All posts by ayu

来源：腾讯科技

2024年8月5日，全球股市经历了一场“黑色星期一”。

标普500指数下跌3.1%，纳斯达克指数跌3.4%。

其中，科技股和芯片股领跌。英伟达跌6%，苹果跌4.6%，特斯拉跌4.2%。

“科技七巨头”盘初总市值蒸发1.3万亿美元。此后股价虽有所回升，但全天市值总损失仍略高于6,500亿美元。

对此，复旦发展研究院金融研究中心主任孙立坚表示，美股下跌是因为站在了高处不胜寒的泡沫高位上。

这个泡沫中最显眼的就是AI行业，因为它们已经连跌半个多月了。

7月18日，美股“七巨头”五日市值累计蒸发了1.1万亿美元。

一周后的7月24日，“七巨头”再次集体下跌，令当天美股市场全天蒸发市值超过7500亿美元。这也让标普500与纳斯达克指数均创下自2022年底以来最大单日跌幅。

股市之外，关于AI泡沫的警告也接连不断。

今年三月，阿波罗首席经济学家Torsten Sløk就撰文称，AI泡沫的“糟糕程度”不仅超过了1990年代，还已经超过了互联网泡沫巅峰时期的水平。

而红杉合伙人David Chan更是在去年和今年连续发出警告，认为AI企业年营收总和需达 6000亿美元，才能支付基础设施建设资金。这在当下是不可能的。

对AI泡沫最重磅的忧虑来自高盛在6月末发布的报告《生成式AI：花费甚多，而收益甚少》，其中采访的多位专家都表示人们对AI的期待过高，投入过大，但它已有的收益和潜在的收益都太小。当下，AI存在着巨大泡沫风险。

AI究竟是不是正在堆积的泡沫？如果是，那现在泡沫破裂了吗？它之后又将会产生怎样的影响？看完这篇文章，或许你就能找到答案。

1.什么是泡沫？

要想判断泡沫，我们需要先了解什么是泡沫。

泡沫往往源于新技术的产生，市场对技术的未来发展过于乐观，导致过度投资和盲目跟风，使其价值超越实体经济可承受的程度，随后急剧下滑，最后像肥皂泡一样破灭。

结合海曼·明斯基的《金融不稳定假说》、霍尔迪·加利《货币政策与理性资产价格泡沫》等数篇研究经济泡沫的经典论文，我们总结出泡沫产生的核心条件。

主要包括：经济基本面有利投资、信息差的出现，以及心理和行为因素的膨胀效应。简单来说就是：市场有钱且投资者非理性投资。

第一是市场要有钱，这意味着市场要有充裕的流动性。一个低利率环境下信贷扩张，流动性过剩的基本经济现状才能引发泡沫。

比如在2022年，我们就经历了被称作“万物泡沫”的时期。美联储为应对疫情导致的经济下跌，在2020到2021年实施了近零利率和量化宽松（QE）。这一举措吸引了投资者进行风险更高的投资，并允许不可持续的商业模式在低息贷款的基础上发展。几乎所有股市资产都在高速升值，屡创美国历史记录。直到2022年美联储重新上调利率来抑制通胀，股市应声大跌，一年内谷歌跌幅40%，特斯拉、Meta股价下跌60%。

第二是投资者非理性投资。新技术使得投资者可以通过早期投资获得相当高的回报。而某些赛道本身的垄断性质又使得它未来的潜在收益更高。足够高的获利空间导致市场盲目乐观，使投资者低估风险，高估回报。

比如2000年被刺破的互联网泡沫。1995年，大量风险投资涌入电子商务、电信、软件服务等互联网相关领域，投资回报率远超化工、能源、金融等其他行业。而投机者注意到股价的快速增长时，又预期其会进一步上升而买入。1999年，美国互联网相关行业的投资金额达到287亿美元，是1995年的近10倍。

2.AI投资的上限在哪儿？

还记得我们上面提到的泡沫产生的两个前提条件吗，第一个就是市场要有钱。

但当下美国金融市场的流动性并不乐观，这意味着AI泡沫上限高不了。

对此，华创资本合伙人的熊伟铭指出：“这一波泡沫的程度其实远不如20年前的互联网泡沫，甚至不如2017年的加密货币泡沫，也不如2021年的NFT泡沫，这些泡沫的特点是估值远远超过了实际产品和服务所能获得的投资回报周期。

如果用比例来衡量，我认为这一波泡沫的程度可能只有dotcom或NFT泡沫的20%到30%。这波泡沫的程度绝对比不上之前的几次。”

近两年的融资环境相对较差，为了遏制疫情时期货币宽松所带来的40年来的最高通胀，美联储自2022年3月至2023年7月进行了11次加息。

与此同时，美联储还开始了大规模缩表，从2022年6月开始，Fed每月减少600亿美元的国债持有量和350亿美元的抵押贷款支持证券(MBS)持有量。

一句话总结就是，在AI爆发期间，美联储正在进行自1980年代以来最激进的货币紧缩政策。

市场没钱，即便几乎所有的VC都陷入FOMO，美股整体风投的趋势依然不增反降。根据Crunch base的数据，今年上半年全球融资总额同比下降5%。

当然，这其中的AI初创公司逆风挺立，同比增长24%，甚至在今年第二季度拿到240亿美元的最大季度投资，但总值依然不过是2021年的70%。

这是因为2021年万物泡沫期的宽松带来了巨量流动性，其余波还未消除。市场不如2021年有钱，但也还是挺有钱的。

熊伟铭对比表示：“最近两年，AI从资本化角度来看可能已到顶峰。2021年，美国在半年内发了6万亿美元，这是人类历史上的唯一一次。这种资本催熟效应是前所未有的。”

然而VC们手中的钱就捏得比21年紧多了。

从COATUE给出的数据看，此轮AI投资虽然热闹，但VC们并未出尽全力。私募股权公司手里还有1万亿美元的未投资金，处于历史最高水平。

这主要有两个原因。

一是退出路径不畅，VC投资很犹豫。在上一轮“万物泡沫”之后，独角兽公司数量猛增，从2016年的67个一路涨到2021年的580个。但他们获得再融资的比率却在直线走低。从16年到22年，同期获得再融资的独角兽比例从50%降到了20%以下。

那IPO呢？更是惨不忍睹，从2022年开始基本都只有个位数。

“实际上，2021年美股有970个IPO，而2022年降至162个，今年上半年大约只有44个。这表明全球资本市场的收缩是一个明显的趋势。”

在这一情况下，退出手段就只剩并购一条路。这个路子太窄了。

另一个原因是现在AI发展所处的阶段投资门槛较高，限制了很多VC入场。

“早期的互联网行业需要搭建自己的服务器和基础设施，类似于今天的AI领域。运行一次大模型的成本从几万美元到上亿美元不等，处于新的基础设施建设的早期阶段。”

我们发现，进入人工智能领域的钱，大部分流向基础层公司（Foundational layer），也就是我们所熟知的大模型公司，如OpenAI、Anthropic、Gemini等。

