【#台积电# 张晓强：2030年 #半导体# 市场突破1.5万亿美元】 在台积电于 2026 年举办的技术论坛上，台积电资深副总经理暨副共同运营长张晓强指出，在人工智能（#AI）与高效能运算（HPC）浪潮的强力推升下，预估到# 2030 年全球半导体市场规模将突破 1.5 万亿美元 。 这一数据大幅调升了过去业界普遍预测的 1 万亿美元，显示出 AI 正全面改写全球半导体产业的成长轨迹。 一. 2030 年半导体市场板块分布 张晓强指出，未来半导体市场的扩张核心动力来自 AI 引爆的庞大需求 [1]。2030 年的主要应用产值占比预测如下： 1. AI、服务器等高效能运算（HPC）：占比达 55%，是跨越半壁江山的最核心动能。 2. 智能手机：占比约 20%，仍维持第二大市场定位。 3. 汽车应用：占比约 10%，主要受智能车与电动车芯片需求驱动。 4. 物联网（IoT）与通讯等其他应用：合计占比约 15%。 二. 台积电布局与技术关键点 为应对 AI 与 HPC 市场的爆发性成长，台积电也正积极推进相关制程与封装技术： 1. 下波功能转换：AI 需求正从前期的“模型训练”扩展走向“终端推论”。 2. 先进制程推进：预计今年下半年市场即可见到采用台积电 2 纳米制程生产芯片的手机。 3. 封装与光电整合：除了大众熟知的 CoWoS 先进封装技术，下一个关键核心技术为 COUPE（紧凑型通用光子引擎），将成为提升芯片传输效能的关键。 4. 海外产能扩张：台积电在全球加速扩产，包含美国亚利桑那州厂、日本熊本一厂与二厂，积极满足各大产业对先进芯片的庞大胃口。

全球 AI 半导体（晶片）市场规模十年涨十倍 在 2026 年约为 1,217 亿至 1,250 亿美元，并预计在未来十年内快速成长至突破 3,000 亿至 9,300 亿美元，甚至在长期上看逾兆美元。 市场现况与规模2025至2026年： - 根据研调机构与产业数据，AI 晶片市场规模在 2025 年约为 940 亿至 954 亿美元，2026 年进一步扩张至约 1,217 亿至 1,250 亿美元。 整体半导体连动：在 AI 基础设施强劲需求的驱动下，2026 年整体全球半导体市场规模预估将大幅成长并突破 1.5 兆美元，其中 AI 相关的高效能运算（HPC）与资料中心晶片占据了核心地位。 未来成长与预测2030年预期： - 综合 Statista 等机构预测，AI 半导体市场规模在 2030 年将超越 3,000 亿美元，若计入整体 AI 基础建设与系统应用，产值与相关商机将更为庞大。 2035年远景：部分长期预测认为，随着边缘 AI（Edge AI）与专用积体电路（ASIC）普及，AI 晶片市场规模至 2035 年将上看 9,300 亿至 1.1 兆美元。 $SOXX

“AI引爆庞大需求，全球晶圆代工龙头台积电表示，2030年全球半导体市场预估将突破1.5兆美元，规模预计再成长近一倍，其中高效能运算（HPC）占比55% ....... 拉动主要靠 AI/HPC ，这也正是台积电先进制程（3nm/2nm）与 CoWoS 封装需求强劲的核心原因。" - TSMC/ 路透社 目前全球半导体市场规模约在 7,900-8,000 亿美元（2025 年全年），2026 年预计将接近或突破 1 兆美元。- 半导体行业协会（SIA） 2025 年实际/初步数据：约 $792 亿美元（+25.6% YoY），创历史新高，主要由 AI 驱动。-（SIA） 2026 年预测：多个机构预测 $9,750 亿 ~ $1.3 兆美元 不等（WSTS/Deloitte 接近 1T，部分乐观预测更高，受 AI 基础设施拉动）。 - 德勤 目前（2025-2026）HPC/AI 相关占比：已接近或超过 40-50% 的市场收入，特别是资料中心 AI 晶片（含 GPU、HBM 等），已成为主要成长引擎。 AI 晶片本身在 2026 年可能贡献近一半的总收入。 - 德勤 看这些数据，TSMC 的4年后的预测还是偏向保守。 $TSM

