在最新的 Cardano 新聞中，Charles Hoskinson 在 3 月 10 日發布的一段長達一小時影片中，提出了針對 Cardano 的大規模 2026 資金改革方案，並以三層生態模型為基礎。該計畫的核心是一個國庫指數，將取得特定 dApp 10% 至 30% 的代幣持股，同時搭配一個強制性的 10% 收入換購 ADA 回購循環，旨在讓投資在一到三年內達到自我資金化。

這項提案明確承認了一個鏈上數據已經難以忽視的事實：Cardano 的 DeFi 生態在月活躍用戶、TVL 與交易量方面表現不佳，而現有資金結構則明顯偏向基礎設施，犧牲了使用者實際接觸最多的層級。這一點至關重要，因為 Cardano 的國庫原本應該支持生態成長，但 Hoskinson 所描述的資金配置顯示，網路長期將大量資源投入基礎工具，而面向用戶的一側則相對落後。

除了 Hoskinson 的影片之外，Pentad 治理團隊也在推進自己的工作。尚未解決的問題是，Hoskinson 的國庫指數機制與 Pentad 的整合基金，究竟是同一套執行策略，還是兩個會在 Cardano 的 Voltaire 治理架構內相互競爭的框架，甚至在產生成果前發生衝突。

Cardano 新聞：Hoskinson 的三層模型如何揭示國庫支出的流向

Hoskinson 所提出的三層框架——基礎設施、實用性與體驗——與其說是新提案，不如說是對多年累積的結構性失衡所做的診斷。

基礎設施層包含底層協議組件，例如 Ouroboros Leios、Plutus、Aiken，以及在 Project Bluepring 之下整合的 Haskell、Rust 和 Go 節點實作，外加 Hydra。

Hoskinson 表示，節點團隊每年成本介於 100 萬美元到 500 萬美元之間，且需要 10 到 40 名全職工程師；國庫過去在這類支出上承受了不成比例的負擔。

實用性層則涵蓋使用者實際能透過該基礎設施完成的事情——去中心化應用、DeFi 協議與鏈上服務——相較之下長期資金不足。

Cardano Funding 2026 — Charles Hoskinson (@IOHK_Charles) March 10, 2026

Hoskinson 提出的修正方案，是建立一個加權的生態項目代幣國庫指數，由 Cardano 國庫購入每個被選中項目總代幣供應量的 10% 到 30%。他將其定位為附帶條件的策略性投資，而非補助：受資助項目必須接受監督、降低營運支出、在必要時削減薪資，並配合既定的策略目標。

這些策略目標相當明確。被選中的 dApp 必須透過 Pogan 協議整合 Bitcoin DeFi，並升級為使用 Midnight 的混合應用程式；Midnight 是 Cardano 以隱私為核心的側鏈，只有符合這些條件才能納入國庫指數。

每個受資助協議的收入中，必須有 10% 用於購買 ADA 並返還給國庫，藉此形成結構性的需求循環。Hoskinson 表示，他預期國庫會在一到三年內，隨著其從一個升值中的指數中退出而回收投資；如果 TVL 與協議收入成長，這套自我資金化邏輯就具可行性；若沒有，則相當脆弱。

體驗層則涵蓋錢包、社群大使網路、用戶導入與帳戶抽象化，補足整體模型。Hoskinson 也呼籲每年舉辦 20 到 30 場高價值黑客松，以重建開發者管道。

Cardano DeFi 轉型押注中的執行風險

在說明既有模式的缺陷時，Hoskinson 表示：「There’s nothing here that, with the money that we have, Cardano can’t fix.」

這樣的說法，要麼是可信的 DeFi 轉型起點，要麼只是另一則最終會因執行不力而顯得站不住腳的 Cardano 新聞。看多的情境在結構上是自洽的：如果 10% 的 ADA 回購循環啟動，如果 Midnight 提供的隱私功能使 Cardano 區別於相容 EVM 的競爭者，以及如果整個生態利用國庫資本支持正確的項目，結果可能形成 Cardano 先前並未擁有的 DeFi 飛輪。

看空的情境同樣清楚。Hoskinson 明確警告的那種碎片化、競爭性的動態——國庫提案之間的逐底競爭——可能會在更大規模上重新出現。

市場現在應該關注的，是這套機制能否協調 Pentad 基金、國庫指數與 2026 路線圖，形成一條統一的執行路線，而不是三個平行計畫爭奪相同的治理帶寬。對 Cardano 而言，真正的考驗不是公告本身，而是這些資金工具能否在不進一步稀釋治理焦點的前提下，轉化為實用性層面的持續活動。

TVL 仍將是揭示真相的關鍵指標。

Hoskinson Just Unveiled a Plan to Make the Cardano Treasury Self-Funding 一文最初發表於 icobench.com。