上周美股三大指数表现稳健,标普500指数创历史新高,科技股尤其是AI相关企业表现强劲,推动纳斯达克指数上涨。美联储7月降息预期因强劲就业数据被削弱,9月降息概率约为75%,美联储可能继续观望,关注贸易和移民政策的影响。美股虽创高但估值风险不容忽视,未来几个月市场波动可能加剧,投资者需密切关注贸易谈判进展及美联储政策动态。
上周,多数山寨币继续维持盘整态势,市场资金更多集中于比特币,BTC市场主导率升至65%,显示投资者倾向于避险资产。尽管比特币价格强势,但市场进入盘整期,技术分析显示109000美元是关键阻力。短期内需警惕技术阻力和资金性质带来的波动风险,山寨币表现分化明显,投资者应保持谨慎。
由OKX领投,Aptos跟投的完全链上、原生构建于 Aptos 上的混合型 Orderbook-AMM DEX Hyperion为专业与零售用户提供顺畅无缝的交易体验。由Google参投,旨在提升客户支持效率与体验的AI智能平台Assisterr通过创新的SLM模型打破中心化AI训练模型的壁垒。
简介
Hyperion 是一个为 Aptos 原生构建的完全链上混合型 Orderbook-AMM 去中心化交易所(DEX),利用 Aptos 卓越的吞吐能力与极低的延迟,为专业与零售用户提供顺畅无缝的交易体验。Hyperion 致力于成为 Aptos 上的基础性交易引擎,凭借混合式的 Orderbook-AMM 架构,提供具有竞争力的流动性选择与出色的用户体验,服务于各类交易者。
架构简述
1.集中式流动性
在自动做市商(AMM)模型中,价格是连续变化的,而在集中式流动性协议中则略有不同:集中式流动性中的价格是离散的。其价格曲线被划分为若干个“tick”(价格刻度),每个 tick 与其相邻 tick 之间形成一个离散的价格空间。在这个价格空间中,每上升或下降一个 tick,价格就会上涨或下跌 0.01%(即一个基点)。
Hyperion使用 tick 作为每个流动性头寸的边界。当一个流动性头寸被创建时,流动性提供者(LP)会设定一个上限 tick和一个下限 tick,定义其资金所覆盖的价格范围。
随着价格在交易中不断变动,智能合约会不断“消耗”当前 tick 区间内的全部流动性,直到价格推进到下一个 tick。在到达新 tick 后,池合约会立即切换到该 tick,并激活该价格区间中所有“休眠”的流动性。
尽管每个交易池在集中式流动性协议中都拥有相同数量的 price tick,但在实际运行中,只有部分 tick 被视为“活跃 tick”。tick 的间距与交易对的手续费等级之间存在一定关联:手续费等级越低,tick 之间可以设置得越密集。换句话说,手续费等级越高,池中可用的价格 tick 间距就越宽。
对于那些对价格精度要求更高的交易对(如稳定币交易对),较窄的 tick 间距更为有利。在这类交易中,较紧密的 tick 分布有助于控制价格冲击,实现更平滑的价格变动,而这正是稳定币池所需要的特性。
2.手续费
兑换手续费(Swap Fees)
在 Hyperion 的集中式流动性协议中,兑换手续费会按照比例分配给所有当前价格范围内的活跃流动性头寸。只有那些其设定的价格区间包含当前现货价格的流动性头寸,才被视为有效流动性,因此才有资格获得手续费收入。如果市场价格脱离了某个头寸的价格范围,该头寸就会被转为非活跃状态,无法继续赚取手续费。
与传统 AMM 合约自动将兑换手续费计入流动性池不同,集中式流动性协议会将手续费单独累积,流动性提供者(LP)可以在不撤出流动性的前提下领取其手续费收益。
需要特别强调的是,Hyperion 协议完全由部署在 Aptos 上的一组自动化智能合约组成,由用户直接调用合约函数进行交互(如交易或参与资金池),以实现多方点对点的去中心化资产交互。协议的部署方仅作为技术工具的提供者,并不提供任何证券产品或受监管服务,也不托管用户资产,与协议本身的运行无进一步关系或控制权。
手续费等级(Fee Tiers)
在 Hyperion 的集中式流动性协议中,同一对交易代币可以设立多个不同手续费等级的流动性池。目前协议允许设立以下 4 个等级:0.01%、0.05%、0.25%、1%。
多费率机制的引入有助于更好地满足不同类型交易对的实际需求,也鼓励市场自行探索最优的流动性分布方式,从而为流动性提供者和交易者提供更大的灵活性。
