量子链解决了什么原来没被解决的问题?

简介:

学习与提问

学习能力被李笑来称做是人生的“作弊器”。不信你想想看,一个人若是需要什么就能学会什么,那就像打游戏时开了外挂,遇到什么怪都能打赢;在生活中,那就是遇到什么问题都能解决,这样的人生真是想想就觉得爽呀!

在《通往财富自由之路》的专栏里,学习能力的进阶,被划分成了三个阶段:

能学会有人手把手教的东西

能学会书本上所教授的技能

能学会没人能教授的东西。

目前来看,区块链的相关知识介于第2阶段和第3阶段之间,那么,如何学习这种知识呢

我的思考是,学习时心中一定带着问题,用问题导向帮助自己在不明确的环境中摸索出一条道路。

一个问题,特别是一个好问题的作用不亚于指南针对探险者的指引

在区块链领域中,有哪些好问题,就不得不得INB的投资原则了。


好的,开胃菜上完。

下面就是本文的重点,我们要解析的量子链这个区块链项目解决了什么原来没被解决的问题

要回答这个问题,首先需要先回答下什么是量子链。

什么是量子链?

它的是定义是:

量子链(Quantum Blockchain)致力于打造基于互联网的价值传输协议以及去中心化应用的开发平台,旨在建立比特币生态和以太坊生态的桥梁,并建立区块链世界与真实商业世界的桥梁。

从中,我们可以看出它是一个开发平台,属于底层基础链

它志在解决的问题有两个,分别是:

打通比特币生态和以太坊生态

打通区块链世界和真实的商业世界

那么,这些问题真的需要被解决吗?

目前,比特币和以太坊的市值分列区块链资产的前两名,它们也是区块链技术中最大的两个生态,但是基于 UTXO 模型的比特币生态和基于 Account 模型的以太坊生态很难有兼容性

虽然两种生态的代币可以在交易市场通过法币来互换,但是在从技术应用的角度上来看,这极大了限制了区块链技术的发展。

假设现在世界上最大的两个经济体美国和中国仅有的货币贸易,还只能通过第三方货币来实现的建立的话,不难想像世界经济的发展,就像忘了放手刹的汽车一样,再怎么用力的踩油门速度也上不来

所以,打通比特币和以太坊的生态的价值不仅限于这两个生态,更有助于整个区块链行业的发展。量子链的抽象账户模型是一种建立在UTXO模型的基础上,并且兼容以太坊虚拟机的状态账户,它是两个生态融合的关键点。在量子链官网上的一篇文章Account Abstraction Layer Overview,详细的说明了它的设计理念,大家有兴趣的可以读一下。

以太坊的出现,让智能合约的概念从理论变成实际,极大的扩展了区块链技术的边界,但是现有的大多数智能合约的触发条件是来自于区块链系统本身,很少有来自外界的触发条件。缺乏与现实世界的交互是扩大智能合约应用的一个屏障

量子链在设计之初就考虑到了这个问题,它把智能合约分为两类。

简单合约,这个等价于智能合约,是运行在虚拟机上,触发条件来源于区块链系统本身。

主控合约,它也是运行虚拟机上,不同之处在于,它会通过oracle和datafeeds获得链外的数据,从而更接近于真实的商业场景。

它的优势和创新点

不得不说,它最大的优势在于“没有重复造轮子”,而是充分继承和吸收了比特币和以太坊的优点。

比特币是目前运行时间最长、最稳定的区块链系统,唯一的缺点在于没有提供向下兼容的、无侵入式的升级策略,但是谁又知道这是不是中本聪故意这样设计的呢,毕竟不可篡改可是区块链技术一个特点。

以太坊是目前唯一一个经过测试的智能合约虚拟机,它有许多待完善的地方,Dao攻击带来的硬分叉也削弱了它的公信力,但是它的出现,极大的扩展了区块链技术的应用场景,兼容它的协议要远比重建一个新的协议再推广合算。

举个可能不恰当的例子,微信在刚推出的时候,就支持了QQ号登录,即使现在已经和QQ平起平做,但是QQ号的入口依然被保留。

针对比特币和以太坊采用的POW共识机制受限于资源和硬件,难以满足高吞吐量高响应的需求,再则以太坊想要无缝切换到POS机制时面临的设计上的欠缺,量子链从设计之出就采纳了POS共识机制,并把共识机制模块化

它的共识机制可以方便的替换来适应不同场景、公链和私链的需求。按我的理解,这就像面向接口编程,只要接口定了,任何一个具体的实现都是可以互相无缝替换的

除了共识机制这个创新,量子链另一个重大的选择是从一开始就定了拥抱移动端的策略。量子链默认支持简单支付协议(SPV),这让量子链的移动客户端可以被安装在绝大多数的移动端上。在Forbes一篇文章Qtum Mixing Bitcoin & Ethereum Launching 'Proof-Of-Stake' Smart Contracts Platform中,里面提到了很有意识的一点是,量子链会有微信小程序版的钱包。

目前的进展

9月13号,量子链的主链已经上线了。

它的测试链Skynet也在测试中,我从github从找到了

Skynet Release V1.2的链接。

量子链的开发陈俊在Medium有篇文章详细的介绍了申请测试代币、以及测试智能合约的步骤。我按照文件在Mac上构建出了客户端,申请的测试币还没有到账,所以没有完成智能合约的测试。如果大家有兴趣,可以按照这篇文章Qtum Custom Token Walkthrough一步步尝试下。

同时,从区块链浏览器中Insight也可以查看Skynet测试链的运行情况。

初步观察下来,量子链开发进度都在按预期进行。

余下的疑问?

