《从50亿颗芯片订单，看Starlink一个不为人知的万亿市场》 路透社昨天的报道称SpaceX和意法半导体过去12年订单总量已经达到50亿颗芯片。 市场可能还没有意识到，这是一个Starlink不为人知的隐藏赛道。它不仅仅是一个"卫星互联网项目"，还是一个全球性的电磁感知基础设施。 这50亿颗芯片是射频前端模块（radio-frequency front-end modules），也叫天线单元（antenna elements），它们基于BiCMOS工艺制造，用于Starlink用户终端的相控阵天线。 简单说，这些芯片让你家的"锅"能够自动追踪高速移动的卫星，保持稳定连接。 Starlink用的相控阵是军用雷达技术吗？ 新闻提到Starlink的终端天线用了"相控阵"技术。这听起来很军工——没错，这和战斗机雷达、宙斯盾系统用的是同一类技术。 相同点：都是电子扫描天线，通过精确控制每个天线单元的信号相位，让波束可以快速转向，不需要机械转动。 关键差异：目的完全不同，所以精度不同。 Starlink的应用方向，不是雷达而是通信技术，但它未来可能具备"雷达式感知"的潜力。 能"感知"什么？ 四个字：RF感知。 Starlink终端在和卫星通信时，信号会穿过大气层、经过各种环境。这个过程中，任何异常都会在信号里留下痕迹。 它能感知的东西分三层： 第一层（最精准）：电磁环境本身——哪里有干扰源、频谱异常、噪声变化。这对通信系统本身就有巨大价值。 第二层（可持续建模）：传播环境——下雨、沙尘、湿度、电离层扰动。气象公司会很感兴趣。 第三层（模糊但有用）：大尺度物体——比如某个区域是否有大型飞行器或船只经过。注意，它只能回答"有没有"、"有没有变化"，不能精确识别是什么。 精度对比： 军用雷达：厘米到米级 RF感知：百米到公里级 所以RF感知不是"弱版雷达"，而是一个永远在线的全球异常检测系统。雷达是手电筒，看得清但照得窄；RF感知是环境光，到处都有但很模糊。 starlink相控阵通信感知技术的竞争优势极难复制，由于其不可逆的工程路径和物理资源先手。 五道护城河： 1. 相控阵×消费级×百万规模：历史上几乎没人同时做到这三件事。军工相控阵很贵，消费电子没这精度，百万级规模需要完全不同的供应链。 2. 射频制造学习曲线：50亿颗芯片的制造经验不光是订单问题，还是时间积累：每一轮生产都在优化良率、降低成本、发现问题。。。 3. 芯片成本的极致压缩：把军工级核心部件降到1美元以下（虽然牺牲了部分性能）。这50亿颗订单本身就是"成本消化器"——只有这种规模才能把单价压到这个程度。 4. 系统复杂度下沉到终端：传统思路是让终端简单、网络复杂。Starlink反过来，让终端承担更多计算，这样卫星和网络可以更灵活。这是反直觉的设计选择，一旦跑通就成了结构性优势。 5. 垂直一体化：SpaceX同时控制火箭、卫星、终端、网络。这意味着它可以"有序失败"——某一层出问题，其他层可以补。别人只做其中一环，就没有这种容错空间。 另外，还有LEO轨道的垄断性优势 Starlink选择了低地球轨道（LEO），大约550公里高度。这不是随便选的。 LEO是相控阵通信感知网络的最优选择 信号损耗低，延迟低（20-40毫秒，打游戏够用） 终端功耗可接受（不需要大功率天线） 卫星移动快，网络拓扑持续变化——这意味着AI有大量数据可学习 竞争对手的困境： 更低轨（VLEO）：大气阻力大，卫星寿命短，需要频繁补充。技术可行，商业上几乎不可行。 同轨但晚来：轨道密度、频谱分配、避碰规则全面受限。你不能在人家卫星旁边乱飞。 更高轨（MEO/GEO）：通信能做，但延迟变高，终端功耗上升。更重要的是，轨道变化慢，AI学习材料少，感知能力被"钝化"。 LEO是通信和感知同时成立的最优高度。