真羡慕你们玩山寨的，每天都很开心，只有砸盘那天才不开心。 前段时间看不少人在 X 上讨论 $DEXE ，当时在想这又是什么，今天再一看，从最高 $49 一路砸到 $1.5，直接蒸发97%，好家伙，这就是超级马里奥么？ 搜了一圈，目前市场上流传最广的说法，是 DWF 砸盘导致，但作为一个久经沙场(被割过无数次的老韭菜)，我还是先持吃瓜态度。 链上分析师的推测：DEXE 是 Falcon Finance @falconfinance 官方支持的抵押资产，用户把 DEXE 存进去当抵押物，而 Falcon 的资产又是交给第三方托管的，Ceffu 就是其中之一。 链上数据显示，从今年 2 月以来，被标记为 Ceffu 的地址累计往币安转进了近 80 万枚 DEXE，其中最大一笔就发生在 7 月 22 号，也就是这轮暴跌的主跌日附近。再加上 Falcon、DWF、Ceffu 这几方之间本来就有合作关系，大家把这些线索一串，自然就把砸盘的嫌疑记到了 DWF 头上。 不过这里有个特别值得玩味的细节，Ceffu 用的是一套叫 MirrorX 的机制，简单说就是：真实资产锁在托管里没动，但交易所那边可以先生成一个 1:1 的映射仓位，拿去交易、调保证金、做风控。真正的链上划转，是之后才通过链下结算慢慢补上的。所以你会看到一个有意思的现象：价格先崩了，链上那笔大额转账才姗姗来迟。 不过，既然已经发生了，至于是市场做市商、是项目方、还是杠杆爆仓的连环踩踏，对亏了钱的人来说，区别真没那么大。 这件事真正的教训，根本不在’到底是谁砸的’，而是 ‘你知道他会砸盘，他也知道你知道他会砸盘，那么，什么时候跑路才是你需要考虑的问题’。

GPT-5.6和Fable 5联手搞定了一个25年没人证出来的通信理论问题。 说出来有点反常识：用的算法是2000年代就有的。 符号LMMSE估计加热心逐位翻转，复杂度O(N³)，简单到通信工程师看了会说这不就是我们一直在用的那个吗。 问题是大家用仿真跑了二十年都知道它好使，但谁也没能从数学上严格证明它确实达到了信息论最优阈值。 现在证明出来了。在N×N高斯MIMO信道上，这个简单算法在SNR≥2log N时就能把N个比特全部正确恢复，跟指数时间的最大似然检测打平。 那个从2000年代初就悬在那儿的计算-统计鸿沟——统计上能恢复的时候，多项式时间算法到底行不行——关掉了。 证明分三步。先证LMMSE初始估计离真实解只差亚线性Hamming距离，再证真实解附近每个错误比特翻回来都有正增益而且优化路径跑不偏，最后证任何下降路径必然收敛到精确解。 就这些，没有新数学。 真正有意思的部分在后面。 Dimitris Papailiopoulos是这个问题早期的研究者之一，他自己说得很直白：无线通信领域早就不关心这个了。 大规模MIMO、5G/6G、编码、神经网络检测器，这些才是现在的热点。精确块恢复阈值这个问题，被社区丢在角落大概十五年。 它不是那种全世界聪明人都在攻但攻不动的明星问题。 它是那种大家都知道应该有人证、但谁也没真坐下来花几个月把冗长的证明磨完的问题。因为不划算。 证出来了也发不了顶会，领域已经走了，学术生涯不会因此加速。 然后AI来了，花了不知道多少时间，把它证完了。 这件事比结果本身值得注意。它说明一个事：很多长期开放的问题，缺的不是新数学，是有人愿意把已知的工具足够耐心地拼到正确高度。这个证明不需要灵光一闪，需要的是不犯低级错误地推很多步，在该卡住的地方找到正确的技术路径，然后一直推到底。 人会烦。人会觉得这个问题不够性感。人会在证明到一半的时候去做更热门的东西。AI不会。 它不在乎问题流不流行，不在乎证明过程好不好看，它就一直推。 Dimitris管这叫把Death Star对准那些社区已经搬走但逻辑上还没关闭的老问题。我觉得这个说法很准。 