郭文貴先生2020年2月22日爆料 新冠疫情將成為共產黨各派政治鬥爭互相殺人的最好手段 武漢P4病毒研究所進門處的霹靂碑寫著：當你走進這個大門的時候你就走進了潘多拉盒子，一旦這潘多拉盒子打開將無人可以控制，將對你和你的家人和這個世界是毀滅性的 武漢P4病毒研究所的投資人有：潘石屹、張欣、馬雲、馬化騰、丁磊、李彥宏、董文標 這些人贊助投資武毒所的目的，都是想拿著病毒生化武器去殺人，都想窺見潘朵拉的秘密 共產黨要利用潘朵拉盒子統治世界，毀滅世界 但上帝會透過潘朵拉盒子讓人類大覺醒 並透過這次的滅共運動，上天將再一次重整人類的道德、信仰、規則，重整各個種族之間的資源和全人類的智慧和財富 #病毒溯源# #冠狀病毒# #CCP病毒# #武漢P4研究所# #潘多拉盒子# #人類大覺醒# #人類大重啟# #爆料革命# #新中國聯邦# #郭文貴# #Milesguo# #量子農場#

为什么4万多座过期水库，是悬在14亿中国人头上的定时炸弹，看数据： 一，水利部长李国英说：截至2025年，中国现有94877座水库，80%以上兴建于上世纪50到70年代——就是说,它们绝大多数都是“大跃进”时代前后修起来的问题老坝。 二，中国水利部门给土坝的设计寿命是50年。但中国超过50年运行的水库有4.2万座，超过60年的有2.1万座。按设计寿命大部分土坝早已超期服役，按维护程度，大部分带病挡水。 三，2021年时任水利部副部长刘伟平曾无意间透露：“我国的大坝，92%是土石坝。”普及一下，土石坝，就是六蓝水库那种易溃的坝。另外，时任水利部副部长刘伟平曾在一次会议上证实：我国溃坝和出险的坝型，绝大多数是土石坝。中国官方从未直接宣布中国到底崩溃多少座土石坝，但中国工程院院士、全国工程勘察大师钮新强曾透露：我国溃坝中以土坝最多，占溃坝总数的93%。 四，中国现有94877座水库，但2011年第一次全国水利普查，却有水库98002座。这15年间中国一直在建新水库,为什么反倒减少3125座，这太奇怪了，是拆除了还是溃坝了？官方从来没给过解释。 水利专家王维洛质疑：五年里少了三千多座而无任何官方说法，这不正常。 五，供职于中国水利水电科学研究院防洪减灾研究所的何晓燕统计，1954－2003年50年间的溃坝事故(台湾除外)共3481起，而“泄洪能力不足和质量问题是导致溃坝发生的主要原因，而发生垮坝失事的水库中有96.4%是小型水库”。 中国官方从未正式向公众通报溃坝详情数字，但看了以上中国最专业人士提供的数据，说“十四亿中国人头上悬着随时倾泄而下的四万多座水库”，不是危言耸听，而且已是事实。 点击进入我的油管第三期《4万座过期水库，悬在14亿中国人头上的定时炸弹》：

为什么4万多座过期水库，是悬在14亿中国人头上的定时炸弹，看数据： 一，水利部长李国英说：截至2025年，中国现有94877座水库，80%以上兴建于上世纪50到70年代——就是说,它们绝大多数都是“大跃进”时代前后修起来的问题老坝。 二，中国水利部门给土坝的设计寿命是50年。但中国超过50年运行的水库有4.2万座，超过60年的有2.1万座。按设计寿命大部分土坝早已超期服役，按维护程度，大部分带病挡水。 三，2021年时任水利部副部长刘伟平曾无意间透露：“我国的大坝，92%是土石坝。”普及一下，土石坝，就是六蓝水库那种易溃的坝。另外，时任水利部副部长刘伟平曾在一次会议上证实：我国溃坝和出险的坝型，绝大多数是土石坝。