中国底层穷人为什么完不成原始资本积累？ 因为马克思在一百五十年前就写了答案，只是大多数人没读进去。 《资本论》第一卷第二十四章，马克思把这个问题拆得明明白白："资本积累以剩余价值为前提，剩余价值以资本主义生产为前提，而资本主义生产又以大量资本和劳动力在商品生产者手中的存在为前提。 整个运动似乎陷入了一个恶性循环。"你品品这话。你有资本才能赚钱，赚钱才能积累资本。但如果你一开始就没有资本呢？这个环从哪儿断开？ 马克思给的答案是：断不开。原始积累不是勤俭节约的结果，是暴力的结果。 原文写的是"征服、奴役、劫掠、杀戮"，写的是"用血和火的文字写在人类的编年史中"。这段话很多人在课本上读过就忘了，觉得是历史，跟自己没关系。 但逻辑是一样的——今天没有人拿刀枪抢你的地了，但那套"让你永远无法攒下第一笔钱"的机制，一点都没消失，只不过换了更隐蔽的方式。下面我一层一层拆。 第一层锁：你连算账的脑子都没有了先说一个让我后背发凉的实验。 哈佛大学教授Sendhil Mullainathan和普林斯顿教授Eldar Shafir做了一组研究，后来写成了《稀缺》这本书。他们在新泽西商场找了两组人，按收入中位数分成"富人组"和"穷人组"，然后出了道题：假设你的车坏了，修车费300美元，你会怎么处理？修还是不修？修的话钱从哪来？ 两组人的回答没有显著差别。穷人也好富人也罢，300美元的修车费虽然让人烦，但不至于想不出办法。然后他们把300美元换成3000美元。富人组的表现几乎没变化。 3000美元对他们来说也不是小数目，但还没到需要绞尽脑汁的程度。穷人组的表现崩了。不是"差一点"，是智商测试分数掉了13到14分。13到14分是什么概念？ 大致相当于一个人彻夜未眠后的认知水平。更准确地说，当你的大脑被"3000美元修车费怎么办"这个问题占满的时候，你的思维带宽和一夜没睡的人差不多。 你开始算：信用卡刷爆了怎么办？这个月最低还款够不够？要不要借发薪日贷款？借了利息多少？下个月能还上吗？还不上会怎样？ 这些念头像后台程序一样疯狂运转，前台能用来做判断、做规划、做决策的脑力所剩无几。 Mullainathan管这叫"带宽税"。关键在于，这不是穷人天生笨。是同一个穷人在不同的金钱压力下，认知能力会有13到14分的波动。 你月入两万的时候觉得每月攒三千也不难，你月入四千的时候每天想的就是怎么撑到月底，哪还有脑子规划三年后的事？ 所以底层完不成资本积累的第一个原因，不是懒，不是蠢，是穷本身就会让人变蠢。 你越缺钱，你的认知资源越被当下的问题占满，你越没有余力去思考怎么攒钱、怎么投资、怎么跳出这个循环。贫穷不是一种状态，是一种会自我强化的认知环境。 第二层锁：你连思考的时间都没有上面说的是"认知贫困"，还有一种更实在的东西叫"时间贫困"。 2020年发表在Nature Human Behaviour上的一项研究，调查了250万美国人，发现一个结论：时间贫困对幸福感的负面影响大于失业。 大于失业。你想想这有多狠。什么是时间贫困？ 简单说就是，为了维持基本生活，你必须把所有清醒时间都用来换钱，没有一分钟是"你的"。你早上六点起来挤两个小时地铁去上班，晚上九点到家倒头就睡，第二天重复。 周末？周末要补觉。学习？哪有精力学习。 副业？你连正业都快干不动了。布宜诺斯艾利斯做过一个测算：官方收入贫困率是9%，但如果把时间因素加进去，贫困率几乎翻倍到16%。就是说有7%的人，收入在贫困线以上，但时间在贫困线以下——他们赚到的钱刚好够活着，但为此耗尽了所有时间，已经没有任何余力去改变现状。 资本积累需要什么？需要你在工作之外还有剩余——剩余的钱和剩余的时间。 穷人两样都没有。有钱人拿八小时赚够生活费，剩下八小时思考、学习、试错、找机会。 穷人拿十六小时才勉强够活，剩下的时间只够睡觉。同样是"一天"，同样有24小时，可用来自我投资的时间天差地别。 第三层锁：你攒下来的钱，正在被通胀吃掉假设你特别自律，每月硬攒下一千块。十年攒了十二万。 然后呢？ 2024年中国CPI涨幅不大，但M2货币供应量呢？ 过去二十年M2从十几万亿扩张到了三百多万亿。你的十二万在银行里躺着，购买力年年缩水。 你不是没攒钱，是攒下来的钱在贬值。而同一时间，有钱人怎么做的？ 他们借钱买资产。贷款买房子，房子涨了，贷款没涨。