經常在 X、XHS，甚至小說裡看到「班花」、「校花」這些字眼。 但其實這東西，共識並沒有想像中那麼集中，甚至非常分散。 我記得高考前，我們班幾個男生午休閒聊同班女生，意外發現，大家心目中最好看的女生，根本不是同一個人。 換句話說，班上哪些女生算好看，大家有共識；但「班花」這個頭銜，卻分散在三、五個不同的女生身上。 這還只是男生的樣本，如果全班一起評選，恐怕會更分散。 所以每當我看到所謂「系花」、「校花」，也就聽聽而已。一個班可以有三五個班花，一所大學可能有幾十甚至上百個校花。 當然也有例外，比如出了個劉亦菲那款，基本什麼花都得落她頭上。我們當時隔壁班有個明星臉妹子（很像奶茶妹妹的純欲風），他們班男生的共識就極其收斂，因為她的顏值對其他人來說屬於降維打擊。感覺放到整個高三，大概率也是「毫無爭議的年級花」那種。 之所以突然想到這件事，是因為前幾天記不清是哪位博主發了一條 Tweet，談到加密貨幣交易中的一階、二階、三階問題： 一階：散戶開始研究某個幣的基本面； 二階：散戶開始研究其他散戶如何看待這個幣； 三階：開發者／莊家的操作，他們研究的是散戶何時開始關注「其他人怎麼看這個幣」，然後進行相應的「操縱」。 一階和二階是典型的凱恩斯選美理論： 一階：誰最漂亮？——散戶 二階：大家覺得誰最漂亮？——Smart Money／高階小將 三階：大家何時會開始研究「大家覺得誰最漂亮」？——開發者／莊家 三階的開發者／莊家，會根據節奏釋放利好、拉盤、製造話題。 就像在合適的時間，把某個熱門女生的照片發到校園牆一樣。 一階看 Value（基本面），二階看 Consensus（共識），三階看 Consensus Acceleration（共識的加速度）。 最終，我們交易的其實是共識本身，以及共識形成的速度。 寫到這兒，我忽然又覺得，這跟期權的概念也很類似： 一階是現貨（這個女生到底好不好看） 二階是 Delta（越來越多的人是不是開始覺得她是班花） 三階是 Gamma（看好她當選班花的人數是不是正在加速增加） 最近這波行情，是不是應該在 Gamma 到頂時就趕快賣掉——比如 Pons！ 靠，好像悟得有點晚了
這次回國待了幾週，之前去2049之前，我通常運動不能停，所以每次回國都會從XHS和咸魚上找羽毛球陪打。 一般都是00後的小姑娘，有專業科班出身的國一國二體育生，也有半路出家練了多年的業餘巔峰。 兩個小時單打的比賽間隙就天南地北地聊，感情經歷自然也在其中，然後我發現這些妹子有一個相對普遍的態度— 對戀愛—不抗拒，但不樂觀。 對結婚生娃—暫時不想，甚至有些抗拒。 這跟我們80後當年完全不是一種思維，不是一個世界。 然後越想越覺得，這東西跟幣圈好像！ 1. 80後的愛情，像21年之前的幣圈— 那會認定一個人—結婚，買房，一直走下去。 跟那幾年買幣差不多—相信一個敘事，買入，拿住，HODL。 那時候雖然也有騙局，ICO山寨歸零一大堆，但Beta夠大，基本上BTC和主流解套只是時間問題，買啥都賺。 當時的婚姻也是。經濟增長，工資漲，房價漲，兩人結婚生娃像是一起做多未來。很多感情問題，被時代的Beta掩蓋了。 未必80後更懂愛情，可能我們只是趕上了牛市。 2. 00後的愛情，像22年之後的幣圈— LUNA，FTX，高FDV低流通……被Rug多了，加上Hyperliquid的崛起，大家聽到Narrative的第一反應是：別光講故事，數據拿出來。 到了今年，甚至開始有幣圈每股化的即視感—看收入，看用戶，看回購等各種數據……敘事，變成一個敲門磚。 00後的婚戀也一樣：收入多少，家裡什麼條件，父母有沒有負擔，情緒穩不穩定……各種情感類博主崛起。女有曲曲，男有李新野。