Эра крипто-суперприложений: готова ли инфраструктура данных?

Автор：Story，IOSG Ventures

TL;DR

Данные вызовы: конкуренция по времени блокировки высокопроизводительных публичных цепей вошла в эпоху субмиллисекунд. Увеличение высоких параллельных запросов, колебаний трафика и многосетевых гетерогенных требований со стороны C-канала увеличивает сложность данных, инфраструктура данных должна перейти к обработке в реальном времени + динамическому масштабированию. Традиционная пакетная обработка ETL имеет задержку от минут до часов, что затрудняет удовлетворение потребностей в реальных транзакциях. Новые решения, такие как The Graph, Nansen, Pangea, вводят потоковую обработку, сокращая задержку до уровня реального времени.

Сдвиг парадигмы в конкуренции данных: в предыдущем цикле акцент был на «понятности»; в текущем цикле акцент на «прибыли». В модели Bonding Curve стоимость задержки в одну минуту может варьироваться в несколько раз. Итерация инструментов: от ручной настройки проскальзывания → снайперский бот → интегрированный терминал GMGN. Способности по транзакциям на блокчейне постепенно становятся товаром, а основная конкурентоспособность смещается к самим данным: кто быстрее поймает сигнал, тот сможет помочь пользователю заработать.

Расширение измерений торговых данных: суть Meme заключается в финансовизации внимания, ключевыми являются нарратив, внимание и последующее распространение. Замыкание цепи оффлайн общественного мнения × онлайн данных: отслеживание и обобщение нарратива, количественная оценка эмоций становятся ядром торговли. «Подводные данные»: потоки капитала, профили ролей, метки адресов умных денег/KOL раскрывают скрытые игры за анонимными адресами на блокчейне. Новое поколение торговых терминалов будет интегрировать многомерные сигналы из онлайна и оффлайна до уровня секунд, улучшая входные и защитные решения.

AI-управляемые исполняемые сигналы: от информации к доходам. Цели конкуренции на новом этапе: достаточно быстро, автоматизировано, способно приносить сверхприбыли. LLM+ многомодальный AI может автоматически извлекать сигналы для принятия решений и сочетать их с Copy Trading, исполнением стоп-лоссов и тейк-профитов. Риски: галлюцинации, короткий срок жизни сигналов, задержка исполнения и контроль рисков. Балансировка скорости и точности, усиленное обучение и симуляция тестирования являются ключевыми.

Выбор выживания для панелей данных: легкая агрегация данных / приложения типа панелей не имеют защитного барьера, пространство для выживания сжимается. Вниз: углубление в высокопроизводительные базовые каналы и интеграция исследований данных. Вверх: расширение до уровня приложений, прямое взаимодействие с пользовательскими сценариями, повышение активности вызова данных. Будущее распределение на рынке: либо стать инфраструктурой для Web3, либо стать пользовательской платформой Crypto Bloomberg.

Защитный барьер смещается к «исполняемым сигналам» и «базовым возможностям данных», длинные хвостовые активы и замыкание торговых данных представляют собой уникальную возможность для крипто-родных предпринимателей. Окно возможностей на ближайшие 2–3 года:

• Вверх по цепочке: уровень обработки Web2 + нативный спрос Web3 → Web3 Databricks/AWS.
• Вниз по цепочке: платформа исполнения AI Agent + многомерные данные + бесшовное исполнение → Crypto Bloomberg Terminal.

Спасибо проектам Hubble AI, Space & Time, OKX DEX за поддержку данного исследования!

Введение: Тройной резонанс Meme, высокопроизводительных публичных цепей и AI

В предыдущем цикле рост транзакций на блокчейне в основном зависел от итерации инфраструктуры, в новом цикле, по мере постепенного совершенствования инфраструктуры, суперприложения, такие как Pump.fun, становятся новым двигателем роста в криптоиндустрии. Модель выпуска таких активов с единым механизмом выпуска и продуманным дизайном ликвидности формирует справедливую, первозданную торговую траншею, где мифы о быстром обогащении становятся частыми. Эта воспроизводимость эффекта богатства глубоко меняет ожидания доходов и торговые привычки пользователей. Пользователям нужны не только более быстрые возможности входа, но и способность получать, анализировать и исполнять многомерные данные за очень короткое время, в то время как существующая инфраструктура данных уже не может справляться с такой плотностью и требованиями к реальному времени.

