction-Market-Tools 收录项目的系统梳理与实证筛选，本文选取其中已具备初步产品形态与使用场景的代表性项目作为研报案例。主要集中于四个方向：分析与信号层、警报与鲸鱼追踪系统、套利发现工具和交易终端与聚合执行。
市场分析工具
Polyseer ：研究型预测市场工具，采用多 Agent 分工架构（Planner / Researcher / Critic / Analyst / Reporter）进行双边证据搜集与贝叶斯概率聚合，输出结构化研报。其优势在于方法论透明、流程工程化、完全开源可审计。Oddpool ：定位为“预测市场的 Bloomberg 终端”，提供 Polymarket、Kalshi、CME 等跨平台聚合、套利扫描与实时数据仪表盘终端。Polymarket Analytics：全球化的 Polymarket 数据分析平台，系统性展示交易者、市场、仓位与成交数据，定位清晰、数据直观，适合作为基础数据查询与研究参考。Hashdive：面向交易者的数据工具，通过 Smart Score 与多维 Screener 量化筛选交易者与市场，在“聪明钱识别”和跟单决策上具备实用性。Polyfactual ：聚焦 AI 市场情报与情绪/风险分析，通过 Chrome 扩展将分析结果嵌入交易界面，偏向 B2B 与机构用户场景。Predly ：AI 错价检测平台，通过对比市场价格与 AI 计算概率识别 Polymarket 与 Kalshi 的定价偏差，官方声称警报准确率达 89%，定位于信号发现与机会筛选。Polysights : 覆盖 30+ 市场与链上指标，并以 Insider Finder 追踪新钱包、大额单向下注等异常行为，适合日常监控与信号发现。PolyRadar ：多模型并行分析平台，对单一事件提供实时解读、时间线演化、置信度评分与来源透明度，强调多 AI 交叉验证，定位分析工具。Alphascope ：AI 驱动的预测市场情报引擎，提供实时信号、研究摘要与概率变化监控，整体仍处早期阶段，偏研究与信号支持。
警报/鲸鱼追踪
Stand: 明确定位鲸鱼跟单与高确信动作提醒。Whale Tracker Livid ：将鲸鱼仓位变化产品化
套利发现工具：
ArbBets : AI 驱动的套利发现工具，聚焦于 Polymarket、Kalshi 及体育博彩市场，识别跨平台套利与正期望值（+EV）交易机会，定位于高频机会扫描层。PolyScalping : 面向 Polymarket 的实时套利与剥头皮分析平台，支持每 60 秒全市场扫描、ROI 计算与 Telegram 推送，并可按流动性、价差与成交量等维度筛选机会，偏向主动交易者。Eventarb : 轻量级跨平台套利计算与提醒工具，覆盖 Polymarket、Kalshi 与 Robinhood，功能聚焦、免费使用，适合作为基础套利辅助。Prediction Hunt： 跨交易所预测市场聚合与对比工具，提供 Polymarket、Kalshi 与 PredictIt 的实时价格比较与套利识别（约 5 分钟刷新），定位于信息对称与市场低效发现。
交易终端/聚合执行
Verso：获 YC Fall 2024 支持的机构级预测市场交易终端，提供 Bloomberg 风格界面，覆盖 Polymarket 与 Kalshi 的 15,000+ 合约实时追踪、深度数据分析与 AI 新闻情报，定位于专业与机构交易者。Matchr：跨平台预测市场聚合与执行工具，覆盖 1,500+ 市场，通过智能路由实现最优价格撮合，并规划基于高概率事件、跨场套利与事件驱动的自动化收益策略，定位于执行与资金效率层。TradeFox：由 Alliance DAO 与 CMT Digital 支持的专业预测市场聚合与 Prime Brokerage 平台，提供高级订单执行（限价单、止盈止损、TWAP）、自托管交易与多平台智能路由，定位机构级交易者，计划扩展至 Kalshi、Limitless、SxBet 等平台。
六、总结与展望
当前，预测市场智能体(Prediction Market Agent)正处于发展的早期探索阶段。
市场基础与本质演进：Polymarket与Kalshi已形成双寡头结构，围绕其构建智能体具备充分的流动性与场景基础。预测市场与赌博的核心区别在于正外部性，通过真实交易聚合分散信息，对现实事件进行公共定价，逐步演化为“全球真相层”。核心定位：预测市场智能体应定位为可执行的概率资产管理工具，其核心任务是将新闻、规则文本与链上数据转化为可验证的定价偏差，并以更高纪律性、更低成本和跨市场能力执行策略。理想架构可抽象为信息、分析、策略与执行四层，但其实际可交易性高度依赖于结算的清晰度、流动性的质量以及信息的结构化程度。策略选择与风控逻辑：从策略层面看，确定性套利（包括结算套利、概率守恒套利及跨平台价差交易）最适合由智能体自动化执行，而方向性投机仅可作为补充。在仓位管理上，应优先考虑可执行性与容错性，阶梯法结合固定仓位上限最适合。商业模式与前景：商业化主要分为三层：基建层以数据执行基础设施获取稳定 B2B 收入，策略层通过第三方策略调用或分成变现，Agent/Vault 层在链上透明风控约束下参与实盘并收取管理费与绩效费。对应形态包括娱乐化入口、策略订阅/信号（当前最可行）及高门槛的 Vault 托管，“基建 + 策略生态 + 业绩参与”为更可持续路径。
尽管预测市场智能体（Prediction Market Agents）生态中已涌现出从底层框架到上层工具的多样化尝试，但在策略生成、执行效率、风险控制与商业闭环等关键维度上，目前尚未出现成熟、可复制的标准化产品，我们期待未来预测市场智能体的迭代与进化。
免责声明：本文在创作过程中借助了 ChatGPT-5.2, Gemini 3和Claude Opus 4.5等 AI 工具辅助完成，作者已尽力校对并确保信息真实与准确，但仍难免存在疏漏，敬请谅解。需特别提示的是，加密资产市场普遍存在项目基本面与二级市场价格表现背离的情况。本文内容仅用于信息整合与学术/研究交流，不构成任何投资建议，亦不应视为任何代币的买卖推荐。
Tərcüməyə bax
Ethereum Repricing: From Rollup-Centric to Security Settlement Layer
On February 3, 2026, Vitalik published a significant reflection on the Ethereum scaling roadmap on X. As the practical difficulties of Layer 2 evolving into a fully decentralized form are being re-evaluated, and with the mainnet's own throughput expected to increase significantly in the coming years, the original assumption of relying solely on L2 for throughput scaling is being corrected. A new "Settlement-Service" collaborative paradigm is forming between L1 and L2: L1 focuses on providing the highest level of security, censorship resistance, and settlement sovereignty, while L2 evolves into "differentiated service providers" (such as privacy, AI, high-frequency trading). Ethereum's strategic focus is returning to the mainnet itself, reinforcing its positioning as the world's most trusted settlement layer. Scaling is no longer the sole objective; security, neutrality, and predictability are once again becoming Ethereum's core assets.
Core Changes:
Ethereum is entering an "L1-First Paradigm": With direct mainnet scaling and continuously decreasing fees, the original assumption relying on L2 to shoulder the core role of scaling no longer holds.L2 is no longer "Branded Sharding," but a Trust Spectrum: The progress of L2 decentralization is much slower than expected, making it difficult to uniformly inherit Ethereum's security. Their role is being redefined as a spectrum of networks with different trust levels.Ethereum's core value is shifting from "Traffic" to "Settlement Sovereignty": The value of ETH is no longer limited to Gas or Blob revenue, but lies in its institutional premium as the world's most secure EVM settlement layer and native monetary asset.Scaling strategy is adjusting towards protocol internalization: Based on continuous direct L1 scaling, the exploration of protocol-layer native verification and security mechanisms may reshape the security boundary and value capture structure between L1 and L2.Valuation framework acts a structural migration: The weight of security and institutional credibility has risen significantly, while the weight of fees and platform effects has decreased. ETH's pricing is shifting from a cash flow model to an asset premium model.
This article will analyze the paradigm shift in Ethereum's pricing model and valuation reconstruction according to a layered approach: Facts (technological and institutional changes that have occurred), Mechanisms (impact on value capture and pricing logic), and Deductions (implications for allocation and risk-return).
I. Back to Origins: Ethereum Values
To understand the long-term value of Ethereum, the key lies not in short-term price fluctuations, but in its consistent design philosophy and value orientation.
Credible Neutrality: Ethereum's core goal is not the maximization of efficiency or profit, but to become a set of credibly neutral infrastructure—with open rules, predictability, no favoritism towards any participant, no control by a single entity, and where anyone can participate without permission. The security of ETH and its on-chain assets ultimately depends on the protocol itself, not on any institutional credit.Ecosystem First, Not Revenue First: Multiple key upgrades of Ethereum reflect a consistent decision-making logic—actively foregoing short-term protocol revenue in exchange for lower usage costs, larger ecosystem scale, and stronger system resilience. Its goal is not to "collect tolls," but to become the irreplaceable neutral settlement and trust foundation in the digital economy.Decentralization as a Means: The mainnet focuses on the highest level of security and finality, while Layer 2 networks are located on a connection spectrum with varying degrees to the mainnet: some inherit mainnet security and pursue efficiency, while others position themselves with differentiated functions. This enables the system to serve both global settlement and high-performance applications simultaneously, rather than L2s being "Branded Shards."Long-Termist Technical Route: Ethereum adheres to a slow but certain evolutionary path, prioritizing system security and credibility. From the PoS transition to subsequent scaling and confirmation mechanism optimizations, its roadmap pursues sustainable, verifiable, and irreversible correctness.
Security Settlement Layer: Refers to the Ethereum mainnet providing irreversible Finality services for Layer 2 and on-chain assets through decentralized validator nodes and consensus mechanisms.
