黄金热度消停了，跌到1000元一克了， 正好借此谈一下黄金的稀缺性，顺便推荐个黄金类A股。 过去的几千年，全人类挖出来的黄金大概只有21万吨，剩余还未开采出来的地下黄金还剩下5万吨，而且产量逐年下降，就像比特币一样可开采数量越来越少， 如果把挖出来的黄金全部融化，只能堆成一个边长22米的正方体，大概就是6层楼那么高，但这一抹金色确支撑起了全人类几千年的财富信仰。 黄金不能凭空制造，现在的黄金来自于几十亿年前宇宙深处两颗垂死中子星的猛烈碰撞，那一瞬间释放出的极端能量，才把黄金这种重元素创造了出来，随后随着陨石坠落地球，埋进了地壳深处，所以说黄金贵，是因为背后站着整个宇宙的稀缺性， 很多人会说地核深处埋藏着很多黄金，的确如此，但是地核深处大概距离地球表层6400公里，虽然现在人类可以探索火星，甚至太阳系外，但是可以深入到的地底距离地表也只有12000米，还不到地心距离的0.2%，所以最起码未来几百年甚至上千年，人类可接触到的黄金总量比较稳定。 过去几个月，AI热，全球股市都热，影响到黄金价格回落，黄金类股票价格同步大幅回调，比如西部黄金，从1月底最高50.5元，回调到现在的27.5元，公司肯定是优质公司，跌到这个价格出现了好的购买机会。 随着AI短期热度的下降，资金很有可能再度流入黄金类A股，有一定闲钱的家人们推荐一部分仓位买入西部黄金。

重新审视 Token (词元）的属性 TLDR： 之前我也一度觉得是大宗商品/资产 甚至还设想过相关的交易和定价逻辑 也看到不少人提过Token期货，交易所之类 但现在我倾向它只是一种服务，没必要过度金融化 毕竟它没有办法脱离AI推理单独存在，无法被提前生产出来或预先被囤积。但换个角度看，是服务，就天然是分层的、多元的，不同的人有不同的需求，这其实也恰恰奠定了AI 经济必将是百花齐放而非赢家通吃的基础。 在这浪潮中，红利属于能把廉价 Token 加工成更有价值的 Token 卖出去的人。 -------------------------------- 我的一些个人思绪和逻辑： 1、Token (词元）经济从何而来？ 首先它是AI训练转向AI推理的产物， 这是理解 Token 商业模式的基础。 过去模型训练时代，主要是卖算力时间。为什么？因为训练是持续性的大工程，需要大量算力协同工作。这种规模的投入，有资本的大厂基本都会选择自购，毕竟可控性最强，但对于没有能力一次性投入大量资金的团队来说，出于对稳定性的要求，也会倾向选择租赁模式，包下一整段时间的独占使用权，榨干这段时间内算力的所有价值，是一种占用的逻辑。 但随着主流大模型开始进入商用阶段，AI 算力的需求重心也从模型训练转向了推理。你用 GPT聊天、用 Claude写代码、问豆包问题，这些本质上都是在跑推理，每一次调用，都在为你做一次推理和计算。 而推理是相对碎片化的、一次性的、用完即走的。虽然也有不少企业，仍然会采用租赁或自购的模式来跑推理，但对于广大中小开发者和应用方来说，他们对算力独占性的要求并不高，因而额外衍生出了按消耗计费的模式，这样算力服务商就可以把算力资源同时卖给成千上万个客户。 Token (词元) 就是在这种背景下而产生的，衡量每次计算消耗了多少资源的那个单位，你付的钱，就是对这次计算的补偿，本质是消耗逻辑。 所以训练和推理是完全不同的生意形态： 训练时代，商业模式是卖 GPU 时间。 推理时代，商业模式是卖 Token (词元)。 --------------------------------- 2、为何Token (词元) 是服务属性而非商品/金融属性？ 卖Token (词元)，就是卖服务！ Token (词元) 经济，本质是服务经济！ 为什么？ 一个比较直接的原因是 Token (词元）不能被预先生产出来，而是产出后就被消耗掉了，并作为衡量你这次推理服务所消耗资源的参考，来给你计费。 且Token (词元) 的一些特性，也和大宗商品的逻辑不像： - 价格长期下降趋势 - Pay-As-You-Go - 难以标准化 你在Claude的100万Token额度，和你在Minimax的100万Token额度，两者本身是没有可比性的，模型不同，性能不同，定价完全可以不一样。 而大家愿意接受价格差异的原因，也是因为 Token (词元) 本质上计量了一种非标准化的服务，而不同用户对服务的诉求是不同的，有的人看重性能，所以愿意支付溢价，有的人看重成本控制，所以觉得国产开源模型也够用了。 而整个模型市场占有率，并没有出现几家独大，本身也是其服务属性的体现。如果 Token (词元) 是资产，那资产的流动性、网络效应，一定会引发所有资源最终向一个市场集中，形成赢家通吃的局面。但恰巧 Token (词元) 其实是服务，而服务市场天然是分层的、多元的，不同的服务商满足不同的需求，所以才构成了 AI 经济百花齐放的基础。 我想通这点后，就不再纠结模型厂商只有哪家笑到最后了。 因为未来必将是多模型共存、多层级并行的格局，Token（词元）也将会被计入到企业的会计成本之中，并反映到企业的产品和服务之中。 比较值得关注的一点是，AI时代Token所代表的服务经济和传统的人力服务经济，成本曲线可能是完全反过来的。由人所提供的服务，长期要求的是报酬上升，这也是为什么服务业占比高的经济体，服务更贵。但 Token 服务恰恰相反，价格长期只会下降，当 Token 逐步替代掉一部分原本需要人力智力才能完成的工作，这部分成本不但不会随时间上升，反而会持续走低。 这可能也是这一波AI的红利之一。 ------------------------- 3、这个Token (词元) 服务都有谁在卖？ - 闭源模型厂商 - 开源模型厂商 - 开源模型托管商 - 大模型聚合器、中转站 1）闭源模型厂商：直营为主，分销为辅 最直接的模式。OpenAI 卖 GPT 的 Token，Anthropic 卖 Claude 的 Token。模型自己训的、API 自己提供、定价权在自己手里，产品和渠道都是自己的，跟品牌直营店一个逻辑。当然作为最顶级的模型，难免会被接入像一些API中转站，或者Open Router这样的大模型聚合平台被动分销。 2）开源模型厂商：开源也挺赚钱的 开源模型谁都可以拿去用，很多人不想自己本地跑，因此催生出了一批开源模型托管商，他们可以帮你跑模型，并按 Token 收费。