WeTrying | 币圈快讯早知道
深潮 TechFlow 消息，3 月 13 日，Matrixport 发布今日图表称，“当前加密市场情绪偏弱，整体成交量仍处于低位。不少交易者已将注意力转向黄金、原油等其他资产。
不过，平静表象之下，一些变化正在发生。比特币已连续五个月下跌，这在历史上较为罕见，而类似走势往往先于阶段性反弹出现。与此同时，山寨币总市值也回落至历史上多次反弹启动的区间。尽管我们的山寨币模型尚未正式转为看多，但重新站上30日均线、通过动量筛选的代币数量已明显增加。随着稳定币资金重新流入市场，流动性条件也在持续改善。
综合来看，这些信号表明，加密市场反弹的可能性正在逐步上升。”
深潮 TechFlow 消息，03 月 13 日，Bitget 上线第 7 期周末派对。活动期间，新用户完成不少于 100 USDT 的首次充值和合约交易任务，即可获取 USDT 空投。此外，所有用户完成特定合约交易量任务，即可获得 1 次抽奖机会，最多可抽取 9 次。每增加 1 次抽奖，即可增加赢取大奖的可能性，中奖率为 100%。奖池涵盖 USDT 及实物奖品 Air pods Max。
详细规则已在 Bitget 官方平台发布，用户点击「立即加入」按钮完成报名，方可参与活动。活动时间截止 3 月 15 日 23:59（UTC+8）。
作者：深潮 TechFlow
全世界都在聊 AI，时间线上关于加密的声音安静了不少。
同时，ETH 在 2000 附近横了快两个月，Vitalik 说什么做什么，好像也没太多人在意了。
不过我最近翻了一下他的 X，发现被 AI 影响的不止是我们。过去一个月，他发的东西有很大一部分跟 AI 有关，而且具体到了技术方案的程度。
其中最值得聊的，是 2 月 11 日他和以太坊基金会 AI 负责人 Davide Crapis 联合发在 ethresear.ch 上的一份提案，名字叫「ZK API Usage Credits」。
用一句话讲就是：用零知识证明，让你匿名调用 AI 大模型。
现在你用 ChatGPT 也好，调 Claude 的 API 也好，付费方式只有一种：
注册账号，绑邮箱，绑信用卡。
你每一次对话、每一条 prompt，平台都知道是你发的。你问了什么、什么时候问的、问了多少次，全部跟你的真实身份绑在一起。
Vitalik 和 Crapis 的提案提供了另一条路。
服务商能收到钱，也能防滥用，但自始至终不知道你是谁。
你可以把这份提案理解成一件事，即 Vitalik 认为在 AI 时代，用户不应该为了使用一个 AI 工具而交出自己的身份。
这份提案目前还停留在研究阶段，离落地仍有距离，大模型厂商们或许也不会同意这样的方式；同时提案的评论区也充满了反驳和质疑，认为 AI 模型厂总有办法知道你的真实身份。
但笔者觉得，这份提案的意义不完全在于它本身能不能落地。
隐私是 Vitalik 做了十年的事情。从早期支持 Tornado Cash，到推动零知识证明成为以太坊的核心技术路线，这条线从来没有断过。只是过去几年，隐私在加密行业的语境里，一直缺一个足够大的故事来承接它。
AI 把这个故事给补上了。当你每天跟大模型说的话比跟任何人说的都多，隐私是一个真实的需求。
从二月到现在，Vitalik 在 X 上发的东西有相当一部分都和 AI 有关，密度高到不像是随便聊聊。
昨天他发了一条长帖，说自己最近去了一个密码学会议，场子里的人关心隐私、关心开源、关心抗审查…但对区块链没有任何感情。
在那群人中间，他做了一个思想实验：
忘掉「我们是以太坊社区」，从零开始想，以太坊这个东西到底在哪里最有用。
他的结论是以太坊最底层的价值，是当一块公告栏。一个任何人都能写、任何人都能读、没人能改也没人能删的地方。
换到 AI 的语境下，这可能是 Vitalik 这两年说过的最重要的一句话。
我们正在进入一个生成无限便宜的时代。文字、图片、视频、身份，AI 都能批量造出来。当所有东西都可以伪造的时候，什么会变得稀缺？
这些问题最后都会指向同一个地方：一个公开的、持久的、不可逆的数据层。而一个没人能篡改的记录，正好是以太坊能做的事。
过去两年，以太坊面对的质疑可以归结成一句话：你到底还有什么是别人替代不了的？
现在看，Vitalik 没有正面回答这个问题。
不过以太坊基金会过去一年做了几件不太起眼的事：组了 50 人的隐私团队，成立了近 50 人的隐私研究集群，发布了 Kohaku 隐私框架，专门设了 AI 负责人；2026 年路线图里，把机构级隐私和更快的交易确认列为最优先事项。
回头再看他这一个月的密集输出，基本都是在讨论 AI 背景下以太坊的隐私和效率问题。
我觉得 Vitalik 在赌一件事：AI 越强大，对隐私和验证基础设施的需求就越刚性。以太坊能不能接住这个需求，是另一回事，但他显然已经选好了牌桌。
ETH 还在 2000 附近横着。大部分人还是没太在意他最近在说什么。
但也许过几年回头看，该在意的就是现在这段时间。
过去十年，加密市场的准入门槛一降再降——从命令行到网页端，从网页端到手机 App，从手动看盘到自动化脚本。每一轮迭代，都让市场更快、更近、更简单。
但这一次，我们不是要“降低”门槛，而是要彻底砸碎它。
2025 年 7 月 1 日，Bitget 率先推出了集深度个性化与无缝执行于一体的加密交易助手——Getagent，成为行业首家落地该能力的交易所。而现在，我们要从”辅助”再往前走一步，迈入AI 智能体交易（Agentic Trading）时代。
在这个时代里，AI 智能体不再只是你手边的工具，而是每一位投资者的默认交易界面。你不再是在”使用”一个功能，而是在和一个能替你决策、替你执行的搭档并肩作战。
想象一下美联储 FOMC 议息决议公布的前一晚。别人还在盯着屏幕等消息，你的 AI 智能体已经完成了宏观研判、调好了仓位比例、设好了风控参数。决议落地的那一刻，智能体即时评估影响，然后直接下单。
再想象一下，你用一段大白话定义了一套跨资产轮动策略。这套策略可以自动跑上几个月，持续监控美元指数和美债收益率变化，按你的意图自动调仓——全程零人工干预。
这不是 PPT 里的畅想，而是正在跑的系统。过去只有量化大厂才能玩转的交易范式，现在一句话就能搞定。
要引领这场变革，光发个产品远远不够。Bitget 的策略分两层同步推进：产品层解决现在怎么用，基建层决定未来谁说了算。
现在的通用 AI（像 ChatGPT）虽然厉害，但交易不是聊天。实时行情的剧烈波动、跨市场的复杂联动、流动性的碎片化，光靠聊天机器人根本不行。这需要专业的系统。
GetClaw 是基于 Bitget 核心交易引擎打造的“进化体”。它不再是那种你说一句它答一句的傻瓜问答，而是一个懂你、主动、全自动的操盘手。GetClaw 有记忆，它会把你的持仓习惯、风险偏好刻在脑子里，在你还没开口前就已经行动了。它不光听指令，更会随着市场进化而学习。
最重要的是，GetClaw 是全球第一个真正零门槛的 AI 交易员。免安装、免配置，上手即用：
现在有点开发能力的公司都能搞个 AI Agent。大家都在卷技能、卷 API，但这很容易触碰天花板，因为功能太容易被抄袭了。
