Thường xuyên thấy những từ như “băng hoa”, “hiệu hoa” trên X, XHS, thậm chí cả trong tiểu thuyết. Nhưng thực ra, thứ này, sự đồng thuận không tập trung như ta tưởng, mà thậm chí rất phân tán. Tôi nhớ trước kỳ thi đại học, vài cậu nam trong lớp chúng tôi trò chuyện rảnh rỗi về các cô gái cùng lớp, và bất ngờ phát hiện ra rằng, người đẹp nhất trong mắt mỗi người lại không phải là một người giống nhau. Nói cách khác, cả lớp đều đồng thuận về việc những cô gái nào là xinh đẹp, nhưng “băng hoa” lại phân tán ở 3, 5 cô gái khác nhau. Đây mới chỉ là mẫu khảo sát từ phía nam sinh, nếu cả lớp cùng bình chọn, có lẽ sự phân tán còn lớn hơn nữa. Vì vậy, mỗi lần tôi thấy những danh xưng như “hệ hoa”, “hiệu hoa”, tôi chỉ nghe cho vui. Một lớp học có thể có ba năm “băng hoa”, một trường đại học có thể có hàng chục, thậm chí hàng trăm “hiệu hoa”. Tất nhiên cũng có ngoại lệ, ví dụ như xuất hiện một người như Lưu Di Phi, thì gần như mọi danh hiệu hoa đều thuộc về cô ấy. Khi đó, trong lớp bên cạnh chúng tôi có một cô gái sở hữu gương mặt giống sao (rất giống phong cách thuần dục của Nãi Nãi), và sự đồng thuận của các nam sinh trong lớp họ cực kỳ tập trung, bởi vì nhan sắc của cô ấy là một sự áp đảo tuyệt đối với người khác. Tôi cảm thấy nếu đưa cô ấy vào toàn khối 12, chắc chắn sẽ là “hiệp hoa vô tranh luận”. Lý do tôi chợt nghĩ đến điều này là vì vài ngày trước, tôi không nhớ rõ là đọc bài Tweet nào của một blogger, nói về các vấn đề bậc nhất, bậc hai, bậc ba trong giao dịch Crypto. Bậc nhất: nhà đầu tư nhỏ lẻ bắt đầu nghiên cứu cơ bản của một đồng tiền. Bậc hai: nhà đầu tư nhỏ lẻ bắt đầu nghiên cứu xem các nhà đầu tư nhỏ lẻ khác nhìn nhận đồng tiền đó như thế nào. Bậc ba: hành động của Dev/đại gia, họ nghiên cứu xem nhà đầu tư nhỏ lẻ sẽ bắt đầu nghiên cứu “người khác nghĩ gì về đồng tiền này” vào thời điểm nào, rồi tiến hành “thao túng” tương ứng. Bậc nhất và bậc hai là lý thuyết chọn sắc đẹp của Keynes điển hình. Bậc nhất: Ai đẹp nhất? – Nhà đầu tư nhỏ lẻ Bậc hai: Mọi người nghĩ ai đẹp nhất? – Smart Money / Nhà đầu tư cấp cao Bậc ba: Khi nào mọi người sẽ bắt đầu nghiên cứu “mọi người nghĩ ai đẹp nhất”? – Dev / Đại gia Dev/đại gia bậc ba sẽ phát hành tin tốt, đẩy giá và tạo chủ đề vào thời điểm thích hợp. Giống như việc vào đúng thời điểm, đăng ảnh một cô gái hot lên tường trường. Bậc nhất nhìn Value (cơ bản), bậc hai nhìn Consensus (đồng thuận), bậc ba nhìn Consensus Acceleration (tốc độ gia tăng đồng thuận). Cuối cùng, chúng ta giao dịch thực chất là chính sự đồng thuận và tốc độ hình thành của nó. Viết đến đây, tôi chợt nhận ra điều này cũng tương tự với khái niệm trong quyền chọn: Bậc nhất là spot (cô gái này thực sự có đẹp không?) Bậc hai là Delta (ngày càng nhiều người có bắt đầu nghĩ cô ấy là băng hoa không?) Bậc ba là Gamma (số người tin cô ấy sẽ trở thành băng hoa có đang tăng tốc không?) Liệu trong đợt thị trường gần đây, khi nắm giữ một đồng tiền, ta nên bán ngay khi Gamma đạt đỉnh – ví dụ như Pons! Chết tiệt, hình như tôi đã悟 (thấu hiểu) hơi muộn rồi.
