分类： TechFlow

深潮 TechFlow 消息，03 月 23 日，美国 10 年期国债收益率下跌 8.4 个基点，报 4.307%。(金十)

深潮 TechFlow 消息，03 月 23 日，欧股纷纷转涨，德国 DAX 指数、法国 CAC40 指数日内涨超 2%，西班牙 IBEX35 指数日内涨幅达 1.00%，此前均跌超 2%。美国标普 500 指数电子迷你期货上涨 1.9%，纳斯达克 100 指数期货上涨 1.67%，道琼斯指数期货上涨 1.85%。(金十)

深潮 TechFlow 消息，03 月 23 日，美国总统特朗普：我很高兴地报告，美国和伊朗在过去两天进行了非常良好和富有成效的对话，讨论了在中东完全和彻底解决我们之间敌对关系的事宜。(金十)

深潮 TechFlow 消息，03 月 23 日，据金十数据报道，伊朗驻印度大使馆当地时间 23 日在社交媒体上发文表示，有关伊朗向通过霍尔木兹海峡的船只收取 200 万美元费用的说法“毫无根据”。（央视新闻）

深潮 TechFlow 消息，03 月 23 日，据金十数据报道，伊朗驻印度大使馆当地时间 23 日在社交媒体上发文表示，有关伊朗向通过霍尔木兹海峡的船只收取 200 万美元费用的说法“毫无根据”。（央视新闻）

深潮 TechFlow 消息，03 月 23 日，据 The Block 报道，Bernstein 分析师指出，Circle 与 Coinbase 凭借 USDC 合作关系，是当前稳定币市场敞口的最直接投资标的。分析师认为，AI 代理机器支付（即由软件自主发起、授权和结算的交易）是稳定币的潜在增量需求来源，但目前规模尚小——Coinbase x402 协议近 30 日处理量约 2500 万美元，Stripe 机器支付协议首周仅处理 5000 美元。稳定币投资逻辑的核心仍在于跨境支付、汇款、稳定币新银行等主流应用的持续扩张，USDC 供应量与交易量均已创历史新高，并在交易量市占率上位居第一。

深潮 TechFlow 消息，03 月 23 日，据 The Block 报道，Bernstein 分析师指出，Circle 与 Coinbase 凭借 USDC 合作关系，是当前稳定币市场敞口的最直接投资标的。分析师认为，AI 代理机器支付（即由软件自主发起、授权和结算的交易）是稳定币的潜在增量需求来源，但目前规模尚小——Coinbase x402 协议近 30 日处理量约 2500 万美元，Stripe 机器支付协议首周仅处理 5000 美元。稳定币投资逻辑的核心仍在于跨境支付、汇款、稳定币新银行等主流应用的持续扩张，USDC 供应量与交易量均已创历史新高，并在交易量市占率上位居第一。

作者：沙拉酱

食色性也，大部分伟大的商业模式的崛起都离不开这点事，AIGC 也不例外。

A16Z，硅谷投资圈的顶流 VC，出了一份研究 AI 消费趋势的报告。这份本该正经讨论 AI 生产力的报告里，藏着一页让人哭笑不得的折线图：去年美国用户花在 OpenAI 和纽约时报上的钱，加起来还没有花在 OnlyFans 上的多。

A16Z 报告表格

很讽刺，也很真实——生产力，还不如性张力。

那么，靠 AI 擦边，能赚多少钱？

图片来源 Giphy

生产力不如性张力

第一波做 AI 虚拟模特的人，最清楚。

大概从 2022 年底开始，Midjourney、Stable Diffusion 这类工具刚刚能稳定出图，就有人意识到：这东西能捏出以假乱真的人脸，能批量生产，成本几乎为零。他们用 AI 生成虚拟女性形象，配上一个名字、一段人设、几条精心设计的“生活日常”，在 Instagram 和 TikTok 上以真人面目运营，私信里的亲密回复则由 ChatGPT 代劳，提供所谓的“女友体验”。整条链路几乎全自动化，背后的操盘手甚至不需要露面。

图片来源 Giphy

这套玩法在 OnlyFans 的竞品平台 Fanvue 上跑得最顺。Fanvue 对 AI 内容的态度更宽松，据其官方披露，2023 年 11 月 AI 虚拟模特已经贡献了平台 15%的总收入。到 2024 年，头部 AI 虚拟模特的月收入普遍在两万美元以上，部分运营成熟的账号年收入已超过二十万美元。2025 年，这个数字还在涨。据 Fanvue CEO Will Monange 在 2025 年接受采访时透露，平台上 AI 创作者的总体收入较 2024 年同期增长超过 60%，虚拟模特已经成为平台增长最快的内容品类。

OnlyFans 官方明确禁止 AI 内容，但一直有人在钻空子。Reddit 上经常有人讨论怎么用 AI 擦边在 OnlyFans 上赚钱，常见的办法是找真人女性完成平台的人脸认证，再用她的照片训练 AI 模型批量生产内容。

图片来源 Giphy

平台再严格，架不住技术在进步，现在 AI 出图以假乱真的程度就连老司机都难以分辨。前几天我就在小红书刷到一个擦边帅哥坐在车里的视频，要不是打开评论区看到置顶的评论是“这个 AI 审美真好”，我都没反应过来这是 AI 帅哥。

成人内容之外，还有一波人靠 AI 赚到了钱，方向完全不同：儿童绘本。

赵磊（化名）是最早入场的那批人之一。2022 年底，他刚从一家大厂的产品岗被裁，正在家里研究新出路。那会儿 Midjourney 刚刚能稳定出图，他看着生成出来的水彩风小动物，脑子里冒出一个念头：这不就是绘本插画吗？他花了两周研究 Amazon KDP，逻辑极其简单：ChatGPT 写故事，Midjourney 出图，排版上传，等着收钱。“那时候真的好赚，”他说，“几本叠上去，一个月能有一万多的被动收入。”

但窗口没开多久。2023 年下半年，KDP 上的 AI 绘本开始爆炸式增长，TikTok 上冒出将近九万条同类教程，标题清一色的风格：EASY AI Money，靠儿童绘本月入十万。

所有人涌进同一条赛道，销量迅速被摊薄。质量问题也随之暴露，AI 绘本里开始出现长着巨大前腿的恐龙、手指数量对不上的小孩。各大平台开始要求上传时必须申报是否使用了 AI，这条赛道基本宣告终结。“现在靠 AI 绘本赚钱就已经很难了。”赵磊说。

然后他和那批做 AI 擦边的人，不约而同走向了同一个终点：卖课（在这一点上，近期爆火的“龙虾”做到了极致）。

图片来源 Giphy

赵磊卖的是“AI 绘本从零到上架全流程”，做擦边的人卖的是“AI 虚拟模特搭建教程”，买单的都是下一批刚听说这件事、还以为窗口没关的人。

两个赛道，两套内容，包装不同，卖的是同一种东西：一个“我也能做起飞的猪”的幻觉。

审美和“旧技能”，卡住了一堆人

这些听起来是站在风口捡钱的生意，到底有什么门槛？

一个互联网 UX 设计师朋友给过我一个答案：网络区域限制和会员费。她在 Midjourney 刚出来的时候写了一本操作指南，99 块一本，现在还挂在小红书上做睡后收入。从工具使用的角度来说，她看得很准——门槛确实在快速下降。

但作为一个绘画功底停留在火柴人、在各类 AIGC 工具里丑图频出的人，我得补充一点她没说的：还有一个门槛，叫审美。

图片来源 Giphy

以前大家开玩笑说，AI 替代不了设计师，因为甲方根本不知道自己要什么。我以为这是个段子，直到我亲自去用这些工具，才发现这个段子在我身上一字不差地应验了。

去年我做了一个媒体账号，想用“可积岛”这个物理概念来做 logo。可积岛大概可以理解成，在混沌的信息流中，那些值得沉淀下来的东西。我找来了这个概念的参考图，打开工具，把图丢进去，又写了一堆描述性的提示词，然后开始出图。结果出来的东西一团乱，改了七八版，每一版都在乱的基础上换了个乱法。我知道我想要某种感觉，但完全不知道怎么把那个感觉翻译成指令。最后还是找了一个做设计的朋友帮忙，她花了二十分钟，出来的版本和我折腾两个小时的结果，根本不是一个量级。

上图为修改前、下图为修改后

问题不在工具，在我。更准确地说，在于我没有办法把脑子里模糊的审美感受，变成精确的语言。

这个困境不只是我一个人的。

一个做内容运营的朋友去年开始用 Seedance 做短视频，工具本身她很快就学会了，但真正卡住她的是写分镜。“我知道我想要一个有质感的画面，但’有质感’这三个字放进提示词里什么用都没有，”她说，“我不知道那个质感具体是什么光、什么景别、什么运镜。”最后做出来的东西，她形容是“有点像但哪儿都不对”。

另一个朋友用 Marble 做内容素材，一个可以通过文字和图片生成 3D 画面的工具，反复出图反复推翻，折腾了半天才意识到，自己根本没有参考系，不知道“好”长什么样，也就没办法判断生成出来的东西到底是不是自己想要的。

Marble 生成 3D 图全景

对比鲜明的是一个有摄影经验的朋友，同样的工具，他的出图质量明显高出一截。他说他其实没花太多时间研究提示词技巧，“就是知道自己想要什么构图、什么光线，把这些说清楚，工具自然就给得准。”

工具的能力在快速变强，但使用者之间的差距并没有因此缩小，反而在某种程度上被放大了。以前大家都做不出好东西，现在有审美积累的人可以做出很好的东西，没有的人还是在“能用”和“好用”之间徘徊。

工具也在对这个现实做出回应。NotebookLM 这类一键模板工具的走红，背后逻辑很简单：它绕开了“你得先知道自己要什么”这个前提。模板帮你做了审美决策，你只需要填内容。但模板的上限也在这里，它能解决“能用”，解决不了“好看”。