С этим приходит потребность в более высоком уровне торговой среды: меньшие трения, более быстрое подтверждение, более глубокая ликвидность. Торговые площадки ускоренно переходят к высокопроизводительным публичным цепям и Layer2 Rollup, представленным Solana и Base. Объем транзакций этих публичных цепей увеличился более чем в 10 раз по сравнению с предыдущим раундом Ethereum, что создает более серьезные вызовы по производительности данных для существующих поставщиков данных. С запуском новых высокопроизводительных публичных цепей, таких как Monad и MegaETH, потребность в обработке и хранении данных на блокчейне будет расти экспоненциально.

В то же время быстрое развитие AI ускоряет реализацию интеллектуального равенства. Интеллект GPT-5 достиг уровня доктора философии, многомодальные большие модели, такие как Gemini, могут легко понимать графики K… С помощью AI-инструментов сложные торговые сигналы теперь могут быть поняты и исполнены обычными пользователями. В этом тренде трейдеры начинают полагаться на AI для принятия торговых решений, а торговые решения AI не могут обойтись без многомерных, высокоэффективных данных. AI эволюционирует от «инструмента вспомогательного анализа» к «центру принятия торговых решений», его распространение еще больше увеличивает требования к актуальности данных, их объяснимости и масштабируемой обработке.

Под тройным резонансом торгового безумия Meme, расширения высокопроизводительных публичных цепей и коммерциализации AI, потребность экосистемы на блокчейне в совершенно новой инфраструктуре данных становится все более настоятельной.

Преодоление данных вызовов с 100,000 TPS и миллисекундным временем блокировки

С ростом высокопроизводительных публичных цепей и высокопроизводительных Rollup, масштаб и скорость данных на блокчейне вошли в новую стадию.

С распространением архитектуры с высокой параллельностью и низкой задержкой, ежедневный объем транзакций легко превышает 10 миллионов, объем исходных данных измеряется сотнями гигабайт. Например, в Solana за последние 30 дней среднее значение TPS превысило 1,200, а количество транзакций в день превысило 100 миллионов; 17 августа был установлен исторический рекорд в 107,664 TPS. По статистике, данные бухгалтерского учета Solana быстро растут со скоростью 80-95 TB в год, что составляет 210-260 GB в день.

▲ Chainspect, среднее значение TPS за 30 дней

▲ Chainspect, объем транзакций за 30 дней

Не только объемы увеличиваются, но и время блокировки новых публичных цепей уже достигло миллисекундного уровня. Обновление Maxwell на BNB Chain сократило время блокировки до 0.8s, а технология Flashblocks на Base Chain сократила его до 200ms. Во второй половине этого года Solana планирует заменить PoH на Alpenglow, сократив время подтверждения блока до 150ms, в то время как основная сеть MegaETH ставит цель в 10ms для реального времени блокировки. Эти прорывы в консенсусе и технологиях значительно повысили актуальность транзакций, но предъявили беспрецедентные требования к синхронизации и декодированию данных блоков.

Тем не менее, большинство инфраструктур данных по-прежнему зависит от пакетной обработки ETL, что неизбежно приводит к задержкам данных. Например, в Dune данные о взаимодействиях контрактов на Solana обычно имеют задержку около 5 минут, а агрегированные данные на уровне протокола могут ждать до 1 часа. Это означает, что транзакция на блокчейне, которая могла бы быть подтверждена за 400ms, должна ждать сотни раз дольше, чтобы стать видимой в аналитических инструментах, что практически неприемлемо для приложений реального времени.

▲ Dune, свежесть блокчейна

Чтобы справиться с вызовами со стороны поставок данных, некоторые платформы уже перешли на потоковую и реальную архитектуру. The Graph с помощью Substreams и Firehose сократил задержку данных до почти реального времени. Nansen, внедрив такие технологии потоковой обработки, как ClickHouse, добился многократного повышения производительности на Smart Alerts и реальных панелях управления. Pangea, объединяя вычисления, хранение и пропускную способность, предоставляемые узлами сообщества, предлагает реальную потоковую передачу данных для маркетмейкеров, количественных аналитиков и центральных лимитных книг (Clobs) с задержкой менее 100ms.

▲ Chainspect

Кроме того, транзакции на блокчейне демонстрируют явные характеристики неравномерного распределения трафика: за последний год недельный объем транзакций Pumpfun варьировался от минимального до максимального почти в 30 раз. В 2024 году платформа Meme GMGN столкнулась с 6 случаями «перегрузки» серверов за 4 дня, что вынудило ее перенести базу данных с AWS Aurora на открытое распределенное SQL-хранилище TiDB. После миграции горизонтальная масштабируемость системы и вычислительная гибкость значительно возросли, а оперативность бизнеса увеличилась примерно на 30%, что значительно снизило нагрузку в пиковые торговые часы.