男生怕自己成了Exit Liquidity，女生怕投了幾年青春最後被Rug。大家都開始做DD，控制倉位。甚至很多人選擇空倉。 想想我們那會，“我以後一定會成功。”，“我會一輩子對你好……”這些大餅，或者說敘事，不少女生是願意買單的。 現在估計沒戲（妹子都不好騙了）。 當前全網流行的黃毛薄肌論，有Pumpfun時代的即視感（長期價值不好弄，先短期眼球+注意力搞上去！）。 Beta沒了，只能自己找Alpha。不能說00後不信愛情，只是裡面被迫摻雜了許多風險定價的視角。 80後只是運氣好，趕上了一個Beta夠大的年代。00後面對的，是一個只能靠自己選Alpha的市場。正如13年入圈的人，很多躺成了OG。23年入圈的人，很多拼成了炮灰。 時也，命也
正好趁著今天馬斯克震撼的飛車，把前兩天埋的坑填了，關於 Jev、Strata、Atlas 這三個近期 AI 圈我覺得好玩的東西。 我用一個電影場景把這三樣東西串起來一起說，不講技術細節，感興趣的老鐵自己問 AI 或 Research。 這個場景是啥呢？——《終結者》！ 想像 T-800 被送回到 1984 年，任務是找到並幹掉莎拉·康納！ 這時他需要具備以下三個基本功能：看懂空間、瞬間判斷、不聯網思考（1984 年可沒有天網讓你聯）。 巧了，這仨正好對應 Atlas、Jev、Strata。 1. 先說李飛飛教授的 Atlas —— 看懂空間 施瓦辛格（T-800）走進一間屋子，掃一眼就知道門後、桌子底下大概有什麼。 Atlas 目前做的就是這件事：給幾張照片，預測換個位置看過去是什麼樣。 LLM 預測下一個詞， 視頻模型（比如 Seedance）沿時間軸往下生成畫面， Atlas 預測的是新視角。 現在很多視頻模型都自稱「世界模型」，李飛飛幾個月前給它們分了類：渲染器、模擬器、規劃器。 模擬器可以變成渲染器，而規劃器必須基於一個強大的模擬器。 T-800 掃一眼知道房間裡大概有什麼，這是模擬器；算出跳下去會怎樣、射擊子彈會打到哪，也算模擬器；選擇追、躲還是開車撞這些動作，大概率需要的是規劃器；渲染器則基本用不到。 Atlas 的目標應該就是要做最強模擬器，未來再升級到規劃器。 路線圖長這樣—— 靜態 3D 空間（當前）→ 動態（4D）→ 可編輯 → 可交互 → 模擬器即規劃器（終局） 萬里長征剛開始第一步，但你要實現終結者還真離不開這個，單純 LLM 不夠。 2. 然後是 Jev —— 瞬間判斷 還記得那個畫面嗎？T-800 在汽車旅館被管理員敲門，它視野裡直接彈出一排候選回覆，選一個就回出去，根本不用組織語言。（我記得選了最粗魯那句……） 這就是 Jev：不需要 LLM 吐出一段文字，也不需要 CoT 思維鏈思考，只在給定選項裡選，並給出有多確定。 TypeSafe 的 Jev 就是這樣：不生成文字，只在給定選項裡選，並給出校準過的概率。 某個回覆 0.97 → 直接回出去， 最高的只有 0.60 → 先別回，交給更慢但更聰明的大模型想想。 TypeSafe 的演示影片裡是判斷一張發票是否是假的，傳統 LLM 需要 8 秒，而 Jev 只用了 0.1 秒。 快，是因為只做選擇題，不生成文字；準，靠的是黑科技 RLCD —— Reinforcement Learning for Calibrated Decisions（面向校準決策的強化學習）。 架構目前還沒公開，我猜大概率還是 Transformer 底座，只是把「生成」這個環節直接砍掉了，可以看作是 LLM 在特定語境下的 ASIC —— 不會聊天、不會寫代碼，只做高頻決策，把傳統 LLM 判斷的各種步驟壓縮簡化成一個判斷題或選擇題，速度和成本差了一到兩個數量級。 