深入解读 Perp DEX 格局：Hyperliquid 为何胜利，dYdX、GMX 有什么教训？

本文内容不代表 ChainCatcher 观点，亦不构成任何投资建议。

Perp DEX（去中心化永续合约交易所）已成为当前链上应用中最具爆发力与竞争密度的赛道之一。OKX Ventures 希望通过本研究，系统梳理 Perp DEX 从萌芽、爆发到分化的完整演进脉络，并深入剖析其在不同阶段的代表性项目，呈现这一核心赛道如何在熊牛交替与技术更迭中不断自我重塑。

在深入复盘的基础上，我们将重点拆解两大早期霸主 dYdX 与 GMX，为何从高光到失势，并进一步探讨 Hyperliquid 、Aster 等新势力如何在激烈竞争中逆势突围：是架构设计的革新？交易哲学的重构？还是社区经济模型的演化？

通过对成功与失误的系统对比，本研究希望揭示 Perp DEX 构建中那些最关键、最艰难却又最具启发性的 “ 权衡时刻 ”，为新一代创业者在产品、技术与市场策略 上提供可复用的经验与深度启示。

1.1 Perp DEX 市场发展史

第一阶段的核心是概念的验证与 Layer2 的黎明（2017–2021 年）。Perpetual DEX/Perpetual Swap 的理论可以追溯到 2017 年 dYdX 发布白皮书《dYdX: A Standard for Decentralized Margin Trading and Derivatives》以及 2019 年 Hart Lambur 发布白皮书《BitDEX: A decentralized BitMEX using Priceless Financial Contract》之时。2020 年，dYdX 在以太坊主网上线了首个 BTC 永续合约，将理论付诸实践，同年 Perpetual Protocol 在 xDai 链上推出 v1 版本，其创新的虚拟 AMM 机制让用户无需订单簿撮合即可交易。然而，这些早期的探索无一例外地受制于以太坊主网的性能枷锁。高昂的 Gas 费和缓慢的交易确认，使得用户体验无法与中心化交易所（CEX）匹敌，日均交易量仅在数百万至数亿美元之间徘徊，与当时 CEX 上千亿美元的庞大规模相比微不足道。

真正的转折点出现在 2021 年，随着以太坊 Layer2 技术的成熟，Perp DEX 迎来了第一次高速增长。dYdX 抓住机遇，将其产品迁移至 StarkWare 的 Layer2 方案，极大地提升了速度并降低了成本。在此基础上，dYdX 于同年 8 月发行治理代币并启动交易挖矿，这一激励措施瞬间引爆了市场。2021 年 9 月 28 日，dYdX 单日交易量一度冲高至约 90 亿美元，不仅超过了所有其他 DEX 的总和，甚至超越了 Coinbase 等主流 CEX 的同期数据。这一里程碑事件，首次在规模上证明了 Perp DEX 挑战 CEX 的潜力，并为整个行业指明了方向：拥抱 Layer2，是实现增长的必由之路。

第二阶段的叙事由 AMM 模式创新与 GMX 的崛起所主导（2021–2023 年）。在 dYdX 验证了 L2 订单簿的可行性后，市场开始探索更多元的协议模型。2021 年 9 月随 Arbitrum 主网上线的 GMX 成为了这波新浪潮的旗手。GMX 创新性地采用了多资产流动性池（GLP）与预言机喂价相结合的模式，由 GLP 池作为所有交易者的对手方，实现了零滑点交易和 LP 无常损失的独特优势。GMX 的成功，得益于其精准的赛道选择（卡位 Arbitrum 生态爆发早期）、对 LP 友好的激励机制，以及 2022 年 FTX 等中心化巨头崩溃所带来的市场信任转移。结果，GMX 在 2022 年迅速成长为该周期内占主导地位的 Perp DEX。

同期，Synthetix 的合成资产永续合约、Gains Network 的预言机交易等项目也进一步拓展了 Perp DEX 的版图。这一阶段的特点是模式多样化与竞争的加剧。尽管市场进入熊市，但 Perp DEX 的交易量仍保持韧性，占加密衍生品市场的比例稳步提升。一个关键的趋势是，dYdX 的市场份额从 2023 年 1 月的 73% 急剧下滑至 2024 年底的 7%，宣告其一家独大的时代结束。竞争的加剧也催生了底层基础设施的路线之争：dYdX 宣布转向独立的 Cosmos 应用链（v4），Solana 上诞生了 Mango、Drift 等高性能 DEX，而 Sei 等专用应用链也开始兴起，为第三波浪潮的到来埋下了伏笔。

第三阶段是 Hyperliquid 引领的高性能革命（2023 年至今）。 这波浪潮的核心特征是追求极致的链上性能和专业的交易体验，意图在速度和深度上真正比肩 CEX。 Hyperliquid 于 2023 年初上线，凭借其 “ 专用高性能链 + CLOB 订单簿 ” 的技术架构与激进的市场激励，实现了指数级增长。其引爆点是 2024 年 11 月 29 日的 HYPE 代币空投，一次性将 31% 的总供应量分配给早期用户，极大地激发了社区热情。其增长势头在空投后持续不减，到 2024 年 12 月，其单月交易量已高达 1600 亿美元，市占率攀升至约 66%，并在 2025 年 1 月 19 日创下 210 亿美元的单日历史新高。