This positioning as a Security Settlement Layer marks the establishment of "Settlement Sovereignty." It is a transition for Ethereum from a "Confederation" to a "Federation," representing the "Constitutional Moment" of the establishment of the Ethereum digital nation, and a significant upgrade to Ethereum's architecture and core.
After the American Revolutionary War, under the Articles of Confederation, the 13 states were like a loose alliance. Each state printed its own currency and levied tariffs on others. Every state was free-riding: enjoying common defense but refusing to pay; enjoying the alliance's brand but acting independently. This structural problem led to reduced national credit and an inability to unify foreign trade, severely hindering the economy.
1787 was America's "Constitutional Moment." The new Constitution granted the federal government three key powers: the power to tax directly, the power to regulate interstate commerce, and the power to unify currency. But what truly brought the federal government "to life" was Hamilton's economic plan of 1790: the federal assumption of state debts, repayment at face value to rebuild national credit, and the establishment of a National Bank as a financial hub. A unified market released economies of scale, national credit attracted more capital, and infrastructure construction gained financing capability. The US moved from 13 mutually guarded small states to become the world's largest economy.
Today's structural dilemma in the Ethereum ecosystem is exactly the same.
Each L2 is like a "Sovereign State," with its own user base, liquidity pool, and governance token. Liquidity is fragmented, cross-L2 interaction friction is high, and L2s enjoy Ethereum's security layer and brand without being able to return value to L1. Locking liquidity on their own chain is short-term rational for each L2, but if all L2s do this, the core competitive advantage of the entire Ethereum ecosystem is lost.
The roadmap Ethereum is currently advancing is essentially its constitution-making and the establishment of a central economic system, that is, the establishment of "Settlement Sovereignty":
Native Rollup Precompile = Federal Constitution. L2s can freely build differentiated functions outside the EVM, while the EVM part can obtain Ethereum-level security verification through native precompiles. Not connecting is an option, but the cost is losing trustless interoperability with the Ethereum ecosystem.Synchronous Composability = Unified Market. Through mechanisms like Native Rollup Precompiles, trustless interoperability and synchronous composability between L2s and between L2 and L1 are becoming possible. This directly eliminates "interstate trade barriers," and liquidity is no longer trapped in respective silos.L1 Value Capture Reconstruction = Federal Taxing Power. When all critical cross-L2 interactions return to L1 for settlement, ETH re-becomes the settlement hub and trust anchor for the entire ecosystem. Whoever controls the settlement layer captures the value.
Ethereum is using a unified settlement and verification system to turn a fragmented L2 ecosystem into an irreplaceable "Digital Nation." This is a historical inevitability. Of course, the transition process may be slow, but history tells us that once this transition is complete, the released network effects will far exceed the linear growth of the fragmentation era. The US used a unified economic system to turn 13 small states into the world's largest economy. Ethereum will also transform a loose L2 ecosystem into the largest Security Settlement Layer, and even a global financial carrier.
Ethereum Core Upgrade Roadmap & Valuation Impact (2025-2026)
II. Valuation Misconceptions: Why Ethereum Should Not Be Viewed as a "Tech Company"
Applying traditional corporate valuation models (P/E, DCF, EV/EBITDA) to Ethereum is essentially a category error. Ethereum is not a company aiming for profit maximization, but an open digital economic infrastructure. Corporations pursue shareholder value maximization, while Ethereum pursues the maximization of ecosystem scale, security, and censorship resistance. To achieve this goal, Ethereum has repeatedly actively suppressed protocol revenue (e.g., via EIP-4844 introducing Blob DA to structurally lower L2 data publishing costs and suppress L1 revenue from rollup data)—which approximates "revenue self-destruction" from a corporate perspective, but from an infrastructure perspective, is sacrificing short-term fees for long-term neutrality premium and network effects.
A more reasonable framework is to view Ethereum as a globally neutral settlement and consensus layer: providing security, finality, and trusted coordination for the digital economy. ETH's value is reflected across multiple structural demands—rigid demand for final settlement, the scale of on-chain finance and stablecoins, the impact of staking and burning mechanisms on supply, and long-term, sticky capital brought by institutional adoption such as ETFs, corporate treasuries, and RWAs.
III. Paradigm Restructuring: Finding the Pricing Anchor Beyond Cash Flow
The ethval.com launched by the Hashed team at the end of 2025 provided a detailed set of reproducible quantitative models for Ethereum, but traditional static models struggle to capture the dramatic pivot in Ethereum's narrative in 2026. Therefore, we reused their systematic, transparent, and reproducible underlying models (covering yield, money, network effects, and supply structure), but reshaped the valuation architecture and weighting logic:
Structural Restructuring: Mapping models to four value quadrants: "Security, Money, Platform, Revenue," aggregated for pricing.Weight Rebalancing: Significantly increasing the weight of security and settlement premium, weakening the marginal contribution of protocol revenue and L2 expansion.Risk Control Overlay: Introducing a circuit breaker mechanism sensing macro and on-chain risks, making the valuation framework adaptable across cycles.Removing "Circular Reasoning": Models containing current price inputs (like Staking Scarcity, Liquidity Premium) are no longer used as fair value anchors, but retained only as indicators for position and risk appetite adjustment.
Note: The following models are not for precise point prediction, but to depict the relative pricing direction of different value sources in different cycles.
1. Security Settlement Layer: Core Value Anchor (45%, Increased in Risk-Off)
We view the security settlement layer as Ethereum's most core source of value and assign it a 45% benchmark weight; this weight is further increased during periods of rising macro uncertainty or declining risk appetite. This judgment stems from Vitalik's latest definition of "truly scaling Ethereum": the essence of scaling is not increasing TPS, but creating block space fully backed by Ethereum itself. Any high-performance execution environment relying on external trust assumptions does not constitute an extension of the Ethereum entity.
Under this framework, ETH's value is mainly reflected as the credit premium of a global sovereign-less settlement layer, rather than protocol revenue. This premium is jointly supported by structural factors such as validator scale and degree of decentralization, long-term security record, institutional adoption, clarity of compliance paths, and protocol-endogenous Rollup verification mechanisms.
In specific pricing, we mainly use two complementary methods: Validator Economics (Yield Equilibrium Mapping) and Staking DCF (Perpetual Staking Discount), to jointly depict the institutional premium of ETH as the "Global Secure Settlement Layer."
Validator Economics (Yield Equilibrium Pricing): Based on the ratio of annualized staking cash flow per ETH to the target real yield, deriving a theoretical fair price. This expression is used to depict the equilibrium relationship between yield and price, serving as a directional relative valuation tool rather than an independent pricing model.Staking DCF (Perpetual Staking Discount): Viewing ETH as a long-term asset capable of generating sustainable real staking yields, discounting its cash flow in perpetuity. Essentially, this value layer does not benchmark against the revenue capability of platform companies, but is similar to the settlement credit of a global clearing network.
2. Monetary Attribute: Settlement and Collateral (35%, Dominant in Utility Expansion)
We view the monetary attribute as Ethereum's second core source of value and assign it a 35% benchmark weight, becoming the main utility anchor in neutral markets or during on-chain economic expansion. This judgment is not based on the narrative that "ETH equals USD," but on its structural role as the native settlement fuel and ultimate collateral asset of the on-chain financial system. The security of stablecoin circulation, DeFi liquidation, and RWA settlement all rely on the settlement layer supported by ETH.
For pricing, we use an extended form of the Quantity Theory of Money (MV = PQ), but model ETH's usage scenarios in layers to address the order-of-magnitude differences in circulation velocity across different scenarios:
High-Frequency Settlement Layer (Gas Payment, Stablecoin Transfers)M_transaction = Annual Transaction Settlement Volume / V_highV_high ≈ 15-25 (Referencing historical on-chain data)Medium-Frequency Financial Layer (DeFi Interaction, Lending Liquidation)M_defi = Annual DeFi Settlement Volume / V_mediumV_medium ≈ 3-8 (Based on mainstream DeFi protocol capital turnover rate)Low-Frequency Collateral Layer (Staking, Restaking, Long-term Locking)M_collateral = Total ETH Collateral Value × (1 + Liquidity Premium)Liquidity Premium = 10-30% (Reflecting compensation for liquidity sacrifice)
3. Platform / Network Effect: Growth Option (10%, Bull Market Amplifier)
Platform and network effects are viewed as growth options in Ethereum's valuation, assigned only a 10% weight, used to explain the non-linear premium brought by ecosystem expansion during bull market phases. We use a trust-corrected Metcalfe model to avoid weighting L2 assets of different security levels equally in the valuation.
4. Revenue Asset: Cash Flow Floor (10%, Bear Market Bottom)
We view protocol revenue as the cash flow floor in the Ethereum valuation system, rather than a growth engine, also assigning a 10% weight. This layer mainly functions during bear markets or extreme risk phases to depict the valuation lower limit.
Gas and Blob fees provide the minimum operating cost for the network and affect the supply structure through EIP-1559. For valuation, we use Price-to-Sales (P/S) and Fee Yield models, taking the conservative value among them, serving only as a bottom reference. As the mainnet continues to scale, the relative importance of protocol revenue declines, with its core role reflected as a safety margin during downturns.