我们的判断很简单：Agent 时代的赢家，不是那个功能最多的，而是那个能成为所有 AI Agent “底层执行中枢” 的平台。
要赢下这场仗，光做一个应用市场没用。我们正在把 Bitget 的核心架构彻底改造——从一个“给人用的交易所”，变成一个“人和 AI 都能用的原生平台”。
通过 Bitget Agent Hub，我们将交易所最核心的流动性、安全能力、执行能力，全部开放给开发者。不管你用什么框架开发的 Agent，都能直接插在 Bitget 的引擎上跑。我们的目标很明确：Bitget 不仅是用户的首选，更是所有 AI Agent 的快乐老家。
当世界全面转向 Agent 交易时——这是必然的——Bitget 将是底层引擎。
GetClaw 是我们交出的第一份答卷：它证明了 AI 能够驾驭市场最硬核的复杂度——波动、关联、毫秒级时机判断、宏观大势。Agent Hub 是我们铺下的地基：确保任何人开发的任何智能体，都能直连 Bitget 这个全球顶级交易引擎。
这不只是一次技术升级，这是我们的使命——让 1.25 亿用户，拥有华尔街专业级的交易能力。
我们不是这场变革的旁观者。我们是赛场的建造者。
欢迎来到 Agent 交易的前沿阵地。
深潮 TechFlow 消息，3 月 13 日，据链上分析师 Ai 姨（@ai_9684xtpa）监测，孙宇晨（Justin Sun）链上公开地址目前持有 156,514 枚 stETH，价值约 3.3 亿美元，在 strategicethreserve 披露的以太坊（ETH）机构持仓排名中位列第五。就当前持仓成本而言，该部分仓位存在超 2,583 万美元的浮动亏损；但据估算，其过去三年通过低买高卖 ETH 所累计的已实现利润约为 2 亿美元。
深潮 TechFlow 消息，3 月 13 日，据 Cointelegraph 报道，比特币倡议组织 Bitcoin Policy Institute（BPI）宣布将就美联储即将发布的巴塞尔框架实施提案提交公开意见，推动修改 BTC 在银行监管体系中的资产风险权重处理方式。
BPI 执行董事 Conner Brown 表示，BTC 在巴塞尔框架下被列为高风险资产，适用 1,250% 的风险权重，高于几乎所有其他资产类别，并将其定性为”最严苛的分类”。相比之下，现金、实物黄金及政府债券的风险权重均为 0%。
1,250% 的资本要求意味着银行持有 BTC 须以 1:1 的比例配置合规抵押品，大幅提高了银行持有该资产的成本，并限制了银行向 BTC 相关企业提供金融服务的能力。
深潮 TechFlow 消息，3 月 13 日，据 Cointelegraph 报道，做市商 Wintermute 发布博客文章指出，受减半后收入缩减及能源成本持续压缩利润影响，比特币矿工正面临本轮市场周期的盈利困境，并建议矿工将 BTC 持仓作为生息资产加以主动管理，而非被动持有。
Wintermute 表示，矿工集体持有的 BTC 接近总供应量的 1%，认为这是”囤币时代的历史遗留”，而资产负债表主动管理工具目前仍被严重低估。具体策略包括：通过衍生品结构、备兑看涨期权及现金担保看跌期权实现市场风险货币化，或将 BTC 部署至借贷协议以赚取利息收益。
深潮TechFlow消息，3月13日，据链上数据监测，Sky联创Rune的20倍杠杆原油期货CL（WTI原油）多单与7倍杠杆Brent Oil（布伦特原油）多单已扭亏为盈，目前分别浮盈约10万美元和2万美元，但其7倍杠杆以太坊空单和7倍杠杆纳指100空单仍处于亏损状态，其整体仓位单周总亏损接近30万美元。
深潮 TechFlow 消息，3 月 13 日，据 Etherscan 披露，以太坊上的地址投毒攻击正愈演愈烈，尤其在 Fusaka 升级降低交易成本后，高频攻击活动显著增加。
一项覆盖 2022 年 7 月至 2024 年 6 月的研究显示，以太坊上约发生 1700 万次投毒尝试，波及约 130 万名用户，已确认损失至少 7930 万美元。2025 年 12 月 3 日激活的 Fusaka 升级在降低交易费用的同时，也大幅压低了攻击成本。升级后 90 天内，USDT 尘埃转账量从 420 万笔激增至 2990 万笔（+612%），USDC 从 260 万笔增至 1490 万笔（+473%）。单次投毒攻击的成功率约为 0.01%，但攻击者通过大规模批量发送，仍可实现可观收益——此前已有用户因此损失 5000 万美元。
据悉，地址投毒攻击通过向目标钱包发送仿冒地址的小额转账，将伪造地址植入用户的交易历史，诱使用户在下次转账时误复制错误地址。
深潮 TechFlow 消息，3 月 13 日，据 PRNewswire 报道，新加坡稳定币跨境支付和资金管理服务商 MetaComp Pte. Ltd 宣布完成 Pre-A+ 轮融资，本轮由阿里巴巴、Spark Venture 及其他机构投资者参与，现有股东跟投，100Summit Partners 担任独家财务顾问。至此，MetaComp 在三个月内完成两轮融资，Pre-A 系列累计融资总额达 3500 万美元，加上经营现金流等资本来源，集团即时可用流动性超过 1 亿美元。
MetaComp 持有新加坡金融管理局（MAS）颁发的主要支付机构牌照，提供数字支付代币（DPT）及跨境汇款（CBMT）服务，旗下关联公司 Alpha Ladder Finance Pte. Ltd 持有资本市场服务（CMS）及认可市场运营商（RMO）牌照。2025 年，集团平台处理支付及场外交易量超过 100 亿美元，覆盖逾 13 种稳定币，月运行规模超 10 亿美元，财富管理资产规模逾 5 亿美元。
本轮新增资金将用于加速 StableX Network 在亚洲、中东、非洲及拉丁美洲的扩张，并推进基于 Agent-Skills-MCP（模型上下文协议）架构的人工智能战略布局。
深潮 TechFlow 消息，03 月 13 日，据官方消息，Aster 宣布推出为期 30 天的 0 费率挑战活动，活动时间为 2026 年 3 月 13 日 00:00 至 4 月 11 日 23:59（UTC 时间），活动仅限新钱包参与，且活动期间净存款须至少达到 50,000 USDT，活动结束前包括现货和永续合约的成交量至少达到 10,000,000 美元（做市商成交量不计入在内）。
符合要求的参与者将获得活动期间交易手续费的 100% 返还，以及解锁为期 14 天的 VIP 3-5 等级。费用返还将以 USDT 计算，并在活动结束后的 5 个工作日内发放至 Aster 永久账户。
作者：George Sivulka
编译：深潮 TechFlow
深潮导读： AI 让个人效率提升了 10 倍，但没有一家公司因此变得 10 倍值钱。a16z 投资人 George Sivulka（同时也是 AI 公司 Hebbia 创始人）认为，问题不在技术本身，而在于组织没有跟着重构。他提出了区分「机构级 AI」和「个人级 AI」的七大维度——协调、信号、偏见、边缘优势、结果导向、赋能和无需提示——本质上是在说：换了电动机不够，你得重新设计整个工厂。
全文如下：
AI 刚刚让每个人的生产力提升了 10 倍。
没有一家公司因此变得 10 倍值钱。