Hyperliquid 的崛起彻底重塑了市场格局。2024 年，全行业永续 DEX 总交易量达到 1.5 万亿美元，同比增长 138%，其中 Hyperliquid 一家在第四季度就贡献了超过一半。截至 2025 年中，Hyperliquid 独占市场超 75% 的份额，而昔日的王者 dYdX 和 GMX 占比均跌至个位数。面对冲击，老牌项目也在积极应对：dYdX 于 2023 年 11 月正式发布了技术先进的 Cosmos 独立链（v4），实现了撮合引擎的去中心化，但未能挽回市场份额的颓势；GMX 则通过渐进式改进，同样未能阻止用户的流失。与此同时，Solana 生态的 Jupiter 迅速攀升至市场第二，显示出强大生态系统的引力。

第三波浪潮明确了未来的技术趋势：高性能链上订单簿成为焦点。Hyperliquid 的成功证明了通过专用链可以实现去中心化与高性能的统一。然而，这也引出了新的权衡，即专用链的性能优势与其在生态可组合性上的短板。正如 Multicoin 资本所指出的，专用链面临跨链资产支持不足、依赖桥接器等问题。为此，dYdX 和 Hyperliquid 等项目也在努力弥补，例如通过集成原生 USDC 或上线兼容 EVM 的子链。可以预见，未来 Perp DEX 赛道将继续在 “ 性能 ” 与 “ 生态 ” 的权衡中探索，寻求速度、深度与 DeFi 可组合性的最佳结合点。

1.2 市场数据

2.1 流动性冷启动成本和规模天花板的权衡（AMM vs. CLOB）

Perp DEX 在初期面临的首要问题是流动性冷启动，其核心是在 “ 冷启动成本 ” 与 “ 规模化天花板 ” 之间做出权衡。这一权衡主要体现在两种主流的底层架构选择上：自动做市商（AMM）与中央限价订单簿（CLOB）。

1）关于 AMM 模式：低门槛启动优势与内在的规模瓶颈

基于 AMM 的流动性池（通常是基于 Oracle 喂价的 Oracle-based AMM，例如 GMX 所采用的架构) 其核心优势在于通过流动性池 LP Pool 的设计，极大地降低了流动性供给的门槛。任何用户都可以将资产存入池中成为流动性提供者，这使得协议能够在早期快速、低成本地汇集初始流动性，有效解决冷启动难题。然而，这种架构也带来了两个相互关联的、限制其规模化上限的内在瓶颈：

瓶颈 1：LP 的被动风险敞口与专业做市资金的引入难题。

AMM 流动性池的本质是作为所有交易者的集体对手方。这种模式属于 “ 被动管理 ”，LP 无法像订单簿做市商那样主动管理自己的报价和风险。这导致 LP 直接面临方向性风险（Directional Exposure）：当市场上交易者的头寸集体偏向一个方向（例如，在牛市中大量开多），LP 池就必须承担与之相反的净空头头寸。如果市场持续单边运行，交易者集体盈利，LP 池便会承受相应的系统性亏损。尽管 GMX v2 版本相 v1 通过引入动态 资金费率机制 ，在一定程度上平衡了多空双方的持仓成本，缓解了池子的风险倾斜，但这依然受限于底层机制的风险缓解而非风险根除的手段。对于追求精确风险控制和主动策略执行的大规模专业做市资金而言，这种被动的、集体化的风险敞口吸引力有限，因此纯粹的 AMM 池模型相比订单簿模型更难吸引到顶级的做市商。

瓶颈 2：TVL 规模对未平仓合约 ( Open Interest ) 规模的天花板。

上述的风险模型，直接导致了 AMM 协议必须对其可承载的未平仓合约总量设置一个硬性的天花板。这个天花板的大小与协议的 TVL 规模直接相关。为了保护 LP 池的偿付能力，防止因市场极端波动或头寸过度倾斜而产生坏账，协议必须限制其风险敞口，即总 OI 不能无限增长。这个上限通常被设定为 TVL 的一个倍数（总 OI 上限约为 TVL 的 5 倍，具体比例取决于资产波动性和协议的风控参数）。例如：一个拥有 1 亿美元 TVL 的流动性池，协议为了控制风险，可能会将多空双方的总 OI 上限设定在 5 亿美元。一旦 OI 接近这个阈值，协议的风险控制机制（如急剧飙升的资金费率）便会启动，大幅增加持仓成本，以此来抑制用户继续向失衡的方向开仓。这种设计在高波动性或市场情绪一致的时期尤为关键，它虽然保障了协议的安全，但也明确地限制了市场的增长潜力。

