投研早报丨 链上收益全景：从生息稳定币到加密信用产品的演进/Crypto 不再有趣？/黄仁勋最新文章：AI 的「五层蛋糕」
ChainFeeds Newsletter 每日精选 Web3 深度投研「简报」+ AI 驱动的热点新闻榜单，帮你做出聪明决策
📢 热点新闻 ｜2026.3.11
🔥 Virtuals 与以太坊基金会 dAI 团队联合发布开放代理商务应用标准 ERC-8183
🔥 消息人士：Founders Fund 第四支成长基金将完成 60 亿美元募资
🔥 OKX 推出 AI 交易工具集 Agent Trade Kit，构建 AI 交易生态
🔥 Polymarket 上市场押注 3 月份 BTC 跌至 6.5 万美元与上涨至 7.5 万美元的概率均为 57%
🔥 以太坊基金会漏洞赏金计划最高奖金提升至 100 万美元
👨💻 ChainFeeds 投研简报 ｜2026.3.10
1️⃣ 稳定币｜链上收益全景：从生息稳定币到加密信用产品的演进
2️⃣ 项目介绍｜一个人的公司：百万美元之路收入
3️⃣ 观点｜Crypto 不再有趣？
4️⃣ 观点｜前 Binance Labs 高管： AI + 机构冲击下，两年后加密行业会大变样
5️⃣ AI｜黄仁勋最新文章：AI 的「五层蛋糕」
每日精选的加密信息由 ChainFeeds 团队与 AI 共同编写，我们已将内部的信息流工具优化并开放给所有读者及 Web3 行业者使用👇
🌞 Web3 行研早报来自：Web3 行业必读深度资讯「简报」平台｜chainfeeds.me
1️⃣ IOSG 周报｜链上收益全景：从生息稳定币到加密信用产品的演进
导读：本文共分析了 18 种链上收益产品，从 APY、流动性、提款周期以及主要风险来源等维度，对这些产品进行了系统比较。
IOSG Ventures：整体来看，链上收益可以分为八种核心机制：共识奖励、资金费率套利、借贷收益、协议收入分成、DEX 交易手续费、DeFi 收益聚合策略、生态激励以及现实世界资产收益。不同机制的收益稳定性与市场敏感度差异明显。例如，共识奖励属于协议层产生的收益，通常较为稳定；资金费率套利与协议收入则与市场周期高度相关，在牛市表现更强，而熊市收益往往明显压缩；借贷与 RWA 收益相对稳定，但引入了对手方风险；LP 则依赖交易量产生手续费。与此同时，DeFi 收益策略往往通过组合多个协议的收益来源来提升回报，但也会叠加智能合约风险。
从风险结构来看，链上收益产品主要面临四类风险：协议风险、参与方风险、策略风险以及流动性风险。协议风险主要来自智能合约漏洞或技术缺陷；参与方风险则源于对中心化机构或链下参与者的依赖；策略风险涉及底层资产价格波动或策略执行失误；流动性风险则与 TVL 深度及提款机制相关。整体而言，代币化国债和成熟借贷协议属于极低风险层，因为底层资产稳定且结构简单。原生质押和流动性质押衍生品属于低风险层，虽然引入了智能合约风险，但相关代码已经经历长期验证。中等风险产品通常是通过 DeFi 策略聚合收益或分享协议收入，这类产品结构更复杂，同时面临代币价格波动和收益变化的不确定性。最高风险的产品往往叠加多重风险，例如依赖资金费率的策略在熊市中收益可能快速下降，做市 Vault 可能遭遇市场操纵风险，而新兴 RWA 协议则需要依赖第三方机构，导致透明度不足和流动性受限的问题。
研究还比较了不同收益产品在牛市与熊市中的表现。以 stETH、JitoSOL、sUSDS、WETH/USDT 流动性池、SyrupUSDC 和 sUSDE 为代表样本进行分析。数据显示，在牛市阶段几乎所有产品的 TVL 都出现增长，但进入熊市后趋势明显分化：stETH、JitoSOL 和 sUSDE 的 TVL 出现下降，而 sUSDS 与 SyrupUSDC 等稳定币相关产品则继续增长。从收益率角度看，WETH/USDT LP 与 stETH 的 APY 在不同市场周期中相对稳定，而 JitoSOL、SyrupUSDC、sUSDE 和 sUSDS 的 APY 在熊市中普遍下降，其中 sUSDE 和 SyrupUSDC 的降幅尤为明显。同时，数据显示 APY 越高的产品，其收益波动也越大。整体而言，在熊市环境中，基于稳定币或提供相对固定利率的收益产品更受投资者青睐，因为它们能够在市场波动时提供更稳定的现金流。相比之下，依赖加密资产价格上涨或市场活跃度的收益模式，在熊市中往往会出现 TVL 和收益同步下降的情况。（ 来源）