有點像丹尼爾·卡尼曼那本著名的《思考，快與慢》裡的系統一，傳統 LLM 算系統二。 感覺在生成之外又打開了一條新的 AI 之路——決策／判斷。 反正 T-800 如果按現在 LLM 的判斷速度，肯定完不成電影裡的任何任務，會跟蝸牛一樣（怎麼忽然讓我想到《瘋狂動物城》裡的閃電……），這時候 Jev 應運而生，終結者功能第二塊拼圖拼好了。 3. 最後一塊拼圖 —— Strata —— 本地運行大模型 1984 年是有互聯網了，但第一慢到炸裂，第二當時只在軍方和學校有，再說雲端也沒有天網讓你聯啊！你還是得在 T-800 腦子裡裝一個本地模型穿越回來才行。 Strata 讓一台 12GB 顯存 + 64GB 記憶體的消費級顯卡，可以跑 1250 億參數的 Qwen3.8-Flash-Next 模型。 黑科技是先量化，把參數從 16 位壓縮到 2–3 位，體積縮小好幾倍；然後常用的 20% 專家（的副本）扔進顯存，全部專家扔進 64GB 記憶體；最後還有 30GB 的一個大查表（訓練時的速查手冊）扔進 SSD。 完全離線、數據隱私；當然能力因為壓縮打了折扣，讀長文檔也慢；但高端遊戲主機能跑千億大模型了啊——這是從無到有的問題。 T-800 裡面的顯卡、記憶體、CPU 具體參數咱不知道，反正 Strata 就是讓你在有限硬體環境裡跑更大參數的基於 MoE 的大模型（目前只支援 Qwen 這一個模型，但思路對 MoE 模型通用）。 這麼一看，我們似乎離天網和終結者時代，越來越近了！ @drfeifei @theworldlabs @typesafeai P.S. 哪位富哥訂了 Roadster？2028 年帶我體驗一把吧，求求了
WC！WC！！！ 上週末剛試駕完 Model Y L + FSD，印象無比深刻 這週老馬放出這麼一個大招！我腦回路看的直接當機了！ 開什麼油車！要什麼冰箱彩電大沙發！開車就開特斯拉！
昨晚回看時，看到 @Ondo 發布的 Ondo Intelligent Portfolios，突然意識到，這可能是 RWA 進入 2.0 時代的里程碑。 之前反覆強調 RWA 是這一輪最大的主線，當下可視為 RWA 1.0 —— 將各種資產上鏈，如美債、股票、ETF、黃金…… 我願稱之為 Tokenize Assets 時代，Ondo 毫無疑問是這個時代的領跑者。 沒想到 RWA 2.0 還是由 Ondo 開啟——我願稱之為 Tokenize Strategies 時代。 換句話說，1.0 是金融資產上鏈，解決的是「我們能買到什麼資產」； 2.0 是金融服務上鏈，解決的是「我們如何持有／管理資產」。 以這次的 Intelligent Portfolios 為例，其結構其實並不複雜： 底層仍是已 Tokenize 的 Ondo Stocks 股票與 ETF；在此基礎上，再根據一套預設的 Portfolio Strategy，決定具體買入哪些資產、各佔多少權重，以及何時進行 Rebalance。 此次首批產品中，前三個 Portfolio 的策略由 BlackRock 為 Ondo 開發，Ondo 則負責將這些策略真正落實到鏈上，完成底層資產配置、定期調倉與產品運營。 最終，你不需要持有十幾個不同的 Token，只需一個單獨的 Portfolio Token 即可。過去那套「選資產 → 定權重 → 买入 → 持續監控 → Rebalance」的流程，Ondo 已為你自動解決。 當然，你可能會自然產生一個疑問：我買個 1.0 時代的代幣化 ETF，例如 QQQ、SPY 之類的，不也一樣嗎？ 