币橙评测

【币橙评测】FetchAI-币安、谷歌加持,阿尔法狗进军区块链?

发表时间:2019-02-21 20:47作者:币橙评测来源:币橙网网址:http://www.bitoranges.com

FETCH

83.61分


项目概述:

FETCH.AI希望创建一个去中心化的数字世界,在这个世界中通过自治代理人(设备)、开放经济架构、智能账本开展高效的经济活动,从而构建一个近自动化、极低摩擦的经济生态。FETCH试图整合区块链、人工智能、大数据等技术来实现这一愿景,利用区块链账本与数字货币激励收集、认证数据,利用机器学习与人工智能技术处理数据并作出决策,利用连接的自治代理人(设备)或IoT终端作出相应的动作。FETCH还创新性地提出了混合共识、uPoW、改进的分片式DAG等底层技术做支撑。


项目特点:

OEF(开放的经济架构)

结合ML/AI(机器学习/人工智能)技术

运用uPoW(有效工作量证明)共识机制

将区块链与DAG结合


FETCH信息:

研发团队:FETCH团队

发布时间:2019年02月3日

初始发行总量:总量的11%,约1.2683亿

已流通量:暂未上线

发行平台:以太坊


总评:

项目方面:Fetch不同于其他AI+区块链的项目的亮点在于自治经济环境的搭建,并将传统区块链与DAG结合,有较高的创新性,不过具体实现情况及安全性存疑


投资价值:该项目上限高、难度大,若长期投资需关注团队在区块链技术的开发能力、落地情况。


社区运营:Fetch即将在Binance Launchpad进行公募。Fetch的Telegram、Twitter的热度比较高,讨论的内容以公募信息、KYC和价格为主。

在尽调中发现,Fetch.AI的独立社区建设得不好,近期热度主要来自Binance Launchpad的推动,未来社区的热度有可能会锐减。


团队方面:几个创始人是比较强的,但是从背调中发现他们与DeepMind和Google没有那么大关系,希望大家不要过度“神化”。技术团队上,学术背景深厚;运营团队方面,从合作的几个机构也可以看出Fetch.AI在人工智能领域深耕多年,积累了不少的资源。


风险方面:Fetch.AI是一个区块链和人工智能结合的项目,构想比较宏大,实现起来会比较困难。



FETCH维度分数占比图


1
项目(权重26%  得分22.36 来自币橙网社区:币探1918)


1
白皮书(权重50%  得分47)


1.
概念层面(0-25分 得24.5分)


Fetch项目通过人工智能(AI)/机器学习(ML)等智能技术赋能的区块链账本技术以及开放经济框架(OEF)为自治经济代理(AEAs)构建去中心化数字世界,形成新的市场。AEA是一种可以自主执行操作的软件实体,以硬件控制器、接口(API)、纯软件、附加在数据源上的软件代理、用户和Fetch网络进行交互的数据管家等多种角色存在。AEA在Fetch的数字世界中可以自主或者代表背后利益相关者进行操作决策,与其他AEA进行经济活动,通过提供服务或者配送数据等任务获得系统代币Fetch Token奖励。


评:当前数据产业存在诸多问题,比如获取高价值数据成本高昂、大量数据有价值但无法变现,导致数据利用效率低、数据无法自主交易,必须依靠人工中介缺乏数据可信度支持。Fetch项目的核心目标是让数据可以自主交易,背后实现原理主要依靠数字代理软件AEA,Fetch为AEA构建一个依托AI/ML和区块链账本技术的去中心化网络,并提供OEF架构搭建数字经济环境,AEA可以在Fetch网络中的钱包进行部署。通过Fetch提供的网络,AEA可以替代人工中介自主完成数据收集、价值发现、数据交互活动。


从概念上看,Fetch项目瞄准海量数据交易市场,随着物联网IOT设备几何级增长,各种设备收集数据呈现分散化、碎片化现象,但现有系统挖掘有价值的数据量并不高,数据变现市场效率在于如何挖掘更多数据价值以及快速匹配数据供给方和需求方,Fetch让这些工作交由软件代理去完成,用区块链构建去中心化可信账本,AI/ML智能预测模型提高高价值数据发现及交易效率,OEF框架搭建AEAs之间的交易市场环境及规范,基于Fetch网络降低整个数据交易市场的摩擦成本。


