2018年，@ericinjective 离开纽约大学，创立了 Injective 。 他对当下形势的判断是：这是千载难逢的良机，可以借此构建下一代金融基础设施。 再过几年，这个机会之窗就会关闭。 @BusinessInsider 近期刊登了 Eric 的故事。点击下方链接了解 Eric 的创业之路👇

上周，Injective 主网最新升级正式上线。此次升级带来了升级后的链上金融模块、面向现实世界经济的全新稳定币支付渠道，以及更高效的 $INJ 回购引擎。 查看 Injective 过去一周的主要进展 👇 🟪 Injective 主网最新升级已正式上线，为网络带来了先进的链上金融模块、面向现实世界支付的全新稳定币支付渠道，以及超高效的 $INJ 代币回购机制。 🟪 @ericinjective 的故事——讲述他于 2018 年离开纽约大学，致力于构建下一代金融基础设施——已正式发表在 @BusinessInsider 上。 🟪 与 @realmintio 合作，链上 RWA 市场已正式上线 Injective。石油、碳、铜和黄金等真实资产现在拥有原生评分层，该评分层由 @Cointelegraph x Injective 加速器项目的毕业生开发。 🟪 Injective Agents 的完整教程已正式发布，指导开发者完成 ERC-8004 身份验证，并可在五分钟内部署一个可用的链上 AI 代理。 📊 关键数据 🟪 超过 3200 万枚 $INJ 质押币参与了 Injective 主网升级提案的投票，该提案以接近 100% 的支持率获得通过。 🟪 @HelixMarkets 过去 7 天的交易量达到 8800 万美元，累计链上交易量突破 767 亿美元。 🌐 生态系统新闻 🟪 @QuackAI_AI 的 Q402 已正式上线 Injective，将自主 AI 交易代理直接部署在链上，而金融原语则位于协议层。 🟪 @hydro_fi 推出了 Hydro Loop Stake，这是通过在 hINJ 市场循环 LST 来获得 $INJ 复利收益的最简单方法。 主网已升级。构建者们正在shipping。🥷

Business Insider 刚刚爆料，英伟达正在洽谈以超过 130 亿美元收购 Hugging Face。英伟达已经不满足于卖 GPU 了，黄仁勋想把 AI 时代最重要的开发者入口也拿下来 Hugging Face 可以理解成 AI 时代的 GitHub。几百万个模型、数据集都在这里分发，Qwen、DeepSeek、Llama、Nemotron 这一类开放模型，开发者很多时候第一站就是 Hugging Face。对英伟达来说，收购 Hugging Face 可以控制模型从下载，微调 ，推理的入口。以后 Hugging Face 上的模型如果天然优先适配 CUDA，最终这些 workload 还是会回到英伟达的 GPU 上 英伟达刚刚发布的财报也不错。Q2 收入 $962 亿，同比 +106%，数据中心收入 $890 亿，同比 +117%；下季度直接指引 $1,080 亿，而且英伟达罕见地预计 FY28 收入还能增长大约 70%。Jensen 在电话会上说得很直白：“compute is revenue” 英伟达去年底已经想按 70 亿美元估值投 Hugging Face 5 亿美元，当时 Hugging Face 拒绝了，因为不希望某一个大股东影响平台的中立性。现在 Jensen 干脆把价格抬到 130 亿美元以上收购 模型本身越来越便宜，甚至大量开放、免费，但模型越多、Agent 越多、调用越多，需要消耗的算力反而越多。所以英伟达最希望看到的，不是只有 Anthropic, OpenAI 两家垄断大模型，而是众多闭源开源模型一起繁荣

