Примитивы проектирования рынков InfoFi: Техническая архитектура, превращающая информацию в капитал

Когда вы публикуете свое мнение в X (Twitter), ошибка ничего вам не стоит. Когда вы ставите $10 000 на рынке прогнозов, ошибка обходится вам в$ 10 000. Эта единственная разница — стоимость ошибки — является основополагающим примитивом развивающегося сектора с капитализацией $ 381 млн, который незаметно перестраивает то, как человечество оценивает истину.

Информационные финансы (InfoFi) — это термин Виталика Бутерина для «дисциплины, в которой вы исходите из факта, который хотите узнать, а затем намеренно проектируете рынок для оптимального извлечения этой информации от участников рынка». В отличие от традиционных финансов, которые оценивают активы, InfoFi оценивает ожидания — превращая эпистемическую неопределенность в торгуемые сигналы. Сектор сейчас охватывает рынки прогнозов с годовым оборотом в $40 млрд, рынки внимания, распределяющие$ 116 млн среди создателей контента, и сети доверия, объединяющие 33 млн верифицированных пользователей.

Но за маркетинговыми нарративами скрывается тот факт, что каждая система InfoFi работает на пяти технических примитивах, которые определяют, будет ли информация оценена точно или утонет в шуме. Понимание этих примитивов — это разница между созданием надежного информационного рынка и дорогой спам-машины.

Примитив 1: Подача сигналов с несением издержек

Центральная идея InfoFi обманчиво проста: мнения стоят дешево, обязательства стоят дорого. Каждая грамотно спроектированная система InfoFi заставляет участников нести реальные расходы при подаче информации, создавая трение, которое отделяет сигнал от шума.

На рынках прогнозов это принимает форму капитала, поставленного на убеждения. Polymarket обработал 95 млн сделок в 2025 году, достигнув годового объема в $ 21,5 млрд. Платформа перешла от автоматических маркет-мейкеров к центральной книге лимитных ордеров (CLOB) — тому же механизму, который используется институциональными биржами — с внесетевым сопоставлением ордеров и ончейн-расчетами через смарт-контракты на Polygon. Каждая сделка — это обязательство, влекущее расходы: участники теряют деньги, когда они неправы, что создает неустанное стимулирующее давление в сторону точной оценки вероятности.

Сеть Ethos Network, запущенная на Base в январе 2025 года, применяет этот примитив к социальной репутации. Когда вы подтверждаете надежность другого пользователя, вы вносите ETH в стейкинг. Этот ETH подвергается риску, если лицо, которому вы поручились, ведет себя неподобающим образом. Результат: подтверждения репутации несут реальную информацию именно потому, что их предоставление обходится дорого.

Протокол Intuition Protocol придерживается наиболее явного подхода, запустив основную сеть в октябре 2025 года при поддержке в размере $ 8,5 млн от Superscrypt, Shima, F-Prime (венчурное подразделение Fidelity), ConsenSys и Polygon. Его архитектура рассматривает информацию как класс активов:

• Атомы (Atoms): канонические идентификаторы для любого дискретного утверждения (личность, концепция или фрагмент информации)
• Тройки (Triples): утверждения типа «субъект-предикат-объект» — например, «Протокол X имеет уязвимость Y» или «Алиса заслуживает доверия»

На оба типа можно делать ставки через кривые связывания (bonding curves). Создание низкокачественных Атомов стоит вам токенов; курирование высококачественных — приносит комиссионные.

Общая черта: стоимость ошибки создает фильтр шума. Случайные утверждения с низкой степенью уверенности подавляются трением, возникающим при принятии обязательств.

Примитив 2: Правила надлежащего скоринга и совместимость стимулов

Одного несения издержек недостаточно — структура вознаграждения должна гарантировать, что правдивая отчетность является оптимальной стратегией. Это математическая область правил надлежащего скоринга (proper scoring rules): механизмов, в которых участник максимизирует свое ожидаемое вознаграждение, сообщая о своих истинных убеждениях.

