深潮 TechFlow 消息，2 月 4 日，据 GoPlus Security 监测，一个近五年未活动的钱包在签署恶意 increaseApproval 交易后遭到入侵，攻击者窃取了价值约 6.6 万美元的 QNT。

深潮 TechFlow 消息，2 月 4 日，据 Cointelegraph 报道，以太坊 Fusaka 升级后，稳定币”粉尘攻击”数量显著增长，现估计占以太坊总交易量的 11% 和日均活跃地址的 26%。

Coin Metrics 分析了 2025 年 11 月至 2026 年 1 月期间超过 2.27 亿笔 USDC 和 USDT 余额更新，发现 43% 涉及不足 1 美元的转账，38% 甚至低于 1 美分，这些交易”除了钱包种子外没有重要经济目的”。

Fusaka 升级前，稳定币尘埃交易约占以太坊交易的 3-5% 和活跃地址的 15-20%；升级后这些数字跃升至交易的 10-15% 和活跃地址的 25-35%，增长了 2-3 倍。

这些”粉尘攻击”通常涉及恶意行为者从类似合法钱包的地址发送价值几分钱的稳定币，诱骗用户在交易时复制错误地址。据报道，已有 74 万美元因地址欺骗攻击而损失。

深潮 TechFlow 消息，2 月 4 日，据 The Block 报道，加拿大投资监管组织（CIRO）发布了数字资产托管框架，旨在防止黑客攻击、欺诈和治理不足导致的损失。该框架将加密托管机构分为四个等级，决定其可持理的客户资产比例——最高级别托管机构可持有 100% 客户资产，最低级别限制为 40%，而交易商成员内部托管上限为 20%。

框架还要求建立健全的治理政策，涵盖密钥管理、网络安全、事件响应和第三方风险，同时强制要求保险、独立审计和安全合规报告。CIRO 表示，该框架采用基于风险和比例的方法，旨在平衡投资者保护与市场创新和竞争，是吸取 2019 年 QuadrigaCX 崩溃教训后的重要举措。

深潮 TechFlow 消息，2 月 4 日，据 Coindesk 报道，暗网毒品市场 Incognito Market 的运营者 Rui-Siang Lin 被美国联邦法院判处 30 年监禁。这位 24 岁的台湾籍人士曾使用”Pharaoh”的网名，于 2024 年 12 月承认毒品共谋、洗钱和销售掺假药品等罪名。

检方表示，Incognito Market 在 2020 年 10 月至 2024 年 3 月期间处理了超过 1.05 亿美元的非法毒品交易，促成了超过 64 万笔交易，服务了全球数十万买家。美国当局通过区块链分析、卧底购买和域名注册记录成功追踪到 Lin，这些记录中包含了他的真实姓名、电话号码和地址。

检察官 Jay Clayton 表示，Lin 的犯罪行为造成了至少一人死亡，并加剧了阿片类药物危机，给超过 47 万名毒品使用者及其家人带来痛苦。

深潮 TechFlow 消息，2 月 4 日，据 Cointelegraph 报道，纳斯达克上市保险经纪公司天睿祥控股有限公司（Nasdaq: TIRX）宣布已达成一项战略协议，一名未透露身份的投资者将贡献 15000 枚比特币，以换取公司股权。按照比特币当前约 75000 美元的价格计算，该交易价值约 11 亿美元。

该协议还包括一项专注于人工智能和加密货币的战略合作，双方将共建创新实验室，开发人工智能驱动的交易和风险管理工具、区块链基础设施、去中心化应用以及涵盖二层网络、去中心化金融和非同质化代币的产品。

天睿祥股价在公告后早盘交易中上涨约 190%，涨幅现已回落至约 98%，日内市值高点达到约 950 万美元，现报约 440 万美元，远低于拟议比特币交易的隐含价值。若交易完成，天睿祥将成为全球第八大持有比特币的上市公司。

深潮 TechFlow 消息，2 月 4 日，据金融时报报道，全球最大稳定币发行商 Tether 已下调其融资目标，从原先的 150-200 亿美元降至可能仅 50 亿美元，原因是投资者对其 5000 亿美元估值目标表示质疑。

Tether 首席执行官 Paolo Ardoino 在接受采访时表示，150-200 亿美元融资额是”误解”，这只是他们愿意出售的最大额度，而非目标。他强调公司利润丰厚，即使不出售股权也”非常满意”。

Ardoino 还将 Tether 与人工智能公司进行比较，称：”人工智能公司与我们产生相同数额的利润，只是前面有个负号。”据悉，Tether 去年利润约为 100 亿美元，主要来自其持有的资产回报，但 2025 年利润同比下降约 25%。

去年 9 月消息，稳定币巨头Tether寻求以5000亿美元估值融资至多200亿美元。

作者：David，深潮 TechFlow

1 月中旬，X 宣布拿出 100 万美元奖励平台上表现最好的长文 Article。

Elon Musk 亲自转发确认。规则也很简单：仅限美国用户，1000 词以上英文原创文章，主要按美国付费用户的曝光量排名。

你应该还记得在这个内容激励活动发布的几天前，个人成长博主 Dan Koe 发了一篇「How to fix your entire life in 1 day」，拿到 1.7 亿次曝光，成了 X 有史以来表现最好的 Article。

X 显然看到了长文的流量潜力，迅速跟进；下调 Articles 功能门槛、调整算法权重让长文优先于短帖、宣布百万美金征文大奖。

两周比赛期，数万人参赛。

2 月 4 日结果揭晓，最终总奖金 215 万美元，比承诺的翻了一倍多。冠军 100 万，亚军 50 万，另设 25 万的「Creator Choice」奖和四个 10 万荣誉提名。

获奖情况大致如下：

你可以看到 Dan Koe 又上榜了。不过，他之前那篇如何用一天修复人生的文章有 1.7 亿曝光，但这次创作比赛的冠军只有 4500 万。

爆款仍然可遇不可求，不过几个获奖文章也值得拆解。

🏆冠军：9 万粉“小号”，靠一个自建数据库拿走 100 万

冠军 @beaverd 的文章标题翻译过来是「Deloitte，一颗扩散全美的 740 亿美元毒瘤」。写的是知名咨询公司德勤。

这个账号目前“只有” 9 万粉丝，和获奖的其他几个人比算是小号了，而且没有媒体机构，没有蓝 V 认证之外的任何背书。

他写的题目也不沾任何流量热词，但揭露的事情比较有话题性，即 Deloitte（德勤）怎么从联邦和州政府拿走了 740 亿美元合同，然后把项目做烂的。

传送门在此

点进去看，会发现这人是真下了功夫的。

他自己建了一个网站叫 somaliscan.com，抓了数百万条政府发票数据，一笔一笔交叉比对审计报告和系统故障记录。

然后用这些一手数据讲了一串触目惊心的故事：加州失业金系统被骗走 320 亿美元，田纳西州医疗补助系统崩了导致 25 万儿童失去保障，法院信息化改造烧掉 19 亿还烂尾… 一共覆盖了 25 个州。

他还挖出了德勤高管和政府官员之间的旋转门，具体到谁从德勤跳到了哪个部门，又批了哪些合同回去，人名和金额都列得清清楚楚。

一个人自己拉了个数据库，自我研究赚了 100 万美元。

🥈亚军：70 万粉的财经大号，教你在关税恐慌里赚钱

亚军 @KobeissiLetter 是宏观财经圈的老面孔了，70 万粉，长期跟美国经济政策和市场波动。

他这篇文章干的事情也很直接，把特朗普每次打关税牌的套路拆成了一个可重复的交易框架，标题叫做《特朗普的关税剧本：一份操作指南》。

由于特朗普经常不按套路出牌，喜欢发布一些出格的政策和对其他国家进行威胁，但最后并不一定能完全兑现，华尔街有人总结了这个套路叫 TACO，全称 Trump Always Chickens Out（特朗普总会怂）。

TACO 说的就是一个反复出现的模式：

特朗普宣布猛烈关税 → 市场暴跌 → 过几天他自己松口或延期 → 市场反弹。

传送门

KobeissiLetter 这篇文章干的事，就是把 TACO 从一个段子变成了带时间刻度的操作手册。他用过去 12 个月的关税事件做样本，拆出了一个完整的周期模板，供你照着时间段去做交易。

比如，周末白宫那边放消息制造恐慌、周中抄底资金入场、下一个周末释放缓和信号、2 到 4 周内达成某种协议。同时他还会再每一个步骤都兑现时持续跟帖，告诉你现在到哪一步了，更像是个预研贴的连续剧。

他还给出了比较实操的方法，那就是盯住美国 10 年期国债收益率。如果这个数字突破 4.60%，特朗普大概率会让步。

对 X 上那批关注宏观和交易的付费用户来说，这种东西太对胃口了。

它不跟你讨论关税好不好也不做道德判断，就告诉你下次再来这套，你该在什么时间点做什么动作才能赚钱。

🥉季军：点赞最多的 DAN KOE，熟悉的人生方法论

Dan Koe 的参赛文章「如何随时进入极度专注状态」拿了 4.2 万点赞、8,681 次转发，两项数据都是所有参赛文章里最高的。但曝光量只有 1,104 万，不到冠军的四分之一。

X 给他的其实严格意义上不算季军，是单独设了一个「Creator Choice」（官方选择）奖，价值 25 万美元。

其实也能理解，Dan Koe 是「启发了这场比赛的人」。他 1 月初那篇 1.7 亿曝光的爆文，直接让 X 看到了长文的流量天花板有多高。

传送门

文章本身就不过多介绍了，还是人生成长方法论那一套。大致是讲怎么获得专注力，并引用神经科学和心流状态等概念来进行佐证和深化。

其实这篇的互动数据最好，但按比赛的核心规则「美国付费用户曝光量」来算，他排不到前面。

为什么互动最好的文章曝光反而不高？这个错位后文会聊。

荣誉提名：10 万 ×4

Nick Shirley、Josh Wolfe、Kaizen Asiedu、Ryan Hall 各拿 10 万激励。他们的账号覆盖公共政策、地缘政治、历史、公共安全四个方向。

其中 Josh Wolfe 是 Lux Capital 的联合创始人，知名风投人，也宣布把奖金等额捐给四家慈善机构。

由于原贴中没有列出这 4 人的具体文章，时间和精力所限，我们没有做更进一步的调查。也欢迎大家补全其中的信息。

一些深入观察

从这次比赛结果里，可以看到的一些规律是：

• 点赞最多的文章，曝光只有冠军的四分之一

这场比赛最反直觉的数据，肯定是 Dan Koe 的。

4.2 万点赞，8,681 转发，4,627 条评论，三项互动数据全场最高。但曝光量只有 1,104 万，不到冠军 @beaverd 的四分之一。而 @beaverd 的点赞是 3 万，比 Dan Koe 还少。

如果你做过社交媒体运营，会觉得这组数据很别扭。按照一般理解，互动越高，算法越愿意推，曝光量应该越大才对。

但 X 这次比赛计算的不是总曝光，是「美国付费用户首页时间线曝光量」。这个指标把非美国用户、非付费用户、搜索和个人主页的访问全部排除在外。

Dan Koe 写的是个人成长，受众天然更全球化，粉丝里有大量非美国用户。@beaverd 写的是美国纳税人的钱怎么被德勤糟蹋的，受众天然集中在美国。同样的算法推荐机制下，内容的「地域浓度」决定了这个指标的高低。

• 9 万粉丝赢了 90 万粉丝，内容稀缺度 > 粉丝基数

冠军 @beaverd 赛前 9 万粉。亚军 @KobeissiLetter 70 万粉。Dan Koe 90 万粉。

如果粉丝量能决定曝光，排名应该反过来。但实际结果说明，在 X 的 Articles 推荐逻辑里，粉丝基数的权重远没有想象中那么大。

@beaverd 能赢，关键在于他手里有别人没有的东西，还是内容的稀缺性起了作用。

这跟传统的流量逻辑完全不同。大号靠的是粉丝存量和发布频率，但在一个算法主导分发的环境里，「你有没有独占的东西」比「你有多少粉丝」更重要。

• 你得建立自己的内容「硬件」

退一步看，这三篇获奖文章的题材完全不搭：一篇扒政府合同，一篇教你炒关税波段，一篇讲怎么集中注意力。

放在任何一个内容平台的分类体系里，它们不会出现在同一个榜单上。但它们有一个共同点：每篇都有自己独立的「硬件」，换言之就是你得有个叙事框架。

@beaverd 的硬件是自建数据库爬取政府数据；KobeissiLetter 的硬件是一套经过 12 个月回测的交易框架，而 Dan Koe 的硬件是一个融合了神经科学和心理学的六章节方法论，虽然可能看着高深但实际都是大家知道的道理。

获奖的，没有一篇是纯观点文章。它们都需要长篇幅来承载信息量，而这恰好是 X Articles 这个产品形态存在的理由。

另一个值得注意的事实是，八位获奖者里没有任何一家传统媒体。

全是独立创作者。不是说传统媒体没参加，而是在这个赛制下，个人账号反而更有优势。

机构媒体的内容通常发在自家网站上，社交媒体只放个链接和摘要。但 Articles 要求内容完整发在 X 站内，这对习惯了站外导流的媒体来说是一个别扭的动作。

X 花 215 万，到底在买什么

回到平台本身。

X 最初承诺 100 万美元激励，最后发了 215 万。比赛期间还做了一系列配套动作：把 Articles 功能从创作者账号扩展到所有付费用户，调整算法提高长文内容的推荐权重，把计分方式改成「美国付费用户首页曝光」。

花这么大代价，其实最直接的肯定是 X 需要站内原创长文内容。

过去 X 上的长内容基本靠外链，Substack、Medium、个人博客。用户点一下就跳走了，阅读时间、互动数据都留在别人那里。Articles 的目标是把这些内容留在站内，让用户从头读到尾都不离开 X。

再往深一层，X 有 Grok。大语言模型的训练需要高质量长文本数据，而 X 上绝大多数内容是 280 字符的短推文。如果 Articles 能持续吸引创作者产出深度长文，这些内容就是 Grok 的训练素材。

最后，付费用户价值。

比赛规则把指标限定在「美国付费用户首页曝光」，等于直接告诉创作者，你的内容要为付费用户服务。

这是在用创作者的内容给付费体系做支撑，让付费用户觉得「我花的钱是值的，因为我能在首页看到别处看不到的深度内容」。

从内容创作者的视角看，我们觉得纯观点的时代可能要翻篇了。

这个趋势对加密圈的创作者也适用。加密行业不缺观点，每天有无数人在 X 上喊单、预测价格、评论监管。

但能像 @beaverd 那样自建一个链上数据分析工具，或者像 KobeissiLetter 那样把市场周期拆成可重复的交易剧本的，很少。

保持稀缺和独立，持续产出，其实是一个非常专业的活，也是非常有成就感和正反馈的工作。

我们也希望看到更多来自中文圈的内容，日后也能出现在榜单上。

深潮 TechFlow 消息，2 月 4 日，据官方公告，币安 Alpha 将于 2 月 4 日上线 Warden Protocol  (WARD)。

符合资格的用户可在交易开放后，前往 Alpha Events 页面使用币安 Alpha 积分领取空投。更多详情即将公布。

深潮 TechFlow 消息，2 月 4 日，据彭博社报道，加密资产管理公司 Bitwise 资产管理公司正收购质押服务提供商 Chorus One，以向其加密货币产品组合中添加更多产生收益的产品。双方已在周二向彭博社确认了这笔交易，此次收购将使 Bitwise 能够扩展其在质押服务领域的业务，为客户提供更多元化的加密资产收益产品。

