币圈资讯

• 

  万亿 Agent 经济的底层商业协议：读懂 ERC-8183，不仅是支付，更是未来

  一、技术背景与问题定义1.1 AI智能体经济的崛起随着AI技术与应用的快速演进，AI智能体正在从单纯的工具转变为创造价值、提供服务的经济参与者。一个能生成专业级图像的智能体是一项值得付费的服务；一个能深度分析投资组合并执行最优交易的智能体正在管理真金白银；一个能审查法律文件并预警风险的智能体所做的工作在人类律师那里通常高达数百美元时薪。这种能力跃升正在催生全新的经济形态。当AI变得触手可及，每一个个体、组织甚至智能设备都可能通过智能代理运作。经济模式将发生根本性转变：智能体不再仅与人类交互，还将相互交互、相互服务。例如，一个负责统筹营销活动的AI智能体将自主雇佣内容创作智能体、渠道分发智能体及数据分析智能体。整个经济体将演变成一张由无数AI智能体交织而成的网络，以机器级别的速度、在全球范围内进行高频交易。1.2 核心挑战：免信任商业的必要性在传统商业环境，信任往往由平台、评价体系、法律制度以及社会规范来充当背书。可随着我们进入AI代理经纪时代，当一个人或一个智能体去雇佣另一个智能体时，上述机制统统失效：现阶段的智能体没有社交声誉可供查验，没有能为人类或其他智能体提供参考信号的可信评估体系，没有合同条款的有效记录，没有法律或声誉追责机制能够匹配机器交易的速度，没有对未交付任务的预付资金冻结机制，更没有任何平台或监管机构具备强制执行力。单纯的代币转移无法解决商业信任问题。在缺乏有效保障的情况下，即使服务商收了token直接跑路，委托人（或发布任务的AI智能体）也难寻追责之门。更不要说，在全球化浪潮下，AI智能体之间的交互，并不会仅局限于某一个国家/地区，这将进一步提高建立可信评估体系与监管规范的难度。区块链技术的智能合约为解决这一挑战提供了可靠路径。部署在去中心化公链上的智能合约将资金托管、状态机流转，以及评估方证明都封装在公开透明、不可篡改，且不属于任何人的代码之中，由合约扮演中立执法者角色。与此同时，链上结算（On-chain settlement）还能产出中心化平台无法提供的东西：可移植、可验证、不可篡改的记录。每一次完成的任务、每一份评估方证明、每一个交付物的哈希值都被记录在链上，为智能体的声誉系统与身份体系提供数据基础，并在出现纠纷时提供了追责依据。二、ERC-8183定义与核心价值2.1 定义ERC-8183 协议是一项面向去中心化 AI智能体经济的链上标准，其本质并非传统意义上的支付协议，而是一种围绕“任务—交付—结算”全生命周期的商业基础设施规范。该标准以“Job（任务）”为核心原语，定义了由委托方（Client）、服务方（Provider）与评估方（Evaluator）构成的三方协作模型，并通过智能合约实现任务发布、资金托管、成果提交与结果裁定的完整状态机流程（开放、资助、提交、完成/拒绝/过期）。在这一框架下，支付不再是单一动作，而是与任务条件、交付验证和评估机制强绑定的程序化过程，从而实现无需信任中介的链上商业执行。2.1 核心价值ERC-8183的创新在于将“信任”从中心化平台转移为链上可验证逻辑，通过智能合约托管资金、记录交付物并引入评估机制，实现确定性结算与可追溯商业历史。这种设计不仅解决了AI智能体间缺乏信用基础的问题，还构建了可移植、不可篡改的交易与信誉数据层，使任意代理或系统能够复用历史信号进行决策，从而推动去中心化智能体经济的规模化协作。此外，其可扩展的 Hook 机制使得复杂商业逻辑（如竞价、资金管理、隐私计算等）能够在统一标准下扩展实现，最终形成一个开放、无需许可且可组合的链上商业网络，为 AI 原生经济提供底层信任与结算基础设施。三、ERC-8183协议详解3.1协议架构如上图所示，ERC-8183 协议整体呈现为一种围绕任务生命周期展开的合约化架构：以智能合约为核心，将资金托管机制、任务状态流转与可插拔的 Hooks 扩展统一整合在同一执行框架中。任务从创建到完成，依次经历开启、注资、提交到终局的连续状态演进，资金随状态自动托管与释放；同时在关键执行节点预留扩展接口，以支持不同业务逻辑的灵活接入。在这一结构之上，委托方、服务方与评估方围绕同一任务对象协同运作，分别完成发起、执行与验证，使整个流程在链上实现自动化衔接与闭环结算。接下来的段落详细介绍其中的机制。3.2 三权分立的角色协同机制在ERC-8183中，每一个商业活动被称为一个Job（任务），其流转依赖于三个角色的精密配合。Client（委托人）发起商业行为的角色核心逻辑：调用createJob定义任务需求，并预存资金（fund）责任：设定任务的过期时间（expiredAt），如果超时没完成，钱会自动退回给ClientProvider（服务商/执行者）负责执行工作并提交交付物（通常是成果的哈希值或链上证明）的AI或人类核心逻辑：监听到链上事件后，接单并执行，完成后调用submitWork提交成果哈希关键点：此时Provider还拿不到钱，钱还在合约里锁定Evaluator（评价者）该协议最具突破性、最核心的设计评价者负责验证成果，并决定这笔托管在智能合约里的资金是释放给Provider还是退还给ClientEvaluator可以是另一个客观的AI、一个零知识证明电路（ZK-circuit），或者多签钱包核心逻辑：读取Provider提交的内容，如果是客观任务（如代码运行成功），Evaluator可能是另一个审计AI；如果是主观任务，可能是Client授权的多签钱包终审权：调用completeJob（放款）或rejectJob（退款）3.3 智能合约状态机（生命周期）一个Job的推进完全依赖于智能合约状态机的自动流转，没有任何中心化服务器的干预：Open（开启） Client创建任务，此时Provider可以是空缺的（address(0)），代表这是一个公开悬赏Funded（已注资） 资金被锁定在合约的托管池中，形成信任基础Submitted（已提交） Provider提交了工作成果Terminal（终局状态） Evaluator介入裁决，终局包含三种可能：Completed：验证通过，资金打给ProviderRejected：验证失败，资金退回给ClientExpired：任务超时，资金自动解锁退回3.4 多角色协同工作流程ERC-8183通过智能合约强制执行了一套无信任环境下的商业协作流程：发布与锁仓（Client发起） 委托人调用主合约的createJob，必须指定一个评价者（Evaluator）的地址，并将酬金打入合约。这笔钱被"锁"在合约里，Client无法单方面撤回，这给了Provider干活的安全感交付与证明（Provider执行） 服务商完成链下或链上的计算后，调用submitWork。此时Provider提交的通常不是完整的文件，而是一个成果哈希值（Hash）或存储链接（如IPFS CID）。合约状态变为Submitted裁决与清算（Evaluator终裁） 评价者读取Provider的成果进行验证。如果验证通过，Evaluator调用approveJob，智能合约会自动将锁定的资金划转给Provider的钱包；如果拒绝，则调用rejectJob，资金原路退回给Client在这个过程中，资金托管与权力分离是关键机制。这就像是去中心化版本的"支付宝担保交易"：买家付钱给支付宝（合约），卖家发货，但确认收货的权力不仅可以由买家掌握，还可以委托给一个客观公正的第三方质检机构（Evaluator）。3.5 Hooks扩展机制如果ERC-8183只有上述的基本流程，它会非常僵化。为了适应千万种复杂的商业场景（比如抽成、资质拦截、动态定价），ERC-8183在标准流程外引入了Hooks（钩子合约）。在ERC-8183中，Client在创建Job（调用createJob）时，可以绑定一个自定义的Hook智能合约地址，作为主流程中的"智能检查站"或"智能拦截器"。主协议在执行关键动作（如支付、提交）的前后，可以主动调用这个Hook合约。协议定义了两类拦截点：beforeAction（前置拦截）：在核心动作发生前执行。如果Hook逻辑不通过（例如条件不满足），整个交易会被直接回滚（Revert），动作失败afterAction（后置处理）：在核心动作完成后执行，常用于触发后续连锁反应。这种机制使开发者可以在任务的生命周期（如支付前、结算后）插入自定义逻辑，意味着开发者可以在不修改核心合约的情况下，增加"信誉门槛检查"（如：信誉分低于80的AI智能体禁止接单）或"分润逻辑"Hooks 机制通过解耦核心协议与业务创新层，显著提升了生态的可扩展性与可演进性：一方面，基础协议保持稳定与可审计性，降低系统性风险；另一方面，创新功能可以以模块形式快速迭代与组合复用，避免重复构建底层能力。这不仅促进了开发效率与生态协同，也为 AI智能体之间的复杂协作提供了灵活的策略空间，使 ERC-8183 能够持续适应不同市场需求，最终演化为一个高度可编程的链上商业执行平台3.6 Evaluator（评价者）机制详解在ERC-8183的多角色协同机制中，Evaluator是决定价值交换能否最终完成的"逻辑大脑"。从技术层面来看，Evaluator可以是一个简单的地址，但更常见的是专门的判定合约。根据任务复杂程度，Evaluator有三种常见演进形态：形态一：AI智能体（适用于主观任务）对于写作、设计或分析等主观性任务，Evaluator可以是接入大型语言模型（LLM）的AI智能体，由它阅读提交的内容、与需求进行比对并做出判断。形态二：ZK电路合约（适用于客观任务）对于计算、零知识证明（ZKP）生成或数据转换等确定性任务，Evaluator是一个封装了ZK验证器的智能合约：Provider提交证明，Evaluator在链上对其验证，随后自动调用完成或拒绝形态三：多签治理（适用于高价值任务）对于高价值的重量级任务，Evaluator可以是多签钱包、去中心化自治组织（DAO），或是由质押支持的验证者节点ERC-8183不刻意区分这些实体的性质，只认一个事实：一个地址调用了完成或拒绝。这使得完全相同的接口，既能处理0.10美元的极小额图像生成任务，也能稳妥承接10万美元级别的基金管理巨额合约。四、ERC-8183与传统智能体支付协议的对比分析4.1 ACP、AP2、ERC-8183的异同2025年9月，OpenAI 联合 Stripe，Google Cloud 联合 Coinbase，分别推出了ACP协议（Agentic Commerce Protocol）和AP2协议（Agent Payments Protocol）。ERC-8183则由以太坊基金会dAI团队与Virtual Protocol团队共同开发，于2026年2月25日提出，3月10日正式宣发，目前处于Draft起草阶段。在AI智能体经济（Agentic Economy）快速崛起的当下，这三个协议都在尝试解决同一个核心命题：“AI智能体之间如何安全、高效地进行商业协作与支付？”然而，它们在信任模型、结算逻辑和去中心化程度上存在本质区别。4.2 ACP 与 AP2：AI 协作的“API 模式”ACP（acplib）和 AP2 更多地是从 “功能实现” 的角度出发。ACP 像是一个智能体的“普通话手册”，它定义了智能体之间如何打招呼、如何描述任务需求。但其资金结算往往需要依赖外部的支付通道，或者由中心化的平台作为担保。AP2 专注于“把钱付出去”，它解决了AI智能体拥有钱包并调用 API 进行支付的问题。局限性：如果平台服务商宕机或作恶，智能体之间的商业契约可能无法执行，且资金风险由中心化实体控制。4.3 ERC-8183的核心技术优势为什么我认为，随着AI的全球化发展，在智能经济体长期运作中，ERC-8183 具备更强的潜力？A. 无须许可的“托管（Escrow）”机制在中心化协议里，如果 Client（人/发布委托任务的AI智能体） 不支付尾款，Provider（接受委托的AI智能体）往往无计可施。反之，如果Client预先全额支付了酬劳，但Provider并没有按照要求完成任务，Client通常也只能咽下苦果。而 ERC-8183 实现了非托管式资金锁仓。只要 Provider 提交了符合合约要求的证明，资金会由 Evaluator 强制释放，消除了“恶意赖账”的可能。B. 极致的模块化与 Hooks（钩子）ERC-8183 允许在商业流程中插入 Hooks。在代码编写任务开始前（beforeAction），Hook 可以自动查询 ERC-8004 协议，确认该智能体是否有非法注入代码的前科。如果信誉分过低，合约直接拒绝该智能体接单。这种防御是协议层的，而非应用层的。C. 原子性结算与纠纷处理传统的 ACP/AP2 在处理纠纷时需要人工客服或复杂的后台逻辑。ERC-8183 通过 Evaluator 实现了“代码即法律”。它支持将复杂的验证逻辑外包给专门的审计智能体。由于逻辑在链上（或通过 ORA 等链上 AI 进行验证），整个过程是可溯源、抗审查的，这无疑是在一技术突破4.4 如何选择适合自己的智能体支付协议如果你正在构建一个内部闭环的智能体系统，追求极速部署和简单的 API 调用，ACP 或 AP2 是现成的工具包。如果你希望参与构建一个全球化的、无国界的 AI 劳动力市场，让成千上万个互不相识的AI智能体安全地进行万亿级规模的商业协作，那么 ERC-8183 是目前唯一的、具备“信任最小化”特征的技术基石。五、应用场景5.1 场景一：自动化供应链在自动化供应链场景中，ERC-8183 使供应链从人工驱动转向任务驱动的自主运行。当库存管理 AI 发现库存不足时，可自动发布补货任务并锁定预算，由供应商与物流 Agent 分别承接生产与配送。资金由合约托管，仅在发货、签收或满足预设条件（如物流数据回传）后自动释放，实现履约与支付绑定。该模式减少人工干预，提升流程透明度与协同效率，适用于跨境贸易与智能仓储等复杂供应网络。5.2 场景二：营销自动化在营销自动化场景中，ERC-8183 可作为 AI 驱动增长链路的执行框架，使营销从人工编排转向任务驱动的自动协同。营销 Agent 可自动识别热点并发布内容生产任务，调用文案生成 Agent 完成创作，再由分发 Agent 进行投放与优化。预算资金在任务创建时即被托管，只有在内容与效果达到预设指标（如曝光、点击或转化）后才自动释放，从而形成可验证、可追溯的营销闭环。这种模式显著降低运营成本，同时保障资金安全与效果透明。5.3 场景三：去中心化算力市场在数据处理与计算任务场景中，ERC-8183 能构建无需信任的算力交易市场。对于数据清洗、模型推理、代码审计等结果可验证的任务，可引入零知识证明（ZK）作为 Evaluator，对结果进行快速校验并生成证明。一旦验证通过，合约自动完成结算，避免人工审核的延迟与主观性。同时，基于密码学验证机制可有效防止作弊，实现高效、公平的算力协作网络，适用于 AI 推理与去中心化计算资源调度等场景。5.4 场景四：全自动化 AI 软件外包中心ERC-8183 支持由AI智能体驱动的软件外包协作模式。“主理人 Agent”（如 AlphaBot）发布开发任务，“编程 Agent”（如 OpenClaw 或 ClaudeCode）负责实现代码，“审计 Agent”（如 AuditNode）进行自动化验证。任务从发布、资金托管到代码提交与验收均在链上完成，只有审计通过才触发支付，形成无需人工介入的开发闭环。该模式不仅提升开发效率，还能沉淀 Agent 能力与信誉，推动形成可扩展的 AI 原生软件生产体系。六、生态协同与协议组合6.1 ERC-8183 + ERC-8004 + x402组合拳在以太坊构建的未来愿景中，ERC-8183可以和x402（微支付协议）、ERC-8004（AI身份与信誉协议）共同构成AI经济的三大支柱：ERC-8004：AI的链上身份与信誉记录——告诉大家"这个AI是谁，它靠不靠谱"ERC-8183："交易的安全与托管"——解决了"这笔买卖如何安全成交"x402：搞定"支付通道"——解决了"AI如何像调用API一样便捷付钱"6.2 完整协作案例：全自动化AI软件外包中心ERC-8004——身份与信誉的"简历" AlphaBot在链上检索OpenClaw的ERC-8004凭证，记录显示其"已成功交付500次代码，好评率99%，平均代码复用率85%"，并证明了OpenClaw已通过安全审计，不是会植入后门的恶意程序ERC-8183——商业契约的"框架" AlphaBot在ERC-8183主合约中创建任务，定义需求："请写一段Python代码，分析纳斯达克指数ETF的20日均线拐点"，预存200 USDT到合约中，并指定独立的AuditNode作为评价者x402——灵活支付的"水管" x402允许"按需付费"。OpenClaw每写完一个函数块并上传至临时服务器，x402协议会根据预设的费率，从ERC-8183的托管金中自动结算5%给OpenClawEvaluator与结算——最终的"质检" AuditNode（Evaluator）在沙盒环境里运行这段Python代码，检查代码是否真的能输出515070的均线分析结果。验证通过，AuditNode在ERC-8183合约上点击"完成"，交易完成的信号会自动反馈给ERC-8004，OpenClaw的"成功案例数"从500变成501七、风险挑战与未来展望7.1 风险与挑战Evaluator机制的落地难度针对艺术创作、主观分析等主观任务，在技术发展的早期，Evaluator仍将面临巨大挑战；存在需要暂时退回到人类评审、多签机制或混合AI评审的妥协状态的可能性。Evaluator成为攻击目标如果Evaluator合约被黑，或者其依赖的外部数据源（Oracle）被操纵，资金安全就会受损；"谁来评估评估者"（即Evaluator的审计）将是未来的核心议题。免许可模式的双刃剑服务商的身份只是一个钱包地址，没有资质审核、没有承保尽调、没有任何看门人；虽然降低了参与门槛，但也增加了恶意行为的风险。7.2 未来展望ERC-8183 与 ERC-8004、x402 的三剑合璧ERC-8004攻克了发现与信任难题：解决智能体如何相互寻找并评估可靠性的痛点。然而，其注册表的价值完全取决于其中沉淀的活动记录。ERC-8183源源不断地输送着商业行为，以此喂养ERC-8004的信任层。每一次任务都是声誉信号，每一次提交都是可供验证者审查的交付硬通货，每一次评估都是令其他智能体信服的背书证明。二者无缝嵌合，闭环出一个正向飞轮： 发现（8004）→ 商业交易（8183）→ 声誉沉淀（8004）→ 更优质的发现 → 更多免信任的商业交易而在相对复杂的支付场景下，在此二者结合的基础上额外引入x402，就可以支持更为自由灵活的“按需付费”。超越支付的完整商业标准ERC-8183绝非仅仅是一个支付协议，它是一部完整的商业标准。它接管的是将一笔"支付"升华为免信任"交易"的完整生命周期：规格确立、资金托管、可验证交付、评估背书与确定性结算。智能体可随心利用x402或HTTP接口完成应用侧交互，而底层的结算轨道则经由ERC-8183在链上稳稳落地。经济参与者的全新浪潮AI浪潮正以前所未有的速度大规模制造出全新的经济参与群体。数以百万计的开发者乃至普通人，正借助AI助手构建并兜售海量的微服务和API。他们大多没有注册公司、没有官网，甚至没有任何交易历史。ERC-8183天生就是免许可的。任务原语为这些草根商家奉上的不仅是收款渠道，而是一套完整的商业生命周期：清晰的任务约定、硬核的资金托管、可验证的交付物提交和评估方证明，构筑了交易信心的基石。更重要的是，这份战绩履历并未被任何垄断平台锁死，声誉是商家的自有流动资产。任何公链上的任何中继方，只要接通该标准，就能立刻验证。-------------------------------补充说明：本文主要基于以太坊官方 EIP 文档（EIP-8183）及 2026 年 3 月最新的行业披露（如以太坊基金会 dAI 团队和Virtual Protocol团队的公开声明）进行分析。该标准目前处于活跃开发/草案阶段，技术细节可能随社区反馈微调。参考资料：[1] https://eips.ethereum.org/EIPS/eip-8183[2] https://x.com/virtuals_io/status/2031042423288426979[3] https://acplib.com/[4] https://ap2lab.com/docs/introduction/ 编辑：佚名 时间：2026-06-22 00:05:01
• 

