[以太坊] Spark 流动性层 - 调整 SparkLend USDT、Aave Core USDT 和 Maple syrupUSDT 的速率限制 - 2026年2月16日

Spark 的运营协调员代表嵌套贡献者 Phoenix Labs 已将一项提案提交至投票系统。

审查

Spark 社区可在此表达对以下变更的支持或反对，正如提案作者所述：

[以太坊] Spark 流动性层 - 提高 SparkLend USDT 的速率限制

Spark 计划大幅扩展 Spark Savings spUSDT 金库，我们预计现有的 SLL USDT 分配速率限制可能不足以支持未来的存款和取款流量水平，从而导致持有未分配的 USDT 而产生损失。我们提议提高 SparkLend、Maple 和 Aave USDT 分配的速率限制，以匹配预期的上限使用率，同时继续维持对 ALM 规划器和其他 SLL 组件故障的适当保护。

SparkLend 完全由 Spark 和 Sky 治理，因此在此分配资本或允许宽松的速率限制风险极小。然而，我们将继续在 SparkLend 和 SLL 中实施风险缓解功能（包括链上 ALM 控制器层面和链下 ALM 规划器层面），以进一步减少协议面临的尾部风险敞口。

参数摘要：

• SparkLend USDT 的 SLL 配置
  • 存款
    • maxAmount: 2.5 亿（从当前的 1 亿）
    • slope: 每天 20 亿（从当前的每天 2 亿）
  • 取款
    • maxAmount: 无限制

[以太坊] Spark 流动性层 - 提高 Aave Core USDT 的速率限制

提高速率限制的总体理由与上述相同。具体针对 Aave Core USDT，由于该市场不在 Spark 治理范围内，我们提议设置更严格的速率限制，特别是较低的 maxAmount，以便在部署大量资金之前，为 Spark 和外部团队提供更多时间来应对任何可能的故障。

我们提议在链上层面为单次存入 Aave USDT 设置 1000 万的最大金额，这将确保与 Spark 的风险资本相比，任何单笔存款都是可管理的，并在 Aave 发生尾部风险情况时，有时间暂停新存款。Spark 还计划在 ALM 规划器层面（链下分配逻辑）实施进一步的保障措施，以在风险条件升高时降低风险并限制存款。

与保守的 maxAmount 参数相配合，我们提议设置相对较高的斜率（每日吞吐量），以使 SLL 能够在 Spark Savings USDT 经历大量存款或取款流，或 Aave 出现大幅利率波动时，适当重新平衡分配间的资本。历史上，我们看到 Aave 上定期有数亿甚至超过 10 亿 USDT 的存款和取款，因此显然未来应预期到这种大规模 Tether 活动。低 maxAmount 和大斜率的组合为 Spark 实现了最佳平衡，既限制了 Aave 技术或坏账风险的敞口，又最大限度地减少了因无法足够快地重新平衡流动性而可能产生的财务风险和机会成本。

参数摘要：

• Aave Core USDT 的 SLL 配置
  • 存款
    • maxAmount: 1000 万（从当前的 5000 万）
    • slope: 每天 10 亿（从当前的每天 2500 万）
  • 取款
    • maxAmount: 无限制

[以太坊] Spark 流动性层 - 提高 Maple syrupUSDT 的速率限制

提高速率限制的总体理由与上述相同。由于 Maple 分配至定期贷款且流动性相对较低，SLL 预计将其作为 USDT 的一个较小、更具战术性的分配场所，以提高收益，同时保持总体敞口和流动性风险较低。因此，我们预计不需要像上述 SparkLend 或 Aave（它们是支持 Spark Savings 的 USDT 流动性的主要场所）那样高的速率限制。

与大多数其他 SLL 分配不同，取款速率限制并未设置为无限制。由于 Maple 的赎回可能不是原子的，具体取决于可用流动性，我们认为限制最大取款吞吐量是适当的，以避免 SLL 故障导致大量待处理取款的情况。提议的取款速率限制应足以在一天或更短的时间内，在预期的分配量下清算所有 syrupUSDT，因此这不应实质性地影响 SLL 满足 USDT 赎回或重新平衡流动性的能力。

参数摘要：

• Maple syrupUSDT 的 SLL 配置
  • 存款
    • maxAmount: 2500 万（从当前的 5000 万）
    • slope: 每天 1 亿（从当前的每天 1000 万）
  • 取款
    • maxAmount: 5000 万（从当前的 无限制）
    • slope: 每天 5 亿（从当前的 无限制）

提议的 Spark Artifact 变更可在以下拉取请求中找到：点击查看

结果

• 如果“赞成”票数最多，提案将被批准。相关的拉取请求将被合并到 Spark 的 artifact 中。在需要时，所列变更将由相关执行者推进实施。
• 如果“反对”票数最多，提案将被拒绝。不会实施任何变更。