这件事在文字方向上体现得同样清楚。我有一个做市场策划的朋友，最近被调去负责 PR，需要大量输出文字稿件。领导说可以用 AI，她反而更困惑，来找我要之前写的一个 AI 写作手册。症结在于：她对“一篇好的 PR 稿”没有感觉，不知道好的标准是什么，面对 AI 生成的内容，她没有办法判断要往哪个方向改。

图片来源 Giphy

而我自己用 AI 写作反而顺手很多。不是因为我更懂工具，是因为做文字记者多年，对表达有判断，知道一句话好在哪、哪里别扭，知道 AI 给的东西差在什么地方、要往哪里推。审美在这里变成了一种很实用的能力：它让你知道终点在哪，而不是漫无目的地让 AI 一遍遍重跑。

当工具能力不是问题的时候，审美和“旧技能”就成了最大的门槛——用不好的甚至还不如完全不用的。

我要的是色色，AI 和真人的分别重要吗？

最先吃到螃蟹的人不仅会吃到甜头，也会惹上争议。现在的 AIGC 圈就出现了一个吊诡的现象：用不用 AI，比作品好不好，还重要。

方远（化名）是个品牌设计师，他接了一个品牌视觉的项目，用 AI 工具把以往要花两周的流程压进了三天，他自己觉得出来的效果比以前还好一截。东西发出去，等对方回复。

结果对方回的第一句话不是对作品的评价，而是“这么快，你是不是用 AI 了？”方远还没来得及回，紧接着又来一条：“我们不接受有 AI 参与的设计作品。”他到现在也不确定对方有没有打开过附件。他很郁闷，效率太高，还成罪过了。

图片来源 Giphy

面对这个处境的不止他一个人。AI 已经在很多人的评价体系里，悄悄变成了一个道德审判的坐标。这和 Photoshop 或者 Excel 不一样。没有人会在收到一张修过图的照片时问“你是不是用了修图软件”，也没有人会在拿到一份财务报表时追问“你是用 Excel 算的吗”。

AI 触发的是另一种怀疑，一种更接近“你有没有真的做这件事”的追问。

创意工作里向来有一种隐性的契约，好的作品意味着有人为它付出过时间、精力、打磨。AI 的出现却正好破坏了“付出”和“产出”之间那条大家默认存在的因果线。

你用 AI 三天做出来的东西，和别人手工两周做出来的东西放在一起，哪怕质量一样，前者会让人觉得有什么地方不对劲。这种“不对劲”可以总结成”不公平”。

亚利桑那大学曾做过一项研究，结果设计师如果主动告知客户使用了 AI 辅助，即便解释了 AI 只是辅助环节，客户对设计师的信任依然平均下降了 20%。

而随着 AIGC 技术的成熟，这个问题逐渐从甲乙方个人信任问题，上升到了平台问题。

从 2023 年开始，国家陆续出台相关规定，要求对 AI 生成内容进行标注：先是 1 月的《互联网信息服务深度合成管理规定》，主要管 AI 换脸、合成声音这类深度合成技术；同年 8 月《生成式人工智能服务管理暂行办法》正式落地，把 ChatGPT 类的生成式服务也纳入进来。到了 2025 年 3 月，监管再度升级，国家网信办联合多部门发布《人工智能生成合成内容标识办法》，这一次的规定覆盖了文字、图片、音频、视频全部内容形态。

但规范无法划清的，是定义。

平台能识别一段 100%由 AI 生成的视频，却很难判断边界地带，一张自拍照放进 AI 里调了色和构图，算不算 AI 生成内容；一段视频，素材是自己拍的但剪辑和配乐都交给了 AI，要不要打标签；一篇稿子，AI 出了初稿，人改了七成，这个标签算谁的……

图片来源 Giphy

边界感的难题背后，其实是权责的问题。定义不清楚，责任就没有落点。当一首歌的旋律是 AI 写的、人改了词，出了版权纠纷，谁来负责？或者一篇测评是 AI 生成的、博主只改了语气，买了推荐产品发现名不副实，我们追问“是不是 AI 做的”，其实是在追问一个更朴素的问题，这个作品背后，到底有没有一个人在认真负责，有没有人在想你的问题，有没有人在乎结果好不好？

最难划清的不是边界，是责任。

作者：沙拉酱

食色性也，大部分伟大的商业模式的崛起都离不开这点事，AIGC 也不例外。

A16Z，硅谷投资圈的顶流 VC，出了一份研究 AI 消费趋势的报告。这份本该正经讨论 AI 生产力的报告里，藏着一页让人哭笑不得的折线图：去年美国用户花在 OpenAI 和纽约时报上的钱，加起来还没有花在 OnlyFans 上的多。

A16Z 报告表格

很讽刺，也很真实——生产力，还不如性张力。

那么，靠 AI 擦边，能赚多少钱？

图片来源 Giphy

生产力不如性张力

第一波做 AI 虚拟模特的人，最清楚。

大概从 2022 年底开始，Midjourney、Stable Diffusion 这类工具刚刚能稳定出图，就有人意识到：这东西能捏出以假乱真的人脸，能批量生产，成本几乎为零。他们用 AI 生成虚拟女性形象，配上一个名字、一段人设、几条精心设计的“生活日常”，在 Instagram 和 TikTok 上以真人面目运营，私信里的亲密回复则由 ChatGPT 代劳，提供所谓的“女友体验”。整条链路几乎全自动化，背后的操盘手甚至不需要露面。

图片来源 Giphy

这套玩法在 OnlyFans 的竞品平台 Fanvue 上跑得最顺。Fanvue 对 AI 内容的态度更宽松，据其官方披露，2023 年 11 月 AI 虚拟模特已经贡献了平台 15%的总收入。到 2024 年，头部 AI 虚拟模特的月收入普遍在两万美元以上，部分运营成熟的账号年收入已超过二十万美元。2025 年，这个数字还在涨。据 Fanvue CEO Will Monange 在 2025 年接受采访时透露，平台上 AI 创作者的总体收入较 2024 年同期增长超过 60%，虚拟模特已经成为平台增长最快的内容品类。

OnlyFans 官方明确禁止 AI 内容，但一直有人在钻空子。Reddit 上经常有人讨论怎么用 AI 擦边在 OnlyFans 上赚钱，常见的办法是找真人女性完成平台的人脸认证，再用她的照片训练 AI 模型批量生产内容。

图片来源 Giphy

平台再严格，架不住技术在进步，现在 AI 出图以假乱真的程度就连老司机都难以分辨。前几天我就在小红书刷到一个擦边帅哥坐在车里的视频，要不是打开评论区看到置顶的评论是“这个 AI 审美真好”，我都没反应过来这是 AI 帅哥。

成人内容之外，还有一波人靠 AI 赚到了钱，方向完全不同：儿童绘本。

赵磊（化名）是最早入场的那批人之一。2022 年底，他刚从一家大厂的产品岗被裁，正在家里研究新出路。那会儿 Midjourney 刚刚能稳定出图，他看着生成出来的水彩风小动物，脑子里冒出一个念头：这不就是绘本插画吗？他花了两周研究 Amazon KDP，逻辑极其简单：ChatGPT 写故事，Midjourney 出图，排版上传，等着收钱。“那时候真的好赚，”他说，“几本叠上去，一个月能有一万多的被动收入。”

但窗口没开多久。2023 年下半年，KDP 上的 AI 绘本开始爆炸式增长，TikTok 上冒出将近九万条同类教程，标题清一色的风格：EASY AI Money，靠儿童绘本月入十万。

所有人涌进同一条赛道，销量迅速被摊薄。质量问题也随之暴露，AI 绘本里开始出现长着巨大前腿的恐龙、手指数量对不上的小孩。各大平台开始要求上传时必须申报是否使用了 AI，这条赛道基本宣告终结。“现在靠 AI 绘本赚钱就已经很难了。”赵磊说。

然后他和那批做 AI 擦边的人，不约而同走向了同一个终点：卖课（在这一点上，近期爆火的“龙虾”做到了极致）。

图片来源 Giphy

赵磊卖的是“AI 绘本从零到上架全流程”，做擦边的人卖的是“AI 虚拟模特搭建教程”，买单的都是下一批刚听说这件事、还以为窗口没关的人。

两个赛道，两套内容，包装不同，卖的是同一种东西：一个“我也能做起飞的猪”的幻觉。

审美和“旧技能”，卡住了一堆人

这些听起来是站在风口捡钱的生意，到底有什么门槛？

一个互联网 UX 设计师朋友给过我一个答案：网络区域限制和会员费。她在 Midjourney 刚出来的时候写了一本操作指南，99 块一本，现在还挂在小红书上做睡后收入。从工具使用的角度来说，她看得很准——门槛确实在快速下降。

但作为一个绘画功底停留在火柴人、在各类 AIGC 工具里丑图频出的人，我得补充一点她没说的：还有一个门槛，叫审美。

图片来源 Giphy

以前大家开玩笑说，AI 替代不了设计师，因为甲方根本不知道自己要什么。我以为这是个段子，直到我亲自去用这些工具，才发现这个段子在我身上一字不差地应验了。

去年我做了一个媒体账号，想用“可积岛”这个物理概念来做 logo。可积岛大概可以理解成，在混沌的信息流中，那些值得沉淀下来的东西。我找来了这个概念的参考图，打开工具，把图丢进去，又写了一堆描述性的提示词，然后开始出图。结果出来的东西一团乱，改了七八版，每一版都在乱的基础上换了个乱法。我知道我想要某种感觉，但完全不知道怎么把那个感觉翻译成指令。最后还是找了一个做设计的朋友帮忙，她花了二十分钟，出来的版本和我折腾两个小时的结果，根本不是一个量级。

上图为修改前、下图为修改后

问题不在工具，在我。更准确地说，在于我没有办法把脑子里模糊的审美感受，变成精确的语言。

这个困境不只是我一个人的。

一个做内容运营的朋友去年开始用 Seedance 做短视频，工具本身她很快就学会了，但真正卡住她的是写分镜。“我知道我想要一个有质感的画面，但’有质感’这三个字放进提示词里什么用都没有，”她说，“我不知道那个质感具体是什么光、什么景别、什么运镜。”最后做出来的东西，她形容是“有点像但哪儿都不对”。

