Điểm khởi đầu cho bài viết này của tôi rất đơn giản: truyền đạt cách tôi hiểu về phương pháp của Mạng Pyth một cách rõ ràng và có thể tái sử dụng; đồng thời đưa nó trở lại bối cảnh của ngành dữ liệu thị trường lớn hơn và các ứng dụng cấp tổ chức để thảo luận. Trong vài năm qua, tôi đã theo dõi sự tiến hóa của oracle và lộ trình thương mại hóa dữ liệu, dần dần hình thành một phán đoán đơn giản nhưng hữu ích: điều thực sự quan trọng trong chuỗi cung ứng dữ liệu không phải là “phi tập trung” mang tính trang trí, mà là sản xuất đáng tin cậy và giao hàng có thể xác minh. Khi cung và cầu có thể trực tiếp bắt tay trên chuỗi, theo cách có thể kiểm toán, giá trị sẽ dễ dàng được nắm bắt một cách ổn định hơn.
Tại đây, Pyth không chỉ là 'một thành phần cung cấp giá khác', mà là một dây chuyền sản xuất dữ liệu giá từ nguồn gốc đến phân phối đa chuỗi. Mô hình truyền thống giống như 'người truyền tin thứ hai', được các nhà tổng hợp, nhà thu thập, nút trung gian gửi đi từng lớp; sự chậm trễ, không chắc chắn và không thể truy xuất thường trở thành nền tảng cho rủi ro hệ thống. Pyth áp dụng mô hình dữ liệu bên thứ nhất, cho phép các sàn giao dịch, nhà tạo lập thị trường và nhà cung cấp dữ liệu chuyên nghiệp trực tiếp ký phát trên chuỗi; sau đó thông qua Pythnet tổng hợp, xác minh, tính toán khoảng tin cậy, và phân phối theo cách đăng ký theo nhu cầu cho các ứng dụng cho vay, quyền chọn, tài sản tổng hợp, chỉ số, v.v. Tôi tóm tắt lộ trình này là: không làm loa phường, mà xây dựng 'dây chuyền sản xuất giá có thể xác minh'.
Một, trần giới hạn của đường đua và nhu cầu thực tế.
Giá trị của ngành dữ liệu thị trường đến từ hai đầu: một đầu là chất lượng và thời gian của nguồn gốc, đầu kia là tính khả dụng và độ nhạy cảm về chi phí của người tiêu dùng. Trong tài chính truyền thống, phân phối dữ liệu và giá thị trường theo thời gian thực là các loại hình thanh toán ổn định lâu dài; khi chuyển sang thế giới tiền mã hóa, nhu cầu không thay đổi, chỉ là yêu cầu về 'tính xác minh' và 'tính có thể lập trình' cao hơn. Các chiến lược cho vay và thanh lý cần cập nhật nhanh chóng và ổn định; định giá quyền chọn dựa vào ước tính biến động hợp lý; tài sản tổng hợp yêu cầu tính nhất quán về định giá trong điều kiện biến động cao. Những nhu cầu này tạo ra nhu cầu liên tục về việc cung cấp giá chất lượng cao, cũng là động lực căn bản cho việc tôi liên tục đầu tư nghiên cứu và sáng tạo. Tầm nhìn của Pyth, từ DeFi tiến đến dịch vụ dữ liệu thị trường rộng lớn hơn; tôi cho rằng, đây là con đường 'khó mà đúng'.
Hai, phân tích khả năng vận hành của sản phẩm và kiến trúc.
