币圈资讯

• 

  黄仁勋最新播客：英伟达会达到10万亿美元？程序员数量不降反增？如何应对AI焦虑？

  编者按：在生成式 AI 持续演进、Agent 开始进入实际生产流程的背景下，行业讨论的重心，正在从「模型能力有多强」，转向「系统如何承载智能」。当大模型训练逐渐标准化，一个更底层的问题开始浮现：支撑 AI 持续扩张的，不再只是算法突破，而是整个计算系统本身。本文编译自 Jensen Huang（黄仁勋）与 Lex Fridman 的对谈，Lex Fridman 为知名 AI 研究者与科技播客主持人，其节目长期聚焦技术、产业与未来趋势的深度讨论。在这次对谈中，黄仁勋并未聚焦模型能力本身，而是从计算架构与产业演进出发，提出一个更具结构性的判断：AI 正在从「芯片问题」，演变为「系统工程问题」。这场对谈大致可以从五个方面来理解。计算从「芯片」走向「工厂」对谈的第一个核心判断是，AI 的竞争不再围绕单点性能展开，而是演变为系统能力的竞争。从 GPU，到整机，再到数据中心级别的「AI 工厂」，计算单元的边界不断外扩。与此同时，计算机的角色也发生转变——从存储与检索信息的「仓库」，转向持续生成 token 的「生产系统」。这意味着，AI 不再只是工具，而是直接参与经济生产的基础设施。四种 scaling 叠加：AI 为什么越来越「重」在这一范式之上，AI 的扩展路径也发生了结构性变化。增长不再依赖单一的预训练 scaling，而是预训练、后训练、推理与 Agent 四种 scaling 的叠加，并形成一个循环系统：Agent 产生数据，数据进入训练，训练反哺推理，再由推理支撑更复杂的 Agent。所有路径最终收敛到一个变量——算力。其中最关键的变化在于，推理正在成为计算消耗的核心，「思考」本身成为最昂贵的环节。AI 的瓶颈从算法转向能源随着 scaling 的叠加，问题也从模型层面下沉到基础设施层面。对谈给出的一个直接判断是，AI 的长期瓶颈不再是数据或算法，而是电力与能源体系。但真正的约束并不只是供给不足，而是电网调度、数据中心架构以及企业对「高可用性」的路径依赖。这使得 AI 的问题，从技术问题，转变为工程、能源与制度安排的综合问题。CUDA 的本质：装机量而非技术优势在竞争层面，对谈也提供了一个关键视角：NVIDIA 的护城河并不只是技术领先，而是通过 CUDA 所建立的装机量与开发者生态。通过将 CUDA 嵌入 GeForce 并牺牲短期利润换取规模，NVIDIA 实际上构建的是一个「计算平台」。当规模、生态与执行速度叠加后，技术本身反而成为次要变量。这意味着，AI 竞争正在从模型能力，转向平台与系统能力。AI 会抢工作吗？不会，但会改变工作的定义在应用层面，对谈也给出一个重要判断：AI 并不会简单替代职业，而是改变工作的结构。任务层面的自动化会提升整体效率，反而扩大对专业能力的需求。工作的核心不再是「执行任务」，而是「定义问题、调用工具与协同解决问题」，智能逐渐成为可获取的能力，而人类差异更多体现在判断力与组织能力上。如果说这场对谈提供了一个清晰的切入点，那在于它将 AI 从「模型能力的竞争」，转化为一个系统性问题：当计算成为生产系统，约束它的将不再只是技术本身，而是能源、供应链与组织方式。在这样的视角下，问题已不再是某一技术路径的领先与否，而是整个世界，正在被一套以计算为核心的基础设施重新组织。以下为原文内容（为便于阅读理解，原内容有所整编）：TL;DR·AI 已从「更快的芯片」演变为「计算工厂」，竞争不再是单点性能，而是整套系统能力（算力、网络、电力、软件）的协同效率·CUDA 的成功不在技术，而在装机量：NVIDIA 通过牺牲利润换取规模，建立了几乎不可撼动的计算平台生态·AI 的增长不再只依赖模型变大，而是预训练、推理、Agent 等多重 scaling 同时发生，最终都收敛到一个变量：算力·推理正在成为算力消耗的核心环节，「思考」比「训练」更昂贵，AI 正从离线模型转向持续运行的系统·AI 的真正瓶颈不是算法，而是能源与基础设施，电力调度能力将成为下一阶段关键约束·计算机正在从「信息仓库」变为「生产工厂」，token 成为可定价商品，AI 基础设施将直接参与经济生产·AI 不会简单替代工作，而是抬高所有职业的能力上限；未来的核心能力从「执行任务」转向「定义问题与协同解决问题」访谈内容Lex Fridman：接下来是一段与 Jensen Huang 的对话，他是 NVIDIA 的首席执行官，这家公司可以说是人类历史上最重要、最具影响力的公司之一。NVIDIA 是推动 AI 革命的核心引擎，而它的成功，很大程度上源于 Jensen 作为领导者、工程师和创新者所做出的一系列关键判断与大胆决策。这是 Lex Fridman Podcast。各位朋友，接下来欢迎 Jensen Huang。从「更快的芯片」到「AI 工厂」Lex Fridman：你带领 NVIDIA 进入了 AI 的一个新阶段，从过去专注于芯片级设计，走向了现在的机架级设计。我觉得可以这么说，过去 NVIDIA 的胜利，很大程度上在于打造最强的 GPU，而你们现在仍然在做这件事，但已经扩展到了极致协同设计：GPU、CPU、内存、网络、存储、电源、散热、软件、机架本身、你们发布的 pod，甚至整个数据中心。那我们就从「极致协同设计」聊起。面对这么多复杂组件和变量，系统协同设计中最难的部分是什么？Jensen Huang：这是个很好的问题。首先，之所以必须做极致协同设计，是因为我们现在要解决的问题，已经无法被一台计算机、或者一颗 GPU 单独加速完成了。你真正想要的是——计算速度的提升，要超过你增加计算机数量的速度。你增加了 1 万台计算机，但你希望性能提升是 100 万倍。那这个时候，你就必须重新处理算法，把算法拆分、重构，把 pipeline 拆分，把数据拆分，把模型拆分。当你以这种方式把问题分布出去之后，就不只是「扩展规模」了，而是「分布问题」，这时一切都会成为瓶颈。这其实就是 Amdahl's Law 的问题：系统整体加速取决于可加速部分在总工作中的占比。如果计算只占问题的 50%，哪怕你把计算速度提升一百万倍，整体也只提升两倍。于是你不仅要分布计算，还要解决 pipeline 拆分、网络连接问题，因为所有这些计算机都要互联。在我们这种规模的分布式计算下，CPU 是问题，GPU 是问题，网络是问题，交换也是问题，负载分配本身也是问题。这是一个极其复杂的计算机科学问题。所以我们必须把所有技术一起用上，否则你只能线性扩展，或者依赖摩尔定律，而摩尔定律本身也在放缓。Lex Fridman：这里面肯定有很多取舍，而且涉及完全不同领域的专家，比如高带宽内存、网络、NVLink、网卡、光学、铜互连、电源、散热等等，每个领域都有世界级专家。你是怎么把这些人聚在一起协作的？Jensen Huang：所以我的团队规模才会这么大。Lex Fridman：你能讲讲这个过程吗？比如专家和通才是如何协作的？当你要把所有这些东西塞进一个机架里时，整个设计流程是怎样的？Jensen Huang：可以分三个问题来回答。第一个问题是：什么是「极致协同设计」？本质上就是在整个软件与硬件栈上做整体优化，从架构、芯片、系统，到系统软件、算法，再到应用，这是第一层。第二层是，我们刚才提到的，不只是 CPU、GPU 和网络芯片，还包括 scale-up 和 scale-out 的交换系统，以及电源和散热，因为这些计算机系统的功耗非常高。它们确实很高效，但在总量上依然消耗大量电力。所以，第一个问题是「它是什么」，第二个问题是「为什么要这么做」，这一点我们刚才已经讲过，你需要把工作负载分布出去，从而实现超过单纯增加计算机数量所带来的收益。第三个问题是「怎么做」。这其实就是这家公司最神奇的地方。当你在设计一台计算机时，你需要有操作系统；当你在设计一家公司时，你首先应该想清楚这家公司要产出什么。我看过很多公司的组织架构图，它们看起来都差不多——像汉堡一样的结构、像软件公司、像汽车公司，但在我看来这没有意义。公司的目标，是成为一个生产产品的机器，是一个机制、一个系统，用来持续产出我们想要的产品。公司的组织结构，应该反映它所处的环境。某种程度上，这也决定了组织应该如何运作。我的直接汇报团队大概有 60 个人。我不会和他们一对一沟通，因为那是不可能的。如果你有 60 个直属下属，还要做事，是无法通过一对一来完成的。Lex Fridman：但你还是有 60 个直接汇报？Jensen Huang：不止，更多。而且这些人基本上都有工程背景，有内存专家、CPU 专家、光学专家、GPU 专家、架构、算法、设计专家。Lex Fridman：这太惊人了。Jensen Huang：是的。Lex Fridman：所以你其实一直在盯整个技术栈，并且参与关于整体设计的深入讨论？Jensen Huang：而且我们没有「一对一」的讨论。我们提出一个问题，然后所有人一起解决。因为我们是在做极致协同设计，公司每天都在做这件事。Lex Fridman：也就是说，即便你在讨论某个具体组件，比如散热或网络，所有人都会参与？Jensen Huang：对，完全是这样。Lex Fridman：每个人都可以说，「这个方案不适用于电源」「这个不适用于内存」？Jensen Huang：没错。谁想参与就参与，不想参与就退出。但团队里的每个人都知道什么时候该参与。如果某个问题本该他贡献但他没有参与，我会点名让他进来。Lex Fridman：那 NVIDIA 是如何随着环境变化而演进的？从最初做游戏 GPU，到深度学习，再到现在的「AI 工厂」——这个转变是怎么发生的？Jensen Huang：这个可以从逻辑上推导出来。我们一开始是一家加速器公司。但加速器的问题在于，它的应用范围太窄。它的优势在于高度优化，就像所有专用系统一样，但问题是，越专用，市场覆盖就越窄。这本身也不是最大的问题，更关键的是，市场规模决定了你的研发能力，而研发能力最终决定了你在计算领域的影响力。所以当我们最初做加速器时，我们就知道，那只是第一步。我们必须找到一条路径，走向「加速计算」。但问题是，一旦你成为一家计算公司，你就会变得过于通用，从而削弱你的专用能力。我刻意把这两个存在张力的词放在一起：计算 vs 专用。你越像一家计算公司，就越不像一个专用系统；你越专用，就越难覆盖整个计算领域。所以公司必须找到一条非常狭窄的路径，一步一步扩大计算能力的边界，同时又不丢掉最核心的专用能力。我们的第一步，是发明可编程像素着色器，这是向「可编程」迈出的第一步。第二步，我们在着色器中加入了 FP32，也就是符合 IEEE 标准的单精度浮点，这一步非常关键，让很多做流处理器和数据流计算的人发现了我们。他们开始意识到，这种计算能力极强、又符合标准的 GPU，可能可以被用于通用计算。于是他们开始尝试把原本写在 CPU 上的软件迁移到 GPU 上。接下来，我们在 FP32 上引入了 C 语言，形成了 Cg，再进一步发展成 CUDA。把 CUDA 放到 GeForce 上，是一个极其关键的决策，但当时公司其实承担不起这个成本。我们之所以还是做了，是因为我们想成为一家计算公司。而计算公司必须有统一的计算架构，这个架构必须在所有芯片上保持一致。一次差点把公司拖垮的决定，撑起了整个 AI 时代Lex Fridman：能不能讲讲这个决策？当时明明承担不起成本，为什么还要把 CUDA 放到 GeForce 上？Jensen Huang：这是一个接近「生死存亡」的决策。我会说，这是我们第一个接近「存在性威胁」的战略决策。Lex Fridman：给不了解的人补充一下，这后来被证明是公司历史上最伟大的决策之一。CUDA 成为了整个 AI 基础设施的核心计算平台。Jensen Huang：是的，后来证明这是一个正确的决定。当时的逻辑是这样的：我们发明了 CUDA，它扩大了我们加速器可以覆盖的应用范围。但问题是，如何吸引开发者？因为计算平台的核心是开发者，而开发者不会因为某个平台「有趣」就来，他们会选择装机量大的平台。装机量才是最关键的因素。开发者和所有人一样，希望自己的软件能够触达更多用户。所以装机量，是架构成功的决定性因素。一个架构可以被批评得体无完肤，比如 x86，被认为不优雅，但它仍然是今天的主流架构，因为它的装机量最大。反过来，很多 RISC 架构设计得非常优雅，由最顶尖的计算机科学家打造，但最终失败了。这说明一点：装机量定义架构，其它一切都是次要的。当时 CUDA 面临竞争，比如 OpenCL 等等。我们做出的关键决策是：既然装机量最重要，那我们就要想办法，让这个新架构尽快进入市场。当时 GeForce 已经非常成功，每年出货几百万张 GPU。于是我们决定，把 CUDA 放进每一台 GeForce，让它进入每一台 PC——不管用户是否使用。这是建立装机量最快的方式。与此同时，我们去大学、写教材、开课程，把 CUDA 带到每一个地方。那个时代 PC 是主要计算平台，还没有云。我们实际上把一台「超级计算机」放进了每一个学生、每一个研究人员的手里。但问题是，这让 GPU 的成本大幅上升，几乎吞掉了公司的全部毛利润。当时公司市值大概六七十亿美元，在推出 CUDA 之后，因为成本上升，市值一度跌到 15 亿美元左右。我们在那个阶段非常艰难，但我们坚持了下来。我一直说，NVIDIA 是 GeForce 建造的房子。因为正是 GeForce，把 CUDA 带给了所有人。研究者、科学家、工程师，都是通过 GeForce 发现 CUDA 的。很多人本来就是玩家，他们自己组装 PC，在实验室里用 PC 组件搭建集群，这就是 CUDA 起飞的起点。Lex Fridman：然后这就成为了深度学习革命的基础平台。Jensen Huang：没错，这是一个非常重要的观察。Lex Fridman：当时那个接近「生死存亡」的时刻，你还记得内部是怎么讨论的吗？Jensen Huang：我必须向董事会讲清楚我们在做什么，管理团队也清楚我们的毛利会被严重压缩。你可以想象一个场景：GeForce 承担了 CUDA 的成本，但游戏玩家并不会为此买单。他们只愿意支付固定价格，不会因为你的成本上升而多付钱。我们把成本提高了 50%，而公司本身的毛利率只有 35%，所以这是一个非常艰难的决定。但我们可以推演出一个未来：CUDA 会进入工作站、进入超级计算机，在这些领域我们可能获得更高利润。从逻辑上你可以说服自己这件事是可行的，但真正实现它，还是花了十年时间。Lex Fridman：但那更多是对董事会的沟通。从你个人角度来说，你是怎么做出这种「押未来」的决策的？NVIDIA 一直在做这种预测未来、甚至定义未来的大胆决策，你是怎么做到的？Jensen Huang：首先，我有很强的好奇心。然后会有一个推理过程，让我非常确信某个结果一定会发生。当我在脑海中真正相信一件事的时候，那种未来就变得非常清晰，几乎不可能不发生。中间会经历很多痛苦，但你必须相信你所相信的。Lex Fridman：所以你是先在脑中构建未来，然后用工程方式把它实现出来？Jensen Huang：对。你会去推理如何到达那里，为什么它必须存在。我们会反复推理，管理团队也会参与，我们会花很多时间在这件事上。接下来是一个很关键的能力。很多领导者会先沉默、学习，然后某一天突然发布一个「宣言」，比如新的一年，大调整、大裁员、组织重构、新使命、新 logo。我从不这么做。当我开始意识到某件事重要时，我会立刻告诉身边的人：这件事很重要，会产生影响。我会一步一步讲清楚。很多时候我已经做出了决定，但我会利用每一个机会——新的信息、新的洞察、新的工程进展——不断去塑造大家的认知。我每天都在做这件事，对董事会、对管理层、对员工都是如此。我在不断塑造他们的信念体系。这样，当有一天我说「我们要收购 Mellanox」，所有人都会觉得这是显而易见的决定。当我说「我们要全力押注深度学习」，其实我已经提前铺垫了很久。等我真正宣布的时候，很多人反而会说：「你怎么现在才说？」从某种意义上看，这像是「从后面领导」，但实际上你一直在塑造共识。你希望所有人一起走，而不是突然宣布一个没人理解的决策。Lex Fridman：而且你不仅在公司内部塑造认知，也在塑造整个行业。Jensen Huang：我们其实不直接卖计算机，也不直接卖云。我们是一家计算平台公司。我们在每一层做垂直整合设计，但同时在每一层开放，让其他公司可以把它集成到自己的产品、服务、云和超级计算机中。