另一个朋友用 Marble 做内容素材，一个可以通过文字和图片生成 3D 画面的工具，反复出图反复推翻，折腾了半天才意识到，自己根本没有参考系，不知道“好”长什么样，也就没办法判断生成出来的东西到底是不是自己想要的。

Marble 生成 3D 图全景

对比鲜明的是一个有摄影经验的朋友，同样的工具，他的出图质量明显高出一截。他说他其实没花太多时间研究提示词技巧，“就是知道自己想要什么构图、什么光线，把这些说清楚，工具自然就给得准。”

工具的能力在快速变强，但使用者之间的差距并没有因此缩小，反而在某种程度上被放大了。以前大家都做不出好东西，现在有审美积累的人可以做出很好的东西，没有的人还是在“能用”和“好用”之间徘徊。

工具也在对这个现实做出回应。NotebookLM 这类一键模板工具的走红，背后逻辑很简单：它绕开了“你得先知道自己要什么”这个前提。模板帮你做了审美决策，你只需要填内容。但模板的上限也在这里，它能解决“能用”，解决不了“好看”。

这件事在文字方向上体现得同样清楚。我有一个做市场策划的朋友，最近被调去负责 PR，需要大量输出文字稿件。领导说可以用 AI，她反而更困惑，来找我要之前写的一个 AI 写作手册。症结在于：她对“一篇好的 PR 稿”没有感觉，不知道好的标准是什么，面对 AI 生成的内容，她没有办法判断要往哪个方向改。

图片来源 Giphy

而我自己用 AI 写作反而顺手很多。不是因为我更懂工具，是因为做文字记者多年，对表达有判断，知道一句话好在哪、哪里别扭，知道 AI 给的东西差在什么地方、要往哪里推。审美在这里变成了一种很实用的能力：它让你知道终点在哪，而不是漫无目的地让 AI 一遍遍重跑。

当工具能力不是问题的时候，审美和“旧技能”就成了最大的门槛——用不好的甚至还不如完全不用的。

我要的是色色，AI 和真人的分别重要吗？

最先吃到螃蟹的人不仅会吃到甜头，也会惹上争议。现在的 AIGC 圈就出现了一个吊诡的现象：用不用 AI，比作品好不好，还重要。

方远（化名）是个品牌设计师，他接了一个品牌视觉的项目，用 AI 工具把以往要花两周的流程压进了三天，他自己觉得出来的效果比以前还好一截。东西发出去，等对方回复。

结果对方回的第一句话不是对作品的评价，而是“这么快，你是不是用 AI 了？”方远还没来得及回，紧接着又来一条：“我们不接受有 AI 参与的设计作品。”他到现在也不确定对方有没有打开过附件。他很郁闷，效率太高，还成罪过了。

图片来源 Giphy

面对这个处境的不止他一个人。AI 已经在很多人的评价体系里，悄悄变成了一个道德审判的坐标。这和 Photoshop 或者 Excel 不一样。没有人会在收到一张修过图的照片时问“你是不是用了修图软件”，也没有人会在拿到一份财务报表时追问“你是用 Excel 算的吗”。

AI 触发的是另一种怀疑，一种更接近“你有没有真的做这件事”的追问。

创意工作里向来有一种隐性的契约，好的作品意味着有人为它付出过时间、精力、打磨。AI 的出现却正好破坏了“付出”和“产出”之间那条大家默认存在的因果线。

你用 AI 三天做出来的东西，和别人手工两周做出来的东西放在一起，哪怕质量一样，前者会让人觉得有什么地方不对劲。这种“不对劲”可以总结成”不公平”。

亚利桑那大学曾做过一项研究，结果设计师如果主动告知客户使用了 AI 辅助，即便解释了 AI 只是辅助环节，客户对设计师的信任依然平均下降了 20%。

而随着 AIGC 技术的成熟，这个问题逐渐从甲乙方个人信任问题，上升到了平台问题。

从 2023 年开始，国家陆续出台相关规定，要求对 AI 生成内容进行标注：先是 1 月的《互联网信息服务深度合成管理规定》，主要管 AI 换脸、合成声音这类深度合成技术；同年 8 月《生成式人工智能服务管理暂行办法》正式落地，把 ChatGPT 类的生成式服务也纳入进来。到了 2025 年 3 月，监管再度升级，国家网信办联合多部门发布《人工智能生成合成内容标识办法》，这一次的规定覆盖了文字、图片、音频、视频全部内容形态。

但规范无法划清的，是定义。

平台能识别一段 100%由 AI 生成的视频，却很难判断边界地带，一张自拍照放进 AI 里调了色和构图，算不算 AI 生成内容；一段视频，素材是自己拍的但剪辑和配乐都交给了 AI，要不要打标签；一篇稿子，AI 出了初稿，人改了七成，这个标签算谁的……

图片来源 Giphy

边界感的难题背后，其实是权责的问题。定义不清楚，责任就没有落点。当一首歌的旋律是 AI 写的、人改了词，出了版权纠纷，谁来负责？或者一篇测评是 AI 生成的、博主只改了语气，买了推荐产品发现名不副实，我们追问“是不是 AI 做的”，其实是在追问一个更朴素的问题，这个作品背后，到底有没有一个人在认真负责，有没有人在想你的问题，有没有人在乎结果好不好？

最难划清的不是边界，是责任。

深潮 TechFlow 消息，03 月 23 日，据链上分析平台 Lookonchain（@lookonchain）监测，贝莱德 ETF 地址向 Coinbase 存入 839 枚 BTC（价值约 5740 万美元）和 14,802 枚 ETH（价值约 3030 万美元），并可能继续存入更多。

深潮 TechFlow 消息，03 月 23 日，据上海证券报报道，国家数据局局长刘烈宏 3月 23 日在中国发展高层论坛 2026 年年会上表示，今年 3 月中国日均 Token 调用量已突破 140 万亿，较 2024 年初的 1000 亿两年增长超千倍。

刘烈宏指出，Token 是大模型处理信息的最小单元，具有可计量、可定价、可交易的特征，围绕 Token 的调用、分发与结算，一套新的价值体系正在加速形成，成为人工智能产业变现的重要路径。他同时表示，随着中国数据要素市场化配置改革纵深推进，”数据供给—价值释放”的良性循环已初现端倪。

撰文：Tiger Research

编译：AididiaoJP，Foresight News

错失恐惧症正席卷加密行业。从交易所到安全公司，各类机构纷纷推出由人工智能驱动的服务。本文将探讨各公司选择在当前时点作出这一布局的原因。

要点

• 涵盖交易所、安全、支付、研究等领域的加密企业，正同步推出人工智能相关服务。
• 与以往周期不同，本轮领跑者为 Coinbase、Binance 等已具备成熟盈利模式的头部企业。人工智能已从概念炒作演变为运营层面的必要能力。
• 各行业采纳人工智能的动因存在差异：交易所旨在降低用户流失率；安全企业着力弥补审计盲区；支付基础设施则瞄准新兴的智能体经济。
• 功能上线与实际应用之间存在距离。对人工智能的错失恐惧与竞争压力，正在推动企业以超越实际需求的速度加快布局。
• 真实需求与竞争焦虑共同驱动着本轮浪潮。核心问题在于，如何区分真正创造价值的应用与仅流于表面的贴牌行为。

加密企业正纷纷推出人工智能服务

人工智能是目前全球市场最受关注的领域。ChatGPT、Claude 等通用型工具已融入日常生活，OpenClaw 等平台则进一步降低了构建智能体的技术门槛。

加密行业虽然在这一轮浪潮中反应稍显滞后，但目前已在各个垂直领域加速整合人工智能能力。

这些企业具体推出了哪些人工智能服务？它们选择进入该领域的动因又是什么？

加密企业如何应用人工智能

研究领域

来源：Surf AI

加密研究存在结构性问题：链上数据、市场情绪、关键指标分散于不同平台，验证难度较大。通用型人工智能在处理加密相关问题时，常常给出不准确的回答。

针对这一现状，Surf 等项目推出了面向加密领域的专属人工智能研究工具，将分散的数据源加以整合。在所有加密领域的人工智能应用场景中，研究类工具对普通用户的门槛最低，无需编程或交易经验即可使用。

交易领域

来源：Bitget

交易所在人工智能应用方面走在前列。

各交易所的路径不尽相同。有的直接向用户开放专有交易数据；有的则允许用户以自然语言向人工智能智能体下达指令，由智能体将分析到执行一步完成。

交易所提供 API 服务已有多年历史。当前的变化在于新增了交互层：通过 MCP、AI Skills 等接口，非开发人员也可借助人工智能智能体调用交易所功能。原本仅限于开发者的工具，如今通过自然语言即可操作。

这一变化与用户群体的演变方向一致。越来越多不具备编程背景的用户开始借助人工智能智能体构建自动化交易策略。用户只需描述策略思路，智能体即可完成算法搭建与运行。

对于交易所而言，这一趋势既是机遇也是挑战。随着人工智能驱动的用户群体不断壮大，其对单一平台的黏性随之下降，因为智能体可在不同交易所之间灵活执行交易。交易所积极布局人工智能的核心动因在于：快速吸引用户并提升其在平台内的活跃度。

与信息查询类应用不同，交易涉及真实的资产管理，对判断力与责任机制的要求更高。但随着使用门槛逐步降低，这一领域同样在向普通用户敞开大门。

安全与审计领域

来源：Certik

智能合约审计传统上依赖人工逐行审查代码，流程缓慢、成本较高，且审计质量因执行者不同而存在差异。当前，人工智能已被引入工作流程：首先由人工智能完成代码扫描，再由审计人员进行针对性的深度复核。此举在不替代审计人员的前提下，提升了效率与覆盖面。

