作者：Story @IOSG
TL;DR
數據挑戰：高性能公鏈的出塊時間競爭進入亞秒級時代。 C 端高並發、高流量波動和多鏈異構需求增加了數據側複雜性，數據基礎設施需轉向實時增量處理+ 動態擴展。傳統批處理ETL 延遲分鐘到小時級，難以滿足實時交易。新興方案如The Graph、Nansen、Pangea 引入流式計算，延遲壓縮至實時跟踪級別。
數據競爭的範式轉移：上週期滿足「能看懂」；本週期強調「能賺錢」。 Bonding Curve 模式下，延遲一分鐘成本可數倍差距。工具迭代：從手動設置滑點→ 狙擊bot → GMGN 一體化終端。交易上鍊能力逐步商品化，核心競爭前沿滑向數據本身：誰能更快捕捉信號，誰就能幫用戶盈利。
交易數據的維度擴展：Meme 本質是注意力金融化，關鍵在敘事、關注度與後續傳播。鏈下輿情× 鏈上數據的閉環：敘事追踪總結、情緒量化成為交易核心。 「水下數據」：資金流向、角色畫像、聰明錢/KOL 地址標籤化，揭示鏈上匿名地址背後隱性博弈。新一代交易終端將鏈上鍊下多維信號融合到秒級，提升入場與避險判斷。
AI 驅動的可執行信號：從信息到收益。新階段競爭目標：夠快、自動化、能帶來超額收益。 LLM+ 多模態AI 可自動提煉決策信號，並結合Copy Trading、止盈止損執行。風險挑戰：幻覺、信號壽命短、執行延遲與風險控制。平衡速度與準確率，強化學習與仿真回測是關鍵。
數據看板的生存抉擇：輕量數據聚合/ 看板類應用缺乏護城河，生存空間被壓縮。向下：深耕高性能底層管道與數研一體化。向上：延展至應用層，直接做用戶場景，提高數據調用活躍度。未來賽道格局：要么成為Web3 水電煤的基礎設施，要么成為Crypto Bloomberg 的用戶平台。
護城河正轉向「可執行信號」和「底層數據能力」，長尾資產與交易數據閉環是加密原生創業者的獨特機會。未來2–3 年的機會窗口：
- 上游基礎設施：Web2 級處理能力+ Web3 原生需求→ Web3 Databricks/AWS。
- 下游執行平台：AI Agent+ 多維數據+ 無縫執行→ Crypto Bloomberg Terminal。
感謝Hubble AI、Space & Time、OKX DEX 等項目對本研報的支持！
引子：Meme、高性能公鏈、AI 的三重共振
在上一輪週期中，鏈上交易的增長主要依賴於基礎設施迭代，進入新周期，隨著基礎設施逐步成熟，以Pump.fun 為代表的超級應用正成為加密行業的新增長引擎。這類資產發行模式以統一的發行機制與精巧的流動性設計，塑造了一個公平原始、暴富神話頻出的交易戰壕。這種高倍財富效應的可複制性，正在深刻改變用戶的收益預期與交易習慣。用戶需要的不僅是更快的入場機會，也需要在極短時間內獲取、解析和執行多維度數據的能力，而現有數據基礎設施已難以承載這種密度和實時性的需求。
隨之而來的是對交易環境更高層次的需求：更低摩擦、更快確認、更深流動性。交易場所正加速遷移至以Solana 和Base 為代表的高性能公鏈與Layer2 Rollup。這些公鏈的交易數據量級相比上一輪的以太坊提升了10 倍有餘，為現有數據提供商帶來了更嚴峻的數據性能挑戰。伴隨Monad、MegaETH 等新一代高性能公鏈上線在即，鏈上數據處理與存儲需求將呈現指數級增長。
與此同時，AI 的快速成熟正在加速實現智能平權。 GPT-5 的智力已經達到博士水平，Gemini 等多模態大模型可以輕鬆理解K 線…… 借助AI 工具，原本複雜的交易信號現在也可以被普通用戶理解執行。在這一趨勢下，交易者開始依賴AI 做出交易決策，而AI 交易決策離不開多維度、高實效數據。 AI 正在從「輔助分析工具」演變為「交易決策中樞」，其普及進一步放大了對數據實時性、可解釋性與規模化處理的要求。
