链捕手ChainCatcher

ChainCatcher 消息，Binance 联合创始人何一今日于 X 平台转发 RootData 股票衍生品报告并评论“万物皆数”，配图引用 RootData 2026 年 7–8 月交易所股票衍生品日均持仓（OI）数据。数据显示，Binance 以 69.1% 的份额位居首位。
此外，RootData 报告指出，2026 年 1–8 月主流交易所股票衍生品累计交易规模已近 1.75 万亿美元，该品类正从边缘业务跃升为加密交易所 TradFi 竞争的核心阵地。

作者：Jay Yu，Pantera Capital 合伙人
编译：佳欢，ChainCatcher
引言
算力和数据中心基础设施支出已经成为一个规模达万亿美元的市场，其规模可以与美国消费支出相媲美，并逐渐成为美国经济增长的重要支柱。
然而，随着 AI Agent 逐步进入实体经济，市场对算力的需求不断增长，GPU 的采购方式却仍然相当传统。尽管 SF Compute、Vast AI 和 Runpod 等算力市场已经出现，但大量 GPU 节点的买卖，依旧通过群聊、场外交易经纪商以及定制化双边协议完成。
如今 GPU 算力仍处于金融化早期阶段，与电力类似，算力并不是完全同质化的资产，它受到芯片型号、交付时间和地理位置等因素的限制。但在未来 5 至 10 年，算力很可能会像电力或石油一样，逐渐成为一种大宗商品，成为 AI 时代支撑全球经济运行的关键资源。
本文将讨论算力市场如何完成这一转变，包括电力市场能够带来的启示、算力市场可能形成的结构、行业正在构建的产品，以及算力商品化过程中存在的机会与问题。
1. 从电力市场中寻找答案
1.1 电力市场的结构
要理解算力市场未来可能如何演变，可以先观察其底层资源，也就是电力市场的运行方式。
与算力一样，电力也是一种具有异质性、时间属性和枢纽属性的资产，并且是全球经济增长的重要基础。
从 20 世纪 90 年代开始，美国电力系统逐步私有化。过去高度垂直整合的电力公用事业，开始将发电、输电和配电等环节逐步拆分。
独立电网运营商开始负责美国不同地区的电力系统。与此同时，PJM-West（美国东海岸）、ERCOT North（得克萨斯州）和 CAISO SP15（南加州）等大型电力互联系统，最终成为可以在 CME、ICE 等交易所交易的商品，并形成了整个电力资产类别的重要价格基准。
在物理层面，电力市场大致可以概括为“电网、运营商、节点”的结构。
最上层是相互独立的区域电网。每个区域电网下，又有一批系统运营商，包括区域输电组织（RTO）和独立系统运营商（ISO）。这些运营商负责管理当地多个变电站节点。
以旧金山为例，一座城市可能由多个变电站节点供电，例如 Embarcadero、Larkin 和 Mission 等节点。
每个节点的电价并不完全相同，而是由一种名为“节点边际定价”（Locational Marginal Pricing，LMP）的算法决定。该算法会综合考虑发电调度、用户需求、输电成本以及电力流动规律，在约束条件下计算最优价格。
LMP 算法成为连接电力实物交付与 PJM-West 等可交易电力基准的关键环节。
电力市场中的枢纽价格和指数价格，本质上是多个终端 LMP 节点价格的加权平均值。其中规模最大、流动性最好的价格基准，最终在 CME、ICE 等交易所上获得了稳定的交易深度，并成为整个电力资产类别的参考价格。
1.2 算力市场可能形成的结构
观察过去 30 年电力市场的发展，可以对算力市场提出几种推测。
首先，算力市场可能会形成与电力市场类似的结构。
在实物交割层面，电力市场“电网、运营商、节点”结构最接近的算力版本，可能是“硬件、供应商、集群”。