他们再利用这部分资金购买计算层公司（Computing layer）如英伟达的芯片来训练自己的大模型。

因此当下AI产业所处的位置更像是在基建时期。也正是这种阶段特性决定资金量不足的小VC很难入场。

“去年和前年，大量AI公司特别是硅谷的公司进行早期投资，看似活跃，但80%的投资都集中在早期阶段，很多公司在大模型升级中被淘汰。大公司在NLP领域的优势明显，因为每次测试的成本太高，这与20年前的互联网发展类似。当时互联网成本高昂，拉光纤、搭机房，而现在AI的投资成本也很高，从小参数到大参数的基础设施变化，使得大公司具有天然优势。因此，这一波投资减少，无论在中国还是美国，主要都是大公司在主导。美国也由几家主要公司主导，创业公司在这波创新中不是主流，主流仍然是大公司。”

所以，不论是从金融市场的整体表现，还是从VC的参与热情来看，目前放在AI池子里的热钱都不算太多。

3.谁在投资AI？

市场上钱少，投资门槛又高，那么这场投资游戏到底是谁在玩？

实际上，本轮AI投资的核心玩家主要是互联网时代的佼佼者，自带氪金体质，其中最典型的当属“美股七巨头”了。

根据Flow partners和Dealroom今年5月底联合发布的报告显示，美股七巨头的综合市值占标普500指数的32%，经济利润更是占据标普500指数的近一半。

以至于在过去一年里，七巨头成了AI最大的投资者，仅2023年间就参与了208笔风险项目的投资。

2024年上半年，七巨头共投资近250亿美元，超过英国所有风险投资的总和，这些钱主要流向了人工智能领域。

不论是大模型还是芯片公司，背后均不乏七巨头的身影，甚至在马斯克的X.ai从非七巨头投资者那筹集到60亿美金之前，七巨头占了所有基础模型投资近70%的投资额。

如此“重仓”AI的巨头们，左手投资、右手自研，亲力亲为给资本市场讲故事，科技股价被许诺的技术神话持续拉高。

如今，市值总和16万亿的七巨头，平均市盈率已经高达45倍（标普500的均值为28倍），相应的投资宠儿如OpenAI、Anthropic等初创公司的市值也在不断上涨。

这样的市场是理性的吗？这就要看看巨头们下注的理由了。

4.硅谷巨头的理性

巨头们对于AI的态度几乎是孤注一掷的坚定。黄仁勋在英伟达最近一次电话会说到：

「 让我举个例子来说明时间真的很宝贵，为什么能立刻建立起来数据中心这个想法如此宝贵，而获得训练时间又如此宝贵。原因在于，下一个达到重要里程碑阶段的公司将宣布一项突破性的人工智能。而之后的第二家公司则会宣布一些仅仅比它提升了 0.3% 的东西。所以你要问自己的问题是，你是想成为一再交付突破性 AI 的公司，还是成为一个只提升了 0.3% 性能的公司？……因此，这就是为什么我们现在像疯了一样建立 Hopper 超级芯片系统，因为下一个重要里程碑阶段就在眼前。」

AI是目之所及的时代性技术，谁夺得先机就意味着谁将掌握下一场游戏的规则。对于七巨头来说，无论是否处在泡沫中，作出的决定都是一样的。因为这并不取决于你是否愿意辨别眼前是泡沫还是机遇，而取决于你能否在这场竞赛中生存下来。

而巨头的投入，与他们所创造的现金流相比，并没有十分激进。

从财报来看，这几家公司在上个季度基本都实现了超过了100亿美元的收入。

微软在2024财年Q2实现了220.4亿美元的利润，在如此大力投资AI投资的情况下，其净利润率仅从2023财年Q3的39.44%降至2024财年Q2的34.04%。AlphabetQ2的利润则达到了236亿美元，亚马逊134亿美元。

七巨头的整体利润都非常健康。而且他们口袋里也有大把花不出去的现金。

苹果的自由现金流现在已经超过1000亿美元。微软、Alphabet和亚马逊根据其收入增长速度是都有望在近几年加入“自由现金流1000亿美元俱乐部”。Meta今年自由现金流可能超过300亿美元。

英伟达和特斯拉的自由现金流稍微少一些，但在AI爆发前，英伟达每年已经能创造几十亿美元的自由现金流，这两年赚的盆满钵满之后应该可以达到百亿的水平了。

七巨头们现在加起来预计2024年全年在AI方面的投入不过500亿美元，从利润到现金都完全在承受范围之内。

如果这是下个时代的生死之战，他们留着这些利润和现金是准备养老吗？

正因为巨头们赌得起，所以谈不上不理性。

5.巨头们被高估了吗？

具有充裕现金流的巨头们在下场投资AI的同时，自己也是被投资者。

他们身负投资和自研的双重重任。这个时候，巨头自身的估值稳定性，也就成为了判断AI泡沫的重要指标。毕竟只有稳住自身，才有源源不断的现金流支撑良性循环。

这是一张利用”Rule of X”来评估七巨头的市值相对于它们的收入增长和利润率的图表。

简单来说，图中的斜线表示理论上的公平价值。如果一家公司的点位于斜线之上，意味着它的市值相对于收入被高估了，如果位于这条线之下，则被低估了。

我们可以看见，处于斜线之下的Amazon（亚马逊）、Tesla（特斯拉）、Alphabet（谷歌母公司）、Meta（前Facebook），市值相对于预期收入是被低估的状态。也就是说，这些公司股价存在泡沫的可能性较小，因为它们的市值没有显示出过度膨胀的迹象。

挂在斜线上的微软和苹果稍有溢价，但是他们分列市值第一和第二，一个作为OpenAI背后最大的投资方，一个毫不费力就能和OpenAI建立深度合作关系的公司，实力自然不用多说。

哪怕是被认为最有泡沫嫌疑的英伟达，截至2024年第一季度，过去6个季度股价上涨744%，利润也上涨了330%，可以说是最有基本面支持的泡沫。

对冲基金COATUE还做过一个测算。若以互联网泡沫时期增长最为明显的思科为例，其五年平均市盈率为37倍，但泡沫时期高达132倍。

同样的计算方式对应到英伟达，其在过去五年平均市盈率为40倍，而今天到了68倍，远未达到思科泡沫时期的水准。作为新兴霸主，即使在半导体行业内，英伟达的市盈率也不过是中等偏上水平。

（图源COATUE，此版本结合最新数据重绘）

“最近七家大公司市值在一天内蒸发了1万亿美元，这个规模虽然巨大，但相较于20年前同等市值的波动，其影响要小得多。

20年前，互联网泡沫期间，市值的下跌分布在众多小公司之间，每家公司从100美元跌到2美元，这种跌幅对市场的冲击非常大。

而现在，市值的调整主要集中在少数大公司上。因此，即使这些公司市值大幅波动，对整体资本市场的影响相对较小。这也是为什么我认为AI市场的回调不会像2000年互联网泡沫那样引发资本市场的巨大震荡。”