在Meme 交易狂潮、高性能公鏈擴張與AI 商品化的三重共振下，鏈上生態對全新數據基礎設施的需求越發迫切。
應對十萬TPS、毫秒級出塊的數據挑戰
隨著高性能公鏈與高性能Rollup 的崛起，鏈上數據的規模與速度已進入全新階段。
伴隨高並發與低延遲架構的普及，單日交易量輕鬆突破千萬筆，原始數據規模以百GB 計。以Solana 為例，其近30 天日均TPS 超過1,200，每日交易數超1 億筆；在8 月17 日更是創下了107,664 TPS 的歷史新高。據統計，Solana 賬本數據以每年80-95 TB 的速度快速增長，換算到每天就是210-260 GB。
▲ Chainspect，30 天平均TPS
▲ Chainspect，30 天交易量
不僅吞吐量攀升，新興公鏈的出塊時間也已進入毫秒級。 BNB Chain 的Maxwell 升級將出塊時間縮短至0.8s，Base Chain 的Flashblocks 技術則壓縮至200ms。今年下半年，Solana 計劃以Alpenglow 取代PoH，將區塊確認時間降至150ms，而MegaETH 主網更以10ms 的實時出塊為目標。這些共識與技術的突破大幅提升了交易的實時性，卻對區塊數據同步和解碼能力提出了前所未有的要求。
然而，下游數據基礎設施大多仍依賴批處理ETL 管道，不可避免地存在數據延遲。以Dune 為例，Solana 上的合約交互事件數據通常延遲約5 分鐘，而協議層聚合數據甚至需等待1 小時。這意味著，用戶本可在400ms 內被確認的鏈上交易，卻要延遲數百倍才能在分析工具中可見，對實時交易類應用而言幾乎不可接受。
▲ Dune, Blockchain Freshness
為應對數據供給側的挑戰，部分平台已轉向流式與實時架構。 The Graph 借助Substreams 與Firehose 將數據延遲壓縮至近實時。 Nansen 通過引入ClickHouse 等流式處理技術，在Smart Alerts 與實時儀錶盤上實現了數十倍性能提升。 Pangea 則通過匯聚社區節點提供的計算、存儲與帶寬，以不到100ms 的延遲為做市商、量化分析師、中央限價訂單簿(Clobs) 等B 端提供實時流式數據。
▲ Chainspect
除了數據量龐大，鏈上交易還呈現出明顯的流量分佈不均特徵，過去一年間，Pumpfun 週交易量最低到最高相差近30 倍。 2024 年，Meme 交易平台GMGN 曾在4 天內遭遇6 次服務器「擠爆」的事故，被迫將底層數據庫從AWS Aurora 遷移至開源分佈式SQL 數據庫TiDB。遷移後，系統的水平擴展能力與計算彈性大幅提升，業務敏捷性提高了約30%，顯著緩解了交易高峰期的壓力。
▲ Dune, Pumpfun Weekly Volume
▲ Odaily, TiDB 的Web3 服務案例
多鏈生態進一步加劇了這種複雜性。不同公鏈在日誌格式、事件結構和交易字段上的差異，使得每新增一條鏈都需要定制化的解析邏輯，極大考驗數據基礎設施的靈活性與可擴展性。一些數據提供商因此採取「客戶優先」策略：哪裡有活躍的交易活動，就優先接入哪條鏈的服務，在靈活性與規模化之間權衡取捨。
如果在高性能鏈盛行的背景下，數據處理仍停留在固定間隔模式的批處理ETL 階段，就會面臨延遲積壓、解碼瓶頸和查詢滯後的困境，無法滿足對實時性、精細化和動態交互的數據消費需求。為此，鏈上數據基礎設施必須進一步演進至流式增量處理與實時計算架構，同時配合負載均衡機制，以應對幣圈週期性交易高峰帶來的並發壓力。這不僅是技術路徑的自然延伸，也是保證實時查詢穩定性的關鍵環節，更將在新一代鏈上數據平台的競爭中形成真正的分水嶺。
速度即財富：鏈上數據競爭的範式轉移