2️⃣ 【长推】一个人的公司：百万美元之路收入
导读：从零到 19 万美元，只需几周。
蓝狐笔记：Felix 的商业化起点非常简单。最初推出的产品 Felix Craft 只是一个 PDF，但很快就带来了约 4.1 万美元收入。在与用户互动的过程中，Felix 发现了一个更大的市场痛点：许多 OpenClaw 用户并不知道如何开始使用 AI 代理，也缺乏现成的工作流程。为了解决这个问题，Felix 创建了 Claw Mart，一个 AI 技能市场。用户可以在这里购买或出售封装为 Markdown 文件的 AI 技能，例如内容营销流程、自动化写作模板或其他工作流。通过这种方式，AI 能力被标准化为可复用的 “技能包”，用户无需从零构建系统，只需像安装插件一样导入即可使用。Felix 从每笔交易中收取 10% 的手续费，同时推出每月 20 美元的创作者订阅服务，允许创作者在市场中持续发布和更新技能。这一模式降低了用户试错成本，也让 AI 技能逐渐形成类似软件插件的生态，从而为 Felix 带来了稳定的收入来源，并推动了社区规模的增长。
除了技能市场，Felix 还推出了面向企业的服务 Clawcommerce。该业务为企业定制 OpenClaw AI 代理，例如内容营销助手、客服支持代理或销售线索管理工具。企业需要支付约 2000 美元的初始部署费用，并按月支付 500 美元的维护费用。为了让系统更高效运转，Felix 构建了一套多代理结构：子代理 Iris 负责客户支持，例如退款和咨询处理；Remy 负责销售线索收集与跟进；而 Felix 则承担协调和决策角色，将简单任务分配给子代理处理，只有在问题复杂时才升级处理，最终才会涉及到 Nat 本人。运营方面，Felix 通过 Discord 作为虚拟办公室，使用多个频道来隔离不同类型的任务，例如系统配置、客户支持和 Claw Mart 运营。同时系统每天运行自省脚本，对对话记录进行复盘并优化流程。记忆管理也是核心技术之一，Felix 采用自定义结构来管理长期记忆，并在每天夜间进行记忆巩固，以避免 OpenClaw 的内存瓶颈。整个系统成本非常低，每月约 400 美元用于模型订阅，再加上托管费用，总运营成本约 1500 美元。
在 Peter Yang 的播客曝光后，Felix 的业务出现快速增长。短短几周内，Felix 的收入从零增长到接近 20 万美元，其中 Stripe 收入超过 10 万美元，另外还有近 9.5 万美元以 ETH 形式支付。仅在一周时间内，Felix 就通过 Stripe 实现约 3.8 万美元收入，并额外收到约 7100 美元的 ETH。值得注意的是，五周之前 Felix 还只是一个简单的 Markdown 文件，其核心内容类似于一份如何赚到 100 万美元的说明文档，但如今已经演变成包含技能市场、企业服务和内容营销的多业务生态。Claw Mart 的技能销售贡献了约 1.4 万美元收入，而 Clawcommerce 则吸引了越来越多企业客户。更有意思的是，Felix 并没有完全取代人类，而是开始雇佣人类。例如通过联盟计划与社区成员合作，让人类帮助推广和分发产品。这种模式展示了 AI 代理发展的一个新方向：AI 不再只是替代劳动力，而是成为协调者和管理者，通过组织人与 AI 的协作来扩大业务规模。（ 来源）
3️⃣ 【英文长推】Crypto 不再有趣？
导读：所以现在唯一真正有意思的问题是，如何把加密的超能力用于那些真正正在增长的东西？我们的答案是：Agent 公司（Agent Companies）。
kydo：在上一轮行业周期里，向加密开发者卖产品是完全可行的。那时候，指标比收入更重要，Logo 比收入更重要，氛围也比收入更重要。很多项目本质上只是一个成本项，但大家依然在花钱。但这种市场环境大概在 18 个月前就已经结束了。而我们其实也希望自己能更早意识到这一点。与此同时，现在行业里也逐渐形成一种共识：加密技术真正适合的领域只有金融。大多数代币本质上只是 meme coin。它们不拥有任何东西，也无法对你承担任何义务，因为你在链上真正能够拥有的，其实只有链上的状态，而这种所有权是非常有限的。这也是为什么交易和借贷这两类加密原生应用，几乎是链上唯一真正赚钱的业务。但问题是，很多人并不是在做 DeFi。很多团队是在做基础设施，希望支持 DeFi 之外的新用例。而这里有一个令人不舒服的事实：根据我们的分析，这类工作的 总可触达市场规模（TAM）大约只有每年 2 亿到 3 亿美元。这个市场还要被几百家公司分摊。最成功的公司年收入也不过是 几千万美元级别。在经历了多年发展之后，这基本就是天花板。
