Готова ли инфраструктура данных к эре крипто-суперприложений?

Автор | Story @IOSG

TL;DR

1. Вызовы данных: конкуренция за время генерации блоков в высокопроизводительных публичных блокчейнах переходит в эпоху до одной секунды. Высокая параллельная обработка и сильные колебания трафика на стороне конечных пользователей, а также необходимость поддержки гетерогенных мультичейновых сред усложняют работу с данными. Инфраструктура должна перейти к инкрементальной обработке в реальном времени и динамическому масштабированию. Традиционные пакетные ETL-конвейеры имеют задержки от минут до часов, что неприемлемо для торговых операций в реальном времени. Новые решения, такие как The Graph, Nansen и Pangea, внедряют потоковую обработку, снижая задержки до уровня отслеживания в реальном времени.

2. Сдвиг парадигмы в конкурентной борьбе за данные: в прошлом цикле достаточно было «понять», теперь акцент на «заработать». В модели бондинговой кривой задержка даже в минуту может привести к кратному росту затрат. Эволюция инструментов: ручная настройка проскальзывания → боты для снайпинга → интегрированные терминалы GMGN. Возможность выставлять ордера непосредственно в блокчейне постепенно превращается в стандартный продукт, а фронт конкурентной борьбы смещается на сами данные: тот, кто быстрее уловит сигнал, сможет обеспечить прибыль пользователям.

3. Расширение измерений торговых данных: суть мемкоинов — финансовое выражение внимания, ключевую роль играют нарративы, вовлеченность и дальнейшее распространение. Замкнутый цикл между офчейн-настроениями × и ончейн-данными: отслеживание и синтез нарративов, количественная оценка настроений становятся ядром торговли. «Подводные данные»: анализ денежных потоков, портретов участников, маркировка адресов умных денег/KOL раскрывают скрытую динамику рынка за анонимными ончейн-адресами. Торговые терминалы нового поколения объединяют многомерные офчейн и ончейн сигналы в масштабе до секунды, улучшая принятие решений при входе в рынок и хеджировании рисков.

4. ИИ-генерируемые исполняемые сигналы: от информации к прибыли. Цели новой фазы конкуренции: максимальная скорость, автоматизация и обеспечение избыточной доходности. LLM и мультимодальный ИИ способны автоматически извлекать сигналы для принятия решений и интегрироваться с коптрейдингом и алгоритмами фиксации прибыли/остановки убытков. Риски и вызовы: галлюцинации моделей, короткий жизненный цикл сигнала, задержки исполнения и управление рисками. Ключевым становится баланс скорости и точности, а также применение обучения с подкреплением и симуляционного бэктестирования.

5. Выбор стратегии выживания для дата-дашбордов: легкие приложения для агрегации и визуализации данных не обладают устойчивым конкурентным преимуществом, их ниша сжимается. Направление вниз: углубленная разработка высокопроизводительных базовых конвейеров и платформа интеграции данных с аналитикой. Направление вверх: расширение до уровня приложений, прямая работа с пользовательскими кейсами для повышения активности использования данных. Будущая архитектура отрасли: либо стать фундаментальной инфраструктурой Web3 (эквивалент коммуникаций, воды и электроэнергии), либо создать пользовательскую платформу формата Crypto Bloomberg.

Конкурентные преимущества смещаются в сторону «исполняемых сигналов» и «базовых возможностей работы с данными». Работа с длиннохвостыми активами и замкнутыми циклами торговых данных представляет собой уникальную возможность для крипто-предпринимателей. Окно возможностей на следующие 2–3 года:

• Инфраструктура верхнего уровня: производительность уровня Web2 + нативные потребности Web3 → Databricks/AWS для Web3.

• Платформы исполнения нижнего уровня: ИИ-агенты + многомерные данные + бесшовное исполнение → терминал Crypto Bloomberg.

Благодарим проекты Hubble AI, Space & Time и OKX DEX за поддержку данного исследования!