Starlink已经在这个高度部署了超过6000颗卫星，预计3-5年，将几乎占满LEO空间所有可用轨道。 和6G的关系 严谨地说，6G技术上不强制要求天地一体化。但战略上，几乎必然。 原因不在于速度（5G的速度对大多数应用已经够了），而在于： 覆盖的完整性：海洋、沙漠、极地、航空，这些地方地面基站覆盖不到。 网络级可靠性：地震、战争等极端情况下，地面网络可能瘫痪，卫星网络是兜底。 AI网络需要全局视角：未来的AI应用需要在全球范围内调度计算和数据，没有天基网络就是瘸腿的。 没有非地面网络（NTN）能力的6G，将被视为"不完整"。 覆盖全球的天基雷达？ 尽管starlink不会变成高精度的全球雷达。技术上做不到，也没必要。 但会演化成一个全球持续在线、低精度、AI驱动的感知底座。 未来的分层结构可能是： 第一层：Starlink类RF感知——覆盖广、连续、低精度。相当于全球的"背景感知网"。 第二层：高性能军用雷达——数量少、精度高。在关键区域提供精确信息。 第三层：无人机/高空气球等机动节点——按需部署，灵活补盲。 这三层不是替代关系，而是协同。第一层发现异常，第二、三层精确跟进。 Starlink的全球感知网络市场多大？ 未来5-10年的市场空间，从大到小： 6G融合基础设施：与地面网络融合，成为全球通信底座的一部分。万亿美元级。 国家级主权通信：关键基础设施的通信保障，政府客户。千亿美元。 航空/海事/能源/物流：飞机WiFi、远洋船舶、偏远矿区等需要连续连接的场景。千亿美元。 政府/军方感知服务：非火控级别的态势感知。百亿美元。 全球RF感知与环境智能：气象、海洋、频谱监测等。百亿美元。 总结 Starlink的真正护城河不在单一技术，而在于： 它率先把最适合相控阵+AI的物理空间（LEO）占满，并在其上跑出了真实规模的系统。 它正在成为全球电磁环境的"持续在线感知层"。

行业深研：LSA--2nm的隐形分水岭 在先进制程不断逼近物理极限的过程中，“热”成为最核心的变量之一，一点点温度偏差都容易让良率不可接受。 LSA这种退火设备，在先进节点中，它的意义已经发生变化。 前道制造中，离子注入是不可绕开的步骤。它负责将掺杂原子打入硅中，定义器件电学特性，同时不可避免地破坏晶格结构。 退火的作用，是完成两件事：修复晶格、激活掺杂。传统路径是炉管或快速热退火（RTA），通过整体加热晶圆，让原子在高温下重新排列。但问题在于，这种加热是全局的，时间是秒级甚至更长，掺杂在被激活的同时发生扩散，结变宽、边界变钝。 在28nm、14nm时代，这种扩散仍然可以容忍。但进入7nm以下，尤其是从FinFET向GAA（Gate-All-Around）过渡之后，器件尺寸逼近物理极限，任何额外扩散都会直接侵蚀性能窗口。问题从“需要退火”变成“需要一种不带副作用的退火”。 LSA通过在纳秒到微秒级时间内对晶圆表面进行瞬时加热，温度可以高于传统退火，但因为持续时间极短，热扩散被压制在极浅范围内。随后快速冷却，掺杂被激活、晶格被修复，但位置几乎不发生迁移，从而形成极浅且陡峭的结。这直接对应更低漏电、更高开关速度以及更可控的电场分布。 放在器件结构演进中看：FinFET解决的是平面器件失效后的继续缩放问题；GAA通过四面包裹沟道提升栅控能力，使先进节点仍能前进一段；而未来的CFET（Complementary FET），则是在横向无法继续压缩之后，通过垂直堆叠来延续密度提升。在这一过程中，结构不断演进，但约束条件在收紧，而“热预算”逐渐成为最硬的边界。 GAA的核心变化是channel更薄、间距更小、结构更复杂，任何额外的热扩散都会直接改变器件的几何与电学特性。source/drain掺杂会向channel侵入，短沟道效应迅速恶化；nanosheet之间的间距与应力分布被扰动，电场控制能力下降；接触区域本身极小，轻微扩散就会带来显著电阻变化。