综上所述,满分25分,得24.5分。


1.
技术层面(得23分)


自主经济代理AEAs:




AEAs具有自主执行操作的能力,它可能代表个人,设备或者组织等利益相关者去执行决策。每一个AEA在钱包中注册拥有唯一的标识身份(私钥地址)来收发Fetch Token。 AEA会储存注册节点清单因为要接入Fetch网络必须在Fetch节点注册。AEAs作为数据代理与各种真实世界的数据源配对,有5种AEAs角色,这些数据源包括数据市场、硬件控制系统或者软件API等类别,AEAs通过Fetch提供的OEF APIs接入Fetch生态系统,在Fetch构建的虚拟世界去获取有价值的数据或者为其他AEAs提供服务。


开放经济框架 - OEF:




OEF为AEA创建了一个自适应自组织的虚拟环境,OEF基于AI/ML技术组织虚拟空间最大化AEA交互和连接能力。OEF为AEA提供网络服务接入API,AEA将指挥OEF系统来收集信息并与其目标进行交互,比如buyside代理发出购买数据X请求到OEF层后,OEF层会把购买申请,告诉拥有相应数据的sellside 代理,卖方代理同意并发送数据X,buyside支付Token后,由OEF层转发给买方。节点运营商将在代理之间的数据交易过程中获得激励。


代理交互流程案例




智能区块链账本:




Fetch账本结合了链状结构和DAG,解决BTC等传统区块链交易效率低问题,同时又克服DAG的安全问题。Fetch使用“资源路”(resource lane)作为区块链分片扩容方案,一个交易区块可以在多个资源路上,与传统分片方案不同,Fetch可以同时将一个交易事务,分配给多个不同的事务通道同时处理。


评:Fetch结合了区块链分片(Sharding)和DAG结构并辅助以AI技术的智能分账系统来构建新的账本结构。Fetch分片采用DAG结构,DAG分担一部分主链节点确认工作,节点部分PoW用于训练AI模型,这也是Fetch有效工作量共识机制(uPoW)的由来。Fetch区块链没有独创共识机制,只是博采众机制的优势。


知识点:

分片(Sharding):是区块链网络扩容的工具之一,它将交易事务分成片段交由不同的区块链节点处理,不同节点组成子网只负责一部分交易的处理,然后和网络上其他节点并行处理得到验证结果。分片技术类似在拥堵的收费站增加收费窗口,通过并发处理提高区块链网络的性能。


综上所述,满分25分,得23.5分。


1.
实现层面(得 23.5分)


Fetch构建物理、代理和OEF自组织经济网络三个世界紧密相连的生态系统,实现这个系统核心的两个部件是AEAs和OEF,底层支撑基础是智能账本和AI/ML技术。AEAs匹配现实世界一切可能的数据源,通过硬件控制器或者API与现实数据源进行交互,每一个AEA在Fetch系统拥有一个钱包地址,同时需要在网络中的节点进行注册,OEF层为AEA进行虚拟经济活动搭建环境,为AEA在平台进行数据收集和执行预测任务提供服务,正确的经济激励机制(Fetch Token)和监管规则(惩罚机制)是AI代理在Fetch提供的虚拟环境中共同协作的基础。AEA通过API接入到OEF提供的虚拟平台系统。



综上所述:满分25分,得23.5分


1.
架构和共识层面(得 23分)


Fetch分为三层:layer 1 AEA、layer2 OEF、layer3 智能账本

AI/ML技术赋能整个网络,从layer3 账本到layer1 代理。AEAs在OEF层提供的虚拟世界活动,OEF时为AEAs提供API。最底层是Fetch网络的智能账本。Fetch网络全节点包括layer2和layer3。




共识机制方面,Fetch采用uPoW, 即有效工作量证明。uPoW更像PoW和PoS的结合,Fetch通过PoS协议产生新区块,交易由两个块确认记录在有向无环图DAG上,PoW区块链网络再对DAG交易记录进行全网验证,网络不再存在IOTA等有向无环图(DAG)区块链中的coordinator角色。uPoW主要解决比特币网络PoW工作量证明大量无效算力浪费以及算力集中的现象,Fetch网络由聚焦计算到聚焦工作量,允许部分计算力较低的节点通过验证工作也能获得一些区块奖励,Fetch还会调节与交易费用有关的PoW问题难度,低算力节点可以参与小额交易记账获得奖励。值得一提的是,Fetch网络的分布式计算平台算力可以用于训练ML算法。


