IOSG Ventures: Khám phá chuyên sâu về DeFi mới, khai phá tiềm năng của dữ liệu

Tác giả gốc: Momir, IOSG Ventures

Hợp đồng thông minh bị hạn chế vì chúng thiếu khả năng tương tác với môi trường, điều này hạn chế tiềm năng cho các ứng dụng phi tập trung (dApps). Để đạt được các chức năng ngày càng phức tạp hơn, các giao thức DeFi có hai tùy chọn: chúng có thể áp dụng một thiết kế linh hoạt, chẳng hạn như người chơi có thể cá nhân hóa các tình huống khác nhau; hoặc chúng có thể giới thiệu các phụ thuộc bên ngoài - dựa trên cơ sở hạ tầng ngoài chuỗi, chẳng hạn như oracle, keepers hoặc tính toán ngoài chuỗi — để duy trì trải nghiệm người dùng đơn giản.

Trong một bài báo kích thích tư duy gần đây có tiêu đề "Tại sao DeFi bị hỏng và cách khắc phục - Phần 1: Các giao thức không có Oracle", Dan Elitzer ủng hộ việc sử dụng các nguyên mẫu DeFi không phụ thuộc bên ngoài để giảm thiểu các vectơ tấn công . Ý tưởng là loại bỏ nhu cầu tin tưởng vào các tổ chức bên thứ ba. Tuy nhiên, một hệ sinh thái DeFi không phụ thuộc sẽ có yêu cầu cao hơn về chuyên môn hóa. Hầu hết người dùng thiếu thời gian, kiến thức chuyên môn hoặc nguồn lực để trở thành nhà tạo lập thị trường trên Uniswap v3 hoặc đánh giá chất lượng của tài sản thế chấp trong giao thức mà không có sự phụ thuộc bên ngoài và họ phải dựa vào các bên trung gian đáng tin cậy để tham gia.

Do đó, nhiệm vụ tìm kiếm sự phụ thuộc bằng không có thể đưa chúng ta trở lại trạng thái ban đầu hoặc tệ hơn là buộc người dùng không phải chuyên gia phải tin tưởng vào các thực thể phức tạp hoặc gửi tiền vào các hợp đồng thông minh chuyển tiếp, điều này làm tăng tính không an toàn. Thay vì đấu tranh để loại bỏ hoàn toàn các phụ thuộc bên ngoài, hãy xem xét các cách tiếp cận thực tế hơn như đặt các phụ thuộc bên ngoài dưới sự giám sát chặt chẽ hơn và hạn chế các kịch bản thiên nga đen tiềm ẩn. Chúng ta phải nhận ra rằng một số mức độ phụ thuộc là không thể tránh khỏi và thậm chí là rất quan trọng đối với sự phát triển của ngành.

Trong số các dự án DeFi nổi tiếng, phiên bản đầu tiên của Uniswap tiến gần nhất đến việc đạt được mức độ phụ thuộc bằng không. Tuy nhiên, việc giới thiệu Uniswap v4 gần đây cho thấy sự thay đổi hướng tới cách tiếp cận mô-đun cao (“Hooks”) để đưa lĩnh vực này tiến lên phía trước.

Dữ liệu nguyên thủy

Các cuộc thảo luận về sự phụ thuộc bên ngoài xoay quanh khả năng của các hợp đồng thông minh để tương tác với dữ liệu bên ngoài. Ngày nay, các tương tác dữ liệu thường dựa vào các nhà tiên tri để truy cập thông tin ngoài chuỗi, mặc dù trong phạm vi hạn chế (chủ yếu bao gồm giá của các loại tiền điện tử lớn).

Khi ngày càng có nhiều hoạt động chuyển sang chuỗi khối, vô số dữ liệu trên chuỗi có giá trị có thể được sử dụng để nâng cao thiết kế cơ chế theo thuật toán và minh bạch. Tuy nhiên, bất chấp tính minh bạch của dữ liệu trên chuỗi, việc tích hợp nó với các hợp đồng thông minh không phải là một nhiệm vụ dễ dàng. Việc đọc, xử lý và cung cấp dữ liệu có ý nghĩa đòi hỏi một cơ sở hạ tầng phức tạp và đáng tin cậy. Do đó, các nhà phát triển thường dựa vào các công cụ hiện có cho nhu cầu dữ liệu của họ. Tuy nhiên, hầu hết các giải pháp dữ liệu hiện có đều bắt nguồn từ các khung Web 2.0 và thậm chí nhiều giao thức gốc Web 3.0 hơn cũng không thể đảm bảo tính chính xác của dữ liệu mà chúng cung cấp.

