元宇宙地产暴跌,林俊杰亏麻了

文/章鱼哥
出品/陀螺财经
随着元宇宙的兴起,元宇宙地产曾一度被寄予厚望,成为各大投资者追捧的对象。然而,最近的一次元宇宙地产价值暴跌再次提醒我们,高收益背后可能伴随着高风险。根据元宇宙分析平台WeMeta的数据显示,2017年元宇宙每平方米土地成交价中位数为20美元,2021年这一数字升至6000美元。然而,目前全球最大的元宇宙地产销售平台Decentraland的成交价中位数已从2022年的45美元跌至5美元,下跌近90%。
2022年初,元宇宙地产掀起了一股炒作热潮,Decentraland、The Sandbox等虚拟地产平台吸引了大量用户和投资者,甚至歌手林俊杰、说唱歌手Snoop Dogg等明星也加入了元宇宙买地的行列。然而,这股热潮仅仅持续了不到一年时间,就迅速消退。去年11月,林俊杰花12.3万美元在Decentraland购买的3块虚拟地产,目前价值仅为约1万美元,浮亏91%,跌上微博热搜。除了价格暴跌外,林俊杰这三块地人气也是“门可罗雀”。根据平台显示的一周访问量,这三块地几乎无人问津。
不仅如此,国内市场也出现了类似的情况。去年11月1日,天下秀数字科技集团推出虚拟社交元宇宙产品Honnverse虹宇宙,对首批用户开放登录。当时开放线上限量版虚拟房产的预约抢号活动时,因参与人数众多,服务器一度崩溃。然而,在二手交易平台和QQ群里,虹宇宙的房产几乎是“一天一个价”。相比此前动辄数十万元的虚拟房产,现在的价格已经缩水至几百元到几十元。
此外,许多虚拟地产平台的用户流失严重。在一年前,Decentraland平台的全球每日活跃用户数在1200人以上;The Sandbox平台该数据甚至高于8800人。但截至4月10日,两家平台的活跃用户均只剩100余人。
在面对AIGC、ChatGPT等新热点的冲击下,元宇宙本身的讨论度都已大不如前,甚至此前扬言要在元宇宙“大干一场”的科技巨头们都纷纷退场。
01
元宇宙热降温,科技巨头退场
随着元宇宙热度退潮,在不少科技巨头的裁员计划中,元宇宙部门首当其冲。
日前,迪士尼开启首轮裁员,预计裁员7000人。裁员计划的其中一部分,是裁撤元宇宙部门。据媒体报道,上个月,微软也解散了4个月前刚刚成立的工业元宇宙团队,该团队的100名成员都已被解雇。
元宇宙成为大厂裁员的‘第一刀’并不意外。元宇宙目前主要处于投入阶段,难以看到实际产出,盈利能力被外界普遍质疑,是大厂“降本增效”的主要对象。此外,元宇宙相关应用在用户当中反响平平,体验不佳、价格昂贵限制了元宇宙相关应用及设备的普及。
去年年底,Meta宣布将裁员超过1.1万人,这也是公司史上规模最大的一次裁员。公司还停止招聘5000个空缺职位,并取消更多低优先级项目。
2021年,当扎克伯格all in元宇宙,Facebook改名Meta时,资本市场以为属于虚拟现实的时代真的来了。但属于元宇宙的高光时刻仅仅存在了短短几个月,还没等到元宇宙成为“移动互联网的继承者”,从2021年9月开始,Meta的股价一路下滑,较最高点缩水近50%。
国内的巨头中,率先从自研硬件领域撤退。2月16日,腾讯游戏旗下XR(扩展现实)业务将变更发展路径,对自研硬件发展路线调整,并对业务线内相关的组织、岗位进行优化。
元宇宙热的熄火,无疑给元宇宙地产浇了一盆冷水。
02
元宇宙地产暴跌在所难免
谈及元宇宙虚拟地产的暴跌原因,有分析人士指出,“主要是全球加密资产的崩盘,而元宇宙的虚拟财产与加密市场紧密相连。”
事实上,除了所谓加密资产的崩盘、热点转移、游资离场等主要因素,虚拟地产价格暴跌的背后折射出的是当前元宇宙发展仍处于早期阶段,商业化落地、虚拟地产应用场景严重不足,基于虚拟地产开发的游戏体验不佳。虽然元宇宙地产曾火热风靡,但其本质上还是一种高风险、高收益的投资形式。
首先元宇宙地产市场的发展速度过快,随着元宇宙地产市场的火热,越来越多的项目涌入市场,但是这些项目的市场流通性并不高,很难找到买家或者卖家,这也使得一些投资者在需要变现时难以及时获得资金回收。同时交易市场缺乏深度和广度。元宇宙地产市场的交易主要集中在几个头部平台上,而这些平台上的交易规模又相对较小,市场深度和广度不足,导致市场价格容易被操纵和人为炒作,使得市场价格的真实性和公正性受到影响。
其次目前元宇宙地产市场缺乏有效监管和规范,市场可能出现一些违法违规的行为,如价格操纵、虚假宣传等。这些行为破坏了市场的公正性和透明度,引发了投资者的担忧和恐慌。此前2021年11月,The Sandbox上的一块虚拟土地以430万美元的价格售出,创下了“元宇宙”房地产交易价格的新纪录,打破了Decentraland上一块虚拟土地创下的243万美元的前纪录。虚拟土地的价值通常是由市场的供需关系决定的,而这种价值往往是不稳定的,而如此高企的价格是否又符合其实际价值?
