流动性：从虚拟到真实的进化论

从一个 meme 发射台出发，聊聊 DeFi 世界里最被低估的设计问题。

---

引子：Glow 给我的一堂课

做 Glow 的时候，我们面对的第一个问题不是"怎么让代币涨"，而是一个更基础、更棘手的问题：

新代币刚发行，没有人，没有钱，谁来交易？

现成的解法是 bonding curve——一条数学曲线，让代币价格随着买入量自动上涨。没有对手方，没有 LP，协议本身就是市场。用户买入，价格沿曲线攀升；用户卖出，价格沿曲线回落。流动性是"虚拟的"，但它真实存在，任何时候都能成交。

当项目成长到毕业节点，积累了足够的资金和交易量，我们把它"毕业"到真正的 DEX——建立真实的流动性池，由真实的 LP 提供资金，由真实的市场定价。

而当一个项目足够大、足够成熟，连 AMM 的滑点都嫌高，它会走向订单簿——专业做市商报价，双边挂单，深度以千万美元计。

Bonding curve → AMM 流动性池 → 订单簿。

这三步，不只是 Glow 的产品路径，它浓缩了 DeFi 世界里流动性演化的完整逻辑。

---

第一章：流动性是什么

不是"钱多"，是"愿意成交的密度"

很多人对流动性的第一反应是：池子里的钱够不够多？

这个理解不够精确。

流动性更准确的定义是：在特定价格区间内，市场参与者愿意成交的意愿密度。

同样是 $100 万的资金，放在不同的机制下，流动性质量天差地别：

• 放在一个 Uniswap V2 的全范围池子里，流动性被稀释在 $0 到$∞ 的价格区间，实际有效深度极低；
• 集中在 Uniswap V3 的 ±2% 价格区间，同样的钱可以提供接近中心化交易所的深度；
• 由一个专业做市商主动管理，根据市场信号动态调整，实际有效深度可能是同等资金量的 AMM 的 10 倍以上。

所以，讨论流动性，我们真正在讨论的是：价格冲击有多小（我买/卖 X 美元会让价格移动多少）、成交速度有多快（挂单能不能被及时撮合）、摩擦成本有多低（spread 和手续费加起来是多少）。

流动性的三个可观测指标

这三个指标互相关联——好的流动性意味着滑点低、spread 窄、深度大。

---

第二章：流动性的三种形态

DeFi 发展至今，流动性的提供方式演化出了三种截然不同的形态，各有其适用场景和内在逻辑。

形态一：被动流动性（Passive Liquidity）

代表机制：Bonding Curve、AMM（Uniswap、Raydium）

逻辑：用数学规则代替人的判断。流动性提供者（LP）把资金存入池子，价格由公式自动计算，不需要主动报价、不需要预测市场走向。

Bonding Curve 是这类机制的极端形式——连 LP 都不需要，协议自己就是对手方，价格完全由曲线决定。这是解决冷启动问题的天才设计：在没有任何参与者的情况下，市场依然可以运转。

AMM 是成熟版本。LP 提供双边流动性，赚取手续费作为回报，价格由 $x \times y = k$（或其变体）决定。门槛低、无需许可、7×24 小时运行——这是 DeFi 真正击穿 CeFi 的地方。

代价：无常损失（Impermanent Loss）。LP 赚手续费，但如果标的资产价格剧烈波动，LP 的实际收益可能远不如直接持币。资金利用率也相对低，因为流动性被分散在整个价格曲线上。

形态二：主动流动性（Active Liquidity）

代表机制：专业做市商、Uniswap V3 集中流动性

逻辑：用判断和信息代替规则。做市商根据市场状态主动报价，随时调整买卖价差和挂单深度，在提供流动性的同时管理自身风险。

这是订单簿市场的主角。专业做市商可以根据实时数据（价格走势、波动率、链上大单）动态调整策略——当市场平静时收窄 spread 赚手续费，当行情剧烈时扩大 spread 或暂时撤单以控制风险。

Uniswap V3 把这个逻辑引入了 AMM：LP 可以选择只在特定价格区间提供流动性，资金利用率可以提升数十倍。代价是：LP 需要主动管理仓位，门槛显著提高，散户 LP 在专业做市商面前往往处于信息劣势。

代价：信息不对称。专业做市商能比普通用户提前感知价格走向，他们从市场里赚的钱，相当程度上来自"更晚知道价格"的普通参与者。

形态三：合成流动性（Synthetic Liquidity）

代表机制：算法定价（AMM-style pricing）、永续合约的资金费率机制、期权的 Black-Scholes 报价

逻辑：用模型代替市场。不需要真实的对手方，协议用数学模型实时计算一个"公允价格"，用户直接以模型价格成交，协议承担对手方风险。

这是流动性问题的"核聚变"解法——理论上可以支持无限多个市场，每个市场都有即时报价，不需要任何 LP 或做市商。

代价：协议承担所有方向性风险。如果模型定价出现偏差，或者极端行情下参数估计失效，协议金库会直接承受损失。历史上多个期权和预测市场协议都因为这个原因出现过重大亏损。