▲ Dune, недельный объем Pumpfun

▲ Odaily, примеры Web3-сервиса TiDB

Многосетевое окружение еще больше усугубляет эту сложность. Различия между различными публичными цепями в формате журналов, структуре событий и полях транзакций означают, что каждая новая цепь требует индивидуальной логики разбора, что значительно испытывает гибкость и масштабируемость инфраструктуры данных. Некоторые поставщики данных поэтому принимают стратегию «приоритета клиентов»: где есть активная торговая деятельность, там в первую очередь подключается сервис этой цепи, балансируя между гибкостью и масштабируемостью.

Если в условиях преобладания высокопроизводительных цепей обработка данных все еще остается на стадии пакетной обработки ETL с фиксированными интервалами, это приведет к накоплению задержек, узким местам в декодировании и отставанию запросов, что не сможет удовлетворить потребности в реальном времени, детализированности и динамическом взаимодействии с данными. Поэтому инфраструктура данных на блокчейне должна дальше развиваться в сторону потоковой инкрементной обработки и реальной вычислительной архитектуры, одновременно с механизмами балансировки нагрузки, чтобы справиться с нагрузкой на параллельные транзакции, вызванной периодическими пиками торговли в криптосфере. Это не только естественное продолжение технологического пути, но и ключевой элемент для обеспечения стабильности запросов в реальном времени, который станет настоящей вехой в конкуренции новых поколений платформ данных на блокчейне.

Скорость — это богатство: сдвиг парадигмы в конкуренции данных на блокчейне

Основная задача данных на блокчейне изменилась с «визуализации» на «исполнение». В предыдущем цикле Dune был стандартным инструментом для анализа на блокчейне. Он удовлетворял потребности исследователей и инвесторов в «понятности», люди использовали SQL-графики для соединения нарратива на блокчейне.

• Игроки GameFi и DeFi полагаются на Dune для отслеживания потоков капитала, расчета доходности и своевременного выхода перед рыночными поворотами.
• Игроки NFT анализируют тенденции объемов сделок, владение китами и распределение через Dune, чтобы предсказать рыночную активность.

Однако в этом цикле игроки Meme стали самой активной потребительской группой. Они способствовали феноменальному приложению Pump.fun, которое накопило 700 миллионов долларов, что почти в 2 раза больше, чем общий доход ведущего потребительского приложения Opensea в предыдущем цикле.

На рынке Meme временная чувствительность рынка достигла предела. Скорость больше не является дополнительным преимуществом, а становится ключевой переменной, определяющей прибыль и убытки. На первичном рынке, где цена определяется по модели Bonding Curve, скорость — это стоимость. Цена токена возрастает экспоненциально с ростом спроса на покупку, даже задержка в одну минуту может привести к многократной разнице в стоимости входа. Согласно исследованию Multicoin, самые прибыльные игроки в этой игре обычно платят 10% проскальзывания, чтобы войти на три пункта раньше своих конкурентов. Эффект богатства и «мифы о быстром обогащении» побуждают игроков стремиться к секундным графикам K, к движущим механизмам исполнения транзакций в одном блоке и к единой панели принятия решений, соревнуясь в скорости сбора информации и размещения заказов.

▲ Binance

В эпоху ручной торговли на Uniswap пользователи должны были самостоятельно настраивать проскальзывание и газ, фронтэнд не показывал цены, а торговля больше напоминала «лотерею»; к эпохе снайперских ботов BananaGun автоматизированные снайперы и технологии проскальзывания позволили розничным игрокам выйти на один уровень с учеными; затем, в эпоху PepeBoost, боты в первую очередь отправляют информацию о запуске пула, одновременно отправляя данные о позициях на переднем плане; в конечном итоге мы пришли к эпохе GMGN, где был создан терминал, объединяющий информацию о графиках K, многомерный анализ данных и исполнение транзакций, ставший «Bloomberg Terminal» для торговли Meme.

С постоянной итерацией торговых инструментов, барьеры для исполнения постепенно исчезают, и передовая конкуренция неизбежно смещается к самим данным: кто быстрее и точнее поймает сигнал, тот сможет установить торговое преимущество на быстро меняющемся рынке и помочь пользователям заработать.