Thảo luận về Sushiswap về việc gửi dữ liệu không chính xác từ biểu đồ con đa giác Sushi-Matic

Xem xét rằng các hợp đồng thông minh thậm chí có thể quản lý hàng tỷ đô la tiền gửi, việc chúng kết nối trực tiếp với một nguồn API đáng tin cậy là điều không mong muốn và cũng không thiết thực, vì sự phụ thuộc này sẽ làm suy yếu bản chất phi tập trung của hệ sinh thái blockchain.

Xây dựng giải pháp dữ liệu chống giả mạo

Triết lý đầu tư của chúng tôi xoay quanh niềm tin cơ bản rằng dữ liệu chống giả mạo sẽ là nền tảng của thế hệ giao thức DeFi tiếp theo. Tuy nhiên, đạt được khả năng chống giả mạo dữ liệu không phải là một nhiệm vụ đơn giản và đòi hỏi cơ sở hạ tầng phức tạp cũng như tối ưu hóa toàn diện để làm cho nó khả thi về mặt kinh tế theo thiết kế.

Trong bối cảnh này, Không gian và Thời gian đã trở thành công ty tiên phong trong việc xây dựng cơ sở hạ tầng dữ liệu chống giả mạo. Một phần quan trọng là bằng chứng SQL của nó, một cải tiến so với bằng chứng SNARK được thiết kế đặc biệt để truy vấn dữ liệu từ cơ sở dữ liệu quan hệ. Cách tiếp cận này đảm bảo rằng truy vấn và dữ liệu cơ bản của nó không bị giả mạo. Ngoài ra, nó cung cấp các đảm bảo về tính hợp lệ của dữ liệu khi truy xuất dữ liệu từ các nút lưu trữ thông qua các cuộc gọi RPC.

Một số dự án nguyên thủy dữ liệu đáng tin cậy nổi tiếng khác bao gồm nhưng không giới hạn ở Nil Foundation, Axiom, Brevis, Herodotus, v.v.

Dữ liệu chống giả mạo mở ra những chân trời mới cho các giao thức DeFi, cho phép chúng vượt qua ranh giới của chức năng, thúc đẩy sự phát triển và đổi mới hơn nữa trong ngành.

Dưới đây chúng tôi thảo luận về tối ưu hóa thiết kế giao thức theo hướng dữ liệu khi:

1. Trải nghiệm người dùng được cá nhân hóa

2. Giao thức tự tham số hóa

3. Nền kinh tế nghị định thư

4. Truy cập đủ điều kiện

1. Trải nghiệm người dùng được cá nhân hóa

Trong thế giới kinh doanh kỹ thuật, việc cung cấp cho người dùng các dịch vụ phù hợp là điều bình thường. Tuy nhiên, hợp đồng thông minh (về cơ bản là các chuỗi mã đại diện cho một số logic nghiệp vụ) thường thống nhất trải nghiệm người dùng, điều này thường tương đương với trải nghiệm người dùng kém. Ví dụ: trên một số nền tảng cho vay, người dùng A là người mới, người dùng B là người dùng thỏa thuận dài hạn và người dùng C là một giao dịch kỳ cựu. Sự thiếu khác biệt này không tính đến hành vi của người dùng và bỏ lỡ các cơ hội để nâng cao mức độ gắn bó của người dùng, khuyến khích hành vi tích cực và tối ưu hóa việc sử dụng vốn.

Các giao thức có quyền lợi nhất định trong việc xác định hành vi của người dùng và điều chỉnh cho phù hợp. Ví dụ: bằng cách tận dụng xếp hạng tín dụng, cung cấp tín dụng rẻ hơn hoặc lãi suất thế chấp thấp hơn cho những khách hàng hoạt động tốt. Một dự án như vậy sẽ tự nhiên thu hút người dùng từ các nền tảng có điều khoản thống nhất. Hơn nữa, cách tiếp cận này cung cấp cho người dùng các khuyến khích ngầm để thực hiện hành vi tốt nhằm nhận được các điều khoản có lợi hơn.

