4萬粉感謝祭𝐄𝐏𝟓 遇上來自宜蘭的新任水庫管理員👷 ——— 👷：薇 我看你有在找水庫管理員對吧 ：有啊 你要試試看嘛⁄(⁄ ⁄ ⁄ω⁄ ⁄ ⁄)⁄ 👷：不用試 我連試用期都不用保證一試成主顧 ：怎麼可能啦 別說大話了 👷：我不說大話的 只說我可以做到的 ：那就來吧 成功了再說 結果真的被他洩洪成功 在高潮的時候還被他打屁股ಥ_ಥ 端午連假活動參加處⬇️ #高潮只是日常洩洪才是真理# #心動不如馬上行動#

吴说获悉，GSR 最新报告指出，加密行业财务库管理大部分存在结构性缺陷：多数 DAO 将约 70% 的财务库资产集中在本项目原生代币上，导致财务库价值、协议收入和市场活动同步下跌，形成顺周期负反馈。 项目方往往在价格下跌后才寻求对冲，此时隐含波动率已上升，保护成本昂贵。报告建议将运营储备与长期持仓分离，并利用领口（collar）结构零成本买入下行保护，从而延长项目在熊市中的生存跑道。 GSR 认为，短期来看，若更多项目方采纳对冲策略，可能增加期权市场交易量但对现货价格无明显影响；中期若财务库结构改善，可降低系统性抛售压力。

吴说获悉，Circle 宣布美元稳定币 USDC、欧元稳定币 EURC、跨链传输协议 CCTP 以及 Bridge Kit 已正式在 Plasma 网络上线。Plasma 上的支付服务商（PSP）、金融科技公司、数字银行以及开发者现已可接入合规的美元与欧元稳定币，用于跨境汇款支付、全球外汇交易、DeFi 借贷与流动性提供、以及链上企业财库管理与 B2B 结算。同时，用户可通过 Plasma 的稳定币应用与银行卡 Plasma One 直接充值、转账与消费 USDC。

据 Digital Asset 报道，Hyperliquid 宣布自 8 月 26 日起正式启动“AQAv2（Aligned Quote Asset v2）”机制下的 USDC 储备收益累积，所获收益将全额用于在二级市场回购并销毁原生代币 HYPE。根据 AQAv2 规则，平台内 USDC 由 Circle 担任技术发行方、Coinbase 担任财库管理方，在扣除运营成本后，约 90% 的 USDC 储备利息收益将返还共享给协议，并在 30 天结算周期后自动划转至协议援助基金（AF）执行 HYPE 回购与永久销毁。机制累积计算于 8 月 26 日启动，首期收益款项预计将于 10 月 3 日完成实际划转与执行。

每次提起 RWA 的时候大家第一反应都是把现实资产搬到链上。但我觉得真正难的地方，不是 Token 化，而是如何证明链上的东西背后真的对应现实价值。 航运行业每天都在运转，但这个行业一直存在一个问题：信息和信任成本太高。比如 AIS 船舶定位系统，本身是全球航运的重要工具，但它依赖外部数据输入。如果数据被篡改，船的位置、航线甚至运营状态都可能出现偏差。 所以未来的海运数字化，不只是让大家看到船在哪里，更重要的是让这些数据可信。@EthraShip 想探索的方向，就是把真实航运资产、运营收入和区块链透明机制结合起来。 我觉得 $SHIP 比较有意思的一点，是它没有把回购销毁简单设计成一个制造稀缺感的营销工具，而是尝试和真实业务产生联系。 航运收入、资金库管理、治理决策，这些因素共同影响生态循环，而不是单纯依靠市场交易量推动。 毕竟船不会因为加密市场休息就停下来，全球贸易也不会因为行情下跌停止。 真正有价值的 RWA，不应该只是链上的一个数字，而应该让用户能够看到背后的资产、业务和现金流。 当然，EthraShip 还处于早期阶段，未来治理机制和商业发展仍需要时间验证。 但相比很多只围绕叙事炒作的项目，把真实产业带入链上，本身就是一个值得长期观察的方向。

白嫖党最爱， 这个github项目整理了全球最优质的、完全免费的软件和应用程序， 他帮助用户省去在海量网络信息中筛选安全、好用软件的时间。 这个项目的分类极为详尽，几乎覆盖了我们使用电脑的方方面面。 1. 开发者工具 ： 包括 API 开发与测试、数据库管理、网络抓包分析、虚拟机，以及知名的游戏引擎。 2. 文档与办公： 强大的免费办公套件。 PDF 阅读与编辑神器。 电子书阅读器以及各类顶级的笔记和代码编辑器。 3. 系统定制与实用工具： Windows 和 macOS 的系统优化、美化工具、剪贴板管理、下载加速器。 各类高效的文件解压缩工具。 多媒体影音 ： 音频：高品质音乐播放器、专业级录音与混音软件。 视频：免费的视频剪辑、播放器和格式转换工具。 图像：3D 建模、动画制作和图片浏览器。 浏览器与通讯： 收录了主打隐私和速度的各类浏览器，以及优秀的第三方电子邮件客户端和通讯软件。 安全与隐私： 密码管理器、防病毒软件以及广告和跟踪拦截工具。

Robinhood Chain @RobinhoodCrypto 怎么撸？去哪里监测生态动态？寻找下一个 CASHCAT。Robinhood Chain 生态一览： DEX / AMM - Uniswap (@Uniswap) — Robinhood Chain 首日合作伙伴之一，将在该链上部署专属 AMM，作为主要公共流动性协议 - 1inch (@1inch) — 聚合器，支持代币化股票交易 - Curve DEX (@CurveFinance)、PancakeSwap (@PancakeSwap)、Sheriff V2/V3、AEON Protocol — DefiLlama 数据显示已有部署，TVL 体量较小（个位数到千位美元级别） 股票代币/永续合约 DEX - Arcus (@arcus_xyz) — 由 dYdX Labs 与 Robinhood Crypto 联合构建的股票代币和加密货币 DEX，专注现货和永续合约，Antonio 披露选择 Robinhood Chain 