中国官方从未直接宣布中国到底崩溃多少座土石坝，但中国工程院院士、全国工程勘察大师钮新强曾透露：我国溃坝中以土坝最多，占溃坝总数的93%。 四，中国现有94877座水库，但2011年第一次全国水利普查，却有水库98002座。这15年间中国一直在建新水库,为什么反倒减少3125座，这太奇怪了，是拆除了还是溃坝了？官方从来没给过解释。 水利专家王维洛质疑：五年里少了三千多座而无任何官方说法，这不正常。 五，供职于中国水利水电科学研究院防洪减灾研究所的何晓燕统计，1954－2003年50年间的溃坝事故(台湾除外)共3481起，而“泄洪能力不足和质量问题是导致溃坝发生的主要原因，而发生垮坝失事的水库中有96.4%是小型水库”。 中国官方从未正式向公众通报溃坝详情数字，但看了以上中国最专业人士提供的数据，说“十四亿中国人头上悬着随时倾泄而下的四万多座水库”，不是危言耸听，而且已是事实。 点击进入我的油管第三期《4万座过期水库，悬在14亿中国人头上的定时炸弹》：

白夏 (Jean-Philippe Béja, 原法国国家科学研究中心主任、巴黎政治学院国际政治研究所教授)：传统的（对华）接触政策不仅无法增强支持民主的力量，反而会使极权主义政权变得更加强大。接触政策应当继续，但必须附加强有力的互惠要求。 白夏：在新冠疫情后，欧盟采取的“去风险”政策迄今对中国的发展影响甚微，且中欧贸易的总体平衡仍对中国有利。然而，欧洲在国际舞台上愈发意识到中国所构成的系统性挑战，同时也因此在与中国的谈判中占据了更有利的地位。这一政策应继续推进。 相比之下，自川普任期的最后两年以来开始的“贸易战”对中国经济的影响更为显著。高科技领域的封锁预计将对中共构成打击。 无论是学术、旅游还是商业领域的交流限制，都在中国中产阶级中引发了不满，尤其是那些习惯于将子女送往西方国家留学的家庭。然而，至少在目前，这些不满尚未对中共领导层形成推动其采取更开放政策的压力。相反，中共政权利用这些不满塑造如下叙事：西方正在衰落，为阻止中国崛起而无所不用其极，继续施行“羞辱中国”的政策。因此，我们应当团结一致，应对西方的打压，成为全球南方的领袖强国。 同时，西方形象在中国的年轻一代中逐渐恶化。美国国会山事件、民粹主义兴起，以及西方“强人政治”的出现，都削弱了民主制度的吸引力。 在此背景下，“去风险”和“脱钩”政策是否能够推动中国民主化？延续以往通过加强交流（包括高科技领域）来“接触”的政策，只会强化当前以全面控制社会和动员民族主义为目标的共产主义领导层。在中国缺乏哪怕是半自主的公民社会的情况下，选择性接触变得极为困难。支持社会运动（如对其进行宣传）、对交流设置条件、谴责人权侵犯是接触政策的必要条件。 通过“贸易战”孤立中国，不仅因为中西经济相互依赖而难以实现，还会加剧中国青年和中产阶级的挫败感，并进一步强化官方的民族主义话语。 西方在对华政策上并不统一。川普政府无视盟友利益，甚至威胁发动贸易战并从防务领域脱身。欧盟则不愿在美中争端中选边站队。在此背景下，这种分裂强化了中共的地位，使其能够利用欧美之间的分歧。 此外，欧盟内部也难以达成统一立场。中国通过“16+1”合作机制以及德国的工业利益，在软化欧盟对华立场方面取得了一定成果。然而，对遏制中国雄心的必要性已有所共识，例如，将中国称为“系统性对手”就是迈出的第一步。同时，中国在俄乌战争中的模糊立场也加深了欧盟对中共的疑虑。 无论如何，没有任何一位西方领导人相信中国会民主化，因此他们普遍认为推动这一方向的努力难以奏效。 