2026 年，很多岗位都在收缩。 但 AI 相关岗位，依然在高薪抢人。 如果你想用 3 个月冲一份 AI 岗 offer，建议先把这 8 个 YouTube 视频按顺序刷完。 内容比较硬。 总时长大约 10 小时。 先收藏，再系统看。 高效学习方法 这类视频很长，直接硬看很容易看完就忘。 可以用 GitMind 这类 YouTube 视频总结工具，先把视频内容结构化。 地址： 你可以先让 AI 提炼： • 核心知识点 • 视频大纲 • 面试重点 • 代码实战部分 • 复习脑图 这样不用一开始就从头硬啃， 先看结构，再补细节，效率会高很多。 1. AI 基础概念｜新手入门 Google AI Essentials 官方课程浓缩版。 17 分钟讲清楚 5 个核心 AI 概念。 适合完全没基础的人先建立框架。 看完之后，对 prompt、AI 工具使用和常见误区会更清楚。 视频： 2. MIT 公开课｜AI 入门 Rama Ramakrishnan 系统讲解 AI 与网络架构的演进。 适合想理解 AI 技术全貌的人。 不是碎片化知识， 而是从架构视角建立整体认知。 视频： 3. MIT 公开课｜进阶深度学习 Alexander Amini 的 MIT 深度学习课程。 接近 2 小时，从感知机、神经网络到正则化都有覆盖。 还结合 TensorFlow 代码实战。 适合准备 AI 面试、想补技术细节的人。 视频： 4. 数学基础｜线性代数入门 Microsoft AI 研究员讲解线性代数基础。 29 分钟覆盖： • 向量 • 矩阵 • 行列式 • 线性变换 • 神经网络中的矩阵运算 适合 AI 入门阶段补数学直觉。 视频： 5. 数学基础｜概率统计 Simplilearn 的概率统计完整课程。 约 1 小时 30 分钟。 内容覆盖： • 概率基础 • 分布 • 假设检验 • 统计推断 • Python 演示 • 数据科学应用 适合准备数据分析、机器学习、AI 岗的人。 视频： AI 岗不是只会用工具就够了。 真正能拿 offer 的人， 至少要补齐三层能力： 第一，AI 基础概念。 第二，数学和数据基础。 第三，项目实战和工程能力。 如果你现在从 0 开始， 不要到处乱学。 先用这套视频建立框架， 再做 2-3 个能展示出来的项目， 比只收藏一堆资料有用得多。

日本考察随记：AI革命中日本（之一） 走访日本，研究被动元件产业集群、深度分析村田、太阳诱电、TDK等头部企业后，最大的感受是：市场对本轮AI产业浪潮的认知，长期聚焦于GPU、HBM、光模块等高增长显性赛道，却严重低估了底层物理硬件的话语权博弈。很多人疑惑， AI革命由美国定义算法、 中国落地市场、 韩国主攻存储， 日本似乎缺席了前沿竞争， 但深入产业内核会发现，日本正牢牢卡住AI算力基础设施的“隐形咽喉”——高端MLCC。这也是我判断， 日本在本轮AI革命中依旧具备不可替代核心地位的关键原因。 过去很长一段时间，市场对MLCC的认知极其简单固化，将其归为手机、PC、消费电子的周期附属品，是跟随终端出货量波动的普通被动元件。终端景气则行业回暖，终端低迷则行业承压，这种消费电子周期逻辑，主导了市场对MLCC行业数十年的定价与认知。但AI服务器时代的到来，彻底颠覆了这一传统逻辑，而掌握高端MLCC核心技术与产能的日本企业，顺势站上了AI产业链的核心价值位。 AI产业的核心竞争，早已不局限于大模型、算力芯片、高速存储与光互联，真正制约高端算力稳定高效运行的，是一套极易被忽略的底层体系——服务器供电网络（PDN）。当下AI算力集群的核心痛点，早已不是单纯的算力密度不足，而是超高功耗场景下的供电稳定性问题。单颗AI芯片功耗突破1000W，核心工作电压不足1V，这意味着芯片周边需要承载数百至上千安培的瞬时突变电流，且算力负载会随计算任务启停极速跳变。 这种极端工况下，一旦供电网络响应速度不足，就会出现电压下陷（voltage droop），直接导致芯片降频、运算出错，甚至服务器宕机，彻底摧毁算力集群的稳定性。而高端MLCC的核心价值，就是作为芯片近端的局部电荷缓冲池，压低PDN阻抗，抑制高频噪声与电压波动，为GPU、ASIC等核心算力芯片筑牢供电安全底线。