Trước khi đến 2049, tôi về nước vài tuần, vì tôi thường không thể ngừng vận động, nên mỗi lần về nước đều tìm trên XHS và Xianyu để tìm người tập cầu lông cùng. Thường là những cô gái sinh sau năm 2000, có người là vận động viên chuyên nghiệp cấp quốc gia, cũng có người là nghiệp dư luyện tập nhiều năm đến đỉnh cao. Trong khoảng nghỉ giữa hai giờ thi đấu đơn, chúng tôi nói chuyện khắp nơi, chuyện tình cảm tất nhiên cũng nằm trong đó, và tôi nhận ra một thái độ tương đối phổ biến ở những cô gái này— Về tình yêu: không phản đối, nhưng cũng không lạc quan. Về hôn nhân và sinh con: hiện tại không muốn, thậm chí có phần kháng cự. Điều này hoàn toàn khác với tư duy của thế hệ 80 chúng tôi, khác hẳn một thế giới khác. Càng suy nghĩ, tôi càng thấy điều này giống với thị trường tiền điện tử! 1. Tình yêu của thế hệ 80 giống như thị trường tiền điện tử trước năm 2021— Khi đó, nếu xác định một người—kết hôn, mua nhà, cùng nhau đi đến cuối cùng. Giống như việc mua coin những năm đó—tin vào một câu chuyện, mua vào, giữ chặt, HODL. Lúc đó dù cũng có nhiều lừa đảo, ICO và altcoin về 0 rất nhiều, nhưng Beta đủ lớn, cơ bản BTC và các coin主流 chỉ là vấn đề thời gian để thoát lỗ, mua cái gì cũng kiếm tiền. Hôn nhân thời đó cũng vậy. Kinh tế tăng trưởng, lương tăng, giá nhà tăng, hai người kết hôn sinh con giống như cùng nhau mua dài hạn tương lai. Nhiều vấn đề tình cảm bị che lấp bởi Beta của thời đại. Chưa chắc thế hệ 80 chúng tôi hiểu tình yêu hơn, có lẽ chúng tôi chỉ may mắn gặp đúng thời kỳ bò牛市. 2. Tình yêu của thế hệ 00 giống như thị trường tiền điện tử sau năm 2022— LUNA, FTX, FDV cao nhưng lưu thông thấp… đã bị Rug quá nhiều, cộng thêm sự trỗi dậy của Hyperliquid, giờ mọi người nghe đến Narrative đều phản ứng đầu tiên: đừng chỉ kể chuyện, hãy đưa ra dữ liệu. Đến năm nay, thậm chí còn xuất hiện cảm giác giống như cổ phiếu hóa tiền điện tử—xem doanh thu, xem người dùng, xem mua lại… Narrative giờ chỉ là tấm vé vào cửa. Tình yêu hôn nhân của thế hệ 00 cũng vậy: thu nhập bao nhiêu, gia đình điều kiện thế nào, bố mẹ có gánh nặng không, cảm xúc có ổn định không… Nhiều blogger về tình cảm nổi lên. Phụ nữ có Qu Qu, đàn ông có Li Xinye. Đàn ông sợ trở thành Exit Liquidity, phụ nữ sợ đầu tư vài năm thanh xuân cuối cùng bị Rug. Mọi người đều bắt đầu làm DD, kiểm soát vị thế. Thậm chí nhiều người chọn giữ rỗng. Hồi đó chúng tôi nói: “Tôi nhất định sẽ thành công”, “Tôi sẽ tốt với bạn suốt đời…” Những lời hứa to lớn hay Narrative đó, nhiều cô gái sẵn sàng trả tiền. Giờ thì chắc không còn ai tin nữa (các cô gái khó lừa rồi). Luận điểm “vàng tóc cơ bắp mỏng” đang thịnh hành khắp mạng hiện nay, mang cảm giác như thời kỳ Pumpfun (khó tạo giá trị dài hạn, trước tiên hãy lấy眼球 và sự chú ý ngắn hạn!). Beta đã mất, chỉ còn cách tự tìm Alpha. Không phải thế hệ 00 không tin vào tình yêu, mà trong đó buộc phải pha trộn nhiều góc nhìn định giá rủi ro. Thế hệ 80 chỉ may mắn sống trong thời đại có Beta đủ lớn. Thế hệ 00 đối mặt với một thị trường chỉ có thể tự chọn Alpha. Cũng giống như người vào thị trường năm 2013, nhiều người nằm im đã thành OG; người vào năm 2023, nhiều người cố gắng hết sức vẫn thành tro bụi. Thời cơ và số phận.
Nhân dịp hôm nay ông Mã phóng xe đầy ấn tượng, mình sẽ lấp luôn cái hố đã chôn hai ngày trước về ba thứ thú vị trong lĩnh vực AI gần đây: Jev, Strata và Atlas. Mình sẽ dùng một cảnh phim để kết nối ba thứ này lại với nhau, không đi sâu vào chi tiết kỹ thuật — ai quan tâm thì tự hỏi AI hoặc tự nghiên cứu nhé. Cảnh phim đó là gì? — Terminator! Hãy tưởng tượng T-800 được gửi ngược về năm 1984 với nhiệm vụ tìm và tiêu diệt Sarah Connor! Lúc này, nó cần ba chức năng cơ bản: hiểu không gian, phán đoán tức thì, và suy nghĩ không cần kết nối internet (năm 1984 chưa có SkyNet để kết nối). Thật trùng hợp, ba thứ này đúng tương ứng với Atlas, Jev và Strata. 1. Trước tiên là Atlas của Giáo sư Li Fei-Fei — Hiểu không gian Schwarzenegger (T-800) bước vào một căn phòng, liếc một cái là biết sau cánh cửa, dưới bàn có gì. Atlas hiện tại đang làm chính xác việc đó: chỉ cần vài tấm ảnh, nó dự đoán xem nếu đổi góc nhìn thì sẽ thấy gì. LLM dự đoán từ tiếp theo. Mô hình video (như Seedance) sinh hình ảnh dọc theo trục thời gian. Atlas dự đoán góc nhìn mới. Hiện nay, nhiều mô hình video tự xưng là “mô hình thế giới”. Cách đây vài tháng, Li Fei-Fei đã phân loại chúng thành: trình render, trình mô phỏng, trình lập kế hoạch. Trình mô phỏng có thể trở thành trình render, nhưng trình lập kế hoạch phải dựa trên một trình mô phỏng mạnh mẽ. Khi T-800 liếc một cái là biết trong phòng có gì — đó là trình mô phỏng. Tính toán xem nếu nhảy xuống sẽ thế nào, hoặc viên đạn bắn đi sẽ trúng đâu — cũng là trình mô phỏng. Chọn hành động: truy đuổi, trốn chạy hay tông xe — những lựa chọn này phần lớn cần trình lập kế hoạch. Trình render thì gần như không dùng đến. Mục tiêu của Atlas chính là trở thành trình mô phỏng mạnh nhất, sau đó nâng cấp lên trình lập kế hoạch. Đường đi như sau: Không gian 3D tĩnh (hiện tại) → động (4D) → có thể chỉnh sửa → có thể tương tác → mô phỏng = lập kế hoạch (kết thúc) Chặng đường dài mới chỉ bước qua bước đầu tiên, nhưng để tạo ra Terminator thật sự không thể thiếu điều này — LLM đơn thuần là chưa đủ. 2. Tiếp theo là Jev — Phán đoán tức thì Bạn còn nhớ cảnh đó không? T-800 bị quản lý khách sạn gõ cửa, trong tầm nhìn của nó lập tức hiện ra một loạt lựa chọn phản hồi, nó chỉ cần chọn một rồi trả lời — hoàn toàn không cần tổ chức câu chữ. (Tôi nhớ nó chọn câu thô lỗ nhất…) Đó chính là Jev: không cần LLM sinh ra một đoạn văn bản, cũng không cần chuỗi suy luận COT — chỉ cần chọn trong các lựa chọn đã cho và đưa ra mức độ chắc chắn. Jev của TypeSafe làm điều này: không sinh văn bản, chỉ chọn trong các lựa chọn đã cho và đưa ra xác