京公网安备 11010802034615号
经营许可证编号:京B2-20210330
走出比特币阴影,区块链将会如何改变各行各业
如果说2017年互联网行业的关键词是「人工智能」,那2018年,这个词一定是「区块链」。
从本质上说,区块链就是一个多方参与的、可靠的分布式数据存储系统,如同一个公共账本,任何节点都可以写入信息,不可更改。
区块链有多火?真格基金创始人徐小平公开表示今年要押注区块链技术,一经发酵就引发了一级市场和二级市场的震动;喜欢炒作概念的A股市场上,一些名不见经传的公司甚至只要名字跟这个名词沾上边,股价就能涨停。
显然,这种火爆很不正常。对于大众来说,自己能够感受到的有关区块链的产品和服务屈指可数,最直接的感知就是那些虚拟货币。
这不是真实的区块链世界,也没法完全代表区块链技术。比起形形色色的各类虚拟货币,区块链技术的潜力更大,应用范围更广,商业潜力也是目前这些代币所无法比拟的。
所有人都会看到区块链的巨大能量,这股能量也已经开始释放。
跟比特币松绑,为区块链正名
其实,区块链和虚拟货币的关系非常简单。世界上第一个、也是最为知名的虚拟货币比特币,是建立在一套密码学和严密设计的分布式账本基础之上发行的,这个基础正是区块链。
具体来说,比特币是一个基于区块链技术的虚拟货币体系,一个公有链。一个基本的区块链系统则不一定需要发行自己的代币,也可能不是公开的,它完全可以只运行于某个组织、公司,以及几个组织的联盟之间。前者基于完全不信任任何人的前提,后者则建立在所有区块对建立者的完全信任之上。但总之,就像是用户可以拿GPU挖矿,但没有人理解成「GPU就是矿机」。
这一点理解起来很容易,纠正大众的偏见很难。如今,区块链技术也受到了比特币们的影响,给公众眼中造成了一种错误印象:区块链也跟大多数代币一样,是金融投机,是炒作工具,是泡沫,是噱头。所以现在大家目睹的区块链乱象,实际上是代币泡沫的副产品。
究其原因,大概有以下几个:
区块链跟着比特币进入公众视野,但它相对复杂,大众很容易把虚拟货币和区块链技术混为一谈;
2015年开始,区块链应用陆续落地。它在落地初期的确是从解决金融行业的清算、信贷和资产证券化切入的。比如,2017年5月,百度旗下的百度金融就已经创设了基于区块链技术的ABS;
所以,想要一窥区块链技术目前的行业应用现状,首先要在概念上与比特币们松绑——本质上,它只是个分布式数据存储技术而已。
几个具有代表性的应用案例
区块链技术的优点是:把每个参与到一个区块链中的节点当作数据库,不依赖一个中心服务器,保证数据安全;独特的加密技术和「共识」的特性,决定了数据无法被某一方轻易篡改;各个节点的信息被可控制地公开,调取和应用数据非常快;节点之间的通信不再依靠发送到中心服务器统一处理,可以独立完成。
可以看到,区块链可以做到一个系统内部的信息安全、透明,同时降低交易成本,提高通信效率。而那些最为重视安全、最需要透明,以及最需要提高效率的行业,就会变成区块链技术首先落地的行业。
目前看来有这么几个:金融领域,包括点对点的支付,金融机构之间的对账,以及提高资产透明度;物联网领域,比如汽车租赁,通过私钥实现所有权和使用权分离;各类去中心化的共享经济,如Airbnb这种P2P租房平台,建立透明的住房信用记录;公共服务领域,解决文字、音乐和视频的盗版问题,以及政府用来建立各个行业的信用机制。
2015到2016年,区块链技术开始落地,全球各地出现了一些相关创业公司,科技巨头更是重度参与。创业公司参与的领域,无非是支付和交易、版权认证等具体到某个细分领域的应用,稍微大一点的有R3这样的区域联盟。
前面说过,首当其冲的就是金融行业。除了用于解决货币流通和跨境支付,区块链技术的一个巨大创举,就是介入到证券交易当中。最为典型的有两个:
2016年1月,纳斯达克与区块链企业Chain合作发布了一个私募股权交易平台Linq,企业可以直接通过Linq平台发行股票,这样一来,发行者可以保有股票的所有权又能让其作为证券流通,而且申报材料和审批的流程大大被简化,而且所有交易公开透明,极大地减少了内幕交易。
另一个是我国的基于区块链技术的ABS(资产证券化)发行项目。2017年5月,百度金融联合佰仟租赁、华能信托等联合创设国内第一个区块链技术支持的ABS项目,又在9月发行了中国首单区块链技术的交易所ABS。
众所周知,金融行业的中心化非常严重,要么依赖一个强大的信用基石,要么依靠证券化,由市场和参与者动态进行风险定价。
而在中国,发行ABS的主要难点,就在于企业要发行的资产透明度太低,难以进行信用评估,同时还有交易追溯等问题。
百度金融依靠区块链技术发行的ABS,几乎完全解决了ABS发行中的痛点:去中心化存储可以让ABS发行脱离中介;非对称密钥和共识算法防止数据和交易被篡改,保证信息透明和可追溯。
此类应用还有很多。可以看到,区块链的应用,并不只有大而宽的公共链,只要是需要去中心化、提高信息透明度、降低交易成本的领域,区块链都能得到应用,无论多小。
换句话说,在企业建立的私链,以及多个组织之间构成的联盟链,才是区块链真正发挥威力的地方。
区块链的革命路径
以上这些只是独立案例,眼下的当务之急,就是需要各行各业的统一利益联盟去推动区块链的落地。
这是一种自上而下的路径。当然,政府是推动它的一股重要力量,但真正普及区块链的,还得依靠科技巨头。
为什么这么说,原因有二:
区块链技术的部署成本很高,难度很大,大多数企业和组织无法独立完成,这比统一利益诉求更难;
科技巨头有着天然优势和强烈诉求:它们大多数有现成的技术底层和平台,也就是各种面向公众的云服务。
科技巨头这种开放的区块链技术平台,其实已经有一个名字:BaaS,就是Blockchain as a service。它建立在原有的云计算之上,对企业来说最简单。
以对区块链和BaaS的投入走在最前列的百度为例。2015年,全球科技巨头开始布局区块链业务,百度开始探索区块链在金融领域的领域并组建团队;2016年,百度投资美国区块链技术支付公司Circle;2017年,基于区块链技术的ABS发行,在同年的7月21日百度BaaS区块链开放平台上线。
这是一个商业级区块链云计算平台,主要是帮助企业联盟构建属于自己的区块链网络平台,截至目前百度BaaS已经支撑了超过500亿元资产的真实性问题,适用于支付清算、数字票据、银行征信管理、权益证明和交易所证券交易、保险管理、金融审计等领域。
简言之,就是采用平台模式,需要把具体的技术产品化,还要针对某些有特定需求的重要行业专门定制。
目前,所有科技巨头在服务上,或多或少地都采用了这种一体化模式。这样一来,企业建立自己的私链,行业之间建立联盟链进行互通,就变得非常简单。
这其中的难度非常大,因为不同行业的需求不同。比如金融行业,它既要保证每家企业的数据安全和私密,又需要在各个企业之间建立信息互通机制,这就需要将敏感信息和其它信息独立开来,这就是联盟链的作用。上面提到的百度金融区块链ABS,使用的就是联盟链、将参与方的信息写到区块链的方式。
总体而言,区块链技术的发展路径应该会是:以私链和联盟链的方式,通过各行业的联盟解决利益问题,巨头BaaS平台解决技术门槛问题。
所以从这个角度来看,接下来除了一些现有的成规模的产品之外,区块链又将会是一个巨头们的游戏。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19