表面看確實很像，畢竟都是一籃子資產，還不用你操心。 但核心差異在於構建的成本與方式。在 TradFi 中，想推出一個新的組合產品，需經歷基金架構、牌照、託管、發行等流程，門檻極高，因此市面上僅有少數「標準化」組合。 鏈上則不同。當越來越多資產已被 Tokenize，組合一個新產品本質上就是用智能合約將這些 Building Blocks 拼接起來：配置、權重、Rebalance 全部寫入規則並自動執行，每一次調倉都能在鏈上查到。 這也正是我為何說 2.0 的想像空間在後面。官方已明確提到，未來將逐步納入 Perps、Spot Crypto、期權等資產。屆時，像美股 + BTC、大宗商品 + 期權 Overlay 這種在 TradFi 中極難實現的組合，便有了實現的基礎。當然，目前上線的 Portfolio 底層仍為 Tokenized 股票與 ETF。 還有一點容易被忽略：Portfolio Token 本身，它就是一個 Token！ 一個 Token，可以在錢包、交易所與 DeFi 之間自由轉移！再往後想，一整個 Portfolio 可作為借貸抵押品、Perps 保證金，甚至被裝進另一個 Portfolio 裡。這部分目前仍是方向，但一旦跑通，DeFi 手中的積木便從單一資產升級為完整組合。這才是我們在 DeFi Summer 時期所想像的「金融樂高」終極願景啊！ 因此回頭看 Ondo 這些年的路徑，非常清晰：USDY 解決美元收益，Ondo Stocks 解決美股，Perps 解決槓桿，Network 解決基礎設施。每多 Tokenize 一種資產，Intelligent Portfolios 就能多一種組合可能。1.0 的積木越多，2.0 能蓋的房子就越大。 RWA 1.0 讓我們擁有資產；RWA 2.0 讓我們擁有配置資產的能力。過去這僅是私人銀行與高淨值客戶才有的服務，如今符合條件的非美國投資者，僅憑手上的錢包即可接觸。 從 1.0 的 Tokenized Assets 到 2.0 的 Tokenized Strategies，這是華爾街走向鏈上的方式，也是 RWA 真正開始變得有趣的關鍵所在。 感謝 @Ondo 對我這篇研究內容的支持。
同意 haotian 這個思路，只是我兩個都繼續持有，就不動了。 之前的 $SHROOM 抄在了半山腰，感覺難了。剛才突然想到，SHROOM 想做的這件事，$AI 理論上其實也能做，而且真做起來可能比 SHROOM 更有優勢。 一是 AI 現在已經是很多其他 Meme 的配對資產。如果未來這些 Meme 一邊跟 AI 有深度，一邊又開始跟中小盤代幣化股票配對，那麼通過多跳路由，AI 實際上也可以成為連接這些長尾資產的中間節點。 當然，這還只是「有路」，不等於 AI 自己擁有這些流動性。 真正更值得關注的是第二點： AI 現在除了 NVDA，Vault/Treasury 裡已經開始出現其他代幣化股票。假如項目方下一個版本再往前走一步，直接拿 AI 去和 NVDA 之外的股票建池，把 Meme 交易產生的資本不斷沉淀成各種股票 POL，再複投手續費擴大流動性——那基本就是在走 SHROOM 的路線，走別人的路，讓別人無路可走！ 而且 AI 可能比 SHROOM 更有優勢： SHROOM 是先設計一張股票流動性網絡，再想辦法把 Meme 的投機能量導進去； AI 是已經有了 Meme，交易量和資本形成能力，再往外長出一張股票流動性網絡。 一個是先修路再等車，一個是已經有車流了，再開始修路。 如果 AI 真往這個方向升級，那 $SHROOM 現在想做的「長尾股票流動性網絡」，有可能最後被 $AI 摘果子
