J’ai tombé sur ça par hasard aujourd’hui, pourquoi personne partage-t-il ça en chinois ? Ha ha Au fait, qui est ce Jim Cramer ? Il a l’air d’avoir un effet contraire encore plus fort que celui de Sun, un véritable voyant du marché boursier ? 🤣

On voit souvent des termes comme « reine de la classe » ou « reine du lycée » sur X, XHS, et même dans les romans. Mais en réalité, ce consensus n’est pas aussi unifié qu’on pourrait le croire — il est même très dispersé. Je me souviens qu’avant le Gaokao, quelques garçons de notre classe discutaient pendant la pause déjeuner des filles de la classe. Nous avons tous été surpris de découvrir que chacun considérait une fille différente comme la plus belle de la classe. Autrement dit, il existe un accord général sur les filles qui sont belles, mais le titre de « reine de la classe » est réparti entre trois ou cinq filles différentes. Et ce n’est même qu’un échantillon masculin — si l’on interrogeait toute la classe, la répartition serait probablement encore plus large. Donc, chaque fois que j’entends parler de « reine de la filière » ou de « reine du lycée », je n’y prête qu’une oreille distraite. Une classe peut avoir trois ou cinq reines de la classe ; une université peut en avoir des dizaines, voire des centaines. Bien sûr, il existe des exceptions : quand quelqu’un comme Liu Yifei apparaît, toutes les couronnes lui reviennent naturellement. À l’époque, dans la classe voisine, il y avait une fille au visage de star (très ressemblante à la « sœur du thé au lait » dans un style pur et séduisant) — le consensus chez les garçons de sa classe était extrêmement concentré, car sa beauté était une forme de domination écrasante. On pouvait presque affirmer qu’elle serait sans conteste la reine de toute la terminale. Je me suis rappelé cela récemment après avoir vu un tweet — je ne me souviens plus du blogueur — qui parlait des problèmes de premier, deuxième et troisième ordre dans le trading crypto. Premier ordre : les particuliers étudient les fondamentaux d’un token. Deuxième ordre : les particuliers étudient comment les autres particuliers perçoivent ce token. Troisième ordre : les développeurs / les gros acteurs étudient à quel moment les particuliers commenceront à analyser la perception des autres particuliers, puis agiront en conséquence. Le premier et le deuxième ordre correspondent à la théorie du concours de beauté de Keynes. Premier ordre : Qui est le plus beau ? — Le particulier Deuxième ordre : Qui selon vous est le plus beau ? — Smart Money / traders avancés Troisième ordre : À quel moment les gens commenceront-ils à étudier « qui est perçu comme le plus beau » ? — Développeurs / gros acteurs Les développeurs / gros acteurs du troisième ordre libèrent des nouvelles favorables, font monter les prix et créent des sujets au bon moment. C’est un peu comme publier la photo d’une fille populaire sur le mur du lycée au moment opportun. Premier ordre : on regarde la Valeur (fondamentaux) Deuxième ordre : on regarde le Consensus Troisième ordre : on regarde l’Accélération du Consensus Au final, nous négocions en réalité le consensus lui-même, ainsi que la vitesse à laquelle il se forme. En écrivant cela, je me suis soudain rendu compte que cela ressemble aussi aux concepts des options : Premier ordre : le spot (la fille est-elle vraiment belle ?) Deuxième ordre : le Delta (est-ce que de plus en plus de gens commencent à la considérer comme reine de la classe ?) Troisième ordre : le Gamma (le nombre de personnes qui pensent qu’elle sera reine de la classe augmente-t-il à un rythme accéléré ?) Dans ce marché récent, ne faudrait-il pas vendre immédiatement un token lorsque le Gamma atteint son pic — comme pour Pons ! Merde, j’ai l’impression d’avoir compris ça un peu tard.

