AWS GCR · Account Intelligence Dossier · v1 · 始终最新
LBank 360 客户全景
核心主线＝阿里云迁移竞争防守：DayDay（原 Bybit）主导"统一用户 1.0"新撮合系统选阿里云东京压成本，AWS 合约业务（占云开销 30–40%）面临整体迁出风险；7 月底 Jason 拍板切换。
🏛 2016 · 创始人 Eric He · 香港九龙
🎫 迪拜 VARA VASP（LBK Exchange FZE）
⚽ 阿根廷 AFA 赞助 · 散户为主
☁️ 阿里:AWS ≈ 7:3
🔧 自研 LCM（Aeron 替代 Kafka）
⏰ 7 月底切换窗口
30–40%
AWS 占其云开销（合约）· 迁出风险
单 AZ · 2 副本
LCM 现状 · 可用性隐患
171K / 443µs
LCM 单线程 TPS / p99（达标）
200 万 TPS
Aeron 头部所实测（Kenny×OKX）
◆ 最新动态 · 核心结论 （2026-06-30 客户交流后更新 · 此区始终保持最新）
📌 主线：LBank 由 DayDay（原 Bybit）主导做"统一用户 1.0"新撮合交易系统，选阿里云（东京）压成本，核心自研 LCM（Aeron 替代 Kafka）已 6/10 起旁路陪跑（上百服务），7 月底视稳定性由 Jason 拍板切换——AWS 当前占其云开销 30–40%（合约），面临迁出风险。6/29 内部对齐 + 6/30 与客户 Infra 负责人 Eason 团队交流。
本轮交流核心结论（6 条）
① 竞争：新系统倒向阿里云
DayDay 主导迁 阿里云东京压成本、态度偏阿里；现货本就在阿里、合约在 AWS。新"统一用户 1.0"若切阿里，AWS 合约 30–40% 面临迁出。成本占比 阿里:AWS ≈ 7:3。
② 技术：自研 LCM（Aeron 替 Kafka）
LCM = 基于 Aeron 封装的低延迟中间件替代 Kafka；主备 + pilot/etcd 选主、非 RAFT（为性能）；撮合核心全 C++ 重构（几十万行，避 GC）；端到端 <1ms、吞吐十几万。
③ 隐患：单 AZ + 两副本
LCM 单 AZ 两副本、leader 先落本地盘再异步发 slave → corner case（slave 未落盘即挂/盘慢）数据丢失风险；跨 AZ"后面会做、暂未做"。可用性才是关键。
④ 研判：性能不是问题
Aeron 多层调优即使 RAFT 也能百万 TPS/个位数 ms（Kenny×OKX 实测 200 万）；报告 P999 多线程异常实为压测程序 GC + 单机瓶颈，非中间件。
⑤ 抓手：已争取并行 benchmark
以中立第三方 benchmark 为敲门砖；show value＝头部所几乎都在 AWS、跨客户全局调优经验（云无关）+ 平台稳定性 + AI/AgentCore（客户已 POC）。
⑥ 情绪：对 AWS 支持有负面印象
DMS 事件恢复慢、研发在美国难拉通；阿里"直接拉研发快速定位"。Eason 关注故障快速恢复/支持响应 + 平台稳定性——这是倒向阿里的关键情绪，需 escalate 改进。
一句话研判：LBank 是散户为主、营销驱动、成本高度敏感的腰部交易所，正由原 Bybit 的 DayDay 主导把新撮合系统迁阿里云东京。AWS 的抓手不是拼性能（客户性能已达标），而是 可用性/多 AZ · 并行 benchmark · 支持体验改进 · AI/AgentCore · 高层沟通——把技术研判向上传导到 Jason 决策层，在 7 月底窗口前争取时间。
✓ 团队 To-Do / Action（follow-up）
6/29–6/30 交流后的团队作业，按主题/责任人跟进。
🏗 可用性 / benchmark · 高优先
- SA Team：出 HA/multi-AZ/replica/recovery + benchmark methodology 精简 gap assessment
- Elin & 学嵩：定 AWS 并行 benchmark 最小测试范围 + 客户前置条件
🤝 支持 / 高层沟通
- Elin & Rachel：出 AWS support/escalation 改进方案回应支持顾虑（快速响应/西雅图通道）
- Elin：推动与 Jason 及高层进一步沟通（拉群、带同业最佳实践）
🤖 AI / 性能调优
- 全员：AI/AgentCore 补充切入（客户已 POC 搭 agent 平台）+ AI 行业经验分享
- Kenny：上机构业务的性能调优方法论（绑核 / JVM-G1 / 多压测机）
🎯 决策传导
- 抛端到端测试/数据可靠性/高可用问题让 Eason 传导内部研发
- push"方案不完善需继续做"争取时间（阿里 credits 终触顶）