主要出于用户与流动性考虑，还获得 Robinhood Crypto 的战略投资 - Rialto (@rialto_xyz) — 与 Robinhood Crypto、Offchain 和 Arbitrum 合作背景下推出的链上现货交易所，支持加密资产、股票、ETF、商品，初期上线 90 多种 Robinhood 股票代币 - Lighter (@Lighter_xyz) — ZK 驱动的去中心化永续和现货交易所，已部署在 Robinhood Chain 上，Robinhood Wallet 用户可直接交易永续合约和股票代币，已承诺向 Robinhood 社区投入 1100 万美元等值 LIT RWA / 预测市场 - Meridian（原 Ethereal）(@meridiandotxyz) — Robinhood Chain 生态中专注 RWA、永续合约和预测市场的平台，结算资产为 USDe，2026 年 5 月从 Ethereal 更名而来 - Hoodbets — 预测市场类协议，DefiLlama 已收录（TVL 目前很小） - Midas RWA (@MidasRWA) — 多链 RWA 协议，已扩展到该链 借贷 / 收益 - Morpho Blue (@MorphoLabs) — Robinhood Earn 底层借贷基础设施，USDG 存入 Morpho 金库并在其市场分配，DefiLlama 显示是目前该链 TVL 最大的协议（约 $47M） - 抵押品供应方：借款人提供来自 Spark (@sparkdotfi)、Ethena (@ethena_labs) 和 Maple (@maplefinance) 等协议的抵押品来借入 USDG 做市 / 流动性基础设施 - Arrakis Finance (@ArrakisFinance) — 面向代币发行方的非托管链上做市商协议，通过自托管财库管理 DEX 上的集中流动性 价格发现 / 执行系统 - Native — 链上价格发现和执行系统，7月2日已部署至 Robinhood Chain，此前已支持以太坊、BNB Chain、Arbitrum、Base；官方回应称当前没有代币发行计划 基础设施合作伙伴（非DeFi协议，但是首日生态一部分） - Alchemy (@AlchemyPlatform)、BitGo (@BitGo)、Chainlink (@chainlink) — Robinhood Chain 首日合作伙伴（RPC/托管/预言机） - Arbitrum (@arbitrum) — 底层技术栈提供方 Launchpad / 长尾项目（DefiLlama 收录，TVL 很小） - Sentry (@sentrylauncher)、RobinFun (@robinfunxyz) 跨链/桥接聚合 - Jumper (@JumperExchange) ( powered)、0x Aggregator (@0xProject)、 (@lifiprotocol)

值得一读的Curator / Vault Economy 的报告 也是一个窥探链上资管生态的非常好的视角 因为最近一直密集在看和聊生态里的参与方 也想借此补充我对这个快速增长的业态的理解 —--------------------- Curator 就是 Asset Manager 的链上叫法 Curator 全称 Risk Curator，是为风险策展人。 早先时期并没有 Curator 这种独立的角色，Vault 这类产品大多也是以 Yearn 为代表的收益聚合金库的形式存在：用户存入资产，拿到金库份额 Token，由写好的智能合约策略替用户代为 On-Chain Yield Farming。 那个时候并没有 Curation 这个行为，策略都是被动写死的，或者也可以说 Curator 其实就是代码本身，所有的策略逻辑和风控参数都 Hardcode 在智能合约里，因此每一次策略迭代，实际都需要进行合约的升级或重构。 但过去的 2-3 年里，整个 DeFi 发生了结构性的剧变： 1）资产定价与风控的复杂度爆发 RWA、LST/LRT、各类收益稳定币、代币化股票、结构化收益资产爆发式增长。这些新资产背后的法律架构、申赎机制、发行方信用以及流动性深度差异巨大，对个人参与者而言存在极高的认知与评估门槛，需要更专业的风控机构代其挑选与审查资产，Curator 因此顺理成章地接管了资金分配权，这本质上是用户将风控与调仓管理权进行的一种专业化让渡。 2）借贷底层的“模块化”与“解耦” 大部分的 Risk Curation 其实都发生在以 Morpho Blue、Euler v2、Kamino 为代表的模块化借贷 Primitive 上。它们把传统 Aave 式的单一资金池（Monolithic Lending）彻底解耦成了成千上万个独立的微观市场（Isolated Lending)。这里面既有混池模式的劣势，即，所有储备资产共享资金池，单个尾部资产一旦暴雷或预言机被操纵，风险会迅速污染整个资金池；也有大量新资产衍生的需求与一定程度的供需错配，例如，海量新资产发行后，急需 Lending 场景来赋予 Utility，其中不乏大量 Permissioned 合规资产，需要更 Custom 的基础设施支持，而Aave 等蓝筹借贷市场，对上线资产的流动性、资信要求极高，难以满足新资产的对接需求。 那未来呢？ 这个趋势已经不可逆了，Curation 只会继续增长。 —--------------------- Curation 生态版图与价值链 Curation 产业链已经有一套非常清晰的层级结构： 1）Capital Allocators（资金分配方） - High Networth Individuals - CEX Retails - Tradfi Capital @apolloglobal @Bitwise - @SkyEcosystem @sparkfinance - @LidoFinance @ether_fi - @SolvProtocol - @PayPal 这一群体持有底层流动性并寻找风险可控的收益，为 Vault 的存款方，最初主要覆盖了高净值 Yield Farmers，大 web3 协议的国库资金，以及通过 Coinbase、Kraken DeFi Earn 等前端接入金库的 CEX 散户。但最近 1-2 年，增量最大的 Allocator 全面机构化： 例如包括 Apollo Global Management（管理规模约 $940B，签约拟收购高达 9% 的 MORPHO 代币供应）以及 Bitwise（推出自己的 Morpho 金库并配备专门的 Portfolio Manager，同时跨越了 Allocator 与 Curator 双重角色）在内的 TradFi 机构。 也包括很多协议的原生资产负债表（和国库资金不同），这类 Allocator 核心是拥有极低的资金成本，部署的是自己创造或已有的资产负债表资金，根据内部目标回报率进行资产配置，典型的例子是 Sky / Spark（通过 Allocator Vaults 铸造 USDS 并由其最大 Agent Spark 的 Spark Liquidity Layer 部署数亿资金进入 Morpho 和 Maple）。 此外，也有一些资产发行方主动充当 Allocator，他们不只是被动发行稳定币或 Staking Token，也主动转型推出金库产品和补贴金库以创造自身资产的需求，例如 Lido 和 Etherfi 深度集成金库以提升 LST 组合性和需求，PayPal 则通过 Merkl 持续在 PYUSD Vault 上发放补贴。 2）Lending Primitives (借贷原语协议） - @Morpho - @eulerfinance - @kamino - @aave - @Loopscale - @GearboxProtocol - @0xfluid 这一层级是提供底层的撮合逻辑、清算引擎与核心会计框架的无许可基础设施。传统的 Aave / Compound 模式依赖单一的大流动性池（Pooled Risk），任何单一抵押品暴雷都会危及全局；而以 Morpho Blue、Euler v2 为代表的新一代 Primitive 则完全解耦，本身不做资产审核与信评，将参数设定（如 LLTV、预言机选取、清算折扣等），以及风控权与定价权完全赋予给外包的 Curator，实现了自身的轻资产运行与无许可扩展。 而其他一些更新兴的协议，如 Gearbox 注重于一键的 Looping 挖矿，将复杂的 Leveraged Carry Trade 降维成极简的用户体验，而 Fluid 则创新性地将 AMM Swap 与 Lending 深度重叠结合，让同等资金能够同时捕获交易手续费与借贷利息，实现了极致的借贷资金效率。 3）Vault Infrastructure (金库基础设施） - @Morpho - @veda_labs - @upshift_fi - @mellowprotocol - @ipor_io 这一层级是整个 Curation 生态的标准化记账与权限隔离介质，你也可以理解成是另一种形式的资金存管。他们绝大多数以 ERC-4626 标准为底层支撑，但功能和侧重点各不相同，具体选择什么金库设施大多由 Curator 自行根据不同策略的要求而进行选择。典型的代表包括 MetaMorpho（Morpho 的官方金库层，最常用）、Veda（为企业和交易所前端提供金库封装，如 Kraken DeFi Earn 的底层），Mellow（专注于 LST/LRT 多重金库编排），以及 IPOR Fusion（擅长杠杆循环贷 Looping）。 4）Risk Curators (风险策展人） - @gauntlet_xyz - @SentoraHQ - @SteakhouseFi - @kpk_io - @RockawayX - @k3_capital - @hyperithm - @evgeny_re7 - @galaxyhq - @wintermute_t - @keyrock - @flowdesk_co - @jpegtrading - @yearnfi - @ipor_io - @0xfluid 一下子肯定是举不全的，按照 CuratorWatch 数据，总共有 140 多个 Curator。不过如果仔细拆解这名录，就会发现绝大多数都不是商业意义上的第三方 Curator，因为 CuratorWatch 的统计逻辑是抓取链上拥有 Vault 管理权限的所有地址，这就把大量非标准资管主体也卷了进来，大部分都是自营/自用的主体，剔除掉之后，全网真正以此为核心业务、面向第三方资本提供专业风控与资产配置服务的活跃 Curator，也就20-30家。 而在这 20-30 家里面，典型的就是上面我列的，可以看到他们的背景其实呈现很大的分化。有做财库管理出身的，例如 Steakhouse、Kpk，有做量化风控出身的，如 Gautlet，Sentora，有做市商出身的，例如 Wintermute，KeyRock，Flowdesk，JPEG Trading，Galaxy，有 VC 和孵化机构出身的，如 RockawayX、Hyperithm、Re7 Labs、K3 Capital，也有 DeFi 协议，如 Yearn Finance、IPOR、Fluid。 