通常可以预期,不同类型的代币对会根据其资产特性以及 LP 和交易者之间的博弈,逐渐趋向于某一类费率。例如:
协议手续费(Protocol Fees)
为维持项目经济模型的健康运行,并支持项目金库的长期可持续发展,Hyperion 将从每笔交易的兑换手续费中抽取**默认 20%**作为协议手续费收入,用于支持协议自身的发展与维护。
3.兑换(Swap)
在 Hyperion 协议中,兑换操作同时支持 自动做市商(AMM)模型和订单簿(Orderbook)模型:
这种双重模式为用户提供了高度灵活性,让用户可以根据自己的交易策略,自由选择自动流动性供给或主动下单交易方式。
滑点(Slippage)
为应对价格变化的不确定性,DEX 引入了滑点容忍度(Slippage Tolerance)的概念。用户可以自行设置可接受的最大滑点值,表示用户愿意承担的最大价格变动范围。
若最终成交价格超过用户设置的滑点容忍范围,则交易将自动失败,以保护用户的利益。
4.基于手续费的流动性挖矿(Fee-based Liquidity Mining)
在集中式流动性协议中,只有处于活跃价格区间内的流动性头寸才会被交易使用,因此才能产生交易手续费。一个流动性头寸所产生的手续费收益,反映了它在协议中的有效性和实际贡献。
因此,Hyperion 的流动性挖矿机制有一项非常独特的特性:奖励是根据用户的实际手续费表现来分配的,而不是单纯按照提供的流动性数量。这意味着,如果一个流动性提供者希望获得更多的手续费收入和挖矿奖励,就需要更积极地参与并优化其流动性头寸的价格范围。
随着挖矿奖励的线性释放,每当有新交易执行时,合约会被调用,计算自上一次调用以来每个流动性头寸所产生的手续费在全池手续费中的占比。然后,释放的奖励将按各头寸贡献的手续费比例进行分配。
这种基于手续费表现的挖矿机制,确保了挖矿奖励不会被那些处于无效价格区间的非活跃 LP或仅为获取奖励而投放“假流动性”的用户稀释。
它显著地降低了协议方和第三方项目方在激励流动性方面的成本,并使得 Hyperion 的 TVL(总锁仓量)相比其他 DEX 更具实际效益与效率。
点评
Hyperion 的优势在于其原生构建于 Aptos 的混合型 Orderbook-AMM 去中心化交易所(DEX)架构,结合高吞吐与低延迟,既能满足专业交易者对深度与速度的需求,也适配散户用户的易用性;其集中式流动性设计和基于手续费的挖矿机制有效提升了资本效率与激励精度;多手续费档位和自动化收益计算也增强了流动性提供的灵活性。
劣势方面,复杂的策略设计和价格区间管理对普通用户的操作门槛较高,此外其依赖 Aptos 公链生态的发展,短期内可能受限于链上活跃度与整体流动性基础。
简介
AssisterrAI 致力于打造一个围绕 SLM 的协作式代理系统(Mixture of Agents),并提供零代码开发工具,赋能用户构建适应特定任务场景的小语言模型。通过构建一个以同行评审、模型生成与数据验证为核心的去中心化自由市场,Assisterr 形成了一个自我循环、透明且可持续的 AI 零工经济。
每个 Assisterr 模型都由一个 DAO(去中心化自治组织)治理,并拥有独立财政。模型一旦上线市场,即可通过众包方式获得数据集、算力和任务资源。链上数据源系统确保数据贡献、验证与激励过程可追溯且公开透明。最终,Assisterr 建立了一个去中心化的 SLM 工厂,为垂直 AI 市场提供动力。
架构简述
模块化小语言模型架构(Modular SLM Architectures)
为了解决基于大语言模型(LLM)的代理所面临的局限性,近年来出现了一些先进方法,即由多个小语言模型(SLMs)组成的协作式代理框架。通过将 SLM 组合为代理模型集群(agentic ensembles),用户只需描述问题,系统便可通过一系列推理过程,调用多个模型进行分析、解释,并最终提供最佳解决方案。
这种方法通过跨多个混合、特定领域的模型实现分布式上下文推理,从而在通用推理能力与深度功能性解决方案之间减少权衡。它既提供了广度(多模型覆盖能力),也提供了深度(领域聚焦与高效执行),并允许系统在多个参与模型中进行选择性调用。
因此,这种结构非常适用于探索专业性强或高度复杂的问题的实用解决方案。