- 最终 call 到 Jason / Eric 决策层，不让老板只听 DayDay 一面之词
◈ 合作机会全景（OPP Dashboard）
把 7 大机会点的客户痛点与 AWS 机会聚合成一张全景图。详细研判见下方各 Domain。
OPP 全景：高可用/多AZ · 并行benchmark · 支持escalation · 高层沟通 · AI/AgentCore · 性能调优 · 机构接入。
🏢 公司概况 · 商业模式 · 市场地位
2016 年创立的加密货币交易所，散户为主、营销驱动、成本高度敏感。当前由原 Bybit 的 DayDay 接手主导技术重构。
| 维度 | 事实 | 置信 |
|---|
| 成立 / 创始人 | 2016 年，创始人 Eric He；Eric Xu 任 North America CEO | 中-高 |
| 总部 / 实体 | 香港九龙；LBK Exchange FZE（迪拜自贸区，持 VARA VASP 牌照） | 高 |
| 用户 / 量 | 自报 20M+ 用户、日量 $10.5B（营销口径）；实测现货 24h ~$1.5B | 中/高 |
| 衍生品 | 主打山寨/上新永续；2026-02 精贵金属期货破 $60 亿、GOLD OI 称 CEX #1 | 中/自报 |
| 定位 | 散户为主（100x Gem、营销驱动、赞助足球）；机构占比低（今年前无大规模接机构，之后或 1/20） | 高 |
| 业务结构 | 现货 + 合约双线；老架构分离（现货阿里、合约 AWS），新"统一用户 1.0"要一体化 | 高 |
商业模式底层逻辑：DayDay（原 Bybit）接手后要做新"统一用户 1.0"平台替换老架构以凸显个人价值、把整体投入（成本+人工）压到最低。选阿里核心动因＝成本（阿里免费 credits + 人工陪跑，年初至今账单基本 waive）+ 散户为主对延迟要求不极致。Jason 对统一用户 1.0 无 hard deadline（老系统仍在跑）——这是 AWS"push 方案不完善争取时间"策略成立的前提。
👤 关键人物 · 决策链
决策链：DayDay（大方向/偏阿里）→ Jason（co-founder，最终云厂商/商务拍板）；Eason 负责落地、无最终决策权但对 AWS 较 OK，是我们的技术接触点。
决策链 + AWS Virtual Team。★＝真决策者(Jason) / ★＝技术接触点(Eason)。
🟢 客户方（LBank）
迁移主导 · 偏阿里
DayDay
原 Bybit 过来接手 LBank 这摊；主推自研撮合迁阿里云、态度偏阿里/对 AWS 消极（当面称新引擎"业界非常厉害"），靠这套系统凸显个人价值。
★ co-founder · 最终决策者
Jason
云厂商/商务最终拍板；称短期无大规模接机构、以散户为主；对统一用户 1.0 无 hard deadline。是要 escalate 沟通的关键决策层。
★ Infra Manager · 技术接触点
Eason（Ethan Li）
report to DayDay；对 AWS 较 OK、是主要技术接触点；关注①故障快速恢复/支持响应 ②平台稳定性 ③快速拉研发；要为落地质量背锅、有动力配合抛问题给内部研发。
开发团队
Javen · Lando Li
Javen（Jewen Han）＝C++ 开发、Lando Li＝Java 开发，负责 LCM/Aeron 模块。另：Eric（另一 founder）在决策层；Eric He 为创始人。
🔵 AWS 方（Virtual Team）
SA
Neo SUN 孙嘉
本档案作者（jiasunm）。
Aeron/撮合专家 SA
Kenny Lai
正与 OKX 做 benchmark（实测 200 万 TPS）。
SA · BD
学嵩 · Elin Liu
Xuesong Xiao（SA）+ Elin Liu（BD，会议 owner，纪要最准确）。
支持
Rong Lin · Damon Mao · Rachel Zhu
支持团队。
⚖️ 监管 · 牌照 · 展业
散户为主、全球化营销。核心牌照为迪拜 VARA VASP。
| 司法辖区 | 状态 |
|---|
| 迪拜 UAE | VARA VASP 牌照（LBK Exchange FZE，提供 Virtual Assets Exchange Services）；曾为拿牌暂停 UAE 新用户注册 |
| 香港 | 总部所在（Kowloon）；多实体运营 |
| 全球展业 | 散户为主、全球化营销（阿根廷 AFA 赞助 2025-09-26、韩国投放） |
| ⚠️ 待补 | TAP/UAP Quip 内应有完整牌照矩阵 → 取 token 后回填 |