suất đã hiệu chỉnh. Một phản hồi có xác suất 0.97 → trực tiếp gửi đi Cao nhất chỉ có 0.60 → đừng gửi, để mô hình lớn hơn nhưng chậm hơn suy nghĩ Trong video demo của TypeSafe, họ dùng Jev để xác định hóa đơn giả — LLM truyền thống mất 8 giây, còn Jev chỉ mất 0.1 giây. Nhanh vì chỉ làm trắc nghiệm, không sinh văn bản; chính xác nhờ công nghệ “đen” RLCD — Reinforcement Learning for Calibrated Decisions (Học tăng cường cho quyết định được hiệu chỉnh). Kiến trúc hiện chưa được công khai, nhưng tôi cho rằng nó vẫn dùng nền tảng Transformer, chỉ đơn giản là loại bỏ hoàn toàn bước sinh văn bản. Có thể coi đây là ASIC của LLM trong ngữ cảnh cụ thể — không nói chuyện, không viết mã, chỉ đưa ra quyết định tần suất cao, nén và đơn giản hóa các bước phán đoán truyền thống của LLM thành một câu hỏi đúng/sai hay trắc nghiệm — tốc độ và chi phí chênh lệch từ một đến hai cấp độ. Giống như Hệ thống 1 trong cuốn sách nổi tiếng của Daniel Kahneman “Thinking, Fast and Slow”, còn LLM truyền thống là Hệ thống 2. Tôi cảm thấy đây là một con đường mới mở ra bên ngoài sinh văn bản — đó là ra quyết định/phán đoán. Dù sao đi nữa, nếu T-800 dùng tốc độ phán đoán của LLM hiện tại thì chắc chắn không thể hoàn thành bất kỳ nhiệm vụ nào trong phim — sẽ chậm như ốc sên (bỗng nhiên tôi nghĩ đến Lightning trong Zootopia…). Lúc này Jev ra đời — mảnh ghép thứ hai của chức năng Terminator đã hoàn thiện. 3. Mảnh ghép cuối cùng — Strata — Chạy mô hình lớn trên thiết bị cục bộ Năm 1984 đã có internet rồi, nhưng tốc độ cực kỳ chậm chạp, thứ hai là chỉ tồn tại trong quân đội và trường học, huống chi chẳng có SkyNet nào để kết nối lên đám mây! Bạn vẫn phải cài một mô hình cục bộ vào trong đầu T-800 để nó có thể xuyên không trở về. Strata cho phép một card đồ họa tiêu dùng với 12GB VRAM + 64GB RAM chạy mô hình Qwen3.8-Flash-Next với 125 tỷ tham số. Công nghệ “đen” là: trước tiên lượng tử hóa tham số từ 16-bit xuống còn 2–3-bit, giảm kích thước vài lần; sau đó 20% chuyên gia (bản sao) được giữ trong VRAM, toàn bộ chuyên gia được giữ trong 64GB RAM; cuối cùng còn một bảng tra cứu lớn 30GB (sổ tay tra cứu khi huấn luyện) được lưu trên SSD. Hoàn toàn ngoại tuyến, bảo mật dữ liệu — đương nhiên hiệu năng bị giảm do nén, đọc tài liệu dài cũng chậm — nhưng giờ đây một máy chơi game cao cấp có thể chạy mô hình hàng trăm tỷ tham số! Đây là vấn đề từ không có thành có. Chúng ta không biết thông số cụ thể của card đồ họa, bộ nhớ và CPU trong T-800, nhưng Strata giúp bạn chạy mô hình MOE lớn hơn trong môi trường phần cứng hạn chế (hiện tại chỉ hỗ trợ mô hình Qwen duy nhất, nhưng tư tưởng này áp dụng được cho tất cả mô hình MOE). Nhìn lại như vậy, dường như chúng ta đang ngày càng tiến gần đến thời đại SkyNet và Terminator! @drfeifei @theworldlabs @typesafeai P.S – Ai giàu có đặt trước Roadster rồi thì năm 2028 chở tôi đi trải nghiệm một chuyến nhé, xin cảm ơn!
