We are releasing the first liquid way to trade Anthropic. For far too long, frontier assets have only been accessible to a select few. We are here to bring them to the masses. Introducing EntropyIO. We’ve raised $14M led by Ribbit Capital and a $40M HYPE stake to build both improved and entirely new markets, the first of which are live on Hyperliquid today.

At one point, Machi(@machibigbrother) was liquidated until he had less than $60K left in his account. Now, his account balance has grown nearly 200x, and he has opened massive $113M in $BTC and $ETH longs. Current positions: 23,350 $ETH($59M) 668 $BTC($54M)

.@base 生态现在整体很热,Meme 轮番上， 这类标的也上了 Coinbase，资金和注意力都在往里涌。交易、Agent、上币预期成了最热闹的主线 但我更想往上游看一层 Base → Virtuals → Robotics → Data 这条逻辑其实很干净。 Base 在强化交易和 Agent 入口，@virtuals_io 也已经把 Robotics / Embodied AI 放进核心方向。 而 AI 一旦从数字世界进入物理世界，真正难的问题就变了。 LLM 可以直接吃互联网数据。 机器人需要学习人在真实环境里怎么抓、怎么放、怎么使用工具、怎么失败，以及失败以后怎么修正。 这些数据很难靠爬虫获得，纯仿真也很难覆盖真实世界里大量长尾情况。 所以 Physical AI 接下来一个很重要的瓶颈，就是： 真实世界 Human Demonstration Data 怎么规模化生产。 Caspius 卡的就是这一层。 目前公开能看到： 1000+ 小时 Human Demonstration Data 500+ Active Contributors Phase 1 第一人称数据采集已经运行 下一阶段是价值密度更高的 Teleoperation Data 规模还很早，但至少数据生产闭环已经开始运转。 Miner NFT 这一层我也觉得被低估了。 它更接近 DePIN 里的“矿机”： 决定数据产能 → 升级消耗 $CAS → 支持委托 → 按贡献产生排放 NFT、Token 和真实数据生产因此被连接到了一起。 所以相比追最热闹的机器人名字，我更想找那些机器人真正大规模进入现实世界以后，所有玩家都绕不开的环节。 @caspius_ai 值得继续跟踪的原因就在这里： 它站在一条正在升温的产业链上，也卡着一个还没有被充分解决的数据问题。 剩下的，就交给数据增长、Teleoperation，以及真实买方💪

今天看到 @UnitreeRobotics 宇树科技发布“超人”机器人：原地跳高2米、极限速度12.66 m/s，直接刷新人类纪录。与此同时，宇树IPO倒计时开启，全球人形机器人上半年出货近1.91万台、同比增长272%，工业与商业场景占比已超70%。热闹的动作秀、刷新纪录的瞬间、资本的狂欢，都在提醒我们：机器人真正值得下注的时刻，不是“会走路”了，而是它开始从机器变成劳动力。 最近把机器人赛道从头重新梳理了一遍，发现现在大多数人形机器人正在经历的变化，是从“能完成动作”走向“能长时间稳定工作”。再往后才是灵巧操作、精密装配，最终进入大规模Fleet。 所以以后我判断这个产业进展，我会更关注几个数据： Robot active hours、单机任务数量、任务复杂度、自主程度、连续无人值守时间、重复订单，以及客户真实ROI。 机器人数量 × 工作时长 × 任务数量 × 复杂度 × 自主程度，可能比单纯“销量”更接近这个产业真正创造的经济价值。 顺着这个思路往下推，机器人产业的价值也会不断迁移： 运动控制 → 连续性能/热管理 → 精密传动/力控 → 寿命与制造一致性 → Fleet运维和管理。 所以我接下来的重点看三家公司，但原因完全不同。 汇川技术： 电机、驱动、伺服、编码器、控制、热管理都有布局。如果未来大量机器人OEM不愿意每个部件都自己重新开发，它最有想象力的终局，是成为机器人的通用Motion Platform。 Harmonic Drive Systems： 机器人一旦进入灵巧操作、精密装配，真正关键的关节会越来越在意低backlash、微型化、精度保持和长期可靠性。它更像是在押注少数不可妥协的Critical Axes。 绿的谐波： 我最关注的是它能不能把谐波减速器积累的精密制造能力，迁移到执行器、滚柱丝杠、线性关节等更多产品。 如果能做到，它的故事会从“国产减速器”变成更广义的精密执行平台；如果做不到，就仍然是一家受益于机器人放量的零部件公司。 这里还有一个很重要思路： AI越强，硬件未必越不重要 软件可以补偿摩擦、迟滞和部分误差，但补偿不了热量、疲劳、冲击、磨损和材料寿命。 机器人越聪明，能做的任务越复杂，工作时间越长，对物理世界的要求反而越苛刻。 所以我觉得，接下来已经不是所谓“机器人NVIDIA”， 机器人硬件天然比计算架构碎片化，最后更可能出现多个ASML / TSMC / Keyence式的Physical AI Toll Booth：分别控制精密传动、运动控制、感知、可靠性、运维等关键环节，然后随着整个机器人经济扩大持续收费。 风险也会很明显： 机器人行业成功，不代表今天看好的供应商一定成功。 OEM可以自研，技术路线可以变化，汽车和工业巨头也会杀进来。今天缺货的零件，五年后完全可能变成白菜价。 所以判断护城河，我现在很喜欢反向思考： 如果竞争对手有足够的钱和五年时间，它能不能复制你？ 真正难复制的可能不是某个参数，而是规模制造一致性、Lifetime Validation、客户共同开发，以及几十万台设备跑出来的Reliability Data。 这也是我接下来会持续跟踪机器人赛道的核心。 接下来会持续跟踪 机器人正在进入哪个产业阶段？ Physical AI的经济奇点离我们还有多远？ 当那个奇点真正到来时，谁控制了无法绕开的瓶颈？ 如果这些问题能够提前回答，很多公司的收入和利润，反而是后面的结果。