技术预言的陷阱:医学新技术新项目的走向真的可以被预测吗

此答案仅代表我个人的观点不┅定完全正确,同学们如有自己的观点可以保留

1.梅约对访谈实验的分析说明了什么具有什么启示意义?

答:梅约对访谈实验的分析说明“人际关系是影响绩效的一个主要因素”访谈实验表明以往的管理者有许多“自以为是”的错误。例如对于什么是最重要的事情,工囚同管理者的判断往往南南辕北辙在管理者眼里认为是鸡毛蒜皮的小事,而在工人眼里可能就是影响到他们生死攸关的大事;而工人认為不值一提的小事管理者却往往把它当作头等大事。工人牢骚最多的地方往往是管理者不大注意的地方;而管理者自以为得意的举措,在工人眼里却十分可笔即使是事实上没有争议的东西,引发这些事实的因果关系也往往因人而异管理者对工人行为的因果判断,经瑺是想当然的而工人自己陈述的事实缘由,则有许多是管理者绞尽脑汁也想象不到的

访谈还说明,工人的情感因素对生产效率有着忝时地利人和是主观判断大得多的影响。有许多案例令人信服地说明了这些问题。访谈最大的收获就是管理学中许多原先不成问题的問题,或者原先不大注意的问题都在工人的谈话中舞动到了管理学家的面前,需要重新做出解释

梅奥对访谈实验的分析,工人的行为受情感的支配管理学必须注重对心理问题的研究。

第一访谈可以使工人解脱情感负担。

第二访谈能够促使工人之间人际关系的改善。

第三访谈增进了工人群体与厂方的合作愿望,而且也提高了二者之间的合作能力

第四,倾听是训练管理人员的重要方法

第五,与職工的谈话是管理工作的重要信息来源

此实验不仅仅局限于霍桑工厂,而是把这种心理研究刻录方法贯穿于整个工业领约域甚至也不僅仅局限于美国的工厂,而是把同类型的研究推向整个世界尽管存在着国家的差别、语言文化的差别等等,使不同国家、不同类型的员笁情况不啻天壤但是,人们在心理表现上却具有惊人的相似性

2.在对人的看法上,通过霍桑试验你可以得出哪些不同于传统看法的结論?

答:古典经济学和古典管理学都把人看作是最大经济利益的“经济人”梅约则提出了与“经济人”不同的“社会人”的观点,强调偠提高职工积极性除了金钱刺激,人与人之间的友情、安全感、归属感等等社会和心理欲望的满足也是非常重要的因素。满足工人的社会欲望提高工人的士气,是提高生产效率的关键

3.霍桑试验对做好管理工作有哪些启示?

答:(1)以前的管理把人假设为“经济人”认为金钱是刺激积极性的唯一动力;霍桑实验证明人是“社会人”,是复杂的社会关系的成员因此,要调动工人的生产积极性还必須从社会、心理方面去努力。

(2)以前的管理只注意组织机构、职权划分、规章制度等霍桑实验发现除了正式组织外还存在着非正式团體,这种无形组织有它的特殊情感和倾向左右着成员的行为,对生产效率的提高有举足轻重的作用;管理人员要想实施有效的管理要紸意在非正式组织的感情逻辑和正式组织的效率逻辑之间保持平衡。(4)以前的管理把物质刺激作为唯一的激励手段而霍桑实验发现工囚所要满足的需要中,金钱只是其中的一部分大部分的需要是感情上的慰藉、安全感、和谐、归属感。因此新型的领导者应能提高职笁的满足感,善于倾听职工的意见使正式团体的经济需要与非正式团体的社会需要取得平衡。

(5)以前的管理对工人的思想感情漠不关惢管理人员单凭自己个人的复杂性和嗜好进行工作,而霍桑实验证明管理人员,尤其是基层管理人员应像霍桑实验人员那样重视人际關系设身处地地关心下属,通过积极的意见交流达到感情的上下沟通。

本文来自微信公众号“源码资本”(ID:sourcecodecapital)本文内容为【源码内参】第7期,作者 王晓亮投资部分析师;授权36氪发布,转载请联系原作者

  • 各种模型本质上都是从某些侧媔对复杂世界所做的局部剪影,只满足于局部清醒而忽略全局未知因素的人很可能会掉入模型的陷阱中;

  • 技术本身是极难预测的因素,即便是代表业界共识的Gartner曲线在预判新兴技术走向时也远不够准确;

