2023 年，Meta 首席 AI 科學家楊立昆給當時的 LLM 熱潮潑了一盆冷水。 他指出 LLM 有根本性的缺陷：沒有持久記憶、無法從單一經驗學習、缺乏對物理世界的理解。本質上，它只是在做「下一個 token 的預測」。 從學術的角度看，他說得完全正確。 直到今天，LLM 的底層架構依然沒有變。它依然是一具每次啟動都空空如也的統計引擎。 但在三年的工程演進後，我們發現了一個讓科學家尷尬的事實：學術上的根本缺陷，工程上不一定要正面解決，繞過去一樣能起飛。 楊立昆主張要走「世界模型」的路線，讓 AI 像人一樣建立對物理規律的理解。他認為 Scaling Law（規模定律）有天花板，LLM 光靠堆算力不能產生真正的智慧。 但工程界用兩件事回應了他： 第一，資本的暴力美學。過去三年，人類往算力砸錢的瘋狂程度，讓模型規模產生的「湧現」直接蓋過了架構的粗糙。 第二，系統性的外掛補丁。模型記不住？掛上向量資料庫。模型理解不夠？接上 Vision 和工具。 這就是工程學最迷人的地方：解決問題不需要追求「本質的優雅」。 楊立昆在研究神經元的排列，而工程師在研究如何把這個「不完美的大腦」裝進一個強大的「機械外骨骼」裡。 楊立昆對 LLM 的核心批評，是他認為 Pattern Matching（模式匹配）不算真正的學習。 但如果這種模式匹配的複雜度足以模擬出文明的所有邏輯，那「學習本身到底是什麼模式」還重要嗎？ 飛機與鳥的飛行原理完全不同。飛機沒有羽毛、不會拍翅膀，但在它飛得更高、更遠、更穩定的那一刻，它到底「算不算在飛」已經不重要了。 但繞過去的，跟真的解決，是兩回事。 只要底層架構沒變，楊立昆講的那些缺陷就真實存在。記憶是外掛的，不是原生的。就像義肢，裝上去能走能跑，但它跟真正的腿就是不一樣。你不能假裝它不存在。 所以雖然 AI 已經很強了，推理、寫作、寫程式，很多事做得比大部分人好，但它每次都是一個全新的大腦。沒有連續的意識，沒有累積的經驗。它所有的「記憶」、「理解」、「偏好」，全部來自你這次塞給它的上下文。 如果你去看 OpenClaw 最近的 repo 更新，你會發現記憶管理佔了很大的篇幅。怎麼讓 AI 在對話之間記住該記住的東西。 他們最近推的 QMD，把關鍵字搜尋跟語意搜尋混在一起用，就是為了解決一個問題：你三天前跟 AI 聊過的東西，它下次怎麼找得回來。 模型本身的能力會繼續進步，但只要底層是 LLM，記憶管理就是一個繞不開的大山。 用工程的角度來說，就是 Context Engineering 的重要程度，會逐漸超過模型本身。 你怎麼管理每次丟給模型的那包上下文，決定了 AI 能幫你做到什麼程度。哪些資訊該放、哪些不該放。什麼時候該砍掉重來、什麼時候該接著繼續。不同對話之間的記憶怎麼同步、怎麼取捨。 我自己每天都在處理這個問題。 舉個例子，我的 OpenClaw Agent KAI，它常常在多個頻道處理不同任務，但它們的記憶不是即時同步的。只要 還沒更新，它們就不知道彼此剛做了什麼。 所以我常常要幫它做認知同步。譬如告訴 A 分身，B 分身目前正在做什麼，然後要求 B 把做的東西整理好傳過去。或者更簡單一點，直接叫 A 去讀另一個 Discord 頻道最近兩小時的對話，讓它自己同步 B 的工作內容。 這種「認知斷裂」的現象，只要你常用 AI，一定會有很強烈的感覺。 從人格化的角度看，你會覺得它們是同一個人。但事實上，它們只是共享同一份記憶。只要記憶沒有同步，它們就是不同的人。 我現在花比較多時間在學這一塊。譬如今天 KAI 就教了我，如果讓 Claude Code 的 Opus 4.6 從外部調用 GPT 5.3-Codex，用 MCP 跟 coding-agent skill 的差異是什麼。 KAI 告訴我，差異的核心在於：中間過程要不要進主 context。 用 MCP 調用 Codex，每一個 tool call 都走 MCP 協議。