生产力去哪了？
这不是第一次发生。
1890 年代，电力承诺了巨大的生产力提升。
新英格兰的纺织厂，原本是围绕蒸汽机的旋转动力建造的，很快就把蒸汽机换成了更快的电动马达。
但整整三十年，电气化的工厂几乎没有提升产出。技术远远领先了。但组织没跟上。
直到 1920 年代，工厂彻底重新设计了生产线——流水线、每台设备装独立电机、工人和机器执行完全不同的工种——电气化才产生了真正的回报。
图注：洛厄尔纺织厂的三次进化。从左到右：1890 年蒸汽动力工厂、1900 年电力驱动工厂、1920 年「单元驱动」工厂（即从零开始重建为电力流水线）。
回报不是来自技术本身，也不是来自让单个工人或机器纺线更快。而是当我们终于把制度和技术一起重新设计的时候，收益才真正兑现。
这是技术史上最昂贵的教训，而我们现在正在重新上这一课。
2026 年，AI 正在为那些懂得利用它的人带来 10 倍的生产力提升。但这还不够。我们换了电动机，但还没有重新设计工厂。
因为一个简单的事实：高效的个体不等于高效的组织。
绝大多数 AI 产品给人的是「高效」的感觉，但没有真正推动价值。你看到的大部分 AI 使用案例，是个人在 Twitter 或公司 Slack 里自我陶醉式的「效率 max」，实际影响为零。
过去一年反复提及的「服务即软件」说法方向没错，但没给出蓝图。而且它忽略了更大的图景。真正的转变不是从工具到服务，而是把技术和制度一起建设（不管是改造旧的还是从零开始）。一个真正高效的未来需要全新品类的产品——明天的流水线。
高效的组织需要「机构级智能」。
这篇文章会深入分析区分「机构级 AI」和「个人级 AI」的七大维度。未来十年整个 B2B AI 领域的公司都会建立在这些差异之上：
图注：机构级智能的七大支柱对比表
个人级 AI 制造混乱。
机构级 AI 创造协调。
先来一个思想实验。假设你明天把组织的人数翻倍，全部克隆你最优秀的员工。
这些员工每个人都有微小的差异、偏好、怪癖和视角（你最好的员工尤其如此）。如果管理不到位，沟通不充分，职责分工、OKR、角色边界没有定义清楚……你创造的是混乱。
按个人来衡量，组织可能更高效了。但成千上万的 Agent（或人类）各划各的桨、方向相反，好的结果是原地不动，坏的结果是把组织凝聚力拆碎。
这不是假设。每一个在没有协调层的情况下采用 AI 的组织，现在就在经历这件事。每个员工都有自己的 ChatGPT 使用习惯、自己的 prompt 风格、自己的产出——和别人的产出毫无衔接。组织架构图可能还在，但 AI 生成的工作实际上走的是另一条线。
图注：高效的个体（或 Agent）各自朝不同方向划桨。没有协调，就是混乱。
协调是绝对的硬需求，对人类和 Agent 都一样。
机构级智能将催生一个完整的「Agent 管理」行业——聚焦于 Agent 的角色与职责、Agent 之间及 Agent 与人类之间的沟通、以及如何衡量 Agent 的价值（光靠按量计费远远不够）。
个人级 AI 制造噪音。
机构级 AI 找到信号。
今天的人类可以创造——或者说生成——任何能想到的东西：AI 写的文章、演示文稿、电子表格、照片、视频、歌曲、网站、软件。多好的礼物。
问题是，AI 生成的绝大部分内容是彻头彻尾的垃圾。AI 垃圾的泛滥已经严重到一些组织矫枉过正，干脆禁止所有 AI 产出。说实话我自己也有同感——我经营一家 AI 公司，但要求高管团队不要在任何最终文字产品上使用 AI。我受不了那些垃圾。
想想 PE（私募股权）行业正在变成什么样。去年，你桌上可能收到 10 个交易机会。今年，下个季度你会收到 50 个机会，每一个都被 AI 打磨得无可挑剔，而你判断的时间还是一样多——得从里面找到那一个真正靠谱的。
生成任何东西已经不是问题了。对任何正经组织来说，现在的问题是生成并筛选出正确的东西。在一个 AI 驱动的世界里，找到那一个好的成果物、那一笔好的交易、噪音中的信号，变得越来越关键。未来十年的核心经济驱动力，就是从指数级增长的垃圾山中挖出信号。
图注：个人生产力工具产生的 AI 垃圾正在以指数速度增殖。人类自己已经没法从噪音中分拣，需要一类新的机构级 AI 产品。
机构级智能必须找到信号，必须结构化噪音以穿透垃圾，而且在工作中必须是可定义、确定性、可审计的。
个人级 AI 可能强调 Clawdbot 那种「永远在线」的生产力，以不可预测的方式 24/7 满足你的需求——本质上是非确定性 Agent。机构级 AI 则依赖确定性 Agent 的可靠性。有可预测检查点、步骤和流程的 Agent 才能规模化、才能发现信号，并通过这些信号为组织驱动收入回报。
图注：Matrix 是一款利用生成式技术穿透噪音的工具，由此打开了一个确定性 Agent 和检查点的世界。
个人级 AI 喂养偏见。
机构级 AI 创造客观性。
围绕社会政治偏见的讨论主导了好几年的 AI 话语。基础模型实验室最终通过足够多的 RLHF 绕过了这个问题，把所有模型调成了谄媚者。今天，ChatGPT、Claude 等模型对齐得过了头，在奥弗顿窗口内的任何话题上都会赞同你（有时候还会稍微越界，说的就是你 @Grok）。社会政治偏见的讨论消退了。但一个新问题取而代之。
这种对一切事情的过度附和已经荒谬到可笑。它本身成了一个 meme——Claude 那句条件反射般的「你说得完全对！」，不管你说的是不是真的完全对。
这听起来无害。不是的。
很多组织里最卖力推 AI 的人，可能很快就会是历史上表现最差的员工。想想为什么。
组织里表现最差的员工，每天几乎得不到任何正面反馈，很快就会有一个 ASI 全程赞同他们。他们会在心里说：「有史以来最聪明的智能体都同意我。是我的经理搞错了。」
这令人上瘾。也对组织有毒。
图注：个人级 AI 的回音室加剧分裂，让两个人渐行渐远，这种动态在规模化后会在原本一致的组织内制造派系。
这揭示了一件重要的事。个人生产力工具强化的是用户。但真正最该强化的是事实。
人类组织经过数千年的进化，建立了专门对抗这个问题的体系：
图注：客观性甚至能缓解协调问题——把小分歧抑制而非放大。
组织很少因为员工缺乏信心而失败。它们失败是因为没有人愿意或能够说「不」。
机构级 AI 必须扮演这个角色。它不会被 RLHF 调教成讨好用户或附和他们的信念，而是要挑战他们的偏见。行为高效时给予正向反馈，偏离正轨时画出硬线、强制纠偏。
因此，组织内部最重要的 Agent 不会是「应声虫」，而是有纪律的「否决者」——质疑推理、暴露风险、执行标准。未来一些最有影响力的 AI 应用将围绕制度性约束来建设：AI 董事会成员、AI 审计师、AI 第三方测试、AI 合规……
个人级 AI 优化使用量。
机构级 AI 优化边缘优势。
AI 的能力边界每周甚至每天都在移动。基础模型公司为了争夺每个人和每个组织，在快速迭代能力。
但经典的创新者困境告诉我们，在具体应用上，深度永远打败广度：
虽然基础模型会越来越接近，但对各领域专家来说，真正的边缘优势才是关键。很多最好的设计师用 @Midjourney，很多最好的语音 AI 公司用 @Elevenlabsio——因为即使基础模型在进步，专用应用对推动其特定边缘优势的不懈聚焦，本身就定义了优势。
