美元保不住的意思就是。霍尔木兹海峡加了两个收费站以后。全球制造业成本上升。石油可不只是汽车用，化工，连塑料袋都是石油里来的。。制造业成本上升，东南亚制造业崛起被打压。日本能源严重依赖进口经济会重创。全球制造业成本上升+政局据动荡，为制造业回流美国做铺垫。美国经济脱虚向实，代价就是随着制造业成本上升，物价会飞涨。。。严重通货膨胀，这个时候再被迫减息。。。通货膨胀会到达一个击碎美元霸权的程度。。也就是前两年常说的美国选择保就业还是保美元，川普终于做了选择，保就业，弃美元。所以黄金，比特币真的是很好的东西一定要持有。 还要有两个附加条件，字节跳动，spacex，neurolink连续上市，对资本市场进行史无前例的大抽血。泡沫资产尤其是软件行业和部分泡沫ai会被击溃。科技行业几乎必然成为本轮全球债务危机的主要埋单者，ai会成为背锅者。顺势合理的对ai套上监管的枷锁。 以上推演我觉得必然会发生在一年之内。我真的觉得中国提前应对措施做的是不错的

【 Predictfun 积分大更新背后：到底是什么在驱动预测市场的流量？】 最近 Predictfun 上线了全新的积分流动性奖励系统。 本来想在 @Dune 看看新机制带来了多少增量，结果意外发现了 2 月底一段诡异（？）的增长，以及近期几次非常明显的数据异动。 因为对上次春节的事件营销印象很深，以为 2 月底数据增长是春节导致的，但仔细一看居然不是春节 2.14 那周？？ 百思不得其解的时候，找到了 @defioasis 老师的dashboard 才发现端倪。（有详细的 by market 数据，甚至数据太全面，以至于加载了好久才看到全貌🤣） 以 trader by markets 这个比较有代表性的数据为例，可以发现有两个「大色块」特别突出 —— 分别是 2 月底 3 月初，和 4 月初到现在。 🟢2 月底 3 月初（草绿色部分）：都是来自 Will Opinion Launch a token by Dec 31st 2026 🟠4 月初到现在（橘色部分）：是来自 BTC up and down 另外，最近几天，币安人生和 @fourdotmemezh 相关的市场也吸引了不少用户，traders 数量增长基本上来自这几个市场，但较为分散。 ———————————————— 回看这几个数据增长点，再结合最近上线的积分流动性奖励，背后的逻辑就变得比较清晰了。 🌟关于新的积分流动性奖励 简单来说，可以根据市场上的星级🌟的数量判断 Predict Points 积分的多少，五星市场就是积分奖励最高的，点开市场也会有具体的积分数据。详细的可以去看引用的 @yuexiaoyu 鱼总的帖子。 目前来看五星奖励的市场几乎一定（？）是先给到 BTC up and down，然后其他市场的奖励会根据情况随时调整。 比如昨天的五星市场上还有个是 @predictdotfun 独有的预测 —— What chain will Polymarket migrate to in 2026；今天再一看这个的积分奖励就变少了。 我个人比较好奇新的流动性积分奖励大规模铺开之后，团队会如何通过奖励去引导事件的注意力走向，进而带动流动性的增长。 我理解的方向是，一是要做高频市场（which 当然所有团队都在做），二是要做独家的、有话题度且让人有下注意愿的事件。 Anyway 不管后续如何利用积分引导流动性，我都强烈建议把这个 dashboard 纳入研究范围！！！

