预测市场掘金者

前言｜预测市场被忽略的第二概率：结果由谁裁决，价格就由谁重写

交易规则差的人只赚微利，定义结果的人分食未来。

预测市场通常把一份 Yes 合约的价格直接读成事件发生概率。这种读法漏掉了预测市场最有价值的变量：事实发生以后，规则是否承认它，最终决定了合约是否被支付。

一份合约因此同时包含两个概率：

• 事实发生的概率
• 事实按规则被承认为Yes的概率

当规则明确、证据一致时，两者接近；当截止时间、信息源、证据标准或终审出现分歧时，两者背离。这个差值并非是一个技术上的bug，相反它会改变现金流，本身可以算作一项资产。

因此，本文将重点讨论这个尚未被共识看见的预测市场的“隐形之手”，并用 3 个定义来深度拆解：解释权决定事实能否被规则承认，规则差是这种承认偏差进入价格后的交易 Alpha，结果层则把规则比较、证据验证、结果确认和支付触发封装为跨平台接口。

三者是一条因果链：解释权是因，规则差是结果，结果层是解释权的商业化形态。

因此，谁决定事实能否被预测市场的规则承认，就是被忽略的第二个概率，在交易端表现为规则差，在产业端则推动规则比较、证据验证、结果确认和支付触发被封装成共用接口。

同一个规则差由此分出两处利润归属。其中归结果层的那一处，就是本报告标题所说的第二利润池——它是按产业口径测算的利润分布，目前还没有任何主体单独披露。

而综合数据证据与产业研究，本报告识别出一个尚未被市场充分定价的增长机会：能够跨平台复制并形成持续收入的结果层，将成为预测市场下一阶段的主要产业增量。

01｜0.487% 的市场进入争议，对应 8.64% 的成交：小概率背后的大资金

按预测市场的件数衡量，争议是低频运营问题。因此这个口径会系统性低估规则差的经济价值：占比虽小，但决定“规则差”经济价值的，是暴露在争议中的资金规模。

截至 2026 年 7 月 15 日，本报告从闭市、最终名义成交额不低于 1,000 美元且保留 UMA 状态轨迹的市场中，得到 282,191 个争议率与回归分析样本。UMA 是 Polymarket 使用的链上争议仲裁机制。在这组样本里，进入过争议的市场仅占 0.487%，却承载了 8.64% 的最终名义成交额。

规则差集中在最昂贵的市场上。

1.1 成交规模越高，争议风险越集中

按最终名义成交额分层，样本争议率逐档单调上升，从最低一档的 0.26% 升到最高一档的 30.14%。

据此，本报告采用回归建模，回归结果显示，在控制市场年份、品类和存续时间等因素后，成交规模与争议仍呈显著正相关：单市场成交额每增加 10 倍，市场进入争议的相对倾向约升至原来的2.27倍。这说明争议明显集中在高价值市场，但由于成交额可能包含争议发生后的交易，该结果只能证明相关性，不能判断究竟是高成交导致争议，还是争议带来更多成交。但无论是哪种，它都已经成为大额资金反复遇到的成本。

1.2 高价值交易要求解释权从后台移到前台

当单一事件只决定几千美元时，模糊规则可以由运营人员临时处理；当单一事件决定的是数千万美元时，规则模糊则会同时改变资金支付、做市头寸和平台信誉。

高价值交易因此要求四件事在下单前就可见：规则能否比较，证据能否验证，结果能否确认，支付能否触发。缺少其中任何一项，做市商都会通过更宽价差、更小头寸或更高资本占用为不确定性收费。而这些成本最终会转嫁给交易者，并表现为更高的成交成本、更低的可执行规模和更差的资金效率。

因此， 0.487%的争议率之所以重要，正是因为它压住的资金远多于它在件数上的占比。当规则差集中在最昂贵的市场，真正需要追问的就是谁拥有改变支付结果的权力。

02｜解释权的集中：少数钱包掌握争议的终审投票权

预测市场的原始条款不可能覆盖全部事实。条款覆盖不到的地方，结果确认就从规则执行变成解释权：谁终审，谁就能重写现金流。这是规则差的第一个来源：解释权归属，即一个平台内部由谁说了算；归属越集中，规则承认的概率越难预测。