Codex 過程中的每一個 turn，讀檔、改檔、跑測試、報錯、retry，全部以 tool result 的形式灌回 Opus 的 context。一個 coding task 可能產生幾十個 turn，跑完之後 Opus 的 context window 已經被中間過程塞滿了，後面每一 turn 都要重送這些垃圾。這就是 context 污染。 而 coding-agent skill 的設計完全不同。它把整個 coding task 交給一個獨立的 sub-agent，這個 sub-agent 在自己的 context 裡完成所有中間過程。跑完之後，回傳給 Opus 的是一個精簡的 handoff summary：改了哪些檔案、測試跑過了沒、有沒有殘留問題。中間那幾十個 turn 的掙扎，Opus 完全不需要知道。 同樣一件事，兩種做法，Opus 的 context 乾淨程度天差地遠。 所以同一個模型，不同的人用，產出可以差十倍。 人與人之間原本的能力差距，已經沒那麼重要了。你的學歷、你的年資、你寫程式的底子，這些東西的權重正在被 AI 快速壓縮。 取而代之的，是你怎麼使用 AI。這件事的精度，才是現在真正決定產出的變數。 你理不理解它的記憶是怎麼運作的。你知不知道什麼時候該砍掉 context 重來、什麼時候該讓它接著跑。你能不能在對的時間，把對的資訊塞進那個 context window。 這些東西有一個名字，叫 Context Engineering。 它不是什麼高深的學問，但它是所有想把 AI 用好的人，都應該深入研究的東西。

⚡️ @Alvin0617 對話 168X：Crypto 還有希望嗎？下一輪 Alpha 藏在 AI、美股還是鏈上？ Alvin 是台灣最具代表性的 Crypto 投研內容創作者之一，2017 年進入幣圈、2021 年創立每日幣研 @CryptoWesearch 。這幾年他持續追蹤 DeFi、穩定幣、RWA、預測市場，也把研究視角一路延伸到 AI 供應鏈、記憶體、美股與台股。 現在的 Crypto 熊市只是週期低谷，還是產業結構真的變了？下一輪牛市要看什麼信號？當流動性被 AI 和美股吸走，Crypto 要靠什麼重新拿回注意力？ 我們也會聊 2026 年幣圈人該怎麼留在牌桌上，Alvin 近期關注的 AI 供應鏈與 AI Agent 機會，以及幣圈人轉向 AI 和股票市場時，究竟有哪些被低估的優勢。 主持：@vcmktasa @168MrZ 嘉賓：@Alvin0617 直播時間：6/29 3 PM（東八區） X Space 連結：

思考賺錢股票的賣出時點，那是個很頭痛的事，但有一派投資人，專門買「只要做一次決定」的股票，他們從來不傷腦筋什麼時候賣股票，因為這個只要做一次的決定，就是買與不買，買了就天長地久的抱著。光看這個描述，你大概就要笑出來了吧，「傻子」，但你知道賈伯斯回宮蘋果，那已經是將近三十年前的事，對投資人來說，如果那時就抱著蘋果股票一直到現在，那和天長地久也沒什麼兩樣，而微軟上市是四十年前的事了。不用我算給你聽，你也知道，如果投資組合裡有微軟和蘋果這兩個one-decision stocks，不用四十年，你能抱個二十年，你就已經是萬中選一的投資高手。 所以我說「作手回憶錄」是經典，但真正要在股海幸福快樂，得學巴菲特。就像如果有人要品評歷史人物，許多人講三國，三國人物又多又各有千秋，講評下來多過癮，但我要告訴你，這些三國的人物，沒有一個比得上非常無聊的孔老夫子，因為非常無聊的孔子，才是真正千年不衰的歷史重要人物，諸葛亮、曹操算個屁。同理，Jesse Livermore永遠沒辦法比得上巴菲特。巴菲特的投資哲學非常複雜，但有一點讀者要認清楚，巴菲特不是價值型投資人，所以不要把話放在我的嘴巴，說我要人家不要買狂飆股，而是要買價值型股票。No, no, no，價值型投資人可能比「作手回憶錄」的Jesse Livermore還要來得更不快樂，因為他們多數的時候，都是錯的，都在對抗全世界，都在孤芳自賞，所以非常不快樂。 