而这种分化的原因，其实在于纯粹的 Curation 并不怎么赚钱，具体我会在下面的 Curator 盈利模式章节阐述，但结果就是，各家 Curator 机构，都是在依托各自原生的背景，有 Curation 业务之外的业务变现逻辑。 5）Users (借贷流动性实际使用者） - Retail borrowers - Market makers - Trading firms - Loopers - CEXs/User Interfaces Users 是整个价值链条的终点与利息支付方。在 Curation 体系中，他们支付的借贷利息与清算罚金是全链条收益的根本来源。Loopers 是全网借贷需求的主力，也往往是 TVL 增长的核心驱动方，此外，做市商也是这类模块化借贷的常客，往往会质押资产，借出稳定币，去进行跨 CEX/DEX 做市、Delta 中性基差套利。 然而，此外的绝大多数真正的终端用户其实根本不会直接与 Curated Markets 或链上金库交互，甚至完全不知道背后有 Curator 的存在。他们往往是通过分发合作伙伴（以 CEX 为主）的前端界面，在完全无感的状态下消费着链上的借贷流动性： 例如 Coinbase 完全抽象掉了底层的 Morpho Vault 框架，直接在其 App 内呈现了一个以 Morpho 为底层的 BTC 抵押借贷产品。在商业逻辑上，这类分发合作伙伴的重要性甚至超越了这一层级中的任何其他角色。因为它们掌握着终极的用户流量与资金入口。 —--------------------- Curator 盈利：不赚钱的“表面”与独家Deal的“里子” 只靠 Management & Performance Fee 是富不了的。 因为规模使然，大部分 Curator 都还没大到一定程度。 他们本质上面临的困境，和过去的 Staking Service Provider & Validator 是类似的，Staking APY 4-8%，Curator 配置的那些 Lending Market 也基本差不多是这个收益率水平，然后从收益中抽取 10% 作为业绩管理费，能赚多少呢? 而 Staking Service Provider 只需要跑个节点就完事了，但 Curator 需要对市面上几乎所有的资产与借贷池进行评级，以及 24/7 的实时风险监控，出了事还要被 LP 怼甚至背锅，风险收益比相差巨大。更不用说 Curator 的策略是有很高的同质化的，例如几个头部的 Curator 都有所谓的 Prime 策略 Vault，配置的蓝筹抵押品、借贷池子等各方面都高度近似，进一步拉低了 Curator 收费比例的预期，事实是，这几个 Prime 策略 Vault 都是 0 费率。 那为什么还要做呢？ 为了 Institutional Flow。 只有你 TVL 和 Brand 足够大，在 RWA 和机构上链的大浪潮中，才能够拿到一些 TradFi 大资产发行方的 Deal Flow，例如 PayPal USD、Ripple USD 都是聘请 Sentora 作为 Curator。因为这些 Deal 往往是独家的，没有价格战顾虑，并且这类发行方财大气粗，兼具传统金融的 Distribution 渠道，AUM 预期足够大，能够让 Curator 通过正常管理费和业绩提成来盈利。 当然，Curator 也在不断拓展其商业变现能力： 1）现金流更稳健： Retainer 与风险咨询 Curator 本质也是半个风控、信评机构，因此能够直接向 DeFi 协议与新兴项目方收取固定的风险咨询服务费。典型例子如 Gauntlet、Chaos Labs、Steakhouse 等，长期作为 Aave、Compound 等 DAO 协议聘请的外部风控顾问，通过 DAO 提案按月或按年收取重额的咨询服务费（Monthly/Yearly Retainer）。同时，也有 RWA 项目方或新兴的协议，为了设计合规的风控架构与参数，也会直接与这些 Cuator 签署咨询服务协议，由专业团队为其提供针对性的资产评级与风控规划，这也构成了 Curator 最稳定、可预测的现金流来源。 2）更隐蔽：自营资金的杠杆利差套利 Curator 本身作为距离微观市场风控和流动性最近的参与者，拥有最精准的资产监控数据。当 发行方在 Merkl 上为自己的池子注入重额的 Incentive 补贴，拉高综合 APY 时，理论上 Curator 是可以借用自身的资产负债表资金，或者低成本借贷资金，参与套息差的。并且由于 Curator 非常熟悉金库的清算线、预言机和风控规则，甚至这部分参数本身就是由自己把控的，它们能够在风险极致可控的前提下，无风险套取这部分生态补贴与利差。 —--------------------- Curator 业务模式的核心竞争力 资产端范畴的： - 资产挑选/承揽 - 风险监控/定价 但目前看也只能算是进入门槛了，甚至很多头部的 Curator 本身都不太做新资产，尤其是经过去年 Stream Finance 暴雷之后，大家都变得谨慎了，很多 Curator 重新回到只专注于蓝筹与确定性极高的大资产品类，因而本身也不需要太多的精力和技能点放在承揽上。 甚至因为加密市场本身具有高度透明与无许可的特征，这意味着风控模型、参数设定与资产渠道只要花时间精力投入，差距其实都能赶上，也难形成真正长期的护城河。 那么什么是不太能够替代和复刻的呢？ Curator 拼的核心竞争力，到底是什么呢？ 在我看来是负债端，包括了你的： - 成本结构 - 信用背书与资本充足度 这其实与传统金融行业是很像的。 1）成本结构 在传统金融里，银行和保险公司之所以往往处于买方市场的最顶端，更多是因为它们掌握了全市场成本最低、规模最大的负债端资金：银行靠存款，保险靠保费。 