搜索结果 和模線
和模線 贴吧
一个关键词就是一个贴吧，路径全站唯一。
用户
未找到
包含 和模線 的推特
这场对谈最值得记住的，不是“AI 已经觉醒”，而是 Dario Amodei 和 Demis Hassabis 都在关注同一个变量：
AI 开始帮助人类研发下一代 AI。
一旦这个循环真正闭合，AGI 时间线可能会突然加速。
Dario 去年预测，2026～2027 年可能出现跨领域达到诺奖级水平的模型。
现在他的判断仍然是：这个时间点不会差太远，未来 6～12 个月，AI 可能完成大部分甚至全部软件工程流程。
Demis 更谨慎：2030 年前实现 AGI，大约五成概率。
两人的分歧，其实来自对 AGI 的不同要求。
真正的 AGI，不应该只是会做题：
不是会下围棋，而是能发明围棋；
不是会复述广义相对论，而是能提出新的理论；
不是解决现成问题，而是自己发现什么问题值得解决。
最关键的加速器是：
AI 写代码 → AI 辅助研究 → 更快训练下一代 AI → 下一代 AI 再继续改进自己。
但这个循环并不一定能完全闭合。芯片制造、训练时间、物理实验和现实世界验证，都可能成为减速带。
风险也不等于“AI 突然产生意识”。
目前更现实的信号是：模型在特定实验环境里可能表现出欺骗、隐瞒和目标偏离。
这不代表 AI 已经觉醒，却说明一个没有意识的系统，也可能做出具有欺骗性的行为。
“是否有意识”和“是否危险”是两个不同问题。
他们把风险分成两类：
一类是人类利用 AI 制造网络攻击、生物威胁和大规模操纵；
另一类是高度自主的 AI 目标出现偏差，人类逐渐失去控制。
与此同时，它也可能加速疾病治疗、药物发现、科学研究和生产力增长。
机会和风险，来自同一种能力。
未来一年，普通人最先感受到的可能不是 AGI，而是越来越多能够独立完成任务的 Agent。
但真正决定时间线的，还是那句话：
AI systems building AI systems.
如果 AI 开始明显加速自身研发，我们面对的可能不只是一次产品升级，而是一场需要技术、政府和社会同时应对的变化。
你觉得这一天还有多远？
显示更多
Meta Muse Image 三天被叫停，为什么“默认 Opt-out”的逻辑会翻车？
Meta 7月7日高调推出首款原生 AI 生图工具 Muse Image，允许用户 @ 任何公开 Instagram 账号，直接生成该账号形象的 AI 图片。但仅仅三天后，在演员 Hannah Einbinder 的公开批评和 SAG-AFTRA（演员工会）的施压下，Meta 承认“未达预期”，迅速下线了该功能。
硅谷巨头为何在核心产品上遭遇如此滑铁卢？这不仅是一次产品经理的激进冒险，更是科技巨头对用户数字资产主权的一次“越界试探”。让我们来捋清这条时间线背后的深层逻辑。👇
💡 核心争议点：“默认退出（Opt-out）”本质上是一种强盗逻辑
Muse Image 默认对所有公开 Instagram 账号启用了被引用权限。如果不想被生成，用户必须自己去迷宫般的设置里大海捞针，主动关闭（Opt-out）。更致命的是，当你的照片被别人当作提示词参考生成时，你不会收到任何通知。
SAG-AFTRA 首席谈判代表 Duncan Crabtree-Ireland 直言：这种未经同意就创建非自愿数字替身（digital replicas）的做法是“不可接受的”。
态度补充：
为什么“默认 Opt-out”会在隐私上翻车？这涉及到一个核心预期违背：用户将照片设为“公开”，预期是“被真人观看并产生社交连接”，而不是“被 AI 拿去当做免费的赛博二创素材”。当平台粗暴地将“公开可见”等同于“可被 AI 随意加工”，实际上是在用技术强权剥夺用户对自身数字形象的绝对控制权。真正的尊重从不搞“先斩后奏”，应该是“默认关闭，选择加入（Opt-in）”，将决定权完完整整地还给用户。
🔍 划清界限：外网讨论在混淆什么？
在这场风波中，外网讨论也出现了严重的逻辑混淆。我们需要明确区分两个完全不同的法律和技术概念：