想象一下各个学科里散落着多少这种问题——被遗弃的理论死角，证明就在那儿等着人写，但没人写。现在AI可以极低成本地一个一个扫过去。 当然实用价值有限，算法本身20年前就在用了，证明只是给了个理论盖章。现代通信系统关心的是软输出、是编码增益、是近似算法，不是严格的精确块恢复。O(N³)对真正大规模的MIMO也偏重。 但证明技术能迁移到随机格点解码、同步问题、稀疏恢复这些相邻问题上。 而且它展示了一种新的研究模式：人来判断哪些问题值得攻、给出方向和关键直觉，AI负责把那些需要耐心但不需要天才的长证明推完。 我看完最大的感受跟AI能力关系不大。就是觉得，有多少东西其实早就可以被解决了，积木都散在地上，就差一个不会无聊的人把它们搭起来。

最近看 @dappOS_com 的 xBubble @xBubble_ai US Equity Research SOP，我第一感觉是，美股这条线正在和加密交易越来越近了。 过去半年，市场里很多清晰的机会都绕不开 AI capex。 $NVDA 、 $AMD 、 $MU 、 $MRVL 、 $INTC 这些标的，早就不只是美股交易员在盯，加密市场里的资金也开始把它们当成新的主线来进行观察了，就比如这两天最火的SpaceX 的IPO了，在加密市场也是炸了锅了 。 各大交易所也是摩拳擦掌，Binance 开始把大量美股和 ETF 带进更贴近加密用户的交易入口，OKX 也在通过代币化美股继续扩展资产边界，Hyperliquid、Lighter 这些链上平台，也让股票合约、ETF 合约、商品合约和 crypto 仓位放在同一个视野里。 /////////////////////////////////// 「xBubble 让一个 ticker 变成一份买方级判断」 这时候，交易者之间的差距会被重新拉开。 有人看到的是 ticker，有人看到的是产业链位置、竞争格局、财报口径、估值锚点和未来几个季度的催化节奏。 为什么有人敢围绕 MU、AMD、NVDA 这类 AI capex 标的建立更重的仓位？ 先知道公司在哪个环节赚钱，再知道它和谁竞争，再去看 SEC 文件、IR 材料、电话会纪要，最后才会形成一个可以持续跟踪的 thesis。 这套流程，才是专业美股交易员的底层能力。 xBubble 的 US Equity Research SOP，切入的正是这一步。 你只要输入一个 ticker，它就能把研究框架拉起来。 公司在产业链里的位置、核心竞争变量、财务数据、管理层表述、分部估值、Bull / Base / Bear 三种情景，以及未来 3-6 个月值得关注的催化节点，都会被放进同一份结构化报告里。 /////////////////////////////////// 「xBubble 的优势，是把研究框架先搭好」 很多人做美股研究，最容易卡在第一步。 信息太多，来源太散，媒体文章看了一圈，最后还是很难形成自己的判断。 xBubble 这套 SOP 的价值，在于它先把买方研究报告的骨架搭出来。 开头先给 thesis，后面所有内容围绕这个判断展开。 财报数据负责给锚点，管理层口径负责补充方向，估值模型负责拉出价格区间，催化事件负责提示未来跟踪重点。 因为当美股标的进入 Binance、OKX、链上衍生品平台之后，交易节奏会变快，资金切换会更频繁。 如果还停留在看二手信息、追热点名字、刷市场情绪，很容易跟不上资产扩展的速度。 /////////////////////////////////// 「每个数据都能找回它的原始出处，这是 xBubble 的强项」 我更看重的一点，是 xBubble @xBubble_ai 对来源数据的处理。 xBubble 生成的报告里，每个关键数据都能回到原始文件。 