2.1 Strategy 案：事实发生，不等于合约承认

Polymarket 的相关合约规定，只要 Strategy 在 2026 年 5 月 31 日晚 11:59（美东时间）前出售比特币，市场就应结算为 Yes。Strategy 后续披露，5 月 26 日至 31 日出售了 32 枚 BTC。

市场最终结算为 No。争议的关键不是“是否出售”，而是“出售必须在截止前发生，还是必须在截止前被公开确认”。原规则按事件发生时间书写，6 月 1 日后的补充说明则把公开确认时间纳入判断。Galaxy Research 对规则文本和补充说明的复盘显示，交易者面对的是两个不同的规则承认标准。

这不是“发生争议所以价格波动”，而是一次可辨认的规则口径冲击：事实披露把 Yes 推上去，一份补充说明又把它按了回去。事实没有改变，改变的是事实被规则承认的概率。解释权直接决定现金流。这一次改写现金流的，是那份补充说明和随后的投票程序。

2.2 开放参与没有消除权力集中

这套投票程序对所有人开放。Polymarket 的争议进入 UMA 投票，任何持币者理论上都能参与，但实际决定权由持币量分配。

Bloomberg 对链上投票的调查显示，在三年内参与过争议投票的 6,400 多个地址中，仅 9 个钱包就贡献了约一半投票权。另一项被媒体转述的《华尔街日报》调查发现，在 300 多起争议中，至少有一名投票者同时持有相关市场头寸。

这里无需证明操纵与否，利益冲突本身就已经构成风险：少数钱包既可能持有相关市场头寸，又能够参与决定最终结算结果。一旦交易利益与结果裁决集中在同一批参与者手中，市场就必须把这种潜在影响计入价格。要判断这种影响有多大，首先需要看进入争议程序的成本和门槛。

2.3 大额头寸提高介入争议程序的经济激励

进入争议程序的门槛并不高。Polymarket 的争议说明显示，争议者通常只需匹配提议者的保证金，常见金额为 750 美元。对持有大额头寸的人而言，这笔成本可能远小于争议结果所影响的资金。

假设某交易者持有一笔价值 10 万美元的 Yes 头寸。如果市场被提议结算为 No，这笔头寸可能几乎全部归零。此时，即使交易者认为争议成功的概率只有 10%，花费 750 美元把案件送入争议程序，仍可能是一笔合理的选择。

先忽略研究、Gas 等额外成本。若争议成功，交易者可以挽回 10 万美元头寸，并获得败方保证金的一半，即 375 美元；若争议失败，则损失自己缴纳的 750 美元。其期望收益约为：

10% ×（100,000 + 375）− 90% × 750 = 9,362.5 美元

在这个例子中，即使成功概率不高，潜在挽回金额与保证金之间的差距仍足以形成很强的争议激励。头寸越大，交易者愿意启动争议程序所需的最低成功概率就越低。

因此，争议的期望收益公式为：

争议期望收益 = q ×（V + 0.5B）−（1−q）×B − C

其中，V 是争议成功后能够挽回的头寸现金流，B 是争议保证金，C 是研究、Gas 和机会成本，q 是有利解释最终被接受的估计概率。

由此可得，发起争议的盈亏平衡条件为：

q >（B + C）÷（V + 1.5B）

这意味着，头寸价值越大，启动争议所需的最低成功概率越低。750 美元不能决定最终投票结果，却足以让一项有利解释进入决定现金流的程序。

03｜规则差已经进入价格，策略容量止步于盘口深度

前文我们已经洞悉解释权在谁手里，接下来我们将会看到各家的解释标准彼此亦不相同。这是规则差的第二个来源：解释标准差异。同一个第二概率，前者让它不可预测，后者让它在平台之间不相等。

规则差已经事实上成为了可交易的价格偏差。预测市场交易者除了判断事件会不会发生之外，还要先确认两份看似相同的合约是否采用相同的截止时间、信息来源和结算标准，以及它们是否会在同一种情形下支付。只有结算条件完全一致，两边的价差才可能是套利；如果规则不同，交易者实际押注的就是市场是否错误定价了这些规则差异。

3.1 跨平台定价证据：语义等价，价格仍不相同

2026 年一项覆盖十个主要平台、超过 10 万个事件的跨平台研究，对自然语言描述、结果确认语义和时间范围逐项做了人工验证后发现，部分事件同时在多个平台挂牌，而语义等价的市场之间仍存在平均 2%—4% 的持续、可执行价格偏差。该研究把这种现象定义为“语义不可替代”：缺少统一的事件标识与结果确认标准，价格就无法完全收敛。