Введение: тройная синхронизация мемов, высокопроизводительных публичных блокчейнов и ИИ

В предыдущем цикле рост ончейн-торговли во многом опирался на обновления инфраструктуры. С переходом в новый цикл, по мере зрелости инфраструктуры, такие суперприложения, как Pump.fun, становятся новыми двигателями роста в криптоиндустрии. Эта модель выпуска активов, отличающаяся унифицированным механизмом эмиссии и продуманной структурой ликвидности, формирует торговые окопы первоначального капитализма, где господствует справедливость и регулярно рождаются истории быстрого обогащения. Воспроизводимость эффекта высокой кратности капитала глубоко меняет ожидания пользователей от доходности и их торговые привычки. Пользователям нужны не только более быстрые возможности входа, но и способность в считанные мгновения получать, анализировать и исполнять многомерные данные, что уже выходит за рамки возможностей существующей инфраструктуры.

За этим следует спрос на среду торговли высшего порядка: минимальные издержки, более быстрая финализация и глубокая ликвидность. Площадки для торговли ускоряют миграцию на высокопроизводительные публичные блокчейны и L2-свитеры, представленные такими сетями, как Solana и Base. Объемы ончейн-данных в этих сетях превышают показатели Ethereum предыдущего цикла более чем в 10 раз, что создает еще более серьезные вызовы производительности для текущих поставщиков данных. С скорым запуском новых высокопроизводительных сетей следующего поколения, таких как Monad и MegaETH, потребность в обработке и хранении ончейн-данных будет расти экспоненциально.

Тем временем стремительное развитие ИИ ускоряет демократизацию интеллекта. Интеллектуальный потенциал GPT-5 уже сравним с уровнем PhD, а такие мультимодальные большие языковые модели, как Gemini, легко анализируют свечные графики… Используя инструменты ИИ, ранее сложные торговые сигналы теперь могут понимать и применять обычные пользователи. В этом контексте трейдеры все больше полагаются на ИИ для принятия решений, однако корректная работа ИИ невозможна без многомерных и актуальных данных. ИИ трансформируется из «инструмента вспомогательного анализа» в «центральный узел торговых решений», и его широкое распространение еще больше усиливает требования к скорости обновления, интерпретируемости и способности обрабатывать данные в промышленных масштабах.

В условиях тройной синхронизации мем-трейдинга, расширения сетей с высокой пропускной способностью и массового внедрения ИИ, потребность экосистемы блокчейна в совершенно новой инфраструктуре для работы с данными становится все более острой.

Преодоление вызовов данных: 100 тыс. TPS и генерация блоков в миллисекундах

С ростом высокопроизводительных публичных блокчейнов и свитеров второго уровня объемы и скорость обработки ончейн-данных вышли на принципиально новый уровень.

С повсеместным внедрением архитектур для высокой параллельной обработки и низкой задержки ежедневный объем транзакций легко превышает десятки миллионов, а размер исходных данных исчисляется сотнями гигабайт. Возьмем Solana: средняя суточная пропускная способность за последние 30 дней составила более 1 200 TPS при количестве транзакций свыше 100 млн в день; 17 августа был установлен исторический максимум в 107 664 TPS. По статистике, объем данных леджера Solana растет на 80–95 ТБ ежегодно, что составляет примерно 210–260 ГБ в день.

▲ Chainspect, средняя TPS за 30 дней

▲ Chainspect, объем торгов за 30 дней

Растет не только пропускная способность, но и время генерации блоков в новых сетях переводится в миллисекундный диапазон. Обновление Maxwell для BNB Chain сокращает его до 0,8 с, технология Flashblocks в Base Chain снижает этот показатель до 200 мс. Во второй половине текущего года Solana планирует заменить Proof-of-History алгоритмом Alpenglow, снизив время подтверждения блока до 150 мс, тогда как сеть MegaETH стремится к реальному времени генерации блоков в 10 мс. Эти прорывы в консенсусе и технологиях значительно повышают операционную скорость сделок, однако предъявляют беспрецедентные требования к синхронизации и декодированию блочных данных.