Логарифмическое правило рыночного скоринга (LMSR), изобретенное экономистом Робином Хансоном, было основополагающим механизмом для ранних рынков прогнозов. Его функция стоимости — C(q) = b × ln(Σ exp(qᵢ/b)) — решает проблему холодного старта, гарантируя, что автоматический маркет-мейкер всегда обладает ликвидностью, даже до появления первых трейдеров. Параметр b контролирует компромисс между глубиной ликвидности и максимальным потенциальным убытком маркет-мейкера. Исторические сделки встроены в текущую цену, обеспечивая естественное сглаживание против шумовых трейдеров.

Ограничением LMSR является неэффективность капитала: оно обеспечивает одинаковую глубину ликвидности независимо от того, где находятся цены, растрачивая капитал вблизи экстремальных значений вероятности (например, на рынке с уверенностью 95 %). В ноябрьской статье Paradigm 2024 года был представлен специфичный для рынков прогнозов AMM (pm-AMM), который рассматривает цены исходов как следующие броуновскому движению — той же математической модели, которая лежит в основе ценообразования опционов Блэка-Шоулза — и динамически регулирует глубину ликвидности с течением времени для поддержания постоянных показателей потерь по сравнению с ребалансировкой для поставщиков ликвидности.

То же математическое свойство — совместимость стимулов (incentive compatibility) — проявляется и в нефинансовых системах. Механизм поручительства Ethos Network совместим со стимулами: если вы вносите ETH для поддержки кого-то, кто позже обманывает пользователей (rug pull), ваш ETH подвергается риску. Оптимальная стратегия — поручаться только за тех людей, в чьей честности вы искренне уверены. Реестры, курируемые токенами (TCR) в Intuition, функционируют аналогично: стейкеры получают прибыль, когда их курируемая информация признается высококачественной, и теряют токены, когда она оказывается низкокачественной.

Примитив 3: Распространение доверия на основе графов

Статические оценки репутации уязвимы для манипуляций. Если оценка вычисляется на основе простых количественных показателей (подписчики, отзывы, транзакции), богатый злоумышленник может просто купить эти входные данные. Решением является распространение доверия на основе графов: доверие не присваивается абсолютно, а распространяется через социальный граф, делая контекст и отношения центральными элементами вычисления оценки.

EigenTrust, изначально разработанный для выявления вредоносных узлов в пиринговых (P2P) сетях, является ведущим алгоритмом для этой цели. OpenRank (от Karma3 Labs при поддержке Galaxy и IDEO CoLab) применяет EigenTrust к данным социального графа Farcaster и Lens Protocol. Вместо того чтобы считать «подписку» от нового аккаунта и «подписку» от аккаунта с высоким уровнем доверия эквивалентными, EigenTrust взвешивает взаимодействия в зависимости от репутации участника. Алгоритм сходится к стабильному распределению доверия, где ваша репутация зависит от того, кто вам доверяет и насколько доверяют им самим.

Результатом является персонализированный граф доверия — ваша репутация относительно конкретного сообщества отражает специфические социальные связи внутри этого сообщества. OpenRank использует это для формирования лент «Для вас» в Farcaster, рейтингов каналов и персонализации фреймов. Пользователь, глубоко интегрированный в сообщество DeFi, получает иные оценки репутации для разных контекстов, чем пользователь, включенный в сообщество NFT-искусства.

Система оценки YAP от Kaito применяет ту же логику к рынкам внимания. Взаимодействие со стороны аккаунта с высоким показателем YAP (высокая репутация) стоит экспоненциально больше, чем взаимодействие со стороны аккаунта с низким YAP. Это PageRank, примененный к социальному капиталу: ссылки от узлов с высоким авторитетом передают больше авторитета, чем ссылки от узлов с низким авторитетом. Kaito обрабатывает данные около 200 000 активных авторов ежемесячно, вычисляя mindshare — процент общего внимания крипто-твиттера, захваченного данным проектом — с помощью взвешенного обхода социального графа.