⚠️ 两份 Quip 未取到：TAP（Technical Account Planning）+ UAP（LBK Exchange FZE Account Plan Review）报 401 Invalid access_token。需到 https://quip-amazon.com/dev/token 取个人 token 后回填——届时补全牌照矩阵、AWS 消费曲线、SFDC opp、TAP 架构图与规划。
🕐 竞争防守时间线
从 2025-12 架构研讨会到 2026-07 切换窗口，阿里云竞争防守主线的演进。
时间线：2025-12-29 架构研讨会 → 2026-02-16 Aeron 差异化防守 → 6/29 内部对齐 → 6/30 客户 LCM 交流 → 6 月中旬旁路陪跑 → 7 月底 Jason 拍板（窗口收窄）。
🎯 撮合 LCM 撮合中间件架构
现状：LCM = 位于前台交易系统与撮合引擎之间的低延迟通信中间件，基于 Aeron（transport 封装成 MQ）自研，替代原 Kafka。主备 + pilot/etcd 选主、非 RAFT；撮合核心全 C++ 重构。
LCM 架构：前台→LCM(主备+pilot/etcd)→撮合→清结算，全单节点主备；leader 先落本地盘异步发 slave。红框＝AWS 判读的单 AZ/两副本/本地盘数据丢失隐患。
架构要点：① pilot 控制面负责选主+探活+存元数据、不投票，后接 etcd 集群防脑裂；② 上下游 OMS/撮合/清结算均单节点主备，数据可靠性"压在"中间件；③ 非 RAFT＝性能（RAFT 两节点共识通信成本省不掉）+ Aeron+Java 开发 GC 难搞；④ 线上两副本（成本权衡，开发支持三副本走 quorum）；⑤ 统一账户一体化跑现货+合约，机构/散户核心撮合相同。
⚠️ 我们的点评：LCM 落盘与 Aeron RAFT 相反（RAFT 同步发 follower、异步落盘，数据先在另一台机器）。LCM 是 leader 先本地盘落盘、slave ring buffer 收到即 ACK——happy path 没问题，但 corner case（slave 未落盘即挂 / 本地盘突然变慢）存在数据丢失风险，且单 AZ 机柜级故障爆炸半径大。
🎯 可用性 单 AZ 两副本 vs 多 AZ RAFT
这是本账户最核心的 OPP：客户性能已达标，真正的缺口是可用性。
对比：左＝LBank 现状（单 AZ 两副本、本地盘、异步 ACK，数据丢失/爆炸半径风险）；右＝AWS 建议（多 AZ RAFT、learner 投递其他 AZ、AZ 故障零数据丢失）。
💡 OPP（本账户主菜）：SA Team 出 HA/multi-AZ/replica/recovery gap assessment；多 AZ RAFT（learner/follower 投递其他 AZ，AZ 故障零数据丢失，单集群 20 万 TPS/10ms 内）或同 AZ PPG 打散（100K 下 2ms）；或成熟被验证方案（Aeron MOX/cluster）。定调：性能不是问题，可用性才是。
🎯 压测 LCM 压测数据研判
现状：客户 LCM 压测报告（LBank-03）单线程达标，多线程 P999 异常——AWS 判读为压测程序问题，非中间件。
压测数据：单线程 1024B→171,318 TPS/p99 443µs（loss=0，达标）；多线程 threads4→8 吞吐钉在 142–153K、p999 恶化至 10.3ms（异常）。
💡 我们的判读：broker 非瓶颈，瓶颈在客户端压测程序——发送/消费同机 + Java/Python GC + 单机瓶颈。建议：分多台压测机、发送机 ≥4 核、绑核、调 JVM/GC（推荐 G1）。这是技术信任的抓手——帮客户看透报告数据、体现跨客户调优经验。
🎯 定位 CEX 撮合成熟度阶梯
把 LBank LCM 放到行业撮合成熟度阶梯上定位——性能达标但可用性欠。
成熟度阶梯：自建Kafka主备 → 统一Kafka/kRaft → Raft OMS+主备 → 全链路Raft(多AZ) → Aeron(HEAD层)。LBank LCM 介于中间层；币安(Kafka~20万)、OKX(Aeron 200万)做参照。
🔗 Aeron（知识扩充 + 差异化）：Aeron 是 UDP-based 撮合框架，HEAD 层性能上限（P99 个位数 ms + 百万 TPS，欧洲期货期权所都用）。LBank 的 LCM 正是基于 Aeron 自研，我们有 Aeron/撮合专家（Kenny，与 OKX benchmark 到 200 万）——这是防守阿里的核心差异化壁垒（阿里无此调优经验）。
🎯 防守 阿里云迁移竞争防守话术
核心主线。不与阿里正面对立，用中立第三方 benchmark 敲门砖，把技术研判传导到决策层。
竞争防守全景：阿里优势（免费credits+人工陪跑+支持快）vs AWS 差异化（性能非瓶颈+可用性隐患+跨客户调优经验+平台稳定性+AI）；底部时间线到 7 月底 Jason 拍板。