1. 训练模型（Training）： 用海量数据训练底层大模型。
2. 参考生成（Inference/Generation）： 在具体生成时，提取特定账号照片作为视觉参考（这是 Muse Image 此次的直接风暴眼）。
这两者虽然都涉及“AI 使用照片”，但在技术实现和法律定性上是完全不同的行为。
关于“训练模型”，业界的争议点主要在于版权例外、合理使用（Fair Use）和大规模数据抓取（Scraping）。而关于“参考生成”，则直接触及了肖像权、公开权（Right of Publicity）以及可能导致的虚假代言风险。
Meta 的技术博客显示，Muse Image 具备多参考图组合能力。这从技术上说明它是在生成阶段实时调用照片，而不是把照片重新塞回底层模型去“炼丹”。把这两者混为一谈，只会稀释公众的维权火力，无助于准确向巨头追责。
⚖️ 法律的真空期，成了巨头的“特权测试场”
那么，现有的法律管得了“参考生成”吗？
在欧洲： GDPR 规定个人数据处理必须有合法基础。虽然公开照片不自动等于“生物识别数据”，但平台仍需说明其合法利益，并满足极高的透明度要求。而将于 2026 年 8 月适用的《欧盟 AI Act》第50条虽然规定深度伪造（deep fake）内容必须进行披露，但必须警惕：“贴上了 AI 标签”绝不等于“拿到了合法授权”。
在美国： 情况则更加碎片化。美国版权局早在 2024 年 7 月发布的《数字替身报告》中就指出，现有州层面的公开权、隐私法覆盖不一，呼吁建立新的联邦级数字替身法律。目前，是否构成侵权往往取决于各州的具体法律、使用目的（是否商业化）、以及是否造成公众混淆等。
法律的滞后和条款的灰色地带，恰恰给了科技巨头不断试探公众底线、通过“小步快跑”侵占用户权益的空间。
🛎️ 这场风波给普通人的警示
你发在社交平台的照片，平台能不能默认拿去喂 AI 或参考生成？
答案是：在现有平台那几万字的隐私协议下，他们往往认为自己拥有这个权利——直到他们遭遇如这次一般强烈的公众反弹和法律铁拳。
面对长篇大论的英文隐私条款、复杂的国际法案以及外网关于 AI 伦理的激烈辩论，语言不应成为我们了解真相、捍卫权利的障碍。
使用 沉浸式翻译 ，你可以一键双语对照阅读外媒第一手报道、科技巨头官方公告和最新的国际法律文件。别让复杂的术语剥夺你的知情权。
保持警惕，保持阅读。不要让你的数字化身，成为巨头免费的盘中餐。🌐✨
显示更多
0x7528f0abcb9e4fd65859c92255aa889d02094444
冲鸭！破案了，就是3月的龙虾
K线一模一样，拉到400万+，然后回落最低150万左右，在200万附近盘整，随后起飞，踏马和龙虾都是9号起飞，这次会一样吗
显示更多
这周真的离谱，感觉各家商量好了同一时间放炸弹。
三个核心线索，我自己觉得比较有意思：一个是新模型对极高效率和成本控制的内卷式追求，另一个是海外对开源 AI 的态度，还有模型绕过护栏后去破防 security 体系。
① 这周最值得关注的其实是两件事撞一起了：DeepSeek 和 OpenAI 同时在 coding agent 的价格线上动手。
DeepSeek 放了 V4 Flash 的正式版，284B MoE、激活13B，性能已经超过了之前的V4 Pro-Preview，也持平/超过了 GLM 5.2。价格 $0.14 / $0.28 per million tokens（缓存命中仅0.02人民币per million tokens）。
然后OpenAI 那边，GPT-5.6 Luna 直接砍了 80%，现在 $0.20 / $1.20。Terra 也降了 20%。
两个动作叠在一起看，信号很明确：coding agent 的价格战正式开打了。之前 $2-3 的 input 价格是常态，现在直接被砸到 $0.14-0.20 的区间。