Tôi thường phân tách bất kỳ sản phẩm dữ liệu nào thành năm đoạn: sản xuất nguyên thủy, phát hành đáng tin cậy, xác minh tổng hợp, phân phối thanh toán, tối ưu hóa phản hồi. Trong Pyth, sản xuất nguyên thủy đến từ các sàn giao dịch hàng đầu, nhà tạo lập thị trường và nhà cung cấp dữ liệu chuyên nghiệp; họ lên chuỗi với vai trò là 'người phát hành', mỗi tin nhắn đều mang chữ ký từ nguồn gốc, điều này là điều kiện để có thể truy xuất. Phát hành đáng tin cậy dựa vào Pythnet, thực hiện việc giảm trùng lặp, làm sạch, căn chỉnh dấu thời gian và tính toán khoảng tin cậy dựa trên dữ liệu từ nhiều nguồn. Sau khi tổng hợp và kiểm tra, thông qua kênh liên chuỗi, cập nhật giá được phân phối đến các ứng dụng trên các chuỗi; cơ chế 'đăng ký và yêu cầu' cho phép bên sử dụng quyết định tần suất kích hoạt dựa trên sở thích về chi phí và thời gian, giảm giao dịch không cần thiết và tiếng ồn trên chuỗi. Thiết kế này đưa 'tốc độ' và 'ổn định' - hai chỉ số có vẻ đối lập - dưới cùng một mục tiêu kỹ thuật. Theo trải nghiệm thực tiễn của tôi, chỉ cần nhà phát triển hiểu rõ cấu trúc trường của đối tượng giá, độ chính xác về thời gian và khoảng tin cậy, họ có thể hoàn thành việc tích hợp một cách suôn sẻ.
Sơ đồ cấu trúc dưới đây thể hiện các nút quan trọng và điểm có thể xác minh từ nguồn đến ứng dụng, thuận tiện cho việc giao tiếp với nhóm về chi tiết và ranh giới thực hiện.
Ba, so sánh năm chiều và lựa chọn chiến lược.
Nhiều bạn sẽ hỏi: Sự khác biệt giữa Pyth và 'oracle trung gian' truyền thống hay các nhà cung cấp dữ liệu lâu đời là gì? Tôi thường so sánh từ năm chiều: độ trễ, tính minh bạch, khả năng truy xuất, hiệu quả chi phí, phủ sóng.
Thứ nhất, về độ trễ, phát trực tiếp từ bên thứ nhất giảm đáng kể các khâu trung gian, biểu hiện qua việc cập nhật nhanh hơn;
Thứ hai, về tính minh bạch và khả năng truy xuất, chữ ký từ nguồn và quy trình tổng hợp có thể xác minh, cung cấp khả năng nhìn thấy chi tiết ở cấp độ vi mô;
Thứ ba, về hiệu quả chi phí, tiết kiệm được nhiều chi phí kéo dữ liệu bên ngoài và chuyển tiếp nhiều cấp;
Thứ tư, về phạm vi bao phủ, các ông lớn truyền thống vẫn có lợi thế về lịch sử danh mục và phân phối địa lý;
Thứ năm, về hợp tác kỹ thuật, 'đăng ký theo nhu cầu' của Pyth có lợi cho việc kết hợp với các tham số rủi ro và hệ thống cảnh báo.
Vì vậy, chiến lược không phải là 'một kích cỡ cho tất cả', mà là ưu tiên áp dụng Pyth trong các cảnh quan trọng: cho vay, thanh lý, quyền chọn, tài sản tổng hợp, v.v., chính là những 'mẫu' mà tôi quan tâm nhất khi chọn lựa.
Để giúp người đọc xây dựng trực giác, tôi đưa ra một biểu đồ so sánh 'điểm tương đối', đây không phải là kết luận tuyệt đối, nhưng rất thích hợp làm điểm khởi đầu cho thảo luận và mẫu xem xét.
Bốn, 'giai đoạn thứ hai' trong lộ trình: đăng ký dữ liệu cấp tổ chức.
Trong thực hành sáng tạo nội dung và tư vấn, tôi phân chia lộ trình của Pyth thành hai giai đoạn liên kết với nhau:
Giai đoạn đầu tiên, xây dựng tiêu chuẩn giá cung cấp xung quanh các cảnh nhanh chóng của DeFi, cốt lõi là chất lượng và tốc độ;
Giai đoạn thứ hai, chuyển sang sản phẩm hóa 'dịch vụ đăng ký dữ liệu cấp tổ chức', bao gồm: thỏa thuận mức dịch vụ (SLA) cho các độ trễ khác nhau, nhật ký có thể kiểm toán, hệ thống nhãn bất thường hướng đến quản lý rủi ro, tính phí và giao dịch theo mô-đun, v.v.