所以如果我不能先说服整个行业，我的产品是无法落地的。这也是为什么 GTC 很重要——它是在「预演未来」。当我们真正发布产品时，大家会说：「你怎么现在才做？」AI 为什么越来越「烧钱」？四种 Scaling 正在叠加Lex Fridman：你长期相信 scaling law，现在还相信吗？Jensen Huang：当然，而且现在有更多的 scaling law。Lex Fridman：你之前提到过四种：预训练、后训练、推理阶段，以及 agentic scaling。当你展望未来，不管是短期还是更长期，有哪些潜在的「瓶颈」是你真正担心的？有哪些问题是你觉得必须解决、甚至会让你睡不着觉的？Jensen Huang：我们可以回过头来看一看，过去大家以为的那些「瓶颈」。一开始是预训练 scaling，人们认为高质量数据有限，会限制 AI 的智能提升。Ilya Sutskever 甚至说过「我们快没数据了」，行业一度恐慌。但事实证明，这并不成立。我们会继续扩展数据来源，其中很大一部分将是合成数据。事实上，人类之间传递的信息本质上也是「合成的」。你创造内容，我消费它，再加工，再传播。现在 AI 已经可以从真实数据出发，扩展、增强、生成大量数据。因此后训练阶段仍然在扩展。未来模型训练的限制将不再是数据，而是算力。接下来是推理阶段。以前很多人认为推理很简单，难的是训练。但这其实不合理，因为推理本质上是「思考」，而思考比「阅读」难得多。训练更像是记忆和模式识别，而推理涉及推理、规划、搜索、问题拆解，这些都需要大量计算。事实证明，我们当初的判断是对的，推理计算非常密集。再往后，就是 agentic scaling。我们现在不只是一个模型，而是一个「代理系统」，它可以调用工具、访问数据库、生成子代理。就像公司一样，比起提升一个人的能力，更容易通过增加团队来扩展能力。AI 也是如此，可以快速复制、扩展。所以这是新的 scaling law。这些过程会形成一个循环：agent 产生数据，数据回到预训练，再进入后训练，再进入推理，再进入 agent 系统，不断循环。最终，智能的增长归结为一个核心变量：算力。Lex Fridman：但这里有个难点，你必须提前预判这些变化，因为不同阶段需要不同硬件，比如 MoE 架构、稀疏性等。而硬件周期是几年，你不能随时调整。Jensen Huang：没错。AI 模型架构大概每 6 个月变一次，而系统架构和硬件大概每 3 年变一次。所以你必须提前两三年预判未来。我们的方法有三种：第一，我们自己做研究，包括基础研究和应用研究，我们自己做模型；第二，我们和几乎所有 AI 公司合作，了解他们的挑战；第三，我们构建一个足够灵活的架构，比如 CUDA，它既高效又灵活。比如 MoE 出现后，我们推出 NVLink 72，可以把一个 10 万亿参数模型当成一个 GPU 来运行。再比如 Grace Blackwell 机架和 Vera Rubin 机架，它们的设计完全不同，因为前者是为 LLM 推理设计的，后者是为 agent 系统设计的。Lex Fridman：但这些设计是在 Claude Code、Codex、OpenClaw 出现之前就完成的，你是怎么预判的？Jensen Huang：其实没那么难，你只需要推理。假设 LLM 要成为一个「数字员工」，它必须访问真实数据、做研究、使用工具。所以它一定会有 I/O 系统，会调用工具。有人说 AI 会取代软件，这不对。就像一个机器人，它不会把手变成锤子或手术刀，而是去使用工具。第一次不会用没关系，它可以读说明书，很快学会。所以这些能力是必然的。当你这样推理，你会发现我们其实重新发明了计算机。两年前我在 GTC 上讲的 agent 架构，今天几乎完全对应 OpenClaw。OpenClaw 对 agent 的意义，就像 ChatGPT 对生成式 AI 的意义一样。Lex Fridman：确实是一个特殊的时刻。Jensen Huang：是的。Lex Fridman：但这里面还有一个问题，就是当技术变得如此强大时，也会带来安全风险。我们作为个人、作为社会，都在尝试找到一个平衡点。Jensen Huang：是的，我们第一时间就投入了大量安全专家来研究这个问题。我们做了一个叫 OpenShell 的系统，现在已经集成进 OpenClaw 了。同时 NVIDIA 也推出了 NemoClaw。Lex Fridman：对，它的安装也非常简单，而且可以确保系统安全。Jensen Huang：我们提出了一个原则：在任意时刻，三种能力中只能拥有两种，访问敏感数据、执行代码、对外通信。如果同时具备三种能力，就会带来风险。所以我们通过这种「两选三」的方式来保证安全。同时，我们还加入了企业级的访问控制，以及策略引擎，让企业可以基于自身权限体系进行管理。我们会尽力让 OpenClaw 变得更安全、更可控。AI 的尽头不是算法，是电Lex Fridman：你刚刚讲了很多过去曾被认为是瓶颈、但后来被突破的东西。那么现在来看，在 agent 将无处不在的未来，真正的瓶颈会是什么？Jensen Huang：电力是一个问题，但不是唯一的问题。这也是为什么我们在极致协同设计上投入这么多精力——我们要不断提升「每瓦每秒 token 数」的效率。在过去 10 年，摩尔定律大概让计算能力提升了 100 倍，而我们通过系统级扩展，把计算能力提升了一百万倍。未来我们还会继续这样做。能效直接影响公司的收入，也影响「AI 工厂」的收入。虽然硬件价格在上涨，但 token 的生成效率提升更快，所以 token 成本实际上每年都在下降一个数量级。Lex Fridman：所以一个方向是提高效率，另一个方向是获取更多电力。比如小型核反应堆等等。那你会担心供应链吗？比如 ASML 的 EUV 光刻机、台积电的先进封装、SK 海力士的高带宽内存？Jensen Huang：我每天都在关注这些问题，并且持续在处理。没有任何一家公司像我们这样，在高速增长的同时还在加速增长。这很难让人理解。在 AI 计算市场中，我们的份额在持续扩大，所以供应链的上下游都非常关键。我花很多时间和这些公司的 CEO 沟通，告诉他们未来会发生什么、增长动力在哪里。你在 GTC 上看到的那一排 CEO，几乎涵盖了整个 IT 上游和基础设施下游。我告诉他们当前的业务状况、未来的增长点，以及接下来会发生什么，让他们据此做投资决策。我也会亲自去拜访他们，告诉他们接下来几个季度、未来一年、未来几年会发生什么。比如 DRAM 行业，三年前我就说，高带宽内存（HBM）会成为数据中心的主流内存。当时听起来很荒谬，但有些 CEO 相信了，开始投资。还有一个例子是手机用的低功耗内存（LPDDR），我们也让他们把它引入数据中心。现在这些技术都取得了巨大成功。Lex Fridman：所以你不仅在塑造 NVIDIA，也在塑造整个供应链的未来。Jensen Huang：对，上游、下游全部都在一起。Lex Fridman：但这个供应链实在太复杂了，涉及深度科学、工程、制造，还有几百个供应商，感觉非常脆弱。Jensen Huang：确实非常复杂。我们一个机架大概有 130 万个组件，涉及 200 多个供应商。这是极其复杂的系统。Lex Fridman：但你似乎并没有把供应链当成最担心的瓶颈？Jensen Huang：因为我已经把这些事情逐一落实了，所以我可以安心睡觉。我们会从第一性原理出发去推理：系统架构变化意味着什么？软件会发生什么变化？工程流程如何变化？供应链如何变化？比如 NVLink 72 机架，把超级计算机的集成从数据中心内部，转移到了供应链端。以前是零部件送到数据中心再组装，现在是在供应链里直接组装成完整系统，再运输过去。这意味着供应链本身需要具备更强的制造能力，比如要支持大规模电力测试。我们甚至需要供应链具备吉瓦级的电力能力来测试这些系统。所以我会亲自去和供应商沟通，告诉他们未来的需求，并让他们进行数十亿美元级别的资本投入。他们信任我，而我也会给他们足够的信息和时间去理解这些变化。Lex Fridman：那你会担心某些具体瓶颈吗？比如 EUV、封装能力这些？Jensen Huang：不会。因为我已经告诉他们我需要什么，他们也告诉我他们会怎么做，我相信他们。Lex Fridman：那我们再回到电力问题。你怎么看能源这个问题？Jensen Huang：我很希望大家关注一个事实：我们的电网是按照「最坏情况」来设计的，比如极端天气时的峰值需求。但实际上，99% 的时间，我们都远远没有达到这个峰值，大多数时候可能只运行在 60% 左右。这意味着，绝大多数时间里，电网是有大量闲置容量的，但这些容量必须存在，因为在关键时刻，医院、机场等基础设施必须有电。所以我在想的是，我们能不能设计一种机制，在电网需要满负荷时，数据中心降低功耗；在大多数时间里，利用这些闲置电力？比如数据中心可以在高峰时降低性能、迁移任务、甚至短时间降级服务。这样我们就可以更高效地利用电网。但现在的问题是三方面的：第一，客户要求数据中心必须 100% 可用；第二，数据中心的设计必须支持这种动态降级；第三，电力公司也需要提供更灵活的供电模式。如果这三点都做到，我们就可以大幅提高电力利用效率。所以我觉得，未来我们使用计算机、建设数据中心的方式，应该不是一味要求 100% uptime。现在这些非常非常苛刻的合同，其实给电网带来了很大压力，因为它们要求电网不仅满足峰值，还要在此基础上继续扩容。但我真正想利用的，其实只是那部分原本就闲置着的富余电力。Lex Fridman：这一点确实讨论得不够。那你认为目前的阻碍是什么？Jensen Huang：我觉得这是一个三方问题。首先是终端客户。终端客户会给数据中心提要求：你绝对不能掉线，绝对不能不可用。也就是说，客户期待的是完美。而为了实现这种完美，你就需要备用发电机，还需要电网供应商也做到接近完美。于是所有环节都要追求「六个九」。所以我觉得第一件事，是得让所有客户、所有 CEO 真的意识到，他们自己到底在要求什么。很多时候，签这些合同的人，其实只是数据中心运营团队里的某个人，和 CEO 之间隔得很远。我敢打赌，很多 CEO 根本不知道这些合同条款是什么。我准备去跟他们都谈一谈。这些 CEO 很可能根本没在关注这些正在签署的合同。每个人都想签最好的合同，这当然可以理解。然后这些要求再层层传递到云服务商，云服务商再传递给公用事业公司，于是整个链条都在要求「六个九」。所以第一步，就是让客户和 CEO 们真正明白，他们自己在要什么。第二件事，是我们必须建设能够「优雅降级」的数据中心。也就是说，如果电网告诉我们：「你们得降到 80% 用电了。」我们应该能说：「没问题。」我们可以重新调度工作负载。我们会确保数据永远不会丢，但可以把计算速率降下来，少用一点电。服务质量会轻微下降一点。对于最关键的工作负载，我会立刻把它迁到别的地方，这样就不会受影响。于是，哪个数据中心还能保持 100% uptime，就由它去承接最关键的部分。Lex Fridman：那这种智能、动态的电力调配，对数据中心来说，工程难度有多大？Jensen Huang：只要你能把问题定义清楚，就能把它工程化。你这个问题提得特别好。只要它符合第一性原理层面的物理定律，我觉得我们就能做到。Lex Fridman：你刚才提到三件事，第三件是什么来着？Jensen Huang：第二件是数据中心本身，第三件则是，公用事业公司也需要意识到，这其实是一个机会。他们不能总是说：「你得等五年，我才能把电网能力扩到那个水平。」如果你愿意接受这种等级的供电保障，那我其实下个月就能按这个价格给你供电。所以如果公用事业公司也能提供更多分层的供电承诺，我觉得市场自己就会找到对应的解决办法。现在电网里的浪费实在太多了，我们应该去把它利用起来。Lex Fridman：你之前也高度评价了 Elon Musk 在 Memphis 建设 Colossus 超级计算机的能力。你觉得他的方式有什么值得借鉴的？Jensen Huang：Elon 涉及的领域非常广，但他是一个非常强的系统思考者。他会不断问：这件事真的必要吗？必须这样做吗？为什么要这么久？他会把系统压缩到最小必要复杂度，同时保留核心能力。他也是一个极度「在现场」的人，哪里有问题就去哪里。他会打破很多「惯例」和「流程」，让事情真正推进。另外，他的紧迫感会传导给整个供应链。他会让所有供应商都把他放在优先级最高的位置，这一点非常关键。Lex Fridman：你在 NVIDIA 的协同设计中也有类似的方法吗？Jensen Huang：协同设计本身就是系统工程的极致形式。我们还有一个理念，叫「光速思维」。这不仅是速度，而是物理极限。我们会把所有问题都对标物理极限：内存速度、计算速度、功耗、成本、时间、制造周期等等。我们先问：在物理极限下，这件事能做到什么程度？然后再在现实中做取舍。我不太喜欢「持续优化」这种方法。如果一个流程现在是 74 天，有人说可以优化到 72 天，我不太接受。我更愿意从零开始问：为什么是 74 天？如果从头设计，现在可以做到多久？很多时候答案可能是 6 天。然后你再去理解剩下的 68 天是为什么存在。Lex Fridman：在这么复杂的系统中，「简单」这个原则还重要吗？Jensen Huang：当然。我们追求的是「必要的复杂性」和「尽可能的简单」。我们要不断问：这些复杂性是否必要？如果不必要，就去掉。Lex Fridman：但你们的系统已经极其复杂了，比如 Vera Rubin pod，有数万亿晶体管、上千 GPU。Jensen Huang：是的，这是世界上最复杂的计算机系统。Lex Fridman：这太有意思了。你最近去了中国。所以我很想问你一个问题：中国在过去十年里，在科技产业上的崛起非常惊人。你怎么看他们是如何在这么短时间里，建立起这么多世界级公司、世界级工程团队，以及这样一个能持续产出惊人产品的技术生态系统的？Jensen Huang：原因有很多。我们先从一些基本事实说起。全球大约有一半的 AI 研究人员是中国人，大致如此，而且其中大多数仍然在中国。我们这边也有很多，但中国本土仍然拥有大量优秀研究者。中国的科技产业出现在一个非常关键的时间点——移动互联网和云计算时代，他们的主要贡献路径是软件，而这个国家在科学和数学教育方面非常扎实，年轻人受教育水平很高。由于是在软件时代成长起来的，他们对现代软件体系非常熟悉。另外，中国并不是一个单一的经济体，而是由多个省份和城市构成，各地之间存在竞争关系。这也是为什么你会看到大量新能源汽车公司、大量 AI 公司，以及几乎所有行业里都有很多公司同时在做类似的事情。这种内部竞争非常激烈，最终留下来的往往是非常优秀的公司。同时，他们的社会文化是「家庭优先、朋友其次、公司再次」。在这种结构下，不同公司之间的信息交流非常频繁，本质上是一种长期处于开放状态的环境。因此，他们在开源上的投入更大也就顺理成章，因为他们会自然地思考：「我们到底在保护什么？」工程师之间存在大量重叠关系——亲属、朋友、同学，「同学」几乎是一种终身关系。这使得知识传播非常快，技术本身缺乏强烈的封闭动机，开源反而更高效。而开源社区又进一步放大并加速了创新过程。于是你会看到，优秀人才、开源驱动的快速创新、人际关系高度连接，以及极端激烈的竞争，这几种因素叠加，最终产出非常强的技术成果。从这个角度看，中国是当前全球创新速度最快的国家。这背后的一切，都源于基础因素——教育体系、家庭对学习的重视、文化结构，以及他们恰好处在技术指数级发展的关键时间窗口。Lex Fridman：从文化上来说，当工程师是一件很「酷」的事情。Jensen Huang：是的，这是一个「工程师型国家」。美国领导者很多是法律背景，这是为了治理和制度稳定；而中国很多领导者本身是非常优秀的工程师。Lex Fridman：你刚才提到开源，我想顺着聊一下。你一直很看好 Perplexity。Jensen Huang：非常喜欢。Lex Fridman：也感谢你们开源了 Nemotron 3 Super，这个 1200 亿参数的 MoE 模型现在也可以在 Perplexity 里使用。你如何看待开源的长期意义？像中国的 DeepSeek、MiniMax 这些公司都在推动开源 AI，而 NVIDIA 也在做接近 SOTA 的开源模型，你的整体判断是什么？Jensen Huang：首先，如果我们要成为一家优秀的 AI 计算公司，就必须理解模型是如何演进的。