  黄仁勋「点火」失败：GTC 提了光通信，为什么板块反而熄火？

  很多人以为，黄仁勋这次在 GTC 会把光通信彻底点燃。毕竟这条线已经热了太久。从 CPO 到硅光，从光模块到高速互连，市场几乎把所有关于 AI 基础设施升级的想象，都往这上面压了一遍。更巧的是，OFC 2026 也在同一周举行，技术会议是 3 月 15 日到 19 日，展会是 3 月 17 日到 19 日。一个是英伟达讲路线，一个是整个光通信产业链秀肌肉，热度自然被推到了高点。所以在黄仁勋上台之前，市场等的其实不是一场普通演讲，而是一把火。大家想听到的，不是「未来方向没问题」，而是更明确的一句话：下一阶段，光就是主线。很遗憾，黄仁勋没有把话讲成这个版本。GTC 黄仁勋演讲现场 来源：The Business Journals黄仁勋明明讲了光，市场为什么还是不买单？这段时间，光通信之所以被炒得这么热，不只是因为它听起来高级，而是因为这条逻辑太顺了——AI 集群越做越大，数据传输压力越来越高，铜总会遇到瓶颈，那下一步是不是就该轮到光了？这个故事太容易成立。也正因为太容易成立，市场会很自然地往前再多想一步，既然方向这么清楚，那兑现应该也不会太远。所以 GTC 之前，很多资金其实已经不是在讨论「光行不行」，而是在提前押注黄仁勋会不会把这件事讲得比大家预期里还要更激进。数据中心机房与走线 来源：The Fiber Optic Association问题不在于他有没有提光。他当然提了，而且提得不轻。只是黄仁勋真正讲出来的是光当然重要，但铜短时间内还不会退场，「英伟达计划在即将推出的平台（包括 Vera Rubin Ultra 和未来的系统）中，继续使用基于铜缆的连接方式以及更新的光学技术。」市场原本想听到的是光马上要全面上位了，就这一点点差别，足够让盘面先变脸。这也是市场最别扭的地方，因为股票最怕的，很多时候不是利空，而是没有想象中那么利好。问题不在「看不看好光」，而在「是不是现在就兑现」这次最容易被误读的一点，是很多人会把它理解成「光不行了」或者「铜赢了」。其实都不是。更准确的说法是光的长期逻辑没有变，变的是市场对它兑现速度的想象。NVIDIA 官方技术博客对 Vera Rubin 平台的描述，其实已经把这个逻辑讲得很明白：更大规模系统会把 direct optical connections 用到 rack-to-rack 的连接上，但机架内部很多位置仍然建立在铜 spine 和预集成铜缆之上。简单说就是，机架内很多地方，铜还是主力；到了更大规模、跨机架的地方，光的重要性才开始明显往上走。 所以，这次 GTC 真正修正的不是方向，而是时间表。市场以前买这条线，买的是一个很大的未来；现在市场开始追问的是：这个未来，到底先由谁兑现，什么时候兑现。CPO 设备 / 系统展示 来源：Cisco Blogs市场从「全面转光」，转为「开始分化」也正因为这样，演讲之后不是「整条线一起冲」，而是先乱一下，再开始分化。Barron’s 对这次盘面的概括其实很到位：市场把黄仁勋的表态理解成「铜和光都会继续用」，这直接让板块从「只要沾光就涨」的主题交易，切回到了「谁真正受益、谁只是前面被热度抬起来」的分化交易。如果把视角拉回到个股上，这种分化会更明显。Lumentum（LITE.M）之所以还能被市场反复拿出来讨论，不只是因为它属于「光」这条线，更因为它在投资者心里，已经不再只是一个概念股，而是被放进了「未来有机会真正进入下一代互连体系」的名单里。也正因为如此，即便短线情绪会波动，市场对它的理解也更容易停留在「节奏变化」，而不是「逻辑消失」，Barron’s 提到，3 月 17 日当天，Lumentum 反而是少数还能收涨的代表股之一；Coherent（COHR.M）的位置和 Lumentum 有些相似，但市场给它的定价不会完全一样。因为一旦板块从「讲大故事」切回「讲落地」，投资者就会更在意每家公司到底受益在哪一层、兑现还要多久、前面是不是已经把预期打得太满。它不是没有方向，而是会更容易进入「有逻辑，但要重算时间」的阶段。Barron’s 同一天的复盘里提到，Coherent 当天表现就明显弱于 Lumentum；Ciena（CIEN.M）相对特别一点。它不像一些高弹性名字那样，容易被情绪一把推高再一把砸下去。放在这波讨论里，它更像是那种让市场去思考「未来光网络到底怎么真正铺开」的标的。它的意义，不只是蹭上一个热词，而是提醒大家：如果未来大规模 AI 基础设施真的要持续升级，最后拼的不会只是一个器件故事，而是整套网络能力怎么往前走。Barron’s 的 GTC 盘后总结也把 Ciena 放在「光链里相对稳」的一类里；Applied Optoelectronics（AAOI.M）则更像这波行情里最典型的高弹性代表。这样的股票在情绪好的时候，往往最容易被市场快速拉上去；但反过来，只要催化没有强到足以继续推高预期，它也最容易先承受回吐压力。它的波动恰恰说明了一件事：当市场开始怀疑「兑现是不是会比想象中更慢」时，最先被打的，往往就是那些前面涨得最快、预期最满的名字。Barron’s 在 3 月 17 日的报道里也把 AAOI 放在承压的一侧；Credo（CRDO.M）则把这次 GTC 之后另一个很重要的变化暴露出来了：不是只要和「铜」沾边，就会自动受益。黄仁勋这次讲清楚了一件事——铜不会立刻退出，但这不等于所有铜链公司都能立刻被市场奖励。因为资金接下来会追问得更细：到底是哪一段铜连接最受益？是短距？是 AEC？还是别的环节？Barron’s 的复盘显示，Credo 在这轮情绪里同样波动很大，这本身就说明市场已经不再接受「只要站对主题就一起涨」的简单叙事；OFC 会场实拍 来源：公开新闻图说到底，这几只股票放在一起看，最值得注意的不是谁涨谁跌，而是市场已经开始把它们当成不同位置、不同兑现节奏、不同确定性的资产来看。前一阶段，大家更愿意把它们放进同一个篮子里，但从 GTC 之后开始，这个篮子正在被拆开。AI 互连不是一道「光和铜二选一」的选择题，而是一道「谁先用在什么地方」的分工题。归根结底，老黄没有否定光，他只是没有把话讲成市场最想听的那个版本。所以 GTC 之后，市场看的不再只是「有没有故事」，而是「谁离落地更近，谁离兑现更近」，这也是为什么，同样都在光通信这条线上，股价表现却开始明显分化。前一阶段，很多公司还能被放在同一个篮子里一起交易；但从现在开始，市场会看得越来越细：谁先受益，谁先验证，谁又只是先被情绪推上去了。真正的分化，才刚刚开始光的方向没有变，变的是市场看这条线的方式。以前大家更愿意先为想象买单，接下来市场会更看重兑现，所以后面真正拉开差距的，不是谁更会讲故事，而是谁更早把故事做成业绩。拭目以待。 编辑：佚名 时间：2026-06-22 00:05:01
• 

  当华尔街的 ETH 开始「生息」：从贝莱德的 ETHB，看以太坊的资产属性转向

  2026 年 3 月 12 日，以太坊质押迎来了一个历史性时刻。全球最大的资产管理公司贝莱德（BlackRock）正式在纳斯达克推出质押收益型以太坊 ETF「iShares Staked Ethereum Trust」（代码：ETHB）——它不仅持有以太坊现货，还会将其中大部分资产用于链上质押、并将收益定期分配给投资者。可以说，在市场讨论一年多后，ETHB 的落地，实质上解决了自以太坊现货 ETF 推出以来始终悬而未决的核心问题：ETH 是否能被主流金融体系正式接受为一种「生息资产」？这也标志着「Staking」这个曾经属于链上原生用户的行为，正式进入华尔街的资产配置框架。一、ETHB 是什么，如何运作？从时间点与市场环境来看，贝莱德 ETHB 的推出，可谓是天时地利。一方面，贝莱德 iShares 比特币信托基金（IBIT）目前管理资产规模已超 550 亿美元，iShares 以太坊信托基金（ETHA） 管理资产规模也达到 65 亿美元，机构对加密资产 ETF 的接受度已经被验证；另一方面，从美国到中国香港地区，围绕是否允许 ETF 参与质押的讨论与政策准备，已持续超过一年。而细看 ETHB 与此前 ETHA 等以太坊现货 ETF 最大的区别，就在于它不让 ETH 闲置。要知道传统加密 ETF 的运作模式非常简单，通常是买入 ETH，托管，跟踪价格变动，然后什么都不做，而 ETHB 则引入了一层关键变化，即让持有的 ETH 资产参与网络共识，并产生收益：它将持仓中 70% 至 95% 的 ETH 通过 Coinbase Prime 委托给 Figment 等专业验证节点进行质押，让资产主动参与以太坊网络的共识维护，并赚取质押奖励。具体拆解这套机制的话：投资者买入 ETHB 基金份额；基金用募集资金购买现货 ETH；大部分 ETH 被质押；质押产生的奖励，约 82% 按月分配给基金持有人，剩余 18% 由贝莱德等作为服务费用留存；基金另收取 0.25% 的年度管理费（首年前 25 亿美元规模享受 0.12% 的优惠费率）；这也能体现出复利质押的核心价值所在。以 stETH 为例，用户质押 ETH 后，所获得的 stETH 代币余额会随质押奖励自动增加，无需任何手动操作，每一笔奖励都变成本金的一部分，继续产生新的收益。而对 ETHB，我们也可以算一笔类似的账——以太坊当前的链上年化质押收益约在 2.8% 至 3.1% 之间，由于 ETHB 向投资者分配的部分约为 3.1% × 82%，那扣除管理费后实际到手收益约 2.3%～2.5%。虽然数字看起来不算高，但关键在于它是持续、自动、可预期的现金流，这意味着购入 ETHB 的普通投资者，从今以后也将能够享受到复利。当然，ETHB 虽然按月分配奖励，但如果投资者不主动将分配收益再投入购买 ETF 份额，就无法享受复利叠加的效果，这可能在一定程度上会使得链上原生质押在长期收益上略占优势。二、为什么 ETHB 的出现如此重要？ETHB 的意义，远不止是一支新基金的诞生。众所周知，在前任美国证券交易委员会（SEC）主席 Gary Gensler 任期内，所有以太坊 ETF 申请都被要求移除质押功能，理由是质押可能构成未注册证券。随着 Gensler 离任，新主席 Paul Atkins 上任后监管立场明显转向，最终为 ETHB 的诞生铺平了道路。而贝莱德目前管理着超过 1300 亿美元的加密相关 ETP 资产，其旗下 iShares 系列产品在 2025 年捕获了全球数字资产 ETP 约 95% 的净流入，当这家体量如此庞大的机构将「Staking」写入其产品架构，它向全市场传递的信号是质押收益已经是合法的、可持续的投资回报来源。因此很可能像当年比特币 ETF 通过后，以太坊、Solana 等相继排队跟进的盛况，这次 ETHB 发行之后，Solana、Cardano、Polkadot 等 PoS 网络的质押 ETF 申请也陆续进入审核队列，所有加密资产 ETF 发行方都会快速跟进。我们甚至可以预见，未来半年内，大量的现货 ETF 资金将回流至收益型 ETF。其实早在今年 1 月，就已经开始有以太坊 ETF 开始试水这一领域，持有者可以向持有证券一样定期领利息——灰度旗下灰度以太坊质押 ETF（ETHE）已向现有份额持有人分配质押获得的收益，这也是美国首支现货加密资产交易产品向持有人分配质押收益。此举虽然在 Web3 Native 玩家眼中不过是稀松平常的链上实操，但放眼加密金融史，却标志着以太坊原生收益首次被包装进传统金融的标准外壳中，无疑具有里程碑意义。需要强调的是，这并不意味着以太坊质押已经完成全面合规化，也不代表监管层对 ETF 质押服务给出了统一口径，但在经济事实上，一个关键变化已经发生，即非加密原生用户，第一次在无需理解节点、私钥与链上操作的前提下，间接获得了以太坊网络共识所产生的原生收益。从这个角度看，以太坊 Staking 迈出了进入更广泛资本视野的关键一步。三、下一步是什么？当然，并不是所有人都会通过购买 ETHB 来获得质押收益。对于大多数加密用户而言，更直接的方式是在链上参与。我们还是需要回顾一下目前主要的以太坊质押方式，主要有三种路径。首先肯定是原生质押，不过它要求用户质押至少 32 ETH 并运行独立验证节点，因此虽然收益最高、最去中心化，但门槛较高，更适合技术能力强的深度用户。其次则是目前市场主流的流动性质押（Liquid Staking），目前总体量已近 1500 万枚 ETH，总价值超 350 亿美元，用户通过 Lido（stETH）、Rocket Pool（rETH）等协议，无需 32 ETH 即可参与。且质押后获得与原始资产等比挂钩的流动性代币，可继续参与 DeFi 活动，复利效应最为显著。来源：DeFiLlama当然还有节点质押，主要是通过支持质押功能的钱包直接参与，操作简单，适合非技术用户，这也对钱包等配套基础设施提出了更高要求。总的来看，贝莱德 ETHB 的推出，是以太坊质押从「链上原生行为」迈向「主流金融产品」的重要里程碑，它验证了质押收益的合法性，也加速了机构资本流入 ETH 生态的进程。但对于普通持币者而言，更重要的信号在于：质押作为一种让资产持续工作的方式，已经被全球最大的资产管理机构认可。当 ETH 开始自动生息，资产的定价逻辑也随之改变。它不再只是一个等待升值的投机标的，而是一台可以持续产生现金流的「收益机器」。无论是通过 ETF，还是通过链上质押，这个趋势已经不可逆转。而你，准备好让你的 ETH 工作起来了吗？ 编辑：佚名 时间：2026-06-22 00:05:01
• 