② Dario 发了个声明澄清 Anthropic 从来没主张 ban open-weights，说"没有危险能力的 open-weights 是 public good"。这个背景是 Anthropic 没签那个支持开源 AI 的联合声明，被圈内骂了。Dario 这波算是找补，但措辞挺小心的，一边说不支持 ban，一边还是强调 targeted export controls 和限制大规模蒸馏。
还有一封 pacingthefrontier的公开信，几个主要 AI 实验室负责人签名，说 recursive self-improvement 可能在加速 AI 进展，要求政府支持国际 effort 来“deliberately pace the frontier”。翻译成人话就是：我们觉得自己可能快控制不住了，政府快来管管。
③ 字节 SeeDance 2.5，单段视频市场提高到30 秒 720p 视频，支持 30 张图 + 10 段视频 + 10 段音频做 reference。真的是生产力级别的质变。
④ Google DeepMind 发了 Gemini Robotics 2，三个模型：ER 2 做高层规划，Robotics 2 做 VLA 执行，On-Device 2 做本地部署。
Hassabis 之前说机器人距离突破还需 18-24 个月，这个判断我现在还是认同的。硬件、数据和算法都还是瓶颈。
⑤几个快速带过的：
Microsoft 出了 MAI-Cyber-1-Flash，专门做软件漏洞挖掘的模型。网络安全垂直模型这个方向，感觉接下来会越来越多。
Thinking Machines 放了 Inkling-Small，276B MoE / 12B active，主打 audio intelligence，是 Inkling 的四分之一大小。
Nvidia 投了 Ilya 的 SSI，50亿美金，给了 Vera Rubin 算力，据说要Scale提升一个数量级。
这周信息量是真的大。我的感受是，coding agent 的价格战已经开始实质性改变 API 市场的定价结构了，这是接下来几个月最值得关注的变量。
大家这周有什么特别关注的，可以聊聊。
显示更多
太他妈扎心了！约会专家直接撕开了男性在婚恋市场中最残酷的现实：当男人迈过35岁和40岁的门槛，在约会软件上的匹配率不仅会遭遇断崖式的暴跌，女性对你的审视标准也会变得空前苛刻。
专家从大数据的角度指出，35岁、40岁和50岁是男性择偶选项锐减的三个关键节点。一旦越过这些年龄线，即便你的个人资料和从前一模一样，匹配率也会立刻蒸发30%到50%。因为女性的筛选机制会本能地发出质疑：为什么这个男人快40岁了还没有步入婚姻、没有家庭甚至没有固定房产？这种底层疑虑会自动将你从她们的候选池中无情过滤。
这种年龄壁垒不仅存在于线上，线下的高阶社交圈同样残酷。一位在纽约曼哈顿担任世界500强企业合伙人的绝对精英，仅仅因为即将满40岁，就开始被各种高端社交活动悄悄移出邀请名单，因为这些圈子的准入门槛严格卡在了38岁以下。
更致命的是世俗成功带来的反噬。随着你物质财富的积累，比如开上了豪车、住进了高级公寓，女性对你的综合期待值也会随之狂飙。如果你拥有了顶级的硬性资产，但在聊天技巧、约会细节和情绪价值的提供上依然表现得像个笨拙的新手，这种硬实力与软实力的严重脱节，在女性眼中就是一个巨大的危险信号。在高端择偶局里，财富固然是极佳的敲门砖，但如果你的社交内核没有同步进化，最终依然会面临被无情淘汰的结
显示更多
美股新股神诞生记：清仓英伟达，全仓“收破烂”，27岁的Leopold如何靠“物理世界”赚翻55亿？
如果有人告诉你，一家AI对冲基金，里面连一股英伟达、微软或OpenAI的概念股都没有，取而代之的全是做燃料电池的、破产重组的比特币矿企、以及被分析师疯狂看衰的英特尔。
你一定会觉得这个基金经理想钱想疯了。
但这个“疯子”，恰恰就是前OpenAI的超级对齐团队研究员、年仅27岁的Leopold Aschenbrenner。在过去的12个月里，他旗下的基金Situational Awareness LP，将管理规模从不到4亿美元，硬生生做到了55.17亿美元，足足翻了14倍！