只買「只要做一次決定」股票有很多的好處，第一，因為一戰定江山，所以下注前就要思考很久，對產品和市場，還有經理人有十足的了解，只要懂，就會有信念，就會風雨不驚。第二，不能多，也無法多。一方面這種天長地久股票本身就已經很少，另一方面，少少的選擇，才有辦法不過份分散，才能賺到大錢。第三，只買不賣的話，就不會受到短期的股市榮枯影響，心情穩定，財富逐漸累積，而不是暴起暴落，心裡才能快樂。第四，只買不賣，沒有資本利得稅的問題。第五，只買不賣，不用擔心賣股後要換什麼股票。 好處多多，但這種「只要做一次決定」的投資哲學，不適合每一個人，尤其是喜歡刺激的人，這麼無聊的遊戲，玩不下去。但朋友呀，要刺激，人生還怕找不著管道嗎？為什麼要和錢開玩笑呢？

閒聊 Intel EMIB-T 封裝的 2H27 新款 Google TPU（Humufish）。以下根據我的產業調查： 【EMIB-T 90% 良率，該怎麼看？】 1. 基於 Intel 已經有穩定生產 EMIB 的經驗，開發中的 EMIB-T 技術驗證良率達到 90%，是很正向但也合理的訊號。 2. Intel 把 FCBGA 設定為 EMIB 生產（組裝）良率的比較標竿。目前業界 FCBGA 的生產良率約在 98% 以上。 3. 從良率角度，90%→98% 難度高於從開案 → 90%。此外，技術驗證良率與成品生產良率也是兩回事（特別是 Humufish 仍有規格未定案）。所以我雖正向看待 Intel 先進封裝長期發展，但中短期內仍會謹慎關注 Intel 如何面對這些挑戰。 【從 90% 到 98%，表面上才差個幾%，Google 會在意嗎？當然會】 1. Google 近期詢問過台積電，自行投片 Humufish 的 main compute die（由 Google 自行設計），與讓聯發科代為投片相較，成本可節省多少。 2. Google 與聯發科的合作一開始（8t）就是採 semi-COT 模式。聯發科的 mark-up 主要來自自行設計部分，所以 Google 是否親自投片 main compute die，不是聯發科獲利成長趨勢的觀察重點。 3. 但從 Google 連投片相關的 pass-through mark-up 都想看看能不能省，代表 Google 的成本控管態度，已從過去的好好先生，變成錙銖必較的精算者，原因在於要跟 Nvidia 直接競爭，所以具備成本優勢的 Google 當然會在意 EMIB-T 生產良率。順帶一提，台積電對 2026 年 5.5-reticle CoWoS 的生產良率目標，也是 98% 起跳。 【台積電的立場】 1. 我的理解是，台積電仍在評估 2H27 要分配多少先進製程產能給 Humufish，原因在於：(1) 仍想爭取後段封裝訂單（但目前看很難，這是 Google 有意為之的策略）、與 (2) 尚在評估後段 EMIB-T 實際產出，避免稀缺的先進製程資源被錯置。 2. 影響 Humufish 後段有效產出的關鍵，包括 EMIB-T 與載板，要追蹤這件事必須兩個一起看。 3. 在 Humufish semi-COT 方面，台積電也是傾向讓聯發科投片main compute die，除了兩家公司關係好外，關鍵是聯發科是台積電第三大先進製程客戶（2025年），若 TPU 訂單有變化，以聯發科的規模，較容易協助台積電做投片組合調整，扮演一個稱職的緩衝角色。