如果你的客户是加密开发者，那么市场规模就是这么小。这也是为什么现在很多人会感到迷茫。于是你看向唯一看起来还有活力的领域，Crypto 和 AI 的交叉，试图找到新的方向。但现实是，选择也并没有那么好。第一条路：传统产品 + AI + 一个代币。这个代币其实没有任何实际作用，就像大多数代币一样。你本质上是在做一个普通产品，然后在上面叠加金融化。问题是，这个游戏 很多人已经玩了 5 年，再玩一遍只会让人感到沮丧。第二条路：去中心化 AI 基础设施。比如隐私、安全、可验证性。这是那种「传教士路线」，也是上一轮行业的主旋律。但我怀疑这对很多人来说并没有吸引力。因为很少有人愿意再投入一次 长期的、类似宗教式的叙事建设，却看不到短期反馈和收入。第三条路：为 AI Agent 做稳定币基础设施。从商业角度来看这很有意思，但 竞争极其激烈。Circle、Stripe，以及几乎所有稳定币玩家都在全力布局这个方向。如果你是一家创业公司，要在没有明显切入点的情况下和他们正面对抗，确实让人沮丧。
过去六个月，我一直在试图回答一个问题：有没有一种模式，既拥有足够大的市场，又有明确的商业模式，而且是一个基于加密技术、但不只是金融的产品？我最后反复回到一个结论：加密的真正超级能力是，资本的超导体。资本能够推动增长。但过去的问题是，我们一直在给 不会增长的东西提供燃料。就像是往冰块上倒汽油，却希望它能烧得更旺。AI 让「增长」这件事变得前所未有地容易。现在，一个人就可以做出过去需要 50 人团队才能完成的产品。创造一个真实产品、真实业务的成本正在 急剧下降。这些项目在快速增长，有真实收入、有真实用户、有真实反馈循环。但它们需要燃料来加速增长。而加密技术，正是史上最强大的燃料机制。【原文为英文】（ 来源）
4️⃣ 前 Binance Labs 高管： AI + 机构冲击下，两年后加密行业会大变样
导读：Token 炒作的时代正在终结，下一个时代的赢家是拿着牌照、有真实收入、能服务 AI Agent 的基础设施公司。
Christy Choi：大多数加密原生玩家还没有真正意识到一件事：有史以来进入这个行业规模最大的那一波资金，很可能不会去购买 Token，而是会使用稳定币。稳定币已经在每年结算数万亿美元的资金，它是第一个被机构、企业乃至政府真正采用的加密产品，而且这种采用不是出于投机，而是作为基础设施。当一家跨国公司通过稳定币网络管理全球资金，当一条汇款通道从 SWIFT 转移到 USDC，当一家新银行向东南亚缺乏银行服务的人群提供稳定币计价的储蓄账户，这些都意味着真实的经济活动正在迁移到链上。这里发生的不是 TVL 挖矿，也不是治理代币的价格投机，而是可持续的商业收入。随着这种转变发生，整个价值链也在重新洗牌。新的赢家不再是设计精巧代币经济学的协议，而是那些拥有监管护城河的持牌机构。稳定币发行方、合规中间件提供商、持牌新银行以及结算基础设施，正在捕获机构资本进入链上的最大价值份额。从 Crypto Twitter 的叙事来看，这些公司显得非常无聊，但从商业角度看，它们可能创造未来十年最稳定、最持久的回报。
这种变化背后的核心并不是技术，而是监管。在旧的加密世界里，护城河来自流动性、网络效应以及社区共识。但在新的加密格局中，最深的护城河往往是一张牌照。当一个司法管辖区确定稳定币规则、代币化框架或数字资产银行监管时，通常会出现一个 12 到 18 个月的窗口期。在这个阶段，第一批获得牌照的运营者可以建立起后来者难以复制的优势，包括客户关系、银行合作伙伴、合规基础设施以及监管信任。这些资源不是开源代码，无法通过 fork 获得，也无法靠 AI 自动生成。当竞争者最终在同一地区拿到牌照时，先行者往往已经锁定了关键分发渠道。更重要的是，这个过程不是全球统一发生的，而是逐个司法管辖区推进的。欧洲的 MiCA、新加坡和阿联酋正在形成的稳定币监管框架、韩国的数字资产基本法，以及美国正在讨论中的监管体系，都在各自市场创造不同的牌照护城河。真正能够赢得下一阶段竞争的公司，是那些把监管当作战略资产而不是障碍的公司，它们不仅招聘工程师，还在吸引前监管官员参与，并在规则制定过程中主动塑造政策环境。