Измерения — это преимущество: правда за пределами K-графиков

Суть Memecoin заключается в финансовизации внимания. Качественный нарратив может постоянно выходить за рамки, объединяя внимание, что приводит к росту цен и рыночной капитализации. Для трейдеров Meme актуальность важна, но для достижения больших результатов еще более важно ответить на три вопроса: каков нарратив этого токена, кто обращает на него внимание и как внимание может быть продолжено в будущем. Эти вопросы оставляют лишь тень на K-графиках, истинные движущие силы зависят от многомерных данных — оффлайн общественного мнения, адресов на блокчейне и структуры владения, а также точного отображения между ними.

Онлайн × Оффлайн: замыкание от внимания к сделке

Пользователи привлекают внимание оффлайн, завершая сделки онлайн, и данные замыкания становятся ключевым преимуществом торговли Meme.

#Отслеживание нарратива и идентификация цепей распространения

На социальных платформах, таких как Twitter, инструменты, подобные XHunt, могут помочь игрокам Meme анализировать списки KOL, чтобы определить связанных людей и потенциальные цепи распространения внимания. 6551 DEX агрегирует Twitter, официальные сайты, комментарии к твитам, записи о размещении, внимание KOL и генерирует полные AI-отчеты, которые меняются в реальном времени в зависимости от общественного мнения, помогая трейдерам точно ловить нарратив.

#Квантование индикаторов эмоций

Инструменты Infofi, такие как Kaito и Cookie.fun, агрегируют контент и анализируют общественное мнение в Crypto Twitter, предоставляя количественные показатели Mindshare, Sentiment и Influence. Например, Cookie.fun накладывает эти два показателя непосредственно на графики цен, превращая оффлайн эмоции в читаемые «технические индикаторы».

▲ Cookie.fun

#Онлайн и оффлайн имеют равное значение

OKX DEX на своем продукте параллельно отображает анализ Vibes и рыночные данные, агрегируя временные точки сигналов KOL, ведущих связанных KOL, резюме нарратива и комплексные оценки, сокращая время поиска информации оффлайн. Резюме нарратива стало самым популярным функционалом AI-продукта среди пользователей.

Подводные данные: превращение «видимого бухгалтерского учета» в «доступный Alpha»

Данные о потоках заказов в традиционных финансах находятся в руках крупных брокеров, и количественные компании тратят миллионы долларов каждый год на их получение для оптимизации торговых стратегий. В отличие от этого, торговые книги Crypto полностью открыты и прозрачны, что эквивалентно «открытию» высококачественной информации, создавая открытый золотой рудник, который ждет своей разработки.

Ценность подводных данных заключается в извлечении невидимых намерений из видимых транзакций. Это включает в себя потоки капитала и характеристики ролей — создание позиций или распределение подсказок, адреса KOL, концентрацию или рассеяние чипов, связанные сделки (bundles) и аномальные потоки капитала; это также включает в себя взаимодействие профилей адресов — классификация адресов по меткам умных денег, KOL/VC, разработчиков, фишинга, манипуляций и связывание с оффлайн идентичностями, соединяя данные на блокчейне и оффлайне.

Эти сигналы часто трудно заметить обычным пользователям, но они могут значительно повлиять на краткосрочные рыночные тенденции. Путем реального анализа меток адресов, характеристик владения и связанных сделок, инструменты помощи в торговле раскрывают игровые тенденции «под поверхностью», помогая трейдерам избегать рисков и искать alpha в условиях секундных колебаний.

Например, GMGN на основе данных о реальных транзакциях на блокчейне и данных о контрактах токенов дополнительно интегрировал анализ меток умных денег, адресов KOL/VC, кошельков разработчиков, манипуляций, адресов фишинга и связанных сделок, сопоставляя адреса на блокчейне с аккаунтами в социальных сетях, выравнивая потоки капитала, сигналы рисков и ценовые действия до секундного уровня, помогая пользователям быстрее принимать решения о входе и защите.

▲ GMGN

AI-управляемые исполняемые сигналы: от информации к доходам

«Следующий раунд AI — это не инструменты, а доходы». ------ Sequoia Capital

Это утверждение также верно для области Crypto Trading. Когда скорость и измерения данных соответствуют требованиям, следующей целью конкуренции становится возможность преобразования многомерных сложных данных непосредственно в исполняемые торговые сигналы на этапе принятия решений. Критерии оценки эффективности данных можно свести к трем пунктам: достаточно быстро, автоматизировано и с высокой доходностью.

