Flying Tulip是什么？DeFi教父回归创立Flying Tulip

Flying Tulip 是什么？DeFi 教*父回归打造的一站式去中心化交易所

Flying Tulip 是由 DeFi 教*父 Andre Cronje（AC）在 2025 年 3 月宣布启动的新项目，旨在构建一个全面的去中心化金融（DeFi）平台。它集成了现货交易、永续合约、流动性池、贷款和期权等多种功能，定位为新一代 AMM + DEX，被认为有可能成为超越 Hyperliquid 的一站式去中心化交易所。平台无需 KYC、无需钱&包授权，交易费用低至 0.02%，杠杆最高可达 1000 倍，并采用创新的自适应曲线 AMM 和动态 LTV 模型来优化流动性和风险管理。

本文将详细介绍 Flying Tulip 的创始人背景、平台功能、创新技术、数学模型以及潜在风险，帮助读者全面了解这一新兴 DeFi 项目。

TL;DR 核心要点

• 创始人回归：
  Andre Cronje 因 SEC 监管压力退出 DeFi 两年后，于 2025 年 1 月解释退出原因，同年 3 月宣布创建 Flying Tulip。

• 平台功能：
  一站式 DeFi 平台，涵盖现货交易、永续合约、流动性池、LTV 贷款和期权。其中贷款和期权是 Hyperliquid 尚未提供的功能。

• 创新技术：
  采用自适应曲线 AMM（根据波动性切换 x*y=k 或 x+y=k 模型），滑点比传统 AMM 降低 42%。动态 LTV 模型结合波动率、滑点和利用率来调整借贷限额。

• 优势：
  无需钱&包授权，单一 LP 池提供高达 9 倍回报，交易费动态低于 0.02%，杠杆最高 1000 倍。

项目发展与概况

2.1 DeFi 教*父 Andre Cronje 的成长之路

Andre Cronje 被誉为 “DeFi 教*父”，他的职业生涯从南非传统软件开发起步，逐步转向区块链创新。他曾在 Vodacom 负责大数据和集群计算，后担任多家公司 CTO，积累了丰富的系统架构经验。2017 年他开始研究加密货币，2018 年正式加入区块链行业，先后参与 BitDiem、Crypto Briefing 等项目。他的主要成就包括创立 yearn.finance、联合创立 Sonic Foundation（原 Fantom）、共同创立 Keep3r Network，并参与了 Hegic、Sushiswap、Solidly 等知名 DeFi 项目。

2022 年 AC 突然宣布退出 DeFi。2025 年 1 月他发文解释：主要因美国 SEC 对其 yearn.finance 项目展开调查，耗费大量时间和金钱，导致开发活动完全停止。他形容那段时间“伴随无尽的失眠和压力”。尽管退出，他仍然看好区块链发展，认为基础设施完成了 50-60%，并预测未来 2-5 年内全球最大加密交易所将是 DEX 而非 CEX。

2025 年 3 月 AC 在 X 上宣布启动新项目 Flying Tulip，目前产品尚未正式上线，但官网已披露详细规划。根植于 Sonic 链的 Flying Tulip 被视为 Hyperliquid 的竞争对手。

2.2 Flying Tulip 功能概况

根据官网，Flying Tulip 是一个一站式 DeFi 平台，提供以下功能：

• 现货交易 (Spot Trading)
  ：传统代币买卖。

• 永续合约交易 (Perps Trading)
  ：支持高杠杆的衍生品交易。

• 流动性池 (Liquidity Pool)
  ：用户提供流动性赚取手续费。

• 贷款 (LTV Lending)
  ：基于动态 LTV 模型的借贷。

• 期权 (Options)
  ：链上期权交易。

相比 Hyperliquid，Flying Tulip 额外提供贷款和期权功能，使其更像一个全面的交易所。此外，平台还有两个独特创新：无需钱&包授权（降低用户门槛，简化操作流程）和 单一 LP 池（从同一个池子支持现货、杠杆、合约交易，无需切换协议，LP 回报可高达传统 LP 的 9 倍）。

2.3 竞争对手比较

Flying Tulip 针对零售交易者、流动性提供者和机构交易者分别提供定制化优势。以下对比表格展示了它与 Coinbase、Binance、Hyperliquid 的差异：

核心优势包括：交易费可动态低于 0.02%，更高杠杆倍数，自适应 AMM 帮助 LP 减少高达 42% 的无偿损失（无偿损失：当池中资产价格波动时，流动性提供者相对于持有资产可能产生的损失）。

2.4 创新技术一览

• 自适应曲线 AMM
  ：根据市场波动性自动在常数乘积 (x*y=k) 和常数求和 (x+y=k) 模型间切换，优化价格和流动性。

• 多预言机集成
  ：使用 rVOL（已实现波动率）、IV（隐含波动率）、TWAP（时间加权平均价格）和 RWAP（可能是 VWAP 的笔误）提供精准数据。

• 动态 LTV 货币市场
  ：基于波动率动态调整贷款价值比 (LTV)。LTV 即贷款金额与抵押品价值的比率。

• 高杠杆
  ：最高提供 1000 倍杠杆。

• 永续合约与期权 LP
  ：LP 可为永续和期权提供流动性，增加收益来源。

• 链上保险、无需 Gas、无需钱&包、无需 KYC
  ：降低用户使用门槛。

自适应曲线技术具体表现为：高波动时切换到常数乘积模型保持价格稳定，低波动时切换到常数求和模型降低滑点。该模型也优化了加密货币、稳定币和外汇等不同资产类别的交易。例如在 ETH/USDC 交易中，Flying Tulip 的最佳执行价格为 19,874 USDC，价格影响仅 0.14%，而 Uniswap V3 为 0.65%，Curve 为 0.36%。