SEC 的 10-K、10-Q、8-K，官方 IR deck，earnings call transcript，管理层指引，这些资料会成为报告的基础。 这意味着你不用在十几个页面之间反复切换，也不用一边扒数据一边担心口径对不齐。 它先帮你把资料链路整理好。 你要验证，就能回到出处。 你要调整 thesis，也能基于原始信息继续追问。 这才是 AI 在交易研究里最实用的地方。 它不替你拍板，也不替你下判断。 它先把慢活、脏活、重复活处理掉，让你把精力放回到核心判断上。 /////////////////////////////////// 「同样问一个 ticker，xBubble 给的是更完整的交易研究链路」 当真正使用到xBubble的时候，你会觉得惊叹，为何会将问题的细节梳理的如此详细，似乎每一个疑问都有了解答，我也是满怀着欣喜的心情，把xBubble给我的每一步的答案都记录了下来，可以用「步步生花」来说，不为过了。 当然你这里可以拿 Gemini 做一个很直观的对比。 Gemini可以很快帮你整理行业背景、近期新闻、市场关注点，让你先理解这家公司大概处在什么位置，很宽泛。 但如果你要真正的把 AMD 当成一个可交易标的来研究，问题会变得更细，这里xBubble会成为你的必选项，我相信，尤其是当你看了我这张图之后，一定会在心里种下这个答案。 AI capex 对 AMD 的收入弹性到底体现在哪些业务里？ 数据中心 GPU 的增长预期有没有被市场提前计价？ 管理层在 earnings call 里对 MI 系列、毛利率、客户订单释放过哪些信号？ Bull / Base / Bear 三种情景下，对应的每股价值区间分别是多少？ 接下来 3-6 个月，真正可能改变市场预期的催化点在哪里？ 带着这些问题，去找寻真正的答案，这才是 xBubble 更擅长处理的地方。 它会把 ticker 拆成 thesis、财务、估值、催化和分歧。 从 SEC 文件到 IR deck，从电话会纪要到管理层指引，每个关键数据都能回到原始出处。 甚至可以细致到每一个月的内容，甚至你觉得xBubble考虑的比你还要细致，真的是有一个专业团队在后面保驾护航的感觉，你的问题不再是问题，你所考虑的一切都会有答案等着揭晓。 xBubble 更像直接把你带进一张买方分析师的研究桌，摊开了，铺平了，让你一步步的研究。 /////////////////////////////////// 「xBubble 背后的 Bubble Engine 会持续进化」 这套 SOP 还有一个很关键的地方。 它不是一份固定的研究模板。 Bubble Engine 会持续生成、测试、迭代，把 SOP 推到更适合不同场景的版本。 如果你专门看 AI 半导体，它可以围绕 AI capex 做更细的框架。 如果你看软件、消费、金融、能源，它也可以按照行业逻辑重组分析方式。 如果你已经有自己的研究风格，它还能围绕你的 thesis style 继续生成更贴近你习惯的版本。 这意味着你拿到的是一套会继续进化的研究方法。 模板会老，研究引擎会更新。 xBubble 真正拉开的差距，就在这里。 /////////////////////////////////// 「xBubble 让专业美股交易能力变得更轻」 以前只需要看 BTC、ETH、山寨和链上数据。 现在还要理解 AI capex、ETF、商品、宏观和美股财报。 交易入口变多之后，研究能力就会变成新的分水岭。 一句话交给 dappOS @dappOS_com 的 US Equity Research SOP，生成一份买方级美股研究报告。 xBubble @xBubble_ai 替你省下找资料、核数据、搭框架的时间。 判断依然留在你手里。 当美股资产开始进入加密用户的主场，xBubble 给到的可能就是下一阶段专业交易能力的入口.