鏈上數據的核心命題，已從「可視化」轉向「可執行」。在上個週期，Dune 是鏈上分析的標配工具。滿足了研究者和投資者「能看懂」的需求，人們用SQL 圖表拼接鏈上敘事。
- GameFi 和DeFi 玩家們依賴Dune 追踪資金流入流出，計算打金收益率，並在市場拐點前及時撤退。
- NFT 玩家們通過Dune 分析成交量趨勢、鯨魚持倉和分佈特徵，以預測市場熱度。
然而在本輪週期，Meme 玩家是最活躍的消費群體。他們推動了現象級應用Pump.fun 累計創收7 億美元，接近上個週期消費級龍頭應用Opensea 總收入的2 倍。
在Meme 賽道中，市場的時間敏感性被放大到極致。速度不再是錦上添花，而是決定盈虧的核心變量。在由Bonding Curve 定價的一級市場，速度即成本。代幣價格隨買入需求指數級上漲，哪怕延遲一分鐘，入場成本也可能相差數倍。據Multicoin 研究，該遊戲中最賺錢的玩家通常要支付10% 的滑點才能比競爭對手提前三個點入塊。財富效應與「暴富神話」推動玩家追逐秒級K 線、同區塊交易執行引擎和一站決策面板，比拼信息收集和下單速度。
▲ Binance
在Uniswap 的手動交易時代，用戶需自行設置滑點與gas，前端也看不到價格，交易更像是一次「買彩票」；到BananaGun 狙擊bot 時代，自動狙擊和滑點技術讓零售玩家得以和科學家站在同一起跑線；再到PepeBoost 時代，Bot 在第一時間推送開池信息的同時，也會同步推送前排持倉數據；最終發展至如今的GMGN 時代，打造了集K 線信息、多維數據分析與交易執行於一體的終端，成為meme 交易的「Bloomberg Terminal」。
隨著交易工具不斷迭代，執行門檻逐漸消解，競爭前沿不可避免地滑向數據本身：誰能更快、更準地捕捉信號，誰就能在瞬息萬變的市場中建立交易優勢，幫用戶賺錢。
維度即優勢：K 線之外的真相
Memecoin 的本質是注意力的金融化。優質敘事能持續破圈，聚合注意力，價格與市值由此被推高。對Meme 交易者而言，實時性固然重要，但要想拿到大結果，更關鍵的是回答三件事：這個代幣的敘事是什麼、誰在關注、以及注意力如何在未來持續放大。這些僅在K 線上留下影子，真正的驅動力需要依賴多維數據——鏈下輿情、鏈上地址與持倉結構、以及二者的精準映射。
鏈上× 鏈下：從注意力到成交的閉環
用戶在鏈下吸引註意力，在鏈上完成交易，二者的閉環數據正在成為Meme 交易的核心優勢。
#敘事追踪與傳播鏈識別
在Twitter 等社交平台，諸如XHunt 的小工具可幫助Meme 玩家分析項目的KOL 關注列表，以判斷項目背後的關聯人以及潛在註意力傳播鏈。 6551 DEX 通過聚合推特、官網、推文評論、發盤記錄、KOL 關注等，為交易者生成完整的、隨輿情實時變化的AI 報告，幫助交易者精準捕捉敘事。
#情緒指標量化
Kaito 和Cookie.fun 等Infofi 工具對Crypto Twitter 做內容做聚合與輿情分析，給出Mindshare、 Sentiment、Influence 的可量化指標。以Cookie.fun 為例，其將這兩項指標數據直接疊加到價格圖表上，把鏈下情緒變成可讀的「技術指標」。
▲ Cookie.fun
#鏈上鍊下並列重要
OKX DEX 在產品上將Vibes 分析與行情並列展示，聚合KOL 喊單時間點、頭部關聯KOL、Narrative Summary 與綜合打分，縮短鏈下信息檢索時間。 Narrative Summary 已然成為用戶反響最好的AI 產品功能。
水下數據展示：把「可見賬本」轉成「可用Alpha」
傳統金融的訂單流數據掌握在大型經紀商手中，量化公司為了優化交易策略，每年需支付數億美元才能獲取。相比之下，Crypto 的交易賬本完全公開透明，相當於將高價情報「開源化」，形成一座亟待開采的露天金礦。