评:DAG结构优势在交易性能,即吞吐量,劣势在缺乏区块链账本交易确认时间和周期确定性,比如比特币经过6个区块时间(大约1个小时)即大概率能实现全网节点账本一致性,DAG无法准确预测每笔交易确认的最终时间和顺序,在智能合约应用方面受限,DAG虽然被认为是一种非常创新的机制,但就从项目落地角度看,市场还是非常谨慎,需要在理论尤其是安全方面做验证。Fetch项目显然考虑到当前DAG结构的弊端,所以结合了区块链安全性能较高的共识算法来保障账本的一致性,而且使用了分片+混合共识,提高出块效率。


知识点:

DAG:中文名"有向无环图"。DAG结构没有"区块"的概念,每个用户的一笔交易就是一个单元,省去了打包出块的时间。DAG也有PoW机制,主要是每一个单元都需要验证其他两笔交易,换句话说,你要想进行一笔交易,就必须要验证前面的交易,具体验证几个交易,根据不同的规则来进行。这种验证机制使得DAG可以异步并发写入很多交易,提高系统吞吐量。




DAG优点在于理论上可以将交易gas费用做好足够低,扩展性强于区块链,网络节点数量足够多安全也有保障,但仅限于理论上,当前的DAG相比区块链存在的主要问题在异步机制对交易确认时长是不确定的,这就无法达成去分布式账本需要满足强一致性的原则,缺乏交易事务严格的排序机制也就在智能合约应用层面受到一定的限制。市场上DAG项目还比较年轻,没有比特币区块链10年的安全验证模板案例。


综上所述:满分25分,得分23分


2
战略定位(权重50%  得分39)


2.
创新度(权重40%  得分30)


创新点:


第一:Fetch项目结合区块链和人工智能技术,但区别大多数技术聚焦的区块链+AI项目,Fetch项目亮点在于自治经济环境的搭建,为AI赋能的软件代理(AEFs)设计了OEF架构,提供虚拟经济环境,AI代理可以遵循规则和系统激励方案进行自主经济活动。


第二:区块+DAG混合数据结构提高账本并发吞吐量,Fetch同样采取了分片技术,但和传统分片方案不同的是,Fetch可以使一笔交易事务(一个区块)在多个交易链同时处理。Fetch理论上支持tps 10000以上交易,适应物联网高并发场景。


第三:共识机制uPoW,计算资源部分用于训练AI模型,而不是浪费算力单纯计算PoW难题,算力较低的节点通过Fetch设计的机制,同样有机会参与记账获得记账权,一定程度上解决网络算力资源集中化趋势。


评:随着物联网机器经济时代到来,海量数据挖掘分析和交易必然依靠人工智能等支撑技术,如何构建不同设备数据交易账本可信度,又离不开区块链这种新的信任机制,机器账本应运而生,区块链和人工智能技术的结合未来在物联网领域一定有用武之地,物联网和金融领域交易差异在于小额要求延迟低,对并发处理性能要求更高,同时gas费用越低越好,目前DAG结构被认为是比区块链更适合物联网的账本结构,然而其账本的安全性尚无严格论证能像区块链那样可靠,比如不支持智能合约以及双花问题。


Fetch项目结合了区块链和AI ,描绘了一幅未来在物联网机器世界中具备AI能力的AEAs代替背后利益者,或者自主在虚拟世界进行经济活动的蓝图,可以把Fetch项目想象成一个机器社会,这里面的AEAs就是现实经济活动的“人”或者公民,而Fetch的OEF就是自由市场经济环境,底层的区块链就是记录经济活动的总账本。


共识算法方面Fetch采用有效PoW机制,来解决算力浪费和算力集中问题。


综上所述:满分50分,得分45分


痛点:


第一:AI/ML目前发展阶段所达到的技术水平,可能还无法支持类似AEAs在Fetch构想的虚拟经济环境能自由地实现高效数据收集、分析和交换市场。


第二:区块链在物联网场景方面发展瓶颈技术主要受限于物联网本身发展,很多设备现在无法联网,Fetch项目强调要搭建完全去中心化的数字经济世界,那么问题来了,很多IOT设备的数据源的真实性的保证就需要从硬件KYM(know your machine)方面下功夫,这样真正上链之后的数据真实性才有保障。