聂帅晚年坦言：腊子口输了，红军就没了，新中国也就悬了。但谁也没想到，破局靠的是一个17岁少年。 很多人以为长征最险的是湘江、最巧的是四渡赤水，但聂荣臻晚年反复念叨的只有腊子口。他说得很直白：这一仗打输，中央红军就没了，以后的事想都别想。 可腊子口到底险到什么程度？蒋介石把路全堵死了。北边三条路，两条是死路，唯一的生路就是腊子口。然而这腊子口，藏语叫“险峻峡口”，两座山夹一条江，中间就一座小木桥，逼得你只能正面冲。守军是甘肃军阀鲁大昌，一个师，机枪碉堡修得跟铁桶似的。 那会儿红军刚爬完雪山、过完草地，连草根树皮都啃光了，一个个瘦得脱了相。正面冲锋打了一整夜，死了一批又一批，桥头愣是没摸到。敌人嚣张得不行，躲在碉堡里喊话：“你们打到明年也出不去！” 聂荣臻亲自到前线看地形，瞅了半天发现一个细节——两侧峭壁光秃秃的，但没几个人防守。要是能爬上去，绕到背后夹击，这仗就活了。可那崖壁几乎是垂直的，连个蹬脚的地方都没有，谁爬得上去？ 全军正头疼呢，一个17岁的苗族少年站了出来。没人知道他全名，只知道他从云南贵州四川一路跟着红军走，大家叫他“云贵川”。他说：“给我一根长杆，绑腿绳接起来，我能爬上去。” 那少年攀岩的功夫是打小在山里练出来的。夜里黑得伸手不见五指，他咬着铁钩、抠着石缝往上爬，底下就是深渊。爬了多久没人记得，只知道他终于把绳子垂下来时，团长王开湘带着突击队顺着绳子一个个上了崖顶。 凌晨的信号弹一亮，正面杨成武带着冲锋队死命压住敌人火力，背后的突击队像神兵一样从天而降。守军哪见过这个阵仗，碉堡没了后方，两路一夹击，两个小时就崩了。 腊子口一破，红军的生路就通了。胡宗南的援军才走到一半，就眼睁睁看着红军钻进了陕北。蒋介石围歼红军的那盘棋，彻底翻了。 老蒋最恨的就是这个，他怎么也想不到，自己算准了天险、算准了兵力，却算漏了一个连名字都没留下的少年兵。 没有那17岁少年，红军可能就困死在腊子口，鲁迅先生说过的“地上本没有路，走的人多了就成了路”，但对红军来说，这条北上道路，是一个无名少年用血肉之躯硬凿出来的。 现在腊子口的战史纪念碑上，写满了阵亡将士的名字，可“云贵川”这三个字，依然是化名。但没关系，腊子口那一战，所有活下来的人心里都记着他——那个攀上绝壁的少年，用他的命，给新中国劈开了一条生路。

📢 今晚直播预告｜BTC反弹能否延续？美联储决议前，市场下一步怎么走？ 近期市场波动加剧，AI、美股、黄金、加密市场同时迎来调整。 今晚直播，带单老师将围绕 宏观事件 + 主流币行情，拆解当前市场核心变量： 🔥 BTC反弹回到6.4万美元，是反转还是弱势反弹？ 关注关键压力位与支撑位置，判断行情是否真正转强。 🔥 美联储决议今晚公布，市场到底在交易什么？ 不只是看“不加息”，更要关注未来利率路径和鲍威尔表态。 🔥 GDP与PCE数据公布前，经济强弱如何影响币圈？ 经济增长、通胀、利率预期，谁才是影响风险资产的关键？ 今晚直播重点关注： ✅ BTC / ETH / SOL 主流币走势 ✅ 美联储前后行情变化 ✅ 关键位置交易策略 ✅ 当前市场风险与机会判断 ⏰ 直播时间：20:00–22:00 🔗 直播入口： 市场正在等待下一轮方向选择，今晚直播间见！