在 On-Chain Asset Management 中也是完全相同的逻辑。谁能接入低成本甚至零成本的资金源头（例如 Sky/Spark 这种协议原生资产负债表资金，或者来自 CEX 托管的更偏传统画像的闲置沉淀资金），谁就更有话语权和定价权。 2）信用背书与资本充足度 之前，在风险事件中 Morpho 和 Curator 之间的扯皮，基本是常见的惯例了，底层的 Primitive 更多把自己定位成无许可的纯基础设施，不负责风险的 Curation，主张不赔，而 Curator 虽然直面 LP 存款，但也因为只拿着三瓜两枣的管理费，想赔也没钱赔。 这种模式，外加动不动暴雷，是很难说服大资金进来的。 传统银行碰到坏账有严格的资本充足率要求与拨备金，不可能直接让储户受损；传统的基金管理公司与信托机构，往往也需要通过自有资本或者保险机制，去增信其产品。而信用背书与资本充足度，本身其实间接就是在回答怎么让 Curation TVL 更上一层楼的问题。 即未来如果要能够承接数十亿级大资金，Curator 也必须从纯风控顾问转变为具备强健资产负债表与风险吸收能力的真正资管机构才行。 —--------------------- Curator 的 Tiering 分层与路线分化 不过这也并不意味着： - 只有巨型机构化资管这一种模板 - 中小型 Curator 彻底失去了生存中间 因为链上资产本身是有严格的风险与收益层级的，未来会有大量的收益类资产上链和发行，但是他们中绝大部分够不到巨型机构化资管商的门槛。 那难道他们就没有存在的意义了么？ 显然不是的。 结果必然是分化，并由不同定位的 Curator 去服务。 1）Tier 1 资产与 Institutional Gatekeepers 型 Curator 以蓝筹类资产（如 BTC、ETH、顶级稳定币如 RLUSD, PYUSD）为主，资信好、流动性强、历史久、风险低。虽然市面上大部分 Curator 都有自己的专注蓝筹资产策略的 Prime Vault，但真正能上牌桌竞争的还是如 Sentora、Steakhouse、Gauntlet 等大 Curator，他们的优势是极强的大机构与 CEX 信任背书，锁定最深的 Distribution 渠道，极其看重风控、流动性与资金安全。一个资产如果通过了这类 Curator 的信评，便意味着获得了机构级资本的入场券，低成本的托管/CEX 流量分发，以及巨大 AUM 对应的借贷流动性配额。 2）Tier 2资产与 Mid-Stage Expansionists 型 Curator 以扩张型资产为主，已经具备了相对较好的流动性和链上 track record。在结构上，由于这类资产仍旧无法直接塞进追求极低风险的 Tier 1 Prime Vault 中，Curator 通常会为其设立专属的 High Yield Vault 高收益金库甚至 Apex Vault 策略金库（高风险池）。这类金库主打的就是在风险可控的前提下追求 Alpha 收益。Curator 在这里拼的是极其精细化的风控建模与参数调优，如 LLTV 设定、预言机防操纵设计以及动态清算线调整，并会对这类资产设定严格 Cap 和增加组合上的分散，以此降低整体 Vault AUM 对单一资产风险的总暴露比例。 3）Tier 3资产与 Early-Stage Bootstrapper 型 Curator 专指长尾的新资产，缺乏历史数据、智能合约未经实战检验，链上流动性需要从零构建。愿意参与这类 Deal 的 Curator 基本上是以 VC 和孵化方的姿态在介入，为其提供背书和初始流动性引导，以换取更多在代币方面的 Upside。如 Hyperithm、RockawayX 等就是极其典型的例子。它们本身就是加密市场的 VC 投资机构，兼具自营资本与孵化能力，Curation 更像是投资业务上的延伸。 路线A：评级型大资管路线 严格按照评级说话。资产符合信评标准才可纳入配置，不符合要求则直接拒绝，绝不冒着品牌损伤的风险下场做新资产。它们的目标是低风险下的巨额 AUM，赚取稳定的规模管理费，并拿到更多的 institutional deal flow，凭渠道和资本垄断蓝筹型资产的流动性，服务一小部分优质的扩张型资产，Tier 1 Curator 和大部分 Tier 2 Curator 的目标，都是这种路线。 路线B：链上 VC 与孵化路线 由于新资产大多没有 Track Record，以及所有的链上流动性等等也都要重头开始建立，因为这条路线更像是在做孵化与早期投资，而非评级。这体现在，Vault 以及链上 Lending Market 冷启动的资金，往往会来自 Curator 自己的资产负债表，或者干脆由项目方自己解决，可能来自于项目方自己的国库，也可能是找好的 Private TVL Deal LP，即便是想要依靠外部资金，至少，也需要给大量的额外补贴才行，毕竟散户/矿工都不是雪中送炭的。 而 Curator 用自身的资产负债表去 Lend 低收益的新资产，表面看极不合理，承担高清算/合约风险，为了让 Loop 起来，仅收取微薄的基础利息，但里子里，可能是谈好的一些额外的 off-chain deal，获得了来自项目方的额外 Upside，以完成 VC 级别的风险对冲。 在我看来，这甚至比纯做 VC 更有意思一些。 这种“以 Lending 之名行 VC 之实”的模式，一方面，你的资产负债表资金留在清算优先级较高的 Lending 侧，承担着相对可控的风险（我是说相对 VC 投资来说）；但同时，你又借此撬动了一张高杠杆的看涨期权，拿到了项目方给你的额外利益。 —--------------------- 资产链上进阶的生命周期 而在理解了这两种路线之后， 一个链上新资产的成长与演进路径也就变得异常清晰了： 1）阶段一：寻找 Bootstrapper 完成流动性冷启动 刚发行的资产缺乏 Track Record，公共的 LP 往往不敢下场。项目方必须先找 Tier 3 / VC 型 Curator，靠 Curator 的资产负债表资金，或是自己国库、Private TVL Deal LP的资金，配合额外的补贴激励，完成借贷池的冷启动。 阶段二：跃迁至 Expansionist 的 High Yield Vault 在跑出初步的链上数据、交易深度与清算记录后，资产开始进入 Tier 2 Curator 的视野。通过精细化的风控建模，资产被纳入 High Yield / Apex 金库。在此阶段，资产逐步建立起在专业 Curator 这里的监控记录与风控台账，吸引追求 Alpha 收益的进阶 LP 资金。 阶段三：登录 Institutional Gatekeeper 的 Prime Vault 当资产的链上历史足够沉淀、流动性与资信达到一线水平时，最终冲刺 Tier 1 机构型 Curator 的 Prime Vault。一旦通过信评并被纳入蓝筹配置池，就等同于获得了机构资本的间接背书，也可以无缝接入 CEX、托管机构背后的 Distribution 渠道，解锁巨额的流动性配额。 这其实跟加密资产上交易所（CEX）是类似的。 除了极少数诞生即自带顶流光环的大满贯项目外，绝大多数代币都还是需要一步步打怪升级，然后才能完成长尾资产向蓝筹资产的跨越。

吴说获悉，据清华大学经济管理学院公众号，清华经管学院现已推出“金融科技”本科生选修课程，面向除经管学院“经济与金融”专业外的全校全日制在校本科生。修读课程包括《经济学原理》、《公司金融》、《投资学》、《金融科技》、《区块链技术金融应用》、《机器学习在金融中的应用》以及《金融衍生工具》，本年还新增《数字货币与数字资产》。其中，《金融科技》课程涵盖区块链、数字加密货币（如比特币、以太币）及共同基金和对冲基金的相关投资；《区块链技术金融应用》课程则着重讨论去中心化数据库在跨境支付、场外衍生品交易、供应链金融、Defi 及 NFT 等领域的实际应用。

2026 年 9 月 29 日，OpenAI 在旧金山 Fort Mason 办了今年的开发者大会 DevDay。主讲是 CEO Sam Altman。其他几位上台的人都在做这些产品。产品团队的 Holly 演示了新产品 Dots。后训练（模型预训练之后做对齐和能力调优的阶段）研究负责人 Tejal 讲了模型怎么反过来帮 OpenAI 做研究。Codex 的演示由 Romain Huet 来做，他在 OpenAI 负责开发者体验，去年 DevDay 主题演讲里的 Codex 演示也是他做的。整场演讲分三块：面向用户的常驻智能体 Dots 和协作空间 ChatGPT Space，给开发者的新模型和新工具，以及帮开发者做分发、赚钱的渠道。 1. Dots：一直在线、会主动干活的智能体 Sam 把 Dots 比作电影里那种一直在身边帮忙的 AI 助手。他认为订餐厅、买机票这类代办虽然有用，但和这项技术能做的事比起来太小了。他想要的 AI 知道正在发生什么，也知道你在意什么，不用你事事交代。 Dots 是常驻在线的智能体（Agent），有自己的云端电脑和浏览器，能写代码、跑测试。它的权限跟着用户走，能直接用用户已经在 ChatGPT 里连好的插件，覆盖 4000 多个应用。除了在 ChatGPT 里对话，之后还可以给它发短信、打电话。目前每人先有一个 Dot，以后可以配一整组。Dots 跑在 本月早些时候发布的 GPT-6 Astra 上，Sam 称它是 OpenAI 对齐做得最好的模型。用户可以限定 Dot 能用哪些应用、能不能操作电脑，也能给它的各类操作写自定义指令，愿意交出多少责任就放多少权。 Sam 说，他自己的 Dot 每天早上会把夜里进来的消息过一遍，挑出紧急的提醒他。他说这让他拿回了一部分注意力，没那么离不开手机了。他还举了一个更重的例子：把应用从一个即将停用的旧 API 上迁走。这个 API 可能散落在代码库各处，改了哪里会连带弄坏什么，事先看不出来。Dot 可以追踪依赖关系，找出所有要改的地方，写代码、跑测试，最后把 PR（代码合并请求）交给团队审。他让听众想想，过去做这件事要几个人、花多久。 开场视频里，用户把自己的 Dot 改名叫 Alfred。Alfred 和另一个 Dot 帮用户上线网站，改董事会材料，在婚礼蛋糕商家取消后找好备选。它们还发现财务会和女儿的演出撞了期，提出改时间。每件事都是 Dot 推进到需要人确认的地方，再由人拍板。 2. ChatGPT Space：人和智能体一起用的工作区 Sam 认为，现有的生产力软件几乎都没考虑过人和 AI 一起干活。ChatGPT Space 以页面为单位，可以在里面写计划、做调研、生成图片和数据。页面和文件像网盘一样放在同一个空间里。Dot 能直接在页面上工作，在评论里 @ 它，它就会接活。页面本身也能带指令，比如“每天去看 API 平台的 Slack 频道，把发现更新到这里”。之后 Space 里还会加入演示文稿，格式做成智能体方便读写的样子，团队成员可以和各自的 Dot 一起改。 在 Holly 的演示里，页面用斜杠命令就能插入交互图表、表格和可运行的原型。她 @ 自己的 Dot（名叫 Dotty），让它把一组数据改成柱状图。图表可以按反馈类型筛选，Dotty 每小时刷新一次。她还让 Dotty 把“某位工程师在我 Slack 私信里提过的新手引导数据”补进 FAQ。Dotty 能看到她的上下文，所以这种模糊的指代也找得到。 3. OpenAI 内部怎么用 Dots Holly 用一个虚构的歌单应用 Blossom Music，模拟发布前一天的状况。