Suy nghĩ về khía cạnh fintech, nơi các công ty như SoFi giành thị phần bằng cách từ chối hợp nhất, thì các dApp DeFi cũng có thể học hỏi. Ví dụ, SoFi nhận thấy sự thiếu hiệu quả của thị trường trong thị trường cho vay sinh viên, nơi sinh viên tốt nghiệp Stanford bị tính lãi suất cho vay giống như những người vay khác, mặc dù họ có nhiều khả năng kiếm được việc làm lương cao hơn sau khi tốt nghiệp. SoFi đã đạt được thành công đáng chú ý bằng cách điều chỉnh tỷ lệ để phản ánh tốt hơn hồ sơ rủi ro của người dùng.

Tương tự như vậy, trong không gian DeFi, chúng tôi hình dung ra một cơ hội để đổi mới các giao thức có tính đến rủi ro của người dùng đối với lãi suất và tài sản thế chấp. Tuy nhiên, cần phải cẩn thận để không thế chấp dưới mức cho vay chỉ dựa trên dữ liệu lịch sử hiện có, điều này trở nên không phù hợp khi lý thuyết trò chơi thay đổi.

Điều đáng nói là các dự án như Spectral và Cred Protocol đang cố gắng xây dựng các mô hình chấm điểm tín dụng từ dữ liệu trên chuỗi. Tuy nhiên, tất cả các dự án này đều chạy trên cơ sở dữ liệu tập trung, do đó, miễn là dữ liệu và mô hình mà chúng phục vụ đến từ dữ liệu tập trung và có thể dễ dàng bị giả mạo, thì các giao thức DeFi chính sẽ khó có thể kết nối với API của chúng. Thay vào đó, nếu các dự án này áp dụng các giải pháp chống giả mạo, chúng có khả năng trở thành nhà tiên tri tín dụng DeFi phổ biến, cung cấp năng lượng cho một loạt ứng dụng sáng tạo.

2. Các giao thức tự tham số hóa (giảm thiểu can thiệp quản trị)

Nhiều giao thức DeFi vẫn dựa vào các quy trình quản trị thủ công, thường do các công ty tư vấn ngoài chuỗi chỉ đạo, để điều chỉnh các tham số của chúng. Ví dụ, AAVE trả nhiều tiền cho các công ty tư vấn bên ngoài để giám sát và hướng dẫn các tham số rủi ro giao thức.

Tuy nhiên, cách tiếp cận này tạo ra một số vấn đề:

1. Thiếu hỗ trợ theo thời gian thực: Hệ thống thiếu khả năng đáp ứng với các điều kiện thị trường thay đổi hoặc các rủi ro mới nổi.

2. Các hệ thống thủ công: sự phụ thuộc vào sự can thiệp của con người dẫn đến các vấn đề về độ trễ và khả năng không hiệu quả khi điều chỉnh các tham số giao thức.

3. Tin tưởng vào các thực thể ngoài chuỗi: Việc phụ thuộc vào các công ty tư vấn bên ngoài làm dấy lên lo ngại về tính minh bạch và phương pháp được sử dụng để đưa ra khuyến nghị.

Cách tiếp cận tĩnh này đã bị phơi bày trong một cuộc tấn công vào AAVE, dẫn đến các khoản nợ khó đòi có thể tránh được với các thông số cho vay phù hợp phản ánh tốt hơn tính thanh khoản của các mã thông báo đã vay. Ngoài ra, rủi ro của việc sử dụng mã thông báo lưu hành làm tài sản thế chấp trong các giao thức cho vay chưa được giải quyết thỏa đáng.

Để giải quyết những hạn chế này, các dự án nên chuyển sang thiết kế thời gian thực, tự động, minh bạch và không cần tin cậy. Ví dụ: các giao thức cho vay có thể tận dụng cơ sở hạ tầng như Không gian và Thời gian để theo dõi dữ liệu trong thời gian thực. Điều này sẽ cho phép họ tự động điều chỉnh tài sản thế chấp, thông số vay và các thông số quan trọng khác.