Однако большая часть инфраструктуры для работы с данными downstream по-прежнему опирается на пакетные ETL-конвейеры, что неизбежно вызывает задержки. Например, на платформе Dune данные об событиях взаимодействия смарт-контрактов в Solana обычно поступают с задержкой около 5 минут, а агрегированные данные на уровне протоколов могут ожидать до 1 часа. Это означает, что транзакции, которые потенциально подтверждались бы за 400 мс, останутся невидимыми для аналитических инструментов в течение сотен миллисекунд, что почти неприемлемо для приложений торговли в реальном времени.

▲ Dune, свежесть данных блокчейна

Для решения вызовов на стороне предложения данных некоторые платформы перешли к потоковой и realtime-архитектуре. The Graph с помощью Substreams и Firehose сжимает задержку данных до состояния, близкого к реальному времени. Nansen, внедряя технологии потоковой обработки, такие как ClickHouse, добился десяткратного повышения производительности в функциях Smart Alerts и real-time дашбордах. Pangea же, консолидируя вычислительные мощности, хранилища и полосу пропускания от узлов сообщества, предоставляет клиентам категории B (маркетмейкерам, квантам, централизованным лимитным стаканам) потоковые данные с задержкой менее 100 мс.

▲ Chainspect

Помимо колоссальных объемов данных, ончейн-транзакции демонстрируют ярко выраженную неравномерность распределения трафика: за последний год недельный объем торгов на Pumpfun варьировался с разницей почти в 30 раз. В 2024 году платформа GMGN пережила 6 случаев перегрузки серверов всего за 4 дня, что вынудило перевести базовую базу данных с AWS Aurora на открытую распределенную SQL-базу TiDB. После миграции горизонтальное масштабирование системы и вычислительная гибкость существенно выросли, а бизнес-гибкость увеличилась примерно на 30%, что значительно снизило нагрузку в периоды торговых пиков.

▲ Dune, еженедельный объем Pumpfun

▲ Odaily, кейс использования TiDB в Web3

Мультичейновая среда дополнительно усложняет ситуацию. Различия в форматах логов, структуре событий и полях транзакций между различными публичными блокчейнами требуют разработки индивидуальной логики парсинга для каждой новой сети, что крайне жестко тестирует гибкость и масштабируемость инфраструктуры. Из-за этого некоторые поставщики данных придерживаются стратегии «клиент прежде всего»: они в приоритетном порядке подключают те сети, где наблюдается активная торговая активность, балансируя между гибкостью и масштабированием.

Если на фоне доминирования высокопроизводительных сетей обработка данных останется на этапе пакетных ETL-конвейеров с фиксированными интервалами, это приведет к накоплению задержек, узким местам при декодировании и отставанию в запросах, что не удовлетворит потребительский спрос на оперативность, детализацию и динамическое взаимодействие. В связи с этим инфраструктура для ончейн-данных должна эволюционировать дальше, перейдя к архитектуре потоковой инкрементальной обработки и вычислений в реальном времени, дополняя это механизмами балансировки нагрузки для противодействия давлению параллельных транзакций в периоды периодических торговых пиков криптовалютного рынка. Это не только естественное развитие технологического пути, но и критически важный элемент для обеспечения стабильности запросов реального времени, который станет настоящим водоразделом в конкуренции между платформами ончейн-данных нового поколения.

Скорость = капитал: сдвиг парадигмы в конкурентной борьбе за ончейн-данные

Ключевой вопрос ончейн-данных сместился от «визуализации» к «исполнимости». В прошлом цикле Dune был стандартом де-факто для ончейн-аналитики. Инструмент удовлетворял потребность исследователей и инвесторов в том, чтобы «понимать», позволяя с помощью SQL-графиков собирать цепочки ончейн-нарративов.

• Участники GameFi и DeFi использовали Dune для отслеживания притока и оттока средств, расчета доходности фарминга и своевременного выхода перед рыночными переломами.

• Участники NFT-рынков применяли Dune для анализа тенденций объема торгов, позиций китов и паттернов распределения, чтобы прогнозировать уровень рыночной активности.

Однако в текущем цикле наиболее активной аудиторией стали участники рынка мемов. Их активность привела к феноменальным доходам приложения Pump.fun в размере 700 млн долларов США, что почти вдвое превышает совокупную выручку лидера потребительского рынка прошлого цикла — OpenSea.