基于此，西方对华政策仅着眼于商业和地缘政治利益，民主化从未真正成为西方对华政策的核心目标。经济和地缘政治利益一直是其态度的主要驱动因素，尽管各国政府的官方叙事可能会有所不同，但这一点至今未变。例如，在“六四”屠杀后不久，时任美国总统乔治·布什就派出两名顾问与邓小平会谈。 无论官方叙事如何，西方“接触政策”的目标主要是为了争取中国支持，从而在与苏联的对抗中占据优势；在改革开放政策占主导地位后，则是为了利用中国日益发展的市场和充足廉价的劳动力。将中国融入全球经济还意在通过让其获得对国际现状的利益认同，防止其成为国际舞台上的强大对手。 在一定程度上，推动社会与社会间的交流、允许数十万学生赴西方留学、鼓励中国的对外开放，的确在 1989 年之前促进了中国政权的某种程度的自由化。当然，国内因素——例如与近期极权主义历史决裂的强烈意愿——在这一过程中起到了更重要的作用，但西方的接触政策无疑加强了更激进改革派的力量。 1989 年是一个重要分水岭，而 1992 年则是另一个关键时刻。新一轮经济改革及中国加入世贸组织（WTO）推动了一种特殊形式的市场经济发展。巨额的西方投资帮助中国成为世界第二大经济体。然而，1989 年的事件对改革派造成了决定性打击，随后中国领导层利用新获得的经济实力进一步强化对社会的控制，并在国际舞台上变得愈发强势。这一趋势在习近平执政后达到了高潮。 传统的接触政策不仅无法增强支持民主的力量，反而会使极权主义政权变得更加强大。接触政策应当继续，但必须附加强有力的互惠要求。 ------ 以上言论不代表本刊立场。有关本期笔谈《西方对华政策转变与中国民主化前景》，详情请下载全文： ------ 我们的季刊免费向公众开放，您的下载、传播和阅读就是对我们的最大支持和鼓励。感谢读者！ 《中国民主季刊》2026年第2期（最新一期）下载： 《中国民主季刊》往期下载： 《中国民主季刊》Substack专栏：

3,282 家区块链项目倒闭，熊市到底谁还在干活 我喜欢没事儿就去 @RootDataZH 翻数据，很多人没注意运营状态选项。当我选择停止运营的时候震惊了，110 页足足有 3,282 家倒闭了...好残酷的，很多项目撑不了一年。 能持续运营并跨越周期的项目，是否值得高看一眼？ 让我们浅入！ ⬇️ 2026 年至今，几个宣布关闭的知名项目就包括 NFT 交易市场 Nifty、借贷市场 ZeroLend、Defi 聚合器 Step、Defi 团队 Balancer……活着，不卖壳、不作恶操纵价格提款机、实实在在搞业务，这样的项目有一个算一个，都值得respect。 说来也奇怪，我觉得项目也有自己性格的，一些项目想到就是老实巴交的感觉，比如 Huma、IOTA 这些，我自己也是这个性格，所以可能跟这些项目比较暗合一点、关注也自然多一点。 借助 Surf 可以轻松接入 Hermes 做一个提醒发给 TG bot，每天就能最方便跟踪这些项目动态。我会把 IOTA 几个比较关键的信息交给 AI 收集推送： ‣ 官推推文 ‣ 媒体文章 ‣ 社交情绪 ‣ 币价表现 ‣ 大额交易 基本上这些每日推送就能获得项目的基本更新了。今天收到了推送，IOTA 首批实施 ADAPT 计划国家确认了，肯尼亚、摩洛哥和尼日利亚。 / 老读者知道我之前就介绍过 ADAPT 计划，就是那个为非洲内部贸易构建共享的数字基础设施涵盖数字身份、跨境数据交换和支付互操作性的计划，去年 11 月启动的。 