Tương tự như vậy, các sàn giao dịch có thể đưa ra cấu trúc phí động dựa trên sự biến động hoặc tổn thất tạm thời. Nhiều nhóm thanh khoản trên Uniswap v3 khó đạt được hoạt động bền vững, chủ yếu là do chúng không thể tính phí LP một cách linh hoạt. Với Hook của Uniswap v4 hoặc mô-đun của Valantis, có thể tính phí động.

Ngoài ra, các công cụ tổng hợp có thể không sử dụng lao động của con người và các khoản phí cố định để thích ứng với các rủi ro và phần thưởng thay đổi của giao thức cơ bản. Sự hợp tác giữa Spool và Solity là một bước đi theo hướng này, trong đó Solity sử dụng phương pháp tiếp cận dữ liệu lớn để phân tích phần thưởng rủi ro của các nhóm.

3. Nền kinh tế Nghị định thư

Cách tiếp cận dựa trên dữ liệu có khả năng nâng cao tính kinh tế của giao thức và mô hình kinh tế mã thông báo trong DeFi, nơi các dự án có thể chia sẻ các ưu đãi với người dùng đủ điều kiện.

Ví dụ: một công cụ tổng hợp DEX đang tìm kiếm mức độ gắn bó và lòng trung thành của người dùng, họ có thể phân bổ lợi ích trượt giá cho những người dùng đáp ứng các điều kiện nhất định, chẳng hạn như thực hiện một số lượng giao dịch cụ thể và đạt đến khối lượng giao dịch tối thiểu.

Những ưu đãi như vậy khuyến khích mạnh mẽ những người dùng sớm, xây dựng lòng trung thành trong cơ sở người dùng và cung cấp các ưu đãi trực tiếp cho người dùng hiện tại để thúc đẩy việc sử dụng giao thức trong cộng đồng của họ.

4. Quyền truy cập đủ điều kiện

Mặc dù blockchain có bản chất không được phép, nhưng nó cũng cho phép tự do lựa chọn. Trong nhiều trường hợp, quyền truy cập được phép ở lớp ứng dụng có thể đảm bảo rằng giao thức không được sử dụng để làm điều xấu hoặc tương tác hiệu quả với cơ sở người dùng dự kiến.

Ví dụ: các giao thức quyền riêng tư như Tornado Cash đang được các cơ quan quản lý giám sát chặt chẽ vì chúng có thể được sử dụng để rửa tiền hoặc các hoạt động bất hợp pháp khác. Để ngăn chặn rửa tiền, các nhà phát triển giao thức có thể thực hiện các bước để ngăn những kẻ xấu tương tác với nền tảng của họ.

Ngoài ra, đối với các nhà tạo lập thị trường, kiến thức về các đối tác là vô cùng quý giá, nhưng thông tin đó thường không có sẵn cho các sàn giao dịch. Giả sử có thể sử dụng dữ liệu để xây dựng bằng chứng về người thật, DEX chỉ có thể cho phép các địa chỉ không phải bot tương tác, thì loại vấn đề này cũng có thể được giải quyết.

Yêu cầu đối với tính toán có thể kiểm chứng

Những gì đã được thảo luận trong phần trước có thể được triển khai đầy đủ thông qua tích hợp với các nguyên mẫu dữ liệu đáng tin cậy. Tuy nhiên, những người khác sẽ yêu cầu tài nguyên bổ sung để thực hiện tính toán thống kê hoặc học máy. Ví dụ: các chương trình chấm điểm tín dụng có thể tận dụng dữ liệu chống giả mạo nhưng vẫn yêu cầu thuật toán máy học để tạo điểm tín dụng.