用资产增值对冲货币贬值。你攒了一万，购买力从一万变成了八千。 他借了一百万，资产从一百万变成了一百五十万。你亏了两千，他赚了五十万。同样是十年，你的十二万可能还跑不赢他一年资产增值的零头。 这就是马太效应的数学基础。年化8%的收益率，1万块30年后变成约10万，100万30年后变成约1006万。 起点差100倍，终点也差100倍，但绝对差距从99万拉大到了996万。复利不认识你，它只认识本金。本金越大，复利越狠。本金为零，复利连门都不敲。 你以为你在和自己的消费欲搏斗，其实你在和一个数学公式搏斗。而数学公式不会输。 第四层锁：你以为的消费升级，其实是消费陷阱这一层我想说得直白一点。 2019年诺贝尔经济学奖得主Banerjee和Duflo在《贫穷的本质》里写过，穷人有一个看似矛盾的行为：在极度贫困的情况下，他们反而会把相当比例的收入花在"不必要"的消费上——节日庆典、面子消费、娱乐消遣。 很多人批评这是"穷人的不理性"。但Banerjee和Duflo的解读不一样：当你的人生没有任何上升通道时，今天的快乐就是你唯一能抓住的东西。 你让一个看不到未来的人为三十年后攒钱，他凭什么？ 他连三年后的样子都想象不出来。然后算法来了。短视频、直播间、拼团、砍一刀、满减券、先买后付……所有这些精心设计的钩子，瞄准的全是那个"今天想对自己好一点"的瞬间。 你辛苦一天回到家，打开手机，算法比你更懂你需要什么。 你不需要三十秒的决策时间，你只需要一个"买"的冲动。9块9包邮、0元试用、12期免息——每一个门槛都被打磨得极低，低到你的理性根本来不及启动。 2025年Oxfam的报告里有一条容易被忽略的数据：亿万富翁拥有超过一半的全球最大媒体公司，以及所有主要社交媒体公司。 什么意思？制定消费规则的人和提供消费内容的人是同一批人 第五层锁：你的孩子大概率还在起点 谢宇（北大和普林斯顿双聘教授）2022年在PNAS发了一篇论文，研究中国建国后的社会流动性。 核心发现有一层容易被忽略的含义：中国整体的社会流动性在改善，但这改善主要来自农民进城，也就是工业化带来的结构性机会。剔除农民样本后，非农职业的代际流动性反而在下降。 1976到1985年出生的群体，代际职业相关系数比1946到1955年出生的群体高出不少。 通俗讲就是，"官二代""富二代"不是错觉，是数据。教育这条路的收窄更触目惊心。1990年城乡高等教育入学率差距约3倍，2003年扩大到了约10倍。 清华大学农村生源比例2000年降到了17.6%，北京大学1999年农村生源只有16.3%。你可能觉得这是老数据了。 但换一个角度想：今天一个农村孩子和一个北京中产家庭的孩子，从幼儿园开始的教学资源、课外辅导、视野见识的差距，比2000年大还是小？答案你自己有数。 中国0.3%的家庭（约140万户）掌握了67%的私有财富，人均6900万。93%的普通人加在一起只有5%的财富，人均不到3.3万。 两者差距超过2000倍。这不是"努力就能缩小"的差距，这是"你从出生那一刻就被分配了赛道"的差距。第六层锁：你想逃，但规则不允许回到马克思。 马克思讲"双重自由"的时候，写了一段黑色幽默：工人必须是自由的，既不像奴隶那样属于生产资料，也不像自耕农那样拥有生产资料。 因此"自由得没有任何自己的生产资料"。这个逻辑放到今天依然成立。你不是奴隶，没有人强迫你劳动。但你也没有生产资料，不劳动你就没法活。 你"自由"地选择了每天通勤两小时去上班，"自由"地接受了996，"自由"地签了那份房贷合同。每一份选择都是你"自愿"的，但每一个"自愿"背后的选项都少得可怜。 法国的盐税叫Gabelle，存在了六百年。大gabelle区的人每年必须购买至少7公斤盐，不是想买就买，是政府强制你买。你不买？违法。 你买不起？借债也得买。六百年间这个税废了又立、立了又废，直到1946年才最终废止。 为什么废不掉？因为盐太刚需了，刚需到再穷的人也必须买，所以政府永远有税基。 今天的房租、房贷、子女教育、医疗支出，就是现代版的Gabelle。你省不了，你逃不掉，你每个月的收入还没到手就已经被预支了。 你没有剩余，就没有积累。没有积累，就永远在原地。那怎么办？我没有鸡汤给你。 如果上面六层锁都是真的，那任何"只要努力就能改变命运"的说法都是在侮辱你的智商。 