Avant ce voyage vers 2049, je suis rentré en Chine pendant quelques semaines. Comme je ne peux pas arrêter de faire du sport, chaque fois que je rentre, je cherche des partenaires de badminton sur XHS et Xianyu. Ce sont généralement des jeunes filles nées après 2000 : certaines sont des athlètes professionnelles issues des écoles sportives nationales, d’autres des amateurs qui ont entraîné pendant des années pour atteindre un niveau élevé. Pendant les pauses entre les matchs en simple de deux heures, on discute de tout et n’importe quoi — les expériences amoureuses sont naturellement incluses. Et j’ai remarqué une attitude relativement courante chez ces filles : Concernant les relations amoureuses — elles n’y sont pas opposées, mais pas optimistes non plus. Concernant le mariage et les enfants — elles n’en ont pas envie pour le moment, voire certaines y sont réticentes. C’est complètement différent de la mentalité de notre génération des années 80, d’un autre monde. Plus j’y pense, plus je me dis que ça ressemble au monde des cryptos ! 1. L’amour des années 80, c’était comme le marché des cryptos avant 2021 : À l’époque, quand on choisissait quelqu’un, c’était pour se marier, acheter un appartement, et avancer ensemble jusqu’au bout. C’était pareil qu’acheter des cryptos ces années-là : croire en un récit, acheter, détenir, HODL. Même s’il y avait déjà beaucoup d’arnaques, d’ICO et de jetons qui s’effondraient, le Beta était suffisamment grand — BTC et les principales cryptos ne faisaient que gagner du temps avant de se redresser ; peu importait ce que tu achetais, tu gagnais. Le mariage aussi. Avec la croissance économique, les salaires qui montaient et les prix de l’immobilier qui flambaient, se marier et avoir des enfants ressemblait à une position longue sur l’avenir. Beaucoup de problèmes relationnels étaient masqués par ce Beta historique. Ce n’est pas que les années 80 comprenaient mieux l’amour — peut-être qu’on a simplement eu de la chance d’être dans un marché haussier. 2. L’amour des années 00, c’est comme le marché des cryptos après 2022 : LUNA, FTX, FDV élevé et liquidité faible… après avoir été rugueusement arnaqués plusieurs fois, et avec l’émergence de Hyperliquid, la première réaction à tout récit est maintenant : « Arrête de raconter des histoires, montre les données. » Cette année, on a même l’impression d’une « capitalisation actionnaire » dans le monde crypto : on regarde les revenus, les utilisateurs, les rachats… Le récit n’est plus qu’une clé pour entrer. C’est pareil pour le mariage et les relations amoureuses chez les années 00 : quel est ton salaire ? Quelle est ta situation familiale ? Tes parents ont-ils des charges ? Es-tu émotionnellement stable ?… Les influenceurs sur les relations fleurissent : les filles ont QuQu, les garçons ont Li Xinye. Les garçons craignent de devenir une Exit Liquidity, les filles craignent d’avoir investi des années de leur jeunesse pour se faire ruguer. Tout le monde fait du DD, gère sa position. Beaucoup choisissent même de rester en cash. Pensez à notre époque : « Je réussirai un jour », « Je te serai fidèle toute ma vie »… Ces grandes promesses — ces récits — beaucoup de filles étaient prêtes à y croire. Aujourd’hui, ça ne marche plus (les filles ne se laissent plus avoir). La théorie actuelle en ligne sur les « cheveux jaunes et muscles fins » a un air de PUMP FUN (si la valeur à long terme est difficile à construire, commençons par capter l’attention à court terme !). Le Beta a disparu — il faut maintenant trouver son propre Alpha. Ce n’est pas que les années 00 ne croient plus à l’amour — ils y voient simplement des perspectives de pricing de risque inévitables. Nous, les années 80, avons eu simplement de la chance d’être dans une ère avec un Beta suffisamment grand. Les années 00 doivent naviguer dans un marché où il faut choisir soi-même son Alpha. Comme ceux qui sont entrés en 2013 sont devenus OG en se reposant sur leurs lauriers ; ceux qui sont entrés en 2023 se sont épuisés comme des canons. C’est le temps. C’est le destin.