Достаточно быстро: с постоянным прогрессом возможностей AI преимущества естественного языка и многомодальных LLM постепенно начинают проявляться. Они не только могут интегрировать и понимать огромные объемы данных, но и устанавливать семантические связи между данными, автоматически извлекая решения. В условиях высокой интенсивности и низкой глубины торговли на блокчейне каждый сигнал имеет очень короткий срок действия и емкость капитала, скорость напрямую влияет на доходность сигнала.

Автоматизировано: человек не может следить за рынком 24 часа в сутки, но AI может. Например, пользователи могут на платформе Senpi давать агенту команды на покупку с условиями стоп-лосса и тейк-профита. Это требует от AI в реальном времени опрашивать или контролировать данные в фоновом режиме и автоматически принимать решения о размещении заказов при обнаружении сигналов.

Доходность: в конечном итоге эффективность любого торгового сигнала зависит от его способности постоянно приносить сверхприбыли. AI должен не только достаточно понимать сигналы на блокчейне, но и сочетать контроль рисков, чтобы максимально повысить соотношение риска и доходности в условиях высокой волатильности. Например, учитывать факторы, уникальные для блокчейна, такие как потери от проскальзывания и задержки исполнения.

Эта способность переопределяет бизнес-логику платформ данных: от продажи «доступа к данным» к продаже «сигналов, ориентированных на доход». Фокус конкуренции следующих поколений инструментов больше не будет на охвате данных, а на исполняемости сигналов — действительно ли можно завершить последний километр от «инсайта» до «исполнения».

Некоторые новые проекты уже начали исследовать это направление. Например: Truenorth как AI-управляемый движок обнаружения включает «коэффициент исполнения решений» в оценку эффективности информации, постоянно оптимизируя результаты с помощью усиленного обучения, максимально снижая неэффективный шум и помогая пользователям строить потоки информации, непосредственно направленные на размещение заказов.

▲ Truenorth

Несмотря на огромный потенциал AI в генерации исполняемых сигналов, он также сталкивается с множеством вызовов.

Галлюцинации: данные на блокчейне высоко гетерогенны и полны шума, LLM при анализе запросов на естественном языке или многомодальных сигналов могут легко испытывать «галлюцинации» или переобучение, что влияет на доходность и точность сигналов. Например, для нескольких токенов с одинаковым названием AI часто не может найти соответствующий адрес контракта CT Ticker. Или, например, для многих продуктов AI-сигналов обсуждение AI в CT часто направляется на Sleepless AI.

Срок жизни сигналов: торговая среда меняется мгновенно. Любая задержка может подорвать доход, AI должен завершить извлечение данных, вывод и исполнение за очень короткое время. Даже самая простая стратегия Copy Trading, если не следить за умными деньгами, может привести к отрицательной доходности.

Контроль рисков: в условиях высокой волатильности, если AI постоянно терпит неудачи на блокчейне или проскальзывание слишком велико, это не только не принесет сверхприбыли, но и может за несколько минут истощить весь капитал.

Поэтому нахождение баланса между скоростью и точностью и снижение уровня ошибок с помощью методов усиленного обучения, переноса обучения и симуляционного тестирования является конкурентным преимуществом AI в этой области.

Вверх или вниз? Выбор выживания для панелей данных

С тем, что AI может напрямую генерировать исполняемые сигналы и даже помогать в размещении заказов, полагание исключительно на агрегацию данных «легких промежуточных приложений» сталкивается с кризисом выживания. Независимо от того, собираются ли данные на блокчейне в инструменты панелей или накладывается слой логики исполнения на агрегацию в торговых ботах, по сути, они лишены устойчивого защитного барьера. В прошлом такие инструменты могли удерживаться благодаря удобству или психологии пользователей (например, пользователи привыкли проверять ситуацию токенов на Dexscreener); но теперь, когда одни и те же данные доступны в нескольких местах, движки исполнения становятся все более товарными, а AI может напрямую генерировать сигналы принятия решений и инициировать исполнение на тех же данных, их конкурентоспособность быстро размывается.

В будущем эффективные движки исполнения на блокчейне будут постоянно совершенствоваться, еще больше снижая барьеры для торговли. В этом тренде поставщики данных должны сделать выбор: либо углубиться вниз, сосредоточившись на более быстром получении и обработке данных; либо подняться вверх, расширяясь до уровня приложений, напрямую контролируя пользовательские сценарии и потребительский трафик. Модель, застрявшая посередине и занимающаяся только агрегацией данных и легкой упаковкой, будет продолжать терять пространство для выживания.