但我想说一件事。马克思写"整个运动似乎陷入了一个恶性循环"的时候，用了"似乎"两个字。 他不是不知道有例外，但他更关心的是：为什么例外那么少？为什么只有极少数人能从底层爬出来？ 爬出来的那些人，凭什么是他们？答案很残酷：有时候是运气，有时候是某把锁在某个瞬间松了一下。 Banerjee和Duflo的随机对照实验发现了一个重要的东西：小额信贷对"有创业意愿和能力"的穷人确实有用——给了他们第一笔资本，产出出现了跳跃式增长。但对普通家庭，效果有限。 什么意思？原始资本积累的钥匙不是"钱"，是"钱+能力+机会"三样东西同时到位。 少一样，钱给你也守不住。 这也是为什么底层的原始积累这么难。不是哪一把锁单独锁死了你，是六把锁同时锁着，你需要六把钥匙一起转。 而现实是，大多数人连第一把都找不到我不是来给答案的。 但如果这篇文章能让你看清锁在哪里，至少你不会把锁误认为自己的手。看清了，才有可能在某个缝隙里找到出路。 看不清，你会在自责里耗尽一生，觉得是自己不够努力。 不是你不够努力，是这个系统从设计上就不让你攒下第一笔钱。 认清这一点，比任何鸡汤都重要。

德国经济研究所（DIW）做出的一项研究发现，美国针对中国制造的商用船舶拟征收的港口费，可能让德国受益。德国对美出口额可能会增长约2%。主要原因在于，德国货运船队对中国制造船舶的依赖度较低，这意味着德国出口商有望从受冲击的竞争对手手中夺取市场份额。 美国政府以国家安全利益为由，计划通过征收这些费用来打破中国在造船业的主导地位。收费标准将依据船舶的建造地，而非船上所载货物的归属方。 不过德国经济研究所也指出，这项计划中的收费措施主要会损害美国自身的利益。据估算，作为全球最大经济体，美国的进出口额将分别下降0.2%和0.3%。DIW经济学家乔德里（Sonali Chowdhry）表示：“其机制很简单：收费推高了中间投入成本，导致美国制造商竞争力下降；而经济走弱又进一步抑制了对外国商品的需求。” 此外，其他国家受到的冲击可能更为严重。在欧盟内部，芬兰（下降5.0%）、丹麦（下降4.4%）和波兰（下降3.0%）对美出口将遭受尤为显著的损失。 乔德里指出：“针对中国制造船舶征收港口费标志着贸易冲突升级到了新阶段。这是首次不仅针对商品，而是针对运输工具本身采取行动。”研究结果显示，这些措施将重创依赖出口的新兴经济体（如哥斯达黎加、越南和巴基斯坦），它们对美出口额可能骤降近9%。韩国被视为欧洲以外为数不多的受益者之一。与德国一样，韩国的出口额预计也将增长约2%。 数据显示，自20世纪90年代以来，商用造船业的重心已向中国转移。如今，全球约一半的新建商船都产自该国。过去30年间，欧盟在新造商船市场的份额从17%降至不足3%。德国在全球新造船市场的份额也从1995年的约6%跌至近期的不足0.1%。 乔德里强调称：“作为欧洲主要的出口型经济体之一，同时也是众多大型航运公司和关键海事枢纽的所在地，德国应当在欧洲海事产业政策中发挥更积极的作用。”

出生公民权争议：特朗普再签行政令 禁止“生育旅游” 周四，美国总统特朗普签署两项旨在限制“出生公民权”的新行政命令。其中之一针对赴美产子的外国女性。 特朗普的顾问兼其移民政策的设计者斯蒂芬·米勒（Stephen Miller）表示，周四签署的行政令之一旨在取消两类人群子女的“出生公民权”：一是“外国恐怖组织”成员的子女，二是“代表外国政府进行游说及开展活动的大量人员”的子女。 第二项行政命令针对的是所谓的“生育旅游”（birth tourism）。指的是女性通过获取签证前往美国并在当地分娩，从而使子女获得美国公民身份的行为。 米勒补充道：“自本行政命令签署之日起，这种‘生育旅游’做法即被禁止。这意味着，世界上任何人都不再获准以这种欺诈性目的获取签证。” 目前，尚无官方数据统计显示专门为生育并获取公民身份而赴美的外国人数量。不过，立场亲近特朗普的“移民研究中心”（Center for Immigration Studies）声称，2016年至2017年间，约有2万至2.5万名母亲采取了这种做法。 《纽约时报》援引宾夕法尼亚州立大学的一项研究称，在任何年份，游客在美国生育的婴儿数量均不足全美出生总数的0.3%。 