目前,在由 SLM 模型集群构建 AI 代理的过程中,主要采用两种核心方法:
当小语言模型以 MoE(专家混合)结构组合时,现代 SLM 的推理能力可以在保持功能性问题解决能力的同时,获得更强的学习灵活性。通过集成学习(ensemble learning),系统能够将多个小模型的推理能力结合起来,每个模型专注于不同的上下文领域,从而共同解决复杂问题。
这种结构能够产生一种混合式理解能力(hybrid comprehension),让 AI 仍具备深度处理能力。更进一步,MoE 的各个“专家层”本身也可以由多个 MoE 组成,从而构建出层级化结构,以更好地应对复杂上下文并提升问题解决能力。
一个 MoE(专家混合机制)架构通常包含一个稀疏门控层(sparse gating layer),该层会根据输入动态选择多个并行网络中的部分模型,从而生成最合适的响应。为了实现更灵活的回答,每个“专家”模型可以被分别微调用于代码生成、翻译或情感分析等任务。
更复杂的 MoE 架构可能包含多个这样的 MoE 层,并与其他组件组合使用。与典型的语言模型类似,MoE 的门控层同样作用于语义 token,并需要专门训练。
当 SLM 被组织成 MoA(代理混合)架构时,模型的推理能力更加多样化与可选择化,使 AI 能够以所需的方法论精确执行任务。代理模型被组建成一个协作联盟,通过分层执行协议提升任务处理效率与复杂问题的解决能力,使 AI 能够适应多领域的使用场景。
一组代理可以按序协作,在每一轮基础上迭代优化先前的结果。MoA 架构在多个评测中已显著优于大模型表现。例如,即使在开源模型中,MoA 的表现也超过了 GPT-4 Omni 在 AlpacaEval 2.0 上的 57.5% 准确率。
混合代理机制(MoA)在模型输出层级上运作,而非在语义 token 层级。它不使用门控层(gating layer),而是将文本提示并行发送给所有代理模型进行处理。
MoA 的输出并不是通过加权叠加与归一化方式进行聚合,而是将多个代理的输出直接拼接(concatenate),再与一个**合成与聚合提示语(synthesize-and-aggregate prompt)**结合,传递给另一个独立模型以生成最终输出。
在这种架构中,模型被划分为两类角色:
与 MoE 类似,MoA 架构也可以堆叠多个这样的层级结构。由于 MoA 不依赖门控层,因此成为一种具有吸引力的架构选项——它使得多个小型模型可以灵活地组合为更复杂的系统,具有更强的模块化与可移植性。
AssisterrAI:技术与生态系统
AssisterrAI 是两大 AI 未来趋势融合的产物。
第一个趋势是:从昂贵、通用型的大语言模型(LLM)转向更小巧、专注于特定领域的小语言模型(SLM)。随着 LLM 在创新方面逐渐触顶,SLM 作为其领域特化的“轻量版”,将成为未来的主流方向。
第二个趋势是:人工智能训练、推理与数据所有权的去中心化,以构建一个公平、开放的 AI 零工经济体系。
除了这两项核心创新,Assisterr 生态系统还将提供一个框架,支持用户构建主动智能代理(agentic AI)和被动聊天机器人(passive chatbots)。下图展示了 Assisterr 平台的结构,从模型的创建到其在去中心化 AI 经济中的实际应用全过程。
SLM 商店(SLM Store)
在 Assisterr 中,贡献者将在 AI 模型从诞生到发布的每一个环节中获得奖励,包括数据贡献、模型创建、验证以及评审等过程。该收入共享机制将通过一个 SLM 代币化模块 实现。
Assisterr 的 AI Lab 还将有效地把商业应用场景与所需的数据和专业知识连接起来。
一旦某个模型在 Assisterr 界面的 “SLM 商店” 标签页中上线,任何用户都可以通过聊天机器人界面对其进行查询。目前,SLM 商店已支持涵盖 Web3 生态、医疗健康、软件开发和金融等多个垂直领域的模型代理机器人。
每个上架到 SLM 商店的模型都配有一个以 Assisterr 原生代币计价的 金库(treasury)。用户每发起一次查询,系统就会从其账户余额中扣除一定金额,自动补充该模型的金库。