再一个当下元宇宙地产市场的投机氛围浓厚,投资者的投资心态普遍存在贪婪和盲目追涨的情况,而忽略了风险管理和投资回报的平衡。当市场出现调整或崩盘时,这些投资者的亏损往往会相当惨重。元宇宙地产需要巨额的投入,以开发、建设和运营元宇宙中的虚拟地产。但是这种投入并不是一次性的,而是需要持续的资金支持。随着市场的变化和政策风险的增加,投资者对于元宇宙地产的投资意愿可能会减弱,这也给元宇宙地产带来了资金压力。
03
结语
元宇宙地产的暴跌引发了人们对于元宇宙深层价值的思考。元宇宙地产本质上是一个新兴产业,目前尚处于起步阶段,存在着很多不确定性和风险,但这并不意味着元宇宙地产会昙花一现。相反,随着虚拟现实技术、区块链技术的不断发展,元宇宙地产的未来是值得期待的。然而,在元宇宙地产的发展过程中,用户需要更加注重风险防范,合理规划投资,以减少亏损的风险。同时也需要加强对这个新兴产业的认知和理解,以更好地把握市场动态,抓住发展机遇。
对于林俊杰来说,尽管他在元宇宙地产暴跌中蒙受了些许损失,其实对其来说似乎毫无影响,就像他在个人微博中打趣回应网友的话一样,不少围观者们声称要帮其理财。其实作为普通用户的我们,才更应该了解其中的风险,谨慎投资。

陀螺财经的联系方式
商务合作|投稿:
小黄(微信号 18925291949)
芒果(微信号 18145840955)
Ning(微信号 13631579042)
推荐阅读



相关文章:
元宇宙地产暴跌,林俊杰亏麻了
文/章鱼哥出品/陀螺财经随着元宇宙的兴起,元宇宙地产曾一度被寄予厚望,成为各大投资者追捧的对象。然而,最近的一次元宇宙地产价值暴跌再次提醒我们,高收益背后可能伴随着高风险。根据元宇宙分析平台WeMeta的数据显示,…...
什么是瀑布流布局?瀑布流式布局的优缺点
瀑布流又称瀑布流式布局,是一种多列等宽不等高的一种页面布局方式。 视觉表现为参差不齐的多栏布局。随着页面滚动条向下滚动,这种布局会不断加载数据并附加至当前的尾部。 是一种多列等宽不等高的一种页面布局方式,用于图片比较复杂&#…...
给您的 MongoDB 定期做个体检:MongoDB 诊断
新钛云服已累计为您分享739篇技术干货接下来的一些列文章会为大家介绍日常工作中常用的 NoSQL 产品 MongoDB。主要涉及到:MongoDB 的安装及基本使用 MongoDB 文档查询 MongoDB 复制集 MongoDB 分片集群的介绍及搭建 MongoDB 安全加密 MongoDB 诊断我们会用…...
【云原生进阶之容器】第五章容器运行时5.8--容器热迁移
《云原生进阶之容器》专题索引: 第一章Docker核心技术1.1节——Docker综述第一章Docker核心技术1.2节——Linux容器LXC第一章Docker核心技术1.3节——命名空间Namespace第一章Docker核心技术1.4节——chroot技术第一章Docker核心技术1.5.1节——cgroup综述...
react框架的简单认识
React框架 众所周知,React与Vue,Angular被前端开发人员称为前端的三大框架。在如今,React和Vue相对于老牌的Angular,它们的表现更为出色,常常被各大公司使用。但其中React的技术难度要稍稍大于Vue,不过为了…...