В сегменте мемкоинов временная чувствительность рынка доведена до крайности. Скорость перестала быть просто приятным дополнением, став главным фактором, определяющим прибыль или убыток. На первичном рынке ценообразования через бондинговую кривую скорость прямо конвертируется в затраты. Цена токена растет экспоненциально вместе с покупательским спросом; задержка даже в минуту может увеличить стоимость входа в несколько раз. Согласно исследованиям Multicoin, самые прибыльные игроки в этой среде часто готовы платить спред в 10%, лишь бы опередить конкурентов на три блока. Эффект богатства и «мифы о быстром обогащении» толкают трейдеров к поиску свечных графиков в секундном таймфрейме, движков исполнения ордеров внутри одного блока и единых панелей принятия решений, где решающее значение имеет скорость сбора информации и выставления заявок.

▲ Binance

В эпоху ручных торгов на Uniswap пользователю приходилось самостоятельно настраивать проскальзывание и gas-фей, а цены на фронте были недоступны, превращая сделку в подобие «лотереи»; этап с ботами для снайпинга BananaGun благодаря автоматизированному снайпингу и управлению спрэдом вывел розничных трейдеров на одну стартовую линию с учеными-квантами; период PepeBoost принес ботов, которые моментально уведомляли о создании пулов одновременно с предоставлением данных о позициях лидеров; кульминацией стал современный этап GMGN, создавший интегрированный терминал, объединяющий информацию по графикам, многомерный анализ и исполнение ордеров, фактически ставший «терминалом Bloomberg» для торговли мемами.

По мере непрерывной эволюции торговых инструментов барьеры для исполнения постепенно стираются, а фронт конкурентной борьбы неизбежно смещается в сторону самих данных: тот, кто быстрее и точнее уловит сигнал, сможет завоевать торговое преимущество на быстро меняющемся рынке и обеспечит доходность своим пользователям.

Размерность как преимущество: правда за пределами свечных графиков

Суть мемкоинов заключается в финансовой капитализации внимания. Качественные нарративы способны постоянно выходить за пределы ниш, аккумулируя интерес и тем самым растапливая цену и капитализацию. Для трейдеров мемкоинов скорость, безусловно, важна, но для получения серьезных результатов критически важно ответить на три вопроса: какой именно нарратив стоит за токеном, кто им интересуется, и как внимание будет многократно усиливаться в будущем. Эти факторы лишь отбрасывают тень на свечные графики; настоящую движущую силу обеспечивают многомерные данные— офчейн-настроения, структура адресов и позиций в блокчейне, а также их точное сопоставление.

Ончейн × Офчейн: замкнутый цикл от внимания к заключению сделок

Привлекая внимание в офчейн-среде и завершая сделки в блокчейне, трейдеры используют замкнутый цикл данных как ключевое конкурентное преимущество в торговле мемами.

#Отслеживание нарративов и выявление цепей распространения

На социальных платформах вроде Twitter плагины типа XHunt помогают игрокам анализировать списки подписок KOL проектов, чтобы выявить связанных с ними лиц и потенциальные цепи распространения внимания. 6551 DEX, агрегируя твиты, официальный сайт, комментарии постов, историю предложений, подписки KOL и прочее, генерирует для трейдеров комплексные AI-отчеты, динамически меняющиеся в зависимости от настроений, что позволяет точно улавливать нарративы.

#Количественная оценка индикаторов настроений

Инструменты класса Infofi, такие как Kaito и Cookie.fun, агрегируют контент и анализируют настроения в Crypto Twitter, предоставляя количественные метрики доли мнений (Mindshare), настроения (Sentiment) и влияния (Influence). Возьмем Cookie.fun: этот сервис напрямую накладывает данные двух указанных метрик на ценовые графики, превращая офчейн-настроения в читаемые «технические индикаторы».

▲ Cookie.fun

#Равная важность ончейн и офчейн-данных

На платформе OKX DEX в продуктовой линейке анализ Vibes представлен параллельно с котировками, агрегируя моменты публикаций KOL, ключевые связанные KOL, сводки нарративов и итоговые баллы, что значительно сокращает время поиска офчейн-информации. Narrative Summary уже стала самой отзываемой пользователями функцией продукта на базе ИИ.