Price-to-Sales Model (P/S Floor): ETH Price (PS) = M_PS / Circulating SupplyFee Yield Model: ETH Price(Yield) = M_Yield / Circulating SupplyCash Flow Floor Pricing (Minimum Value Principle): P_Revenue_Floor = min(P_PS , P_Yield)
IV. Dynamic Calibration: Macro Constraints and Cycle Adaptation
If the previous text established Ethereum's "intrinsic value pivot," this chapter introduces an "external environment adaptation system" independent of fundamentals. Valuation cannot operate in a vacuum and must be constrained by three major external factors: Macro Environment (Cost of Capital), Market Structure (Relative Strength), and On-Chain Sentiment (Crowdedness). Based on this, we constructed a Regime Adaptation mechanism to dynamically adjust valuation weights across different cycles—releasing option premiums during loose periods and retreating to the revenue floor during risk-off periods, thereby achieving a leap from static models to dynamic strategies. (Note: Due to space limitations, this article only presents the core logical framework of this mechanism.)
V. The Conditional Path for the Institutional Second Curve
The analysis above is based on internal crypto technical, valuation, and cycle logic. This chapter discusses a problem at a different level: When ETH is no longer priced solely by crypto-native funds but is gradually integrated into the traditional financial system, how will its pricing power, asset attributes, and risk structure change? The "Institutional Second Curve" is not an extension of existing logic, but a redefinition of Ethereum by exogenous forces:
Change in Asset Attribute (Beta → Carry): Spot ETH ETFs solve compliance and custody issues, essentially still being price exposure; while the future advancement of Staking ETFs introduces on-chain yields into the institutional system via compliant carriers for the first time. ETH thus shifts from a "non-interest-bearing high-volatility asset" to an "allocation asset with predictable yield," expanding potential buyers from trading funds to pension, insurance, and long-term accounts sensitive to yield and duration.Change in Usage (Holding → Using): Institutions may no longer just view ETH as a tradable ticker, but start using it as settlement and collateral infrastructure. Whether it's JPMorgan's tokenized funds or the deployment of compliant stablecoins and RWAs on Ethereum, it indicates demand for ETH is shifting from "Holding Demand" to "Running Demand"—institutions not only hold ETH but use it for settlement, clearing, and risk management.Change in Tail Risk (Uncertainty → Pricing): As stablecoin regulatory frameworks (like the GENIUS Act) are gradually established, and with increased transparency in Ethereum's roadmap and governance, the regulatory and technical uncertainties most sensitive to institutions are being systematically compressed. This means uncertainty starts being priced in, rather than avoided.
The so-called "Institutional Second Curve" is a change in the nature of demand, providing a real demand source for the "Security Settlement Layer + Monetary Attribute" valuation logic, driving ETH to transition from a sentiment-driven speculative asset to a foundational asset carrying both allocation and functional needs.
VI. Conclusion: Value Anchoring in the Darkest Hour
In the past week, the industry has undergone a severe deleveraging wash, with market sentiment dropping to freezing point—undoubtedly a "darkest hour" for the crypto world. Pessimism is spreading among practitioners, and Ethereum, as the asset most representative of the crypto spirit, is also in the eye of the storm of controversy.
However, as rational observers, we need to pierce through the fog of panic: What Ethereum is currently experiencing is not a "collapse of value," but a profound "migration of pricing anchor." With L1 scaling advancing directly, L2 being redefined as a network spectrum of different trust levels, and protocol revenue actively giving way to system security and neutrality, ETH's pricing logic has structurally shifted to "Security Settlement Layer + Native Monetary Attribute."
Against the backdrop of high macro real interest rates, liquidity not yet being loose, and on-chain growth options not yet permitted to be priced by the market, ETH's price naturally converges to a structural value range supported by settlement certainty, verifiable yield, and institutional consensus. This range is not a sentiment bottom, but a value pivot after stripping away platform growth premiums.
As long-term builders of the Ethereum ecosystem, we refuse to be "mindless bulls" for ETH. We hope to use a rigorous logical framework to carefully demonstrate our prediction: Only when macro liquidity, risk appetite, and network effects simultaneously meet market state trigger conditions will higher valuations be re-factored in by the market.
Therefore, for long-term investors, the critical question now is not anxiously asking "Can Ethereum still go up," but to clearly recognize—in the current environment, which layer of core value are we buying at a "floor price"?
Disclaimer: This article was assisted by AI tools such as ChatGPT-5.2, Gemini 3, and Claude Opus 4.5 during the creation process. The author has made every effort to proofread and ensure the information is true and accurate, but omissions are inevitable, and we ask for your understanding. It should be specially noted that the crypto asset market universally experiences deviations between project fundamentals and secondary market price performance. The content of this article is for information consolidation and academic/research exchange only, does not constitute any investment advice, and should not be considered as a recommendation for any token.
Core Changes:
Ethereum is entering an "L1-First Paradigm": With direct mainnet scaling and continuously decreasing fees, the original assumption relying on L2 to shoulder the core role of scaling no longer holds.L2 is no longer "Branded Sharding," but a Trust Spectrum: The progress of L2 decentralization is much slower than expected, making it difficult to uniformly inherit Ethereum's security. Their role is being redefined as a spectrum of networks with different trust levels.Ethereum's core value is shifting from "Traffic" to "Settlement Sovereignty": The value of ETH is no longer limited to Gas or Blob revenue, but lies in its institutional premium as the world's most secure EVM settlement layer and native monetary asset.Scaling strategy is adjusting towards protocol internalization: Based on continuous direct L1 scaling, the exploration of protocol-layer native verification and security mechanisms may reshape the security boundary and value capture structure between L1 and L2.Valuation framework acts a structural migration: The weight of security and institutional credibility has risen significantly, while the weight of fees and platform effects has decreased. ETH's pricing is shifting from a cash flow model to an asset premium model.
This article will analyze the paradigm shift in Ethereum's pricing model and valuation reconstruction according to a layered approach: Facts (technological and institutional changes that have occurred), Mechanisms (impact on value capture and pricing logic), and Deductions (implications for allocation and risk-return).
I. Back to Origins: Ethereum Values
To understand the long-term value of Ethereum, the key lies not in short-term price fluctuations, but in its consistent design philosophy and value orientation.
Credible Neutrality: Ethereum's core goal is not the maximization of efficiency or profit, but to become a set of credibly neutral infrastructure—with open rules, predictability, no favoritism towards any participant, no control by a single entity, and where anyone can participate without permission. The security of ETH and its on-chain assets ultimately depends on the protocol itself, not on any institutional credit.Ecosystem First, Not Revenue First: Multiple key upgrades of Ethereum reflect a consistent decision-making logic—actively foregoing short-term protocol revenue in exchange for lower usage costs, larger ecosystem scale, and stronger system resilience. Its goal is not to "collect tolls," but to become the irreplaceable neutral settlement and trust foundation in the digital economy.Decentralization as a Means: The mainnet focuses on the highest level of security and finality, while Layer 2 networks are located on a connection spectrum with varying degrees to the mainnet: some inherit mainnet security and pursue efficiency, while others position themselves with differentiated functions. This enables the system to serve both global settlement and high-performance applications simultaneously, rather than L2s being "Branded Shards."Long-Termist Technical Route: Ethereum adheres to a slow but certain evolutionary path, prioritizing system security and credibility. From the PoS transition to subsequent scaling and confirmation mechanism optimizations, its roadmap pursues sustainable, verifiable, and irreversible correctness.
Security Settlement Layer: Refers to the Ethereum mainnet providing irreversible Finality services for Layer 2 and on-chain assets through decentralized validator nodes and consensus mechanisms.
This positioning as a Security Settlement Layer marks the establishment of "Settlement Sovereignty." It is a transition for Ethereum from a "Confederation" to a "Federation," representing the "Constitutional Moment" of the establishment of the Ethereum digital nation, and a significant upgrade to Ethereum's architecture and core.
After the American Revolutionary War, under the Articles of Confederation, the 13 states were like a loose alliance. Each state printed its own currency and levied tariffs on others. Every state was free-riding: enjoying common defense but refusing to pay; enjoying the alliance's brand but acting independently. This structural problem led to reduced national credit and an inability to unify foreign trade, severely hindering the economy.
1787 was America's "Constitutional Moment." The new Constitution granted the federal government three key powers: the power to tax directly, the power to regulate interstate commerce, and the power to unify currency. But what truly brought the federal government "to life" was Hamilton's economic plan of 1790: the federal assumption of state debts, repayment at face value to rebuild national credit, and the establishment of a National Bank as a financial hub. A unified market released economies of scale, national credit attracted more capital, and infrastructure construction gained financing capability. The US moved from 13 mutually guarded small states to become the world's largest economy.
Today's structural dilemma in the Ethereum ecosystem is exactly the same.
Each L2 is like a "Sovereign State," with its own user base, liquidity pool, and governance token. Liquidity is fragmented, cross-L2 interaction friction is high, and L2s enjoy Ethereum's security layer and brand without being able to return value to L1. Locking liquidity on their own chain is short-term rational for each L2, but if all L2s do this, the core competitive advantage of the entire Ethereum ecosystem is lost.
The roadmap Ethereum is currently advancing is essentially its constitution-making and the establishment of a central economic system, that is, the establishment of "Settlement Sovereignty":
Native Rollup Precompile = Federal Constitution. L2s can freely build differentiated functions outside the EVM, while the EVM part can obtain Ethereum-level security verification through native precompiles. Not connecting is an option, but the cost is losing trustless interoperability with the Ethereum ecosystem.Synchronous Composability = Unified Market. Through mechanisms like Native Rollup Precompiles, trustless interoperability and synchronous composability between L2s and between L2 and L1 are becoming possible. This directly eliminates "interstate trade barriers," and liquidity is no longer trapped in respective silos.L1 Value Capture Reconstruction = Federal Taxing Power. When all critical cross-L2 interactions return to L1 for settlement, ETH re-becomes the settlement hub and trust anchor for the entire ecosystem. Whoever controls the settlement layer captures the value.