但这就引出一个问题：Token 的钱都让模型托管商这些中间商赚了，开源模型的开发者自己怎么赚钱？这一点，至少中国的开源模型厂商，走的很灵活。 像Minimax，Kimi，Zhipu，它们都有自有的 API 直售，更多面向开发者群体，并且也都有自己的 Coding Plan 订阅包，把按 token 计费玩出了订阅制，完全是中国移动卖流量的玩法。而OpenClaw 这波更是让它们赚得盆满钵满，各自推出了品牌化的 Claw 产品，帮用户把 OpenClaw 部署好，底层跑自家模型，Token 消耗从自家 API 走。 3）开源模型托管商：帮别人跑模型，赚差价 对于那些没有能力或意愿自己卖 Token 的开源模型来说，托管商就是它们触达用户的渠道。它们帮开发者跑模型、按 Token 收费： - Together AI / Fireworks：自有 GPU 集群 + 极致推理优化，核心竞争力是翻台率，同样的卡单位时间能吐出更多 Token。 - Groq：自研 LPU 推理专用芯片，不用传统 GPU，核心竞争力是极致速度，跑 Llama、Qwen 等开源模型比 GPU 快。 - Cloudflare Workers AI：全球 300+ 边缘节点，跑 Llama、Mistral、Qwen，最近还加了智谱 GLM 和 Kimi，核心竞争力是低延迟 + 开发者生态 - AWS Bedrock / Google Vertex AI — 企业级云平台，跑 Llama、Mistral 等主流开源模型，核心竞争力是客户的数据和基础设施已经在这些云上了，迁移成本低 4）大模型聚合器：一个入口管所有模型 闭源和开源的大模型越来越多，而不同场景适合不同模型，不同模型的优劣势不同，对开发者来说，一个个去接不同厂商和托管商的 API，管理起来很痛苦。于是催生了 OpenRouter 这类聚合器，可以接几十个模型，开发者在一个地方统一管理、按需切换即可。 OpenRouter按照批发转零售的模式盈利，各家模型厂商把自己的Token分销出去。而 OpenClaw 这波直接让 OpenRouter 上中国模型的消耗量暴增，前十名 Token 消耗量中，中国模型占了 61%，前五有四个是中国的。 而围绕这条 Token (词元) 产业链，也衍生出了一些其他的参与者和新需求： 第一是一些推理优化引擎，vLLM、SGLang 这些开源项目，在大家对效率极致追求的当下，通过对硬件算子层面（更高效地利用 GPU 计算单元，减少内存碎片和带宽瓶颈）以及 LLM 算法层面（让多个请求共享已经算过的内容，更聪明地管理显存）的优化，提升同一张卡在同一时间内的 Token 吞吐量。 它们自己不面向终端用户收费，但 Together AI、Fireworks 这些托管商底层用的就是这些技术。也有不少自己本地跑开源模型的开发者，会直接使用 vLLM 或 SGLang 来搭建自己的推理服务。 第二是对Token消耗的优化需求，当 Token 消耗逐渐常态化，自然就会有人开始琢磨怎么省钱，也有不少人早就抱怨OpenClaw高昂的Token消耗，那么，帮你预览一次 Prompt 会消耗多少 Token、建议怎么优化 Prompt 来降本、甚至自动帮你选性价比最高的模型和服务商的产品，就很有市场了。 ---------------------------- 4、AI经济时代，真正的机会在哪？ 我觉得 Token 经济的红利，属于把廉价的 Token 加工成更有价值的 Token 卖出去的人。 1）如果你有能力，就做一个模型，哪怕是微调的 你不需要从头训一个 GPT，在开源模型基础上针对某个垂直场景做微调，只要在某个细分领域效果够好，就有人愿意按 Token 付费调用你的模型。前面说了，Token 是服务，服务市场天然分层，通用大模型吃不掉所有场景，垂直微调的模型在自己的领地里反而更有定价权。 2）做一个新时代的产品，开放 API 你的产品底层消耗 Token，但你的产品本身也可以对外输出能力，你开放 API，让别的开发者和 Agent 来调用。你买入底层模型的 Token，加上你的产品逻辑和数据，产出更高价值的 Token 服务卖出去。这跟传统行业买原材料、加工、卖成品的逻辑是一样的。 3）写 Skill，做 Agent 每一个被广泛使用的 Skill 和 Agent，背后都是源源不断的 Token 消耗。你写的 Skill 越好用、越多人用，你帮模型厂商卖出去的 Token 就越多。这不是你直接卖 Token，但你是这条产业链上的分销渠道。 而不管你选哪条路， 你的护城河在我看来最终都会归结为三样东西： 算力、算法、数据。 算力影响你的吞吐量 算法影响你的效率和成本 数据决定你是不是不可替代

英伟达与高通猝不及防，中 国车企自研芯片纷纷登场！ 当英伟达CEO黄仁勋在CES 2025上自信地宣布"自动驾驶 汽车已经到来"时，他可能没 有意识到，他口中那些"必须 使用自动驾驶技术"的汽车公 司，正悄然将他从核心供应 商的名单上划掉。同样，高 通CEO安蒙或许也没想到， 那个在汽车座舱芯片市场占 据70%份额的巨头，在智能 驾驶领域正遭遇中国车企的 集体"叛逃"。一场由中国车企 主导的自研芯片浪潮，正在 改写全球汽车半导体的权力 版图。 01 从"买买买"到"造造造"：中国 车企的芯片觉醒 时间回到几年前，英伟达的 Orin系列还是中国高端智驾 市场的绝对王者。小米 SU7、理想L系列、极氪001 等明星车型，无不以搭载双 Orin X芯片（508 TOPS算 力）作为智能化卖点。高通 则凭借骁龙8295座舱芯片， 几乎垄断了智能座舱市场。 彼时，英伟达Orin-X单一型 号即占据中国智驾域控芯片 约45%的装机量，高通在座 舱领域的统治力更是无人能 及。 然而，转折来得比想象中更 快。2025年，中国车企自研 智驾芯片进入规模化量产元 年：小鹏的"图灵"AI芯片在二 季度量产上车，蔚来ET9搭 载自研的5nm"神玑 NX9031"芯片交付，吉利旗 下芯擎科技的"星辰一号"7nm 芯片也实现量产。甚至连一 向在智能化上"慢半拍"的比亚 迪，也在2024年启动了自研 芯片项目，推出4nm制程的 BYD 9000座舱芯片。 这场自研浪潮的导火索，首 先是成本。