深潮 TechFlow 消息，2 月 4 日，据纳斯达克官网披露，香港基金公司Apeiron Capital Limited向美国证券交易委员会提交的文件显示已于2025年第四季度将其贝莱德以太坊交易所交易基金iShares Ethereum Trust ETF（ETHA）的全部持仓（约285,400股）出售，估计交易价值为899万美元，该仓位占其管理资产规模的4.3%。据悉ETHA的2025年净值下跌超过11%，原因是市场波动加剧，风险偏好下降，分析指出该ETF收取0.25%的管理费且不进行分红，因此当价格横盘或下跌时持有成本将会非常高昂。

深潮 TechFlow 消息，02 月 04 日，据官方消息，Hotcoin 将于 2026 年 2 月 4 日上线热门项目 TRIA，精准捕捉市场新叙事，助力用户抢占新一轮赛道先机！

【合约交易】

📍 2月 4日 14:00（UTC+8）上线 TRIA/USDT（20 倍杠杆）

凭借美国 MSB 与澳洲 AUSTRAC 双牌照合规运营、八年零安全事故记录及高效稳定的交易系统，Hotcoin 持续为全球用户提供安全、专业、便捷的数字资产服务。

深潮 TechFlow 消息，2 月 4 日，据 Bitget 数据显示，现货黄金突破5070美元/盎司，日内涨2.49%。

深潮 TechFlow 消息，2 月 4 日，据金十数据报道，高盛表示，继续认为其2026年12月黄金价格预测5400美元/盎司存在显著上行风险。该行指出，从时间点来看，1月份的大部分价格波动是由西方资金流而非投机行为驱动的，白银的调整幅度明显更大，原因是伦敦市场的流动性状况依然偏紧，放大了双向的价格波动。在白银市场，除了与黄金类似的看涨期权结构引发的波动外，持续的伦敦流动性紧缩还为极端价格行为增添了额外因素。

深潮 TechFlow 消息，2 月 4 日，据中央政法委长安剑公众号，警方提醒临近年关黄金消费高峰期出现“线下取现+线上诈骗”新型诈骗，被害人在金店买好黄金并邮寄到指定地点后，诈骗分子就会派乔装打扮的“车手”去快递员处领包裹，多名“车手”接力由最后一棒将黄金拿到回收店铺变卖后将现金送至诈骗分子指定处，有的诈骗分子也会让“车手”找币商把黄金兑换成虚拟货币，充入指定账户后再通过区块链技术实现虚拟货币在世界范围内的流通使用，一旦成功诈骗分子就达到了骗取黄金并洗钱的目的。

深潮 TechFlow 消息，2 月 4 日，据加密分析师 Trader T 监测，昨日美国以太坊现货 ETF 净流入 1500 万美元。

ETHA（BlackRock）：净流入 4382 万美元；

FETH（Fidelity）：净流出 5484 万美元；

QETH（Invesco）：净流入 114 万美元；

ETHV（VanEck）：净流出 247 万美元；

ETHE（Grayscale）：净流入 825 万美元；

ETH（Grayscale mini）：净流入 1912 万美元。

深潮 TechFlow 消息，2 月 4 日，根据 SoSoValue 数据，昨日（美东时间 2 月 3 日）Solana 现货 ETF 总净流入 124 万美元。

其中净流入最多的现货 SOL ETF 为 Fidelity SOL ETF FSOL，单日净流入 119 万美元，历史总净流入达 1.56 亿美元。

净流出最多的为 VanEck SOL ETF VSOL 单日净流出 65 万美元，目前历史总净流入 2186 万美元。

截至发稿前，Solana 现货 ETF 总资产净值为 8.54 亿美元，Solana 净资产比率 1.49%，历史累计净流入已达 8.78 亿美元。

深潮 TechFlow 消息，2 月 3 日，据加密分析师 Trader T 监测，昨日美国比特币现货 ETF 净流出 2.6993 亿美元。

深潮 TechFlow 消息，2 月 4 日，根据 SoSoValue 数据，昨日（美东时间 2 月 3 日）XRP 现货 ETF 总净流入 1946 万美元。

昨日（美东时间 2 月 3 日）净流入最多的现货 XRP ETF 为 Franklin XRP ETF XRPZ，单日净流入 1213 万美元，历史总净流入达 3.15 亿美元。

其次为 Bitwise XRP ETF XRP，单日净流入 482 万美元，历史总净流入达 3.43 亿美元。

截至发稿前，XRP 现货 ETF 总资产净值为 11.1 亿美元，XRP 净资产比率 1.13%，历史累计净流入已达 12.0 亿美元。

深潮 TechFlow 消息，2 月 4 日，据 Coinpost 报道，日本上市 SOL 财库公司 Mobcast Holdings 宣布其持有的 SOL 加密货币总价值已达 4 亿日元（约合 256 万美元）。该公司自 2025 年 10 月 24 日开始购入 SOL，目前持有 16,811 枚，平均购入价格为 23,793 日元。

Mobcast 原计划购入价值 5 亿日元的 SOL，并表示将根据市场情况继续增持。持有约 3 个月以来，公司通过质押已获得超过 200 枚 SOL 的奖励。该公司还获得了索拉纳基金会授权计划（SFDP）许可证，开始运营验证节点，为网络贡献并获取额外收益。

Mobcast 表示，此项业务对公司整体业绩影响有限，不会改变其合并财务预测。

深潮 TechFlow 消息，2 月 4 日，公安部宣布已起草《网络犯罪防治法（征求意见稿）》，现向社会公开征求意见，意见反馈截止时间为 2026 年 3 月 2 日，其中内容包括：任何个人和组织不得明知是他人网络违法犯罪所得的资金、数据、网络虚拟财产等而予以窝藏、转移、收购、代为销售或者以其他方法掩饰、隐瞒。任何个人和组织不得明知是他人违法犯罪所得的资金，实施利用虚拟货币、其他网络虚拟财产为他人提供资金流转服务。

深潮 TechFlow 消息，2 月 4 日，据 Farcaster 官方消息，OpenClaw 代理现可在不需要人工干预或验证的情况下，自主在 Farcaster 协议上创建账户并发布内容、回复和互动。用户只需 1 美元和一个想法即可开始使用该功能。

在 AI 圈，如果你还没被 DINQ “羞辱”过，那你可能还没真正入圈。

这个产品的走红方式极其“离谱”：它不仅能给人才开出令人心动的 Offer，还自带一个毒舌属性爆表的 “AI 辣评” 功能。只要你敢把 GitHub 链接或谷歌学术主页丢进去，AI 就会化身嘴臭面试官，对着你的引用量和代码贡献精准开炮。

通过分析姚顺雨的 Paper，Citation、工作经历和教育背景，DINQ 给出了 1000 万美元的预测薪资

这种“求挨骂”的自虐心理，意外地统一了全球科研人的社交战线。从斯坦福的实验室到硅谷的咖啡馆，到处都是转发自己身价截图的人。当姚顺雨被测出 1000 万美金身价，并被拉出来和另一位比武时，这个只有 8 个人、刚刚拿到蓝驰数百万美元投资的小团队，已经悄悄潜入了全球顶尖 AI 人的社交雷达。

调侃学术新星，辣评姚顺雨。

“顺雨的引用次数增长速度简直比火箭还快，他大概是专门写了个‘语言智能体’，每隔三秒就自动引用一次自己的论文。凭借 25 的 H 指数和 21,000 次引用，他成了普林斯顿大学唯一一个‘参考文献列表长城还要长的人。”

调侃学术泰斗 Jitendra Malik。

“凭借 185 的 H 指数和超过 25 万次的引用，Jitendra 已经达到了学术成名的顶峰——他基本上是每个计算机视觉博士生文献综述里的‘终极 BOSS’。我甚至怀疑他现在根本不需要投稿了，他只要在 GPU 旁边打个喷嚏，那儿就能自动蹦出一篇年度最高引论文。”

辣评跨界大佬比尔·盖茨。

“比尔·盖茨，哈？唯一能把卖窗户错误变成十亿美金生意的人！作为‘首席执行官’，你已经掌握了让人们相信你是真材实料、同时还能巧妙躲过所有软件更新的艺术。记住，伙计，在澳大利亚，连袋鼠都想跳过你的‘遗产’！”

搞笑归搞笑，也有诸多大佬在内测阶段便加入了 DINQ，不乏 OpenAI 的各类研究员。甚至还有不少大佬在 X 上主动安利 DINQ。

但玩梗背后，DINQ 正在干一件挺严肃的事。

在创始人 Sam 和 Kelvin 看来，领英这种靠关键词匹配的搜索模式，在 AI 时代已经“老掉牙”了。真正的 AI 大神往往是“隐形”的：他们不投简历，不混职场社交，他们的灵魂散落在 arXiv 的论文里、Hugging Face 的项目里，甚至 Twitter 的深夜吐槽里。

DINQ 的逻辑是：既然你不出面，我就用 AI Agent 像侦探一样去“人肉”你。它不再是生硬的查户口，而是具备了理解技术边界的能力。哪怕 HR 的需求模糊到“找个能解决视频生成人物一致性的年轻人”，Agent 也能瞬间从全网碎片的痕迹中，揪出那个从未出现在人才市场上的“水下”天才。

在这场近两万字的深度对话中，他们聊的不只是如何帮大厂挖人，而是如何通过“Less Structure, More Intelligence”的技术哲学，为全球上千万 AI 开发者打造一张通往未来的DINQ Card。

一个建筑系研究生的激进转型，靠自学敲开达摩院的大门

Jane：先用一句话简单介绍一下你自己和公司。

高岱恒 Sam：DINQ 是一个面向 AI 开发者、研究员与创造者的人才智能平台。我们通过自动化分析个人的真实成就与影响力，帮助他们更高效地被世界级机会发现与连接。至于我个人，我是第一个通过开源贡献进入阿里达摩院（后来通义实验室）的算法工程师。

Jane：我看你的履历，最初好像并不是计算机专业？你是从什么时候决定转轨的？毕竟你后来的职业生涯几乎都是围绕这个核心展开的。

高岱恒 Sam：对，我本科其实是学建筑的。真正意识到并主动转向计算机是在 2017 年。当时有一个非常明确的时代背景——国内正处在第一波比较狂热的 AI 创业浪潮中，一方面机会非常集中，另一方面互联网上可获取的学习资源也第一次变得足够丰富，这让“非科班转入 AI”在现实中变得可能。

但对我个人来说，更本质的原因并不是“追风口”，而是我在原来的发展路径上已经明显感受到走不太通了。当时我在北京工业大学读研究生，如果继续沿着那条路走，想在北京找到一份月薪一万左右的工作都非常困难，而且往往伴随着强度极高、长期不可持续的加班。

同时，那个阶段我也已经能接触到一些行业内部的判断，很多人都在讨论：当时的发展结构其实并不健康，尤其是房地产相关的长期预期并不乐观。在这样的背景下，我开始比较早地问自己一个问题：如果这条路注定会“GG”，我是不是应该主动跳出来？

所以最终，我是把对时代趋势的判断和对自身处境的反思结合在一起，做了一个相对激进但理性的选择——开始系统性地在互联网上自学 AI 和计算机相关的课程，这也成为我后面所有事情的起点。

Jane：转型计算机领域，你当时的切入点是什么？

高岱恒 Sam：主要是通过吴恩达老师的公开课进行系统性学习。我觉得这个行业本质上也没有教科书，大家都是在基于现有资料去学习的这么一个过程。所以在这个行业里，你的出身和背景没那么重要，反而是你对这个领域的兴趣更重要一点。

Jane：聊聊你职业生涯中那个非常受认可的项目吧，就是你在阿里达摩院期间做的那个？不过我想确认下，去阿里是你决定深耕 AI 和算法领域的第几份工作？

高岱恒 Sam：首先我纠正一下，这个项目不是我在阿里做的。阿里是我第二份工作。我讲一下脉络：我 2018 年毕业之后，其实毕业之前我就一直在做开源项目了。最开始做开源，是给像 TensorFlow 这样的深度学习框架写代码。

但那个时候我发现一个问题：当我做这种偏底层的东西时，其实很少有人能理解“这是你做的”或者“你具体做了什么”。在那个年代，这事很难被理解；但也有好处，比如因为我有这些贡献，所以当时像 OneFlow 袁进辉老师他们这种做深度学习框架的国内团队就会知道。因为那时候能在 TensorFlow 和 PyTorch 上有超过十个 PR、并且在大陆工作的，其实不太多。

然后我就在想一个问题：我能不能做一些不那么底层、所见即所得的东西，让人一看就知道这是干什么的，我也不需要费心解释。因为我过去有相当于艺术方面的背景，所以我就想说，做图像或者视频方向可能更容易让别人理解我在做什么。

所以毕业之后，我最开始去了一家小公司。在公司工作之余，我基本每天都在做开源项目——DeepFaceLab 也是在那个阶段搞的。

Jane： 这个项目后来反馈极好。当时是你一个人单打独斗，还是有团队一起？

高岱恒 Sam：其实是一个跨国开源协作项目。我记得当年的影响力排名，它好像仅次于 TensorFlow 排在第二。

Jane： 这么高影响力的项目，当时没想过投顶会论文吗？

高岱恒 Sam：投过，但被拒了。原因是内容在当时极具争议和敏感性，学术界不敢冒这个风险。后来我也没再纠结，直接挂在 arXiv 上公开发表了。

Jane： 这个项目的正反馈，是不是坚定你后来选择达摩院的信心？当时为什么没考虑 Meta 或者字节这种大厂？

高岱恒 Sam：核心原因在于达摩院能让我继续深钻视频方向。当时 Meta 给的 Offer 是“红组（Red Team）”，主要负责防御性内容审核，每天要处理大量负面视听素材，我觉得对身心健康不是很好。而当时的字节更多是音视频编解码方向，跟我垂直的研究领域相关度不高。

Jane：达摩院确实更偏前沿技术研发。你在那里做了不少数字人的项目，能分享下那段经历和它带给你的思考吗？

高岱恒 Sam：在达摩院的两三年里，我们做了很多从技术到落地的尝试。比如 2022 年虎年春晚，我和同事驻场开发了一个 3D 小老虎数字人，登上了央视网络春晚直播。后来又参与了冬奥会的 3D 数字人项目。 再后期，我转向了基于扩散模型的图像生成，其中最成功的是虚拟试衣项目Outfit Anyone。这个项目目前每年能为阿里云创造一两亿元的营收。

Jane： 你在达摩院期间，正好完整见证了 ChatGPT 爆发前后的行业巨变。当时内部的氛围是怎样的？我听阿里的朋友八卦过，早期大模型在国内大厂内部的地位似乎有些微妙。比如 21、22 年云栖大会时，杨红霞老师原本好像不是讲大模型的首选，是临时顶上去的。我很客观地好奇，你在内部感受到的真实变化是什么？