简单来说，没有高端MLCC的稳定加持，再顶级的GPU、HBM、光模块都无法发挥完整算力。 当前全球数据中心供电架构正迎来颠覆性迭代，进一步放大了高端MLCC的刚需属性。传统服务器通用的12V供电架构，早已无法适配AI机架的暴涨功耗，行业正全面向48V/54V架构升级，同时Google、Meta、微软主导OCP Diablo 400标准，英伟达主推800VDC AI工厂供电架构，高压直流供电成为行业确定性趋势。 这里存在一个关键的产业认知误区：高压供电仅解决远距离传输效率问题，无论远端电压提升至48V、400VDC还是800VDC，电流最终输送至AI芯片核心时，都必须降压至1V以内。远端高压、近端低压的架构特性，叠加超大瞬态电流、高频负载跳变的工况，让芯片近端的去耦、稳压、降噪需求达到前所未有的高度，而这一刚需，精准对应日系企业垄断的高端MLCC赛道。 本轮产业变革的核心特征，是MLCC需求的结构性分化，而非全行业周期复苏，这也是日本产业话语权持续强化的核心逻辑。当前全球MLCC市场呈现极致的冰火两重天：手机、PC等传统消费电子需求疲软，普通标准规格MLCC产能充足、竞争激烈、价格承压，不存在短缺行情；但适配AI服务器的高端专用MLCC，陷入持续性、刚性结构性短缺，供需缺口持续扩大。 之所以形成这种结构性差异，核心在于AI场景所需的MLCC，早已脱离普通消费级规格范畴，具备极高的技术、工艺、认证壁垒。AI服务器核心工况，要求MLCC必须同时满足小尺寸、高容量、低ESL（等效串联电感）、低高度、高耐压、耐高温、高可靠的严苛标准，且可适配die-side、land-side贴近芯片部署，参与嵌入式PDN设计。 其中低ESL性能是核心壁垒，也是日韩与国产厂商的核心差距。高频算力场景下，ESL参数直接决定电容的去耦能力，ESL过高会让电容在高频环境下失效，彻底丧失稳压降噪作用。村田、太阳诱电、TDK等日系龙头，凭借长期积累的材料、叠层、共烧工艺优势，实现了单层0.5μm介质薄膜、超1600层叠层的量产能力，对位精度可达±0.3μm，远超行业平均水平，可完美适配AI芯片的高频、大电流工况，这是普通MLCC产线无法复刻的核心优势。 更深层次来看，本轮高端MLCC短缺并非短期库存周期波动，而是技术、产能、认证三重壁垒构筑的长期供需错配，而这三重壁垒，基本由日本企业主导把控。 第一，需求端的增量逻辑彻底重构。本轮MLCC需求增长，并非来自服务器出货量的线性提升，而是单台AI服务器、单颗GPU、单个电源模块的MLCC用量与规格全面升级。算力功耗越高、架构越先进，近端高端MLCC的搭载数量与精度要求就越高，需求呈指数级增长。 第二，供给端产能无法快速释放。高端AI服务器MLCC无法通过普通产线简单改造量产，其小型化、高容量、低ESL、高耐压、高温可靠性的特性，涉及特种陶瓷粉体、电极浆料、精密叠层、低温共烧、高频测试等全套核心技术，量产良率把控难度极大。同时高端MLCC扩产周期长达18-24个月，核心生产设备交期1-2年，短期产能无法快速爬坡。且日系龙头经历多轮行业周期波动后，早已摒弃低端产能扩张策略，村田、太阳诱电、TDK持续收缩消费级标准品产能，将有限产能优先倾斜AI服务器、车载等高利润高端赛道，三星电机更是计划减产30%-35%标准品MLCC，进一步压缩低端供给、聚焦高端市场。目前村田在全球AI高端MLCC市场份额高达70%，形成近乎垄断的格局。 第三，客户认证壁垒构筑长期护城河。进入AI服务器核心供电网络的MLCC，并非简单的元器件采购替换，需要与主板设计、芯片封装、电源模块、散热系统、PDN仿真模型深度绑定验证，认证周期漫长、准入门槛极高。一旦通过头部算力厂商认证，即可形成长期稳定的独家或优先供货资格，新进入者难以快速替代。 行业普遍关注的硅电容替代逻辑，进一步印证了日系高端MLCC的不可替代性，二者并非替代关系，而是场景分工、协同赋能。硅电容优势集中在die-side极近区域，可适配超高频瞬态电流处理，但板级电路、电源模块、48V高低压接口、land-side中高频去耦等核心场景，仍然需要大量高端MLCC支撑。