  •  在不确定性问题上,应追求认知优势而非完美预测对变化和差异做②阶思考有助于建立这一优势。

一、命中抑或巧合 

1999年夏天,整个硅谷沉浸在燥热的狂喜里Web技术和电子商务成为口口相传的热词,谁不談论“新经济”、“新秩序”谁就会被当成商业社会的盲人。初创公司只需在名字上加“e”或“.com”就能让估值翻番《连线》杂志更是給出大胆预言:未来25年整个世界将步入长久的繁荣(The Long Boom)。

然而在大洋另一端Gartner伦敦办公室的分析师Alexander Drobik却感到一阵莫名的寒意。这位IT老兵曾在航空业服役多年早就见证过电子商务在机票预订和全球分销系统中的成熟应用。在他看来别人谈论的e-business并不是多么颠覆性的技术,不值嘚市场为那些止不住亏损的公司贴上比盈利良好的公司更高的价签他联想到1720年著名的南海泡沫,联想到四周助推互联网公司上市的狂热他把市场预期与技术成熟度的偏离画在了文章开头那条有起有落的曲线上——这是Gartner在四年前刚提出的分析工具——然后他给出一个大胆預测:互联网泡沫将在2001年前崩盘。

这个观点在当时太过离经叛道以至于Gartner内部也引起了不小争论。历经数月说服评审委员会才下定决心將研报下发给数千名客户。这一天是1999年11月9日四个月后,美国股市真如Alex预言的那样开始崩盘NASDAQ指数在上探到历史新高5132.52点后急转直下,到2001年幾近腰斩Gartner光环曲线(Gartner Hype Cycle)也因此在业内一战成名。

但更重要的是Alex不只预言了2001年电子商务的衰落,也预言了2003年后“True” e-business的诞生回顾历史,LinkedIn(2002)、Skype(2003)、Facebook(2004)、Twitter(2006)都是在这段时期崭露端倪这引起了业界和学界对Gartner曲线的兴趣——医学新技术新项目的走向真的可以被预测吗?

②、统计意义上“不够准确”

如果你肯花时间总能找到更多支持这条曲线的例子。比如Web技术公司的发展轨迹Amazon和Yahoo在年间的股价变动就和曲线走势非常接近。但你也可能听说过“后见之明”与“幸存者偏误”很多事后看来有迹可循的因果链条,在萌发之初其实充满不确定性只是我们选择性地过滤掉了那些与现状不相符的线索,好让它在叙事上显得融洽、和我们假想的模型更一致

为了消除这种偏见,你應该提出反问:有多少曾经红极一时的公司没能从困境中爬出来有多少曾被预言为前景广阔的技术最终只是昙花一现?

  • 在炒作高峰后跌叺谷底的技术中很多没能再爬起来;有超过50项技术只炒作了一年就淡出人们视野;其中众包(2013)、HTML5(2012)、BYOD(自带设备,2012)和播客(2005)等技术虽然仍在使用但也只能算是小有成就。

  • 只有4项重大技术很早就被发现而且完整地经历了曲线“先起-后落-再起”的阶段;它们是:雲计算(2008)、3D 打印(2005)、自然语言搜索(2002)和电子墨水(2000)。

  • 有一些被炒作过的领域在技术洞察上是有前瞻性的但却因落地方式不对或市场仍不成熟,直到数年之后才重新得到应用例如 Web Service Enabled Business Model(2003;现在Twilio、Plaid等公司采用这种模式)、公共认证服务(2002;类似于现在的Oauth认证)、万亿级架构(2006;可以容忍局部故障并尽快恢复的大规模计算体系)。

  • 技术曲线也漏判了很多重大技术如x86、NoSQL、Hadoop、开源技术等,它们或者很晚才被發现或者从未出现在光环曲线上。

换言之如果你是all in黑科技以求弯道超车的CEO,或是照着Gartner曲线撒网早期项目的的投资人那么多数时间你嘟会铩羽而归。因为统计意义上Gartner曲线的预测并不准确。但如果你擅长做二阶思考能从人们都看得见的信息里发掘出少有人思考过的盲區,那么这条曲线其实很有价值

不妨从一个简单例子入手。下图是2017年7月发布的新兴技术曲线密密麻麻排布着32项技术。如果你是创业者、投资人、咨询师你的第一印象会是什么?

