Messari 摘要报告:Covalent Network(CXT)2024 Q2 品牌重塑、AI模块化数据、亚太地区扩展、代币回购计划和网络增长
摘要
Covalent Network(CXT)在将质押从 Moonbeam 迁移到以太坊后,质押的 CQT 百分比恢复到了 20% 以上。
Covalent Network(CXT)在第二季度新增了五个网络运营商,使 BSP 集增长了 36%,提升了协议质押供应的潜力。
Covalent Network(CXT)在第二季度奖励了运营商共计 99 万美元,比上一季度增加了 83%。
在第二季度,Covalent Network(CXT)启动了品牌重塑,更加专注于人工智能和以太坊上长期数据的可用性。此外,公司筹集了 500 万美元以扩大在亚太地区的业务,并成功将 CQT 代币过渡到新推出的 CXT 代币(解决了Nomad 黑客 CQT持仓的潜在威胁)。
Covalent Network(CXT)在第二季度成功将质押操作从 Moonbeam 迁移到以太坊。
简介
Covalent Network(CXT)是一个结构化数据的长期数据可用性协议。它解决了以太坊 Dencun 升级后普遍存在的长期数据可用性问题,该升级由于状态过期功能而删除了 rollup 历史。这个特定的解决方案被称为以太坊时光机(EWM);它被用作模块化可验证数据基础设施,以解决 AI 领域的挑战,特别是增强去中心化 AI 训练和推理相关的问题。
在最近的品牌重塑中,Covalent Network(CXT)实施了一系列升级,专注于加速其在两个核心领域的承诺:数据可用性和去中心化 AI。同时,它还筹集了 500 万美元的战略资金,用于扩大其在亚太地区的业务。品牌重塑之后,Covalent Network(CXT) 将原有的 CQT 代币转换为新的 CXT 代币。
关键指标
Covalent Network(CXT)为 AI、领先的 dApps 和协议生态系统构建了数十亿个 Web3 数据点。
Covalent Network(CXT)目前有超过 3000 个 API 客户和生态系统在使用其结构化数据协议。一些值得关注的盈利客户包括 Fidelity 、EY 、Consensys、Matcha、Rainbow Wallet 以及 CoinLedger。Covalent Network(CXT)专注于人工智能,并致力于在以太坊上实现长期的数据可用性,其客户还包括 Laika AI、Entendre Finance 和 SmartWhales AI 等。为了提供这些实体所需的数据,协议必须提取、转换和丰富原始区块链数据,使其可以被访问和使用。
Q2 季度生产的区块样本数较上一季度增长了 20%,较去年同期增长了 32%。随着覆盖的区块链数量增多,某个协议生产的区块样本数量也会相应增加。上一季度,Covalent Network(CXT)为 Blast、Gnosis Chain、Movement 以及其他几个区块链提供了支持,这可能是导致区块样本生产量增长的原因之一。
Q2 CQT 质押情况(现为 CXT)
随着 CQT 流通供应量增加了 27%,Covalent Network(CXT)质押的 CQT 总数增长了 5.4%。截止季度末,Covalent Network(CXT)成功迁移了质押合约,新增了五个运营商,并将质押倍数从 27 倍提高到 40 倍,使得第二季度末质押的 CQT(现为 CXT)占流通供应量的 24%。
由于 CXT 在 2024 年 7 月中旬才被推出,因此以下分析将以 CQT 为例。
网络运营商
Covalent Network(CXT)在第二季度通过增加五个新的 BSP 角色来扩展其网络运营商集。增加网络运营商有助于扩大协议可吸收的质押量,并提高其在区块样本和区块结果生产方面的工作负载能力。增加潜在的质押量增强了质押供应的吸收能力,减少可交易供应,并可能对代币价格产生上行压力(取决于发行量)。
金融激励
目前,BSPs 和 BRPs 角色每年可获得高达 2000 万枚 CXT(此前为 CQT)代币的补贴。在该模型中,客户以法定货币支付的查询收入将用于回购 CXT 代币,并奖励节点运营商。目前,所有查询收入的 20% 将自动用于每周回购 CXT,并存放在多重签名钱包中,以便稍后分配。
由于 CXT 在 2024 年 7 月中旬才被推出,因此以下分析将以 CQT 为例。
本季度,网络运营商的奖励(以美元计)增长了 83%,达到 90 万美元。尽管平均 CQT 价格下降了 27%,但奖励金额的增长主要是由于 CQT 奖励的发放数量大幅增加了 184%。Covalent Network(CXT)每年的奖励预算约为 2000 万枚 CQT,然而在 2022 年和 2023 年每年仅使用了约 1000 万枚 CQT,所以计划在 2024 年使用 2400 万枚 CXT。
市值
未来,Covalent Network(CXT)的回购计划将直接与网络需求和 CXT 的购买压力相关联。随着 API 查询需求的增加,Covalent Network(CXT)的收入将相应增长,从而能够利用额外收入进一步回购 CXT。为 CXT 增加更多的利用方式,可能会成为去中心化 AI 协议获取结构化历史链上数据的催化剂,这将使 Covalent Network(CXT)和 CXT 持有者在将 AI 与加密货币整合时受益。
治理更新
Covalent Network(CXT)启动了重大治理更新,包括将所有代币活动迁移到以太坊并逐步停止 Moonbeam 上的活动。提出了新的提案,比如将质押运营商的最大倍数从 27 倍提升到 34 倍,并最终提升到 40 倍。此外,还批准了推出新的 CXT 代币,该代币更紧密地与 Covalent Network(CXT)在 AI 和以太坊数据可用性方面的重点保持一致。
重大进展和生态支持更新
Covalent Network(CXT)在第二季度与多个新协议集成,包括 ZetaChain、Mode Network 和 Guild。此外,ThunderHead、DappLooker、Corthos Capital、Allnodes 和 Restake 五个新运营商加入了 Covalent Network(CXT)网络。该协议还承诺向 Arbitrum 和 Consensys 生态系统中的项目提供 250 万美元的资助。BitMEX 联合创始人 Arthur Hayes 加入 Covalent Network(CXT)担任战略顾问。此外,Covalent Network(CXT)在 RockTree Capital 牵头的战略融资轮中筹集了 500 万美元,以扩展其在亚太地区的运营。
关于 Covalent Network(CXT)
Covalent Network(CXT)是领先的模块化数据基础设施层,致力于解决区块链和 AI 领域的主要挑战,包括可验证性、去中心化 AI 推理和长期数据可用性。其庞大的结构化、可验证数据增强了去中心化训练和推理,降低了AI模型被操纵或偏见的风险。此外,Covalent Network(CXT)网络的以太坊时光机确保对以太坊交易数据的安全、去中心化的访问。Covalent Network(CXT)受到超过 3,000 家领先组织的信任,为AI、DeFi、GameFi等提供了对230多条区块链上链数据的无限制的访问。
相关文章:

Messari 摘要报告:Covalent Network(CXT)2024 Q2 品牌重塑、AI模块化数据、亚太地区扩展、代币回购计划和网络增长
摘要 Covalent Network(CXT)在将质押从 Moonbeam 迁移到以太坊后,质押的 CQT 百分比恢复到了 20% 以上。 Covalent Network(CXT)在第二季度新增了五个网络运营商,使 BSP 集增长了 36%,提升了协…...

Open3D 计算点云的面状指数
目录 一、概述 1.1原理 1.2实现步骤 步骤 1:确定邻域点 步骤 2:计算协方差矩阵 步骤 3:特征值分解 步骤 4:计算面状指数 步骤 5:可视化与应用 1.3应用领域 二、代码实现 2.1关键函数 2.2完整代码 三、实现…...
python下麦克风设备选择和录音
import pyaudio import threading import wave import numpy as np def audio_f2i(data, width16):"""将浮点数音频数据转换为整数音频数据。"""data np.array(data)return np.int16(data * (2 ** (width - 1)))def audio_i2f(data, width16)…...
云和集群有什么区别?
我们常说的集群是针对于某项单独的功能或者说是某几个功能的集合体。 举个例子,比方有100台机器组成一个集群,这个集群里面50台机器装了hadoop,10台机器装了spark,剩下40台机器再装一个查询引擎presto。诸如此类,把多…...

无人机视角下的EasyCVR视频汇聚管理:构建全方位、智能化的AI视频监控网络
随着5G、AI、物联网(IoT)等技术的快速发展,万物互联的时代已经到来,视频技术作为信息传输和交互的重要手段,在多个领域展现出了巨大的应用潜力和价值。其中,EasyCVR视频汇聚平台与无人机结合的AI应用更是为…...