> 蔚来创始人李 斌曾算过一笔账：自研芯片 后，"一年可以少花几十亿人 民币采购英伟达的芯片"。小 鹏汽车为研发图灵芯片耗资 超百亿元，历时五年，其间 甚至因架构错误赔偿数亿元 推倒重来。何小鹏坦言，虽 然投入巨大，但自研芯片在 BOM成本上每颗可节约约 1200元，大规模出货后将显 著优化整车成本结构。 更深层的动机，是对技术自 主权的渴望。英伟达和高通 的芯片本质是"通用平台"，车 企只能在其框架内做算法适 配，大量算力被闲置。而小 鹏的图灵芯片专为AI大模型 设计，算力利用率比通用芯 片提升20%，最高支持本地 运行300亿参数的大模型。蔚 来神玑NX9031采用5nm工 艺，拥有500亿晶体管规模， 官方宣称"一颗抵四颗Orin"。 这种软硬件深度耦合带来的 效率提升，是外采芯片无法 比拟的。 02 英伟达的"Thor焦虑"与高通 的"融合困境" 面对中国车企的集体转向， 英伟达并非没有准备。其新 一代Thor芯片将算力天花板 推至2000 TOPS，试图以绝 对性能优势巩固地位。然 而，Thor芯片的量产时间多 次延期，引发部分车企转向 自研或国产方案。更致命的 是，Thor的"黑盒属性"让车企 担忧——一旦深度绑定英伟达 生态，未来的算法迭代将受 制于其技术路线。 英伟达汽车业务的增长"失 速"已现端倪。虽然其在AI算 力上的技术积淀短期内仍不 可替代，但市场份额的下滑 趋势明显。2025年下半年， 地平线的征程J6P开始交 付，直接挑战英伟达在 L2++市场的地位；华为昇腾 MDC平台搭载量突破100万 辆，与特斯拉自研FSD并列 成为行业标杆。英伟达在中 国市场的统治力，正从"绝对 垄断"退化为"多元竞争中的一 极"。 高通的情况则更为微妙。它 在座舱芯片市场的优势无人 能撼动，全球超3.5亿辆汽车 搭载骁龙数字底盘，中国市 场覆盖超210款车型。但在智 驾领域，高通走的是"舱驾融 合"差异化路线，主打中低端 车型的成本优化。骁龙8650 智驾芯片算力仅30 TOPS， 与英伟达Orin X的254 TOPS 相去甚远；即便是最新的 Ride Elite至尊版，约720 TOPS的AI算力也未能打开高 端市场。 中国车企的自研策略，恰恰 精准打击了高通的软肋。小 鹏图灵芯片不仅用于智驾， 还能支持智能座舱功能，实 现"一颗芯片管全车"的舱驾融 合。蔚来、吉利也在推进类 似的全融合SoC方案。这意 味着，高通赖以生存的"座舱 优势带动智驾"逻辑，正在被 车企自研的"全域融合"芯片所 颠覆。 03 从"供应商时代"到"战国时 代"：格局重构 2025年的中国智驾芯片市 场，可以用"旧王新贵的战国 时代"来形容。英伟达、高 通、Mobileye等国际巨头， 华为、地平线等本土供应 商，以及小鹏、蔚来、吉利 等车企自研力量，三方势力 交织缠斗。 一个显著的趋势是：车企自 研并非要完全取代供应商， 而是构建"自研+外购"的混合 模式。理想汽车仍在部分车 型上使用英伟达Orin X，但同 时推进自研M100芯片，预计 2026年量产；小米SU7继续 搭载英伟达双Orin X，但业内 传闻其自研的"玄戒O2"芯片 将于明年上车。这种"多条腿 走路"的策略，既保障了供应 链安全，又为技术迭代预留 了空间。 对英伟达和高通而言，真正 的威胁不在于失去某几个客 户，而在于行业规则的改 写。过去，芯片厂商定义算 力标准，车企被动跟随；如 今，车企根据自研算法需求 反向定义芯片架构。端到端 大模型、VLA（视觉-语言-动 作）模型的兴起，让"有效算 力"取代"峰值算力"成为新的 评价标准。英伟达Thor的 2000 TOPS固然耀眼，但如 果无法高效运行车企的特定 模型，不过是数字游戏。 更深远的影响在于生态。小 鹏图灵芯片不仅用于汽车， 还将搭载于AI机器人和飞行 汽车；蔚来神玑芯片未来可 能外供其他车企。一旦车企 自研芯片从"成本中心"转变为 可外供的产品线，英伟达和 高通将面临来自下游客户的 直接竞争。 Synopsys首席执 行官曾预言："更多汽车制造 商将不得不在公司内部构建 芯片开发设计能力。"这一预 言正在中国率先成为现实。 04 未来：开放与封闭的博弈 站在2026年的门槛回望，中 国车企自研芯片的浪潮绝非 一时冲动，而是智能电动汽 车产业成熟的必然结果。当 软件定义汽车成为共识，硬 件必须与算法深度协同；当 数据成为核心资产，算力平 台必须掌握在自己手中。英 伟达和高通或许曾以为，凭 借技术优势和生态壁垒可以 高枕无忧，但他们低估了中 国车企对技术主权的执念， 也高估了"通用平台"在垂直场 景中的不可替代性。 当然，这场变革并非零和博 弈。英伟达的CUDA生态、高 通的连接技术，短期内仍是 行业基础设施。中国车企的 自研芯片，更多是在"增量市 场"中争夺定义权，而非在"存 量市场"中彻底颠覆。但一个 不可否认的事实是：全球汽 车半导体的权力中心，正在 从硅谷向东方转移。 英伟达与高通没想到的，或 许不是中国车企会自研芯片 ——毕竟特斯拉早已做出示范 ——而是这股浪潮来得如此迅 猛、如此决绝。当小鹏 MONA M03的升级版悄然换 上自研图灵芯片，当蔚来 ET9以78.8万元的身价搭载神 玑NX9031驶下生产线，当比 亚迪将自研芯片铺向10万至 20万元的主流市场，一个属 于中国"芯"的时代，已然开 启。 而对于英伟达和高通来说， 最紧迫的问题不再是"如何卖 出更多芯片"，而是"如何在车 企自研的时代找到自己的新 位置"。毕竟，当曾经的客户 变成竞争对手，游戏规则已 经彻底改变。