# AI 行业三个月变天，模型榜单已经解释不了全部 1小时46分钟里，这期《半球观察》播客的主持人 把 DeepSeek V4、约 1000 条 Cursor 工作轨迹、OpenClaw 出圈、Manus 交易流产和 AI 中转站放在同一张桌上。单看每条都像行业新闻，连起来看就很刺眼：AI 公司正在被新的尺子衡量。模型榜单还重要，但已经解释不了全部。 过去我们习惯问一个问题：谁的模型更强？ 现在还得问另一组问题：谁有真实任务数据，谁掌握用户入口，谁能把价格打下来，谁能穿过监管和资本的窄门。 > **编者注：** 这篇按播客原文提炼判断。DeepSeek 估值、Cursor/xAI 交易、Manus 价格等数字均先按“节目说法”处理，不能直接当作已确认事实。 ## DeepSeek 的强，变成了另一种强 主播对 DeepSeek V4 的评价并不客气。V4 Pro 被认为 reasoning 过长，很多任务里像是在思维链中自己和自己打架。V4 Flash 的体感更好，接近 GPT5.4 mini 或 instant API 的水平，但这已经不是 R1 那种“全行业被迫重新估值”的时刻。 这就产生了第一个反差：DeepSeek 仍然技术很硬，但它的产品冲击力没有天然压倒别人。 节目里提到，Kimi、GLM、MiniMax 等国产模型在 coding 和迭代速度上都给了 DeepSeek 压力。DeepSeek 自己也因为适配国产硬件、减少 CUDA 技术债、拥抱 TileLang 等路线，承受了延期和成本变化。 这听起来像掉队。 但节目给了另一个定位。 节目里说“DeepSeek 正好填补了这个空白”。 这个“空白”指的是 OpenAI 不再开放权重、不再详细公开技术路线之后，全球开发者和研究者仍然需要一个前沿模型的公开参照物。DeepSeek 的价值就从“谁最强”变成“谁还愿意把技术路线摊开”。 这是一种新的强。 它可能不总是最会做产品的公司，也不一定每个版本都压住榜单。但它像开源社区的技术坐标系。大家看它的 report，看它的注意力机制，看它的后训练方法，再把这些东西吸收到自己的模型和产品里。 所以，写 DeepSeek V4 不适合写成“王者归来”或“彻底掉队”。更准确的说法是：DeepSeek 正在从爆款模型公司，变成公开 research lab 的基础设施。 DeepSeek 没有消失，它只是从王者变成了坐标系。 ## 数据飞轮开始压过架构叙事 这期最有信息量的技术段，落在 OPD 上。 节目用一个很好的类比解释 On Policy Distillation：传统后训练像老师先写一大本习题集，学生之后自己看、自己背、自己消化。问题是题太多，领域太杂，学生容易学歪，甚至出现 reward hacking。 OPD 的感觉更像现场教学。 > “学生遇到不会了，老师就过来告诉他为什么不对。” 写代码时，代码老师在旁边；做数学时，数学老师在旁边。学生先尝试，老师实时纠错，模型训练从离线习题集变成在线反馈。 这个机制把问题引向更深一层：老师从哪里来？ 答案是数据。更具体地说，是真实任务里的高质量轨迹。 节目提到 Cursor 的 Composer 2 争议时，有一个关键细节：Cursor 被转述为在 Kimi base model 上加入约 1000 条真实用户工作轨迹做 SFT，使 coding 表现明显强于原始 base model。这个数字需要核查，但方向很重要。 如果模型架构的边际差距变小，真实任务数据就会变成更贵的东西。 Claude Code 和 Codex 为什么会越做越强？节目里的解释是，它们有真实工程师每天使用的轨迹：怎么打开项目，怎么读代码，怎么改错，怎么跑测试，怎么回退，怎么完成一个长任务。 这些数据很难从普通互联网文本里直接获得。它是任务过程。 这也是 Cursor、Claude Code、Codex、OpenClaw、Manus 这一类产品被重新定价的原因。它们表面是工具，底层是数据采集口。谁的用户每天把真实任务交给它，谁就能反过来训练更懂任务的模型。 模型能力当然还重要。但当大家都足够强时，数据会把差距重新拉开。 模型教会产品说话，用户轨迹教会模型做事。 ## OpenClaw 出圈，说明入口开始变形 节目把 OpenClaw 称为 Agent 的 ChatGPT 时刻。 这句话很大，但它有具体场景支撑。主播把 OpenClaw 接进 Telegram 家庭群，当成一个会记忆、会查资料、会调用 skill 的“电子宠物”。更重要的是，在这个框架里，本地 27B 模型和 GPT5.5 的体感差距被缩小了。 原因很简单：OpenClaw 有 memory，有 skill，有连续任务，有工具调用。 这就改变了用户感知。单独问一个小模型，它可能不如大模型；把它放进一个 agent 框架里，它能记住昨天说过什么，能查资料，能跑工具，能把一个任务接着做下去。用户看到的是任务完成，而不是模型参数。 这也是 OpenClaw 出圈的意义。它把 skills 从程序员小圈子带到普通人场景。 节目里提到阿里的电商出海 agent。它可以帮助小商家处理 Shopify、商品上架、趋势分析、网站设计、运营链路。过去这些工作可能需要助理、外包、懂代码的人和运营经验。现在一个小老板可能第一次感到，agent 能把一整套流程接起来。 这个变化比模型榜单更接近商业。 因为用户不会每天比较 benchmark。他们会比较：这个东西能不能帮我把店开起来，能不能生成网页，能不能做 PPT，能不能整理调研表格，能不能少雇一个人。 Agent 的入口价值，不在会聊天，而在能接活。 ## Manus 的稀缺性，被同类产品反向证明 OpenClaw 出来以后，很多人会自然认为 Manus 不稀缺了。节目里的判断正好相反：OpenClaw 爆火，反而证明 Manus 更稀缺。 这个判断的逻辑是产品体验。 主播说，很多 computer use 或 open cloud 服务“根本不想用”，Perplexity 的 computer use 被点名为几乎不可用。相反，Manus 能做出详尽网页、PPT、真实调查表格，任务保持程度更好。 换句话说，壳不稀缺，稳定交付稀缺。 这和 ChatGPT 早期很像。聊天界面谁都能做，真正难的是持续给出有用答案。Agent 时代也是一样。浏览器自动化、工具调用、任务规划、记忆系统、失败恢复，单独看都不是秘密。难的是把它们组合成用户愿意反复使用的产品。 Manus 交易流产把这个问题又推到监管层面。 节目讨论了 Meta 交易被撤销、VIE、IP、人才和公司归属问题。这里最值得保留的不是情绪判断，而是创业者面临的新现实：AI agent 这种产品绑定了用户数据、任务轨迹、人才供给、模型合作和国家监管。 对中国 AI 创业者来说，路径选择可能会提前。你从第一天就要想清楚，是进入国内生态，还是走海外资本路径；是把团队、IP、数据和客户都放在一个监管框架里，还是冒着未来交易被叫停的风险做跨境结构。 这已经超出普通商业选择。 这是 AI 产品变成战略资产后的副作用。 Manus 的问题不是卖没卖成，而是它到底属于哪里。 ## AI 开始说钱，也开始被低价倒卖 节目后半段最现实。 大厂模型开始收费，推理框架项目开始公司化，IPO 和融资叙事吸走市场流动性，AI 中转站开始变成生意。主播说得很直接： 节目里那句“大家都开始说钱了，不再说 AGI 的梦想了”，把这层现实说得很直。 这句话有点刺耳，但它解释了很多现象。 当模型差距大时，用户会追逐最强模型。当多数日常任务都已经够用时，用户会开始追逐便宜、稳定、可接入、不封号、不断线。AI 中转站就在这个缝隙里长出来。 节目提到 Sub-to-API 这类工具，把 Claude 或 Codex 的订阅转换成 API，再用更低价格分发。也提到部分中转站可能收集用户数据，甚至标称 Claude，实际替换成更便宜的国产模型。 > **编者注：** AI 中转站涉及服务条款、数据安全和潜在欺诈风险。这里仅按节目内容记录产业信号，不构成使用建议。 这说明模型正在商品化。 最前沿模型、企业级合规服务、真实工作流数据仍然贵。但对普通聊天、搜索、轻量写作、心理陪伴、日常问答来说，很多用户已经不愿意为“最强”付出太高溢价。 这会倒逼模型公司回到互联网逻辑：获客、留存、价格、渠道、生态、数据闭环。 AGI 叙事还在，商业账本已经来了。 ## 最后 这期《半球观察》最适合被整理成一组暴论，因为它更像一张行业雷达图。DeepSeek 代表公开技术路线，Cursor 代表 coding 数据，OpenClaw 代表 agent 入口，Manus 代表可交付产品和监管敏感性，AI 中转站代表模型商品化。 把这些点连起来，结论很清楚：AI 行业正在从“模型公司竞赛”变成“模型、产品、数据、资本、监管共同定价”的复杂游戏。 接下来不能只看模型榜单。 要看四个信号。 第一，DeepSeek 后续版本能不能重新打出产品体验上的压倒性差距。如果不能，它仍然有开源坐标系价值，但商业位置会不同。 第二，Claude Code、Codex、Cursor、OpenClaw、Manus 谁能沉淀最高质量的任务轨迹。真实用户每天交出的工作过程，会比静态语料更贵。 第三，agent 产品能不能稳定交付。会调用工具不稀奇，能把网页、PPT、调研、代码修改交付到用户满意，才是分水岭。 第四，价格和监管会不会重塑模型分发。中转站、订阅转 API、模型替换套利、跨境交易叫停，都说明 AI 已经离纯技术讨论很远。 我对这期的最终判断是：模型能力仍然重要，但它已经不是唯一的解释变量。谁拥有入口，谁拥有数据，谁能把价格做到用户愿意持续用，谁能在监管和资本结构里活下来，谁才可能赢到下一阶段。 这也是它最值得写成文章的地方。暴论背后真正冲击人的，是我们判断 AI 公司的尺子正在换。 --- 原始播客：

最近线下跑了好多地方，见了一堆朋友。聊着聊着，大家都问一个问题：币安到底想做什么？ Miko老师@web4miko最直接：3亿用户到30亿，这么卷，凭什么？ 其实币安从一开始就想做一件事：让钱自由流动。不是做最大的交易所（那已经做到了），而是搭一个金融基础设施。现在非洲、南美、中亚这些地方，普通人每天都在用币安转账、做金融。远远还没做好，但就是这个方向。 为什么要做30亿用户？因为币安的用户哲学。要做极致，就得让足够多的人用得上。所以币安一直在做"降门槛"的事。不管是推alpha还是各种新产品，核心都是降门槛，是让更多人进来。这也是币安和别的交易所最不一样的地方。 Rocky老师@Rocky_Bitcoin是券商出身，问我们在资产代币化的动作。这的确是我们今年发力的方向，我们上线了很多TradFi，目前规模是所有交易所里最大的，并且使用人数和交易量每天都在快速增加。 我觉得这就很币安 —— 实用主义。币安推出的东西不一定非要有特别高大上的概念，但一定务实好用。最近的AI也好，支付业务也好，核心都是怎么把它落地。 公司内部还有一个很有意思的机制。每天都有很多部门在创新，遵循的是"雨林原则"。大家各自提创意，各自跑，然后让市场决定谁能活下去。这也是"赛马机制"。 所以外界有时候觉得币安没有重心，其实这就是币安的原则。不是我们没有方向，而是我们相信这种开放的、让各种想法竞争的方式，最后能跑出来的东西才是真正有生命力的。 George兄@Showy005是在香港认识的，特别会做运营。他说币安特别的地方就是，你们是真心对待用户。所以大博主小博主都是我们的客户和老师。他自己把所有钱都放币安，原因就是"因为你们真心"。 凯哥 @kaikaibtc 有句话我记得，"币安最特别的就是听劝。提需求真的改，改了还给奖励。"通过他认识的朋友球球@qiuqiu232 也说，见过这么多交易所，就币安这个环节最完整。提需求、真改、给反馈，很少有能把这三步都做完的。 所以，币安到底想做什么？币安在变成全球的金融基础设施。这条路还长着呢，我们才刚开始，希望和大家一起努力，我们也会更努力地做好服务💛

