AI 不单耗钱，还耗水，全世界只能支持一个国家去玩，而且还是淡水多的国家。习近平的 AI 白大象工程 又一次精准 打中自己死穴。以一个贫水國之國力，去承担為世界大脑降温的要任

AI 不只把英伟达送上神坛，也把“卖内存”的 SK 海力士推上了华尔街。 SK 海力士登陆纳斯达克，首日上涨 12.8%，一次募集 265 亿美元，创下外国公司在美国最大规模的首次股票发行纪录。 SK 集团董事长崔泰源说： “这是 AI 时代。AI 引爆了存储需求，现在轮到我们了。” 这一天，他们等了约 15 年。 因为大模型训练和推理不只有 GPU，还需要大量 HBM、DRAM 和高速存储。SK 海力士正在从传统周期型存储公司，被资本市场重新定价为 AI 基础设施核心资产。 下一步，公司还在考虑扩大 ADR 规模、连接更多美国投资者，但前提是稳定股价并持续提供长期回报。 真正的大信号是： AI 的资本盛宴，正在从 GPU 扩散到内存、网络、电力、散热和整个数据中心供应链。 英伟达之后，下一个被重新定价的会是谁？

“AI 不可能永远停留在聊天框？还是商业化没验证前，一切都只是估值扩散❓” 🔵 正方 DD滴滴 @rtk17025 ： 大模型解决的是“认知与决策”，机器人解决的是“感知与行动”，AI 终将走向物理世界。 🔴 反方 方外之域 @yijiangren ： 在量产和盈利路径跑通之前，具身智能接不了棒，它只是 AI 估值的外溢。 预约 #币安广场# 圆桌辩论👉 7/7（周二）晚 8:00（UTC+8）： 先站队，再留下你最想问的问题 👇

通用 AI 不知道你公司的文档、你收藏的论文、你三年的笔记里写了什么。这 5 个开源项目能把这些资料变成 AI 能查的库： 1、【Open WebUI】 本地大模型的网页界面，接 Ollama 或者任何兼容 OpenAI 接口的模型。上传文档之后直接在对话里提问，它会去文档里找答案并标出处。146.8k star，个人自建的首选。 2、【Dify】 可视化搭 AI 应用，拖拽连线就能做出一个带知识库的问答机器人，还能接微信、飞书、网页。不写代码的人也能做出能给同事用的东西。150.3k star。 3、【AnythingLLM】 桌面 App 装完即用，最适合完全不想折腾服务器的人。把 PDF、Word、网页链接拖进一个工作区，它自己切分、建索引，然后就能问了。 4、【RAGFlow】 强项是复杂文档的解析，扫描件、带表格的 PDF、财报这类结构乱的文件，它能把表格和版面正确切开，不会把整页糊成一团文字。资料质量差的时候差别很明显。 5、【Khoj】 定位是个人第二大脑，接你的 Obsidian 笔记、邮件、文档，然后随时问。它会在后台持续索引新增内容，不用每次手动上传。 资料没切好，再强的模型也答不准。这类工具真正的差距在解析文档那一步，不在模型。

AI 与 Crypto：不是“加不加”的问题，而是“什么时候需要” 这个周末我去参加了一个很火爆的 OpenClaw Demo 活动，担任评委点评项目。 另一位评委是 Web2 圈非常有名的投资人，在这一轮 AI 浪潮里押中了像 MiniMax 这样的明星公司，战绩非常漂亮。 但他有一个非常明确的观点：不看好 Crypto。 他的逻辑其实也很简单——如果一个项目本身是一个很好的 AI 产品，但为了发币硬塞区块链进去，那基本就是把自己的路走窄了。因为一旦带上 crypto 标签，在融资、监管、用户认知上都会立刻进入一个更复杂的环境。 坦白说，这个观点我部分认同。 过去几年 Web3 确实有大量项目犯了一个错误： 先想发币，再找产品。 很多项目的区块链部分其实是完全多余的。 如果一个产品的核心价值不依赖链上机制，只是为了 Tokenomics 而加一层链，那基本上已经被市场证明走不通。 所以当一些 Web2 投资人看到“AI + Token”的项目本能反感，其实也不奇怪。 但问题在于： 很多人因此得出了一个过于简单的结论——AI 不需要 Crypto。 我认为这个结论同样是错误的。 AI 与区块链之间的关系，从来就不是一个“是否需要”的问题，而是一个在什么阶段必然会需要的问题。 而且随着 AI 进入 Agent 时代，这种需求会越来越明显。 ⸻ 一、AI 协作需要“可验证性” AI 未来不是一个模型，而是一整个 Agent 网络。 一个复杂任务的完成，可能需要几十甚至几百个 AI Agent 协同完成： •有的负责数据获取 •有的负责推理 •有的负责执行 •有的负责验证 在这种体系里，一个核心问题会出现： 谁做了什么？如何证明？ 如果所有计算和数据都在中心化服务器里，那最终只能靠平台信用。 但当 AI Agent 之间开始进行大规模协作时，可信记录和可验证执行就变得非常关键。 区块链的价值就在这里： •可验证记录 •不可篡改日志 •可编程结算 换句话说，AI 需要一个可信的协作底层。 这也是为什么像 0G 这样的基础设施会提出 DeAIOS（Decentralized AI Operating System） 的概念： 让 AI 的数据、计算和行为可以被验证，而不是黑箱。 ⸻ 二、AI 开发者需要新的激励体系 在 OpenClaw 的生态里，其实已经出现了一个很明显的问题。 很多开发者在开发 Skill。 这些 Skill 本质上就是 AI Agent 的能力模块。 但问题是： 开发者很难从中获得长期收益。 今天的模式大概是： •开发者贡献能力 •平台获得流量 •平台掌握收益 这种模式在 Web2 很常见，但它并不适合未来的 AI Agent 经济。 如果一个 Skill： •可以被反复调用 •可以组合进不同 Agent •可以在不同应用场景复用 那它本质上就是一种 数字资产。 而资产的确权、交易和收益分配，正是区块链最擅长解决的问题。 未来很可能会出现： •Skill Marketplace •Agent Asset •自动化收益分配 AI 能力本身会变成一种可交易的资产。 ⸻ 三、AI 数据主权问题会越来越严重 AI 的发展正在快速逼近一个新的问题： 数据荒。 高质量训练数据正在变得越来越稀缺。 同时，大模型公司已经在大量使用互联网内容进行训练： •文章 •图片 •视频 •代码 这些内容的创造者是谁？ 人类。 但在现有体系里，人类几乎得不到任何回报。 如果这种模式持续下去，很可能出现两件事： 1️⃣ 数据质量持续下降 2️⃣ 创作者动力消失 未来一个更合理的体系应该是： •数据有来源 •数据有所有权 •数据可以被授权使用 •数据贡献可以获得收益 这其实就是 数据资产化。 而区块链正好可以提供： •数据确权 •数据授权 •数据使用记录 •自动分润 简单说： AI 不仅需要算力，也需要一个新的数据经济体系。 ⸻ 四、Web3 从业者不需要羞于表达 最近在很多 AI 活动上，我也发现一个很有意思的现象。 不少做 Web3 的朋友在自我介绍的时候，会刻意淡化自己的背景。 甚至有点不好意思说自己来自 Crypto。 我其实觉得 完全没必要。 Web3 的确经历过泡沫、叙事过剩和很多失败的项目。 但这并不意味着技术本身没有价值。 很多技术路线其实是超前于时代的。 现在 AI 的发展速度正在重新打开很多可能性： •AI Agent •去中心化算力 •数据资产 •AI 协作网络 这些问题，本质上都需要： 一个可信的数字经济基础设施。 而区块链正是为这种系统而生的。 ⸻ 五、真正的问题不是“AI 要不要 Crypto” 真正的问题其实是： 什么时候需要。 如果一个 AI 产品： •不需要去中心化 •不需要资产化 •不需要协作网络 那确实没必要上链。 但如果未来 AI 进入： •Agent 经济 •AI 协作网络 •数据资产市场 那区块链几乎是必然出现的底层设施。 所以我其实很能理解那位 Web2 投资人的观点。 只是从更长周期来看： AI 和 Crypto 很可能不是竞争关系，而是互补关系。 AI 负责智能。 区块链负责信任和经济系统。 当这两者真正结合的时候， 我们可能会看到一个完全不同的数字世界。 而现在，其实才刚刚开始。