深度解读 AI 稳定币早期项目

转发原文标题《深度解读AI稳定币早期项目02——http://USD.AI @USDai_Official》

当前，AI 的快速发展对计算资源和相关基础设施的需求巨大。然而，传统的融资模式却存在诸多弊端：它们速度慢、不透明、受地理限制，并且缺乏可扩展性。

http://USD.AI 的诞生，瞄准的是 AI 硬件和DePIN的融资痛点。诸如 GPU 算力集群、新型物联网网络等项目往往资本开支巨大，却难以从传统银行获得贷款（即便它们有稳定现金流）。同时，大量DeFi资金缺乏可靠的高收益去处。

http://USD.AI 将二者对接：通过协议池把用户的稳定币出借给经过严格遴选的AI基础设施运营商，以其昂贵的硬件设备作抵押。这样，这些运营商获得急需的扩张资金，能够购买更多设备、扩大算力规模，而出资的加密用户则赚取高额借贷利息回报，实现双赢。

一、核心机制

http://USD.AI 采用双代币模式，发行两种稳定币资产：USDai 和 sUSDai，允许用户存入稳定币，铸造USDai；质押USDai则可获得sUSDai。

• USDai 是低风险的合成美元，以生息国债支持的稳定币（如 M^0 的 “M” 代币）为抵押，但底层产生的国债收益不会分配给 USDai 持有者。它提供的是稳定性和流动性。随时可赎回。
• sUSDai 是面向投资者的“收益版”代币，资金投向AI算力、能源、通信等基础设施贷款，获取这些实体资产的收益。因此 sUSDai 收益来源有两部分：一是 USDai 的底层国债产生的收益，二是对 AI 硬件、DePIN 资产等实物基础设施贷款的利息。

注意，sUSDai有一个 30 天的赎回窗口，如果不想等待30 天，想提前获得优先赎回权，可以参与 QEV 拍卖机制来竞价。（QEV 具体介绍将在下一节展开）

总之，http://USD.AI 目的在于通过双代币USDai/sUSDai，将那些原本缺乏流动性的AI硬件、计算设备和DePIN资产，转化为高效、可流动的生产性资本。

二、技术解读

在技术机制设计上，http://USD.AI 引入了 CALIBER 资产框架和 QEV 赎回机制，为上述模式提供了安全网和流动性保障。

CALIBER 框架是一套将实体资产数字化并法律化托管的方案。当借款人以AI硬件作为抵押贷款时，http://USD.AI 会链上铸造代表该资产的NFT所有权凭证。如此一来，如果借款人违约，协议可依法收回并处置设备，偿付投资人。在用户看来，CALIBER 意味着 sUSDai 背后的资产是真实、有保障的硬件，提升了整个系统的可信度。

QEV 机制则用于管理 sUSDai 的赎回流动性。不同于一般稳定币的先到先得队列，http://USD.AI 将赎回设计成每月一次的盲拍，协议把当期可用于赎回的资金打包，允许想退出的持有人匿名竞价赎回。出价越高（愿意放弃的利息越少）者优先兑换，相当于用市场手段决定谁先退出。这样的拍卖机制防止了挤兑恐慌，并激励长线持有。

三、参与方式

目前 http://USD.AI 处于内测阶段，参与者可以在 Arbitrum 上铸造 USDai 和 sUSDai。由于仍属封闭测试，官方暂未开放公开的应用界面，普通用户需在官网填写白名单争取参与资格。

按照路线图，项目计划很快开放公测，上线以太坊主网、Berachain 等更多链，同时即将推出名为 Cores 的积分奖励机制——早期内测用户和贡献者将按活动获得积分，用于后续奖励。

四、风险提示

流动性滞后风险：由于 sUSDai 采用封闭周期的赎回设计，正常情况下赎回需要等待一个周期（约30天）才能提取底层资产。如果在短时间出现集中赎回需求，用户的资金流动性将受限。为此项目引入了 QEV 拍卖机制以缓冲，但二级市场流动性依然可能在极端情况下出现短暂不足，需有一定流动性预期管理。

早期协议风险：http://USD.AI 还处于早期测试阶段，其智能合约、拍卖机制等可能存在尚未暴露的问题，需要经过时间检验。参与之前，需要对可能的极端状况做好心理准备和风险评估。

五、未来展望

随着人工智能基础设施需求的爆发式增长，http://USD.AI 的这套模式运行良好，不仅意味着 DeFi 资金可以大规模涌入支撑AI网络的建设，还意味着 http://USD.AI 可能成为 AI 基础设施时代不可或缺的一部分。

声明：

1. 本文转载自 [Biteye]，原文标题《深度解读AI稳定币早期项目02—— http://USD.AI @USDai_Official》，著作权归属原作者 [ Biteye ]，如对转载有异议，请联系 Gate Learn团队，团队会根据相关流程尽速处理。
2. 免责声明：本文所表达的观点和意见仅代表作者个人观点，不构成任何投资建议。
3. 文章其他语言版本由 Gate Learn 团队翻译， 在未提及 Gate 的情况下不得复制、传播或抄袭经翻译文章。