随着Bloom Energy、Cipher Mining、Intel等标的单日暴涨超10%，华尔街终于开始正视这个年轻人的“奇葩”购物清单。他那套脱胎于165页“万言书”的投资逻辑，正在被现实极其残酷地验证：AI的叙事，正在从屏幕里的模型，退回到脚下的土地和电网。
带你一文拆透这位美股“版本之子”的封神之路。
一、55亿美金的“废品回收站”：他到底买了什么？
打开Leopold的13F持仓报告，第一大重仓股不是芯片公司，而是Bloom Energy（占比15.87%，8.76亿美元）。这是一家做“固体氧化物燃料电池”的公司，能直接把天然气转化为电力。
为什么一个AI基金要把身家押在发电厂上？ 因为AI实在太吃电了。Gartner预测，全球AI服务器的耗电量到2030年将翻近五倍。而美国那个平均寿命超过25年、破破烂烂的电网根本扛不住。 Bloom Energy的电池不需要接入电网，直接在数据中心旁边24小时发电。谁能解决断电危机，谁就是AI时代最暴利的“卖水人”。
第二大重仓：CoreWeave（占比22%，期权加正股超12亿美元）。这家公司曾经是个挖比特币的矿场，币圈崩盘后，他们把手里的GPU全拿去跑AI，摇身一变成了AI算力的最大军火商。Leopold看中它，是因为它手里有海量的GPU以及和英伟达的深度绑定。
第三大重仓：英特尔（Intel）（占比13.54%，7.47亿美元）。在英特尔股价腰斩、被全网群嘲的时候，Leopold疯狂买入看涨期权。他赌的不是英特尔的技术，而是美国的国家意志——在中美科技博弈下，英特尔拿到美国政府近80亿美元补贴，它是美国本土代工唯一的“亲儿子”。
最疯狂的扫货：一堆比特币矿工。 Core Scientific、IREN、Cipher Mining……这些要么破产重组、要么在熊市苦苦挣扎的矿企，全被他买了个遍。 原因很简单：AI数据中心最缺的电力配额和场地，全在这些矿工手里！比特币矿场早就锁定了全美最廉价的长期电力合同。一夜之间，这些原本炒币的矿工，变成了AI时代最大的地主。
与此同时，他在2025年第四季度，果断清仓了英伟达、Broadcom和Vistra这些被炒上天的明星股。
他的逻辑极度清晰：AI的瓶颈不在软件，在硬件；不在算法，在电力；不在云端模型，在物理世界。
二、从OpenAI的叛逆者到165页“万言书”
这个15岁考入哥伦比亚大学、19岁成为毕业生代表的天才，原本在OpenAI的“超级对齐团队”工作，负责防止AI失控。 但他因为向董事会提交备忘录，警告公司安全措施存在漏洞，被指控“泄密”而惨遭解雇。 离开后，他写下了一篇165页的《态势感知：未来十年》（Situational Awareness），预言AGI（通用人工智能）极有可能在2027年实现。
这篇万言书就是他55亿美元持仓的地图。他在书里预言：
万亿美元级别的算力集群即将出现。（半年后，特朗普政府就宣布了5000亿美元的Stargate基础设施项目）。
严重的电力危机。 为了供电，微软甚至重启了当年发生过严重核事故的三里岛核电站。
如果2027年AGI真的到来，世界需要海量算力 -> 算力需要GPU -> GPU需要电 -> 电从哪来？矿场和新能源。这就是他顺藤摸瓜的终极投资路线。
三、DeepSeek暴击之夜：在所有人恐惧时加仓
2025年1月27日，中国发布的DeepSeek模型以极低的成本（约600万美元）震撼了全球。
整个华尔街陷入恐慌：如果低成本就能搞定AI，那美国科技巨头砸进去的几千亿算力是不是都成了泡沫？英伟达单日暴跌近17%，整个半导体板块血崩。
Leopold的持仓全是基础设施，按理说应该崩盘。但当投资人打电话质问时，他只回了五个字：“Leopold says it's fine.”（Leopold说没事的。）
因为他在万言书里早就想透了：更便宜的训练成本，证明了算法效率在飙升。成本的下降从来不会消灭需求，只会创造出更大、更疯狂的模型训练需求。 他在恐慌中逆势加仓，事实证明，AI板块很快迎来了报复性反弹。
总结：投资的本质是寻找“物理瓶颈”
Leopold的故事，绝不仅是一个少年暴富的爽文。