在这一结构下，热扩散不再是性能损失，而是结构破坏。 这也是传统退火开始失效的原因。你仍然可以用它激活掺杂，但代价是把设计好的器件“热模糊”。最终得到的是一个可以导电但偏离设计窗口的晶体管。 LSA正好解决的是这个矛盾。它将“温度”和“时间”解耦：允许极高温度，但把作用时间压缩到扩散尚未来得及发生的尺度；同时通过线光束扫描，仅作用于表面区域，避免深层结构受热。 高温、极短时间与局部控制这三个条件，在现有热处理方案中几乎只在LSA上同时成立。因此，在FinFET时代，LSA更多是性能增强工具，而到了GAA，它的角色变成“结构可行性工具”。 随着节点进入3nm、2nm甚至更小，热处理不再是一个可以灵活调整的工艺步骤，而成为限制器件设计空间的核心变量。LSA的重要性也因此被重新定价，从“可选项”逐步向“默认配置”转变。 GAA仍将是未来5到8年的主线，但其边际收益正在递减。随着尺寸进入2nm及以下，问题开始转向材料与物理极限：沟道无法无限变薄，接触电阻快速上升，功耗不再按比例下降。行业的答案是转向三维结构，即CFET，将NMOS与PMOS垂直堆叠，在横向受限后向纵向要密度。 但CFET带来一个新的约束：热。GAA仍是单层结构，高温处理的容忍度较高；而在CFET中，任何一次高温工艺都有可能破坏已经完成的另一层结构。传统RTA这种“整片加热”的方式开始失效，因为其热扩散范围过大，无法实现层间隔离。 这使得LSA未来更加重要，其纳秒级时间尺度和纳米级加热深度，使其能够只处理单一层而不影响上下层器件。这种选择性热处理能力，是CFET工艺成立的基础。 这种变化也在重塑竞争格局。从设备层面看，LSA仍是一个多玩家市场，核心厂商包括Veeco Instruments Inc.、Applied Materials以及SCREEN Holdings。SCREEN依靠装机量与历史验证占据主流，Applied Materials凭借平台能力与客户绑定形成系统优势，而Veeco通过LSA在先进节点关键工艺中实现突破。 但真正的竞争不止于设备。第一层是设备厂之间的直接竞争；第二层是工艺路线竞争，即LSA与RTA等技术的取舍；第三层是系统级竞争，即谁能将设备、材料与工艺整合进完整流程。在GAA阶段，这种竞争更多体现在设备性能与参数能力上；而进入CFET阶段，竞争将转向与晶圆厂的深度协同，护城河从单一设备转向“设备+工艺+材料”的系统能力。 从客户导入情况看，Veeco已经完成最关键的一步，其LSA设备已进入头部先进逻辑厂，并在部分工艺中成为量产标准设备。这意味着技术已经通过最严格验证，并具备随产能扩张放量的潜力。但这种导入目前仍集中在局部工艺，而非全面主导。在存储领域，包括DRAM与HBM，LSA仍处于评估阶段，尚未进入大规模量产。 因此，LSA的竞争本质上是，谁能在温度控制、扫描均匀性、应力管理等细节上做得更好，谁就更有机会进入先进节点的标准工艺路径。 总的来说，从FinFET、GAA最后到CFET的演变中，LSA完成了从性能优化工具到结构实现基础的转变。下一阶段真正的瓶颈，不只是结构或对准精度，而是在多层堆叠前提下，是否能够完成掺杂激活与缺陷修复，同时不破坏其他层结构。这将决定先进制程的上限，也决定价值将集中在哪些环节。 免责声明：本人持有文章中提及资产，观点充满偏见，非投资建议dyor

为什么推特上看到的都是夸克网盘资源？ 估计很多人都以为是夸克更赚钱 其实不是，夸克给的分成并没有百度网盘多 我用了一周发现，夸克真的比我之前用的百度和迅雷好用 1、尺度大，资源丰富 2、界面清爽，没有乱七八糟的广告和功能 3、跟AI高度融合，开个会员等于连AI会员一起开了 4、网盘基本功能齐备，而且体验更好 我现在日常应用已经彻底转夸克了 了解和下载夸克网盘：