让非洲兄弟弯道超车先数字化、区块链化现在不是玩笑话了，非洲最大经济体尼日利亚、移动支付最发达国家肯尼亚、数字化程度最高的国家之一摩洛哥现在已经经过政治承诺、监管准备度、数字基础设施成熟度、私营部门参与度四维评估，起飞了。 所有的区块链底层技术，Powered by @iota 。 有点唏嘘，这种做底层基建的项目往往都需要长周期考察，一时间很难立竿见影在估值或价格上得到反馈。但是，历史经验告诉我们，熊市或资本泡沫破裂的时候，优秀的基建项目都在周期穿越后取得了丰厚回报。IOTA 把数字身份 + 跨境数据 + 支付互操作带到非洲，在这片大地进行实验、实践，假以时日，房间里的大象也许就是呼之欲出。 毕竟，ADAPT 也不是一个科技公司随便找几个国家签个协议拿来资本市场讲故事的东西，它是实打实非洲大陆自由贸易区（AfCFTA）秘书处牵头、托尼·布莱尔全球变革研究所、世界经济论坛和 IOTA 基金会合作开发项目。 接下来要干啥？美国天才法案、香港稳定币法案都给打样了，稳定币。三个国家将开始测试数字货币尤其是稳定币的监管框架，这不就是为下一步跨境支付做准备嘛。 如果，我说如果，将来非洲大部分的稳定币跨境支付跑在 IOTA 上，那画面可太美了。 祝我们好运！ / 作者：anymose ｜ 一个软核科普作家 本文仅做科普使用，不构成任何投资建议，永远记得 DYOR！

寧贈外邦，不予家奴：中國對朝鮮的援助 楊純華 中國對北韓（朝鮮）的援助，時間橫跨超過 70 年。這項援助通常被國際社會視為北韓政權得以維持至今的「生命補給線」。其人力與物力的投入主要分為「抗美援朝戰爭時期」與「戰後長期經濟與物資援助」兩個階段： 一、 抗美援朝戰爭時期 (1950 – 1953)這是中國對北韓人力與物力耗費最慘烈、最密集的時期。新中國在百廢待興的狀態下「舉全國之力」參戰。 1. 人力投入與傷亡總參戰人數：中國前後共有 297 萬部隊以「中國人民志願軍」名義入朝作戰。傷亡人數：中共官方最新確認：戰時犧牲、因傷病死亡及事後補報的烈士共 18 萬 3,108 人。國際與西方（如美軍及聯合國）估算：志願軍陣亡、負傷、失蹤及被俘的總傷亡人數高達 90 萬人以上（其中陣亡約 40 萬人）。 2. 物力與財力消耗直接戰費：中國直接消耗戰費 62 億元人民幣。這在當時是一筆天文數字，佔了同期國家財政支出的近十分之一。蘇聯軍火債務：為了和美軍抗衡，中共向蘇聯購買大量現代化武器，因而對蘇聯欠下 30 億元人民幣（當時折合 13 億美元）的軍火債。這筆龐大的「抗美援朝債」直到 1965 年才由中國一邊挨餓一邊還清。綜合估算：若將戰爭直接費用、後勤物資、以及對北韓戰後的初期重建資金全部加總，折合當時的總經費投入高達 近 100 億美元。 二、 戰後至今的長期經濟與物資援助 (1953 – 2000年代)戰爭結束後，北韓全境基礎設施被美軍炸毀。中共隨即將原有的「軍事援助」轉向全面的「經濟與生存物資援助」。 1953 年毛澤東直接宣布，將戰時中國對北韓的所有援助與墊付物資「一筆勾銷」，全部改為無償贈送。由於中朝雙方長期對外隱瞞援助數據，國際智庫與研究機構（如美國彼得森國際經濟研究所、聯合國糧農組織）只能透過間接數據進行估算： 1. 戰後初期的人力「免費苦力」 志願軍留守建設：1953 年停戰後，數十萬志願軍並未立即撤回，而是留在北韓充當免費勞動力直到 1958 年。 他們幫北韓搶修了 幾百公里鐵路、數千座橋梁，並重建了平壤、咸興等城市的政府機關、學校與大壩。 