更接近当前盘口的一组观察给出相同方向。2026 年 7 月 1 日至 7 日，在两边均有交易的 BTC 年末 12 万美元合约中，Kalshi 的 Yes 价格整周高于 Polymarket 约 2.08 个百分点。Polymarket–Kalshi 同题匹配观察把“规则和平台结构会进入价格”从概念变成了可见价差。

市场不是没有为第二个概率定价，而是还没有形成统一的定价语言。对交易者而言，这正是 Alpha 的来源。

3.2 同一结算条件赚价差，不同结算条件赚判断差

预测市场有一类经典套利交易，即跨平台套利。但跨平台交易首先要判断，两份看似相同的合约是否真的会在同一种情形下支付。

假设平台 A 和平台 B 都有“比特币年底是否超过 12 万美元”的市场。平台 A 的 Yes 价格是 0.54 美元，平台 B 的 No 价格是 0.43 美元，两边合计只需 0.97 美元。

如果两份合约采用完全相同的截止时间、价格来源和结算标准，那么无论最终结果如何，其中一边都会支付 1 美元。扣除费用、滑点和资金成本后，只要总成本仍低于 1 美元，交易者就可以锁定价差。

但如果平台 A 以 12 月 31 日 23:59 UTC 的指数价格为准，平台 B 以美东时间收盘价为准，两份合约就可能出现不同的结算结果。此时，0.97 美元买下两边并不等于无风险套利，交易者实际上是在判断市场是否低估了两套规则产生不同结果的可能性。

因此，跨平台交易可以分成两类：

• 结算条件完全一致：交易者赚的是价格错位，只要全部成本低于最终支付金额，就可以锁定收益。
• 结算条件存在差异：交易者赚的是规则判断，收益取决于自己对截止时间、信息来源和结算标准的理解是否比市场更准确。

对于第二类交易，真正需要估计的不是事件本身会不会发生，而是这份合约最终被规则认定为 Yes 的概率。

例如，一份 Yes 合约价格为 0.54 美元，费用、滑点和资金成本合计为 0.015 美元，那么交易者至少需要认为它有 55.5% 的概率最终结算为 Yes，这笔交易才具有正期望值。

盈亏平衡的规则承认概率 = 市场价格 + 单份合约全部成本

如果交易者估计最终结算为 Yes 的概率是 60%，高于 55.5% 的盈亏平衡线，那么每份合约的预期期望利润约为 0.045 美元；如果估计只有 53%，即使交易者认为事件本身大概率会发生，这笔交易仍不值得做。

所以，看似同一个预测事件并不意味着两份合约可以直接套利。交易者必须先判断它们是否采用相同的结算条件；条件相同，赚的是价差，条件不同，赚的是对规则的理解差。

3.3 价差真实可套利，但策略容量受限于盘口深度

前文已说明了如何识别并构建一个规则差交易，但一个策略能否承接大额资金，还要回答两个更现实的问题：这些价差是否真的能被兑现，以及每次机会究竟能投入多少资金量。

第一，价差并非纸面上的理论机会，而是已经形成了策略市场。对 2024 年 4 月至 2025 年 4 月已结算市场的链上研究显示，市场内再平衡和跨市场组合交易累计产生了约 4,000 万美元的已实现套利利润。这说明预测市场中的错价可以被系统性识别，并最终转化为实际收益。

第二，价差虽然存在，实际可执行规模却非常有限。一项覆盖 173 场 NBA 比赛的研究重建了超过 7,500 万个订单簿快照，共识别出 290 个组合套利片段。这些机会的单次盘口毛收益率中位数仅约 1.01%；且其中 76.9% 受到盘口深度限制，受限机会平均只能执行 14.8 份合约。另一类单市场异常的可执行机会更少，中位持续时间只有 3.6 秒。

这就意味着，如果某次套利的毛收益率约为 1%，理论上每投入 100 美元可以赚约 1 美元；但盘口上只能成交约 15 份、每份成本接近 1 美元，那么这次机会实际只能投入约 15 美元，毛利润可能只有约 0.15 美元。收益率看起来可观，但可部署的资金非常有限，而且机会可能在几秒内消失。

因此，规则差交易是一门依赖研究与执行能力的生意，而不是可以无限扩容的市场红利。合约研究、语义匹配、真实盘口识别和多腿执行决定交易者能否抓住机会；盘口深度和机会持续时间则决定这项策略最多能承接多少资金。