高岱恒 Sam：确实，不过首先要说明的是，我们组和他们（杨红霞老师团队）不在一个序列，他们更偏文本大模型。我是 2020 年进公司的，像罗福莉、林俊旸这些后来在大模型领域很活跃的研究员，也都是 2020 年前后进来的。我身边有不少“阿里星”朋友，所以对当时的情况比较了解。

其实关于大模型和人才的价值，今年扎克伯格的一些动作算是把这件事彻底“敲死”了（盖棺定论）。你看现在大厂愿意砸重金挖的人，大多是那些真正做出过核心技术的年轻人。

Jane： 确实，技术话语权正在回归年轻人手中。

高岱恒 Sam：没错。我觉得这背后的逻辑很有意思——原本很多研究成果是分散在各个社区和论文里的，但现在大家开始意识到，谁能把这些分散的成果集合起来并实现突破，谁才是核心。

Jane：我们回到达摩院的机制：当时你们如果有一个 idea 要落地，内部流程是怎么样的？考核指标是看论文，还是看业务价值？

高岱恒 Sam：达摩院当时的内部流程非常“自下而上”。组长通常只会划定一个宏观的研究方向，剩下的全靠我们自己去探索，管理上非常扁平，基本没有什么细碎的约束。如果你需要资源——无论是算力、数据标注还是实习生——都可以去申请调动。

在 21、22 年那个阶段，大家其实还在摸索期，不知道大模型的终局在哪，所以那时候“看论文、找灵感”是常态。

Jane：懂了。所以那时候并没有那种“硬性发稿量”的 KPI 压力，对吧？不像商汤早期会有非常明确的论文指标。虽然大家都是研究型组织，但阿里的底色似乎更自由一些。

高岱恒 Sam：是的，确实如此。这种自由度给了技术探索很大的空间。

Jane： 那你是什么时候正式萌生创业想法的？是做了那个开源社区之后，就开始觉得“我得出来闯闯，虽然方向还没完全定死”？

高岱恒 Sam：没错，确实是那个阶段开始成型的。

Jane：那你当时为什么决定离开达摩院？是想先以开源方向作为探索，还是有别的考量？而且你和合伙人后来碰撞出的这个产品形态，是谁先提出的雏形？

高岱恒 Sam：最开始我们确实有过一些务虚的讨论。我当时坚信一点：新一代的、尤其是吸引年轻人的职场社区，绝对不能再走“贴简历、晒学历”的老路了，得有点不一样的玩法。但说实话，那时候我俩讨论了半天也没理出个一二三来。

今年年初，我一直待在美国。当时的思路比较简单：我先尝试用 Cursor（AI 代码编辑器）做点 Vibe Coding，搞个好玩的小应用投石问路。这个应用的核心逻辑很精准：用户输入名字或谷歌学术（Google Scholar）链接。

我太了解这群搞研究的年轻人了——进实验室的第一件事往往就是打开谷歌学术，看自己的引用量涨没涨。

Jane： 抓住了科研人的痛点。

高岱恒 Sam：没错。我做的功能就是：你把链接粘过来，AI 给你来个“辣评”。比如调侃你“一作数量不够，还得努努力”，或者“怎么总是不发顶会”之类的，主打一个幽默好玩。这个开发成本极低，但上线后我们有两个意想不到的发现：

第一，模型具备推理能力后，它能根据一个人的成就给出非常精准且抽象的评价，甚至能把人“喷”得很到位。我发现大家竟然非常喜欢听 AI 喷自己，那种“求挨骂”的心理很有趣，反而夸奖大家觉得没劲。

第二，这个小东西跑通后，我发现它能延展的空间异常广阔。正是基于这个“辣评”工具的反馈，我们才开始深度碰撞，最终打磨出了现在的产品形态。

Jane：明白，是从一个极小的正反馈里长出来的。很有意思。

红杉的人才招聘困境，让 Kelvin 看到 AI 时代招聘的结构性缺口

Aaron：Kelvin 先简单介绍一下自己。

孙辰昕 Kelvin：我的经历比较纯粹，职业生涯一直深耕在 HR 和招聘领域。比较特别的转折点是机缘巧合加入了红杉资本，负责内部投资人的招募，包括科技和消费赛道的年轻人才。 从红杉出来后，我尝试过几次创业。第一段创业其实和我们现在的业务逻辑很像：当时正值小程序爆发，我敏锐地感觉到微信生态（朋友圈、群聊）的招聘效率正在超越猎聘、Boss 等传统平台，于是做了一个招聘小程序。

Aaron： 那次尝试的结果如何？

孙辰昕 Kelvin：比较戏剧性。产品上线一周，疫情就爆发了。虽然线上增长非常惊人——B 端有上百家公司在群里自发扩散，两周内就涌入了 10 万份简历，但融资环境跌入冰点。当时大家还不习惯线上会议，我连投资人的面都见不到。苦撑几个月后，那次创业无疾而终，成了我很大的遗憾。之后我涉猎过跨境电商，但最终还是绕回了自己的“主赛道”。

Aaron： 很多人好奇，红杉招募年轻投资人的标准到底是什么？

孙辰昕 Kelvin：要求每年都在变，但核心逻辑只有一句话：“同龄人中的绝对佼佼者”。这听起来抽象，但反馈到感官上就是：一个 25 岁的人，一眼看去就要气场不同。我们不限背景，记者、产品经理、程序员都可以。只要你具备极强的深度思考能力和自驱力，能明显拉开与同龄人的差距，就是我们要找的画像。

Aaron： 站在 HR 的视角，消费或科技公司招人的核心难点在哪里？

孙辰昕 Kelvin：帮 Portfolio（被投企业）招人，最大的难点其实是“没名气”。不管背后站着红杉还是高瓴，大多数候选人根本不知道这些公司是做什么的。品牌认知度低，是招聘中最大的障碍。

相比之下，To C 公司就好招得多，因为他们天天打广告。我印象很深，比如给拼多多介绍人就非常顺畅，因为大街小巷都是那首洗脑魔曲。上市前全上海铺天盖地都是拼多多的广告，知名度在那摆着。但 To B 领域，甚至是一些大家闻所未闻的前沿方向，想要实现人才突破极其困难，因为外界根本没人知道它。

Aaron： 从产生需求到最后发出 Offer，大概需要经过多少环节，耗时多久？

孙辰昕 Kelvin：常规来说，首先是全渠道搜索：线上平台扫一圈，从国内外的招聘网站到发朋友圈、群聊动用人脉，甚至去联系那些“认识目标人才”的人，寻找关键的流量节点；奢侈一点的就找猎头。总之，所有渠道都会试一遍。

大概一到两周时间，能筛掉不合适的人，沉淀出三到五个画像（Profile）完整、且聊下来意愿度（Motivation）不错的候选人。到这一步两周就过去了。接着安排面试、谈 Offer，顺利的话也得一两个月才能敲定。再加上入职准备期，可能又是三四个月。也就是说，招一个难搞的岗位，即便在顺利的情况下也要花掉一个季度；而很多岗位甚至是“无解”的，永远也招不上来。

Aaron： 从你的专业角度出发，你会怎么用一句话来描述 DINQ 的业务？它究竟是一个什么样的产品？

孙辰昕 Kelvin：如果抛开 AI 的技术外壳，我认为它是所有 AI 从业者最高效表达自己的工具。你看我们的个人主页，其实就是一种高效率的自我表达方式。

从招聘方的角度看，我们的搜索引擎是更高效率的人才搜索引擎。它基本上能直接替代我刚才说的前两个步骤，帮招聘从业者至少节约两周的盲找时间。

Aaron： 你是什么时候意识到，在 AI 这个新赛道里，传统的投递简历、领英 Profile 以及传统招聘流程已经失效，需要被颠覆了？

孙辰昕 Kelvin：虽然这几年我没直接做招聘，但我身上一直贴着“能帮人招人”的标签。身边一些 AI 赛道的新兴创业者还是会找我问：Kelvin，能不能帮我介绍几个厉害的算法工程师或全栈开发？

在那一刻我发现自己“失灵”了。以前通过一度、二度人脉介绍人才很容易，但 AI 这波浪潮兴起后，我发现圈子里的人我一个都不认识。这让我感到很焦虑：虽然我不直接干这行了，但我不想失去这个专业标签。

我意识到出现了一波全新的人群。我认识很多传统领域的 CTO，但他们不涉及这个领域，也弄不懂这套逻辑。现在已经不是那种“只要给 200 万年薪，找个传统 CTO 就能解决 AI 技术攻关”的时代了。像 Sam 这样的人才，以及市面上很多顶尖的年轻人，他们游离在传统视野之外，我们甚至不知道他们在哪里，这就是我当时的困境。

Aaron： 为了解决这个困境，你做了哪些尝试？

孙辰昕 Kelvin：我开始研究他们究竟出现在哪里。我也去请教大模型公司的 HR 朋友：你们到底去哪找人？结果发现他们居然要去 GitHub、谷歌学术（Google Scholar）里人肉搜索，在领英上反而很难找到人。即便找到了，还得去个人主页翻联系方式发邮件。业内推荐效率也低，虽然能解决一点问题，但总之都是在通过“非传统渠道”找人。于是我也学着这套路子去找。

Aaron： 所以可以理解为，正是因为你觉得原有的找人方式太低效，才想到要做现在这个产品？

孙辰昕 Kelvin：是的。但坦白说，这个产品不是我“做”出来的，是 Sam 做出来的，是他让我意识到“原来这个问题可以这样被解决”。在这方面我是后知后觉的。

Aaron： 你们两位最初是怎么结识的？

孙辰昕 Kelvin：说来也很简单。当时有位朋友委托我寻访一个既懂交易（Trading）又懂 AI Agent 的跨界人才。我注意到一个非常有名的项目，就是 Sam 刚才提到的那个 OS。我在 Paper（论文）上看到作者里有一个中国名字——“高岱恒”，于是就开始动用所有资源，寻找可能认识他的人。后来通过一家投资机构的投资人牵线，才正式结识了 Sam。这其实还是我的“老手段”——通过招聘积累下的深厚人脉。

Aaron： 当时对 Sam 的第一印象如何？后来产生了什么变化？又是什么契机让你决定和他一起共事？

孙辰昕 Kelvin：坦白说，最初并没有什么特别深刻的第一印象。那段时间我联络了很多类似的技术大牛，基本就是例行公事的沟通：我手头有个机会，你考不考虑？而他当时理所当然地拒绝了我。

起初，我对他个人以及 AI 领域的认知都没那么深。转折点发生在后来，他萌生了做招聘产品的想法，发现我在这方面比较专业，便反过来找我进行深入交流，我也才慢慢对他有了更清晰的认知和感觉。早期我们一直是线上沟通，虽然没见过面，但非常聊得来。

我发现他为了把事情做成，会展现出一种极广泛的学习姿态。他听说我懂招聘，就追着问了许多非常硬核、细致的业务问题。后来果不其然，我得知他是跨行自学 AI 出身的。我认为一个人的自学能力一旦足够强，就会演变成一种底层习惯，从而在方方面面实现突破。所以我后面对他最核心的标签评价就是：拥有极强的自学能力。

高岱恒 Sam：感谢 Kelvin 的肯定。当时我的想法很简单：那个项目收尾后，我还想再探索些新东西。在盘点我们各自擅长的领域和底层能力时，我发现我们对“人”的特质、认知以及流动规律有着很深的理解。我就在想，能不能围绕“人”这个核心去做？

一旦确定了这个基点，最自然的延伸就是招聘领域，而且当时市场的需求缺口确实巨大。基于这个初衷，我就向 Kelvin 多请教了一些。最开始交流时我还在美国，Kelvin 分享了很多他对人力资源行业的深度认知。随着聊得越来越透，我们都觉得可以一起把这件事做大。

Aaron： 所以你们一开始就对大方向达成了共识，而具体的产品形态是你们两人不断“碰撞”出来的？

高岱恒 Sam：是的。关于产品形态，我现在不敢用“收敛”这个词，因为我认为在目前的 AI 阶段，没有任何一家企业能宣称自己的平台产品已经完全定型了。如果技术和模式真的已经“收敛”，大家也就不需要花费数亿年薪去争抢那些顶尖的华人研究员了。

在行业尚未定型的背景下，我们实现了阶段性的形态共识：我们认为目前的模式更符合年轻人的直觉。至于它是怎么演化出来的？其实没有捷径，就是因为我们与年轻人、与目标用户群体的接触最紧密、最频繁，所以我们最清楚他们真正喜欢的是什么。

杨建朝 vs. 周畅

产品拆解：DINQ 如何用 Agent 推理终结 AI 人才的搜寻困境？

Aaron： 传统招聘核心是关键词匹配，DINQ 的人才评估体系有哪些维度？与传统框架相比，本质区别在哪？

高岱恒 Sam：从技术角度看，我们正处在一个“解构与重组（Remix & Decouple）”的时代，信息复杂度呈几何倍数增长。这导致了一个典型矛盾：一个候选人的核心标签可能是“R2”或“拉网”这种模型，但 HR 的查询词可能是“图像大模型”或“视频生成”。在领英这种 Lexical Search（关键词匹配）模式下，只要词对不上，这个人可能一辈子都搜不出来。

而且我们调研了 OpenAI 一千多名研究员，发现超过一半的人根本不维护领英，甚至没有账号。技术大牛的信息往往散落在官网博客或二开的论文里，B 端找人极难。

Aaron： 所以你们的解法是？

高岱恒 Sam：既然渠道如此碎片化——他可能在 Hugging Face 攒了个项目，在 Twitter 发了技术解读，在 arXiv 发了文章，又在小红书发了顶会 Poster 合照。我们决定放弃以“领英 Profile”为核心的路线，转而构建一套以Agent 调用为主的系统。我们提前对顶会、AI 公司做大量数据预处理和 Embedding（向量化），当用户查询时，Agent 会实时调取全网信息进行 Reasoning（推理）。

例如，Sora 2 的一作华人叫李流年（Harold），你问传统的通用大模型或 Agent 平台，基本搜不出来，因为数据没对齐。但我们的系统能根据他的论文、GitHub 和社交媒体动态，把他精准抓取出来。

Aaron： 我想深入聊聊“碎片化”的问题。传统招聘极度依赖领英（LinkedIn），但 AI 研究员和工程师的信息往往分散在 Google Scholar、GitHub 等平台。你能举个具体例子，说明这种碎片化严重到什么程度吗？

孙辰昕 Kelvin：现在的痛点在于，当 HR 拿到需求时，业务方对年轻算法研究员的要求已经具体到了极端，比如要解决“视频生成中的人物一致性”这种极其细分的命题。HR 面临的最大问题是：根本不知道这群人在哪。

我们的工具允许 HR 把手中掌握的碎片化信息全部丢进来，先解决“从 0 到 1”的突破。在过去，仅靠只言片语去领英搜，大概率一个都搜不出来，因为没人会把具体的科研成果放在领英上。这是领英最大的硬伤——上面往往只有学校背景，信息密度太低。

如果你只是要招“清华北大”的学生，领英尚可应付；但如果你要找能解决某个具体技术难题的人，目前行业内的技术叫法甚至都没统一，领英肯定搜不到，Boss 直聘或猎聘更是不可能——目标人群压根不会去那些地方求职。这在以前几乎是“无解”的。