Демонстрация подводных данных: превращение «видимого леджера» в «работающую альфу»

Данные потока ордеров в традиционных финансах контролируются крупными брокерами, а квантовым фирмам приходится ежегодно тратить сотни миллионов долларов лишь на получение доступа к ним для оптимизации стратегий. Напротив, торговый леджер криптоиндустрии полностью публичен и прозрачен, что можно рассматривать как «опенисорс» дорогостоящей аналитики, формируя готовый к разработке открытый рудник.

Ценность подводных данных заключается в извлечении скрытых намерений из видимых транзакций. Сюда относится анализ денежных потоков и профилирование участников — признаки накопления или сброса позиций маркетмейкерами, адреса запасных учетных записей KOL, концентрация или рассредоточение фишек, пакетные сделки (bundles) и аномальные движения капитала; а также корреляция профилей адресов — присвоение адресам меток «умные деньги», KOL/VC, разработчики, фишинговые кошельки, инсайдерские счета с последующей привязкой к офчейн-идентичностям для сквозного соединения блокчейн-данных.

Такие сигналы зачастую незаметны для обычных пользователей, но могут существенно влиять на движение рынка в краткосрочной перспективе. Благодаря реальной расшифровке меток адресов, параметров портфелей и пакетных сделок торговые помощники вскрывают динамику борьбы «под водой», помогая трейдерам избегать рисков и находить альфу в условиях секундных колебаний рынка.

Например, платформа GMGN, опираясь на массивы данных об ончейн-транзакциях в реальном времени и контрактах токенов, дополнительно интегрировала анализ меток «умные деньги», адресов KOL/VC, кошельков разработчиков, инсайдерских счетов, фишинговых адресов, пакетных сделок, сопоставляет ончейн-адреса с аккаунтами в соцсетях, синхронизируя денежные потоки, сигналы риска и ценовое поведение в масштабе до секунды, что помогает пользователям быстрее принимать решения о входе в позицию и защите капитала.

▲ GMGN

Сигналы на базе ИИ: путь от информации к прибыли

«В следующем витке развития ИИ будут продавать не инструменты, а доходность.» — Sequoia Capital

Это утверждение в полной мере применимо и к сфере крипто-трейдинга. Когда достигнуты требуемые показатели скорости и размерности данных, следующей целью конкуренции становится способность на этапе принятия решений на основе данных преобразовывать сложную многомерную информацию напрямую в исполняемые торговые сигналы. Критерии оценки данных для принятия решений сводятся к трем пунктам: высокая скорость, автоматизация и обеспечение избыточной доходности.

• Максимальная скорость: По мере постоянного совершенствования ИИ преимущества обработки естественного языка и мультимодальных LLM будут здесь максимально реализованы. Они способны не только агрегировать и понимать массивы данных, но и устанавливать семантические связи между ними, автоматически формулируя выводы для принятия решений. В условиях интенсивной ончейн-торговли с низкой глубиной рынка каждый сигнал обладает крайне коротким сроком жизни и ограниченным емким объемом капитала; скорость напрямую определяет доходность, которую может принести сигнал.

• Автоматизация: Человеческие трейдеры не могут мониторить рынок круглосуточно, тогда как ИИ способен. Например, пользователь может разместить условный заказ на покупку с коптрейдингом и встроенными стоп-лоссами через платформу Senpi. Для этого ИИ должен в реальном времени проводить опрос или мониторинг данных в фоновом режиме и автоматически инициировать сделки при обнаружении рекомендованных сигналов.

• Доходность: В конечном счете эффективность любого торгового сигнала определяется его способностью стабильно генерировать избыточную отдачу. ИИ требует не только глубокого понимания ончейн-сигналов, но и интеграции управления рисками для максимизации соотношения риск/доходность в условиях экстремальной волатильности, включая такие специфические для блокчейна факторы, влияющие на доходность, как потери от проскальзывания и задержки исполнения.