正如电力市场存在多个相互独立的区域电网，算力市场也可能按照不同硬件类别形成多个市场。H100、H200、B200、B300 以及其他芯片类别，都可能拥有各自独立但相互关联的价格基准。
在运营商层面，AWS、Nebius、CoreWeave、SF Compute 和 Ornn 等算力供应商，会针对特定集群提供不同的定价机制。这些集群同样会受到时间、地点和 SKU 的影响，类似于电力市场中的不同节点。
至于 LMP 在算力市场中的对应物，可能是一种调度或路由算法。该算法根据某类 SKU 的可用程度，动态生成算力实例价格。
电力市场中最终成为行业参考价格的基准，例如 PJM-West、ERCOT-North 和 CAISO SP15，通常都与流动性最好的实物交付基础设施相连接。这一点与石油等其他大宗商品市场类似。
随着算力领域出现越来越多的价格基准，最终胜出的可能是那些与高流动性实物交割场所相连接的基准。
此外在电力市场中，发电商和用电企业有时会直接在电力交易所进行对冲，但大多数交易仍然由银行和交易公司运营的场外交易部门完成。这些 OTC 机构会将节点结算价格与枢纽结算价格进行交换，在其中赚取价差，并对冲自身风险。
类似的市场结构也可能出现在算力市场。算力市场的实际供需双方，也就是新型云服务商和 AI 公司，可能更愿意通过经纪商采购特定 SKU，而不是直接在算力交易所进行对冲。
最后，算力市场可能面临比电力市场更严重的基差风险。
根据美国《联邦电力法》，电力批发价格必须在美国联邦能源监管委员会（FERC）的监管下保持透明。但算力市场目前并不存在类似的透明度要求。
这意味着算力市场能够建立的动态价格和指数可能只能基于自身订单簿，以及与其合作的新型云服务商所提供的订单簿数据。这些合作可能通过收入分成、数据采购等方式实现。
2. 算力市场的结构
2.1 推理需求的三层结构
电力市场之所以存在，是因为工业体系对电力存在持续需求。同样，算力市场的根本驱动力，是应用对 Token，尤其是推理 Token 的需求。
当前的推理产业链大致可以分为三个层次，它们共同构成了算力市场中的结构性供给方和需求方。
新型云服务商层
Nebius、CoreWeave 等企业运营实体数据中心，构成 GPU 的卖方。
即用层
Fireworks、Baseten 等开发者平台，将裸机 GPU 环境转化为更完整的 GPU 使用环境，让开发者可以直接运行任务，或随时获取推理 Token，这一层是 GPU 的买方。
应用层
Cursor、Perplexity、Rime 等应用使用推理平台，为用户和企业提供最终产品。这一层是 Token 的需求方，而 Token 的需求又会转化为 GPU 算力需求。
尽管生态中的每家公司都有不同的 GPU 管理策略，但总体而言，新型云服务商处于 GPU 市场的供给侧，即结构性空方；即用层和应用层则处于需求侧，即结构性多方。
另一方面，Amazon、Google 等超大规模云服务商，会在这三个层次都运营自有产品。
至于产业链中的利润流向，一个粗略的经验法则是：当顶层应用在 Token 上花费 100 美元时，大约 45 美元流向即用层，50 美元流向新型云服务商或 GPU 层，剩余 5 美元流向 OpenRouter 等路由层。
2.2 算力资本市场的结构
AI 产业链中各参与者的 Token 经济结构，将影响算力资本市场最终形成的方式。
一种可能的结构是，需求侧的开发者平台和应用层，以及供给侧的新型云服务商，都会通过 SF Compute、Runpod、Compute Exchange 等算力经纪商和 OTC 交易平台，交易特定 SKU。
随后，算力经纪商和 OTC 交易平台负责管理库存，并承担终端 Token 消费者所需要的特定 SKU 与通用 H200 之间的基差风险。