性能不是问题
Aeron UDP + 多层调优即使 RAFT 也达标；头部所实测百万 TPS/个位数 ms（Kenny×OKX 到 200 万）；多 AZ RAFT 20 万 TPS/10ms、同 AZ PPG 100K 下 2ms。
可用性才是隐患
单 AZ+两副本+无跨 AZ+自研未经验证。反例：某所自研 DPDK+standby 因未验证最终不敢上线。建议成熟方案 + 多 AZ RAFT。
AWS 捆绑价值
SA 调优经验云无关但捆绑平台稳定性 + 跨客户行业经验；直绑阿里=阿里"搞完不帮擦屁股收尾"，上线后数据安全/丢单风险大。
策略
不正面对立；中立 benchmark 敲门砖；抛问题让 Eason 传导内部；push"方案不完善争取时间"；最终 call 到 Jason/Eric。
🎯 成本 成本 · 竞争态势快照
成本是客户选阿里的核心动因，也是 AWS 面临迁出风险的根因。
云开销份额：阿里 60–70%（现货+大数据+风控）vs AWS 30–40%（合约）= 7:3；阿里月账单~十几万美金、实际付 ~$1–2 万（免费 credits waive）。
| 维度 | 现状 |
|---|
| 云开销占比 | AWS 30–40%（合约）· 阿里 60–70%（现货+大数据+风控）= 7:3 |
| 阿里成本 | 新系统月账单~十几万美金、实际付 ~$1–2 万（免费 credits waive，年初至今） |
| region | 客户新系统阿里云东京；AWS 侧用量多的也在东京 |
| AWS 负面印象 | DMS 事件恢复慢、研发在美国难拉通；阿里"直接拉研发快速定位" |
💡 OPP：出 AWS support/escalation 改进方案（快速响应/西雅图 escalate 通道）回应支持顾虑（Elin & Rachel）——这是客户倒向阿里的关键情绪，比拼价格更重要。
🎯 AI AI / AgentCore 切入点
客户已 POC Bedrock AgentCore 搭 agent 平台——AI 是防守之外的补充增长切入点。
AI 切入：客户现状（POC AgentCore、从 OpenAI/微软拿 GPT/Codex 65 折、Claude MAP 75 折觉贵）→ AWS 价值（AgentCore 底座 + 行业分享 + 用量成本 + 数据安全）。
💡 OPP：① AgentCore 作 agent 运行时底座；② AI 行业经验分享（同业怎么做 AI 化）；③ 解决用量成本；④ 数据安全差异化——廉价逆向渠道有交易所代码/数据出境风险，Bedrock 保证数据不训练/留存。
🎯 机构 机构 / MM 接入（趋势）
现以散户为主；未来或 1/20 接机构。这套低延迟系统本就是为将来接机构做的。
现状与判断：MM 看重快 + 稳（下单/切单时间不能大波动、主备切换时间敏感）。客户做低延迟系统就是为吸引机构（散户不在乎这点延迟）。DEX 一般统一从外面接、CEX 一定内网做市（太快、差几毫秒收益差几十~几百倍）。
💡 OPP：机构低延迟直连 / colocation（VPC peering、同 AZ placement）；跨 AZ 数据不丢方案——当客户决定接机构时的网络+计算机会点。可提前储备方案。
🚀 作战计划 · Talking Points
首要目标：巩固与 Eason 的技术信任、争取并行 benchmark 落地、把技术研判向上传导到 Jason 决策层。核心定调：性能不是问题，可用性才是——不过度谈性能，谈弹性/多 AZ/可用性/支持。
- 可用性缺口（主菜）：单 AZ + 两副本 + 本地盘异步 → 数据丢失/爆炸半径隐患。给 HA/multi-AZ/replica/recovery gap assessment + 多 AZ RAFT 参考。
- 并行 benchmark：定最小测试范围 + methodology，回应"只测了中间件、无端到端"。同代码在 AWS 差异不大、甚至更快。
- 支持/escalation：出快速响应/西雅图 escalate 通道方案，直接回应客户对 AWS 支持的负面印象——这是他们倒向阿里的关键情绪。
- AI/AgentCore：客户已 POC。谈 AgentCore 底座 + 数据安全（逆向渠道代码出境风险）+ 同业 AI 化经验。
- 高层沟通：Eason 无决策权 → 推动与 Jason/Eric 沟通，带同业最佳实践、拉群、别让老板只听 DayDay 一面之词。
沟通注意：① 不与阿里正面对立、中立第三方视角；② 撮合已全 C++ 重构、非 RAFT 是主动的性能选择——聊技术顺着这条线，不否定其实现；③ push"方案不完善需继续做"争取时间（阿里 credits 终触顶）；④ Eason 要为落地质量背锅、有动力配合抛问题给内部研发；⑤ 最终要 call 到 Jason 决策层。