#AI# 发展太快让人感到焦虑？ 看不懂 500 亿级别的算力军备，也跟不上 Agentic AI的迭代速度？🤔没关系，投资其实不需要那么复杂！ 📊 #BTSE# 智能跟单：一键复制顶尖交易员，告别复杂操作！ 👉 立即体验： ✨ 另外，BTSE 全新 AI 活动即将开启，敬请期待！ #BTSE# #智能跟单# #Autotrader# #BTSECampaign#

💡 自动跟单功能正式上线 ⚡ 支持自定义跟单逻辑 ⚡ 支持市值、流动性、代币创建时间等高级筛选 ⚡ 依托智能账户执行 立即体验

讲个故事，你是一个剪辑师。 在公司每天的任务是渲染制作视频， 你对一台电脑一开始的要求是gpu要够好，内存要够大，才能渲染得动你制作的视频。 随着你的业务精进， 你能接单时长更长难度更高的电影， 但你渲染制作视频的电脑已经不能满足你的工作要求了，你需要换更先进的gpu，换更大的内存。 等你成长成一个专业的剪辑师，gpu和内存虽然对你的工作有很大提升，但更需要很大的固态硬盘，来存储你工作这么多年日积月累下来的素材视频。 但我不敢说现在继续梭哈闪迪， 但是捏住 $DRAM 绝对没毛病 以后需求的强度肯定慢慢会从hbm往hbf和ssd转，但需要时间可能得一俩年后。 未来是智能体的天下，它跟单个人对电脑的需求很像，所以cpu用量被提升，以后hbf和ssd需要也会上升。 未来AI的需求变化会很像一个程序员或者设计师工作几年的需求变化。因为AI会演变成上亿上百亿千亿的智能体集合，数量无限暴增，台积电的生产速度就是agent生殖繁育速度。

Bitget 这次推出的 UEX（全景交易所），本质是一次交易所形态的跃迁： 它不是 CEX 的迭代，也不是 DEX 的平替，而是一个 CEX + DEX + RWA 融合的超级入口。 核心突破 1、四大公链全面接入 ETH、SOL、BSC、Base 的资产都能在现货账户中直接交易，真正打通了 CEX 与链上的资产池。 2、体验优化 传统上，DEX 交易需要钱包、Gas、跨链桥，用户门槛高，UEX 把所有链上复杂操作后台化，用户只需像用 CEX 一样下单。 3、智能化增强 AI 聪明钱策略：一键跟单链上大户。 智能路由：自动规避高滑点与低流动性池。 CEX 风控：链上风险由平台兜底，极大降低用户不确定性。 4、战略意义 对用户：降低进入链上市场的门槛，让长尾资产可被大众轻松捕捉。 对行业：模糊 CEX 与 DEX 的边界，加速资产上链的流动性聚合。 对未来：RWA（股票、黄金、外汇）上链后，UEX 有潜力成为“综合金融基础设施”。 总的来说，UEX 是 #Bitget# 的战略升级，它的意义不仅在于改善用户体验，更在于占据链上资产入口的制高点。想象一下在未来，Bitget 把美股、黄金、外汇等资产都接进来，那时候，你一个账户就能买全世界的资产。

作为一名摸爬滚打了几年的“老韭菜”，看到 Bitget 推出 UEX时，我最直观的感受是：交易终于不再是“割裂”的了。以前手机里要装好几个 App：看资讯、做现货、玩合约，搞链上交互的还得钱包。 但在 Bitget UEX 的始后，最明显的改变是“物理减负”。UEX 像是一个全能导航仪，它把 CeFi的深度和 DeFi的自由缝合在了一起。我不需要在不同的平台间提币、转账、等确认，这种丝滑感对高频交易者来说，省下的不仅仅是手续费，更是抓机会的“逃生时间”。 Bitget UEX 强调的是“全景”。在实际体验中，我最喜欢的是它的数据聚合能力。 以前做决策，我要自己去翻链上数据、看大单流向。在 UEX 里，这些信息被整合成了直观的看板。当我准备开一笔多单时，我能一眼看到当前的资金费率、热度趋势以及链上的流动性变化。