WC! WC!!! Cuối tuần trước vừa lái thử Model Y L + FSD, ấn tượng cực kỳ sâu sắc Tuần này Elon Musk lại tung ra một chiêu lớn! Não tôi nhìn xong lập tức bị đình trệ! Còn lái xe xăng làm gì! Cần gì tủ lạnh, ti vi, ghế sofa to! Lái xe thì phải lái Tesla!
Đêm qua, khi quay lại xem, tôi thấy @Ondo công bố Ondo Intelligent Portfolios, bỗng nhiên nhận ra rằng đây có thể là cột mốc đánh dấu sự khởi đầu của RWA 2.0. Trước đây, tôi đã liên tục nhấn mạnh rằng RWA chính là chủ đề lớn nhất của chu kỳ này, và hiện tại có thể được xem là RWA 1.0 – khi đưa nhiều loại tài sản khác nhau lên chuỗi: trái phiếu Mỹ, cổ phiếu, ETF, vàng… Tôi xem đây là thời đại Tokenize Assets, và Ondo không nghi ngờ gì nữa là người dẫn đầu trong thời đại này. Tôi không ngờ rằng RWA 2.0 lại chính do Ondo khai mở – tôi xin gọi đây là thời đại Tokenize Strategies. Nói cách khác, 1.0 là đưa tài sản tài chính lên chuỗi, giải quyết vấn đề “chúng ta có thể mua những tài sản gì?” 2.0 là đưa dịch vụ tài chính lên chuỗi, giải quyết vấn đề “chúng ta nên nắm giữ/quản lý tài sản như thế nào?” Lấy Intelligent Portfolios lần này làm ví dụ, cấu trúc của nó thực ra không phức tạp: Lớp nền vẫn là những cổ phiếu và ETF đã được Tokenize như Ondo Stocks; trên cơ sở đó, hệ thống sẽ áp dụng một chiến lược danh mục đầu tư đã được định sẵn để quyết định mua gì, tỷ trọng bao nhiêu, và khi nào thực hiện Rebalance. Trong首批 sản phẩm lần này, ba chiến lược danh mục đầu tư đầu tiên do BlackRock phát triển cho Ondo, còn Ondo chịu trách nhiệm triển khai những chiến lược này thực sự lên chuỗi, hoàn thành việc phân bổ tài sản nền, tái cân bằng định kỳ và vận hành sản phẩm. Cuối cùng, bạn không cần nắm giữ hàng chục token khác nhau – chỉ cần một token danh mục duy nhất là xong. Toàn bộ quy trình trước đây: chọn tài sản → xác định tỷ trọng → mua vào → theo dõi liên tục → Rebalance – Ondo đều tự động xử lý cho bạn. Dĩ nhiên, bạn có thể tự nhiên đặt câu hỏi: Tôi mua một ETF đã được token hóa thời 1.0 như QQQ hay SPY, chẳng phải cũng giống sao? Về bề ngoài thì trông rất giống nhau, vì đều là một rổ tài sản và bạn chẳng cần phải lo lắng gì cả. Nhưng sự khác biệt cốt lõi nằm ở chi phí và cách thức xây dựng. Trong TradFi, để ra mắt một sản phẩm tổ hợp mới, bạn cần cấu trúc quỹ, giấy