2）关于订单簿模型：高天花板优势与严峻的冷启动挑战

CLOB（中央限价订单簿）模式是传统金融市场如股票和期货交易所的成熟范式，也被许多高性能的 Perp DEX 如 Hyperliquid 所采用。其核心机制是通过点对点的方式，直接匹配买卖双方提交的限价订单来促成交易。

订单簿模型在底层设计上根本性地规避了 AMM 池模型面临的规模限制。

解耦的流动性与风险：与依赖单一流动性池作为集体对手方不同，订单簿的流动性由众多独立的做市商（Market Makers）和挂单用户分散提供。交易是买方和卖方的直接匹配，风险在个体之间转移，而非集中于一个池子。

无限的 OI 规模上限：由于不依赖固定的流动性池 TVL 大小，订单簿模型的 Open Interest 规模理论上是无限的。其上限仅取决于市场中所有参与者愿意提供的总流动性与风险承载能力。只要有足够的做市商和交易者参与，市场规模就可以持续增长。

卓越的交易执行质量：这种竞争性的报价环境能够带来更优的价格发现机制。对于大宗交易和高频套利策略而言，订单簿能够提供极低的滑点和更紧密的买卖价差，流动性更深，价格也更为精确。

综合来看，订单簿模式是承载大规模、专业化做市流动性的理想选择，其理论上的规模天花板极高，被普遍视为 Perp DEX 走向成熟的终局形态。

然而，订单簿模式的巨大优势伴随着一个极为严峻的挑战 — — 高昂的冷启动成本。一个健康、活跃的订单簿市场，其前提是必须有多个专业的做市商从第一天起就持续提供有深度、价差紧密的双边报价。但做市商只有在市场有足够交易量（Taker Flow）时才有利可图，而交易者只有在市场有足够流动性时才愿意进入。这就形成了一个经典的 “ 先有鸡还是先有蛋 ” 的困境。为了打破这个僵局，新平台必须在运营初期投入巨额的资本和资源，通过做市商激励计划（如提供 Token 奖励、手续费返还等）来吸引和协调首批做市商入场。

2.2 建立公正的市场博弈规则

在解决了 Perp DEX 初始流动性问题后，核心挑战转向了 market integrity 相关的问题，这包括透明度、抗操纵性和公平 vs 效率的权衡，这些问题主要体现在交易排序和清算机制上。

1）关于交易排序：公平 vs 效率的博弈

在区块链环境中，交易的最终打包顺序直接决定了交易结果，由此催生了 MEV。这一问题在 Perp DEX 中尤为突出，因为杠杆交易的特性放大了价格的敏感度，MEV 策略如抢跑（Front-running）和三明治攻击（Sandwich Attacks）在杠杆环境中会成倍增加用户的损失，不仅阻碍了普通零售交易者的参与，也使得做市商（Maker）的挂单极易被高频交易者（HFT）利用，导致其持续亏损并面临所谓的 “ 毒性流量 ”（Toxic Flow）。

这使得协议设计者必须面对一个根本性的权衡：是优先保障公平性，保护普通用户和中小做市商免受 MEV 的剥削；还是优先追求效率，允许 HFT 之间的激烈竞争来驱动更深度的流动性和更快的价格发现。这是一个没有完美答案的哲学选择，不同的协议给出了截然不同的回答。

Hyperliquid 的设计明显偏向于 “ 公平优先 ” 的保护主义路径。为了实现这一目标协议引入了被称为 “ 减速带 ”（Speed Bumps）的关键机制，其核心包括：内存池缓冲（为交易提供约 3 个区块的处理缓冲时间）、优先处理取消订单 Cancel Order First (在撮合引擎中，取消订单的指令拥有比新订单更高的执行优先级)。这种设计的直接效果是为挂单方 Maker 尤其是中小做市商提供了一个强大的保护层 , 当他们监测到一笔针对自己挂单的、会造成亏损的吃单交易 Taker Order 进入内存池时，他们有足够的时间和权限优势来抢先取消或修改自己的挂单，从而避免被 HFT 的策略 “ 狙击 ”。

而反对者像 GTE 则更偏向 “ 效率优先 ” 的达尔文主义路径，他们认为 Hyperliquid 的 “ 减速带 ” 机制虽然保护了部分参与者，但其代价是牺牲了市场的整体效率，并可能限制了流动性深度的上限。他们的论点是：真正的市场效率和价格发现源于最顶尖、最复杂的做市商之间不受限制的激烈竞争，因为无论是加密行业的头部大所，还是传统金融的纳斯达克 /CME，这些顶级交易所都没有为做市商设置类似的保护性 “ 减速带 ”。在头部交易所大部分交易量并非来自 “ 做市商 vs. 散户 ”，而是来自 “ 做市商 vs. 做市商 ”。保护弱势做市商使其能轻易规避亏损，实际上会削弱那些拥有真正 alpha（超额收益）能力的顶级做市商的盈利能力，从而可能将他们排挤出市场，最终损害整体流动性。