交易者赚取的是一次性的错价，每次都必须重新寻找和执行。真正能够随预测市场整体成交增长而扩张的，可能不是亲自交易这些摩擦，而是为降低规则不确定性、改善结果确认和减少人工裁量持续收费的基础设施。

04｜更大的 Alpha 不在盘口：把解释权变成一套产品

看到这里的读者应该会有一个疑问，预测市场的盘口为什么普遍较浅？一个重要原因是结算规则存在不确定性。做市商无法准确判断某个事实最终会如何被平台认定，因此会扩大买卖价差、减少报价规模，以补偿潜在风险。

这种不确定性催生了两种不同的生意。交易者寻找并利用规则差造成的错价，但收益受单个市场的盘口深度和机会持续时间限制；而结果层则试图降低规则与结算的不确定性，把规则比较、证据验证、结果确认和支付触发做成可重复调用的服务，并向多个市场和平台收费。

两者都源于同一种市场摩擦：交易者靠摩擦存在赚钱，结果层靠减少摩擦赚钱。

而结果层要做到这一点，首先需要把“结果如何被确认”拆开来看。不同事件的确认难度并不相同：价格、时间和链上状态等事实可以由机器直接读取；证据分散但规则相对明确的事件，可以由 AI 协助检索和整理；规则模糊、金额较大或证据冲突的事件，仍需要人类承担最终判断。

结果层的产品化，正是从这种分工开始。每一种确认工作被标准化，就会多出一项可以被平台采购和调用的能力。

4.1 确定性结果正在被标准化

结果层首先从最明确、最容易验证的事件开始产品化，例如某个时间点的比特币价格、一个链上地址是否完成转账，或某项状态是否在截止时间前出现。这类结果的共同特点是：只要事先写清楚数据来源、读取时间和判断条件，系统就可以直接读取数据、判定 Yes 或 No，并触发支付。

以“比特币在指定时间是否高于某个价格”为例，市场只需要提前确定采用哪一个价格源、在哪一刻读取，以及价格达到什么条件算 Yes。截止时间到达后，系统自动读取数据并完成结算，不需要再临时解释规则。

Hyperliquid 的 HIP-4 正是在把这套流程做成标准化产品。它将二元结果合约接入统一交易系统，使规则设定、交易、结果确认和支付可以在同一套基础设施中完成，并让整套模板被下一批事件复用。这种标准产品已经被需求端验证；Chainlink 驱动的 Polymarket 短周期加密市场累计成交已超过 34 亿美元。

受监管平台也在采用相同思路。Kalshi 的部分黄金、原油和农产品市场使用 Pyth 提供的外部价格数据作为结果依据，说明结果确认可以从平台内部流程，转化为由专业数据供应商提供、被多个市场重复调用的服务。

确定性结果之所以重要，不只是因为它更容易自动化，而是因为它最先证明了结果确认可以被拆成标准接口，并成为结果层的一项基础产品。

4.2 AI 的价值是压缩证据成本

确定性结果可以直接读取数据，但更多预测市场面对的是另一类问题：规则已经写明，相关证据却分散在公告、新闻、监管文件或不同信息源中，甚至彼此存在冲突。此时，真正耗费时间的往往不是最后作出判断，而是找到材料、筛选有效证据，并把判断依据整理清楚。

AI 最适合承担的正是这部分工作。它可以加快信息检索、归纳不同来源、识别证据冲突，并生成一份供最终判断使用的证据包。但它能否直接替代结果裁决，还要看实际测试表现。

一项针对 UMA 争议市场的研究显示，AI 在争议后复核中可达到 89.58% 的一致率，但争议前识别的召回率仅 33.88%。前者说明资料齐备后 AI 往往能够复现最终判断，却不代表它找到了独立于原裁决的“真实答案”；后者则说明 AI 还无法提前识别出大多数高风险市场。

所以AI 目前更适合被放在判断流程的中间，而不是最后一环。AI 真正降低的是到达判断之前的证据处理成本。

因此，更可行的分工是：机器负责读取明确数据，AI 负责检索、筛选和整理证据，人类则对规则模糊、金额较大或证据冲突的市场作出最终判断。

当这套分工被标准化后，结果确认就不再只是单个平台内部的运营流程。规则比较、证据验证、结果确认和支付触发，可以被拆成独立接口，提供给多个平台、做市商、机构和 Agent 重复调用。

