第一个里程碑已达成，下一阶段目标是再实现 10x 增长 @derouter_net 托管账户总数已突破 1000 个，其中 Claude 账号 532 个，GPT 托管账号 468 个 单日 Claude + GPT API 请求量级已达到 65,249 次 托管用户中，近 7 日最高收益达到 886.31 美金

上周参加完飞书绝活儿大会，跟一群新朋友吃饭，分享一些关于 X 增长的经验。 感谢费费的剪辑，果然是视频博主，效果真好，美颜显年轻，哈哈哈

星巴克是AI Vibe Coding概念股。 Codex和Claude Code一年10x增长，Vibe Coder群体扩大，Vibe Coding频次提高。作为Vibe Coding的主要场所提供商，星巴克业绩有望获益并加速增长。 瑞幸因为场所过于狭小，无法开展Vibe Coding。

真正的基础设施 X Layer，正在用数据说话！ 最近很多人还在盯着各种热门链的叙事和短期热度，但有一组数据，更值得大家一看！ 1. X Layer DeFi TVL：半年接近 10 倍增长 X Layer DeFi TVL 已突破 1.13 亿美元，过去半年增长接近 10 倍。从年初相对较低的基数，到现在稳定站上亿美元级别，这不是靠短期活动砸出来的脉冲，而是流动性和真实使用在持续沉淀的结果。目前 Aave V3 贡献了大部分锁仓（约 8500 万美元），Uniswap 紧随其后，结构相对健康。为什么币圈最大的两大 DeFi 都扩展到 X Layer ？这值得大家深思！ 2. X Layer 稳定币规模：正式跻身全球公链前十 稳定币市值超过 20.7 亿美元，其中 USDG 占比约 94%。稳定币是衡量一条公链是否被真正当作资金存放地的核心指标。当规模突破 20 亿美元并进入全球前十时，说明这里已经不只是中转站，而是有真实资金愿意长期停留的地方。后续借贷,交易、RWA、支付和 Agent 经济直接拥有了坚实底座！ 3. 核心数据一览 ⭐️ DeFi TVL ：$113M + 半年近 10 倍，真实流动性落地 ⭐️ 稳定币市值 ：$2.07B ；全球公链前十，资金愿意沉淀 ⭐️ 累计活跃地址 : 420万+ 用户基础已形成规模 ⭐️ 累计交易笔数 : 4亿+ 基础设施经受住大规模考验 ⭐️ 近 24h 活跃地址 : ~6万，日常使用保持活跃 ⭐️ 近 24h 交易笔数 : ~200万，高频应用支撑能力得到验证 ⭐️ 近 7 天 DEX 交易量 : ~5.2亿，交易活跃度持续提升 4. 这些数据说明了什么？ 很多公链的增长路径是： 先靠活动拉用户 → 再靠激励留人 → 最后才慢慢有真实需求 X Layer 目前呈现的轨迹更像是： - 先把底层性能和稳定性打磨到位（世界杯预测活动曾在短时间内跑出上亿笔交易作为压力测试） - 引入成熟金融协议（Aave、Uniswap） - 让稳定币和真实资金沉淀下来再吸引更多资产、应用和用户 这是一条更慢、但更扎实的路径。当 Exchange OS，代币化股票、RWA、预测市场、AI Agent 这些东西真正跑在同一套基础设施上时，真正起决定作用的，从来不是某一个单点叙事，而是底层能不能扛住、资金愿不愿意留下来、用户是否愿意持续使用。 目前这组数据，在各方面都正在给出积极信号！ 公链的竞争，最终比的是谁能承载真实世界的金融需求。X Layer 现在的数据告诉我们：它已经从能跑进入到有人在用、有钱在留、有协议在建设的阶段。 半年近 10 倍的 TVL 增长、20 亿+稳定币、420 万地址、4 亿笔交易……这些数字本身并不华丽，但它们足够诚实。 真正的基础设施，往往就是在这种安静但持续的积累中，慢慢成型的。 下一步，就看更多真实资产和真实应用，能不能在这里真正落地。但随着美股代币化的兴起，个人觉得 RWA 资产也会在 X Layer 上活跃起来！我们拭目以待！ 接下来，是执行力的比赛！慢而活跃！ 还有必须提一点，OKX 黑客松在这几个月内的热烈推出即将获得回报、个人很明显感觉得到接下来会有很多出类拔萃的项目活跃的在 X Layer 上爆发！ @star_okx @misaENFP @XLayerOfficial @okxchinese