2）关于清算机制：透明与抗操纵的平衡

清算机制是任何杠杆交易协议的 “ 生命线 ”，其核心使命是在交易者头寸亏损超出保证金覆盖范围时，通过强制平仓来防止系统性风险的累积，从而维护协议的偿付能力和用户的整体信任。然而，这一看似简单的安全阀，其设计却异常复杂，因为它必须在一个由透明、公平、抗操纵、敏感和稳定等多个相互冲突的目标构成的多边形中，寻求一个脆弱的平衡点。

清算机制的难点，集中于以何种价格来判定头寸是否应当被清算。如果直接采用平台内部的最后成交价 Last Price，那么单笔大额交易或在流动性枯竭时的小额交易，都可能导致价格瞬间剧烈波动 “ 插针 ”，从而引发大量本不应发生的 “ 不公平清算 ”。为解决此问题，行业普遍采用了标记价格 (Mark Price) 机制。标记价格并非单一的成交价，而是旨在反映资产 “ 公允价值 ” 的合成价格。它通常通过聚合多家主流、高流动性市场的现货价格（如 Coinbase 的中位数或加权平均值），并结合资金费率等因素平滑处理后得出。标记价格仅用于计算未实现盈亏和判定清算，而最后成交价则用于结算已实现的盈亏。这种设计极大地提升了清算的公允性和抗操纵性：由于价格来源多元且分散，单一实体难以同时操纵多个市场，从而有效过滤了孤立的异常波动，保障了清算依据的客观性。

然而，在追求一个完美的标记价格时，协议设计者也要面临 “ 敏感度 (Sensitivity) vs. 稳定性 (Stability)” 的两难问题，这个问题在 Yaoqi 最近发的文章《Oracle, Oracle, Oracle: How Price Feed Design Turned $60 Million Into a $19 Billion Catastrophe》中有很好的总结：一个高度敏感、紧贴实时市场的预言机，虽然能及时反映价格变动，但也更容易受到短时操纵的影响如最近发生的 6000 万美元 USDe 抛压就被其敏感的预言机全盘吸收最终引爆了价值 193 亿美元的连锁清算。相反一个过于为了过滤噪音而设计得过于稳定（例如采用过长时间窗的 TWAP）的预言机，虽然能抵御短时操纵，却可能在市场出现真实、持续的下跌时反应迟钝。这种 “ 迟钝 ” 可能导致协议错过了及时清算亏损头寸的最佳窗口，使得坏账风险不断累积，最终可能造成更严重的系统性亏空。

2.3 保证金资本效率问题

保证金资本效率是 Perp DEX 与中心化交易所竞争时面临的另一个挑战也是设计者持续提升的领域，比如 Kyle Samani 在 2020 年时写的 《DeFi’s Invisible Asymptotes》和《On Forking DeFi Protocols》都很早提及这个方向会是未来发展重心。Perp DEX 与 CEX 在保证金效率上差异其根本原因在于两者底层架构的差异：

1）CEX 的高效率，根植于其 “ 中心化信任 ” 的核心。用户将资产的保管权和交易的执行权完全托付给一个单一实体。这个实体因此拥有了全局视角，能够像一个中央大脑一样，实时洞察和计算平台内所有用户的总风险敞口。这种全知的能力使其可以轻松实现复杂的风险对冲，例如，当一个用户同时持有多头和空头仓位时，CEX 能够识别其净风险几乎为零，从而大幅降低保证金要求。更重要的是，由于 CEX 实际控制着用户的资产，它可以将那些被用作保证金但暂时闲置的资金进行再交易或借贷，为用户创造额外收益，这本质上是对沉淀资本的再利用。

2）Perp DEX 的设计哲学恰恰相反。它的第一性原理是 “ 代码即法律 ”，系统的安全不依赖于任何中间方，而是由公开透明的智能合约保证。这一原则赋予了用户绝对的资产主权，但也因此带来了深刻的束缚。用户的资产要作为保证金，必须通过其私钥授权，被 “ 锁定 ” 在特定的智能合约中。这个锁定的过程是刚性的、孤立的。一旦资本进入一个合约的保险库，它就被隔离起来，其唯一使命就是支撑这一个独立的仓位，无法再流动到其他需要它的地方，也无法像在 CEX 中那样被用于生息。这导致了资本的严重 “ 碎片化 ”，每一笔交易都像一个独立的风险孤岛，需要自己的专属保证金来维持安全。

这种资产隔离与风险原子化的特性导致两个后果：首先，协议难以识别对冲头寸。由于智能合约无法看到一个用户在其他合约中的行为，它只能机械地要求用户为每一个方向相反的仓位都提供足额抵押，这迫使用户进行大量不必要的过度抵押。其次，DeFi 世界中功能模块化的特点，使得借贷协议与交易协议各自为政，它们的清算逻辑和风险参数很难兼容，资本难以在两个系统间无缝流转，进一步加剧了资本的分割。