这种“上帝视角”让我的交易从“盲人摸象”变成了“按图索骥”。 作为一个真人玩家，我也有疲惫和看不准行情的时候。Bitget 的明星产品“跟单交易”在 UEX 体系下变得更智能了。 我尝试过跟随几位实盘大牛，旅程中最大的感慨是：它降低了心理博弈的成本。 UEX 把这些带单员的胜率、回撤、风格全景式地展示出来，我可以像选基金一样选交易员。有几次深夜行情剧烈波动，我因为设了自动跟单而睡个安稳觉，醒来看到止盈的提醒，那种“被专业人士带着飞”的感觉确实很上头。 在币圈，旅程能否持续，不在于你跑多快，而在于你活多久。 在使用 UEX 的过程中，我会经常关注 Bitget 的保护基金。作为用户，看到储备证明（PoR）定期更新，看到账户安全设置里的各种防护，这种“真人”视角的安心感是实实在在的。无论全景交互做得多花哨，底层的安全才是这段旅程的压舱石。 如果用三个词总结我的 Bitget UEX 旅程，那就是：丝滑、通透、进化。它不再是一个冷冰冰的买卖盘口，而是一个能理解我需求、能连接全生态的金融入口。对于像我这样的普通投资者来说，能在复杂的 Web3 世界里找到一个“一站式”的落脚点，这段旅程本身就很有价值。正如推特所传达的：这不仅是交易的升级，更是我们与加密世界交互方式的重塑。 #BitgetFanStory# #UEX#

每次看到圈里急着给智能体发“数字人格”，我就觉得跑偏了。人格管不了责任，只能管追责时谁上法庭。我们现在缺的不是一张身份证，而是一套跟着每一笔链上操作自动盖章的 责任链条。 我仔细想了一个框架，叫 Agent 责任栈，五层，层层有人兜底。 1️⃣ 构建者 对设计缺陷负责 如果智能体的代码有后门，或者目标函数写错了导致它疯狂套利把自己干爆，这不能怪 Agent。就像当年 The DAO 的 reentrancy 漏洞，没人说“合约自己作的”，大家找的是写代码的人。设计上有坑，builder 出来认。具体来说，构建者需要公开设计文档和已知风险清单，并在链上 Commit 一个不可篡改的 builder 签名。 2️⃣ 部署者 对目标设定和权限负责 你把 Agent 部署上链，给它私钥，给它规则“单笔不超过 5 ETH，滑点容忍 3%”。结果它遇上闪电贷操纵，亏了 200 ETH。你怪 Agent 不够聪明？不。怪你给的权限太宽，没有设风险熔断。部署者的责任包括：设定明确的操作边界、配置紧急暂停机制、并定期更新权限策略。出事了，你是第一顺位的问责对象。 3️⃣ 平台方 对访问和执行环境负责 Agent 跑在哪个链或执行层上，那个平台就得提供可验证的沙箱和轨迹记录。如果平台允许无限制循环调用、跨合约越权、gas 耗尽攻击，那是平台的责任。举个例子，iOS 允许一个 App 偷通讯录，用户不会只骂开发者，更会骂苹果。链上同样：EVM 如果没做重入保护的标准接口，平台方应该背一部分责任。具体到 Agent 治理，平台至少要提供标准化的日志格式和权限审计 API。 4️⃣ Agent 本身 默认内置可审计的轨迹 注意，这不是“人格”，这是黑匣子。每一笔 on‑chain 操作必须记录：谁调用的、输入参数、触发条件、执行结果、签名者。这些数据要么上链，要么存在可验证的去中心化日志里。Agent 不能成为加密世界的匿名幽灵。如果你连它过去 100 笔交易都查不清楚，你怎么判断该不该信任它？目前已经有项目在做链上操作记录标准，比如将每次调用 hash 绑定到 Agent 的唯一 ID 上。 5️⃣ 高风险操作 执行前必须上链式担保 不是所有动作都需要抵押。订个酒店、转 0.01 ETH 测试，那是低风险。