---

第三章：冷启动困境与解法

流动性有一个残酷的鸡生蛋问题：

深度好 → 用户来 → 交易量大 → 做市商进场 → 深度更好

反过来同样成立：没有深度 → 用户体验差 → 用户不来 → 做市商不进 → 深度越来越差

新项目必须打破这个恶性循环。以下是目前 DeFi 里常见的五种解法：

解法一：协议自营做市（Protocol-Owned Liquidity）

协议用自己的金库资金，直接成为第一个流动性提供者。每个新开市场，协议自己先挂单，保证用户进来有价格可以成交。

优点：启动最简单，用户体验有保障，不依赖任何外部参与者。

缺点：资本密集，协议需要承担方向性风险。适合早期冷启动，但不能作为长期方案——随着市场数量增加，资金压力会指数级增长。

代表案例：Olympus DAO 的债券机制是这个思路的延伸——用折扣代币换用户的 LP 份额，把外部流动性"内化"为协议自有资产。

解法二：池化流动性（Pooled Liquidity）

不让每个市场独立管理流动性，而是让一个统一的流动性池服务所有市场。

GMX/GLP 是这个思路的成熟实现：用户存入综合资产池，池子作为所有交易者的对手方。LP 不需要选择具体市场，一笔存款就能参与全部流动性供给。

优点：解决流动性碎片化，一个 $1M 的池子可以同时服务 100 个市场，LP 体验极简。

缺点：复合风险——如果市场单边行情，池子在所有相关市场上同时亏损，没有分散效果。需要复杂的风控机制管理敞口上限。

解法三：专业做市商激励

用手续费返佣和代币激励，吸引专业做市商入场。

具体手段包括：Maker 返佣（挂单方不付费甚至倒贴，吃单方付费）、流动性挖矿（按挂单时间和深度奖励代币）、以及对做市商友好的 API 基础设施（低延迟 WebSocket、批量下单、订单管理接口）。

优点：一旦专业做市商进场，深度可以提升 10-100 倍。长期可持续，激励可以逐步退出。

缺点：需要先有用户成交量，做市商才肯进——依然是鸡生蛋问题。且专业做市商会加剧与散户之间的信息不对称。

解法四：跨平台流动性聚合

不自建流动性，而是把多个平台的盘口聚合起来，用户下单时路由到最优价格的平台。

优点：启动成本极低，用户永远能拿到全市场最优价。

缺点：护城河不在流动性，大平台可以随时封你的 API；法律上可能被认定为未授权 broker。适合作为辅助功能，不适合作为核心战略。

解法五：算法报价兜底

用数学公式（如二元期权的 Black-Scholes 定价）实时计算理论价，用户以"理论价 + spread"成交，协议金库作为对手方。

优点：零做市商依赖，理论上可以支持无限多个市场，永远有报价。

缺点：协议承担所有方向性风险；对用户解释成本高（"为什么我刚买完价格就变了？"）；历史上这个方向的项目鲜有成功，用户心理上更喜欢"有真实对手方在挂单"的感觉。

组合策略：分阶段使用

没有一种解法可以独立支撑一个项目的全生命周期。成熟的做法是分阶段组合：

---

第四章：流动性的成本——谁在承担风险

流动性不是凭空产生的，它的背后是有人在承担风险。

三类风险承担者

LP（流动性提供者）承担无常损失。每当市场价格偏离 LP 入场时的价格，LP 的实际持仓价值就会低于直接持有原始资产的价值。这不是"可能的损失"，是必然的成本，区别只在于大小。

做市商承担库存风险（Inventory Risk）。做市商需要在任意时刻持有买卖双边的头寸。如果一笔大额订单打过来，做市商被迫持有单边仓位，在下一笔对冲交易完成之前，他们暴露在市场波动下。做市商的盈利逻辑是：spread 收入必须覆盖库存风险和信息不对称造成的逆向选择损失。

协议金库在 POL 或算法报价模式下，承担方向性风险。协议成为市场的最后对手方，如果参与者整体方向正确（比如大涨行情下所有人都在买 YES），协议就会系统性亏损。

风险如何分配决定了协议的设计选择

这是 DeFi 协议设计中最核心、也最容易被忽视的问题：你的流动性机制，本质上是在决定谁来承担风险。

Uniswap 的选择是：LP 承担无常损失，换取手续费收入。这是一个相对公平的安排——LP 知情入场，风险和收益透明。

GMX 的选择是：GLP 持有者（LP）作为所有交易者的对手方，系统性承担所有方向性风险，同时获得平台所有手续费的 70%。这个安排在牛市对交易者友好，但对 GLP 持有者不利；熊市反之。