CertiK 是该领域的代表性企业。该公司此前曾因部分审计项目后续发生安全事故而受到质疑。但相关事件多发生于审计范围之外——审计仅针对特定时间节点的代码，不包含持续监控环节。

CertiK 通过人工智能补足了这一短板。其在审计完成后引入实时监控机制，并通过公开面板对外展示。由于扩展的监控能力由人工智能驱动，无需投入大量人力，因而对 CertiK 及其审计对象均构成利好。

在安全领域，人工智能的应用并非意在颠覆既有服务，而是拓展人工工作的边界：提升审计环节的精准度，并弥补审计后阶段的监控盲区。对于区块链安全公司而言，人工智能并非新的业务方向，而是解决既有业务痛点的工具。

支付基础设施领域

来源：Coinbase

人工智能智能体若需参与经济活动，必须拥有可用的支付通道，例如为 API 付费、购买数据、向其他智能体采购服务等。对于智能体而言，最为适配的支付方式为与稳定币搭配的链上钱包。

当前主要存在两种模式。其一为通用协议，将支付功能嵌入 HTTP 请求，智能体在调用付费 API 时可同步完成链上结算。其二为面向智能体的支付插件，智能体仅在人类预设的权限与额度范围内执行支付操作。

支付基础设施是与稳定币关联最为紧密的领域。但由于支付主体为人工智能智能体而非自然人，目前尚不存在完全成熟的运行模式。

来源：Circle

稳定币 USDC 的发行方 Circle 同样受到市场关注。该公司已发布提案，计划将其 Gateway 支付基础设施与 x402 协议对接，并邀请开发者与研究人员参与审阅与共建。

该领域目前尚未进入成熟阶段，但市场已开始将相关预期计入定价。Circle 股价上涨的重要驱动因素之一，便是围绕人工智能智能体支付的叙事。相较于前述领域，支付基础设施的实现仍需更长时间，但已确立为当前市场中最重要的宏观主题之一。

加密企业为何在当前时点进入人工智能领域

ChatGPT 于 2022 年 11 月推出时，人工智能与加密行业均未处于成熟状态。人工智能模型虽展现出一定能力，但尚无法可靠完成任务；加密行业则因 FTX 崩盘事件陷入严重的信任危机。

此后，人工智能技术取得显著进步。过去一年间，各主流模型的能力均实现大幅提升，实用性明显增强。相比之下，加密行业在同一时期内更多停留于「借用」人工智能概念的阶段，表现为人工智能主题的迷因币、缺乏实际功能的人工智能智能体，以及以营销为导向的宣传话术。去中心化人工智能基础设施项目持续涌现，但与同类的原生人工智能服务相比，其产品质量存在明显差距。

当前，差距仍在进一步拉大。在人工智能领域，MCP（支持智能体直接调用外部工具）、OpenClaw（支持无代码构建智能体）等基础设施的成熟，使智能体时代从概念走向现实。加密企业目前方才开始实质性跟进。

本轮变化的关键在于行动主体的不同。领跑者不再是借人工智能概念进行品牌包装的新兴项目，而是已具备稳定收入模式的头部企业——Coinbase、Binance、Bitget 等。这些公司并无将人工智能服务作为营销噱头的动机。驱动其行动的核心因素并非当前收益，而是对落后于行业发展的焦虑，即错失恐惧症。

来源：FORTUNE

这种紧迫感在 Coinbase 首席执行官 Brian Armstrong 的举措中可见一斑。他要求全体工程师在一周内完成人工智能编码工具的上手培训，并对未达标者予以解聘。

但与此同时，保持审慎判断同样必要。以交易自动化为例，人工智能智能体可以完成价格查询与策略建议，但实际愿意将资金交由智能体进行实盘交易的用户有多少？x402 协议是否已进入实际应用阶段？

总体而言，加密行业对人工智能的布局并非追逐短期热点。随着人工智能时代的轮廓逐渐清晰，各企业正加紧行动，以巩固自身行业地位。功能上线与实际应用之间仍存在距离，但行动主体的身份本身便具有重要指向意义。

不妨将人工智能行业比作一个正在蓄水的泳池。早期入水者中，不少只是佯装会游。当前入局者，则是具备深厚积累的资深选手。水位将升至多高、泳池是否会扩展为海洋，尚无定论。但可以确定的是，加密行业不会在这场浪潮中被边缘化。

撰文：Andjela Radmilac

编译：Saoirse，Foresight News

加密货币漏洞攻击能在几分钟内掏空一个钱包，但完整的损失往往要持续数月才完全显现。代币价格不断下跌，项目资金池缩水，招聘冻结，即便挺过被盗事件的项目，也可能在后续风波中彻底失去未来。

加密货币的黑客攻击，绝不会在钱包被清空的那一刻就结束。盗窃来得迅猛、直观，随后一场更缓慢的崩塌开始在项目内部蔓延。

代币持续走低，资金池随之缩水，招聘计划被削减，产品开发延期，合作伙伴纷纷撤离。本应全力复苏的项目，却要花上数月时间挽回信誉，而非投入建设。

这正是 Immunefi 最新《2026 年链上安全状况报告》所描绘的景象。它的核心观点适用于任何市场 —— 无论是加密行业还是传统领域：初期损失只是伤害的一部分。

更严重的问题，在于漏洞攻击对项目未来的毁灭性影响。Immunefi 数据显示，其样本中单次攻击的平均直接被盗金额约为 2500 万美元，而被盗代币六个月内的中位数跌幅高达 61%。在此期间，84% 的代币无法回到被盗当天的价格，项目团队至少要花费三个月时间用于善后修复，耽误正常开发。

但这些数据存在一定前提：代币下跌有多重原因，很多项目在遭遇攻击前本身就已脆弱 —— 流动性差、估值过高、或是早已失去增长动力。

Immunefi 承认，他们无法完全将黑客攻击的影响与大盘走弱、项目自身问题剥离开。即便如此，报告揭示的规律依然值得重视：黑客攻击早已不是孤立的盗窃事件，更像是一场长尾式的企业危机。

这份报告的价值在于：它证明，在热点新闻消退后，黑客攻击的后续影响仍在长期持续地造成伤害。

中位数攻击损失在下降，但极端攻击变得更加危险

Immunefi 统计，2024—2025 年共发生 191 起 加密攻击事件，总损失 46.7 亿美元；五年内累计 425 起攻击，损失总额达 119 亿美元。

每年攻击数量几乎没有变化：2024 年 94 起，2025 年 97 起，与 2023 年基本持平。这说明整个市场的安全性并没有明显改善。黑客攻击已成为加密行业的常态，而几起巨型攻击则足以定义一整年的行业风险。

报告揭示了一个核心矛盾：

2024—2025 年攻击损失的中位数为 220 万美元，低于 2021—2023 年的 450 万美元。表面看似乎是进步。但平均损失仍高达约 2450 万美元，是中位数的 11 倍以上；而此前这一差距仅为 6.8 倍。排名前五的攻击，占所有被盗资金的 62%；前十起攻击，占到 73%。

这是一种极度危险的分布形态：市场看起来平稳安全，直到一次巨型事件将其撕裂。普通攻击的规模变小了，但真正的致命风险藏在尾部 —— 少数几起特大事故会吸收绝大部分损失，并在一天内冲击整个市场。

最典型的案例就是 Bybit。该交易所 15 亿美元的漏洞攻击，成为 2025 年最具标志性的黑客事件，仅这一起就占当年所有被盗资金的 44%。

人们很容易把这类事件当作新闻奇观，但它暴露了更深层的风险集中问题：一个核心平台的一次失守，就足以扭曲全行业年度损失结构，暴露出少数关键节点仍堆积着巨大风险。

漫长的下跌，才是项目真正崩溃的开始

报告中关于被盗资金的数据固然值得关注，但最令人警醒的是价格冲击部分。

在 Immunefi 统计的 82 个被盗代币样本中：

• 被盗后两天内，中位数跌幅约 10%，与上一轮周期基本持平；
• 但真正的冲击在后期显现：六个月中位数跌幅扩大至 61%，高于 2021—2023 年的 53%。

六个月后：

• 56.5% 的被盗代币跌幅超过 50%；
• 14.5% 跌幅超过 90%；
• 只有约 16% 的代币价格回到被盗当日水平之上。

图表显示了 2024 年和 2025 年 Immunefi 样本中 82 种被黑客攻击的代币的中位数代币价格跌幅（来源：Immunefi）

要理解黑客攻击的全部影响，我们不能再把代币价格看作一个孤立的市场指标。对绝大多数加密项目而言，代币就是资金库、融资基础，也是公开的信誉成绩单。长期暴跌会直接重创项目的运营周期、招聘能力、合作话语权与内部士气。

报告指出，遭遇攻击的项目往往在几周内就流失安全负责人，并且至少进入三个月的修复期。即便时间因项目而异，后果显而易见：代币崩盘、品牌受损的项目，几乎没有喘息和翻盘的空间。

很多市场都能承受一次失窃、一个糟糕季度，甚至一次声誉危机。但加密行业常常把三者压缩在同一场事件里：攻击掏空资金 → 代币暴跌公开重估项目价值 → 内部还没清理完，合作方就已撤离。

在这种环境下复苏极其困难，对本身资金就不充裕的团队更是致命。

依赖风险让情况雪上加霜。Immunefi 认为，DeFi 生态愈发互联，在跨链桥、稳定币、流动性质押、再质押、借贷市场之间形成了更长、更脆弱的风险链条。

尽管报告中的部分案例仍需外部验证，但大趋势毋庸置疑：如今的加密系统层级更复杂，这意味着一次攻击的影响，会远远超出出事协议本身，向外扩散。

中心化平台依旧处在爆炸中心。

报告显示，2024—2025 年的 191 起攻击中，只有 20 起针对中心化交易所，但这 20 起造成的损失高达 25.5 亿美元，占总损失的 54.6%。

这将问题从智能合约漏洞，拉回到资产托管、密钥管理、基础设施过度集中上。对于一个常以「去中心化抗风险」为卖点的行业，大部分巨额损失依然发生在高度依赖信任的中心化节点。