综上所述:满分50分  得分30分


2.
项目应用(权重60%  得分48)


Fetch提供满足数据自主智能交易市场需要的基础设施,应用在机器经济数据自主交易、交通和能源交易领域、供应链、自组织网络(WiFi、蓝牙)、构建实时信息市场等方向。


综上所述:总分100分,得分80分


2
项目当前进度(权重5% 得分2.75  来自币橙网社区:币探1918)


1
当前进度(权重50%  得分20)



2019年第三季度上测试网,主网2019年第四季度推出。


综上所述:满分100分,白皮书5分,主网35分,总分40分。


2
代码提交频率(权重25% 得17.5分 )




Fetch的Github地址:https://github.com/fetchai,目前创建了5个库,包括OEF核心协议、SDK及账本,其中账本ledger中,Watch:10,star:16,Fork:6,commits:6。代码提交密集月份:11月、12月和2月,项目Github代码提交不是很活跃,项目成立时间不长。Binance Research提供的Fetch.AI调研报告显示,Fetch还有一个非公开的代码库。


综上所述:总分100分,代码提交频率得70分


3
代码提交人数(权重25%  得17.5分)


账本Ledger代码提交情况:




从Github上可以看到,目前Fetch区块链账本代码提交者是6位,OEF层代码提交1-2位,项目成立时间并不长,参与提交代码人数还不是很多,组件AEA部分代码尚未开源。


综上所述:满分100分,实得 70分


说明:如果没有开源的情况下,还能给分是因为考虑到项目方可能没有打算开源,但是不排除项目方在做事情,所以在项目进度这块给出了一个底分。


3
投资价值(权重30%  得分24.075  来自币橙网社区:恢杰说币)




1
通证(权重25%  得分21.5)


1.
通证分配(权重45%  得分33.75)


FET代币总量为 1,152,997,575
(约11.5亿)个。根据Binance LaunchPad、Binance Research的数据,
FETCH修改了蓝皮书中原定的通证分配模型,最新方案如下图所示。其中,基金会、创始团队、顾问各占约20%、20%、10%,分三年解锁完毕;通证销售约占17.62%,包含5.24%的种子轮、6.38%的私募轮以及6%的公募销售;未来发行占17.4%,计划在公开发售完成1年后开启,该部分token预计分5年解禁,每年不超过该计划总值的1/3;挖矿占15%,在5年内释放,用以激励早期的算力支持者。总体,方案较为全面,包含团队建设、投资人、社区、矿工等多方建设,但团队、基金会、顾问的token占比之和达到50%,这一比例过大,将导致项目有“后来参与者为早期创建者买单”的嫌疑



综上所述:总分100分,得分75分


1.
监管体系(权重30%  得分28.5)


FET白皮书中对资金的使用计划阐述的较为详细,如下图所示(截至2020年)。




我们可以从资金预算的划分看出,FETCH早期对于底层核心技术(智慧账本、机器学习、AI)的夯实,以及高级技术(AEAs自治经济代理、OEF开放经济架构)的研发还是十分重视的。


法务监管方面,官网https://fetch.ai/legals/公布了fetch使用的法律条款、注意事项、隐私条款等。


综上所述:总分100分,得分95分


1.
有无锁仓计划(权重25%  得分23.75)


根据蓝皮书,FET锁仓方案如下:机构投资者的token锁仓3个月,解锁后分3个月线性解锁完毕;创始人、顾问的token将按季度、共3年按50%、25%、25%的速度解锁;基金会的token将分3年线性解锁;未来计划发行的token,将在公开销售结束1年后,开始解锁发放给社区;公开销售中未售完的token,将在公开销售结束的1年后、3年内释放完毕。


综上所述:总分100分,得分95分


2
区块链粘合度(权重25% 得分 22.5)


FETCH将分散的数据通过区块链、token激励进行收集、认证、公开,再通过机器学习/人工智能技术对数据进行分析,并使得终端的设备自主作出相关反应,从而建立一个数据互联、机器智能的生态,一个打破巨头垄断、极低摩擦的新型经济形态。总体,FET的区块链粘合度较高,不过在实际中,广泛收集数据仍有相当难度。


综上所述:总分100分,得分95分


3
项目开发周期(权重25%  得分15)