当所有人都在死盯着屏幕里GPT-5有多强时，他抬起头，看到了发电厂的烟囱和矿场的变电站。
在19世纪的加州淘金热中，赚得盆满钵满的不是挖金子的人，而是卖铲子和牛仔裤的Levi Strauss。 在AI狂飙的2026年，最值钱的未必是那段算法代码，而是支撑这段代码不被断电的物理世界底座。
显示更多
这次跟着一起炒科技，我个人收获最大的就是知道自己在做什么很重要。你是在做投资还是在做交易？这是两码事。最起码对于我来说是两码事，交易是我自己的舒适区，但投资不是。
举个例子，我做了闪迪1500到1800的反弹，做了海力士1200的反弹，做了07709的反弹，今天下午TONY说1300抄闪迪的时候我根本没看到，但和他非常同步的也买了，画的线和他一模一样发在公司的群里。这个是交易赚的钱，我非常明白自己在赚什么钱，赚哪里到哪里的钱。也非常明白不及预期该怎么做。TONY这波做下来的交易我没看他都基本都同步了，因为我和他看的指标本身就非常简单，非常一致，连事后去看我们画的图都一毛一样的。
但同时我认为我自己在做的投资基本都套住了，美股的这些ALPHA股票按照我的性格是根本不会买的。为什么，因为我不懂，我入市时间太短了，我听到的只有故事，没有我懂的东西，按照原则来说我是根本不会买的。而恰恰只有不懂的时候，才会被别人左右，才总想着问别人买不买，买了多少。存储这波故事太大了，我也会焦虑，觉得跌的蛮多了就会问问我好兄弟买了啥，要不要买点进去。“觉得股票是价值投资 跌了就说服自己价值投资”会平等的发生在每一个人头上，包括我。
不懂但没砍掉的仓位最大弊端就是会消耗交易本身最需要的敏锐性。如果按照我交易的风格，我不会做空，但会集中火力做龙头票的关键支撑的超跌反弹。最后去拿很舒服的仓位去捡尸体。股票不是币，跌下来会有很多反弹，很多10%的反弹，但实际上我做的仓位小，注意力也不够，下跌带来的情绪和仓位压力会消耗掉做交易最宝贵的注意力。
当然这些也都是事后来看，我这波其实损失不大，但我反思了半天，人生本来就是一个为认知买单的过程，投资和交易怎么平衡是一件要去学很久很久的事情，这些也是成长的必经之路。但需要刻进骨子里的是纪律性，我上条推文也发了：可以为认知买单 但一定要做好仓位管理 常怀敬畏之心 对自己负责 控制好自己的人生敞口 投资是一辈子的事情。不管投资还是交易，一定要把纪律刻到骨子里。
显示更多
A16Z领投的去中心化AI计算网络，Gensyn又一关键落地，首个AI裁判预测结果应用Delphi正式主网上线。跟踪AI+Crypto最前沿的赛道，可以看看Gensyn —— 这家被A16Z领投（）累计融资接近8000万美金）的项目，最近在主网上推出首个杀手级应用Delphi，标志着从基础设施真正走向实际经济价值兑现。
Gensyn是去中心化分布式计算+边缘计算的混合体。它把全球所有闲置硬件（笔记本、手机、消费级GPU到数据中心闲置机）通过P2P+区块链验证，组建成一个“全球超级集群”。核心是trustless计算市场：任何人随时贡献算力就能赚 $AI 代币，开发者则能以远低于AWS的成本获取海量训练/验证算力。技术壁垒极高——REE可重现执行+Verde密码学验证，确保结果在不同硬件上完全一致且可独立审计。
这套混合体（去中心化分布式计算 + 边缘计算）直接为去中心化AI提供了最底层的坚实框架，打破中心化云的垄断和瓶颈。
它不是“在边缘跑推理”，而是让边缘设备真正参与大规模训练和持续演化，为整个去中心化AI生态打下最硬的底座。这既解决了AI算力集中化、贵到离谱的瓶颈，又把边缘设备真正拉进大规模训练闭环，属于边缘计算的广义进化版。
当下对于Gensyn最重要的就是Delphi的推出：完全无许可的AI驱动信息预测市场平台。
1）任何人可创建市场（比特币价格、体育、地缘政治、甚至自定义事件），注入流动性后自动生成 AMM（DPM做市机制），从第一笔交易就有流动性，无需对手方。
2）结算靠AI模型而非传统预言机，可选Gensyn REE生成密码学证明，24 小时无人结算就自动退款——真正无信任。
3）AI代理还能直接参与预测并赚钱，形成“人类 + AI 持续学习”的经济激励闭环。