中国媒体曾报道，赴美“生育旅游”的队伍中，中国人占据了大头。《第一财经》2017年引用“不完全统计”称，中国大陆赴美生子的人数在2014年达到了5万。随之形成了一条每年高达几十亿美金的庞大产业链，包括月子中心、华人医院、超市、旅行社、移民和房产中介公司等。 特朗普第一任期内于2020年实施的一项联邦法规规定，禁止以主要为了让新生儿获得美国公民身份为由，使用临时旅游或商务签证入境。新的行政令也未说明以何标准判定签证申请者入境美国是为了生产。 美国宪法第十四修正案规定的“出生地公民权”，确保在美国出生的婴儿自动获得公民身份。 特朗普在第二个任期伊始曾签署一项行政令试图限制该权利，规定对于父母仅在美国短期停留或未持有有效居留证件期间出生的儿童，不予自动获得公民身份。美国最高法院于今年6月驳回了该行政令。

沃什改写“美联储最爱的通胀指标”，2021年“通胀低估”会重演吗？ 摘要：美联储主席沃什力推"截尾均值PCE"取代传统核心PCE作为政策锚点，该指标4月读数仅2.3%，远低于核心PCE的3.3%。华尔街日报记者Nick Timiraos认为，这一数据分歧直接左右着美联储的利率路径与金融市场的降息预期。多家机构警告：该指标2021年曾系统性低估通胀，如今偏差或达48个基点——华尔街最担心的，是历史正在重演。 美联储新任主席沃什正试图将央行的政策锚点转向一个更加温和的替代性通胀指标，这一底层框架的重大转变引发了市场对美联储可能重蹈2021年覆辙、再次低估潜在价格压力的担忧。 目前的通胀数据正呈现出截然不同的两副面孔。美国商务部最新公布的数据显示，剔除波动较大的食品和能源项目后，传统的核心PCE在过去一年升至3.3%，创下2023年以来最快增速。然而，华尔街见闻此前提及，达拉斯联储编制的截尾均值PCE通胀4月同比仅为2.3%。  有美联储通讯社之称的华尔街日报记者Nick Timiraos最新文章指出，这一统计分歧直接左右着美联储的利率路径与金融市场的降息预期。沃什在4月的确认听证会上明确偏好截尾均值PCE，认为其能更好地过滤关税和地缘政治等一次性冲击，从而印证了通胀正在改善的鸽派叙事。但与之相对，美联储理事Lisa Cook公开警告，核心通胀指标“显然正朝错误方向移动”。 对于投资者而言，当前的焦点在于美联储究竟应相信哪一个通胀温度计。如沃什主导的政策框架赋予截尾均值PCE更高的权重，美联储短期内维持宽松或降息的逻辑将得到强化；但如果该指标当前存在系统性偏差，这种“虚假的安全感”可能导致美联储再次落后于通胀曲线。 核心分歧：更冷的替代指标对冲传统通胀担忧 长期以来，美国劳工部公布的CPI由于发布时间早且与众多合约挂钩而广受公众关注，但美联储政策制定者更看重商务部的PCE价格指数，尤其是核心PCE。然而，沃什将核心PCE称为一种“粗糙的近似值（rough swag）”，认为其保留了太多一次性的价格扭曲因素。 沃什青睐的达拉斯联储截尾均值PCE试图通过系统性的过滤机制来消除噪音。与固定剔除食品和能源的核心PCE不同，该指标每个月会根据价格变化幅度，剔除涨幅最大和跌幅最大的项目，保留中间部分。据达拉斯联储研究人员指出，4月份截尾均值通胀比核心PCE低了0.7个百分点，主要原因正是该指标降低了受关税直接影响的商品权重。 在沃什看来，当前的关税政策、AI投资热潮以及地缘政治冲击带来的价格上涨属于需要被“看透（look through）”的短期现象，不应引发政策收紧。截尾均值PCE持续降温的读数，为这一政策立场提供了直接的数据支撑。 机制设计缺陷：2021年失误再现的隐患 达拉斯联储的截尾均值PCE在历史上曾有较好的预测记录，但其在2021年通胀飙升期的表现却引发了广泛质疑。当时，随着通胀大幅上行，该指标显示出的通胀增速远低于实际情况，一度成为政策制定者认为通胀是“暂时性”的论据。 这一失误根源于该指标的底层设计。在1977年至2009年间，美国物价下跌的幅度通常大于上涨的幅度。为了消除这种分布偏斜带来的向上偏差，达拉斯联储将其指标设计为剔除给定月份中涨幅最大的31%的项目，但仅剔除跌幅最大的24%的项目。 然而，在疫情爆发后的2021年，历史模式发生了逆转，价格上涨的幅度开始超过下跌的幅度。通过机械地剔除更多涨幅较大的项目，达拉斯联储的指数无意中低估了通胀的实际上行趋势。