这正是结果层的起点：把原本分散在各个平台内部的规则、证据和结算能力，变成可以跨平台采购的基础设施。下一章要回答的是，当这些能力开始被反复调用后，它们如何形成收入。

05｜解释权的收费路径已经出现：结果层正在形成第二利润池

当规则比较、证据验证、结果确认和支付触发变成可以跨平台复用的接口，它们的收入就不只来自最终结算，还来自这四项能力在交易链条中的反复调用。到这一步，解释权不再只是治理权力，而开始产生第二利润池。

但结果层要形成独立收入，还需要满足两个条件：同一套能力能够被不同市场反复使用，而不是每个事件都重新建设；且平台、机构或开发者愿意为这些调用持续付费。

HIP-4 首先证明了第一个条件，结果确认不仅可以自动完成，还可以被复制到不同类型的市场中。

5.1 HIP-4 跑通结果资产的产品闭环，但成交规模尚不稳定

HIP-4 在前文已经证明，价格等确定性结果可以由机器读取并自动完成结算。它在商业上的进一步意义，是同一套交易与确认流程不必只服务于一个事件。

一个新的结果市场上线时，平台不需要重新搭建完整系统。市场创建、规则编码、订单分发、流动性接入、结果确认和资金支付，都可以沿用已经建立的流程：

事件被写成规则 → 规则生成结果资产 → 市场持续交易 → 机器确认结果 → 资金自动支付 → 模板被下一批事件复用

这种复用能力已经在真实成交中得到验证。HIP-4 上线不足三个月，累计成交约 2.77 亿美元，近 30 日成交约 1.82 亿美元。这说明用户确实愿意交易由机器确认和自动结算的结果资产，而不是只在概念上接受这种产品。

成交结构也显示，同一套基础设施能够服务不同类型的需求。这批成交中，体育市场贡献约 82%，但当大型赛事带来的成交高峰退去后，交易活动又主要回到加密资产市场。体育市场提供事件驱动的成交峰值，加密资产则提供更高频、更稳定的日常需求。

这使结果层具备软件和数据基础设施的增长特征：新增市场不再从零建设结算流程，已经建成的结果层四项能力可以跨事件复制。交易品类越多，调用次数越多，标准接口的边际价值越高。但调用需求是否能够转化成独立收入，还取决于谁愿意付费，以及按什么方式收费。

5.2 调用、工作流与数据授权：三类收入与付费方的迁移

结果层可以沿三条路径收费：结果调用与支付触发、机构数据与审计工作流、结果数据授权与分发。三条路径对应不同购买者、购买理由和收费单位。

三类收入的重要性并不相同：机构合同可以提高收入稳定性，数据订阅与授权可以增加经常性收入占比并改善估值质量，而规模扩张仍主要依赖结果调用和结算收费。

从已经出现的四家供应商来看，付费方正在从链上协议逐步扩展到受监管平台和机构预算：

• Chainlink：证明结果接口存在高频调用需求。 Chainlink 驱动的 Polymarket 短周期加密市场累计成交超过 34 亿美元。这项数据证明当结果能够由标准化数据自动确认时，同一套接口可以被大量市场反复调用。
• Azuro：证明基础设施调用可以转化为实际收入。 Azuro 通过约 5.3 亿美元累计成交产生约 450 万美元累计协议收入。它提供的不只是最终结果，还包括市场创建、数据供给和结算等基础设施。这说明预测市场的后台能力并非只能作为平台内部成本，也可以通过协议收费和收入分配形成独立收入。
• Pyth：证明受监管平台也会采购外部结果数据。 Kalshi 在部分黄金、原油和农产品市场中采用 Pyth 提供的数据。与链上协议按调用收费不同，这类合作更接近交易所采购外部市场数据和结算输入，付费逻辑也从链上流量转向合规、可靠性和责任分工。
• ICE：证明预测市场数据可以进入机构信息产品。 ICE 将 Polymarket 的概率和情绪数据接入实时数据流与历史数据库，向机构客户分发。到这一阶段，被销售的已经不只是某个市场的最终结果，而是由预测市场持续产生的数据本身。收费方式也随之转向数据订阅、授权和分成。

这四个案例是在不同位置证明结果层可以形成收入：Chainlink 证明调用需求，Azuro 证明协议收费，Pyth 证明受监管平台愿意采购外部输入，ICE 则证明结果数据可以进入机构分发体系。