硅电容的技术迭代，本质是行业对芯片电源完整性的极致追求，进一步放大了高端电容的价值，而非颠覆MLCC的产业地位。 纵观整条AI产业链，利润与价值正在从前端算力、光互联，持续向底层物理硬件渗透。GPU、HBM解决算力输出与数据存储问题，而高端MLCC解决算力稳定运行的底层保障问题。随着AI机架功耗持续攀升，48V/54V仅为过渡架构，400VDC/800VDC高压架构将成为未来主流，但无论远端供电架构如何迭代，芯片核心低压、大电流、高瞬态、高热密度的核心工况不会改变，高端MLCC的刚需地位将长期稳固。 本次日本产业考察的核心感悟：AI革命的竞争，从来不是单一技术的竞争，而是全产业链底层能力的比拼。 美国掌控AI算法与算力芯片话语权，韩国主导高端存储，而日本凭借数十年的材料与工艺积累，垄断了AI算力稳定运行的核心底层元件——高端MLCC。 当下的MLCC，早已跳出消费电子的周期桎梏，正式成为AI基础设施供电网络的核心核心。低端MLCC周期疲软、高端MLCC持续紧缺的结构性行情，不会是短期现象。在AI算力持续升级、供电架构持续迭代的背景下，日本企业凭借高端MLCC构筑的产业壁垒，将成为其在全球AI革命中最核心、最隐形的竞争力，这也是解读本轮AI产业格局，必须看懂的日本价值。

生成式AI往代理式AI迁移中，新的卡脖子环节又出现了，这次是CPU。之前市场关于算力紧缺的讨论都在GPU、HBM、光模块、电力等环节，其实对于CPU的关注比较少。其实Cpu的紧缺传了一段时间了，看最近英特尔、AMD走势最核心驱动力就是来自cpu开始出现紧缺了，甚至连过往不怎么受待见的港股联想集团，最近两周走的也很强。 1、为什agentic ai时代CPU占比会扩大？ 传统AI（主要是大模型训练/推理）高度依赖GPU，因为Transformer的核心是并行矩阵运算，GPU擅长高吞吐的并行计算。这时CPU主要只负责“辅助”：数据路由、内存压缩、GPU调度等，导致数据中心CPU:GPU比例很低（典型1:4~1:8，甚至1颗CPU管8颗GPU）。CPU利用率低，基本是配角。 Agentic AI完全不同，它不是单次“问答”，而是自主多步循环（Planning → Tool Use → Act → Observe → Reflect → Iterate），涉及： 1）编排：调度子任务、多智能体协作、分支逻辑、重试机制。 2）工具调用：网页搜索、API调用、代码执行、数据库查询、向量检索（RAG）、文件处理等。 3）其他CPU密集任务：上下文管理、KV Cache处理、强化学习（RL）仿真评估、数据预/后处理。 这些任务高度串行、I/O密集、逻辑分支多，GPU并不擅长（甚至会闲置）。研究显示：工具处理阶段在CPU上可占总延迟的50%~90.6%（GPU在等待CPU）。Agentic工作流中CPU动态能耗占比可达44%，比传统AI高3~4倍。 简单说，Agentic AI把“思考”交给GPU，但把“做事/协调”交给CPU。CPU从“管家”变成了“总指挥”，必须大幅增加才能让整个系统高效运转。这就是CPU占比扩大的核心驱动（Intel、AMD、Arm、TrendForce等一致观点）。 2、CPU成为新紧缺环节的现实证据 今年Q1 Intel/AMD服务器CPU交期已经拉到6-12周，部分型号基本售罄，价格也提了10%以上。厂商自己都说“demand far exceeded expectations”。不是产能不够，而是Agentic AI把CPU从“可有可无”直接干成了“必须配足”的总指挥。 数据中心项目现在除了电力，就是CPU卡脖子最严重。传统x86（Intel/AMD）高功耗+产能紧张，供应链直接打爆。 3、CPU缺口会有多大？ 行业共识是CPU:GPU比例将显著拉近，CPU需求大幅提升：从传统1:4~1:8（CPU:GPU）转向1:1~1:2（部分场景甚至1.4:1，即CPU比GPU还多）。看之前Arm估算，每GW算力需要的CPU核心从3000万激增到1.2亿（4倍增长） CPU算力份额：在Agentic工作流中，CPU承担的算力比未来机架/集群可能从“GPU主导”转向更平衡，甚至出现专用CPU rack来支撑Agentic编排；AMD/NVIDIA新一代平台已开始按1:2~1:4设计 这就带来了CPU需求的真实拐点，是实打实的硬件重构。 