它们可以通过 Architect 或 Pluto 等算力交易平台进行对冲。
这些交易平台的价格，则建立在一个算力基准之上。该基准由与其合作的新型云服务商和 OTC 平台的订单簿价格加权计算得出。
2.3 NVIDIA：算力市场的“中央银行”
除此之外，NVIDIA 最近也宣布，将允许其 AI 工厂的算力成为一种“可投资资产类别”。
在算力金融化体系中，NVIDIA 可以被视为算力市场的“中央银行”，原因在于它几乎垄断了 GPU 技术栈。
中央银行通常有几个核心目标：
管理经济中的通胀；
促进充分就业；
在极端情况下充当最后贷款人。
NVIDIA 某种程度上正在扮演这三个角色。
首先是管理“通胀”。GPU 经济中的“通胀”，可以类比为 GPU 的贬值周期，尤其是相对于最新一代芯片的贬值速度。通过控制产品发布节奏，例如推出 Vera Rubin，NVIDIA 能够在一定程度上影响 GPU 随时间贬值的速度。
其次是让 GPU 保持高利用率。如果 GPU 利用率很高，通常意味着市场对 Token 的需求强劲，用户也会购买更多 GPU。因此，NVIDIA 有动力推动 GPU 算力金融化，让 GPU 小时的交易变得更加流动，从而进一步提升 GPU 的利用率。
最后是充当最后贷款人。NVIDIA 还宣布，将为 GPU 提供最高达到剩余价值 25% 的支持。这可以被视为一种针对 GPU 价值的救助或保险机制：当新型云服务商和其他 GPU 供应商面临流动性危机时，这类支持能够为 GPU 的残余价值提供保障。
3. 算力市场的机会与挑战
3.1 算力市场中的产品形态
随着算力市场的金融化程度不断提升，行业中可能形成几类主要产品。每类产品都有自己的优势与挑战。
产品一：实物交割
实物交割指的是将实际 GPU 设备交付给需要算力的终端用户。SF Compute、Hyperbolic、Vast、Runpod 和 Compute Exchange 等项目，都属于这一产品层。这是最接近硬件本身、也最直接连接算力供需双方的一层。
由于算力 SKU 高度异质化，许多项目最初只是经纪商，通过撮合 GPU 需求与新型云服务商获得佣金。长期来看，这一层的目标可能是建立某种“算力现货交易所”。
但要持续保证 GPU 实物交付的质量，其实是一个非常困难的问题，尤其是对于那些供应来自去中心化网络的项目。算力市场可能需要一个类似穆迪的评级机构，对底层可交付 GPU 的质量进行认证，才能推动这一层进一步成熟。
尽管实物交割层的竞争非常激烈，但从长期来看，它可能拥有最持久的护城河。回顾石油和电力市场可以发现，金融化体系通常都会围绕实物流动性最强的交割场所发展，随后才逐步形成指数、交易所和借贷等金融产品。
因此，谁能够率先解决算力实物交割问题，谁就可能获得巨大的市场回报。
产品二：指数
这一层主要指建立在算力之上的“指数曲线”，包括 Ornn、Silicon Data、Compute Desk 和 Semianalysis 等项目推出的算力价格指数。
建立指数，是算力这类资产进一步实现金融化和交易化的重要一步。可以说，当前市场关于“算力市场”的许多讨论，正是随着算力指数逐渐成熟而开始升温的。CME、ICE 等大型交易所也已经宣布与相关指数展开合作。
不过，目前许多算力指数与单个 GPU 市场之间仍存在非常大的价差。
造成这种价差的原因可能主要有两个。
第一，底层产品本身存在差异。不同算力平台在产品稳定性、可中断性以及合约条款等方面，往往相差很大。
第二，不同算力指数背后的订单簿并不相同，而且算力市场没有像其他资产类别那样的透明度要求。例如，FERC 就要求电力市场保持透明。
如今许多算力指数只是从新型云服务商处批量采购订单簿数据，或者通过合作与收入分成协议，建立最初的数据集。此外单独运营指数层的变现能力，也弱于交易所和实物交割层。