为应对这些挑战，行业内涌现出多种解决方案：Marginfi 的统一抵押池和 Drift Protocol 的多子账户机制，可以被看作是在去中心化框架内对中心化效率的 “ 模拟 ”。它们通过更复杂的合约设计，试图将用户碎片化的资本重新整合，在协议内部创建一个类似 CEX 的共享保证金环境，从而提升灵活性。GMX 的 GLP 池则另辟蹊径，将风险集中到单一的流动性池中，简化了交易对手方模型。

近期 Tarun Chitra 和 Bain Captial 团队发了个 paper《Perpetual Demand Lending Pools》在解决 perp dex 和 lending 模型结合的问题，他们提出的 “ 永续需求借贷池（PDLP）” 研究代表了一种从第一性原理出发的 “ 重构 ”。它不再试图模仿 CEX 的功能，而是回归金融风险的本质，将永续合约交易与借贷视为同一枚硬币的两面。该模型认为，一个多头头寸的风险本质上等同于借入基础资产，而一个空头头寸则等同于借入稳定币。基于这一洞见，PDLP 将两者统一纳入一个整体框架，创建了一个统一的资产池，资本在其中既是交易的保证金，又是借贷的流动性。

流动性的核心是 “ 交易者能以最小的成本、多快的速度完成一笔交易 ”。这个成本包括买卖差价、滑点和交易费用。很多平台为了在早期快速吸引用户，会通过代币激励来刺激交易，直接的负面影响这会导致大量的 “Wash Trading” — — 用户为了获得奖励而进行频繁的自成交假交易。这种交易虽然推高了平台的 “ 交易量 ” 数据，但并未带来真实的流动性。当激励减少时，这种虚假的繁荣就会消失 (最典型的例子就是 dYdX)。

一个主要衡量健康的流动性指标的维度是是未平仓合约量与交易量之比（Open interest vs Volume），根据 Coinglass 提供的 OI/Volume 数据，Binance 为 92%，OKX 为 80%，Bybit 为 184%。相比之下，许多依靠代币激励的 Perp DEX 这个比率很低，说明其交易活动更多是刷量而非真实持仓。但是这只是也不能作为唯一参照标准还是要拉长时间周期以及具体看主要活跃地址的行为（近期 OI to volume ratio 成为很多项目社区互相攻击的叙事比如 hyperliquid 和 lighter)

4.1 Hyperliquid

4.1.1 创始人 Jeff 的交易系统设计哲学 — — Transprent Market, Non-toxic flow

今年 6 月 Hyperliquid 创始人 Jeff 在推特和 podcast 上发声 (推文 1，推文 2，podcast)，就其备受争议的 “Transparent Market” 交易系统构建哲学展开了公开辩论，其核心思想挑战了传统市场结构引发行业广泛关注。在这里有必要深入理解他的 thesis 有利于了解为什么 Hyperliquid 的发展具有颠覆性，以下拆分成两块内容解读（明确用户基本目标和风险、构建基本原则）

一、 市场参与者的核心动机与风险分析

市场参与者的目标: 在一个交易市场中，参与者的目标可以明确划分为两类。流动性需求方（Taker）的核心目标是实现 “ 最优执行 ”（Best Execution），即以最优的价格、最快的速度和最小的市场冲击完成交易。而流动性提供方（Maker 或做市商）的核心目标则是通过持续提供买卖报价来赚取价差 spread，但他们面临的主要风险是因信息不对称而导致的交易亏损。

核心风险识别：“ 有毒流 ” (Toxic Flow)：做市商面临的核心风险具体表现为 “ 有毒流 ”（Toxic Flow）。这类型交易指利用不对称技术优势进行的套利行为，它使得做市商的报价瞬间失效，导致其成交即亏损。与之相对的是 “ 无毒流 ”（Non-toxic Flow），这类交易不依赖于瞬时的信息优势，例如为建立长期仓位而进行的买卖，因此对做市商的风险要低得多。基于此，做市商的理性策略便是尽力避免与 “ 有毒流 ” 进行交易，同时积极地为 “ 无毒流 ” 提供服务。

市场透明度对做市商行为的影响：市场透明度直接决定了做市商的行为模式。在不透明的市场中，由于无法区分 “ 有毒流 ” 与 “ 无毒流 ”，做市商只能采取防御性策略，通过扩大报价价差和降低挂单深度来保护自己，但这会增加包括 “ 无毒 ” 交易者在内的所有流动性需求方的交易成本。相反，在如 Hyperliquid 这样的完全透明市场中，公开的链上地址和历史行为使得做市商能够识别和评估交易对手的意图。当他们能够识别出风险较低的 “ 无毒流 ” 时，其感知风险会大幅降低，从而更愿意提供更窄的价差和更优的流动性深度，最终让 “ 无毒 ” 的需求方以更低的成本实现交易目标。