早上 Dotty 已经做了几件事：发现发布评审会提前，改好了日历；看完前一晚测试用户的反馈；注意到设计团队临时改了首页，把新设计发给她。她让 Dotty 直接把这个设计做出来。Dotty 调用她笔记本上的 Codex 构建应用，在 iPhone 模拟器里跑起来，再提交 PR。现场的语音演示卡住了，Dotty 一直回复“还在查”。Codex 线程也报过一次错，她重试后才继续下去。 她说，Dots 真正改变 OpenAI 工作方式的地方在 Slack。Dots 在公司 Slack 里有自己的身份，员工就开始把它们当作代理人。被同事 @ 到的零碎请求，直接转给自己的 Dot 处理。建群时，大家从一开始就把各自的 Dot 拉进来，Dot 带回结果时所有人都能看到。 工程师走得更远。有人在反馈频道贴出会话 ID 和一个用户 bug，某位工程师的 Dot 就会接手排查，提 PR 修复。她说这是真实情况：工程师们的 Dots 每天这样修掉几十个 bug，Dots 这个产品本身有很多部分就是 Dots 写的。 4. 上线范围和企业用的 Specialist Dots Dots 和 Space 当天向 ChatGPT Pro、Business Premium 和 Enterprise 用户开放。Dot 包含在套餐里，和它的对话不占用额度。 企业客户还可以预览 Specialist Dots。这是由公司统一设置、供整个团队使用的虚拟同事，负责会计、市场、法务这类工作量大的事。公司给它目标和背景，审核它的产出，给它反馈，反馈在全公司共享。OpenAI 也在和微软合作，把 Specialist Dots 接入 Agent 365（微软用来管理企业智能体的工具），企业可以用已经在用的微软工具来管理它们。 5. 新模型：更便宜的 GPT-6.1 Sol，更快的 UltraFast Astra 发布这几周，用户的要求集中在两点：更便宜，更快。GPT-6.1 Sol（转录稿误作 Soul）的能力接近 Astra，价格是它的五分之一。缓存输入（重复发送、已被缓存的上下文）比标准输入便宜 95%。智能体需要反复读同一批上下文、长时间迭代，这对它们尤其省钱。Sam 说 Sol 在某些方面比 Astra 还聪明，定位是开发者的日常主力模型。 UltraFast 是新的速度档，API、ChatGPT 和 Codex 里都能用。原有的 Fast 档是两倍速度、两倍价格；UltraFast 是八倍速度、六倍价格，每秒 300 个 Token。它现在可以配合 Astra 用，之后也会支持 Sol。现场让两个模型用同一个提示词，做一个 DevDay 配色的火箭。UltraFast 的火箭已经升空时，标准速度的还没做完。 订阅也跟着调整。新推出的 500 美元档 Pro 订阅叫 Pro 500，额度最高，是 Plus 的 25 倍。它可以在 ChatGPT 和 Codex 里用 UltraFast，还能通过“用 ChatGPT 登录”在合作方的应用里使用。Pro 200 重新开放，继续提供所有前沿模型。 另外预览了 Decisions API。它给 Luna 模型一组预先定义好的选项，让模型从中选一个，比如给请求分流、给图片分类、决定智能体下一步做什么。任务收窄成选择题之后，响应时间可以压到一秒以内，同时保留图像理解、多语言和安全防护。Romain 后来补充说，做机器人的朋友看中的是它能处理视觉输入：机器人可以根据看到的东西，近乎实时地快速行动。 6. 模型开始帮 OpenAI 做研究 Sam 提到，去年这个时候，他和 Jakob 在一次直播里预测，一年内会出现第一个“AI 研究实习生”，当时几乎没人相信。几周前 OpenAI 宣布达成了这个目标：有了一个能接手定义清晰的研究任务的系统，这类任务原本要熟练的研究员花大量时间和精力。 Tejal 的方向是电脑操作（computer use，让模型像人一样操作桌面和浏览器）。她举了两个例子。 第一个是让模型优化电脑操作的运行框架（harness，包在模型外面、负责调用工具和管理步骤的代码）。模型在循环里持续寻找能同时降低延迟、提升效果的改动，团队把找到的改进合进生产环境的框架，并用于后训练。结果是延迟改善了两倍以上，已经上线。 第二个是模型帮忙改进了监控和拒绝训练，让 Astra 在不安全的场景里更会拒绝。Astra 在电脑操作压力测试上因此达到业内领先，操作时出错更少，也更贴合用户的本意。 她给出了几项内部数据。今年夏天之后，研究工作消耗的 Token 量急剧上升。1 月时，模型能做好 15 分钟以内的短任务，需要一天以上的任务大多会失败；到 7 月，超过三分之一的一天量级研究任务，模型能在无人干预下完成。她还提到，Astra 这类模型已经帮忙解决了 100 多个悬而未决几十年的数学问题，也在参与针对耐药感染的新抗生素、古代语言研究、可再生能源和工业机器人等方向的工作。 7. 给开发者的底层工具 Sam 说，OpenAI 想让开发者用上自己内部用的东西。 第一件是 Codex 的运行框架。它同时支撑着 Codex、ChatGPT Work 和 Dots，目标是用最少的 Token、最快拿到准确结果，现在已经开源。第二件是 Codex 完全上云：在手机上开始的任务，可以在浏览器或桌面端接着做，合上笔记本任务也不会中断。 云端能力带来了 Codex Security Cloud。它在云端环境里持续寻找漏洞，并准备好验证过的修复方案供人审核，这次新增了自动去重、定时扫描和新界面。Sam 说这是为了给防守方更好的工具，因为“我们看得到接下来会发生什么”。 新的 Agents API 进入公开测试。它包含运行框架、托管、记忆、多智能体控制等功能，是 Codex 和 Dots 用的同一套技术，也加入了电脑操作能力。