只要专用解决方案也在进化，对经济成果真正关键的能力——对企业关键的能力——永远在专用产品这边。
这在金融领域体现得淋漓尽致——目前 LLM 开发最火热的领域。一旦某种能力普及了，按定义它就不会帮你跑赢市场。但如果前沿技术能产生一个短暂的 1% 小众优势？这 1% 可以撬动十亿美元级的回报。
图注：对于任何足够具体的任务，边缘优势由你在前沿技术之上搭建的机构级解决方案来定义。
我们的用户一直在超越前沿。LLM 的上下文窗口在四年里从 4K 增长到 100 万 token。我们有些用户在单次任务中处理 300 亿 token。今年我们已经看到了处理 1000 亿 token 任务的路径。每次基础模型能力提升，我们已经走得更远了。
图注：上下文窗口和其他能力一样是个移动靶。过去三年前沿实验室和 Hebbia 的上下文窗口演进对比。
面向广泛用户的通用性当然重要，尤其在让员工入门 AI 的阶段。但未来不会是人们使用 ChatGPT/Claude 或者垂直解决方案，而是 ChatGPT/Claude 加上垂直解决方案。
机构级智能必须利用领域专用的、甚至任务专用的 Agent。
我们会问自己一个听起来荒谬但并不荒谬的问题：
「AGI 会选择使用哪些 Agent 作为捷径？即使是超级智能也会想要针对特定领域的专用工具。」
AI 的能力边界永远在移动，那些利用真正边缘优势的组织才是赢家。其他人都在为一个非常昂贵的通用商品买单。
个人级 AI 节省时间。
机构级 AI 扩大收入。
@MaVolpi 曾经跟我说过一句话，重塑了我对向企业卖 AI 的认知：「如果你问任何 CEO 优先削减成本还是扩大收入，几乎所有人都会说收入。」
但今天市场上几乎每一个 AI 产品交付的都是降本——承诺帮你省时间、用更少的人做更多的事、或者替代人力。
机构级 AI 必须交付增量收益。而增量收益比省下的时间难被商品化得多。
拿 AI 辅助软件开发举例。代码 IDE 是有史以来最好的个人 AI 生产力工具之一，但它们已经面临来自 Claude Code（另一个个人级 AI 工具）的巨大冲击。Cognition 在玩一个完全不同的游戏。他们增长最稳的业务是用技术卖转型，而不是卖工具。我押注这种模式会有持久力。
纯软件「正在迅速变得不可投」。纯服务不可规模化。解决方案层——把技术和结果绑定在一起——才是持久价值沉淀的地方。
再看 M&A。个人级 AI 帮分析师更快地建模。机构级 AI 从一百个目标中识别出那一个值得追的交易对手，然后把搜索范围扩展到一千个。一个省时间，另一个创造收入。
图注：基础模型公司正在向垂直应用层移动。垂直应用层公司正在向解决方案层移动。
「向上游移动」是市场当前的自然引力。基础模型在向应用层走，应用层公司在向解决方案层走。
机构级智能就是解决方案层。而解决方案层——结果在的地方——将沉淀持久价值，捕获最大的收益空间。
个人级 AI 给你一个工具。
机构级 AI 教你怎么用。
人类再聪明，也抗拒改变。
信不信由你，纽约现在还有成功的店铺不收信用卡。他们知道自己在亏钱，知道不收信用卡会亏钱，但就是不动。同样，在可预见的未来，某些组织里的某些员工，就是会拒绝使用 AI。
从纯人工组织转型为 AI 优先的混合组织，将是未来十年最持久、最具定义性的挑战。而且很多时候，组织中最高层、最重要的人，反而是最晚采用的。
图注：组织最高层——离「生产力工具操作」最远的人——往往是采用新技术最慢但最关键的群体。
Palantir 是唯一一家在过去两个月万亿美元科技股抛售潮中，还维持着超高估值倍数的「软件」公司。这是有原因的。Palantir 是第一批真正的「流程工程」公司之一。不管你叫它「流程工程」还是「编写 Claude 技能文件」，未来的机构级 AI 将催生一个行业：把企业流程编码进 Agent，并落地推行所需的变革管理。
图注：组织全面采用 AI 将跨越多个鸿沟，每一个都有自己的挑战。把流程上线 AI 将是主要推动力。
我敢说，流程工程将成为近期最重要的「技术」。
而在流程工程中，业务和行业专长——而非软件专长——才最关键。垂直解决方案会培养出在前线部署工程、实施和变革管理方面拥有专业知识的人才。
一家选择了 Hebbia 做全面部署的头部投行（前三名大行）说得最到位：他们之所以不跟某家大模型实验室合作，是因为「我们得给他们的团队解释什么是 CIM（保密信息备忘录）」。Claude 或 GPT 当然了解这个领域，但负责落地推广的团队不了解……
这个差别决定了一切。
个人级 AI 响应人类的 prompt。
机构级 AI 主动行动，不需要 prompt。
关于 Agent 之间通信、未来的企业和制度是否还需要人类，讨论很多。
给 AGI 写 prompt，就像把电动机接到手工织布机上。它从根本上、不可逆转地受限于组织供应链中最薄弱的环节——我们自己。人类根本不知道该问什么正确的问题，更别说什么时候问。
AI 能做的最有价值的工作，是那些没人想到要问的工作。AI 应该找到没人发现的风险、没人想到的交易对手、没人知道存在的销售管线。
这将彻底打开 AI 用例的边界。
一个无需提示的系统持续监控整个投资组合的数据流。它发现某家被投公司的运营资本周期已经连续三个月悄悄恶化，与信贷协议中的契约条款做交叉比对，在基金里任何人打开那份 PDF 之前就通知了运营合伙人。
当你不再需要人类来给 AI 写 prompt，新的界面和新的工作方式就出现了。我们 @Hebbia 在这方面有很强的想法。后续再聊。
以上这些并不否定聊天机器人、Agent 和个人级 AI 的价值。
个人级 AI 将是全球大多数企业第一次体验 AI 变革魔力的载体。推动使用量、推动易用性，是建设 AI 优先经济所需的变革管理的关键第一步。
但与此同时，对机构级智能的需求是明确的、紧迫的、巨大的。
未来每个组织都会有一个来自大模型实验室的聊天机器人。每个组织也会有为特定领域问题专门打造的机构级 AI——而个人级 AI 会把机构级 AI 当作自己工具箱里最关键的工具来使用。
机构级 AI 和个人级 AI「更好地结合」是必然趋势。
但请记住 1890 年代纺织厂的教训。最先通电的工厂，输给了重新设计车间的工厂。
我们已经有了电力。是时候重新设计我们的工厂了。
感谢 @aleximm 和 @WillManidis 的审阅，以及 Will 的「工具形状的物体」一文对本文的启发。
深潮 TechFlow 消息，3 月 13 日，据链上分析平台 Lookonchain 监测，以太坊OG Andrew Keys（@AK_EtherMachine）于约 10 小时前出售 618 枚 ETH，价值约 127 万美元。
作者：Sam Schneider
编译：深潮 TechFlow
深潮导读： 预测市场正在成为新的赌博基础设施。作者 Sam Schneider 通过 Kalshi 的公开 API 拉取了全部 2.03 亿笔历史交易数据，发现超过 82% 的合约量来自体育博彩，平台累计手续费收入达 5.456 亿美元。这篇文章从订单簿机制、费率结构到监管灰色地带，完整拆解了这门 110 亿美元估值公司的生意逻辑。