二、 基于以上分析构建的理想市场设计原则

对手方原则 (Counterparty Principle)：其核心在于交易的质量本质上取决于交易对手的身份和意图。传统观点认为暗池或 OTC 平台因其 “ 隐私性 ” 而能提供更优的执行，Jeff 认为这是一种误解。它们的真正优势在于通过准入制筛选了交易对手，将 “ 有毒流 ” 排除在外。“ 筛选 ” 才是根本原因，“ 隐私 ” 仅是实现筛选的一种手段。Hyperliquid 的解法则更为彻底，它通过完全透明的链上地址让所有参与者的行为公开化，从而使市场自身完成筛选。做市商会根据公开的交易历史主动与声誉良好的 “ 无毒 ” 交易者合作，并回避有套利意图的 “ 有毒 ” 地址，这形成了一种更高效且去中心化的筛选机制。

竞争原则 (Competition Principle)：它遵循一个最基础的经济学原理：最优价格源于最大化的竞争。Jeff 认为在传统的 OTC 交易中，一个大型交易者可能只能向少数几个做市商询价，竞争范围十分有限。而在 Hyperliquid 这样的透明链上市场中，其交易意图可以被广播给平台上所有的做市商。这会激发成百上千的做市商为了争夺这笔可预测的 “ 无毒 ” 订单而展开激烈竞价，不断压低自己的报价。竞争范围的最大化必然带来执行质量的最优化，因为任何一个试图攫取超额利润的报价都会被更具竞争力的对手方瞬间取代。

重复博弈原则 (Repeated Games Principle)：它强调参与者的行为模式在一次性交易和长期关系中的根本不同。在匿名的市场环境中，交易是一次性博弈，参与者的最优策略可能是损害对手以实现自身利益最大化，这导致了普遍的不信任。Hyperliquid 通过不可更改的链上地址，将市场转变为一个重复博弈的场景。每个地址的每一次行为都在构建其自身的声誉记录。如果一个地址频繁进行 “ 有毒 ” 交易，它很快就会被做市商群体识别并规避。为了维护能够持续交易的声誉，所有参与者都更有动力采取诚信和可预测的行为，从而推动市场走向一个更健康的良性均衡。

完全透明原则 (Full Transparency Principle)：在信息处理上，信息不对称是最危险的状态。最差的情况是信息仅为部分人所知，例如一个中心化平台的内部人员知道用户的止损单位置，他便可以在没有外部竞争的情况下精准地 “ 猎杀 ” 该订单。而最优状态是信息完全对称，即全员可知。当所有人都知道止损单的位置时，任何试图通过砸价来触发清算的行为都会被市场上的其他理性参与者预见。这些参与者会成为 “ 反猎杀者 ”，在止损价位附近设置买单以获取廉价筹码，从而使猎杀行为的成本极高甚至无利可图，形成一种市场的自我防御机制。

4.1.2 Hyperliquid 产品与技术实现

Hyperliquid 的卓越之处在于，它不仅提出了颠覆性的 “ 透明市场 ”理论，更通过强大的全栈工程能力，将这套哲学完美地转化为一套高性能、全垂直整合的交易系统。其每一个技术决策，都精准地服务于上述我们提到的 Jeff 的设计哲学中的四大原则（对手方、竞争、重复博弈、完全透明原则）。

一、为 “ 最优执行 ” 打造专属 L1 公链 HyperCore

面对 “ 应该建立在哪条公链上 ” 的普遍问题，Hyperliquid 给出的答案是 “ 自己成为那条链 ”，此举是其产品愿景下不可妥协的选择（也有些人认为 hyperliquid 从一开始早期可能是背后有专业 MM 力量支持，对于专业 MM 他们只能接受 order book，所以 “ 超高性能 ”、“ 能够在 taker 之前舒服的挂单撤单 ” 很自然而然的成为了 hyperliquid 最核心的设计点）。

Jeff 的 “ 竞争原则 ” 要求系统能承载全球做市商海量、高频的订单更新与竞价。Hyperliquid 的 L1 被 “ 专门设计用于支持高频订单簿交易和近乎即时的交易最终性 ” 。它在实践中已支持每秒高达 100,000 笔订单的处理能力，它从物理层面上压缩了 “ 有毒流 ” 利用延迟进行套利的空间。

二、Speed Bump、Cancel Order First 机制保护做市商

Hyperliquid 的 speed bump 机制，也称为 cancel order first 系统，是其 L1 区块链的核心设计特征。该机制在区块执行过程中优先处理 cancel orders，而将其他订单即时成交等置于其后。这本质上为挂单方（market makers）提供了一个短暂的 “ 缓冲期 ”，允许他们在 taker 订单执行前调整或取消报价，同时 taker 订单在内存池中需缓冲约 3 个区块，这样的设计减少了 maker 被快速 taker 订单 “ 狙击 ” 的风险。