搞钱的路子到处都是，不必太过焦虑💰 鸣人整理了一些搞钱方法大集合，供兄弟们参考。 1. 怀旧视频二创：剪辑怀旧素材，接照片修复、卖资源都能变现 2. 房屋托管：低价收房简单布置再转租，吃租金差价，多做几套收入很稳 3. AI语音视频：用AI把文章转成视频发平台，涨粉快、变现方式多 4. 儿童托管：一二线需求旺盛，接送+作业辅导，喜欢孩子就能做 5. PPT模板售卖：上传模板到平台，被动下载收益，长期有收入 6. 中老年小程序：做养生情感内容引流，靠广告轻松日入两三千 7. 家电清洗：上门清洗空调油烟机，客单稳定，老客转介绍多 8. 沙滩代写：直播沙滩写字留名，19.9-52.2元一单，几小时入账几百 9. 知识变现：低价收学霸早教资料，小红书引流网盘发货，日入300-500 10. 兼职代驾：晚上在餐饮商圈接单，一晚百八十，多劳多得 11. 游戏代练：帮人升级上分，几十到几百一单，适合游戏玩得好的人 12. 图片精修：老照片修复、精修P图，技术到位客源不愁 13. 手工活代工：串珠、布偶制作按件计费，宝妈老人在家可做 14. 卖卤肉配方：单价亲民走量大，薄利多销下来收益很可观 15. 早教资料售卖：整理早教素材引流，网盘直发，日入轻松600+ 16. 朋友圈卖家乡菜：腊味腌菜拍视频宣传，同城外地都能发，无囤货高利润 17. 家乡特产带货：农家干货、腌菜产地直供，线上走量利润空间大 18. 社区团购分销：在邻里推脚气膏等产品，佣金比普通药品更高 19. 牙医合作推广：和牙科诊所合作推口臭茶，复购高、订单稳 20. 减肥产品分销：对接健身房推瘦身产品，复购强，收入能超主业 21. 美白产品分销：在宝妈群、小区群推广，一单赚20-30，在家可做 22. 面膜厂家直销：给美容院供货补水面膜，复购高，月入可达数万 23. 洗发水短视频带货：拍控油使用对比视频，佣金高，爆一条日赚几千 24. 卖音乐优盘：低成本拷贝经典、DJ歌曲，转手卖199，车主群体好卖 25. 酒店预订代订：倒卖酒店折扣卡赚差价，老客多，月入轻松过万 26. 电车废品拆解：回收报废电车拆零件售卖，利润能到70% 27. 文案接单：在平台接写作单，一篇50-100，有点文笔就能上手 这么多个方法，你觉得哪个方法可行性最高？

【你的KPI，是另一个年轻人的深渊】转自微博@Scalers 一个00后大学生，一年背上16万网贷。不是被骗的，不是赌博输的，是被一群名校毕业的产品经理，用心理学一步一步“喂”进去的。 而这些产品经理，跟他同龄。 凤凰网采访了8个网贷产品设计者，6个来自大厂，2个来自网贷头部公司。他们的日常工作是什么？调按钮颜色，改文案措辞，测弹窗时机，发优惠券。 每一步都体面，每一步都合规，每一步单独拿出来都像是“正常的产品优化”。 但这些步骤拼起来，就是一台精密的收割机。 你可能觉得这事离你很远。别急，往下看。 一个产品经理，半个月测了上百种按钮文案，二三十个版本同时推给几千个用户做A/B测试。最后胜出的四个字是“查看额度”。用它替掉“登录”，点击率涨了7%。 7%是什么概念？百万级用户的页面上，多出来几万人点进来。每人平均贷一万，按3%利润率算，多赚30万。这个产品经理的原话：“够老板请全团队喝奶茶了。” 他还测了按钮的背景色。红、白、蓝三版，蓝色胜出。颜色微调带来的转化提升最多0.1%，但百万级用户面前，0.1%就意味着多出1000个李明。 李明是谁？ 大四那年，同学约他去音乐节，门票400块。“我没钱”这三个字卡在喉咙里，他说不出口。 宿舍空了，只剩他一个人，手机屏幕上写着“查看额度”。 不到一分钟，1000块到账。年化利率超过20%，他完全不懂这意味着什么。他只会算最简单的账：分12期，每月还一百来块，少吃几顿外卖的事。 然后就停不下来了。 借贷频率从两个月一次，变成半个月一次，变成两三天一次。平台弹窗隔两周跳一次：“还有42500元额度未使用。”广告精准地戳他：该给女朋友换台iPhone了，申请一笔梦想备用金。字字扎在“兜里没钱却想撑面子”的软肋上。 四个月，负债两万。考研落榜，滚到九万。他翻遍短信里每一条网贷广告链接想再借，全被拒了。晚上睡不着觉，翻到临近还款的短信提醒，想到了轻生。 后来他告诉了父母。全家人一起扛，白天兼职晚上二战考研，每月还 6000，2025年3月上岸，还清所有欠款，卸载所有网贷App。 他以为结束了。 6个月后，负债重新滚到16万。 因为他的网络世界没有变。打车App弹窗：“您有最高20万额度待提取。”刷小红书有贷款帖子，玩微信小程序有网贷广告，角色复活都得先看一条借钱的贴片。他说轰炸他的广告平均每天三条，一个多月截图下来拼成一张上百张的长图。 但你知道最狠的是什么吗？ 不是广告多。是在这8个设计者的后台里，李明根本不是一个“人”。 他是一组标签。年龄、职业、城市、借贷轨迹、逾期率、复借率、生命周期价值。一个产品经理负责按钮让他点进来，一个人负责发券让他心动，一个人负责写文案戳他的焦虑，一个人负责放宽审核让他顺利拿到钱，一个人负责用算法给他贴标签决定推什么广告。 五个人，五个环节，五块屏幕。 没有任何一个人觉得自己在“坑人”。 这就是这件事真正可怕的地方。不是有人在密室里策划怎么害人。是一个精密的系统，把一件可能毁掉别人人生的事，拆成了一百个看起来都没问题的小步骤，分配给一百个聪明人。每个人只看自己的屏幕，只管自己的指标，只对自己的KPI负责。 做风控的那位说得更直接：他只要稍微“放点水”，把审核通过率从30%提到35%，对公司就是实打实的放款规模增长。他不需要想这多出来的5%是谁，只需要知道数字涨了。 被问到有没有道德压力，那个做产品的张洋想了想，说了一句让我深思的话： “没有的，我又不是做的色情网站。” 他不是坏人。他考了心理咨询师证，爱琢磨文学。但在那套系统里，他的全部价值就是让更多人点击那个蓝色按钮。系统不需要他是坏人，只需要他是一个合格的执行者。 他自己也熬夜到心脏隐隐作痛，说自己腻了。 你看到了吗？曲线两端的年轻人，活法不一样，处境却像得很：一端在加班到心脏疼，一端在还债到睡不着。而中间的大公司，度小满一天净赚235万，蚂蚁消费金融日赚852万，数字漂漂亮亮地躺在财报里。 你可能不做网贷产品。但你也在某个系统里拧螺丝。 你优化的那个转化率，背后是什么人？你写的那句营销文案，推的是什么东西？你搭的那个推荐算法，喂养的是什么欲望？ 大多数时候你不会想。因为你的屏幕上只有数字，没有人脸。 但螺丝拧多了，偶尔该抬头看一眼： 你拧的这些螺丝，拼起来是什么？ 这台机器，在碾谁？ 不用急着回答。但这个问题，你得自己问过自己至少一次。 因为没想过这个问题的人，和那个说“我又不是做的色情网站”的人，其实没有区别。