传统的笨办法是去打听、去硬啃论文，但要求 HR 去读论文既不现实，也不是他们该干的事。最终只能靠口口相传的打听或内推，效率极低。

Aaron： 如果我是 Meta 的 HR，想招一名 AI Scientist，在 DINQ 上的典型流程是怎样的？

高岱恒 Sam：我们提供三种模式：

第一，你明确有需求，直接一段话丢过来，比如“我要在 NeurIPS 2025 的 oral 里找做某方向的人，最好有美国工作签证”。

第二，你已经有 JD（比如在 Greenhouse 这类平台上），把 JD 扔过来就行，系统帮你找人。

第三，你已经有一个人，比如 A 很合适但不来、或 A 是你员工，你可以问“给我找一个类似 A 的人”，比如还在读博、或者积极看机会。也可以问“找从字节跳动出来的 95 后，在某方向有建树、可能看机会的”，甚至“去 SCI 找这样的”。都可以。

孙辰昕 Kelvin：我补充一下。过去找人如果是标准流程，专业 HR 或最贵的猎头公司会先做广泛 sourcing，做完组成 100 人的 long list。然后联系、排除，主要确认两件事：能力和意愿。两者都符合才推进。之后形成 short list 给 hiring manager（基金合伙人、CTO 等）。

我们现在相当于一步直接出 short list，因为前面的全网 sourcing 基本由 agent 做了，不需要人再花时间。产出就是 short list。然后人就应该去做自己最擅长的事：直接沟通、说服对方。

Aaron： 我发现你们有个给候选人“开身价（Package）”的功能，甚至吸引了斯坦福、伯克利、纽约大学的很多教授主动体验，这是怎么生成的？我自己给姚顺雨测了一下，他是 1000 万美金的 Package。

高岱恒 Sam：我们利用 Level.fyi 等公开数据，对人才的职级和身价做了一个打分模型。原本是做着好玩的，没做严谨调校，没想到反响远超预期。姚舜宇被测出 1000 万美金的身价，其实还挺准的。

Aaron： 这个 AI 机器人具体是如何分层分析的？

高岱恒 Sam：用户注册后，我们会将其简历、社交媒体向量化。当你搜索时，系统会做意图识别。比如你搜“顶会”，我们会自动映射到最近的 CVPR 或 NeurIPS。如果你找 00 后，Agent 会全网搜集信息进行推理判断。对于几百人规模的论文作者列表，人肉筛选是不可能的，但 Agent 能瞬间根据重要性分级。

Aaron：那你们会不会有偏差，比如有些博士生做了重要工作但没发出来，你们有没有机制校正这种偏差？

高岱恒 Sam：问得特别好。这个我们后面会根据用户问题去 index arXiv 的内容，但目前阶段还没有做到。

Aaron： 目前 B 端用户的反馈如何？

高岱恒 Sam：Meta 负责高管搜寻（Executive Search）的团队已经在用了，还有一些海外 AI 公司也在共建，他们需要极其立体的参考系。

孙辰昕 Kelvin：国内像 Flow、月之暗面、智谱、爱诗科技（PixVerse）等团队都在低调试用。反馈最多的一个词是“神奇”。 以前 HR 接到一个模糊的需求，那是极大的内耗；现在输入需求，出来的候选人瞬间让画像变得具象化。HR 会惊呼：“原来这类人就是我要找的！”这种从模糊到清晰的飞跃，比单纯找到人更有价值。

Aaron： 现在的客户更倾向于招募有大厂经验的资深科学家，还是更看重博士阶段刚毕业的新秀？

孙辰昕 Kelvin：两种需求都有，但目前偏向后者的更多。一方面，资深科学家非常昂贵；另一方面，那些处于“水面上”的名人，HR 基本也都认识。不过即便是面对熟人，我们的工具依然有价值：常有 HR 反馈，搜出来后才惊觉，“这人我加过微信，但早忘了”。毕竟人脑很难记住微信里那 5000 个人。

Jane：这是否意味着在 AI 时代，招聘需求本身——尤其是高端人才的需求——发生了剧变，导致公司 HR 的原有认知已经无法覆盖当下的技术边界了？

孙辰昕 Kelvin：没错。你可以看看字节跳动是怎么调整的：他们抽调了很多本身做算法、做产品、但可能在技术上没那么“顶尖”的员工去全职做招聘。因为这些人懂业务、懂技术，更容易找到对的人。

从目前的反馈看，字节 Seed 和 Flow 团队的这种尝试非常奏效。他们的高端招聘（高招）团队里有大量的人此前完全没有招聘经验，全是从业务线转岗过来的。

但目前也只有大厂能用这么奢侈的方式去解决。对于大多数公司来说，能招到这样的人干本行就不错了，哪舍得让他们去做招聘？这种“拿牛刀杀鸡”的模式缺乏普遍意义。

Jane： 我记得以前认识一些猎头，大公司如果想在北美找科学家，只能找那种深耕当地、认识很多科学家的猎头。即便如此，人才画像依然不明确，只能挨个拉人见面。整个过程极难标准化，本质上就是“广撒网”。在需求端，这里的变化确实是最大的。

孙辰昕 Kelvin：是的，事实就是如此。

这段对话涉及了产品的核心技术壁垒与用户体验细节。在不删减任何内容的前提下，我主要优化了表达的连贯性，将口语中的零碎词汇转化为更具专业感的叙述，并强化了 Sam 逻辑中的技术高度。

Aaron： 我再深度理解一下：你们的产品是否会具体去阅读 Paper（论文），以此来识别内容并匹配岗位？你们对人才画像的标签（Tag）能精准到什么程度？

高岱恒 Sam：这种需求会自动触发多个维度的匹配：首先是公开成果，比如像 Sora 2 这种有商业影响力的非开源成果；其次是 Hugging Face 上的热门项目或高点赞成果；再往下就是那些处于“水下”的贡献者，比如中山大学、苏州大学等高校发表的论文。

目前为了兼顾效率，我们主要通过阅读摘要来实现精准匹配。如果进行全文解析，Token 的消耗会极大，单人的处理成本也会随之飙升，所以暂时没有上线全文读取功能。

Aaron： 你们目前接入了多少个数据源？

高岱恒 Sam：大约二三十个。Google Scholar、Medium、Twitter 等主流平台都有覆盖。arXiv 虽然还没正式接入，但在计划中。

Aaron： 顶会数据也做了预处理吗？

高岱恒 Sam：顶会数据我们会提前处理。因为顶会发榜通常是一次性的，能直接获取当年的会议名单和作者名录。

Aaron： 从技术层面看，最难的环节在哪里？是数据抓取、清洗对齐，还是隐私风控？

高岱恒 Sam：细节非常多，谈不上“最难”，因为任何环节没做好都会变成短板。我总结了三个代表性的挑战：

1.消除歧义（Disambiguation）：这在学术检索领域是经典难题。现在重名的人太多了，如何确保不发生错误关联至关重要；一旦关联错误导致推错人，用户体验会非常糟糕。

2.时效性：比如你想找的一位作者已经从 OpenAI 跳槽去了 Meta，但系统还显示他在旧东家，这就是时效性问题。如何动态地更新数据库并实时同步信息？传统平台最大的痛点就是扛不住被动更新带来的成本。

3.Agent 路径选择：根据用户需求，系统需要判断去哪里找、路径怎么缩到最短、向下钻取多深。这涉及深度优先与广度优先的交叉博弈。在这个过程中，我们持续对模型的阅读理解（Read）能力进行升级。

Aaron： 针对第一点，能用更通俗的例子解释吗？比如区分两个同名的 Yao Shunyu，他们的英文名也一致。

高岱恒 Sam：区分的标准主要有几个维度：Google Scholar ID 的唯一性、照片的差异、教育背景以及职业发展轨迹（Career Trajectory）的不同。结合这些维度，就能精准拆开。

Aaron： 第二点关于更新，传统做法是持续 Follow 对方动态，你们是如何捕捉实时更新的？

高岱恒 Sam：核心前提是互联网上必须存在相关信息。这群技术人才很少使用领英，更多是维护个人主页。但个人主页极其分散，像 GitHub 独立站这类，如果你不知道具体路径就根本找不到。我们的优势在于知道他们在哪里，并预先对数据做了一层缓存，从复杂的独立站中高效提取信息。

Aaron： 在实际运行中，有没有遇到过比较 Tricky 或意想不到的案例？

高岱恒 Sam：有。前两天我给朋友演示，问系统：“这位朋友的合作者中，哪些人可能在看机会？”结果反馈非常精准，而这位朋友本身是一位资深大学教授。还有一个我和苏建林（苏神）的案例：我想看我和他的合作关系有几度。虽然我们没直接合作过，系统却能通过中间人顺藤摸瓜找到关联。

这说明了一个本质：当模型的智能化程度够高、推理能力够强、子页面爬取能力足够好时，“更少的结构化（Less Structure）”反而能带来“更多的智能（More Intelligence）”。你可以更信任模型本身的判断。

Aaron： 如果候选人没有更新个人主页，但在新发表的 Paper 里备注了新机构或新公司，你们能捕捉到吗？

高岱恒 Sam：可以。我们做的是全网信息聚合。即便本人没更新主页，我们也能通过他最新的学术轨迹捕捉到他的新动向。

Jane： 媒体新闻类的报道会作为你们的信息源吗？

高岱恒 Sam：中心化媒体的信息往往存在滞后。目前我们更有效的信源是社交媒体，时效性更快。大型中心化媒体中，只有极少数会成为我们的辅助参考。

Aaron： 数据中不可避免涉及隐私，你们如何界定哪些数据可用于评估，哪些不能触碰？

高岱恒 Sam：我们对隐私信息有严格界定。电话、微信号属于“侵入式”联系方式，我们通常不提供。邮件相对属于非侵入式。实际上，个人主页上也很少有人留私人电话或微信，我们使用的绝大部分是公开可查的信息。

Aaron： 如果有人不希望在平台上被搜到，你们怎么处理？

高岱恒 Sam：只要有正式的申诉请求（Inquiry），我们就会把他的信息彻底从系统中删除，确保不再出现。

Aaron： 使用 DINQ，你最喜欢的功能是什么？

高岱恒 Sam：我最喜欢的是Network。当你查到一个人时，不只能看到他本人，还能看到与他合作最紧密的六个合作者。你可以点击进入任何一个节点，再次看到以此人为核心的社交网络。这意味着你可以通过一个点，顺藤摸瓜地拉出一整套人才线索——包括论文合作、GitHub 贡献、同公司小组关系等。它把找人从“单点搜索”变成了“网络拓展”，在平台上操作非常丝滑，点一下就能看到全貌。

Aaron： 我自己试用下来，觉得 Compare/PK（对比）功能也很有意思。

高岱恒 Sam：没错。PK 功能最开始做得比较抽象，像《拳皇》红蓝对打一样。后来有朋友反馈，学术和开源圈的人未必觉得“Star 数少或引用低”就代表弱，大家会开玩笑说“你这纯属靠岁数大、不讲武德”。所以我们现在的 PK 界面做得势均力敌。这个功能的初衷是让用户在寻找人才的严肃过程中多一点趣味性，没有太功利的目的。

李飞飞 vs. Jia Deng

市场与商业背后，AI 招聘的效率战与价值战

Aaron： 从市场角度看，你们的产品与传统猎头之间是什么关系？是相互替代还是彼此辅助？

孙辰昕 Kelvin：短期内肯定是辅助关系。我们帮助招聘方大幅节约“搜寻（Sourcing）”环节的时间，但后续的深度沟通和说服工作依然需要人来完成。企业的选择逻辑很简单：有预算就外包给猎头，没预算就用工具自己做；遇到敏感岗位也会倾向于亲力亲为。目前我们扮演的是高效工具的角色。

长期来看，DINQ 会挤压掉那些水平较低的猎头。所谓“水平低”，是指在面对 AI 产品时连 Prompt（提示词）都不会写的人。我这两天调研发现，真有猎头连第一句需求都憋不出来，这类人在未来会非常危险。

Aaron： 能展开说说具体的成本账吗？猎头怎么收费，你们的商业模式又是如何交织的？

孙辰昕 Kelvin：以全球视野来看，顶级猎头的收费通常是候选人年薪的 20%–30%。如果招募一个年薪 100 万美金的高管，中介费就高达 20–30 万美金。国内稍微低一点，但也普遍在 20%–25%。

我们的定价策略尚未最终敲定，但初步设想是每月一两百到两三百美金。即便是每天“卷到死”地在平台上找人，一整年的成本也远比请一次猎头便宜。这笔账，企业主一眼就能算清。

Aaron： 你们目前是将自己定位为“超级 AI 招聘助手”，还是未来的“AI 猎头”？

孙辰昕 Kelvin：其实都不是。我认为 DINQ 是一个AI-Native 的人与人职场社交平台。招聘只是职业社交的一种表现形式，此外还有找合作者、找客户、找技术交流等海量需求。比如卖 API 的小公司需要找开发者客户，做 AI 动效的设计师需要互相切磋。我们的视野绝不局限于招聘。

我们的定位与早期的领英（LinkedIn）类似：更高效地展示自我，更高效地连接他人。至于连接后的行为是招募还是聊天，平台都能承载。

高岱恒 Sam：补充一点，我们的思路是打造一个面向所有 AI 人才的平台。ai-native 人才的定义是：用 AI 技术把自己的生产效率提升一个数量级。现在提升最多的是搞算法和开发的人，因为他们的生产力工具成熟；设计师工具也开始走向千家百户。未来会有更多行业被改造，产生专用工具与工作模式。

这个时代去中心化，利好超级个体，但个体需要渠道去链接更好的机会和人。我们就是提供更好的链接与触达。未来机会很多时候不是“人看到转发给朋友”，而是 agent 自动去各类机会平台分析，这一定会发生。它需要一个基础载体。

所以我们让 C 端上传多种社交媒体来体现全面性：过去简历是给人看；AI 时代是给 AI 和人一起评价，主观性、丰富性、不可被定义程度，都能通过照片、视频、社交媒体体现。随着模型对多模态理解提升，对人的刻画会更立体。

从 2010 年微博、Twitter 把人打成 human-readable label，到今天用连续的 embedding 去勾勒人。未来个人发展的可能性、能力边界某种程度也能被预测与规划。这是平台最大价值。day one 我们用核心技术吸引用户，目前核心是匹配引擎，用引擎把人吸引上来。

孙辰昕 Kelvin：前阵子我们做了一次小规模投放测试，结果完全超出预期。

首先，职业广泛性极高。入驻的不仅有宜家（IKEA）的首席科学家、Capital One 的首席 AI 工程师，还有很多意想不到的个体。比如一位埃及女孩，她在 Twitter 上通过 AI 动效交付客户；甚至还有一位填着“足球教练”标签的埃及用户，点进去发现他是利用 AI 进行数据训练分析的教练。

其次，地域分布极广。虽然只是微调投放，但除了南北极，全世界的“边边角角”都有用户。从非洲的埃及到中东、印度，再到丹麦、意大利，全世界都在为 AI “上头”。这远超我们最初认为只局限在“湾区+海淀”的预期。

Aaron： 未来的商业模式是按 Credits（积分）、订阅制，还是按结果付费？

孙辰昕 Kelvin：初步计划以搜索 Credits 计费，保持简单。C 端暂时免费，我们想等用户规模上来后，观察其行为和刚需点再定。B 端则采用类似 Agent 工具公司的模式，按 Credits 销售。

