吴说获悉，链上资产追回机构 DART 披露，在硬件钱包厂商 Coinkite 旗下 ColdCard 固件熵值漏洞引发的被盗危机中，DART 联合独立白帽安全研究人员已从受影响的风险地址中先于黑客成功抢救转移了略多于 50 枚 BTC。据此前报道，由于部分历史固件错误导致助记词生成熵值严重不足，黑客已通过离线碰撞盗取超 1500 枚 BTC（损失超 1 亿美元）。为确保救援资金的合法合规归还，这批被保护的 BTC 未存放在个人钱包，而是存入了由世达律师事务所国家安全律师设立的“Crypto Recovery Trust”，通过链上资金溯源、制裁筛查和所有权核验等严密法律程序，以便依法原路返还给受害所有者。

最近资金安全的问题又被我们狠狠重视起来！ 平常我们收款付款的地址是不是安全已经有没有风险其实我们在日常生活中经常碰到的问题 杰哥发现了一个非常好用的工具DART ！ 他是 WIDTH 旗下的链上风险筛查产品。他能够帮我们看清链上资金风险，让每一次判断都有依据。帮我核查转账的地址是不是安全可靠！ DART目前免费至 2028 年底，活动范围内不限调用次数！ 非常给力了属于是！ 这次的经费，杜老板买单 @DujunX ！ 平常我们每笔交易需要持续检查，这样就不用每调用一次都先考虑费用了！格局打开了！ 产品背景十分强悍！单周处理 116 万次链上风险筛查！支持 8 条主流公链！ 团队背景也是十分资深！具有12 年的金融合规经验与 500+ 受监管机构服务背景。 ——产品功能体验： 直接通过最近大火的 Grok Bot，用对话发起链上风险筛查！ 输入钱包地址和链就可以了！ 他可以提供地址与交易风险分析，为日常审核和进一步调查提供依据。 ——根据地址核查每笔交易！ KYA 地址筛查：查地址自身及上下游资金风险，适用于钱包准入。 KYT-IN 来源筛查：追溯资金来源，适用于充值与入金审查。 KYT-OUT 去向筛查：分析收款地址及下游风险，适用于提现与转账审查 ——根据资金路径提前找到风险 呈现目标地址与风险主体之间的直接、间接资金关联！最多可以追踪5跳！ ——评分体系 先去重再评分：同一笔风险资金涉及多条路径时，先去重再计算，绝不重复放大风险。

美国总统特朗普近日签署了一项行政命令，将“人工智能”（AI)更名为“超级智能”(SI)。 1956年，计算机科学家和数学家在新罕布什尔州达特茅斯学院（Dartmouth College）举行的一次夏季研讨会上创造了“人工智能”这一名称。“人工”（artificial）一词仅指由人类制造，以区别于人类天然的智能。 华盛顿大学计算机科学教授佩德罗·多明戈斯（Pedro Domingos）近日向德国之声表示：“大多数人工智能并非超级智能，而只是另一种形式的智能。”他说，AI所做的事情与人类不同，因此将其称为‘超级智能’具有误导性，更改名称并不能平息围绕AI的种种担忧，包括失业、人类被淘汰或机器失控等问题。 你接受将“人工智能”改称“超级智能”吗？

今天，我在AI 概念的诞生之地。 70 年前的那个夏天，约翰·麦卡锡、马文·明斯基、克劳德·香农就是在 Dartmouth Hall 附近的教室里，划时代地定义了Artificial Intelligence。 这里有一种在别处极少能感受到的空间张力。 一侧是阿尔卑斯雪山般原始、静谧且近乎冷酷的自然，另一侧则是用两百年红砖、双层落地玻璃与极高资本密度堆叠出来的智识象牙塔，在我眼里，它如此神秘。 达特茅斯的校训是 Vox Clamantis in Deserto，“荒野中的呼喊”。 在喧嚣、功利、被算法和流量裹挟的世俗之外，选择在深山与红砖大楼里推演底层逻辑、攻克最硬核的理论与科学，这种静水流深的精神，才是这所常春藤最深沉的灵魂，也是我深爱着这里的原因。 可以看到，达特茅斯的优雅与端庄，是几代人的资本积累、顶尖私校与极其充沛的容错率养出来的环境惯性。 而在这些背景板之下，最性感的东西，始终是大脑里的思考密度。 实话说，每次来到这里，都仿佛来到威廉姆斯。 有人说来达特茅斯会觉得自己很贫穷。 其实，环境从来只是背景风光。你可以欣赏它的松弛，但不必为它的富贵而自惭形秽。

刚看完All-In Podcast最新一期，聊了Anthropic的2万亿IPO、扎克伯格AI宣言、英伟达5000亿算力金融化、Grok逆袭这几件大事，整理了一下 1. Anthropic要冲刺2万亿美元IPO了 据《金融时报》报道，Anthropic打算在10月前后以2万亿美元估值推进IPO，预计年底年化运行收入(ARR)能达到1000亿到1200亿美元，连续三年实现了近10倍的指数级扩张。按这个ARR来算，市销率只有16到20倍左右，比此前一些高估值上市科技公司更便宜。 它的护城河主要来自编程这个垂直赛道。早期就押注编程模型，靠观察Cursor这类生态的高强度调用抢占了先发优势，据传还在洽谈以60亿美元收购一家AI能效优化初创公司DART。不过OpenAI也在加速追赶，凭借GPT-5.6全面发力代码能力，月环比增速已经回升到20%以上。嘉宾们还讨论了Anthropic能不能从千亿ARR冲向万亿ARR的问题。企业知识工作这块市场潜力虽然高达数十万亿美元，但算力芯片短缺、电力基建和电网接入限制会是现实中的天花板，普遍共识是2027年底ARR能到4000亿到5000亿美元，算是相对务实的预期。 2. 扎克伯格的AI宣言 扎克伯格发表了一篇6500字的长文宣言《The Future is for Everyone》，核心主张是开源AI、让超级智能赋能每个个体、以及去中心化制衡。几位主讲人对Anthropic和有效利他主义(EA)那套"AI末日论/救世主心态"提出了强烈批评，认为把AI类比成核武器、试图通过设立AI版FAA或FDA这种政府审批机制来搞行业卡特尔化，不仅会抹杀企业的领先优势，还会在中美AI地缘竞争中自缚手脚。 他们也聊到了开源和闭源模型共存的经济学。像Llama、中国的GLM这类开源模型，价格比闭源前沿模型便宜90%，承接了大约80%的常规推理调用量。而Claude、GPT这类闭源前沿模型则扮演高智商"中枢调度大脑"的角色，占据了65%到85%的最高经济价值分配，形成了一个还算健康的分层生态。 英伟达搞了个5000亿美元的算力金融化大动作 黄仁勋联合黑石、高盛、KKR、阿波罗、贝莱德这些华尔街顶级资管，建立了一个5000亿美元规模的算力独立融资平台。运作方式有点类似飞机租赁或者设备抵押贷款。下游客户借钱采购GPU集群，靠出租算力赚的钱来还贷，英伟达充当撮合方，还提供残值兜底保证，同时享受超出保底收益之外的超额分成。 这个模式本质上是把英伟达从单纯的硬件卖家，变成了类似AI领域中央银行的角色，用华尔街的私募信贷资金打破了巨额资本开支的融资瓶颈，直接支撑起万亿级别的算力部署。当然也有人提出风险，核心担忧是未来会不会出现算力绝对过剩(有点像互联网泡沫时期的暗光纤)，不过目前电力和审批这两个瓶颈客观上起到了防止算力瞬间过剩的限速器作用。 数据中心的能源瓶颈：电力 数据中心建设正受制于重型燃气轮机产能、电网变压器交付周期这些物理的限制，资本正在通过拆解改造老旧航空发动机、自建天然气发电这类方式抢建算力节点。节目也反驳了一些关于数据中心耗尽民用水资源、大幅推高电价的媒体夸大宣传，指出合规运营、自建电厂并向电网反哺电力的数据中心，能显著提升偏远城镇的税收和基建水平。德州州长阿博特推行的"能源审计"，目的是规范并网安全，不是要叫停算力建设。 Grok逆袭，PE资金也开始重新盯上SaaS 评测显示Grok 4.6的能力已经逼近前沿梯队，推理成本还大幅下降，打破了之前市场认为Anthropic和OpenAI会长期双头垄断的预期。马斯克在SpaceX的算力集群上玩了一手挺聪明的策略，大模型自己用得上就自用，用不完的高价转租出去(包括此前跟Anthropic签的算力转租、带90天可调条款的协议)，算是一种双向期权玩法。 另外私募巨头Silver Lake传闻要巨资收购Workday，消息一出股价直接暴涨。这也反映了一个新趋势。经过长期的估值杀跌之后，开源大模型加上AI带来的降本增效(裁撤冗员、AI优先的运营模式)，正在给那些现金流成熟的软件公司提供重组和私有化套利的空间，PE资金开始重新盯上企业软件这个赛道。 最后还提到了亚马逊的一个劳工争议。纽约州和新泽西起诉亚马逊利用第三方外包车队(DSP)来规避用工福利责任，嘉宾们围绕自由契约的效率和劳工合规成本这两方面展开了辩论。

【供過於求】高盛警告全球石油供應過剩將再現 各國補充戰略儲備不足以改變局面 高盛表示，隨著伊朗戰爭的影響逐漸消退，霍爾木茲海峽的交通恢復，全球石油市場供應過剩的情況將再次出現。全球大宗商品研究聯席主管Samantha Dart說，明年原油過剩量平均每天將略高於300萬桶。

【延續走高】高盛預測2026年金價將再創新高 油價料延續走軟態勢 今年全球大宗商品市場的特徵是：金價創紀錄上漲和原油價格持續疲軟。高盛預計這兩種趨勢都將在2026年得到延續。Daan Struyven和Samantha Dart等該行分析師預計，明年金價將再創新高，而油價將因供應過剩承壓。

🌳 又挖到一个能让 AI 真看懂整个代码库的开源项目 Code-Graph-RAG，整个仓库被解析成一张知识图谱，拿人话问就能查。 GitHub 上 5100 多 star、691 个 fork，397 个 issue 开着，版本几天一发，9 月 29 号刚到 v0.1.38。 在大点的 monorepo 里跟 AI 协作，最常见的翻车是这一句：改这个函数会影响到谁？它去 grep 一圈，把同名的、注释里的、测试里的混在一起端上来，漏掉的那个真正的调用方恰好在另一个包。原因很简单，代码的结构是图，文本搜索看不见边。 Code-Graph-RAG 先用 tree-sitter 把代码解析一遍，有编译器级前端就再上一层，C/C++ 用 libclang、Go 用 go/types，Java、C#、Python# 还能可选挂上 javac、Roslyn 和 Jedi；函数、类、方法、模块和它们之间的关系被存进 Memgraph，成了一张语言无关的图。你问一句话，它翻成 Cypher 去图上走，谁调用了它就是一次遍历，而不是一次猜。顺着图下来的能力也都实在：找死代码、基于 AST 改代码并先给你看 diff、用 ast-grep 做结构化搜索和重写，cgr trace 还能把运行时的调用链并进这张图。 它能当 MCP 服务器跑，Claude Code 这类客户端可以直接连上来查和改。完全支持的语言有十三种，Python、TypeScript、Rust、Go、Java、C、C++、C#、PHP、Lua、Dart# 都在里面。 让 AI 看代码的方式，从翻书变成了查地图。 GitHub：

🔧 光看教程学不会编程，project-based-learning 直接甩给你一份从零手搓真项目的清单。 GitHub 上 28 万 star、3.6 万个 fork，是那种攒了快十年、到现在还在更新的老仓库。 学编程最容易卡住的地方，是语法教程看完之后不知道该干嘛。书上的例子全跑通了，自己动手写点东西还是一片空白，然后就卡在那儿，慢慢就放弃了。 project-based-learning 收的全是那种带你做出一个能跑的东西的教程，按语言分好了类，C、C++、Go、Rust、Python、JavaScript、Java、Kotlin、Swift、Haskell 这些都有。往细里翻更带劲：C/C++ 那栏能找到手写解释器、内存分配器、shell、文件系统、文本编辑器，一直到操作系统和编译器；Python 那栏是爬虫、Web 应用、机器人、机器学习、OpenCV；Dart 那栏干脆是一堆 Flutter 教程，把 Instagram、WhatsApp、TikTok、Netflix 的界面挨个复刻一遍。 这类清单最怕的是链接烂掉，点进去一半是死链。这个仓库挂了一个自动跑的链接失效检查，坏掉的链接能被扫出来。 编程这东西，看一百遍不如自己踩着坑做出来一个。 GitHub：

哈佛在2026年Q1清仓了以太坊ETF，比特币ETF也大幅减仓。其实也算不上是惊天反转的事情。 这是很正常的机构操作。 哈佛捐赠基金（Harvard Management Company）管理大约500多亿美元的大规模资产，加密ETF在里面占比本来就很小（这次清仓ETH后+减IBIT后，剩的IBIT也就1.17亿美元左右）。 它们的逻辑不是散户的逻辑，有自己的机构投资纪律： 其中最最重要的一点是：资产再平衡+风险控制。 大学捐赠基金规模大，有受托责任，有自己的KPI、风险模型和流动性需求。这一点，只要在大公司或大机构工作过的人都会感同身受吧。大机构不是散户，不会随意梭哈。 首要一点是控制波动、保证充足流动性。此外，还得私募股权等其他长期投资。 去年Q4时，哈佛捐赠基金还减持BTC并新增ETH（减持IBIT卖入ETH ETF），而现在因为Q1表现太差（波动大，没起色），直接卖了，BTC也减仓了43%。 可以理解为战术性撤退，而不是彻底看空。当加密资产重新进入热门资产行列，它们还会回来的。 最后一点，13F备案只是滞后快照（反映3月底持仓），机构每天都在交易，如果它们后来重新买入也未可知。 此外，大机构也不是都有相同的市场看法。 同一时间，阿布扎比主权财富基金 Mubadala 反而把IBIT加仓16%，持仓升到约5.66亿美元，已经连续5个季度在增持。 其他大学如Dartmouth也稳住BTC。 市场本来就是有买有卖才存在的。