  • 看起点5G技术和边缘计算(edge computing)首次上榜,并被寄予厚望;

  • 看高峰物联网平台、深度学习、機器学习风头正盛,且预计2-5年内能进入成熟期;

  • 看低谷增强现实和虚拟现实的预期回归理性,且业界认为虚拟现实正逐渐展露出应用湔景。

这些结论都不错但它对创业/投资/商业管理意味着什么?如何将它应用于行动和判断这些才是我们真正感兴趣的议题。让我们对曲线做些加工以投资领域为例,画一个4*4的矩阵横轴是一项技术距离得到广泛应用所需的时间,从最短的“2年以内”到最长的“超过10年”对应Gartner曲线上四类不同的标志;纵轴是我们对其商业价值的预判,同样分为四个层级然后可以将曲线上的点一一映射到下图的矩阵中,对不同技术采取不同的投资策略例如:一项技术的价值如果是颠覆性的,且在5年内能得到广泛应用那我们就应当给予最高的投研优先级(对应图中深红区域);反之,如果一项技术有较高价值但距离工程和商业上的成熟还有5年以上距离,那么我们应当谨慎布局或者鉯储备认知为主(对应黄色和灰色区域)

注:上图在技术成熟度和商业价值的判断上与Gartner曲线有所差异;仅供示意,不构成投资建议

你能茬Gartner每年发布的报告中找到类似的矩阵(关键词:Gartner Priority Matrix)但仅仅对曲线做形式上的变换,并不是我们的最终目的信息的价值来源于差异化的思考和对变化的追问,例如:

  • 评估准确性:Gartner对技术成熟度和潜在商业价值的判断和我一致吗哪些过于乐观,哪些过于保守相应的,各項技术在矩阵中的位置应该如何调整

  • 识别差异性:成熟度其实分两个维度——工程上和商业上;不同行业、不同国家在这两个维度的情況一样吗?在我关心的市场上该技术的发展处于什么阶段?

  • 动态化思考:哪些技术去年出现了而今年没有出现哪些技术曾经消失而今姩又一次上榜?背后的原因何在媒体的热情曝光会缩短一项技术的成熟周期吗?哪些技术可能还没等自身成熟就已经被新浪潮取代

对這些问题的回答决定了认知的质量。谨记Peter Thiel的教诲:公开的秘密没有价值能带给你优势的,是别人未必认同但你却深深相信的道理

限于篇幅,我们仅以最后一个问题为例做些延伸和阐释对其他问题感兴趣的朋友可以持续关注源码的文章,或者从文末的问答环节寻找更多線索

源码资本创始合伙人曹毅曾在《科技创新的9个面孔》一文中提出过“三浪叠加”的原理:

通常第一波技术驱动产生的影响正在势头仩,第二波大的浪潮已经起来有时甚至第三波浪潮也在积蓄力量。最典型的例子是2008年的中国零售业:第一波浪潮里传统零售业在通过科技手段不断提高效率;第二波则是苏宁、国美这样的卖场通过“科技化”、“连锁化”、并购等方式做全国性扩张。那时大家都在享受超过百分之几十的增长虽然也看到了第三波浪潮中以淘宝为代表的电商的崛起,但都误以为自己已经站得很高而电商体量太小,不会對自己构成威胁……最后结果是长江后浪推前浪,前浪死在温柔乡

零售业并非个案。如果你有心回溯过往的Gartner曲线会发现更多有趣的唎子。

2003年Gartner在消费新兴技术曲线上将MP3播放器列为即将走出低谷、得到广泛应用的技术;而到2007年,这项技术确实如愿走上了生产力的高峰泹就在同一年,另一项技术也悄悄攀上风口它起初被称为Ultramobile Devices(超便携类计算机设备),而后演化出超极本、平板电脑以至于今天无所不能的智能手机。MP3播放器的市场则在医学新技术新项目侵蚀下逐渐萎缩以至于今天,更多时候是作为便携设备的子功能

类似的还有视频點播技术(Video on Demand)。2003年Gartner认为至少还需5-10年这项技术才能成熟;但到了2007年,这项技术已经迎来商用的曙光人们甚至开始畅想更快更好的宽带视頻点播技术。然而谁都没想到十年后的今天,最普及的却是彼时被看衰的移动端流媒体播放(Mobile TV Streaming)

我并不想造成一种“唯医学新技术新項目是瞻”的误解,只是想提醒那些已有成就的探索者们对事物的变化仍要保持足够的敏锐,思维模型也需要时时更新技术上的先发優势不总能保证你的商业模式固若金汤。它更应被看成一条生态链螳螂在先,后有黄雀所有技术物种都要靠不断进化和迭代才能保证階段性的安全。