如今，相似的背离再次出现，引发了对该指标是否再次失效的讨论。 偏差与低估：真实通胀究竟有多高？ 面对再次扩大的数据分歧，研究机构和美联储内部均发出了预警信号。 达拉斯联储经济学家Tyler Atkinson提示，不应从当前的截尾均值PCE水平中获得过多乐观。他指出，特朗普政府实施的关税推高了大量商品价格，导致价格上涨覆盖了更大范围的商品，这使得现有的截尾规则可能剔除了过多的高通胀项目。 野村在近期的研报中进一步量化了这一偏差。野村指出，疫情后核心商品价格不再稳定提供通缩力量，AI投资热潮对计算和软件的需求，以及企业调价频率的上升，导致价格变化分布更容易向右偏斜。经偏差调整后，当前的截尾均值通胀约为2.8%，这意味着官方指标可能低估了潜在通胀约48个基点。 左翼智库Employ America的数据同样印证了这种低估。该智库构建的一项对称截尾PCE指标（即从分布的顶部和底部剔除相同比例）在4月份达到了3%，大幅缩小了与核心PCE的差距。其另一项剔除住房和估算价格的指标在4月份录得2.8%，且已连续13个月同比上升。 市场影响：政策框架重塑与落后曲线风险 Timiraos在文章中表示，沃什对通胀指标的偏好调整，实质上是美联储应对新时代价格冲击的框架重塑。 前美联储经济学家、通胀研究公司负责人Riccardo Trezzi直言不讳地指出，关键在于“看透”价格波动究竟是一个原则性的政策框架，还只是在需要时用来淡化不便的通胀数据的手段。Trezzi强调，由于整个价格分布在近几个月已向上偏移，通胀并未好转的证据依然强劲。

Token 经济与加密货币世界的 Tokenomics 有何异同？ 为什么要关注Token？因为它让AI变成了一种可以计量、定价和交易的资源——就像“千瓦时”让电力有了价格，“桶”让石油有了期货市场。有了Token，AI经济就有了可以算账的单位。围绕这个单位，目前也正在形成一套全新的经济逻辑：有价格、有供需、有产业链、有国际竞争、有待解决的制度难题。 这就是Token经济学要讨论的事。Token 经济与加密货币世界的 Tokenomics 有何异同？ 两个Token，两个世界 说起来，这个世界上真正混乱的事情不多，两个东西叫同一个名字却毫不相干，算是其中之一。AI的Token和加密货币的Token，就像两个叫”刘伟”的人，一个在北京开餐馆，一个在上海做期货，见面了也没什么好说的。雷锋与雷锋塔区别！ 但这两个Token，最近都很热闹。热闹到让很多人以为它们是一回事。 Token这个词，到底是不是新营销词 先得承认，Token这个词确实有被滥用的嫌疑。每隔几年，科技圈就会造出一批新词，让人觉得时代变了，其实换汤不换药。“大数据”火的时候，什么都往大数据上靠；”云计算”火的时候，什么都上云；现在轮到Token了。 不过这次有点不一样。Token不只是一个营销标签，它背后有真实的计量逻辑在撑场子。 就像”千瓦时”让电力有了价格，“桶”让石油有了期货市场，AI的Token做的是同一件事：把原本看不见摸不着的”智能算力”，变成一个可以算账的单位。有了这个单位，才能定价，才能比价，才能有产业链，才能有国际竞争。 所以Token不只是营销词，它是一把尺子。问题在于，AI这把尺子，和加密货币那把尺子，量的完全是不同的东西。 AI Token：一个从技术后台走到聚光灯下的计量单位 Token这个概念在计算机里其实由来已久。编译器做词法分析，早就把文本拆成一个个Token。网络安全里，身份验证令牌也叫Token。这些都是幕后工作，从没人觉得它有什么经济价值。 转折点在2017年，Google发表了那篇著名的论文《Attention Is All You Need》，提出了Transformer架构。这篇论文之后，所有大语言模型处理信息的方式都统一了：输入进来的文字，先被切成Token序列，模型一个个处理，再输出Token序列。Token变成了AI”思考”的基本粒子。 但这时候Token还没有经济属性，只是工程师内部的技术术语。 2022年11月，ChatGPT横空出世。这是个分水岭。 2023年3月，OpenAI推出GPT-3.5的API，第一次采用按Token计费。输入多少Token，输出多少Token，分别定价。