此外,用户不仅可以通过连接 Solana 钱包的 Web 用户界面进行查询,也可以通过 API 接口 访问模型,使得 SLM 商店中的模型能够被其他应用集成与调用。
贡献者将能够通过零代码界面创建 SLM(小语言模型)、将其组装成代理模型,并完成部署。这种方式为创作者带来了快速的市场投放周期与高效的创新迭代流程。
它有效解决了独立模型开发者在分发与变现方面所面临的难题。
如上图所示,每个部署在市场上的 SLM 都可以参与到 MoA(代理混合)架构中。
由于这些模型集群能够在多个模型之间融合推理能力与问题解决能力,它们带来了更广阔的应用机会。这不仅让贡献者创建的模型能够作为独立解决方案被使用,也可以成为更大系统中具有特定功能的组成部分。
这种机制进一步扩大了模型的使用场景,从而提升了贡献者获取奖励的潜力。
Assisterr 金库模型(Assisterr Treasury Model)
Assisterr 的原生代币是支撑 AssisterrAI 生态系统运行的核心媒介。在 SLM 开发流程的每个阶段,该代币都会在智能合约协议下被用于验证用户行为,并作为交互的交易单位。
通过使用这一代币,生态系统内的参与者可以访问各种平台功能,如:
Assisterr 代币在平台各功能模块中的运作基础是 Assisterr 金库模型(ATM),如图 9 所示。该模型具备以下特点:
该模型的执行分为三个连续阶段,覆盖了 SLM 生命周期管理的全过程。
总结
Assisterr 的优势在于其以小语言模型(SLM)为核心,构建了一个去中心化、任务驱动的 AI 零工经济体系,融合链上验证、模块化代理架构(MoA)、数据众包与治理 DAO,为模型开发者、数据贡献者和使用者提供开放、透明、可持续的协作平台。其零代码工具和代币激励机制显著降低了参与门槛,加速了模型迭代和商业落地。
劣势方面,由于生态仍处于早期阶段,平台的模型性能与数据质量高度依赖社区自组织效能,且跨链操作、MoA 架构与链上验证等复杂机制可能对新用户或开发者存在一定理解与集成门槛。
简介
OneBalance 是一个用于创建和管理“可信账户”(Credible Accounts)的框架。可信账户是一种对现有账户格式(如外部拥有账户、智能账户、有状态账户)的扩展,使这些账户能够在无需全局共识的情况下做出可信承诺。
A.工具包集成
在大多数情况下,使用 OneBalance 工具包时,应用程序只需指定一个高级意图,工具包会将其转换为实际的交易载荷,并提供给客户端进行签名。链抽象意图中的路由包括:
OneBalance 工具包兼容嵌入式签名提供商(如 Turnkey 和 Privy),也兼容直接访问签名密钥的应用(如 Web3 钱包和中心化交易所)。
该工具包使用兼容所有链的燃气费抽象账户,用户无需担心支付燃气费。更多关于具体账户选项内容,请查看相关章节。
资源锁与快速路径
OneBalance 于 2024 年初引入的资源锁概念,大幅提升了多链交易效率。
具体来说,它允许多链意图的异步执行,将意图的完成与结算分离,使多链交易对用户来说感觉像同链交易。
应用通过工具包启用资源锁后,所有用户交易都会被 OneBalance 共同签名(排队),防止异步多链执行过程中的双重支付。
关于资源锁的详细工作原理及其对跨链桥接速度的影响,请参见资源锁概念页面。术语定义可查阅词汇表。
货币化
从一开始,应用就可以定义灵活的用户交易费,支持按链和交易类型配置。用户支付的费用用于:
OneBackend向解算器提交操作和安全保证,执行流程将遵循以下三种路径之一:
快速路径(同链)
快速路径(跨链)
标准路径
标准路径遵循传统的顺序执行,当快速路径条件未满足时使用。由于需等待源链最终确认,标准路径通常至少比快速路径慢两倍。
执行流程如下:
快速路径执行条件
多链意图若满足以下任一条件则可使用快速路径:
b.资源锁(Resource Locks)
资源锁是 OneBalance 的创新解决方案,通过消除最终确认等待时间和防止双重支付,实现了快速的跨链交易,从而带来速度、可靠性和成本效率三大关键提升。
资源锁使跨链交易能够以目标链的速度执行,同时提供密码学保障,并通过优化结算模式降低运营成本。
资源锁的工作原理
资源锁由 OneBalance 的 RL 服务管理,负责以下四项关键功能:
该系统支持异步执行,将意图的履行与结算分离,大幅提升用户体验。
关键优势
资源锁的类型
资源锁主要分为两大类:
目前,OneBalance 主要采用基于账户的锁,以实现最佳的用户体验和兼容性。
启用资源锁后,交易只能通过 OneBalance Toolkit 发送,否则在异步执行环境中无法防止双重支付。
c.账户模型
了解 OneBalance 的账户模型及其功能。
EVM 可用配置(详见下表)
OneBalance 支持模块化架构,旨在兼容多种账户类型。并乐于根据需求支持其他账户版本,或为你推荐最适合你应用的账户类型。
d.账户组件说明
OneBalance 账户系统由多个关键组件组成,这些组件可以以不同方式组合使用:
支持的验证器类型(Supported Validator Types)
验证器负责验证交易并管理账户访问权限:
支持的智能账户版本(Supported Smart Account Versions)
e.费用与变现
OneBalance 通过透明且灵活的费用结构,使应用能够实现服务的变现。此页面说明了费用的工作原理、由谁支付费用以及如何为您的应用配置费用。
用户向应用支付一笔合并的费用,Toolkit 会帮助应用处理底层的gas费和付费方(paymaster)成本。
f.聚合资产
聚合资产是 OneBalance 针对同一代币在多个区块链网络上表现为单一统一资产的解决方案。与其分别管理以太坊上的 USDC、Polygon 上的 USDC 和 Arbitrum 上的 USDC,不如直接使用一个聚合资产 ds:usdc。
聚合资产的工作原理
当你操作聚合资产(如 ds:usdc)时,OneBalance 会自动:
支持的聚合资产
每个聚合资产包含:
总结
OneBalance的优势在于其跨链聚合资产管理和统一账户体系,极大提升了用户操作的便捷性和效率,支持多链资产自动汇总与优化路由,降低跨链操作复杂度和成本;其创新的资源锁机制实现了快速且安全的跨链交易,避免双重支付,提升用户体验和系统可靠性。此外,灵活的账户模型和透明的费用结构为应用方提供了高度定制化的支持和盈利能力。
劣势方面,OneBalance的复杂技术架构对集成和理解门槛较高,且部分功能仍在开发中,可能影响短期内的稳定性和适用范围。
美东时间 11 月 1 日)以太坊现货 ETF 总净流出 1O92.56 万美元
BTC
解析
本周关注支撑:108300美元一线,107300美元二线,105200美元三线
本周关注阻力:110400美元一线,112000美元二线
ETH
解析
本周关注支撑:2530美元一线,2470美元二线,2380美元三线
本周关注阻力:2630美元一线,2680美元二线
解析
解析
EVM Layer 1
非‑EVM Layer 1
解析
Botanix 是一个专为比特币打造的 EVM 兼容 Layer‑2 网络,其主网已正式上线。该网络将 BTC 的区块时间从 10 分钟缩短至 5 秒,同时兼容以太坊智能合约。这一进展标志着比特币生态系统正在迈向 DeFi 应用的新时代。
Ripple 推出基于 XRP Ledger 的 EVM 兼容侧链主网,开发者现在可以在该网络上部署 Ethereum dApp。该侧链通过 Axelar 桥实现跨链互操作性,并使用 XRP 作为 gas 代币,拓展了 XRP 生态的应用场景。
以太坊联合创始人 Vitalik 在本周的以太坊社区大会上表示,Layer‑2 网络和 DeFi 协议必须优先保障用户资产安全。他强调,若项目依赖“即时升级按钮”或不透明机制,所谓的“去中心化”就会沦为空洞承诺。
最新学术研究揭示,Arbitrum、Base 和 Optimism 等 Layer‑2 网络中存在大量 MEV(最大可提取价值)活动。这些交易占用了超过一半的 gas,但贡献的手续费却不到四分之一,暴露了潜在的资源分配不公与效率问题。
美国经济展现出一定韧性,6月非农新增就业14.7万人,超出预期,失业率降至4.1%,显示劳动力市场强劲。整体来看,6月就业数据强于预期,显示美国劳动力市场依然具有韧性,这也使得市场对美联储7月降息的预期几乎消失。
本周(7月7日-7月11日)重要宏观数据节点包括:
7月9日:美国至7月4日当周EIA原油库存
7月10日:美国至7月5日当周初请失业金人数