4、特别要说下ARM服务器CPU会更受益一些？ Agentic AI最需要的就是“高核心数+低功耗+稳定串行处理”。ARM天生多核可扩展、perf/watt领先：Arm AGI CPU（136核，TDP仅300W）对比x86同规格功耗低40%+，每机架性能直接翻倍。风冷机架就能塞8000+核，液冷更能到4万+核，完美解决数据中心的“功耗墙”。 更狠的是生态大转向：AWS Graviton、Google Axion、Microsoft Cobalt早就自研ARM，云巨头集体“去x86化”。Arm 3月直接下场自研AGI CPU（首款量产芯片），Meta、OpenAI、Cerebras都是首发伙伴，OEM有联想、Supermicro。 Counterpoint预测：AI ASIC服务器CPU里，ARM份额从2025年25%干到2029年90%。Arm自己说，这波能把数据中心CPU TAM从30亿版税干到1000亿+，未来几年服务器CPU营收很可能超手机，成为最大增长极。 看下周和5月初英特尔、amd的财报电话会上，cpu实际出货量的变化、以及cpu的真实价格变化。这能说明真的有多紧缺。 5、CPU紧缺哪些公司会受益？ 梳理了下哪些公司会受益，后续关注起来： 美股最核心： Intel (INTC)ntel 依然是服务器 CPU 市场的霸主。短缺潮会提升其过往型号的利润率，且其 Gaudi 与 Xeon 的组合在代理推理端有强劲需求。 AMD (AMD)：理由：在 Agentic AI 服务器市场，AMD 的 EPYC 处理器因多核心优势和高性价比，目前在云厂商中的市占率持续提升，是 GPU+CPU 均衡配置趋势下的首选。 Arm Holdings (ARM)：越来越多的云厂商（亚马逊、微软、谷歌）开始自研基于 ARM 架构的 CPU。无论谁赢，只要 Agent 需求推高 CPU 核心数，Arm 的授权费就会大涨。 港股（制造与分销关键点） 中芯国际 (0981)：虽然其在最先进制程受限，但大量非核心逻辑控制芯片（支持 CPU 运作的辅助芯片）和中端 CPU 的需求外溢，会显著提升其产能利用率。 联想集团 (0992)：全球第一大服务器与 PC 厂商。在短缺潮初期，拥有强大供应链管理能力和库存的大厂能通过提价和保证供应，抢占更多政企市场份额。 A股（国产替代与配套产业链） 海光信息 (688041)：国产 x86 服务器 CPU 的龙头。在 Agentic AI 时代，由于其架构与全球生态兼容性最好，国内算力中心在补齐 CPU 短缺时，海光是第一顺位替代品。 龙芯中科 (688047)：自主架构 CPU 的代表。随着国产自主可控需求增强，在党政和关键基础设施的 Agent 应用中受益。 深南电路 (002916) / 沪电股份 (002463)：理由：配套受益。CPU 核心数增加和 GPU+CPU 配比调整，要求更复杂的 PCB（印制电路板）和封装基板，这些公司是全球高端服务器 PCB 的主力供应商。 澜起科技 (688008)：内存接口芯片龙头。只要 CPU 多，内存条就多。Agent 时代对内存带宽要求极高，其 MRDIMM 和内存接口芯片是 CPU 性能爆发的必需品。 投资逻辑核心其实两点： 1）量价齐升：CPU 厂商（AMD, Intel, arm、海光）最直接。 2）卖铲子的人：由于 Agent 需要高带宽，内存配套（澜起）和先进封装/基板（深南）的需求甚至比 CPU 本身更稳。