那时候GPT-4的价格是每百万input token收30美元，output token收60美元，按今天的标准看，贵得像天价。 从那一刻起，Token从技术单元变成了经济单元。Anthropic跟上，Google跟上，国内百度、阿里、腾讯全跟上，全行业默契地采用了这套计费方式。Token成了AI服务的通用货币单位。 价格这三年掉得惊人。GPT-4刚发布时，每百万input token要30美元。 从2022年底到现在，GPT-3.5级别的模型使用成本从每百万token约20美元跌到了0.07美元，整整降了280倍。照这个速度，a16z记录的数据显示，LLM推理成本每年约下降10倍，堪称摩尔定律的重生。 便宜了有什么后果？后果是用量爆了。 这里有个经济学里的老故事，叫Jevons Paradox。1865年，英国经济学家Jevons发现，蒸汽机效率越高，煤炭消耗反而越多，因为效率降低了门槛，用的人更多了。AI Token正在重演这个故事。企业AI云支出从2024年的115亿美元涨到了2025年的370亿美元，整整翻了三倍，而这期间token单价跌了超过95%。 Google内部的token处理量在十八个月内增长了130倍。 越便宜，用得越多。越用得多，总账单越大。 这背后还有个推手，叫Agent。以前是人在问AI，AI回答，一问一答，token消耗有限。现在Agent出来了，AI在自动跑任务，自己调用自己，一次任务可以消耗几十万甚至上百万token。这不是线性增长，是指数级的爆炸。 2026年3月，黄仁勋在英伟达GTC大会上把”Token”这个词说了超过70次，把数据中心重新定义为”Token生产工厂”，把评价算力的核心指标从FLOPS换成了”每瓦Token数”。同一天，阿里巴巴把通义、千问、MaaS等板块整合，成立了Alibaba TokenHub事业群。Token经济，在2026年正式被主流商业世界承认了。 AI Token的上下游：一条新的产业链 AI Token经济的有意思之处，在于它重塑了整个产业链的逻辑。 上游是能源和芯片。每生产一个Token，都要消耗真实的电力和算力。英伟达的GPU是目前最主要的Token生产设备，黄仁勋把它卖给全世界的数据中心，本质上是在卖”Token生产产能”。能源成本直接影响token成本，这让AI经济和能源经济绑在了一起。 中游是大模型公司。OpenAI、Anthropic、Google、国内的百度、阿里、腾讯，都在这个位置。他们把算力和模型打包，按Token卖给开发者。这一层的竞争极其激烈，价格战打得很惨，但总量在涨，所以大家还活着。 下游是应用层。各种SaaS产品、企业工具、消费者产品，把Token的成本打进自己的定价里，再卖给最终用户。Token成本在企业财务里已经是刚性支出，和房租、人力一起躺在成本表里。 这和传统软件经济的逻辑不一样。以前软件卖出去之后，边际成本趋近于零，用户越多越赚钱。AI服务不是这样，每次用户交互都有真实的Token消耗，规模大了，成本也跟着大。这是一个全新的商业模式，整个行业还在摸索怎么把它算清楚。 加密货币的Token：从一枚Coin开始的故事 要说清楚加密货币的Tokenomics，得从更早的地方讲起。 2008年金融危机，全球对银行体系的信任跌到低谷。这个背景下，一个叫Satoshi Nakamoto的神秘人物发布了Bitcoin的白皮书，2009年Bitcoin网络正式上线。2010年5月22日，程序员Laszlo Hanyecz用一万个BTC换了两个披萨，这是比特币历史上第一笔真实商品交易。这笔交易现在被称为Bitcoin Pizza Day，那一万个BTC今天价值近十亿美元。 Bitcoin是一个Coin，有自己的区块链，规则写在代码里，总量2100万枚，靠挖矿产生，四年减半一次。这是最早的加密货币逻辑：用数学创造稀缺，用共识创造价值。 Coin时代的Token概念很简单：就是一种数字货币，用来存储价值和转账支付。Bitcoin是Coin，Litecoin是Coin，它们都有自己的链，规则各不相同，互不兼容。 然后Ethereum出现了，把整个游戏改了。 Ethereum的核心发明是智能合约。有了智能合约，任何人都可以在Ethereum上发行自己的Token，不需要搭建新的区块链。