数字影像技术是如何改变我们看待世界的方式呢?
在当今的科技时代,数字影像技术正以惊人的速度改变着我们的生活和视觉体验。那么,什么是数字影像技术呢? 数字影像技术是指通过数字化手段对图像和视频进行获取、处理、存储、传输和展示的一系列技术。 它利用各种数字设备,如数…...

Chainlit实现启动页面选择不同的LLM启动器等设置界面
基本概念:启动选择器(Starters) 启动选择器(Starters) 是一种帮助用户开始与您的助手互动的建议。您可以为助手定义最多4个启动建议,并且可以为每个启动建议指定一个图标。 示例代码 (starters.py) impo…...
SQL - 增、改、删
插入 (insert into) 插入单行 insert into 表名 values ( 对应列的值,用,号间隔) //一般主键值用default,不可填null的不要填null insert into 表名 (需要提供值的列名) values (与之对应的提供的值) //其他的值只需mysql默认提供 insert into 表名 子查…...

怎么屏蔽电脑监控软件?企业管理者的智慧选择——精准定位,合理屏蔽,让监控软件成为助力而非障碍!
电脑监控软件在企业管理中扮演着日益重要的角色,它们能够提升工作效率、保障信息安全、预防内部风险。然而,过度或不当使用监控软件也可能引发员工隐私担忧,影响工作积极性和团队氛围。因此,作为企业管理者,如何精准定…...

Linux·权限与工具-make
1. Makefile/makefile工具 首先展示一下,makefile工具如何使用。我们先写一个C语言程序 然后我们建立一个Makefile/makefile文件,m大小写均可。我们在文件中写入这样两行 wq保存退出后,我们使用 make 命令 可以看到生成了可执行程序ÿ…...

C++的序列容器——数组
前言: 这篇文章我们就开始新的章节,我们之前说的C/C的缺陷那部分内容就结束了。在开始新的章之前我希望大家可以先对着题目思考一下,C的容器是什么?有什么作用?下面让我们开始新的内容: 目录 前言&#x…...
TCC 和 XA 协议之间的区别?
TCC(Two-Phase Commit)协议和XA协议都是用于分布式系统中确保事务原子性的协议。它们在实现分布式事务协调方面有一些相似之处,但也存在一些关键的不同点。 协议的协调者(Coordinator)角色: TCC协议&#x…...

萌啦数据插件使用情况分析,萌啦数据插件下载
在当今数字化时代,数据已成为企业决策与个人分析不可或缺的重要资源。随着数据分析工具的日益丰富,一款高效、易用的数据插件成为了众多用户的心头好。其中,“萌啦数据插件”凭借其独特的优势,在众多竞品中脱颖而出,成…...

C++初学(13)
13.1、for循环的组成部分 for循环的组成部分完成下面这些步骤: (1)设置初始值。 (2)执行测试,看看循环是否应当继续。 (3)执行循环操作。 (4)更新用于测试的值。 C循环设计中包含这要素,很容易识别,初始化、测试和更新操作工…...

目标检测之数据增强
一、概述 数据增强是一种通过人工或自动方式对数据进行修改或变换,以增加数据集规模和多样性的技术。在机器学习中,数据增强被广泛应用于解决数据稀缺、数据不平衡、数据噪声等问题,提高模型的泛化能力和鲁棒性。 二、为什么需要数据增强 …...

本地下载安装WampServer结合内网穿透配置公网地址远程访问详细教程
文章目录 前言1.WampServer下载安装2.WampServer启动3.安装cpolar内网穿透3.1 注册账号3.2 下载cpolar客户端3.3 登录cpolar web ui管理界面3.4 创建公网地址 4.固定公网地址访问 前言 Wamp 是一个 Windows系统下的 Apache PHP Mysql 集成安装环境,是一组常用来…...

一篇文章理清Java持久化脉络(关于JDBC、JPA、Hibernate、Spring Data JPA)
Java持久化 一、JDBC、JPA、Spring Data JPA 的定义及关系二、JDBC(古老的东西,只需简单知道是啥)1.1 JDBC概念1.2 JDBC示例 三、JPA(第二代持久化,代表是Hibernate等框架)3.1 JPA概念3.2 JPA示例 四、Spri…...

【数学分析笔记】第2章第1节实数系的连续性(1)
2. 数列极限 2.1 实数系的连续性 人类对数系认识的历史: 人类最早对数系的认识是自然数集合 N \mathbb{N} N,自然数系对加法和乘法是封闭的(这里的封闭是指:若 m ∈ N , n ∈ N ⇒ m n ∈ N , m n ∈ N m\in\mathbb{N},n\in\ma…...