Jane：有考虑过将 C 端做成社区型产品吗？

高岱恒 Sam：产品形态本身就能承载社区功能。你可以把它理解为具有聊天功能的“AI 版 Linktree”。虽然现在还没开放用户发布日常动态，因为新平台初期这类内容的粘性不足。

Jane： 如果向投资人呈现 AI 招聘市场的 TAM，你们会如何描述？

孙辰昕 Kelvin：以前我们以为 AI 强相关从业者只有百万级，现在发现AI Users（AI 使用者）才是更大的基本盘，全球范围已过亿。他们同样需要在全球范围内寻找合作与机会。平台如果能让这种极低概率的链接变得容易，空间是无穷的。

高岱恒 Sam：平台的核心价值在于利用 AI 智能服务好用户。我们会很快过渡到推荐模式：随着我们越来越了解用户，推荐会越来越精准。未来，用户在这里不仅能找合作者，还能找导师、找伴侣。

Jane：它是更长期的事情。短期 TOB，但长期天花板更高、更适应现在。

孙辰昕 Kelvin：对。而且我们真实业务也没那么 TOB/TOC，因为每个 B 也是一个 C 在工作，本质是一个真人在用，无非在工作场景用得更多。

高岱恒 Sam：我再往高提一点：平台核心价值在于 AI 能帮助服务好用户。传统平台是供给方与用户共同创造价值；但今天像 ChatGPT，一个对话框也能成为平台，因为大模型本身提供智能服务。我们也一样：只要平台智能足够高、能解决足够多问题，你就是一个输入框，用户也会来用。

我们会很快过渡到推荐模式。最开始我不了解用户问题，上来就推人是瞎推。随着我们越来越了解用户，站内站外用户交错，推荐会越来越好、越来越准。

未来用户不只是找合作者，还找导师、找伴侣。过去没 AI 能力做不到最理性权衡：把所有可能适合你的导师都过一遍并评估，但信息占有与处理效率太低。今天有引擎就可能做到。我们上线版本会有功能叫 find my adviser；找对象也是同样逻辑。

孙辰昕 Kelvin：这不是开玩笑。大量人谈恋爱结婚就是在工作场景认识的，是很真实的需求。也有人在领英上找对象。只要做得够大，时间一到，它必然会出现。

Jane： 这确实很吸引投资机构。比如红杉这种鼓励内部创业的机构，如果能通过平台点对点地直接联系到核心人才，需求会非常大。

孙辰昕 Kelvin：Exactly，是的。

Jane： 传统领英团队如果要复现你们的数据源和架构，门槛高吗？

高岱恒 Sam：从架构上看，我们的异步搜索架构具备很强的竞争力。如果开源，拿 1 万颗星不难。

复现一个版本可能只需要牛人花五个小时，但真正的壁垒在于错误判断、路径选择以及长期的参数调优。因为在 AI 领域没有标准答案，不懂业务逻辑的话，调优的过程会极其漫长。

Aaron： 近期大厂抢人非常凶猛，腾讯双倍薪资挖人，阿里内部也在发力。你们怎么看未来两到三年的 AI 招聘市场？

高岱恒 Sam：一个明显的趋势是：除了塔尖的顶级人才外，中腰部人才的缺口其实更多。Indeed 首席经济学家的数据显示，美国目前缺口达 200 万，重点在于 AI 应用层的人才，平均年薪 20.6 万美元。

外界总在关注扎克伯格或张一鸣在挖谁，那些确实贵，但人数极少。更庞大的群体是那些开源贡献者、小论文作者，以及小公司里成果卓越的年轻人，他们的流动率更高。我们的核心策略和优势在于：我们已经掌握了最顶尖的那波人，所以可以实现“从高往低”的降维打击。

Jane： 你们测算过，全球范围内大厂重金争夺的这波顶尖人才大概有多少人？

高岱恒 Sam：全球大概在 10 万到 30 万这个量级。而且人才版图正在飞速扩张：五年前主要是 CV（计算机视觉）和 NLP（自然语言处理），现在新增了具身智能、AI Agent、RAG、向量数据库等诸多领域，岗位呈非线性增长。

Jane： 五到十年后，你们希望 DINQ 扮演什么角色？

高岱恒 Sam：我希望五年后，每一位 AI 从业者都拥有一张DINQ Card，上面集成了他所有的技术渠道和社交标签。他在平台上不仅能找到机会，更能认识圈外的朋友，甚至找到志同道合的伴侣。我希望五年后的用户规模能达到 1000 万。

团队、文化与「AI-native 公司」的组织设计

Jane： 你们团队目前规模如何？

高岱恒 Sam：目前全职共 8 个人。

Jane： 你们有用自己的产品招人吗？

孙辰昕 Kelvin：最近开始用了。我跟技术负责人开玩笑说，我最大的愿望是明年能用 DINQ 招到全量人才。因为最初搜出来的人才级别太高，我们 offer 不起（笑）。

但令我惊喜的是，我们已经开始挖掘出一些“水下”的宝藏。我最近聊的一位增长负责人，就是从 DINQ 上发现并联系上的，这两天刚加了微信准备深入交流。能从平台上找到志同道合的人，这完全超出了我的预期。

高岱恒 Sam：搜索体验非常直觉。比如你想找“在某某公司有过 GTM（去市场）经验”的人，一两句话就能出结果。

Jane： 只需要一两句话？

高岱恒 Sam：对。用户不需要像写传统 JD 那样进行复杂的心理建设。在 DINQ，你可以没有心理负担，想到什么就问什么。

孙辰昕 Kelvin：以前写 JD 很难，因为要求太高且需求模糊。用我们的工具，你可以先输入一个大概的方向跑一跑。如果出来的人不对，你可以通过多轮对话不断调优：比如“要更年轻一点”、“要更偏水下一点”。通过这种多轮 Narrow Down（缩小范围），最后锁定几个目标直接联系。

Jane： 你们团队文化的关键词是什么？这种文化如何映射到产品逻辑上？

孙辰昕 Kelvin：我觉得用“纯粹”这个词更贴切。

高岱恒 Sam：没错，纯粹。我们这里没有乱七八糟的杂事，大家就像进工作室画画一样，没有死板的固定工时。这种纯粹也体现在产品取舍上。比如评估身价的逻辑完全是我拍板定的；我们的搜索功能大方地展示 Network 和 Profile，而不是像某些产品那样把候选人 Mask（掩盖）掉逼用户付钱。那种把人当资产、想方设法“加气”的行为太小气了。

我们追求的是 AI 时代的“全链路通畅（Fully Differentiable）”。当未来用户规模达到几十万，你搜到人可以直接站内联系。

Jane： 你们的产品版式设计非常简洁且高级。

高岱恒 Sam：这跟我学建筑的经历有关，我们对审美有品位。由于之前做过 AI 项目，我们知道用户偏好什么样的视觉体验。

Jane： 最后一个问题：对于现在年轻的 AI 学生或工程师，为了更有效地被大厂或同好发现，你们有什么建议？

高岱恒 Sam：只有一句话：Building in Public。多写博客、文章、代码，分享你的观点。我印象最深的是苏建林（苏神），他从初高中就开始写博客，坚持了十几年，才成为今天大家眼里的“苏神”。他的技术成了大模型的标准实践。你要坚持得足够久，才会有好的结果。不要执着于在公司做那些所谓的“保密大事”，真正好的东西一定要拿出来经受批判和评价。

孙辰昕 Kelvin：现在国内的变化也很快。小红书上有很多科研人在分享日常、作品和会议，把“科研人生”写活了。大家发现这些研究员也是有血有肉的小帅哥小美女，也养猫养狗。这些原来在水面之下的人，正通过社交媒体走到光亮处。

Jane： 确实，在小红书上能看到像沈清红老师这样以前很少出现在社交媒体的技术大牛。那我们的今天的访谈就到此为止，谢谢两位的时间。

深潮 TechFlow 消息，2 月 4 日，据 The Block 报道，在加密货币市场持续下跌的背景下，Cathie Wood 旗下的 Ark Invest 于周二增持了 Bitmine、Circle、Bullish、Block Inc. 和 Coinbase 等加密相关股票。

根据交易文件显示，Ark Invest 通过其交易所交易基金购买了价值 325 万美元的以太坊财库公司 Bitmine 股票，同时还买入了价值 346 万美元的加密货币交易所 Bullish 股票，以及价值 240 万美元的稳定币发行商 Circle 股票。该资产管理公司还小幅增持了 Block Inc. 和 Coinbase，金额分别为 177 万美元和 63.06 万美元。

这些交易延续了 Ark 周一增加对加密相关股票敞口的策略。

深潮 TechFlow 消息，2 月 4 日，据官方公告，知名初创公司孵化器及加速器 Y Combinator 宣布其投资的创业公司现可选择以稳定币形式接收 50 万美元资金。

Y Combinator 表示，稳定币如 USDC 正为金融科技领域的复兴和全球金融服务的普及奠定基础。稳定币使资金传输变得廉价、快速且全球化，使用人们已信任的货币。

近年来，Y Combinator 投资的一些增长最快的创业公司，如 Aspora 和 Dolar App，正利用稳定币在印度和拉丁美洲提供更快、更便宜的金融服务。随着 GENIUS 法案的通过和金融机构的广泛采用，Y Combinator 对稳定币持乐观态度。

Y Combinator 预计，无论是否专注于加密货币领域，许多创业公司都将以支付、银行业务或融资等方式使用加密技术。Y Combinator 2026 年春季批次申请截止日期为 2 月 9 日。

深潮 TechFlow 消息，2 月 4 日，据金十数据报道，高盛：继续认为2026年12月黄金价格预测5400美元/盎司存在显著上行风险。

深潮 TechFlow 消息，2 月 4 日，据链上分析师 Ai姨（@ai_9684xtpa）监测，地址 0xF78…04d25 和地址 0x5F4…17f86（疑似同一持有者）在沉寂两年后重新活跃，于 7 小时前以均价 2174 美元买入 4020.61 枚 ETH，总价值约 874 万美元。该地址最近一次买入 ETH 是在 2024 年 2 月，成本约为 2631.88 美元。

值得注意的是，该持有者在 ETH 价格跌至 1522 美元和涨至 4461 美元期间均未进行交易。目前，该地址共持有 5122 枚 ETH，平均持仓成本为 2269 美元，与当前市场价格基本持平。

2026年 1月 31 日，正值市场因流动性压力出现剧烈波动之际，公安部会同相关部门起草的《网络犯罪防治法（征求意见稿）》正式向社会公开征求意见。

在 X（推特）上搜索《网络犯罪防治法》，你会发现讨论寥寥无几。介于过去几年多部委发文带来的边际效应递减，大家的反应大多是：“又是老生常谈吧？”或者“反正早就禁止了，还能怎样？”

这是一种极其危险的误判。从“部委通知”上升为“国家法律”，意味着监管逻辑已从防范金融风险演变为精准的刑事治理。Biteye 认为这极有可能是近年来对中国大陆 Web3 生态影响最为深远的一次立法。

仔细研读这六十八条草案，你会发现它不再纠结于“金融风险”或“非法集资”这些宏观概念，而是像一把手术刀，精准地切入了币圈运作的三个核心命门：OTC 资金流、技术开发、公链节点运营。

本文 Biteye 为你深度拆解：

1. 关键法条
2. 法律专家解读
3. 从业者需要开始采取什么合规行为

一、 对比以往部委发文，它地踩碎了三块地板

1.OTC 困局：重新定义“明知”

在过去，OTC 商家（U 商）常以“我只是做买卖，不知道对方资金来源”作为抗辩理由。法律上也多定性为非法经营或帮信罪，定罪门槛较高。

但新法案第二十六条第三款重新作了明确：

“任何个人和组织不得明知是他人违法犯罪所得的资金，实施下列资金流转、支付结算等行为…利用虚拟货币、其他网络虚拟财产为他人提供资金流转服务的。”

这里虽然保留了“明知”二字，但在司法实践中，“明知”的认定范围正在极度扩大。如果你交易价格异常、使用加密聊天软件规避监管、或者未尽到极其严格的 KYC 审核，都可能被推定为“明知”。

这不再是简单的“禁止交易”，而是将USDT 等虚拟货币正式纳入网络犯罪资金流转的监管射程。对于 OTC 行业，这意味着合规成本将无限拔高，不再是好不好做的问题，而是能不能做的问题。

2. 长臂管辖和“连坐”机制

币圈一直信奉“代码即法律，技术无罪”。但新法案第十九条和第三十一条给了这一信条致命一击：

“不得明知他人利用网络实施违法犯罪，而为其提供……开发运维、广告推广、应用程序封装……等支持和帮助。”

更令人头大的是第二条关于“长臂管辖”的规定：

“在境外的中华人民共和国公民以及向中华人民共和国境内用户提供服务的境外组织、个人实施违反本法规定的行为……依法追究法律责任。”

Biteye 针对该规定咨询了锦天城 AllbrightLaw 金融合规律师 Sharon（@sharonxmeng618）：《网络犯罪防治法》草案很多条款是对行政管理义务的规定。一般首先面临的是责令改正、没收违法所得、罚款等行政处罚。只有情节严重（如涉及巨额诈骗资金、不仅提供签名还参与运营）才上升到刑事层面。

而且长臂管辖也有「性价比」的问题：虽然中国刑法有属人/属地管辖原则，但在跨境实务中，除非涉及特大案件（如 PlusToken 级别）或涉及国家安全，否则对于身在海外的程序员，跨国抓捕的司法成本极高。

3. 公链治理：去中心化的单向挑战

这一次的法案还将影响到大陆的公链生态。第四十条第九款要求提供区块链服务的节点或机构，必须具备“监测、阻断、处置”违法信息和支付结算的能力。

懂技术的人都明白，真正的去中心化公链（Permissionless Blockchain）是无法实现单点“阻断”的。

这实际上给中国境内的 Web3 项目出了一个无解的难题：要么你变成“联盟链”（伪链），拥有后门和审查权；要么你就是违法的，因为你无法履行“阻断”义务。

二、 历史的回响：从“9.4”到“2.1”

为了看清这次影响的量级，我们需要将时间轴拉长，对比中国加密监管的三个里程碑：

• 2013/2017 (9.4)：“公告”， 防御阶段。 重点是“防范风险”，禁止 ICO。那时候，监管的目的是“别让普通老百姓亏钱”。
• 2021 (9.24)：“通知”， 清退阶段。 重点是“非法金融活动”，挖矿清零。监管的目的是“币圈不能扰乱金融秩序”。
• 2026 (网络犯罪防治法)： “法律”，治理阶段。 重点是“币圈相关的网络犯罪”。

前两个阶段，监管部门是央行、发改委，作为主管部门的关注点是自身业务领域，也就是“钱”和“事”。但这一次，牵头的是公安部。他们管的是“罪”和“人”。

锦天城金融合规律师 Sharon（@sharonxmeng618）是这样解读的：“近年，无论是 crypto-driven 型犯罪（例如利用加密资产进行洗钱、诈骗），还是 crypto-native crime（例如黑客攻击、Rug pull 等）均呈高发态势，这一系列立法动作，是监管层针对此类新型犯罪从“行政禁止”向“刑事规制”升级的必然回应。