但这并不意味着所有被盗项目都注定失败。行业已经进入新阶段：项目能否存活，不再取决于能不能扛住一次攻击，而在于能不能扛住攻击之后的六个月。

盗窃只是危机的开端。真正决定项目还有没有未来的，是攻击之后那漫长、缓慢、持续的二次伤害。

撰文：David Christopher

编译：Saoirse，Foresight News

x402 与 MPP 之争是个错误的讨论方向。真正的问题在于：Cloudflare 会选择谁来发行 NET Dollar 稳定币。

近日，Stripe 推出了 MPP（机器支付协议），并将其作为 Tempo 主网上线的旗舰产品。

简单介绍一下：Tempo 是一条专注于支付的 EVM 公链，由 Paradigm 前员工和以太坊前核心开发者打造。MPP 是一个基于 HTTP 的开放协议，用于智能体与机器之间的支付，它重新启用了长期被搁置的 HTTP 402 状态码（需要支付），和 x402 类似，但架构理念不同。

两个协议的核心取舍非常直白：x402 更看重开放性；MPP 则能与现有支付系统更好地集成，但代价是会被绑定在 Stripe 生态里。

与其继续争论这些技术细节，不如把目光放在另一个维度上。现阶段纠结 MPP 和 x402 谁技术更优意义不大。水面之下，有一组更重要、更有影响力的博弈：Coinbase 和 Stripe 正在争夺与第三方巨头 Cloudflare 的合作机会，而 Cloudflare 的站队，将极大影响哪套标准成为行业主流。

爬虫摧毁了旧模式

在展开之前，我们先重申智能体支付要解决的核心问题：AI 智能体让网页爬取变得过于简单。

2024 到 2025 年，维基百科流量因为爬虫暴涨 50%，服务器压力巨大、成本飙升。它至少 65% 的高消耗请求都来自机器人。2025 年 2 月，图片网站 DiscoverLife 每天被数百万次爬虫请求轰炸，网站几乎瘫痪。8 月，云服务商 Fastly 报告，有机器人以每分钟 39000 次的频率请求一个网站。开放获取期刊目录 DOAJ 也遭遇类似情况，并称这波爬虫潮「相当于功能性的拒绝服务攻击」。11 月的某一天，其流量同比暴涨 968%。

虽然网站加了 robots.txt 规则（告诉爬虫哪些能爬、哪些不能爬），但超过 13% 的爬虫会直接无视这些规则。它们压垮服务器，给依赖捐赠运营的网站带来巨大压力。

商业网站也没能幸免：Reddit 收紧了请求频率限制；全球十大新闻网站里有八家现在会屏蔽用于训练的机器人；整体来看，71% 的头部内容平台完全屏蔽检索类爬虫。

AI 机器人每日网站请求量趋势

但互联网并非全面封锁。提供高价、高时效性数据（价格、酒店预订、专业数据集）的网站，开始对数据访问收费。普通、低价值内容仍可通过缓存、代理免费爬取。爬虫不会消失，但互联网正在分裂成：免费内容和付费内容。这正是 x402 和 MPP 出现的原因。

正如 Ethos Network 创始人 Serpin 所说：「这种爬虫趋势意味着互联网将会改变：更多封闭网站、更多人机验证、更多人与机器流量的分离。」

Cloudflare 处在关键位置

Cloudflare 是网站与访客之间的中间层：防护攻击、加速加载、处理大规模流量。全球约 20% 的网站都在使用它，是互联网上最关键的枢纽之一。Cloudflare 对流量规则的任何决定，都会影响五分之一的互联网。

这也意味着，Cloudflare 最直观地感受到了机器人流量暴涨、爬虫泛滥带来的压力，并且正在着手解决。

一开始，它只是给网站提供屏蔽所有机器人的功能。去年，Cloudflare 推出了「按爬取付费」：网站不必直接屏蔽机器人，而是可以向 AI 爬虫收取小额费用。机器人访问页面时，要么付费获取权限，要么收到 402「需要支付」的响应。计费由 Cloudflare 处理。这是「完全封禁」和「完全免费」之间的折中方案。

7 月推出按爬取付费后，9 月 Cloudflare 又与 Coinbase 联合成立了 x402 基金会。几天后，他们宣布推出 NET Dollar—— 一种用于智能体支付的稳定币。

换句话说：Cloudflare 既在建「墙」（屏蔽），也在开「窗」（付费访问）。它决定谁被拒之门外、谁可以进入，以及以什么条件进入。正是这个位置，让它接下来的选择至关重要。

NET Dollar 才是真正的信号

Cloudflare 宣布 NET Dollar 时，没有公布发行方。即便 12 月它的合作伙伴 Coinbase 已经公开推出企业定制稳定币发行服务，Cloudflare 至今仍未官宣。

而本周《The Information》的一篇报道让局势更加清晰：Cloudflare 究竟找谁合作发行 NET Dollar 仍然悬而未决，Coinbase、ZeroHash 等公司都在争夺这笔合作，这也为其他人（比如 Stripe）留下了空间。

更值得注意的是：就在周三 MPP 发布后，Cloudflare 立刻推出了兼容 MPP 的代理。这其实并不奇怪，因为 MPP 也支持 x402 支付，两者并非完全对立的标准。但问题在于：Cloudflare 既没有确定稳定币发行方，曾经和它一起成立 x402 基金会的 Coinbase，也只是众多竞标者之一。

这件事为什么重要？因为 NET Dollar 会成为 Cloudflare「按爬取付费」及其他付费访问服务的默认货币。谁负责发行它，谁对应的支付标准就会在 Cloudflare 体系中被优先支持。

• 如果 Coinbase 发行 NET Dollar → Cloudflare 会继续围绕 x402 建设
• 如果 Stripe 发行 → MPP 会获得巨大推力

考虑到 Cloudflare 覆盖全球五分之一网站，并且正在搭建一套「屏蔽 + 付费」的机器人流量体系，它的选择，将直接决定哪套协议成为互联网主流。

争论 x402 和 MPP 谁更好，远不如关注 Cloudflare 最终选择和谁合作。这，才是真正的核心问题。

撰文：Chainalysis

编译：AididiaoJP，Foresight News

2026 年 3 月 22 日，Resolv DeFi 协议成为最新一例，展示了当安全假设失效时，DeFi 领域可能以多快的速度陷入危机。在短短几分钟内，一名攻击者铸造了数千万枚缺乏抵押支撑的 Resolv 稳定币 USR，并从中提取了约 2500 万美元的价值，导致 USR 价格急剧脱钩，协议被迫停止运行。

乍看之下，这似乎又是一起智能合约漏洞事件。然而事实并非如此。相关代码的运行方式与其设计完全一致。

实际上，这是一起对链下基础设施过度信任所引发的事故。随着 DeFi 系统日趋复杂，并日益依赖外部服务、特权密钥及云基础设施，其攻击面已远远超出区块链本身的范畴。

本文将对事件的经过及其影响进行梳理，并进一步探讨：当链下组件遭到入侵时，唯有具备实时能力的链上威胁检测与响应机制，才能作为至关重要的最后一道防线，在可控事件与造成数百万美元损失的漏洞利用之间做出本质区别。

事件概要

攻击者首先存入了一笔金额较小的资金（约 10 万至 20 万美元的 USDC），并以此与 Resolv 的 USR 稳定币铸造系统进行交互。在正常情况下，用户存入 USDC 后，将获得等值的 USR。但在本次事件中，攻击者成功铸造了约 8000 万枚 USR 代币，远超其存款所对应的合理额度。

该情况之所以发生，是因为铸造审批环节依赖于一个链下服务，该服务使用一枚特权私钥对 USR 的铸造数量进行授权。然而，相关的智能合约本身并未对铸造数量设定任何上限——其仅对签名的有效性进行校验。

在铸造出无抵押支撑的 USR 之后，攻击者迅速将其转换为质押版本 wstUSR，随后逐步兑换为其他稳定币，并最终提取为 ETH。截至攻击完成时，攻击者已获利约 2500 万美元的 ETH。大量无抵押 USR 突然涌入市场，导致该代币价格下跌约 80%。

在明确事件结果之后，下文将进一步分析铸造环节的设计缺陷如何为此次攻击提供了条件。

Resolv 代币铸造的正常流程

要理解此次攻击的成因，首先需要了解 Resolv 的铸造机制设计。

当用户希望铸造 Resolv 的原生代币 USR 时，其交互对象并非一个完全自治的链上机制，而是需要经过一个包含两个步骤的链下流程：

requestSwap —— 用户将 USDC 存入 USR Counter 合约，并发起铸造请求。

completeSwap —— 一个由名为 SERVICE_ROLE 的特权私钥控制的链下服务对该请求进行审核，并通过回调合约的方式确定最终的 USR 铸造数量。

合约层面仅规定了 USR 产出的最低数量，但未设定任何上限。链上既未对抵押品存入数量与 USR 铸造数量之间的比率进行校验，也未集成价格预言机、总量上限或最大铸造比例等限制机制。换言之，凡经由该密钥签署的数量，均可被执行铸造。

攻击步骤详解

第一步：获取 Resolv AWS KMS 环境的访问权限

攻击者通过入侵 Resolv 的云基础设施，成功获取了对 Resolv 所使用的 AWS 密钥管理服务环境的访问权限，该环境中存储着协议的特权签名密钥。在掌握 KMS 环境的控制权后，攻击者可以利用 Resolv 自身的铸造密钥，对其所需的任意铸造操作进行授权。

第二步：铸造 USR 代币

在获得签名密钥后，攻击者发起了两次 swap 请求，每次均以较小金额的 USDC 存款作为资金支持，合计金额约 10 万至 20 万美元，分散在多笔交易之中。随后，攻击者使用 SERVICE_ROLE 密钥调用 completeSwap 函数，并填写了虚增的产出数量，从而在仅投入少量 USDC 的情况下，授权铸造了数千万枚 USR。