2026年5月，PCB行业一片狂欢。表面上看订单爆满、需求旺盛，但深入产业链后会发现，供需严重失衡、成本压力巨大，许多中小板厂其实在苦苦支撑。 覆铜板（CCL）严重缺货：有钱也不一定有货 当前覆铜板供应紧张程度远超预期。普通CCL交期已从正常的2周拉长至4-6周；AI服务器等高端CCL交期起步半年，不少订单已排到2027年。 业内人士直言：板厂根据历史信誉只能获得有限配额。好不容易拿到板料后，生产出来也不一定赚钱。两句行业真实写照是： • “仓库的板料卖给同行能赚20块，做成PCB可能倒亏10块。” • “当前所有工作中最重要的，就是保证板料不要断供。” 价格方面，涨势凶猛。日本材料半年内已涨三次，高端材料单次涨幅达30%。国内建滔、生益、南亚等厂商一年以来涨幅普遍超过70%-90%，电子布价格一年翻倍，7628型号布已突破7元/米。 根据最新市场数据，2026年3-4月CCL提价约30%，5月电子布再涨10%-12%。全球CCL市场2025年规模约160.2亿美元，2026年预计激增至215亿美元，年增长34.2%，主要由AI驱动。 中小厂困境：订单爆满却在亏钱 涨价直接传导到下游。许多做消费类电子的中小板厂虽然订单满，但大量在亏钱接单。主要原因有二： 1. 缺乏议价能力，客户不愿同步涨价； 2. 资金有限，无法提前囤货，只能用最高价现货材料生产。 大厂凭借实力锁定产能和库存，小厂连“汤”都喝不上。更有资金实力的板厂或贸易商提前备3-4个月甚至更多材料，看似避险，实际进一步加剧了全行业供应链紧张。 下游终端恐慌备料 → PCB板厂订单爆满 → 原材料被卡死无法交货 → 下游更恐慌、备货更多，形成恶性循环。至少在2026年，这一局面短期难解。 全球PCB市场数据补充 • 全球PCB产值：2025年约923.6亿美元（+15.4%），2026年预计1052亿美元（+13.9%），AI服务器PCB市场从2024年的31亿美元飙升至2027年的271亿美元。 • AI服务器一台用料相当于普通服务器5-8台，直接吞噬大量高端产能。 • 消费电子、家电、工控等传统需求并未爆发，基本维持常态。 最忙的不是板厂，而是设备商，板厂看到眼前订单和“趋势”，无论高端低端都急于扩产，尤其是拿到AI服务器订单的厂家，更疯狂抢设备：VCP、曝光机、蚀刻机、压合机、树脂塞孔设备等，能上多快上多快。设备厂因此成为产业链最繁忙的一环。 覆铜板厂商也不轻松，他们还在抢电子布、树脂等上游原料。但中低端产能扩张需谨慎：全球PCB总需求并未质变爆发，真正爆发的是AI服务器、数据中心、高端交换机等领域。如果你没有高端客户入场券，设备到位、产能释放时可能正好赶上价格回调，资金占用风险极大。 上游成本压力持续，外部变量需关注 金属、树脂、玻璃纤维等上游材料2026年难见降价，只会继续上涨，成本压力越来越大。此外，特朗普访华等外部因素也将影响全球贸易政策、关税、技术管制和原产地认证，值得持续跟踪。 2026年5月的真实行情就是高端吃肉、低端喝汤，设备商打辅助、材料商通吃。谁能锁定产能、谁有稳定材料供应，谁的日子就相对好过。 对板厂的建议：理性看待扩产，避免盲目跟风中低端；只聚焦高端客户与技术升级。行业洗牌仍在继续，活下来并抓住AI结构性机会的企业，才是最终赢家。 清单还是反复讲的🌹发财街老四样🌹铜冠，宏和，生益，胜宏，轮换着炒，左脚踩右脚，但是最终的赢家要看狗胜。

李湘，赵薇，黄有龙，一条跨境黑金链的瓦解！ 源自 最后的稻草 新锐消息        2025年11月12日晚，一架民航客机降落在南京禄口国际机场。舱门打开后，一名戴着手铐、神情萎靡的男子被法警押下舷梯——他就是长期盘踞在缅甸妙瓦底、操控“亚太新城”电诈园区的主犯佘智江。这一天，不仅标志着一个涉案金额超千亿元人民币的跨境犯罪帝国正式崩塌，也揭开了另一张隐秘网络的冰山一角：这张网，由血缘、资本、身份与信任编织而成，牵涉赵薇、黄有龙、李湘等公众人物，其运作之精密、链条之完整，令人震惊。 同根同源：邵东表兄弟的“草莽起点”      根据《中国经营报》2025年的实地探访，佘智江的母亲与黄有龙的母亲是亲姐妹，两人均出生于湖南邵东县佘田桥镇，老家相距仅500米。他们都曾在当地中学就读，却均在初二辍学，早早踏入社会。上世纪90年代末，二人曾一同混迹于邵东县城的灰色地带，甚至拜入当地“大哥”赵士合门下。1996年赵士合因命案被枪决后，两兄弟仓皇逃离，人生轨迹由此分岔：黄有龙南下深圳，后辗转澳门、新加坡；佘智江则随父母迁居广西，后赴东南亚谋生。      转折点出现在2005年。据多方信源交叉印证，黄有龙当时已初具资本实力，向表弟佘智江提供了赴菲律宾发展的启动资金。正是这笔钱，成为佘智江涉足网络赌博、继而构建电诈帝国的第一块砖。明星光环下的“洗钱通道”      2009年，黄有龙与赵薇结婚，这段“影后嫁富豪”的婚姻一度被视为娱乐圈佳话。然而回看资金流向，这场联姻更像是为黑金洗白量身定制的“信用背书”。       警方调查发现，自2010年起，黄有龙名下突然冒出23家注册于英属维尔京群岛、开曼群岛等地的离岸公司。这些公司无实际业务、无员工、无办公场所，唯一功能是承接来自东南亚的非法资金。赃款经由地下钱庄流入香港，再通过离岸架构层层转移，最终以“投资收益”“艺术品收藏”“红酒品牌运营”等形式，注入赵薇名下资产。       赵薇名下的3.5亿港币半山豪宅、400万欧元波尔多酒庄、毕加索画作等，表面光鲜，实则成为黑钱的“安全容器”。更关键的是，这些资产均登记在赵薇个人名下，与黄有龙形成法律上的风险隔离——一旦出事，可声称“不知情”或“个人收入”。而在这条链条中，李湘的角色远非“旁观者”，而是深度嵌入的关键节点。李湘：从“综艺女王”到“洗钱白手套”      李湘与赵薇的关系远不止于“娱乐圈好友”。据多位湖南广电旧人透露，两人自2000年代中期便因共同投资影视项目建立联系。2010年前后，赵薇与黄有龙开始布局文化产业时，李湘多次以“顾问”身份参与其早期资本运作会议。2013年赵薇高调收购万家文化期间，李湘曾通过其控制的“北京快乐星文化传播有限公司”为赵薇团队提供媒体资源对接服务。        更关键的是，李湘与黄有龙存在间接股权交集。2015年，李湘与王岳伦共同设立“芒果互娱基金”（未备案私募），该基金曾短暂持有某香港SPV公司10%股权，而该公司另一股东正是黄有龙控制的BVI公司“Dragon Sky Holdings Ltd.”。尽管该结构在2016年即被拆除，但显示出三方在资本层面早有协同。