IDEA的基本使用
IDEA的基本使用IDEA的基本使用1 IDEA概述2 IDEA的下载和安装2.1 下载2.2 安装3 IDEA中层级结构介绍3.1 结构分类3.2 结构介绍project(项目、工程)module(模块)package(包)class(类)3…...
【MySQL】实验八 触发器与存储过程
文章目录 1. 创建商品价格修改记录表2. 创建触发器,当更改商品价格(price列)时,记录价格3. SQL触发器:插入新员工时,同步更新部门表相应人数4. SQL触发器:删除学生数据5. SQL触发器:创建成绩表插入触发器6. SQL存储过程:查询订单7. SQL存储过程:建立存储过程,查询课程…...
Mockito5.2.0学习
Mockito是mocking框架,它让你用简洁的API做测试。而且Mockito简单易学,它可读性强和验证语法简洁。 Mockito 是一个针对 Java 的单元测试模拟框架,它与 EasyMock 和 jMock 很相似,都是为了简化单元测试过程中测试上下文 ( 或者称之…...
用指针实现内存动态分配
导引:已知:变量在使用前必须被定义且安排好存储空间。且变量有这么一些分类:全局变量、静态局部变量【它们的储存一般是在编译时确定,在程序开始执行前完成。】自动变量【在执行进入变量定义所在的复合语句时为它们分配存储&#…...
DBSCAN聚类算法及Python实现
DBSCAN聚类算法 DBSCAN(Density-Based Spatial Clustering of Applications with Noise)是一种基于密度的聚类算法,可以将数据点分成不同的簇,并且能够识别噪声点(不属于任何簇的点)。 DBSCAN聚类算法的基…...
风光及负荷多场景随机生成与缩减
目录 1 主要内容 计算模型 场景生成与聚类方法应用 2 部分程序 3 程序结果 4 程序链接 1 主要内容 该程序方法复现了《融合多场景分析的交直流混合微电网多时间尺度随机优化调度策略》3.1节基于多场景技术的随机性建模部分,该部分是随机优化调度的重要组成部分…...
lamda表达式
lamda表达式一. lamda表达式的特性二.常用匿名函数式接口2.1 Supplier接口2.2 Consumer接口2.3 Predicate接口2.4 Function接口2.5 BiFunction接口三.stream流传递先后顺序四.表达式4.1 ForEach4.2 Collect4.3 Filter4.4 Map4.5 MapToInt4.6 Distinct4.7 Sorted4.8 groupingBy4…...
MobTech 秒验|极速验证,拉新无忧
一、运营拓展新用户的难题 运营拓展新用户是每个应用都需要面对的问题,但是在实际操作中,往往会遇到一些困难。其中一个主要的难题就是注册和登录的繁琐性。用户在使用一个新的应用时,通常需要填写手机号、获取验证码、输入验证码等步骤&…...
大模型混战,阿里百度华为谁将成就AI时代的“新地基”?
从算力基础到用户生态,群雄逐鹿大模型 自2022年stable diffusion模型的进步推动AIGC的快速发展后,年底,ChatGPT以“破圈者”的姿态,快速“吸粉”亿万,在全球范围内掀起了一股AI浪潮,也促使了众多海外巨头竞…...
干翻Hadoop系列之:Hadoop前瞻之分布式知识
前言 一:海量数据价值 二:海量数据两个棘手问题 1:海量数据如何存储? 掌握分布式存储数据的思想。 A:方案1:单机存储磁盘不够加磁盘 限制问题: 1:一台计算机不能无限制拓充 2&a…...
MAE论文阅读《Masked Autoencoders Are Scalable Vision Learners》
文章目录动机方法写作方面参考Paper: https://arxiv.org/pdf/2111.06377.pdf 动机 首先简要介绍下BERT,NLP领域的BERT是基于Transformer架构,并采取无监督预训练的方式去训练模型。它提出的预训练方法在本质上是一种masked autoencoding,也就…...
代码随想录算法训练营第三十四天-贪心算法3| 1005.K次取反后最大化的数组和 134. 加油站 135. 分发糖果
1005. Maximize Sum Of Array After K Negations 参考视频:贪心算法,这不就是常识?还能叫贪心?LeetCode:1005.K次取反后最大化的数组和_哔哩哔哩_bilibili 贪心🔍 的思路,局部最优ÿ…...
比较系统的学习 pandas (2)
pandas 数据读取与输出方法和常用参数 1、读取 CSV文件 pd.read_csv("pathname",step,encoding"gbk",header"infer",name[],skip_blank_linesTrue,commentNone) path : 文件路径 step : 指定分隔符,默认为 逗号 enco…...
