Web3域名,热潮还是泡沫?

ec234dc87f76ec0f35d1a03c6587e6be.jpeg

文/章鱼哥

出品/陀螺财经

从某种意义上说,域名一直是互联网历史上最具价值的数字资产之一。就像 ENS的多个域名曾经卖过天价一样,Sky Dayton和Jake Winebaum早在1999年就以750万美元的天价购买了Business.com域名,并在2007年以3.45亿美元售出。随着互联网世界的发展,域名就像是一种虚拟身份标识或是一个IP地址的代号。

在互联网的早期,人们使用IP地址来查找网站,如果失去了域名,我们可能就无法通过输入baidu.com进入百度,而是要通过输入一串杂乱无章的数字。

传统的DNS域名系统本质上还是存在一些中心化的问题,一些中心化实体会通过分析回购部分域名,以此来炒作更高的价格售卖给原持有者。以及中心化的存储不管是从技术安全性,还是在使用安全性都是有弊端的。而如果是基于区块链,则能够解决传统域名的一些痛点。

近几个月来,ENS(Ethereum Name Service,以太坊域名服务)和Unstoppable Domains等Web3域名服务的热度和使用率大幅上升,见证了Web3域名的兴起。

Web3域名服务正兴起

基于区块链的去中心化域名和去中心化账户系统已经诞生10年,先驱Namecoin虽然还在运行,但是已经成为了一个小众项目,用户采用度也比较低。ENS的出现则是走了一条更实用主义的路线,随着以太坊生态的快速扩张,也获得了很多的红利,许多第三方应用利用它搭建特定的账户系统,成为了以太坊生态不可或缺的一种基础设施。

ENS就像是Web3世界的身份标识。虽然ENS并不能够代表全部区块链域名,但截至目前它占据了区块链域名市场70%以上的份额。ENS使用户能够注册在以太坊区块链上发行的域名,这些域名是可编辑的,能够与其他基于以太坊的去中心化应用程序交互。ENS域名可用作用户的数字身份来存储用户名、NFT以及其他配置文件数据等,可在支持的Web3生态系统中跨Dapp使用。由于它们使用ERC-721代币标准,ENS域名也可以作为NFT进行交易,其绝大多数交易活动都在OpenSea和LooksRare上进行。迄今为止,在54.6万个独立用户中,已经有超过220万个ENS域名被创建。

另一个流行的Web3域名服务是Unstoppable Domains。Unstoppable Domains与ENS类似,但提供对其他顶级域服务器名称的支持。ENS域名仅遵循“name.eth”的命名规则,而Unstoppable允许用户购买其它顶级域服务器的域名,例如“name.crypto”、“name.wallet”、“name.nft”、 “name.dao”、“name.bitcoin”等。

自2019年平台推出以来,Unstoppable社区已经注册了超过250万个域名,完成了8000万美元的初级销售额,该项目支持超过275个代币和370个应用程序。

游戏、元宇宙、DeFi、DAO和社交媒体中的新Web3应用程序需要可以无缝集成的去中心化身份管理和非托管钱包,域名服务被证明是一个符合要求的突破性用例,它利用了可读的名称,例如人名,从而优化了用户体验,用户可以将他们的代币等数字资产存储在非托管钱包中并与Web3 Dapp进行交互。

与复制和粘贴42个字符的十六进制字符串(即 "0x0CCfA1c..."),代表以太坊等区块链的钱包地址相比,Web3域名服务提供商使用户能够轻松发送代币,并支持自定义加密货币钱包地址。Web3域名对于普通的钱包地址来说不仅仅是转账方便,更重要的是可以对于用户链上身份做一个标签,同时个性化的设置会降低新用户的理解门槛。目前ENS和Unstoppable已经与部分钱包、交易所和Dapp整合,其中包括Metamask、Opera浏览器、1inch、Moonpay等。

ENS域名可以通过OpenSea等NFT市场,在二级市场的以太坊钱包之间自由交易。

NFT市场近来萎靡不振,但域名交易活动却呈现激增趋势。OpenSea的月交易量急剧下降,8月份交易量为5亿美元,与1月份48.6亿美元的交易量相比,下降了90%。在同一时期,ENS月度注册量增加了465%,从1月份的6.7万新注册量增加到7月份的37.9万。

值得注意的是,Web3域名服务并非以太坊独有,且已扩展到以太坊之外。

Web3域名的未来

投资者和投机者一直在购买具有潜在价值的域名作为投资,期望那些想在Web3中建立影响力的企业和品牌去购买他们手里的域名。最近一位匿名买家为ENS域名 "Amazon.eth "出价100万美元,在此之前 "Samsung.eth "和 "Starbucks.eth "也以60个ETH的价格售出。

这种行为让人想起1990年代互联网泡沫时代的域名抢注行为,投机者囤积热门关键词和品牌的域名,希望通过炒作获利。例如,拥有“nike.eth”的以太坊地址已经积累了131个ENS域名,包括“sony.eth”等。

去中心化域名的价值以及它们是否能够真正成为用户管理其数字身份的主要方式还有待观察。ENS和Unstoppable等平台通过赋予更全面的产权和更少的安全漏洞,提供了比传统DNS系统更独特的优势。