business insider的这篇专题，试图解答一个很重要的问题：都在 AI上花费巨资， 为什么有的公司在扩张，有的却陷入停滞？ 过去这一年多，几乎所有企业都在疯狂为员工采购大模型账号、代码助手和各类 AI 智能体。但效果却天差地别，企业级的“马太效应”开始显现：买 AI 很容易，但要把 AI 真正转化为切实的生产力和商业利润，却很困难。 这可能是由企业的两种截然不同的 AI 引入思维决定的 观察当下企业的 AI 实践，往往会走向两个极端的岔路口： 防守导向（把 AI 当成“成本绞肉机”）：这类企业的核心诉求是“省钱”。他们的逻辑是：“既然有了 AI ，我是不是可以少雇几个人？ 然而，如果没有新的业务增量，省出来的成本尽头就是单纯的裁员或冻结招聘。员工即便用 AI 节省了时间，也多半用来在低效的存量工作里“摸鱼”打转。 增长导向（把 AI 当成“业务放大器”）：这些企业逻辑完全相反：“因为 AI 帮团队释放了 30% 的生产力，我们终于有精力去开拓以前想做但没资源做的新业务了！”这类企业将节省下来的时间迅速“战略再投资”到新产品研发或市场扩张中。业务边界扩大了，对组织规模的需求自然水涨船高。AI 提升效率 ➡️ 业务边界扩张 ➡️ 组织规模扩大，形成了一个良性闭环。 决定胜负的指标：战略清晰度 > 工具获取率 为什么很多企业花大价钱订阅了企业版 AI，却听不到响声？波士顿咨询（BCG）的一项针对万名白领的调查揭示了痛点所在：管理层的缺位。 虽然有高达 74% 的一线员工每周都在使用 AI，但其中 66% 的人表示，公司根本没有指导他们该如何利用 AI 省下来的时间。导致超半数的员工并没有将精力转移到更具战略意义的高附加值工作上。 调查的结论：只要企业有明确的“战略清晰度”（清楚地知道用 AI 去解决什么具体的业务目标），即便员工手中的 AI 工具权限有限，依然有 80% 的人能产出可衡量的商业影响。相反，如果只发高级账号却不给战略指导，这个比例会大幅缩水。 这种思维差异最终反映在了冷冰冰的招聘数据上。根据 Ramp 和 Revelio Labs 对超两万家美国企业的追踪，那些在 AI 上持续且高强度投入（人均月花费约 $34，远超常规的不足 $3）的企业，不仅没有大规模裁员，反而迎来了显著的扩张： 整体员工人数增长超过 10% 初级岗位增长高达 12% 这打破了“AI 一定会直接导致失业”的刻板印象，证明了 AI 的高频应用与业务扩张之间存在着强烈的正相关。 必须承认，这里面存在着一定的“幸存者偏差”。那些能把 AI 用得出神入化、并借此大举扩张的企业，在引入 AI 之前，往往本身就是市面上规模更大、技术底子更好、增速更快的“优等生”。 但逻辑仍然成立：AI 很难让一个原本陷入泥潭、只想靠砍成本苟活的公司“逆天改命”；但对于那些充满战略野心的企业来说，AI 却是最趁手的火箭燃料。 下一阶段的企业竞争，绝不是谁买的 AI token更多，而是“业务重构（Business Re-engineering）”的能力——谁能率先重塑数据流，制定最清晰的 AI 使用规范，谁就能真正吃下这个时代的红利。

据 Business Insider 报道，美国联邦政府此前通过刑事资产没收程序取得前 FTX 高管 Caroline Ellison 和 Nishad Singh 持有的 Anthropic 股份，并于 2025 年由 US Marshals Service 出售给 Anthropic 现有投资者。两人最初分别以约 1000 万美元和 4000 万美元参与 Anthropic 2022 年融资，但具体出售时间、买家和成交价格均未公开；截至今年 6 月，相关出售所得也尚未出现在 FTX 破产财产收到的资金中。

据 Business Insider 报道，Sam Altman 联合创立的生物识别项目 Worldcoin 的开发商 Tools for Humanity，去年曾聘请两家律师事务所对公司内部的财务不当指控及在泰国的贿赂官员指控展开调查。调查重点包括：公司高层审批了高达六七位数的款项支付给一家外国公司以推高 Worldcoin 代币价格（可能违反 SEC 规则）；公司在泰国的业务开展与一名涉及跨国网络诈骗的南非商人的关联公司有关。此外，该公司还面临来自公司内部人员关于滥用公司资金及员工不当分类等问题的内部审查。

英伟达洽购Hugging Face，估值超130亿美元 据 Business Insider 报道，英伟达近几周正与开源AI平台Hugging Face进行收购谈判，交易估值超过130亿美元。双方尚未达成协议 此次谈判发生在英伟达加大并购力度的背景下，若收购成功，英伟达将直接掌控开源AI生态的核心入口，可能进一步推动开发者工作负载向其芯片倾斜。但这也可能引发争议：Hugging Face目前保持中立，支持包括AMD、Intel等竞争对手在内的多种硬件与模型，被收购后中立性或受影响。 需要注意的是：目前仅为谈判阶段，尚未签署任何协议；微软此前也曾接触Hugging Face，但相关讨论已停止。此外，Hugging Face近期还经历过OpenAI测试代理意外入侵其系统的安全事件，增加了交易复杂性。

Hugging Face疑似寻求出售，估值或至少130亿美元 据Business Insider，Hugging Face正与一家投行合作，评估潜在买家的收购意向，潜在交易估值或达130亿美元以上。目前交易尚未达成，相关谈判仍可能发生变化。 Hugging Face成立于2016年，为开发者提供AI模型的发布、共享、发现和下载平台。公司2023年的估值约为45亿美元，投资方包括Lux Capital、Addition和Salesforce Ventures。 在Stripe 拟以约80亿美元收购OpenRouter后，市场对Hugging Face的兴趣显示，投资者正提高对AI开发者基础设施平台的估值，即便这些公司本身并不直接开发前沿大模型。