Ethereum is using a unified settlement and verification system to turn a fragmented L2 ecosystem into an irreplaceable "Digital Nation." This is a historical inevitability. Of course, the transition process may be slow, but history tells us that once this transition is complete, the released network effects will far exceed the linear growth of the fragmentation era. The US used a unified economic system to turn 13 small states into the world's largest economy. Ethereum will also transform a loose L2 ecosystem into the largest Security Settlement Layer, and even a global financial carrier.
Ethereum Core Upgrade Roadmap & Valuation Impact (2025-2026)
II. Valuation Misconceptions: Why Ethereum Should Not Be Viewed as a "Tech Company"
Applying traditional corporate valuation models (P/E, DCF, EV/EBITDA) to Ethereum is essentially a category error. Ethereum is not a company aiming for profit maximization, but an open digital economic infrastructure. Corporations pursue shareholder value maximization, while Ethereum pursues the maximization of ecosystem scale, security, and censorship resistance. To achieve this goal, Ethereum has repeatedly actively suppressed protocol revenue (e.g., via EIP-4844 introducing Blob DA to structurally lower L2 data publishing costs and suppress L1 revenue from rollup data)—which approximates "revenue self-destruction" from a corporate perspective, but from an infrastructure perspective, is sacrificing short-term fees for long-term neutrality premium and network effects.
A more reasonable framework is to view Ethereum as a globally neutral settlement and consensus layer: providing security, finality, and trusted coordination for the digital economy. ETH's value is reflected across multiple structural demands—rigid demand for final settlement, the scale of on-chain finance and stablecoins, the impact of staking and burning mechanisms on supply, and long-term, sticky capital brought by institutional adoption such as ETFs, corporate treasuries, and RWAs.
III. Paradigm Restructuring: Finding the Pricing Anchor Beyond Cash Flow
The ethval.com launched by the Hashed team at the end of 2025 provided a detailed set of reproducible quantitative models for Ethereum, but traditional static models struggle to capture the dramatic pivot in Ethereum's narrative in 2026. Therefore, we reused their systematic, transparent, and reproducible underlying models (covering yield, money, network effects, and supply structure), but reshaped the valuation architecture and weighting logic:
Structural Restructuring: Mapping models to four value quadrants: "Security, Money, Platform, Revenue," aggregated for pricing.Weight Rebalancing: Significantly increasing the weight of security and settlement premium, weakening the marginal contribution of protocol revenue and L2 expansion.Risk Control Overlay: Introducing a circuit breaker mechanism sensing macro and on-chain risks, making the valuation framework adaptable across cycles.Removing "Circular Reasoning": Models containing current price inputs (like Staking Scarcity, Liquidity Premium) are no longer used as fair value anchors, but retained only as indicators for position and risk appetite adjustment.
Note: The following models are not for precise point prediction, but to depict the relative pricing direction of different value sources in different cycles.
1. Security Settlement Layer: Core Value Anchor (45%, Increased in Risk-Off)
We view the security settlement layer as Ethereum's most core source of value and assign it a 45% benchmark weight; this weight is further increased during periods of rising macro uncertainty or declining risk appetite. This judgment stems from Vitalik's latest definition of "truly scaling Ethereum": the essence of scaling is not increasing TPS, but creating block space fully backed by Ethereum itself. Any high-performance execution environment relying on external trust assumptions does not constitute an extension of the Ethereum entity.
Under this framework, ETH's value is mainly reflected as the credit premium of a global sovereign-less settlement layer, rather than protocol revenue. This premium is jointly supported by structural factors such as validator scale and degree of decentralization, long-term security record, institutional adoption, clarity of compliance paths, and protocol-endogenous Rollup verification mechanisms.
In specific pricing, we mainly use two complementary methods: Validator Economics (Yield Equilibrium Mapping) and Staking DCF (Perpetual Staking Discount), to jointly depict the institutional premium of ETH as the "Global Secure Settlement Layer."
Validator Economics (Yield Equilibrium Pricing): Based on the ratio of annualized staking cash flow per ETH to the target real yield, deriving a theoretical fair price. This expression is used to depict the equilibrium relationship between yield and price, serving as a directional relative valuation tool rather than an independent pricing model.Staking DCF (Perpetual Staking Discount): Viewing ETH as a long-term asset capable of generating sustainable real staking yields, discounting its cash flow in perpetuity. Essentially, this value layer does not benchmark against the revenue capability of platform companies, but is similar to the settlement credit of a global clearing network.
2. Monetary Attribute: Settlement and Collateral (35%, Dominant in Utility Expansion)
We view the monetary attribute as Ethereum's second core source of value and assign it a 35% benchmark weight, becoming the main utility anchor in neutral markets or during on-chain economic expansion. This judgment is not based on the narrative that "ETH equals USD," but on its structural role as the native settlement fuel and ultimate collateral asset of the on-chain financial system. The security of stablecoin circulation, DeFi liquidation, and RWA settlement all rely on the settlement layer supported by ETH.
For pricing, we use an extended form of the Quantity Theory of Money (MV = PQ), but model ETH's usage scenarios in layers to address the order-of-magnitude differences in circulation velocity across different scenarios:
High-Frequency Settlement Layer (Gas Payment, Stablecoin Transfers)M_transaction = Annual Transaction Settlement Volume / V_highV_high ≈ 15-25 (Referencing historical on-chain data)Medium-Frequency Financial Layer (DeFi Interaction, Lending Liquidation)M_defi = Annual DeFi Settlement Volume / V_mediumV_medium ≈ 3-8 (Based on mainstream DeFi protocol capital turnover rate)Low-Frequency Collateral Layer (Staking, Restaking, Long-term Locking)M_collateral = Total ETH Collateral Value × (1 + Liquidity Premium)Liquidity Premium = 10-30% (Reflecting compensation for liquidity sacrifice)
3. Platform / Network Effect: Growth Option (10%, Bull Market Amplifier)
Platform and network effects are viewed as growth options in Ethereum's valuation, assigned only a 10% weight, used to explain the non-linear premium brought by ecosystem expansion during bull market phases. We use a trust-corrected Metcalfe model to avoid weighting L2 assets of different security levels equally in the valuation.
4. Revenue Asset: Cash Flow Floor (10%, Bear Market Bottom)
We view protocol revenue as the cash flow floor in the Ethereum valuation system, rather than a growth engine, also assigning a 10% weight. This layer mainly functions during bear markets or extreme risk phases to depict the valuation lower limit.
Gas and Blob fees provide the minimum operating cost for the network and affect the supply structure through EIP-1559. For valuation, we use Price-to-Sales (P/S) and Fee Yield models, taking the conservative value among them, serving only as a bottom reference. As the mainnet continues to scale, the relative importance of protocol revenue declines, with its core role reflected as a safety margin during downturns.
Price-to-Sales Model (P/S Floor): ETH Price (PS) = M_PS / Circulating SupplyFee Yield Model: ETH Price(Yield) = M_Yield / Circulating SupplyCash Flow Floor Pricing (Minimum Value Principle): P_Revenue_Floor = min(P_PS , P_Yield)
IV. Dynamic Calibration: Macro Constraints and Cycle Adaptation
If the previous text established Ethereum's "intrinsic value pivot," this chapter introduces an "external environment adaptation system" independent of fundamentals. Valuation cannot operate in a vacuum and must be constrained by three major external factors: Macro Environment (Cost of Capital), Market Structure (Relative Strength), and On-Chain Sentiment (Crowdedness). Based on this, we constructed a Regime Adaptation mechanism to dynamically adjust valuation weights across different cycles—releasing option premiums during loose periods and retreating to the revenue floor during risk-off periods, thereby achieving a leap from static models to dynamic strategies. (Note: Due to space limitations, this article only presents the core logical framework of this mechanism.)
V. The Conditional Path for the Institutional Second Curve
The analysis above is based on internal crypto technical, valuation, and cycle logic. This chapter discusses a problem at a different level: When ETH is no longer priced solely by crypto-native funds but is gradually integrated into the traditional financial system, how will its pricing power, asset attributes, and risk structure change? The "Institutional Second Curve" is not an extension of existing logic, but a redefinition of Ethereum by exogenous forces:
Change in Asset Attribute (Beta → Carry): Spot ETH ETFs solve compliance and custody issues, essentially still being price exposure; while the future advancement of Staking ETFs introduces on-chain yields into the institutional system via compliant carriers for the first time. ETH thus shifts from a "non-interest-bearing high-volatility asset" to an "allocation asset with predictable yield," expanding potential buyers from trading funds to pension, insurance, and long-term accounts sensitive to yield and duration.Change in Usage (Holding → Using): Institutions may no longer just view ETH as a tradable ticker, but start using it as settlement and collateral infrastructure. Whether it's JPMorgan's tokenized funds or the deployment of compliant stablecoins and RWAs on Ethereum, it indicates demand for ETH is shifting from "Holding Demand" to "Running Demand"—institutions not only hold ETH but use it for settlement, clearing, and risk management.Change in Tail Risk (Uncertainty → Pricing): As stablecoin regulatory frameworks (like the GENIUS Act) are gradually established, and with increased transparency in Ethereum's roadmap and governance, the regulatory and technical uncertainties most sensitive to institutions are being systematically compressed. This means uncertainty starts being priced in, rather than avoided.
The so-called "Institutional Second Curve" is a change in the nature of demand, providing a real demand source for the "Security Settlement Layer + Monetary Attribute" valuation logic, driving ETH to transition from a sentiment-driven speculative asset to a foundational asset carrying both allocation and functional needs.
VI. Conclusion: Value Anchoring in the Darkest Hour
In the past week, the industry has undergone a severe deleveraging wash, with market sentiment dropping to freezing point—undoubtedly a "darkest hour" for the crypto world. Pessimism is spreading among practitioners, and Ethereum, as the asset most representative of the crypto spirit, is also in the eye of the storm of controversy.