对于那些认为Web3域名服务将提供关键基础设施以促进Web3更广泛的用户增长和应用的投资者而言,他们似乎可以通过所持域名来获得曝光。与传统互联网时代类似,投资者也可以先发制人购买他们认为未来可能有价值的优质域名。

很多人相信在Web3的世界中一定需要去中心化域名和账户体系来承载应用、网站和用户身份,但目前的这些项目还是处于非常早期的探索阶段,在协议集成、用户体验、与 Web2世界的接入上还有很多很多改进空间。

去中心化域名为Web3生态系统内的参与者提供的潜在应用尚未完全实现,由于用户体验和安全性问题,用户在充分参与新兴的Web3加密经济方面也仍面临重大阻力。但去中心化域名服务商至少解决了一个痛点,那就是使用户更容易与Web3世界中的其他用户互动。

参考文章

Web3 世界的名片:ENS 为何再度风靡?

ccfcb233d1741674abb8c966c466d9dc.gif

陀螺财经的联系方式

商务合作|投稿:

小黄(微信号 18925291949)

芒果(微信号 19925139144)

Ning(微信号 13631579042) 



推荐阅读

74a85a6c10fd1fcf2805d45bbbce394d.jpeg5b6962e12ee7f63734a06387df28198c.jpeged776cce06e97d8d60d0fd640393344b.jpeg

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
### 回答1: 经典卷积神经网络模型包括: 1. LeNet-5:是一个较早期的卷积神经网络模型,用于手写数字识别任务。 2. AlexNet:是一个在ImageNet大规模视觉识别竞赛中取得优异成绩的卷积神经网络模型,具有多层卷积和池化层,采用ReLU激活函数和Dropout正则化技术。 3. VGG:是一个深度卷积神经网络模型,采用非常小的卷积核(3x3),并通过多层堆叠来提高网络的深度,进而提高模型的性能。 4. GoogLeNet:是一个具有22层网络的卷积神经网络模型,采用Inception结构和全局平均池化层来提高网络的性能。 5. ResNet:是一个非常深的卷积神经网络模型,其设计思路是通过残差块(Residual block)来解决深度网络训练时的梯度消失问题,从而使得网络可以更深更准确。 这些经典卷积神经网络模型都具有很好的性能和广泛的应用领域。 ### 回答2: 经典的卷积神经网络模型主要包括LeNet-5,AlexNet,VGGNet,GoogLeNet和ResNet等。 LeNet-5是最早应用于手写数字识别的卷积神经网络模型。它由卷积、池化和全连接等层组成,使用了激活函数和多层感知机等技术。 AlexNet是一个深度卷积神经网络模型,在2012年的ImageNet图像识别比赛中取得了显著的成果。它由多个卷积层和全连接层组成,引入了ReLU激活函数和Dropout正则化技术。 VGGNet是一个非常深的卷积神经网络模型,具有16层或19层的深度。它的卷积层结构非常简单,主要由3x3的卷积核和2x2的最大池化层组成。VGGNet在ImageNet图像识别比赛中也取得了优秀的成绩。 GoogLeNet是一个具有22层的深度卷积神经网络模型,使用了Inception模块来增加网络的宽度和深度。它采用了全局平均池化层和辅助分类器等技术,以减少参数数量并防止过拟合。 ResNet是一个非常深的卷积神经网络模型,具有152层或更多的深度。它引入了残差连接来解决深度网络训练困难的问题,通过跨层的捷径连接来传递信息,提高了网络的性能。 以上就是一些经典的卷积神经网络模型,它们在不同的应用领域中都有卓越的表现,并对深度学习的发展起到了积极的推动作用。 ### 回答3: 经典的卷积网络模型主要有LeNet-5、AlexNet、VGGNet、GoogLeNet和ResNet。 1. LeNet-5是最早的卷积神经网络模型之一,由Yann LeCun等人于1998年提出。它主要用于手写数字识别,包含多个卷积层和池化层,通过全连接层进行分类。 2. AlexNet是由Alex Krizhevsky等人于2012年提出的一个深层卷积神经网络模型,通过使用GPU进行训练,成功在ImageNet图像分类比赛中取得了较佳结果,引发了深度学习的热潮。 3. VGGNet是由Karen Simonyan和Andrew Zisserman于2014年提出的一个深层卷积神经网络模型,其特点是采用了多个堆叠的卷积层和池化层,使得网络结构更深,对图像特征的提取更加准确。 4. GoogLeNet是由Google团队于2014年提出的一个卷积神经网络模型,采用了Inception模块,这种模块可以同时进行多种不同尺寸的卷积操作,引入了1x1卷积来减少计算量,并具备较好的网络表示能力。 5. ResNet是由Kaiming He等人于2015年提出的一个深度残差网络模型,通过引入残差连接,解决了深层网络易发生梯度消失或梯度爆炸的问题,使得网络更易于训练和优化,并在ImageNet图像分类比赛中取得了更好的结果。 这些经典的卷积网络模型在图像分类、目标检测和语义分割等领域取得了显著的成果,为深度学习在计算机视觉任务中的应用奠定了基础。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值