因此尽管指数层可以制造声量，也在算力市场体系中发挥着重要作用，但它本身同时受到上下游的挤压：
上游的实物交割层掌握着价格来源；
下游的交易所则希望从指数收入中分走一部分收益。
产品三：衍生品交易平台
第三层是衍生品交易平台，通常提供现金结算的期货产品。这类平台基于算力指数，为市场参与者提供对冲工具。Liquid Compute 和 Architect 正在开发相关产品。
从长期来看，衍生品交易平台可能是算力金融化体系中最令人期待、也最容易实现规模化变现的产品。不过，目前这一领域仍处于早期阶段，交易量尚未达到较大规模。
此外，现金结算交易平台上的可交易产品通常是通用 H200 实例，而不是某个可以直接用于推理的特定 SKU。因此目前真正参与这些交易平台的，可能主要是 OTC 交易平台和算力经纪商，而不是 AI 产业链中的终端企业。前者希望对冲资产负债表上持有的算力库存，后者则需要管理自身的算力敞口。
产品四：金融化工具
算力领域还可能出现一类更宽泛的金融化产品，为数据中心和新型云服务商的融资提供支持。例如，借贷协议、Vault 以及 USD.AI 等合成稳定币，都可能帮助数据中心和新型云服务商完成基础设施建设。
与此同时，市场也可能出现风险转移和保险层，用于平滑 GPU 经济中的基差风险。观察上述不同层次可以发现，算力市场最终可能形成的完整形态其实相对清晰。
赢家将是能够实现可靠 GPU 实物交割的全栈型参与者。它能够从自身的实物订单簿中形成价格指数，再以此建立算力期货交易所，使算力成为一种可以对冲的资产类别。
但行业真正存在分歧的地方，在于不同产品的出现顺序。最终的赢家会先从实物交割开始，还是先建立指数，抑或是先推出交易平台？
3.2 算力 Token 经济学的前沿
到目前为止，我们主要是在 GPU 层面讨论算力市场。但也可以把视角拉远，观察更广义的算力 Token 经济学，包括其历史演变、价值捕获方式，以及它与前沿模型实验室之间的博弈关系。
从历史角度看，算力市场并不是一个全新的概念。2023 至 2024 年，SF Compute、Hyperbolic 等项目已经在讨论这一模式，Akash 和 IONet 等去中心化项目也在探索类似方向。
有意思的是，许多项目最终并没有停留在 GPU 市场层面。例如，Hyperbolic 后来成为推理服务商，直接出售 Token；SF Compute 则开始直接签约并运营算力集群。
从价值链来看，价值会从 Cursor、Harvey、Granola 等 AI 应用流向 OpenRouter 等路由层，再流向 Fireworks、Baseten 等推理服务商，之后进入 Nebius、CoreWeave、SF Compute 等新型云服务商和算力市场，最终流向数据中心运营商。
如果企业一直停留在产业链的中间位置，可能会同时受到上下游挤压。想要维持更稳定的利润率，企业最终可能必须向上游延伸，或者向下游拓展。
Token 市场还存在一个非常有意思的博弈论视角，其中有三股无法绕开的力量。
第一股力量是 NVIDIA，它控制着 GPU 的供应和贬值速度。
第二股力量是 Anthropic、OpenAI 等前沿模型实验室，它们不断发布新模型，可能迅速推高 Token 需求。
第三股力量是 Kimi、GLM、DeepSeek、Qwen 等开源模型，它们会对推理利润率形成下行压力。
这三股力量共同为 GPU 市场和 Token 市场的供需双方带来持续的推动和压力。其中任何一方，都可能通过推出重要产品，重新改写整个市场的定价曲线。
例如，GPT 5.6 的发布就可能成为一个由企业自主决定、但市场难以提前预测的事件，并沿着 AI Token 价值链产生连锁反应，引发 Token 价格和 GPU 硬件价格的波动。