巨头之所以是巨头，就是因为体量足够大，底盘也足够稳。哪怕成为泡沫，也是最有基本面的泡沫。

6.投给AI的钱多久能赚回来？

另外一个理性的前提是，投资需要有对应的回报。

巨头们心甘情愿地参与军备竞赛，当钱不是问题，需要进一步回应的就是对投资回报率的质疑。这也是高盛发布的报告和红杉资本的6000亿问题所质疑的核心。

AI目前的阶段更像是基建。而基建的回报周期和短期投资不太一样，基本以五年起计。就连数据中心的回报周期一般都在4.5年左右。

”AI的商业化普及可能需要5到10年的时间。回顾互联网的发展，最初的商业模式如广告和搜索引擎也经历了较长时间的培育。因此，我们需要对AI的商业化保持耐心和空间。”

既然这是个长回报周期的投入，那投给AI的钱什么时候可以赚回来呢？

Couteue帮我们算了一笔账。AI在基础设施建设期，也就是到2030年，预计会花费1.2万亿美元，这大概是2500万单位的GPU外加相关支出。这看起来很庞大，但其实仅占全球IT支出的18%。

按照25%的ROI，即预期收益6000亿美元，加上1.2万亿，到2030年AI的投入必须转化出1.8万亿美元的收入才能实现收支平衡。

这可以通过两种方式达成，一种是降本。只要AI能降低全球技术人员总薪资的5%或所有工人工资的3%，就可以达到1.8万亿的收益。另一个是增收。如果AI能带来全球2%的GPD增长，提升所有上市公司3%的收入，那AI公司只要从中赚取一半的收益，也能到1.8万亿。

那么问题来了，AI能带来降本增效的结果吗？

麻省理工学院教授Daron Acemoglu在高盛报告中指出，生成式人工智能短时间内能够产生的经济效益十分有限。即便他并不否认人工智能技术的潜力，却依然断言10年内人工智能只能影响所有工作任务的4.6%，带来的GDP增长甚微，只能到0.9%。

这样的质疑不无道理。回看技术史我们会发现，一项新技术从诞生到进入市场、渗透寻常人的生活，的确需要很长时间。

举个例子。我们经常使用的行李箱，其实早在1887年就初具雏形，但是直到1972年才出现把轮子装在行李箱上的专利设计，1991年才有了现在当下最常见的滚轮拉杆行李箱。

连行李箱这样简单的发明，从设计出现到普惠使用都经过了100年才找到正确的「打开方式」，更别提原理复杂、尚处黑箱的人工智能技术了。

但AI真如Acemoglu所说那样收效甚微吗？为了搞清楚这个问题，我们专门去翻了Acemoglu自己发表的论文以及他引述的两项研究。

结果发现，Acemoglu的论证很难立住脚。

他的论证引用了两项研究的数据，用未来可能被AI影响的任务比例（20%）× 实际会采用AI的任务比例（23%) =未来AI影响的工作任务比例（4.6%），得出AI效益甚微的结论。并依此去计算AI对GDP的最终影响。

但Acemoglu在论文中所采用的都是他引用研究中对AI发展最悲观的预测。他一来认为未来十年市场都不会出现有效整合大语言模型的软件。二来，认为AI的使用成本短时间内不会下降。

对于第一点，在Acemoglu引用的论文中，作者明确指出如果能够利用 GPTs，美国所有工人任务中约15%可以在保持同等质量的情况下显著加快完成速度。但在整合基于LLMs构建的软件和工具时，这一占比提升至所有任务的47%至56%。

Acemoglu却只用15%这个值去计算。然而，目前几乎所有科技巨头都在试图将AI融合到自家软件之中，像微软的Copilit，Adobe的Firefly都在持续更新，整合LLMs的软件并不稀奇。

早在GPT-4o的发布会上，OpenAI就透露出开发一个由大语言模型主导的系统级应用的想法。这在OpenAI今年的两次收购行为中再次得到印证，结合目前Agent的发展情况，我们有理由期待不久的将来看见LLMOS的亮相。

要真如Acemoglu所说，未来十年市场上都没有有效整合大语言模型的软件出现并大规模应用，那说AI是泡沫着实不冤，但目前来看显然不符合事实。

针对第二点，Acemoglu对于AI的使用成本和渗透率的判断也不够准确。他引用的论文称，美国企业会选择不自动化大多数可以AI化的任务，仅有23%用于视觉任务的工人工资具备自动化吸引力。但引用文章明确表明，如果成本迅速下降，或者通过规模大于单个企业的AI即服务（AI-as-a-service）平台进行部署，AI缓慢推广的现状就会加速。

更何况，AI成本下降已经是当下较为明显的趋势。

美国艾伦人工智能研究院创始CEO在接受《每日经济新闻》专访时表示，芯片时代的摩尔定律在 AI 时代仍然适用，AI 的训练和推理成本可能每18个月就下降一半。

以ChatGPT为例，奥特曼在年初接受专访时说到：

“GPT-3是我们推出时间最长、优化最久的模型，在它推出的三年多时间里，我们已经将其成本降低了40倍……至于GPT-3.5，相信我们已经将其成本降低了近10倍……在我所知道的所有技术中，我们的成本下降曲线是最陡峭的。”

从实际市场价格看，两年前，GPT 3.5 每千个 Token 就要 0.06 美金。现在， Gemini Flash每百万 Token 只要 0.05 美金 。仅仅两年时间，AI的成本降低100x，能力提升10x。”

另外，麦肯锡5月发布的研报表明，2024年全球的AI采用率显著提升，其中生成式AI的使用率更是比去年提高了整整一倍，这说明越来越多的组织和个人开始使用AI。

摩根大通的调研也指出，预期在2025年前接入AI进行生产的企业占比也超过55%。AI渗入企业中的比例远比23%高。

所以，Acemoglu的判断只能说是不合实际的悲观论断。AI所能带来的效能提升和成本下降，都是可以预见的改变。

7.我们还在1995年

当然，除了反驳Acemoglu的观点，我们还有更多证据去证明AI的价值。

高盛经济学家 Joseph Briggs 认为：“尽管生成式人工智能的潜力存在很大的不确定性，但它生成与人类创造的输出无法区分的内容以及打破人与机器之间沟通障碍的能力反映了一项重大进步，具有潜在的巨大宏观经济影响。”

这种影响首先来自于生产效率的大幅提升。

据麦肯锡估算，GenAI可以将 70% 的重复性工作自动化，每年可以带来2.6 万亿至 4.4 万亿美元收益，同时将所有人工智能的影响力提高 15% 至 40%。

这样看来，相比每年能为经济贡献2.6万亿至4.4万亿美元增长的乐观估算，红杉提出的每年6000亿美元的AI基建成本，还算泡沫吗？

其次，技术所引发的规模效应可能是超越生产力的颠覆性影响。

毫无疑问，互联网是过去20年最能创造财富的行业。上一波互联网技术浪潮带来了电子商务、平台经济、移动社交……是将世界连成一个整体的技术座驾。可它被发明的初衷是用于国防通信，那时鲜有人会想到，互联网能如此深刻地塑造我们当下的经济行为与生活方式。

尽管目前AI会带来何种深远影响还难以界定，但是人类总是习惯于高估自身的判断，低估技术的影响力。

“互联网解决的是互联问题，将原本线下的数据搬到线上，实现了数字孪生。例如，十几年前在互联网上根本找不到的菜品，如京酱肉丝，现在每个物品都被赋予了一个“IP地址”，就像从IPv4到IPv6的转变。每个人、每个物品都有一个独特的标识。