phép, lưu ký, phát hành – rào cản cực kỳ cao, nên trên thị trường chỉ có vài sản phẩm tổ hợp “chuẩn hóa”. Trên chuỗi thì khác. Khi ngày càng nhiều tài sản đã được Tokenize, việc tạo ra một sản phẩm tổ hợp mới về bản chất chỉ là ghép các Building Blocks này lại bằng hợp đồng thông minh: cấu hình, tỷ trọng, Rebalance – tất cả đều được viết vào quy tắc và tự động thực thi; mỗi lần điều chỉnh đều có thể tra cứu trên chuỗi. Đây cũng là lý do tôi nói rằng tiềm năng của 2.0 nằm ở phía sau. Chính thức đã rõ ràng rằng trong tương lai sẽ dần tích hợp các tài sản như Perps, Spot Crypto và quyền chọn. Khi đó, những tổ hợp khó thực hiện trong TradFi như cổ phiếu Mỹ + BTC hoặc hàng hóa cơ bản + Overlay quyền chọn sẽ có nền tảng để trở thành hiện thực. Dĩ nhiên, hiện tại các danh mục được上线 vẫn dựa trên cổ phiếu và ETF đã được Tokenize. Một điểm dễ bị bỏ qua: Bản thân Portfolio Token là một Token! Một Token có thể tự do chuyển nhượng giữa ví, sàn giao dịch và DeFi! Cứ nghĩ xa hơn nữa, một danh mục đầu tư toàn bộ có thể được dùng làm tài sản thế chấp cho vay, ký quỹ cho Perps, thậm chí được nhúng vào một danh mục khác. Đây vẫn đang là hướng đi trong tương lai, nhưng một khi được triển khai thành công, những “viên gạch” trong DeFi sẽ từ các tài sản đơn lẻ được nâng cấp lên thành cả một danh mục. Đây mới chính là tầm nhìn “Lego tài chính” mà chúng ta từng tưởng tượng trong thời kỳ DeFi Summer! Vì vậy, nhìn lại con đường Ondo theo đuổi trong vài năm qua rất rõ ràng: USDY giải quyết lợi nhuận đô la, Ondo Stocks giải quyết cổ phiếu Mỹ, Perps giải quyết đòn bẩy, Network giải quyết hạ tầng. Mỗi lần thêm một tài sản được Tokenize, Intelligent Portfolios lại có thêm một cách để tạo ra tổ hợp mới. Càng nhiều “viên gạch” 1.0, thì ngôi nhà 2.0 càng lớn hơn. RWA 1.0 giúp chúng ta sở hữu tài sản; RWA 2.0 giúp chúng ta sở hữu khả năng cấu hình tài sản. Trước đây đây là dịch vụ chỉ dành cho ngân hàng tư nhân và khách hàng có tài sản cao – giờ đây, các nhà đầu tư phi Mỹ đủ điều kiện có thể tiếp cận ngay thông qua ví của mình. Từ Tokenized Assets 1.0 đến Tokenized Strategies 2.0 – đây chính là cách Wall Street tiến lên chuỗi, và cũng là lúc RWA thực sự trở nên thú vị. Cảm ơn @Ondo vì đã hỗ trợ nội dung nghiên cứu này của tôi.