因此一家公司如果能够在同一体系内同时运营推理服务和 GPU 硬件市场，可能在商业上更加合理。因为这种模式可以对冲产业链上下游利润结构发生变化所带来的风险。
结语
回顾历史，石油、电力等大宗商品市场，最初都以中间商撮合的双边交易为主，交易过程不透明，市场也缺乏统一标准。但随着时间推移，实物交割逐渐发展出指数、交易标准化、质量审计等一系列协议和金融基础设施，最终演变为高度金融化的资产类别。
如今，算力市场正在经历类似的转型。市场中已经出现了大量尝试金融化基础工具的项目，包括算力指数、现金结算交易所、借贷产品和保险产品。
与此同时，实体 GPU 市场和云服务商也在不断向产业链上下游延伸，试图捕获 Token 经济中的完整价值。作为整个 AI 经济赖以运行的底层资源，算力正在从单纯的基础设施，逐渐变成一种独立的金融资产。
未来，这个领域可能出现多家独角兽公司，它们分别覆盖市场的不同层次，形成不同的业务形态，包括实体算力供应、经纪服务、借贷、风险管理，以及与 DeFi 和 TradFi 资本市场的组合。
算力可能是几十年来少见的新型实体大宗商品，而我们或许正处在见证它从私下撮合的早期交易，走向完整资产类别的起点。

ChainCatcher 消息，印度农业仓储与贷款公司 Arya.ag 正在 Avalanche 专用 Layer 1 区块链上测试将储存谷物的仓单代币化的系统。Arya.ag 与 Finternet 合作，通过该网络连接谷物存储、仓单、抵押承诺与贷款状态。Ava Labs 印度负责人 Devika Mittal 表示测试正在进行，每张代币化仓单代表所储存商品的所有权。
Finternet Labs 董事 Sanmesh Kalyanpur 表示，Arya.ag 的采样员收集储存谷物的信息并录入公司门户，Finternet 将把农户、商品、仓库与保险信息整合为“复合代币”，供银行评估抵押风险时使用。Arya.ag 在其仓库网络中储存约 20 亿美元农产品，每年支持约 1200 亿印度卢比（约 12.6 亿美元）的贷款，其贷款部门 Arya Dhan 每年发放约 2.3 亿美元贷款。
Finternet 概念源自 2024 年国际清算银行（BIS）论文，由 Infosys 联合创始人 Nandan Nilekani 与时任 BIS 总经理 Agustín Carstens 共同撰写，提出为代币化资产建立互联统一账本。2024 年印度政府推出 100 亿卢比信贷担保计划，鼓励针对电子可转让仓单的融资。两家公司未披露预计上线日期及初始部署规模。

近期，数字资产行业接连发生安全事件，多起攻击与资金被盗再次将平台安全推到市场关注的中心。随着攻击手段不断演变，风险也不再局限于单一的钱包或技术漏洞，而可能涉及账户权限、私钥管理、资产转移及第三方基础设施等多个环节。
对用户而言，比“平台是否安全”更现实的问题是：异常真正发生时，平台能否更早发现并阻断风险？关键操作是否存在足够的授权与制衡机制？当资产进一步延伸至美股、RWA 等不同类别后，安全与风控体系又能否跟上新的业务边界？
在这一背景下，全球数字金融服务平台 BIT（原 Matrixport）正式发布《BIT 信任白皮书》V2.0，围绕安全、合规、透明度与可验证性，系统呈现 BIT 当前的风险治理、安全架构、合规监管及独立验证机制，并进一步覆盖美股、RWA 与资产管理等不同业务场景下的监管、治理与透明度安排。
当一个平台承载的资产和业务越来越多，安全与信任如何同步扩展？
风险真正发生之前，平台能做什么？
没有任何平台能够通过一句“安全”消除所有风险。对用户来说，更值得关注的是：风险出现之前有没有防线，异常发生时有没有机制及时识别并限制风险。