结合上一节的 HIP-4，结果层商业化已经出现一条较完整的链条：

结果产品被交易 → 接口被反复调用 → 平台采购外部能力 → 结果数据进入机构工作流

市场结构也决定了不同收入路径的重要性。2026 年 6 月，Kalshi、Polymarket US 与 Polymarket 国际合计成交 448 亿美元，对应 5,376 亿美元的简单年化运行速度。其中，受监管市场占 77.1%，链上市场占 22.9%。

两类市场对结果层的需求并不相同。链上市场通常把结果确认拆分给预言机、争议机制和智能合约支付，因此更适合按调用量、结算次数或协议分成收费。受监管平台则保留最终结算责任，但仍可能采购外部数据、审计工具和机构分发服务，因此更适合年度合同、API 订阅和数据授权。

由于受监管市场已经占据成交量的大部分，结果层未来更大的收入增量，可能来自合规数据、审计工具和机构工作流，而不是简单复制链上的争议收费模式。不过，这项判断有一个重要前提：相关能力必须由独立供应商对外提供。如果交易所选择自行建设并长期内部使用，这些能力就只是平台内部成本，不能按照全市场成交量推算为外部结果层收入。

5.3 从千万美元底座，到数亿美元的第二利润池

前文已经证明，结果层存在真实需求，也出现了协议分成、外部数据采购和机构授权等收费方式。但行业目前没有单独披露“结果层收入”，因此无法直接得到一个完整的市场规模。

因此，本节采用三步估算：

1. 从已经实际产生的协议收入出发，估算当前能够观察到的结果层收入；
2. 假设同样的收费能力覆盖现有预测市场，估算可扩张的收入空间；
3. 参考已经跑通商业模式的项目，估算更成熟状态下的收入上限。

这三层不是三个相互独立的预测，而是同一条商业化路径上的三个阶段。越往后，潜在收入越高，所依赖的假设也越强。

当前可观察的商业化底座：1,500 万—3,700 万美元

截至 2026 年 7 月 28 日，DefiLlama 收录的 33 个链上预测市场协议，过去一年收入合计约 1.46 亿美元，近 30 日收入约 3,026 万美元。

但这些收入并不全部属于结果层，其中还包括平台、流动性和其他协议环节的收入。为了估算结果层能够获得的部分，可以参考 Azuro 已经实际执行的收入分配规则：池利润的 10% 分配给 Data Providers。

按照这一比例计算：

• 过去一年收入对应的结果层收入约为 1,461 万美元；
• 按近 30 日收入简单年化，对应约 3,682 万美元。

取整后，当前能够由公开收入和实际分配规则共同支持的结果层收入约为 1,500 万—3,700 万美元。

这个区间并不是整个行业的完整收入，只是目前可以从公开数据中确认的部分。它代表的是已经开始发生的商业化收入，而不是未来预测。

覆盖现有市场：6,400 万—1.61 亿美元

按上文的 6 月成交口径，链上市场对应约 1,231 亿美元年化成交。上述可观察估算出的结果层收入除以链上成交额，可以得到目前可观察的结果层变现率：

1,500 万—3,700 万美元 ÷ 1,231 亿美元 = 1.19—2.99bp

这里的 1.19—2.99bp，可以理解为每 1 万美元预测市场成交，目前大约能够产生 1.19—2.99 美元的结果层收入。

如果这一变现率不只适用于链上市场，而能够覆盖目前整个预测市场，对应的产业年收入约为 6,400 万—1.61 亿美元。

这一档不需要假设预测市场继续高速增长，只假设现有成交能够更多地使用外部结果层服务。但它仍然依赖两个条件：结果确认、数据供应和支付触发覆盖现有交易量；受监管平台把数据、审计和结果工作流持续交由外部供应商，形成可观察的合同、账单和续费。

成熟产品化上限：约 4.56 亿美元

第二层采用了行业当前较低的变现率。为了估算商业模式进一步成熟后的收入水平，可以参考 Azuro 已经跑通的收费结构。

Azuro 的累计协议收入约占其累计成交额的 84.9bp。其中约 10% 分配给 Data Providers，因此对应到结果层的变现率约为：

84.9bp × 10% = 8.49bp

这意味着每 1 万美元成交，可以产生约 8.49 美元的结果层收入。它不是理论费率，而是一个已经实际运行的项目所达到的水平。如果整个预测市场都达到这一变现率，对应的结果层产业年收入约为 4.56 亿美元。