Cảm ơn lời mời từ @168MrZ, lần nữa quay lại 168X, đã nói chuyện hơn một giờ đồng hồ và rất vui khi trao đổi cùng Z. Có lẽ đây là đợt bùng nổ “đúng nghĩa” cuối cùng – cảm giác rằng về sau sẽ ngày càng giống thị trường chứng khoán Mỹ, những đồng “山寨VC” không có nền tảng hay dữ liệu sẽ không còn cơ hội nào nữa – Nói cách khác, trong đợt này tôi cảm thấy nhiều đồng rác thực ra vẫn có thể được kéo theo bởi những đồng tốt, hoàn thành lần “thoát hàng” cuối cùng trong lịch sử 🤨
Nhớ lại năm ngoái, có một người bạn trải qua cả hai cú sốc: cháy tài khoản và chia tay bạn trai, dẫn đến trầm cảm nhẹ và các triệu chứng thể chất. Lúc đó, tôi an ủi cô ấy bằng cách nói: Trong cuộc đời, ngoài sinh tử ra thì không có chuyện gì là lớn lao cả, hãy coi bản thân mình là nhân vật chính trong trò chơi Earth Online, còn tất cả những người khác đều là NPC, bao gồm cả bạn trai cũ của bạn và cả tôi nữa. Thực chất đây là góc nhìn ở ngôi thứ ba. Sau đó, cô ấy thử áp dụng, tuy không hiệu quả ngay lập tức, nhưng nỗi đau và sự tiêu hao nội tâm thực sự đã giảm bớt phần nào. Giống như nhận xét của anh Tiểu Mao trong phần bình luận – Hãy chơi đi!
Đồng ý với ý tưởng của haotian, nhưng tôi sẽ tiếp tục giữ cả hai, không động gì cả. Trước đó tôi đã mua $SHROOM ở giữa đồi, cảm thấy rất khó khăn. Vừa nãy tôi chợt nghĩ ra, việc SHROOM muốn làm, về lý thuyết thì $AI cũng có thể làm được, và nếu thực sự thực hiện thì có thể AI còn có lợi thế lớn hơn SHROOM. Thứ nhất, AI hiện đã là tài sản cặp giao dịch của nhiều Meme khác. Nếu trong tương lai, những Meme này vừa tích hợp sâu với AI, vừa bắt đầu cặp giao dịch với các cổ phiếu được token hóa quy mô nhỏ và trung, thì thông qua các tuyến đường đa bước, AI thực tế có thể trở thành nút trung gian kết nối những tài sản dài đuôi này. Tất nhiên, đây vẫn chỉ là “có đường”, chưa có nghĩa là AI tự sở hữu các dòng thanh khoản này. Điểm đáng quan tâm hơn thực sự là điểm thứ hai: Hiện tại, ngoài NVDA, Vault/Treasury của AI đã bắt đầu xuất hiện các cổ phiếu được token hóa khác. Nếu đội ngũ dự án tiếp tục tiến thêm một bước trong phiên bản tới, trực tiếp dùng AI để tạo hồ sơ thanh khoản với các cổ phiếu ngoài NVDA, liên tục tích lũy vốn từ giao dịch Meme thành các POL cổ phiếu đa dạng, rồi tái đầu tư phí giao dịch để mở rộng thanh khoản — thì về cơ bản họ đang đi theo con đường của SHROOM, đi trên con đường của người khác để khiến người khác không còn đường đi! Hơn nữa, AI có thể còn có lợi thế hơn SHROOM: SHROOM là thiết kế trước một mạng lưới thanh khoản cổ phiếu, sau đó tìm cách dẫn năng lượng đầu cơ từ Meme vào; AI thì đã có sẵn Meme, cùng khối lượng giao dịch và khả năng hình thành vốn, rồi từ đó phát triển ra một mạng lưới thanh khoản cổ phiếu. Một bên là xây đường trước rồi chờ xe đến; một bên là đã có sẵn dòng xe lưu thông, sau đó mới bắt đầu xây đường. Nếu AI thật sự nâng cấp theo hướng này, thì “mạng lưới thanh khoản cổ phiếu dài đuôi” mà $SHROOM đang cố gắng làm có thể cuối cùng sẽ bị $AI hái quả.