去翻了一下揭秘的爱泼斯坦照片集，CNN和爆照片的发现也没啥特别猛的料，就一些在身体上写了Lolita字段的照片。 老外媒体抓着这照片和句子就yy的挺嗨的，因为《Lolita》讲述了一个中年男子对未成年女孩的痴迷和性虐待。 我还专门跑去美国众议院监督与问责委员会民主党派的官网搜了一下，不是号称95000多张么？结果可能因为公布的不多，没找到啥尺度更大的，但找到一个金发帅哥很眼熟啊🤣🤣

聊了这么多女人后，从聊骚到上床，趁着午休，总结一下实战感悟，哈哈哈，手机编辑，想到哪就写到哪吧 1，经济基础决定上层建筑 根据马斯洛需求层次理论，人只有在满足了最基本的生存需求，以及工作，财产，健康等等之后，才会有更高层次的追求。换过来说，也就是说，饱暖思淫欲，话糙理不糙，都是同样的意思。往往那些看起来工作不错，生活不错的女人，可能精神不会富足，甚至说玩起来更狂野，因为不差钱，需要追求更刺激的事情来满足自己，所以说，找女的聊天，或者说约女的，一定要选择好，不是说工作不好，生活不温饱的不好约，但是这种基本需求都没能满足的人，你需要投入的时间可能会比较少，但是投入的金钱会很多，而且这种女的很有可能会比较难缠，没有男的会想被纠缠不清。 2，张爱玲的话 张爱玲说，通往女人心灵的通道是阴道，这句话每个人的理解不同，每个人都会有自己的看法，站在女人的角度来讲，女人是一种被爱的动物，只要感觉到被爱，那么灵魂都可以给予这个男人，这是不是也有一定道理呢？反过来想想，如果你已经进入了她心里，那进入到阴道不就顺理成章了嘛？掌握方法很重要，掌握聊天的节奏，以及对于聊天中的关键点也很重要，因为这直接关系到能不能聊到她心里去。研究表明，男女相互吸引的初期阶段最长是3个月，也就是说，如果三个月还没有拿下，或者说还没聊到特别深入的话题(比如床事，比如裸体自拍之类的)，那估计之后再很难拿下。举个例子，我得吃的一个奢侈品销售，我跟她当时加微信后，每天也嘘寒问暖的聊天，分享日常生活，聊天过程中，给他发胸肌腹肌等身材照片她挺喜欢，加上聊天幽默，所以进展也挺快，但是迟迟没能突破，有一天晚上她遇到不开心的事情，我陪她视频2-3个小时，视频的时候，她也向我哭诉，然后把她哄好了，从哭哄到开心也挺难，自从这次以后，聊天就有了突破，她对我很是依赖，之后的某个晚上，我说想她了，想看看她，然后发来了穿睡衣的照片，给她一顿夸，她很是开心，然后我说我有反应了，她假装不懂的问是怎么了，然后给她发了大鸡吧的照片，等她看到后就撤回了，她回复了个害羞的表情，这我就明白了，我已经把她拿下了，过了一段时间，约她见面，然后她来接我，坐着她的宝马就直奔酒店。简单举了个例子，走入女人心里以后，再进行下一步会简单很多。 3，多在深夜聊天 为什么要多在深夜聊天，主要是有以下几个原因， 第一个，对于搭讪来说，深夜睡不着的人，而且还能用社交软件的人，要么单身，要么离异，要么结婚了分床，要么老公不在家，要么就是这女的不老实，没有一个男人会允许自己老婆当着自己面明目张胆的用社交软件（夫妻找单男的是特殊情况）。所以说，深夜用社交软件成功率会更高。 第二个，深夜让人会更加感性，也会让人更加冲动，对于认识的初始阶段，深夜聊天会给女人一种陪伴她的感觉，更容易走进她心里。对于认识的逐渐深入阶段，在深夜聊天更容易突破尺度，因为女人晚上肯定穿睡衣，甚至有的裸睡，拍个照片看看她，肯定要比日常照片性感，也更容易顺理成章的夸她身材好，甚至直接发鸡吧照片。 第三个，多夸奖，同时也要会“推拉” 没人能拒绝别人的夸奖，尤其是女人，更喜欢听好听的话，所以说，要多夸奖女的，但是，夸奖不意味着要成为舔狗，因为舔狗只会一无所有，要在夸奖的同时也会学会找她身上的不足，然后采取幽默的方式表达出来，一味的夸奖只会让女的飘飘然，女人更喜欢会调侃她的，换句话说，更喜欢幽默的男人。 4，要学会肢体上的接触 无论是聊天还好，见面也好，都要学会肢体上的接触，肢体的接触要循序渐进。