在人工智能与区块链结合的token项目中,尚未有成熟的方案、产品问世,底层技术的开发、喂养数据的收集都是难点,更何况FETCH的一些场景还需要结合终端设备,这也需要相当一段时间去试验、打磨、推广。技术开发上,机器学习/人工智能部分是FETCH的强项,但团队整体的区块链履历较为单薄。之前,技术团队的重点一直在人工智能领域,故区块链相关的底层共识、架构的开发能力存疑。综合,我们预计项目整体开放需要3-5年。


综上所述:总分100分,得分60分


4
未来发展前景(权重25%  得分21.25)


FETCH是一个有较高发展前景的项目,属于“上限很高但实现难度也很大”上的类别,考虑到FETCH尚未有MVP、APP等产品或应用,所以该项目当前仍处于早期的概念阶段


从项目愿景来看,FETCH希望打造一个开放式的自治经济生态,通过区块链、AI技术将数据收集、处理、分析后能够高效地、自发地发挥价值,并传输到终端的IoT设备或其他自治代理。难点在于AEA终端上链数据的真实性把控,以及如何能在数据公开的基础上做到隐私保护,Fetch的白皮书对此有所提及,但未给出完整的解决方案。


从团队来看,技术人员有较多的AI开发经验,但区块链领域涉足不多,而FETCH的uPoW、改进版DAG等底层技术有所想法,也有一定的难度,若操作不得当可能引发双花等安全问题,这一块的代码开发能力有待观察。从投资机构来看,FETCH获得了Outlier Venture(曾投资IOTA)的早期支持。


综上所述:总分100分,得分85分


4
社区建设(权重10%  得分5.92  来自币橙网社区:颜旺)


1
社群(35%  得分29.75)


1.
Telegram


官方社群人数(英文):9564,活跃度非常高。

官方社群人数(中文):9645,活跃度较英文社群差,但也不错。


评:
目前Telegram的英文社群、中文社群不管是从人数还是从活跃上讲都是不错的,
目前以讨论公募的信息为主


综上所述:总分100分,得分85分


2
社区(权重50%  得分23.43)


2.
Twitter(权重35% 得分17.61)




Fetch.AI在2017年9月加入Twitter社区,其中推文651篇,平均每天4篇,关注者为3598人,转发和评论并不多。


综上所述:总分100分,得分50.3分


2.
Medium、Facebook(权重35%  得分5.25)





Fetch.AI除了Twitter做得比较好,像Medium和Facebook做得一般。Facebook有57个关注,Fetch.AI的Medium要比Facebook强些,平均每篇文章有60个点赞,说明还是有一定的关注度。


综上所述:满分100分,得分15分


2.
独立社区(权重30%  得分24)


Fetch.AI通过Reddit进行社区的交流,总共有65多人,其中在线平均在4人左右。


综上所述:满分100分,得分80分


3
微信(权重15%  得分6)  


Fetch.AI暂时还没有建立微信公众号,但已经有微信群,一部分是官方组织的,一部分是社区成员自发组织的,比较活跃。目前聊天内容以价格和公募信息为主。


综上所述:总分100分,得分40分


5
团队(权重26%  得分24.7 来自币橙网社区:康康)


1
研发团队(权重45% 得分42.3)


1.
创始人(权重50% 得分48)


Humayun Sheikh:

Fetch.AI的联合创始人兼CEO,曾经为DeepMind的早期投资人,虽然不是DeepMind的技术成员,但是为DeepMind早期的战略制定上做出了不小的贡献。

随后创立ltzme.AI和uVue两家公司并担任CEO,在2017年合并为Fetch.AI。


Toby Simpson:

Fetch.AI的联合创始人兼CTO,拥有30年的开发经验。2011年-2013年在DeepMind担任软件设计主管,2014年DeepMind被Google用4亿美元收购。


Thomas Hain:

Fetch.AI的联合创始人兼首席科学家。剑桥大学博士,在英国谢菲尔德大学是人工智能领域多个科研项目的研究员与负责人。


评:Fetch.AI的创始团队可谓豪华,Humayun Sheikh专注于研究商品价格的预测模型,制定战略和运营的能力非常强。另两位创始人是AI领域的技术大牛,一位是DeepMind的资深开发者,一位是剑桥毕业担任多个科研项目的博士,团队成果值得期待。