我很喜欢 Nemotron 3 的一点在于，它不是纯粹的 Transformer，而是 Transformer 和 SSM 的结合。我们在条件 GAN、渐进式 GAN 上也布局很早，这些路径一步步演化到了 diffusion。正是这些在模型架构和基础研究上的积累，让我们能够提前判断未来模型需要什么样的计算系统，这本身就是我们「极致协同设计」的一部分。第二点，我们一方面需要拥有世界级的模型作为产品，这些模型可以是专有的；但另一方面，我们也希望 AI 能够扩散到所有行业、所有国家、所有研究者和学生。如果一切都是封闭的，就很难开展研究，也很难在此基础上继续创新。因此，对很多行业来说，开源是参与 AI 革命的必要条件。NVIDIA 有规模，也有动机，可以长期持续构建这些模型，我们也有能力推动整个生态，让更多人参与进来。第三点是，AI 不只是语言。未来的 AI 会调用工具、子模型，并涉及生物、化学、物理、流体、热力学等不同模态，而这些并不都以语言形式存在。因此必须有人持续推动天气预测、生物 AI、物理 AI 等方向的发展，并不断逼近前沿。我们不造车，但希望每一家车企都能用上最好的模型；我们不做药物研发，但希望像礼来这样的公司，能够拥有最好的生物 AI 系统。所以，从 AI 的广度、AI 的普及，以及 AI 与计算架构协同演进这三个角度来看，开源都是必要的。Lex Fridman：再次感谢你们开源 Nemotron 3。Jensen Huang：我们不仅开源了模型，也开源了权重、数据以及构建方法。Lex Fridman：确实非常了不起。Jensen Huang：谢谢。Lex Fridman：你在中国台湾出生，也与台积电有长期合作。我想问，你如何理解台积电的文化，以及它是如何取得如此独特的成功？Jensen Huang：外界对台积电最大的误解，是认为它的核心只是技术。当然，他们的技术确实非常强，包括晶体管、金属层、先进封装、3D 封装以及硅光等。但真正让他们与众不同的，是他们对整个产业需求的协调能力。他们需要同时应对全球数百家客户不断变化的需求：订单增加或减少、客户切换、紧急加单、暂停生产、重新启动等等。在这样高度动态的环境下，他们仍然能够保持高吞吐、高良率、低成本以及极高水平的服务。他们对承诺极其严肃。当他们说晶圆会在某个时间交付，就一定会交付，而这直接关系到客户公司的运作。因此，他们的制造体系本身可以说是一个奇迹。第二点是文化。他们一方面持续推动技术前沿，另一方面又高度以客户为中心。很多公司只能做好其中一项，但他们同时把这两件事都做到了世界级。第三点，是一种无形资产，信任。这一点非常重要。我可以把自己的公司完全建立在他们之上，这种信任是长期合作积累出来的。Lex Fridman：这种信任既来自长期合作，也来自人与人之间的关系。Jensen Huang：是的。我们合作了三十年，涉及数十甚至上百亿美元的业务，但我们之间甚至没有合同。Lex Fridman：非常惊人。有一个说法是，2013 年台积电创始人 Morris Chang 曾邀请你担任 CEO，你拒绝了，这是真的吗？Jensen Huang：是真的。我非常荣幸，但我当时也非常清楚，NVIDIA 正在做的事情非常重要。我已经看到了它未来会成为什么样子，也看到了它可能带来的影响。这是我的责任，我必须把它做成。所以我拒绝了，不是因为这个机会不重要，而是因为我无法离开。Lex Fridman：我认为 NVIDIA 和 TSMC，都是人类历史上最伟大的公司之一。Jensen Huang：谢谢。Lex Fridman：我必须问一个问题。用科技行业常说的话，你们最大的「护城河」是什么？也就是你们抵御竞争的核心优势在哪里？Jensen Huang：最核心的一点，是我们的计算平台规模，也就是 CUDA 的装机量。二十年前我们并没有这个优势，但今天情况已经完全不同。即便有人开发出类似 CUDA 的技术，也很难改变当前格局。因为关键从来不只是技术本身，而是长期投入、持续迭代以及不断扩展所形成的系统性优势。CUDA 的成功并不是少数人完成的，而是 4.3 万名员工和数百万开发者共同构建的结果。开发者之所以选择在 CUDA 上开发，是因为他们相信我们会长期维护这个平台、持续推进它的发展。因此，「装机量」本身就是最重要的优势。当这个规模优势叠加我们的执行速度时，就形成了更强的壁垒。历史上，很少有公司能够以这样的速度构建如此复杂的系统，更不用说持续以年度节奏进行迭代。从开发者的角度来看，如果你选择支持 CUDA，你可以预期半年之后它会更强，同时你还能触达全球数亿设备，覆盖所有云平台、几乎所有行业以及各个国家。如果你开源一个项目，并优先支持 CUDA，你不仅获得规模，还获得增长速度。再加上「信任」这一点，开发者相信 NVIDIA 会长期维护这一生态。如果我是开发者，我会优先选择 CUDA。第二个优势是我们的生态系统。我们在纵向上高度集成计算系统，同时在横向上嵌入到几乎所有公司的产品体系中。我们存在于 Google Cloud、Amazon、Azure，也存在于 CoreWeave 等新型云平台，同时覆盖超级计算机、企业系统、边缘设备、汽车、机器人、卫星，甚至太空。换句话说，一个统一的计算架构，已经覆盖了几乎所有行业。Lex Fridman：那随着 AI 工厂的发展，这种 CUDA 的装机优势会如何演化？未来的 NVIDIA，会不会本质上变成一家「AI 工厂公司」？Jensen Huang：过去，我们的计算单元是 GPU；后来变成整台计算机，再后来是集群；现在，是完整的 AI 工厂。以前，当我发布新一代产品时，比如「今天发布 Ampere」，我会拿起一颗芯片。那是我当时的「心智模型」。但今天不一样了。拿起芯片这件事，某种程度上已经变得有点「可爱」——它不再代表我们真正构建的东西。现在我脑海中的模型，是一个巨大的系统：它接入电网，有发电能力，有冷却系统，有极其复杂的网络结构，有上万人在现场安装，还有成千上万的工程师在背后支撑。启动这样一个系统，不是按下开关就可以完成的，而是需要成千上万的人协同工作。Lex Fridman：所以你现在思考「一个计算单元」时，实际上是在想一整组机架、一个 pod，而不是单颗芯片？Jensen Huang：是完整的基础设施。而我希望我的下一次认知跃迁，是把「构建计算机」这件事，理解为「行星级规模」的问题。这会是下一步。Lex Fridman：你觉得 NVIDIA 未来有可能达到 10 万亿美元市值吗？或者换个角度，如果这件事成立，那个世界会是什么样子？Jensen Huang：我认为 NVIDIA 的增长是极有可能的，甚至在我看来是必然的。我解释一下原因。首先，我们已经是历史上最大的计算公司之一。这本身就值得追问：为什么会这样？原因有两个，都是底层的技术变化。第一，计算范式发生了改变。过去的计算，本质上是一个「检索系统」。我们预先写好内容、录制内容、生成文件，然后通过推荐系统或搜索系统，把这些内容检索出来。换句话说，这是一个「人类预生成 + 文件检索」的体系。而现在，AI 计算是基于上下文的，需要实时处理并生成 token。我们从「检索式计算」转向了「生成式计算」。在旧的体系中，我们需要大量存储；而在新的体系中，我们需要大量计算。因此，计算需求会显著增加。唯一可能改变这一趋势的情况，是这种生成式计算被证明是无效的。但过去 10 到 15 年的深度学习研究，以及最近 5 年的进展，让我比以往任何时候都更有信心。第二个变化是，计算机在世界中的「角色」发生了变化。过去，计算机更像仓库（warehouse）；而现在，它更像工厂（factory）。仓库本身不直接创造收入，而工厂是直接与收入挂钩的。计算机不再只是存储系统，而是一个生产系统。它生产的「商品」，就是 token。而这些 token 正在被不同人群消费，并呈现出分层，就像 iPhone 一样：有免费的、有高端的，也有中间层。智能，本质上变成了一种可扩展的产品。未来，很快就会出现这样一种情况：有人愿意为每百万 token 支付 1000 美元。这不是是否会发生的问题，而只是时间问题。于是问题变成：世界需要多少这样的「AI 工厂」？需要多少 token？社会愿意为这些 token 支付多少？如果生产力因此大幅提升，全球经济会发生什么变化？我们是否会发现新的药物、新的产品、新的服务？当你把这些因素综合起来看，我非常确定：全球 GDP 会加速增长。同时，用于计算的支出占比，将比过去高出一个数量级。在这样的背景下，再回到 NVIDIA：我们在这个新经济中的角色，会比现在大得多。至于数字，比如未来是否可能达到 3 万亿美元收入？答案是当然可能。因为这件事并不受明显的物理约束。NVIDIA 的供应链由 200 家公司共同支撑，我们是通过整个生态系统实现扩展。真正的限制只有一个：能源。而我相信能源问题最终是可以解决的。所以，这些数字本身只是「数字」。我还记得，当 NVIDIA 第一次突破 10 亿美元收入时，有人告诉我：「无晶圆厂半导体公司不可能超过 10 亿美元。」后来也有人说：「你们不可能超过 250 亿美元。」这些判断，都不是基于第一性原理。真正应该问的是：我们在创造什么？这个机会有多大？NVIDIA 并不是在争夺既有市场份额。我们所做的很多事情，本身就是一个尚未存在的市场。这也是为什么外界很难想象我们的上限，因为没有一个现成的参照物。但我有足够的时间。我会持续推演，也会持续表达。每一届 GTC，都会让这个未来更具体。最终，我们会走到那一步。我对此是百分之百确信的。Lex Fridman：如果从「token 工厂」的角度来看，其实可以把整个体系理解为：按每瓦特、每秒生成 token，而每个 token 都具有价值，并且对不同人来说价值不同。这样一来，整个世界就是由大量「token 工厂」构成的。从第一性原理出发，只要 AI 能解决的问题不断增加，就可以推导出未来对这种「工厂」的需求会呈指数级增长。Jensen Huang：是的。让我非常兴奋的一点是，「token 的 iPhone 时刻」已经到来了。Lex Fridman：你指的是？Jensen Huang：Agent。Agent 正在成为历史上增长最快的应用形态。Lex Fridman：也就是说，从去年 12 月开始，人们真正意识到像 Claude Code、Codex、OpenClaw 这类系统的能力？说实话，我自己也有点不好意思承认：我在机场的时候，第一次开始「对着电脑说话写代码」，就像在和同事沟通一样。我不确定未来所有人都这样和 AI 对话会是什么样子，但效率确实非常高。Jensen Huang：更有可能的情况是，你的 AI 会不断「打扰你」。因为它完成任务的速度非常快，它会不断向你反馈：「这个完成了，下一步要做什么？」Lex Fridman：这确实是一个非常不可思议的未来。Lex Fridman：我看到你提到过，你之所以取得成功，很大程度上源于你比别人更努力工作，也比别人更能承受痛苦。这种「痛苦」其实包含很多方面，比如应对失败、我们刚才谈到的工程难题和成本问题，还有人与人之间的问题、不确定性、责任、疲惫、尴尬，以及你提到过的那些公司濒临崩溃的时刻。但除此之外，还有压力。作为一家被各国政府和经济体围绕、据此制定资源配置与 AI 基础设施规划的公司的 CEO，你如何承受这样的压力？在如此多国家和人群依赖你的情况下，你的力量来自哪里？Jensen Huang：我非常清楚，NVIDIA 的成功对美国来说是重要的。我们创造了大量税收，建立了技术领先地位，而技术领先本身就是国家安全的一部分。国家更富裕，就可以更好地推动社会政策。同时，我们也在推动再工业化，创造大量就业机会，重建本土制造能力，包括芯片、计算机，以及 AI 工厂。我也非常清楚，有很多普通投资者——教师、警察——因为投资 NVIDIA 获得了财富。此外，NVIDIA 处在一个庞大的生态系统之中，上游和下游都有大量合作伙伴依赖我们。面对这些，我的处理方式很简单：把问题拆解。我会问自己，现在的情况是什么？发生了什么变化？难点在哪里？我能做什么？把问题拆开之后，它就变成一系列可以执行的任务。接下来就只剩一个问题：你做了吗？或者你让别人去做了吗？如果你认为一件事必须做，但既没有自己做，也没有推动别人去做，那就不要再为此抱怨。我对自己是比较严格的。但同时，我也会通过拆解问题来避免恐慌。我可以安心入睡，因为我已经把所有风险点都识别出来，并且告诉了相关负责人。只要该做的事情在推进，那就不需要再焦虑。Lex Fridman：在这个过程中，你有经历过心理上的低谷吗？Jensen Huang：当然，而且很多次。Lex Fridman：你的方法还是把问题拆解？Jensen Huang：是的。另外一点，是「学会遗忘」。在机器学习中，有一个重要能力是「选择性遗忘」。人也是一样的，你不能把所有事情都背在身上。我会快速拆解问题，然后把压力分散出去。任何让我担心的事情，我都会尽快告诉相关的人，而不是自己扛着。当然，也需要对自己严格一点——不要沉浸在情绪里，继续往前走。还有一点是，你会被「未来」吸引。就像运动员一样，他们只关注下一分，而不是上一分的失误。Lex Fridman：你曾说，如果一开始就知道 NVIDIA 有多难，你可能不会做。Jensen Huang：是的。但我想表达的是：这几乎适用于所有值得做的事情。你需要一种「孩子般的心态」——看到一件事时，第一反应是：「这有多难？」而不是提前模拟所有困难。你不应该在开始之前，就把所有挫折都预演一遍。你应该带着「这会很棒」的预期进入。但一旦进入，就需要具备韧性。挫折、失败、羞辱都会发生，而且往往是出乎意料的。这个时候，你要做的就是：忘掉它，继续前进。只要你对未来的基本判断没有改变，你就应该继续走下去。Lex Fridman：在经历了这么多成功之后，保持谦逊会变得更困难吗？Jensen Huang：恰恰相反。因为我做很多事情是公开的，一旦判断错误，所有人都会看到。另外，我的管理方式是「公开推理」。我不会直接给结论，而是把推理过程讲出来，让大家判断是否合理。我会不断地说：「这是我目前的理解路径。」然后把推理过程讲出来。这给了所有人一个机会，可以在任何一步提出不同意见。他们不需要否定结论，只需要指出某个推理环节的问题，我们就可以在此基础上继续推演。这本质上是一种「集体寻找路径」的方式，而且非常有效。Lex Fridman：你在解释问题时，始终保持一种开放状态，让人感觉可以参与甚至影响你的思考。在经历了这么多成功和压力之后，还能维持这种状态，其实非常难。很多人会因为痛苦而变得封闭。Jensen Huang：我觉得其中一个关键，是对「出丑」的容忍度。Lex Fridman：是的，这确实是一种很真实的能力。多年来反复经历「在会议中提出一个判断，结果被证明是错误的」，同时还能坦然承认，并从中成长，这在人的心理层面其实非常困难。Jensen Huang：是的。你知道，我最早的一份工作，其实是打扫卫生间。Lex Fridman：我很高兴你一直保持着当年在 Denny』s 工作时的那种状态。这段从 Denny』s 起步的经历，本身就非常动人。我想聊聊游戏。我是一个重度玩家，也必须感谢 NVIDIA 多年来带来的出色图形体验。Jensen Huang：顺便说一句，直到今天，GeForce 仍然是我们最重要的营销入口。很多人是在青少年时期，通过游戏认识 NVIDIA 的。后来他们进入大学，已经知道 NVIDIA 是什么公司。一开始只是玩《使命召唤》、玩《堡垒之夜》，再往后开始使用 CUDA，再后来会用到 NVIDIA 生态中的工具，比如 Blender、Dassault、Autodesk 等。Lex Fridman：是的。我跟朋友说我要和你对谈，他的第一反应就是：「他们做的游戏显卡非常好。」Jensen Huang：没错（笑）。Lex Fridman：当然，这背后远不止这些。但确实，很多人非常喜欢这些产品，它们给人带来了大量乐趣。硬件本身，让这些虚拟世界真正「活」了起来。不过最近关于 DLSS 5 有一些争议。一些玩家担心，它会让游戏看起来像「AI 生成的廉价内容」。你怎么看这种讨论？Jensen Huang：我可以理解他们的看法，也能理解这种担忧从何而来。因为现在很多 AI 生成内容确实越来越趋同，虽然都很「漂亮」，但缺乏个性。我自己也不喜欢这种「AI 套路化内容」。但这并不是 DLSS 5 想做的事情。我已经展示过一些示例。