比如两个见面了，你可以先从碰她的手开始，看看反应如何，然后到紧紧的牵着手，搂抱，拥抱，再到亲吻，揉胸，啪啪，这都是要循序渐进的。以聊天为例，如果聊的来了，可是适当多发一些亲亲你，抱抱你，爱你呢这之类的消息。虽然这仅仅是一个信息，但是也是一种心理的暗示，给她发这个她不反感说明以后见面了亲亲抱抱也不会抗拒。 5，学会聊天的艺术 聊天肯定得是要脸皮厚，两个陌生人能从不认识到啪啪，肯定要有一方主动一些，认识初期，主要是要打破尴尬期，最开始千万不要尬聊，要首先介绍自己，比如说自己平时喜欢干嘛，同时在她的回复中找共同话题，与此同时要在聊天中迅速找到她感兴趣的事情或者说事物，这样两个人才能进一步发展。 6，不断提升自己 女的凭啥喜欢你，凭啥跟你约，多换位思考一下，就会发现豁然开朗。首先，建议有个好身材，不仅仅是为了约，也是为了自己的健康，多跑步，多撸铁也是提升自己，同时，健身房艳遇也是挺多的，而且现在女的喜欢健身的也挺多，自己健身也是为了能跟女人有共同话题。其次，多读点书，多看点电影，有的知性女性比较喜欢看书，看电影之类的，如果她真的聊到了这方面，但是你又不知道或者没看过，那赶紧用手机百度，快去了解一下，然后再跟女的恢复，甚至可以边百度边聊天。最后，聊天尽量幽默风趣，多提升一下这一方面，会给自己加分不少。

写给所有 AI Coding 时代下迷茫的工程师： 上周团队里一个核心工程师跟我说要离职。他说失去了喜欢做工程的动力，没有了思考，解决问题，犯错，抓狂的晚上，没有痛苦之后找到那个东西的过程，没有成就感。他想转去医学或生物学领域。我为团队感到可惜，但挽留的话说不出口，我好像并没什么好办法帮他解决这个问题，个人层面甚至觉得他的决定也不错。 这引发了我的一些思考，人类工程师会是 AI 的奴仆吗？工程师会变成纯体力活吗？我决定写这篇文章，希望能给到迷茫的工程师同学们一些帮助。 2022 年 GPT 横空出世的时候打死我都没想过工程师会是第一波受冲击的物种。我们处在一个工作模式发生前所未有巨变的年代里，电子世界以一个 100 倍于现实世界速度的方式在冲击我们的世界观——资深程序员们不知道自己的对与错了，之前很多行之有效的经验不再是经验而变成了包袱；而年轻的程序员们完全没有积累经验的机会，被 AI 摧枯拉朽地冲击没有了自我。 作为一个程序员，作为一个自认为有工程师之心的程序员，我和 AI 交流的四年时间里一直在不断验证着我的信仰是错： 最开始 AI 只能在写脚本上产生帮助，我说：AI 写不了代码 后来 AI 能够辅助编程了，我说：它只能基于我的起始内容做补充。 再后来 AI 能做到函数级实现了，我说：架构还在我们掌握范畴内。 再后来 AI 连技术架构都不用我们做了，我说：AI 没办法承担责任，还得人来 review。 现在 AI 动不动几千几万行代码产生，我们发现连人的 review 都变成了整个组织的拖累，我们又开始讲品味、讲判断力。 那后面 AI 的品味、判断力比我们强呢？我们的价值在哪里？我们的意义在哪里？ AI 正在把大量的代码写出来，把大量的产品拼出来，逼迫着我们把传统的工作方式进行一遍又一遍地重构。世界进入了一个前所未有的量变积累过程，人类的想象力从未展现出如此的窘迫和枯竭，我们现在无法想象 AI 质变后技术的样子是什么。 但反过来，AI 好像也不知道。没有任何一个模型能自己产生诉求，自己主动选择方向。 01-软件工程师的方向 这不是安慰话。你去看今天最强的模型，它能写出任何你描述清楚的东西，但它不会自己走进一个房间说"这个产品缺一个东西"。它没有欲望，没有不满，没有"我觉得这里不对"的直觉。诉求来自人的欲望，方向来自人的不满足。AI 是引擎，但引擎不会自己决定去哪。 这意味着什么？意味着在整个量变堆积的过程中，真正稀缺的是知道该写什么的能力。