它要求结果层不仅覆盖更多市场，还要在规则比较、证据验证、结果确认和支付触发等环节中取得更高的收入份额。因此，4.56 亿美元更适合作为成熟商业模式下的参考上限，而不是近期预测。

10—18 倍取自 IHS Markit、Black Knight 与 Adenza 等数据和金融基础设施交易，用于衡量具有经常性和高可见度的产业收入。

结果层的全口径年收入跨过 1 亿美元后，对应 10 亿—18 亿美元经营价值，产业也从早期产品验证进入机构可配置阶段。

需求、收费和分发都已经出现，却分散在不同平台和供应商手中：HIP-4 产生调用，Azuro 形成分成，Pyth、Chainlink 和 ICE 占据数据与分发接口。结果层的产业价值已经可以测算，投资回报接下来取决于谁能把这些调用沉淀为持续收入。

06｜产业趋势如何映射到可投资资产

我们用前五个章节推导了市场为什么需要结果层，它如何形成产品，以及可能产生多大收入。接下来自然需要回答另一个问题：即使结果层具备产业价值，投资者是否能够通过现有资产获得这部分收益。

6.1 预测平台股权包含结果层能力，但并不是最直接的投资工具

最直观的投资方式，是持有预测市场平台的股权。但预测平台估值所包含的并不只是结果层，还包括交易流量、牌照、流动性、用户渠道、品牌和预测市场增长预期等等。

目前可以观察到两个主要估值锚点：Kalshi 于 2026 年 5 月完成新一轮融资，估值 220 亿美元。Polymarket 在 2025 年 10 月获得 ICE 投资时，估值约为 80 亿美元 pre-money，ICE 此后又在 2026 年 3 月进行了 6 亿美元的直接投资。

这意味着，平台股权虽然能够提供预测市场增长敞口，却不是结果层最纯粹的投资工具。以当前估值买入平台股权，投资者支付的主要仍是交易增长、牌照和网络效应，而不是一条已经被单独验证的结果层资产。

因此，我们的判断明确：当前不追高平台股权。

6.2 投资门槛：跨平台调用与可归属收入

围绕结果层的产业位置已经出现四个。四个位置的权重并不相同，按收入归属的直接程度从高到低排列：

• 确定性数据与机器确认——Pyth 与 Chainlink；
• 主观结果与争议处理——UMA、Kleros 等争议仲裁机制；
• 应用分发与工作流入口——DFlow 等分发接口、Agent 接口和专业规则工具，即本报告所称的 Builder 应用；
• 机构数据标准化与分发——ICE，单独见 6.4。

前两条直接持有结果层的收入归属，第三条靠增长兑现，第四条已经装进一家公开公司的报表。

一级市场应优先研究两类项目：一类能够跨平台调用，不依附单一交易所；另一类能够把调用转化为 ARR、流量费或数据分成。资产成立的最后一步是收入归属。这条标准最容易检验的地方，是既有成交、又有费率、也有代币的 HIP-4。

6.3 HYPE：可以买到平台增长，但 HIP-4 尚未形成显著费用贡献

HYPE 是目前最容易交易的相关资产之一，但它代表的是 Hyperliquid 整体平台增长，而不是纯粹的结果层收入。要判断 HIP-4 是否已经影响 HYPE，关键不是成交规模本身，而是它产生的费用占 Hyperliquid 总费用的比例。

HIP-4 费用贡献 = HIP-4 费用 ÷ Hyperliquid 总费用

按近 30 日 1.82 亿美元成交和 4—7bp 的费率估算，HIP-4 月费用约为 7.28 万—12.74 万美元。同期 Hyperliquid 总费用约为 5,750 万美元，HIP-4 的费用占比仅为 0.13%—0.22%。

当前占比说明，HIP-4 已经验证了产品需求，但还不足以成为 HYPE 的独立估值增量。费用占比低于 1% 时，它更接近一项产品期权；稳定超过 1%，才开始成为可见业务线；超过 5%，才可能实质影响 HYPE 的价值判断。

HIP-4 的意义在于，这条费用链路已经存在。随着结果市场增加、成交从赛事高峰转向更稳定的日常需求，其收入可能逐步进入协议费用。

6.4 ICE：财务透明，但结果层敞口太小

ICE 是目前最容易验证的预测市场相关上市资产。它既持有 Polymarket 股权，也已将 Polymarket 数据接入机构行情与历史数据库，因此预测市场带来的股权价值和数据分发价值，都有机会进入公开财务报表。