Source: Flying Tulip

数学模型拆解

3.1 问题起源：AMM 恒定乘积公式的隐性风险

在跨储备借贷场景中，若使用传统恒定乘积做市模型（x × y = k），大规模资产清算会引发储备再平衡的价格冲击，导致抵押品实际价值受损。例如，交易过多的资产 A 会随着储备再平衡对资产 B 的收益产生递减，造成约 33% 的价格影响。为了减轻这种影响，Flying Tulip 引入了基于 AMM 的 LTV 动态调整模型。

Source: Flying Tulip

3.2 解决方案：将已实现波动率嵌入 LTV 公式

首先将波动率纳入 LTV 模型。设定 σ 为抵押资产的实际波动率（年化标准差），δ 为波动率折扣因子 (Volatility Haircut)，公式为：δ = σ × t^(1/2)。

得到波动率动态调整 LTV 公式：
贷款 ≤ (1−δ) × (抵押品价值（按当前价格计算）)

因此最大 LTV 为：
LTVvol = 1−δ

这样，资产波动性越大，允许的最大 LTV 越低，从而减轻清算风险。例如，若资产历史波动率约 30%，LTV 会被限制在 70% 左右。与传统固定 LTV 相比，此模型更灵活，适应市场变化。

Source: Flying Tulip

3.3 解决方案：将滑点和波动率纳入模型

在清算时，滑点影响显著。当清算抵押品 A 换取债务 B 时，B 的实际回收价值会因 AMM 价格影响和波动而减少。为确保清算后 B 的价值 ≥ 债务，模型加入滑点因子。仅考虑滑点时，最大 LTV 为：
LTVslip = 1 / (1 + ΔX/X)

其中 ΔX/X 是池中间出售 A 资产的比例。举例：若抵押品等于池大小（ΔX = X），清算时价格影响 50%，LTV 降至 50%；若抵押品是池大小两倍（ΔX = 2X），LTV 降至约 33.3%。

再结合波动性因子，最终模型公式为：
LTVmax(ΔX) = (1−δ) / (1+ΔX/X)

该公式涵盖两种风险：波动性缓冲 (1−δ) 降低可用抵押品价值，AMM 深度因子 (1+ΔX/X) 降低价值受价格波动的影响。就像给贷款上了双保险：既要防大额卖出导致的价格踩踏（AMM 滑点），又要防市场突然暴跌（波动率）。

以下是不同场景下的 LTV 调整对比表：

Source: Flying Tulip

3.4 动态 LTV 调整对利用率和流动性的影响

随着用户用资产 A 借入资产 B，池的构成会变化。若大量贷款被提取，可用的 B 流动性减少，A 储备增加，导致 B 的利用率上升。B 的高利用率意味着任何新清算都将面临更严重的滑点。模型引入利用率因子 U_B = 1 – (Y_当前 / Y_初始)。当 U_B 趋近 1 时，池子极度不平衡。新贷款只能使用正常 LTV 限额的 50%，公式为：
LTVallowed(UB) = LTVmax × (1−UB)

此模型确保新借款不会过度消耗流动性，并可能在高利用率时增加费用或利率，作为整体风险管理的一部分。下图清晰显示：随着波动性增加或预期借款规模扩大，安全的 LTV 范围逐渐收窄。

Source: Flying Tulip

3.5 模型优点总结

• 动态调整：
  根据市场条件实时调整 LTV，与波动率、流动性等保持一致。

• 风险管理：
  结合滑点和利用率，有效降低清算风险。

• 波动率适应：
  低波动资产（如稳定币）获得较高 LTV，高波动资产（如某些代币）获得较低 LTV。

• 系统稳定性：
  多因素综合考量，确保市场压力下稳定运行。

• 资本效率：
  在安全前提下最大化借贷额度。

• 透明度：
  调整逻辑公开，用户可清楚了解 LTV 变化。

• 适应性：
  适用于不同市场条件和资产类型。

• 创新性：
  结合 AMM 和借贷协议，展现独特竞争力。

潜在风险

尽管 LTV 动态 AMM 模型在风险管理方面表现出色，但存在以下风险：

• 预测误差：
  若对资产波动率的预测出现偏差，可能导致 LTV 设置过高或过低。

• 高数据依赖：
  模型需要大量实时数据（价格、流动性池深度、利用率等），数据不准确或延迟会使调整失效。

• 数据质量问题：
  链上数据可能被恶意操纵（如价格操控），降低模型可靠性。

• 系统性能压力：
  实时计算滑点、利用率和波动率需要大量计算资源，可能影响交易速度。

• 参数依赖性：
  模型性能高度依赖波动率折扣、清算阈值等参数，配置不当会导致不合理调整。

• 调优难度：
  找到最优参数组合需要大量测试和调整，增加开发维护复杂性。

• 网络拥堵：
  区块链拥堵时，实时调整可能受阻，影响借贷安全性。

总结

Flying Tulip 是 Andre Cronje 回归后推出的新一代 DeFi 平台，通过自适应曲线 AMM 和动态 LTV 模型，试图解决传统 AMM 和借贷协议中的滑点、无偿损失和清算风险问题。其一站式功能（现货、永续、流动性池、贷款、期权）结合无需钱&包授权和高杠杆特性，定位为 Hyperliquid 的有力竞争者。尽管模型创新且具有优势，但项目尚未正式上线，实际表现有待验证。投资者和用户应关注官方后续发布的白皮书和产品测试结果，理性评估风险。