DLSS 5 是基于 3D 条件约束的，由真实的结构数据驱动。场景的几何结构完全由艺术家决定，而系统在每一帧中都会严格遵循这些结构。同时，它也受到纹理和艺术风格的约束。因此，每一帧都是在「增强」，而不是「改变」。关于「增强」，DLSS 5 本身是一个开放系统。开发者可以训练自己的模型，甚至未来可以通过提示来定义风格，比如卡通渲染，或者给出参考样例，让系统按某种风格生成。但无论如何，所有结果都必须与艺术家的风格和创作意图保持一致。这些工具的存在，是为了帮助艺术家创造更美的内容，同时保持他们想要的风格。很多玩家的误解在于，他们以为游戏会先按原样制作完成，然后再通过 DLSS 做后处理。但这并不是 DLSS 的设计方式。DLSS 是与创作流程深度融合的，它本质上是给艺术家提供 AI 工具。是否使用，完全由他们决定。Lex Fridman：我觉得人类对「脸」的敏感度特别高。现在大家对 AI 内容也变得敏感，我反而觉得这是一件好事。它像一面镜子，让我们意识到，人类真正追求的，并不一定是完美，有时反而是某种「不完美」。它帮助我们理解，什么样的世界是有吸引力的。只要这些工具是帮助我们去创造这些世界的，那就是一件好事。Jensen Huang：没错。这只是又一个工具。如果开发者希望生成非写实风格的内容，模型也可以做到。从某种意义上说，这和我们之前引入皮肤着色器类似。我们曾经加入 subsurface scattering，让皮肤看起来更接近真实。整个行业一直在寻找更多工具来表达艺术，而 DLSS 只是其中之一。最终决定权始终在创作者手中。Lex Fridman：一个可能有点随意的问题。你认为历史上最伟大、或者最具影响力的游戏是什么？从 NVIDIA 的视角来看。Jensen Huang：Doom。Lex Fridman：Doom，毫无疑问。它开启了 3D 时代。Jensen Huang：从艺术、文化影响以及产业转折的角度来看，Doom 都非常关键。它让 PC 从办公自动化工具转变为面向家庭和玩家的个人计算机，这是一个重要节点。当然，在此之前也有飞行模拟类游戏，但它们没有像 Doom 那样形成广泛影响。从纯技术角度来看，我会选择 Virtua Fighter。我们和这两款作品的团队关系都很好。Lex Fridman：还有一些比较新的作品，比如《赛博朋克 2077》，在 GPU 加速方面也非常出色。Jensen Huang：是的，是完全光线追踪。Lex Fridman：我个人非常喜欢《上古卷轴：天际》。虽然已经发布很多年，但通过各种 mod，每次体验都像是一个全新的游戏。Jensen Huang：我们也非常喜欢 mod 社区。我们推出了 RTX Mod，这是一个模组工具，可以让社区把最新的图形技术注入到老游戏中。Lex Fridman：当然，一个伟大的游戏不仅仅是画面，还包括故事和角色。但优秀的图形确实可以增强沉浸感，让人感觉自己被带入另一个世界。Jensen Huang：完全同意。Lex Fridman：你刚才提到的一点我觉得很准确：关于 AGI 的时间判断，本质上取决于你如何定义 AGI。Lex Fridman：我想问一个关于时间的问题。我们可以用一个或许有些极端的定义来讨论 AGI——假设有一个 AI 系统，能够完成你的工作：也就是从零开始，创建、发展并运营一家成功的科技公司，市值超过 10 亿美元。Jensen Huang：是指「优秀的公司」，还是「只要有一个就可以」？Lex Fridman：必须是成功的公司，市值要超过 10 亿美元。你也知道，这涉及很多复杂要素。所以，这种能力大概还需要多久？5 年、10 年、15 年，还是 20 年？我们说的是像 OpenClaw 这样，可以完成创新、寻找客户、销售产品、管理团队（包括 AI 和人类协同）等一整套复杂任务的系统。Jensen Huang：我认为，现在就已经可以了。我认为我们已经实现了 AGI。Lex Fridman：你是说，现在就可能有一个由 AI 运营的公司？Jensen Huang：是有可能的。原因在于，你刚才说的是「达到 10 亿美元」，但并没有要求「长期持续」。举个例子，一个 AI 完全有可能开发出某个网络服务或者应用，突然之间被几十亿人使用，每人付 0.5 美元，然后在短时间内迅速消失。在互联网时代，这类公司其实出现过很多。而且它们当时的技术复杂度，并不比今天 OpenClaw 能做到的更高。Lex Fridman：也就是说，关键在于实现病毒式传播，并将其变现。Jensen Huang：是的。只是我们不知道具体会是哪一个产品。当年我们也无法预测哪些互联网公司会成功。Lex Fridman：你这个说法会让很多人非常兴奋——听起来像是：我只要部署一个 agent，就可以赚很多钱。AI 会抢工作吗？不会，但会改变工作的定义Jensen Huang：事实上，这种事情已经在发生了。你去中国，会看到很多人在训练他们的 agent，让它们去寻找工作、执行任务、甚至直接赚钱。如果未来某个社交应用突然爆发，我也不会感到惊讶。比如一个非常可爱的数字角色，或者类似电子宠物（Tamagotchi）的产品，短时间内爆红，被大量用户使用几个月，然后迅速消退。当然，如果是 10 万个 agent 去「构建一个 NVIDIA」，成功概率是零。但我想强调一点：现在很多人对工作感到焦虑。我想提醒大家，工作的「目的」，和完成工作的「任务与工具」，是相关的，但并不相同。我已经做这份工作 33 年，是科技行业任期最长的 CEO（34 年）。在这 34 年里，我使用的工具一直在变化，而且有时变化非常剧烈。有一个故事我希望大家一定要听到。最早，计算机科学家和 AI 研究者预测，第一个会消失的职业是放射科医生。因为计算机视觉会达到甚至超过人类水平，而事实也确实如此。大约在 2019 到 2020 年，计算机视觉就已经达到了超人水平。当时的判断是：既然 AI 可以完成影像分析，放射科医生这个职业就会消失。但结果恰恰相反。今天，所有放射学平台都由 AI 驱动，但放射科医生的数量反而增加了，而且全球仍然短缺。为什么会这样？因为放射科医生的「目的」，是诊断疾病、帮助医生与患者做出判断。当 AI 让影像分析变得更快之后：我们可以分析更多影像，诊断更准确，处理更多患者，医院收入提高，患者数量增加，于是，对放射科医生的需求反而上升。这是一个非常直观的结果。同样的逻辑也适用于软件工程师。NVIDIA 的软件工程师数量会增加，而不是减少。因为软件工程师的「目的」，是解决问题，而写代码只是其中一个手段。他们的工作包括：解决问题、团队协作、诊断问题、评估结果、寻找新的问题、推动创新、建立连接。这些能力不会消失。Lex Fridman：你觉得程序员的数量会增加，而不是减少？Jensen Huang：是的。关键在于，我们如何定义「编程」。我认为，编程本质上是「提出规格（specification）」。你可以给出明确指令，甚至定义系统架构。那么问题是：有多少人可以做到这一点？本质上，就是「告诉计算机要做什么」。过去，大概有 3000 万人能做到；未来，可能会有 10 亿人。未来，每一个木匠都会成为「程序员」。而且有了 AI，他们同时也是「架构师」。他们能为客户创造的价值大幅提升，表达能力也大幅增强。同样的，未来的会计，也会同时具备财务分析与顾问能力。所有职业，都会被「抬升」。如果我是木匠，我会对 AI 感到极度兴奋，因为它能让我提供完全不同层级的服务；如果我是水管工，我也会如此。Lex Fridman：目前的软件工程师，可能在理解如何用自然语言与 AI 交互、如何设计系统方面，仍然处在领先位置。Jensen Huang：没错。Lex Fridman：但长期来看，这种能力会逐渐普及。不过我仍然认为，学习传统编程，语言、设计原则、大规模系统架构依然有价值。Jensen Huang：是的。因为「如何定义问题」，本身是一种能力。规格的表达方式，取决于你要解决的问题。比如在公司层面，我在制定战略时，会给出足够明确的方向，让团队可以执行；但我也会刻意保留空间，让 4.3 万人可以在此基础上做得比我想象得更好。因此，不同场景下，规格的精细程度是不同的。未来，每个人都需要找到自己在这个「编程光谱」中的位置。写规格，本身就是编程。有时你需要非常明确的指令；有时你需要更开放的探索，与 AI 反复交互，拓展自己的创造力。这，就是编程的未来。Lex Fridman：不过从更广泛的角度来看，很多人对就业感到焦虑，尤其是白领群体。每当自动化和新技术出现，都会带来动荡。我认为，我们需要对这种焦虑保持同理心，因为对个体和家庭来说，失业带来的痛苦是真实存在的。希望这些技术最终能带来更多机会，让人们变得更高效、工作更有趣，就像编程领域现在发生的那样。但在过渡过程中，确实会有很多痛苦。Jensen Huang：我给大家的第一个建议，是如何处理焦虑。就像我们刚才说的，我会先把问题拆解。有哪些事情是你可以控制的？有哪些是你无法控制的？对于可以控制的部分，去分析、去行动。如果我要招聘一名应届毕业生，在两个候选人之间选择，一个完全不了解 AI，另一个熟练使用 AI，我一定会选择后者。无论是会计、市场、供应链、客服、销售、商务拓展，甚至律师，我都会选择更懂 AI 的人。因此，我建议：每一位学生，都应该学会使用 AI；每一位老师，都应该鼓励学生使用 AI；每一位毕业生，都应该成为 AI 的熟练使用者。不论你是木匠、电工、农民，还是药剂师，都应该去尝试 AI，看看它如何提升你的工作能力。同时，我们也必须承认：技术会自动化很多任务。如果你的工作本质就是这些「任务」，那么你被替代的风险会非常高。如果你的工作目标更高，那么你就必须学会用 AI 去完成这些任务。Lex Fridman：还有一个很重要的点是，AI 本身可以帮助你拆解问题。你可以直接问它：「我该如何提升技能？我该如何使用 AI？」它可以给出非常具体的步骤。它甚至可以成为一个「人生教练」。Jensen Huang：是的。如果你不会用 AI，它会教你。Lex Fridman：这确实是一个非常「元」的体验，但也非常强大。Jensen Huang：你无法对 Excel 说「我不会用你」，但 AI 可以。Lex Fridman：有没有某些东西，本质上是「非计算」的？也就是说，无论芯片多强大，都无法复制？Jensen Huang：我不确定芯片是否会「紧张」。当然，导致焦虑、紧张或其他情绪的条件，AI 可以识别、也可以理解，但我认为芯片本身不会「感受到」。因此，这些情绪，焦虑、兴奋、恐惧……如何影响人的表现，是一个完全不同的维度。比如在相同条件下，不同的人会呈现出完全不同的表现：有的人表现卓越，有的人表现普通甚至低于平均水平。这种差异，很大程度来自人的主观体验。而在计算系统中，如果两个系统面对完全相同的输入，当然可能会产生统计上的差异，但这种差异并不是因为「感受不同」。Lex Fridman：是的，人类的主观体验确实非常特殊。比如我刚才和你对话时会紧张，这种期待、恐惧、焦虑，还有生活本身的丰富性——爱、心碎、对死亡的恐惧、失去亲人的痛苦——这一切，很难想象一个计算系统能够真正拥有。Jensen Huang：确实很难想象。但我们对这一切仍然知之甚少，还有很多未解之谜。因此，我也保持开放态度，愿意接受未来的惊喜。过去几年，尤其是最近几个月，AI 的发展已经让我多次感到惊讶。「规模」本身，确实能够带来一些近乎奇迹般的变化。Jensen Huang：另外，我觉得有一点非常重要，就是要拆解「智能」这个概念。我们经常使用「智能」这个词，但它并不是一个神秘的概念。智能，本质上是一套系统能力，包括：感知、理解、推理、规划，以及行动的循环。这就是智能。但「智能」并不等同于「人类」。这是两个不同的概念，我们应该区分开来。我不会过度神化「智能」。在我看来，智能是一种「功能性能力」。甚至可以说，智能正在成为一种「商品」。我身边有很多非常聪明的人，在各自领域都比我更优秀、更专业。他们受过更好的教育，在各自领域也更深入。但我仍然在这个系统中扮演一个角色。这本身就很有意思。你会问：一个曾经在餐厅洗碗的人，为什么可以在一群「超人级」的人中间，去协调他们的工作？这正说明，「智能」只是其中一个维度。「人性」，才是更大的概念。我们的生命体验、对痛苦的承受能力、意志力，这些都不同于「智能」。Jensen Huang：如果我只能给大家一个建议，那就是：不要把「智能」这个词放得过高。真正应该被重视的是：品格、人性、同理心、慷慨。这些，才是「超人能力」。而智能，将逐渐被普及、被商品化。Lex Fridman：也就是说，我们应该更重视「人性」。Jensen Huang：是的。人性、品格、同理心、慷慨，这些才是最重要的。社会长期以来把一切压缩到「智能」这个词上，但人生远不止这一点。从我的经历来看，即使我在「智能」维度上不如身边很多人，我依然取得了成功。所以，我希望大家不要因为「智能的普及」而焦虑，而是从中获得启发。Lex Fridman：我也认为，AI 会让我们更加珍视人类本身。Jensen Huang：没错。AI 会让人类变得更强大。Lex Fridman：NVIDIA 的成功，以及无数人的生活，都在某种程度上依赖你。但你也只是一个普通人，终究会面对死亡。你会思考这个问题吗？会害怕死亡吗？Jensen Huang：我并不想死。我拥有很好的生活、很好的家庭，也在做非常重要的工作。这不是「一个人一生一次」的经历，而是「人类历史级」的经历。NVIDIA 是历史上最重要的科技公司之一，我们正在做的事情具有重大意义，我对此非常认真。当然，也有一些现实问题，比如继任规划。我经常说，我不太相信「继任规划」。并不是因为我认为自己不会离开，而是因为：如果你真的关心公司在你之后的发展，你今天最应该做的事情，是不断传递知识。把信息、洞察、经验、能力，持续地传递给团队。这也是为什么我会在团队面前不断进行推理。每一次会议，本质上都是在传递认知。我不会把任何信息「留在自己手里」。我一旦学到什么，几乎会立刻分享出去。甚至在我还没有完全理解的时候，就已经在告诉别人：「这个很重要，你应该去研究。」我在持续地赋能周围的人，让他们的能力不断提升。我的理想状态是：我在工作中离开，而且是瞬间的，没有长时间的痛苦。Lex Fridman：作为一个观察者和粉丝，我当然希望你能一直工作下去（笑）。NVIDIA 的创新速度令人震撼，本身就是一种对工程的礼赞。那最后一个问题：当你展望未来 10 年、20 年、50 年甚至 100 年，人类的未来中，什么让你感到希望？Jensen Huang：我始终对人类的善良、慷慨和同理心充满信心。有时候甚至比应该有的信心还要多，也因此偶尔会被辜负。但这不会改变我的判断。我始终相信，人们是愿意做好事的，是愿意帮助他人的。而绝大多数时候，这一判断都是正确的，甚至会超出我的预期。Jensen Huang：让我充满希望的，是当我看到当下正在发生的事情，并把它向未来推演时，会发现很多问题正在变得「可解」。我们有太多问题要解决，有太多事情想要创造，而这些正在变得触手可及，甚至在我有生之年就可能实现。你很难不对这样的未来感到浪漫。比如，疾病的终结，是一个合理的期待；污染的大幅减少，是一个合理的期待；甚至以接近光速进行某种形式的「传输」，也是可以设想的未来。Jensen Huang：我甚至在设想一种方式：未来，我们可以把「意识」以数字形式传输。我们可以把一个人的全部信息，邮件、思想、行为逐步沉淀为一个 AI。当条件成熟时，把这个「数字化的自我」发送到太空，与机器人会合。Lex Fridman：这确实是一个非常震撼的设想。但从科学角度看，还有很多未解问题，比如意识本身。Jensen Huang：是的。但理解「生命系统」，可能就在眼前，也许五年内就会有重大突破。Lex Fridman：无论是意识，还是物理学的深层问题，这些都让未来变得非常令人兴奋。Lex Fridman：Jensen，非常感谢你所做的一切，也感谢你今天的分享。Jensen Huang：谢谢你，Lex。这次对话我非常享受。同时也感谢你做的这些访谈，你的深度、尊重和研究，让我们能够更好地了解这些人物和思想。Lex Fridman：这对我意义重大，谢谢你。Lex Fridman：感谢大家收听这期与 Jensen Huang 的对谈。正如 Alan Kay 所说：「预测未来的最好方式，是亲手创造它。」感谢收听，我们下次见。[原文链接] 编辑：佚名 时间：2026-05-26 00:05:01
• 

