最近看 AI 项目比较多，如果从投资者角度看 Consumer AI，我会比较关注一个东西：distribution🤔 模型能力和 Agent 会越来越趋同，用户、入口、数据，以及后续能否形成稳定使用习惯，可能会成为更重要的变量。 @sleepagotchi 有几组数据值得关注： 600K+ 注册用户 80K+ DAU Solana Seeker #1# App 500K+ Jambo 手机预装 另外， $CHI 此前在 Sonar 的 $500K 社区销售在 48 小时内售罄，也能侧面反映目前的社区关注度和参与度。 融资方面，此前累计融资 $8M，投资方包括 6th Man Ventures、Collab+Currency、1kx、Alliance、GSR、Sfermion 等。 产品最早从 Sleepagotchi 的睡眠场景切入，现在的方向是往更完整的 Consumer AI Platform 扩展，后续规划包括 Shopping、Fitness、Productivity 和 Personal AI。 如果按投资项目的思路去看，目前我会先把它理解成一个已经拿到一定用户规模和分发入口、正在验证下一阶段扩张能力的 Consumer AI 项目。 现阶段的数据是加分项，但真正决定后面价值的，我觉得还是几个问题： 80K DAU 的质量和留存怎么样； Sleepagotchi 的用户能不能迁移到新的 Agent； 这些 distribution 最后能不能转化成收入； 以及 $CHI 能不能真正承接生态里的长期需求。 这些都还需要时间验证。 但在 Consumer AI 越来越重视入口和分发的情况下，Gotchi 已经具备了一些值得继续跟踪的前置条件。

40 万 U 到 9 万 U，我真正做错了什么 前段时间，这个 账户最高有 40 多万 U，现在页面上只剩 9 万多 U。中间有资金转移，所以我不想拿“亏了 31 万”这种数字制造情绪。但真实的交易亏损已经足够让我认真复盘。 认真思考，我的问题其实很清楚也很简单 我一直有赚钱能力，但没有同等级别的风险管理能力。 很多盈利单，我赚几千、上万就会卖；亏损单却能从 -20% 拿到 -50%，最后甚至 -80%、归零。结果就是胜率看起来不差，账户却被少数几笔大亏反复打穿。 交易里有个很简单的数学： 如果你平均一笔赚 5000U，一次亏 30000U，就需要连续六笔正常盈利才能把这一笔错误填回来。 所以真正该控制的，从来不只是胜率。 更重要的是：一笔错误最多有资格拿走多少钱。 以前我会先想：“这个币我买 1 万还是 2 万？” 现在我觉得顺序应该完全反过来： 先问自己，如果我判断错了，我最多愿意亏多少钱？ 假设最多亏 3000U，逻辑失效的位置距离买入价 30%，那仓位上限就是 1 万 U。 对于没有明确止损位的 Meme，我以后会直接按照“可能归零”计算风险。 但这轮真正让我警惕的，其实还有一个更深的问题。 当时账户里真的有 40 万 U。 正常来说，这已经是一个很好的结果。可那段时间我看到身边越来越多朋友突破 1M，我开始非常想把账户也做到 1M。 更麻烦的是，我以前确实很多次做到过。 所以我脑子里会产生一种很危险的感觉： 40 万只是中间状态，我应该很快回到 1M。 从这一刻开始，我的交易其实已经变质了。 我看到一个机会时，想的不再只是： 这笔交易的赔率够不够好？ 脑子里还多了一个声音： 这笔能不能让我更快到 1M？ 一旦这个目标进入交易决策，很多原本不该做的事情都会突然变得合理。 仓位可以再大一点。 已经涨很多了，也会觉得还能追。 跌下来以后不愿意认错，因为卖掉意味着离 1M 更远。 赚了一笔也不愿意真正把钱拿走，因为总觉得本金越大，到 1M 越快。 现在回头看，这是我这轮最贵的一课： 我把财富目标带进了单笔交易。 市场根本不知道我要做到 1M。 一个机会应该下多少仓，只和它的赔率、确定性、失效点、流动性和我愿意承担的损失有关。 和我现在账户有 40 万，距离 100 万还差多少，没有任何关系。 比较也会严重扭曲风险感知。 当身边的人都在赚钱，你很容易觉得自己“落后了”。可交易没有统一的进度条。 别人今天从 50 万做到 100 万，不代表我今天就应该承担两倍风险追上去。 别人的 PnL 一旦开始影响自己的 position sizing，基本已经失去独立判断了。 我还有一个问题，是会借用别人的 conviction。 朋友在买、KOL 在喊、群里都在讨论、聪明钱进场，这些都可以成为信息。 可如果一个币跌了 40%，我突然回答不了： 为什么买？ 为什么现在还拿？ 什么情况说明原来的逻辑已经错了？ 那说明我从一开始就没有真正拥有这笔交易。 上涨的时候，所有故事听起来都很合理。 只有下跌的时候，你才知道哪些判断真的是自己的。 还有一点我以前忽略了：账户创新高以后，风险预算不能跟着净值无限膨胀。 40 万全部放在账户里，我潜意识里就会把它当成 40 万可用筹码。 可其中相当一部分其实已经是过去很多正确决策积累出来的成果。 如果这些利润始终留在同一个高风险池里，下一次错误依然有机会把过去几个月全部带走。 以后我会给账户设置 High-Water Mark。 净值每上一个阶段，就强制抽走一部分利润。 这部分钱退出以后，不因为看到一个“特别好的机会”又打回来。 因为账户里显示赚到了，和真正把钱留下来，是两回事。 回撤阶段也一样。 以前亏钱以后，我很容易开始想： 下一笔怎么赚回来？ 这其实非常危险。 一旦目标变成“回本”，交易会慢慢从寻找正期望值，变成寻找足够大的结果。 仓位会放大，频率会上升，耐心会消失。 所以以后回撤越大，我反而应该越慢。 我现在给自己留下四条规则： 1:净值目标永远不能参与单笔交易决策。 2:仓位由最大可承受损失倒推，不由“我有多少钱”决定。 3:账户创新高必须抽走利润，回撤扩大必须降低风险。 4:一笔交易如果需要下一笔“大赚”才能救回来，那上一笔的仓位就已经错了。 我现现在也能更深刻地体会到优秀交易员真正厉害的地方，可能并不是比别人多抓几个 10 倍币。 是他有能力让一次错误永远杀不死自己。 过去我总在研究下一个机会在哪里。 这次以后，我会花更多时间研究： 什么情况下应该不下注，什么情况下应该减仓，以及赚到的钱怎样真正留下来。 40 万我以前做到过。 1M 我以前也做到过。 现在我更在意的是，下一次再到那个数字的时候，我还能留下多少。