算法报价协议的选择是：把所有风险集中在协议金库，用代币激励来弥补这个风险，实质上是让代币持有者在不知情的情况下承担了风险。

理解这个框架，可以帮助你在遇到任何新的 DeFi 协议时，快速识别它的真实风险结构——无论它的营销材料说得多么诱人。

---

第五章：流动性博弈——谁在收割谁

流动性市场从来不是一个公平的竞技场。当你理解了激励结构，会发现它本质上是一场信息不对称下的持续博弈。

逆向选择：散户 LP 的宿命

第四章我们提到 LP 承担了无常损失，但很多人误以为无常损失只是“由于价格波动产生的数学浮亏”。实际上在真实的博弈中，无常损失的大部分是被“聪明钱”主动咬掉的肉。

AMM 里有一个残酷的逻辑，大多数散户 LP 并不自知：

你的对手方，永远是比你更了解价格走向的人。

想象一个简单场景：BTC 即将大涨，链上某个"聪明钱"地址提前知道了（或者用模型预测到了）。他会在价格拉升前，大量从 AMM 池子里买入 BTC——而卖给他 BTC 的，正是你这个散户 LP 的资金。

等价格涨上去，你的池子里 BTC 减少了，稳定币增加了。你没有赚到涨幅，只赚了那一点点手续费。这就是逆向选择（Adverse Selection）：愿意和你交易的人，往往是比你更知道价格会怎么走的人。

专业做市商对这个问题心知肚明，他们用两个工具对冲：

• Delta-neutral 策略：同时在链上提供流动性，在链下持有反向头寸，让净敞口接近零。不管价格涨跌，都不吃大亏。
• 动态调整 spread：感知到大额定向订单流时，立刻扩大 spread 或撤单，避免被"聪明钱"吃掉。

散户 LP 两个工具都没有，于是成了专业做市商和套利者共同的对手盘。

MEV：流动性的隐形税

如果说逆向选择是明面上的博弈，MEV（最大可提取价值）则是水下更激烈的暗涌。

在以太坊和 Solana 上，每一笔交易在被打包进区块之前，都有一个窗口期——区块生产者（或者抢跑机器人）可以看到你的交易内容，并且在你之前插入自己的交易。

对流动性的具体影响：

• 三明治攻击：你要在 AMM 里买 BTC，机器人提前买，把价格拉高，等你买完，再卖掉——你的每一笔大单，都在给机器人送钱。
• 套利提取：每次外部价格变化，套利机器人会抢先把 AMM 里的价格调整过来，这部分收益本可以属于 LP，却被提取走了。

MEV 的本质是：链上交易的"公开性"变成了一种对普通用户和 LP 征收的结构性税收。 流动性越好、交易量越大的池子，MEV 提取也越严重。

这也是为什么 Solana 生态在大力发展私有内存池和反 MEV 机制——不解决这个问题，流动性提供者的真实收益会持续被侵蚀。

流动性作为公共品的悖论

最后一个值得思考的问题：流动性是公共品吗？

它有公共品的特征——深度好的市场，所有参与者都受益，包括那些没有提供任何流动性的人。但提供流动性需要承担真实风险和成本，这导致流动性天然供给不足——每个人都希望别人来提供流动性，自己来享用。

这就是为什么几乎所有协议都需要用激励去"购买"流动性，而不是等待它自然产生。代币激励、手续费分成、做市商补贴——本质上都是在给公共品的生产者付费。

但这里有一个治理困境：激励一旦退出，流动性会跑多少？ Curve Wars 的历史说明，流动性可以用代币激励买来，但买来的是"雇佣兵"，不是"盟友"，一旦有更高的收益池出现，资金会毫不留情地一卷而空。

这导向了流动性机制设计的终极思考：

如果纯靠利益算计维系的流动性注定无法留存，那么下一代 DeFi 协议的真实护城河，究竟应该建在更复杂的数学公式上，还是建在能沉淀真实用户黏性的高频应用场景里？

---

结语：流动性设计的本质是激励设计

回到 Glow 给我的那堂课。

Bonding curve 的本质，是协议承担了所有早期风险——没有用户，协议自己做对手方；价格靠公式维持，协议承担所有不确定性。这是一种激励设计：新用户不需要承担"进来没人接单"的风险，所以敢来。

DEX 的流动性池，是把风险转移给 LP——LP 赚手续费，但承担无常损失。这也是一种激励设计：手续费必须足够吸引人，才能让 LP 愿意进场。

订单簿上的专业做市商，是把风险转移给有信息优势的人——他们的信息优势让他们可以管理风险，散户的信息劣势意味着他们在承担更多。这同样是一种激励设计：做市商的利润空间必须足够大，才能吸引他们持续提供流动性。

所以，每当你思考"我的项目怎么解决流动性"，真正需要问的问题是：

我要设计什么样的激励，让什么样的人愿意来承担流动性提供者的风险？

这个问题没有标准答案，但想清楚这个问题，是构建可持续流动性的起点。

---

作者：0xPM
标签：DeFi / 流动性 / AMM / 做市商 / 产品设计