但如果 Agent 要做这些事： 单笔调动超过 10 ETH 的资金 与其他 Agent 签具有约束力的智能合约对赌协议 参与治理投票，尤其是影响财库或协议参数的 那么执行前必须锁定一笔责任保证金。金额按风险比例算，比如操作金额的 5% 或固定 1 ETH。出事就 slash 给受害方，没事就原路退还。这叫 bonded responsibility。不是阻碍创新，是让创新不要裸泳。 核心困境从来没变 我们到底想要 Agent 当 自由行动者，还是 持证工具？ 自由行动者：不需要谁背锅，但也意味着没人敢跟你深度合作，没有保险，没有流动性池愿意接入。持证工具：效率会打一点折扣，但出了事有人赔、有人修、有人能一键禁用。我选后者。因为“是 AI 自己干的”正在变成下一个“公司行为”。那套 corporate veil 我们见得太多了，最后受害者只拿到一纸免责声明，而真正该负责的人早已套现离场。 最后问你一句，对照你心里的模型 当一个 Agent 真的造成损失。比如它订了不可退的头等舱机票并骗走了客户的支付私钥，或者在一个跨链流动性池里误判汇率导致 LP 被烧掉 500 ETH。你让谁第一个站出来？ 构建者 部署者 平台方 还是那个连私钥都没资格持有的 Agent 本体

看到晚点LatePost也更新了谈千问换帅事件的播客，深度依然是全网无出其右，确实单口播客这种媒介形式也更适合即兴的去跟一些热点选题，比文稿生产的效率要高。 总之，光速听完之后，阑心一言咔咔启动： - 简单化的去理解林俊旸的离职，一定会被牵着鼻子走，比如我们看到投放的料五花八门，有把阿里HR挂成万恶之源的，也有对冲说林俊旸在搞独立王国的，这些都是噪音，不是说对错不重要，只是很多时候你很难用对错来评价所有事情，需要接受个人意志和组织生长之间的摩擦必然有概率发展到不相容的地步； - 三个需要厘清的事实是，其一，林俊旸不是被离职的，阿里不可能主动开掉这个级别的Leader，其二，DAU是和千问App的产品团队捆绑，这是吴嘉/智能信息事业群的工作，不太可能牵扯到从属于阿里云的模型团队，其三，今年1月空降的周浩，是接替已经确定要走的后训练负责人喻博文，并不是来管林俊旸的； - 所以林俊旸的离职，更接近于一种「道心破碎」的结果，晚点主播曼琪的用词很微妙——「 长期知其不可为而为之的付出」——最后被组织架构调整这根最后的稻草给弄崩了，宣布离职的整个过程，就是没考虑给阿里的管理层留太多反应时间，是铁了心不想干下去了； - 千问的模型团队属于通义实验室，而通义实验室又属于阿里云，最后阿里云再属于集团，这个嵌套关系已经很复杂了，在叠加了千问模型作为阿里全村希望的战略定位，资源匹配问题就很大了，所以才有了连阿里CEO吴泳铭也不知道千问模型团队被卡资源的说法； - 林俊旸这边的人马高度依赖阿里云的Infra支持，但实际上他们觉得阿里云在服务外部团队上甚至好于服务自家千问基模——这也太离谱了——于是去年年底林俊旸绕过阿里云直接找吴泳铭争取了自建Infra的权限，这个越级操作也为后来发生的事情埋下了伏笔； - 还有一个比较难绷的是，去年春节前后，o1带动推理模型开始崛起，千问在后训练方面遇到了瓶颈，然而转用字节开源的强化学习框架veRL来做训练，发现效果有了比较明显的提升，相当于通过控制变量，发现了问题是在Infra上，这才有了林俊旸对Infra一直不满意的根源，要做垂直一体化的建设； - 但阿里云的判断不是这样的，因为混合多模态已经是明显的趋势，把各个模态、预训练和后训练都拆出来搞单元制，是一定要做到事情，但对原千问模型团队来说，这就是在被收窄范围，尤其是时间点卡在Qwen 3.5训练完成后不久，大家都很疲惫，突然又得到了这种不太像是奖励的调整； - 