怎么查看电脑主板最大支持多少内存?
很多电脑,内存不够用,但应速度慢;还有一些就是买了很大的内存条,但是还是反应慢;这是为什么呢?我今天明白了,原来每个电脑都有自己的适配内存,就是每个电脑能支持多大的内存…...
数据结构——线段树
线段树的结构 线段树是一棵二叉树,其结点是一条“线段”——[a,b],它的左儿子和右儿子分别是这条线段的左半段和右半段,即[a, (ab)/2 ]和[(ab)/2 ,b]。线段树的叶子结点是长度为1的单位线段[a,a1]。下图就是一棵根为[1,10]的线段树࿱…...
深入解析浮点数内存存储与IEEE 754标准:从0.1+0.2≠0.3说起
1. 从一次“诡异”的计算错误说起前几天,一个刚入行的同事跑来找我,一脸困惑地给我看了一段Python代码。他写了个简单的循环累加,想计算0.1加10次,理论上应该等于1.0。但打印出来的结果却是0.9999999999999999。他反复检查了代码&…...
Dell R630服务器RAID实战:8块硬盘如何混搭RAID1和RAID0?保姆级图文教程
Dell R630服务器混合RAID配置实战:系统盘与数据盘的黄金分割方案 在企业级IT基础设施中,存储配置的灵活性与可靠性往往决定着整个系统的稳定边界。当一台Dell PowerEdge R630服务器配备8块硬盘时,如何通过RAID技术的组合拳实现系统安全与数据…...
嵌入式以太网模块WIZ5500应用指南:从SPI接口到物联网稳定连接
1. 项目概述:为什么你的物联网项目需要一个有线网络“锚点”无线网络(Wi-Fi)确实方便,但做过几个实际项目的朋友都知道,它的“方便”有时是建立在“不确定性”之上的。信号波动、信道拥堵、复杂的认证流程,…...
基于Keel-Kit的GitOps自动化:轻量级镜像更新与部署实践
1. 项目概述:一个为现代应用交付而生的“舵手工具箱”如果你和我一样,长期在云原生和微服务架构的浪潮里扑腾,那你一定对“应用交付”这四个字背后的复杂性深有体会。从代码提交到最终服务上线,中间横亘着构建、打包、部署、配置、…...
低延时RS译码器优化设计【附代码】
✨ 长期致力于RS码、低延时、功耗优化、译码器研究工作,擅长数据搜集与处理、建模仿真、程序编写、仿真设计。 ✅ 专业定制毕设、代码 ✅ 如需沟通交流,点击《获取方式》 (1)改进型RiBM迭代展开算法加速关键方程求解: …...
AI代码生成规则引擎实战:从约束设计到团队规范落地
1. 项目概述:一个为代码生成引擎定制的“规则引擎” 在AI辅助编程和代码生成领域,我们常常面临一个核心矛盾:我们希望AI能像一位经验丰富的搭档,理解我们的意图,生成高质量、符合规范的代码;但现实是&…...
基于RAG与向量数据库的智能代码搜索工具设计与实现
1. 项目概述:一个面向开发者的智能代码搜索与理解工具 最近在GitHub上看到一个挺有意思的项目,叫 holasoymalva/perplexity-code 。乍一看这个标题,可能会有点困惑——“perplexity”在机器学习里通常指“困惑度”,是衡量语言模…...
ElevenLabs多角色对话生成性能压测报告:单实例并发超86路时语音错位率飙升至41.7%,我们找到了唯一稳定解
更多请点击: https://intelliparadigm.com 第一章:ElevenLabs多角色对话生成性能压测报告:单实例并发超86路时语音错位率飙升至41.7%,我们找到了唯一稳定解 在真实业务场景中,ElevenLabs API 被广泛用于构建多角色交互…...
Go语言实现轻量级双向文件同步工具clawsync配置与实战
1. 项目概述:一个轻量级的文件同步利器在数据备份、多设备协同或者项目部署的场景里,文件同步是个绕不开的活儿。你可能用过rsync,功能强大但命令参数复杂;也可能试过syncthing,全平台覆盖但需要常驻后台服务。如果你在…...
飞凌T507核心板开发实战:开机LOGO、电阻屏校准与双屏异显配置详解
1. 项目概述与核心板简介最近在做一个车载信息娱乐终端的项目,硬件平台选用了飞凌嵌入式的FETT507-C核心板。这块板子基于全志T507这颗四核车规级处理器,Cortex-A53架构,主频1.5GHz,集成了G31 GPU,标配2GB DDR3L内存和…...