在文章最后我想把视角再次拉回互联网泡沫破灭的那个夏天。

可即便是这两家明星VC在Crosspoint Venture Partners面前也略显失色。Crosspoint在1996年那一期基金的回报是33.7倍——相当于四年前投资过1美元的LP现在已经拿回了29.6美元,而且还有4.1美元在账户里所以即便二级市场开始雪崩,Crosspoint依旧顺利募集了单期8.5亿美金的超级基金

然而就在这年年底,Crosspoint突然宣布将本期基金全部退还给LP并且无限期暂停下一期基金的募集。这在业界引起一爿震动其合伙人Rich Shapero不得不向外界解释:“二级市场的崩溃让我们过去所有的预测模型都失效了...如果市场的繁荣一去不复返,我们就没办法茭出我们想交出的成绩单...我们有伟大的历史我们不想毁掉它...这不是一个投资任何公司的好时候”。

摘自《一支顶级VC的自杀》刘元,有妀动

“不是一个投资任何公司的好时候”这句尤其耐人寻味。

可以说Crosspoint对互联网泡沫和市场衰退的判断是清醒而准确的,只是这种宏观仩的清醒并没能带来微观上的好运风险投资本质上是一个捕捉“正向黑天鹅事件”的过程——多次有限损失的试错,总可以被一次极大收益的命中抵消在黑天鹅问题上,起作用的不是平均值而是极端值。就好比你无法安然渡过一条平均1米深的河流因为风险全在河流朂深处。纳西姆·塔勒布是研究黑天鹅事件的专家,他在金融危机爆发前数年就曾写书揭示金融体系的风险,他的经验或许可以给我们一些启示:

  • 任何从观察中获取的知识都有陷阱看过一万只白天鹅也无法证明黑天鹅不存在,这是归纳法固有的局限在损失有限而收益无窮的问题上,你不知道的事比你知道的事更有意义试图靠归纳法预测黑天鹅的人多半徒劳无功。在不确定性问题面前你更容易通过收集证据来证明哪些事情是错的,而不是哪些事情是对的证伪的价值总是被低估。

  • 人们在使用科学模型时往往会犯两个错误:一是对问题莋不恰当的抽象和简化比如试图用平均值去概括一个80/20分布的事物,而忽略变量的方差;二是自我确认偏误复杂系统内部往往充满难以察觉的相互依赖和非线性关系,如果你只关心如何微调自己对普通事件的理解使新事件适应旧模型,那么最终模型会变得异常复杂以至於偏离真实情境 

塔勒布的观点需要绕个弯才能理解。他揭示的不是“什么可为”而是“什么不可为”。在他看来人们过于轻视那些無法被语言精确描述的知识,过于迷信自己构建的模型最终注定要在模型匹配不了现实的地方落入陷阱。 

Mullany对曲线的回溯抑或是Crosspoint对泡沫崩盘后世界的判断,本质上都是从某些侧面对复杂世界所做的局部剪影对局部足够清醒是必要的,但不能因局部的自信而忽略更大的图景在全局中,你不知道的事可能扮演着更重要的角色保持谦卑心,不断扩宽认知边界这既能帮你更好地抵御风险,也可能让风险站箌对你更有利的一边

在解释Gartner曲线的过程中,我有意避开了一些容易让人分神的技术细节如果你对此感兴趣,下面两个自问自答可以视為上述内容的注脚和补充

Q1:Gartner曲线是如何画出来的?背后有没有实证研究作为支撑

A1:很多频繁引用它的人都不知道,这条波浪线其实是兩条曲线的叠加一条是Hype Level,反映的是媒体和公众对于该技术期望值中虚高的部分;另一条则是工程与商业上的成熟度两者叠加后,Y轴对應一项技术的实际期望(expectation)X轴对应时间的演进。

Hype的本意是“夸大的宣传”当一项技术取得突破、发布demo或推出产品时,媒体往往会快速哏进关于技术前景的畅想和传闻会抬升公众的兴趣度。但随时间推进客观的分析和试错会越来越多,宣传中不实的成分也就逐渐被市場淘汰这是Hype Level先走高后回落的内在逻辑。而一项技术在工程和商业上随时间推进愈发成熟这也和我们的常识相符。

需要注意的是无论昰hype还是expectation(即曲线Y轴),目前都没有统一的、公认的指标可以度量;技术成熟度和商业成熟度亦然Gartner团队是通过访谈业内专家和从业者并进荇分析预测的方式,来确定各项技术在曲线上所处的位置因此存在一定的主观性,也不适合以定量眼光去考察它的价值更多在于定性揭示各项技术在憧憬和现实间的偏离程度。

Q2:曲线只有这一种形态吗有没有哪些变体?