AI解决的不是连接问题，而是重新组织生产资料和提升生产力。AI能够在数字孪生的世界中发挥更大的作用，替代人的处理能力。它不仅仅是通过连接，而是通过智能判断和自动化操作。例如，空调和电冰箱连接到互联网后，仍需要人为设定参数，但有了AI后，这些设备可以自主判断并执行操作，如在气温超过28度时自动开启空调。这就是AI在经济生态中发挥的作用，与互联网的作用不同。实际上，许多行业更需要AI，而不是互联网。”

因此，我们的结论是：AI有泡沫，但这种泡沫有限，且并不偏离其真正的价值。现有的泡沫言论都过分悲观。

“1995年，雅虎等第一波互联网应用刚刚开始出现，类似于我们现在看到的AI生成图像和视频技术。

当时，互联网内容的组织和搜索方式让人们大开眼界，充满好奇心。那时连一个调制解调器都是高科技产品，像思科的产品也只有大公司能享有。

从基础设施的角度来看，情况相似。那时，公司需要去电信营业厅办理电子邮件服务，费用高昂且需要共享使用。今天的AI技术同样也只有大公司能够负担。”

所以，我们还处在1995年，现在谈论泡沫会破也许还为时尚早。

8.结语

最后，我们还需要问的是，用当下的ROI去衡量一场基建性质的科技进步是否合理？或者说，泡沫破裂的后果一定是坏的吗？

目前的AI的确面临投入高、应用难的问题，但如果我们把目光放远，转向那些在历史上被称作泡沫的基建时期，就会有不一样的发现。

在互联网泡沫破裂之前，电信公司在华尔街筹集了1.6万亿美元，并发行了6000亿美元债券，建设的光纤电缆达到8020万英里，占到美国历史上基础数字布线总数的76%，为互联网的成熟奠定基础。

如果再往前看，19世纪40年代英国铁路泡沫以及由此建造的铁路，为英国的高度工业革命打下地基，在经济泡沫时期批准的铁路计划里程数更是占了英国铁路系统总里程的90%。

当我们谈论互联网泡沫时，并非指互联网技术是泡沫，而是特指一种主要形式为电子商务、被过度兴奋的投机性投资所吹捧的商业模式。同样，南海泡沫并非海运贸易泡沫的破裂，而只是一个特定的垄断。

而人工智能意味着更多，历史的车轮更不会因为泡沫破裂而停下。人工智能的支持者总是迅速指出，AI是新的互联网——一种根本性的新技术架构——如果这是真的，那它就不会化作泡沫。

参考资料来源（可上下滑动查看）:

1.AI Bubble Is Bigger than the 1990s Tech Bubble – https://www.apolloacademy.com/ai-bubble-is-bigger-than-the-1990s-tech-bubble/

2. AI’s $600B Question – https://www.sequoiacap.com/article/ais-600b-question/

3. GEN AI: TOO MUCH SPEND, TOO LITTLE BENEFIT? – https://www.goldmansachs.com/intelligence/pages/gs-research/gen-ai-too-much-spend-too-little-benefit/report.pdf

4. 《金融不稳定假说》- 海曼·明斯基

5. 《货币政策与理性资产价格泡沫》- 霍尔迪·加利

6. The Impact of AI on Developer Productivity: Evidence from GitHub Copilot – Sida Peng, Eirini Kalliamvakou, Peter Cihon, Mert Demirer

7. GPTs are GPTs: An Early Look at the Labor Market Impact Potential of Large Language Models – Tyna Eloundou, Sam Manning, Pamela Mishkin, Daniel Rock

8. Apollo’s Chief Economist Sounds Alarm On AI Bubble, Warning It’s ‘Bigger Than The 1990s Tech Bubble’ – https://finance.yahoo.com/news/apollos-chief-economist-sounds-alarm-170755863.html

9. M7 Magnificent Seven – dealroom.co, Flow Partners

10. Coatue EMW 2024 – https://drive.google.com/file/d/184tgms_70fL5P0b1l83qSXk8vpFr4kfl/view

11. 本轮美国股市“泡沫”风险研究 – 黄承煜

12. A new future of work: The race to deploy AI and raise skills in Europe and beyond – McKinsey Global Institute

13. You Know How The Al Bubble Ends – https://www.forbes.com/sites/jamesberman/2024/07/11/you-know-how-the-ai-bubble-ends/

14. Why Al stocks aren’ t in a bubble – https://www.goldmansachs.com/intelligence/pages/why-ai-stocks-arent-in-a-bubble.html

15. To the Al Bubble Skeptics – https://www.thedeload.com/p/to-the-ai-bubble-skeptics

16. crunchbase.com

来源：道说区块链

关于留言提问的一些杂感：

我在现在的疑问解答中已经越来越少回复关于具体某个代币、某个项目的问题了。

一个主要原因是这些代币和项目绝大部分都是以前有读者问过并且我也解答过的，而且这些项目的后续发展并没有什么新的亮点和进展，所以如果读者翻翻我前面的文章都能看到曾经的解答。我当时对它们的观点至今也没变。

另外，我特别注意到一些读者开始有了自己的思考，并且开始跳脱具体的项目和代币，开始在投资逻辑和投资思路上产生了自己的想法、有了自己的观察。如果这种变化是因为看我的文章而产生的，那简直就是对我莫大的鼓舞和激励。

因为这才是我写文章的终极目的。

网上有很多文章今天讨论币价涨跌、明天讨论哪个项目可以冲、后天讨论XX准备上什么币。

诚然这些都是绝大多数投资者高度关注和感兴趣的话题。

但我很少在文章里写这些，一个重要的原因是我不太习惯这种跟风走、四处打游击的方式。

我更喜欢的方式是找到一种可靠的投资框架，用这种框架不仅能牢牢地从“压舱石”上面挣到安全可靠的利润；也可以在一个新蓝海出现时，迅速找到适合自己的领域并在其中大展拳脚。

而当这样的蓝海没有出现时，那就让自己彻底松弛下来，安心地读书、学习，尤其是读经典的书、学习前辈的经验。

而当这种蓝海渐渐变成红海时，我也会减小关注度，对红海里出现的新项目渐渐淡化兴趣——因为这些所谓的新项目绝大部分在我看来都没有创新。

下面继续疑问解答。

1. 我好奇的还是估值问题，加密和公司股票的盈利这些不同，高估和低估，该怎么定义和估算呢？

这个问题也是我长期以来一直在探索的。

最近，DeFi生态中我认为创新能力属于顶流的AAVE推出了一系列改革措施，其中最重要的在我看来就是把代币赋能与项目盈利挂钩了。

我正好趁这个机会，按照传统股市的盈利估算方法（比如P/E、ROE等指标）核算了一下AAVE改革后的财务状况。

但计算的结果可以说是惨不忍睹。如果把这样的“公司”放在股市里衡量，那简直就是垃圾股，现在AAVE的“股价”就是泡沫中的泡沫。

因此，至少当下看，用传统股市的方式来衡量加密项目恐怕还行不通。但我非常笃定地相信，至少对于有清晰盈利模式的项目，走向传统股市的评价标准是个大趋势。但是具体到用什么标准来衡量加密项目的盈利，或许会和传统股市有较大的不同。