MiniMax 发布技术博客，披露其 M2 系列大模型无法输出人名「马嘉祺」的根因排查过程。排查从一个个例出发，最终揭示了一个波及整个词表近 5% 的系统性退化问题。 根本原因是大模型两个训练阶段的数据覆盖严重脱节。第一阶段（预训练）用海量互联网文本编出了一本约 20 万词的「字典」；第二阶段（后训练）用精选的对话数据教模型说话，但这份对话数据只覆盖了字典里的一部分。字典里有、但对话数据里没练到的词，就会在第二阶段逐渐被遗忘。 「嘉祺」就是这样的一个词。分词器（tokenizer，负责把文字切成模型能处理的最小单元）因为在互联网文本中见到「嘉祺」连用的次数够多，就把它合并成了一个独立单元。预训练时模型学会了这个词，但后训练的对话数据里包含「嘉祺」的样本不到 5 条。后训练不断调整模型参数，练到的词越来越准，没练到的词则在参数更新中被带偏。最终，模型仍然「认识」马嘉祺、能准确回答相关信息，丢失的只是把这个名字写出来的能力。 退化排名靠前的还有「传奇私服」「无痛人流」等互联网 SEO 垃圾词。这类词在预训练的互联网语料中铺天盖地，分词器给了它们独立编号，但精选的后训练对话数据不会收录这些内容，结果同样被遗忘。 团队对完整词表做了全量扫描，发现约 4.9% 的词发生了显著退化。退化最严重的是日语：29.7% 的日语词显著退化，远超韩语 3.3%、俄语 3.7%、中文 3.9% 和英文 3.5%。 日语的严重退化还解开了一个旧谜。此前模型在日语对话中偶尔混入俄语或韩语字符，一直找不到原因。这次分析表明，大量日语词退化后，在模型内部的参数空间里「漂」到了其他语言的地盘上，导致模型该写日语时错写成俄语或韩语。 修复方案是构造一份覆盖全词表的合成数据，让模型用简单的复读任务把字典里每个词都练一遍。效果立竿见影：日语回答中混入俄文字符的比例从 47% 降至 1%，全词表参数稳定度从最低 0.329 升至全部高于 0.97。

根据大家投票，昨天迭代了一个大版本。 1️⃣ 只推送简单信息（图1），感兴趣可以点击“详情”（以 aave 治理危机为例）。 2️⃣ 进入详情后，既有群聊信息，也有各个社区的观点，以及其他新闻/链上/频道的相关补充信息作为“事实锚点”。（图2） build in public

今天，距离 1011 大爆仓已经过去一个月整。 根据 CoinGlass 数据，当天整个衍生品市场被清算超 190 亿美元，是加密货币市场有史以来最庞大的单日清算量，这个数字足以让任何金融市场为之颤抖。由于各交易所的数据披露规则不同，以币安与OKX为例，其公开的清算 API 存在严重的报告限制，即在极端波动期间（如 1011 当晚），其 API 每秒最多只上报一笔清算订单。这是一个荒谬的统计口径，因为真实的清算是在同一秒内成千上万笔地并发执行，据此我们可以猜测1011 的真实清算量在400-600 亿这个区间。 1011 过后，市场的流动性遭到毁灭性打击。以流动性最好的 BTC 举例，1011 后 BTC 的合约双边挂单流动性深度下降约 40%，至今未恢复。作为市场主要流动性提供者的做市商在此次事件中损失严重，导致市场深度和抗冲击能力大幅下降。 我们没有时间哀悼。 根据CoinGlass 数据，包括 SUI 在内的多种主流山寨币在 5 分钟内跌幅高达 80%，部分币种跌幅超 95%，甚至归零。绝大多数山寨币的流动性依赖于算法做市商，当 1011 发生时，波动率瞬间突破阈值，MM 程序自动执行熔断，撤掉所有双边报价并停止交易。这暴露了在极端情况下，山寨市场的流动性是多么脆弱。巨大的穿仓损失使算法触发 ADL机制，强制平仓来对冲部分空头头寸，本质上是将空头头寸与已平仓的多头头寸进行匹配，从而形成“虚拟对冲”，防止价格全面崩盘。根据 Wintermute 报告，“很多机构的仓位都被强制平仓，价格极其不合理。比如我们遇到的情况，一些ADL的价格完全不合逻辑——市场价是1美元，但我们的空头头寸却被系统强制以5美元的价格平仓。这种情况根本无法对冲，只能立即承受损失。” 那么，谁该为此负责？还是说，没有人需要为此负责？

收到很多私信问：大暴跌亏麻了，小资金怎么翻本？ 1.戒掉合约，不要再去赌！ 2.低成本参与即将发币的项目 当大家都不撸毛都不参与项目，你去参与你就赚钱了。 -去哪里找即将发币的项目？ 币圈版最强chatgpt @surfai 列出来了对于项目的预测，并且有一栏是预测上线FDV和币安上市概率，也就是你的参与回报比。小项目花再多时间死磕也没用，抓住几个大项目，每天花几个小时参与，能上币安大所，如果赚不到10w你来找我。 -如何参与这些项目？ 以 融资了2000w的 @openmind_agi 为例，机器人ai基础设施项目。 1.刚开放了在网站上mint nft ： 2.下载app每日通过走路赚取积分，最高11积分/天。 3.参与总奖励池$250,000的开发者联盟计划 我已经开始弄了，我看到排名靠前的都是越南人，越早参与越好。后面还有远程控制机器人的功能，根据积分排名给机会，之前我也写过文章去分析他们的模型。 @surfai 列出来的其他高概率上币安的项目，我后面会持续跟进。