BIT 在白皮书中强调，风险管理并不只是事后处置，而应贯穿交易前评估、交易中监控和交易后处理。在配资与抵押等具体业务场景中，这套机制进一步落实到尽职调查、风险参数设定、实时监控、风险预警以及违约与清算等环节。
这些机制最终落到用户更容易感知的账户与资产安全上。例如，BIT 对异常登录、异常设备和异常提币等高风险行为进行 24 小时动态监测，并根据风险等级触发预警、延迟处理或人工审核。安全系统要做的不只是“事后发现发生了什么”，而是在异常发生过程中尽可能识别风险并及时介入。
在数字资产保护层面，大部分资产存放于冷钱包；私钥则存储于 FIPS 140-3 Level 3 级别的硬件安全模块（HSM）中，并且不可被明文访问或导出。
但比技术工具更关键的问题是：当业务推进与安全要求发生冲突时，谁有权说“不”？
白皮书披露，如果产品方案、系统架构或上线变更存在重大安全风险，或不符合安全基线与合规要求，BIT 安全团队拥有“一票否决权”；对于资产转移、权限变更、交易指令等关键操作，则执行“四眼原则”，至少由两名授权人员共同参与。
这套机制背后的逻辑，并不是承诺风险“不会发生”，而是尽可能把安全做在风险之前——更早识别异常、更早建立约束，也尽可能减少单点失误带来的影响。
从数字资产到美股，安全如何跟上新的业务边界？
当业务从数字资产延伸至美股、RWA 与资产管理等领域，“安全”的含义也随之发生变化。用户关注的不再只是账户是否安全、数字资产如何存储，还包括业务由谁运营、受到怎样的监管、资产经过哪些环节。
以美股业务为例，BIT 在新版白皮书中进一步披露了相关业务的监管、账户、清算与资产存管安排。BIT 证券业务由 Matrix Gelephu Pte Ltd 运营，并接受格勒普金融服务办公室（GFSO）监管；相关业务通过适用的监管与牌照安排、客户资产保护机制以及持牌第三方金融机构参与，为业务运行提供相应的合规与基础设施支持。
用户看到的是一次“买入”，背后连接的却是运营、监管、交易执行、清算与资产存管等多个环节。对于金融平台而言，业务边界越广，越需要让相应的风险治理和合规机制同步延伸，而不只是增加新的产品入口。
同样的逻辑也延伸至 BIT 的其他业务。新版白皮书进一步补充 Matrixport Asset Management（MAM）的监管与治理信息，并呈现 BIT 集团旗下机构在香港、不丹、新加坡、瑞士、英国、美国及英属维尔京群岛等多个司法辖区的合规布局。
从数字资产到传统金融资产，BIT 所呈现的并非针对某一种产品的单点安全机制，而是一套随着业务边界扩展而延伸的风险治理与信任框架。
安全之外，信任为什么还需要“可验证”？
风控解决的是风险如何被识别和控制，但对于一家覆盖多种资产和业务的金融平台而言，仅仅告诉用户“我们有风控”仍然不够。如果安全、合规和资产安排只能由平台自己解释，信任最终仍然停留在“相信平台怎么说”之上。
因此，BIT 将合规与监管基础、独立审计与鉴证机制、技术与运营透明度作为整体信任体系的三大支柱，让“信任”可以被进一步拆解成更具体的问题：平台由谁监管？资产如何保护？风险如何控制？这些机制能否被独立验证？
在审计与鉴证层面，BIT 通过 ISO 管理体系审计、SOC 独立鉴证、年度财务审计及内部审计等机制，根据不同实体和业务线的适用范围形成多层级、互补的验证体系，避免对单一审计或鉴证机制过度依赖。
透明解决的是信息能不能被看到，可验证进一步回答的是，这些信息能不能被独立核查。
当行业再次把“安全”摆到所有平台面前，真正重要的或许并不是重复一句“我们是安全的”，而是能否让用户看到这句话背后的机制。
信任并非来自一次承诺或一次审计，而更多来自长期、持续的制度运行与外部验证。安全需要持续运行，信任则需要持续被验证。