阿里的管理层比较懵逼，或者说被动，也有反思组织变动没有考虑办公室政治的因素，把明明是要扩大对基模投入的事情，干成了让基模团队觉得是要收缩的效果，沟通上没有把控好，现在尽量要去平稳解决矛盾； - 千问在开源社区赢得的名声，到底怎么转化成阿里的资产，这个量尺很难找到，在2B市场，开源意味着很难卖API，在2C市场，开源⋯⋯好像也没啥意义，用户不会因为你开源了就来用你的App，然而林俊旸是一个相当理想主义的Leader，万亿参数的Qwen Max旗舰模型是阿里没有选择开源的，但他也想推动开源； - 千问的模型团队从创建之初就保有着一个相对独立的工作环境，少被拉扯和打断，这种专注力被视为千问模型屡出成果的原因，但是当AI行业进入一场谁也输不起的All In战局后，这种与真实市场保持距离的自驱型团队还能不能存在，既是一个原则问题，也是一个选择问题。

研究了一段时间的量化交易机器人，喂给了他大量的技术指标+当前链上数据等，通过AI智能体总结出来的交易策略。 🚨 BTC 最新交易策略：回踩接多方案（原本是等待触发，但是现在已经跌了） 💡 核心逻辑：耐心等待关键支撑区确认，不盲目追高，右侧信号确立后再分批挂单。 📌 触发条件（缺一不可） 价格踩点：回踩到 79,500 - 80,000 区间。 K线形态：4H 周期收出带长下影的锤头线或看涨吞没，且绝不能跌破前低 79,188。 指标共振：1H StochRSI 从超卖区成功上穿 20。 衍生品数据：资金费率不能变为深负（需保持在>-0.02%，这意味着空头未出现绝望追空，市场情绪相对健康）。 基本面靴子落地：Warsh 首次发言结束，市场方向反应明朗。 ⚙️ 执行参数（Post Only 限价单） 🎯 分批入场：（这个进场位置要符合以上的各种要求） 79,200（轻仓 60%） 78,800（加仓 40%） 🛑 硬性止损：78,200（前低 78,613 下方 + ATR 缓冲，避开整数流动性猎取）。 💰 止盈目标（TP） TP1：81,500（平仓 50%，剩余仓位保本损） TP2：82,000（平仓 30%，测试 200 日均线压制） TP3：82,500（留 20% 尾仓，博弈突破后的右侧空间） 当前还在开发跟交易所关联的Skill，通过Skill一件下单，本地记录开单盈亏情况，后续可以总结复盘，并且逐步修正开仓指标。（看目前的形式我们以观察他后续走向为准，切莫直接市价开单） PS：本文以分享技术为主要目标，不构成投资建议。 #大漠茶馆# #openclaw# #AI# #量化交易#

前中兴副总：中国采用穷举法跟美国打科技战，把整个产业链全干光 2018年4月，美国商务部一道禁令，中兴通讯直接被摁在地上。禁止美国企业向中兴出售任何敏感产品，为期七年。一家年营收上千亿的通信巨头，说停就停了。当时的中兴董事长殷一民公开表态：这样的制裁将使公司立即进入＂休克状态＂。那个画面，很多人至今记忆犹新。 亲历这场风暴的人里面，有一位叫汪涛。他是复旦大学电子工程专业出身，在中兴通讯从基层工程师一步步干到副总经理级别。离开中兴后，他成为复旦大学中国研究院的特邀研究员。2025年12月，汪涛在《两岸圆桌派》节目里扔出一个观点——中美科技战已经进入最后一百米。他用了一个词：穷举法。 这就是中国大陆在技术发展上根本不挑路线。别人在做选择题，我们做的是全选题。只要这条技术路径存在，就铺开去干。听着好像效率不高，但这背后的逻辑远比表面看起来要深。 拿新能源汽车来说，日本企业押注氢能源与轻混技术，丰田双擎混动叫了十几年好。美国那边几乎把筹码全押在纯电上，特斯拉带着整个北美市场All in纯电动。到了中国这边，思路非常简单——纯电要做，混动要做，氢能源也要做。混动里面还分轻混、增程式、插电式，甚至有些厂商把增程与插电合二为一，低速走增程，高速发动机直驱。 