链上已识别出两笔主要交易：

• 5000 万 USR 铸造交易
• 3000 万 USR 铸造交易

上述交易合计铸造了 8000 万枚 USR 代币，价值约 2500 万美元。

第三步：通过 wstUSR 规避流动性约束

攻击者随后将 USR 转换为 wstUSR。wstUSR 是一种代表质押池份额的衍生代币，其价值不与 USR 保持固定比例。通过将资金转换为 wstUSR，攻击者避免了直接冲击 USR 市场，而是将头寸转移至一种流动性相对较低但更具可替代性的资产形式。

第四步：套现离场

在持有 wstUSR 的基础上，攻击者进一步将其兑换为稳定币，随后再兑换为 ETH，并借助多个去中心化交易所流动性池及跨链桥进行资金转移，以最大化提取金额并增加资金追踪难度。

截至本文撰写时，攻击者地址中仍持有：

• 约 11,400 ETH（价值约 2400 万美元）
• 约 2000 万 wstUSR（按脱钩后价格计算，价值约 130 万美元）

对 USR 持有人的影响

此次事件对 USR 持有者造成了直接且严重的冲击。

新铸造的 8000 万枚无抵押 USR 代币陆续进入去中心化交易所的流动性池。随着供应量急剧增加，USR 与美元的锚定价格迅速崩溃。该代币一度跌至 0.20 美元，跌幅达 80%，随后在数小时内有所回升，至约 0.56 美元。

事件发生后，Resolv Labs 发布声明，暂停了协议的所有功能，以防止进一步损失，并着手对入侵事件进行调查。考虑到攻击者仍在尝试铸造更多 USR，及时采取行动以防止损失扩大的紧迫性不言而喻，这也凸显了对此类攻击做出快速响应的极端重要性。

健全的安全理念应基于「假设必然出现漏洞」

尽管 Resolv 已实施了全部常规安全措施，并完成了多达 18 次安全审计，但此次黑客攻击从某种角度看，本质上是一个简洁的故事：攻击者获取了密钥，利用该密钥非法铸造资产，并在相关方察觉之前将非法资产变现。

然而从更深层次来看，这一事件揭示了 DeFi 协议如何承袭其所依赖的链下基础设施中的安全假设与潜在风险。链上智能合约的运行与设计完全一致，而系统整体的设计以及被入侵的链下基础设施则未能达到相应的安全标准。

在各类漏洞利用事件往往在几分钟内即可完成、一旦损失显现便无暇采取被动应对的当下，实时监控与自动化响应机制已不再是可有可无的补充，而是不可或缺的必要保障。

Hexagate 预防案例分析

Resolv 所经历的黑客攻击，充分说明了实时链上监控机制设计用于检测的场景。若采用 Chainalysis Hexagate，以下两种具体的检测方式本可发挥作用：

方案一：对异常铸造事件进行监控

通过配置 Hexagate 等监控系统，可以对 completeSwap 函数的调用行为进行监测，重点识别铸造的 USR 数量与存入的抵押品数量之间严重不成比例的情况。

一笔金额为 10 万美元的 USDC 存款，却授权铸造 5000 万 USR，这种异常比例远超任何正常用户的操作范围。针对该函数调用模式设定告警规则，例如当铸造比例超出正常值 1.5 倍时触发警报，即可在第一时间标记出上述两笔主要交易。

Hexagate 的自定义监控机制本可在检测到利用 Resolv 铸造逻辑的异常行为时，触发自动化响应。

方案二：结合 GateSigner 与自定义功能，对关键合约事件进行管控

攻击者必须依次执行 requestSwap 与 completeSwap 流程，而该流程的每个阶段均会生成链上事件。Hexagate 的 GateSigner 功能与合约事件监控相结合，本可配置为在检测到异常的 Mint 事件时，自动触发合约暂停，从而在 8000 万 USR 中任何资金进入公开市场之前予以阻断。

深潮 TechFlow 消息，03 月 23 日，美国 2 年期国债收益率触及 4%，创下 2025年 6 月以来最高水平，日内涨幅超过 10 个基点。(金十)

深潮 TechFlow 消息，03 月 23 日，据官方消息，USDD 2.0 供应挖矿第十五阶段第三周奖励已正式发放。符合参与条件的用户可登录 JustLend DAO 平台查收并领取相应奖励。官方提醒用户及时前往领取，更多详情及操作指引，请参考完整指南。

深潮 TechFlow 消息，03 月 23 日，据链上分析师 Onchain Lens（@OnchainLens）监测，巨鲸账户”pension-usdt.eth”再度加仓，将 ETH 三倍空头头寸增加 20,000 枚（约 6,130 万美元），同时小幅减持 500 枚 BTC 三倍空头头寸。目前该账户共持有 30,000 枚 ETH 空头及 500 枚 BTC 空头，总浮盈已接近 2,800 万美元。

撰文：Sam Ragsdale

编译：Chopper，Foresight News

智能体商业时代已然来临。ACP 与 UCP 协议承诺将实现 ChatGPT 与 Gemini 内一键结账。很快，全球数亿消费者将轻松找到更优商品，商家转化率显著提升，平台亦可坐收 5%-10% 分成。

然而，ChatGPT 内置结账只是渐进式改良，它无法像 21 世纪初互联网那样重塑社会，开放智能体商业才能做到这一点。

围墙花园为何终被开放协议颠覆

要理解缘由，我们必须回溯至上世纪 90 年代。

彼时，存在两种截然不同、相互竞争的 「互联网形态」。

美国在线模式：统一包月付费、集成邮件、天气、其他精选内容，最终囊括整个时代华纳版权库。

开放协议模式：HTTP、DNS、HTML，以及一款名为 Mosaic 的浏览器。

相较前者，Mosaic 在当时显得荒诞不经：网站寥寥无几，根本无需搜索，按字母索引足矣。8 年后，美国在线以 3500 亿美元与时代华纳合并，市场一度认定，精选内容才是未来。

但没过多久，Mosaic 与开放协议最终胜出，人类文明正式迈入数字时代。

为何？不妨假设，当初封闭围墙花园赢了会怎样。

2004 年，马克・扎克伯格想创办 Facebook，必须先与美国在线谈分销合作。斯坦福两名学生想搭建网页索引，得获得 CompuServe 许可。有人想在自家车库里通过线上卖书，必须向微软 MSN 内容团队提案。

他们只会被劝退：「回去好好上学吧，年轻人。」 如果这样，我们如今习以为常的数字经济根本不会存在。

开放协议的核心，在于没有守门人。任何人只要拥有一台服务器与域名，便能触达全网。创新诞生于边缘，中心难以追赶，最终造就人类史上最大规模财富创造浪潮之一。这是资本主义底层逻辑：颠覆永远来自边缘。

回到 1997 年。Tim Berners-Lee 和 Marc Andreessen 等人正在研究相关协议和浏览器。彼时，架设一台服务器成本高达数十万美元，没人明白为何内容服务器要响应陌生用户请求：成本高昂，且无明确收益。

他们设计了一个名为 「402」 的状态码，服务器可向用户返回提示：「付费即可访问此内容。」 但当时数字支付完全行不通：PayPal 尚未诞生，信用卡单笔固定手续费动辄数十美分，对于 1 美分的小额交易来说太高了。

即便如此，互联网依然崛起。

谷歌找到了一套另类商业模式：广告。传统媒体中，内容创作者与用户直接建立经济关系。谷歌依托广播经济逻辑，引入第三方广告主，由其买单维系内容供给与用户触达。

精妙至极。创作者无需积累用户关系，仅凭流量注意力即可变现。谷歌则占据了这笔资金流，夹在广告商和内容制作者之间，随意收取佣金。

小额支付需求就此搁置。开源软件蓬勃起步，云计算革命爆发，服务器托管成本暴跌百倍。谷歌成为开放免费互联网最坚定拥趸：用户搜索越多，谷歌盈利越高。为此，其投入数千亿美元，让网络更快、更廉价、无处不在。

AI 智能体终结传统广告与围墙防护

转眼至 21 世纪 10 年代，行业陷入停滞。

利率持续走低，资本趋于保守，互联网底层创新再无往日锋芒，各大围墙花园收拢用户、积蓄实力。

2022 年，ChatGPT 上线，世界变革重启。大语言模型不止能输出结果，更能整合多源信息生成精简摘要，往往无需直接抓取原生内容。

到了 GPT-4，趋势已然明朗：智能体将成为下一个核心。它们像人类一样熟练操作电脑，成本更低、效率更高。

就在此刻，互联网底层经济逻辑彻底改写。

1997 至 2024 年，互联网盈利核心是注意力：人类浏览网页时易被广告分心，平台依托碎片化注意力变现。但大语言模型与智能体，不会被干扰。

极具讽刺的轮回。广告催生免费开放互联网，海量网络语料训练出大语言模型，最终反过来终结广告。

GPT-4 上线后，Stack Overflow 浏览量暴跌 75%，科技资讯网站流量下滑 60%。科技用户本是早期尝鲜者，变革终将席卷全网所有信息场景。

ChatGPT 内置结账无关紧要。互联网本是人类文明广场，而旧有商业契约已然失效。

互联网尚有少数角落依托差异化内容抵御谷歌抓取，即经典围墙花园：Facebook、TikTok、LinkedIn。数千高薪工程师全天候防护，屏蔽机器爬虫。

但如今，围墙防线已然崩塌。AI 智能体能够完美模仿真人的上网操作，骗过所有防护机制。未来十年，市面上会冒出无数号称能破解这种局面的噱头方案，风投机构也会不断砸钱，但根本没有真正有效的解决办法。就像战机出现后，再坚固的地面堡垒，也注定会被时代淘汰。