Углубление вниз означает создание защитного барьера для инфраструктуры. Hubble AI, создавая торговые продукты, осознала, что полагаться только на TG Bot невозможно для формирования долгосрочного преимущества, поэтому они перешли к обработке данных на верхнем уровне, стремясь создать «Crypto Databricks». После достижения предельной скорости обработки данных Solana, Hubble AI переходит от обработки данных к интегрированной платформе исследований данных, занимая позицию на верхнем уровне цепочки создания стоимости, предоставляя базовую поддержку для потребностей данных в нарративе «финансового перехода» в США и приложениях AI Agent на блокчейне.

Подъем вверх означает расширение до пользовательских сценариев, фиксируя конечных пользователей. Space and Time изначально ориентировались на подмиллисекундные SQL-индексы и отправку оракулов, но недавно начали исследовать сценарии потребления C-канала, выпустив Dream.Space на Ethereum — продукт «vibe coding». Пользователи могут писать смарт-контракты на естественном языке или создавать панели анализа данных. Эта трансформация не только увеличила частоту вызова их собственных данных, но и создала прямую связь с пользователями через конечный опыт.

Таким образом, видно, что роль, застрявшая посередине и полагающаяся только на продажу интерфейсов данных, теряет пространство для выживания. Будущее B2B2C рынка данных будет определяться двумя типами игроков: одни контролируют базовые каналы и становятся инфраструктурными компаниями «публичных услуг» на блокчейне; другие приближаются к пользовательским сценариям принятия решений и превращают данные в пользовательский опыт.

Резюме

Под тройным резонансом безумия Meme, взрывом высокопроизводительных публичных цепей и коммерциализацией AI, рынок данных на блокчейне переживает структурный поворот. Итерация скорости торговли, измерений данных и исполняемых сигналов делает «видимые графики» не основной конкурентоспособностью, настоящие защитные барьеры смещаются к «исполняемым сигналам, которые могут помочь пользователям зарабатывать» и «базовым возможностям данных, которые поддерживают это все».

В ближайшие 2–3 года самые привлекательные возможности для стартапов в области криптоданных появятся на пересечении зрелости инфраструктуры уровня Web2 и нативных моделей исполнения на блокчейне Web3. Данные о крупных токенах, таких как BTC/ETH, из-за высокой стандартизации, по своим характеристикам приближаются к традиционным финансовым фьючерсным продуктам и постепенно включаются в охват данных традиционных финансовых учреждений и некоторых платформ финансовых технологий Web2.

В отличие от этого, данные о Meme-токенах и длиннохвостовых активах на блокчейне демонстрируют высокую нестандартность и фрагментацию — от общественного нарратива до общественного мнения на блокчейне и кросс-цепной ликвидности, эта информация требует интерпретации в сочетании с профилями адресов на блокчейне, оффлайн социальными сигналами и даже секундным исполнением транзакций. Именно в этом различии замыкание обработки и торговли длиннохвостовыми активами и данными Meme представляет собой уникальное окно возможностей для крипто-родных предпринимателей.

Мы оптимистично смотрим на проекты, которые будут долго углубляться в следующих двух направлениях:

Вверх по цепочке — компании данных на блокчейне с потоковыми данными, сопоставимыми по мощности с гигантами Web2, с индексами сверхнизкой задержки и единой рамкой кросс-цепной интерпретации. Эти проекты имеют потенциал стать Web3 версией Databricks/AWS, поскольку пользователи постепенно переходят на блокчейн, объем транзакций может вырасти на порядок, а модель B2B2C обладает долгосрочной ценностью сложных процентов.

Вниз по цепочке — приложения, интегрирующие многомерные данные, AI Agent и бесшовное исполнение. Превращая фрагментированные сигналы на блокчейне/оффлайне в исполняемые сделки, такие продукты имеют потенциал стать Crypto-родным Bloomberg Terminal, их бизнес-модель больше не будет зависеть от платы за доступ к данным, а будет монетизироваться через сверхприбыли и доставку сигналов.

Мы считаем, что эти два типа игроков будут доминировать на следующем поколении рынка криптоданных и строить устойчивые конкурентные преимущества.

Нажмите, чтобы узнать о вакансиях ChainCatcher

Рекомендуем прочитать:

Стратегия листинга на биржах: переход к DEX и новая доминирующая структура вторичного листинга

Backroom: токенизация информации, решение проблемы избыточности данных в эпоху AI? | CryptoSeed

Диалог с CEO Saros Линн Нгуен: как пробиться на рынок Solana DEX после завершения выкупа на 38 миллионов долларов?