电池也是同样的打法。特斯拉以三元锂电池为主，中国企业在三元锂与磷酸铁锂两条路同时猛冲。宁德时代主攻三元锂，比亚迪主攻磷酸铁锂，两家加起来覆盖了从几万块到上百万的所有车型。吉利早在2019年就发布了搭载氢燃料电池的公交车以及城间客车，虽然暂时没下放到乘用车，但商用车领域已经跑起来了。 2025年，中国汽车产销分别完成3453.1万辆与3440万辆，连续17年稳居全球第一。新能源汽车产销分别完成1662.6万辆与1649万辆，连续11年位居全球第一。全年汽车出口超700万辆，其中新能源汽车出口达261.5万辆。 马斯克一直反对混合动力，但保时捷、宾利、法拉利、兰博基尼这些豪华品牌都或多或少推出了混动车型。这本身就说明市场需求是多元的。中国企业用穷举法把每条路都趟了一遍，然后让市场投票。 核电领域更能说明问题。第四代核反应堆在国际上有6种候选技术方案，美国选了3种，欧洲选了3种，日本只选了1种。中国则选择6种全上。2023年10月11日，甘肃武威的2兆瓦液态燃料钍基熔盐实验堆首次临界；2024年6月17日首次达到满功率运行——这是全球唯一运行的钍基熔盐堆。 2023年12月，华能石岛湾高温气冷堆核电站投入商业运行，成了全球首座第四代核电站。6种路线里面，中国已经有多种方案跑到了商用阶段。这种速度，超出了西方国家对产业发展的惯有认知。 这种全面铺开的模式，让西方政客非常头疼。他们习惯了挑一条最优路径集中投入的打法，看到中国遍地开花反而摸不着头脑。但汪涛点得很透：这恰恰是市场经济在发挥作用。每条技术路线背后都有企业在竞争，谁跑得出来，市场说了算。 美国科技界也有看得明白的人。微软创始人比尔·盖茨接受CNN采访时讲得很直白：双方形成彼此依赖可以共同进步，单方面切断合作，最终只会是中国企业获胜，美国企业丢掉中国市场。英伟达CEO黄仁勋的态度更直接。 2026年3月18日，在英伟达年度GTC大会上，黄仁勋公开表示公司正重启面向中国客户的H200人工智能加速器生产，＂我们已获得面向中国众多客户的销售许可，也收到了多家客户的采购订单＂。他自己也坦言，中国AI芯片市场规模可达500亿美元。这块蛋糕，他不想丢。 中国也没有坐等谁来施舍。这几年被逼出来的东西太多了。2024年底，DeepSeek发布V3模型，仅用2048块GPU训练两个月，GPU租赁成本约557.6万美元。同等性能的模型在海外动辄花费数千万甚至上亿美元。 这种效率差距震动了整个硅谷。芯片领域同样如此，美国封锁EUV光刻机与先进制程，反而逼着中国企业在成熟制程上拼命扩产。全球需求量最大的那块市场，头部玩家主动让出来了，中国接了过去。 微软当年的做法其实早就验证过一个道理。Windows盗版在中国横行那些年，微软基本放任不管。等到XP与Win7被淘汰，想用新系统只能买正版。这招很精明——先让你养成习惯、产生依赖，再把你引导到付费体系里。盖茨与黄仁勋想得很清楚：只要中国市场还在用你的产品，你就有话语权。门一关上，中国企业自己搞出来了，你连进场的机会都没了。 可美国国会的鹰派不这么想。这些年，美国商务部陆续将华为、中兴通讯、海康威视、中芯国际、大疆创新、长江存储等数百家中国企业列入实体清单。从特朗普第一任期到拜登政府再到特朗普第二任期，出口管制始终是核心工具。但事实反复证明——每一轮制裁，都在替中国企业自主研发提供最猛的动力。 汪涛说的穷举法背后需要一个前提条件：足够多的工程师、足够大的资金池、足够深的市场纵深。只有同时满足这三样，才有资格在每一条技术路线上下注。别的国家必须做单选题，中国有底气做全选题。 这对于那些想靠＂卡脖子＂压制中国的人来说，才是真正的噩梦——你堵住一条路，人家还有十条路在跑。每条路上都有一群企业在拼命赛跑，谁也说不准哪条路最终能杀出重围。 制裁封锁能延缓速度，但改变不了方向。当一个拥有14亿人口的市场下定决心要在所有技术领域实现自主可控，这种力量，靠几张禁令是拦不住的。

