INT:挑战以太坊:证券型代币区块链网络“背后的秘密”_Hifi Finance

昨日,在纽约共识大会的第一天,证券代币平台Polymath宣布,将创建一个证券型代币区块链网络,此消息一出,便引起了大家广泛关注。

我们都知道,以太坊的目标之一是实现“不可阻挡的应用程序”,这与大多数证券代币的目标背道而驰。在此背景下,证券型代币区块链概念应运而生,尽管支持该项目的还有以太坊联合创始人CharlesHoskinson。

可以说,证券型代币区块链将成为优化数字证券基础设施最雄心勃勃的项目之一。

此前,笔者对证券型代币做了许多研究。乍一看,专门用于证券代币的区块链似乎是有意义的,但当深入到技术和业务层面时,情况很快就变得模糊起来。

于是,笔者在此想对证券代币的tier1区块链做深入讨论,并将其与潜在背景下的替代方式联系起来。

目前,专门用于证券型代币的区块链看起来是为了在去中心化运行时消除对所有基础设施依赖。

区块链运行时的许多功能,在新一代数字证券中突显出极其不灵活的依赖关系。然而,在当今数字证券市场中,将这些限制与新的tier1区块链需求联系起来似乎有点牵强。

在软件技术的历史上,最成功的基础架构趋势是那些与新应用程序需求紧密结合的趋势。有时基础设施先于应用程序,有时应用程序驱动基础设施,但这两种趋势的发展是相对接近的。

在证券代币情形中,当前一代的数字证券几乎没有突破以太坊区块链的边界,而且笔者认为,大部分人甚至还不了解在超越这个边界之后我们还需要什么样的功能。

瘦协议、网络和区块链

在当前的数字证券生态系统中,处理基础设施功能有三种基本方法。

●瘦协议。即在区块链运行时处理诸如合规性、身份标识与金融原语等功能的第二层协议;

●网络。例如Provenance以及Symbiont正在寻求建立tier2网络,专门针对研究在区块链上运行的数字证券;

●区块链。即区块链运行时的第一层协议,尤指专门用于证券代币的tier1。

从进化论的观点来看,这三种不同思想流派之间的关系如下所示。

最重要的问题是每个基础设施层可以解决数字证券的哪些功能,在此我们做如下的简要分析。

我们可以看到,大多数数字证券关键基础设施的构建块都可以使用tier2网络或侧链模型来解决。

如果是这样的话,提出证券代币区块链又有什么意义呢?其实际需求又是什么?在笔者看来,证券代币区块链可以归结为两个基本功能。

●共识协议。基于身份的新共识模型,用于资产的合法转让及其所有权;

●激励机制。基于网络中不同节点对证券代币生命周期的参与程度,对其进行奖励的模型。

证券型代币需要新的共识吗?

这是证券型代币是否需要创建新区块链的核心问题。目前已存在的区块链协议依赖于昂贵的机器计算来判定特有加密资产所有权的转移。

假定证券型代币交易在参与者身份已知的生态系统中运行,你可以发现tier1共识协议有些言过其实,并且它们不能提供资产所有权的合法转移。但是,你仍可以使用tier2区块链协议来处理这些方面。

证券型代币需要新的激励模型吗?

当前的证券型代币生态系统缺少一个强大的激励模型,因此其缺乏长期的网络效应。

虽然激励价值的主张看起来似乎微不足道,但证券代币网络与区块链都应该包含奖励网络中不同参与者的激励机制。

当然,我们不应该低估实施激励机制时遭遇的挑战。激励模式只适用于规模适中的网络,否则它们也可能成为安全攻击的主要工具。

前车之鉴:NOSQL数据库的历史演变

应用程序和基础架构之间的过渡一直是技术市场的一个摩擦点。纵观历史,NOSQL与大数据的演变趋势可以成为证券型代币参考的轨迹之一。

自20世纪70年代以来,数据库由基于行和列的关系范式主导。

从20世纪90年代至21世纪初,科学界曾有几次尝试引入针对其他存储模型进行优化的新形式的数据库,但这些尝试都没有成功,因为当时市场需求量非常小,大多数公司需要在关系数据库上适应这些需求。

直到最近十年,关系数据库才遇到了瓶颈,需要存储的大型互联网公司面临着大量半结构化和非结构化数据。

这个转折点是NOSQ以及大数据堆栈等趋势的起源,它们也已经成为现代技术架构不可或缺的部分。

NOSQL行业给我们的启示是,新的需求可以在传统基础架构之上进行调整,直到它们变得非常相关,进而创建新的基础架构。

用证券型代币区块链去替代以太坊,不就跟NOSQL数据库替代了关系型数据库是一个道理吗?

虽然从概念上来看似乎微不足道,市场和技术的可行性也并非十分明显,但是对证券代币区块链的需求仍然是数字证券市场上争论最激烈的领域之一。在以后的文章中,笔者还将深入研究证券型代币区块链模型的一些细节。

编译:共享财经Lam责任编辑:Alian

郑重声明: 本文版权归原作者所有, 转载文章仅为传播更多信息之目的, 如作者信息标记有误, 请第一时间联系我们修改或删除, 多谢。

区块博客

[0:15ms0-4:157ms