爲什麼 DeFi 需要 Cartesi？
大多數 DeFi 運行的是金融的簡化版本。構建者會圍繞鏈上“能跑什麼”來設計，而不是圍繞“模型需要什麼”。他們刪減數學計算，或者把計算放到鏈下運行，然後要求你信任。
貢獻者 João Garcia 在一篇值得重讀的文章中進行了拆解：
→ https://x.com/joaopdgarcia/status/2018688089258865078
傳統金融的量化團隊會用 NumPy、SciPy 和 QuantLib 在成千上萬種情景中運行風險引擎。
但大多數智能合約環境缺少這些庫來進行真實的數學運算，而且狀態也會變得非常昂貴。
在 Cartesi 上，每個應用都會獲得自己的 rollup，並在 Linux 上運行，最終在以太坊上結算。任何誠實的驗證者都可以覈驗正確的結果。
構建者可以用 Python、Rust 或 C++ 編寫邏輯，並使用流行的庫。這樣，鏈上的鏈上做市/保證金曲線就能更接近真正的二次曲線。
這帶來哪些實際效果：
- 隨波動率變化的抵押需求
- 帶匹配引擎的預測市場，並在每個 epoch 更新賠率
- DCA 用很小的連續切片逐步買入，而不是一天買一次
- 來自可由任何人重新運行的模型生成的信用評分
開發者仍然需要設計棘手的部分：數據如何進入、輸入如何被驗證、執行如何被協調。更多計算會把複雜性轉移到這些環節上。但如果你的應用需要真實計算，這就是 Cartesi 爲你構建的。
在文檔中深入瞭解：https://docs.cartesi.io/
轉發：https://x.com/cartesiproject/status/2102774491533488585
大多數 DeFi 運行的是金融的簡化版本。構建者會圍繞鏈上“能跑什麼”來設計，而不是圍繞“模型需要什麼”。他們刪減數學計算，或者把計算放到鏈下運行，然後要求你信任。
貢獻者 João Garcia 在一篇值得重讀的文章中進行了拆解：
→ https://x.com/joaopdgarcia/status/2018688089258865078
傳統金融的量化團隊會用 NumPy、SciPy 和 QuantLib 在成千上萬種情景中運行風險引擎。
但大多數智能合約環境缺少這些庫來進行真實的數學運算，而且狀態也會變得非常昂貴。
在 Cartesi 上，每個應用都會獲得自己的 rollup，並在 Linux 上運行，最終在以太坊上結算。任何誠實的驗證者都可以覈驗正確的結果。
構建者可以用 Python、Rust 或 C++ 編寫邏輯，並使用流行的庫。這樣，鏈上的鏈上做市/保證金曲線就能更接近真正的二次曲線。
這帶來哪些實際效果：
- 隨波動率變化的抵押需求
- 帶匹配引擎的預測市場，並在每個 epoch 更新賠率
- DCA 用很小的連續切片逐步買入，而不是一天買一次
- 來自可由任何人重新運行的模型生成的信用評分
開發者仍然需要設計棘手的部分：數據如何進入、輸入如何被驗證、執行如何被協調。更多計算會把複雜性轉移到這些環節上。但如果你的應用需要真實計算，這就是 Cartesi 爲你構建的。
在文檔中深入瞭解：https://docs.cartesi.io/
轉發：https://x.com/cartesiproject/status/2102774491533488585