异常消费与资金缺口     自2014年起，李湘年均个人购汇额度稳定在35万美元（中国公民年度上限），但其实际海外支出远超此数：奢侈品采购：2018–2023年间，李湘及其女儿王诗龄在巴黎、伦敦、米兰等地年均消费超800万元；教育支出：王诗龄就读英国伯奈德女校期间，年均花费约70万英镑（约合600万人民币）；艺术品交易：2021年王诗龄一幅水彩作品以98万元售出，买家为开曼“Art Horizon Fund”；2024年《桃子》画作再以145万元成交——这些买家均与佘智江关联账户存在资金往来。    这些大额支出从未通过李湘本人银行账户直接支付，而是由多家离岸公司、第三方代持人或“朋友”垫付，形成典型的“对敲洗钱”路径。空壳公司矩阵：快设快撤的洗钱工具截至2025年底，李湘名下曾关联企业共21家，其中15家已注销，注销率高达71.4%。 典型如：“芒果创展”（深圳）：2025年8月注册，11月注销，注册资本500万元，无社保、无纳税记录；“湘雅品牌管理”（上海）：曾接收一笔来自新加坡“Golden Maple Ltd.”的200万美元转账，后者与黄有龙关联；“尽开颜影视”（湖南）：2025年8月成立，持股99%，却无任何影视备案或拍摄记录。      这些公司普遍呈现“快设快撤、无实缴、无员工、大额跨境流水”特征，符合地下钱庄常用的“壳公司洗钱工具”模型。直播带货：掩护性现金流？      2020–2023年，李湘高调进军直播电商，宣称“年带货15亿”。但多方核查显示，其直播间退货率长期高于60%，多个合作品牌被曝刷单造假。业内分析认为，直播对李湘而言，主要功能并非盈利，而是制造“合法经营流水”，用于解释其账户中频繁出现的大额进账。引渡风暴：多米诺骨牌接连倒下      2022年8月，佘智江在泰国曼谷被捕。此后三年，他通过律师团队极力阻挠引渡，但中泰执法合作持续推进。2025年10月，泰国上诉法院裁定同意引渡；11月10日，最高检察院正式批准；11月12日，佘智江被押解回国，由江苏镇江公安局执行逮捕。 引渡当日，风暴骤起：赵薇：名下“龙薇传媒”等3家公司股权被冻结，总额1590万元。这是自2019年被封杀以来首次大规模资产冻结，且直接指向其与黄有龙共同持股的实体。黄有龙：11月中旬，其在新加坡的两处豪宅紧急挂牌，售价低于市价20%；控制的多家离岸公司开始注销，涉及资金超5亿元。12月，其香港银行账户被冻结，金额约2亿；2026年1月12日，被限制出境，新加坡籍身份未获豁免。 李湘：11月16日，“芒果创展”突告注销（注册仅3个月）；12月初停止所有直播；12月20日起，微博出现“禁止关注”提示，抖音搜索消失；2026年1月10日，全平台账号被封禁；1月18日，英国冻结其伦敦公寓按揭账户，开曼基金被划走3000万美元。与此同时，赵薇的商业版图彻底停摆：12月10日，其“普林赛斯文化传播”被列为经营异常；12月30日，个人红酒直播被秒封；累计股权冻结超1850万元，担保方直指黄有龙实控企业。 清算逻辑：为何李湘成为重点对象？据接近办案机关人士透露，李湘之所以被列为重点对象，原因有三：资金链高度重合：其接收资金的离岸账户，与佘智江电诈集团用于洗钱的“湖南—香港—东南亚”通道完全一致；“白手套”角色典型：年消费三五千万，体量适中，不易触发反洗钱预警，却能有效消化黑金；社会影响力大：作为前主流媒体主持人，其行为具有示范效应，若不处理，将严重损害公众对金融秩序的信任。佘智江电诈集团非法获利超千亿元，需要大量“白手套”分散资金。李湘年消费三四千万、赵薇资本运作十来个亿，在地下钱庄眼中，恰是“安全小额”，完美适配对敲模式。 清算时刻：没有“法外之地”        佘智江的落网，不仅是对一个电诈头目的惩处，更是对整条“黑金—白手套”链条的系统性清算。这条链的核心逻辑在于：利用公众人物的社会信用，将非法所得包装为“合法财富”，并通过离岸架构、空壳公司、艺术品交易等手段规避监管。     然而，随着中国跨境执法能力提升、国际司法协作深化（如中泰引渡条约落实），以及金融监管对“异常消费”“高频注销”“离岸穿透”等行为的敏感度提高，这种“丝滑”的洗钱模式已难以为继。      正如一位办案人员所言：“他们以为换了国籍、藏了资产、切割了关系，就能全身而退。但他们忘了，钱的源头是血，而血债，终要偿还。”      从邵东小镇的辍学少年，到妙瓦底的“土皇帝”；从资本市场“女版巴菲特”，到全网封禁的“污点艺人”；从综艺女王到海外账户被冻——这场始于亲情、成于贪婪、终于法律的崩塌，揭示了一个残酷现实：在法治日益严密的时代，任何试图以“身份”“名气”“国籍”为盾牌的罪恶，终将无处遁形。李湘至今未发一言。但沉默无法掩盖资金流向的铁证，也无法阻挡司法程序的推进。苍天或许沉默，但从不缺席

喜芯厌酒 昨晚文章里我说自己现在很注意合规安全，随时预防监管可能突击检察，有人嘲讽我不够级别，说我自作多情。我理解他们肯定是觉得我的资金量级差徐翔太远了，这是客观事实，但监管查人并不完全根据资金量级。 我给你们说一件往事你们就知道了，大概七八年前我在文章里抨击某些部门不作为，结果被那个部门的领导看到了，通过人脉关系联系到我，邀请我去他们那里坐坐，喝茶谈心。我还蛮好奇的，欣欣然就去了。 到了那里的会议室就觉得新鲜，因为我以前去过的互联网大厂，金融公司，他们的会议室都是圆桌，人在两边坐。结果我去的这个机构的会议室，是两个单人沙发并排的，中间隔着个茶几，哈哈，坐着说话就像电视里领导人会见外宾一样，要侧着身交谈。 这次见我的是个厅级领导，态度很和善，就是详细介绍了一下他们的工作，以及市场环境里的困难，希望和我澄清一下某些误会。我一介布衣白身，对方官人这么客气，那当然是相谈甚欢。当时有秘书拿小本本在边上记，还会拍照记录，哈哈哈纯正的体制style，很有意思。 聊的差不多了他们留我吃晚饭，重点来了，这位领导席间和我说起一件往事，他以前在稽查部门任职，曾经带队查抄了某个全国知名的大v，因为对方发布的内容涉嫌“抢帽子”，什么是抢帽子你们去问ai。他当时就带人直接查封了对方的手机、电脑，还去家里搜查其它可能的相关罪证，和我昨晚文章里预想的场景一模一样。 我当时好奇问，最后查出来有问题吗？领导笑了笑，说那个大v有点聪明，最后没事过关了。我脑子里回忆了一下，确实没听说他有被处罚的报道。 事隔多年，那一天聊的其它事情我都忘记了，只有这事印象深刻。所以后来我都很注意避嫌，文章里尽量回避自己的持仓股，就算热点躲不开要写，写前三天和写后三天都不交易。再后来觉得麻烦，个股都不炒了，交易期指，干净，安全。 