Profitant de la scène spectaculaire de la voiture volante de Musk aujourd’hui, je vais combler les trous laissés il y a deux jours sur trois sujets intéressants récents dans le domaine de l’IA : Jev, Strata et Atlas. Je vais lier ces trois éléments à travers une scène de film, sans entrer dans les détails techniques — ceux qui sont intéressés peuvent demander à leur IA ou faire leurs propres recherches. Quelle est cette scène ? Terminator ! Imaginez un T-800 envoyé en 1984 avec pour mission de trouver et d’éliminer Sarah Connor. Pour y parvenir, il doit posséder trois fonctions fondamentales : comprendre l’espace, prendre des décisions instantanément, et fonctionner hors ligne (en 1984, il n’y avait pas de Skynet pour se connecter). Et devinez quoi ? Ces trois fonctions correspondent exactement à Atlas, Jev et Strata. 1. D’abord, Atlas de la professeure Li Fei-Fei — comprendre l’espace. Quand Schwarzenegger (le T-800) entre dans une pièce, il jette un coup d’œil et sait immédiatement ce qui se trouve derrière la porte ou sous la table. Atlas fait exactement cela aujourd’hui : à partir de quelques images, il prédit ce que l’on verrait depuis un nouvel angle. Les LLM prédisent le mot suivant. Les modèles vidéo (comme Seedance) génèrent des images le long d’une trajectoire temporelle. Atlas prédit un nouvel angle de vue. Beaucoup de modèles vidéo se présentent aujourd’hui comme des « modèles du monde ». Il y a quelques mois, Li Fei-Fei les a classés en trois catégories : rendus, simulateurs, planificateurs. Un simulateur peut devenir un rendu, mais un planificateur doit reposer sur un simulateur puissant. Quand le T-800 jette un coup d’œil et comprend ce qu’il y a dans la pièce, c’est un simulateur. Calculer ce qui se passera en sautant ou où une balle touchera aussi — c’est un simulateur. Choisir entre poursuivre, fuir ou foncer en voiture nécessite probablement un planificateur. Le rendu, lui, est presque inutile ici. L’objectif d’Atlas est probablement de devenir le meilleur simulateur possible, puis d’évoluer vers un planificateur. Leur feuille de route ressemble à cela : Espace 3D statique (actuel) → dynamique (4D) → éditable → interactif → simulateur = planificateur (finale) On vient à peine de commencer ce long voyage, mais pour réaliser un Terminator, c’est indispensable — un simple LLM ne suffit pas. 2. Ensuite, Jev — décision instantanée. Souvenez-vous de la scène : le T-800 est dans un motel, le réceptionniste frappe à la porte. Dans son champ de vision apparaissent directement plusieurs réponses possibles ; il en choisit une et répond sans même organiser une phrase. (Je me souviens qu’il a choisi la plus grossière…) C’est exactement Jev : pas besoin que le LLM génère un texte complet, ni qu’il suive une chaîne de pensée (COT). Il se contente de choisir parmi des options données et d’indiquer son niveau de confiance. Jev de TypeSafe fonctionne ainsi : il ne génère pas de texte, il choisit uniquement parmi des options prédéfinies et fournit des probabilités calibrées. Réponse avec 0,97 → envoyer directement. La plus élevée est à 0,60 → ne pas répondre encore ; laisser un modèle plus lent mais plus intelligent réfléchir. Dans la démo vidéo de TypeSafe, il