博客
关于我
DeFi「连横」 币安经纪商「合纵」CeFi
阅读量:617 次
发布时间:2019-03-11

本文共 945 字,大约阅读时间需要 3 分钟。

流动性挖矿引爆了DeFi,实际上在离开中心化协议上形成了“连横”,这种设计对一级市场的破坏力逐渐显现。去中心化协议上的流动性挖矿促使锁仓资金快速增长,3个月内DeFi锁仓资金总额翻了7倍,增值82亿美元。

尽管如此,DeFi的总市值在加密资产整体中仍停留在个位数,体量尚不具备撼动中心化交易所(CeFi)主流地位的实力。CeFi方面并未DISABLE自己的布局,反而在拥抱DeFi的同时,借助开放式平台扩大CeFi版图。例如,币安(Binance)推出了Broker板块,作为低成本交易终端解决方案,试图通过API整合输出技术和服务,下沉式培育用户、资管团队、量化平台及交易所等CeFi领域的B端参与者。

DeFi的流动性挖矿吸引了大量投资者参与,主要是因为这一机制通过代币分配激励用户质押价值资产为协议提供流动性。这种机制依赖于自动做市商(AMM)技术,这使得用户直接参与流动性提供,成为了资产流动性的主要来源。

理解这一现象时,币安创始人赵长鹏认为自动做市商是极好的发明,因为它能够提供流动性并简化交易流程。与此同时,DeFi的流动性完全依赖于用户质押,缺乏专业交易参与者的持续支持。事实上,加密资产的整体市值中,DeFi只占了4%,各类金融场景领域的协议也是有限的,主要集中在抵押借贷、交易和衍生品等领域。

从使用场景对比CeFi,后者的优势依然明显。以LINK为例,在Uniswap上的一些交易对的流动性和交易量都远逊于币安。衍生品领域更是如此, 如dYdX等去中心化交易所24小时活跃用户只有百余人,交易量也不及币安的ETHUSDT合约。

币安在 CeFi领域展现出领先的技术实力和生态系统布局。币安云及其下沉产品经纪商业务面向B端客户,包括交易所、量化交易团队、带单平台以及传统金融服务商等,为客户提供一站式API服务,这种“零成本接入”的模式也使得币安和各合作伙伴能够共同成长。

对于DeFi和CeFi的未来,主要看它们如何相互融合。目前,两者之间既有合作的可能性也存在竞争。作为领航者,CeFi正在“合纵”加固自身护城河,而DeFi则需要在体验、市场规模和专业参与者上提升自身实力。总体来看,表明CeFi仍然是市场主流,DeFi需要更长的时间来对抗现有的技术优势和用户习惯。

转载地址:http://tyxvz.baihongyu.com/

你可能感兴趣的文章
OpenCV与AI深度学习 | 十分钟掌握Pytorch搭建神经网络的流程
查看>>
OpenCV与AI深度学习 | 基于GAN的零缺陷样本产品表面缺陷检测
查看>>
OpenCV与AI深度学习 | 基于OpenCV和深度学习预测年龄和性别
查看>>
OpenCV与AI深度学习 | 基于OpenCV实现模糊检测 / 自动对焦
查看>>
OpenCV与AI深度学习 | 基于Python和OpenCV将图像转为ASCII艺术效果
查看>>
OpenCV与AI深度学习 | 基于PyTorch实现Faster RCNN目标检测
查看>>
OpenCV与AI深度学习 | 基于PyTorch语义分割实现洪水识别(数据集 + 源码)
查看>>
OpenCV与AI深度学习 | 基于YOLO11的车体部件检测与分割
查看>>
OpenCV与AI深度学习 | 基于YoloV11自定义数据集实现车辆事故检测(有源码,建议收藏!)
查看>>
OpenCV与AI深度学习 | 基于YOLOv8 + BotSORT实现球员和足球检测与跟踪 (步骤 + 源码)
查看>>
OpenCV与AI深度学习 | 基于YOLOv8实现高级目标检测和区域计数
查看>>
VS2003 Front Page Server Extension
查看>>
OpenCV与AI深度学习 | 基于YOLOv8的停车对齐检测
查看>>
OpenCV与AI深度学习 | 基于YoloV8的药丸/片剂类型识别
查看>>
OpenCV与AI深度学习 | 基于YOLO和EasyOCR从视频中识别车牌
查看>>
OpenCV与AI深度学习 | 基于图像处理的火焰检测算法(颜色+边缘)
查看>>
OpenCV与AI深度学习 | 基于拉普拉斯金字塔实现图像融合(步骤 + 代码)
查看>>
OpenCV与AI深度学习 | 基于改进YOLOv8的景区行人检测算法
查看>>
OpenCV与AI深度学习 | 基于机器视觉的磁瓦表面缺陷检测方案
查看>>
OpenCV与AI深度学习 | 基于深度学习的轮胎缺陷检测系统
查看>>