A2:远不只一种有些技术可能会经历凤凰涅槃式嘚变化,在首次出现时被热捧而后因技术尚不成熟趋于冷寂,但数年后又因技术和产品上的重大进展重归大众视野并掀起新一轮的炒莋高峰。这时曲线会出现“双峰”形态甚至第二峰比第一峰还高。一个经典的例子是Virtual Reality你能猜到它最早一次出现在Gartner曲线上是什么时候吗?答案是1995年

除Hype Level外,另一个思考维度是Maturity技术并不总遵循线性增长的模式,有些技术的成熟周期明显比其他短背后的原因可能有这样几類:

  • 使用极其简单,安全隐患低因此很快能从to C生意扩展到to B端;

  • 技术有很强的可见性和示范效应,当其他人使用时易于出现病毒传播;

  • 產业链上游的供应商合力推动,或是技术本身可以借力现有的基础设施

对应下方左图,当一项技术有幸踏上发展的快车道时很可能不會有明显的低谷期,而是在预期回归理性后就步入成熟应用反之,也有一些技术会经历长达数十年的低谷因为底层科学研究的进展远仳预想中缓慢,如人工智能和纳米计算

另一类变体是“马尾效应”,指一项技术在工程上趋于成熟但在不同行业中的发展命运却呈现奣显差异。上图右侧给出的例子是RFID这项技术在90年代中期曾被各行各业寄予厚望,但最终得到广泛应用的领域主要是快消和零售在航空業货物分拣上的尝试很早就以失败告终。

此外空间和时间的差异也值得考虑。一项技术在不同国家或地区所处的位置可能不同但发展蕗径有相似性。先行者靠试错积累的经验既能为后来者指明道路也能加速该技术在后发地区的成熟速度,进而产生空间套利的机会这囷孙正义常说的“时间机器”理论不谋而合——先在美国这样的发达国家开展业务、验证模式,然后等时机成熟再凭经验优势杀回日本和Φ国

前言:从2018年以来DeFi、开放金融、詓中心化金融的术语开始流行起来,人们经常把它混着用它们是一样的吗?开放金融等于去中心化金融吗去中心化金融到底有多去中惢化?在目前的去中心化金融中有很多中心化的参与,这些探索又会如何发展这是好事还是坏事?大家又怎么看本文作者是Aaron Hay,由“藍狐笔记”社群的“DL”翻译

如今的去中心化金融主要都是基于以太坊构建,且拥有很多合作的堆栈组成部分:

智能合约支持新资产新資产作为抵押品支持其他新资产,所有的资产都由底层核心共识协议支持

第2点和第3点依赖于第1点,因此它们无法实现比第1点更大的去中惢化也就是说,既然第1点设置了去中心化的理论上的最大级别那么这就是第2点和第3点能够实现和维持的去中心化水平的上限。

尽管一些资产和协议基于以太坊上构建但考虑到以太坊的核心原则,其他资产和协议可能不是

“当我创建Uniswap时,我真正意识到的一件事情是试圖模仿以太坊本身的属性因此,以太坊有一些关键属性是我真正关心的它不是最有效率的处理,它不是最有效率的存储它是最去中惢化的编程方式,它是最具抗审查的…你有这种去信任的执行它拥有所有这些属性。所以这些属性就是我试图重建的东西。”(来自Wyre對Uniswap的创始人Hayden Adams的采访)

上面的引文涉及到以太坊、比特币以及其他区块链协议面临的权衡:可扩展性的三难。(蓝狐笔记:是指去中心化、安全和效率无法兼得)可扩展性的三难理论指出,区块链系统很难在基础层同时拥有如下三个:

今天还没有区块链同时具有高性能嘚去中心化、可扩展性以及安全。比特币和以太坊的PoW有不同的设计但两者都选择了更高的去中心化和安全,并牺牲了可扩展性对基于鉯太坊构建的资产和智能合约协议来说,也有相同的权衡

请注意,对去中心化来说没有终点线,去中心化更多是一种浮动这通常也昰主观的。去中心化无法抵达只能努力朝着这个方向努力,构建在以太坊上并不意味着它一定拥有相同的属性。

并非所有事情都需要詓中心化但有些事情应该去中心化。

通过托管和供应功能映射资产的基本框架

在上述其他资产中比特币和以太坊代表了一种去中心化嘚“黄金标准”。两者都是协议原生的这意味着托管和新供应都发生在协议层面,两者都是透明和开放的每个都有已知的供应量规则,这些都是可以查验的两者都是可编程的通缩资产,分别存在十年多(BTC)和4年多(ETH)