2. 核心物資長期「包養」 長期以來，北韓每年至少 50% 以上的糧食、高達 70% 至 90% 的石油與能源缺口，都是由中國以「援助」或「低於市場價的內部友誼價」填補。 粮食援助：中国发生三年大饥荒，饿死4800多万人，中共却在1960年援助朝鲜23万吨粮食。1961年到1962年，朝鲜向中共索要10万个纱锭，中共实在拿不出，将邯郸等地的第三、第五棉纺织厂的全部设备拆卸，搬到朝 鲜。根據聯合國糧農組織（FAO）統計，光是 1996 年至 2009 年間（即北韓因「苦難行軍」大饑荒最嚴重的時期），中國就援助了北韓 345 萬噸糧食，占全世界對朝糧食援助總數的 26.9%，位居全球第一。而在 2012 年，中共再次一次性向北韓提供了價值 6 億元人民幣的糧食與建材無償援助。 石油援助：中國通過吉林至北韓的「中朝友誼輸油管道」，每年向北韓定額無償輸送或低價提供 50 萬噸左右的官方原油，這幾乎是北韓工業與軍隊戰備的唯一生命線。 資金與造血項目：2000 年後，中國每年對北韓進行常態化無償物資援助（年均約 1.4 億美元），並斥資數億美元幫北韓翻新火力發電廠、投資武山礦山等基礎設施。 結語 中共統治中國以來，對北韓的援助可以用「不計成本、不惜代價、至今未停」來形容。在 1950 年代，為了維持北韓這個地緣政治上的「緩衝墊」，中國付出了數十萬年輕士兵的生命，並背負了沉重的蘇聯債務；而到了 1990 年代至今，即便中國自身也面臨諸多國內經濟挑戰，中共依然每年撥出數億美元的財富去維持萬惡的北韓金氏政權的不墜。這對兩國普通民眾的命運，都產生了極其深遠且沉重的歷史影響。

A股的主题炒作和币圈最近热议的拉高出货的主动做市，本质就是一码事。 游资板块跟机构做的蓝筹配置价值投资板块井水不犯河水，不是一个物种。 但你别天真，以为公募就比游资干净？一堆基金经理下场追涨杀跌，打涨停板比游资还急。 打开净值曲线一看，跟创业板指数贴得严丝合缝，所谓公募产品的主动管理，主动个毛。 哪些基金是打板玩龙头战法的？看基金名字就够了，产品名字叫主题精选、灵活配置、新兴趋势的，这种基本都是去追涨游资板块的。 A股这边的风控，跟币圈一比，五十步笑百步。 认识营业部的人就够了，亲戚朋友身份证一收，开十几个账户出去，龙虎榜上根本分不出谁是谁。龙虎榜就是币圈涨幅榜，最大的带货PR平台，该怎么利用怎么玩，你想想？ 怎么跌的多的股票，不出个蛇鼠榜呢？币安可以效仿一下，跌幅最高的币，蛇鼠榜把地址和账户id公示出来。 配资方扎堆江浙沪，业内叫分仓系统，母账户给你切一块子账户，资金用软件隔离，你只能动你那部分，杠杆给到三到十倍，爆仓算你的。 这套结构散户根本没机会知道，知道了也进不去核心圈，光这一层信息差就够吃一辈子。跟币圈有啥区别？ 打法这两年也升级了。早年还讲究慢吸筹，蹲个三五年把筹码收干净再拉，现在没人有这个耐心。 现在玩的是主题轮动，节奏快到一周一个故事，今天AI、明天机器人、后天稀土、下周算力，直接一字板封死，不给你上车的窗口。 游资管这叫点火，直接几个板封死，6板翻倍，把情绪带起来，散户FOMO进场，高位出货，一般叫分歧，后面就是流水线收割。 产业链成熟得让人佩服，这话说得客气，难听点叫完整的诈骗工业体系。上游是研报机构和小作文放风，中游是微信群、QQ群、雪球大V、抖音财经主播、B站UP主、付费炒股群一条龙，下游是带单老师和喊单直播间负责收尾。 开盘前讲行情、盘中喊点位、盘后复盘，每一个环节都对应着一笔从你口袋掏走的钱。 