但这个方向已经越来越明显了。我们总不能说代币没有任何盈利赋能，永远只凭借治理功能就能维持当下的币价吧？

此外，最近我所读的费舍尔的书中所描述的情形也非常类似我们今天在加密生态中所面临的问题。

比如他在1950年代所投资的一些当时新兴行业的股票如果单纯用我们今天所熟知的盈利模式来衡量也是很难经得起考验的。

但他为什么敢于投资那些股票？他的的思考方式和策略是什么？这些都是很值得今天的我们学习和借鉴的。等我详细看完他的书会找机会在文章里分享。

2. 未来就怕美联储就算降息，币圈也不一定有牛市了。

我觉得不用太担心这些。重要的还是我们自己有没有应对这些状况的相应策略。

如果这一轮没有牛市？我以前在文章中也写过好几次——–我的做法就是继续持有下去，继续等下一个牛市。

另外我始终认为，币圈真正的大牛市还是要发自生态内的应用创新，而不是单纯的外部放水。

这几年美股的大牛是在美联储加息的情况下走出的。

为什么能这样？

根本原因是人工智能的创新带来了一系列巨大的红利。这股内在的强大动力极大抵消了外部金融环境的压力。

所以在我看来，内在要素的重要性远大于外在要素。

原作者：Ansgar Dietrich ，Casparschwa，以太坊基金会

本文来自于Ansgar Dietrichs和Casparschwa在eth research论坛上针对以太坊质押机制与ETH增发模型的讨论。极客Web3对此进行了整理和删改。这些观点在2024年2月提出，部分数据可能存在偏差，但其关于以太坊质押经济模型的分析仍值得参考，且其中部分结论仍未过时。

正文：目前以太坊上质押的ETH已达3000万枚，占总量的1/4（这是今年2月的数据）这个比例相当可观，而且还在上升，没有任何放缓迹象。下图显示了ETH质押量随时间的变化，可以明显看出呈持续增长趋势，而这种趋势会长期持续下去。

未来，ETH的新增质押中将有很大部分受LST（流动性质押代币）影响，如stETH等。这会让LST的使用率和货币属性逐渐增强，但这可能带来负面效应。

首先，LST具备网络效应，规模较大的LST项目会蚕食该赛道中所有的流动性，最终形成赢家通吃，这会加剧LST赛道的竞争格局。此外，如果LST超越ETH，成为以太坊上除Gas Token的主流货币，届时用户将面临LST带来的对手方风险。以太坊上的货币应尽可能免信任，才能真正实现经济上的可扩展性。

（“对手方风险”指对方可能违约/无法履行义务。LST场景中“对手方风险”主要包括用户资产被盗、LST价格滑点、贬值）

目前，ETH质押没有硬性的上限规定，理论上所有ETH都可被质押以获得收益。而LST显著改变了质押的成本结构，几乎所有的ETH都可能被质押。因此我们认为，以太坊的经济模型与质押模式应当包含动态的调节政策，让质押比例在一定范围内调整，这样一来以太坊就能在可控的成本规模下确保安全，避免负外部性的产生。

在本文中，我们针对以太坊的经济模型提出了一些亟需解决的问题。

ETH代币发行策略的现状与未来趋势

在展开讨论前，我们先探讨当前的ETH代币发行政策下，哪些长期的质押模式是可行的。以太坊的安全依赖于一定比例的代币质押，可以概括为POS以太坊本身有“吸引质押的需求”。而对质押的需求在以太坊的货币政策中有明确规定，根据实际的质押权重，协议会相应调整ETH增发量，提高单个节点的质押奖励。

然而，ETH持有者的质押意愿是多样且复杂的，我们只能基于现有信息进行合理推测，粗略估计质押意愿变化对质押者参与情况的长期影响。

ETH质押的供需关系曲线：用增发的ETH换取安全保障

Validator节点质押ETH会让协议获得安全保障，协议再向ETH质押者分发代币奖励，这是一个双赢机制。（限于篇幅，本文对“安全性需要达到什么程度”等具体问题不加讨论，想要了解详情可以参考文章Paths toward single-slot finality）而Validator的收益主要来自两部分：

第一部分：协议根据固定的收益曲线发放的奖励；（就是以太坊每年通过增发ETH，分配给质押参与者的奖励）

第二部分：Validator在出块过程中获得的MEV收益。

（本图横轴为ETH的质押参与度，纵轴为质押收益率，描述了以太坊协议为满足不同的质押率，所愿意提供的质押收益 我们可以将以太坊协议视为买家 质押者视为卖家）

注：要理解下面的内容，可能需要读者对经济学中的供需关系曲线有简单的认知。

ETH增发收益曲线（绿色实线）：从该曲线中可以看出，随着质押者增加，以太坊提供给单个节点的质押奖励将逐步减少。ETH质押参与度较低时，系统需要更多奖励验证者，以鼓励更多人质押ETH；当越来越多人参与质押时，单个验证者对网络安全的边际贡献会降低，对质押奖励的需求也随之减少。

总质押收益曲线（绿色虚线）：ETH的固定增发收益加上MEV收益，构成了质押者的总质押收益。这里要注意，MEV收益率的计算方式为：MEV收益总量（去年约为30万个ETH）除以被质押的ETH总量。

由于MEV收益总量基本是固定的，所以随着验证者增多，MEV收益率会快速下降，最终使得质押收益率趋近于单纯的ETH增发率。值得注意的是，以太坊的MEV收益在过去一段时间内相当稳定（参考MEV-Boost Dashboard），虽然这在未来可能变化，但为了简化我们的讨论场景，暂时将其视为固定不变的。

从上述曲线中，我们可以读到两条关键信息：

• 为了避免质押参与度过低，以太坊在质押参与度较低时设置了高回报来吸引更多质押者。

• 每个质押者的边际效用递减，即随着质押参与度增加，ETH代币的增发率逐渐减少。

然而，上述质押收益率曲线未能理想的调节质押参与度。首先，该曲线无法有效限制质押比例的阈值，即使所有的ETH都被质押，质押激励仍会保持在约2%左右。换句话说，在激励设计层面，以太坊没有对最终实现的质押比例进行精准控制。总体而言，除了在初始阶段通过高激励来确保系统有最低的安全保障外，协议没有引导质押水平达到某个具体范围。

需要注意，上面提到的只是名义收益，未考虑增发ETH本身带来的稀释效应。随着更多ETH被增发，稀释效应将愈发显著。对此我们暂时忽略稀释效应的影响，放到后文详细讨论。

ETH质押的供给侧分析

上文讨论了质押的需求曲线，也就是以太坊协议为满足不同的质押比例，所愿意提供的质押收益。现在我们将目光转向供给曲线。质押供给曲线展示了ETH持有者在不同收益率下的质押意愿，揭示了不同质押参与度所需的条件。

一般情况下，该曲线会呈右上倾斜，这意味着网络要达到更高的质押参与度，需要更高的激励。然而，由于质押意愿无法被直接观测或准确测量，供给曲线的形状无法具体描绘，我们只能通过定性分析来推测。