假设时间回到 2005 年，你创办了一家公司叫 Meth Labs， Inc. 。你搞到了客户、拿到了风投的钱，一转眼就上了纽约证券交易所，股票代码 $METH。人们可以买你的股票、卖你的股票，或者搞一个铁鹰策略。纽交所提供了一个中心化市场，买卖双方在信息不断释放的过程中按价格成交。
上面提到的是纽交所，但股票交易所还有很多（NASDAQ、LSE、SSE 等等），它们都在撮合证券的买卖。事实上，市场对社会来说太重要了，即使你不是一个狂热的日内交易员，你也在不断地与市场打交道。Uber 把喝多了的人和司机连在一起，Facebook Marketplace 把人和二手家具连在一起，你爸正试图帮你连一份工作。
假设你想退休了，要卖掉你在 $METH 的股票去做慈善。谁会买？该卖多少钱？
市场做两件事：
但如果，市场揭示的不是每股价格，而是某个特定事件发生的概率呢？这就是预测市场。
不管是在地下斗鸡场拿纸笔记账，还是通过 Kalshi 和 Polymarket 这种中心化、大规模、资本充裕的公司来做，预测市场和股票交易有本质区别：
你不能通过预测市场买 $METH 的股票，但你可以押注 $METH 在 1 月 6 日的股价会在 122 到 124 美元之间。
今天，我们要在 Bass Pro Shops 卖一把枪。呃，抱歉，Claude 又在幻觉了。今天我们要看的是：数十亿美元如何涌入这些市场、FTX 的遗产如何延续、体育博彩占了多大比例，以及 Kalshi 到底赚了多少钱。来学一种新的赌博方式吧。
Kalshi 和 Polymarket 分别在 2018 年和 2020 年上线。虽然这两家构成了当前的双寡头格局，但预测市场的历史更久。其中一个元老是爱荷华电子市场（IEM），从 1988 年就开始运营预测市场了。
押注自己的「信念」可能会让人惹上麻烦，但群体智慧仍然是一种有价值的预测工具。看看 Wolfer 和 Zitzewitz 2004 年的论文：
「这些市场预测民主党和共和党候选人的得票率，平均绝对误差约为 1.5 个百分点……盖洛普最终民调的预测误差为 2.1 个百分点。」
然而……这么多年来，一直缺少一样东西……阻碍我们收集预测、建立市场、扩展到数百万人并从中获利。那个缺失的拼图是——资本充裕的加密 Web 应用程序，给你免费的杂货，让你能押注下任教皇是不是跨性别者。正如哈耶克写《知识在社会中的运用》时所期望的那样。
我们接下来会详细讲 Kalshi，但这个赛道还有其他项目和协议。
预测市场扩展了人类赌博的表面积。举个例子，我可能赌 10 美元，赌自己能在午夜前喝完 10 瓶啤酒，而我老婆的男朋友可能不信。我这边说「能」，他那边说「不能」。把我换成勒布朗·詹姆斯，啤酒换成得分，午夜换成比赛结束，你就有了一个可以在 Kalshi 上交易的真实市场。
在 Kalshi 的体系里，市场（market）指的是一个二元市场，最终结算为「是」或「否」。事件（event）是一组这样的市场，系列（series）则是把相似但独立的事件归类在一起。比如：
每个市场都有一个「是」和一个「否」，各自对应一个订单簿。什么是订单簿？先搞定几个术语……
图注：Kalshi 交易核心术语图解
Kalshi 上的每一笔交易都是 Maker 和 Taker 之间的撮合。就像我们那个「纯属虚构」绝对没有发生过的场景一样，Maker 和 Taker 在 Kalshi 上是和另一个人对赌，不是和平台对赌。你买的不是股票，而是一份合约——猜对了结算 1 美元，猜错了结算 0 美元。
作为对价格敏感的理性人，我愿意拿 10 美元赌赢 20 美元，我老婆的男朋友也一样。两边都押了钱，这个事件的隐含概率就是 50%（10/20）。用「事件合约」的说法：
交易量上来之后，用订单簿来跟踪就很有必要了。
图注：订单簿示意图，展示买卖双方的挂单
订单簿有很多种展示方式。通常显示挂单、买方还是卖方、数量以及下单时间。
买单（bids）包含所有想买的人，卖单（asks）包含所有想卖的人。上图中，买卖单按从最优到最差的价格排列。最高买价和最低卖价之间的差距叫价差（spread）。
在流动性好的市场（比如超级碗），价差可能只有 1 美分。在流动性差的市场，价差可能很大，因为没人愿意站到对面。这也是 Kalshi 给流动性提供者和做市商提供激励的原因。
回到订单簿。当一个 Market Taker 觉得 0.52 美元的价格是捡漏，他和我妈成交了 50 份合约（你能在买方看到她）。资产价格就「动」到了 0.52 美元，那个买单从订单簿上消失了。这就是价格发现，或者更准确地说，市场在给概率定价。赌狗们把我肝衰竭的概率更新到了 52%。看看 Kalshi 上真实的订单簿长什么样：
图注：Kalshi 真实订单簿界面，左侧为「是」、右侧为「否」
你会注意到订单簿有「是」和「否」两侧。Kalshi 上的合约可以结算为「是」或「否」，交易者买卖两边都做。
等等……这看起来不对。为什么两边完全互为镜像？为什么「是」的买单和「否」的卖单合约数量一样，价格 0.42 + 0.58 正好等于 1 美元？因为买「是」就等于卖「否」。
搞清楚了挂单，那撮合是怎么工作的？
Kalshi 在其中央限价订单簿（CLOB）上使用价格-时间优先的撮合算法。表面上听起来很直观——按价格排序，价格相同按时间排序。但搭建一个交易所并大规模处理这些订单远没那么简单。想深入了解撮合引擎的，推荐 DataBento 的这篇文章。在 Kalshi 的交易所，所有订单必须全额抵押，所以暂时没有保证金交易。
一段时间里，MIAX 旗下的 MIAXdx 是 Kalshi 交易所的清算所。MIAXdx 原来叫 LedgerX，但 MIAX 通过……请击鼓……FTX 的破产程序收购并更名了它！后来 Kalshi 觉得「我要自己建清算所」，于是在 2024 年 8 月向商品期货交易委员会（CFTC）注册了 Kalshi Klear 并获得了批准。再来个闭环——Robinhood 最近从 MIAX 手里买下了……LedgerX！
我通过 Kalshi 的市场 API 和交易 API 拉取了历史数据——约 3000 万个市场、2.03 亿笔交易、总交易量超过 417 亿美元。
图注：Kalshi 交易量趋势图，总量超 417 亿美元
这些交易量从哪来？Kalshi 自身网站和 App 带来了大量流量。它还和一些期货佣金商（FCM）合作，这些机构代客户撮合期货交易。你可能认识它们——你把 IRA 转过去的 Robinhood，青少年炒币的 WeBull，还有你放山寨币的 Coinbase。
按交易量排名，第一的是 2024 年美国总统大选，超过 5.35 亿美元；第二是 2026 年超级碗冠军，约 2.44 亿美元。
等一下……超级碗……这不就是……体育博彩？
Kalshi 由 CFTC（商品期货交易委员会）监管，CFTC 负责监督美国衍生品市场。我说「监管」，其实更准确的说法是「基本没怎么管」。《商品交易法》（CEA） 确立了 CFTC 运作的法律框架。这个框架赋予 CFTC 禁止交易洋葱期货的权力，但同时也允许 18 岁的人在 Kalshi 上交易合约。Kalshi 甚至在 FAQ 页面上炫耀「最低注册和参与年龄」是 18 岁以上，并直接把自己和……体育博彩平台做对比。体育博彩平台要看各州政府的脸色，有些州完全禁止体育赌博，其他州要求投注者 18 岁或 21 岁以上（通常是 21 岁以上）。
