> For the complete documentation index, see [llms.txt](https://eco-protocol.gitbook.io/eco-protocol/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://eco-protocol.gitbook.io/eco-protocol/bai-pi-shu/shou-yi-an-li-fen-xi.md).

# 收益案例分析

## ⛏️ 矿机档位表

| **投入金额**    | **算力T** | **对应设备价值**        | **预期静态月化收益** | **AI优化加成** |
| ----------- | ------- | ----------------- | ------------ | ---------- |
| 100 USDT    | 100T    | 小型VOCs处理设备        | ≈15%         | 1.0        |
| 500 USDT    | 500T    | 中型油气回收装置          | ≈15%         | 1.0        |
| 1,000 USDT  | 1,050T  | 标准EcoMagic EVR2.0 | ≈15%         | 1.05       |
| 2,000 USDT  | 2,200T  | 增强型处理系统           | ≈15%         | 1.1        |
| 5,000 USDT  | 5,750T  | 工业级外处理设备组合        | ≈15%         | 1.15       |
| 10,000 USDT | 12,000T | 大型环保设备网络          | ≈15%         | 1.2        |

***

## 📊 基础参数设定

### 系统初始参数

* **ECO代币总量**: 10亿枚
* **挖矿产出比例**: 80%（8亿枚）
* **初期日产币量**: 3万个ECO
* **发行价格**: 0.2 USDT
* **静态收益占比**: 60%（1.8万个ECO/天）
* **动态收益占比**: 40%（1.2万个ECO/天）
* **预计上线算力**: 70万USDT私募矿机

### 产币分配机制

**静态收益 - 60%**：

* 按个人算力占全网算力比例分配

**动态收益 - 40%**：

* 直推奖励：10%（3,000个ECO/天）
* 新增奖励：10%（3,000个ECO/天）
* 小区算力奖励：80%（9,600个ECO/天）

***

## 💰 收益案例分析

### 案例一：张三 - 基础投资者

**投资情况**：

* 投资金额：1,000 USDT
* 获得算力：1,050T（含5%加成）
* 投资时间：项目上线第1天
* 全网算力：70万T（初期设定）

**静态收益计算**：

```
日静态收益 = (1,050T ÷ 700,000T) × 18,000个ECO × 0.2 USDT
          = 0.0015 × 18,000 × 0.2
          = 5.4 USDT/天
```

**月化收益**：

* 月静态收益：5.4 × 30 = 162 USDT
* 月化收益率：162 ÷ 1,000 = 16.2%

**出局时间预估**：

* 出局条件：累计收益达到2,000 USDT（2倍投入）
* 预计出局时间：2,000 ÷ 5.4 ≈ 370天（仅静态收益）

***

### 案例二：李四 - 团队领导者

**投资情况**：

* 投资金额：5,000 USDT
* 获得算力：5,750T（含15%加成）
* 直推团队：10人，总投资50,000 USDT，对应算力50,000T
* 小区算力：20,000T（除最大区外的其他区域总和）

**静态收益计算**：

```
日静态收益 = (5,750T ÷ 700,000T) × 18,000个ECO × 0.2 USDT
          = 0.0082 × 18,000 × 0.2
          = 29.5 USDT/天
```

**动态收益计算**：

1. **直推奖励**（假设全网直推算力100万T）：

```
直推奖励 = (50,000T ÷ 1,000,000T) × 3,000个ECO × 0.2 USDT
        = 0.05 × 3,000 × 0.2
        = 30 USDT/天
```

2. **小区算力奖励**（假设全网小区算力200万T）：

```
小区奖励 = (20,000T ÷ 2,000,000T) × 9,600个ECO × 0.2 USDT
        = 0.01 × 9,600 × 0.2
        = 19.2 USDT/天
```

**总收益**：

* 日总收益：29.5 + 30 + 19.2 = 78.7 USDT/天
* 月总收益：78.7 × 30 = 2,361 USDT
* 月化收益率：2,361 ÷ 5,000 = 47.2%

***

### 案例三：王五 - 后期进场者（200天后）

**投资情况**：

* 投资金额：1,000 USDT
* 投资时间：项目上线第200天
* 算力补偿：1.003^200 ≈ 1.82倍
* 实际获得算力：1,050T × 1.82 ≈ 1,910T
* 全网算力：150万T（扩容后）
* 当日产币量：6万个ECO（扩容后）

**静态收益计算**：

```
日静态收益 = (1,910T ÷ 1,500,000T) × 36,000个ECO × 0.2 USDT
          = 0.00127 × 36,000 × 0.2
          = 9.14 USDT/天
```

**收益对比**：

* 王五月化收益：9.14 × 30 ÷ 1,000 = 27.4%
* 张三月化收益：16.2%
* **后期进场者通过算力补偿获得更高收益**

***

### 案例四：赵六 - 顶级投资者

**投资情况**：

* 投资金额：10,000 USDT
* 获得算力：12,000T（含20%加成）
* 建立大型社区：100人团队
* 直推算力：200,000T
* 小区总算力：500,000T