s’agit de déterminer si une facture est fausse : un LLM traditionnel prend 8 secondes ; Jev n’en met que 0,1. Pourquoi si rapide ? Parce qu’il ne génère pas de texte — il ne fait que choisir. Pourquoi si précis ? Grâce à une technologie secrète : RLCD — Reinforcement Learning for Calibrated Decisions (Apprentissage par renforcement pour des décisions calibrées). L’architecture n’est pas encore publiée, mais je pense qu’elle repose probablement sur un fondement Transformer, simplement en supprimant complètement la génération. On peut le voir comme un ASIC pour LLM dans un contexte spécifique : il ne sait ni discuter ni coder — il ne fait que des décisions fréquentes, en compressant et simplifiant toutes les étapes habituelles d’un LLM en une simple question à choix multiple. La vitesse et le coût sont réduits d’un ou deux ordres de grandeur. C’est un peu comme le Système 1 du célèbre livre de Daniel Kahneman « Penser vite et lentement » — les LLM traditionnels sont le Système 2. Il est clair qu’un Terminator fonctionnant avec les LLM actuels ne pourrait accomplir aucun des actes du film — il serait aussi lent qu’une limace (pourquoi ça me fait penser à Flash dans Zootopia ?). C’est ici que Jev entre en scène : la deuxième pièce du puzzle du Terminator est en place. 3. La dernière pièce — Strata — exécuter des grands modèles localement. En 1984, Internet existait… mais il était extrêmement lent, limité aux militaires et aux universités. Et il n’y avait pas de nuage pour héberger Skynet ! Il fallait donc installer un modèle local directement dans la tête du T-800. Strata permet à une carte graphique grand public avec 12 Go de VRAM et 64 Go de RAM d’exécuter le modèle Qwen3.8-Flash-Next de 125 milliards de paramètres. La technologie ? D’abord, quantifier les paramètres de 16 bits à 2–3 bits — réduisant leur taille de plusieurs fois. Ensuite, les 20 % d’experts les plus utilisés sont chargés en VRAM ; tous les experts sont stockés en RAM ; enfin, une grande table de recherche (30 Go — comme un manuel de référence pendant l’entraînement) est conservée sur le SSD. Hors ligne complet, confidentialité des données. Bien sûr, les performances sont légèrement réduites par la compression et la lecture de longs documents est plus lente. Mais une console de jeu haut de gamme peut désormais exécuter un modèle de mille milliards de paramètres — c’est un saut du néant à l’existence. On ne connaît pas les spécifications exactes du GPU, RAM et CPU du T-800, mais Strata vous permet d’exécuter des modèles MOE plus grands dans des environnements matériels limités (pour l’instant uniquement Qwen, mais l’approche est universelle pour les modèles MOE). Voyez-vous ? Nous nous rapprochons de plus en plus du monde de Skynet et du Terminator ! @drfeifei @theworldlabs @typesafeai P.S. - Quelqu’un a réservé une Roadster ? Emmenez-moi faire un tour en 2028, s’il vous plaît !

WC ! WC !!! J'ai testé le Model Y L + FSD le week-end dernier, et l'expérience a été incroyable. Cette semaine, Elon Musk sort une telle bombe ! Mon cerveau a littéralement planté ! Pourquoi conduire une voiture à essence ? Pourquoi avoir besoin d'un réfrigérateur, d'une télévision ou d'un grand canapé ? Conduisez une Tesla !