好吧，但……Kalshi 不一样。你是和其他人交易合约，而且什么都能押。不只是体育，对吧？我不是在和庄家对赌，对吧？
图注：Kalshi 合约量按品类分布，体育类占比超过 82%
超过 82% 的合约是……体育。Kalshi 是一个靠交易量吃饭的生意，交易的合约越多，赚的手续费就越多。更妙的是，它是第一个让 18 岁年轻人合法参与的赌博平台。对了，他们还提供串关（parlays），占总交易量的 5% 以上！
至于不是和庄家对赌这件事……引用 Kalshi 那篇标题叫「我在和谁交易」的文章：
「交易所上另一个重要的参与者是 Kalshi Trading。Kalshi Trading 是一个独立于 Kalshi Exchange 的实体……他们和其他人一样，是交易所的一个普通参与者。」
闻起来像博彩公司、交易起来像博彩公司，那它可能就是一个 砰——枪响，作者倒地。
这些市场的交易量呈现幂律分布。把总交易量（美元）按数量级分组，可以看得很清楚。
图注：市场交易量幂律分布，按数量级分组
交易量为 0 的市场中，80% 是串关（Combos）。每一个串关都是一个独立市场，经过 Kalshi 的 RFQ 系统报价，很多根本找不到对手方。
用同样的交易量分组方式，再按结算结果拆分可以看到：交易量越大，结算为「是」的市场占比越高。
这说明，对于任何一个市场，基础概率应该偏向结算为「否」。交易量的影响也讲得通——包含大量子市场的事件，交易量会分散在各个子市场上，最终只有一个或少数几个结算为「是」。
在这些市场中，平均每笔交易的合约数在 150-250 之间。2024 年出现过一次巨大的尖峰，因为美国大选中有人下了 100 万份合约的大单。中位数远低于平均值，大多数月份不到 50。
图注：每笔交易平均合约数和中位数对比
如果传统博彩像轮盘赌，庄家通过赔率赚钱，那 Kalshi 就像扑克，平台通过抽水赚钱，不关心谁赢谁输。
在传统博彩平台上，你会看到「平赔」——两边各 50% 概率的盘口，比如超级碗的硬币猜正反。平台不会给你真正的 50/50 赔率，而是给两边各 52.4% 的概率，高于实际概率。
在传统博彩平台上，两个人各押 10 美元在硬币的正反面，1 人拿走 19.09 美元，1 人拿走 0，博彩平台拿走 0.91 美元，即总投注额的 4.5%。这 4.5% 就是行话说的 vig、juice、hold 等等。
举个例子，Islanders vs Devils 的比赛，恰好在博彩平台上是 52.4%/52.4%。在 Kalshi 上，合约交易价是 0.51 美元（51%）。所以你应该去 Kalshi 交易，因为 51% 比博彩平台的 52.4% 赔率更好，对吧？
图注：同一场比赛，博彩平台 vs Kalshi 的费率对比
不！博彩平台赔率差一点，但 Kalshi 的 Taker 手续费 0.35 美元抵消了这个优势：
但这不是全貌，因为 Kalshi 提供流动性激励和交易量激励。此外，费率结构并非所有市场一致，Kalshi 还会对持仓支付收益，每日累计。
Kalshi 从这些交易量中收多少手续费？先看 Taker 的费用。公式是：
费用 = 向上取整（0.07 × C × P × （1-P））
其中 C 是合约数量，P 是价格（范围从 0.01 到 0.99 美元）。
把费用画成 P 和 C 的函数。价格随合约数量线性增长；P×（1-P） 控制了费用曲线的形状——可以看出，当隐含概率离 50% 越远，费率越低。极大概率和极小概率的合约手续费最低。
图注：手续费与隐含概率和合约数量的关系，右图展示 P（1-P） 曲线
我们在这里发现的其实是伯努利分布。伯努利分布为单次「是/否」事件建模（在我们的场景里就是一个市场）。
为什么 Kalshi 不搞固定费率？大概率是出于交易层面的考虑：
Maker 费用的曲线斜率一样，只是因为乘数是 0.0175（Taker 的四分之一）所以整体缩小了：费用 = 向上取整（0.0175 × C × P × （1-P））。
下载了 Kalshi 全部 2.03 亿笔历史交易后，我知道每份合约的精确成交价格。把 P 和 C 代入公式，就能推算出 Kalshi 从所有合约中赚取的总收入——5.456 亿美元。
Kalshi 按隐含概率分布的月度交易量：
图注：按隐含概率分布的月度交易量
Kalshi 月度手续费收入：
图注：Kalshi 月度手续费收入趋势
这些市场的受欢迎程度正在爆发式增长，DraftKings、FanDuel 和 Fanatics 正争先恐后地赶来参加派对。这场派对的名字叫：「我们干的事和博彩基本一样，但现在是伪监管状态，而且 18 岁就能玩」。
一个有意思的结算案例：达拉斯和绿湾在一场 NFL 比赛中打平。市场结算为 50/50 而不是「是」或「否」、100 或 0。预测市场没有推平或作废赌注的概念。遇到不明确的情况，Kalshi 会介入。在数据中，Kalshi 把这类结果标记为 「scalar」，超过 17 万个市场被打上了这个标签。
Kalshi 的市场结算看起来相当手动。他们有一个市场团队，会仔细审查结果。每个市场都有权威的参考来源。比如，超级碗列出了好几个数据来源和特定规则。尽管如此，他们还是没搞清楚 Cardi B 算不算表演了，最后按最后成交价结算了这个市场。
Polymarket 则表态「是的，她表演了」，这也体现了他们在结算方式上的不同——使用 UMA 的乐观预言机。这个话题以后再展开。
说完了，我还有 9 瓶啤酒要喝，而且已经严重超字数了。
法律小插曲： 还有一个叫 PredictIT 的预测市场，专注政治预测。PredictIT 由一家叫 Aristotle 的公司运营，这家公司为政治竞选做数据挖掘。它在 2014 年作为新西兰惠灵顿维多利亚大学的非营利教育项目上线。为了合法运营，他们从 CFTC 获得了一封不采取行动函，类似于 IEM 当年拿到的那种，条件是遵守一些限制并服务学术目的。然后 2022 年，PredictIT 被 CFTC 搞了——因为没有按照协议运营。2025 年，他们在联邦法院 360 度无死角地反杀了 CFTC，「预测市场中的凯迪拉克」又回来了。
总之，这些「事件合约」领域的玩家们都在向 CFTC 提交各种信函和信函，请求 CFTC 不要因为他们未能满足常规报告要求而对其采取行动。到目前为止，CFTC 似乎表示同意，理由是「传统互换报告规则对交易所交易事件合约的适用范围有限」。还有其他问题，比如 Kalshi 和 Robinhood 的分类定性，但总的来说，未来在如何监管、征税和管理这些「新型」实体的报告要求上，还有很多讨论要进行。
深潮 TechFlow 消息，3 月 13 日，据 Onchain Lens（@OnchainLens）监测，一个新创钱包从币安（Binance）提取了 200 万枚 $TRUMP 代币，价值约 594 万美元。
此前消息，TRUMP 代币团队将于 4 月 25 日为 TRUMP 代币持仓排名前 297 名用户举办宴会。
撰文：Cointelegraph