今天我们送走了一位非常优秀的同事 Kenya，她将开启自己的事业，创立一家属于自己的律所。感谢她在机构四年又一个季度的陪伴和贡献，一路看着她从年轻律师走到今天独当一面，心里既有不舍也有祝福，希望她未来可以展翅高飞。 也是因为这件事，最近和很多年轻朋友聊了不少。在这个行业里多走过几个春秋的人，很多都陷入了一种说不清的迷茫。有些人在犹豫要不要离开行业去拥抱 AI，有些人开始重新审视自己这几年到底走了一条什么样的路。我自己也是过来人，想借这个机会聊几句心里话。 2013 年我遇到过一位很不错的面试官，她让我写一份 BTC 的研究报告作为面试题。报告写完，我没有加入她的公司，但是为了写那份报告做的功课，让我下了重仓买入人生第一个大饼。这件事我念叨了很多年，时常感恩一路上遇到的这些老师。后来在券商的日子，早八晚五每天夺命连环 call，研究所长办公室经常传出研究不达标被骂哭的声音，但是那些老师在研究方法上从不藏私。严厉的要求造就了严苛的方法论，也成就了一批后来的明星分析师。我现在回头看，那段被骂的日子才是真正给我打底的日子。 回到我们这个行业，年轻人三年换三份工作的事情屡见不鲜。过去几年这件事是被充分定价和认可的，web3 创业公司雨后春笋，交易所各种使出钞能力挖人，从传统行业跳过来或者连环跳槽的小伙伴在市场上是稀缺品。那是一个奖励"敢动"的周期。 但是今时不同往日。不仅是熊市来了，整个行业这一轮也并没有收获我们曾经预期的果实。然后 AI 来了，无数公司进入缩编周期，各家交易所今年的裁员目标据说是 30%，融资不达预期、还没跑出收入的创业公司那边是 50%。同样一个跳槽动作，在两个不同的周期里，市场对你的解读是完全相反的。 前几天有个年轻朋友在群里随口说了一句"哪个年轻人不能靠炒币轻松赚 20 万美金"，群里炸了一阵。这句话我想了好几天。20 万美金在牛市的某个瞬间确实满地都是，但是站在今天回头看，"轻松"两个字其实是把幸存者当成了样本。亏掉一辆车、亏掉一套首付的人，从来不发推，也不在群里说话，圈子的回声永远是赢的那一边的。这件事和这一波离职潮放在一起看，其实是同一件事，年轻人的参照系被牛市拧歪了，等熊市把椅子搬回原位的时候，才发现自己还站在原地。 所以在这样的周期里，我自己也在反复想，长期到底要做什么，在哪里可以真正获得成长，怎么在下行的时候好好把自己照顾好。 这一路走过来，我一直习惯用严于律己的方式给自己定期设目标，所以不管在什么样的组织、什么样的 leader 下面，"创造超预期"是我自己的工作哲学。这件事不是为了让谁看见，是因为我真的喜欢研究和投资。做研究的时候我觉得自己像在海里游泳，很快乐；投资里遇到的困惑这些年从来没少过，每一次困惑逼着我去补一块短板，去深化一层 soft skill，也让我有机会和很多最优秀的 founder 学到东西。回头看，那些让我真正成长的，从来不是哪家公司的 title，是我自己愿意在每个阶段把手上的事做到心里那条线之上。 说回来，选哪家公司在今天这个周期里其实差异没有想象中那么大。把能力内化在自己身上，才是真正能跟着你走的东西。当你的能力到了那条线，最好的机会和最好的公司，会自然而然和你互相吸引，会发现你，也会找到你。 祝 Kenya 一切顺利，也祝看到这篇的朋友，在这个不容易的周期里，慢一点，稳一点，把自己长成你想要成为的样子。