Hier soir, en revenant voir le post d’@Ondo sur les Ondo Intelligent Portfolios, j’ai soudainement réalisé que cela pourrait bien être le jalon marquant l’entrée des RWA dans la version 2.0. J’ai longtemps affirmé que les RWA étaient la plus grande tendance de cette vague, et ce que nous vivons actuellement peut être qualifié de RWA 1.0 — le transfert sur chaîne de divers actifs : obligations américaines, actions, ETF, or… J’appellerais cela l’ère des Tokenized Assets, et Ondo est indéniablement le leader de cette ère. Mais je n’imaginais pas que ce serait encore Ondo qui ouvrirait la voie à la RWA 2.0 — je la qualifierais d’ère des Tokenized Strategies. Autrement dit, la version 1.0 consiste à mettre des actifs financiers sur chaîne, et résout la question : « Quels actifs pouvons-nous acheter ? » La version 2.0 consiste à mettre des services financiers sur chaîne, et répond à la question : « Comment détenons-nous ou gérons-nous ces actifs ? » Prenons les Intelligent Portfolios comme exemple : leur structure n’est pas complexe. En dessous, ce sont toujours des actifs déjà tokenisés comme Ondo Stocks — des actions et ETF. Sur cette base, une stratégie de portefeuille prédéfinie détermine quels actifs acheter, quelles pondérations leur attribuer, et quand rééquilibrer. Pour les premiers produits lancés, les trois premières stratégies de portefeuille ont été développées par BlackRock pour Ondo, tandis qu’Ondo se charge de les implémenter concrètement sur chaîne : configuration des actifs sous-jacents, rééquilibrage périodique et gestion du produit. Enfin, vous n’avez plus besoin de détenir une dizaine de tokens différents — un seul token de portefeuille suffit. Ondo a automatisé pour vous tout le processus précédent : sélection des actifs → définition des pondérations → achat → surveillance continue → rééquilibrage. Bien sûr, vous vous poserez naturellement cette question : « N’est-ce pas pareil que d’acheter un ETF tokenisé de la version 1.0, comme QQQ ou SPY ? » Sur le plan superficiel, cela semble similaire : dans les deux cas, il s’agit d’un panier d’actifs sans que vous ayez à vous en occuper. Mais la différence fondamentale réside dans le coût et la méthode de construction. Dans le TradFi, lancer un nouveau produit structuré exige une structure de fonds, des licences, un custodian, une émission — des barrières extrêmement élevées — ce qui limite le marché à quelques produits « standardisés ». Sur chaîne, c’est différent. Lorsque de plus en plus d’actifs sont déjà tokenisés, créer un nouveau produit revient simplement à assembler ces blocs de construction via un contrat intelligent : configuration, pondérations, rééquilibrage — tout est codé dans les règles et exécuté automatiquement. Chaque ajustement est enregistré sur chaîne. C’est pourquoi je dis que les possibilités de la version 2.0 sont encore plus grandes. L’équipe a déjà clairement indiqué qu’elle intégrera progressivement des Perps, du Spot Crypto et des options. À ce stade-là, des combinaisons impossibles à réaliser dans le TradFi — comme des actions américaines + BTC ou des matières premières + overlay d’options — deviendront réalisables. Bien sûr, pour l’instant, les actifs sous-jacents des portefeuilles lancés restent des actions et ETF tokenisés. Un autre point souvent négligé : le Portfolio Token lui-même est un token ! Un token peut être librement transféré entre portefeuilles, échanges et protocoles DeFi. En allant plus loin, un portefeuille entier pourrait servir de garantie pour un prêt, de marge pour un Perp, ou même être intégré dans un autre portefeuille. Cela reste pour l’instant une direction, mais dès que cela sera opérationnel, les « blocs » dont dispose DeFi passeront d’actifs individuels à des portefeuilles complets. Voilà précisément la vision ultime du « Lego financier » que nous imaginions pendant le DeFi Summer ! En revenant sur le parcours d’Ondo ces dernières années, il est très clair : USDY a résolu le rendement en dollar, Ondo Stocks a résolu l’accès aux actions américaines, les Perps ont résolu l’effet de levier, Network a résolu l’infrastructure. Chaque nouvel actif tokenisé ajoute une nouvelle possibilité aux combinaisons possibles dans les Intelligent Portfolios. Plus il y a de blocs en version 1.0, plus grande sera la maison que l’on pourra construire en version 2.0. La RWA 1.0 nous a permis de posséder des actifs ; la RWA 2.0 nous permet désormais de posséder la capacité de configurer ces actifs. Autrefois réservée aux banques privées et aux clients fortunés, cette fonctionnalité est désormais accessible aux investisseurs non-américains éligibles via leur portefeuille. De Tokenized Assets en version 1.0 à Tokenized Strategies en version 2.0 — voilà comment Wall Street s’oriente vers la chaîne, et voilà où les RWA commencent véritablement à devenir intéressantes. Merci à @Ondo pour son soutien à ce contenu d’analyse.