超级个体/迷你公司 创造出超级大的成就和一流的产品是未来的主流趋势 有了AI的帮助，办大事不需要雇那么多人。 团队协作依然重要，但是有了AI辅助后的一个人员的工作、开发、思考效率能是以前的3-5倍。 以市场分析为例，与其我去雇10个分析师，都不如让一名开发员开发一个监控着几十个身价超过1000万刀的交易员的社交媒体—》提纯—〉然后全自动总结他们的观点生成研究报告来的好。

目前全球金融市场需要关注的三大要点： 1，黄金，今天美伊冲突刺激原油价格上涨，虽然无法确定双方出现实质性交火，但是黄金不应该下跌而是上涨 今天的美伊地缘内容中也提到了这一点，个人认为，黄金短期下跌遭受抛售，依旧是是与金融市场流动性有关， 当某项资产价格出现高波动，杠杆风险增加，头寸被清理的可能性增加，追加保证金是投资者主要做的动作，而抛售黄金又是短期套现流动性最佳产品之一，所以黄金的短期下跌，我认为追加保证金导致的短期动作 而这个动作的背后意味着金融市场流动性匮乏的窘境，以及流动性风险敞口在扩大的隐性风险，市场平稳时风险会被掩盖，反之如果市场出现较大波动，风险就有被引爆的风险 个人感觉，当前头寸风险以及对保证金追加需求最大的就是原油市场以及美股。 当然，黄金短期受挫的另一层因素就是利率市场走向紧缩预期，原油价格持续高位且还具备上涨趋势，通胀预期压制降息预期，同时提升加息预期回归，刺激美元走强，黄金走弱，不过这个因素不会让黄金短期突然性下跌，主要因素还是在补充杠杆资金。 2，原油，受日内美伊博弈海峡博弈影响，国际原油回归114美元，美油触及106美元，因为高油价对金融市场带来的冲击短期被放大，通胀预期，滞胀担忧，各项成本增加到职全球经济增速放缓， 另外近期局势博弈复杂，原油市场多空博弈增强，大量资金在95-115区间押注多空，一旦局势出现短期敏感性波动，原油市场的杠杆风险大大增加。 3，美债，30年期美债收益率日内触及5%，为2025年7月份以来首次回归5%收益率，债市隐患出现。导致收益率上涨我认为是有两个重要因素， A，通胀预期的增加，市场对于收益率需求提升刺激收益率上涨，同时伴随加息预期增强，刺激债市收益率上涨。而通胀预期的走向恶化会让市场预期未来收益率依旧上涨从而短期选择抛售长债，两者形成死亡螺旋。 B，上周日本政府干预外汇市场，抛售372亿美元购买日元，并且日本财务大臣释放信号，本周四如果日元继续下跌甚至触及160敏感区间，可能会二次干预市场。 当一个主权国家储备外汇，以美元为例，储备中因为担心利率波动不会持有大量的现金而是兑换成美债保存，其中以短中期债为主，包含部分长债。 如果日本政府为周四的日元外汇市场进行干预做准备，那么陆续抛售美债是一个合理的动作，此处的抛售美债=卖美元动作， 并且如果日本政府预期未来通胀可能会恶化促使长债收益率继续上涨，那么短期增加抛售长债的额度也属于正常动作。 目前黄金在警示流动性风险，原油在警示通胀担忧以及经济潜在隐患，而长债短收益率的飙升，意味着美国财政压力增加，违约风险敞口扩张，甚至全球赤字担忧大大提升。 警示风险并不等于风险一定发生，但是当前阶段，美股、黄金、原油都处于高位，这种情况可能会让潜在风险更加敏感，需要保持警惕性，就像巴菲特老爷子持有现金的逻辑基本类似，有备无患！