However, as rational observers, we need to pierce through the fog of panic: What Ethereum is currently experiencing is not a "collapse of value," but a profound "migration of pricing anchor." With L1 scaling advancing directly, L2 being redefined as a network spectrum of different trust levels, and protocol revenue actively giving way to system security and neutrality, ETH's pricing logic has structurally shifted to "Security Settlement Layer + Native Monetary Attribute."
Against the backdrop of high macro real interest rates, liquidity not yet being loose, and on-chain growth options not yet permitted to be priced by the market, ETH's price naturally converges to a structural value range supported by settlement certainty, verifiable yield, and institutional consensus. This range is not a sentiment bottom, but a value pivot after stripping away platform growth premiums.
As long-term builders of the Ethereum ecosystem, we refuse to be "mindless bulls" for ETH. We hope to use a rigorous logical framework to carefully demonstrate our prediction: Only when macro liquidity, risk appetite, and network effects simultaneously meet market state trigger conditions will higher valuations be re-factored in by the market.
Therefore, for long-term investors, the critical question now is not anxiously asking "Can Ethereum still go up," but to clearly recognize—in the current environment, which layer of core value are we buying at a "floor price"?
Disclaimer: This article was assisted by AI tools such as ChatGPT-5.2, Gemini 3, and Claude Opus 4.5 during the creation process. The author has made every effort to proofread and ensure the information is true and accurate, but omissions are inevitable, and we ask for your understanding. It should be specially noted that the crypto asset market universally experiences deviations between project fundamentals and secondary market price performance. The content of this article is for information consolidation and academic/research exchange only, does not constitute any investment advice, and should not be considered as a recommendation for any token.
Ethereum-un yenidən qiymətləndirilməsi: Rollup-Mərkəzli Yanaşmadan “Təhlükəsizlik Hesablaşma Qatı”na
Müəllif: Jacob Zhao, Jiawei, Turbo @ IOSG Ventures
2026-ci il 3 fevralda, Vitalik X platformasında Ethereum-un genişlənmə yol xəritəsi ilə bağlı əhəmiyyətli düşüncələrini paylaşdı. Layer 2-nin tam mərkəzsizləşmiş formada inkişaf etməsinin reallıq çətinlikləri yenidən tanınarkən, əsas şəbəkənin özünün emal qabiliyyətinin gələcək bir neçə il içində əhəmiyyətli dərəcədə artacağı gözlənilir, sadəcə L2-yə əsaslanaraq emal qabiliyyətinin genişləndirilməsi orijinal fikri düzəldilir, L1 və L2 yeni 'hesablaşma-xidmət' əməkdaşlıq paradiqması yaradır: L1 ən yüksək səviyyədə təhlükəsizlik, senzura əleyhinə mühafizə və hesablaşma suverenliyini təmin etməyə yönəlir, L2 isə 'fərqli xidmət təminatçılarına' (məsələn, gizlilik, AI, yüksək tezlikli ticarət) doğru inkişaf edir, Ethereum-un strateji mərkəzi yenidən əsas şəbəkəyə qayıdır, onun qlobal olaraq ən etibarlı hesablaşma qatının mövqeyini gücləndirir. Genişlənmə artıq tək məqsəd deyil, təhlükəsizlik, neytrallıq və proqnozlaşdırıla bilənlik Ethereum-un əsas aktivləri halına gəlir.
2026-ci il 3 fevralda, Vitalik X platformasında Ethereum-un genişlənmə yol xəritəsi ilə bağlı əhəmiyyətli düşüncələrini paylaşdı. Layer 2-nin tam mərkəzsizləşmiş formada inkişaf etməsinin reallıq çətinlikləri yenidən tanınarkən, əsas şəbəkənin özünün emal qabiliyyətinin gələcək bir neçə il içində əhəmiyyətli dərəcədə artacağı gözlənilir, sadəcə L2-yə əsaslanaraq emal qabiliyyətinin genişləndirilməsi orijinal fikri düzəldilir, L1 və L2 yeni 'hesablaşma-xidmət' əməkdaşlıq paradiqması yaradır: L1 ən yüksək səviyyədə təhlükəsizlik, senzura əleyhinə mühafizə və hesablaşma suverenliyini təmin etməyə yönəlir, L2 isə 'fərqli xidmət təminatçılarına' (məsələn, gizlilik, AI, yüksək tezlikli ticarət) doğru inkişaf edir, Ethereum-un strateji mərkəzi yenidən əsas şəbəkəyə qayıdır, onun qlobal olaraq ən etibarlı hesablaşma qatının mövqeyini gücləndirir. Genişlənmə artıq tək məqsəd deyil, təhlükəsizlik, neytrallıq və proqnozlaşdırıla bilənlik Ethereum-un əsas aktivləri halına gəlir.
Noya.ai: Proqnoz Bazalarında Agentlər
Müəllif: 0xjacobzhao | https://linktr.ee/0xjacobzhao
Əvvəlki Crypto AI seriyamızda apardığımız tədqiqat hesabatlarında, indiki kripto sahəsində ən praktik tətbiq ssenarilərinin əsasən sabitcoin ödənişləri və DeFi-də cəmləşdiyini mütəmadi olaraq vurğulamışıq, Agentlər isə istifadəçilərə yönəlmiş AI sənayesinin açar interfeysidir. Buna görə də, Crypto və AI inteqrasiyası tendensiyasında, iki ən dəyərli yol: qısa müddətdə mövcud yetkin DeFi protokollarına (borc vermə və likvidlik mədənçiliyi kimi əsas strategiyalar, eləcə də Swap, Pendle PT və maliyyə dərəcəsi arbitrajı kimi inkişaf etmiş strategiyalar) əsaslanan AgentFi; və orta və uzun müddətdə sabitcoin hesablaşmasına mərkəzlənən və ACP/AP2/x402/ERC-8004 kimi protokollara etibar edən Agent Ödənişi.
Əvvəlki Crypto AI seriyamızda apardığımız tədqiqat hesabatlarında, indiki kripto sahəsində ən praktik tətbiq ssenarilərinin əsasən sabitcoin ödənişləri və DeFi-də cəmləşdiyini mütəmadi olaraq vurğulamışıq, Agentlər isə istifadəçilərə yönəlmiş AI sənayesinin açar interfeysidir. Buna görə də, Crypto və AI inteqrasiyası tendensiyasında, iki ən dəyərli yol: qısa müddətdə mövcud yetkin DeFi protokollarına (borc vermə və likvidlik mədənçiliyi kimi əsas strategiyalar, eləcə də Swap, Pendle PT və maliyyə dərəcəsi arbitrajı kimi inkişaf etmiş strategiyalar) əsaslanan AgentFi; və orta və uzun müddətdə sabitcoin hesablaşmasına mərkəzlənən və ACP/AP2/x402/ERC-8004 kimi protokollara etibar edən Agent Ödənişi.
Noya.ai Tədqiqatı: Bazarın ağıllı agentlərinin proqnozu
Noya.ai Tədqiqatı: Bazarın ağıllı agentlərinin proqnozu
Müəllif: 0xjacobzhao | https://linktr.ee/0xjacobzhao
Keçmiş Crypto AI seriyasında davamlı olaraq vurğuladığımız fikir: indiki kripto sahəsində ən praktik tətbiq dəyərinə malik olan ssenarilər əsasən sabit valyuta ödənişləri və DeFi-də cəmləşir, Agent isə AI sənayesinin istifadəçilərə yönəlmiş əsas interfeysidir. Buna görə də, Crypto və AI-nin inteqrasiyası tendensiyasında, ən dəyərli iki yol müvafiq olaraq: qısa müddətdə mövcud yetkin DeFi protokollarına (borc, likvidlik mədənçiliyi və s. kimi əsas strategiyalar, həmçinin Swap, Pendle PT, maliyyə dərəcəsi arbitrı kimi yüksək strategiyalar) əsaslanan AgentFi və orta və uzun müddətdə sabit valyuta hesablaşmaları ətrafında, ACP/AP2/x402/ERC-8004 kimi protokollara dayanan Agent Ödənişidir.
Müəllif: 0xjacobzhao | https://linktr.ee/0xjacobzhao
Keçmiş Crypto AI seriyasında davamlı olaraq vurğuladığımız fikir: indiki kripto sahəsində ən praktik tətbiq dəyərinə malik olan ssenarilər əsasən sabit valyuta ödənişləri və DeFi-də cəmləşir, Agent isə AI sənayesinin istifadəçilərə yönəlmiş əsas interfeysidir. Buna görə də, Crypto və AI-nin inteqrasiyası tendensiyasında, ən dəyərli iki yol müvafiq olaraq: qısa müddətdə mövcud yetkin DeFi protokollarına (borc, likvidlik mədənçiliyi və s. kimi əsas strategiyalar, həmçinin Swap, Pendle PT, maliyyə dərəcəsi arbitrı kimi yüksək strategiyalar) əsaslanan AgentFi və orta və uzun müddətdə sabit valyuta hesablaşmaları ətrafında, ACP/AP2/x402/ERC-8004 kimi protokollara dayanan Agent Ödənişidir.
Gücləndirilmiş Öyrənmə: Mərkəzləşdirilməmiş AI-nin Paradigma Dəyişikliyi
Müəllif: 0xjacobzhao | https://linktr.ee/0xjacobzhao
Bu müstəqil tədqiqat hesabatı IOSG Ventures tərəfindən dəstəklənir. Tədqiqat və yazı prosesi Sam Lehman (Pantera Capital) tərəfindən gücləndirilən öyrənmə üzərindəki işindən ilham almışdır. Ben Fielding (Gensyn.ai), Gao Yuan (Gradient), Samuel Dare & Erfan Miahi (Covenant AI), Shashank Yadav (Fraction AI), Chao Wang-a bu məqalə üzərindəki dəyərli təklifləri üçün təşəkkür edirik. Bu məqalə obyektivlik və dəqiqlik üçün çalışır, lakin bəzi baxışlar subyektiv qiymətləndirmələri əhatə edir və qərəzlər ola bilər. Oxucuların başa düşməsini qiymətləndiririk.