2015年，开发者Fabian Vogelsteller提出了ERC-20标准，描述了一套技术规范，让所有基于Ethereum发行的Token都能互相兼容，在各种钱包和应用里无缝使用。ERC-20在2017年正式实施。 ERC-20的意义在于，它把发Token的门槛从”搭一条链”降低到了”写一个智能合约”。2017年ICO浪潮中，过了5分钟就能发出一个新Token，中心化交易所上架新Token的时间也从几个月缩短到几天。 这就引发了2017年的ICO大爆炸。 2017年到2018年间，数千个项目进行了Token销售，ICO在2018年前三个月就募集了63亿美元，是2017年全年的118%。项目方写一份白皮书，发出Token，散户拿着ETH来换，钱哗哗地流进来。其中有真正想做事的团队，也有大量的骗局和空气项目。监管机构随后介入，SEC把不少ICO认定为非法证券发行，这场派对才逐渐收场。 但ERC-20打开的大门就再没关上。从那以后，crypto世界的Token不再是简单的数字货币，开始承载更复杂的经济功能。Tokenomics这个词，就是在这个背景下诞生的。 Tokenomics：加密货币世界的经济设计学 Tokenomics这个词，是Token和Economics的合体，研究的是一个加密项目怎么设计自己的Token经济体系。它包括发行总量、分配比例、释放节奏、通胀通缩机制、使用场景、持有激励……本质上是在回答一个问题：凭什么有人要买我的Token，买了之后为什么不卖？ 这些年发展出了几个有代表性的模型。 Governance Token模型是2020年DeFi夏天流行起来的。Compound和Uniswap在2020年普及了Governance Token，持币者拥有对协议方向的投票权，但没有直接的现金流权益。用白话说，就是持Token可以投票，但不能分钱。这个模型一开始很流行，因为绕开了监管对”证券”的定义，但后来大家发现，一个没有经济权益的治理权，价值有多大，很难说清楚。 veToken模型是Curve Finance搞出来的，后来影响了一大批DeFi协议。ve(3,3)模型是Andre Cronje在2021年1月提出的，融合了Curve的Vote Escrow机制和OlympusDAO的(3,3)博弈论。基本逻辑是：把Token锁仓，换成veToken，锁仓时间越长，获得的veToken越多，投票权和协议收益也越大。这个设计试图解决短期投机者砸盘的问题，鼓励长期持有。Curve用这套veCRV模型吸引了大量流动性，成为DeFi里流动性最深的DEX之一。 Deflationary模型是Bitcoin开创的，很多项目跟进。通过限制总量、定期销毁，制造通缩预期，支撑价格。以太坊在EIP-1559之后，每笔交易都会销毁一部分ETH，使得ETH在高使用量时期变成通缩资产。 这些模型各有各的玩法，但有一个共同点：它们的价值都依赖于市场共识。没有人相信，Token就没有价值。这和AI Token完全不同，AI Token的价值是真实算力消耗在背后撑着的。 两个经济体，两条路 说到这里，可以把这两个世界放在一起看了。 AI Token的产业链是垂直的、中心化的。英伟达造芯片，云厂商建数据中心，大模型公司训练模型，应用公司调API，最终用户买服务。每一层都是真实的成本和真实的价值。Token是计量单位，不是资产，用了就没了，没有任何金融属性。整个产业链最终服务的是实体经济，帮企业提升效率，帮开发者造产品。 加密货币的产业链是网络化的、去中心化的。矿工或验证者维护网络安全，协议层发行和管理Token，持有者通过投票参与治理，投机者在二级市场买卖。Token本身是资产，可以转让，可以交易，有金融属性，价格由市场供需决定，和外部实体经济的关联相对间接。 两套经济体，两条独立的价值链，两种完全不同的生态。 当然，有人在尝试把两者融合：用区块链来做去中心化的AI算力网络，把AI服务的计费和分润用Token来结算。Bittensor、Render Network、IO net都在这个方向探索。这是第三条路，但无论走到哪里，它骨子里仍然是加密货币的Tokenomics，只是应用场景叠加在了AI上。 有一件事可以确定：这两个Token，同名不同命。一个在工厂里量产，一个在市场上流通；一个代表消耗，一个代表持有；一个撑着AI产业的运转，一个撑着加密世界的信仰。 名字一样，生意不同。就像那两个都叫刘伟的人，一个卖的是饭，一个卖的是梦。饭是真实的，梦也未必是假的，只是得分清楚你在做哪笔买卖。 #AI# #AIAgent#