Kindred Labs @Kindred_AI 与Memecore @MemeCore_M 合作推出SAFU SATO预售活动，SATO是Memecore的官方吉祥物——一只小蚂蚁，化身为AI伴侣，由 #Kindred# 技术驱动。 @Kindred_AI（Kindred Labs）作为Sei Network支持的AI代理项目更直白的说这是一个Ai操作系统，自2024年底启动以来，已通过多轮融资累计筹集约910万美元。这些资金主要用于开发情感智能AI代理协议、IP许可整合、去中心化内存架构以及XR生态扩展，目前已合作25+ IP（如Pudgy Penguins、Astro Boy），6周内注册使用500万用户。 上次Kindred的合作的NFT Klara是免费mint的总量1000，现在地板在1.2E左右。 现在Kindred Labs和Memecore 强强联合，推出SATOAI伴侣，持有它会获得 Hero SATO iNFT 的白名单，在MEME 2.0上Mint。 SATO是一个活泼的AI蚂蚁伴侣，生活在用户设备上（桌面及即将支持多设备），可问候用户、协助任务、提供洞察，并随用户习惯成长。  SATO现在$6.90 / 只（正式上线$19.90），没有购买上限，早买多买收益越大，每只是独立6.9倍收益（前24小时购买）。奖励在Q1 2026，以$KIN代币形式分发，并且 #Kindred# 官方兜底承诺，若$KIN未TGE或奖励延期，全额退款保障。 •  前24小时买10只（$69）：最终6.9x，奖励$476.10。 •  48-60小时买20只（$138）：最终4.7x，奖励$648.60。 •  72小时后买30只（$207）：最终3.4x，奖励$703.80。 预售链接：   $6.9 SATO=等价值$KIN空投+24小时/7天挖到的$Sugar+Hero SATO iNFT白名单+额外返佣每单10%等价值$KIN空投。 $SUGAR Memecoin和Hero SATO iNFT $SUGAR：每只SATO每天农场69 Sugar Points，2026年转换为$SUGAR memecoin（持有越多，分配越大）。iNFT更高效产出。 Hero SATO iNFT：3333件限量收藏品，在Memecore链上铸造。高实用性，可交易。 白名单：基于预售购买量排名，前1265名获资格（如果平局按最早购买时间）。 总体来说Kindred是一个实力雄厚的项目方，想打造一个下一代十亿用户构建所有Al的默认界面，壮大蚁群网络，6.9美金的售价确实性价比高，还能获得奖励，相信不会让参与者失望，在早期meme上线的时候，项目方给的奖励也很慷慨，代币价格也是咔咔拉，这次的NFT和$SUGAR还有$Kin也会是一个不错的收益项目。

AI可以快速给出答案、风险提示甚至交易建议，但当用户焦虑、需要反复确认或分享个人情况时，只有真人能耐心倾听、用自己的经验安抚，并给出定制化建议。那种‘被重视’的感觉，是AI目前无法复制的信任纽带。 我希望 @Bitget_zh 永远保留这份人性化服务，因为用户最后留下来，往往是因为‘这里有人真正懂我、关心我’。 特别欣赏BG的Jaron面对巨大的市场诱惑依然能够坚持不上线隐私币的原则。话说自从隐私被监管拉入黑名单后，隐私币就注定难起飞。也可以回过头去数数，有多少天王隐私币能够起来了的，几乎都是同一条K线，上线即高峰。再去看Jaron的原则，怎么看怎么对。不仅保护了平台用户，侧面也给平台积累了口碑避免了不必要的监管麻烦。 AI时代让我们更高效，但Bitget这类平台的魅力，恰恰在于它没有让技术冰冷化，而是通过一个个真实的人，持续构建信任。这也是为什么用户和员工都愿意长期留在这里的原因。希望更多平台都能平衡好AI与人类的角色，让技术服务于人，而不是取代人。

大表哥 @cz_binance 阿布扎比深度对话：MiCA监管博弈、AI革命与人生新规划 币安创始人CZ的每一次公开对话都备受全球关注 昨天 他现身阿布扎比 接受The Block新节目《The Starting Block》首期专访 就近期关于欧盟监管、AI与加密的融合、个人人生阶段转变等话题 进行了长达近一小时的深度分享 以下是本次访谈的核心判断与洞见 一、MiCA监管：合规却因政治力量受阻 谈及欧盟MiCA牌照申请 CZ直言 通过希腊提交的申请当时完全合规 且已经非常接近获批 但最终因为 政治等其他外部力量介入 进程被打断 他明确表示，自己并没有直接证据证明欧洲央行行长Christine