写在最后：2026 年是币圈规则重建的一年

2月 1 日的暴跌，也许只是市场对流动性紧缩的一次应激反应，K 线图终究会修复，红柱子终究会变绿。但当法律的手术刀切入代码与资金，合规已不是可选项，而是生存的前提。

来自 Sharon 律师的建议：“「帮信罪」在近几年的司法实践中已有打击范围扩大的趋势，在此背景下，不建议 Web3 从业者和创业者将“技术中立”视为法律豁免权，而需要在相关业务中做好切割，比如，严格执行 KYC，实质性阻断境内用户 IP；建立反洗钱风控；避免参与高风险项目的代币做市与返佣推广。”

在这个新纪元里，对于身处大陆的从业者和投资者，“合规”不再是一句口号，而是一条生与死的红线。

深潮 TechFlow 消息，2 月 4 日，Solana 联合创始人 Toly 更换其 X 平台头像，在原有 Moonbird 衍生头像基础上新增激光眼与 Backpack 元素。

有社区用户解读认为，该头像变化可能暗示 Backpack 的代币生成事件（TGE）即将到来。

作者：Bitget

一、热点要闻

美联储动态

官员观点分歧凸显，降息预期分化

• 理事米兰预计全年降息幅度超 100 基点，指出经济中缺乏强劲价格压力，当前利率水平偏高主要源于通胀统计特殊性。
• 里士满联储主席巴尔金强调政策核心在于将通胀率回归 2%目标，去年降息已为劳动力市场提供支撑，消费者对提价的抵制有助于抑制通胀上行。
• 市场影响：这种分歧可能加剧投资者对货币政策路径的不确定性，短期内或支撑债券需求，但若宽松预期增强，将进一步削弱美元并提振风险资产。

国际大宗商品

资源类股票集体走强，周期股获青睐

• 市场风格转向价值与周期板块，南方铜业涨 11.74%，麦克莫兰铜金涨 6.41%，First Majestic 涨8.04%，USA Rare Earth 涨17.46%，Energy Fuels 涨16.56%。
• 叠加美伊地缘紧张升级，资源股表现出色，反映投资者对经济韧性的乐观预期。
• 市场影响：此轮上涨可能强化大宗商品需求预期，推动相关期货价格企稳，但若全球增长放缓，将面临回调风险。

宏观经济政策

特朗普签署融资法案，化解政府局部停摆危机

• 美国众议院通过与民主党协商的拨款协议，特朗普签署后结束部分政府停摆，但国土安全部资金仅维持至 2月 13 日，移民执法约束谈判持续。
• 特朗普透露与伊朗谈判仍在进行，伊朗显示行动意愿，避免重蹈去年军事行动覆辙；同时，美联储理事米兰辞去白宫经济顾问委员会主席职务。
• 市场影响：短期缓解财政不确定性，提升市场信心，但移民政策分歧若升级，可能引发新一轮波动，关联美股与美元走势。

二、市场复盘

大宗商品&外汇表现

• 现货黄金：涨 1.02% 至4994 美元/盎司
• 现货白银：涨 0.58%至 85.7 美元/盎司
• WTI 原油：涨 1.06% 至63.88 美元
• 美元指数：涨 0.06% 至97.441，受美联储宽松预期与美债收益率回落驱动

加密货币表现

• BTC：跌 3.8% + 连续下行，一度触及低点 72,943 美元
• ETH：跌 4.67% + 波动加剧，一度触及低点 2,109 美元
• 加密货币总市值：跌至 2.65 万亿美元，受 BTC、ETH 主导抛售驱动
• 市场爆仓情况：多头爆仓 551M 美元/空头爆仓 203M 美元 + 总金额 754M 美元

美股指数表现

• 道指：跌 0.34% + 连续震荡调整
• 标普 500：跌 0.84% + 风格轮动加剧
• 纳指：跌 1.43% + 科技与软件板块拖累

科技巨头动态

• 英伟达：跌 2.84%
• 谷歌-A：跌 1.16%
• 苹果：跌 0.20%
• 微软：跌 2.87%
• 亚马逊：跌 1.79%
• Meta：跌 2.08%
• 特斯拉：涨 0.04%

涨跌核心原因：AI 代理工具引发“抢饭碗”担忧，叠加市场转向周期股，导致多数科技巨头承压，仅特斯拉微涨得益于电动车领域韧性。

板块异动观察

软件板块跌 12%

• 代表个股：汤森路透跌 15.67%，伦交所集团跌 12.39%
• 驱动因素：Anthropic 新法律插件引发 AI 取代恐慌，资金加速流出，推动板块整体下挫。

资源板块涨 10%

• 代表个股：南方铜业涨 11.74%，麦克莫兰铜金涨 6.41%
• 驱动因素：市场风格切换至价值与周期，叠加地缘风险升温，刺激资源股需求回升。

三、深度个股解读

1. 英伟达 – 拟向 OpenAI 投资 200 亿美元

事件概述：CEO 黄仁勋否认与 OpenAI 交易生变传闻，强调计划“正轨推进”，公司拟参与下一轮融资，投资额达 200 亿美元，为其对 OpenAI 最大单笔投入；交易细节尚未最终敲定，条款可能调整，此举旨在深化 AI 合作并支持 OpenAI 潜在 IPO。

市场解读：彭博社报道指出，此投资凸显英伟达对 AI 生态的战略布局，机构认为若成交，将强化其芯片主导地位，但条款不确定性或引发短期波动。

投资启示：强化英伟达在 AI 领域的领先优势，长期利好股价，但需关注交易进展以避风险。

2. AMD – Q4 业绩超预期但指引平淡

事件概述：第四季度营收创纪录超百亿美元，同比增 30%，EPS 超分析师预期 16%；数据中心收入达 54 亿美元新高，MI308 芯片在华销售 3.9 亿美元，但美出口限制导致 2025 年约 4.4 亿美元存货影响；Q1 营收指引中值 98 亿美元，略高于共识但未达部分乐观预期，盘后股价下跌。

市场解读：机构认可数据中心强劲增长，预计未来三到五年年增 60%，但指引缺乏惊喜，反映市场对 AI 芯片竞争加剧的担忧。

投资启示：核心业务潜力强劲，适合长线持有，但短期需警惕出口政策冲击。

3. 诺和诺德 – 预计 2026 年销售下滑 13%

事件概述：Q4 销售额同比降 7.6%，虽优于预期，但减肥药 Wegovy 销售高于预期；公司预计今年首次年度销售下滑，2026 年销售额与营业利润料降 5%-13%，远低于分析师预期的 1.4%和 3.1%降幅，原因是美国业务下滑与全球定价压力，美股收跌 14.6%。

市场解读：机构分析称，指引反映国际增长与美国售价降低的对比，GLP-1 市场虽扩张，但竞争与定价压力加大。

投资启示：短期股价承压，但市场扩张提供缓冲，关注定价策略调整。

4. 辉瑞 – Q4 非新冠业务增长 9%

事件概述：第四季度营收 176 亿美元，剔除新冠产品后同比增 9%；全年总营收 626 亿美元，重申 2026年 595-625 亿美元指引；启动约 20 项关键临床试验，通过收购 Metsera 布局肥胖症，肿瘤管线在膀胱癌等领域进展积极。

市场解读：分析师肯定核心业务韧性与多元化策略，认为非新冠增长支撑长期稳定，但需监测新冠需求波动。

投资启示：多元化布局增强抗风险能力，适合稳健投资者。

5. 英特尔 – 存储芯片供应紧张至 2028 年

事件概述：CEO 陈立武透露，与两大内存厂商沟通确认供应紧张至少持续至 2028 年，主要因 AI 处理器需求激增，如英伟达 Rubin 平台；公司计划进军 GPU 市场，已聘首席架构师，与数据中心芯片及代工业务整合。

市场解读：机构视此为 AI 需求信号，英特尔布局 GPU 或分羹市场，但供应瓶颈可能推高成本。

投资启示：AI 机遇显著，但需评估竞争与执行风险。

四、加密货币项目动态

1. 特朗普在达沃斯推 crypto 监管进展。

2. 渣打银行将 2026年 SOL 价格预测下调至 250 美元，但 2030 年达 2000 美元。

3. MicroStrategy 暗示超 12.5 亿美元 BTC 收购。

4. 《大空头》主角原型：比特币暴跌或引发 10 亿美元金银抛售潮。

5. Vitalik 两天内抛售 1441个 ETH，价值约 330 万美元。

五、今日市场日历

数据发布时刻表

09:45	中国	Caixin 服务业 PMI	⭐⭐⭐
21:15	美国	ADP 就业人数	⭐⭐⭐⭐
23:00	美国	ISM 非制造业 PMI	⭐⭐⭐⭐⭐

重要事件预告

• 财报发布：盘前 – 诺和诺德、礼来、优步；盘后 – 谷歌、高通、Arm – 关注营收指引与 AI 相关展望。

Bitget 研究院观点：

美股面临去风险化压力，流动性抽离或引发 10%修正，科技股轮动出局加剧纳指下行；贵金属强劲，金价强势买入信号显现，受美元疲软与美联储宽松预期支撑，预计延续反弹；原油温和回升，得益于地缘因素与需求韧性，但全球增长放缓隐忧犹存；外汇市场美元承压，机构看好金银等避险资产配置，整体观点偏谨慎，强调宏观数据与政策动态主导短期波动。

免责声明：以上内容由 AI 搜索整理，人工仅作验证发布，不作为任何投资建议。

深潮 TechFlow 消息，2 月 4 日，针对市场披露数据称以太坊财库公司 Bitmine 的 ETH 持仓浮亏高达 66 亿美元，该公司董事长 Tom Lee 在 X 平台发文回应表示，市场部分观点误解了以太坊财库的运作逻辑，Bitmine 的核心目标是跟踪 ETH 价格并在完整市场周期中争取实现超额表现。当加密市场处于下行阶段时 ETH 价格同步回落属于正常现象。Bitmine 在此阶段出现的 ETH 持仓“未实现亏损”并非系统缺陷，而是产品设计的一部分，并反问是否应同样批评在下行周期出现亏损的指数型 ETF。Tom Lee 此前还强调 Bitmine 没有任何负债，鉴于以太坊基本面的走强，近期市场回调“极具吸引力”，从长期来看以太坊仍将是未来金融体系的重要基础设施。

撰文：马蒙牛，深潮 TechFlow

美股：软件股末日

2 月 4 日（周二）美股收盘：

• 道指：49,241 点 （-0.34%）
• 标普 500：6,918 点 （-0.84%）
• 纳指：23,255 点 （-1.43%）

这看起来不像是普通的调整，更像一场科技板块的信仰危机。

今天最惨的是软件板块。WisdomTree 云计算基金暴跌 3.2%，录得连续第六个交易日下跌，创年内最长连跌纪录。

一大批企业软件股跌至 52 周新低：

Salesforce 跌近 7%；ServiceNow 跌近 7%；IBM 跌 6.28%；Workday、Adobe、DocuSign、Asana 全线创新低。

为什么软件股集体崩盘？

市场突然意识到一个残酷的现实：AI 不是来帮助 SaaS 企业的，是来替代它们的。

过去几周，投资者对企业软件的态度发生了 180 度转变。原本以为 AI 会让这些软件更强大，现在发现 AI 可能直接取代它们的功能。为什么还要付费订阅 Salesforce，如果 AI 助手能直接帮你管理客户关系？为什么还要用 ServiceNow，如果 AI 能自动处理工单？

这不是估值过高的问题，这是商业模式被颠覆的恐慌。

科技七巨头今天表现分化：

微软跌超 2%；Meta 跌超 2%；英伟达跌近 3%；苹果微跌。

唯一的亮点是 Palantir，昨晚盘后财报超预期，今天涨 6.8%。但这个孤例反而凸显了市场的选择性：资金只愿意为有真实 AI 应用落地的公司买单。

英伟达的麻烦在加剧。OpenAI 对英伟达最新 AI 芯片不满意，导致双方 1000 亿美元投资计划陷入僵局。这不仅是英伟达的问题，更是整个 AI 基础设施投资叙事的裂痕：如果技术迭代这么快，现在投入的几千亿资本支出，会不会很快过时？

PayPal 今天盘前暴跌 15%，收盘跌超 20%。

财报显示：四季度盈利低于预期；2026 年利润指引令人失望；美国零售支出疲软；品牌结账业务增长缓慢

PayPal 的崩盘不是孤立事件，而是消费者支出放缓的明确信号。如果连在线支付这种基础设施都增长乏力，说明经济的底层动能在减弱。

道指只跌 0.34%，远好于纳指的 1.43%。原因是：

防御性板块支撑：威瑞森（Verizon）涨 3.59%，思科涨 3.08%，沃尔玛涨 2.97%；资金在轮动：从高估值科技股转向价值股和防御股。

这是典型的”风险规避”行为。当投资者开始怀疑科技股的叙事，他们会转向那些有真实现金流、低估值、高股息的”老经济”公司。

加密货币：从熊市到”加密寒冬”

比特币跌破 7.3 万美元，创 16 个月新低。

比特币一度跌至 72,884 美元，创 2024 年 11 月 6 日以来最低。一度以太坊跌破 2200 美元，日内跌 6.5%，Solana 跌破 100 美元，日内跌 5.5%。

Bitwise 资产管理公司首席投资官 Matt Hougan 发布报告，直言不讳：

“这不是牛市中的回调，也不是’逢低买入’的机会。这是一场全面的、2022 年式的、《荒野猎人》级别的加密寒冬。“

他指出，加密市场从 2025 年 1 月就进入熊市，只是很多人不愿承认。好消息是，如果这真的是 2022 年式的熊市，那意味着底部可能即将到来。

为什么加密货币崩得这么惨？

• 宏观环境恶化

美股科技股暴跌，风险偏好全面崩塌；非农就业数据被推迟，市场”盲飞”；美元反弹，对加密货币不利

• 流动性枯竭

过去一周，数字资产投资产品净流出 17 亿美元。2026 年开年至今，累计流出已达 10 亿美元。CoinShares 研究主管表示，这”标志着投资者对该资产类别情绪的显著恶化”。

• 被动清算螺旋

自上周四以来，超过 20 亿美元的比特币多头和空头头寸被强制平仓。周六单日清算金额达 25.6 亿美元，是历史上第 10 大单日清算事件。清算会引发连锁反应：价格下跌→触发强平→抛压加剧→价格进一步下跌。在流动性薄弱的周末市场，这种螺旋更加致命。

比特币下一站在哪？

技术面看：

当前支撑位：72,000-70,000 美元区间；如果跌破 70,000，下一站是 68,000 美元；更悲观的情景：可能回调至 58,000-62,000 美元。