水下數據的價值在於從可見的交易中提煉出不可見的意圖。這包括資金流向與角色刻畫——莊家建倉或派發線索、KOL 小號地址、籌碼集中或分散、捆綁交易（bundles）與異常資金流向；也包括地址畫像聯動——對各地址進行聰明錢、KOL/VC、開發者、釣魚、老鼠倉等標籤劃分，並與鏈下身份綁定，串聯鏈上鍊下數據。
這些信號往往難以被普通用戶察覺，卻能顯著影響短期市場走勢。通過實時解析地址標籤、持倉特徵與捆綁交易，交易輔助工具正在揭示「水面之下」的博弈動向，幫助交易者在秒級行情中規避風險、尋找alpha。
例如，GMGN 在鏈上實時交易和代幣合約數據集合之上，進一步整合了聰明錢、KOL/VC 地址、開發者錢包、老鼠倉、釣魚地址、捆綁交易等標籤分析，將鏈上地址與社媒賬號映射，把資金流動、風險信號與價格行為對齊到秒級，幫助用戶更快進行入場和避險判斷。
▲ GMGN
AI 驅動的可執行信號：從信息到收益
「下一輪AI，賣的不是工具，而是收益。」 —— 紅杉資本
這一判斷在Crypto Trading 領域同樣成立。當數據的速度和維度都達標後，再往後的競爭目標便是在數據決策環節，能否把多維複雜數據，直接轉化為可執行的交易信號。數據決策的評價標準可以歸結為三點：夠快，自動化，以及超額收益率。
夠快：隨著AI 能力的不斷進步，自然語言與多模態LLM 的優勢在這裡將逐步發揮。它們不僅能整合與理解海量數據，更能在數據之間建立語義聯繫，自動提煉出決策性結論。在鏈上高強度、低交易深度的交易環境中，每個信號都具有很短的時效性和資金容量，速度直接影響了信號能帶來的收益率。
自動化：人無法一天24 小時盯盤交易，但AI 可以。例如，用戶可以在Senpi 平台向Agent 下達帶止盈止損的Copy Trading 條件買入單。這就需要AI 在後台實時對數據做輪詢或監控處理，並在監控到建議信號時自動決策下單。
收益率：最終，任何交易信號的有效性都取決於它能否持續帶來超額回報。 AI 不僅需要對鏈上信號有足夠的理解能力，還要結合風險控制，在波動性極高的環境下盡量提升風險收益率。比如將滑點損失、執行延遲等鏈上獨有的收益率影響因素考慮在內。
這種能力正在重塑數據平台的商業邏輯：從賣「數據訪問權」，到賣「收益驅動信號」。下一代工具的競爭焦點不再是數據覆蓋，而是信號的可執行性——能否真正完成從「洞察」到「執行」的最後一公里。
一些新興項目已開始探索這一方向。例如：Truenorth 作為AI 驅動的發現引擎，它將「決策執行率」納入信息有效性評估，通過強化學習不斷優化結果輸出，最大限度減少無效噪音，幫助用戶構建直接面向下單的可執行信息流。
▲ Truenorth
儘管AI 在生成可執行信號上具備巨大潛力，但也面臨多重挑戰。
幻覺：鏈上數據高度異構且噪音龐雜，LLM 在解析自然語言查詢或多模態信號時，容易出現「幻覺」或過度擬合，影響信號收益率和準確性。比如對於多個同名代幣， AI 時常無法找到CT Ticker 對應的合約地址。又比如對於很多AI 信號產品，大家常會將CT 中對AI 的討論指向Sleepless AI。
信號壽命：交易環境瞬息萬變。任何延遲都會侵蝕收益，AI 必須在極短時間內完成數據提取、推理與執行。即使是最簡單的Copy Trading 策略，若沒有跟進聰明錢，收益也會由正轉負。
風險控制：在高波動場景下，若AI 連續上鍊失敗或滑點過大，不僅無法帶來超額收益，還可能在幾分鐘內消耗掉全部本金。
因此，如何在速度與準確性之間找到平衡，並通過強化學習、遷移學習、仿真回測等機制來降低錯誤率，是AI 在這一領域落地的競爭點。
向上還是向下？數據看板的生存抉擇
