流动池博弈定价机制和defi类似，主要是通过乐观的质押凭证机制，即由流动性提供者根据自己对价格的预期进行质押，从而将NFT的估值和流动池内的资产价格进行绑定。这也是一种很大程度上依赖于LP主观决策的定价方式，优势是其可以实现NFT的实时估值，将交易价值与真实价值挂钩，释放出更大的流动性。但其也存在定价机制复杂，不适用于对低价值的长尾NFT进行大量快速定价等问题。

Abacus

Abacus是一个简单清晰的NFT估值系统，主要利用乐观PoS来创建一个以流动池为基础的NFT估值方法。Abacus的估值方法分为两种，一种是我们上述提到的群体定价，另一种就是我们这里所讨论的流动性定价。其流动池内的价值折算成ETH就相当于是开池NFT的价值。在这种机制下，相当于制定了一套ETH/NFT的交易对，可以像Opensea一样对NFT价格进行实时反映。

基于其流动池定价方法，完整的借贷流程如下所示：

1. 开启池子：

1. NFT非托管，所有者需要在池子上签名作为凭证(proof of life)

2. 所有者将收到一个NFT(ERC721)代币来代表他们的财产并赚取交易费

2. 交易者将ETH锁在池中

1. 决定锁定的ETH的数量：如果资金池是2eth，但交易者认为NFT价值2.5eth，交易者可以把0.5eth放入资金池，现在资金池价值2.5eth。

2. 决定锁定时间：如果交易者认为价格只会在当前价进行短暂停留，可以只锁定2周。相反，如果交易者对底价有信心，可以锁定更长的时间，从而获得更多的奖励。

3. NFT所有者开启释放

4. NFT所有者发送贷款请求

5. 所有权被转让给借贷平台

6. 借贷平台检查现货规模和锁定时间

7. 借贷平台发放贷款

8. 一旦借款人未执行还款，NFT将被立即拍卖

   
   

与BendDAO类似，运用TWAP预言机进行定价的协议还包括JPEG’d, DeFrag, DropsDAO，Pine等。

b. Off-chain computation链下计算

基于AI和机器学习的链下计算也逐渐成为一种新兴的NFT预言机定价方式。由于NFT的非同质性，其主要的属性分类、稀有特征、历史销售数据等价值信息可以通过元数据分解用作模型指标。协议进而可以基于这一系列指标和数据集进行建模处理，从而给出一个相对可靠和准确的定价或定价区间。

这类估值方式具备极高的技术壁垒，对于长尾NFT资产相对友好，可以被认为是最具备大规模应用可能性的解决方案。但问题在于这种方法对算力和元数据要求较高，由于算法未公开我们也无法确定训练和拟合结果是否有效。并且NFT一旦属性特征发生变化，模型很可能就会失效，因此需要不断迭代。

Banksea

以Banksea为代表的预言机协议主要采用 AI 模型来训练 NFT 的数据集，从而针对不同NFT资产生成准确、高效的预测价格。其整体主要由采b层和NFT层的两个模组构成。

在采集层上，Banksea会收集链上的NFT交易和上架记录实时计算出三类价格：市场地板价、AI地板价和24小时均价。AI地板价代表的是所有AI估值中的最低价，在市场出现剧烈波动或遭遇预言机攻击时起到一个风控和维稳的作用。

在NFT层上，Banksea会通过提取NFT的多维度特征，基于时间序列进行AI模型训练，定期生成标准估值和估值范围两个结果。此外，其会将AI模型计算得出的估值，与实时交易价格进行拟合和回归验证，从而优化最终结果并缩小误差区间。

Banksea基于AI模型的链下定价流程可见如下：

1. 外部API查询：监控和抓取综合NFT数据，来源包括交易平台、社交平台、公链和抵押平台等
2. 数据聚合：将收集得到的NFT数据进行清洗，提取特征属性，输入到AI节点
3. AI建模：AI节点集群根据输入的数据集进行模型训练和部署，计算出预测价格和风险分数，并将结果返回Banksea智能合约
4. 数据提交：链上智能合约去除异常值后，提取出在合理区间内的数据提交给第三方程序