最近 @XLayerOfficial 确实开始有造富效应了，看到一个P小将的地址两天内100x了👇 0x571d2e2df17fe5a2b83d7d1cae7ea055022efb18 官宣支持 RWA Meme 之后，这两天又把最近很火的小孩哥 @Blonskr 的 Tapeout 协议搞了过来。我顺着这条线去看 Ignix 上的 TapeoutX，翻盈利钱包的时候发现，这个小仓位埋伏的地址两天左右做到了接近 100x，中间不少大KOL被洗掉，他反而一直拿住了，但今天宣布了Ignix和Tapeout的黑客松，也得到了XLayer的支持，TapeoutX又拉飞了，这个盈利地址已经陆续出了一半。 新链想起来，光有项目和叙事其实不够，得先有人真的赚到钱。 早期玩家赚到钱，资金才会继续进来；资金进来，新的项目和注意力才会跟着过来。Tapeout 刚部署，Ignix 很快就出了相关资产，现在又接上黑客松，这个节奏是在线的，估计后面还有一波大爆发，继续把飞轮转起来。 我最近看这些新链、新 CA，也越来越从 找什么会涨 转到 到底一个项目怎么被做起来 的视角。真正做进去就知道，产品、早期资本、Distribution、流动性，少一环都很难形成正循环。这也是我现在在 @o1_exchange 做 Launchpad 时最关注的东西之一。 最近也想多认识一些长期做 Meme、early-stage capital 和 liquidity 的朋友，有好的项目和资源欢迎dm📧

Arc 上线这两天大部分资金都往这涌入了，最大的感受是：项目不少，但信息和流动性太碎了，十几个 Launchpad、不同池子、不同入口，真正有价值的是：资产发现、交易和流动性真正串起来的入口。 研究了一下@peachlfg，Terminal + Aggregator + Launchpad 基本把这几层放到了一起。 Arc 上不管从哪个 Launchpad 出来的资产，只要有流动性，都能被索引和交易； 看到现在有活动 Peach × @wallet 的 Arc 活动也已经上线，前 1K 名交易者会分享 50K USDC 奖池，接下来o1这边也马上要开始活动了，大家可以留意一下。 更巧的是，后来才发现 Peach CEO 居然也是我们founder很熟的朋友 😂他本身还是 o1 的 Angel Investor，@o1_exchange Ventures 也投了 Peach Crypto 圈真的很小，绕一圈发现大家最后又在同一条链、同一个方向上做事。 Arc 才刚开始，也很想看看 Peach 和 o1 这类交易 / Launch 基础设施，能不能把第一波注意力真正沉淀成长期流动性！ 🤝