这个"该写什么"不是需求文档，而是你在和 AI 反复交互的过程中，撞见的那些模型做不到的边界、那些需要人拍板的瞬间、那些让你突然觉得"这个方向不对"的时刻。 团队里最有价值的时刻，不是我们用 AI 写完了几万行代码，而是有人说"等等，这整个方向有问题"的时候。那个判断并不来自于模型，是来自一个人在这个领域与世界互动足够久之后形成的嗅觉。 所以新时代下工程师的意义在哪里呢？在你能不能在和 AI 的日常交互中，积累出那种"知道哪里不对"的感觉。这东西没有捷径，只有在场才会有。哪怕你是一个很渺小的人，哪怕你只是在自己的岗位上默默 coding，你和 AI 的每一次碰撞都在帮你逼近那个质变的点。 但前提是你还在。这个狭义软件工程技术的方向到底在哪里是需要我们工程师去探索，自己去寻找的。prompt、single agent、agent workflow、multi agents、agentic、context、harness 这些层出不穷的名词实际上都是我们在新世界上探索留下的脚印，未来说不定会是一个很渺小，在自己的岗位上默默 coding 的人，发现了和新世界交互的终局呢？我们每个人都有可能成为 AI 时代的哥伦布。而这个过程只有你不断和 AI 交互我们才能越来越清楚的。如果我们放弃了离开了这条线，就再也没有机会去发现了。甚至如果千千万万的工程师停滞自己放弃自己，那人类 AI Coding 质变的道路只会越来越长，大家在迷茫中探索的过程会越来越长。 02-工程师的方向 但我想说的不只是“软件工程师的方向”，而是“工程师的方向”。coding 正在变成像电力一样的东西。 电力刚出现的时候，"电力工程师"是最前沿的职业。后来电力变成了世界运行的底层基建，电力工程师这个头衔就不再性感了。但电力驱动出来的一千个新行业都依赖于电力的运作。而 AI coding 也是一样。它正在从一个专业技能，变成做任何事情的通用基础设施。 这意味着什么？意味着工程师能做的事变大了，不是变小了。 以前你只能在软件行业里写代码。现在你可以带着 AI coding 能力走进医疗、生物、材料、教育、法律——任何一个领域，用这个通用工具去解那个领域里从来没人用工程思维碰过的问题。事实上全球的工程师岗位机会是变多了的，因为每个行业都在发现：我需要一个"电力工程师"来搭建通往新世界的基座，每个流程都可以用 AI 重新做一遍。 回头看我们那个离职想去医学、生物学领域的同事，我现在不确定他是离开了牌桌，还是去了一张更大的牌桌。他带着优秀的工程能力和对 AI 的理解，走进了一个全新的疆域。也许他会在那里找到我们在软件行业里找不到的质变点。 所以"迷茫"这个感受是真的，但迷茫的根源可能不是"我没用了"，是我们还在用旧的尺度衡量自己——我写代码能不能比 AI 快？我的 review 还有没有价值？这些问题本身就问错了。该问的是：我能用这个工具去做什么以前做不了的事？ 我们不仅仅可以留在软件工程的牌桌上，而且还可以带着这个能力去更大的战场。AI coding 把工程师从"只能在软件行业写代码"这件事里释放出来了。我们面前的路不是更窄了，而是前所未有地宽。 03-新评估标准终将会到来 还有一层痛苦来自于：我们大部分人都是从高考走过来的，已经适应了在一个确定的评价体系下评估自己、评估别人。现在旧的考评标准失效了，新的还没出现。没有人告诉我们什么是对的了。你不知道自己做得好不好，不知道该往哪使劲，这种不可被评估的失重感比具体的技术挑战更让人难受。 这个新标准会从哪来？从我们自己的实践中来。企业在量变过程中跑出的现象、踩出的坑、发现的模式，最终会被提炼成新的分类和评估框架。但这件事的前提是有足够多的人还在跑、还在踩、还在发现。到那时候每个人都会更清楚自己该往哪走、该做什么。 我们所有工程师实际上是在一起探索 AI 时代下人类应该怎么和 AI 交互。这件事的战场不只在软件行业里，它在每一个领域。我们的迷茫一定是真的，但我们实际拥有的筹码比我们想象的值钱得多。 这篇文章送给 AI 时代下迷茫的所有工程师。执行壁垒归零并不是末日，电力出现的时候也没有人知道它会照亮整个世界。 祝福我们工程师能够找到那个质变的点是什么，也祝福我们那个想去 AI For Science 领域的同事！也许我们会在完全不同的地方，同时找到那个质变的点。到时候再碰一杯，说一声：很久不见！