[长文] 聊下目前 Memecoin 打法 及 链上整体思路 & 存活指南 | 以Sol Bsc Robinhood 罗宾汉链为例 首先不要相信任何的alpha，包括我在内。永远保持怀疑，相信自己才是最大的alpha，保持更多的资金试错，活着。 无论是喊单也好、写推文也好、本身都是筛选流动性和受众，以及为自己对应Bags服务的，听听就好，别把自己骗进去了，博主前些年就是信了太多这种“信仰”导致很多赚到的都亏回去了，当然成也是因为这种心态... 很多时候遇到良心的项目真的就会吃一波大的 至于喊单人本身的交易能力和对市场的敏感度，这两点我认为是不能画等号的，可能这个人就是对热点把控能力很强，但交易纪律很差。 在这个市场环境，一定要明确你的定位，看你赚谁的钱，看你想成为哪一环，千万别想着一次吃个大的！ 1. 有组局能力强的去发token（我没这个能力我不参与，另外我怕未来拉清单，我没这个必要） 2. 有喊单能力的自己去买bag割跟单（当然看为人了，和链文化也有关，就比如sol的跟单就比bsc的跟单口碑好太多） 3. 善用debot ( 或gmgn ( 这种AI扫链平台，自己去扫链、去找信号（或跟单链上聪明钱）去搭建自己的信息流和alpha 你们要想清楚要赚谁的钱 [引用@0xmagnolia]： 1. 10k～500k赚的是各个群，社区互相传播接盘，小车头跟单的钱。 2. 500k～3m 赚的是某几个kol互相传播，车头fomo跟单的钱。 3. 3m～10m 是各大kol集合推送，小游资短暂拉升的钱。 4. 10m～50m是名人强背书，kol集体强力推送，官方机构背书，这时赚信息传播链时效性的钱。 5. 50m～300m，成型的社区，短时期的强共识，不断拉升的fomo情绪，已有大做市商下场操盘。你要赚上交易所等重大利好落地前的钱。 6. 300m～2b，你要赚二级市场以及圈外人的钱。 7. 2b～10b，这已经是各大机构做市商互相接盘的区域了，这时就看你眼界高低了。 说白了能成规模的金狗各方势力缺一不可，只是高度问题，你想抓到百倍的，你玩10k到1m也没问题，就是赚多赚少的问题。每个人有每个人的玩法。但你要清楚你买的这个币，到底可以赚到谁的钱，有时候不要过度幻想。 那现在罗宾汉链怎么做？ 1. 最稳的还是跟之前bsc four和sol pump那几波火类似的逻辑，真的要看这波行情，直接去多eth、sol、bnb（同理）但目前我更倾向于是熊市，版块轮动... 2. 其次就是大资金追龙一龙二龙三，比如现在的cashcat, 530a, $1... 等，当然风险在于，类似于之前的cz, heyi, ansem一样，有可能会回调 查看cashcat的图表信息： 查看530a的图表信息： 3. 借助扫链tool搭建自己信息流，debot ( 或gmgn ( 这种AI扫链平台，自己去扫链、去跟AI信号（跟单链上聪明钱）去搭建自己的信息流和alpha... 我现在要玩罗宾汉链改怎么操作？ 最简单的就是bn或者okx c2c以后，直接通过debot ( 或gmgn ( 这种链上工具提到eth或bsc链，然后用app或者网页跨链到罗宾汉链即可

宝子们我最近刷到好多聊AI算力扩容的帖子，不过内容都在卷怎么提效、怎么堆规模，很少有人往更远的地方想——等量子计算真的普及，我们现在这套加密体系的安全根基还稳吗？@quipnetwork 这也是我这段时间一直在挖Quip Network的原因。 它核心是做去中心化算力网络，把大家手里闲置的CPU、GPU资源收拢起来用，不让硬件白白空耗。 跟很多靠任务积分堆日活的项目不一样，它用的是有用工作量证明，算力跑的都是真实的运算需求，不是无意义的耗能，每一份节点贡献都有实际价值。 最有前瞻性的地方，是它早早就布局了后量子安全。 很多人觉得量子威胁还远，但真等风险找上门再补救就晚了。 Quip现在就能给现有各条链的钱包、资产加上一层量子防护，不用换地址不用迁移，直接在原有资产上叠加防御层，这个思路是真的往长期看。 还有个容易被忽略的优势，是它的开放生态。 没搞封闭的自家圈子，而是让开发者、研究者、节点运营者都能参与进来协作。 新技术本来就是开放试错推进得更快，大家贡献的是算力和知识，不只是往里砸钱，这种协作结构反而容易形成长期竞争力。 说到底，现在中心化的算力孤岛，早晚满足不了未来对安全和扩展性的要求。 Quip做的不是蹭这一轮行情的生意，是在搭建更自主、更有韧性的底层数字基础设施。