为什么这么设计：这一机制的核心目的是保护市场挂单方免受 toxic flow 的侵害，让他们更从容地提供流动性，而无需担心被 HFT taker 快速拾取过时报价。这与创始人 Jeff 的 thesis 高度契合：他认为传统订单簿在 HFT taker 与 maker 间往往导致 “ 输家诅咒 ”，即 maker 在取消订单前被 taker 击中，导致流动性退化、点差扩大，最终损害终端用户（如零售交易者）的执行质量。通过优先取消，Hyperliquid 优化了终端用户体验，鼓励 maker 提供更紧凑的报价和更深的流动性，而非追求最大化交易量或费用。该设计还强调去中心化优先：专用 L1 链确保平台在极端波动中保持偿付能力，并允许 HLP（Hyperliquidity Provider）等社区流动性池在 maker 退缩时介入，实现盈利性流动性供给。总体而言，这是对传统 CLOB 的改进，优先考虑零售和 maker 而非毒性 taker，从而构建一个更公平、更高效的生态。

社区评价：尽管这套机制实际运行有效（目前 hyperliquid 零售用户占比高交易体验好深度好)，该机制也引发争议：批评者像 GTE 团队认为它限制了 HFT MM 间交易，从而制约总体交易量增长，可能使 Hyperliquid 难以 flip Binance；也有像 Dan Robinson 对这套机制算是持正面评价。

三、重定义 “ 去中心化 ” — — 完全链上化的中央限价订单簿（CLOB）

要理解 Hyperliquid 的技术核心，必须先理解它对 “ 去中心化 ” 一词的重新定义。在最近 EdegX, GTE 等人共同协作的一篇分析 Perp dex 发展困境的文章《Deadly Perp DEX Traps》中有一句话：去中心化在 perp dex 这个领域常被误用 — — 大多数 perp dex 仅仅是将中心化风险从 “ 托管层 ” 转移到了更不为人所见的 “ 执行和清算层 ”。

Hyperliquid 的解法是：通过将所有核心组件 — — 订单簿、撮合、清算 — — 完全运行在透明的链上，来保证协议无法单方面干预或清算用户资金。 这意味着，资金的任何变动（无论是成交还是清算），都必须严格遵循公开、可验证、且写死在链上协议里的规则。没有任何一个 “ 管理员 ” 或 “ 中心化服务器 ”  可以凌驾于这套规则之上。而实现这一目标的终极技术形态，便是完全链上化的 CLOB。

四、流动性引擎 HLP — — Two roles: Market Making + Backstop Liquidations

在构建了一个公平且透明的 CLOB 框架后，Hyperliquid 面临 “ 如何注入初始且持续流动性 ” 的挑战。其解决方案并非一次性完全去中心化，而是以 HLP（Hyperliquidity Provider）为核心的分阶段演进：先由协议自带的 “ 做市金库（Protocol Vault）” 承担做市与清算的 “ 兜底 ” 职责，再逐步将流动性供给下放到开放的社区 Maker Vaults。

HLP 实现交易流动性的 Bootstrapping: Hyperliquid 首先建立了一套名为 “ 做市金库 ”（Market Making Vaults) 的框架，并由团队主导运营旗舰做市金库 HLP。创始团队亲自引导早期流动性，愿景是 “ 民主化做市 Democratizing market making”: HLP 不收取任何管理费用，P&L 按存款人份额比例分享 (目前 P&L 在 $80m)。策略目前在链下运行，但仓位、挂单、交易历史、存款和取款均实时链上可见，供任何人审计。

创始人背景与策略：Jeff Yan 凭借在顶级量化公司 Hudson River Trading 的做市经验，通过主动、专业的策略管理 HLP，为早期用户 “ 合成 ” 了类似 AMM 的核心体验 — — 一个永远在线、无需许可的交易对手方。但 HLP 的做市策略是被动的，仅占平台总交易量的不到 2%，绝大部分交易量发生在非 HLP 用户之间。

HLP 和 GLP (GMX 的 LP 池子）的区别：

以 HIPs (Hyperliquid Improvement Proposals) 改进天走向去中心化自治：HLP 完成了第一阶段冷启动的历史使命后，Hyperliquid 通过社区治理提案 HIPs 逐步将流动性供给的权力交还给市场。

HIP-1: Native token standard — — 新资产上市透明公开机制。流动性的前提是 “ 有资产可流动 ”。HIP-1 是去中心化的第一步，它建立了一个透明的、市场化的新资产发行机制。通过 USDC 拍卖，任何项目方都可以竞争上币资格（荷兰拍卖，每隔 31 小时会有一个新的 “ 上架权 ” 被公开拍卖，拍卖起始价格是上一次 “ 上架权 ” 成交价的两倍，但紧接着会随着时间推移价格逐渐降低直到有人购买）解决了过去上市依赖中心化团队审核、过程不透明的问题，这为订单簿引入了源源不断的新鲜血液。

HIP-2: Hyperliquidity — — 确保刚上架的长尾资产有基础流动性。HIP-1 带来了新资产，但这些长尾资产的初始流动性又成了新难题。为此 Hyperliquid 推出了 HIP-2：一款自动化做市商策略，将被动流动性供给思想与 CLOB 结合在一起。 我们可以将 Hyperliquidity 想象成一个类似于一个自动化机器人流动性提供者，它就生活在订单簿内部。当一个新的 HIP-1 代币推出时，部署者可以用一些 USDC 来初始化 Hyperliquidity 策略，定义一个价格范围，然后协议会自动在对称范围内放置买单和卖单，并每块更新一次（大约每 3 秒），所以它本质上是一个网格做市商确保即使是刚上架的代币从第一天起就有基本的流动性。