这波ETH的上涨，更多的人都一路在尝试摸顶ETH来做空，没赚钱，这波ETH伴随叙事，是一个典型的结构性拉升，如果ETH故事结束，那么基本上也可以说牛市结束（BTC除外），所以你冲山寨，你等补涨，都不如追ETH，ETH调整，你赌补涨的垃圾，他能逆势起来概率有多大，就是讲过道理，不是怂恿任何人追涨；

最近质押 $Pharos 突然晚上TGE了，一开始真没太在意，就当普通高性能链的叙事去简单理理财，但看着看着发现这么多大所这么快开始宣发TGE有点不对劲。 很多链的问题都是：链有了，资产呢？Pharos是反过来的，先有资产。像GCL这种，直接把光伏、电力这些往链上搬，不是说以后，是已经在。RWA大家都在讲，但真给散户玩的少，能给机构用的其实不多，它这套更像是一开始就按这个来的。 还有个我今晚看开盘K线在想的点，很多人看到10亿估值第一反应是贵，我之前也是。但前阵子空过 SIREN（35亿干到80亿）、RAVE（40亿拉到280亿），被教育之后，现在基本不太敢单纯看估值去空了。 再看这次TGE，空投一共好像就1%左右，里面项目方占多少也不清楚，IDO也就100万美金额度，这种结构其实挺少见的。 再加上首发 @coinbase @krakenfx 这些大所，筹码又流通极少，说它一定多牛不好说，但这种盘子，我现在更多是，不太敢站对面空，反而有点忍不住想多进去。如果它只是公链，10亿差不多；但如果真往清算 / 支付 / 资产流转走，像 Marqeta、 这种做资金流基础设施的，体量基本都是百亿美金附近。 我现在的想法很简单，空投少和市值不高的情况我就加仓，尽快上车坐稳看看能不能像XPL当时一样上线一直冲高。K线形态剑指 $1.911

为了说明，哪怕偶尔针对 “对自己太难的行情时间、周期级别” “休息不做交易”，甚至只是“减少交易头寸”， 能够给最终结果带来多大的冲击性影响， 我做了一个控制变量的表格模拟，对比4组交易， 结果差距可能远超大部分人的想象（如图）： 初始基础，基于 A组： 初始资金10万，经过T1~T10的10次交易， 每次赚就30%~40%，每次亏就20%~30%， 算是盈亏比不差了，10次下来合计盈亏+40%， 但结果却从10万亏成了9.45万。 B组： T3，第3波交易从+40%变+50%，多赚10%， T4，第4波交易从-30%变-40%，多亏10%， （大致一样的输赢，但增加冒险程度） 合计盈亏还是+40%不变， 但结果比A组亏得更多了， 10万亏成了8.68万。 C组： T3，从+40%变+30%，少赚10%， T4，从-30%变-20%，少亏10%， （大致一样的输赢，但减少冒险程度） 合计盈亏还是+40%不变， 但结果反转，赚钱了， 10万微赚300多，比A组的最终余额多了6%，多了5700元。 D组： T4，从-30%变-0%，第4波交易放弃不做，少亏30%， 合计盈亏从+40%变为+70%， 结果倒反天罡，大赚3.5万，赚了35% 10万变成最终余额13.5万， 更是比A组的9.45万多了43% 这实际结果上的差距， 显著超过表面上合计盈亏+40%变+70%的差距， 更别提，从A组到C组， 仅仅是把10波交易里的2波有赚有亏的交易， 对等地减少冒险程度， 其实就已经是 从“稳定持续亏钱”到“稳定持续赚钱”的天差地别， 而这只是10波的对比，如果20波、50波、100波后， 区别更可能是进一步放大。 比较结果是否超过你的预期？ 有没有感受到，跳过一波对自己难度太大的交易， 对自己的最终结果能有多大的影响？ 另一方面， 这个“适合自己的交易难度平衡点” 需要在在不同的周期春夏秋冬里 不断迭代中去摸索寻找， 对每个人来说是不一样的， 甚至对不同时期的自己也是不一样的， 这也是为什么，很多人经过多年交易，总结交易道路上 “认识自己太重要了，不是一句大道理而已。” 这不是抽象哲学，这就是很实实在在的东西，没经历过不会懂而已。