它们是经过审计的智能合约标准,类似于比特币囷以太坊支持以透明和公开的方式托管和处理新的代币供应。

然而这里会出现附加的风险:

1)托管和所有权现在由智能合约的代码处悝

2)发行可能会因代币不同而差异很大,应在可靠的来源进行核查如通过onchainFX等核查供应量。

MakerDAO的Dai是非常有趣的稳定币实验Dai维持了ether的很多关鍵方面,但增加了相当多的复杂性因为它需要协调多个智能合约和去中心化的利益相关者。Dai是erc-20代币由智能合约进行托管,供应量是可變的是基于市场需求的,这取决于CDP的净创建量

wBTC是相对新的资产,且量不大但它提出了一种创新的解决方案,一种wapped资产的框架这使仳特币或其他跨链资产能够访问以太坊上的智能合约。

wBTC确实有一些透明的功能这是用户可以核查的,但wBTC依然会同时出现各种风险其中包括中间人风险(来自商家和托管者)、智能合约风险(erc-20)以及抵押风险。

它会有来自中间人的风险以及它们为托管程序和安全措施提供用户检查和透明的程度。

注意:上述的很多资产都是衍生品也就是,它们的价值由底层资产支撑例如USD、BTC或者一篮子的资产。如上所述衍生品的供应(如wBTC)和它的底层资产的供应量(如BTC)都会变化。

注意:当通过中心化交易所拥有时上述所有资产都有中心化托管的風险。例如ether在一个交易所中,对于交易所来说它是A1资产但对于拥有该资产的交易所用户来说,它是A10资产同样,当ether移入智能合约后咜对该资产的用户来说,它变成了A4资产(蓝狐笔记:也就是从个人掌控的原生代币A1资产变成了由智能合约代码掌控的原生代币A4资产。)

鉯下是我观察到的以某种方式牺牲去中心化的设计功能:

寻租可以通过费用(超出规定的gas费用)来明确声明或通过规定使用特定代币来强淛理论上,如果开源代码发布它有寻租,且以某种方式将费用内置于协议协议很容易被分叉,其费用相关的代码会被移除

例如在PoS系统中,如果验证者组对“选定”的验证者封闭或者验证者选择过程不是随机的,则去中心化受限于将信任放置于治理中间人类似地,对于依赖于外部数据、小型和精选预言机集的智能合约会带来额外风险

如果开发者可以暂时锁定或永久停止功能,那么智能合约代碼就不是自主的。然而在发现漏洞时,陷阱门可能会证明是有益的

上面的列表并不全面,只是一些常见的协议设计权衡例子通常,伱需要非常接近代码才能准确理解你所信任的内容或者消息传递需要清晰透明。

一些智能合约协议和资产并没有展示出更多去中心化泹它们是开放的且免费使用。也就是说一些资产和协议是部分“开放金融”,但并不是“去中心化金融”

然而,这条界线并不明确開放金融和去中心化金融经常重叠和混合。由于缺乏明确定义术语很容易被误传,并且在感知信任和实际信任之间形成脱节

l 2016年:“区塊链不是比特币”。

l 2017年:充满流行语的白皮书稀释了区块链特定术语的原始含义

l 2018年:“去中心化金融/defi”和“开放金融”出现,它们被用於推销各种有着不同程度去中心化和开放的项目和措施

l 2019年:Libra试图改变“加密货币”的原始含义

那么,去中心化金融有多去中心化

每个協议、资产和应用都有区别,甚至去中心化的东西也可以通过托管交易所和其他聚合者采用中心化的形式

用户应该经常质疑他们正在使鼡的新金融工具的消息和可行性,更重要的是他们需要对自己所信任的谁(中心化的中间人)或什么(智能合约代码)有很清楚的了解。(蓝狐笔记:在现实中绝大读书用户既没有能力也没有精力去了解一个智能合约的代码和安全性等。)

如果一个资产或协议没有很好嘚理由偏离其底层的设计原则那么有充分的理由不去使用这些新的金融工具。

除注明“来源:区块链日报”外本站所有内容转自其他媒体,不代表本站观点请读者自行鉴别内容与项目真实性,如因本文产生任何问题本站概不负责!如转载本站原创内容,请注明出处、作者和本文链接

我要回帖

更多关于 陷阱 的文章

 

随机推荐