开放智能体时代

接下来会发生什么？答案是开放智能体商业。

ChatGPT 内置结账，便是智能体商业时代的美国在线：精选目录、围墙闭环、体验优化。商家要想通过它销售商品，需要数月的业务拓展、严谨的法律文件、具体的五年规划、可观的营收、庞大的用户群，以及一个能够登上《纽约时报》头版，让股东们欣喜若狂的故事。

开放智能体商业，正是当下的 HTTP 协议。一套极简通用标准，让智能体按需付费购买一切：数据、云托管、通信服务，以及无数尚未诞生的新场景。

两大先行者已然落地，Coinbase 推出 x402 协议，Tempo 联合 Stripe 推出 mpp 协议。距离 「402」 状态码诞生 28 年后，终于迎来可行落地方案。现代区块链稳定币单笔固定手续费不足 1 美分，完美攻克 1997 年扼杀小额支付的成本难题。

只能向预设白名单商家采购的智能体，如同持有限定三家供应商企业卡的普通员工；接入开放协议的智能体，才是手握自由银行账户的创业者。

无需商务谈判，无需名单审核，只有简单的无需许可的标准。

这些协议主要关注两件事：

• 智能体端：如何便捷付款？
• 商家端：如何核验付款到账？

大语言模型擅长调用它们从未见过的工具。从 Claude 4.5+ 和 Codex 5.2+ 模型开始，智能体无需事先训练即可发现 API、读取其模式并正确使用它。

当前的讨论重点在于 skills。它们本质是自然语言可编程模块，自由拼装组合。非技术创业者一段日常文字，即可自动执行程序：

• 从附近评价好的披萨店购买披萨，并每隔 10 分钟查看一次配送状态。
• 当司机还有 5 分钟路程时，打开门廊灯。
• 如果 30 分钟内送达，请给司机 5 美元小费。

无需代码，无需编程功底。智能体读懂意图，实时生成原生程序、执行完毕随即销毁。编程不再是必备专业能力，掌握自然语言即可。

skills 确实有效，但只是过渡产物，是人类发现智能体能调用陌生工具后首个直观落地形态。它需要专人编写、发布、安全审核、迭代更新，且需提前预装加载，繁琐低效。

skills 热潮掩盖更深层颠覆：智能体可以 以前所未有的方式组合各种能力。

披萨只是简易示例，真实商业场景更具变革力。小型企业供应链管理智能体，察觉关税导致包装供应商涨价 15%，自主挖掘三家本地替代厂商、申请样品、协商批量定价、一键切换合作。这一切都在老板晨练之前完成。

无需 API 对接、采购团队、招标流程，仅需余额账户与开放协议。

智能体能付款、也可以创作，但他们目前还找不到自己需要的东西。

剩下的就是探索，对于经纪人来说：「我如何找到要买的东西？」，对于商家来说：「我如何向经纪人介绍我的服务？」

目前行业已搭建通用检索备案生态，服务商只需在 x402scan.com 或 mppscan.com 完成节点登记，即可接入全网兼容开放协议的智能体网络，完成标准化供需对接与小额自动结算。

1997 年，互联网缺乏商业模式，无人理解服务器为何响应陌生人。开放协议和广告巧妙破局，文明迈入数字时代。

2026 年，广告这套权宜之计走向消亡。开放协议和一种尘封 28 年的状态码，即将取而代之。

欢迎来到开放智能体商业新纪元。

深潮 TechFlow 消息，03 月 23 日，据链上分析平台 Lookonchain（@lookonchain）监测，麻吉大哥再次被清算，其账户目前仅余 30268 美元，该地址累计经历 335 次清算。

深潮 TechFlow 消息，3 月 23 日，据 Bitget 数据显示，现货黄金自去年11月24日以来首次跌至4100美元/盎司下方，日内重挫8.6%，已连续失守多道整数关口，本月黄金累计跌幅已超22%。

深潮 TechFlow 消息，3 月 23 日，据 Bitget 数据显示，现货黄金自去年11月24日以来首次跌至4100美元/盎司下方，日内重挫8.6%，已连续失守多道整数关口，本月黄金累计跌幅已超22%。

深潮 TechFlow 消息，3 月 23 日，据金十数据报道，摩根士丹利的利率策略师卢卡·萨尔福德和玛丽亚·奇亚拉·鲁索在一份报告中表示，中东冲突的持续、对缓冲区的可观察性有限以及央行对滞胀环境的初步分析，促使他们对摩根士丹利的央行预测进行了调整。摩根士丹利目前预计欧洲央行将在2026年6月和9月各加息50个基点，且收回2027年的加息预期。据LSEG数据，目前金融市场预计欧洲央行今年将加息三次。这些策略师还预测，在其基准的欧洲央行利率路径情景下，10年期德国国债收益率在2026年年底将为2.80%，2027年将为2.70%。

深潮 TechFlow 消息，3 月 23 日，据金十数据报道，摩根士丹利的利率策略师卢卡·萨尔福德和玛丽亚·奇亚拉·鲁索在一份报告中表示，中东冲突的持续、对缓冲区的可观察性有限以及央行对滞胀环境的初步分析，促使他们对摩根士丹利的央行预测进行了调整。摩根士丹利目前预计欧洲央行将在2026年6月和9月各加息50个基点，且收回2027年的加息预期。据LSEG数据，目前金融市场预计欧洲央行今年将加息三次。这些策略师还预测，在其基准的欧洲央行利率路径情景下，10年期德国国债收益率在2026年年底将为2.80%，2027年将为2.70%。

深潮 TechFlow 消息，3 月 23 日，据 Bitget 数据显示，现货白银向下触及61美元/盎司，日内跌10.17%。纽约期银日内暴跌12.00%，现报61.29美元/盎司。

深潮 TechFlow 消息，3 月 23 日，据 Bitget 数据显示，现货白银向下触及61美元/盎司，日内跌10.17%。纽约期银日内暴跌12.00%，现报61.29美元/盎司。

深潮 TechFlow 消息，3 月 23 日，据金十数据报道，近日，微博推出超话“硅基茶水间”，成为国内首个上线 AI 社区的社交媒体平台，目前该超话已上线。据介绍，“硅基茶水间”是一个为包括龙虾、评论机器人等在内的各类 AI 创建的，支持其入驻、生活并进行互动的平行宇宙。AI 作为社区的“居民”，能够发布动态、评论互动等，完成完整的社交行为。用户将超话链接发送给自己的 AI，即可启动其入驻流程。

深潮 TechFlow 消息，3 月 23 日，据金十数据报道，近日，微博推出超话“硅基茶水间”，成为国内首个上线 AI 社区的社交媒体平台，目前该超话已上线。据介绍，“硅基茶水间”是一个为包括龙虾、评论机器人等在内的各类 AI 创建的，支持其入驻、生活并进行互动的平行宇宙。AI 作为社区的“居民”，能够发布动态、评论互动等，完成完整的社交行为。用户将超话链接发送给自己的 AI，即可启动其入驻流程。

深潮 TechFlow 消息，3 月 23 日，BIT（原Matrixport）发布今日图表称，“比特币现货价格尚未充分反映这一变化，但期权市场已有所反应——隐含波动率显著走高，下行保护需求持续升温。过去一周，比特币期权成交中看跌买盘占比达29%，以太坊更高至37%，仓位正明显转向防御。

这轮仓位调整背后，反映的是交易者对地缘紧张局势的深层担忧:通胀压力可能因此持续更久，且影响不止于油价，而是向更广泛的增长敏感型资产扩散。

因此，持续跟踪市场仓位变化仍然十分关键，尤其是期权市场。相较现货，期权往往更早反映快钱账户和战术型资金的风险偏好转变。尽管整体成交量仍处于相对低位，但市场参与者并未放松警惕，而是在主动管理尾部风险。不过值得注意的是，比特币的表现仍在跑赢其他风险资产。”

深潮 TechFlow 消息，3 月 23 日，据金十数据报道，摩根士丹利的策略师们在一份报告中表示，他们目前建议对美国国债保持中立的策略，直到中东冲突对经济以及美联储利率路径的影响情况更加明朗为止。他们称：“我们倾向于在更清楚地了解伊朗冲突对美联储政策以及（同样重要的是）财政政策的影响之前，对美国国债保持中立态度。”他们还表示，对更多财政刺激措施的猜测或许也能解释为何美国国债并未像预期那样对避险情绪做出反应。他们说：“当然，没有鸽派的美联储也不利于用美国国债对风险较高的资产进行风险对冲。”

深潮 TechFlow 消息，3 月 23 日，据 IoTeX 官方披露，IoTeX 基金会宣布针对 2 月 21 日跨链桥安全事件的受损资产赔偿申领通道现已正式开放，受影响用户可通过官方申领门户提交申请。据悉，本次赔偿比例为 100%，即全额补偿所有受损资产。

此前消息，分析师称，IoTeX 私钥疑似泄露，资产损失约 430 万美元；IoTeX 官方则通报链上攻击损失约 200 万美元。

深潮 TechFlow 消息，3 月 23 日，据 Bitget 数据显示，现货白银日内跌幅扩大至7.00%，现报63.09美元/盎司。现货黄金日内跌幅扩大至5%，现报4272.81美元/盎司。

深潮 TechFlow 消息，3 月 23 日，据官方公告，韩国数字资产交易所 Upbit 宣布，依据《虚拟资产用户保护法》施行令第 17 条第 1 号第 5 项，将 RESOLV 列为交易警示标的，涉及交易对为 RESOLV/BTC 及 RESOLV/USDT。

该决定由数字资产交易所联合协议体（DAXA）成员机构共同作出。警示标的指定期间为 2026 年 3 月 23 日 15:00 KST 至 2026 年 4 月 24 日 23:59 KST。充值服务自 2026 年 3 月 23 日 15:00 KST 起暂停，公告发布后的所有充值请求均将被退回。