五、HyperEVM — — Hyperliquid L1 上的智能合约层

概括：HyperEVM 和 HyperCore 构成了 Hyperliquid L1 上的两大引擎，一块专注交易所业务，一块支持 generic smart contracts 开发，两个引擎共享一个 Unified State

把将整个 Hyperliquid 比作一台高性能计算机：

统一状态：所有数据，无论是订单簿状态、用户保证金，还是 EVM 智能合约的代码和存储，都存放在这

HyperBFT 共识：操作系统内核。它的唯一职责是接收所有传入的指令（交易），对它们进行排序，然后打包成一个不可篡改的指令集（区块），告诉计算机下一步该做什么。

HyperCore (RustVM) 和 HyperEVM：HyperCore 是为交易而生的专用处理器以极致的效率处理订单簿撮合、清算等特定任务；HyperEVM 作为一个通用处理器能执行任何符合以太坊标准的智能合约指令。

当一个新区块产生时，HyperBFT 会将指令集分发给相应的处理器。交易指令由 HyperCore 执行，智能合约指令由 HyperEVM 执行，它们都读取和写入同一个统一状态。

具体用例：从想法到链上市场的无缝流程：

项目方在 HyperEVM 做的项目发行的代币可以直接到 HyperCore 上进行上市交易

部署合约：一个项目方可以使用标准的 EVM 工具（如 Hardhat）在 HyperEVM 上部署其 ERC20 代币合约（例如 XYZ）。

上线交易：该项目方无需任何许可，直接参与 HyperCore 上的 HIP-1 现货拍卖，为其 XYZ 代币创建一个原生的订单簿市场。

状态链接：协议将 HyperEVM 上的合约地址与 HyperCore 上的现货资产进行链接。

无缝体验：从此，用户持有的 XYZ 代币既可以在 HyperEVM 的 DeFi 应用中使用，也可以在 HyperCore 的高性能订单簿上进行交易。

4.1.3 Hyperliquid 商业和生态运营策略

一、协议收入分配与代币回购

Hyperliquid 的主要收入来源是交易手续费，在 2025 年的月度手续费收入已达到数千万美元级别 — — 其年化收入跑道接近 10 亿美元（约合每月 8300 万），体现了协议巨大的交易规模。

在收入分配上，Hyperliquid 采取高度透明且向社区倾斜的策略，几乎将全部协议收入回馈给代币持有者和生态，以避免传统项目中常见的 “ 团队抛售 ” 现象。97% 的交易手续费收入被用于 HYPE 代币的回购和生态资金：这部分资金汇入 “ 援助基金（Assistance Fund）”，通过二级市场持续回购 HYPE，实现永久性的通缩销毁计划。仅有 3% 的手续费收入划拨给 HLP 做市金库，用于激励流动性提供者。

二、做市基金

HLP 金库是 Hyperliquid 协议的核心做市和清算机制，充当平台的被动做市商和最后清算人，类似于交易所的 “ 保险基金 ”+“ 做市资金池 ” 组合。任何用户都可以将 USDC 存入 HLP 金库，参与共享做市策略的利润和损失，从而将传统仅限专业做市商的收益机会民主化给普通用户。

HLP 策略在后台自动运行（目前部分策略为链下执行，但头寸及资金变动在链上公开可查），承担撮合订单簿中对手方流动性、以及接管强平仓位的职责。作为回报，HLP 金库享有协议部分手续费（如上文所述约占 3%）以及清算收益，用于提高金库收益率。

自 2023 年中推出以来，HLP 金库的规模和表现增长显著：TVL 在短时间内攀升至 5 亿美元级别。2023–2024 年间年化收益率在达到 8–15% 区间，更重要的是，其收益与加密市场走势相关性较低甚至负相关，在相对较低波动率下实现了可观的风险调整后收益（例如 2023 年中至 2024 年，HLP 收益与 BTC 相关性为-9.6%，Sharpe 比率显著高于 BTC)，这使得 HLP 对用户具有特殊吸引力：既提供了不同于单纯囤币的稳健收益来源，也在一定程度上对冲了单一市场趋势风险。

在风险管理方面，HLP 金库采取损失隔离原则，保证即使金库发生亏损也不影响协议其他部分：每个交易市场和账户均为逐仓保证金，某资产产生的亏损不会波及其他资产市场。当有杠杆仓位爆仓时，HLP 的清算模块（也称清算者金库）首先尝试通过订单簿撮合平仓；如果市场流动性不足以平仓且可能出现坏账，协议会启动自动减仓（ADL）机制，动用该标的资产上盈利头寸的未实现收益对冲亏损这种机制仅在极端情况下触发，平时很少启用）。