今天 Amkor Technology 财报是一份大超预期的财报。 营收达到16.9亿美元，同比大幅增长，并明显高于市场一致预期；EPS同样大幅超出预期，背后是产能利用率从此前低位快速回升到70%区间。更关键的是，公司给出的下一季度指引继续大幅上修。 但市场却毫不给面子，盘后股价一度跌幅达8%。 到底哪里出了问题？ 硬要找，只有一个：公司将全年资本开支从过去约7.5亿美元直接提高到25-30亿美元，增幅接近3倍。 这看起来像是之前市场对大科技的capex大幅增长，现金流担忧的复现。 但这个顾虑到底有没有道理？ 要解答这个问题，需要先把先进封装这件事拆开来看。 本质上，封装在回答一个问题：算力如何被高效地“物理实现”。 围绕这个问题，产业链形成了清晰分工：TSMC负责前道制造，把电路刻进硅里；Amkor负责后道封装测试，把裸die变成可用芯片。从历史上看，两者几乎没有重叠。但在AI时代，封装开始直接影响带宽、功耗与系统性能，先进封装逐渐“前道化”，tsmc开始用cowos和amkr竞争，边界开始模糊，不过这种变化主要集中在最顶端的一小段。 Amkor的技术路径恰好位于另一侧。它的先进封装重心在Fan-Out体系，其中HDFO（高密度Fan-Out）是当前最关键的增长抓手，同时也在布局2.5D和3D。 CoWoS由TSMC主导，基于硅中介层（interposer），服务HBM与AI GPU的极限带宽需求；而HDFO基于RDL，不依赖interposer，结构更简单、成本更低，但互连能力有限。 两者不是竞争关系，而是分层关系：一个解决性能上限，一个解决性能与成本之间的平衡。 从技术层级看，真正的天花板在2.5D和3D封装，尤其是Hybrid Bonding这类已经接近前道工艺的技术路径。而amkr这样的OSAT所主导的，是另一层“工程化封装”：Fan-Out、Flip Chip以及部分2.5D能力。这一层的核心是规模化制造能力、良率控制和成本效率。 就Amkor的产品结构来看， 最底层是QFN、WLCSP等标准化封装，对应汽车、模拟、电源等成本敏感市场； 中间层是FCBGA、fcCSP、Fan-Out，对应数据中心CPU、推理芯片、网络交换芯片等中高性能场景； 最顶层才是CoWoS这类极限封装，但这一层并不属于Amkor的主战场，amkr吃的是前两层。 FCBGA本质是“高I/O、高功耗、高性能，但不追求极限带宽”。它广泛应用于服务器CPU、非HBM GPU、云厂自研ASIC以及交换芯片等。 绝大多数算力芯片并不需要HBM。只有像NVIDIA H100、B100这类训练级芯片，才必须依赖CoWoS+HBM来解决带宽瓶颈。 以Google为例，其芯片体系本身就是分层的：训练侧使用HBM与2.5D封装，而大量推理、视频处理、网络等ASIC，本来就采用FCBGA或Fan-Out方案。 就目前AI的发展路径来看，训练是金字塔顶端，数量有限；推理才是大头，而且是指数级扩散。 从数据中心到边缘再到终端，推理节点数量远超训练节点。在这个过程中，封装选择的核心约束从“性能上限”转向“总拥有成本”。在绝大多数场景里，“性能够用+成本可控”优于“极限性能”，这正是FCBGA与Fan-Out的优势所在。 这也是为什么HDFO已经进入商业化放量阶段，并成为Amkor当前最重要的增长抓手。 回到CapEx，我们可以看出，这是在为“推理时代的算力扩散”提前铺设产能。从亚利桑那到越南，从HDFO到高性能测试平台，本质上是在卡位产能。 业务层面的变化也在验证这一点。传统PC与消费电子仍然疲软，但数据中心与AI相关收入已经创下新高；HDFO开始进入量产周期，客户数量持续增加；同时公司开始向客户转嫁成本，封测行业长期缺乏的定价权正在边际回归。这些信号叠加在一起，说明行业不是简单复苏，而是在重构。 总结来看，先进封装不再是一条单一路径，而是“极限性能”和“规模效率”两种范式并存。前者由TSMC等厂商定义技术上限，后者由Amkor等OSAT决定产业体量。随着AI从训练走向推理，从集中走向扩散，真正决定长期价值的，往往不是最顶端那一小部分，而是承接最大规模需求的中间层。而这，正是Amkor正在用这笔30亿美元资本开支押注的位置。 免责声明：本人持有文中提及的标的，观点必然偏颇，非投资建议，股票投资风险巨大，入场需极度谨慎