PEG 的计算公式为：PEG =（市盈率 P/E）÷（每股收益增长率）; 部分个股因近期 AI/半导体周期的盈利波动而出现偏差。 更新/确认的 PEG 值（2026 年 5 月 8 日左右）： - $INTC ：~3.2x 因增长能见度较低但估值偏高 - $LRCX ：~2.0x–2.5x - $KLAC ：~2.0x–2.5x 近期报告多在 2.5x 附近 - $AMAT ：~2.0x–2.5x 与KLAC/LRCX 等设备股类似 - $ASML ：~1.7x–2.3x - $ALAB ：~1.6x–2.1x 增长加速带来溢价 - $ARM ：~1.5x–2.2x IP 业务增长推动部分估值更高 - $ANET ：~1.5x–2.1x - $LITE ：~0.6x–1.3x 部分来源已降至 0.6x - $TSM ：~0.65x–1.1x AI 基础建设核心标的 - $CRDO ：~1.0x - $NVDA ：~0.9x–1.0x 常被引用为 0.9x反驳高估论点 - $COHR ：~0.9x - $AVGO ：~0.9x - $AMD ：~0.7x–1.2x 多数观点认为颇具吸引力 - $SNDK 可能指 SanDisk/WD 或历史标的：~0.7x - $MRVL ：~0.6x–0.7x 为低于 1.0x 的优质标的 - $AAOI ：~0.6x - $ON ：~0.5x - $MU ：~0.2x–0.4x 多视其为极度低估的突出标的 快速总结（彼得·林奇风格）： - <1.0x（具有吸引力 / 低估成长股）：MU（最突出）、MRVL、LITE、NVDA、TSM、AVGO、AMD 等——众多 AI 基础设施核心标的。 - ~1.0–2.0x：估值合理或温和溢价（例如您中段的 CRDO、ASML 等）。 - >2.0x（需谨慎 / 高溢价）：INTC（最明显红旗）、AMAT/KLAC/LRCX/ARM/ALAB —— 设备股及部分设计/IP 类公司估值较高。 PEG 比率（ 8/5 日收盘价）主要参考了近期分析报告（以 Tickeron 2026 年 5 月半导体 PEG 评估为主的多年度/前瞻混合数据） 以上数据基于 5 月 8 日左右 AI/半导体市场火热环境下的收盘价。PEG 所依赖的增长预估会随财报变化（例如 HBM/内存景气大幅提振 MU）。 建议结合前瞻市盈率、具体增长假设及个人风险承受能力进行交叉验证, PEG 只是快捷工具，并非绝对标准。数据来源于近期市场分析，实时报价可能波动。 非投资建议，仅供参考，DYOR。

阿里前几天刚发季报，破天荒的第一次披露了模型与应用服务——其实就是MaaS——的经常性年化收入： 截至今年3月超过80亿人民币，预计6月达到100亿，年底突破300亿。 相当于半年3.75x的增长速度，大概也是基于如此乐观的势头，阿里才会难得的公布这个数字，向资本市场构建叙事。 所以你以为我要开始吹阿里了？错了。 阿里的AI收入，建立在阿里云这个中国最大的云计算平台上，阿里云拥有现成的客户群体、销售网络和算力资源，用配套升级的方式去叠一层AI服务收入，是很容易的。 所以真正要吹的，不是阿里的AI业绩凭什么增长这么快，而是如果连主要靠存量用户增加预算就能做到半年3.75x的增速，那么原生AI公司今年在同样的市场环境下，增速会飙到什么地步？ 要知道，原生AI公司赚的每一块钱都是从零开始、靠着模型能力兑现而来的，除了更加纯粹的增长之外，因为不必承担其他业务的成本转移，ROI的负担也更小。 比如摩根士丹利测算发现MiniMax平均每分钟进账1美金，同时成本低于0.3美金，而行业平均收入只有约0.5美元/分钟，相当于MiniMax仅凭利润就跑赢了大盘。 这就是Pure-play的价值，算清楚这笔账，对于理解走向拐点时刻的AI行业，非常重要。 在研报里，摩根大通认为中国在2026年的企业端需求，很大概率会复制美国2025年至今的来路，也就是从试点到规模化投入再到AI成为固定支出的三级跳。 简而言之，就是Anthropic的那条离谱曲线。 Anthropic创造了AI行业还是商业史上的创收奇迹，300亿美金的经常性年化收入，让它成为了全球瞩目的新王，甚至让OpenAI的股份交易在一级市场失去了吸引力。 毫无疑问，Coding是一个回报路径极其明确的赛道，根据The Information的报道，在企业级市场，Anthropic展现了空前强势的定价权，从它用按量计费替换订阅套餐，到上线导致Token费用上涨的分词器，都让企业找不到商量余地，只能拿着超标的账单去找老板加大预算。 没办法，品质和稀缺绑在一起，就是硬通货。 摩根大通也是这么判断的，在AI行业，拥有强大模型的公司某种程度上可以豁免于成本战争，而且它想进入「下沉市场」的难度，要远低于低价模型打入「高端市场」。 但Coding是一个已经实现预期的赛道，下一个大的是什么？ 目前来看，几天之后的Google I/O大会非常重要，从已经被剧透的Gemini Omni来看，「All In One」的全栈模型要给多模态打翻身仗了。 那个教授在黑板上写公式讲课的片段，之所以艳惊四座，是因为它并非简单的视频生成，这个新的Gemini Omni模型同时搞对了三件事： 手持粉笔的空间关系、板书撰写的画面关系、推导过程的逻辑关系。 更直白的说，这绝对不是三个模型合在一起的结果，而是基座模型已经就在全模态信息上完成了训练，也就是，世界模型的雏形。 像是杨立昆、李飞飞这些不属于Transform派别的行业大佬，都对语言模型颇有微词，认为这条路线跑不出真正的世界模型，所以都选择了另辟蹊径，但Google、OpenAI甚至字节跳动都在证明，即使语言模型确实有局限之处，只要坚持Sc­a­l­i­ng La­ws、在同一个基座模型上训练全模态能力，同样能够渐进式的通向世界模型。 如果只看Coding的叙事，中国的原生AI公司都在扮演「一个更便宜的Anthropic」，杀成一片红海。 但在找出「一个更本土的Google」这件事情上，就会发现阿里、字节和MiniMax都在这么干，只有它们的模型迭代方向与Google完全一致：在一个系统内完成文本理解、图片生成、视频生成和音频输出。 王慧文在即刻上说，一家新兴公司的估值，是由相信它的资本定价的，不是不相信它的人定价的，「好吧，这是句废话。」 多模态的生成是语言模型理解世界的硬验证信号，且大部分底层能力与核心模型复用，多个模态并不等同于多份研发投入，有限的成本提升，能够极具经济性的帮助AI构建世界，并让每一代模型的更新不断放大效率差，并打开更高的智能上限。 我想吹的和期待看到的，其实就是这个。