此外，供给曲线并非一成不变，我们将探讨质押成本随时间的变化，以及这种变化如何影响ETH持有者的质押决策。换句话说，质押成本的变化将导致供给曲线的位移，使得ETH持有者对质押激励的需求发生变化。

我们只能将历史上可观察到的质押水平拟合成近似的的质押供应曲线，每个特定时间点上需求曲线和供应曲线的交汇点反映了历史上真实达成的质押参与率。

本图横轴仍为ETH质押参与度，纵轴为质押收益率。如图所示，自以太坊信标链启动以来，质押的ETH总量持续增加，质押量的供应曲线是向下移动的。即使在较低的质押收益下，ETH持有者的质押意愿依然会增加。从历史趋势看，短期内供应曲线持续下移属于合理预期。然而值得深入探讨的是长期质押平衡的问题，我们需要仔细分析供给端的构成。

任何ETH持有者在决定是否质押时，通常会考虑两个主要因素：质押收益以及所需成本。总体来看，验证者手中单位资产的质押收益是相同的，但不同类型的质押者却在成本结构上存在显著差异。下文将深入对比独立质押者和质押服务提供商（SSPs）之间的差异。

独立质押者vs质押服务提供商

SSPs接受用户的ETH，并代用户完成质押操作，收取一定的服务费用。通常情况下，他们会为用户提供LST作为质押凭证，用户可以把LST用于二级市场交易（比如stETH）。对于LST持有者而言，这些代币的流动性取决于LST的整体使用率，以及第三方协议对其的支持率。

我们要重点分析的，是Lido这类发行LST的SSPs。至于那些不发行LST的SSPs，可以将其视作LST流动性价值为零的特殊情况，不在本文讨论。

对于大多数人而言，单独质押不需要信任第三方，但参与门槛较高，操作繁琐；相比之下，LST需要一定程度的信任，但却具有显著的简易性和流动性优势。

在比较这两种质押方式后，我们可以得出两个重要结论：

1. 在不同的ETH持有者之间，独立质押的成本结构存在明显差异，技术含量的高低、硬件条件及运维成本的不同，以及对托管安全的信心，都使得独立质押者的供应曲线更为陡峭。这意味着，如果要让独立质押者的数量显著增加，要么大幅增加质押收益，要么改善质押操作的UX。

2. 相比之下，利用SSPs质押的用户成本结构基本相同，主要差异仅体现在对SSP运营风险的评估以及对LST与ETH之间兑换滑点的顾虑。因此，SSP的供应曲线较为平缓。这意味着，要吸引更多的ETH持有者进行LSD流动性质押，所需的收益率增幅相对较小，可以较为平滑地扩大质押参与率。

此外，独立质押的成本不受质押参与度的影响，而持有LST的成本则可能随着时间的推移以及SSPs使用率的提升逐渐降低，原因如下：

1. LST的“货币属性”增强：当某种LST的受欢迎程度提升时，我们可以预期其将得到越来越多项目的支持，超越原生ETH的使用场景，例如更多的DeFi协议集成LST，二层网络默认对桥接的ETH进行流动性质押等。当ETH质押比例足够高时，LST甚至可能在流动性方面超越未质押的ETH，反转二者的流动性差距。

2. 智能合约风险降低：随着时间的推移，LST的智能合约会经过大量的实践检验，并且通过形式化验证等方式进一步降低风险。

3. 治理系统稳健性的提升：随着使用率的增加，LST相关的治理机制也会变得更加成熟和稳健，例如LDO + stETH dual governance提案就反映了LST治理体系的进步。

4. 对大规模风险预期的降低：当某种LST占据整体市场足够大的比例时，它可能会被视为“太大而不能倒”的存在。所以用户相信市场上的各种力量会在SPPs出现问题时及时补救。

5. LSD服务提供商的盈利平衡：当LST的使用率足够高使其流动性足够好，SSPs可以降低单位服务费用来维持盈利，吸引更多用户参与。

整体来看，SSPs和LST的存在使得质押供应曲线被显著拉平，这意味着不需要继续提高质押激励，就可以推动以太坊质押总量的增加。由此可以推测，LSD将继续在推动质押量增长方面发挥重要作用。然而这样一来，长期的时间维度中，质押激励并不是ETH质押增长的桎梏，那么ETH质押究竟能达到多大规模呢？

质押率的长期均衡点

综合考虑需求和供应等因素，我们可以推测出ETH质押能维持的长期均衡状态。前面我们提到，当质押参与率较低时，需求曲线表现出明显的倾向性，但对于长期内可能达到的具体质押比例没有明确结论。

随后我们说明了随着质押成本和风险的降低，供应曲线会随时间逐渐下移，使得越来越多人愿意参与质押，其中起到主要推动作用的正是LST。然而，供应曲线本身的形状无法定量分析，其是否足够陡峭、能对质押参与度形成合理调节，目前并不明确。

因此，总体质押比例的均衡点并不能准确计算出来，存在广泛的可能性，甚至可能接近100%。下图反映了即使长期内的供应曲线差异很小，也可能导致质押比例的均衡点出现位移。

其实最关键的不在于质押参与率会达到多高，而是这种高质押率一旦出现，会带来一系列隐患。本文提出了一些政策上的调整建议，以防止这种情况发生。

质押比例分析：什么情况下质押率少反而更好

质押率可以定义为ETH质押量与ETH总供应量的比值，ETH当前总供应量约为1.2亿枚，其中大约有3000万枚被质押，质押率约为25%。在探讨高质押率可能带来的潜在问题之前，我们要先搞清楚一个标准：

到底质押率达到何种水平，就可以保证以太坊的安全性。根据此前以太坊基金会的一次讨论记录，我们可以知道当前的质押水平足够确保以太坊的经济安全了。

这就引出了一个问题——如果当前的质押率已经能够保障网络安全，是否有必要追求更高的质押率，达到“过度安全”？在我们看来，高质押率虽然能增强网络的安全，但可能带来一些负外部性，影响到ETH持有者、独立质押者，甚至整个以太坊协议的运行。

LST货币属性的网络效应（LST）：拒绝承担风险

LSTs在争夺货币属性这个问题上竞争很激烈。由于网络效应的存在，这种竞争往往呈现出“赢家通吃”的局面。随着LST的应用领域不断扩大，实用性随之提高，市占率也会逐步上升，LST的货币属性在多个方面都将得到加强，例如链上和链下的集成度、流动性、抵御治理攻击的能力等。

在高质押率的环境中，如果某单一SSP控制了大部分的质押比例，很可能会被视为“大而不倒”。如果大多数ETH都质押在该SSP处，很难有办法对其进行有效惩罚。如果一个占据主导地位的SSP渗透进以太坊协议治理的核心，但却不必对用户担负相应的责任，这种集中化的治理风险，无疑会对以太坊的去中心化产生深远影响。

如果大部分ETH都参与了流动性质押，实际上在除Gas Token之外的多数场景中，真正作为货币的将会是LST。然而，无论是由ETF、CEX还是链上质押池发行的LSTs，都伴随着不同的信任假设，具有显著风险。最终，用户将不可避免地承受来自运营商、治理、法律以及智能合约等方面的额外风险，这显然不是理想状态。