后来证监会出了一套监控制度，涨幅在n日内超过x%会被监控，只允许卖，不允许买。然后市场更聪明，大家卡着监控的边儿玩轮动，等股票出了监控期再买。所以这些东西，你以为币安学不会？ 资本市场都是相同的，庄家向来是在规则里做大程度和散户的流动性博弈。 找妖股、抓跨年妖龙，这套东西比币圈早得多。而且主题炒作板块能经得起21到24年那场熊市考验，说明它的鲁棒性比A股本身还强。 21-24年那场熊市是真的难看。每天阴跌三五个点，一反弹就是出货，出完接着跌，流动性是物理意义上的枯竭。 外资跑得头也不回，北向资金每个月数据飘红，尾单一笔笔消失，MSCI权重一调再调，标普直接把中国资产扫地出门。 跟市场塌方同步上演的，是从业者那头的连环人间惨剧。 投行、监管、上市公司高管落马，每周准时上演，密集程度赶超八九十年代的反贪剧。 中金、中信、海通这些头部高管薪酬当场腰斩，研究所月薪砍六成、年终奖清零，大部分央企公募启动追溯式退薪。2022年以来超过290万人民币的部分往回吐，离职的也不放过，挨个打电话问候。 上海买了房的基金经理，卖翠湖退奖金。坊间一度还推出退薪贷，金融行业的体面早就碎一地了。 前几个月一群币圈挣到钱的小B KOL一个个说要去玩A股，算了吧，币圈那点经验，在专业股票战场，过去不够给人宰的。

【孟加拉國也要買中國殲-10CE？印媒坐不住了】 孟加拉國總理塔里克24日抵達北京，對中國展開為期三天的正式訪問。近幾天，印度媒體密集報道，稱孟加拉國正在推進殲-10CE的採購進程。印媒特別指出，去年5月印巴空戰期間，這款戰機在巴基斯坦的空中作戰行動中扮演了重要角色。 孟加拉國媒體《誓約日報》（Daily Waadaa）22日報道稱，塔里克訪華期間預計會推進24架殲-10CE的採購計劃。一位不具名的孟加拉國高級官員透露：“我們希望在今年8月前簽署這份戰機採購協議。”據悉，這筆交易價值約22億美元。 該消息隨後被印媒密集報道。印度《第一郵報》25日報道稱，孟加拉國擬採購殲-10CE的動向在印度引起關注，因為在去年的印巴空戰期間，同款機型在巴基斯坦的空中作戰行動中扮演著重要角色。 報道介紹，殲-10CE採用中國自主研發的WS-10B渦扇發動機，最大速度接近2馬赫。其最顯著特點之一是裝備了有源相控陣雷達（AESA），與傳統機械掃描雷達相比，AESA使飛行員能够同時追蹤多個目標，同時具備更強的抗電子干擾能力。 此外，殲-10CE有11個外掛點，可掛載多達5600公斤彈藥。殲-10CE與霹靂-15導彈的兼容性尤其引人關注，該導彈被視為中國最具殺傷力的遠程空對空武器之一。 報道稱，孟加拉國空軍的現役戰機機型較為老舊，為滿足現代化作戰需求，該國一直在評估新一代戰機選項。殲-10CE之所以脫穎而出，是因為它不僅融合了現代技術，價格還低於西方同類選項。 為何印度如此關注這筆潛在交易？對於這個問題，《第一郵報》首先急忙否認殲-10CE在印巴空戰期間擊落包含“陣風”在內的印度戰機，並宣稱相關說法已被“徹底揭穿”。這家印媒給出的“證據”是印度空軍今年發布的一份招標書，並指該文件“已明確”印度向法國採購的全部36架“陣風”戰機仍可投入作戰。 巴基斯坦方面此前多次公開表示，巴基斯坦空軍駕駛殲-10CE戰機，利用霹靂-15導彈，擊落了包含“陣風”在內的印度戰機。去年5月7日，一名法國高級情報官員向美國有線電視新聞網（CNN）透露，法方確認印度空軍的一架“陣風”戰機被巴方擊落。