编译：AididiaoJP，Foresight News
比特币的设计哲学使其能够抵御严峻的经济、政治和技术挑战。截至 2026 年 3 月 10 日，其开发者团队正着手应对一项新兴的技术威胁：量子计算。
近期发布的比特币改进提案 360（BIP-360），首次正式将抗量子性列入了比特币的长期技术路线图。尽管部分媒体报道倾向于将其描述为一次重大变革，但实际情况更为审慎和循序渐进。
本文将深入探讨 BIP-360 如何通过引入支付到默克尔根（P2MR）脚本，移除 Taproot 的密钥路径花费功能，从而降低比特币的量子风险敞口。本文旨在阐明该提案的改进之处、引入的权衡因素，以及它为何尚未能使比特币实现完全的后量子安全。
比特币的安全性建立在密码学基础之上，主要包括椭圆曲线数字签名算法（ECDSA）以及通过 Taproot 升级引入的 Schnorr 签名。传统计算机无法在可行时间内从公钥逆向推导出私钥。然而一台具备足够能力的量子计算机若运行肖尔算法，则有可能破解椭圆曲线离散对数问题，进而危及私钥安全。
关键区别如下：
基于此，社区普遍将公钥暴露视为最主要的量子风险来源。
比特币网络中的各类地址类型，面临的未来量子威胁程度不尽相同：
BIP-360 正是直接针对密钥路径暴露问题而设计。
BIP-360 提案新增了一种名为支付到默克尔根（P2MR）的输出类型。该类型在结构上借鉴了 Taproot，但做出了一项关键性改动：彻底移除了密钥路径花费选项。
与 Taproot 承诺一个内部公钥不同，P2MR 仅承诺脚本树的默克尔根。花费 P2MR 输出的流程为：
揭示脚本树中的一个叶子脚本。
提供一个默克尔证明，以证实该叶子脚本隶属于被承诺的默克尔根。
整个过程中，不存在任何基于公钥的花费路径。
移除密钥路径花费带来的直接影响包括：
一个常见的误解是，放弃密钥路径花费会削弱比特币的智能合约或脚本功能。事实上，P2MR 完全支持以下功能：
BIP-360 通过 Tapscript 默克尔树来实现上述所有功能。该方案在保留完整脚本能力的同时，舍弃了便捷但存在潜在风险的直接签名路径。
背景知识：中本聪曾在早期论坛讨论中简要提及量子计算，并认为若其成为现实，比特币可以迁移至更强的签名方案。这表明，为未来的升级预留灵活性，是其初始设计思想的一部分。
BIP-360 虽看似一项纯技术改进，但其影响将广泛触及钱包、交易所和托管服务等层面。若提案被采纳，它将逐步重塑新的比特币输出的创建、花费和保管方式，尤其对重视长期抗量子性的用户产生深远影响。
背景知识：各国政府已开始关注「先收集，后解密」的风险，即当下大量收集并存储加密数据，以待未来量子计算机问世后进行破解。这种策略与对比特币已暴露公钥的潜在担忧如出一辙。
尽管 BIP-360 增强了比特币对未来量子威胁的防御能力，但它并非一次彻底的密码学体系重构。理解其局限性同样至关重要：
量子计算的技术发展路径充满不确定性。部分观点认为其实用化仍需数十年，而另一些则指出，IBM 在 2020 年代末的容错量子计算机目标、谷歌在量子芯片上的突破、微软在拓扑量子计算上的研究，以及美国政府设定的 2030-2035 年密码系统过渡期限，都预示着相关进展正在加速。
关键基础设施的迁移需要漫长的时间周期。比特币的开发者们强调，必须从 BIP 设计、软件实现、基础设施适配到用户采纳等各个环节进行系统性规划。如果等到量子威胁迫在眉睫再行动，将可能因时间不足而陷入被动。
若社区达成广泛共识，BIP-360 可能通过分阶段的软分叉方式推进：
这一过程与当年隔离见证（SegWit）和 Taproot 升级所经历的从可选到广泛应用的路径类似。
关于实施 BIP-360 的紧迫性及其潜在成本，社区内仍存在持续的讨论。核心议题包括：
这些讨论仍在持续进行中。BIP-360 的提出极大地推动了相关议题的深入探讨，但远未为所有问题画上句号。
背景知识：量子计算机可能破解当前密码学的理论构想，可追溯至 1994 年数学家彼得·肖尔提出肖尔算法之时，这远早于比特币的出现。因此，比特币对未来量子威胁的规划，本质上是对这一已有三十余年历史的理论突破的回应。
目前，量子威胁并非迫在眉睫，用户无需过度担忧。但采取一些审慎的措施是有益的：
BIP-360 标志着比特币在协议层面减少量子风险敞口方面迈出了第一个具体步骤。它重新定义了新输出的创建方式，最大限度地减少了公钥的意外泄露，并为未来的长期迁移规划奠定了基础。
它不会自动升级现有的比特币，保留了当前的签名体系，并凸显了一个事实：实现真正的抗量子安全，需要一个谨慎协调、覆盖全生态的持续努力。这有赖于长期的工程实践和分阶段的社区采纳，而非单个 BIP 提案所能一蹴而就。
深潮 TechFlow 消息，3 月 13 日，据 BitcoinTreasuries.NET 消息，英国上市公司 B HODL（股票代码：$HODL）宣布新增一笔资本部署，金额为 468,500 美元，用于继续购入比特币。
深潮 TechFlow 消息，3 月 13 日，以太坊联合创始人 Vitalik Buterin 发文就其与未来生命研究所（Future of Life Institute）的关系及 AI 风险议题立场作出公开说明。Vitalik 表示，2021 年其被动收到大量 SHIB 等狗狗币，彼时账面价值一度超过 10 亿美元。他随即将其中一半捐予 CryptoRelief，另一半捐予 FLI，原以为后者最多套现 1000 万至 2500 万美元，但 FLI 实际套现约 5 亿美元。
Vitalik 指出，FLI 此后发生内部战略转向，将大规模政治行动作为主要手段，与最初路线存在明显差异。他对此表达担忧，认为以大规模资金池推动政治行动，容易产生意外后果，并可能演变为威权式解决路径，例如通过限制开源 AI 来扶持单一”正确”机构获得主导地位，此类做法存在严重反噬风险。
深潮 TechFlow 消息，3 月 13 日，据加密分析师 Trader T 监测，昨日美国以太坊现货 ETF 净流入 7245 万美元。
ETHA（BlackRock）：净流入 1877 万美元；
FETH（Fidelity）：净流入 5202 万美元；
ETHW（Bitwise）：净流入 89 万美元；
EZET（Franklin）：净流入 78 万美元；
深潮 TechFlow 消息，3 月 13 日，链上分析平台 Lookonchain 在社交媒体发文分析称，因滑点单币亏损 5000 万美元当事人或为“1011内幕地址” 操盘手 Garrett Jin。
链上追踪显示，与其相关的 13 个钱包地址均于 2 月 16 日及 2 月 20 日从币安提取 USDC 或 USDT，并于近日重新活跃，将资金转移至 2 个新钱包。其中一个钱包与 Garrett Jin 共用同一币安充值地址。
Lookonchain 表示，此前 Garrett Jin 曾于 2 月 15 日及 2 月 20 日出售 261,024 枚 ETH（约 5.43 亿美元）及 11,318 枚 BTC（约 7.61 亿美元），上述钱包从币安提款的时间与之相近。
撰文：c4lvin，Four Pillars
编译：AididiaoJP，Foresght News