Ethos продвигает распространение графов еще дальше благодаря системе только по приглашениям. Ценность вашего аккаунта зависит не только от того, кто за вас поручился, но и от всей цепочки приглашений. Новый аккаунт, приглашенный участником Ethos с хорошими связями, наследует часть доверия этого участника — структурное воплощение принципа «доверие со стороны доверенных лиц».

Примитив 4: Многоуровневая защита от атак Сивиллы

Атаки Сивиллы (Sybil attacks) — наводнение системы поддельными личностями для манипулирования оценками, сбора наград или искажения рынков — являются экзистенциальной угрозой для каждого примитива InfoFi. Если создание поддельных личностей обходится дешево, сигналы, требующие затрат, могут быть скомпрометированы скоординированными ботами, графы репутации — искусственно раздуты, а результаты рынков предсказаний — сфальсифицированы.

Сектор InfoFi пришел к многоуровневому стеку защиты:

Уровень 0 — Биометрическая верификация: Проект World (ранее Worldcoin) использует сканирующие радужную оболочку глаза устройства (Orbs) для выдачи World ID в сети Worldchain. Доказательства с нулевым разглашением позволяют пользователям подтверждать свою человеческую природу, не раскрывая, какая именно радужка была отсканирована, что предотвращает отслеживание между приложениями. С развертыванием 7 500 устройств Orbs по США в 2025 году, этот уровень нацелен на 200 миллионов подтверждений личности (proof-of-humanity).

Уровень 1 — Приглашения и ограничения социального графа: Ethos (только по приглашениям), Farcaster (верификация по телефону) и Lens Protocol (создание профиля через кошелек) создают структурные препятствия для создания личностей. Поддельным личностям требуются реальные социальные связи для начальной загрузки.

Уровень 2 — Доверие, взвешенное по стейку: Системы на базе EigenTrust взвешивают доверие по стейку или сложившейся репутации. Координационные атаки требуют накопления реального доверия со стороны существующих участников, что дорого имитировать.

Уровень 3 — Поведенческий анализ: Алгоритм Kaito был обновлен в 2025 году после критики за то, что он вознаграждал «фарминг» контента KOL (лидеров мнений) выше подлинного анализа. Обновления ввели ИИ-фильтры, которые обнаруживают купленных подписчиков, ботоподобные паттерны публикаций и контент, который упоминает рейтинги без предоставления инсайтов. Ответы больше не учитываются в рейтингах лидеров; посты, обсуждающие только награды без добавления информации, исключаются из расчетов mindshare.

Уровень 4 — Агрегация ZK-удостоверений: Human Passport (ранее Gitcoin Passport, приобретенный Holonym Foundation в 2025 году) агрегирует удостоверения из нескольких источников — социальную верификацию, историю транзакций в блокчейне, биометрию — в единую оценку устойчивости к Сивилле с использованием доказательств с нулевым разглашением. Имея 2 миллиона пользователей и 34 миллиона выданных удостоверений, он позволяет приложениям требовать минимальный балл защиты от Сивиллы, не узнавая, какие именно проверки прошел пользователь.

Galxe объединяет эти уровни в масштабе: 33 миллиона пользователей более чем 7 000 брендов владеют удостоверениями, подтвержденными через ZK-доказательства, а Galxe Score агрегирует ончейн-активность в Ethereum, Solana, TON, Sui и других сетях в многомерную метрику репутации.

Примитив 5: Непрерывное ценообразование через кривые связывания

Бинарные оценки («доверяю» или «не доверяю», «верифицирован» или «не верифицирован») недостаточны для рынков информации, так как они не отражают степень уверенности, репутации или внимания. Системы InfoFi используют кривые связывания (bonding curves) — непрерывные математические функции, которые определяют цену в зависимости от востребованного количества — для создания рынков, оценивающих информацию в широком спектре.