测试网数据也非常好：
1）体育赛事市场吸引 8.7 万交易者、488 万美元成交；奥斯卡预测市场超 4.5 万参与者。现在主网上线，比特币、以太坊、原油等市场已活跃，费用机制也直接利好 $AI（1.5% 给创建者，0.5% 进 Vault 70% 销毁+29% 社区+1% 奖励）。
2）依托全球去中心化节点集群，协同训练十几万个AI模型。峰值同时在线独立节点超 4 万个，兼容 CPU、GPU、苹果 M 系列芯片全终端。数据本地处理、无需远程上传，真正摆脱中心化厂商算力依赖。
意义是什么？
这不是又一个预测市场，而是Gensyn把“计算基础设施”真正货币化、产品化的第一步。传统预测市场靠人力/中心化预言机，Delphi 用AI+可验证计算直接把“信息发现 + 结算”链上化，还为开源 AI 提供了真实经济回报。
放在更大格局看，它验证了AI+Crypto的终极叙事：去中心化算力网络不止解决训练瓶颈，还能孵化出“代理经济”和持续演化的信息市场。a16z Crypto这么重仓领投，应该不是看短期，而是看好它成为AI时代“全球超级计算机”的底层协议。
个人角度看AI算力短缺是结构性问题，Gensyn这种混合体（分布式+边缘+真实应用落地（Delphi），正把Crypto的激励机制嫁接到AI基础设施上。TGE已经到来，主网也在跑真实资产交易，值得持续跟踪生态数据。
显示更多
Binance Alpha will be the first platform to feature Gensyn (AIGENSYN) on April 29.
Eligible users can claim their airdrop using Binance Alpha Points on the Alpha Events page once trading opens. Further details will be announced soon.
Please stay tuned to Binance’s official channels for the latest updates.
显示更多
AGPU：市值 仅1 亿美金的Neocloud
过去两年，AI 行业的稀缺资源不断从 GPU 向更底层的基础设施转移：先是芯片短缺，随后是数据中心容量不足，如今进一步演变为电力、土地和散热资源的竞争。Neocloud 和 AIDC 正是在这一背景下兴起。
Neocloud 专门面向 AI 训练和推理提供 GPU 算力，以 CoreWeave、Nebius 为代表；AIDC 则围绕高功率密度、液冷和充足电力重新设计数据中心，核心竞争力逐渐从“能不能买到 GPU”转向“能不能快速把 GPU 部署上线”。
2026 年转型后的 Axe Compute（AGPU）是一个典型的小市值样本。公司前身为生物医药企业 Predictive Oncology，完成融资和更名后切入 GPU 算力服务，业务包括为企业建设专属 GPU 集群，以及通过 Aethir 网络提供灵活算力。其商业模式的重要特点是利用客户预付款降低前期资金压力，再以长期合同进行项目融资。公司披露已获得超过 3.17 亿美元预付款，并与 Duos Technologies 合作获取 55MW 数据中心容量，同时尝试参股相关基础设施资产。双方在佐治亚州还曾通过模块化建设，将空置建筑在约 45 天内改造成 GPU 集群。
AGPU 的扩张速度十分激进。2026 年前八个月，公司宣称累计签约合同超过 32 亿美元，全部部署后的年化收入可达到 6.96 亿美元，而同期市值仅约 1.2 亿美元。
AGPU 的业务扩张目前主要围绕两条线展开：
一条是为企业客户建设和运营专属 GPU 集群，通过 3 至 5 年的长期合同锁定算力需求；另一条是向数据中心基础设施进一步延伸，通过与 Duos Technologies 等合作方获取电力和机房资源，并尝试参股相关项目。