Подобные возможности кардинально меняют бизнес-логику данных платформ: переход от продажи «доступа к данным» к продаже «сигналов, ориентированных на прибыль». Фокус конкурентной борьбы инструментов нового поколения смещается с покрытия данными на исполнимость сигналов — способность действительно преодолевать «последнюю милю» от «инсайта» до «исполнения».

Некоторые новые проекты уже начали освоение этого направления. Например, Truenorth, функционируя как ИИ-движок для выявления возможностей, включает «процент успешных сделок» в оценку эффективности информации, непрерывно оптимизируя выдачу результатов через обучение с подкреплением для минимизации бесполезного шума и помогая пользователям формировать исполнительные информационные потоки, напрямую ведущие к размещению ордеров.

▲ Truenorth

Несмотря на колоссальный потенциал ИИ в генерации исполняемых сигналов, этот процесс сопряжен с рядом существенных вызовов.

1. Галлюцинации: Ончейн-данные обладают высочайшей степенью гетерогенности и содержат много шума; при разборе запросов на естественном языке или мультимодальных сигналов LLM склонны к «галлюцинациям» или переобучению, что снижает доходность и точность сигналов. Например, при наличии нескольких токенов с одинаковым названием ИИ зачастую не может сопоставить тикер с Crypto Twitter с соответствующим адресом контракта. Кроме того, во многих ИИ-продуктах для сигналов обсуждения ИИ на Crypto Twitter часто ошибочно указывают на проект Sleepless AI.

2. Жизненный цикл сигнала: Торговая среда меняется мгновенно. Любая задержка размывает доходность; ИИ обязан выполнить извлечение данных, логический вывод и исполнение в сверхкраткие сроки. Даже при простейших стратегиях коптрейдинга отсутствие следования за «умными деньгами» может быстро обратить прибыль в убыток.

3. Управление рисками: В условиях высокой волатильности, если ИИ неоднократно терпит неудачу при попытке провести транзакцию в блокчейне или спред проскальзывания оказывается критическим, это не только лишит избыточной доходности, но и может уничтожить весь депозит за считанные минуты.

Следовательно, ключевым параметром коммерциализации ИИ в данной сфере становится поиск баланса между скоростью и точностью, а также снижение уровня ошибок за счет механизмов обучения с подкреплением, трансферного обучения и симуляционного бэктестирования.

Двигаться вверх или вниз? Стратегический выбор для сохранения жизнеспособности дата-платформ

По мере того как ИИ научится напрямую генерировать исполняемые сигналы и даже оказывать помощь в исполнении ордеров, «легкие промежуточные приложения», целиком полагающиеся на агрегацию данных, оказались на грани кризиса выживания. Будь то инструменты для отображения дашбордов на основе ончейн-данных или торговые боты с надстроенной логикой исполнения поверх агрегатов, в своей основе они лишены устойчивых конкурентных преимуществ. В прошлом подобные решения держались на удобстве или закрепленной пользовательской привычке (например, когда трейдеры традиционно проверяли графики и статус популярных токенов через Dexscreener); сегодня, когда одни и те же данные доступны в множестве источников, двигатели исполнения становятся товаром, а ИИ способен напрямую на этой базе генерировать сигналы для решений и запускать исполнение, их конкурентоспособность стремительно размывается.

В будущем эффективные движки для проведения сделок в блокчейне будут постоянно совершенствоваться, дополнительно снижая порог входа на рынок. В этих условиях поставщикам данных придется делать выбор: либо двигаться вниз, углубленно развивая инфраструктуру для максимально быстрого извлечения и обработки данных; либо двигаться вверх, проникая на прикладной уровень для прямого контроля пользовательских сценариев и потребления трафика. Модели, застрявшие посередине и занимающиеся исключительно агрегацией и легкой упаковкой данных, столкнутся с постоянным сжатием пространства для выживания.

Движение вниз означает создание рвов инфраструктуры. Работая над торговыми продуктами, Hubble AI осознала, что полагаться исключительно на TG-Bot для долгосрочного преимущества недостаточно, поэтому компания переключилась на обработку данных вверху по стеку, стремясь создать своеобразный «Crypto Databricks». Добившись предельной скорости обработки данных в Solana, Hubble AI переходит от чистой обработки данных к платформе интеграции аналитики и информации, занимая позицию на верхнем конце стоимостной цепочки и обеспечивая базовую поддержку потребностей в данных для нарратива «финансы переходят в блокчейн» в США и приложений с ончейн-ИИ агентами.