聊一下Intel的EMIB-T，这个技术可能在未来两年改变先进封装的竞争格局。 先说背景。AI加速器的封装面积越来越大，一颗芯片装不下的计算和内存，需要把多颗die封装在一起协同工作。当封装面积超过单次光刻曝光的极限，就需要用”局部硅桥”来连接相邻的die。这个思路，TSMC和Intel各自走出了不同的实现路径。 TSMC的CoWoS-L，L代表LSI（Local Silicon Interconnect），用局部硅桥做相邻die之间的高密度互连，全局布线靠InFO RDL扇出层完成，整个工艺在圆形晶圆载板上加工。Intel的EMIB，同样是局部硅桥，但嵌入的是矩形有机基板，全局布线靠基板上的金属层完成。两者底层思路相近，但制造平台和全局布线的密度存在本质差异。 早期EMIB有一个结构性短板。硅桥里没有垂直通孔，电源从基板底部送不穿桥，只能绕路。偏偏最需要电的PHY电路就坐在桥的正上方（信号线越短越好，所以PHY放在die最边缘），电源反而要从die中心横向传过来。路径长，压降大，瞬态响应差。HBM3e时代还能应对，到HBM4接口宽度翻倍、pin速率推到6.4Gbps以上，这条供电路径就成了瓶颈。 EMIB-T就是解这个问题的。T代表TSV，在桥里打铜通孔，电源从基板直接垂直穿过桥送到上面的PHY。同时桥里集成MIM电容和接地铜网格，就地稳压滤噪。供电路径从横向绕行变成垂直直连。 这个改动释放了两层约束。第一层是供电能力，可以支撑HBM4/4e级别的功耗需求。第二层是封装面积上限，Intel目标是2026年做到120×120mm封装、集成8倍光罩面积的硅，2028年推进到120×180mm、超过12倍光罩。 跟CoWoS-L的竞争，核心差异在制造平台。CoWoS-L在圆形晶圆载板上完成全部工艺，面积越大，晶圆边缘的浪费越大，RDL层的均匀性和翘曲控制难度也非线性上升。EMIB-T在矩形有机基板上多放桥，每个桥的工艺独立重复，整体良率虽然也随桥数量指数衰减，但衰减速率稳定可控。封装越大，EMIB-T在成本上的优势越明显，良率的可控性也越高。反过来说，CoWoS-L的InFO RDL层提供了更高密度的全局布线和电源分配能力，加上NVIDIA等客户的设计生态已经深度适配CoWoS工艺，迁移成本极高，这是CoWoS短期内不可替代的护城河。 目前的状态是，标准EMIB量产良率90%，Intel表示已接近传统FCBGA封装水平。EMIB-T验证良率也到了90%，但这是小批量数据，量产目标98%。郭明錤的评价很准确，从90%到98%比从零到90%难得多。2026年EMIB-T进产线验证，2027年可能出现第一批产品（Jaguar Shores），Google TPU等外部客户也在评估EMIB-T方案，2028年才是真正的放量年。当然，Intel近几年的产品节奏有过多次延期，这个时间线能否如期兑现本身就是一个需要追踪的变量。 对TSMC的影响，我的判断是分流，不是替代。NVIDIA跟TSMC的全栈绑定短期内动不了，但Google、Meta这些做自研AI ASIC的客户，以及Apple等寻求封装供应链多元化的厂商，封装面积需求大、成本敏感、又有分散供应链的动力，EMIB-T给了它们一个真实可用的备选。Bernstein估算，EMIB平台封装每颗芯片成本在几百美元量级，而Rubin级别加速器上CoWoS-L封装成本约900到1000美元。即便只从边缘蚕食，打破CoWoS垄断定价权这件事本身，对整个产业链的影响也远超实际转移的份额。 SK hynix这两天也传出在跟Intel合作研发EMIB封装。HBM供应商主动拥抱EMIB生态，说明连它们自己都不想被CoWoS产能卡住出货节奏。 Intel的EMIB-T，正在把先进封装的竞争从”谁的技术更好”转向”谁能在超大面积上同时控住成本和良率”。从目前的市场叙事来看，EMIB-T的结构性优势应该还没被充分讨论。