此外，LST虽然自夸可以还原被质押ETH的流动性，但其在DeFi中作为抵押物的效果肯定不如原生ETH。以太坊网络想要实现真正的经济可扩展性，其货币必须尽可能去信任化，最好是使用ETH本身。

最小可行发行量——服务于用户体验

以太坊的最小可发行量MVI是以太坊网络在维护其安全性和功能性前提下，所需的最低发行量，旨在平衡网络的安全性和ETH通胀率。根据MVI原则，必须确保有足够的质押参与来保障协议的安全性，但质押量不宜过多。

当质押水平达到某个临界点时，协议的安全性已经足够稳固，此时额外质押带来的边际效用会逐渐递减，甚至可能出现负面效应（例如，增加网络负载、稀释ETH持有者的权益等）。此外，质押是一项协议所需的基础服务，协议应为质押支付合理的报酬吸引用户参与，而不是因资产稀释压力使用户被迫参与。

若ETH发行量继续增加，会导致所有ETH持有者和质押者面临更大的稀释风险，然而SSP却不会受到负面影响。因为代质押ETH的所有权并不属于SSP，SSP只是通过收取服务费来获取收入，ETH价值稀释与其无关。不但如此，如果更多人为了对冲通胀而参与LSD质押，SSP收的服务费用能水涨船高。

假设一个情境：以太坊质押参与率为90%，质押年收益率2%，流动性质押占总质押价值的90%，且平均SSP费率为10%，换算下来每年将有相当于以太坊市值0.16%的费用支付给SSP，约为20万ETH，按当前价格计算，约合5.3亿美元。这5.3亿美元，实际上相当于是对所有ETH持有者的一种隐形税收。

实际收益率：名义收益率 — 稀释效应

类似于金融学中的名义利率与实际利率，实际收益率为剔除ETH名义质押收益中的稀释效应后得来的真实收益率。随着越来越多的人参与质押，以及以太坊的通胀，由ETH质押带来的名义收益将逐渐被稀释，实际收益能更清晰地反映出质押的真实激励，而我们之前讨论的质押收益曲线，均为名义收益曲线。

上图分别反映了稀释效应对质押者和非质押ETH持有者收益的影响。对于不进行质押的ETH持有者（图中红线所示），由于他们的名义余额保持不变，但承受了通胀带来的稀释效应，所以他们的实际收益显然是负的。为了清晰地描述这种影响，我们可以将质押比例“S”分为两种情况进行分析。

当质押比例较低时（曲线左侧部分），实际收益曲线（绿色实线）与名义收益曲线（灰色实线）较为接近，这是因为质押者数量较少，协议通过增发ETH而分配的奖励也少，所以ETH通胀率很低，稀释效应较轻。在这种情况下，质押的主要激励来自于正收益，即图中绿色区域。

当质押比例较高时（曲线右侧部分），实际收益与名义收益曲线之间的差距渐渐增大。随着越来越多的质押者参与，ETH的增发量增加，稀释效应更明显。除了实际收益的减少外，质押者的一部分激励来源于“稀释保护”，即通过质押对冲通胀。极端情况下，当质押比例接近100%时，质押的实际收益将仅由MEV收益构成，此时以太坊的通胀率将非常高，因为要不断的增发代币奖励质押者。

总结下来就是，质押比例高与低的最大区别，是质押收益的构成不同。低质押比例下，用户会获得实际的正向收益，质押比例提高后，由于通胀率较高，用户最后只能获得较少的收益用来抵消稀释效应，即“稀释保护”。以太坊质押比例越高，新发行的ETH就越多，质押用户的名义收益就越高，然而名义收益高并不意味着实际收益高。

需要强调的是，这种收益构成的变化并不会降低质押的激励作用。如果只看结果，稀释保护和真金白银的正收益，对于用户来说同样具有吸引力。然而，两种不同性质的收益对用户的意义截然不同：当质押比例较低时，质押是一项由以太坊协议为之买单的、有利可图的服务；相反，当质押比例升高时，质押变成了一种对冲通胀的无奈之举。

因此，如果质押比例向右移动到最高，我们可能会陷入一种最差的局面：质押提供的实际收益极为有限，还对那些不愿接受LST的人构成资产稀释的威胁。

任何质押者在同一质押政策下，一定会选择对自己来说实际收益更高的策略。但在以太坊的协议设计中，用户根本无法选择，因为协议的发行曲线决定了质押的最终均衡状态（长期质押供给曲线固定的情况下），出于收益考虑，任何用户只能选择参与质押这一种策略。

独立质押的可行性较差

SSP成本固定，质押越多单位成本就越低，天生具备规模经济优势。随着SSPs管理的ETH数量增加，其边际效率也会提升，能压低成本收取更低的服务费用，吸引更多用户，并实现更高的利润。基于这些优势，成功的SSP可能被视为“大而不倒”的存在，这降低了其面临的尾部风险，并进一步强化了规模效应。

（尾部风险：极端事件的发生风险，这些事件概率极低，但一旦发生往往会导致极大损失）

相反，独立质押者需要自行承担所有成本，成本不会因质押量的增加而减少，反而会因网络负载的增加而有所上升，这正是以太坊通过EIP-7514提案的原因之一。

按照前面的分析，随着越来越多的质押收益被用于对冲通胀，而非获取实际收益，质押者的实际收益越来越依赖于MEV，而MEV收益具有高波动性，会让独立质押者的总收益产生波动。相比之下，SSP能够将总的MEV收入按比例分配给其管理的所有Validator验证节点，有效降低了质押收益波动对其整体运营效果的影响。

随着LST的使用率上升及其货币属性的增强，独立质押和LSD质押间的差距将进一步拉开。换句话说，随着质押率上升，独立质押相较于LSD质押的竞争劣势愈加显著。

在许多司法管辖区，政府对质押收入征税时以名义收入为基础，而不是经过稀释效应调整后的实际收入。通过某些结构设计，LST能够为持有人提供一定的保护，避免这种税收影响，而独立质押通常无法做到这一点。随着名义收益与实际收益之间差距越来越大，独立质押者的收益水平也进一步被LSD质押者甩开。

基于此，我们提出以下观点：

1. 持有原生ETH应具备经济可行性，确保良好的用户体验，并避免因安全风险导致的价值稀释问题，从而更好地保护ETH持有者的利益。

2. 为了实现真正的经济可扩展性，以太坊的通用货币应尽可能免信任/无需信任。只有这样，才能确保整个系统的稳健和广泛的适用性。

3. 资产价值的稀释保护成为质押的主要激励构成，对质押者和ETH持有者来说都是不理想的结果。依赖稀释保护作为激励可能会带来不必要的市场波动，削弱了质押机制的初衷。

4. 高质押参与率会进一步加剧独立质押者在市场中的竞争劣势，可能让更多用户倾向于利用SSP进行质押，导致质押的集中化，不利于网络的去中心化和安全。

以太坊未来能达到的质押比例仍不确定，我们需要主动采取措施，确定一个最优的质押比例，防止比例过高产生负面影响。即使高质押比例对某些人来说可能是有利的，这个选择也应当是经过充分考量后做出的，而非受到市场外部因素的随机影响。