Entropy 的融资信息终于公布了 团队阵容也很顶：ex-Citadel、ex-Optiver，以及多位顶级做市商背景。 现在的竞争格局TradeXYZ 迟迟不发币，那 Entropy 可能就来替它发。 如果市场质量接近，再叠加积分/激励，Entropy 很可能成为第一个真正有机会从 TradeXYZ 手里抢走大量 Volume 的对手。 而且 RWA HIP-3 本身就是我非常看好的主线。现在才刚刚开始 欢迎使用我的邀请码：

另外一直关注 @base 生态的 @caspius_ai 它碰的是 Physical AI 目前最现实、也最难绕开的瓶颈之一：真实世界的人类示范数据。 软件 AI 可以大口吃互联网上现成的文本和图片，但机器人要学会做饭、清洁、整理物品，甚至学会在失败后如何纠正，这些数据大多只能在真实场景里一点点长出来。实验室能做，但规模和多样性都有天然上限。 Caspius 的做法很直接：让普通人用手机记录日常动作，就能参与到机器人训练数据的生产中。 @cobie 也曾经 反复提到的一点：真正能把 Crypto 做大的东西，最终都要让普通人有机会参与，并分享到网络成长带来的价值。 如果这套模式跑通，飞轮会比较有意思： 更多参与者 → 更多真实数据 → 更好的机器人训练效果 → 更多商业需求 → 更强的参与激励。 再加上 Base 的低费用和 Coinbase 生态，普通用户的参与门槛会再低一些。 机器人时代的数据生产，能不能从少数实验室，慢慢扩展成一个普通人都可以加入的网络。 如果答案是可以，这件事后面的想象空间会不小。

宇树上市之后，与Robotics相关的项目再次进入大家的视野 @codecopenflow 它其实算是 @solana 上比较老的一批基础设施项目了，不是这两天蹭机器人热度才冒出来的，团队已经在这个方向持续做了一段时间。 SimArena 做浏览器里的仿真和数据采集，Fabric 提供 GPU 计算，OPTR 再把仿真结果连接到真实机器人；@machinedotfun 则继续往融资、供应链和硬件生产延伸。 如果这套东西最后能跑通，Codec 更像是在做一套 Robotics 开发基础设施。 软件时代有 AWS / GitHub / Vercel，机器人行业迟早也需要自己的工具层。 $CODEC 我是在上个周期高价购买的，现在 FDV 从之前46M下来，目前4M。 一个已经活过一轮周期、产品还在继续做、但市场关注度又很低的老项目，在 Robotics 开始重新被定价的时候，我觉得值得重新放回 watchlist

这篇我觉得最有价值的点，是把 x402 从「支付协议」往前推了一层： 支付只是开始，真正会复利的是经济关系留下来的历史。 当 Agent 开始自己发现服务、比较价格、付款、评价结果，每一笔交易都会留下新的上下文。谁和谁长期交易、谁被反复选择、谁能承接更大的资金，这些慢慢会形成一张机器可以读取的经济关系图谱。 这时候真正稀缺的可能就不是支付能力，而是 可信的经济历史 + 可验证的交易上下文。 如果未来大量 Agent commerce 发生在 Base，上面沉淀的就不只是 Volume，而是一套越来越难复制的「经济记忆」。 基础设施可以复制，历史不能一夜复制 这可能才是 x402 和 @base 最有意思的长期网络效应

bluechip = 优质可靠的股票 blue = Base chip = NVDA cobie = 2014年就发过推 rewards = NVDA pair = NVDA 12年前的预言，现在直接在 @base 上跟真正的蓝筹在一起了😂@cobie