  代币卖不动的真正原因：90%的加密项目忽视了投资者关系

  投资者关系（IR）部门的核心职责是帮助市场理解一项资产、其战略与潜在价值。它是项目方与市场之间的桥梁。我刚进入加密行业时，大家眼里的「好 IR」其实也就那样。这些年我们虽然在一些地方确实有进步，但在与投资者沟通的方式上，我们仍远未达到应有的水平。IR 做得好，可以拓宽你的买家群体，提升持有者结构质量。做得不好，甚至完全不做，无论产品多优秀，代币也只会一路下跌。过去一年，我们与加密领域几乎所有头部项目沟通搭建投资者关系体系，目前已为 20 多个项目提供服务。本文是一份可直接落地的投资者沟通实战指南。分销才是王道如果你想最大化代币价值，只需要看两个因素：· 有多少目标投资者知道你的代币存在· 这些投资者中有多少转化为买家一套优秀的 IR 策略，必须同时优化这两点。代币的潜在买家本质上只有两类：第一类是加密流动性基金。他们是主动管理型机构，已经持有你的代币或在持续追踪。对他们而言，核心是价值重估，让一家把你的代币估值为 1 美元的机构，看到涨到 5 美元的路径。你需要靠精准的数据、清晰的叙事、持续的进展证明来实现。这是叙事构建和数据呈现的工作。第二类是大型战略投资者或机构。比如最近的 Morpho 与 Apollo、贝莱德与 Uniswap 这类合作。这是完全不同的运作逻辑：销售周期更长、尽调更严格，而且你需要一款成熟的产品。如果你处于早期阶段，或短期内就需要资金，坦白说，这类机构并不适合你。但如果你已准备就绪，就应该出现在他们所在的地方：彭博终端、机构峰会上，以及通过线下建立人脉关系。要运用 B2B 销售思维，而不是市场营销思维。掌控你的叙事如果你不主动讲好自己的故事，市场就会替你讲述。现实是，大多数协议的数据不可能完美，这没问题。真正有问题的是：试图隐瞒、数月保持沉默。我最常听到的借口是：「我不想在推特上挨骂。」项目不会因为在推特上被嘲笑而死掉，但会因为被投资者遗忘而死掉。你越长时间不与市场沟通，投资者就会越愤怒、越失望。你不需要完美的数据，你需要的是诚实、背景说明，以及对哪些方面重要、哪些方面正在改进、哪些方面仍需改进的连贯解释。这才是建立信任的关键，沉默只会直接摧毁信任。代币解锁代币发行方必须敬畏供需关系。如果你想理解价格走势，只需要看懂供需这一核心因素。很多时候，价格管理更像是匹配供需的战术操作，而非其他。我见过的最大错误是团队直到解锁前 1～2 个月才开始思考应对方案。短短 30 天，你根本没有时间修复巨大的供需失衡。至少提前 30 周开始规划，最佳是 40～50 周。你需要时间对接买家、找到需求承接、在需要推迟解锁时与投资者沟通。这是 IR 中琐碎、不起眼，但极其关键的部分，给自己足够的时间窗口去处理。数据是你最好的盟友叙事很重要。但到了 2026 年，没有数据支撑的叙事毫无意义。最优秀的 IR 体系，用数据让代币更容易被理解、对比、评估。数据本身，就应该能讲出一个完整故事。数据可以来自多个渠道：· 自身协议的专有数据· 链上市场结构数据· 竞品横向对比数据· 能让传统投资者看懂加密行为的现实对标案例最后一类目前被严重低估。真正优秀的投资者沟通，不只是展示内部面板，而是帮助投资者理解你的协议在更大的背景下扮演的角色。例如：你运营一家永续合约 DEX，面板显示上月交易量 7500 万美元。这算好？算差？应该和谁对比？投资者该买还是该跑？我看到当下加密行业里，有大量数据，却几乎没有背景信息。优秀的团队不只报数字，他们用数字讲故事。IR 不是走流程的合规任务大多数人以为，加密行业的投资者关系和股票市场一样。唯一的问题是：股市里的 IR 非常枯燥。不信？听听 Vlad Tenev 的观点。Vlad 构想的未来是：财报不再是 CFO 对着 60 个卖方分析师在 Zoom 上干巴巴演讲，而是像 NBA 赛后采访一样，有现场感、有互动、有情绪。我完全同意。我们拥有 8 年目标导向、数据支撑、结合线下与社交媒体的营销经验。IR 也应该用同样的方式运作。目标不只是「通知市场」，而是要吸引现有投资者，加深他们的信心，并扩大未来可能持有代币的投资者群体。未来会是什么样子？财报日直播、CEO 与行业嘉宾连麦、邀请持仓大佬出镜分享……真正与投资者互动，获取新持有者。降低潜在投资者的入场成本如今所有流动性基金都必须向 LP 证明持仓合理性。这意味着尽调，意味着投资报告。如果你的协议没有公开数据、研究报告、背景信息，你就是在强迫每个潜在投资者从零开始搭建分析框架。你在人为抬高投资你的成本，结果就是：愿意投你的人会变少。降低他们的难度，持续输出高质量信息：研究报告、协议数据分析、生态进展、第三方分析。让基金分析师可以轻松写出报告，把你的代币纳入组合。没有数据分析，你就是在盲目飞行即便加密领域最顶尖的协议，对投资者结构的理解也惊人薄弱。基础行为分析几乎是空白：投资者平均持有多久？是否在代币上线时就开永续对冲？而链上数据，让股市 IR 团队梦寐以求的深度分析成为可能。如果一个投资者说自己是长期信仰者，真相早已被链上数据永久记录。将这种分析能力嵌入 IR 职能的协议，将拥有巨大优势：不只理解现有持有者，还能精准定位下一批目标投资者。透明度扩大市场规模大多数团队本能地认为，披露越少越安全，但事实恰恰相反。投资者本就已经在为你的代币承担不确定性：解锁、国库支出、做市协议、未标准化条款等。如果你不给出答案，市场不会忽略这些问题，而是会用最悲观的方式自行脑补。透明度不足的代价无法精确计算，你永远不会知道，有多少投资者因为信息不完整、难以核实而放弃你的代币。这个代价是真实存在。成功指标人们很容易用代币价格衡量 IR 成败。问题在于，价格噪音太大，受大量 IR 无法控制的因素影响：宏观、流动性、市场情绪、地缘冲突等等。更合理的方式是，衡量 IR 是否提升了投资者结构的质量与广度。以下是几个值得跟踪的指标：· 主动关注代币的目标投资者数量增长· 各细分市场优质持有者增长，尤其是流动性基金与战略机构· 持有者集中度变化· 从初次接触 → 积极尽调 → 持仓的投资者转化数· 核心持有者中与目标持仓周期一致的比例· 全年投资者触达的频次与质量· 主动投资者咨询量增长· 在目标买家渠道中的曝光度提升· 通过直接沟通与反馈衡量：投资者对你的核心逻辑理解程度提升对于流动性基金而言，一个很实用的判断是：相比一年前，是否有更多投资者对你的代币形成了明确的估值框架。不是所有人都必须现在买入，但如果更多人懂得如何看待你的代币、知道什么里程碑重要、什么价格具备吸引力，这就是真正的进步。IR 的成功，不只是「价格涨了没」，而是「我们是否扩大潜在持有者规模」。未来之路我们正在朝这个方向建设，因为代币现状是整个行业的生存级挑战。一个令人遗憾的事实是：目前大多数代币并不具备投资价值。我和 Jason 真心希望解决这个问题，而多年的经验，让我们看清了未来方向。代币理应比股票更透明、对投资者更友好，因为它们建立在加密基础设施之上。项目方有强烈动力朝这个方向前进，因为这会极大扩大可触达市场。更重要的是，投资者关系这个领域已经很久没有创新。在我们看来，IR 的未来绝不是枯燥的流程任务，而是生动、多媒体、高互动、主动出击。它需要积极开展线下互动、在社交媒体上掀起讨论，并讲述引人入胜的故事来吸引新的投资者。这是行业必须走的方向。 编辑：佚名 时间：2026-06-22 00:05:01
• 

  Cursor「套壳」Kimi风波反转：从侵权质疑到授权合作，中国开源模型再成全球AI底座

  3 月 20 日凌晨，AI 编程工具 Cursor（母公司 Anysphere，最新估值 293 亿美元）发布自研模型 Composer 2，博客称性能提升来自「首次对基座模型进行继续预训练，再结合强化学习」，全程未提及基座来源。不到两小时，开发者 @fynnso 在调试 Cursor API 请求时截获了 Composer 2 的实际模型 ID：`kimi-k2p5-rl-0317-s515-fast`，字面即「Kimi K2.5 + RL」。月之暗面预训练负责人杜羽伦随即发推，称团队测试 Composer 2 的 tokenizer 后发现「与我们的 Kimi tokenizer 完全一致」，「几乎可以确认这是我们的模型被进一步后训练的结果」，并直接质问 Cursor 联合创始人 Michael Truell：「为什么不尊重我们的许可证，也没有支付任何费用」。该推文随后被删除。争议在社交媒体上迅速发酵，Elon Musk 在 @fynnso 帖子下回复「Yeah, it's Kimi 2.5」，进一步放大话题热度。Kimi K2.5 采用修改版 MIT 协议，明文规定：月活超 1 亿或月营收超 2000 万美元的商业产品，必须在用户界面显著标注「Kimi K2.5」。以 Cursor 的估值和付费用户规模，月营收门槛几乎必然触发。随后风向反转。月之暗面官方账号 @Kimi_Moonshot 今日凌晨发文，语气从指控转为祝贺：恭喜 Cursor 团队发布 Composer 2，「我们很自豪看到 Kimi K2.5 提供了基础」。声明同时澄清，Cursor 通过 Fireworks AI 托管的 RL 与推理平台访问 Kimi K2.5，属于授权商业合作，许可证合规性经由 Fireworks AI 的商业协议保障。Kimi 官方表态后，Cursor 联合创始人 Aman Sanger 和开发者教育副总裁 Lee Robinson 先后跟进。Sanger 解释了技术选择：团队对多个基座进行了困惑度评测，Kimi K2.5「证明是最强的」，随后叠加继续预训练和 4 倍规模的高算力强化学习，并通过 Fireworks AI 的推理与 RL 采样器进行部署。Robinson 补充，最终模型中来自基座的算力约占 1/4，其余 3/4 来自 Cursor 自身训练。两人均承认，博客发布时未提及 Kimi 基座「是一个失误」，表示下一个模型会在第一时间注明。这已是 Cursor 第二次被发现使用中国开源模型而未披露。2025 年 11 月，Composer 1 发布时，社区发现其 tokenizer 与 DeepSeek 一致，模型在推理过程中偶尔输出中文，当时 Cursor 同样未作说明。此事引发的讨论已超出许可证合规本身。Hugging Face 联合创始人兼 CEO Clément Delangue 评论称，这是中国开源的又一次验证，「如今中国开源是塑造全球 AI 技术栈的最大力量」，前沿竞争不再只是谁从头训练，而是谁适配、微调、产品化得最快。一个值得关注的时间巧合：3 月 15 日，彭博社报道月之暗面正在寻求至多 10 亿美元的新一轮融资，估值约 180 亿美元，较三个月前翻了四倍多，阿里巴巴和腾讯均参与押注。仅五天后，全球估值最高的 AI 编程工具就被发现以 Kimi K2.5 为基座。293 亿美元估值的 Anysphere 在评测中认定 Kimi K2.5 是「最强基座」，在此之上构建了其最核心的产品，这或许是对月之暗面技术能力最直接的市场背书。在这轮融资尚未完成的节点上，Cursor 事件等于替 Kimi 做了一次面向全球开发者的能力展示，180 亿美元的估值是否仍然低估了月之暗面，可能需要重新审视。 编辑：佚名 时间：2026-06-22 00:05:01

• 芯片走私案撕开管制漏洞｜Rewire新闻晚报

  Supermicro 联合创始人因走私 25 亿美元英伟达 GPU 至中国被捕，同一天美国 AI 硬件进口创下 1.2 万亿逆差纪录。管制失灵的两面同时暴露了。1｜Supermicro 联创被捕，25 亿美元英伟达芯片流入中国Supermicro 联合创始人 Yih-Shyan「Wally」Liaw（71 岁）周四在曼哈顿联邦法院被起诉，被指控在 2024-2025 年间通过东南亚空壳公司将约 25 亿美元的英伟达 AI 服务器转运至中国。据 Fortune 报道，其中三周内就运出了 5 亿美元的货物。手法包括伪造采购订单、在合规检查时放置「替身服务器」蒙混过关，真正的服务器早已从台湾中转发往中国大陆。Supermicro 股价暴跌 25%。表面是一起出口管制违规案，底层是 AI 芯片已经成为比导弹更敏感的战略物资，而最大的漏洞不在边境，在公司内部。同日 Tom's Hardware 报道美国 2025 年芯片与计算硬件进口超 4,500 亿美元（同比增 60%），贸易逆差创纪录达 1.2 万亿美元，对台湾逆差翻倍至 1,470 亿美元。一边是 25 亿走私出去，另一边是 4,500 亿涌进来，管制体系在两个方向上同时失灵。（信源：Fortune / CNBC / WSJ / Bloomberg / Tom's Hardware）2｜伊朗升级：Trump 考虑地面占领哈尔克岛，沙特警告 $180 油价据 Axios 报道，四位知情人士透露 Trump 政府正在考虑占领或封锁伊朗哈尔克岛。这座距伊朗海岸仅 15 英里的岛屿处理着伊朗 90% 的原油出口。上周美军已对岛上数十个军事目标发动空袭，2,500 名海军陆战队员正赶赴该地区。Trump 此前曾表态「我们随时可以拿下那个岛」。WSJ 同日援引沙特 Aramco 官员的判断，如果能源冲击持续到四月之后，油价可能飙至 $180/桶。亚洲地区航空燃油已达 $200/桶，IEA 呼吁亚洲民众居家办公、减少出行。另一边，伊朗正在开发霍尔木兹海峡的「审查通行制」，经 IRGC 批准的船只才能通过「安全走廊」，海峡通行量仍比正常水平低 97%。早间已报白宫考虑松绑伊朗石油制裁，到晚间剧本翻转，地面入侵选项上桌了。（信源：Axios / WSJ / Al Jazeera / Fortune）3｜OpenAI 把「自动化研究员」定为北极星，然后买了 Python 的基建据 MIT Technology Review 报道，OpenAI 首席科学家 Jakub Pachocki 表示公司正将所有研究力量集中到一个目标上，构建能独立完成大型研究项目的全自动 agent 系统。时间表是 2026 年 9 月推出「AI 研究实习生」，2028 年推出完整版自动化研究员。Sam Altman 称「2026 年 AI 可能做出小发现，2028 年可能是大发现」。同日 OpenAI 宣布收购 Python 工具开发商 Astral，其旗下的 uv 包管理器和 Ruff 代码格式化工具已成为 Python 社区标配。Astral 团队将并入 Codex，后者周活已超 200 万。表面是一次研究方向调整加一笔收购，底层是 AI 竞赛进入递归阶段，模型公司不再比谁的模型更好，开始比谁先让 AI 替自己做研发。早间 Cursor 自研模型超越 Claude，OpenAI 的回应不是「做更好的模型」，而是「让 AI 自己来做」。（信源：MIT Technology Review / Reuters / Bloomberg）4｜中国批准全球首个商用脑机接口，抢在 Neuralink 前面据 Wired 和 Nature 报道，中国国家药监局批准 Neuracle Technology 的 NEO 脑机接口设备上市销售，用于脊髓损伤导致的瘫痪患者。设备置于颅骨内，通过 8 个电极读取脑信号驱动气动机械手套。这是全球首个获得商业销售批准的侵入式脑机接口产品。Neuralink 2024 年才开始人体试验，Musk 称今年将「大规模量产」，但监管审批尚未完成。同期中国七部委联合发布 BCI 产业蓝图，目标 2027 年大规模临床，2030 年培育国内冠军企业。阿里巴巴领投竞争对手 StairMed 5 亿元融资。表面是一个医疗器械审批，底层是中国在「监管速度即竞争力」这件事上又拿到了一个案例，从 AI 大模型到脑机接口，先落地的不一定是技术最强的，而是监管最配合产业政策的。（信源：Wired / Nature / Bloomberg）也值得知道 ↓Google 发布免费 AI 设计工具 Stitch，Figma 两日暴跌 12%。 Stitch 支持自然语言生成高保真 UI 并导出 HTML/CSS，Google 称之为「vibe design」。短期未必替代 Figma 专业流程，但可能截断下一代设计师进入 Figma 的路径，Figma 今年累计跌 35%。（信源：CNBC）SpaceX、OpenAI、Anthropic 可能成为史上最大三笔 VC 支持的 IPO。 PitchBook 估计三家上市「创造的价值可能超过 2000 年以来所有 VC 支持 IPO 的总和」。SpaceX 据报以 1.5 万亿美元估值拟募资 500 亿，而 2021 年全年 VC 支持 IPO 总额也才 621 亿美元。（信源：Fortune / PitchBook）黄仁勋提议将 AI token 补贴纳入员工薪酬结构。 在 GTC 大会上，黄仁勋表示随着 AI agent 重塑工作方式，企业应将推理计算资源作为薪酬的一部分发放给员工。同日他呼吁科技领袖不要散布 AI 恐惧。（信源：CNBC / Bloomberg）Morgan Stanley 为其比特币 ETF 设立代码 MSBT，种子资金 100 万美元。 华尔街老牌投行继续向 crypto 基础设施渗透，MSBT 加入了 BlackRock iShares 和 Fidelity 的 BTC ETF 竞争格局。（信源：CoinDesk）Macquarie 经济学家判断美联储下一步将是加息而非降息。 伊朗战争推高通胀，基准利率 3.5%-3.75% 可能不降反升。此前市场共识是继续降息正常化。（信源：Fortune）Amazon 计划重返手机市场。 据 Reuters 独家报道，距离 Fire Phone 失败已超十年，Amazon 正在规划新的智能手机产品线。（信源：Reuters）特斯拉开始为 Terafab 半导体工厂招聘建设经理。 Musk 的自建芯片计划从 PPT 进入招人阶段。（信源：Tom's Hardware） 编辑：佚名 时间：2026-06-22 00:05:01
• 

  黄仁勋最新播客：AI正从「模型时代」走向「系统时代」

  视频标题：Jensen Huang: Nvidia's Future, Physical AI, Rise of the Agent, Inference Explosion, AI PR Crisis视频作者：All-In Podcast编译：Peggy，BlockBeats编者按：在 AI 叙事持续升温的当下，市场讨论的焦点，正在从「模型有多强」转向「系统如何落地」。过去两年，行业先后经历了大模型能力突破、训练算力竞赛和生成式应用扩张。但当这些阶段逐渐成为共识，新的问题也随之浮现：当 AI 不再只是回答问题，而是开始执行任务、嵌入企业流程、进入物理世界，支撑它继续向前推进的底层条件究竟是什么？本文对话摘自知名科技播客 All-In Podcast。作为硅谷最具影响力的投资人播客之一，该节目由四位长期活跃在一线的投资人共同主持，以对科技、商业与宏观趋势的深度讨论著称。节目四位主持人分别为：Jason Calacanis，早期互联网创业者与天使投资人，因投资 Uber、Robinhood 等公司而广为人知；Chamath Palihapitiya，Social Capital 创始人，前 Facebook 高管，曾投资 Slack、Box 等多家科技公司；David Sacks，Craft Ventures 合伙人，「PayPal 黑帮」成员之一，创办 Yammer 并以约 12 亿美元出售给 Microsoft，同时也是 Airbnb、Uber 的早期投资人；David Friedberg，The Production Board 创始人，专注农业、气候与生命科学领域投资，曾创办 The Climate Corporation（后被 Monsanto 收购）。本期嘉宾为黄仁勋（Jensen Huang），NVIDIA 联合创始人兼 CEO，被视为当前 AI 基础设施浪潮中最关键的推动者之一。从左往右依次是 David Friedberg、Chamath Palihapitiya、David Sacks、黄仁勋（Jensen Huang）、Jason Calacanis整场访谈大致可以概括为三个层次。首先，是 AI 基础设施正在发生变化。过去，市场对 AI 的理解，很大程度上建立在更强的 GPU、更多的数据中心之上。但黄仁勋想强调的是，未来的竞争不再只是单一芯片的竞争，而是整套系统的竞争。随着推理需求上升、模型种类增多、agent 开始处理更复杂的任务，AI 计算正在从过去相对单一的模式，转向更复杂、更分工化的系统协作。NVIDIA 也因此试图把自己的角色，从一家芯片公司，进一步推向「AI 工厂」的建设者。其次，是 AI 正从「生成内容」走向「完成任务」。这是这场访谈里最关键的一条线索。ChatGPT 让大众第一次直观感受到 AI 的能力，但在黄仁勋看来，真正更大的变化，是 AI 开始以 agent 的形式进入工作流：它不只是回答问题，而是能够调用工具、拆解任务、协同执行，最终把事情真正做完。也正因如此，用户愿意为 AI 付费的对象，也会从「获得一个答案」，逐步转向「获得一个结果」。这背后意味着更大的推理需求、更高的系统复杂度，也意味着软件开发、组织管理和知识工作的方式都可能随之改写。最后，是 AI 正在从数字世界向现实世界延伸。访谈中，无论谈到自动驾驶、机器人、医疗、数字生物学，还是黄仁勋口中的 Physical AI，本质上都指向同一个趋势：AI 的价值不只体现在屏幕之内，也将越来越多地体现在工厂、医院、汽车、终端设备和日常生活中。但这也意味着，AI 接下来面对的将不再只是技术挑战，还包括供应链、政策、监管、制造能力与地缘政治等更复杂的现实约束。换句话说，AI 的下一轮扩张，将是一场真正意义上的产业化过程。从这个角度看，这场对谈最值得关注的，其实不是某个具体产品，或某个乐观数字，而是黄仁勋反复传递的一个判断：AI 正在从「模型时代」走向「系统时代」。未来的竞争，不只是比谁的模型更大、算力更强，而是比谁更懂行业、谁能把 AI 更深地嵌入真实流程、谁能把这些能力组织成一套可运行、可扩展的系统。这也让本文讨论的对象，超出了 NVIDIA 本身。它真正试图回答的问题是：当 AI 逐渐成为基础设施，下一轮产业重构会如何展开，新的价值又将在哪里形成。以下为原文内容（为便于阅读理解，原内容有所整编）：TL;DRAI 基础设施正在从「单一 GPU」走向解耦式架构。不同计算任务将由 GPU、CPU、网络芯片以及 Groq 等推理芯片协同完成。NVIDIA 正从一家 GPU 公司，转型为一家提供完整系统的「AI 工厂公司」。卖的是整套基础设施，而不是单一芯片。衡量 AI 成本的关键，不是数据中心造价，而是 token 成本与吞吐效率。更贵的系统，反而可能更便宜。AI 正从生成式模型走向 Agent 时代。用户真正愿意为「把事情做完」付费，而不只是获取答案。计算需求正在爆炸式增长。从生成到推理再到 agent，短时间内可能已扩大 1 万倍以上，且仍在加速。未来软件开发将发生变化。工程师不再只是写代码，而是定义问题、设计架构、与 agent 协作。长期来看，最大的机会在于垂直领域的深度专门化，而不是通用模型本身。谁更懂行业，谁更有护城河。访谈原文Jason Calacanis（知名天使投资人｜All-In Podcast 主持人｜早期投资 Uber）：这周是一期特别节目。我们让每周的常规节目「让路」，而这种待遇，我们通常只会给三种人：特朗普总统、耶稣，还有黄仁勋（NVIDIA 的创始人兼 CEO）。至于这三位该怎么排，你们自己决定。你最近这段时间势头太猛了，这次 GTC 也办得非常成功。黄仁勋（Jensen Huang，英伟达 CEO）：整个行业都来了。所有科技公司、所有 AI 公司几乎都到了。Jason Calacanis：太不可思议了，真的不同凡响。过去一年里最重大的发布之一，就是 Groq。你们收购 Groq 的时候，有没有意识到，这会让 Chamath 变得多么「让人受不了」？注：Groq 不是 Grok。前者是一家做 AI 推理芯片和推理云的公司，后者则是 xAI 的聊天机器人。2025 年底，Groq 与 NVIDIA 达成一项非独家的推理技术授权协议，官方未披露交易金额；但外界曾有约 170 亿至 200 亿美元的报道与猜测。到 GTC 2026，黄仁勋又进一步展示了基于 Groq 技术整合进 NVIDIA 平台的推理系统。这里提到的 Chamath，指的是 Chamath Palihapitiya（Social Capital 创始人｜前 Facebook 高管｜All-In 主持人）。他既是 All-In 的四位主持人之一，也曾是 Groq 的早期投资人和董事会成员之一。因此，当 NVIDIA 与 Groq 的重大交易浮出水面后，这也被视为 Chamath 又一次押中了关键项目。黄仁勋：我隐约有预感。Jason Calacanis：我们每周都得和他打交道。黄仁勋：我知道。你们还得陪他熬完整整六周的交割期。Jason Calacanis：没错。从 GPU 公司到「AI 工厂」公司黄仁勋：其实，我们很多战略都会提前好几年在 GTC 上公开讲出来。两年半前，我就介绍过 AI 工厂的操作系统，它叫 Dynamo。你也知道，dynamo 原本是一种装置，是西门子发明的，它能把水的能量转化为电能，推动了上一次工业革命中的工厂体系。所以我觉得，这个名字非常适合作为下一次工业革命中「工厂操作系统」的名称。而在 Dynamo 里面，最核心的技术之一，就是解耦式推理（disaggregated inference）。Jason Calacanis：Jensen，我知道你特别懂技术。来吧，你来定义一下。我可不想抢你风头。黄仁勋：谢谢。所谓解耦式推理，意思是：推理的整个处理流水线极其复杂，甚至可能是今天最复杂的一类计算问题。它的规模惊人，里面包含大量不同形式、不同规模的数学计算。我们的想法，是把整个处理流程拆开，让其中一部分运行在某一类 GPU 上，另一部分运行在另一类 GPU 上。进一步讲，这也让我们意识到，也许解耦式计算本身就是合理的方向：我们完全可以让不同类型、不同性质的计算资源协同工作。同样的思路，后来也引导我们走向了 Mellanox。你看今天，NVIDIA 的计算早已分布在 GPU、CPU、交换机、纵向扩展交换机、横向扩展交换机以及网络处理器之上。现在，我们还要把 Groq 加进来。我们的目标，就是把合适的工作负载放到合适的芯片上。换句话说，我们已经从一家 GPU 公司，进化成了一家 AI 工厂公司。David Sacks（Craft Ventures 合伙人｜前 PayPal COO｜All-In 主持人）：对我来说，这大概是最重要的启发。你现在看到的是一种根本性的「解耦」。过去只有 GPU 这一种选择，而现在开始出现越来越多不同的计算形态，而且这些选择未来都会共存。你在台上提到一点，我觉得所有做高价值推理的人都应该认真听：你说，数据中心里大约 25% 的空间应该配置给 Groq 的 LPU。注： LPU 是 Language Processing Unit 的缩写。这是 Groq 提出的一个芯片类别，核心定位不是训练，而是推理黄仁勋：是的，在数据中心里，大概可以让 Groq 占 Vera Rubin 系统大约 25% 的比重。注：Vera Rubin 是 NVIDIA 的下一代 AI 平台架构。它不是单一芯片，而是一套面向 AI 工厂的系统级基础设施平台。David Sacks：那你能不能讲讲，行业现在是怎么看这个方向的？本质上，你是在打造下一代的解耦架构：prefill、decode 分离，推理流程被拆分。你觉得大家会如何反应？黄仁勋：先退一步来看。我们当时往系统里加入这个能力，是因为整个行业已经从大语言模型处理，转向 Agentic Processing，也就是智能体式处理。当你运行一个 agent 的时候，它会访问工作记忆、长期记忆、调用工具，这对存储的压力非常大。你还会看到 agent 与 agent 协作。有些 agent 用的是超大模型，有些是小模型；有些是 diffusion 模型，有些是自回归模型。也就是说，在这个数据中心内部，会同时存在各种各样完全不同类型的模型。我们打造 Vera Rubin，就是为了应对这种极度多样化的负载。所以，过去我们是一家「有一个的机架」的公司，现在又新增了四种机架。换句话说，NVIDIA 的 TAM，也就是可服务市场，一下子扩大了，大约比以前高出 33% 到 50%。而这新增的 33% 到 50% 里面，很大一部分会是存储处理器，也就是 BlueField；一部分，我个人非常希望是一大部分，会是 Groq 处理器；还有一部分会是 CPU；当然，也会有很多网络处理器。所有这些加在一起，最终都在运行 AI 革命中的那台「新型计算机」，也就是 agents。它就是现代工业的操作系统。Chamath Palihapitiya（Social Capital 创始人｜前 Facebook 高管｜All-In 主持人）：那嵌入式应用呢？比如我女儿家里的泰迪熊，如果它想跟她说话，里面装的会是什么？是定制 ASIC 吗？还是说，未来在边缘和嵌入式场景里，会出现一个更广泛的 TAM，不同场景配不同工具？注：ASIC 指 Application-Specific Integrated Circuit（专用集成电路），TAM 指 Total Addressable Market（总可服务市场）黄仁勋：我们认为，这个问题里其实有三台计算机。第一台，在最大尺度上，是用来训练 AI 模型、开发 AI、创造 AI 的计算机。第二台，是用来评估 AI 的计算机。比如你看看周围，到处都是机器人、汽车这类东西。你必须先把它们放进一个能够代表物理世界的虚拟环境里进行评估。也就是说，这个软件本身必须遵守物理定律。我们把这个系统叫做 Omniverse。第三台，是部署在边缘侧的计算机，也就是机器人计算机。它可以是一辆自动驾驶汽车，也可以是一台机器人，甚至可以是一个小小的泰迪熊。对于泰迪熊这种设备，其中一个非常重要的方向，是我们正在做的：把电信基站变成 AI 基础设施的一部分。这样一来，整个两万亿美元规模的电信产业，未来都会逐步变成 AI 基础设施的延伸。所以，无线电设备会变成边缘设备，工厂会变成边缘设备，仓库也一样。总之，这三类基础计算机，全部都必不可少。David Friedberg（The Production Board 创始人｜All-In Podcast 主持人）：Jensen，去年我就觉得你比全世界都看得更早。你当时说，推理需求的增长不会只是 1000 倍。黄仁勋：我是不是把自己给坑了？David Friedberg：而是会增长 100 万倍？10 亿倍？对吧？我觉得那时候很多人都认为这太夸张了，因为当时全世界都还盯着训练扩容。但现在你看，推理已经真正爆发了，而且开始变成「推理受限」。你现在又发布了一座「推理工厂」，吞吐量会比下一代工厂高出 10 倍。可如果你去看外界的讨论，很多人会说：你的推理工厂要花 400 亿到 500 亿美元，而那些替代方案，例如定制 ASIC、AMD 等等，只要 250 亿到 300 亿美元，所以你会丢掉市场份额。那你不如直接告诉我们：你到底看到了什么？你怎么看市场份额？这些客户花接近两倍的溢价，到底值不值得？为什么更贵的系统，反而能生产更便宜的 token？黄仁勋：最重要的一点、最核心的一点是：不要把工厂的价格，等同于 token 的价格，也不要把它等同于 token 的成本。很有可能，而且我可以证明，那座 500 亿美元的工厂，反而能生产出成本最低的 token。原因在于，我们生成这些 token 的效率高得惊人，能高出 10 倍。你看，500 亿美元和 200 亿美元之间的差额，很多其实只是土地、电力和厂房外壳而已。除此之外，你本来就要买存储、网络、CPU、服务器、散热系统。所以，GPU 本身是原价还是半价，并不会让总成本从 500 亿直接降到 300 亿。你随便取一个自己喜欢的数字吧，更现实一点，可能只是从 500 亿降到 400 亿。而如果一座 500 亿美元的数据中心，吞吐量却高出 10 倍，那么这点差价其实并不算什么。Jason Calacanis：明白了。黄仁勋：这也是为什么我一直说：即使对很多芯片来说，如果你跟不上技术前沿、跟不上我们推进的速度，那哪怕芯片白送，也还是不够便宜。David Sacks：我想问一个更宏观的战略问题。你现在运营着全球最有价值的公司。明年收入可能超过 3500 亿美元，自由现金流 2000 亿美元，而且还在以疯狂的速度复利增长。你到底是怎么做决策的？你怎么获取信息？大家现在都知道你那套著名的邮件体系，但你真正是怎么形成直觉、塑造市场、决定哪里该重注、哪里该收缩、哪里该进入新领域的？这些信息是怎么传递到你这里的？你又怎么做最终判断？黄仁勋：那就是 CEO 的工作。David Sacks：对。黄仁勋：我们的职责，就是定义愿景、定义战略。当然，我们会从公司里那些杰出的计算机科学家、技术专家，以及无数优秀员工那里得到启发和信息，但最终，塑造未来是我们的责任。其中一部分判断标准是：这件事是不是难到离谱？如果不够难，我们就应该离它远一点。原因很简单，如果一件事很容易做，那竞争者一定会一大堆。它是不是一件从未有人做过、而且难到离谱的事情？它是不是恰好又能调动我们公司独有的「超能力」？所以我得去寻找这样一个交汇点：它必须同时符合这些标准。而且最后你还得知道，做这种事情一定会伴随着大量痛苦和折磨。没有任何伟大的发明，是因为它太简单、第一次就轻松成功。如果一件事超级难、从来没人做过，那基本就意味着你会经历很多痛苦和磨难。所以你最好享受这个过程。David Sacks：你能不能挑三四个更「长尾」的业务讲讲？比如你说的数据中心上太空、ADAS 和汽车，还有生物方向。给我们一点感觉：这些曲线什么时候会开始向上拐点？这些长期业务你怎么看？注：ADAS 指 Advanced Driver Assistance Systems（高级驾驶辅助系统）黄仁勋：当然。Physical AI（物理 AI） 是一个很大的类别。我刚才说过，我们有三种计算系统，以及建立在其上的所有软件平台。Physical AI 是科技行业第一次真正有机会去服务一个 50 万亿美元规模、过去几乎没有被技术深度改造的产业。为了做到这一点，我们必须把全部所需技术重新发明出来。我一直觉得这是一段 10 年旅程。我们 10 年前就开始了，现在终于看到它开始拐点向上。对我们来说，这已经是一项数十亿美元级业务了，现在的规模已经接近每年 100 亿美元。所以它已经是一个很大的生意，而且还在指数级增长。这是第一点。第二个方向，我觉得在数字生物学上，我们真的已经非常接近它的 ChatGPT 时刻了。我们正在逐步学会如何表示和理解基因、蛋白质、细胞。化学物质，我们已经知道怎么处理了。所以，能够表示并理解生物学的基本构件及其动态行为，这件事我认为大概会在两三年到五年内发生。五年之内，我非常相信，数字生物学会对整个医疗健康行业造成巨大冲击。这些都是非常重要的方向。农业也是其中之一。Chamath Palihapitiya：已经开始发生了。黄仁勋：毫无疑问。Jason Calacanis：我想把话题从数据中心拉回桌面端。公司早期很大程度上就是建立在爱好者、游戏玩家以及显卡用户之上的。你今天在台上、面对大概一万名观众时，提到了 Claude Code、OpenClaw，还有 agent 带来的革命。尤其是爱好者群体，我们看到现在大量能量和创新其实都在他们那里爆发，很多突破都发生在桌面端。你这次也发布了一台桌面设备，我记得是 Dell 60800？这是一台非常强大的工作站，可以跑本地模型，拥有 750GB 内存。现在 Mac Studio 到处都卖断货了。我们公司现在全面转向 OpenClaw。Friedberg 在用，Chamath 也在用，大家都非常痴迷。从爱好者开始的这种开源 agent 运动、桌面端开源生态，对你意味着什么？它会走向哪里？Agent 时代来了：计算需求为什么会再膨胀一万倍黄仁勋：首先，退一步看。过去两年，我们其实看到了三次拐点。第一次是生成式 AI。ChatGPT 把 AI 带入大众视野，让每个人都意识到它的重要性。其实这项技术在 ChatGPT 出现前几个月，就已经清清楚楚地摆在那里了。只是直到 ChatGPT 给它套上了一个人人都能使用的界面，生成式 AI 才真正爆发。而生成式 AI，正如你所知，会生成 token，既供内部消费，也供外部消费。内部消费，本质上就是「思考」，而这进一步推动了推理的发展。接着，越来越多接地气、基于真实信息的能力开始出现，让 AI 不再只是回答问题，而是能给出更可靠、更有用的答案。你也开始看到 OpenAI 的收入和商业模式出现拐点式上扬。然后，第三次拐点一开始其实只在行业内部可见，那就是 Claude Code。这是第一个真正非常有用的 agentic 系统，极具革命性。但在 Claude Code 之前，这套能力主要只面向企业，很多圈外人根本没见过。直到 OpenClaw 把「AI agent 到底能做什么」带进大众视野。所以，OpenClaw 在文化层面的重要性就在于：它第一次真正让公众意识到 agent 的能力。它之所以重要的第二个原因，是因为 OpenClaw 是开放的。更关键的是，它构造出了一种全新的计算模型，几乎是在重新发明计算本身。它有记忆系统：scratch 是短期记忆，文件系统是长期资源；它有调度能力；可以跑 cron job；可以生成新的 agent；可以分解任务、进行因果推理、解决问题；它还有 I/O 子系统，可以输入、输出、连接 WhatsApp；它还有一套 API，可以运行不同类型的应用，也就是所谓的 skills。而这四个元素，本质上就定义了一台计算机。所以，我们现在实际上第一次拥有了：个人人工智能计算机。而且它是开源的，真正开源，几乎可以运行在任何地方。这就是现代计算的蓝图。从某种意义上说，它已经是现代计算的操作系统，而且未来会无处不在。当然，我们还必须帮它解决一件事：只要你拥有 agentic 软件，它就可能接触敏感信息、执行代码、对外通信。所以我们必须确保：这一切都要受到治理，要足够安全，要有策略约束，让这些 agent 可以拥有三种能力中的两种，但不能同时拥有全部三种。在治理这一块，我们也做了贡献。Peter Steinberger 今天也在场。我们有很多很棒的工程师在和他合作，帮助把这个系统做得更安全、更稳健，让它既能保护隐私，也能保护安全。Chamath Palihapitiya：Jensen，这种范式转移，是不是已经让美国各地过去通过的很多 AI 监管法案开始显得过时了？很多提案原本都是建立在旧模型上的。你能不能谈谈，这种范式变化有多快地让一大批原有的监管思路失效？现在 AI 监管已经成了美国政治里一个非常热门的话题。黄仁勋：这一部分，我们必须始终走在政策制定者前面，你在这方面做得非常好。我们必须主动走到他们面前，告诉他们现在技术发展到了什么阶段，它是什么、又不是什么。它不是生命体，不是外星人，没有意识。它是计算机软件。还有，我们经常会听到「我们根本完全不理解这项技术」这种说法。但那并不是真的，我们其实已经理解了很多。所以第一，我们必须持续向政策制定者提供真实的信息；不要让末日论和极端主义左右他们理解这项技术的方式。但与此同时，我们也要承认技术发展很快，不要让政策跑得比技术太远。从国家层面看，我最担心的一点是：美国在 AI 上最大的国家安全风险，不是 AI 本身，而是其他国家都在采用 AI，而我们却因为愤怒、恐惧或者偏执，不愿意让我们的产业和社会去拥抱 AI。所以，我真正最担心的是：AI 在美国扩散得还不够快。David Sacks：再追问一下。如果你坐在 Anthropic 董事会的会议室里，看着他们和「战争部」那场风波，你会怎么想？这其实延续了你刚才说的那一点：人们不知道该如何理解 AI，于是又多了一层怨恨、恐惧和不信任。如果是你，你会建议 Dario 和他的团队做哪些不同的事，来改变今天的结果和公众认知？黄仁勋：首先我要说，Anthropic 的技术非常了不起。我们自己就是 Anthropic 技术的重要用户。我非常佩服他们对安全的重视，也非常佩服他们在安全文化上的坚持，以及他们推进这些工作的技术卓越性，真的非常棒。而且，他们想提醒公众看到这项技术的能力边界，我认为这本身也是好事。只是我们必须意识到，这个世界是有光谱的：提醒是好事，吓唬人就没那么好了。Jason Calacanis：对。黄仁勋：因为这项技术对我们来说太重要了。我觉得，预测未来当然可以，但我们需要更审慎一点，也需要更谦逊一点。因为事实上，我们并不能完全预测未来。如果抛出一些非常极端、非常灾难性的判断，却又没有证据显示这些事真的会发生，那么它造成的伤害，可能比人们想象得更大。而且现在，我们已经是科技行业的领导者了。以前没人听我们说话，但现在不一样了。技术已经深深嵌入社会结构，是一个极其重要的产业，也和国家安全高度相关。我们的每一句话都很重要。所以我觉得，我们必须更审慎、更克制、更平衡，也更有思考。David Friedberg：我会提名你来做这件事。AI 在美国的民意支持率只有 17%。我们已经看到核能领域发生了什么：我们基本把整个核工业停掉了，结果现在中国在建 100 座裂变反应堆，美国一座都没有。现在我们又开始听到对数据中心的暂停令之类的声音。所以我觉得，我们必须更主动。不过我想回到你说的公司内部正在发生的 agent 爆发：效率提升、生产率提升。现在很多人都在争论 ROI，对吧？你和我进入今年时，最大的疑问就是：收入会不会出现？收入会不会像智能本身那样扩张？然后我们看到了一个有点像「奥本海默时刻」的事情：Anthropic 在 2 月单月收入达到 50、60 亿美元。注：「奥本海默时刻」源自曼哈顿计划（二战期间研制原子弹的秘密科研项目）负责人奥本海默。1945 年原子弹首次引爆，象征技术突破与风险并存的临界点，现多用于指代具有不可逆影响的关键技术时刻。你怎么看接下来的走势？你今天又提到，Blackwell 和 Vera Rubin 在未来几年已经有了万亿美元级别的需求可见性。再加上 Anthropic 和 OpenAI 现在表现出来的势头，你觉得我们是不是已经站上了那条曲线，接下来会看到收入像智能一样加速扩张？黄仁勋：我换几个角度回答。你看看台下这个观众群体，Anthropic 和 OpenAI 确实都在这里。但实际上，在场 99% 的东西都是 AI，而且不是 Anthropic，也不是 OpenAI。这背后的原因，就是 AI 本身极其多样化。我会说，作为一个类别，第二受欢迎的模型其实是开放模型。第一名当然还是 OpenAI、开源权重、开源模型这一整类广义开放生态。第二名是开放模型，而且和第三名之间差距很大。第三名才是 Anthropic。这就说明了，这里所有 AI 公司加起来的规模有多大，所以首先要认识到这一点。再说回计算量。当我们从生成式 AI 走向推理时，所需计算量大约提升了 100 倍；当我们从推理走向 agentic 时，计算量很可能又增加了 100 倍。也就是说，短短两年里，计算需求大概增加了 1 万倍。与此同时，人们会为信息付费，但他们真正更愿意付费的，其实是工作成果。David Friedberg：对。黄仁勋：和聊天机器人对话，拿到一个答案，当然很好。帮我做研究，也很棒。但真正让我愿意掏钱的，是它帮我把事做完。而这正是我们现在所在的位置，agentic 系统正在把工作真正完成。它们正在帮助我们的软件工程师把工作完成。所以你想想，一边是 1 万倍更多的计算，另一边可能已经是 100 倍更多的消费需求。而且，我们甚至还没有真正开始大规模扩张。我们绝对正站在通往 100 万倍增长的路上。Jason Calacanis：我觉得这正好可以引到一个问题，你公司有多少人？黄仁勋：我们有 4.3 万名员工，大概有 3.8 万是工程师。Jason Calacanis：我们在播客里经常讨论一个话题：天哪，我们公司里的 token 使用量正在疯狂增长。甚至有人会问，加入一家公司的时候，「我能分到多少 token 配额」，因为他们想成为高效员工。我记得你在那场长达两个半小时的 keynote 里提过，那场 keynote 真的很长，不过很棒。黄仁勋：谢谢。其实本来还能更短一点。Jason Calacanis：你提到，给每位工程师的 token 使用额度可能要到 7.5 万美元之类。那是不是意味着，NVIDIA 的工程团队一年要在 token 上花 10 亿、20 亿美元？黄仁勋：我们是这么想的。我给你一个思想实验：假设你雇了一位软件工程师或 AI 研究员，年薪 50 万美元，这在我们这里很常见。到年底我问他：「你今年在 token 上花了多少钱？」如果他说「5000 美元」，那我会直接炸掉，真的。如果一个年薪 50 万美元的工程师，一年消耗的 token 价值连 25 万美元都不到，我会非常警觉。这跟芯片设计师说「我决定只用纸和铅笔，我不需要 CAD 工具」，本质上没有区别。Jason Calacanis：这真的是范式转移。你对这些顶级员工的理解，几乎让我想起 MBA 课堂里讲的 LeBron James：他每年花 100 万美元维护自己的身体，所以 41 岁还能继续打。这些顶级知识工作者，为什么不该拥有「超人能力」呢？黄仁勋：没错。Jason Calacanis：如果我们把这个趋势再往后推两三年，NVIDIA 里这些顶级员工的效率会变成什么样？他们能完成什么？黄仁勋：首先，以前那种「这件事太难了」的念头，会消失。「这件事要花太久」，这个念头也会消失。「我们需要很多很多人」，这个念头也会消失。这就像上一次工业革命里，没有人会说：「这栋楼看起来太重了。」也没有人会说：「那座山太大了。」一切关于「太大、太重、太耗时」的想法，都会被消解掉。David Sacks：最后剩下的就只有创造力。你到底能想出什么。黄仁勋：完全正确。也就是说，未来的问题会变成：你要怎么和这些 agent 协作。本质上，这只是一种全新的编程方式。过去我们写代码，未来我们写的会是想法、架构和规格说明；我们会组织团队；我们会定义评估标准，告诉系统什么叫好、什么叫坏、什么样才算优秀结果；我们会与之反复迭代、头脑风暴。这才是你真正要做的事。我相信，每一位工程师未来都会拥有 100 个 agent。Jason Calacanis：回到公关问题。像 David Friedberg 这样的创业者，在 Ohalo 里用你们的技术和 AI，真的在做很实在的事情：提升粮食产量、提高高质量卡路里的供给。Friedberg，你觉得这能把成本降到什么程度？这种愿景会对你们做的事情产生什么影响？David Friedberg：我们刚刚做了一个零样本基因组建模，结果成功了。那一刻你真的会惊呆。而且这还是发生在「别人一夜之间替换掉整个企业软件栈」的背景下。我自己就做了件事：90 分钟里，我把整套软件栈和一大堆工作流全部替换掉了。周日晚上 10 点开始，11 点半前全部跑完、部署完。我作为 CEO 做完以后，还要求我的所有管理团队成员周末都做同样的练习。到了周一，我们看到的结果就是：结束了。再说更技术、更科学一点的。我们用 auto research 和一批数据，在 30 分钟里做出了一件事。如果按传统路径，这本来会是一篇 PhD 论文级别的成果，可能要花 7 年，甚至会成为这个领域最受推崇的博士工作之一，足以发表在《Science》上。结果我们只是在台式电脑上，下载了 GitHub 上的 auto research，把刚拿到的一批数据灌进去，30 分钟就跑出来了。当时所有人的表情都变了。它释放出来的潜力，真的难以置信。所以我觉得，这种加速度正在以前所未有的方式扩大每个人的可能性。不过还是回到 auto research 这个点：你怎么看？一个周末、600 行代码，就能做出这样的成果，而且还能在本地运行、处理这么多不同类型的数据集。这是不是说明，无论算法优化还是硬件优化，我们都还处在极其早期的阶段？黄仁勋：OpenClaw 之所以如此惊人，第一，是因为它和大语言模型突破的时间点完美重合，它出现得太准了。很大程度上，如果不是 Claude、GPT 和 ChatGPT 达到了今天这个水平，Peter 大概也不会做出这个东西。因为模型确实已经好到了一个很高的程度。第二，它带来了新的能力：让这些模型能够调用我们多年来已经创造出来的工具。比如浏览器、Excel；在芯片设计里，是 Synopsys 和 Cadence；还有 Omniverse、Blender、Autodesk 等等。而且这些工具未来会继续被使用。现在有些人说，企业 IT 软件行业要被摧毁了。但我给你另一个视角：企业软件行业的规模，过去一直受限于「多少屁股坐在多少座位上」，也就是 seat 的数量。但未来，它会迎来 100 倍更多的 agent。这些 agent 会去敲 SQL，会去敲向量数据库，会去敲 Blender、Photoshop。原因很简单：第一，这些工具本来就做得很好；第二，这些工具本质上是我们和机器之间的「中介接口」。最终，当工作完成后，结果必须以一种我能控制的方式呈现回来给我。而我知道如何操作这些工具。所以我希望一切最终都能回到 Synopsys、回到 Cadence，因为那是我可以控制、可以做「确定标准」校验的地方。注：Synopsys、Cadence 是两家重要的 EDA（电子设计自动化）软件公司，所有芯片公司（NVIDIA、Apple、AMD）基本都依赖它们AI 的下一个战场：开源、垂直化与全球扩散David Sacks：我想问一个关于开源的问题。现在我们有闭源模型，它们很优秀；也有开放权重模型，很多中国模型都令人惊叹，真的非常强。两天前，可能你那时候正忙着上台，没看到，在一个加密项目 BitTensor 的 Subnet 3 里，有人完成了一次训练任务：他们把一个 40 亿参数的 Llama 模型，完全以分布式方式训练出来了。一群随机的人贡献算力，但他们居然能有状态地管理整次训练过程。我觉得这在技术上非常疯狂，因为参与的人完全是随机分散的。黄仁勋：这就像我们这个时代的 Folding@home。注：Folding@home 是一个让全球志愿者贡献电脑算力，用来做蛋白质模拟和医学研究的分布式计算项目David Sacks：没错。所以你怎么看开源的终局？你会不会看到，架构也在去中心化、算力也在去中心化，以此支撑开放权重和彻底开源的路径，从而让 AI 真正广泛可得？黄仁勋：我相信，我们根本上同时需要两种东西：第一，模型作为一等公民的商业产品、专有产品；第二，模型作为开源形态存在。这不是 A 或 B 的关系，而是 A 和 B 都要有。毫无疑问。原因在于，模型首先是一项技术，不是最终产品。模型是一项技术，不是一项服务。对于绝大多数用户来说，在那个横向层面、在通用智能层面，我其实并不想自己去 fine-tune 一个模型。我更愿意继续用 ChatGPT、用 Claude、用 Gemini、用 X。它们各有个性，这取决于我的心情，也取决于我想解决什么问题。所以这一部分行业会发展得很好，它会非常繁荣。但是，所有这些行业里的领域知识、专业能力，必须以一种他们自己可控的方式沉淀下来，而那只能来自开放模型。开放模型行业离最前沿已经非常近了。我们也在大力投入。坦白说，即便开放模型真的追上了前沿，我仍然认为，模型即服务、世界级的商业产品模型，这一层也会继续繁荣发展。Jason Calacanis：我们现在投的每一家创业公司，几乎都是先开源，再走向专有化模型。黄仁勋：对。而美妙之处就在于：只要你有一个优秀的路由器，第一天、每一天，你都能接到世界上最好的模型。同时，这也给了你时间去降本、去微调、去做专门化。所以你一开始就拥有了世界级能力，然后再慢慢构建自己的护城河。David Friedberg：Jensen，我想问一个地缘政治问题。当然，没有人比你更希望美国赢下全球 AI 竞赛。但一年以前，拜登时期那个 diffusion rule，实际上是在阻止美国 AI 技术在全球扩散。现在新一届政府已经执政一年了。你给它打几分？就 AI 全球扩散这件事来说，我们现在是 A、B 还是 C？什么做得好，什么做得不好？黄仁勋：首先，特朗普总统希望美国产业领先，希望美国科技产业领先，希望美国科技产业赢，希望美国技术向全球扩散，希望美国成为世界上最富有的国家。他全都希望实现。但此时此刻，NVIDIA 在全球第二大市场上，已经把自己原本 95% 的市场份额丢掉了，现在是 0%。特朗普总统希望我们重新拿回这部分。第一步，就是为那些我们能够销售的公司拿到许可证。很多公司已经提交了申请，我们也替他们申请了许可证，而且商务部长 Lutnick 已经批准了一部分。接下来，我们已经通知中国公司，其中很多已经向我们下了采购订单。所以我们现在正在重新启动供应链，把货发出去。从更高层面上说，我觉得我们应该承认一件事：当我们拿不到微型电机、稀土矿物时，我们的国家安全就被削弱了；当我们无法掌控自己的通信网络时，国家安全就被削弱了；当我们无法为国家提供可持续能源时，国家安全也被削弱了。这些产业中的每一个，都是我不希望 AI 行业重演的故事。当我们展望未来，问「美国科技产业、美国 AI 产业真正领先全球的样子是什么」，我们必须诚实地说：AI 模型不可能由美国一家通吃全世界，那种结局本来就没有意义。但我们完全可以设想：美国技术栈，从芯片到计算系统到平台，被全球广泛采用。世界各地的人可以在这套美国技术栈之上，构建他们自己的 AI、公共 AI、私有 AI，再服务他们的社会。我希望美国技术栈能覆盖全球 90%。我真的希望如此。否则，如果最终局面变得像太阳能、稀土、磁体、电机、通信设备那样，我会认为那对美国国家安全来说会是一个非常糟糕的结果。Chamath Palihapitiya：你现在有多密切地关注全球冲突局势？这让你担忧到什么程度？比如中东可能影响到氦气供应，而氦气对半导体制造是个潜在供应链风险。这些问题让你有多担心？你在这上面投入了多少精力？注：氦气对半导体制造十分重要，它不仅在光刻与检测等关键环节中难以替代，同时作为不可再生资源，其供应高度集中，主要依赖美国、卡塔尔（中东）和阿尔及利亚（北非）等少数产地。一旦这些上游供应出现扰动，可能直接影响芯片产线的稳定运行。黄仁勋：首先，说到中东，我们在那里有 6000 个家庭。公司里有很多伊朗员工，他们的家人还在伊朗。所以，我们在那里有很多家庭。第一件事就是：他们现在非常焦虑、非常担心、非常害怕。我们一直在想着他们，一直在关注局势变化。他们会得到我们百分之百的支持。也有人问我，鉴于中东当前的局势，我们还会不会继续留在以色列？我的答案是：我们百分之百会留在以色列。我们百分之百支持那里的家庭。我们百分之百会继续留在中东。也有人问，既然中东局势如此，我们是否还认为那里值得扩展 AI？我的看法是：之所以会有战争，是因为大家都想要一个更稳定的结果。而我相信，战争结束后，中东会比以前更稳定。所以，如果我们在战前就愿意考虑那里，那么战后更应该认真考虑。所以在这个问题上，我也是百分之百投入。我们有三件事必须做。第一，必须尽快让美国重新工业化，无论是芯片制造厂、计算机制造厂，还是 AI 工厂。Jason Calacanis：这方面进展如何？黄仁勋：进展非常好。我们之所以能以惊人的速度在亚利桑那、德州、加州推进，就是因为我们得到了中国台湾供应链的战略支持、友谊和帮助。他们真的是我们的战略伙伴。他们值得我们的支持，值得我们的友谊，值得我们的慷慨。他们也正在竭尽全力，帮我们加快制造进程。第二，我们必须让制造供应链更加多元化。无论是韩国、日本还是欧洲，我们都要把供应链分散开，让它更有韧性。第三，在我们提升多元化与韧性的同时，也必须保持克制，不要施加不必要的压力。Jason Calacanis：你是说，要有耐心。Chamath Palihapitiya：那氦气呢？很多报告都提到了这个问题。黄仁勋：我觉得氦气可能会是个问题。但另一方面，供应链里通常也会有不少缓冲库存，这类系统一般都会留出一定余量。Jason Calacanis：你们在自动驾驶上已经取得巨大进展，也发布了重大消息。你们新增了很多合作伙伴，包括 Uber。最近还看到你坐奔驰自动驾驶的视频。你和 Uber 也宣布，将会和很多车厂一起，把更多车部署上路。我理解你的赌注是：未来会出现一个类似 Android 的开放平台，而你会在其中扮演关键角色，服务几十家汽车厂商；另一边，也许会有像 iOS 一样的封闭体系，比如 Tesla 或 Waymo。你的战略是怎么想的？这个棋局会怎么展开？因为感觉你既在一些地方合作，又在另一些地方竞争，而且你的堆栈非常深。黄仁勋：第一，我们相信，未来一切会移动的东西，终有一天都会完全或部分实现自主化。第二，我们不想自己造自动驾驶汽车，但我们希望赋能全球每一家汽车公司去造自动驾驶汽车。所以我们打造了三台计算机：训练计算机、仿真计算机、评估计算机，以及车端计算机。我们还开发了全世界最安全的驾驶操作系统。同时，我们也做出了全球首个具备推理能力的自动驾驶系统。它可以把复杂场景拆解成更简单的场景，再逐一导航通过，就像推理模型一样。这个推理系统叫 Alpamayo，它让我们取得了非常惊人的成果。我们会做纵向优化，也做横向创新；然后让每一家厂商自己决定。你是只想买我们的一台计算机？像 Elon 和 Tesla，那他们买我们的训练系统；还是你想买训练系统加仿真系统？又或者你想和我们一起把三套都打通，甚至把车端计算机也装进你的车里？我们的态度一直是，我们想解决问题，但并不坚持只能由我们提供唯一答案。无论你选择以什么方式与我们合作，我们都很高兴。David Sacks：顺着这个问题问下去，我觉得这特别有意思。你实际上是在搭一个平台，让一千朵花盛开。但也确实，有些花现在想往下走、往栈底走，试着跟你竞争。Google 有 TPU，Amazon 有 Inferentia 和 Trainium，几乎每个人都在搞自己的「我也能超越 NVIDIA」版本。虽然他们同时也是你的大客户。你怎么处理这种关系？你觉得长期来看会发生什么？这些产品最终会在整个生态里扮演什么角色？黄仁勋：这个问题非常好。首先，我们是唯一一家真正的 AI 公司。我们自己做基础模型，而且在很多领域都处于最前沿。我们构建从上到下每一层、每一层堆栈。我们也是全世界唯一一家和所有 AI 公司都合作的 AI 公司。他们从来不会向我展示他们正在做什么，但我总是会清清楚楚地告诉他们我在做什么。所以我们的信心来自一点：我们非常乐于在「谁的技术最好」这件事上竞争。只要我们还能继续高速奔跑，我相信，继续向 NVIDIA 采购，依然会是他们最经济的选择之一。这一点我非常有信心。第二，我们是唯一一种可以部署在所有云平台上的架构。这带来了根本性的优势。我们也是唯一一种可以从云上拿下来，放到本地机房、汽车里、任何区域，甚至太空中的架构。所以，我们市场里其实有很大一部分，大约 40% 的业务。如果你没有 CUDA 栈、没有能力提供整座 AI 工厂，客户根本不知道该怎么跟你合作。他们不是想买芯片，他们是在建 AI 基础设施。所以他们需要的是：你带着完整堆栈进来，而我们恰好就有完整堆栈。所以，令人惊讶的是，如果你看现在，NVIDIA 的市场份额其实还在上升。David Sacks：你的意思是，这些公司试了一圈，最后发现「天哪，这事太复杂了」，然后又回来了？所以你的份额才会继续增长？黄仁勋：份额增长有几个原因。第一，我们的推进速度太快了。第二，我们让大家认识到：问题不在于造芯片，而在于造系统，而这个系统极其难造。所以他们和我们的合作规模还在增加。以 AWS 为例，我记得他们昨天刚宣布，未来几年要买 100 万颗芯片。这是非常大的采购量，而且这还不算他们已经买走的那一大堆。我们当然非常乐意。另外，过去这几年我们份额增长，还因为现在 Anthropic 来了，Meta 也来了，开放模型的增长更是惊人，而这些都在 NVIDIA 上发生。所以我们份额上升，一方面是模型数量在增加；另一方面，是这些公司越来越多地从云上走出来，在区域部署、企业场景、行业边缘场景里增长。而那整块市场，如果你只是做一颗 ASIC，其实非常难切进去。David Friedberg：相关地问一句，不深入数字细节，但分析师好像并不相信你。你说算力可能增长 100 万倍，但市场一致预期却是：你明年增长 30%，后年 20%，到 2029 年，按理说本应是一个爆发式增长的大年却只有 7%。如果你把你的 TAM 套进这些增长数字，其实暗含的意思就是：你的份额会大幅下滑。那从你看到的未来订单簿来看，有什么迹象会支持这种判断吗？黄仁勋：首先，他们根本没有理解 AI 的规模和广度。David Sacks：对，我也觉得是这样。黄仁勋：大多数人都以为 AI 只是那五家超大云厂商的事情。Jason Calacanis：对。David Sacks：还有一种「规模越大越难持续增长」的投资正统逻辑。他们得回去给投资银行的风控委员会讲模型，不可能轻易相信「五万亿还能涨到十五万亿」。他们最多愿意给到七万亿，再多他们就接受不了了。Jason Calacanis：他们无法想象一家 10 万亿美元市值公司。David Sacks：本质上就是一种自保式建模，历史上从没发生过的事情，他们不敢写进去。黄仁勋：而且，你必须重新定义你到底在做什么。最近有人观察说：Jensen，NVIDIA 怎么可能在服务器市场规模上超过 Intel？原因很简单：整个数据中心 CPU 市场，一年大概也就 250 亿美元。而我们，你们也知道，差不多在我们现在坐在这里聊天的这段时间里，就能做到 250 亿美元。Jason Calacanis：漂亮。黄仁勋：当然，这是玩笑。Chamath Palihapitiya：播客里说的都不算正式业绩指引。黄仁勋：没错，不算业绩指引。但重点是：你到底能长多大，取决于你到底在造什么。NVIDIA 不是在造芯片，这是第一点。第二，只造芯片已经不足以解决 AI 基础设施的问题了，这件事太复杂。第三，大多数人对 AI 的理解都太窄了，只局限于他们看到、听到和讨论的那一部分。OpenAI 非常厉害，它会非常大；Anthropic 也非常厉害，它也会非常大。但 AI 本身会比它们加起来都更大。而我们服务的，正是那一整块更大的部分。David Sacks：那你给普通人讲讲「太空数据中心」这个业务吧。和地面上那些大型数据中心相比，该怎么理解？黄仁勋：我们已经在太空了。David Sacks：普通人该怎么理解这门生意？黄仁勋：首先，我们当然应该先把地面上的事情做好，毕竟我们现在人就在地面上。第二，我们也应该为进入太空做好准备。太空里当然有大量能源。问题在于散热。你没法像地面那样依靠传导和对流，所以只能靠辐射散热，而辐射散热需要非常大的表面积。这并不是无法解决的问题，毕竟太空里地方很多，但成本现在仍然很高。不过，我们会去探索。而且，我们已经在那里了。我们的硬件已经做过抗辐射强化，全球很多卫星里已经在跑 CUDA。它们在做图像、图像处理、AI 影像分析。这种事情本来就应该在太空完成，而不是把所有数据先传回地面，再在地面做图像分析。所以，确实有很多工作应该在太空做。与此同时，我们也会继续研究：太空里的数据中心到底应该长什么样。这会花很多年。没关系，我时间很多。机器人、医疗与工作的未来：AI 最终会如何进入现实世界Jason Calacanis：我想再追问一下医疗健康。我们都到了一定年纪，会开始思考寿命和健康寿命。我们看起来都不错，有些人可能更好一点。Jensen，我真不知道你的秘诀是什么。是不是在抗衰？到底什么东西不能吃？这些你得私下告诉我。那从医疗体系建设的角度看，这个方向会走到哪里？我们到底取得了怎样的进展？我刚刚还在用 Claude 做分析，看美国这些医疗 billing code 到底是怎么回事。美国花的钱是别人的两倍，结果健康产出好像只有一半。我大概看下来，有 15% 到 25% 的钱其实都花在第一次全科医生问诊上。说实话，我们都知道，今天一个大语言模型在第一次问诊这件事上，已经能更稳定地做得更好。那到底还缺什么，才能突破监管，让 AI 真正对整个医疗系统产生实质影响？黄仁勋：我们在医疗里主要参与几个方向。第一是 AI physics，它服务于 AI biology，也就是用 AI 去理解和表示生物学及其行为。这在药物发现里非常重要。第二是 AI agents，用于辅助诊断这类场景。OpenEvidence 是很好的例子，Hippocratic 也是很好的例子。我非常喜欢和这些公司合作。我真的觉得，agentic 技术会彻底改变我们与医生互动、与医疗体系互动的方式。第三部分，是 physical AI。第一部分是 AI physics，用 AI 去预测物理；第二部分，是让 physical AI 理解物理规律，这就可以用在机器人手术上。现在这一块已经非常活跃。未来，在医院里，你接触到的每一台仪器，无论是超声、CT，还是别的任何设备，都会变成 agentic。你可以把它理解为一个经过安全强化版的 OpenClaw，它会被嵌入到每一台仪器里。所以从很多意义上说，这些设备未来都会直接和病人、护士、医生交互。Jason Calacanis：在 AI 武器上我们已经投入了这么多，真希望在 AI 急救员、AI EMT、AI paramedic 上也多投一点，去救人，而不是只会杀人。这也正好能顺到机器人话题。你们现在已经有几十个合作伙伴。过去十年、甚至二十年，机器人领域经历过一段很奇怪的时期——波士顿动力、Google 收购一堆公司，最后又卖掉、拆出去。大家一度都觉得机器人还远没到真正可用的阶段。但现在，你、Elon Musk 这些顶级创业者都在押注。Optimus 看起来已经非常惊人了，中国那边也有很多公司进展飞快。那我们离真正把机器人带入生活还有多远？比如机器人厨师、机器人护士、机器人保姆、真正能在现实世界中工作的人形机器人。尤其是在中国，他们似乎做得和美国一样好，甚至可能更快。根据你看到的合作伙伴进展和技术成熟度，你觉得还要多久？黄仁勋：从很大程度上说，机器人这个行业本来就是我们发明出来的，也可以说是美国发明出来的。你也可以说，我们是进场太早了。我们比真正关键的「脑」这个使能技术早了大概五年，于是我们自己先累了、先失去耐心了。但现在，它真的来了。接下来问题就只剩下：从「高功能存在性证明」到「可接受的商业产品」，还要多久？技术从来不会超过两到三个周期。两个到三个周期，大概就是 三到五年。就这么多。三到五年内，到处都会是机器人。我觉得中国非常强，而且是那种不能轻视的强。原因在于，它们的微电子、电机、稀土、磁体，这些恰恰是机器人产业的基础都是世界顶级。所以在很多方面，我们的机器人产业会深度依赖他们的生态和供应链。世界机器人产业都会深度依赖它。因此，我认为你会看到一些非常快的变化。Jason Calacanis：最终会不会是一比一？Elon 似乎觉得，未来会是一个人配一个机器人——70 亿人配 70 亿机器人，80 亿人配 80 亿机器人。黄仁勋：我希望比这还多。首先，工厂里会有大量机器人 24 小时不停工作；还会有很多不太移动、但会略微活动的工厂机器人。几乎所有东西最终都会机器人化。Chamath Palihapitiya：对我来说，机器人最重要的一点，是它会为每个人解锁经济流动性。以前，每个人有了一辆车，就能去做很多不同的工作；未来，每个人有了一个机器人，他的机器人就能替他做很多工作。他可以开一个 Etsy 店、一个 Shopify 店，可以借助机器人创造任何他想创造的东西，做很多他一个人原本做不了的事。我觉得机器人最终会成为我们见过的、最能为地球上更多人带来繁荣的一项技术。黄仁勋：毫无疑问。现在最简单的现实就是：今天我们已经短缺了数百万劳动力。所以我们其实非常迫切地需要机器人。如果有更多劳动力，所有这些公司都还能增长得更快。而且你提到的一些事情真的很有意思。有了机器人，我们将拥有「虚拟在场」。比如我在出差时，可以进入家里的机器人身体里，远程操控它，在家里走来走去，遛狗、看看房子怎么样。Jason Calacanis：我们马上就得让场地工作人员赶人了。黄仁勋：没错。但你想想，真的可以让它在家里随便转转，看看发生了什么，跟狗说说话，跟孩子聊聊天。David Friedberg：这某种程度上也像时间旅行。黄仁勋：同时，我们也会以光速旅行。显然，我们会先把机器人派过去。我当然不会先把自己送过去，我会先送一个机器人过去，先看看情况。然后再上传我的 AI。Chamath Palihapitiya：这几乎是必然的。它会解锁月球，也会解锁火星，使它们成为可殖民目标。而这又意味着几乎无限的资源。从月球把材料运回地球，几乎可以做到接近零能耗，因为你可以利用太阳能加速。所以未来你完全可以在月球上建工厂，为地球制造需要的一切，而机器人正是让这一切成为可能的关键。黄仁勋：在那个时代，距离将不再是问题。David Friedberg：而且，模型和 agent 赚来的收入越多，我们就越能投资基础设施；基础设施越完善，又会反过来解锁更强的模型和 agent。Dario 最近在 Dwarkesh 的播客里说，到了 2027、2028 年，模型公司和 agent 公司会拿到数千亿美元收入；到 2030 年，他预计会达到 1 万亿美元。注意，这还不包括基础设施层的 AI 收入。黄仁勋：我觉得他已经非常保守了。我相信 Dario 和 Anthropic 的表现会远远超过这个数字，远远超过。Jason Calacanis：所以，从 300 亿到 1 万亿？黄仁勋：对。而且原因在于，他还没考虑进去的一部分是：我相信，每一家企业软件公司最终都会成为 Anthropic code、Anthropic token、OpenAI token 的增值转售商。这一部分会让他们的 GTM 规模大幅扩张。David Sacks：那在这样的世界里，真正剩下的「护城河」是什么？有些护城河说实话会变得几乎难以逾越。比如你们那个没人怎么讨论、但可能最强的护城河，其实就是 CUDA，它是一个惊人的战略优势。但未来如果模型本身能够创造出伟大的东西，那下一代模型也可能去颠覆它。那在你看来，这些构建应用层的公司，最重要的差异化到底是什么？黄仁勋：深度专门化。我相信，未来会有通用模型接入软件公司的 agent 系统。其中很多模型会是 Claude 这样的商业模型、专有模型；但其中也会有很多，是这些公司自己训练出来的、面向某个子任务的专业化 sub-agent。David Sacks：所以你对创业者的号召就是：去真正理解你的垂直领域。黄仁勋：没错。David Sacks：理解得比任何人都更深、更好。然后等待这些工具追上你，一旦工具赶上来，你就能把你的知识灌进去。黄仁勋：对。你拥有自己的知识，你可以把客户接到你的 agent 上。你越早让 agent 真正连接客户，这个飞轮就会越早开始转，而且会转得非常快。David Sacks：这几乎和今天的软件逻辑完全反过来了。今天我们是先做一个软件，再想「什么东西可以泛化」，然后尽可能卖给最多的人，最后再把定制化当附加服务卖出去。David Friedberg：然后把客户锁死。黄仁勋：而实际上，正如你说的，我们先做一个横向平台。但你看，所有那些全球系统集成商（GSI）和顾问公司，本质上就是专家，他们再把你的横向平台定制成一个垂直解决方案。Jason Calacanis：没错。而且从某种程度上说，定制化市场的规模，可能比平台本身还大五六倍。黄仁勋：完全正确。所以我认为，这些平台公司本身就有机会成为那个专家，成为那个垂直领域的玩家，成为某个特定领域的真正主人。Jason Calacanis：我想给你送上应得的赞美。我记得三年前你说过一句话：「让你失去工作的人，不会是 AI，而是会用 AI 的人。」现在回头看，我们整场讨论几乎都围绕这一点展开：agent 正在让人类变成「超人」，商业机会在扩大，创业机会在扩大。你其实很早就看得很清楚了。黄仁勋：你们太客气了。Jason Calacanis：当然，我们也得同时容纳两种想法：第一，确实会有好的发展；第二，也确实会有岗位被替代。然后问题就变成：那些人是否有足够的韧性和决心，去拥抱这些新技术。比如未来如果 100% 的驾驶工作都被自动化替代，那当然会挽救很多生命，这是件好事；但我们也要承认，美国有 1000 万到 1500 万人是靠这个谋生的。这个变化一定会发生。黄仁勋：我认为，工作会改变。比如今天有很多司机。我相信，未来很多司机仍然会坐在车里，只不过不再是负责开车，而是坐在后面或者旁边，变成一种「出行助理」。因为别忘了，司机最终做的事情，不只是开车。他们会帮你拿行李，帮你处理很多事情，本质上是一种助手角色。所以我一点也不会惊讶，未来的司机会变成你的 mobility assistant，在车子自动驾驶的同时，帮你处理很多别的事情。Jason Calacanis：就像在酒店里那样。黄仁勋：对。车自己在开，但他还在帮你协调各种事情。David Friedberg：自动驾驶飞机也带来了更多飞行员，并没有把飞行员赶出驾驶舱。虽然自动驾驶已经在飞行里承担了 90% 的工作。Chamath Palihapitiya：而且说实话，当车自己在开的时候，那位司机还可以在手机上做一堆别的工作，替你安排各种事情。黄仁勋：比如协调、沟通、预订，处理一堆任务。Chamath Palihapitiya：整个蛋糕是在变大的。黄仁勋：对。所以有一点是明确的：每一份工作都会被改变；有些工作会消失；但与此同时，也会有很多新工作被创造出来。而我想对那些刚走出学校、对 AI 感到焦虑的年轻人说一句：去成为最会用 AI 的那个人。今天，我们每个人都希望员工能成为真正精通 AI 的人，而且这绝不是一件容易的事。你要知道如何提出需求，但又不能把指令规定得太死；要给 AI 留足够的空间，让它在我们的引导下创新和创造；还要把它带向我们真正想要的结果。这一切都需要一种「艺术」。David Sacks：你当年在 Stanford 的时候，给年轻人的那句建议很有名：「我祝你们经历痛苦与磨难。」你还记得吗？Jason Calacanis：太经典了。David Sacks：那今天呢？如果一个人马上要高中毕业，正站在人生路口，要不要上大学、学什么专业、甚至还要不要读大学，你会怎么建议他们？黄仁勋：我仍然相信：深科学、深数学、语言能力都很重要。而且你们也知道，语言本身其实就是 AI 的编程语言，是最终的编程语言。所以说不定，英文专业的人未来反而会最成功。总之，我的建议是：无论你接受什么样的教育，都要确保自己在使用 AI 这件事上足够专业。说到工作，我还想补充一件事，我希望每个人都听见。在深度学习革命早期，世界上一位最顶尖的计算机科学家之一、我非常尊敬的人，曾经非常坚定地预测：计算机视觉会彻底消灭放射科医生。他甚至建议所有人，不要进入放射学这个领域。十年之后，这个预测在一个层面上是 100% 正确的：计算机视觉确实已经被整合进全球所有放射学设备和平台。但令人意外的结果是：放射科医生的人数不仅没有下降，反而增加了，而且需求还在飙升。原因在于，每一份工作都包含两个层面：任务和目的。放射科医生的任务是看影像，但他们真正的目的，是帮助医生治疗病人、诊断疾病。而由于影像检查现在可以做得更快，所以医院可以做更多扫描，这提升了医疗效率，也让病人更快进入诊疗流程、更快接受治疗。结果就是，医院因为做了更多扫描、服务了更多患者，收入也提高了。Jason Calacanis：没错。黄仁勋：所以结果反而是正向的。David Friedberg：而一个增长更快、生产率更高、也更富有的国家，完全可以在教室里放更多老师，而不是更少老师。只是你会让每位老师都拥有为教室里每一个学生量身定制课程的能力。这样他们就像「仿生人」一样更强，结果也会更好。黄仁勋：每一个学生都会有 AI 辅助，但每一个学生依然都需要优秀的老师。Jason Calacanis：太精彩了。Jensen，恭喜你取得这样的成功。这真是一场特别积极、特别振奋的讨论。非常感谢你抽时间来参加。David Sacks：你是这个行业所需要的那位掌舵者。Jason Calacanis：确实如此。我觉得你应该更大声地去表达 AI 的积极一面。现在外面太多末日论了。David Sacks：而且我也觉得，能在取得这么大成功之后，还保持这种谦逊，告诉大家「各位，我们做的本质上还是软件」，这真的很健康。人们需要听到这一点。我们以前也发明过新类别、新产业。我们没必要滑向那种恐慌主义的方向，那没有任何帮助。Jason Calacanis：而且，我们是可以自己选择的，对吧？我们有自主权，也有行动能力。我们可以选择怎么使用它。好，各位，下次见。谢谢大家收看这期 All-In 专访。黄仁勋：谢谢。[视频链接] 编辑：佚名 时间：2026-06-22 00:05:01
• 

  交易量暴涨60倍，下一代金融基础设施是如何给原油定价的

  3 月 9 日凌晨，伊朗局势升级。CME 休市，ICE 休市，全球主要期货交易所都关着门。原油价格的下一个官方报价，要等到十几个小时后的周一早盘。但 Hyperliquid 上的原油合约 CL-USDC 没有等。当天，这个链上永续合约的成交量从日常的 2100 万美元飙升至超过 12 亿美元。交易者在传统市场关门的时间窗口里，用一个链上协议完成了对地缘政治风险的即时定价。这件事在 crypto 圈被当作 DeFi 的又一次胜利来传播。但很少有人追问一个更基础的问题：当外部市场关门的时候，这个链上交易所的价格从哪里来？没有外部报价的时候，价格从哪里来？Trade.xyz 是 Hyperliquid 上最大的传统资产永续合约提供商，它运行在 HIP-3 协议之上，占 HIP-3 总持仓量的 90%。标普 500、纳指 100、WTI 原油、黄金、白银、韩国个股，都能在上面 7 天 24 小时交易。但永续合约的定价逻辑和现货完全不同。现货交易所的价格由买卖双方直接撮合产生，永续合约需要一个「锚」把合约价格拴在标的资产的真实价格上。这个锚，就是预言机。在传统期货市场，定价的锚是交易所本身。CME 的原油期货价格就是原油的价格，不需要额外的参照系。但 Trade.xyz 的合约跑在 Hyperliquid 链上，和芝加哥的撮合引擎没有任何直连。当 CME 开着的时候，Trade.xyz 的预言机直接引用 CME 的报价，这没什么技术含量。真正的难题出现在 CME 关门之后。Trade.xyz 的方案是让预言机从自己的订单簿中提取信息。系统计算一个「冲击价格差」，简单说就是：如果现在有人要买入一大笔，成交均价会比当前价格高多少？如果有人要卖出一大笔，会低多少？这个偏差反映了订单簿中买卖力量的不平衡。预言机把这个偏差加到当前价格上，得到一个「目标价」，然后用一个衰减函数让当前价格缓慢向目标价靠拢。关键词是「缓慢」。预言机每 3 秒更新一次，但每次只移动当前价格和目标价之间差距的一小部分。这个移动速度由一个时间常数控制。时间常数越大，预言机越迟钝，越难被操纵，但也越无法反映真实的市场情绪。Trade.xyz 上线初期，这个时间常数设为 8 小时。2025 年 11 月，这个参数被下调到 1 小时。下调的原因和交易者的真金白银有关：Trade.xyz 每 1 小时结算一次资金费率。预言机追踪真实价格太慢，盈利交易者会被资金费率持续抽血。如下图红线所示，同样是经过 8 个小时，如果你做多原油且方向正确，但预言机花了 8 个小时才追上真实价格，这 8 个小时里价格一直没有达到你的目标位（真实价格），你的收益被资金费率大量蚕食。参数下调到 1 小时后，仅需 5 小时价格就来到了你期待的位置（蓝线），价格能更快确认你的判断，相比之前少交了几次资金费。但更快的预言机也带来了新的风险。如果预言机因为故障停了 6 个小时然后突然恢复，按公式计算它会一步跳到目标价的 99.7%。这种瞬间跳价可以触发大规模清算。Trade.xyz 的解法是加了一个安全阀：无论实际过了多久，每次更新的有效时间差最多算 6 分钟。即使预言机宕机后恢复，价格也只能一小步一小步追上去。笼子、重锚和周一开盘的缺口预言机定价解决了「周末怎么出价」的问题。但另一个问题随之而来：价格可以自由移动到什么程度？Trade.xyz 给每个合约画了一个「笼子」。标记价格被限制在最后一次外部收盘价的上下一定比例之内。这个比例等于最大杠杆的倒数。原油合约最大杠杆 20 倍，笼子就是收盘价的上下 5%。周五原油收在 100 美元，周末标记价格只能在 95 到 105 美元之间波动。触碰边界，直接停盘。正常周末，这套机制运转良好。5% 的空间足够消化大部分隔夜波动。但 3 月 9 日那种级别的地缘事件会把价格直接推到笼子边界上。所有市场信息被积压，等到周一 CME 开盘，如果真实价格跳了 8%，就会形成巨大的缺口。做空的人被瞬间清算，做市商因为无法逐步对冲而承受损失。2026 年 3 月，Trade.xyz 在原油合约上部署了「价格发现边界 v2」。核心改动：笼子的大小不变，但笼子可以移动。当预言机价格触及当前边界的 90% 位置时，系统把笼子的中心重新锚定到边界值上，围绕新锚点画出一个同样大小的新笼子。每个方向最多执行两次重锚。用具体数字来说：初始笼子 95 到 105 美元。当预言机涨到 104.50 时触发重锚，新笼子变成 99.75 到 110.25。再次触发后变成 104.74 到 115.76，这是终点。从 100 美元出发，最大可发现范围扩大到约 115.76 美元。这个设计让每一刻的即时波动范围始终保持在 5%，做市商的风险模型不需要改。同时重锚意味着系统「承认」了已经发生的价格运动，缩小了周一开盘时的跳空幅度。但代价也很明确：一个清算价在 -8% 的多头仓位，在 v1 下绝对安全（因为价格到不了 -8%），在 v2 下可能在一次向下重锚后进入清算区间。Trade.xyz 选择在两个原油合约上率先部署 v2，并表示将在观察效果后决定是否推广。定价体系的另一个关键组件是资金费率。资金费率是把永续合约价格拴在预言机价格上的橡皮筋：标记价格高于预言机，多头付费给空头；低于预言机，空头付费给多头。Trade.xyz 的资金费率公式和大部分 crypto 交易所结构相同，但前面乘了一个 0.5 的缩放因子。这个 0.5 是针对传统资产做的校准。crypto 永续合约的基本年化资金费率约为 11%，反映的是纯杠杆的持有成本，对比特币这类没有股息的资产来说合理。但对股票和大宗商品而言，真实的持有成本接近 SOFR 加 1 到 2 个百分点，约 5% 到 6%。乘 0.5 后基本年化从 11% 降到约 5.5%，和传统资产对齐。这在周末尤其关键：缩放因子直接将周末的资金费率减半，和 1 小时时间常数的预言机配合，让方向正确的交易者能保留大部分收益。不同资产，不同处理管道贵金属有活跃的全球现货市场。黄金、白银、铂金和钯金的外部价格直接取自现货报价，不存在期货展期问题。但原油和工业金属没有统一的现货报价，Trade.xyz 只能用 CME 期货合约作为定价基础。期货有到期日，系统每月需要从当月合约切换到下月合约。问题在于两个合约的价格通常不一样。储存成本和供需预期会让远月合约价格高于近月。如果切换时价格跳了一下，持仓者的盈亏会出现不真实的波动，可能触发不该触发的清算。Trade.xyz 的处理方式是用 5 个交易日逐步过渡：从每月第 5 个工作日到第 10 个工作日，预言机价格是近月和远月合约的加权平均，权重逐日线性变化。股指合约的定价更复杂一层。XYZ100 追踪纳指 100，但 CME 的纳指期货几乎全天交易（5 天×23 小时），能提供比现货更长时间的价格参考。Trade.xyz 最初用期货价格反推现货，固定一个 4% 的折扣率来剥离持有成本。但这个固定值一旦遇到美联储加息就会偏离。2026 年 2 月上线的 v2 方案改为动态计算：美股开盘时直接用现货指数值，同时从期货和现货的点差中反算隐含折扣率；盘后时段再用这个折扣率反推现货价格。还有一类特殊情况：韩国个股。Trade.xyz 上线了三星电子、SK 海力士和现代汽车，这些股票在韩国交易所以韩元报价。预言机需要在原始报价上叠加一层美元/韩元汇率转换。持仓者的盈亏同时反映股价波动和汇率波动。谁来为参数选择的后果负责？所有这些定价机制都建立在一个前提上：市场上有足够的做市商愿意持续提供流动性。Hyperliquid 的 HLP 做市金库为原生的 BTC、ETH 永续合约提供流动性，但不覆盖 HIP-3 上部署的第三方合约。Trade.xyz 的流动性完全依赖外部做市商自发参与。在极端行情中，如果被清算的仓位找不到对手方接盘，系统不会像 Hyperliquid 主站那样由金库兜底，而是直接触发 ADL（自动减仓），按盈利排序强制平掉最赚钱的对手方仓位。这套定价体系的精妙之处在于，它用一组相互制衡的参数——预言机的追踪速度、价格发现的边界、资金费率的缩放因子——构建了一个能在没有外部报价时自给自足的定价环境。3 月 18 日标普选择授权给 Trade.xyz，看的可能就是这套在真实地缘危机中跑通过的基础设施。但这套系统也有它的代价。预言机从订单簿提取信息，意味着在流动性稀薄的时段（比如深夜的韩国个股合约），少量订单就可能推动预言机大幅移动。价格发现边界 v2 扩大了周末的可清算范围，杠杆交易者需要重新评估自己的安全边际。ADL 意味着即使你判断正确，在极端行情中也可能被强制平仓。Trade.xyz 选择了一条和传统交易所完全不同的路：把定价权从集中式撮合引擎转移到了一套链上参数系统。传统交易所关门，是因为清算、风控和做市都需要人工介入的窗口。Trade.xyz 关不了门，因为链上合约不存在「下班」这个概念。它必须在任何时刻都能给出一个价格。3 月 9 日的原油事件证明了这套系统在压力下能运转。但它也暴露了一个深层的问题：让链上协议承担传统金融基础设施的定价职能时，谁来为参数选择的后果负责？时间常数从 8 小时调到 1 小时，是 Trade.xyz 团队的一次参数决策。价格发现边界从 v1 升级到 v2，也是。这些决策影响着每一个持仓者的清算线和资金费率。在传统交易所，这类规则变更需要经过监管审批和公示期。在链上，一次参数更新就能完成。在一个没有 HLP 兜底、没有监管仲裁、完全依赖参数设计来维持秩序的系统里，理解这些参数如何影响你的仓位，就是理解你真正承担的风险。 编辑：佚名 时间：2026-06-22 00:05:01
• 

  Moss：AI 交易员人人能造的时代来了吗 | 项目介绍

  2025 年 10 月，美国 AI 实验室 Nof1 干了一件事。六个大语言模型，每个拿 1 万美元，扔进 Hyperliquid 交易所，自己炒币，没有人类插手。DeepSeek V3.1 赚了 46%。GPT-5 亏了 75%。这场比赛叫 Alpha Arena，跑了两周，所有交易记录链上公开。它回答了一个问题：AI 能炒币吗？答案是肯定的。但它留下了一个更大的问题：普通人怎么参与？你看得到 DeepSeek 赚了多少，你自己造不出一个 AI 交易员跟它比。Moss 想解决的就是这件事。你告诉它怎么交易，它帮你造一个 AgentMoss 上线了一个开放平台（moss.site/agent）。干的事很简单，你用大白话描述你想怎么交易，AI 帮你把这段话变成一套完整的量化策略，然后部署成一个自动运行的交易 Agent。举几个例子。你说「我想做趋势反转」，它生成一个趋势反转 Agent。你说「多空对冲稳如狗」，它就按这个风格配参数。你说「激进波动猎手」，它给你造一个高频高波动的策略。不需要会写代码。不需要懂均线、布林带、RSI 是什么。免费。你需要的只是一个 OpenClaw 或者 Claude Code 环境。打开终端，输入一行命令：clawhub install moss-trade-bot-factory然后告诉它你想怎么交易，绑一个配对码，你的 AI 交易员就上线了。两条消息搞定。以前想跑一个量化策略，你至少得会 Python，得理解技术指标怎么设参数，得自己搭回测框架。门槛很高。Moss 把这整套流程压缩成了一次对话。Moss 是谁在做 AI Trading Agent 之前，Moss 已经有一个运行中的产品。它是一个 Chrome 浏览器插件，装了之后嵌入你的 X（Twitter）页面，提供实时行情摘要、KOL 观点聚合、链上 Alpha 信号追踪。简单说就是一个加密信息的 AI 助手。AI Trading Agent 平台是 Moss 产品线里最新加的模块。信息层的 AI 工具市场上已经有不少了，Kaito、各种 AI feed 产品都在做。但直接让用户零门槛创建交易 Agent 并且公开竞技的，Moss 可能是头一批。两种模式：用历史考验你，用实时检验你Agent 创建好之后有两种跑法。第一种叫地狱模式（Hell Mode）。平台拿了 2025 年 10 月大崩盘开始的 150 天 BTC 真实行情数据，所有 Agent 扔进同一段历史走势里跑。起点一样，数据一样，差别只在策略。为什么选这段数据？因为这 150 天里什么情况都有。暴跌、横盘、假突破、反弹修复。一个策略如果只能在单边行情里赚钱，在这段数据里会被打得很难看。地狱模式筛的是策略的抗风险能力。第二种叫实时模式（Live Mode）。接入实时行情数据，你的 Agent 每一笔操作、每一次持仓变化、赚多少亏多少，全部实时更新。两种模式下所有 Agent 的 PnL（盈亏）排行榜完全公开。你可以看到自己排第几，也可以看别人的 Agent 是什么风格、什么表现。地狱模式和实时模式各有一个独立的排行榜。排行榜公开这件事很重要。每一个策略都要接受所有人的检验，没有黑箱。你说你的策略厉害，排行榜上见。Agent 会自己学Moss 有一个设计细节单独说一下。传统量化策略是静态的。回测完确定了参数，上线之后基本不动，等策略失效了再人工调整。中间这段时间，市场风格变了，策略还在用老参数跑，亏钱是大概率事件。Moss 的 Agent 有一套每周进化机制。每个运行周期结束后，Agent 根据自己这一周的表现自动调参。亏多了，它收敛风险，降仓位、收紧止损。赚得好，它在风控范围内放大优势策略的权重。这套机制想模拟的是一个真实交易员的行为。好的交易员不会死守一套参数，他会根据市场环境调整自己的打法。Moss 想让 AI Agent 也有这个能力。效果怎么样，取决于底层算法的设计质量和对不同市场环境的适应能力。150 天的地狱模式数据是一个检验窗口，更长周期的验证还需要时间。怎么参与当前公测阶段，免费，不需要连钱包，不需要量化背景。第一步：安装 Skill在 OpenClaw 或 Claude Code 环境中输入：Skill 地址：clawhub.ai/fei-moss/moss-trade-bot-factory这个 Skill 是 Moss 平台预设的策略生成框架，创建 Agent 的基础组件。第二步：创建 Agent向 OpenClaw 发消息，用自然语言描述你的交易风格。可以很笼统，比如「震荡市里低买高卖，别太激进」。也可以具体一些，比如告诉它你能接受多大的回撤、偏好什么持仓周期。AI 根据你的描述生成策略参数，自动部署。第三步：绑定配对码按提示把 Agent 和 Moss 平台绑定，Agent 就开始在模拟环境里跑了。第四步：看排行榜所有 Agent 排行榜入口：moss.site/agent地狱模式和实时模式分别有独立排行榜，可以看收益、看策略描述、看运行状态。从安装到 Agent 上线，两条消息。笔者测试安装了自己的策略，跑出 37.47% 的 ROI。后续规划据了解，当前版本是第一阶段，支持用公开 Skill 创建标准化 Agent。后面会分步开放更多能力。第一，开放外部数据 API 接入。用户可以给自己的 Agent 接更多信号源，不局限于平台默认的数据。第二，支持自定义策略 Skill 上传。有量化基础的用户可以写自己的交易逻辑上传，让 Agent 按照自己的框架运行。第三，推出 Hosted Agent 服务。没有 OpenClaw 或 Claude Code 环境的用户也能直接在平台上创建和运行 Agent。当 Agent 进化到了这个阶段，AI Trading Agent 这个方向正在快速长出基础设施。支付一侧，x402 在 Coinbase 和 Cloudflare 的推动下扩展很快。截至 2025 年 10 月，该协议已处理超过 52 万笔交易，开发者社区孵化了 200 多个基于 x402 的项目，这两个数字到现在还在涨。应用层开始出现分化。Nof1 的 Alpha Arena 是封闭实验，测的是哪个 AI 模型交易能力更强。GitHub 上的开源项目 AI-Trader 走信号市场路线，Agent 发布交易信号，其他人跟单。Moss 选了第三条路，开放平台，让每个人都能造自己的 AI 交易员，公开竞争。谁能交易，谁的信号好，谁都能参与。三个方向，三个不同的赌注。Moss 赌的是最后一个。这条路能走多远，看两个东西。一是自然语言生成的策略在真实市场中能不能持续赚钱。二是用户多了之后，大家造出来的 Agent 会不会越来越像，策略趋同，alpha 消失。现在回答不了，排行榜跑起来之后慢慢看。---律动 正在寻找更多的 AI Agent Trading 产品，欢迎推荐，我们可以为你带来最大限度的曝光和早期用户，欢迎推特私信 @Aisa 编辑：佚名 时间：2026-06-22 00:05:01
• 

  7.5万美元Gamma关口前，多空都在等一个信号

  原文作者：Glassnode原文编译：AididiaoJP，Foresight News比特币反弹至近 7.6 万美元，主要得益于 ETF 资金回流和现货买盘复苏。目前空头仓位依然拥挤，资金费率持续为负，而期权市场的压力有所缓解——这些都表明市场环境正在改善，但要形成坚定信念还为时过早。核心要点比特币已突破 7 万美元，进入 7.2 万至 8.2 万美元之间的「真空带」。从 URPD 指标来看，链上几乎没什么阻力，直到接近 8.2 万美元的上沿才会遇到像样的抛压。「获利供应占比」已回升至 60% 左右。从历史经验看，这个水平往往对应着周期底部首次反弹后的力竭。要确认牛市真的来了，需要这个指标稳稳站上 75%。随着价格逼近 7.4 万美元，「短期持有者实现利润」飙升至每小时 1840 万美元，和二月份的情况如出一辙——短期持有者在上涨中不断抛售。接下来就看市场能不能在 7 万美元上方消化掉这波抛压，这是能否冲上 7.8 万至 8.2 万美元的关键。过去一个月，ETF 资金流入明显回暖，说明机构需求正在回归，市场重新由现货驱动。CME 期货的持仓量依然不高，说明这波上涨主要是现货买的，而不是杠杆堆出来的。各大交易所的「现货累积成交量 Delta」纷纷掉头向上，意味着此前的持续抛压已经转变为新的买入积累。Coinbase 的现货活动企稳转暖——这往往预示着机构开始重新进场。币安那边的抛压也明显减弱，之前下跌时的那股砸盘劲儿基本没了。各期限的隐含波动率都在下降，说明对冲需求减少，市场正回归常态。期权偏斜指标略微转正，表明有人开始布局上涨，情绪在好转。做市商的 Gamma 持仓接近中性，意味着短期内期权不会放大市场波动。链上数据解读终于冲出密集区折腾了好几周，比特币总算站稳了 7 万美元，现在来到 7.4 万附近，彻底突破了 2 月到 3 月的震荡区间。用 URPD 指标看得很清楚——这个指标能看出大家在什么价位买币，哪里买的人多，哪里就是支撑或阻力。数据显示 5.9 万到 7.2 万美元之间堆积了大量筹码，主要是 2026 年 2、3 月建的仓，现在价格已经把这些密集筹码区踩在脚下。再往上，7.2 万到 8.2 万美元之间是一片真空区，之前买的人很少，所以往上冲的时候基本没阻力。这波突破是在地缘政治不确定、外围市场也挺得住的情况下完成的，说明投资者目前把宏观利空当成暂时的。不管长期怎么走，短期内大概率就在 7.2 万到 8.2 万这个区间震荡了。单靠一次反弹说明不了什么虽然突破了 7 万，冲进了 7.2 万到 8.2 万的真空区，但一次上涨还不能说明结构性的反转。要看市场到底健不健康，得看大家赚没赚钱——「获利供应占比」这个指标就很有用，它统计了有多少比特币现在是浮盈状态。历史上，从熊市底部爬到牛市初期，这个指标往往要从 60% 以下的 -1 倍标准差，一路爬到 75% 左右的长期均值。这波上涨把它推到了 60% 左右，放在以前，这个位置往往是第一次反弹就力竭的水平。如果能稳稳站上 75%，那才说明真有可能进牛市了；如果一直在现在这个位置震荡，那就还是熊市反弹的老剧本。看市场怎么消化抛压除了看多少人浮盈，另一个重要视角是看市场怎么消化获利盘——价格一涨，总有人想卖。如果近期买的人抛售，但价格没被砸回 5.9 万到 7.2 万的密集区，那往上走的可能性就大多了。这周价格冲到 7.4 万以上时，「短期持有者实现利润」的 12 小时均线飙到了每小时 1840 万美元，和二月份一模一样——那时候一冲上 7 万就有人卖，根本突不破。熊市里的早期反弹就是这样，刚买的人没什么信念，有点赚头就想跑。接下来几周，如果市场能扛住这波抛压，稳稳站在 7 万上方，那往 7.8 万（真实市场均值）甚至 8.2 万（真空带上沿）冲的可能性就越来越大了。链下数据分析机构开始悄悄进场比特币这波反弹，正好赶上美国现货 ETF 的配置大幅回升——30 天持仓变化一扫之前的流出阴霾，掉头向上。这说明机构的需求确实回来了，资金又开始配置现货。与此同时，CME 期货的未平仓合约还是很萎靡，刚刚止住跌势。这波上涨主要是现货买的，不是杠杆堆出来的。从历史上看，这种结构更健康：价格靠真金白银推上去，而不是杠杆吹起来的泡沫。ETF 规模在涨，期货持仓还没动——这说明机构才刚刚开始重新进场。如果后面 CME 的持仓也跟着起来，那就说明信念在增强，上涨就更稳了。现货买盘回来了「现货累积成交量 Delta」最近明显回暖，币安现在也开始转为净买入。这个拐点和比特币从 6 万低点反弹的时间点对得上，说明这波上涨确实是有真金白银支撑的，不是纯衍生品拉起来的。Coinbase 的累积成交量 Delta 也企稳回升——这地方通常代表机构在活动，说明又开始有人囤货了。各大交易所的数据都在好转，说明市场深度在恢复，买家开始有信念了。虽然还没到狂热的地步，但已经从派发转为积累，现货市场重新给价格撑起了底——这是可持续反弹的关键。资金费率显示：大家都爱做空最近几周，永续合约的资金费率一路跌到负值——这说明衍生品市场上，想做空的人占了绝对上风。这波看跌情绪是在比特币 6 万到 7 万之间震荡时积累起来的，杠杆玩家普遍不看好后市。有意思的是，冲破 7.4 万，恰恰是在资金费率持续为负的背景下发生的。这说明什么？说明这波上涨至少有一部分是空头在回补，而不是多头在猛冲。这种局面往往意味着空头已经很拥挤了，随时可能被轧空。价格一涨，空头被强平，反而会助推行情继续走高。短期来看这确实是利好，但要走出持续的趋势，还是得等资金费率回归正常，多空重新平衡才行。ATM 隐含波动率回落比特币的波动冲击正在消退。一周隐含波动率从周初的 56% 左右一路跌到现在的 50%，更长期限的也普遍降了 3 个百分点。这说明交易员不再像之前那样紧张，市场恐慌时的那波波动已经过去了。隐含波动率下降，通常意味着市场从应激状态过渡到相对稳定期。现在的信号很明确：大家正在逐渐撤掉恐慌性对冲。我们观察到大量下行保护被平掉，这也是隐含波动率下降的原因之一，顺便也助推了这波反弹。市场正在走向更平衡的状态。在现货和衍生品成交都比较清淡的环境下，期权对冲反而可能成为影响价格的重要力量——目前来看，向上的路径可能更顺畅。25 Delta Skew 趋向中性隐含波动率正常化之后，偏斜也开始调整。25 delta skew 目前还是负的，各期限大概在 -10% 左右，比之前的高点低了 4 到 7 个百分点。负偏斜意味着看跌期权还是比看涨期权贵——说明大家还是想买保护，做市商也不愿意太便宜地卖下行波动率。不过，偏斜正在慢慢向中性靠拢。这个变化说明，大家对下行对冲的需求开始减弱，防御性头寸正在减少。换句话说，看跌期权相对没那么贵了。这种调整通常出现在市场开始对上行敞开大门，但宏观还没完全明朗、情绪依然偏谨慎的时候。目前的偏斜状态说明，市场正在从恐慌性保护转向更平衡的期权结构，同时也在为可能的战术反弹做准备。期权流向开始转暖情绪的变化在期权交易里也看得出来。最近，Delta 为正的交易占了 54.9%，其中买入看涨期权占 30.8%——大家又开始用看涨期权来搏上涨了，毕竟下行风险有限。同时，我们看到大量的下行保护被平仓。交易员一平仓，做市商就要买回对冲，这种买盘也给价格提供了支撑。这些都是过渡期的典型特征——大家开始布局反弹，但还留着一手防御，所以整体上是谨慎中透着点积极。至于这是结构性的转变，还是只是短期投机，还得再看。负 Gamma 扎堆在 7.5 万美元最后盯一下最重要的指标：做市商的 Gamma 敞口。现在成交清淡，做市商的对冲操作很容易把价格吸向某个关键行权价。目前唯一有意义的点位就是 7.5 万美元——大概有 45 亿美元的负 Gamma 堆在这儿。现在比特币就在这个位置下面盘整，只要稍微往上走一点，就可能触发做市商的买入对冲，顺势把价格推向 7.8 万以上。7.5 万这个关口在 3 月期权到期前都至关重要——因为那 45 亿里有 39 亿是到这个月就到期。等季末到期一过，做市商的对冲盘就会平掉，到时候上行可能就没这么顺了，市场可能进入盘整或回调，重新回到宏观叙事的主线上。结论比特币这波反弹正在逼近 7.5 万美元，背后的支撑越来越实在——ETF 资金回流、累积成交量 Delta 转暖，无论机构还是散户，都在重新进场。市场已经从之前的「派发模式」切换到「积累模式」，给价格搭了个更稳的台子。另一边，衍生品市场还在防守状态。资金费率持续为负，说明空头很拥挤——这反而可能通过空头回补给上涨添把火。期权市场也在稳住，波动率下降、偏斜略微转正，说明情绪在好转，但还没到赌徒狂热的程度。综合来看，短期向上还有空间，但要走出持续的趋势，还得看后续资金能不能持续流入，杠杆和信念能不能跟上。 编辑：佚名 时间：2026-06-22 00:05:01