作者:Ariel Seidman,CoinDesk;编译:松雪,金色财经

许多加密领域最聪明的人好像以为去中心化物理基础设施网络(DePIN)将成为使加密成为干流的首批用例之一。 他们预测将会呈现增加浪潮,类似于之前的 NFT 或安稳币。

这是因为 DePIN 能够完成特殊的成果。 经过运用加密钱银鼓励办法来协调数百万参加者,DePIN 项目能够构建曾经不可能的新产品。

在12月份,Helium Mobile推出了一项全国范围的每月20美元的无限流量手机套餐,由社区具有的5G热门供给支撑。Render Network在全球GPU危机期间,在不到六个月的时间里创建了一个强壮的、无需答应的机器学习云。在DePIN加密经济之前,这些事情简直是不可能的。

DePIN是一个令人兴奋的未来愿景,但要使其不仅仅成为一时的新潮,新项目必须从这一领域的先行者中罗致经验。第一批DePIN项目尝试了许多不同的模型,犯了很多错误,并从中吸取了教训。但是,这些经验好像已经消失在回忆的黑洞中。在没有这些上下文的情况下,新的DePIN项目有可能发明一个繁荣与衰退的循环,这将给整个职业留下污点。

更广泛地说,关于任何想要参加 DePIN 的人来说,在评价 DePIN 项目是否有可能获得长时间成功时,这些倾向也是需求了解的要害点。

静态奖赏圈套

代币以游戏化的办法作为奖赏,鼓励奉献者一起构建一个大于各个部分之和的产品。 另一方面,产品的运用会导致代币被耗费。

为了可持续发展,DePIN 项目需求一个合理的战略来发生供给,也许更重要的是,发生对产品的真实需求。 假如没有这一点,对代币的需求纯粹是投机性的——一种模因币,而不是一个能够影响数十亿人日子的有用的基础设施项目。

运用正确的工具生成供给是简单的:为作业供给代币。扎手的部分是弄清楚要给多少。不能给得太多,以至于在后期的增加阶段没有可供分配的,但也不能给得太少,以至于没有人愿意参加作业。新项目还需求特别注意“冷启动”问题:一个新网络在有一个、乃至一百个奉献者的情况下无法供给太多价值;在考虑满意需求之前,它需求到达某个阈值规模。

发生真实的需求从根本上来说更困难——你必须快速找到合适商场的产品。 根据咱们的经验,它有助于重视一个十分实际的痛点,而去中心化办法具有共同的定位来解决。 走捷径是很诱人的,咱们见过的最常见的捷径是选用静态而不是动态奖赏。 咱们称之为“静态奖赏圈套”。

假如你让奉献者仅仅因为参加项目而获得奖赏,无论他们增加了多少价值,一开始就更简单吸引他们。 但从久远来看,静态奖赏是致命的,因为它们破坏了网络的潜在鼓励结构。

幻想一下,假如 Helium 为每个 5G 热门供给相同的静态奖赏,无论它装置在人们日子和作业的当地(如曼哈顿),仍是人烟稀少的地区(如逝世谷)。 没有动力去增强人们最需求的当地的掩盖范围,然后阻碍了其完成通讯民主化并击败中心化手机供给商的使命。

幻想一下,假如为每个行车记录仪发出相同的静态奖赏。 这将是一场灾难。 人们能够经过在任何轿车中装置行车记录仪来获得奖赏,乃至能够在车道上多放一辆简直没人驾驭的轿车。 他们能够在同一辆车上装置 5 到 10 个行车记录仪,在一遍又一遍地捕捉相同的地图数据的同时获得额外的奖赏。

假如 DePIN 项目平等对待一切奉献——到处给予奖赏——它们将无法在任何当地到达临界质量。 生产力需求成为协议的口头禅:为最无用的奉献树立基线奖赏,然后重视质量并彻底拒绝重复作业或低质量数据。

运用有用代币来调整鼓励办法是 DePIN 的超能力。 但假如一个项目落入静态奖赏圈套,奉献者就没有动力去帮助让产品长时间变得更好。 不要藉此来交换短暂的增加。

动态奖赏的规划

大多数 DePIN 项目的动态奖赏有四个首要维度。 他们是:

  • 地舆(基础设施在某些当地比其他当地更有价值);

  • 奉献者生产力(生产力较高的奉献者应获得更多奖赏);

  • 奉献者质量(更高质量的奉献值得更多奖赏);

  • 网络进展(更有用的网络总体上应该发生更多奖赏)

鼓励规划并不简单。 但假如 DePIN 建设者保持专注,并且假如利益相关者让他们承担责任,咱们就能够发挥 DePIN 的潜力,并树立一个国际,其中更多的人类要害基础设施由运用它的人具有和运营。

此时快讯

【OpenAI回应《纽约时报》侵权指控:没有法律依据 训练数据来自公开渠道】金色财经报道,在被《纽约时报》指控侵权后,OpenAI再次做出了公开回应。
据悉,为了训练其强大的人工智能(AI)语言模型,OpenAI会利用从网络收集来的大量数据,这些数据集包括维基百科文章、著名小说、社交媒体帖子等所有内容,而OpenAI没有获得任何许可。
微软是OpenAI最大的支持者,它已在它的几款产品中部署了OpenAI的人工智能工具。OpenAI回应《纽约时报》侵权指控:没有法律依据 训练数据来自公开渠道。

发表回复

您的电子邮箱地址不会被公开。 必填项已用*标注