  除Resolv被黑外，这种DeFi漏洞类型已出现过四次

  在一个安静的周日早晨，有人在约 17 分钟内把 10 万美元变成了 2500 万美元。目标是收益型稳定币协议 Resolv。在 Resolv 暂停合约之前，其与美元挂钩的稳定币 USR 已跌至几分钱。截至本文写作时，USR 仍严重脱锚，交易价格约为 0.25 美元，本周跌幅超过 70%。冲击波远不止于 Resolv 本身。Fluid/Instadapp 单日吸收超过 1000 万美元坏账，同日遭遇逾 3 亿美元净流出，创其历史最大单日流出纪录。15 个 Morpho 金库受到波及。Euler、Venus、Lista DAO 和 Inverse Finance 均相继暂停了 USR 相关市场。导致此次漏洞损失扩散的机制——在借贷市场中将脱锚稳定币按 1 美元定价——并非新鲜事。过去 14 个月内，这种情况至少发生过四次。漏洞是怎么工作的USR 的铸造遵循一个两步链下流程：用户通过`requestSwap`函数存入 USDC，一个具有特权的链下签名密钥`SERVICE_ROLE`再通过`completeSwap`最终确定发行的 USR 数量。合约设有最低输出限制，但没有最高限制。密钥持有者签署什么，合约就执行什么。攻击者通过 Resolv 的 AWS 密钥管理服务获取了该密钥的访问权限。他们提交了两笔 USDC 存款，总计约 10 万至 20 万美元，然后利用被盗密钥授权铸造了 8000 万枚 USR 作为回报。链上数据显示两笔交易分别为 5000 万 USR 和 3000 万 USR，均在数分钟内完成铸造。「Resolv USR 漏洞不是一个 bug——而是一个按设计正常运行的功能。这才是问题所在。」链上分析师 Vadim（@zacodil）表示。SERVICE_ROLE 是一个普通的外部账户地址，不是多签。管理员密钥有多签保护，但铸造密钥没有。「Resolv 经过了 18 次审计，」Vadim 说，「其中一个发现的名称直接就叫「缺少上限」」。攻击者有条不紊地退出：先将铸造的 USR 转换为 wstUSR（质押包装版本）以减缓市场冲击，然后通过 Curve、Uniswap 和 KyberSwap 将其兑换为 ETH。攻击者钱包中持有约 11400 枚 ETH（约 2400 万美元）。支撑整个系统的 ETH 和 BTC 抵押品池在稳定币崩溃的同时完好无损。传染如何扩散Resolv 漏洞实际上是两起事件叠加在一起。第一起是铸币漏洞，第二起是连锁借贷市场失效。当 USR 和 wstUSR 崩溃时，每个接受其作为抵押品的借贷市场都面临同一个问题：它们的预言机仍然将 wstUSR 定价在接近 1 美元的位置。风险分析机构 Chaos Labs 创始人 Omer Goldberg 记录了这一机制。他的核心发现是：「预言机是硬编码的，因此从未重新定价。wstUSR 被标记为 1.13 美元，而在二级市场上的交易价格约为 0.63 美元。」交易者在公开市场上以低价购入 wstUSR，然后在 Morpho 或 Fluid 上以预言机报价 1.13 美元将其作为抵押品，借出 USDC 后离场。在 Fluid，团队筹措了短期贷款以覆盖 100% 的坏账，并承诺让每一位用户得到全额赔偿。在 Morpho，联合创始人 Paul Frambot 表示约有 15 个金库存在大量敞口，均处于高风险、长尾抵押品策略中。知名 curator Gauntlet 表示，「几个高收益金库的敞口有限。」但 D2 Finance 直接反驳了这一说法，发布链上数据显示 Gauntlet 旗舰「USDC Core 金库」向 wstUSR/USDC 市场配置了 495 万美元。Goldberg 随后表示，Gauntlet 金库在该市场中占贷款方流动性的 98%。Frambot 在书面回复 The Defiant 时表示：「我们一直在研究如何更全面地呈现各类风险。不过我们不认为这里的核心问题是缺乏标注。」Frambot 补充道：「Morpho 是预言机无关的，这意味着它允许 curator 选择他们认为最适合特定市场的任何预言机。Morpho 是开放的、无需许可的基础设施，其设计是将风险管理外包给 curator。」「很难在所有场景下强制推行客观'正确'的护栏，」Frambot 说，「在协议层面施加约束也有阻碍合法策略实施的风险。」虽然底层协议将风险管理留给了 curator，但业内部分人士认为 curator 并没有尽到职责。「我认为 curator 行业的设计存在缺陷，因为根本没有真正的策展发生。」Marc Zeller 在 X 上表示。截至发稿，Resolv、Gauntlet 和 Fluid 均未回应 The Defiant 的置评请求。一个反复出现的失败模式这并非新型攻击。2025 年 1 月，Usual Protocol 的 USD0++被 curator MEV Capital 在 Morpho 金库中硬编码为 1 美元。Usual 随后在没有任何警告的情况下突然将赎回底价调整为 0.87 美元，导致贷款人被锁在 MEV Capital 金库中，该金库利用率飙升至 100%。2025 年 11 月，Stream Finance 的 xUSD 崩溃，此前 curator 已将 USDC 存款路由进以该合成稳定币为支撑的杠杆循环中，当其预言机拒绝更新时，Morpho、Euler 和 Silo 上估计 2.85 亿至 7 亿美元的资产面临风险。Moonwell 在 2025 年 10 月和 11 月连续遭遇两次预言机失效，合计产生超过 500 万美元的坏账。这对 curator 模式意味着什么Morpho 的架构将所有风险决策外包给第三方「curator」，由他们构建金库、选择抵押品、设定贷款价值比并选择预言机。这套理论认为，专业机构具备更深的专业知识，竞争能带来更好的风险管理，协议负责执行规则。但 curator 依靠产生的收益率来赚取费用，这形成了一种接受风险更高、收益更高的抵押品（如收益型稳定币）的激励。问题在于，当这些稳定币脱锚时，损失由存款人承担，而不是 curator。在 Resolv 事件中，一些 curator 的自动化机器人在漏洞发生后数小时内仍在持续向受影响的金库注入资金，加深了损失。对收益型稳定币采用硬编码预言机的原因，是为了防止短期波动触发不必要的清算。但这种保护只在稳定币保持稳定的情况下才有效。链上分析机构 Chainalysis 在事后复盘中表示，需要实时的链上检测能力。「链上智能合约运行完全正常。问题显然出在更广泛的系统设计和链下基础设施上。」该分析机构表示。 编辑：佚名 时间：2026-05-26 00:05:01
• 

  美伊战争三周，谁在赚钱、谁在买单？

  2 月 28 日，美国和以色列对伊朗发动军事打击。伊朗随即封锁霍尔木兹海峡，全球每天过境的 2,000 万桶石油被掐断。三周过去，IEA 署长 Fatih Birol 3 月 23 日在澳大利亚国家记者俱乐部给出了一个数字：这场战争造成的全球日均石油供应损失为 1,100 万桶。这个数字超过了 1973 年石油禁运和 1979 年伊朗革命两次危机的损失之和。中东 9 个国家超过 40 处能源基础设施遭到不同程度损毁。IEA 同期数据显示，全球天然气供应损失达到 1,400 亿立方米，接近俄乌冲突期间欧洲天然气损失（750 亿立方米）的两倍。三周时间，这场冲突在能源市场造成的量化冲击已经超过了 1970 年代的全部。但供应损失只是故事的一半。另一半是，这场危机有明确的受益者。普京的意外收获伊朗战争开始前，乌拉尔原油的交易价格不到 60 美元一桶。这个价格被锁定了将近三年，是西方制裁的直接结果。俄乌战争爆发后，欧美对俄罗斯石油实施价格上限，乌拉尔原油与国际基准布伦特之间长期维持着 30 到 40 美元的折价。这个折价是制裁在发挥作用的最直观信号。伊朗战争改变了这一切。霍尔木兹海峡封锁后，全球石油市场出现巨大缺口，买家被迫寻找替代供应。据能源与清洁空气研究中心（CREA）数据，3 月前两周俄罗斯化石燃料出口总收入达到 77 亿欧元，日均 5.13 亿欧元，较 2 月的 4.72 亿欧元上涨 8.7%。其中石油出口日均收入为 3.72 亿欧元，两周内额外多赚了 6.72 亿欧元（约 7.77 亿美元）。乌拉尔原油在三周内从不到 60 美元涨到约 90 美元，涨幅近 80%。据 Al Jazeera 报道，能源分析师 George Voloshin 指出，布伦特同期也从约 65 美元涨至 110 美元以上，但关键不在绝对价格，而在二者之间的价差。乌拉尔与布伦特的折价从战前的约 40 美元大幅收窄。Moscow Times 3 月 16 日报道称，交付至印度的乌拉尔原油一度出现对布伦特的溢价，这在制裁生效以来从未发生过。换句话说，西方用三年制裁建起来的经济围墙，被三周的伊朗战争拆掉了相当一部分。特朗普政府 3 月 12 日宣布了一项 30 天制裁豁免，允许各国购买俄罗斯在途石油，财政部长 Scott Bessent 称此举将释放约 1.4 亿桶供应。但分析师普遍认为豁免条件中「不带来重大财务利益」的限制几乎无法执行。与此同时，IEA 宣布释放 4 亿桶战略石油储备，为历史最大规模。这项豁免将于 4 月 11 日到期，届时市场将面临新一轮不确定性。印度是最直接的行动者。CREA 数据显示，3 月前两周印度购买俄罗斯化石燃料总额达 13 亿欧元，日均 8,900 万欧元，较 2 月的日均 6,000 万欧元增长 48%。Al Jazeera 报道确认，至少 7 艘原本驶往中国的油轮在途中改道印度，其中一艘名为 Aqua Titan 的船已于 3 月 21 日抵达印度港口。当全球都在为油价焦虑的时候，莫斯科和新德里之间的石油贸易正在加速运转。谁在买单？供应端损失和受益端收入最终都会传导到消费端。美国消费者是最直接的承受者。AAA 数据显示，美国汽油全国均价从战前的 2.98 美元涨至 3 月 23 日的 3.96 美元，涨幅 33%。加州均价已达 5.56 美元，堪萨斯州最低也要 3.23 美元。柴油均价 5.07 美元，为 2022 年以来最高。Fortune 报道指出，这轮油价上涨恰好吞掉了美国家庭刚到手的税收退税。航空业是最先感受到冲击的行业之一。Platts 评估数据显示，美国喷气燃料价格在三周内上涨超过 60%，部分地区翻倍。United Airlines 成为第一家正式宣布削减运力的美国大型航空公司。CEO Scott Kirby 在内部备忘录中表示公司正在为油价上探 175 美元一桶做准备，这意味着年度燃料成本将增加约 110 亿美元，超过公司「史上最佳年份」利润的两倍。United 将在二三季度削减 5% 的航班。影响正在向全球扩散。据 CNBC 3 月 21 日报道，Delta Air Lines 也警告可能缩减运力。Euronews 报道显示，澳洲航空、北欧航空、泰国国际航空已经提价，新西兰航空取消了超过 1,000 个航班。连零工经济都被波及了。据费城 Inquirer 3 月 23 日报道，DoorDash 开始向司机发放每周 5 到 15 美元的油价补贴和 10% 加油返现，以应对司机因油价上涨而减少接单的情况。当一家外卖平台需要为中东战争买单的时候，冲击传导链的长度就不需要多解释了。伊朗战争三周，全球每天损失 1,100 万桶石油，俄罗斯 15 天多赚了近 8 亿美元，美国消费者的油钱涨了三分之一，4 月 11 日制裁豁免到期后这条传导链还会继续延长。 编辑：佚名 时间：2026-05-26 00:05:01
• 

  特朗普，全球最大的石油交易员

  原文作者：David，深潮 TechFlow一条帖子到底能值多少钱？美东时间 3 月 23 日早上 7 点 05 分，特朗普在 Truth Social 上发了一条全大写的帖子，大意是：美国和伊朗过去两天进行了「非常好的、富有成效的对话」，他已下令暂停对伊朗电厂和能源设施的打击，为期五天。这条帖子发出的时候，美股还没开盘。但期货市场是实时的。几分钟之内，道琼斯期货涨了超过 1000 点，标普 500 期货涨了 2.7%。布伦特原油从每桶 113 美元直线跌到了 98 美元，跌幅超过 13%。国外知名媒体《财富杂志》的记者后来算了一下，从帖子发出到市场消化完毕，美股总市值增加了大约 1.7 万亿美元。如果你是一个普通交易员，在社交媒体上发一条关于石油供给的消息，导致全球油价暴跌 13%，监管部门想必会在 24 小时内找上门。但如果你是美国总统，这叫外交。然后伊朗说：我们没跟他谈过。伊朗国家通讯社引述一名安全官员的话称，德黑兰和华盛顿之间没有任何直接或间接的对话。伊朗学者 Seyed Mohammad Marandi 在 X 上写得更直接：「每周开市的时候，特朗普都会发这种声明来压低油价。他这次连五天的期限都恰好卡在能源市场交易周的收盘上。」消息传回美国，市场涨幅回吐了将近一半。但到收盘，道指还是涨了 631 点，布伦特原油收在了 99.94 美元，是 3 月 11 日以来第一次跌回 100 美元以下。也就是说，市场选择相信特朗普的版本，至少相信了一半。一条帖子，一个小时，数万亿美元来回摇摆。这与其说是总统在发表外交声明，不如说是全球最大的石油交易员在下单。而且他手里的工具不是期货合约，是美国军队和 Truth Social 社交媒体。别的交易员做多做空用的是钱，他用的是战争的开关。据 CNBC 报道，就在帖子发出前大约 15 分钟，也就是纽约时间早上 6 点 50 分左右，标普 500 期货和原油期货同时出现了一次异常的交易量飙升。在流动性很薄的盘前时段，这种突然的、孤立的放量非常显眼。15 分钟后，帖子发出，油价暴跌，股指暴涨。也就是说，谁在 6 点 50 分动手的，谁就在 7 点 05 分之后赚到了钱。在大宗商品市场里，提前于重大消息精准建仓，是最经典的内幕交易形式之一。图源：CNBC，标普 500 盘前交易放量去年 4 月，特朗普在关税政策上反复变卦导致市场剧烈波动时，国会参议员 Adam Schiff 就曾公开质疑：谁在总统发帖之前就知道了他要说什么？那次没有人给出答案。这次 CNBC 联系了 SEC 和芝加哥商品交易所，两家机构的回应一模一样：拒绝评论。而这也不是第一次了。往回翻，特朗普用嘴巴移动油价这件事，已经快十年了。嘴上生意特朗普从 2011 年就开始在社交媒体上谈论油价了，那时候他还不是总统，骂 OPEC 操纵市场是他的日常内容之一。但骂归骂，一个地产商人在推特上发牢骚，跟操纵油价是两回事。真正让他从「评论员」变成「交易员」的，是 2020 年的一笔交易。那年初新冠疫情爆发，全球经济停摆，石油需求断崖式下跌。雪上加霜的是沙特和俄罗斯打起了价格战，互相增产抢份额，油价一路跌到了每桶 20 多美元。美国页岩油公司成片倒闭，整个行业哀鸿遍野。按照正常逻辑，低油价对消费者是好事——大家加油便宜了。一个在乎选民利益的总统，应该乐见其成。但特朗普做了相反的事。他把一屋子石油公司 CEO 请到白宫开会。然后亲自打电话给沙特王储穆罕默德·本·萨勒曼和俄罗斯总统普京，说服他们跟 OPEC 一起大规模减产。目的只有一个：把油价重新推上去。随后他发了一条推文，暗示减产协议即将达成，当天 WTI 原油暴涨 25%，创下有史以来最大的单日涨幅。为何要救油价？因为那些快要倒闭的页岩油公司老板们，是他最大的政治捐款人。据公开报道，石油大亨 Harold Hamm 在油价暴跌中几天内个人资产蒸发了 30 亿美元，随即游说特朗普出手干预。NBC 当时的标题写得很直接：「特朗普本来想压低油价，现在却在跟石油高管们商量怎么抬价。」这笔交易的本质是：全球消费者为更高的油价买单，收益流向了他的政治捐款人，而他本人收获的是下一轮竞选资金。如果这件事到此为止，还可以归类为「政治利益交换」。但特朗普做了一件没有任何政客会做的事——他公开承认了。在之后的竞选集会上，他不止一次对着台下的支持者说：「我们把油价搞得太低了，不得不去救石油公司。我打了电话给 OPEC，也打了电话给俄罗斯和沙特，跟他们说价格得上来。」台下掌声雷动。图源：Visual Capitalist2023 年，学术期刊《Energy Policy》发表了一篇论文，回溯了特朗普从 2015 年宣布参选到 2021 年账号被封禁期间所有涉及石油的社交媒体发言。结论是：他的推文确实对 WTI 原油期货价格产生了可量化的影响，并且显著放大了市场上的投机行为。换句话说，学术界用数据确认了一件所有交易员早就知道的事：这个人的嘴能移动全球油价。而 2020 年的故事证明，他不只是能，他愿意，而且他的动机不是国家利益，是他自己的利益网络。从第一任期到现在，特朗普的石油交易工具升级了。Twitter 变成了 Truth Social，骂 OPEC 变成了暂停轰炸伊朗...但逻辑从来没变过：用总统独有的信息优势和政策权力，在全球最大的大宗商品市场上制造价格波动。从嘴到手过去十年，特朗普在石油市场上赚的都是「影响力」的钱。嘴巴一张，别人赚，别人亏，他本人收获的是政治资本。但 2026 年，这门生意的性质开始变了。今年 3 月初，华尔街日报和 Bloomberg 先后报道了同一条新闻：特朗普的两个儿子 Donald Jr。和 Eric Trump，正在投资一家叫 Powerus 的军用无人机公司。Donald Jr. 同时还是无人机零部件公司 Unusual Machines 的股东和顾问委员会成员，持有约 33 万股、价值约 400 万美元的股份。他是在 2024 年 11 月加入这家公司的，也就是他父亲赢得大选后的几周内。此前他没有任何无人机或军工行业的经验。Unusual Machines 随后拿到了美国陆军的合同，生产 3500 个无人机马达，军方还表示 2026 年会追加两万个零部件。Donald Jr.还是风投公司 1789 Capital 的合伙人，据金融时报统计，2025 年一年，这家风投旗下至少四家被投公司拿到了特朗普政府的国防合同，总金额超过 7.35 亿美元。Forbes 估算，Donald Jr. 在 2025 年 1 月就职前个人净资产约 5000 万美元，到年底翻了六倍。然后，他父亲在 2026 年 2 月 28 日发动了对伊朗的战争。无人机是这场战争的标志性武器。据纽约时报报道，美伊双方都在大规模使用无人机，单架成本只有传统导弹的零头。五角大楼正在推进一项 11 亿美元的采购计划，目标是到 2027 年部署超过 20 万架美国制造的攻击型无人机。战争开打几天后，他的儿子 Eric Trump 在 X 上发帖：「无人机是未来。」利益冲突是显而易见的。一个总统的儿子，在父亲就任后进入军工行业，投资的公司拿到了父亲政府的合同，而父亲正在打一场大量消耗这些公司产品的战争。不止石油，特朗普家族的生意已经扩展到了战争本身。石油是他用嘴赚的钱，无人机是他儿子用手赚的钱。今天是暂停打击的第一天。五天后，要么谈判有结果，霍尔木兹海峡重新通航，油价继续跌；要么什么都没谈成，伊朗继续封锁海峡，一切打回原形。全球最大的石油交易员给市场发了一张五天期限的期权。行权价是战争还是和平，没人知道。但有一件事是确定的：油价涨，他儿子的无人机公司接更多的单；油价跌，他在 Truth Social 上又赢了一次。不管结果如何，他是不会亏钱的。 编辑：佚名 时间：2026-05-26 00:05:01
• 

  TACO再现！特朗普告诉「华尔街空头」：撒谎可耻但有用

  原文作者：叶祯原文来源：华尔街见闻美国总统特朗普再次以一条社交媒体推文引发全球市场巨震，尽管其关于中东停火的言论随即被当事方否认，但华尔街依然选择“买入”。这表明在市场眼中，总统对暴跌的恐惧比他声明的真实性更为重要，而“反复无常”本身已成为遏制空头的一剂猛药。据央视新闻，特朗普周一在社交媒体上发帖，宣布将轰炸伊朗能源设施的最后期限推迟五天，并称双方正朝着“全面彻底解决”冲突的方向进行“非常好的、富有成效的对话”。这一表态瞬间扭转了市场的悲观情绪，华尔街迎来了自美伊冲突爆发以来最为剧烈波动的交易日。市场开盘后，标普500指数一度大涨2.2%，创下5月以来的最大涨幅，道琼斯工业平均指数盘中一度飙升逾1000点。与此同时，原油价格狂跌超过13%，布伦特原油跌破100美元大关，两年期美国国债收益率一度从高点大幅回落至3.79%。（布伦特原油跌破百元大关）然而，就在推文发布不到一小时后，伊朗官方出面否认了正在进行谈判的说法。这一幕与两周前如出一辙——当时特朗普曾宣称“战争已经彻底结束”，同样引发了股市的短暂反弹和油价的回落。此番重演，令华尔街不得不正视一个更深层的问题：市场究竟在交易什么？答案并非和平，而是特朗普的市场底线。投资者将这份声明解读为一种信号：总统对市场下跌的厌恶，将最终阻止他兑现那些最极端的威胁。此外，特朗普的反复无常，已成为一种市场稳定器：它既让多头不敢全力追涨，也让空头不敢放手做空。TACO交易重现市场周一美东时间上午7时05分，特朗普在社交媒体发文，宣布将对伊朗电力设施动武的48小时最后期限延后五天，理由是双方正进行"非常富有成效的对话"，有望实现"完全彻底的解决"。消息一出，市场立刻扭转，布伦特原油跌破每桶100美元，跌幅一度超过13%；美股期货大幅跳涨；两年期美债收益率从高点骤降0.22个百分点至3.79%的低位；欧洲股市和债市也从此前的跌势中急速反弹。美股开盘后，标普500指数一度上涨2.2%，创5月以来最大单日涨幅；道指盘中涨幅超过1000点。然而，随着伊朗方面明确否认谈判正在进行，市场涨幅开始回吐。截至收盘，标普500指数涨幅收窄至约1.2%，道指收涨约630点（1.4%），美债市场的涨势同样有所消退。（美股主要股指当日走势）这一幕对华尔街而言并不陌生。两周前，特朗普接受媒体采访时宣称"战争已经彻底结束"，股市随即出现了几乎相同的急涨走势，油价也出现了类似的回调。彼时的涨势同样未能持续。据媒体分析，特朗普此番表态，部分目的正是为了安抚因战争冲击而动荡的投资者，以避免新一周伊始再度出现痛苦的抛售。上周五，标普500指数已创下一年来最长连跌周线纪录。明知言辞存疑，为何华尔街依然大涨？对于华尔街而言，特朗普的声明是否真实或许并不重要。市场的大幅反弹并非因为投资者盲目相信了总统的“停火”说辞，而是他们将此视为一种保证：总统对糟糕市场数据的极度厌恶，最终将阻止他采取更为极端的军事行动。这场战争自三周多前爆发以来，已令全球经济承压。霍尔木兹海峡的封锁切断了关键能源供应，能源价格飙升带来新的通胀冲击，全球债市已蒸发逾2.5万亿美元，正面临三年多来最大单月跌幅。与此同时，两年期美债收益率自战争爆发以来已累计上行逾半个百分点，令美联储降息空间进一步受压。RBC财富管理的Tom Garretson表示："特朗普显然一直在努力压制油价，但或许再一次是债券市场迫使他改变了立场。"BCA Research首席策略师 Marko Papic 表示：“如果这不能在未来7到10天内得到解决，我们将面临全球经济的大停摆。今天的声明表明，特朗普意识到实体经济可能会跌落悬崖。”还有分析指出，当前的交易逻辑更像是一场凯恩斯主义的“选美比赛”。Westwood Capital执行合伙人 Daniel Alpert 指出，市场并非基于事实交易，而是基于其他人的预期进行交易。即便投资者怀疑这是一场谎言，只要他们认为其他人会视为利好并买入，他们就会紧随其后跟进跟单。此外，错失恐惧症（FOMO）也是推动股市上涨的重要因素。Interactive Brokers首席市场策略师 Steve Sosnick 强调，没有人愿意错过反弹，一丁点的好消息都能引发市场的强烈反应。同时，股市交易员也在密切跟随原油交易员的步伐，油价的暴跌为股市的反弹提供了实质性的基准。特朗普的反复对空头意味着什么？特朗普的不可预测性本身，已成为一种扭曲的市场稳定器：它既让多头不敢全力追涨，也让空头不敢放手做空。Piper Sandler首席投资策略师Michael Kantrowitz的判断或许最为精准："真相取决于人们的认知，而特朗普的反复无常只会加剧不确定性，这有助于阻止原本信心满满的空头进一步压低市场。所有这些反复无常都为市场争取了时间，并防止市场出现过度自信——无论好坏。"在特朗普执政第一年，"TACO交易"深入人心，买入下跌成为市场共识。然而，这场伊朗战争正在动摇这一信念——敌对行动持续升级，伊朗领导层依然掌控局面，霍尔木兹海峡仍处于封锁状态。Hirtle Callaghan首席投资官Brad Conger表示："我担心的是，这已经不再完全是特朗普能说了算的事了，不像关税那样可以随时叫停。那些因为特朗普对市场有所回应而感到鼓舞的人，他们的信心是放错了地方的。"Mizuho银行策略师Jordan Rochester则指出，白宫混乱的信息传递令市场定位陷入困境。"最难的不是预测战争走向，而是预测白宫的沟通方式，以及市场会对此作出多大反应，"他在客户报告中写道，"我们面对的是一个困惑的市场——不知道这究竟是终局临近的可信信号，还是又一次'差不多完成了'的表演。" 编辑：佚名 时间：2026-05-26 00:05:01
• 

  IOSG：DeFi向上，用户向下；CeDeFi的Curator新范式

  Curator 模式的爆发DeFi 活动强度已经回到接近 DeFi Summer 的水平，但链上稳定币供给规模仍在持续扩大。意味着链上越来越有钱，而 DeFi 的产品形态暂时无法被更广泛的用户理解、使用和分发。过去几年，DeFi 基础设施解决了可访问性与组合性，却变成了一个难度极高的游戏。对普通用户而言，一个看似简单的稳定币收益，背后可能嵌套了借贷利差、多层激励（Funding/空投）、结构化产品（Pendle）以及杠杆循环（Looping）。风险也早已超出合约被 Hack 的范畴，演变为 LTV、清算流动性、预言机风险的彼此放大。例如 2025 年 10 月，因 Binance 内部预言机故障，导致其平台上的 USDe 价格短暂闪崩，引发连锁清算。DeFi 正在经历「反直觉」的演进：技术越趋成熟（向上），用户理解成本与风险判断难度就越高（向下）。当个体已无法识别「赚的是谁的钱」以及「风险在哪里」时，DeFi 的增长便触碰到了天花板。Curator 即是为了解决这一分发问题而出现的角色，中文缺少对其的直译，更多类似「策略师」。随着收益提供与风险定价权从协议层迁移，Curator 成为了衔接复杂协议与广泛资金的封装层。Curator Business 到底在做什么在 Morpho 为代表的体系中，协议提供中性基础设施，而决定哪些资产可用、风险程度、日常管理的是 Curator。它承担了三项核心职责：策略选择Curator 的价值在于判断哪些收益具有结构性、哪些只是阶段性机会。策略并非一次性部署，需随资金规模和风险暴露不断调整。同样是 USDC 策略，不同 Curator 在极端行情下的结果差异巨大，本质差别在于是否具备持续判断和动态收缩杠杆的能力。风险定价在模块化体系中，真正决定风险暴露的是 Curator。接受什么抵押品、杠杆开多高，本质都是风险定价。Curator 掌握的是风险定价权而非单纯执行权。即使是头部 Curator 也会犯错，如 Re7 Labs 因其依赖的 Pyth 预言机价格更新延迟，导致用户头寸被错误清算。这警示我们：当前周期最大的系统性风险正来自于此。产品化分发对用户，产品化的它提供进入/退出的单一接口；对前端（CEX/钱包），它提供非托管、风险清晰的收益模块。它不是在抢协议的用户，而是帮助资金找到可以理解和承受的风险结构。Curator 是一种 AUM 驱动的资管生意。由于收入与 AUM 强绑定，会带来激励张力：扩张 AUM 能放大收入，但过快扩张会侵蚀策略容量，放大尾部风险。市场周期对 Curator 行为的影响非常直接。在牛市阶段，Curator 更倾向于放大资本效率，使用杠杆、激励叠加与循环结构；此时借贷者更多，Beta 掩盖风险，APY 高、容量大但风险也高。而在震荡或熊市中，策略会被迫回归真实收益来源：借贷利差、RWA 现金流型资产、低相关性配置。真实收益大于杠杆、空投收益，防御能力高于进攻能力。分发范式的演进：机构采纳与零售未来Risk Curator Protocols 总 TVL ≈ $5.68bAUM 高度集中，头部的 Steakhouse Financial ≈ $1.55B，Gauntlet ≈ $1.23B，前两名合计接近 50% 市场份额，是一个非常典型的幂律结构。随着 Curator 管理资产规模持续上升（年增长率 2000%），其角色已经从策略执行者演化为 DeFi 风险与流动性的中枢节点。根据 DefiLlama 数据，截至 2026 年 2 月，Risk Curator 总 TVL 约 $5.9B，其中 Steakhouse Financial（$1.53B）、Sentora（$1.34B）和 Gauntlet（$1.29B）三者合计占据近 70% 的市场份额，呈现显著的头部集中效应。这意味着，一旦头部 Curator 的策略或参数判断出现系统性偏差，其影响范围将远超单一协议。未来 Curator 不会收敛为单一形态，而是至少分化为三类：第一类，容量优先型 Curator。这类 Curator 的核心目标是承载大规模、低波动资金，策略上偏向借贷利差、稳定激励、RWA 收益等可持续来源，强调参数保守性与可解释性。这类 Curator 更容易被 CEX、钱包、Fintech 前端接入，是当前 Morpho 上大部分大体量 Vault 的主流形态。部分协议甚至深入 Vault tech stack，帮助从底层构建更机构友好的 Curator business。目前较多的大容量 Curator，更多作为借款人角色，即将所管理的 AUM 再度分发给后续会提到的收益来源更多样、策略更激进的 Curator——他们决定钱借给谁，从而为自己的 AUM 创造更多收益。他们更多成为一个「Curator of Curators」的角色，跟后文中的机会型 Curator 合作紧密。对于希望进入 DeFi 的机构来说，选择也变成了自建或和头部 Curator 合作，亲自下场，成为策展人。Morpho 凭借其开放、模块化的架构，正成为机构自建 Curator 业务的首选基础设施。Bitwise 是典型代表，于 2026 年 1 月在 Morpho 上推出由内部团队管理的非托管金库 Curator 服务，标志着专业资管从 DeFi 的「使用者」转变为「构建者」。而 Coinbase 则选择另一条路径，将其借贷产品（USDC 借贷及 XRP、ADA 等资产抵押借款）的后端交由第三方 Curator Steakhouse Financial 在 Morpho 上管理——前端是用户熟悉的 Fintech 界面，后端由 DeFi 驱动，即所谓的「DeFi Mullet」模式。机构介入的规模正在快速增长。管理超$9,380 亿资产的 Apollo Global Management 于 2026 年 2 月与 Morpho 签署战略合作协议，将在四年内收购最多 9% 的 $MORPHO 治理代币。Apollo 的布局是双管齐下：一方面，其旗下信贷基金已通过 Securitize 和 Anemoy 代币化为 ACRED、ACRDX 等 RWA 资产，并经由 Steakhouse 等头部 Curator 策展接入 Morpho 借贷市场；另一方面，通过持有协议治理代币，直接参与塑造链上信贷基础设施的未来。同月，为 40 余家银行提供托管服务的 Taurus 也将 Morpho 集成至其托管平台，使传统金融机构可在现有合规框架内直接向 Morpho Vaults 分配资金，并由 Curator 直接管理。机构进入 DeFi 的问题，已从「是否参与」演变为「在哪个层次参与」。第二类，机会驱动型 Curator。这类 Curator 更关注新结构、新资产与早期激励窗口，愿意牺牲容量，承担风险以换取更高 alpha。典型特征是 AUM 上限明确、策略生命周期短、波动容忍度高，服务对象多为专业资金或 DeFi 社区。这些 Curator 抢滩新兴 L1/L2 生态，比如当一个全新公链（如 Hyperliquid, Plasma, Monad, Megaeth）启动时，通常会伴随着丰厚的流动性激励计划以吸引早期用户和开发者。机会驱动型 Curator 会成为第一批参与者，他们迅速在这些新链上部署金库，利用其专业知识为用户捕获这些一次性的早期红利，例如空投、高额的流动性挖矿奖励等。除此之外，这些 Curator 还会探索新资产、新结构、新 defi 原语：与蓝筹型 Curator 专注于成熟资产（如 ETH, USDC）不同，机会驱动型 Curator 更愿意将新资产类别纳入其策略中。例如 Re7 Labs 成为了为贝莱德的 BUIDL 提供 RWA 资产 Curator，率先探索了 RWA 在借贷中的大规模应用。这类 Curator 的另一优势对市场的变化极为敏感，能够快速响应并利用市场波动或特定事件进行套利。他们在构建策略时，往往会包含更复杂的逻辑，例如跨协议的利率差异套利、利用清算机制获利等。虽然这种策略风险更高，但也可能带来远超市场平均水平的回报。第三类，产品化 Curator。产品化 Curator 不再只做后台配置，而是将策略进一步封装成 Vault as a service、资产或稳定币形态，直接面对用户。这条路径对风控、透明度与责任边界要求极高，但一旦成立，其分发效率也最高。对于这类 Curator 的问题是需要找到高收益同时容量大的策略——几乎所有 DeFi 策略都存在明确容量上限。以当前主流的 looping / basis 策略为例，市场规模已接近 $20B（约占 DeFi TVL 的 10%），而六个月前仅约 $5B。容量快速被填满后，边际收益显著下降，参数容错空间急剧收缩。当这类 Curator 产品化被成功构建，则可以更好的融入 Fintech app，纳入 Web2 的资金，是 Curator 走向 mass adoption 的重要一环。把 DeFi 还给用户DeFi 目前的最大问题，是复杂度与风险暴露方式已经超出个体用户的决策能力。导致用户不放心存钱。类似 Streamfinance 等收益稳定币滥用资金导致暴雷的事件发生，加上市场走熊，导致整体 yield bearing stablecoin TVL 下降，资金又重新聚集保守的借贷协议。今天约 45% 的 DeFi TVL（~$56B）在追逐新的收益机会，集中在 Aave、Morpho、Spark 等协议中，但大量 USDC 仍然长期闲置，原因并非缺乏机会，而是策略理解、风险判断和动态管理成本过高。对大多数用户而言，真正需要的不是更多协议选择，而是：· 简单、可信的入口；· 来源多元、时刻调整的收益结构；· 清晰、可理解的风险暴露方式；入口可以通过收拢目前的 Vault 暴露方式或产品化完成。收益结构可以通过更多更加优质的 Curator 走向市场改善。我认为目前导致市场缺乏信心，更需要构建的则是一个健康透明的 Curator 审计体系，包括：· 资产配置路径链上可验证；· 风险被结构化标注；· 在极端情况下，用户知道退出条件与退出路径。这并不能完全消除风险，但能把风险从模糊的系统性不确定性，转化为可理解、可定价的选择。若缺少这类透明性，Curator 极易演化为影子银行体系，与 Celsius、BlockFi 并无本质区别。反之如果 Curator 能在中间层对风险进行拆分、定价和提前收敛，那么它反而可能成为协议层的缓冲器，而非放大器，将整体 DeFi 风险在专业人士手中被控制。从长期看，Curator 不是 DeFi 的终局，但几乎是 Defi 走向更大用户规模之前不可绕过的一层。DeFi 已经证明了其基础设施的可行性，接下来缺少的，是能把这些能力打包、分发、嵌入到真实使用场景中的中间层。Curator 正在承担这一角色。当复杂度被合理封装、风险被明确标注、责任边界足够清晰，DeFi 才有可能真正回到它最初的承诺：不是只服务最专业的一小撮人，而是成为一个可被广泛参与的金融系统。 编辑：佚名 时间：2026-05-26 00:05:01

• DDC持续推进比特币储备战略，总持仓达2118枚BTC

  2026 年 2 月 25 日，DDC Enterprise Limited（NYSEAMERICAN: DDC），一家全球化的亚洲食品平台及数字资产储备公司，今日宣布再度购入 50 枚比特币（BTC），使其比特币总持仓增至 2,118 枚。本次增持为 DDC 连续第七周执行比特币积累计划。按当前持仓规模计算，DDC 在全球上市公司比特币持仓排名中位列第 34 位。购入要点本次购入：50 枚 BTC比特币总持仓：2,118 枚 BTC单枚比特币平均持仓成本：84,468 美元年初至今 BTC 收益率：49.1%每 1,000 股对应 BTC 数量：0.059286 枚 BTC / 1,000 股 DDCDDC 创始人、董事长兼首席执行官 Norma Chu 朱嘉盈表示：「长期主义建立在持续、审慎的行动之上。我们以清晰的战略和严格的执行节奏稳步扩大比特币储备规模。我们的目标始终如一：优化资本配置效率，强化资产负债表，为股东创造稳健而持久的价值回报。」DDC 将比特币定位为与主营业务并行的长期储备资产。公司将继续通过纪律严明、循序渐进的方式推进增持计划，在夯实核心业务发展的同时，构建具有战略意义的数字资产储备体系。关于 DDC Enterprise LimitedDDC Enterprise Limited（NYSEAMERICAN: DDC）在巩固其全球领先亚洲食品平台基础的同时，积极参与企业比特币储备战略的发展进程。公司将比特币战略性定位为核心储备资产，并持续拓展旗下多元化餐饮品牌矩阵。作为将比特币纳入公司财务架构的先行者之一，DDC 走在上市公司数字资产战略布局的前沿。原文连接 编辑：佚名 时间：2026-05-26 00:05:01
• 

  忽略价格噪音，比特币采用已全面开花

  尽管比特币价格较历史高点下跌 50%，但它的普及度仍在持续增长，只是没有反映在价格上。以下 8 大采用趋势，可能会让你大吃一惊。机构正在以创纪录速度买入比特币2025 年，各类机构累计增持 82.9 万枚比特币，包括企业、政府、基金与 ETF。重要的是，这些机构背后代表着数百万普通投资者，他们通过券商账户、养老金、主权基金、企业资产负债表首次接触比特币。谁将比特币卖给了他们？2025 年的卖盘主要来自长期持有者与巨鲸，这些早期参与者多年前完成建仓，如今在更深、流动性更好的市场中逐步出货。如果这一趋势持续，十年内机构可能持有比特币的大部分流通盘，但目前个人仍掌控约三分之二的供应量。他们最终决定了机构可以建仓的边际价格。机构入场不会取代个人持有，而是扩大了整个市场的入口。今天的 ETF 持有者，很多会成为未来的自我托管用户。投资顾问已连续 8 个季度净买入注册投资顾问（RIA）是全球最大的投资者群体，管理约 146 万亿美元客户资产。自 2024 年比特币 ETF 推出以来，他们才刚刚开始配置。即便在早期阶段，他们的行为也非常积极：过去两年，RIA 每季度向比特币 ETF 投入约 15 亿美元，没有出现过任何一个净卖出季度。RIA 的比特币采用十分普遍：美国前 30 大 RIA 中已有 29 家配置比特币，但平均仓位极低，仅 0.008%。60% 的美国顶级银行正在搭建比特币产品在美国监管环境转暖后，银行现在可以托管比特币并向客户提供比特币产品。上市公司采用率 2025 年增长 2.5 倍2025 年，企业成为比特币最大买家，主力来自加密资产国库公司。除专门的加密财库公司外，大量大型企业也在低调、小幅增持比特币。这类企业采用，未来几年有望在标普 500 成分股中全面普及。商户采用率 2025 年增长 74%美国接受比特币支付的企业数量翻了三倍，全球使用率增长 74%。包括 SteaknShake 在内的企业已证明，比特币支付可降低交易成本、提升利润。这些企业多为中小型公司，不会公开披露比特币策略。River 服务超过 3000 家各行业企业，亲眼见证小型私营公司的采用增长最为迅猛。闪电网络 2025 年增长 300%据测算，闪电网络目前月处理交易量已超 11 亿美元。增长主要来自交易所与商户的自然采用。新增 5 个主权国家持有比特币2025 年，又有 5 个国家成为比特币持有者，包括：2 家主权财富基金（卢森堡、沙特阿拉伯）和 1 家央行（捷克央行）。这些国家通过官方挖矿、央行 / 基金直接购买、ETF、捐赠、没收、黑客追缴等方式获得比特币。此外，自 2022 年阿富汗以来，已经 4 年没有任何国家禁止比特币。显然，拥抱比特币符合各国的最佳利益。比特币不再 「波动过大」比特币延续了长达十年的波动率下降趋势，正在接近黄金与标普 500 的水平。这为何重要？它标志着比特币正被视为成熟资产类别。波动率越低，风险厌恶型资金的入场门槛就越低。长期来看，这将打开更大规模的资金池。上一轮牛市已证明：比特币三年内吸引的资金，超过了此前历史总和。展望未来尽管过去一年比特币价格表现疲软，但采用曲线讲述了完全不同的故事。当下的采用不会让价格一夜暴涨 10 倍，但在很多层面上，它更具意义。每一年，个人、企业、机构、主权国家对比特币的信任都在加深，因为它持续证明自己是全球唯一稀缺、不可篡改的数字货币。我们预计，未来几年比特币的采用不仅会延续当前趋势，还将显著加速。 编辑：佚名 时间：2026-05-26 00:05:01
• 

  Polymarket新规发布，如何构建一个新的交易机器人

  编者按：Polymarket 在未提前公告的情况下，取消了 500ms 延迟并引入动态手续费，一夜之间让大量旧有机器人失效。本文围绕这一变化，系统梳理了新规则下交易机器人的正确构建方式，从手续费机制、订单签名，到做市逻辑与低延迟架构，给出了一条清晰、可执行的路径。文章发布后获得 1.1M 次浏览量，引发广泛讨论。在新的 Polymarket 规则下，优势正在从 taker 套利转向以做市和流动性提供为核心的长期结构。以下为原文：Polymarket 悄然取消了 500 毫秒延迟下面讲清楚：在新规则下，如何构建一个真正能跑、而且能赚钱的机器人两天前，Polymarket 在加密市场中移除了 500 毫秒的 taker 报价延迟。没有公告，没有提醒。一夜之间，平台上一半的机器人直接失效。但与此同时，这也创造了 Polymarket 上线以来，对新机器人最大的机会窗口。今天我会详细解释：在新规则下，如何构建一个仍然有效的机器人。因为 2 月 18 日之前你见过的一切方案，现在都已经过时了。如果你现在去让一个 AI 模型帮你写 Polymarket 机器人代码，它给你的，一定还是旧规则下的方案：REST 轮询、不处理手续费、完全不知道 500ms 缓冲已经不存在这样的机器人，从第一笔交易开始就会亏钱。下面我来解释：到底变了什么，以及该如何围绕这些变化重新设计机器人。发生了什么变化？过去两个月里，一共发生了三件关键变化：1.500 毫秒的 taker 延迟被移除（2026 年 2 月 18 日）过去，所有 taker 订单在执行前都会等待 500 毫秒。做市商正是依赖这段缓冲时间，来撤销已经「过期」的报价，这几乎相当于免费的保险机制。现在不同了。taker 订单会立刻成交，没有任何撤单窗口。2. 加密市场引入动态 taker 手续费（2026 年 1 月）15 分钟和 5 分钟的加密市场，现在开始对 taker 收费，公式为：手续费 = C × 0.25 × (p × (1 - p))²手续费峰值：在 50% 概率附近约 1.56%在极端概率区间（接近 0 或 1）时，手续费接近 0还记得那个 靠 Binance 与 Polymarket 价格延迟套利，一个月赚了 51.5 万美元、胜率 99% 的机器人吗？那个策略已经彻底死了。因为 仅手续费本身，就已经高于可套利的价差。新的 Meta 是什么？一句话总结：做 maker，不要做 taker。原因很简单：·Maker 不需要支付任何手续费·Maker 可以每天获得 USDC 返佣（由 taker 手续费补贴）·500ms 延迟取消后，maker 的挂单成交速度反而更快现在最顶级的机器人，光靠返佣就已经能盈利，甚至不需要吃价差。如果你还在做 taker 机器人，你面对的是一条不断上升的手续费曲线。在 50% 概率附近，你至少需要超过 1.56% 的优势，才能勉强打平。祝你好运。那么，2026 年真正可行的机器人该怎么做？下面是一个 在 2026 年仍然有效的机器人架构设计思路：核心组件：1. 使用 WebSocket，而不是 RESTREST 轮询已经彻底失效了。等你的 HTTP 请求完成一次往返，机会早就没了。你需要的是 基于 WebSocket 的实时订单簿数据流，而不是间歇性的拉取。2. 手续费感知的订单签名（Fee-aware order signing）这是以前根本不存在的新要求。现在，在你签名的订单 payload 中，必须包含 feeRateBps 字段。如果你遗漏了这个字段，在启用了手续费的市场中，订单会被直接拒绝。3. 极速的撤单 / 重下循环（cancel / replace loop）在 500ms 缓冲被移除之后：如果你的撤单—重下流程 超过 200ms，你就会被「反向选择」（adverse selection）。别人会在你更新报价之前，直接吃掉你的过期挂单如何搭建1. 获取你的私钥使用你登录 Polymarket 的同一把私钥即可（EOA / MetaMask / 硬件钱包）export POLYMARKET_PRIVATE_KEY="0xyour_private_key_here"2. 设置授权（一次性操作）在 Polymarket 能执行你的交易之前，你需要先对以下合约进行授权：USDC、条件型代币（conditional tokens）每个钱包只需要做一次。3. 连接 CLOB（中央限价订单簿）官方提供的 Python 客户端可以直接使用：pip install py-clob-client不过，在 Rust 生态里现在已经有了更快的选择：·polyfill-rs（热路径零分配、SIMD JSON 解析，性能提升约 21%）·polymarket-client-sdk（Polymarket 官方 Rust SDK）·polymarket-hft（完整的 HFT 框架，集成 CLOB + WebSocket）选择哪个并不重要，关键是选一个你能最快上线、跑起来的方案。4. 在每一笔下单前查询手续费率GET /fee-rate?tokenID={token_id}永远不要硬编码手续费。手续费是按市场变化的，而且 Polymarket 可以随时调整。5. 在订单签名中包含手续费字段在签名订单时，必须把手续费字段一并写入 payload。缺少这一项，订单将无法在启用手续费的市场中被接受。{"salt": "...","maker": "0x...","signer": "0x...","taker": "0x...","tokenId": "...","makerAmount": "50000000","takerAmount": "100000000","feeRateBps": "150"}CLOB 会基于 feeRateBps 来校验你的订单签名。只要签名中包含的费率和当前实际费率不一致，订单就会被直接拒绝。如果你使用的是 官方 SDK（Python 或 Rust），这一逻辑会被自动处理；但如果你是自己实现签名逻辑，这一点必须自行处理，否则订单根本发不出去。6. 在买卖两侧同时挂 maker 单通过挂 限价单 来为市场提供流动性：在 YES 和 NO 两种代币 上；同时挂 BUY 和 SELL。这正是你获得返佣（rebates）的核心方式。7. 运行撤单 / 重下循环（cancel / replace loop）你需要同时监控：外部价格源（例如 Binance 的 WebSocket）；你当前在 Polymarket 上的挂单。一旦价格发生变化：立即撤销过期报价；以新的价格重新挂单。目标是：整个循环控制在 100ms 以内。关于 5 分钟市场的特别说明5 分钟周期的 BTC 涨跌市场是确定性的。你可以仅通过时间戳，直接计算出对应的具体市场：每天一共有 288 个市场。每一个，都是一次全新的机会。目前验证有效的策略：在 窗口结束前 T–10 秒，BTC 的涨跌方向 大约已经有 85% 被确定，但 Polymarket 的赔率尚未完全反映这一信息。操作方式是：在胜率更高的一侧；以 0.90–0.95 美元 的价格挂出 maker 单。如果成交：结算时每份合约可获得 0.05–0.10 美元 的利润；零手续费；另外还能拿到 返佣（rebates）。真正的优势来自于：你比其他做市商更快判断出 BTC 的方向，并且更早把订单挂上去。会直接「送你出局」的常见错误·仍然使用 REST，而不是 WebSocket·订单签名中 没有包含 feeRateBps·在家用 Wi-Fi 上跑机器人（150ms 以上延迟，对比机房 VPS 的 <5ms）·在 接近 50% 概率的区间做市，却没有考虑反向选择风险·硬编码手续费率·没有合并 YES / NO 仓位（导致资金被锁死）·还在用 2025 年那套 taker 套利思路正确使用 AI 的方式技术部分到这里就结束了。现在你已经掌握了：架构设计手续费、计算方式、新的市场规则接下来，你再去打开 Claude 或任何一个靠谱的 AI 模型，给它一个足够明确、具体的任务描述，例如：「这是 Polymarket 的 SDK。 请帮我写一个用于 5 分钟 BTC 市场 的 maker 机器人：监听 Binance WebSocket 获取价格在 YES / NO 两侧同时挂 maker 单订单签名中包含 feeRateBps使用 WebSocket 获取订单簿数据撤单 / 重下循环控制在 100ms 以内。」正确的工作流是：你来定义技术栈、基础设施和约束条件，AI 在此之上生成具体的策略与实现逻辑。当然，即便你把机器人的逻辑描述得再完美，上线前也必须先测试。尤其是在现在这个阶段，手续费已经开始实质性侵蚀利润空间，在真实手续费曲线下做回测，已经是上线前的必修课。2026 年真正能赢的机器人，不是最快的 taker，而是最优秀的流动性提供者。请按这个方向来构建你的系统。 编辑：佚名 时间：2026-05-26 00:05:01

• 对话Dragonfly合伙人Haseeb：AI末日还早，智能合约是为机器而生的法律

  「加密世界里，活下来就是最大的 Alpha。只要你还在牌桌上，你就有资格享用盛宴。」Dragonfly Capital 管理合伙人 Haseeb Qureshi 在东西方资本对话节目《168X》的 Consensus HK 特辑中，以亲历八年加密周期的老兵视角，深度剖析 AI 与加密货币的共生关系、穿越熊市的生存法则，以及产业从「野蛮拓荒」走向「制度化」的历史性转折。这位从德州扑克牌桌走出的传奇投资人，16 岁以 50 美元起步打职业扑克，19 岁跻身全球在线单挑无限注德州扑克前十强，随后华丽转身硅谷，先后任职于 Airbnb 与 Earn.com（被 Coinbase 收购），最终掌舵加密产业最具影响力的风投机构之一——Dragonfly Capital，总资产管理规模超过 50 亿美元。就在一周前，Dragonfly 宣布完成第四期基金 6.5 亿美元募资，在熊市寒冬中逆势出击，再次证明其「低谷布局」的投资哲学。本文为 168X（@168X_Fortune）节目精华摘要——一个深度连接东方智慧与西方创新的顶级对话平台，聚焦 AI、区块链、机器人、太空科技及生物工程等前沿领域，探索技术、资本与人文智慧将如何重塑人类文明未来。一个时代的落幕：当竞争对手离开牌桌访谈以一则产业震动的消息开场。Multicoin Capital 共同创办人 Kyle Samani 宣布卸任，离开深耕近十年的加密产业，转向 AI、机器人与长寿科技等新兴领域。对 Haseeb 而言，这不仅是一则新闻，更是一段私人的告别。「有趣的是，Kyle 是我进入加密世界后认识的第一位 VC，」他回忆道，「2017 年我们几乎同时入行。他和我截然不同，我们对几乎所有事情都意见相左。但他是我最尊敬的竞争对手。」Haseeb 将 Kyle 描述为「一个局外人」：没有显赫的投资背景，没有名校光环，没有顶级机构的加持，「就是一个靠自己想明白的人，用个人品牌和极度逆向思维杀出一条血路。」「看到他离开，我感到一种很深的惆怅，」Haseeb 坦言，「因为那感觉像是我们这代人的青春正在结束。我们在二十几岁时进入这个产业，那时一切都是梦幻的、未来感的。而现在，这个产业已经长大了。」我们赢得太多了：从叛逆者到规则制定者产业「长大」的标志是什么？Haseeb 用一个极具画面感的比喻作答：「想当年稳定币市值才几亿美元，现在是 3,000 亿美元。美国财政部长公开预测稳定币在十年内将达到 3 万亿美元，占整体货币供给的 15%。」「我们以为我们是在打破规则。结果现在，我们就是规则的制定者。」「某种程度上，我们赢得太多了，」他带着复杂的情绪说道。「就像我们是一群登山者，辛辛苦苦爬上山顶。结果现在有观光巴士载着游客直接开上来了。是的，我们赢了——但看着胜利以这种方式到来，心里有一种说不出的五味杂陈。」BlackRock 进场了、JP Morgan 发行了自己的代币化美元。那个年轻时追逐的去中心化乌托邦，最终以华尔街全面入主的方式实现了。「当我们进入加密世界的时候，我们追逐的是一个疯狂的科幻未来。这不是我们想像的未来，但却比我们想像的要成功得多。」曾经的加密庞克们得到了他们想要的「Mass Adoption」，只是剧本不太一样。AI 需要加密货币：智能合约是为机器而生的法律当 AI 抢走全球资本市场的聚光灯时，加密产业的价值叙事是否已经过时？Haseeb 的回答与众不同：「AI 是 21 世纪最重要的技术，但它和许多技术一样需要其他基础设施的配合。AI 需要能源，AI 需要网络——正是网络上海量的数据喂养了大语言模型。加密货币也是同样的道理。」他将这个交汇点具体化为一个核心场景：当 AI Agent 开始进行商业交易，它们之间如何结算？「你的 Agent 和我的 Agent 不使用同一种法币，不在同一个银行体系里。你在台湾，我在美国，我的 Agent 要怎么和你的 Agent 做生意？答案从一开始就在那里：加密货币。」Haseeb 更进一步提出了一个深刻的洞见：智能合约的真正用户，不是人类，而是 AI。「想想法律合约的问题：我不知道你在哪个司法管辖区，我不知道怎么把你的 Agent 告上法院。就算我们打官司，也要花几个月立案、双方聘请昂贵的律师、然后花上几年走完法律程序。但 AI Agent 的处理速度远快于人类大脑——法院是为人类速度设计的，Agent 运作在完全不同的时间尺度上。」「法律是随机的。法官会怎么判？陪审团会怎么说？没人知道。但智能合约每次都说同一件事，只要你看得懂代码。可预测性（Predictable）正是 AI Agent 需要的。」这意味着加密产业长年鼓吹的「智能合约取代法律」叙事，在人类世界始终难以落地，但在 AI Agent 经济体中，反而找到了最完美的应用场景。工业革命花了 50 年：别把 AI 想得太激进面对市场对「人工超级智能」（ASI）是否即将降临的猜测，Haseeb 展现了一位顶级风投特有的冷静：「ChatGPT 在 2022 年 11 月推出时，很多人预测我们离 AGI 只有几年。现在已经快四年了。这是 AGI 吗？也许吧。但如果是的话，它没有反映在 GDP 里，也没有反映在失业率里。你走在香港街头，一切看起来都很正常，没有大楼着火，也没有大规模失业。」他以工业革命为鉴：「工业革命是人类经济史上最重大的事件。但从蒸汽机的商业化应用，到对 GDP 产生可衡量的影响，花了整整 50 年。在那之前，所有写着『末日即将来临』的文章，都只是太早了而已。」Haseeb 强调，没有人能准确预测时间表。「如果『即将到来』是指两年内？不太可能。十年内？有可能。二十到三十年内？几乎可以确定。一切取决于时间线。」「AI 一定会是颠覆性的技术。但『什么时候』是一个完全不同的问题。不要把趋势线画得太激进，除非你有充分的理由相信它已经在发生。」熊市生存法则：留在牌桌上访谈最后，Haseeb 将话题拉回当前市场：一个情绪低迷、信心动摇的加密熊市。他坦率承认这是一个艰难的时期：「这对那些因为兴奋和动能而进入这个产业的人来说，是非常困难的。人们把价格当成成绩单——价格跌了，就觉得自己做错了什么。但如果你待得够久，你就知道这不是真的。」Haseeb 指出，去年 10 月 11 日的市场事件是一个关键转折点。那一天，美国总统特朗普在 Truth Social 上威胁对中国商品课征 100% 关税，叠加中国刚宣布的稀土出口管制，全球风险资产急遽抛售。加密市场首当其冲——比特币在一小时内暴跌 13%，以太坊跌超 16%，大量山寨币在几分钟内腰斩甚至归零。「那天多家交易所宕机，我们经历了加密史上最大规模的单日清算——超过 190 亿美元的杠杆仓位被强制平仓，160 万个交易帐户被清算，」Haseeb 回顾道。这场灾难的规模是 2020 年 COVID 崩盘的近 20 倍，也远超 2022 年 FTX 崩溃时的清算量。「但真正让人困惑的是之后发生的事，」Haseeb 说道。「如果你把比特币的价格走势和纳斯达克、S&P 500 放在一起看——它们在 10/11 之后开始分道扬镳。美股反弹了，但加密没有跟上。市场结构发生了某种根本性的转变，而我们至今没有一个令人满意的解释。」他认为，正是因为缺乏一个清晰的「为什么」，这轮熊市对人们的心理打击格外沉重。但对于加密市场的未来，他没那么悲观。「加密市场是由动能驱动的，它具有自相关性（autocorrelated）。当动能往一个方向启动，它会持续走下去。但反过来也一样——当回升的动能启动时，它同样会持续。」他以一句从扑克牌桌上带来的智慧作为收尾，也是他八年加密生涯最核心的信念：「在加密世界里，你学到的第一课就是『活下来』的重要性。只要你还在牌桌上，你就能看到接下来会发生什么。你唯一会输的方式，就是被淘汰出局。只要你不被淘汰，你就有一个席位。只要你有席位，你就能享用盛宴。」原视频链接 编辑：佚名 时间：2026-05-26 00:05:01