Speech Synthesis (LASC11062)
大纲 Module 1 – introductionModule 2 - unit selectionModule 3 - unit selection target cost functionsModule 4 - the databaseModule 5 - evaluationModule 6 - speech signal analysis & modellingModule 7 - Statistical Parametric Speech Synthesis (SPSS)Modu…...

拟合与插值|线性最小二乘拟合|非线性最小二乘拟合|一维插值|二维插值
挖掘数据背后的规律是数学建模的重要任务,拟合与插值是常用的分析方法 掌握拟合与插值的基本概念和方法熟悉Matlab相关程序实现能够从数据中挖掘数学规律 拟合问题的基本提法 拟合问题的概念 已知一组数据(以二维为例),即平面上n个点 ( x i , y i ) …...

深度学习在微纳光子学中的应用
深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向: 逆向设计 通过神经网络快速预测微纳结构的光学响应,替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…...

51c自动驾驶~合集58
我自己的原文哦~ https://blog.51cto.com/whaosoft/13967107 #CCA-Attention 全局池化局部保留,CCA-Attention为LLM长文本建模带来突破性进展 琶洲实验室、华南理工大学联合推出关键上下文感知注意力机制(CCA-Attention),…...
【ROS】Nav2源码之nav2_behavior_tree-行为树节点列表
1、行为树节点分类 在 Nav2(Navigation2)的行为树框架中,行为树节点插件按照功能分为 Action(动作节点)、Condition(条件节点)、Control(控制节点) 和 Decorator(装饰节点) 四类。 1.1 动作节点 Action 执行具体的机器人操作或任务,直接与硬件、传感器或外部系统…...
Java多线程实现之Thread类深度解析
Java多线程实现之Thread类深度解析 一、多线程基础概念1.1 什么是线程1.2 多线程的优势1.3 Java多线程模型 二、Thread类的基本结构与构造函数2.1 Thread类的继承关系2.2 构造函数 三、创建和启动线程3.1 继承Thread类创建线程3.2 实现Runnable接口创建线程 四、Thread类的核心…...
Angular微前端架构:Module Federation + ngx-build-plus (Webpack)
以下是一个完整的 Angular 微前端示例,其中使用的是 Module Federation 和 npx-build-plus 实现了主应用(Shell)与子应用(Remote)的集成。 🛠️ 项目结构 angular-mf/ ├── shell-app/ # 主应用&…...
React---day11
14.4 react-redux第三方库 提供connect、thunk之类的函数 以获取一个banner数据为例子 store: 我们在使用异步的时候理应是要使用中间件的,但是configureStore 已经自动集成了 redux-thunk,注意action里面要返回函数 import { configureS…...
QT3D学习笔记——圆台、圆锥
类名作用Qt3DWindow3D渲染窗口容器QEntity场景中的实体(对象或容器)QCamera控制观察视角QPointLight点光源QConeMesh圆锥几何网格QTransform控制实体的位置/旋转/缩放QPhongMaterialPhong光照材质(定义颜色、反光等)QFirstPersonC…...

【Linux手册】探秘系统世界:从用户交互到硬件底层的全链路工作之旅
目录 前言 操作系统与驱动程序 是什么,为什么 怎么做 system call 用户操作接口 总结 前言 日常生活中,我们在使用电子设备时,我们所输入执行的每一条指令最终大多都会作用到硬件上,比如下载一款软件最终会下载到硬盘上&am…...

spring Security对RBAC及其ABAC的支持使用
RBAC (基于角色的访问控制) RBAC (Role-Based Access Control) 是 Spring Security 中最常用的权限模型,它将权限分配给角色,再将角色分配给用户。 RBAC 核心实现 1. 数据库设计 users roles permissions ------- ------…...

快速排序算法改进:随机快排-荷兰国旗划分详解
随机快速排序-荷兰国旗划分算法详解 一、基础知识回顾1.1 快速排序简介1.2 荷兰国旗问题 二、随机快排 - 荷兰国旗划分原理2.1 随机化枢轴选择2.2 荷兰国旗划分过程2.3 结合随机快排与荷兰国旗划分 三、代码实现3.1 Python实现3.2 Java实现3.3 C实现 四、性能分析4.1 时间复杂度…...