Функция стоимости LMSR представляет собой кривую связывания для долей на рынках предсказаний: по мере покупки большего количества долей определенного исхода их цена непрерывно растет. Это делает рыночную цену индикатором коллективной уверенности в режиме реального времени.

Рыночный уровень репутации Ethos создает кривые связывания для индивидуального доверия: «билеты доверия» (trust tickets) и «билеты недоверия» (distrust tickets), привязанные к конкретным профилям пользователей, оцениваются непрерывно в зависимости от спроса. Когда сообщество считает, что надежность пользователя растет, цены на билеты доверия повышаются. Это превращает оценку репутации из статического значка в живой рынок с непрерывным поиском цены.

Cookie.fun представил коэффициент Price-to-Mindshare (P/M) как метрику непрерывной оценки для ИИ-агентов: рыночная капитализация, деленная на процент mindshare, по аналогии с коэффициентом цена/прибыль (P/E) на фондовых рынках. Низкий P/M подразумевает недооцененное внимание относительно рыночной капитализации; высокий P/M — обратное. Это эквивалент фундаментальной оценки в InfoFi — перевод метрик внимания в непрерывные инвестиционные сигналы.

Архитектура хранилищ (vaults) Intuition использует кривые связывания для определения того, как стейкинг влияет на достоверность и показатель релевантности каждого Атома (Atom) и Тройки (Triple). Стейкинг в хранилище, содержащее точную и широко цитируемую информацию, приносит прибыль; стейкинг в хранилище с низкокачественной информацией ведет к убыткам по мере выхода других участников. Механизм непрерывного ценообразования со временем выравнивает стимулы кураторов с качеством информации.

Архитектура, которая оценивает истину

Эти пять примитивов не являются независимыми системами — они объединяются в единую архитектуру. Затратные сигналы ценны только в том случае, если они структурированы как надлежащие правила оценки (чтобы правдивое сообщение данных было оптимальным), агрегированы через распространение по графу (чтобы контекст влиял на стоимость), защищены устойчивостью к атаке Сивиллы (чтобы поддельные сигналы обходились дорого) и выражены через непрерывное ценообразование (чтобы фиксировать степень уверенности).

Ежегодный объем рынков предсказаний в размере 40 миллиардов долларов, 116 миллионов долларов, распределенных между участниками рынка внимания, и 33 миллиона верифицированных идентификаторов в Web3 — это ранние доказательства того, что эти механизмы работают. Число ежемесячно активных трейдеров Polymarket выросло с 45 000 до 19 миллионов в период с 2024 по 2025 год — это 421-кратный рост, вызванный не спекуляциями, а тем, что пользователи обнаружили: рынки предсказаний обеспечивают более точную оценку вероятности событий, чем традиционные СМИ.

Следующая волна приложений InfoFi, вероятно, будет исходить от ИИ-агентов, использующих эти рынки в качестве потоков данных. Kalshi уже сообщает, что алгоритмические боты являются основными участниками на ее платформе, регулируемой CFTC, при этом системы ИИ рассматривают изменения вероятностей на рынках предсказаний как триггеры для исполнения сделок на коррелирующих традиционных рынках. Когда ИИ-агенты потребляют и производят информацию в масштабе, качество базовых механизмов ценообразования определяет качество систем ИИ, построенных на их основе.

То, что Виталик назвал «инфо-финансами» (info finance), становится фундаментом информационной экономики: уровнем, который определяет, что является истиной, кто заслуживает доверия и что достойно внимания — со стимулами, подкрепленными капиталом, которых никогда не было в традиционных информационных системах.

BlockEden.xyz предоставляет инфраструктуру для разработчиков в сетях Sui, Aptos, Ethereum и более чем 20 других блокчейн-сетях. Разработчики, создающие рынки информации, системы репутации и ончейн-аналитику, могут получить доступ к узлам промышленного уровня и API данных на BlockEden.xyz.