Bu müstəqil tədqiqat hesabatı IOSG Ventures tərəfindən dəstəklənir. Tədqiqat və yazı prosesi Sam Lehman (Pantera Capital) tərəfindən gücləndirilən öyrənmə üzərindəki işindən ilham almışdır. Ben Fielding (Gensyn.ai), Gao Yuan (Gradient), Samuel Dare & Erfan Miahi (Covenant AI), Shashank Yadav (Fraction AI), Chao Wang-a bu məqalə üzərindəki dəyərli təklifləri üçün təşəkkür edirik. Bu məqalə obyektivlik və dəqiqlik üçün çalışır, lakin bəzi baxışlar subyektiv qiymətləndirmələri əhatə edir və qərəzlər ola bilər. Oxucuların başa düşməsini qiymətləndiririk.
Gücləndirilmiş öyrənmə: Mərkəzləşdirilməmiş AI şəbəkələrinin paradiqma dəyişikliyi
Müəllif: 0xjacobzhao | https://linktr.ee/0xjacobzhao
Bu müstəqil tədqiqat hesabatı IOSG Ventures tərəfindən dəstəklənir, tədqiqat və yazı prosesi Sam Lehman (Pantera Capital) tərəfindən gücləndirilmiş öyrənmə hesabatından ilham alıb, Ben Fielding (Gensyn.ai), Gao Yuan(Gradient), Samuel Dare & Erfan Miahi (Covenant AI), Shashank Yadav (Fraction AI), Chao Wang-a bu məqaləyə verdikləri dəyərli təkliflər üçün təşəkkür edirik. Bu məqalə obyektiv və dəqiq məzmun təqdim etməyə çalışır, bəzi fikirlər subyektiv qiymətləndirmələri əhatə edir, buna görə də müəyyən dərəcədə səhvlər ola bilər, oxuculardan anlayış göstərmələrini xahiş edirik.
Süni intellekt artıq "model uyğunluğu" əsasında statistik öyrənmədən "strukturlaşdırılmış mühakimə" mərkəzli qabiliyyət sisteminə keçid edir, sonrakı təlimin (Post-training) əhəmiyyəti sürətlə artır. DeepSeek-R1-in meydana gəlməsi, böyük modellər dövründə gücləndirilmiş öyrənmənin paradiqma dəyişməsi ilə nəticələndi, sənaye konsensusu formalaşdı: əvvəlcədən təlim edilmiş modellərin ümumi qabiliyyət bazası, gücləndirilmiş öyrənmə yalnız dəyər uyğunluğu aləti deyil, eyni zamanda mühakimə zənciri keyfiyyətini və mürəkkəb qərar qəbul etmə qabiliyyətini sistemli şəkildə artırmağı sübuta yetirdi, tədricən intellekt səviyyəsini artıran texnologiya yolu kimi inkişaf edir.
Bu müstəqil tədqiqat hesabatı IOSG Ventures tərəfindən dəstəklənir, tədqiqat və yazı prosesi Sam Lehman (Pantera Capital) tərəfindən gücləndirilmiş öyrənmə hesabatından ilham alıb, Ben Fielding (Gensyn.ai), Gao Yuan(Gradient), Samuel Dare & Erfan Miahi (Covenant AI), Shashank Yadav (Fraction AI), Chao Wang-a bu məqaləyə verdikləri dəyərli təkliflər üçün təşəkkür edirik. Bu məqalə obyektiv və dəqiq məzmun təqdim etməyə çalışır, bəzi fikirlər subyektiv qiymətləndirmələri əhatə edir, buna görə də müəyyən dərəcədə səhvlər ola bilər, oxuculardan anlayış göstərmələrini xahiş edirik.
Süni intellekt artıq "model uyğunluğu" əsasında statistik öyrənmədən "strukturlaşdırılmış mühakimə" mərkəzli qabiliyyət sisteminə keçid edir, sonrakı təlimin (Post-training) əhəmiyyəti sürətlə artır. DeepSeek-R1-in meydana gəlməsi, böyük modellər dövründə gücləndirilmiş öyrənmənin paradiqma dəyişməsi ilə nəticələndi, sənaye konsensusu formalaşdı: əvvəlcədən təlim edilmiş modellərin ümumi qabiliyyət bazası, gücləndirilmiş öyrənmə yalnız dəyər uyğunluğu aləti deyil, eyni zamanda mühakimə zənciri keyfiyyətini və mürəkkəb qərar qəbul etmə qabiliyyətini sistemli şəkildə artırmağı sübuta yetirdi, tədricən intellekt səviyyəsini artıran texnologiya yolu kimi inkişaf edir.
Məhsul İqtisadi Sıra: Agentik Ticarət üçün Tam Stack Yolu
Müəllif: 0xjacobzhao | https://linktr.ee/0xjacobzhao
Bu müstəqil tədqiqat hesabatı IOSG Ventures tərəfindən dəstəklənir. Tədqiqat və yazı prosesi Raghav Agarwal (LongHash) və Jay Yu (Pantera) tərəfindən əlaqəli işdən ilham almışdır. Bu məqalə ilə bağlı dəyərli təklifləri üçün Lex Sokolin @ Generative Ventures, Jordan@AIsa, Ivy @PodOur2Cents-ə təşəkkürlər. Yazı prosesi zamanı Nevermined, Skyfire, Virtuals Protocol, AIsa, Heurist, AEON kimi layihə komandalarından da rəy alınmışdır. Bu məqalə obyektiv və dəqiq məzmun təqdim etməyə çalışır, amma bəzi baxışlar subyektiv qiymətləndirməni əhatə edir və qaçılmaz olaraq sapmalar ola bilər. Oxucuların anlayışı qiymətləndirilir.
Bu müstəqil tədqiqat hesabatı IOSG Ventures tərəfindən dəstəklənir. Tədqiqat və yazı prosesi Raghav Agarwal (LongHash) və Jay Yu (Pantera) tərəfindən əlaqəli işdən ilham almışdır. Bu məqalə ilə bağlı dəyərli təklifləri üçün Lex Sokolin @ Generative Ventures, Jordan@AIsa, Ivy @PodOur2Cents-ə təşəkkürlər. Yazı prosesi zamanı Nevermined, Skyfire, Virtuals Protocol, AIsa, Heurist, AEON kimi layihə komandalarından da rəy alınmışdır. Bu məqalə obyektiv və dəqiq məzmun təqdim etməyə çalışır, amma bəzi baxışlar subyektiv qiymətləndirməni əhatə edir və qaçılmaz olaraq sapmalar ola bilər. Oxucuların anlayışı qiymətləndirilir.
Məhsulun iqtisadi nizamı: ağıllı agentlərin biznesinin tam yuxarı yolu
Müəllif: 0xjacobzhao | https://linktr.ee/0xjacobzhao
Bu müstəqil araşdırma IOSG Ventures tərəfindən dəstəklənir, tədqiqat yazma prosesi Raghav Agarwal@LongHash və Jay Yu@Pantera ilə əlaqəli araşdırma məqalələrindən ilham almışdır, Lex Sokolin @ Generative Ventures, Jordan@AIsa, Ivy@(支无不言) bloguna bu məqaləyə verdiyi dəyərli təkliflər üçün təşəkkür edirəm. Yazı prosesi zamanı Nevermined, Skyfire, Virtuals Protocol, AIsa, Heurist, AEON kimi layihə komandalarının rəyini də soruşmuşuq. Bu məqalə obyektiv və dəqiq məzmun təqdim etməyə çalışır, bəzi fikirlər subyektiv qiymətləndirmələri əhatə edir, buna görə də səhvlər ola bilər, oxucuların anlayışına ehtiyac var.
Bu müstəqil araşdırma IOSG Ventures tərəfindən dəstəklənir, tədqiqat yazma prosesi Raghav Agarwal@LongHash və Jay Yu@Pantera ilə əlaqəli araşdırma məqalələrindən ilham almışdır, Lex Sokolin @ Generative Ventures, Jordan@AIsa, Ivy@(支无不言) bloguna bu məqaləyə verdiyi dəyərli təkliflər üçün təşəkkür edirəm. Yazı prosesi zamanı Nevermined, Skyfire, Virtuals Protocol, AIsa, Heurist, AEON kimi layihə komandalarının rəyini də soruşmuşuq. Bu məqalə obyektiv və dəqiq məzmun təqdim etməyə çalışır, bəzi fikirlər subyektiv qiymətləndirmələri əhatə edir, buna görə də səhvlər ola bilər, oxucuların anlayışına ehtiyac var.
Robotika Sənayesində Avtomatlaşdırma, AI və Web3-ün Birgə Təkamülü
Müəllif: 0xjacobzhao | https://linktr.ee/0xjacobzhao
Bu müstəqil araşdırma hesabatı IOSG Ventures tərəfindən dəstəklənir. Müəllif Hans (RoboCup Asiya-Sakit Okean), Nichanan Kesonpat(1kx), Robert Koschig (1kx), Amanda Young (Collab+Currency), Jonathan Victor (Ansa Araşdırma), Lex Sokolin (Generative Ventures), Jay Yu (Pantera Capital), Jeffrey Hu (Hashkey Capital) tərəfindən verilən dəyərli şərhlərə, eləcə də OpenMind, BitRobot, peaq, Auki Labs, XMAQUINA, GAIB, Vader, Gradient, Tashi Network və CodecFlow-dan olan töhfəçilərə təşəkkür edir. Hər hansı bir obyektivlik və dəqiqlik təmin etmək üçün hər cür səy göstərilsə də, bəzi anlayışlar qaçılmaz olaraq subyektiv şərhi əks etdirir və oxucuların məzmunla tənqidi şəkildə məşğul olmaları tövsiyə olunur.