综上所述:满分100 分,得96分。


1.
核心成员(权重50% 得分46)


Jonathan Ward:

伦敦大学学院计算机博士,学术背景深厚,目前为Fetch.AI的研究主管。


Troels Frimodt Rønnow:

丹麦奥尔堡大学博士,最近3年全职在区块链领域工作,目前为Fetch.AI软件工程主管。


评:目前Fetch.AI团队中大多数为技术人员,并且已经和剑桥大学、伦敦帝国理工等多家英国高校建立起AI、ML、分布式账本等技术合作。

Fetch.AI的总部建立在英国剑桥,在奥地利和印度等也建有分部。


综上所述:总分100 分,得分92分




2
运营团队(权重45% 得分43.2)


Maria Minaricova:

毕业于剑桥大学贾奇商学院,从领英中可以发现之前在人工智能、物联网、汽车等领域的公司工作,一直在负责市场相关的工作。


Arthur Meadows:

毕业于剑桥大学贾奇商学院,在产品管理和市场营销发面有20年的经验。之前在多家高科技企业担任产品经理。


评:从建立的合作的成绩可以看出,Fetch.AI的运营能力是比较强的。

这一点上不光是以上2个运营团队的管理者,更有CEO Humayun Sheikh的助力,他创立ltzme.AI和uVue两家公司分别在社交网络和自动驾驶汽车领域,在人工智能和汽车领域积累了深厚的人脉与合作。


目前Fetch已经加入MOBI汽车联盟,与BMW、Ford等建立合作。与Ripple、NEM、Cardano合作建立了BLOCKCHAIN FOR EUROPE。在币安Launchpad进行众筹一个是说明项目有足够的吸引力,也表明了运营的功力。


综上所述:总分100 分,得分96分


3
投资顾问(权重10% 得分9.5)


Melvyn Weeks:

剑桥大学经济学助理教授,英国能源监管机构Ofgem高级经济顾问。


Steve Grand:

近40年来一直是复杂自治代理人的发明者,人造生命游戏的发明者。


Monique Gangloff:

剑桥大学生物化学系首席研究员兼高级科学家。


Jamie Burke:

Outlier Ventures的创始人兼首席执行官。


Niall Armes博士:

世界领先的生物化学家,分子生物学家和企业家。


Kash Iftikhar:

Oracle云基础架构的产品,战略和GTM副总裁。


评:Fetch.AI的顾问团队可谓豪华。不光有深厚的学术背景,还有强有力的资本支撑,Outlier Ventures、Spark Digital Capital等都是它的天使投资机构。


综上所述:总分100 分,得分95分。


6
风险(5% 得分3.8
来自币橙网社区:橙子)


1
项目风险(权重70% 得分49)


Fetch.AI目前主网还没有上线,而且构想宏大,从可行性来讲实现有一定难度。团队的契合度不错,成员相识多年,磨合得不错。目前属于加密货币的熊市,有破发的的风险。


综上所述:满分100分,得分70分


2
政策风险(权重30% 得分27分)


Fetch.AI的基金会注册在新加披,未来注册地可能会迁移到瑞士。新加披和瑞士对加密货币的态度是比较友好且开放的,所以在政策上没有太大的风险。


综上所述:满分100分,得分90分。


总结:经过币橙网社区的详细分析以及汇总,最后得出FetchAI项目的总得分为83.61分。


【参考资料】


FETCH tokenomics 蓝皮书:

https://fetch.ai/uploads/translated_blue/Fetch.AI-Token-Overview_CN.pdf

FETCH 技术黄皮书:

https://fetch.ai/uploads/Fetch.AI-Ledger-Yellow-Paper.pdf

FETCH白皮书:

https://fetch.ai/uploads/technical-introduction.pdf

FETCH.AI官网:https://www.fetch.ai

Binance Research(FETCH.AI研究报告):https://research.binance.com/


【免责声明】

本报告只作项目分析、解读,仅供阅读者了解、学习资料,不作为投资参考的依据。

本报告最终解释权归币橙评测所有。



【币橙网】

专注于区块链项目投研分析、测评领域。通过分布式、社区协作的方式形成评测报告,致力于公正,公平,客观的角度剖析区块链项目本身。目前拥有评测报告(文字报告)和庖丁解币(视频解读)。


【关注币橙网,关注区块链测评】