**静态收益计算**：

```
日静态收益 = (12,000T ÷ 700,000T) × 18,000个ECO × 0.2 USDT
          = 0.0171 × 18,000 × 0.2
          = 61.6 USDT/天
```

**动态收益计算**：

1. **直推奖励**（假设全网直推算力500万T）：

```
直推奖励 = (200,000T ÷ 5,000,000T) × 3,000个ECO × 0.2 USDT
        = 0.04 × 3,000 × 0.2
        = 24 USDT/天
```

2. **小区算力奖励**（假设全网小区算力1000万T）：

```
小区奖励 = (500,000T ÷ 10,000,000T) × 9,600个ECO × 0.2 USDT
        = 0.05 × 9,600 × 0.2
        = 96 USDT/天
```

**总收益**：

* 日总收益：61.6 + 24 + 96 = 181.6 USDT/天
* 月总收益：181.6 × 30 = 5,448 USDT
* 月化收益率：5,448 ÷ 10,000 = 54.5%

***

## 📈 算力补偿机制优势

### 补偿规则详解

* **补偿系数**：每日1.003倍复利
* **开始时间**：上线第二天
* **补偿效果**：200天后算力翻倍

### 实际案例对比

**早期投资者（第1天）**：

* 投资500 USDT → 获得500T算力
* 200天后仍为500T算力

**后期投资者（第200天）**：

* 投资500 USDT → 获得1,000T算力
* 享受算力补偿优势

**公平性体现**：

* 后期进场者获得更多算力
* 弥补错过早期红利的劣势
* 保持生态活力和参与积极性

***

## 🔄 出局机制详解

### 出局条件

* **累计收益** = 2倍投入金额（按ECO价值计算）
* **FIFO原则**：按购买顺序依次出局

### 张三出局示例

**投资**: 1,000 USDT **出局条件**: 累计收益2,000 USDT

**收益累积过程**：

* 前180天：静态收益 5.4 × 180 = 972 USDT
* 考虑ECO价格上涨至0.3 USDT（50%涨幅）
* 后续收益：5.4 × 1.5 × 190 = 1,539 USDT
* 总收益：972 + 1,539 = 2,511 USDT

**出局时间**：约370天 **实际收益**：2,000 USDT（达到2倍出局） **超额收益**：511 USDT 继续留在系统

***

## 💡 收益优化策略

### 🎯 投资建议

1. **早期参与优势**：
   * 享受低价发行优势
   * 避免算力补偿稀释
   * 获得更长收益周期
2. **团队建设收益**：
   * 直推奖励：稳定被动收入
   * 小区奖励：几何级增长潜力
   * 新增奖励：活跃度奖励
3. **分批投资策略**：
   * 多个矿机分散风险
   * FIFO出局机制优化
   * 灵活资金管理

### 📊 风险控制机制

1. **2倍出局保护**：
   * 控制系统整体风险
   * 保证投资者收益兑现
   * 维持生态可持续发展
2. **动态调整机制**：
   * 根据市场情况调整产币量
   * 算力扩容机制平衡供需
   * 价格发现机制优化
3. **销毁通缩机制**：
   * ECO购买矿机100%销毁
   * 燃料消耗5%销毁
   * 推动代币价值提升

***

## 🚀 收益增长预期

### 价格增长驱动因素

1. **销毁机制**：
   * 矿机购买销毁ECO
   * 提币燃料消耗
   * 供应量持续减少
2. **需求增长**：
   * 矿机购买需求
   * 生态应用拓展
   * 环保价值认可
3. **技术发展**：
   * DePIN网络扩展
   * 跨链互操作
   * 实体设备对接

### 长期收益展望

**保守预期**：

* ECO价格：0.2 → 0.3 USDT（50%增长）
* 月化收益：15% → 22.5%

**乐观预期**：

* ECO价格：0.2 → 0.5 USDT（150%增长）
* 月化收益：15% → 37.5%

***

## ⚠️ 风险提示

1. **市场风险**：加密货币市场波动可能影响收益
2. **技术风险**：区块链技术发展存在不确定性
3. **监管风险**：相关法规变化可能影响项目运营
4. **竞争风险**：同类项目竞争可能影响市场份额

***

*注：以上案例基于系统设计参数计算，实际收益会根据市场情况、全网算力变化、ECO价格波动等因素动态调整。投资有风险，请理性参与，仔细阅读项目白皮书和风险提示。*


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter:

```
GET https://eco-protocol.gitbook.io/eco-protocol/bai-pi-shu/shou-yi-an-li-fen-xi.md?ask=<question>&goal=<endgoal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.