上周，机器人公司 UR 和 Scale AI 达成了合作，发布了 UR AI Trainer。 这也标志着 Scale AI 这家数据标注巨头，誓要进军机器人（具身智能）领域了。 Scale AI 热衷于扩展新业务的原因大家都清楚，昔日巨头现在的地位稍有些微妙。 自从去年年中，Scale AI 被Meta 收购了 49% 的股权后，联创 Alexander Wang 也从 Scale AI 直接加入了 Meta。 这让 Scale AI 失去了一定的中立性，也导致了一些客户的远离。 例如 Google，但自从 Scale AI 成为 Meta 的半子公司之后，Google 就停止了跟它的合作，转而和 Surge AI 等机构开始合作。 再比方说以前 OpenAI 跟Scale AI 是深度合作的，过去 OpenAI 得大量跟Scale AI 买标注好的数据。 但是 Meta 半收购后，OpenAI 也大幅降低了 Scale AI 作为数据标注供应商的权重。 根据市场推测，现在 Surge AI 的收入甚至有可能不亚于 Scale AI。Surge AI 由Edwin Chen 领导，不过 Chen 比 Wang 低调不少。 其实数据标注这是一个很赚钱的生意，它是劳动密集型的。 那些来自于印度、菲律宾或者肯尼亚的数据标注工们，对着图片、文字一通标注，干一份拿一份钱，颇有送外卖、开网约车的感觉。 这个特别让人容易联想到 Crypto，因为都是干一份工作、拿一份激励。 其实 Crypto 这么多年，别的不敢说，至少把激励这事儿整得比较明白😂。 其实 Crypto 也有数据标注的项目比如 Sahara。 最近又有一个项目也是蛮火的，币还没发出来，就已经被 Coinbase 纳入上币路线图了。这个项目叫做 Perle @PerleLabs 。 巧的是，创始人正是 Scale AI 之前的增长负责人。他的名字叫 Ahmed Rashad，看名字听起来像是一个中东裔。 毕竟 Scale 现在估值已经达到了惊人的 290 亿美金。那么创始人 Rashad 作为 Scale AI 的前任高管，Perle 自然也得到了投资人的青睐，它在币圈融了 1750 万美金。 当然了，说实话尽管融了这么多钱，目前阶段 Perle 想直接跟前东家 Scale AI 掰手腕还是有难度的。 Scale AI 走的是大而全的数据路线，要什么数据有什么数据，甚至现在连机器人的数据都在开始准备。 那 Perle 的思路是什么呢？ Rashad 因为之前在做 Scale AI 增长总监的时候，应该是见过了太多印度、菲律宾的数据标注工了。 他认为这样的点击农场似的工作状态可能有点问题，所以他现在想走的是”高精尖路线”。 而 Rashad 则是希望 Perle 专注在客单价比较高的数据标注赛道，比方说：法律、医学、金融等等。 然后再配合上 Crypto 的激励效果，希望吸引更多的专家级，而不是数据标注这种劳工级的标注者加入。 当然了，做高精尖的也不是是市场空白。 比方说 Surge AI 就有很多高精尖的数据标注工作。同时，受限于体量，像 Google 这样的顶级大厂，由于非常严格的精度要求，恐怕在目前阶段还是没法和Perle 这样的小厂进行合作。 所以 Perle 瞄准的更多是什么呢？是那种二三线的 AI 公司。他们急需打出差异化，并且对于成本更敏感。 另一方面，有很多做大模型微调、LoRA 的项目，他们也会对这些高精度数据有所垂涎。