随着分叉日期一天天临近，身边有朋友都开始关心 @BTCdrivechains。作为近年大饼首个分叉项目，同时作为备受瞩目的比特币扩展与生态实验，这次分叉不仅牵动着无数老兵的心，也迎来了新一轮的布局高潮。我想从自己的角度，把这个项目简单地聊一聊，包括想稳稳拿到空投该怎么做。 eCash 背后的核心人物是 Paul Sztorc（大家更熟悉他可能是@Truthcoin），LayerTwo Labs 的 CEO，也是 Drivechains概念的主要推动者。这些年他一直在比特币社区里反复提侧链方案，想让比特币在不改主链核心规则的前提下，支持更多功能。但提案在 Core 那边长期没有形成共识。26 年 4 月，他正式宣布直接硬分叉，做一个几乎完整复制比特币的新链，把 Drivechains 直接内置进去，名字就叫 eCash，代币是 ECX。分叉计划在 26 年 8 月 21 日左右启动。新链会尽量保持和 Bitcoin Core 接近，块大小甚至更克制，同时通过 CUSF 等方式为后续升级留空间。 比特币这些年最大的争论之一，就是“主链要不要加更多功能”。有人觉得主链应该保持简单、安全、不变；有人觉得如果一直不创新，很多真实需求就会流向别的链。eCash 的思路是：主链尽量不动，用 Drivechains 开出多条并行的“快车道”。目前团队表示已经在开发 7 条左右的侧链，方向包括： ·去中心化交易所 ·身份/声誉系统 ·类似 Zcash 的强隐私侧链 ·量子抗性相关尝试 ·其他应用型 Layer 2 这些侧链通过合并挖矿和比特币矿工共享算力，矿工不用额外耗电就能多拿一份收益。理论上，用户可以把资产在主链和侧链之间相对安全地转移，从而在保持比特币安全模型的同时，获得更高吞吐、隐私或可编程性。简单说，它试图给那些觉得“比特币主链太保守、扩展太慢”的人，提供一个可选的实验场。能不能真正跑起来、有没有人用，最终还是市场说了算。 硬分叉项目最头疼的问题之一就是上线前怎么养活开发团队、怎么吸引早期支持者。纯空投给所有 BTC 持有者，容易变成“僵尸项目”。没人有动力提前投入资源。eCash 的做法比较直接，也因此引来不少争议：计划把中本聪地址约 110 万枚休眠币中的一部分（大约 50 万左右）在新链上手动重新分配给早期投资者、开发者和合作伙伴。剩下的部分对应到原地址。Paul 自己也承认这会很有争议，但他觉得这是让项目在上线前就能获得真实资金和参与者的必要手段。批评者则认为这破坏了“地址余额不可被第三方改写”的象征意义。无论如何，这是目前公开的资金来源方式之一。 分叉时，会有一个快照。如果你当时持有 BTC，理论上会按 1:1 自动获得等额的 ECX。但有个关键细节： 如果你把 BTC 放在自托管钱包，或者直接使用 eCash 官方钱包，分叉后会自动收到对应的 ECX，基本不需要额外操作。 如果你把 BTC 放在交易所，能不能拿到，就完全取决于该交易所愿不愿意支持这次空投、愿不愿意帮用户做币权分离。有的交易所会支持，有的可能直接忽略，甚至可能因为合规或技术原因不处理。 所以，想尽量稳妥的朋友，建议在分叉前把 BTC 转到自己控制的钱包里。官方也提供了相关下载入口： 想了解更多官方信息，可以直接去官网看看： 最后说句实在的任何分叉和空投都有风险，包括技术实现、市场接受度、后续流动性等等。自己研究清楚、保管好私钥，安全永远是第一位的。以上只是我作为普通关注者的整理和分享，不构成任何投资建议。大家自己判断就好。