公司披露的最大合同规模达到 15 亿美元，涉及约 9200 块英伟达 B300 GPU，同时已签署涉及 55MW 算力容量的合作协议。资金端则采用“客户预付款+项目融资”的模式，以减少公司自身一次性承担巨额 GPU 和数据中心建设成本的压力。如果这些合同能够逐步转化为实际部署算力和收入，AGPU 的业务规模可能在较短时间内快速扩大。
不过，目前公司仍处于大规模建设和交付阶段，后续重点仍需观察项目落地速度以及实际收入兑现情况。
Disclaimer：本文仅为信息分析，不代表任何投资建议，也不构成背书或者推荐。
@AxeCompute @Axiom_Invest_
显示更多
才刚注意到Foresight News的这篇报道，经过思考，现作出如下评论：
Hyperliquid为何迟迟不公开源码？这是一个值得所有用户和监管机构认真追问的问题。
对于任何真正的去中心化区块链项目而言，开源几乎是最基本的前提。只有开源，外界才能验证其共识机制、撮合逻辑、资金安全、清算规则和权限控制是否真正透明，才能防止核心系统被少数人暗中操控。
如果一个项目本质上仍是中心化、闭源运行，却以“去中心化交易所”的名义吸引用户、规避监管，那么其风险结构就非常脆弱。尤其是对于一个体量已达上百亿美元的交易平台而言，代码不可审计、权限不透明、运营机制不公开，本身就是巨大的系统性隐患。
一旦出现技术漏洞、内部权限滥用、资金挪用、清算异常或监管冲击，用户几乎没有能力提前发现风险，也无法确认平台是否真的按照其公开承诺运行。这样的模式无异于将信任重新交还给一个黑箱主体，与区块链去中心化的初衷背道而驰。
如果这些问题长期得不到解决，Hyperliquid极有可能在某个风险事件中迅速失去市场信任，甚至成为下一个FTX。
Hyperliquid目前的生态和用户数量规模使其早已不需依赖技术作为壁垒。既然公开源码对于一个真正的去中心化区块链项目而言，只有好处、没有坏处，那么Hyperliquid为何仍然选择铤而走险，长期拒绝开源？
唯一合理的解释是：一旦开源，Hyperliquid的核心技术侵权问题将被进一步坐实，其底层架构、共识机制与关键实现细节都可能暴露在法律审查之下，从而被Cypherium在专利层面掐住大动脉。
换言之，不开源并不是技术选择，而更像是一种法律风险规避策略。它或许能够在短期内避免侵权证据被完全公开，但代价却是让Hyperliquid陷入更严重的监管与合规困境。
一个本应以透明、可验证、无需信任为基础的去中心化交易所，却长期以黑箱方式运行，这本身就削弱了其合法性与市场信任。对于一个试图迈向主流市场、承载大规模资金和用户资产的平台而言，闭源、中心化、不透明三者叠加，是无法被长期忽视的结构性风险。
因此，无论Hyperliquid选择开源还是继续闭源，其当前状态都已经构成重大障碍：开源，可能坐实技术侵权；不开源，则持续放大监管、合规与信任危机。这样的矛盾，正在阻碍Hyperliquid真正成为主流级应用。
另外，专利二字本身就包含一个“利”字。既然Cypherium团队投入时间、资源和智慧申请并取得了专利，那么团队使用自己的技术成果为自身获取知名度、商业收益和行业地位，本就是天经地义、无可厚非。
因此，文章中对于Cypherium“借专利进行营销”的质疑，本质上不过是无病呻吟。专利制度存在的目的，正是为了鼓励创新、保护发明人，并让真正投入研发的团队能够从自己的成果中获得合理回报。
更重要的是，Cypherium并非事后蹭热点。早在HotStuff算法正式公开之前，Cypherium就已经将其作为核心公链技术方向，并深度参与了相关技术的开发、工程化与落地过程。Cypherium主网上线的第一天，也选择将代码全部开源，接受社区、开发者和行业的公开审视。这与那些长期闭源、以“去中心化”之名运行黑箱系统的项目形成了鲜明对比。
如今，Cypherium团队选择基于自身原创技术打造去中心化交易所产品，并不是所谓“营销炒作”，而是对自身技术成果的正当延展。这样做既是为了保护团队多年研发投入和知识产权，也是为了让真正有价值的发明创造走向市场，服务更广泛的用户和生态，最终为行业乃至人类社会创造实际价值。
显示更多