我现在自由安逸，什么也不缺，公众号有没有流量挣不挣钱都无所谓，别惹事就行。 …… 今天a股a股成交2.98万亿，市场经历了大起大落，午后有一波惊险刺激的跳水，但随后就被持续涌入抄底的资金拉起，到了收盘不但翻红，还把昨天跌的部分也找回来不少。 但是，行情的结构分化依然很严重，大量资金涌入ai、芯片半导体相关板块，寒武纪+15.7%，中芯国际+17.5%，令整个市场目瞪狗呆。芯片etf（512760）暴涨7.24%，半导体设备etf（159516）暴涨5.4%，这样的表现就如两记重锤，狠狠暴击那些依然重仓坚守消费板块的股民。 昨天有个评论被删了，股市没有均富卡，现实社会还有税收调节，股市里的马太效应只会更大，现在就是芯片业花天酒地，老登股寒风刺骨。 那么芯片行情达到极值了吗，我今天看到兴业策略的一个数据，当前tmt行业成交占比达到40.8%，年初deepseek行情最高达到46.5%，2023年chatgpt刚出来那一波是50.24%。虽然处于高位，但还没到历史天花板。 想起几天前高盛上调了寒武纪的目标价至1835元，当时觉得有点离谱，结果现在已经1587了。 牛市都是由情绪主导推动的，拿着计算器算业绩算估值都是熊市里的习惯，牛市只怕赚少了涨慢了，股票拿在手里都拿不满一个季报周期，没人真的在乎未来如何。 你若是又不敢追高热板块，又苦恼跑不赢指数，最简单的办法就是买宽基etf，今天市场中位数只有+0.2%，所有宽基都跑赢了中位数，中证500舒舒服服+2.17%，除了科和创，其它都跑赢了。 …… 1、这几天很多人都在猜寒武纪今年的收入和利润，迫于舆情压力寒武纪公开回应，称公司年内收入预计50-70亿。网民开玩笑说章建平用赚来的利润20亿下单买芯片，股票还能再涨40亿。寒武纪目前的市值已经涨到6600多亿，a股第21位，排前面的就是长江电力。你觉得他们俩谁值钱？如果现在马上要坐牢十年，你会买寒武纪还是长江电力？来划线评论里说说。 2、伊利今晚的财报有惊喜，营收619亿，增长3.37%，扣非利润70亿，增长31.8%，这个扣非增速太梦幻了，妥妥超预期。公司总结原因是产品创新，电商渠道增速70%，以及海外婴幼儿羊奶粉增长65%。但需要注意的是这份财报最大的短板是营收增长缓慢，只有个位数3.37%，市场现在对消费股的态度极其苛刻，伊利这个表现也很难获得芯片股一半的优待。 3、官方公布了26个外国元首参加阅兵仪式。分别是俄罗斯、朝鲜、柬埔寨、越南、老挝、印尼、马来西亚、蒙古、巴基斯坦、尼泊尔、马尔代夫、哈萨克斯坦、乌兹别克斯坦、塔吉克斯坦、吉尔吉斯斯坦、土库曼斯坦、白俄罗斯、阿塞拜疆、亚美尼亚、伊朗、刚果（布）、津巴布韦、塞尔维亚、斯洛伐克、古巴、缅甸。 以上差不多是比较友好的朋友圈，欧美阵营没有来捧场的。 4、英伟达昨晚的财报营收467亿美元，增长56%，利润264亿，增长59%，都比预期的略高一丢丢。公司额外批准了600亿美元的回购，太有钱了，600亿美元大概相当于a股所有公司4年回购总额。美股巨头接力暴赚，赚完了就巨额回购，猛猛往股市里倒钱，靠割韭菜、搞投机博弈是不可能长达80年牛市。 就这些吧，发射。

Anthropic 工程师 Barry Zhang 在 AI Engineer 工作坊上的一个分享 “如何构建有效的 Agent”，其中印象最深的一个观点：Don't build agents for everything，反过来理解就是别做什么都能干的 Agent，那是我们大模型要干的事情😆 构建有效 Agent 的三大要点： 1. 明智选择应用场景，并非所有任务都需要 Agent； 2. 找到合适的用例后，尽可能长时间地保持系统简单； 3. 在迭代过程中，尝试从 Agent 的视角思考，理解其局限并提供帮助； Barry 主要负责 Agentic System，演讲内容基于他和 Eric 合著的一篇博文，下面详细总结他们的核心观点，以及对 Agent 系统的演进和未来的思考。 Agent 系统的演进 - 简单功能： 起初是简单的任务，如摘要、分类、提取，这些在几年前看似神奇，现在已成为基础； - 工作流（Workflows）： 随着模型和产品成熟，开始编排多个模型调用，形成预定义的控制流，以牺牲成本和延迟换取更好性能。这被认为是 Agent 系统的前身； - Agent： 当前阶段，模型能力更强，领域特定的 Agent 开始出现。与工作流不同，Agent 可以根据环境反馈自主决定行动路径，几乎独立运作； - 未来（猜测）： 可能是更通用的单一 Agent，或多 Agent 协作。趋势是赋予系统更多自主权，使其更强大有用，但也伴随着更高的成本、延迟和错误后果。 核心观点一 并非所有场景都适合构建 Agent (Don't build agents for everything) - Agent 主要用于扩展复杂且有价值的任务，它们成本高、延迟高，不应作为所有用例的直接升级。对于可以清晰映射决策树的任务，显式构建工作流（Workflow）更具成本效益和可控性。 - 何时构建 Agent 的检查清单： 1. 任务复杂度 ： Agent 擅长处理模糊的问题空间。如果决策路径清晰，应优先选择工作流； 2. 任务价值： Agent 的探索性行为会消耗大量 token，任务的价值必须能证明其成本。对于预算有限（如每任务 10 美分）或高容量（如客服）场景，工作流可能更合适； 3. 关键能力的可行性 ： 需确保 Agent 在关键环节（如编码 Agent 的编写、调试、错误恢复能力）不存在严重瓶颈，否则会显著增加成本和延迟。如有瓶颈，应简化任务范围； 4. 错误成本与发现难度： 如果错误代价高昂且难以发现，就很难信任 Agent 自主行动。可以通过限制范围（如只读权限、增加人工干预）来缓解，但这也会限制其扩展性； - 编码（Coding）是一个很好的 Agent 用例，因为它任务复杂（从设计文档到 PR）、价值高、现有模型（如 Claude）在许多环节表现良好，且结果易于验证，例如单元测试、CI。 核心观点二 保持简单 (Keep it simple) - Agent 的核心结构： 模型（Model）+ 工具（Tools）+ 循环（Loop）在一个环境（Environment）中运作。 - 三个关键组成部分： 1. 环境：Agent 操作所在的系统； 2. 