隨著AI 能夠直接生成可執行信號甚至輔助下單，單純依賴數據聚合的「輕中間層應用」正面臨生存危機。無論是把鏈上數據拼成看板工具，還是在聚合之上套一層執行邏輯的交易Bot，本質上都缺乏可持續的護城河。過去，這類工具憑藉便捷性或用戶心智（例如用戶習慣在Dexscreener 查看代幣CTO 情況）尚能立足；但如今，當相同數據在多處可得、執行引擎日益商品化、AI 能直接在同一數據之上生成決策信號並觸發執行時，它們的競爭力正在被迅速稀釋。
未來，高效的上鍊執行引擎會不斷成熟，進一步降低交易門檻。在這種趨勢下，數據提供商必須做出選擇：要么向下，深耕更快的數據獲取與處理基礎設施；要么向上，延伸至應用層，直接掌控用戶場景與消費流量。夾在中間、只做數據聚合與輕量封裝的模式，生存空間將持續被擠壓。
向下，意味著構建基礎設施護城河。 Hubble AI 在做交易產品的過程中，意識到單純依賴TG Bot 無法形成長期優勢，於是轉向上游數據處理，致力於打造「Crypto Databricks」。在將Solana 數據處理速度做到極致後，Hubble AI 正從數據處理走向數研一體化平台，在價值鏈上游佔據位置，為美國「金融上鍊」敘事和鏈上AI Agent 應用的數據需求提供底層支撐。
向上，則意味著延展至應用場景，鎖定終端用戶。 Space and Time 起初定位於亞秒級SQL 索引與預言機推送，但近期也開始探索C 端消費場景，推出以太坊上的Dream.Space ——一種「vibe coding」產品。用戶可以自然語言編寫智能合約或生成數據分析Dashboard。這一轉型不僅提高了自身數據服務的調用頻率，也藉助終端體驗與用戶形成直接粘性。
由此可見，夾在中間、僅靠出售數據接口的角色正在失去生存空間。未來的B2B2C 數據賽道，將由兩類玩家主導：一類是掌控底層管道、成為「鏈上水電煤」的基礎設施型公司；另一類是貼近用戶決策場景、把數據轉化為應用體驗的平台。
小結
在Meme 狂潮、高性能公鏈爆發與AI 商業化的三重共振下，鏈上數據賽道正在經歷結構性轉折。交易速度、數據維度與執行信號的迭代，讓「看得見的圖表」不再是核心競爭力，真正的護城河正在轉向「能幫用戶賺錢的可執行信號」與「支撐這一切的底層數據能力」。
未來2–3 年，加密數據領域最具吸引力的創業機會，將出現在Web2 級別基礎設施成熟度與Web3 鏈上原生執行模式的交匯點上。 BTC/ETH 等大幣種的數據由於高度標準化，特徵接近傳統金融期貨類產品，已逐漸被傳統金融機構與部分Web2 金融科技平台納入數據覆蓋範疇。
相反，Meme 幣及長尾鏈上資產的數據呈現出極高的非標準性與碎片化特徵——從社區敘事、鏈上輿情到跨鏈流動性，這些信息需要結合鏈上地址畫像、鏈下社交信號甚至秒級交易執行來解讀。正是在這一差異下，長尾資產與Meme 數據的處理和交易閉環，才構成了加密原生創業者的獨特機會窗口。
我們看好在以下兩個方向長期深耕的項目：
上游基礎設施—— 擁有比肩Web2 巨頭處理能力的流式數據管道、超低延遲索引、跨鏈統一解析框架的鏈上數據公司。這類項目有望成為Web3 版的Databricks/AWS，伴隨用戶逐步向鏈上遷移，交易量級有望呈數量級增長，B2B2C 模式具備長期復利價值。
下游執行平台—— 集成多維數據、AI Agent 與無縫交易執行的應用。通過將鏈上/ 鏈下的碎片化信號轉化為可直接執行的交易，這類產品有潛力成為Crypto 原生的Bloomberg Terminal，其商業模式不再依賴數據訪問費，而是通過超額收益與信號交付變現。
我們認為，這兩類玩家將主導下一代加密數據賽道，並構建可持續競爭優勢。
聲明：本內容為作者獨立觀點，不代表0x财经 立場，且不構成投資建議，請謹慎對待，如需報導或加入交流群，請聯繫微信：VOICE-V。
來源：IOSG
