以太坊「超音波貨幣」是個錯誤嗎?自轉向以來,ETH相較於BTC下跌65%
自以太坊於2022年轉向權益證明(Proof-of-Stake, PoS)機制以來,Ether(ETH)相較於比特幣(BTC)價格已下跌了約65%,這使得以太坊的「超音速貨幣」敘事受到質疑。
重點摘要:
較低的手續費及 L2 擴張,削弱了以太坊的通縮型「超音速貨幣」主張。
ETH 相對於 BTC 表現落後,原因是投資者信任比特幣具固定供應週期。
以太坊「超音速貨幣」敘事令人失望
「超音速貨幣」的概念原意是認為 Ether 的稀缺性甚至將超越比特幣。
支持者過去主張,以太坊2021年 EIP-1559 升級開始燃燒部分交易手續費,再加上2022年合併(Merge)後新發行 ETH 驟減,最終會使 ETH 供給隨時間變成通縮。
根據 Ultrasound.MONEY 數據,自2021年啟用燃燒機制以來,ETH 新的年供應增長率平均約為 -0.19%。
然而自2022年以太坊轉為 PoS 之後,ETH 年供應增長率約為 0.23%,雖低於比特幣目前年通脹率的 0.85%。
然而,以太坊合併以來供應增長,削弱了通縮預期。ETH僅在主網活動足夠、燃燒量超過網絡發放給驗證者的數量時才會轉為通縮。
這個條件已經不若過去。以太坊平均交易手續費在三月僅約 0.21 美元,較一年前下跌約 54%。
手續費下滑,意味著以太坊網路燃燒的ETH也減少。
此外,以太坊大部分鏈上活動已轉移到成本較低的 Layer-2 網路。根據 L2beat 數據,3月7日 rollup 鏈每秒平均處理 926 筆用戶操作(UOPS),而主網僅為 22.36 筆。
這種轉移讓網路規模提升,但同時也削弱產生大量燃燒、推動以太坊通縮的條件。
為什麼 ETH 表現不如 BTC?
分析師 Handre 指出,ETH 之所以落後於 BTC,部分原因在於投資者相信比特幣具備固定供應特性。
比特幣嚴格執行2100萬枚貨幣總量和固定供應週期,讓投資者對未來具更強信心。這種抗拒改變的設計讓 BTC 在眾多山寨幣貨幣政策中脫穎而出。
Handre 表示:「每當討論縮放、升級、或改動比特幣的貨幣政策時,都遭遇失敗,因為大多數經濟參與者很清楚自己在保護什麼。」
相較之下,以太坊的貨幣政策並不穩定,尤其如今 ETH 供應又再度緩步增長。
Handre 補充:
「每個山寨幣都承諾稀缺,卻設計了通脹。以太坊在‘超音速貨幣’敘事變得不便時,立刻就放棄了這個說法。」
這種投資者偏好也反映在美國 ETF 市場。截至三月,現貨比特幣 ETF 管理資產規模超過919億美元,而現貨以太坊 ETF 僅約121億美元。
在美元計價上,ETH 也從未出現過令人信服的突破。
2021至2026年間,ETH 僅小幅突破此前約4,800美元的歷史高位後便開始乏力,與 BTC 2021創下高點後至2025再度翻倍的走勢截然不同。
ETH 過去五年平淡的表現表明,僅僅減少發行量並不足以創造穩定的新需求。
此外,Vitalic Buterin 及以太坊基金會不定期賣出 ETH 的消息,也對市場信心帶來壓力。
Culper Research 公開指出因 Buterin 拋售而做空 ETH,進一步加深部分交易者認為以太坊內部人士趁高分配籌碼、而不是強化長期信念的看法。
免責聲明:文章中的所有內容僅代表作者的觀點,與本平台無關。用戶不應以本文作為投資決策的參考。
您也可能喜歡
美股錯過了眼前的「好消息」?盈利預期罕見上調,策略師:基本面強得「不像真的」
Seaport Research Partners認為,美股正面臨企業盈利與股價表現的明顯背離:第二季盈利強勁,分析師預期持續上修,但高利率與盈利持續性的擔憂壓抑估值,工業、交通運輸等板塊可能存在錯價機會。不過,如果聯準會重新釋放升息信號,短期內仍可能對股市帶來壓力。
美國中選在即,華爾街押注國會分裂,市場或迎來溫和喘息?
美國中期選舉臨近,華爾街普遍押注民主黨奪回眾議院、共和黨守住參議院的「分裂國會」格局,認為這將限制激進政策、緩解不確定性。歷史數據顯示,自1950年以來,共和黨總統任內出現分裂國會時,美股年均漲幅達13.7%,高於共和黨或民主黨單獨掌控國會時的8.3%和4.9%。若選舉結果偏離預期,市場仍可能劇烈波動。
美股知名投資人Eric Jackson加入盛大科技(SDA.US)顧問委員會 協助公司國際化戰略與投資者關係建設
EMJ Capital 創始人、知名科技投資人 Eric Jackson 正式加入公司顧問委員會。

AI推理時代「光互連」需求爆棚!「站在光裡」的Lumentum (LITE.US)搶跑NPO、擴容OCS 迎接盈利躍升時刻
從底層工程角度來看,光互連需求的增長來自更多計算節點之間更頻繁、更嚴格的數據交換:混合專家模型(MoE)的專家並行需要跨GPU分發和彙總數據;預填充與解碼分離(Prefill–Decode Disaggregation)需要傳輸鍵值快取(KV Cache);複雜智能體工作流增加模型調用、工具執行和數據訪問的併發量。