Merci à @168MrZ pour l’invitation, de retour sur 168X après une discussion d’plus d’une heure avec Z, j’ai vraiment apprécié notre échange. Ce pourrait être la dernière vraie bulle haussière ; je sens que les marchés deviendront de plus en plus comme le marché américain, et les altcoins sans fondamentaux ni données n’auront plus aucune chance : Autrement dit, pendant cette vague, je sens que beaucoup de jetons pourris sont encore tirés vers le haut par les bons jetons, pour accomplir leur dernier retrait massif de l’histoire 🤨

Je me souviens qu’il y a un an, une amie a subi le double coup dur d’un liquide forcé et d’une rupture amoureuse, ce qui l’a conduite à une légère dépression avec des symptômes somatiques. Je lui avais dit pour la réconforter : « Dans la vie, hormis la vie et la mort, il n’y a rien d’important. Considère-toi comme le personnage principal d’un jeu en ligne appelé Terre, et tout le monde autour de toi n’est que des PNJ, y compris ton ex et moi. » C’était essentiellement une perspective à la troisième personne. Plus tard, elle a essayé, et bien que les effets ne soient pas immédiats, la douleur et l’auto-sabotage ont effectivement diminué. C’est exactement ce que dit le commentaire de Xiao Mao : « Fais-le ! »

StableStock est l'une des rares plateformes actuelles permettant d'accéder simultanément aux actifs des marchés américains, hongkongais et coréens avec U, et elle prend désormais en charge l'application mobile !

Je suis d'accord avec l'idée de haotian, mais je garde les deux positions et je ne fais rien. J'avais acheté $SHROOM à mi-chemin, ce qui s'est révélé difficile. Tout à l'heure, il m'est soudain venu à l'esprit que ce que SHROOM cherche à accomplir, $AI pourrait théoriquement le faire aussi, et même avec un avantage potentiel supérieur. Premièrement, l'IA est déjà un actif de paire pour de nombreux autres Meme. Si, à l'avenir, ces Meme développent à la fois une forte intégration avec l'IA et commencent à s'apparier avec des actions tokenisées de petite et moyenne capitalisation, alors, via des routes multi-hop, l'IA pourrait effectivement devenir un nœud intermédiaire reliant ces actifs long-tail. Bien sûr, cela reste encore seulement « une route possible » ; cela ne signifie pas que l'IA possède elle-même cette liquidité. Ce qui mérite vraiment plus d'attention, c'est le deuxième point : L'IA, en plus de NVDA, commence déjà à inclure d'autres actions tokenisées dans ses Vault/Treasury. Supposons que les développeurs avancent encore d'un pas dans la prochaine version et utilisent directement l'IA pour créer des paires avec des actions autres que NVDA, transformant ainsi continuellement le capital généré par les échanges Meme en diverses POL d'actions, puis réinvestissant les frais pour élargir la liquidité — cela reviendrait fondamentalement à emprunter la voie de SHROOM, en prenant la route des autres pour leur laisser aucune issue ! Et $AI pourrait même avoir un avantage supérieur à SHROOM : SHROOM a d'abord conçu un réseau de liquidité d'actions, puis a cherché à y canaliser l'énergie spéculative des Meme ; $AI possède déjà des Meme, avec un volume d'échanges et une capacité de formation de capital, et développe désormais un réseau de liquidité d'actions à partir de là. L'un construit d'abord la route en attendant les véhicules ; l'autre a déjà du trafic et commence à construire la route. Si $AI avance vraiment dans cette direction, le « réseau de liquidité d'actions long-tail » que $SHROOM cherche à construire pourrait finir par être dépassé par $AI.