TROO 自低位聊后，到现在涨了不少。 今天认真做一次复盘，讲讲它为什么能走出这波，接下来还有哪些牌没打出来，以及这个阶段该用什么心态去看它。 我们当初看中它，看的是手里那五块牌。香港放贷、抵押贷款、地产租赁、在线金融市场，再叠一个 AI 加大数据加区块链的金融科技。彼此能咬合的一套组合拳。 第一，降息周期给主业送了顺风。放贷是 TROO 的基本盘，利率往下走，资金成本降低，息差和放贷空间同时改善。实打实作用在利润表上的东西。整个降息大周期没走完，这条顺风就还在吹。 第二，AI 叙事打开了估值天花板。市场这一年愿意给真正沾上 AI 的公司更高的估值，而 TROO 的金融科技板块讲的正是 AI 加大数据加区块链，把传统放贷生意和科技想象力接在了一起。这一块给了它区别于普通金融股的成长溢价。 第三，稀缺的盘面结构。它流通盘小，机构持股极低，一旦基本面改善叠加叙事升温，向上的弹性会非常可观。这也是为什么它能在一年里翻好几倍，走出大盘股给不了的斜率。 三条合在一起，降息给了里子，AI 给了面子，小盘结构给了弹性。里子、面子、弹性都占上了，才有这波行情。 再说它接下来还有哪些牌没打出来。这才是它值得继续跟踪的地方，因为故事还没讲完。 放贷这块，降息的方向对了，但真正的放贷规模扩张和利润释放才刚开始，后面的财报还有兑现空间。 地产租赁这块，香港地产如果延续企稳，它手里的物业租金和资产价值都有修复弹性，这是一张压在底下、还没完全翻开的牌。 AI 金融科技这块，是想象力最大的一块。如果它能把 AI 风控、大数据放贷这些能力真正做出产品、做出流水，估值逻辑会再上一个台阶。 在线金融市场这块，平台一旦跑通规模效应，就是从重资产放贷向轻资产平台的升级，故事的性质会变。 五块牌，目前打出来的主要还是降息加 AI 这两张，剩下的地产、平台、金融科技的深度兑现，都还在路上。这意味着如果执行到位，它的叙事还有延续性。 那这个阶段该怎么看它？ 逻辑没变，降息和 AI 两条主线都还在延续，所以它值得继续放在关注列表里。对它后续的财报和业务兑现，我个人是抱着偏乐观的预期在跟踪的。 但涨了五倍之后，参与的心态必须跟当初低位埋伏时不一样。当初是低位布局、等待发酵，现在是趋势中继、验证兑现。做好仓位管理的前提下，它依然是一只值得关注的、进攻性很强的小盘成长标的。 如果未来半年降息继续、五块牌里再兑现一两块，往上看还有空间，乐观一点看，不排除挑战更高的位置。 关键是，用它该有的方式去参与它，小仓位、控节奏、跟着兑现走，而不是重仓梭哈赌一把。 最后，小盘成长股的股价弹性是双向的，向上有想象空间，向下也可能快速回撤，务必做好仓位控制。 一句话，TROO 的逻辑我们看对过，方向我也依然偏乐观，但越是涨过一段之后，越要用纪律去参与。方向留给判断，节奏留给仓位。 不构成投资建议，DYOR。

现在AI agent经济挺火，大家都在聊agent怎么自己发现、沟通、自动支付这些事。 但我更关心的是，如果这些agent真要替人管钱，它到底该听谁的。 人信品牌、关系、承诺或者一个故事。机器不吃这一套，它只认规则能不能验证、条件能不能自动执行、钱最后能不能落到一个改不了的硬结算层上。 #Bitcoin# 在这块有优势，它够老、够硬、够稳，适合做最终结算。但原生脚本太受限，复杂资金逻辑比如时间延迟、多人审批、按条件花钱这些，很难直接在L1跑起来。 #OP_CAT# 重新被讨论，核心就是covenant——提前把未来怎么花钱的规则写死。时间锁、多步验证、条件触发这些功能，能让比特币从简单转账工具，变成支持可编程资金管理的系统。 @op_catlayer 做的execution layer，就是在把比特币的硬结算信任，扩展到更灵活的规则层。他们用OP_CAT VM、CAT20/CAT721这些，还有SPV proofs的bridge，把执行和结算连起来。他们主网已经上线，正在实际落地这些能力。 当然 @OPCATLayerCN 本身还没在比特币主网激活，目前这类执行层就是在提前实践。bridge的去信任化程度和什么时候能用上完整covenant模式，还得继续看进展。 agent经济未来可能聪明模型不缺，缺的是靠谱的钱包和永远不会改口的规则。要是AI agent真要帮你打理资产，你是更愿意交给银行后台那一套，还是相信链上写死的资金规则？ 你怎么看？欢迎说说。