Bu müstəqil araşdırma hesabatı IOSG Ventures tərəfindən dəstəklənir. Müəllif Hans (RoboCup Asiya-Sakit Okean), Nichanan Kesonpat(1kx), Robert Koschig (1kx), Amanda Young (Collab+Currency), Jonathan Victor (Ansa Araşdırma), Lex Sokolin (Generative Ventures), Jay Yu (Pantera Capital), Jeffrey Hu (Hashkey Capital) tərəfindən verilən dəyərli şərhlərə, eləcə də OpenMind, BitRobot, peaq, Auki Labs, XMAQUINA, GAIB, Vader, Gradient, Tashi Network və CodecFlow-dan olan töhfəçilərə təşəkkür edir. Hər hansı bir obyektivlik və dəqiqlik təmin etmək üçün hər cür səy göstərilsə də, bəzi anlayışlar qaçılmaz olaraq subyektiv şərhi əks etdirir və oxucuların məzmunla tənqidi şəkildə məşğul olmaları tövsiyə olunur.
Robot sənayesi xəyalları: Avtomatlaşdırma, Süni İntellekt və Web3-ün birləşməsi
Müəllif: 0xjacobzhao | https://linktr.ee/0xjacobzhao
Bu müstəqil tədqiqat hesabatı IOSG Ventures tərəfindən dəstəklənir, Hans (RoboCup Asiya-Sakit Okean), Nichanan Kesonpat(1kx), Robert Koschig (1kx), Amanda Young (Collab+Currency), Jonathan Victor (Ansa Research), Lex Sokolin (Generative Ventures), Jay Yu (Pantera Capital), Jeffrey Hu (Hashkey Capital) tərəfindən bu məqaləyə verilmiş dəyərli tövsiyələrə görə təşəkkür edirik. Yazı zamanı OpenMind, BitRobot, peaq, Auki Labs, XMAQUINA, GAIB, Vader, Gradient, Tashi Network və CodecFlow kimi layihə komandalarının rəyini də aldıq. Bu məqalə obyektiv və dəqiq məzmun təqdim etməyə çalışır, bəzi fikirlər subyektiv mühakimələrə daxildir, buna görə də müəyyən dərəcədə yanlışlıqlar ola bilər, oxuculardan anlayış göstərmələrini xahiş edirik.
Bu müstəqil tədqiqat hesabatı IOSG Ventures tərəfindən dəstəklənir, Hans (RoboCup Asiya-Sakit Okean), Nichanan Kesonpat(1kx), Robert Koschig (1kx), Amanda Young (Collab+Currency), Jonathan Victor (Ansa Research), Lex Sokolin (Generative Ventures), Jay Yu (Pantera Capital), Jeffrey Hu (Hashkey Capital) tərəfindən bu məqaləyə verilmiş dəyərli tövsiyələrə görə təşəkkür edirik. Yazı zamanı OpenMind, BitRobot, peaq, Auki Labs, XMAQUINA, GAIB, Vader, Gradient, Tashi Network və CodecFlow kimi layihə komandalarının rəyini də aldıq. Bu məqalə obyektiv və dəqiq məzmun təqdim etməyə çalışır, bəzi fikirlər subyektiv mühakimələrə daxildir, buna görə də müəyyən dərəcədə yanlışlıqlar ola bilər, oxuculardan anlayış göstərmələrini xahiş edirik.
Brevis Tədqiqat Hesabatı: zkVM və ZK Məlumat Koçprosesoru üçün Sonsuz Doğrulanabilir Hesablama Qatı
Doğrulanabilir Hesablama paradigması—“oflayn hesablama + onlayn doğrulama”—blokçeyn sistemləri üçün universal hesablamalı model halına gəldi. Bu, blokçeyn tətbiqlərinə mərkəzləşdirilmədən və etibarsızlıqdan əsas təhlükəsizlik təminatları olaraq near sonsuz hesablama azadlığı əldə etməyə imkan verir. Sıfır-bilik sübutları (ZKP-lər) bu paradigmanın bel sütununu təşkil edir, tətbiqləri əsasən üç fundamental istiqamətdə: miqyaslanma, gizlilik və qarşılıqlı fəaliyyət & məlumat bütövlüyü üzərində cəmlənmişdir. Miqyaslanma istehsala çatmağı bacaran ilk ZK tətbiqi oldu, icrası oflayn həyata keçirərək və yüksək throughput və aşağı qiymətli etibarsız miqyaslanma üçün onlayn qısa sübutları doğruladı.
Brevis tədqiqatı: ZKVM və məlumatların köməkçi prosessorlarının sonsuz etibarlı hesablamə qat
“Zəncirin xaricində hesablamalar + Zəncirin üzərində təsdiqləmə” etibarlı hesablamanın (Verifiable Computing) paradiqması, blokçeyn sistemlərinin ümumi hesablamə modelinə çevrilmişdir. Bu, blokçeyn tətbiqlərinə mərkəzləşdirmənin qarşısını almaq və etimadın minimuma endirilməsi (trustlessness) təhlükəsizliyinin şərti altında demək olar ki, sonsuz hesablamə azadlığı (computational freedom) əldə etməyə imkan tanıyır. Sıfır bilik sübutları (ZKP) bu paradiqmanın mərkəzi sütunudur, tətbiqləri əsasən genişlənmə (Scalability), məxfilik (Privacy) və qarşılıqlı fəaliyyət və məlumat tamlığı (Interoperability & Data Integrity) üzrə üç əsas istiqamətə cəmlənmişdir. Bu müddətdə genişlənmə, ZK texnologiyasının ən erkən tətbiq olunduğu sahədir, bu sahədə əməliyyatların zəncirin xaricinə köçürülməsi, qısa sübutlarla zəncir üzərində nəticələrin təsdiqlənməsi həyata keçirilərək yüksək TPS və aşağı qiymətə etibarlı genişlənmə təmin edilir.
Cysic Tədqiqat Hesabatı: ZK Avadanlıq Sürətləndirməsinin ComputeFi Yolu
Müəllif:0xjacobzhao | https://linktr.ee/0xjacobzhao
Zero-Knowledge Proofs (ZK) — növbəti nəsil kriptovalyuta və genişlənmə infrastrukturu olaraq — blockchain genişləndirilməsi, gizlilik hesablaması, zkML və çarpaz-zəncir doğrulaması sahələrində böyük potensial nümayiş etdirir. Lakin, sübut istehsalı prosesi son dərəcə hesablama-intensivdir və gecikmə ilə doludur, sənaye qəbulunda ən böyük maneəni formalaşdırır. ZK avadanlığının sürətləndirilməsi buna görə də əsas imkanverici kimi ortaya çıxmışdır. Bu mənzərədə, GPU-lar çoxsahəlilik və iterasiya sürətində mükəmməl, ASIC-lər son dərəcə səmərəlilik və genişmiqyaslı performansa yönəlir, FPGAlar isə proqramlaşdırma ilə enerji səmərəliliyini birləşdirən elastik bir orta yol kimi xidmət edir. Birlikdə, onlar ZK-nin gerçək dünya qəbulunu dəstəkləyən avadanlıq təməlini formalaşdırır.
Zero-Knowledge Proofs (ZK) — növbəti nəsil kriptovalyuta və genişlənmə infrastrukturu olaraq — blockchain genişləndirilməsi, gizlilik hesablaması, zkML və çarpaz-zəncir doğrulaması sahələrində böyük potensial nümayiş etdirir. Lakin, sübut istehsalı prosesi son dərəcə hesablama-intensivdir və gecikmə ilə doludur, sənaye qəbulunda ən böyük maneəni formalaşdırır. ZK avadanlığının sürətləndirilməsi buna görə də əsas imkanverici kimi ortaya çıxmışdır. Bu mənzərədə, GPU-lar çoxsahəlilik və iterasiya sürətində mükəmməl, ASIC-lər son dərəcə səmərəlilik və genişmiqyaslı performansa yönəlir, FPGAlar isə proqramlaşdırma ilə enerji səmərəliliyini birləşdirən elastik bir orta yol kimi xidmət edir. Birlikdə, onlar ZK-nin gerçək dünya qəbulunu dəstəkləyən avadanlıq təməlini formalaşdırır.
Cysic tədqiqatı: ZK avadanlıq sürətləndirməsinin ComputeFi yolu
Müəllif: 0xjacobzhao | https://linktr.ee/0xjacobzhao
Sıfır bilik sübutu (ZK) yeni nəsil kriptoqrafiya və genişlənmə infrastrukturu kimi blockchain genişlənməsi, məxfilik hesablama və zkML, arasında zəncir doğrulama kimi yeni tətbiqlərdə geniş potensial göstərmişdir. Lakin, onun sübut istehsalı prosesi böyük hesablama yükü və yüksək gecikmə ilə nəticələnir, bu da sənaye tətbiqinin ən böyük maneəsidir. ZK avadanlıq sürətləndirməsi məhz bu kontekstdə ortaya çıxan əsas elementdir, ZK avadanlıq sürətləndirmə yolunda, GPU çoxşaxəliliyi və iterasiya sürəti ilə tanınır, ASIC maksimum enerji səmərəliliyi və miqyaslı performans axtarır, FPGA isə aralıq forma olaraq, çevik proqramlaşdırma qabiliyyəti və yüksək enerji səmərəliliyi ilə birləşir, bu üçü birgə sıfır bilik sübutunun həyata keçirilməsini dəstəkləyən avadanlıq əsasını təşkil edir.
