当前位置: 首页 > news >正文

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

在这里插入图片描述

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

在这里插入图片描述

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。

在这里插入图片描述

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%。

在这里插入图片描述

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)。

在这里插入图片描述

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。

在这里插入图片描述

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

在这里插入图片描述

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&#xff…...

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 ) …...

React 第五十五节 Router 中 useAsyncError的使用详解

前言 useAsyncError 是 React Router v6.4 引入的一个钩子,用于处理异步操作(如数据加载)中的错误。下面我将详细解释其用途并提供代码示例。 一、useAsyncError 用途 处理异步错误:捕获在 loader 或 action 中发生的异步错误替…...

手游刚开服就被攻击怎么办?如何防御DDoS?

开服初期是手游最脆弱的阶段,极易成为DDoS攻击的目标。一旦遭遇攻击,可能导致服务器瘫痪、玩家流失,甚至造成巨大经济损失。本文为开发者提供一套简洁有效的应急与防御方案,帮助快速应对并构建长期防护体系。 一、遭遇攻击的紧急应…...

日语AI面试高效通关秘籍:专业解读与青柚面试智能助攻

在如今就业市场竞争日益激烈的背景下,越来越多的求职者将目光投向了日本及中日双语岗位。但是,一场日语面试往往让许多人感到步履维艰。你是否也曾因为面试官抛出的“刁钻问题”而心生畏惧?面对生疏的日语交流环境,即便提前恶补了…...

Vue记事本应用实现教程

文章目录 1. 项目介绍2. 开发环境准备3. 设计应用界面4. 创建Vue实例和数据模型5. 实现记事本功能5.1 添加新记事项5.2 删除记事项5.3 清空所有记事 6. 添加样式7. 功能扩展:显示创建时间8. 功能扩展:记事项搜索9. 完整代码10. Vue知识点解析10.1 数据绑…...

Axios请求超时重发机制

Axios 超时重新请求实现方案 在 Axios 中实现超时重新请求可以通过以下几种方式: 1. 使用拦截器实现自动重试 import axios from axios;// 创建axios实例 const instance axios.create();// 设置超时时间 instance.defaults.timeout 5000;// 最大重试次数 cons…...

让AI看见世界:MCP协议与服务器的工作原理

让AI看见世界:MCP协议与服务器的工作原理 MCP(Model Context Protocol)是一种创新的通信协议,旨在让大型语言模型能够安全、高效地与外部资源进行交互。在AI技术快速发展的今天,MCP正成为连接AI与现实世界的重要桥梁。…...

华为云Flexus+DeepSeek征文|DeepSeek-V3/R1 商用服务开通全流程与本地部署搭建

华为云FlexusDeepSeek征文|DeepSeek-V3/R1 商用服务开通全流程与本地部署搭建 前言 如今大模型其性能出色,华为云 ModelArts Studio_MaaS大模型即服务平台华为云内置了大模型,能助力我们轻松驾驭 DeepSeek-V3/R1,本文中将分享如何…...

Linux --进程控制

本文从以下五个方面来初步认识进程控制: 目录 进程创建 进程终止 进程等待 进程替换 模拟实现一个微型shell 进程创建 在Linux系统中我们可以在一个进程使用系统调用fork()来创建子进程,创建出来的进程就是子进程,原来的进程为父进程。…...

让回归模型不再被异常值“带跑偏“,MSE和Cauchy损失函数在噪声数据环境下的实战对比

在机器学习的回归分析中,损失函数的选择对模型性能具有决定性影响。均方误差(MSE)作为经典的损失函数,在处理干净数据时表现优异,但在面对包含异常值的噪声数据时,其对大误差的二次惩罚机制往往导致模型参数…...

面向无人机海岸带生态系统监测的语义分割基准数据集

描述:海岸带生态系统的监测是维护生态平衡和可持续发展的重要任务。语义分割技术在遥感影像中的应用为海岸带生态系统的精准监测提供了有效手段。然而,目前该领域仍面临一个挑战,即缺乏公开的专门面向海岸带生态系统的语义分割基准数据集。受…...