《BIT 信任白皮书 V2.0》完整版链接：https://www.bit.com/whitepaper

ChainCatcher 消息，9 月 10 日，三星电机封装事业部课长金相勋在仁川松岛会议中心举行的 KPCA Show 国际研讨会 INSIGHT 2026 上发表演讲，提出应对 AI 半导体封装基板大型化、高多层化的多层核心（MLC）技术方向。
金相勋表示，以往通过增加单张 CCL 厚度的单层核心（SLC）方式，随核心增厚会导致内部过孔和电路加工难度上升、过孔尺寸缩小受限。MLC 转向 CCL 与 PPG 多层组合甚至两张 CCL 的混合结构，可同时提升刚性和布线自由度，并在 PPG 层布置地线或信号布线。两张 CCL 中间加接合层能更稳定支撑基板，但工艺更复杂。
当前量产常用凸点间距 90μm 以上，85μm 左右为印刷微细焊球工艺拐点，80μm 附近难度显著上升，55–45μm 级可能转向金属凸点。玻璃核心作为另一选项，刚性更高、热膨胀系数更低，有助于减少大型封装翘曲，但需解决易碎处理和微孔镀覆技术。基板需同时满足信号完整性、电源完整性和机械完整性，高性能封装基板层数将从约 20 层、90mm 级向 120mm 级乃至 40 层以上发展。

ChainCatcher 消息，经营 Unicoin 的 TransparentBusiness 公司已在纽约南区联邦法院起诉运营 Uniswap Labs 的 Universal Navigation 公司，请求法院裁定其 UNICOIN 商标未侵犯或淡化 Uniswap 主张的 UNI、UNISWAP 及 UNICHAIN 商标，并要求法院撤销 UNI 的美国商标注册。
诉状显示，Uniswap 的法律顾问曾分别于 6 月 3 日、7 月 17 日和 8 月 14 日向 Unicoin 发出三封律师函，指控其存在商标侵权、淡化、域名抢注及不正当竞争行为，并要求 Unicoin 停止使用 UNICOIN 及其他含 UNI 字样的标识，移交 unicoin.com 和 unicoin.org 域名，提供收入与利润账目并支付 Uniswap 的法律费用。Unicoin 同时请求法院确认上述域名并未违反美国联邦反域名抢注消费者保护法。
该诉讼发生在 Unicoin 官网所列 UNCN 代币 9 月 28 日公开发行之前数周。截至发稿，DeFiLlama 数据显示 Uniswap 协议以超 39 亿美元的 24 小时交易量位居去中心化交易所榜首。

ChainCatcher 消息，据 RootData 发布的「2026 股票衍生品爆发式增长：加密交易所格局和关键趋势」报告显示，股票衍生品赛道已从“边缘试水”进入“爆发放量”阶段，1 月至 8 月累计交易规模约 1.75 万亿美元。
从累计成交额来看，头部集中效应依然显著。四家交易所中，Binance 以 8,535.8 亿美元、61.3% 的份额居首；Bitget 以 2,708.5 亿美元、19.5% 的份额位列第二；OKX 以 2,343.9 亿美元、16.8% 的份额紧随其后；Bybit 以 334.1 亿美元、2.4% 的份额位列第四。
流动性方面，在 ±2% 加权盘口深度指标中，Binance 与 Bitget 合计承载超过七成的股票衍生品盘口流动性。其中，Binance 日均盘口深度约为 1,010 万美元，Bitget 以 482 万美元紧随其后，OKX 和 Bybit 分别为 387 万美元和 116 万美元。
交易成本方面，在近期十多个代表性热门标的的加权价差对比中，Bitget 以 0.0144% 位列第一，Binance 以 0.0145% 紧随其后，两者基本处于同一水平；OKX 为 0.0154%，Bybit 为 0.0237%。