Hoặc trong bối cảnh của Nhà tiên tri rủi ro, việc có quyền truy cập vào dữ liệu về nguồn cung lưu thông, khối lượng, số lượng giao dịch, số lượng người nắm giữ, thời gian kể từ TGE, v.v. của một mã thông báo cụ thể là rất quan trọng để xác định các yếu tố cho vay và thế chấp phù hợp. Tuy nhiên, các kỹ thuật học máy cần thực hiện các tính toán chính xác trên cơ sở dữ liệu này.

nguồn:

Các lĩnh vực khác trong DeFi yêu cầu tính toán phức tạp hơn bao gồm, nhưng không giới hạn ở:

• Công cụ tổng hợp doanh thu: Ước tính doanh thu và rủi ro của giao thức cơ bản và tìm cách phân bổ tối ưu.
• Tối ưu hóa danh mục đầu tư: Tính toán phân bổ danh mục đầu tư mục tiêu dựa trên các tiêu chí được xác định trước, thay đổi hướng tiếp xúc dựa trên các chỉ báo kỹ thuật, v.v.
• Sàn giao dịch phái sinh phi tập trung: quản lý rủi ro hệ thống, điều chỉnh chi phí vốn, định giá phái sinh, v.v.
• Thuật toán thực hiện giao dịch nâng cao
• Logic tạo thị trường kho thanh khoản
• Xóa thư viện

Các dự án như ChainML giải quyết nhu cầu này bằng cách cung cấp lớp tính toán ngoài chuỗi có thể kiểm chứng, được hỗ trợ bởi cơ chế đồng thuận được xây dựng có mục đích. Những người khác xây dựng các lớp điện toán học máy phân tán bao gồm nhưng không giới hạn ở GenSyn, Together.xyz, Akash, v.v.

Tương tự như vậy, ZKML mang đến một cơ hội thú vị trong đó các bằng chứng ZK có thể nén các tính toán thành các bằng chứng ngắn gọn có thể được xác minh trên chuỗi hoặc chứng minh việc sử dụng một mô hình cụ thể mà không tiết lộ các thuộc tính của nó. Chẳng hạn như Modulus Labs, Giza và các dự án ZK khác.

Tuy nhiên, việc triển khai học máy trong ZK hiện rất tốn kém, khiến việc triển khai thực tế trở nên khó khăn. Mặc dù khả năng tăng tốc phần cứng và tối ưu hóa mạch có thể cải thiện hiệu suất trong tương lai, nhưng nhu cầu tính toán của AI dự kiến sẽ tăng với tốc độ nhanh hơn, khiến ZKML bị giới hạn trong các phương pháp tính toán thích hợp không thể thích ứng với các mô hình AI tiên tiến nhất. Do đó, các cách tiếp cận như cách tiếp cận bi quan dựa trên sự đồng thuận hoặc cách tiếp cận lạc quan dựa trên bằng chứng gian lận được cung cấp bởi các dự án như ChainML có thể là cơ hội tốt nhất để tích hợp các thuật toán trí tuệ nhân tạo mới nhất vào Web 3.0.

Tóm tắt

Sự kết hợp của dữ liệu chống giả mạo, sức mạnh tính toán tiên tiến và quá trình ra quyết định dựa trên dữ liệu có khả năng mở ra những cải tiến mới, nâng cao hiệu quả và sự hài lòng của người dùng trong hệ sinh thái DeFi. Mặc dù bài viết này tập trung vào các tối ưu hóa có thể được thực hiện dựa trên dữ liệu nguyên thủy trên chuỗi, nhưng chúng tôi cũng lạc quan không kém về các cơ hội được đưa ra bằng cách tích hợp nhiều dữ liệu ngoài chuỗi khác nhau thông qua bằng chứng zk. Chúng tôi tin rằng dữ liệu sẽ tăng cường khả năng tương tác trên chuỗi và ngoài chuỗi, đồng thời thúc đẩy sự tích hợp giữa tài chính phi tập trung và hệ thống tài chính truyền thống.

Khi ngành tiếp tục phát triển, giao thức phải nắm bắt các công nghệ mới nổi, hợp tác với các dự án hàng đầu và ưu tiên tính minh bạch và không tin cậy, điều này không chỉ có thể xây dựng một tương lai mạnh mẽ và bền vững cho DeFi mà còn góp phần vào tác động của DeFi đối với nền tài chính toàn cầu. tầm nhìn này mang lại khả năng có tác động sâu rộng.

Tuyên bố miễn trừ trách nhiệm: Không gian và Thời gian, ChainML, Nil Foundation và Solity là Danh mục đầu tư IOSG.

người giới thiệu:

Tiền điện tử x AI:

ZKML:

sinh thái: