厉害了！人造细胞第一次自己长大，还成功分裂了 Quanta Magazine 报道了一项很有意思的进展：研究人员用化学方法合成了一套基因组，再配上人工组装的细胞膜，做出了一个来源完全“人工”的细胞。 更关键的是，这个细胞放到培养基里之后，能像普通活细胞一样吸收营养、复制 DNA，最后还能自己分裂成两个。 这件事真正让人兴奋的地方，不只是“把细胞造出来了”。十多年前，JCVI 就已经做出过 Syn3.0 这类人工细胞。现在更重要的变化是，这次的细胞分裂过程更加稳定，可以连续跑很多代，说明它已经更接近真正生命系统的运转方式。 当然，它还不是一个“完美生命体”。研究人员把合成基因组精简到只剩几百个基因，但它依然能长出可遗传的代谢节奏。这也让大家开始讨论一个问题：生命到底需要哪些最基本的零件，才能自己维持、复制和延续下去？ 简单说，这次成果像是合成生物学迈过了一个门槛。过去更多是在“搭零件”，现在开始看到一个人工系统能像生命一样自己运行、自己传下去。一个能自我传代的人造细胞，意味着合成生物学正在从工程实验，走向真正的生命构建。

🔥 顶级情报！10个刚冒头的新鲜 Alpha 项目清单 趁还没大火，赶紧加进你的观察列表（Watchlist）： 1️⃣ 恐龙化石 RWA 🦕 ➔ @JurassicFi（正在募资 $66万） 2️⃣ 加密超级 App 📱 ➔ @BondSuperApp_（交易+借贷+钱包一站式） 3️⃣ 股票收益协议 📈 ➔ @ergoyield（Robinhood 股票借贷生息） 4️⃣ AI Agent 基础设施 🤖 ➔ @vAPI_Network 5️⃣ Coinbase 系 DEX 🏦 ➔ @Oneswapcc（Canton Network 节点） 6️⃣ RWA 链游 🎮 ➔ @FortuneFoes（基于 Robinhood Chain） 7️⃣ 稳定币安全大脑 🛡️ ➔ @PharosWatch（风险情报分析） 8️⃣ Base 生态新原语 ⚡ ➔ @AureonProtocol（B20 可编程资本） 9️⃣ DePIN 算力网络 💻 ➔ @QuantaCompute 🔟 货币级基础设施 🏛️ ➔ @standard_rsv（非传统 DeFi）

分享 2 个早期免费空投项目！！！ 1️⃣：Bluesky（去中心化社交平台） 💰 融资 $1.23 亿 | 成本：免费 空投指南⬇️： 1；访问 → 用 Gmail 注册 2；完善头像 + 简介（写 Crypto/Web3 相关） 3；每天发 1-2 条 Crypto 内容 4；点赞 + 回复同领域账号 5；保持 2-4 周持续活跃即可。 2️⃣：Ducat Protocol（BTC 抵押借贷） 💰 融资 $400 万 | 成本：需抵押 BTC 空投指南⬇️： 1；加入 Discord 2；在 #redeem-code# 频道拿邀请码（72小时过期） 3；访问 → 连接钱包 4；创建 Vault → 存入 BTC → 借入 UNIT 5；每天自动赚 QUANTA（每借 1 UNIT = 100 QUANTA/天） 6；定期查看 Discord 新任务。

王虹拿奖，有几个细节想拎出来聊聊。 一、北大作为”原生学校”的意义 王虹在菲尔兹奖的新闻采访里没有感谢北大，她感谢的是自己在法国的老师，说是法国的学术训练让她坚定了对数学的热爱。 我的理解是，北大在她的故事里扮演的是”原生学校”的角色——类似原生家庭。它提供了一套非常全面基础的本科训练，这是真的；但师生关系里的人文关怀相当稀薄，这也是真的（去各大论坛搜北大数院的自述，能看到大量说自己在数院自卑了四年得不到认可的描述）。 在一个 IMO 奖牌遍地跑、大神密度极高的环境里，王虹的位置几乎注定尴尬：她不是竞赛生，是从地空系考进数学系的高考转系生。面对一群绩点逆天的应试佼佼者，受挫（discouraged）几乎是结构性的。她自己在采访里的说法也印证了这一点——本科阶段，她一度怀疑自己是不是真的擅长数学。 还有一个细节：她去美国读博之前先去了法国，而当时替她写留法推荐信的，是大一地空系的一位主任老师。这是否侧面说明，她在数学系后半段的学习并不理想，以至于找不到足够多愿意为她背书的老师？后来看到更多同届同学的回忆，才知道她本科时的 GPA 确实不高。 二、评价的错位，比评价本身更值得看 北大师友回忆她：不是竞赛生，成绩不算突出，班上偏内向、话不多，但极其自律、肯下苦功。 法国同僚那边给出的形容词是：活泼、开朗、有想法。 巴黎理工的老师评价她：直觉罕见，远超同年级所有学生，能快速攻克超纲难题；是那种天赋、韧性、思维深度全部拉满的极罕见学生。 MIT 的博导评价她：研究气质”慢而深”，不被传统路径束缚，能用新方法找到前人没看见的突破口。 同一个人，隔着一个太平洋，被描述成了两种生物。 今天听到一个说法，觉得特别贴切： “一个人被说内向，她不一定真的内向，而可能说明她在这个环境里失权。” 三、纯数研究讲究”师傅带进门”，也讲究真正的热爱 去法国大概是她学术生涯真正的转折点。 Yvan Martel 教授告诉她，学习中遇到任何困难可以先攒着，下次见面再问。她说，那是她第一次意识到：我不必独自解决所有问题。 后来她去 MIT 跟着 Guth 读博，此后一路进的都是最前沿的组：MIT、普林斯顿、UCLA、NYU Courant、IHES。在傅里叶分析和几何测度论这两个方向上，她遇到了足够多有统治力、有真 insight 的领路人。 这些组给的从来不只是资源，而是一套很难自学的判断力和科研审美： •哪些公开问题其实早就没人关心了； •哪些看起来很小的问题，背后连着一个重要理论； •哪些猜想看起来重要，但用现有方法根本推不动； •某篇论文哪里有洞，哪里还可以推广。 这种品味几乎只能从人身上长出来。长不出来的人往往不是不够努力，而是从没被行业的执牛耳者/伯乐 真正带领过，眼界始终没能打开。 最后一点：纯数、理论物理，或者任何基础学科的研究，一旦掺进功利心，多半会更难成功。因为科研不顺是常态，而功利心会把每一次卡壳都翻译成”我是不是不行/我干别的会不会更好”，让人陷进无尽的自我怀疑和内耗里。 Quanta 记录了她在法国重新走回数学时的那个决定，她的原话是： “我决定不再纠结自己是不是够好，只管把东西理解得更透一点。” 我在王虹的成功里看到的是这种纯粹的热爱，也因此受到了鼓舞。发自内心恭喜她。

关于美股潜力 & 热门标的 。 跟几个做美股的朋友聊了一圈，发现几乎所有人看好的方向都收敛在这六个板块里。先把清单放前面。 1⃣ AI 算力基建（光通信 / 光模块） 数据中心正在从 400G 往 1.6T 升级，速率翻 4 倍，光模块需求 3-5 年内至少翻 4-5 倍。 上周 AAOI（应用光电，做光模块的小公司）一天涨了 24%，Lumentum（路门图，做激光器的）一天涨 16%，但第二天也跟着存储一起回调了，Lumentum 跌了 5%。 代表标的： Coherent（科锐安特，全球光模块龙头之一，英伟达刚花了 20 亿美元入股） Lumentum（路门图，激光器全球前三） Fabrinet（光模块行业的“代工之王”） 2⃣ 核能复兴 AI 数据中心太吃电了，微软、亚马逊、谷歌都在签核电长期购电协议。 小型模块化反应堆（SMR）是目前唯一能满足 24 小时不间断碳中和算力的方案。 这个方向还早，但想象空间最大。 代表标的： Oklo（Sam Altman 个人投资支持的核能公司） NuScale（全球第一个拿到美国核管会认证的 SMR 公司） Constellation Energy（星座能源，美国最大的核电运营商） 3⃣ 储能 + 电网 美国电网基本上 50 年没怎么升级过了，现在 AI 数据中心、电动车、制造业回流三股力量同时往上拉，电网不够用。 偏基建逻辑，确定性高但节奏慢。 代表标的： Quanta Services（广达服务，美国最大的电力基础设施承包商） Fluence（弗卢恩斯，储能系统集成商，西门子和 AES 合资） Eos Energy（伊欧斯能源，做锌基电池的，成本比锂电低很多） 还有3个板块，下一条推文我们聊 一个问题：如果你有 1M 美金，你会如何配置美股仓位？

Tom Lee 旗下 Fundstrat $GRNY 最新持仓变动，砸$2亿杀入SpaceX、美光： 减持 1. Meta $META 清仓。短期主题轮动后不再同时踩中足够多条Granny主题；社交广告与大盘科技集中度偏高，组合要给半导体、航天和工业腾位置。 2. 博通 $AVGO 清仓。AI ASIC与网络芯片逻辑仍在，但估值与拥挤度已高，风格从偏价值质量转向偏成长质量时被剔除，资金改去内存、英特尔和数据中心电力。 3. 美国运通 $AXP 清仓。消费金融弹性尚可，却不如半导体周期、自动化和军工主题契合当前因子；金融板块整体权重要降。 4. 空气产品与化学品 $APD 清仓。工业气体偏防御、成长弹性不够，短主题切换后主题得分掉出门槛，氢气与工业气体叙事让位给铜矿和电力设备。 5. 诺斯罗普·格鲁曼 $NOC 清仓。国防预算逻辑还在，但再平衡里军工只留洛克希德·马丁一只更贴近主题组合的标的，诺格被换成LMT，避免国防内部重复。 6. 德州太平洋土地 $TPL 清仓。土地特许权与油水权偏资源和利率敏感，能源权重要降，西德州土地不如油气中游ONEOK和公用事业维斯塔更贴组合框架。 7. PNC金融 $PNC 清仓。区域银行受益于利率和信贷，但金融要给科技、工业让权重，区域行主题分不够。 增持 8. 太空探索 $SPCX 新买入$1亿。星链、发射与太空基础设施一次性变成可买的大盘股，踩中能源与网络安全、全球劳动力短缺以及战略通信，是本轮最有辨识度的新票。 9. 美光科技 $MU 新买入$1亿。AI服务器把HBM和高带宽内存变成瓶颈，美光同时撞上半导体周期、自动化和风格/季节性因子，股价从高位回撤后性价比出现。 10. 英特尔 $INTC 新进。代工回流、先进封装和政府补贴把英特尔重新接上PMI修复、自动化和劳动力短缺三条线，是“美国制造半导体”里最直接的大盘标的。 11. 洛克希德·马丁 $LMT 新进。替换诺格，国防开支、导弹防御和航空航天更集中到这一只；地缘不确定性下，现金流和订单能见度比纯成长科技稳。 12. 维谛技术 $VRT 新进。数据中心液冷、电源和热管理是AI基建里最硬的“水电煤”，同时吃自动化和电力资本开支，比再买一只拥挤的芯片设计更稀缺。 13. 自由港-麦克莫兰 $FCX 新进。铜是电网、电动和数据中心的共同原材料，风格倾斜叠加PMI修复，给组合补上周期弹性，对冲纯科技回撤。 14. MicroStrategy $MSTR 继续持有。上市公司里最纯粹的比特币资产负债表，数字资产和科技主题仍在框内，等权再平衡后仍是第一大权重附近。 15. 罗宾汉 $HOOD 继续持有。零售交易、加密和预测市场平台，吃资本市场活跃度和年轻一代财富行为，金融里留下的成长型标的。 16. 铿腾电子 $CDNS 继续持有。芯片和系统级设计软件，AI芯片越复杂越离不开EDA，属于“卖铲人”里最稳的一层。 17. 飞塔网络 $ANET 继续持有。数据中心交换机是AI集群的血管，流量和800G升级周期还没走完，以太网份额故事完整。 18. ServiceNow $NOW 继续持有。企业工作流和AI代理落地的软件层，自动化主题的软件代表，续费率高、和硬件周期不完全同步。 19. 帕兰蒂尔 $PLTR 继续持有。政府和商业数据分析+AI平台，安全与自动化两条线都算分，成长质量风格下继续留。 20. 甲骨文 $ORCL 继续持有。云基础设施和数据库绑定大模型训练推理合同，传统软件里最像AI基建的一家。 21. 英伟达 $NVDA 继续持有。AI计算的定价权仍在，组合不会因为拥挤就丢掉核心算力股，只是等权所以不是超大市值那样的压仓。 22. 微软 $MSFT 继续持有。云、OpenAI生态和企业软件订阅，质量因子和长期数字化主题同时成立。 23. 迪尔 $DE 继续持有。农机智能化、精密农业和全球劳动力短缺（机器替人），工业里偏设备和自动化。 24. 特斯拉 $TSLA 继续持有。电动车、储能、机器人与自动驾驶，能源、自动化、劳动力三条线都能打勾。 25. 联合太平洋 $UNP 继续持有。北美铁路运量随工业活动修复，PMI主题下的运输骨干，现金流稳定。 26. 高盛 $GS 继续持有。投行与交易对资本市场活跃度敏感，金融里留下批发型、偏资本市场的一家。 27. AMD $AMD 继续持有。GPU和CPU双线抢AI推理份额，和英伟达形成算力内部平衡，不把AI押在单一供应商。 28. 纽约梅隆银行 $BNY 继续持有。托管和资产服务吃市场资产膨胀，金融基础设施属性强于信贷周期。 29. 联合健康 $UNH 继续持有。医疗保险与管理式医疗的规模优势，医疗仓位里的压舱石，质量因子需要它。 30. 卡特彼勒 $CAT 继续持有。工程机械、发电和矿山设备，对基建、能源和工业资本开支同步暴露。 31. 菲利普莫里斯 $PM 继续持有。加热不燃烧等减害产品的全球渗透，必需消费里少有的成长故事，防御但不死气。 32. 摩根大通 $JPM 继续持有。全能银行里盈利质量和交易收入都强，金融板块收缩后仍留龙头。 33. 开市客 $COST 继续持有。会员制零售抗周期，消费降级和升级都能接住，质量仓位的消费锚。 34. 维斯塔 $VST 继续持有。独立发电商，数据中心电力短缺的直接受益者，公用事业里最像成长股的一只。 35. 奈飞 $NFLX 继续持有。流媒体定价权和广告层，内容平台仍符合长期行为变迁主题。 36. 字母表 $GOOGL 继续持有。搜索现金牛加云和Gemini，AI应用分发入口还在，大科技里继续留谷歌而不是Meta。 37. 伊顿 $ETN 继续持有。电气设备、电网和数据中心配电，和Vertiv、Quanta一起构成电力链。 38. CF工业 $CF 继续持有。氮肥与工业化学品，农产品和工业气体之外的材料弹性，PMI和通胀相关商品仓。 39. 苹果 $AAPL 继续持有。硬件生态、服务利润和终端AI入口，大盘质量核心不能缺席。 40. 科磊 $KLAC 继续持有。半导体工艺检测设备，晶圆厂资本开支和先进制程良率刚需，设备股里的高质量。 41. ONEOK $OKE 继续持有。天然气液体中游管网，能源仓位从上游土地权转到能收过路费的中游。 42. 怪兽饮料 $MNST 继续持有。能量饮料全球铺货，必需消费里的成长型品牌。 43. GE Vernova $GEV 继续持有。燃气轮机、电网和风电，发电设备订单被数据中心和电网升级推着走。 44. GE航空航天 $GE 继续持有。航空发动机和售后服务，民航恢复叠加国防，工业质量仓。 45. 亚马逊 $AMZN 继续持有。电商经营杠杆加AWS云，零售与AI基建一条线上的双引擎。 46. 包装公司 $PKG 继续持有。纸包装与工业需求同步，材料和周期修复的交叉点。 47. TJX公司 $TJX 继续持有。折扣零售在消费分层里份额上升，可选消费里偏防御的成长。 48. 广达服务 $PWR 继续持有。电网升级、新能源并网和数据中心电气工程，订单能见度长。 49. 礼来 $LLY 继续持有。减肥药和代谢管线仍是全球制药里最强的增长引擎，医疗成长仓只留这一头。