质押参与比例的最终目标

我认为，以太坊的质押政策应当以质押比例为基准，而非ETH的质押量。ETH的供应量受到EIP-1559和发行机制的影响而波动，以质押比例为标准能够适应这种供应变化。虽然目前ETH的供应变化非常缓慢，自The Merge以来每年下降约0.3%，但其长期影响不可忽视。设立以质押比例为基准的政策，能够在更长时间范围内保持稳定，无需频繁调整。

如前文所说，当前的发行曲线虽然确保了最低的质押水平，但缺乏限制质押比例上限的机制，这可能会导致质押比例过高。我们认为，一个完善的代币发行政策应当设定质押比例的上下限，来确保网络安全，并维持合理的参与度。具体而言，该政策应努力将质押比例保持在一个“既能确保网络安全，又能避免负面外部效应的最佳范围”内。

为此，以太坊可以对过低的质押比例设置超高奖励，对过高的质押比例设置超低奖励、甚至是负奖励，来调节质押比例。通过这种方式，以太坊可以调控质押参与度。这种政策设计的曲线可以参考Vitalik所提出的示例，该曲线展示了如何在不同质押比例下调节奖励，以引导质押行为。

如图中的发行曲线所示，质押参与度较低时奖励丰厚，与当前的政策一致。随着质押参与度的提高，质押收益逐渐减少，直至转为负值。换句话说，质押的收益最终将减少到不再具有任何吸引力，从而抑制质押行为。然而，这种负收益状态不会长期持续，质押参与度会因为这种机制的调节逐渐降低，并在某个合适的水平达到均衡。因此，呈现出这种收益曲线规律的模型，能够确保质押比例维持在合理范围内。

事实上，要达到合理的质押比例范围，并不需要选择一条收益迅速转为负值的曲线，那些在某个临界点之后仅将质押奖励控制在零或接近零的曲线，可能已经足够达到同样效果，既能抑制过度质押，又能维持系统的稳定性。

确定合理质押比例范围带来的影响

确定合理的质押比例的优势在于，能有效避免高质押率带来的各种负面影响。不过，这种策略并非没有缺点，一个明显的例子是，独立质押者在此情况下面临的奖励具有波动性。与高质押率的环境类似，在确定合理质押比例的策略下，激励来源有很大一部分是MEV收益，这会加强其波动性。

因此，尽管确定质押比例范围的优点很多，但也可能加剧本就存在的收益波动性。MEV风险可以通过引入Execution Tickets或MEV Burn等机制来解决，或设置质押费用的方式来缓解，在一定程度上平衡收益的波动性。也有一些人反对将质押比例确定在某一范围内，其中一个具有代表性的观点是，这样做可能会降低整体的均衡收益，从而加剧独立质押者与SSPs的竞争，以及不同SSPs之间的竞争。

反对者的逻辑是，整体均衡收益降低导致资金供应不充足，一些SPPs采用的质押形式可能对以太坊协议更有益，但由于其项目竞争力不足，难以持续盈利而存活下去，导致以太坊的整体效用更低。要应对这一问题，仍然要分清名义收益和实际收益。

虽然确定质押比例范围的策略可能降低名义收益，但实际收益未必会受到影响，。以下示意图进一步了说明这一点。

上图表示采用确定的质押比例范围时，系统达到长期均衡的情景，下图则大致展示了当前以太坊代币发行曲线下的情景。这两个例子都基于相同的假设：约1亿ETH参与了质押，即长期质押供给保持一致，这样的对比才有意义。

下图中，大部分质押激励用于稀释保护，因此实际收益率仅维持在约0.5%左右。而在左图情境中，系统会达到一个较低的名义收益率均衡点，但由于通胀率较低，实际收益率会提高至约1.4%。

这一例子清楚地说明了，确定质押比例范围会合理地提升实际收益率，可以缓解质押者之间的竞争压力。此外，这也有利于不参与质押的ETH持有者，因为能最大限度地减少稀释风险。

开放性问题

本文提出的策略是确定合理的质押比例。然而，这存在一些亟待解决的问题。

1. 质押比例的理想范围是多少？

对于质押比例，我们已经讨论了不理想的范围，但并未明确提出理想化的质押比例区间。其实这个问题相当复杂，需要在社区内进行深入讨论，并会参考Vitalik和Justin的一些意见。

该问题的核心在于权衡——较低的质押参与度会增加协议受到攻击的风险，而过高的质押参与度则可能带来负外部效应。为了更好地确定质押区间，我们可以对不同质押比例下的效用进行建模。一种可能的效用曲线如下所示：

2.如何选择合适的质押收益曲线以达成目标范围？

确定合理的质押比例后，设计者还要选择合适的质押曲线，来实现以太坊质押参与度的均衡。设计者要仔细评估不同曲线的优缺点，挑出最合适的方案。同时，设计者可以继续探索其他机制，例如类似于EIP-1559的反馈控制系统，根据网络状况动态调整质押发行曲线，以确保曲线与网络需求间的匹配度达到最优。

3.如何确保在近零或负发行情况下的激励相容？

激励相容由诺奖得主利Leonid Hurwicz提出，是机制设计的重要原则，具体是说如果某种机制可以将系统内的个人利益与系统整体利益统一起来，该系统就是激励相容的。

以太坊PoS发行的初衷是通过经济激励吸引验证者参与共识，然而在某些质押参与率下，发行收益可能趋近于零，甚至出现负值。尽管在这种情况下，验证者可能为了MEV收益继续质押，但如果缺乏常规的质押奖励，验证节点可能在出块和验证时缺乏足够动力，也就是说当质押发行量过低时，共识机制可能面临失效的风险。

为了解决这一问题，以太坊协议可以对所有验证者收取一定费用，并根据验证者是否称职进行再分配，重新建立激励相容性。然而，这种方案的实施将增加协议的复杂性，因此需要进一步探讨其可行性和有效性。

4.如何以相对（质押比例）而非绝对（固定ETH数量）方式来设定目标范围？

其实也可以将质押发行水平设置为某一绝对的ETH数量，比如3000万枚，或4000万枚ETH，然而为了让发行政策更具前瞻性和适应性，最好直接把质押比例作为考核参数。为了让发行政策以某一特定的质押比例为目标，协议需要掌控ETH质押量和供应量。

5.当质押参与率超出目标区间，如何使其恢复到目标值？

如果当前的质押参与率就在目标区间内，当然是最理想的情况，但如果超出该区间，就必须采取一定措施降低质押参与度，使一部分质押者收益不足进而退出质押。即使我们用最温和的手段降低参与度，这个过程也会对一些质押者产生不利影响。如何尽量降低这种影响仍然是一个需要解决的问题。

结论

我们讨论了当前的以太坊质押激励政策与代币发行方案，详细解释了该发行方案存在的负外部性，探讨了一种可以解决问题的新政策，就是将质押比例设定在一个目标范围内。

然而，鉴于一些尚未解决的问题，尤其是在验证者费用机制和链上MEV捕获机制上的缺失，实现该政策还需要一段时间的过渡。我们提议在这段时间内，对现行的ETH质押与代币发行政策进行革新，作为迈向目标政策的关键一步。

为此，我们在即将到来的Electra升级中，提出了一项关于改革质押发行政策的提案（相关内容可以参考文章Electra:Issuance Curve Adjustment Proposal）。