翌日，英國路透社援引兩名美國官員的消息稱，美方高度確信，巴基斯坦使用的殲-10戰機向印方發射空空導彈，至少擊落了印方兩架戰機，其中至少一架是法國製造的“陣風”戰機。 去年5月17日，中國中央電視台在一檔軍事節目中說道：“近日，我國外銷型戰機殲-10CE首次取得了實戰戰果，在空戰中一舉擊落多架戰機，自己無一損失，這一消息瞬間引發全球軍事愛好者的高度關注。”儘管央視沒有點明“空戰”的時間地點，但外界普遍認為這裡說的就是不久前爆發的印巴空戰。 今年初，中國國家國防科技工業局新聞宣傳辦公室對外發布了2025年度國防科技工業十大新聞，其中一則就是《殲-10CE首次取得實戰戰果引發全球關注》，同樣提到了殲-10CE在空戰中一舉擊落多架敵方戰機且自身無一損失。 據美國《防務新聞》報道，去年9月，孟加拉國過渡政府原則性批准空軍採購多用途戰機，當時外界就推測孟方有意購買的很可能是中國的殲-10CE。 美國空軍中國航空航天研究所所長馬偉寧（Brendan S. Mulvaney）向《防務新聞》表示，印巴空戰“清楚地證明了中國製造的裝備——即使是外銷型——也很現代化且性能強悍，未來不僅在中國境內，在國界之外也是不可小覷的力量”。 印度新德里電視台稱，若這筆交易敲定，將進一步鞏固中孟防務關係，未來有可能改變孟加拉地區的空中力量平衡。 《第一郵報》認為，孟加拉國與巴基斯坦使用同一款戰機，其影響遠不止某一場衝突。印度東西兩翼出現中國製造的戰機，才是新德里無法忽視的態勢。（來源：香港新聞網） 詳情：

我现在对交易产品里的 AI，其实挺谨慎。 不是因为 AI 没价值，而是很多产品一上来，就把它讲成“替你赚钱”的东西。 这种叙事太危险，也太容易让人忽略交易本身的风险。 在我看来，AI 放到链上交易里，真正合理的位置，不是替人做决定，而是帮人处理信息密度。 链上研究最麻烦的地方，从来不是没有数据，而是数据碎得离谱。 你要看钱包流向、成交量、流动性深度、合约风险和社交热度，还要判断某个标的，是不是只靠短期情绪撑起来。 很多时候，你不是没有判断力，而是精力被这些重复动作消耗掉了。 如果 AI 能把这些动作压缩掉，价值就会很实际。 比如快速归纳一个标的最近的资金变化，提醒异常的钱包行为，把多个来源的信息放进同一个交易语境里，再把可执行路径提前准备好。 这里的关键不是“AI 给答案”。 而是它让你更快知道，哪些机会值得继续看，哪些机会应该直接丢掉。 我比较认同 Velvet @Velvet_Capital 现在走的方向。 因为它不是单独做一个聊天框，而是把 Copilot 放进整个交易流程里。 交易者看到一个机会，不应该在聊天工具、区块浏览器、DEX 和钱包之间来回跳。 研究和执行一旦断开，错误率就会上升。 真正有用的交易助手，应该贴着订单流、钱包行为、流动性和签名动作，而不是只会讲一段看起来很聪明的话。 当然，边界也很重要，AI 可以帮你看得更快，但不能替你承担风险。 它可以提示信息、整理路径、暴露盲点，但最后是否进场、仓位多少、能不能接受回撤，还是人的判断。 尤其是链上交易，最后那一次签名，必须清楚自己在签什么。 所以我不会把 Velvet 的 AI 叙事，理解成“自动交易神器”。 更准确地说，它是在把交易者每天最耗时间的研究和准备流程变短。 对真正高频看盘、追踪钱包、捕捉链上机会的人来说，这比一句空泛的 AI 概念有用得多。

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。