#Quantinuum# 的故事，其实要从 2014 年讲起👇 那一年，Honeywell 开始做量子硬件，Cambridge Quantum 开始做量子软件。 到了 2021 年，这两条线正式合并，变成了今天的 Quantinuum。 到了 2024 年，它完成了 3 亿美元 融资，估值来到 50 亿美元 而到了 2026 年，市场给它的 IPO 目标估值已经看到 127 亿美元🔥 现在，你也可以在 Hotcoin 关注并交易 $QNTB /USDT。

和Quant Alex @StochAlex07 讨论： **总结：Jeff Liang 与 Quant Alex Wu 关于期权挂单滑点捕获优化的讨论** 两人讨论的核心焦点是：**当前期权挂单执行效果差（滑点大、成交差），本质上是缺乏高频/算法做市能力导致的，需要从“钝刀子割肉”升级到专业的 Delta 对冲 + 期权做市系统**。 ### 1. **问题诊断** - 当前挂单像“**钝刀子割肉**”，成交概率低、排队位置差，滑点严重。 - Jeff 提供数据：**平均每成交 1 张期权亏损约 5.2 美元（略小于 1bp）**，已含手续费和返佣，仍无法接受。 - 即使永续合约 maker 返费能补一点，也“无法坐视不理”。 - **价格检查和调整频率不是核心**，**成交概率（fill probability）和排队位置（queue position）才是关键**。 ### 2. **根本解决方案方向（Alex 观点）** - **好的 Delta 对冲系统与现货/期货/永续高频做市系统有大量技术重叠**。没有这个基础，面对逆向选择（adverse selection）基本无力。 - 把 **maker 单做 Delta 对冲** 本质上等同于 **Delta 1 做市处理 inventory risk** 的过程，两者“豁然开朗”地高度一致。 - 期权做市和 Delta 1 做市是**联动的**： - Delta 1 系统负责处理期权的 Delta。 - 期权本身也能给 Delta 1 头寸提供保护。 ### 3. **技术实现难度与路径** - **需要进入 algo trading / HFT 领域**，涉及大量工程投入。 - **语言要求**：Python 无法胜任，必须 **C++ 和 Rust**。 - **针对客户**：最终服务于场内大宗交易的机构客户 / 高净值个人。 - **从 0 开始的完整路线（Alex 详细规划）**： 1. 大量采集 **永续 + 期货 + 期权订单簿**（快照、增量、逐笔成交数据）。 2. 构建 **成交概率模型 + 队列模型**： - 限价单 arrival intensity（到达强度） - 成交概率 - 排队位置 - 延迟建模 3. 先在 **Delta 1 产品上跑通**，验证回测系统。 4. 再扩展到**全部期权合约**（需大量重构与验证，代码复杂度很高）。 5. 额外开发**挂限价单 + 打对价成交**等专业算法，降低总体滑点。 6. 最后小资金实盘测试。 Alex 反复强调：**“这个项目是货真价实的重工业”**，工程量和研究投入都很大。 ### 4. **共识** - Delta One 的研究正是期权成交概率研究的基础。 - 期权做市必须和 Delta 对冲系统深度融合，不能割裂。 - 当前阶段是**基础设施建设期**，需要耐心投入资源。 **总体评价**： Alex 给出了非常专业、系统性的优化路径，从数据层、模型层到执行层都有清晰步骤，强调这不是简单调参数，而是要建立高频做市级的能力。Jeff 则侧重业务痛点（真实滑点成本），两人对“必须重做底层系统”达成一致。 这是一个典型的**量化执行优化**讨论，从业务问题出发，直指 HFT 级基础设施建设。

和Quant Alex @StochAlex07 讨论： SABR Theta与Spot Theta+Vol Theta+Cross Theta的异同与应用，以及SABR模型自洽性分析。 **English Summary of the Chat** **SABR Theta vs Spot Theta + Vol Theta + Cross Theta** The conversation between **Alex Wu** (white bubbles) and **Jeff Liang** (green bubbles) is a technical discussion focused on **SABR Theta versus Total Theta** (i.e., Spot Theta + Cross Theta + Vol Theta), model self-consistency, PDE residual, and the correct definition of SABR Greeks. ### Key Points Discussed: 1. **SABR Gamma = Spot Gamma** (first major question, raised by Jeff) Jeff asked whether SABR Gamma (\(\partial^2 P / \partial F^2\)) is identical to Spot Gamma and whether it includes the dependence of \(\sigma_B\) on \(F\). He also provided the full chain-rule expansion of SABR Gamma in terms of Black-76 Greeks. Alex confirmed the understanding and **later affirmed in code** that this is exactly how SABR Gamma is implemented in their system. 2. **SABR Theta vs Total Theta and Model Self-Consistency** (main topic, led by Jeff) Jeff shared a clear 3-point understanding: - SABR Theta is computed directly via the SABR approximation formula to obtain \(\sigma_B\), then applying the Black-76 chain rule: \(\partial P/\partial t =\) BS_Theta(\(\sigma_B\)) + BS_Vega \(\cdot \partial\sigma_B/\partial t\). - Total Theta is the exact decomposition from the SABR PDE (Spot Theta + Cross Theta + Vol Theta). - When the model is **fully self-consistent** (Residual = \(\partial P/\partial t + \mathcal{L}P = 0\)), SABR Theta = Total Theta; otherwise the difference is the unexplained PnL caused by the approximation error in the Hagan formula (especially pronounced in long-dated, high vol-of-vol, or high-skew options). 3. **Practical Implication – Theta Decomposition Decision** (comment by Alex) Alex noted that whether to perform Theta decomposition depends on the risk-management approach: - Without decomposition → use SABR Gamma vs. dP/dt. - With decomposition → SABR Gamma maps to Spot Theta, Vanna to Cross Theta, and Volga to Vol Theta. **Overall Tone**: The discussion is highly technical and collaborative. Jeff drives the conversation by asking clarifying questions and presenting a well-structured 3-point summary of his recent study. Alex provides confirmations, practical insights, and code-level validation. Both participants demonstrate a strong command of SABR model nuances, particularly the relationship between approximation error, PDE residual, and real-world risk management.