.@base 生态现在整体很热,Meme 轮番上， 这类标的也上了 Coinbase，资金和注意力都在往里涌。交易、Agent、上币预期成了最热闹的主线 但我更想往上游看一层 Base → Virtuals → Robotics → Data 这条逻辑其实很干净。 Base 在强化交易和 Agent 入口，@virtuals_io 也已经把 Robotics / Embodied AI 放进核心方向。 而 AI 一旦从数字世界进入物理世界，真正难的问题就变了。 LLM 可以直接吃互联网数据。 机器人需要学习人在真实环境里怎么抓、怎么放、怎么使用工具、怎么失败，以及失败以后怎么修正。 这些数据很难靠爬虫获得，纯仿真也很难覆盖真实世界里大量长尾情况。 所以 Physical AI 接下来一个很重要的瓶颈，就是： 真实世界 Human Demonstration Data 怎么规模化生产。 Caspius 卡的就是这一层。 目前公开能看到： 1000+ 小时 Human Demonstration Data 500+ Active Contributors Phase 1 第一人称数据采集已经运行 下一阶段是价值密度更高的 Teleoperation Data 规模还很早，但至少数据生产闭环已经开始运转。 Miner NFT 这一层我也觉得被低估了。 它更接近 DePIN 里的“矿机”： 决定数据产能 → 升级消耗 $CAS → 支持委托 → 按贡献产生排放 NFT、Token 和真实数据生产因此被连接到了一起。 所以相比追最热闹的机器人名字，我更想找那些机器人真正大规模进入现实世界以后，所有玩家都绕不开的环节。 @caspius_ai 值得继续跟踪的原因就在这里： 它站在一条正在升温的产业链上，也卡着一个还没有被充分解决的数据问题。 剩下的，就交给数据增长、Teleoperation，以及真实买方💪

今天看到 @UnitreeRobotics 宇树科技发布“超人”机器人：原地跳高2米、极限速度12.66 m/s，直接刷新人类纪录。与此同时，宇树IPO倒计时开启，全球人形机器人上半年出货近1.91万台、同比增长272%，工业与商业场景占比已超70%。热闹的动作秀、刷新纪录的瞬间、资本的狂欢，都在提醒我们：机器人真正值得下注的时刻，不是“会走路”了，而是它开始从机器变成劳动力。 最近把机器人赛道从头重新梳理了一遍，发现现在大多数人形机器人正在经历的变化，是从“能完成动作”走向“能长时间稳定工作”。再往后才是灵巧操作、精密装配，最终进入大规模Fleet。 所以以后我判断这个产业进展，我会更关注几个数据： Robot active hours、单机任务数量、任务复杂度、自主程度、连续无人值守时间、重复订单，以及客户真实ROI。 机器人数量 × 工作时长 × 任务数量 × 复杂度 × 自主程度，可能比单纯“销量”更接近这个产业真正创造的经济价值。 顺着这个思路往下推，机器人产业的价值也会不断迁移： 运动控制 → 连续性能/热管理 → 精密传动/力控 → 寿命与制造一致性 → Fleet运维和管理。 所以我接下来的重点看三家公司，但原因完全不同。 汇川技术： 电机、驱动、伺服、编码器、控制、热管理都有布局。如果未来大量机器人OEM不愿意每个部件都自己重新开发，它最有想象力的终局，是成为机器人的通用Motion Platform。 Harmonic Drive Systems： 机器人一旦进入灵巧操作、精密装配，真正关键的关节会越来越在意低backlash、微型化、精度保持和长期可靠性。它更像是在押注少数不可妥协的Critical Axes。 绿的谐波： 我最关注的是它能不能把谐波减速器积累的精密制造能力，迁移到执行器、滚柱丝杠、线性关节等更多产品。 如果能做到，它的故事会从“国产减速器”变成更广义的精密执行平台；如果做不到，就仍然是一家受益于机器人放量的零部件公司。 这里还有一个很重要思路： AI越强，硬件未必越不重要 软件可以补偿摩擦、迟滞和部分误差，但补偿不了热量、疲劳、冲击、磨损和材料寿命。 机器人越聪明，能做的任务越复杂，工作时间越长，对物理世界的要求反而越苛刻。 所以我觉得，接下来已经不是所谓“机器人NVIDIA”， 机器人硬件天然比计算架构碎片化，最后更可能出现多个ASML / TSMC / Keyence式的Physical AI Toll Booth：分别控制精密传动、运动控制、感知、可靠性、运维等关键环节，然后随着整个机器人经济扩大持续收费。 风险也会很明显： 机器人行业成功，不代表今天看好的供应商一定成功。 OEM可以自研，技术路线可以变化，汽车和工业巨头也会杀进来。今天缺货的零件，五年后完全可能变成白菜价。 所以判断护城河，我现在很喜欢反向思考： 如果竞争对手有足够的钱和五年时间，它能不能复制你？ 真正难复制的可能不是某个参数，而是规模制造一致性、Lifetime Validation、客户共同开发，以及几十万台设备跑出来的Reliability Data。 这也是我接下来会持续跟踪机器人赛道的核心。 接下来会持续跟踪 机器人正在进入哪个产业阶段？ Physical AI的经济奇点离我们还有多远？ 当那个奇点真正到来时，谁控制了无法绕开的瓶颈？ 如果这些问题能够提前回答，很多公司的收入和利润，反而是后面的结果。