中国市场在过去两年间已成为耐克最棘手的业务板块之一。宣布终止第三方线上销售渠道后，耐克在中国的最大经销商滔搏港股周三跌幅一度至约30%。

据彭博社，阿根廷总统 Javier Milei 的内阁首席 Manuel Adorni 称，其在 2013 年至 2018 年间投资约 20 万美元购买比特币，并获利约 30 万美元，以回应有关非法致富的指控。阿根廷部分加密行业人士对此提出质疑，称不认识其为比特币支持者，也未曾在加密活动中见过他。Adorni 近期因差旅、房贷及住宅资金来源受到审查。

德国罗伯特·科赫研究所（RKI）估算，6月底席卷德国的极端热浪，可能导致约5100人死于高温相关因素。德国联邦统计局则推算，6月22日至28日热浪期间，全国死亡人数较往年同期高出约30%，超额死亡人数约达6800人。所谓“超额死亡”，是指某一时期内的死亡人数高于正常预期水平。 这波热浪期间，德国多地气温逼近40摄氏度，部分地区甚至突破41摄氏度，刷新历史高温纪录。RKI指出，高温很少直接导致死亡，通常是与心血管、肺部或肾脏疾病等既有病症共同作用，因此高温死亡往往不会出现在正式死因统计中。 欧盟哥白尼气候变化服务中心（C3S）表示，2026年6月是西欧有记录以来最热的6月，平均气温达到20.74摄氏度，较1991年至2020年平均水平高出逾3摄氏度，同时也是全球史上第二热的6月。法国、比利时、西班牙和荷兰也通报超过4700起超额死亡案例。 高温死亡数字引发德国政坛争论。绿党批评总理默茨领导的政府未正视热浪危机，要求推出紧急降温计划，为学校、医院及长期护理机构加装空调设备。绿党卫生政策专家瓦格纳（Johannes Wagner）更将大量高温死亡形容为“政治上的全面失败”。 环保团体则警告，高温已成为“沉默杀手”，呼吁政府加快推进城市绿化、防暑设施建设及气候适应措施，以保护老年人等高风险群体。 联邦环境部长施奈德（Carsten Schneider）日前表示，联邦政府已向各州及地方政府提供1000亿欧元基础设施投资资金，各地也可利用这笔资金改善防暑设施。 RKI指出，德国历年热浪影响程度差异较大。2018年与2019年分别是高温致死人数最多的年份，推估死亡人数约为8400人和6900人；2022年至2025年间，每年的高温相关死亡人数则约介于2600至4900人之间。 (路透社、法新社）

尼泊尔山洪村民靠喝洪水等救援，这个事件可以看成是气候变化引起的巨大灾难，冰川融化加速导致。 先是最近高温，然后是地震，导致尼泊尔一处海拔5200多米的冰川下部断裂，坠落到下方约1200米的河谷，造成大洪水；然后引发巨大泥石流。把楼房都给淹没了。 根据美国“行星实验室”（Planet Labs）的卫星图像，冰川断裂后的冰层裸露出来，本来都是绿色森林的河谷被一大片泥石流覆盖。尼泊尔警方昨天晚上的报告：迄今寻获约157具遗体，还有400多名游客失踪，其中约340人为外籍人士。这只是尼泊尔那边的报告。 这些年尼泊尔的冰川融化确实在加速（全球都差不多）！短短30多年间损失了近三分之一的冰量，而且过去10年的融化速度比前一个10年快了65%！

尼泊尔山洪这个事件可以看成是气候变化引起的巨大灾难。冰川融化加速导致。 ¹ 先是最近高温，然后是地震，导致尼泊尔一处海拔5200多米的冰川下部断裂，坠落到下方约1200米的河谷，造成大洪水；然后引发巨大泥石流。把楼房都给淹没了。 ² 根据美国“行星实验室”（Planet Labs）的卫星图像，冰川断裂后的冰层裸露出来，本来都是绿色森林的河谷被一大片泥石流覆盖。尼泊尔警方昨天晚上的报告：迄今寻获约157具遗体，还有400多名游客失踪，其中约340人为外籍人士。这只是尼泊尔那边的报告。 ³ 这些年尼泊尔的冰川融化确实在加速（全球都差不多）！短短30多年间损失了近三分之一的冰量，而且过去10年的融化速度比前一个10年快了65%！