香港盛会如火如荼，可 KelpDAO 该怎么收场，果然人类的悲喜并不相通 世界反差还挺大的，一边是香港 Web3 盛会如火如荼，各路大佬觥筹交错谈笑风生，另一边 KelpDAO 3 亿美金被黑客洗劫，Aave 用户瑟瑟发抖等着分摊损失。 人类的悲喜并不相通，我只觉得他们吵闹。 🎭 这次攻击有多荒诞？ 19 号，Kelp DAO 被黑了，2.93 亿美元没了。 但最荒诞的不是金额大，而是：代码没毛病，协议没漏洞，黑客就是硬生生把钱搞走了。 怎么做到的？ 黑客伪造了一条跨链消息，像变魔术一样凭空造出了 11.6 万枚 rsETH，然后拿着这些"假币"冲进 Aave 当抵押品，借出 2.36 亿美元的真金白银 WETH，转身就跑。 就像拿着假钞去银行抵押，银行还真给你放了贷款。 等 Aave 反应过来，手里剩下一堆脱锚的 rsETH 烂账，清算都清算不了。 保险库只有 5000 万美元，剩下的 1.5 亿美元缺口，只能让那些存 WETH 想赚点利息的普通用户来分摊 😭 🧩 DefiLlama 创始人 0xngmi 推演了三种收场路径，个个扎心： 🧩1→ 大家一起亏 所有 rsETH 持有人按比例扣 18.5%。 最"公平"，但也最痛。你只是想存个币赚点利息，结果莫名其妙被扣了快 20%，换谁谁不崩溃？ 🧩2→ 保主网，弃 L2 KelpDAO 只保主网 rsETH，L2 上的直接归零。 Aave L2 有 3.59 亿美元 rsETH 抵押品，算上杠杆能产生 3.41 亿美元坏账。Aave 大概率会放弃 Arbitrum、Mantle 和 Base 这些损失最大的链，让这些 L2 市场直接崩盘。 简单来说：主网用户保住了，L2 用户全归零。 🧩3→ 按快照返还，听起来很美但根本做不到 只赔攻击前的持有人，攻击后买入的自己认倒霉。 但问题是：钱早就在池子里流来流去了，DeFi 协议根本分不清谁是谁的钱。技术上几乎不可能实现，而且容易引发法律纠纷和社区撕逼。 黑客借走了 1.24 亿美元（主网）+ 1800 万美元（Arbitrum），扣掉保险还剩 9100 万美元损失。理论上影响最小，但实际上根本做不到。 🌊 连锁效应才刚刚开始 事件影响有多大？现在还只是冰山一角。 今天，在 KelpDAO rsETH 黑客事件发生后，全链 DeFi 生态的连锁效应开始显现，Solana 生态多个借贷协议的稳定币借贷利率与利用率出现上涨。 市场的恐慌情绪正在蔓延，流动性开始紧张，更多的多米诺骨牌可能还在后面。 这不是一个项目的问题，这是整个 DeFi 生态的系统性风险。 💔 加密货币一直是黑客重灾区，但不能总让散户来承担损失吧？ 安全风险一直存在，这是加密世界的常态。 但问题是：项目方和协议赚手续费的时候风生水起，出事了就让用户当"最后一道防线"，这逻辑说不过去。 你只是想存个币赚点利息，结果莫名其妙被扣了 18.5%，或者直接归零。 你说这是 DeFi 的风险，我认了。 但你不能一边享受 DeFi 的红利，一边让用户承担所有风险。 香港盛会上谈的是"Web3 的未来"，但 KelpDAO 的用户面对的是"当下的损失"。 人类的悲喜并不相通，但希望下一次，不要再让散户来买单。 时刻在场，但也得时刻提防。 ⚠️ @KelpDAO @aave @0xngmi