Lagarde亲自干预（只是网上看到相关传闻）最终Binance选择撤回希腊申请 转向其他欧盟国家重新推进 CZ把这一结果称为双输局面 对Binance和欧洲都是损失 这一表态 揭示了加密行业在传统监管体系中面临的复杂现实 即使做到极致合规 也可能遭遇非市场因素的干扰 二、AI与加密货币：将产生1000倍交易量 在AI与加密的关系上，CZ给出了极具前瞻性的判断： “AI代理将产生比人类多1000倍的交易量” “AI将会使用加密货币” 他认为AI的爆发式发展必然需要高效、自主的支付和交易基础设施 而传统金融体系难以满足AI自主决策 自动执行的需求 区块链凭借其原生的可编程性和API友好特性 将成为AI在金融领域的最佳搭档 CZ预判 未来几个月内 AI自主交易、自动付款等场景就会出现并将深度与加密货币结合 这意味着 你的AI助手未来可能直接用加密货币帮你完成买票、投资、转账等操作，效率将实现质的飞跃 同时 他也观察到一个有趣现象：大量资金涌入AI领域后，很多人正用加密货币来交易AI相关资产 这反而为加密市场带来了新增量 三、复杂金融产品：STRC让他多次看不懂 CZ提到自己曾多次尝试理解Strategy的$STRC优先股产品，但仍然无法完全看懂 指出市场对Strategy卖出少量BTC支付股息的批评过度 他也认为某些金融产品过于复杂 存在过度设计的问题 四、CZ新阶段：从长期规划转向短期行动 卸任Binance CEO后 CZ的生活重心已发生明显转变 他不再制定5年、10年的长期规划 而是专注于接下来几个月的行动 因为技术和机会变化太快 他目前的重点包括： • 通过 GiggleAcademy 推动教育普惠 • 通过 yzilabs 支持区块链创始人与创新项目 • 为各国政府提供区块链采用建议 • 导师制 + 投资早期优质项目 此外 他还提到自出狱后向Prison Professors捐赠了200万美元 并曾投资约5亿美元参与Elon Musk收购Twitter（现X）希望X未来能更好支持加密支付 在CZ看来 加密行业依然是超级大赛道 AI与加密的深度融合将是下一阶段最确定的趋势之一 监管博弈会继续存在 但技术进步的确定性远大于不确定性 完整视频由剪辑软件自动翻译可能存在 翻译错误的情况 请不要恶意解读 原视频可以去 @TheBlockCo 观看

刚从香港出差回来，想先聊聊这个月听到的最多的话题—AI。 AI 与交易的结合，已经不是未来的趋势，而是正在发生的现实。 月初有幸在马来西亚见到了 @wolfyxbt，他是最早接触 Vibe Coding 的人，对 AI 的理解非常清晰且专业。上次见面时，我们还一起讨论并期待着币安在 AI 方向的未来布局 这次的香港之行则让我对Ai感受更加深刻。@connectfarm1 近期连续开源了多套 AI 交易工具代码，包括链上信号雷达和 AI 自主交易框架，专门针对币安Alpha+合约，分享得非常慷慨；@lanaaielsa 也直言不讳：“大家都用上 AI 后都会发现，炒币好像也没那么难，搞一套策略也没那么难，躺赚是真有机会的。” 从 KL 到香港，连续听到的都是同一个声音——大家不只是在讨论 AI，而是已经真正用起来了。 而我们，也在同一个方向上加速落地。 币安钱包最新上线的 Agentic Wallet，正是这一逻辑的生动实践：你只需要告诉你的 AI Agent 该做什么——自动交易、设置限价单、管理资产，它就能在你预设的规则和安全边界内高效执行。独立隔离 + MPC 安全设计，让普通用户也能轻松拥有专业级自动化能力。 这正是我们一直倡导的方向：不是让 AI 替代用户，而是让每一个普通人都能用上原来只属于机构的专业工具。从「3 亿到 30 亿」，背后是金融服务真正普惠。 客户在一线感知趋势，我们在全力落地产品。 我们始终相信，只有主动走出去、认真听取行业不同声音，才能不断发现问题、解决问题，把用户体验和服务做得更好。 这也是我们向行业优秀同行学习的地方——把每一次沟通都变成公开、透明的进步动力。 出差结束后又变成你们的7x24h客服💁也欢迎更多 KOL 和社区朋友随时提出意见，线上线下都欢迎🤝 #Binance#