工具集： Agent 采取行动和获取反馈的接口； 3. 系统提示： 定义 Agent 的目标、约束和理想行为； - 迭代方法： 优先构建和迭代这三个基本组件，能获得最高的投资回报率。避免一开始就过度复杂化，这会扼杀迭代速度。优化（如缓存轨迹、并行化工具调用、改进用户界面以增强信任）应在基本行为确定后再进行。 - 一致性： 尽管不同 Agent 应用（编码、搜索、计算机使用）在产品层面、范围和能力上看起来不同，但它们共享几乎相同的简单后端架构。 核心观点三 像 Agent 一样思考 (Think like your agents) - 问题： 开发者常从自身角度出发，难以理解 Agent 为何会犯看似反常的错误； - 解决方法： 将自己置于 Agent 的“上下文窗口”中。Agent 在每一步的决策都基于有限的上下文信息（如 10k-20k token）； - 换位思考练习： 尝试从 Agent 的视角完成任务，体验其局限性（例如，只能看到静态截图，在推理和工具执行期间如同“闭眼”操作）。这有助于发现 Agent 真正需要哪些信息（如屏幕分辨率、推荐操作、限制条件）以避免不必要的探索； - 利用模型自身： 可以直接询问模型（如 Claude）：指令是否模糊？是否理解工具描述？为什么做出某个决策？如何帮助它做出更好的决策？这有助于弥合开发者与 Agent 之间的理解差距。 个人思考与未来展望 - 预算感知 Agent (Budget-aware Agents)： 需要更好地控制 Agent 的成本和延迟，定义和强制执行时间、金钱、token 预算，以便在生产环境中更广泛地部署。 - 自进化工具 (Self-evolving Tools)： Agent 或许能设计和改进自己的工具（元工具），使其更具通用性，能适应不同用例的需求。 - 多 Agent 协作 (Multi-agent Collaboration)： 预计今年年底将在生产中看到更多多 Agent 系统。其优势包括并行化、关注点分离、保护主 Agent 上下文窗口等。关键挑战在于 Agent 间的通信方式，如何实现异步通信，超越当前的用户-助手轮流模式。

前幾天剛好跟朋友在討論預測市場當前到底需要的是什麼，看似繁榮其實並沒有很好的讓大家都上手 多數交易量肯定都是來自 bot ，而且多數人參與其實滿容易虧錢的 最大的問題就是不同市場的流動性碎片化再加上介面不好用、不直覺 以台灣來說甚至登入個 polymarket 都有問題，仍是最大痛點，我最常用的還是 polymarket 的 CLI 當前有兩個痛點需要被解決：更好懂的介面以及更絲滑的入金方式 市面上的方案都沒有真正解決這個問題，更不要說單純的 AI 工具 不管是否幣圈，AI agent 使用率都是不高的，一個重要原因是最一開始的啟動流程仍然有些複雜，只有真的動力強的少數族群才會每天用 另一個更根本的原因是，主流模型從來沒有被真正為「在市場裡賺錢」而設計過，它們能提供分析結果 但分析≠ 不代表真的能夠賺錢 用戶本身具有交易賺錢的能力， ai agent 才能發揮得好，否則很容易只是幫我們花式虧錢 Sui 上面的 @0xbeepit 還挺有趣，這個協議是一個讓交易型 AI agent 在真實市場中競爭、篩選、進化的系統，只保留真實市場裡活下來的策略 而且除了 agent trading 還有發展其他的產品線 這是當前預測市場賽道所欠缺的 「有更多讓用戶資金留存的誘因」 創始團隊在 PayPal 和 Walmart 等企業建構過 TradFi 系統，平均 12 年以上的開發經驗，橫跨支付、交易、區塊鏈基礎設施等 Beep 主要運作的方式有五個階段 1️⃣ 用對的工具開發策略 LLM 負責理解語言、分析情緒、提取資訊；另一種 AI 專為數字時間序列設計的模型，負責數值計算、風險判斷和交易執行 2️⃣獨家訊號 Beep 的 agent 接入獨有的數據流，包含鏈上交易元數據、預測市場訊號、訂單流微觀結構 3️⃣ 開放接入 任何 agent 都可以接入、提交策略。 越多參與者，接觸到的市場資訊廣度也更大，利好所有玩家 4️⃣ 嚴格篩選 每個策略先用模擬資金跑，通過了才能用真實資本 能穩定賺錢的策略獲得更多資金信任，跑輸的淘汰 5️⃣ 結果反哺 每一筆交易的結果，都會成為模型訓練的一部分，讓系統變得更準 理論上隨著時間的推進，系統會越來越強大 接著是其他產品線，Beep 最新上線的 R3，是基於 Polymarket 的預測市場產品，提供兩種玩法 💡手動預測，適合想自己下單的用戶，Beep 為用戶提供 AI 洞察輔助用戶做判斷 💡全託管預測 Agent ，適合想讓 AI 全權負責的用戶，AI 全權接管，掃描市場、選題、交易、結算，全程無需人類介入 我這次先丟了 1000u 來測試一下他們家的 trading agent 1️⃣ 選擇自己要用的模型（GPT5.4 , Claude Sonnet , Kimi , Groq 等） 2️⃣ 選擇要交易的市場：美股竟然也可以 , 不單純只是加密市場可以選擇 3️⃣ 除了 eth sui 之外我添加了近期火熱的 $SNDK $INTC $MU 三支股票 在這些交互的過程中都是可以嚕分數的，包含創建 agent、交易量、錢包餘額等（treasury），創建 agent 的花費跟交易頻率有關，越高當然花費越多，還可以設定單次交易最高金額，使用的槓桿大小等 agent 開跑之後, 可以動態看到 agent 當時的想法 下週來跟大家分享一下結果，有興趣的可以一起來玩玩： 這邊記得，受邀人記得至少要充值 10 usdc 以上才可以激活 ⚠️ 地區限制，台灣的朋友們記得一樣要切換 VPN 才能使用 去年年底 Sui 宣布了 The Agentic Economy is coming to Sui ，很明顯這是當前每條鏈都在積極發展的方向，Beep 是我認為值得一試的 Sui 鏈 agentic finance 項目 Beep 還支持基於 Hyperliquid 的全託管交易 agent 的創建，支持 Hyperliquid 上 Crypto + TradFi 全部 USDC 交易對 對於心癢癢想追高美股的用戶來說，如果想追高又不知道怎麼設止損，讓 ai agent 根據設置的策略來參與市場也不失為是一種方式