、关于oracle和datafeeds获得链外的数据这点,无论是在白皮书里,还是在找到文章中,都是一笔带过,我很好奇这些功能是量子链团队自己会做,还是集成其它团队的。我注意到一个oracle方面的项目菩提是计划基于量子链开发的?那么它是量子链里提到oracle的一个实现吗?

、关于datafeeds, 这是需要像公信宝这样的服务吗?我还需要再多调查下。

、满足金融监管需求而设计的Identity和privacy?它是会引入像网站的身份验证KYC(Know your customer)这样的步骤吗?

总结

量子链志在通过以下方式解决两个没有被解决的问题:

引入抽象账户模型,打通比特币生态和以太坊生态

设计了更灵活的共识机制和主控合约,解决以太坊智能合约在运行性能上的瓶颈,并加强它和外界数据的交互,从而更广泛的应用于真实商业世界。

最后,附上一张从量子链官网找到架构图。


             



原文发布时间为:2017.09.16
本文作者:海之方
本文来源:简书,如需转载请联系原作者。

目录
相关文章
|
5月前
|
存储 人工智能 运维
MoE大模型迎来“原生战友”:昇腾超节点重构AI基础设施
大模型训练中,MoE架构逐渐成为主流,但也面临资源利用率低、系统稳定性差、通信带宽瓶颈三大挑战。传统AI集群难以满足其需求,而“昇腾超节点”通过自研高速互联协议、软硬件协同调度、全局内存统一编址及系统稳定性提升等创新,实现384张卡协同工作,大幅提升训练效率与推理性能。相比传统方案,昇腾超节点将训练效率提升3倍,推理吞吐提升6倍,助力MoE模型在工业、能源等领域的规模化应用。5月19日的鲲鹏昇腾创享周直播将深度解析相关技术细节。
250 15
|
4月前
|
机器学习/深度学习 存储 算法
SMOTE-XGBoost实战:金融风控中欺诈检测的样本不平衡解决方案
本文深入探讨金融支付风控领域中的欺诈检测问题,针对样本不平衡的核心痛点,提出一种基于动态密度SMOTE算法的改进方案,并结合优化后的XGBoost模型实现高性能检测。相比传统方法,本文方案在IEEE-CIS数据集上显著提升Recall(达0.85)和AUC-PR(达0.72),同时控制推理时延在合理范围。文章还详细解析特征工程体系、在线推理优化及动态阈值调整机制,并展望联邦学习与图神经网络等未来方向,为实际业务应用提供全面指导。
185 1
|
4月前
|
Java 关系型数据库 MySQL
2025 年互联网公司校招 Java 面试题总结及答案实操示例解析
本项目基于Spring Boot 3与Java 17技术栈,围绕校园招聘常见面试题,提供核心知识点的实操示例。涵盖多线程、RESTful API设计、数据库操作(Spring Data JPA)、事务管理及异常处理等。通过完整代码实现与运行步骤,帮助理解用户管理、线程池配置等实际应用场景。资源包含项目结构、关键代码示例(如User实体类、UserService服务层、ThreadService多线程实现)及数据库迁移脚本,适合深入学习与实践。环境要求:JDK 17+、Maven 3.8+、MySQL 8.0+。
158 3
|
8月前
|
人工智能 语音技术
首个可保留情感的音频LLM!Meta重磅开源7B-Spirit LM,一网打尽音频+文本多模态任务
Meta AI 研究团队提出了一种名为 SpiRit-LM 的新型多模态语言模型,该模型能够处理文本和音频,实现两者无缝融合。SpiRit-LM 通过“交织”方法训练,具备多模态融合、情感保留和多任务学习能力,在自动语音识别、文本转语音等任务上表现出色。它有 Base 和 Expressive 两个版本,后者能更好地捕捉情感表达。研究团队在多个基准上测试了其性能,并探索了其在语音助手、内容创作、教育和音频编辑等领域的应用前景。
232 1
|
前端开发
【分享】宜搭多选组件,在数据展示页实现换行展示
宜搭多选组件,数据展示页会把原数据拼接展示,如果涉及到多条较长数据时,展示不太直观。
746 1
【分享】宜搭多选组件,在数据展示页实现换行展示
|
Serverless 计算机视觉 索引
凸包---OpenCV-Python开发指南(28)
凸包---OpenCV-Python开发指南(28)
448 1
凸包---OpenCV-Python开发指南(28)
|
人工智能 边缘计算 算法
MindSpore安装教程
MindSpore安装教程
1418 0
MindSpore安装教程
|
数据可视化 Shell 持续交付
|
存储 人工智能 搜索推荐
行业前瞻丨2025年公有云或将服务中国过半数字经济
数字经济已经成为中国经济增长的重要引擎,云计算则是数字经济发展的关键支撑。中国作为世界第二大经济体,云计算市场规模仍有较大的增长空间。 随着第三产业数字经济渗透率的提升、“新基建”国家战略的引领和数据量的快速增长,2025年公有云或将服务中国过半数字经济,成为关键基础设施。
行业前瞻丨2025年公有云或将服务中国过半数字经济
|
机器学习/深度学习 存储 PyTorch
pytorch优化器与学习率设置详解
pytorch优化器与学习率设置详解