Bước này mở rộng khả năng kỹ thuật thành khả năng dịch vụ: kết nối tín hiệu giá với khả năng tổ chức về quản lý, tuân thủ và quản lý rủi ro; cũng thực sự gắn 'doanh thu bền vững' với quản trị mạng. Tôi đặc biệt quan tâm đến việc liệu mô hình dịch vụ có thể lặp lại có hoạt động hay không, ví dụ:
(1) Cung cấp các kế hoạch đăng ký với nhiều độ trễ và tần suất cập nhật;
(2) Nguồn gốc, chữ ký, dấu thời gian, danh sách nhà phát hành tham gia tổng hợp của mỗi lần cập nhật giá có thể xuất ra và để lại dấu vết;
(3) Nhãn bất thường hướng đến quản lý rủi ro, có thể phát lại, có thể xem xét lại, có thể liên kết các sự kiện rủi ro.
Những chi tiết này quyết định xem tổ chức có muốn chuyển đổi hay không, và sẵn sàng chi trả đến mức nào.
Năm, tiện ích token và vòng tròn kinh tế.
Để đánh giá một mạng có khỏe mạnh hay không, cần xem hai điều: thứ nhất, doanh thu có gắn với việc tạo giá trị hay không; thứ hai, động lực có gắn với chất lượng dài hạn hay không. Đối với $PYTH , tôi hiểu nó như một vai trò ba tầng: nhiên liệu cho việc sản xuất và duy trì dữ liệu; trọng số cho quản trị và xác minh; đòn bẩy cho sự mở rộng hệ sinh thái. Người phát hành và người duy trì tham gia thông qua động lực token có thể dự đoán; doanh thu mạng đến từ đăng ký và sử dụng dữ liệu, do quản trị phân phối doanh thu giữa duy trì, động lực và mở rộng hệ sinh thái. Tôi đã vẽ một sơ đồ 'phân phối tiện ích', tỷ lệ cụ thể sẽ được điều chỉnh nhẹ theo sự tiến hóa của quản trị, nhưng nguyên tắc không thay đổi: phát hành và duy trì chiếm trọng số lớn; quản trị và xác minh đảm bảo trạng thái ổn định; hệ sinh thái và cộng đồng chịu trách nhiệm cho sự mở rộng và phá vỡ vòng tròn.
Sáu, danh sách triển khai dành cho tổ chức.
Kết hợp với kinh nghiệm kết nối trong quá khứ, tôi đã đúc kết ra một danh sách có thể sử dụng ngay:
Thứ nhất, xác định lĩnh vực dữ liệu và ranh giới dịch vụ: cái nào là cung cấp giá cơ bản, cái nào thuộc lớp giá trị gia tăng;
Thứ hai, đồng bộ thỏa thuận mức dịch vụ: bao gồm độ trễ cập nhật, tính ổn định, xử lý bất thường, chiến lược cảnh báo và kế hoạch phòng ngừa thảm họa;
Thứ ba, cung cấp quy trình nhật ký có thể kiểm toán: ghi lại nguồn gốc, sự thay đổi khoảng tin cậy và nhãn bất thường của mỗi lần cập nhật giá;
Thứ tư, kết nối khung quản lý rủi ro và kiểm tra lại nội bộ: đưa dòng giá vào hệ thống phát lại, kiểm tra tính ổn định của chiến lược dưới các ngưỡng và khoảng thời gian khác nhau;
Thứ năm, chuẩn hóa tính phí và đối chiếu: các tổ chức quan tâm nhiều đến thời gian thanh toán có thể dự đoán và chi tiết đối chiếu rõ ràng.
Trong danh sách này, lợi thế rõ rệt của Pyth là tính xác minh từ 'nguồn đến tổng hợp', có thể giảm đáng kể thời gian đánh giá về tuân thủ và quản lý rủi ro.
Bảy, bản đồ rủi ro và thiết kế chống mong manh.
Tôi phân chia rủi ro thành ba loại: phát hành bất thường từ nguồn, đồng bộ bất thường giữa các chuỗi, và độ trễ gia tăng trong điều kiện thị trường cực đoan. Các biện pháp giảm nhẹ tương ứng phải được 'thể chế hóa' trong kỹ thuật. Các phương pháp tôi thường sử dụng bao gồm: đăng ký nhiều đường đi cộng với xác minh ngưỡng; tự động giảm đòn bẩy liên kết với khoảng tin cậy; bảo vệ trọng số theo thời gian và trượt giá ở phía hợp đồng giao dịch; và các buổi diễn tập tình huống cực đoan được thực hiện theo quý, kèm theo kịch bản phát lại và mẫu xem xét thống nhất. Những thực tiễn kỹ thuật kỷ luật này, kết hợp với nhật ký có thể xác minh của Pyth, có thể nâng cao đáng kể khả năng chống chịu của hệ thống.