基本面看：

特朗普承诺的”战略比特币储备”至今没有进展；Clarity Act 等加密监管法案推进缓慢；美联储鹰派转向（沃什提名）对流动性不利。

市场情绪：

恐惧与贪婪指数：14（极度恐惧）；RSI 接近超卖区，但还没到极值；年初至今，比特币已跌 16%。

贵金属：史诗级 V 型反转

现货黄金收于约 4,991 美元/盎司，日内涨超 5%。盘中一度突破 5,016 美元。这是自 2008 年 11 月以来最大单日涨幅。

白银同样强劲反弹，涨近 10%至 87 美元附近。

为什么黄金能 V 型反转？

“沃什恐慌”被消化。

上周五，特朗普提名沃什为美联储主席，引发黄金历史级暴跌（单日跌 11%）。市场最初的反应是恐慌性抛售：沃什= 鹰派→利率保持高位→美元走强→黄金失去吸引力。

但今天，投资者开始重新评估：

沃什最快 5 月才上任，现在的恐慌过度了；即使沃什鹰派，他也不能无视经济数据；市场仍预期 2026 年将有两次降息。

黄金从 5600 美元暴跌至 4400 美元，跌幅超过 20%。这种暴跌清洗了杠杆投机者，也创造了”黄金坑”。

长期投资者和各国央行开始抄底。

摩根大通今天重申：2026 年底黄金目标价 6300 美元，认为当前回调是”高价值的再积累机会”。

此外，原定本周五发布的 1 月非农就业报告被推迟（因政府部分关门）。这让市场失去了最重要的经济数据参考，增加了不确定性。不确定性=黄金的朋友。

总体看，黄金的长期逻辑没变。

今天的反弹不是”死猫跳”，而是基本面支撑的真实买盘：

全球央行继续买入黄金（2026 年预计购买 800 吨）；美元长期贬值压力犹存；各国”去美元化”趋势不可逆；美国国债 38 万亿美元，财政纪律崩溃引发对法币的信任危机。

摩根大通、德意志银行都认为，黄金今年将涨至 6000-6300 美元。当前 5000 美元附近，仍有 20%+的上涨空间。

市场的核心矛盾：AI 泡沫 VS 经济韧性

今天的市场走势暴露了一个深层矛盾：

一方面，科技股的 AI 叙事正在被质疑。软件股崩盘，英伟达受阻，PayPal 暴跌，都在说同一件事：AI 的商业变现速度跟不上资本支出的疯狂增长。科技巨头 2026 年预计资本支出 4400 亿美元，如果这些投资无法产生相应回报，泡沫就会破裂。

另一方面，传统经济板块表现坚挺。威瑞森、思科、沃尔玛今天都涨超 2%。道指只跌 0.34%，远好于纳指的 1.43%。这说明经济的基础面并没有崩溃，只是市场在重新定价科技股的估值。

加密货币处于夹缝中：它既不是真正的避险资产（黄金暴涨时，比特币在暴跌），也不是纯粹的风险资产（美股只是调整，比特币却进入寒冬）。这种”两头不讨好”的处境，让加密市场成为当前最脆弱的板块。

本周剩余时间关键看点

周三-周四：科技巨头财报

• 亚马逊、Alphabet（谷歌）

如果这些财报不及预期，科技股可能进一步崩盘。如果超预期，可能暂时稳住市场情绪。

周五（如果发布）：非农就业数据

目前因政府关门被推迟。一旦发布，将成为判断美联储 3 月是否降息的关键。

地缘政治：

• 周五美伊会谈
• 乌克兰和谈进展

任何恶化都会推高避险资产（黄金），打压风险资产（股票、加密货币）。

深潮 TechFlow 消息，2 月 4 日，据 Chainwire 报道，预测市场平台 BLUFF 已完成 2100 万美元战略融资，由 1kx 领投，Makers Fund、Maximum Frequency Ventures、Delphi Ventures Founders 等机构及体育冠军兼科技投资者 Tristan Thompson 参投。

BLUFF 团队由来自 Stake、Bet365、William Hill 和 Bodog 等平台的前高管组成，正在构建面向新一代用户的社交化预测市场平台。该平台专注于速度、透明度和用户利益一致性，提供即时注册、实时结算、可证明公平的预测机制和用户参与生态系统的奖励机制。

随着现实世界资产（RWA）逐步从概念验证走向结构性发展，市场讨论的重心正在发生变化：当资产被代币化之后，它是否真的具备进入链上金融核心体系的条件？

近日，Matrixport 旗下 RWA 平台 Matrixdock 正式发布《Matrixdock Outlook 2026：Building the Reserve Layer for the On-Chain Economy》，系统阐述其对下一阶段链上金融基础设施演进的判断框架，并披露其面向 2026 年的愿景与战略路径。

从“资产上链”走向“储备层”：代币化正在进入第二阶段

在 Outlook 中，Matrixdock 明确指出：代币化正在进入第二阶段，并将资产是否具备 balance sheet（资产负债表）适配性，作为衡量链上资产成熟度的重要判断维度之一。

如果第一阶段解决的是“现实世界资产是否可以被表示在链上”，那么第二阶段要回答的，则是一个更具挑战性的问题——链上金融是否能够真正承载机构级资产负债表（balance sheet）、受监管资本以及跨周期运行的信任体系。这一判断意味着，代币化的核心不再只是技术可行性，而是资产是否具备被机构纳入资产负债表进行长期持有、管理与配置的条件。

基于这一判断，Matrixdock 进一步阐述并系统化表达了“链上金融储备层（Reserve Layer）”这一基础资产层的定位：即由受监管、高质量、可验证的代币化资产构成的基础资产层，用于锚定价值、支撑流动性，并在不同市场周期中稳定运作。

Matrixdock 强调，单纯的代币化技术并不足以支撑机构级应用。真正决定链上金融能否走向规模化的，是资产质量、法律结构、托管与审计安排，以及这些资产是否能够在真实市场条件下，被机构作为资产负债表层面的资产持续使用。

2026 年愿景：为链上金融构建“可依赖的储备层”

围绕这一核心判断，Matrixdock 在 Outlook 中提出了其面向 2026 年的整体愿景：

为链上金融构建一个由高质量、受监管资产组成的“储备层（Reserve Layer）”，使其成为机构能够依赖的基础资产体系。

Matrixdock 将这一愿景拆解为四个长期支撑要素：

• 透明性：清晰的资产支持关系、可审计的托管框架以及独立第三方鉴证，是机构信任与合规扩展的前提；
• 信任机制：资产需要在不同司法辖区与市场周期中，支持规模化的铸造、赎回与交易；
• 链上智能化：储备资产应原生适配链上金融，并逐步融入自动化、智能化的财资与风险管理流程；
• 机构级体验：对机构而言，清晰性、可预期性与操作简洁性，与收益同样决定是否采用。

Matrixdock 表示，其关注重点并非短期市场热度，而是构建能够被机构长期依赖、并在不同周期中稳定运行的链上资产基础。

战略路径：用“储备级资产”连接机构与链上金融

在战略定位上，Matrixdock 强调其并非通用型代币化平台，而是专注于储备级资产所在的关键层级——位于应用之下、底层资产之上，连接监管认可、流动性与机构信任。截至 2026 年初，Matrixdock 已重点将两类全球金融体系中流动性最强、制度化程度最高的资产引入链上：短期美国国债（STBT）与黄金（XAUm）。

Outlook 指出，这两类资产在链上承担的角色并不相同：STBT 被设计为机构级的链上现金等价物，用于财资管理、结算与抵押场景；而 XAUm 则被定位为链上金融中的一等储备资产，而非简单的“数字黄金映射”。

在此基础上，Matrixdock 指出，机构级信任并非由技术单点决定，而是通过托管方、监管机构、行业组织、做市商与分销渠道共同构建。其未来增长重点，也将更多体现在分销网络、机构采用场景以及跨司法辖区的可用性上。

面向长期结构，而非短期叙事

链上金融的发展已不再是“是否发生”的问题，而是以什么样的资产、何种结构发生。随着监管框架逐步清晰、机构参与不断加深，真正能够在透明度、合规性与周期韧性上经受考验、并被机构纳入资产负债表体系管理的资产，才有可能成为链上金融基础设施的一部分。

Matrixdock 表示，其 2026 年的重点不在于资产数量的快速扩张，而在于以审慎、透明、长期的方式，推动储备级资产在链上金融体系中的规模化落地。

原报告链接：https://www.matrixdock.com/blog/announcements/matrixdock-outlook-2026-building-the-reserve-layer

深潮 TechFlow 消息，2 月 4 日，据AXIOS网站，预计美国与伊朗的核谈判将于周五在阿曼举行。特朗普政府同意伊朗将谈判地点从土耳其移出的请求。（金十数据）

撰文：Thejaswini M A

编译：Block unicorn

我一直想慢慢研读《比特币标准》这本书——从头到尾读一遍，看看它会如何影响我的思考。它经常出现在许多比特币讨论的背景中，被奉为奠基之作。人们会说「正如赛义夫丁所解释的……」，然后你才意识到，他们引用的全部内容都只是基于一个梗图或封面截图。

所以，我将分三部分完整地阅读这本书。这是第一部分。

我们目前还在前几章，尚未进入后面那段完整的「法定货币毁了一切，从建筑到腰围」的这种全面批判的阶段。目前，赛义夫丁·阿穆斯正在铺垫，试图说服你货币是一种技术，某些形式的货币比其他形式「更硬」，而历史本质上就是一个不断筛选、最终胜出更硬选项的过程。如果他能让你理解这一点，比特币之后就会以「迄今为止最硬的货币」的身份出现，而且你会觉得这是必然的。

我还没有完全被说服，但我必须承认，这是一个棘手的框架。

这本书开篇就将金钱剥离了浪漫的外衣，揭示了它核心的本质。它不是「社会契约」，也不是「国家产物」，而仅仅是一种在时间和空间中传递价值的工具，人们无需每天过多思考它。

阿穆斯反复强调「可售性」（Salability）的概念。一种好的货币类资产应该能够随时随地轻松出售，且不会造成巨大损失。要具备可售性，它必须满足三个条件：跨空间——这样你就可以随身携带，并用它来交换所需之物；跨时间——这样它就不会腐烂或价值崩塌；跨规模——这样它就可以用于任何用途，从一杯茶到一栋房子，而无需计算器或一大袋零钱。

接下来，本书真正起决定性作用的词出现了：硬度。硬货币是指供应量难以增加的货币。软货币则很容易印制。这就是本质。其核心逻辑很简单：你为什么要把毕生心血存入别人可以轻易创造的东西里呢？

你可以在每一句话中感受到奥地利经济学派的影响，但一旦你剥离了意识形态，这本书会给你留下一个非常有用的问题：如果我把积蓄投资于 X，那么别人赚到更多 X 的难易程度如何？

一旦你透过这种视角审视自己的生活——无论是卢比、美元、稳定币、比特币，还是其他任何货币组合——就很难再视而不见了。

在设定了这个框架之后，这本书将带你参观一个小型的「破损货币博物馆」。

第一个展品是雅浦岛及其莱石（Rai Stones）。这些巨大的圆形石灰岩圆盘，有的重达四吨，是从其他岛屿开采出来，费尽九牛二虎之力运到雅浦岛的。阿穆斯写道，几个世纪以来，这种方式出奇地有效。这些石头体积庞大，难以搬运或偷窃。村里的每个人都知道哪块石头属于谁。付款方式是通过向社区宣布所有权变更。这些石头「在岛上任何地方都易于销售」，因为它们在岛上任何地方都为人所知；它们也经得起时间的考验，因为获取新石头的成本极高，以至于现有库存「总是远远大于特定时期内能够生产的新供应量……莱石的存量与流通量之比非常高。」

然后，科技出现了。

1871 年，一位名叫大卫·奥基夫的爱尔兰裔美国船长在雅浦岛遭遇海难。他康复后离开，之后带着一艘大船和炸药返回，并意识到他可以用现代工具大量开采莱伊石。村民们对此意见不一。酋长认为他开采的石头「太容易」，禁止开采，并坚持只有传统的石头才算数。其他人则不同意，开始开采新发现的石头。冲突由此爆发。这些石头作为货币的用途逐渐消失。如今，它们大多用于祭祀仪式。

这是一个简洁明了，或许过于简洁的寓言。但它说明了一个要点：一旦某种货币商品失去了其硬度（一旦有人能够廉价地大量生产），那些曾经持有这种商品的人最终会补贴后来者。

珠子和贝壳也遵循着同样的模式。西非的阿格里珠（Aggry Beads）之所以珍贵，是因为它们稀少且制作耗时。后来，欧洲商人开始从玻璃工厂大量进口这些珠子。阿穆斯描述了这种进口方式如何「缓慢但坚定地」将它们从「硬货币」变成了「廉价货币」，「破坏了它们的可售性，并导致这些珠子在非洲拥有者手中的购买力随着时间的推移而下降，最终使他们陷入贫困，因为他们的财富转移到了欧洲人手中，而欧洲人现在可以轻易地获得这些珠子。」

海贝和贝壳货币（wampum）也经历了相似的轨迹。它们最初都是稀缺的硬货币，难以获取，存量流通比很高。后来，随着工业船只的到来，「它们的供应量急剧膨胀，导致其价值下降，并随着时间的推移失去了流通性」，到 1661 年，它们已经失去了法定货币的地位。

你会发现，在战俘营里，牛、盐、计数棒和香烟的故事层出不穷。每个故事都在做着同样的事情：训练你的直觉，让你觉得如果新单位的供应能够突然以极低的成本大幅增加，那么储户持有的存量基本上就是在做捐赠。

你可以批评这些历史叙述太过整洁。这些小故事里几乎没有涉及暴力、政治或文化。每个人都像一个记忆力超群的理性经济人。但作为一种让你对轻易印制的货币产生怀疑的手段，它的确有效。

当你对贝壳和珠子感到彻底恐惧之后，金属就作为成熟的解决方案出现了。

金属解决了许多可售性难题。它们不像谷物那样容易腐烂。它们比巨石更便于携带。它们可以铸造成统一的硬币，这使得定价和核算更加容易。随着时间的推移，黄金和白银最终胜出，因为它们最难被通货膨胀所影响。每年的开采量只会增加现有库存的一小部分，因此没有任何单个矿工能够让所有人的储蓄贬值。

由此，便有了金属货币的漫长时代，以及后来的金本位纸币。这本书并没有过多赘述这些细节。它的目的是让你感受到，一旦人类发现了黄金，就找到了一种接近完美的货币：便携、耐用、可分割，而且最重要的是，制造成本高昂。

你稍后就能明白这如何为比特币的诞生奠定基础。如果你完全接受了「在当时的物理和冶金条件下，黄金是我们所能制造出的最佳物质」这种说法，那么「比特币是具有更强硬度的数字黄金」听起来就顺理成章了。

让我感兴趣的是，在这一部分中，黄金与其说是一种神秘的物品，不如说是一种绕过物理限制的权宜之计。如果你把古代社会想象成一直在尝试回答「我们如何将丰收或航行的成果以一种能够流传后世的形式保存下来」这个问题，那么黄金就是一个相对巧妙，尽管并不完美，却又合情合理的答案。

这种框架也让比特币受益。它不再是「神奇的互联网石头」，而是「用新工具解决相同问题的又一次尝试」。

书中还没有走到那一步，但你能感觉到跑道正在搭建中。

然后，政府货币登场，成为了罪魁祸首。

迄今为止，货币崩溃都源于外部因素。新技术出现，打破货币体系的僵化，令储户血本无归。而现在，罪魁祸首却来自内部：各国政府和中央银行拥有合法印钞权，且无需任何稀缺商品作为支撑。