Движение вверх подразумевает расширение до прикладных сценариев и закрепление среди конечных потребителей. Платформа Space and Time изначально позиционировалась как решение для субсекундной индексации SQL и оракульных апгрейдов, но недавно начала исследовать потребительские сценарии, запустив на Ethereum продукт Dream.Space в формате «vibe coding». Пользователи могут писать смарт-контракты или создавать дашборды для анализа данных простым естественным языком. Этот переход не только повышает частоту обращений к собственным сервисам данных, но и создает прямую лояльность аудитории за счет качественного пользовательского опыта.

Таким образом, роль посредников, находящихся посередине и зарабатывающих исключительно на продаже API-интерфейсов для данных, постепенно утрачивает шансы на существование. Будущий рынок данных формата B2B2C будут определять два типа игроков: компании-инфраструктурщики, владеющие базовыми конвейерами и становящиеся своего рода «коммуникациями, водой и электричеством» для блокчейна; и платформы, находящиеся близко к пользовательским решениям, конвертирующие данные в готовый опыт использования.

Заключение

Под воздействием тройной синхронизации мем-трейдинга, взрывного роста высокопроизводительных сетей и коммерциализации ИИ отрасль ончейн-данных переживает структурный перелом. Постоянная эволюция скорости торговли, размерности данных и исполняемых сигналов лишает конкурентного преимущества сам факт наличия «видимых графиков»; истинные рвы сейчас формируются вокруг «исполняемых сигналов, реально помогающих зарабатывать» и «базовых мощностей для обработки данных, лежащих в основе всего этого».

В ближайшие 2–3 года наиболее привлекательные предпринимательские возможности в сфере крипто-данных появятся на стыке зрелости инфраструктуры уровня Web2 и нативных ончейн-моделей исполнения Web3. Данные по таким крупным активам, как BTC и ETH, ввиду их высокой степени стандартизации и схожести с традиционными финансовыми фьючерсными инструментами, постепенно интегрируются в покрытие данных традиционными финансовыми организациями и некоторыми Web2 финтех-платформами.

Напротив, данные по мемкоинам и длиннохвостым ончейн-активам отличаются высочайшей степенью нестандартизированности и фрагментированности — от нарративов сообществ и ончейн-настроений до кроссчейновой ликвидности. Для интерпретации такой информации требуется привлечение профилей ончейн-адресов, офчейн-социальных сигналов и даже исполнения сделок в масштабе до секунды. Именно в этой разнице кроется уникальное окно возможностей для крипто-предпринимателей, связанное с обработкой данных по длиннохвостым активам и мемам, а также формированием замкнутого торгового цикла.

Мы поддерживаем проекты, которые сосредоточатся на длительном углубленном развитии в следующих двух направлениях:

• Инфраструктура верхнего уровня — компании по работе с ончейн-данными, обладающие потоковыми конвейерами с производительностью, сопоставимой с гигантами Web2, индексами ультранизкой задержки и едиными рамками кроссчейнового парсинга. Эти проекты имеют потенциал стать аналогами Databricks/AWS для Web3. По мере постепенного перемещения пользователей в блокчейн объем торгов вероятно возрастет на порядки, а модель B2B2C обеспечит долгосрочный эффект сложного процента.

• Платформы исполнения нижнего уровня — приложения, интегрирующие многомерные данные, ИИ-агентов и обеспечивающие бесшовное исполнение сделок. Транслируя фрагментированные офчейн и ончейн сигналы в готовые к выполнению ордера, эти продукты имеют шанс стать нативным терминалом Bloomberg для криптоиндустрии, где бизнес-модель строится не на плате за доступ к данным, а на монетизации через предоставление избыточной доходности и доставку сигналов.

Мы убеждены, что именно эти два типа игроков определяют будущее следующего поколения крипторынка данных и сформируют устойчивые конкурентные преимущества.