Tám, gợi ý kể chuyện dành cho các nhà sáng tạo nội dung và nhà phát triển.
Tôi luôn nhấn mạnh: giá trị của người sáng tạo là chuyển hóa giá trị kỹ thuật phức tạp thành ngôn ngữ mà độc giả và người dùng 'có thể hiểu và sử dụng'. Nếu nói về Pyth, tôi đề xuất bắt đầu từ 'sự chuyển mình của mô hình', thay vì dừng lại ở 'cuộc chiến giữa các oracle'. Nói về cách nó đồng bộ hóa cung và cầu trên chuỗi theo cách có thể kiểm toán; nói về cách nó giảm thiểu rủi ro đuôi thông qua khoảng tin cậy và quy trình tổng hợp có thể hình dung; nói về cách nó thông qua 'đăng ký cấp tổ chức' để kết nối khả năng dịch vụ và vòng tròn thương mại. Điều này thuyết phục những người thực chiến hơn là chỉ đơn thuần liệt kê các chỉ số.
Chín, các chỉ số mà tôi sẽ theo dõi trong năm tới.
Thứ nhất, độ rộng và độ sâu của việc kết nối hệ sinh thái: bao phủ bốn loại dự án hàng đầu là cho vay, tài sản tổng hợp, quyền chọn, chỉ số;
Thứ hai, tiến độ sản phẩm hóa đăng ký tổ chức: các mức độ trễ, thỏa thuận mức dịch vụ, nhật ký có thể kiểm toán có được cập nhật đúng hạn hay không;
Thứ ba, tính minh bạch trong doanh thu và phân phối của giao thức: có hình thành được tiêu chí dữ liệu công khai có thể xác minh hay không;
Thứ tư, tiến triển về tuân thủ ở các khu vực khác nhau: bao gồm tuân thủ về xuất khẩu dữ liệu và tuân thủ dịch vụ tài chính.
Những chỉ số này sẽ ảnh hưởng trực tiếp đến chủ đề và nhịp độ của tôi trong phần nội dung, và cũng sẽ ảnh hưởng đến đánh giá khoảng giá trị lâu dài của tôi với PYTH.
Mười, hướng dẫn cho nhà phát triển: từ không đến một.
Để giúp các bạn mới bắt đầu tiến nhanh hơn, tôi đưa ra một bộ 'ba bước' có thể thực hiện được.
Bước đầu tiên, hoàn thành một lần gọi đăng ký giá trong môi trường thử nghiệm; hiểu cấu trúc giá, độ chính xác về thời gian và các trường khoảng tin cậy;
Bước thứ hai, tích hợp 'chiến lược đăng ký và yêu cầu' vào hợp đồng hoặc bot giao dịch, so sánh sự khác biệt về lợi nhuận giữa các ngưỡng khác nhau và các khoảng thời gian khác nhau thông qua hệ thống kiểm tra lại;
Bước thứ ba, kết nối giám sát cảnh báo; thiết lập ngưỡng cảnh báo dựa trên chỉ số quản lý rủi ro và đưa nhãn bất thường vào phát lại và xem xét.
Khi bạn hoàn thành ba bước, bạn không chỉ sử dụng Pyth mà còn thực sự đưa 'khái niệm dữ liệu có thể xác minh' vào mã.
Mười một, so sánh ngành và không gian hợp tác.
Tôi không ủng hộ tư duy zero-sum 'một bên mất, một bên được'. Trong các cảnh mà phạm vi bao phủ rộng hơn nhưng yêu cầu về thời gian không quá khắt khe, các nhà cung cấp dữ liệu truyền thống vẫn có lợi thế; trong khi ở những cảnh nhạy cảm với độ trễ và khả năng xác minh cao, mô hình bên thứ nhất của Pyth có khả năng chiến thắng hơn. Trong tương lai, tôi kỳ vọng các nhà phát triển sẽ theo cách mô-đun, kết hợp các dòng dữ liệu từ nhiều nguồn khác nhau, theo mục tiêu chức năng, thực hiện sự cân nhắc động giữa chi phí và hiệu suất.
@Pyth Network #PythRoadmap $PYTH