Sıfır bilik sübutu (ZK) yeni nəsil kriptoqrafiya və genişlənmə infrastrukturu kimi blockchain genişlənməsi, məxfilik hesablama və zkML, arasında zəncir doğrulama kimi yeni tətbiqlərdə geniş potensial göstərmişdir. Lakin, onun sübut istehsalı prosesi böyük hesablama yükü və yüksək gecikmə ilə nəticələnir, bu da sənaye tətbiqinin ən böyük maneəsidir. ZK avadanlıq sürətləndirməsi məhz bu kontekstdə ortaya çıxan əsas elementdir, ZK avadanlıq sürətləndirmə yolunda, GPU çoxşaxəliliyi və iterasiya sürəti ilə tanınır, ASIC maksimum enerji səmərəliliyi və miqyaslı performans axtarır, FPGA isə aralıq forma olaraq, çevik proqramlaşdırma qabiliyyəti və yüksək enerji səmərəliliyi ilə birləşir, bu üçü birgə sıfır bilik sübutunun həyata keçirilməsini dəstəkləyən avadanlıq əsasını təşkil edir.
GAIB Tədqiqat Hesabatı: AI İnfrastrukturunun On-Chain Maliyyələşməsi — RWAiFi
0xjacobzhao tərəfindən yazılmışdır | https://linktr.ee/0xjacobzhao
AI ən sürətlə böyüyən texnologiya dalğası olduqca, hesablamanın gücü yeni "valyuta" kimi qəbul edilir, GPU-lar strateji aktivlərə çevrilir. Lakin maliyyələşmə və likvidlik məhdud qalır, kripto maliyyəsi isə real nağd pul axınına əsaslanan aktivlərə ehtiyac duyur. RWA tokenizasiyası körpü rolunu oynayır. AI infrastrukturunun, yüksək dəyərli avadanlığı + proqnozlaşdırıla bilən nağd pul axınlarını birləşdirərək, qeyri-standart RWAs üçün ən yaxşı giriş nöqtəsi kimi qiymətləndirilir — GPU-lar qısa müddətli praktikliyi təklif edir, robototexnika isə daha uzun sərhədin nümayəndəsidir. GAIB-in RWAiFi (RWA + AI + DeFi) on-chain maliyyələşməyə yeni bir yol təqdim edir, AI İnfrastrukturunun (GPU & Robototexnika) × RWA × DeFi fırlanma çarxını gücləndirir.
AI ən sürətlə böyüyən texnologiya dalğası olduqca, hesablamanın gücü yeni "valyuta" kimi qəbul edilir, GPU-lar strateji aktivlərə çevrilir. Lakin maliyyələşmə və likvidlik məhdud qalır, kripto maliyyəsi isə real nağd pul axınına əsaslanan aktivlərə ehtiyac duyur. RWA tokenizasiyası körpü rolunu oynayır. AI infrastrukturunun, yüksək dəyərli avadanlığı + proqnozlaşdırıla bilən nağd pul axınlarını birləşdirərək, qeyri-standart RWAs üçün ən yaxşı giriş nöqtəsi kimi qiymətləndirilir — GPU-lar qısa müddətli praktikliyi təklif edir, robototexnika isə daha uzun sərhədin nümayəndəsidir. GAIB-in RWAiFi (RWA + AI + DeFi) on-chain maliyyələşməyə yeni bir yol təqdim edir, AI İnfrastrukturunun (GPU & Robototexnika) × RWA × DeFi fırlanma çarxını gücləndirir.
GAIB araşdırması: AI infrastrukturunun zəncir üzərində maliyyələşdirilməsi yolu - RWAiFi
Müəllif: 0xjacobzhao | https://linktr.ee/0xjacobzhao
AI qlobal inkişaf edən texnologiya dalğası olaraq, hesablama yeni “pul” kimi nəzərdən keçirilir, GPU kimi yüksək performanslı avadanlıqlar isə strateji aktivlərə çevrilir. Lakin uzun müddət bu aktivlərin maliyyələşdirməsi və likvidliyi məhdud qalmışdır. Eyni zamanda, kripto maliyyə real nağd pul axını olan keyfiyyətli aktivləri qəbul etmək ehtiyacını hiss edir, RWA (Real-World Assets) zəncir üzərinə keçidi, ənənəvi maliyyə ilə kripto bazarları arasında açar körpü olmağa başlayır. AI infrastruktur aktivləri “yüksək dəyərli avadanlıqlar + proqnozlaşdırıla bilən nağd pul axını” xüsusiyyətlərinə malik olaraq, qeyri-standart aktivlərin RWA-ya keçidinin ən yaxşı sındırma nöqtəsi hesab olunur, burada GPU ən real reallaşma potensialına malikdir, robotlar isə daha uzunmüddətli araşdırma istiqamətini təmsil edir. Bu kontekstdə, GAIB-in təklif etdiyi RWAiFi (RWA + AI + DeFi) yolu, “AI infrastrukturunun zəncir üzərində maliyyələşdirilməsi yolu” üçün yeni bir həll təqdim edir, “AI infrastruktur (hesablama və robototexnika) x RWA x DeFi” fırlanma effektini irəlilətməyə kömək edir.
AI qlobal inkişaf edən texnologiya dalğası olaraq, hesablama yeni “pul” kimi nəzərdən keçirilir, GPU kimi yüksək performanslı avadanlıqlar isə strateji aktivlərə çevrilir. Lakin uzun müddət bu aktivlərin maliyyələşdirməsi və likvidliyi məhdud qalmışdır. Eyni zamanda, kripto maliyyə real nağd pul axını olan keyfiyyətli aktivləri qəbul etmək ehtiyacını hiss edir, RWA (Real-World Assets) zəncir üzərinə keçidi, ənənəvi maliyyə ilə kripto bazarları arasında açar körpü olmağa başlayır. AI infrastruktur aktivləri “yüksək dəyərli avadanlıqlar + proqnozlaşdırıla bilən nağd pul axını” xüsusiyyətlərinə malik olaraq, qeyri-standart aktivlərin RWA-ya keçidinin ən yaxşı sındırma nöqtəsi hesab olunur, burada GPU ən real reallaşma potensialına malikdir, robotlar isə daha uzunmüddətli araşdırma istiqamətini təmsil edir. Bu kontekstdə, GAIB-in təklif etdiyi RWAiFi (RWA + AI + DeFi) yolu, “AI infrastrukturunun zəncir üzərində maliyyələşdirilməsi yolu” üçün yeni bir həll təqdim edir, “AI infrastruktur (hesablama və robototexnika) x RWA x DeFi” fırlanma effektini irəlilətməyə kömək edir.
Federativ Öyrənmədən Mərkəzləşdirilmiş Agent Şəbəkələrinə: ChainOpera üzrə Analiz
0xjacobzhao tərəfindən yazılmışdır | https://linktr.ee/0xjacobzhao
İyun hesabatımızda “Kripto AI-nın Müqəddəs Qraili: Mərkəzləşdirilmiş Təlimin Sərhəd Araşdırması” adlı məqalədə Federativ Öyrənməni müzakirə etdik - mərkəzləşdirilmiş təlimlə tam mərkəzləşdirilməmiş təlim arasında yerləşən “idarə olunan mərkəzləşdirmə” paradigmı. Onun əsas prinsipi məlumatları yerli saxlamaq, eyni zamanda parametrləri mərkəzləşdirilmiş şəkildə toplamaqdır; bu, sağlamlıq və maliyyə kimi gizlilik baxımından həssas və uyğunluq tələb edən sahələr üçün xüsusilə uyğundur.
İyun hesabatımızda “Kripto AI-nın Müqəddəs Qraili: Mərkəzləşdirilmiş Təlimin Sərhəd Araşdırması” adlı məqalədə Federativ Öyrənməni müzakirə etdik - mərkəzləşdirilmiş təlimlə tam mərkəzləşdirilməmiş təlim arasında yerləşən “idarə olunan mərkəzləşdirmə” paradigmı. Onun əsas prinsipi məlumatları yerli saxlamaq, eyni zamanda parametrləri mərkəzləşdirilmiş şəkildə toplamaqdır; bu, sağlamlıq və maliyyə kimi gizlilik baxımından həssas və uyğunluq tələb edən sahələr üçün xüsusilə uyğundur.
Federativ Öyrənmədən Mərkəzləşdirilməmiş Agent Şəbəkəsinə: ChainOpera Layihəsinin Analizi
İyun ayında yayımlanan araşdırmada (Crypto AI-nin müqəddəs qayıtması: Mərkəzləşdirilməmiş təlimin sərhəd araşdırması) biz Federativ Öyrənmə (Federated Learning) haqqında danışdıq, bu da mərkəzləşdirilmiş və mərkəzləşdirilməmiş təlim arasında "idarə olunan mərkəzləşdirilməmiş" bir yanaşmadır: onun əsasını məlumatların yerli saxlanması, parametrlərin mərkəzləşdirilmiş toplanması təşkil edir, tibbi, maliyyə və digər gizlilik və uyğunluq tələblərinə cavab verir. Eyni zamanda, biz keçmiş bir neçə araşdırmada agent (Agent) şəbəkələrinin yüksəlişinə davamlı olaraq diqqət yetirmişik - onun dəyəri çoxsaylı agentlərin müstəqil fəaliyyəti və bölüşdürülməsi ilə mürəkkəb vəzifələri birgə yerinə yetirmək, "böyük model"-in "çoxsaylı agent ekosistemi"-nə doğru inkişafını irəlilətməkdir.
Daha çox məzmunu araşdırmaq üçün daxil olun