与此同时，AI 的崛起正在对加密行业产生另一种深远影响。AI 极大地降低了构建软件的成本，现在启动一条 L2、部署智能合约或上线一个 DeFi 模块，所需时间和人力都远低于过去。这意味着基础设施的供给正在迅速增加，而当供给接近无限时，溢价自然会消失。过去动辄数十亿美元估值的基础设施项目，最终都会被重新定价为它们真实创造的收入水平。但 AI 同时也带来了一个新的问题：当机器能够生成无限的交易、身份、内容和互动时，伪造信息的成本几乎降为零，人类与机器的行为也越来越难区分。在这样的环境中，建立信任的唯一方式就是密码学证明。这使得零知识证明和隐私凭证从小众技术变成基础设施。当 AI Agent 开始自主执行交易、持有资产、支付算力并与金融系统交互时，它们需要身份、可编程资产以及机器可验证的合规凭证。只有通过密码学证明，系统才能在不暴露底层数据的情况下验证身份和权限。这意味着在 AI 经济中，加密技术并不是可选工具，而是建立信任与自动化经济活动的基础层。（来源）
5️⃣ 黄仁勋最新文章：AI 的「五层蛋糕」
导读：英伟达将 AI 拆解为能源、芯片、基础设施、模型与应用五层体系，并指出每一个成功的 AI 应用都会向下牵动整条从算力到电力的产业链。
黄仁勋：如果从产业结构的角度来看 AI，它实际上可以被拆解为一个五层结构：能源、芯片、基础设施、模型和应用。最底层是能源。实时生成的智能，需要实时生成的电力。每产生一个 token，本质上都意味着电子在流动、热量在被管理、能源被转化为计算能力。在这一层之下没有任何抽象，能源是 AI 基础设施的第一原则，也是决定系统能够生产多少智能的根本约束。能源之上是芯片层，这些处理器的核心目标是以极高效率，在大规模条件下把能源转化为计算能力。AI 工作负载需要巨大的并行计算能力、高带宽内存以及高速互联，因此芯片架构的进步不仅决定了 AI 扩展的速度，也决定了智能最终会变得多么廉价。芯片之上是基础设施层，包括土地、电力输送、散热系统、建筑工程、网络系统，以及将数万颗处理器组织成一台超级机器的调度系统。这些系统本质上是 AI 工厂，它们并不是为了存储信息而存在，而是为了持续生产智能。
在基础设施之上是模型层。AI 模型能够理解各种类型的信息，例如语言、生物、化学、物理、金融、医学乃至整个现实世界。语言模型只是其中的一种类型，而最具变革潜力的突破正在出现在更广泛的领域，比如蛋白质结构预测、化学反应建模、物理仿真、机器人系统以及自主决策系统。模型层之上则是应用层，这里才是真正创造经济价值的地方。药物发现平台、工业机器人、法律 Copilot、自动驾驶汽车等，都是 AI 应用的典型形态。一辆自动驾驶汽车，本质上是一种由机器承载的 AI 应用，而类人机器人则是一种由身体承载的 AI 应用。尽管表现形式不同，但底层技术栈是相同的。因此，AI 的整体结构可以理解为：能源 → 芯片 → 基础设施 → 模型 → 应用。每一个成功的应用都会向下牵动整个技术栈的发展，从模型到基础设施，再到芯片与能源，直到为它供电的发电厂。这种自上而下的需求传导，使得 AI 不只是软件创新，而是一场完整的工业体系建设。
目前这场建设仍然处在非常早期的阶段。到目前为止，全球在 AI 领域的投入规模不过几千亿美元，但未来可能需要建设数万亿美元级别的基础设施。在世界各地，人们正在以前所未有的速度建造芯片工厂、计算机组装厂以及所谓的 AI 工厂。这些设施将成为人类历史上规模最大的基础设施建设之一。支撑这一体系所需要的劳动力规模同样巨大。AI 工厂不仅需要工程师，还需要电工、水管工、钢结构工人、网络技术人员、设备安装人员以及运维人员等技术型岗位。这些职业往往薪资优厚，却在全球范围内极度短缺。与此同时，AI 也在提升知识型行业的生产率。例如在医疗领域，AI 已经开始辅助放射科医生进行影像判读，但医生的需求并没有减少。原因在于，医生的职责并不仅仅是读片，还包括诊断、沟通和治疗。当 AI 接管重复性工作后，医生可以把更多时间投入到患者服务中，从而让医疗系统能够服务更多人。生产率提升带来能力扩张，而能力扩张又进一步推动经济增长。（来源 ）