截至 2026 年 3 月 31 日，ICE 持有的 Polymarket Series D/E 优先股账面价值约为 20 亿美元，对应约 23% 的已发行股份和约 14% 的完全摊薄持股比例。2026 年第一季度，ICE 因可观察价格变化确认约 3.89 亿美元非现金公允价值收益。

ICE 的优势是验证清晰，但相对于 ICE 整体业务规模，这部分敞口仍然太小，难以显著改变公司盈利和估值。因此，ICE 更适合作为结果层商业化是否进入机构预算和公开报表的观察窗口，而不是高弹性的投资标的。

6.5 早期项目与基础设施协议：最接近结果层，但收入归属尚未明确

相比 HYPE 和 ICE，预言机、争议仲裁、分发接口和专业 Builder 更接近结果层本身。Pyth、Chainlink 提供确定性数据与机器确认，UMA、Kleros 处理主观结果与争议，DFlow 等项目则连接平台、Agent 和应用工作流。

这类项目的优势是业务更聚焦，也更有可能直接承接跨平台调用。但目前多数项目仍存在同一个问题：产品被使用，不等于收入能够稳定归属于股权或代币持有人。合作平台数量、支持市场数量和调用规模只能证明需求，不能单独证明投资价值。

因此，判断这类资产是否成立，需要继续观察两项指标：一是能否脱离单一平台，被多个市场重复调用；二是这些调用能否转化为 ARR、流量费或数据分成，并明确归属于对应资产。

目前最接近结果层的机会仍集中在这些早期项目中，只是完整的收入闭环尚未出现。谁先把跨平台调用沉淀为可归属的持续收入，谁才可能成为第一批真正的结果层资产。

6.6 当前结论：机会正在形成，但理想标的尚未出现

结果层的产业逻辑已经逐步成立，但可投资标的仍处于早期。平台股权估值过高，HYPE 尚未获得显著费用贡献，ICE 的相关敞口又不足以带来高弹性；真正接近结果层的早期项目，则仍在等待跨平台调用和收入归属被验证。

这意味着，当前最重要的不是强行选出一个“结果层标的”，而是跟踪谁最先满足两个条件：一是把规则、证据和结果确认能力提供给多个平台；二是把这些调用转化为能够归属于股权或代币的持续收入。

07｜结语：最早的 Alpha，往往出现在标的成形之前

预测市场的高速增长，过去一直发生在前端，更多平台进入，更多品类上线，流量、牌照与流动性成为竞争核心。

但随着市场规模扩大，规则解释、证据验证和结果确认带来的成本也在同步上升。每个平台都独立建设一套流程，不仅会重复投入，还会形成彼此不兼容的标准。原本分散在平台内部的这些能力，因此开始具备被标准化、并由多个市场共同使用的条件。

不同平台需要读取相同事实、处理相似证据、解释相近规则，并承担同一种错误结算风险。今天这些能力仍分散在预言机、争议机制、数据供应商和平台运营团队之间。一旦被标准化，它们就可能像行情、清算和支付一样，成为多个市场共同采购的基础设施。

这也是结果层真正值得关注的地方。它不需要重新争夺每一个交易者，而是随着市场数量、交易品类和结算次数增长，服务已经存在的交易需求。前端竞争决定流量流向哪里，结果层则会成为流量经过任何平台时都要调用的一层。

目前这个市场还没有形成清晰的龙头，收入也没有稳定归属于某一类资产。但产业机会最有价值的阶段往往不是格局已经确定以后，而是需求开始跨平台出现、产品边界逐渐清晰、收入归属仍未被充分定价的时候。

因此，接下来真正需要追踪的是谁开始同时服务多个平台，谁把规则、证据和结果确认变成标准产品，又是谁最先把这些调用沉淀为持续收入。

预测市场的第一阶段属于交易入口的扩张。而下一阶段，价值将更多流向那些不直接拥有用户，却决定市场如何完成最终支付的基础设施。

Heretic Research 将持续跟踪规则、证据与结果确认能力从平台内部走向行业基础设施的过程，重点观察跨平台采用、收费模式和收入归属的变化。当更清晰的产业格局与可投资标的开始出现时，本研究将进一步更新。