在这种说法下，法定货币就是政府意识到他们可以将货币符号与实际资产完全分离后产生的产物。保留了货币单位，却取消了约束。政府告诉人们，他们的纸币之所以有价值，是因为法律规定如此，因为税款必须用纸币缴纳，而不是因为它们有任何实物资产作为支撑。

在金本位制或银本位制下，货币可以贬值或下调，但不会出现津巴布韦式的经济崩溃，工资在几个月内化为乌有。但在法定货币制度下，这种情况却可能发生。而且，一些政府确实一次又一次地重蹈覆辙。

阿穆斯用了大量篇幅来解释这种现象带来的社会后果。为了生存，人们不得不变卖资本，生产活动也因此受到蚕食。长期合同因为无人信任而瓦解。政治极端主义在愤怒和混乱中滋生蔓延。魏玛德国就是一个典型的例子。货币崩溃只是更糟糕局面的前兆。

大多数法定货币对实物商品长期贬值并没有错。这在某种程度上是货币体系的设计初衷。

我脑海中开始质疑这本书的地方并非事实本身，而是它的论述框架。书中几乎所有现代社会的弊病都被归咎于法定货币制度。中央银行几乎完全被描绘成一种暗中向储户征税、补贴借款人的工具。任何关于拥有灵活的最后贷款人的好处都被轻描淡写地归结为「但他们会滥用它」，这固然有一定道理，但这也不是社会必须回答的唯一问题。

即使你不喜欢中央银行，你也会觉得「从我们放弃全金属本位制的那一刻起，整个二十世纪都是一个错误」这种说法有点过头了。

让我印象深刻的是

那么，除了在时间线上添加更多值得关注的经典语录之外，第一部分究竟对我有什么实际意义呢？

奇怪的是，这并没有让我对比特币更加确信。它只是澄清了我之前没有足够仔细地问过的一个问题。

我很少像阿穆斯那样看待我的钱。我会考虑风险和回报，会考虑波动性，会考虑我愿意把多少时间投入加密货币，而不是投入到那些枯燥乏味的事情中。我不会系统地坐下来，仔细研究谁可以印制多少我经手的每种加密货币，以及要遵守哪些规则。

然后我看到彭博社的一张图表，标普 500 指数不是以美元计价，而是以黄金计价。这太不公平了。以黄金价格计算，美国股市已经回到了十多年前，也就是全球金融危机后时期的水平。所有那些美元的历史高点，所有疫情后的狂热，都化作一条横盘线上的一阵嘈杂波动。

一旦你明白了这一点，就很难忽视阿穆斯一直强调的那个简单道理：表现永远是「在什么情况下的表现」。如果你的基础单位在缓慢贬值，即使你的指数创下历史新高，但在在更硬的单位里，你的表现可能仍然原地踏步。

我意识到这本书遗漏了很多内容。它几乎没有认真探讨信贷作为一种社会工具的意义，也没有提及国家并非只会毁掉货币，它们还创造了法律和军事环境，使市场得以发展壮大的事实。书中也没有深入探讨某些群体可能为了获得更大的应对冲击的空间而牺牲一些经济实力的想法。所有问题都围绕一个核心展开：储户的利益是否被稀释了？

也许这就是重点。这是一篇论战文章，而不是教科书。但我并不想假装这就是全部真相。

目前，我乐于将其作为一种视角，而非一种信仰。每当我看到央行的资产负债表、新的二级债券发行计划，或是某些承诺美元收益率高达 18% 的「稳定收益」产品时，我耳边总会响起一个赛义夫丁式的声音：这货币到底有多硬？又有多少像奥基夫那样的人已经带着炸药下水了？

现在，我只想记住一点：金钱储存着我们未来的选择。要仔细选择货币单位，并警惕任何能够印钞超过你收入的人。

深潮 TechFlow 消息，2 月 4 日，据链上分析师 Ai 姨（@ai_9684xtpa）监测，一位在 ETH 波段交易中获利 9922 万美元的”聪明钱”，过去 8 小时从 Coinbase 交易所提取了 750 枚 cbBTC，总价值约 5599.9 万美元，平均提取价格为 74665.8 美元。

深潮 TechFlow 消息，2月4日，据 Decrypt 报道，在《TODAY》节目主持人 Savannah Guthrie 84岁母亲 Nancy Guthrie 失踪案调查中，出现了一封要求支付数百万美元比特币的勒索信。八卦新闻网站 TMZ 称收到了这封勒索邮件，其中包含一个比特币地址、截止日期以及未满足要求的威胁内容。

皮马县警长办公室表示正在梳理所有线索，并与联邦调查局协调调查，但尚未确认勒索信的真实性。Nancy Guthrie 于1月31日晚在亚利桑那州家中失踪，当局在其住所发现”令人担忧”的证据后，已将此案作为”可能的绑架”处理。

近年来，加密货币在绑架和勒索案件中的使用日益增加，2025年全球针对加密货币持有者的暴力”扳手攻击”达到创纪录的72起，较2024年增长75%。

深潮 TechFlow 消息，2 月 4 日，据香港 01 报道，香港警方近期展开代号为”谋攻”的全港性执法行动，共拘捕 682 人，涉及 580 宗诈骗及科技犯罪案件，涉案金额高达 6.2 亿港元。

其中在香港警方网络安全及科技罪案调查科代号“战网”的执法行动中，警方成功捣毁一个利用虚拟货币洗钱的犯罪团伙，该团伙受雇于网络诈骗集团，通过复杂的资金转移手法洗白约 4400 万港元诈骗所得。犯罪集团利用 200 多个银行傀儡账户进行资金转移，并在海外虚拟货币平台开设假身份账户，将非法资金转换成虚拟货币后通过场外交易所套现。此次行动共拘捕 11 人，其中包括 3 名主脑和 1 名骨干成员。

警方表示，这种结合实体、虚拟货币交易及现金托运的洗钱手法十分精密，大大增加了资金追踪难度。

深潮 TechFlow 消息，2 月 4 日，据链上分析平台 Lookonchain（@lookonchain）监测，“麻吉大哥”黄立成（@machibigbrother）再次遭遇 10 次清算。仅一天前存入的 25 万 USDC 已缩水至 5.77 万枚 USDC。

作者：深潮 TechFlow

昨日市场动态

特朗普今日凌晨签署拨款法案，结束政府部分“停摆”

据金十数据报道，当地时间2月3日，美国总统特朗普在白宫椭圆形办公室签署政府拨款法案，结束政府部分“停摆”。当天稍早前，美国国会众议院投票通过联邦政府多个部门本财年剩余时间拨款法案，从1月31日开始的联邦政府部分“停摆”僵局得以化解。该法案将为联邦政府多个部门提供资金至9月30日、即本财年结束之时，并为近期因移民执法行动引发争议和抗议的国土安全部提供两周的资金，以便各方继续就改进该部门运作进行谈判。

加密记者：美国参议院民主党人计划明日再次召开《CLARITY法案》闭门会议

据加密货币记者 Eleanor Terrett 今日凌晨消息，美国参议院民主党人计划于明日再次召集闭门会议，讨论《CLARITY法案》（加密货币市场结构法案）问题。据两位知情人士透露，这将是自上月参议院银行委员会推迟法案审议以来，民主党成员举行的首次会议。

Avalanche 政策联盟成立咨询委员会，呼吁全球加密监管协同

据 The Block 报道，Avalanche 政策联盟于 2月 3 日宣布成立咨询委员会，由 Ava Labs 总法律顾问 Lee Schneider 领导，英国上议院议员 Chris Holmes及 Avalanche 生态系统多位高管加入。该委员会将在 2026 年专注三大核心优先事项：代币分类、中介机构定义以及保护互联网访问权。

委员会成立之际，美国正致力于通过全面加密监管法案，欧盟已开始实施 MiCA 法规，英国计划于 2027 年推出新监管框架，而日本则在规则制定方面继续领先。

BNB Chain 发布应用层标准 BAPs 与 NFA 代币标准 BAP-578

据官方公告，BNB Chain 发布应用层新标准 BAPs 与非同质化代理 (NFA) 代币标准 BAP-578。

BAPs 标准旨在使应用层更加一致、互操作且易于构建，从而实现更快的开发速度、更清晰的集成方式和更好的开发者体验。专注于应用层标准化，涵盖应用接口、钱包和身份约定、代币和 NFT 实用标准以及应用间互操作性等方面。

BAP-578 是非同质化代理 (NFA) 代币标准，NFA 是一种人工智能驱动的资产，可以在链上自主运行。

Step Finance 确认被盗金额高达 4000 万美元，建议用户暂时不要与之交互

据 Step Finance 官方发文确认，该项目于 1 月 31 日遭遇的安全事件中，约 4000 万美元资金从其国库中被盗，原因是执行团队设备被入侵。目前，Step Finance 已与网络安全研究人员和相关部门合作调查此事，并已通知执法机构。

在安全措施加强期间，Step Finance 暂停了多项运营活动。通过 Token22 内置安全保护和与合作伙伴的快速协调，Step Finance 已成功追回约 370 万美元的 Remora 资产和 100 万美元的其他资产。

官方建议用户暂时不要与 STEP 代币交互，直到调查完成。项目方将从攻击前进行快照，并正在为 STEP 代币持有者寻求解决方案。Remora Markets 未受此次事件影响，所有 rTokens 仍以 1:1 比例由托管抵押品支持。

Tether 推出开源比特币挖矿操作系统 MiningOS

据 The Block 报道，Tether 已发布名为 MiningOS（MOS）的开源比特币挖矿操作系统，为矿工提供一种替代专有、厂商控制的软件的新选择。该系统采用模块化、点对点架构设计，能够在不依赖集中化服务的情况下管理挖矿活动，适用范围从小型家庭设置到大型工业站点。MOS 通过 Apache 2.0 开源许可发布，具有硬件无关性，可协调硬件、能源使用、设备健康状态和站点级基础设施。

Tether 首席执行官 Paolo Ardoino 表示，MiningOS 旨在使比特币挖矿基础设施更加开放、模块化和易于访问。

此外，Tether 还宣布将在未来几个月内与开源社区合作发布和开发 Mining SDK。这一举措是 Tether 持续扩展业务的一部分，该公司 2025 年净利润超过 100 亿美元，业务已从核心稳定币拓展至挖矿、支付和基础设施领域。

Tria 公布代币经济学：总量 100 亿枚，社区占比 41.04%

据官方消息，自托管数字银行 Tria 公布 TRIA 代币经济学模型，总供应量为 100 亿枚，采用固定供应、硬顶模式，无通胀设计。

TRIA 代币在系统中具有五大核心功能：BestPath 结算、质押和路由访问、燃料和费用补贴、治理以及会员权益。代币分配方案中，社区占比 41.04%，基金会占 18%，生态和流动性占 15%，投资者占 13.96%，核心贡献者占 12%。创世流通供应量为 21.89 亿枚，占总量的 21.89%。

此前消息，自托管数字银行 Tria 完成 1200 万美元融资，以太坊基金会、Wintermute 等参投。

MetaMask整合Ondo Finance推出代币化美股交易功能

MetaMask与 Ondo Finance 宣布合作，已于 2026年 2月 3 日在 MetaMask 移动端钱包中整合 Ondo Global Markets，为符合条件的非美国地区用户提供 200 多种代币化美国股票、ETF 和商品的交易服务。

用户可通过以太坊主网使用 USDC 购买这些代币化资产，享受 24/5 交易和 24/7 转账功能，无需开设传统经纪账户。可交易的资产包括特斯拉、英伟达、苹果等知名股票以及 SLV(白银)、IAU(黄金)和 QQQ等 ETF。

易理华旗下 Trend Research 再向币安转入 15,000 枚以太坊，总计已出售 15.3 万枚

据 Onchain Lens 监测，易理华旗下 Trend Research 再次向币安转入 15,000 枚以太坊（价值约 3,308 万美元）。

数据显示，Trend Research 目前已向币安总计转入 153,588 枚以太坊（价值约 3.5243 亿美元），用于出售和偿还贷款。

Wintermute：比特币跌破 8万美元源于三重打击，预计 2026 下半年市场复苏

Wintermute 发文表示，比特币价格自 2025年 4 月以来首次跌破 80,000 美元，周末期间触发了创纪录的 25.5 亿美元清算规模，为加密货币历史上第十大清算事件。

此次下跌由多重因素共同导致：Mag7 科技巨头（尤其是微软）业绩不及预期削弱 AI 叙事、Kevin Warsh 被提名为美联储主席引发政策不确定性，以及贵金属市场出现剧烈调整（黄金下跌 9%，白银暴跌 26%）。

分析师指出，虽然当前市场处于熊市状态，但与以往不同，此轮下跌并非源于结构性问题（如 FTX 崩溃），而是由宏观趋势和市场情绪波动引发。加密行业基础设施较为稳固，预计 2026 年下半年随宏观环境明朗化可能迎来复苏。

美国司法部文件显示爱泼斯坦 2014 年或曾投资 Coinbase 325 万美元

据 Cointelegraph 报道，美国司法部最新公布的电子邮件显示，已故金融家杰弗里·爱泼斯坦可能于 2014 年投资加密货币交易所 Coinbase 325 万美元，购买了 195,910股 C 轮股票。当时 Coinbase 估值为 4 亿美元。据文件记录，爱泼斯坦于 2018 年以 20 亿美元估值出售了一半持股，获利 1500 万美元。投资通过中间人进行，包括 Blockchain Capital 创始人 Bradford Stephens和 Brock Pierce。文件未显示 Coinbase 高管与爱泼斯坦有直接往来或知晓投资方的真实身份。

行情动态

推荐阅读

SpaceX 吞下 xAI，马斯克的万亿「内循环」

本文分析了马斯克通过将旗下公司（如SpaceX、xAI、Tesla等）进行整合，以构建一个“超级叙事”的战略。这种叙事以太空和人工智能为核心，旨在为即将到来的IPO创造巨大的市场价值。然而，这种整合也引发了投资者的质疑，尤其是Tesla股东的不满。

对话 Tom Lee：黄金看向 8900，ETH 2400 是底部，美股年中或回调 20%

本文是对2026年全球市场、加密货币、贵金属、AI技术、机器人和国际市场趋势的分析与展望。文章通过对专家访谈和市场数据的解读，探讨了未来市场可能面临的机遇和挑战。

大盘流血，$HYPE 独秀：读懂 Hyperliquid 进军预测市场的 HIP-4 升级

本文回顾了 Hyperliquid 从 HIP-1 到 HIP-4 的产品迭代过程，展示了其从永续合约 DEX 转型为全品类链上衍生品平台的战略布局。文章还提到 HYPE 代币近期的涨幅及其背后的市场逻辑，以及对未来预测市场需求和监管挑战的分析。

2 月 3 日市场综述：美股黄金齐反弹，美联储仍陷独立性危机

本文讨论了近期全球金融市场的动态，包括黄金和比特币的价格波动、美股的反弹、美联储独立性危机以及未来经济数据对市场的影响。

Virtuals 推出「60 天试验」：项目发币不用赌身家，不成功全额退款

本文介绍了由Virtuals Protocol推出的“60天试验”框架，这是一种可逆的代币化实验机制，旨在帮助AI创始人在不承担不可逆风险的情况下测试加密原生的分发和变现方式。通过公开构建和市场测试，创始人可以在60天内决定是否承诺继续项目或退出并退还资金。