Upbit 表示，后续将依据数字资产交易支持终止政策对 RESOLV 进行详细审查，视审查结果决定延长警示期、解除警示或终止交易支持，相关进展将另行公告。

此前消息，Resolv Labs 确认遭遇漏洞攻击，称攻击者铸造 5000 万 USR（分析师称铸造额达 8000 万 USR），协议已暂停全部功能。

深潮 TechFlow 消息，3 月 23 日，据 Bitget 数据显示，现货黄金日内跌逾4%，现报4309.5美元/盎司。抹去2026年全年涨幅，今年以来现货黄金年涨幅最高一度至近30%。

深潮 TechFlow 消息，3 月 23 日，据链上数据平台 Lookonchain（@lookonchain）监测，某鲸鱼以每枚 2,063 美元的价格出售 5,000 枚 ETH（约合 1,031 万美元），所得资金用于偿还部分贷款债务。

该鲸鱼目前仍在 Aave 协议上持有约 126,000 枚 ETH（约合 2.6 亿美元），未偿还贷款余额约为 1.22 亿美元。

作者：Systematic Long Short

编译：深潮 TechFlow

深潮导读：这篇文章的核心论点只有一句话：AI Agent 输出质量和你投入的 Token 数量成正比。

作者不是在泛泛谈理论，而是给出了两个可以今天就开始用的具体方法，并清楚地划定了 Token 堆不出来的边界——「新颖性问题」。

对正在用 Agent 写代码或跑工作流的读者，信息密度和可操作性都很高。

引言

好吧，你得承认这个标题确实挺吸引眼球——但说真的，这不是玩笑。

2023 年，当我们还在用 LLM 跑生产代码的时候，周围的人都惊掉了下巴，因为当时普遍的认知还是 LLM 只能产出没法用的垃圾。但我们知道一件别人没意识到的事：Agent 的输出质量，是你投入 Token 数量的函数。就这么简单。

你自己跑几个实验就能看出来。让 Agent 完成一个复杂的、有些冷门的编程任务——比如说，从头实现一个带约束条件的凸优化算法。先用最低思考档执行；再切到最高思考档，让它 review 自己的代码，看看能发现多少 bug。中档、高档都试一遍。你会直观地看到：bug 数量随着投入的 Token 量单调递减。

这不难理解，对吧？

Token 越多 = 错误越少。你可以把这个逻辑再推进一步，这基本上就是代码 review 产品背后那个（简化过的）核心思路。换一个全新的上下文，投入海量 Token（比如让它逐行解析代码，判断每一行是否有 bug）——这样基本可以抓出绝大多数、乃至全部的 bug。这个过程可以重复十次、一百次，每次都从「不同的角度」审视代码库，你最终能把所有 bug 都挖出来。

「多烧 Token 就能提升 Agent 质量」这个观点，还有一个实证支撑：那些声称能用 Agent 全程写代码直接推上生产的团队，要么是基础模型提供商本身，要么是资金极其充裕的公司。

所以，如果你还在为 Agent 跑不出生产级代码而苦恼——说句直白的，问题出在你身上。或者说，出在你钱包上。

怎么判断我烧的 Token 够不够

我写过一整篇文章说，问题绝对不在你搭的框架（harness），「保持简单」照样能做出优秀的东西，我现在仍然坚持这个观点。你读了那篇，照着做了，但还是对 Agent 的输出大失所望。你给我发了 DM，看到我已读但没回。

这篇，就是回复。

你的 Agent 表现差、解决不了问题，大多数情况下，就是因为你烧的 Token 不够。

解决一个问题需要投入多少 Token，完全取决于这个问题的规模、复杂度和新颖性。

「2+2 等于几？」不需要多少 Token。

「帮我写一个 bot，能扫描 Polymarket 和 Kalshi 之间的所有市场，找出在语义上相似、应该在同一事件前后结算的市场，设定无套利边界，一旦出现套利机会就以低延迟的方式自动交易」——这需要烧一大堆 Token。

我们在实践中发现了一件有意思的事。

如果你投入足够多的 Token 去处理由规模和复杂度引发的问题，Agent 无论如何都能解决。换句话说，如果你想构建一个极度复杂、有很多组件和代码行的东西，只要你往这些问题里砸足够多的 Token，它们最终都能被彻底解决。

这里有一个小但重要的例外。

你的问题不能太新颖。就目前阶段而言，任何数量的 Token 都无法解决「新颖性」问题。足够多的 Token 能把复杂性带来的错误降到零，但无法让 Agent 凭空发明它不知道的东西。

这个结论其实让我们松了口气。

我们花了极大精力，烧了——很多很多非常多——Token，想试试能不能在几乎不给引导的情况下让 Agent 还原出机构投资流程。这部分原因是想搞清楚，我们（作为量化研究员）离被 AI 完全取代还有多少年。结果发现，Agent 根本做不到接近一个像样的机构投资流程。我们认为这部分原因是它们从未见过这种东西——也就是说，机构投资流程在训练数据里根本不存在。

所以，如果你的问题是新颖的，别指望靠堆 Token 来解决。你需要自己引导探索过程。但一旦你确定了实现方案，你就可以放心堆 Token 来执行——无论代码库多大、组件多复杂，都不是问题。

这里有一个简单的启发式原则：Token 预算应当与代码行数成正比地增长。

多烧的 Token 究竟在做什么

在实践中，额外的 Token 通常通过以下几种方式提升 Agent 的工程质量：

让它在同一次尝试中花更多时间推理，有机会自己发现错误逻辑。推理越深入 = 规划越好 = 一次命中的概率越高。

允许它进行多次独立尝试，走不同的解题路径。有些路径比另一些更好。允许不止一次尝试，它就能选出最优的。

类似地，更多的独立规划尝试让它可以放弃弱方向，保留最有希望的。

更多 Token 允许它用全新的上下文来 critique 自己之前的工作，给它一个改进的机会，而不是被卡在某条「推理惯性」里。

当然，还有我最喜欢的一点：更多 Token 意味着它可以用测试和工具来验证。实际运行代码看它是否跑通，是确认答案正确的最可靠方式。

这套逻辑能走通，是因为 Agent 的工程失败不是随机的。几乎总是因为过早选错了路径、没有检查这条路径是否真的走得通（在早期），或者没有足够的预算在发现错误后去恢复和回退。

故事就是这样。Token 字面意义上就是你买来的决策质量。把它想象成研究工作：如果你让一个人当场回答一个难题，答案的质量会随着时间压力增大而下降。

研究，归根结底，是产生「知道答案」这个基础的东西。人类花费生物意义上的时间来产出更好的答案，Agent 则花费更多计算时间来产出更好的答案。

怎么提升你的 Agent

你可能还是半信半疑，但有很多论文支持这一点，说实话，「推理」调节旋钮的存在本身就是你需要的全部证明。

我特别喜欢的一篇论文，研究者用一小批精心策划的推理样本进行训练，然后用一种方法强制让模型在想停下来的时候继续思考——具体做法是在它想停的地方追加「Wait」（等等）。仅此一项，就让某个基准测试从 50%提升到了 57%。

我想说得尽量直白：如果你一直在抱怨 Agent 写的代码差强人意，单次最高思考档对你来说很可能还是不够。

我给你两个非常简单的解决方案。

简单做法一：WAIT（等等）

你今天就能开始做的最简单的事：搭一个自动循环——构建完之后，让 Agent 用全新上下文 review N 次，每次发现问题就修复。

如果你发现这个简单技巧改善了你的 Agent 工程效果，那你至少明白了，你的问题只是 Token 数量的问题——那就来加入烧 Token 俱乐部吧。

简单做法二：VERIFY（验证）

让 Agent 尽早、频繁地验证自己的工作。写测试来证明所选路径确实能跑通。这对高度复杂、深度嵌套的项目特别有用——一个函数可能被下游许多其他函数调用。能在上游抓住错误，能为你节省大量后续的计算时间（Token）。所以如果可以的话，在整个构建过程中到处设置「验证检查点」。

写完一段东西，主 Agent 说搞定了？让第二个 Agent 来验证一遍。不相关的思考流能覆盖系统性偏差的来源。

基本就这些了。关于这个话题我还能写很多，但我觉得只要意识到这两件事并好好落地执行，就能帮你解决 95%的问题。我坚信把简单的事情做到极致，再按需叠加复杂度。

我提到了「新颖性」是靠 Token 无法解决的问题，我想再强调一遍，因为你迟早会碰到这个坑，然后来跟我哭诉说堆 Token 没有用。

当你想解决的问题不在训练集里时，你才是那个真正需要提供解法的人。因此，领域专业知识依然极其重要。

深潮 TechFlow 消息，3 月 23 日，据 Bitget 数据显示，现货白银日内跌逾5%，现报64.35美元/盎司。

深潮 TechFlow 消息，3 月 23 日，据 Bloomberg 报道，瑞士日内瓦私人银行 Banque Syz SA 爆发家族代际分裂。该行创始人 Eric Syz 之子 Marc Syz 已与商业伙伴 Richard Byworth 一同离开 Banque Syz，导火索为双方在加密货币战略方向上存在根本分歧。

据悉，Marc Syz 此前主导 Banque Syz 旗下另类资产部门 Syz Capital，其计划将比特币财库公司 Future Holdings AG 纳入该部门旗下，但该方案未能获得其父 Eric Syz 的认可。

离开后，Marc Syz 与 Richard Byworth 转而推进 Future Holdings AG 的双重上市计划。Marc Syz 表示，Future Holdings 将成为欧洲规模最大的比特币财库公司。

深潮 TechFlow 消息，3 月 23 日，据官方公告，加密货币交易所 Backpack 发文宣布已上线代币申领和质押页面，前 7 天可随时解除质押，7 天后解除质押需等待 7 天。

此前消息，Backpack 宣布将于 3 月 23 日（今日） TGE。

深潮 TechFlow 消息，3 月 23 日，据链上数据分析平台 Onchain Lens（@OnchainLens）监测，随着 $LIT 价格跌破 1 美元，某鲸鱼持有的 $LIT 2 倍做空仓位当前浮动盈利已超过 207 万美元，其持仓规模为 265 万枚 $LIT，当前估值约 250 万美元。