现场的例子是一个网站测试智能体，会自己打开浏览器、点击页面、测试流程。基础设施方面，OpenAI 和 AWS 合作推出由 OpenAI 驱动的 Bedrock（AWS 的托管 AI 服务）托管智能体，AWS 客户可以直接使用 OpenAI 的前沿模型、Codex 和 ChatGPT Work。 隐私方面预览了 OpenAI Private Intelligence。其中的零数据留存（ZDR）配合私有安全处理，可以在不把用户内容存到 OpenAI 服务器的情况下做安全检测；私有推理则把隐私保护延伸到推理阶段。Sam 说这套方案是和最大的一批客户一起设计的，目的是让他们能把模型用在最敏感的工作上。 性能方面，Responses API 一年里增长了 100 倍，可靠性保持在 99% 以上。首个 Token 的等待时间缩短了 45%，工具调用和工作流提速 30% 以上。 8. Romain 的 Codex 演示 演示从手机上的 Codex 开始。Romain 人还在会场外，让 Codex 替他跟观众打招呼、讲一个会场的冷知识。接着他用几张会场照片生成的 3D 场景演示 UltraFast，一边说一边改：把小人放到座位上，把直播画面投到场景里的大屏幕上。现场语音没连上，他改成了打字。 Codex 命令行工具（CLI）这次全面翻新。他让 UltraFast 写一个应用，从观众里随机抽三个人送明年的门票，几秒就写完；改成抽六个人，也几乎是瞬间完成。命令行现在支持由 GPT Live 驱动的双向实时语音，不只是语音转文字，但现场没能演示出来。 后面几段演示了多模态和电脑操作。游戏 Astra Adventures 从一张纸上的草图开始，几轮之后画面还很粗糙，借助图像模型，才变成有质感、能用在正式游戏里的美术。然后他让 Astra 通过浏览器自己学着玩这个游戏，屏幕左边显示模型的决策，右边显示它按下的按键。 他又用“应用快照”（app shot）把自己记录飞行课程的应用作为上下文交给 Codex，让它在各种屏幕尺寸下审查这个应用并截图。Codex 自己在模拟器里点开了各项功能。云端 Codex 现在和本地版用同样的工具，包括插件和电脑操作。他顺手把一个“用 Rust 重写整个后端”的任务丢到云端，打算稍后在手机上查看。 最后一个演示用的是 Hugging Face 借来的可编程小机器人 Micro Duck，它名叫 Lavender。Romain 前一晚让 Codex 把它接好：视觉用 Astra，图像生成用 GPT Image 2.5，语音交互用 GPT Live 1。机器人现场看着观众画了一幅画。他说，OpenAI 做 Dots 和 Codex 用的，就是 API 里开放给开发者的同一批工具。 9. 分发和变现：让开发者在 ChatGPT 上做生意 ChatGPT 每周大约有 12 亿人使用。Sam 承认，此前类似的尝试效果参差不齐。他说这次有信心，是因为开发者拿到的是 OpenAI 自己做 ChatGPT 用的工具。 第一项是“用 ChatGPT 登录”（Sign in with ChatGPT）。用户登录第三方应用时，可以直接用自己 ChatGPT 套餐里包含的 Token，开发者不必替新用户垫付模型费用。首批有 16 家合作方。 第二项是插件扩展（plugin extensions）。开发者可以把编辑器、仪表盘乃至整个工作区，做成原生嵌在 ChatGPT 和 Codex 里的应用。现场展示了三个例子。一个是会议应用：在 ChatGPT 里看日历上的会议，点“记笔记”后，页面变成团队和 Dots 一起跟进待办的 Space。一个是 Figma：打开设计稿、看团队评论、让 ChatGPT 改稿。还有一个是 Adobe：在 ChatGPT 里使用 Photoshop 的功能。ChatGPT sites（在 ChatGPT 里生成的网站，几个月里已有数百万个）现在也能接入插件和数据。访客用自己的账号登录、带上自己的智能体，看到的内容因人而异。 用户发现插件的渠道也扩大了。除了在插件库里搜索，ChatGPT 还会在对话中识别出能帮上忙的插件，用户当场就能连接。插件审核流程也简化了：开发者可以跟踪审核进度，看到需要修改的地方，申请人工复审，更新工具时也不用从头提交。 第三项是 OpenAI Marketplace，首批有 30 多家合作方，包括 CodeRabbit、Notion、Vercel。企业客户可以用已经和 OpenAI 签下的采购承诺额度来买这些产品，有承诺额度的开发者也能在这里花。通过和模型推理托管公司 Baseten（转录稿写作 Base10）合作，市场里还能用到开源模型。 10. 收尾：一次额度重置，和“文艺复兴”的说法 当天的后续安排里，Peter 会讲 OpenAI 对开源社区的投入，包括新的 OpenClaw Enterprise Harness（OpenClaw 是一个开源 AI 智能体项目）。还有一个 Codex 游戏工作室环节，观众可以用 Codex 做复古游戏，每人能领一台 DevDay 限定的 chromatic computer，用来玩自己做的游戏。最后是 Sam、Tibo (Thibault) 和 Tejal 的现场问答。 Sam 和 Tibo 还在台上按下按钮，给全世界的用户重置了一次用量额度。Sam 说 OpenAI 已经做过太多次重置，Tibo 一直想把公司改名叫“重置公司”。 最后 Sam 说，他不喜欢把 AI 比作新一轮工业革命，那意味着人变成巨大机器里的齿轮，转得越来越快；生活里有些部分不能也不该被自动化。他希望，如果做对了，AI 带来的会更像一场新的文艺复兴：让人对自己的生活有更多掌控，有更多工具去创造、学习和探索。