若在 2025 年于 Upbit 新上线韩元交易对的 59 个代币中各投入 100 美元，截至 2026 年 3 月 11 日，该投资组合的价值仅剩原始投入的 31%（即每美元跌至 0.31 美元）。Bithumb（144 个代币）表现相同，同为 31%；Binance（92 个代币）则略低，为 29%。三大交易所均导致约 70% 的资产缩水。
Upbit 上线的 59 个代币中，仅有两个最终实现盈利：KITE（上涨 232.8%）和 BARD（上涨 9.3%）。Bithumb 表现略优，144 个代币中有 8 个保持正收益。Upbit 的收益率中位数为 -80.9%，Bithumb 则为 -82.1%。
同时登陆两大韩国交易所的 50 个代币，其平均收益率（-69.4%）与仅在 Bithumb 上线的 94 个代币（-68.9%）几乎完全一致。这一数据表明，在多个主流交易所上线并不能为后续价格表现提供保障。
本次分析的灵感源于 Messari 研究分析师@Degenerate_DeFi 今日发布的一张数据图表。
数据来源：@Degenerate_DeFi
该图表显示，若在 2025 年 Binance 新上线的 92 个代币中各投入 100 美元，截至今日，每美元投资仅剩 0.29 美元。这意味着在总计 9,200 美元的投资中，累计亏损达 71.7%，剩余价值仅约 2,600 美元。
作为全球交易量最大的加密货币交易所，Binance 的上线标准普遍被认为比小型平台更为严格，其流动性优势亦无可比拟。若 Binance 的数据表现尚且如此，韩国交易所的情况又将如何？韩国市场以散户为主导，交易模式与全球市场存在显著差异。这些差异是否会影响新上线代币的表现？抑或数据最终会揭示出相似的规律？
本文将采用与 Binance 分析相同的方法论，对 2025 年全年在 Upbit 和 Bithumb 获得韩元交易对的所有代币进行系统分析。
本研究涵盖 2025 年 1 月 1 日至 12 月 31 日期间，在 Upbit 和 Bithumb 新增韩元市场交易对的所有代币。其中 Upbit 共计 59 个，Bithumb 共计 144 个。对于 2025 年上线但目前已下架的 Elixir (ELX)、Strike (STRIKE) 和 AI16Z，本研究按完全亏损处理。
投资模拟规则沿用 Messari 分析 Binance 上线代币表现的统一框架。我们假设在每个代币上线首日的收盘价投入 100 美元，并持有至今不进行任何卖出操作。通过每日跟踪该投资组合的累计价值和回报率，构建时间序列数据集。
选择首日收盘价作为买入时点是经过审慎考虑的。在韩国交易所，上线首日的开盘价往往因剧烈波动和投机性买盘而被显著推高。采用收盘价能够有效过滤这一短期噪音。
价格数据均通过各交易所的公开 REST API 直接获取。针对 Upbit，我们运用日线 K 线接口，收集每个代币自上线之日起至 2026 年 3 月 11 日的完整每日 OHLCV 数据，并通过行情接口（/v1/ticker）对当前价格进行交叉验证。针对 Bithumb，则采用 24 小时 K 线接口获取同期数据。为简化模型，本研究未考虑美元与韩元间的汇率波动因素。
下图直观呈现了模拟结果。后续章节将对该数据进行详细解读与分析。
2025 年三大交易所新上线代币的表现对比如下：
三大交易所均录得约 70% 的亏损。Upbit（-69.5%）与 Bithumb（-69.1%）表现几乎持平，Binance（-71.7%）亦相差无几。无论选择哪家交易所，上线首日买入新代币的投资者平均均损失约七成初始资金。
整体平均值尚不足以揭示单个代币表现的差异性。以下按区间划分对各代币收益率进行详细考察：
两大交易所均有超过 40% 的代币集中在 -75% 至 -90% 的亏损区间。Upbit 中该区间占比达 46%，另有 9 个代币（占比 15%）遭受超过 90% 的极端亏损。仅有两个代币最终实现正收益：Kite（KITE，上涨 232.8%）和 Lombard（BARD，上涨 9.3%）。
Bithumb 的收益率分布更为分散。其盈利代币数量较多，共计 8 个，但同时也有 33 个代币遭遇超过 90% 的极端亏损。这种分散性部分源于 144 个代币的更大样本量，但也反映出 Bithumb 的上线策略相较 Upbit 覆盖了更广泛的项目类型。
收益率中位数揭示了更为严峻的现实：Upbit 为 -80.9%，Bithumb 为 -82.1%，均低于各自的平均值。这表明少数相对抗跌的代币拉高了整体平均水平，而新上线代币的典型表现实际上比表面数据更为惨淡。
为考察上线时机是否影响后续表现，我们将数据分为上半年（1 月至 6 月）和下半年（7 月至 12 月）两个时段进行比较。
数据显示，下半年上线的代币在两大交易所均表现更优。这一现象符合直觉：年初上线的代币经历了更长的下跌周期。考虑到 2025 年加密市场整体处于下行趋势，持有时间越长，累积更大亏损的可能性自然越高。
值得注意的是，上下半年表现的差距幅度颇为显著。在 Bithumb，上半年上线代币（-77.3%）与下半年上线代币（-59.4%）的收益率相差约 18 个百分点，这一差异难以仅用时间因素解释。可能性包括：下半年上线的代币确实具备更强的基本面支撑，或是市场预期已因上半年的教训而趋于理性。
2025 年全年，Upbit 新增 59 个韩元交易对，而 Bithumb 新增 144 个。Bithumb 的上线数量是 Upbit 的两倍有余，亦显著超过 Binance 的 92 个。Upbit 以韩国交易所中上线标准最为严格著称。然而，尽管上线数量差异悬殊，两大交易所的投资组合收益率却几乎完全一致：Upbit 为 -69.5%，Bithumb 为 -69.1%。
为深入探究，我们进一步比较了同时在两大交易所上线的代币与仅在 Bithumb 上线的代币的表现。数据显示，共有 50 个代币同时登陆 Upbit 和 Bithumb。
按理说，能够在两大主流交易所同时上线的项目，应具备一定的行业认可度。然而，这 50 个代币的平均收益率（-69.4%）与仅在 Bithumb 上线的 94 个代币（-68.9%）几乎完全相同。
这一发现指向以下两点结论：
第一，在多个主流交易所上线并不能为后续价格表现提供任何保障。
第二，上线事件引发的首日价格膨胀是一种结构性现象，其发生与项目本身受到多少关注无关。
无论一个代币是同时拥有在 Upbit 上线这一「殊荣」，还是仅在 Bithumb 悄然登陆，首日买入者最终承受的亏损并无显著差异。
在 Upbit 上线的 59 个代币中，仅有 KITE（上涨 232.8%）和 BARD（上涨 9.3%）最终实现正收益。仅有 8 个代币的亏损幅度控制在 50% 以内。
Bithumb 的 8 个盈利代币则构成了一组更为多元的样本。
KITE 录得 209.6% 的涨幅，是一个显著的异常值。但需注意的是，该代币上线仅四个月，将其表现解读为可持续的长期结果尚为时过早。STABLE 和 DEXE 同样因仅三个月的跟踪记录而需谨慎看待。
更具启示意义的是 PAXG 的案例。作为与黄金现货价格 1：1 锚定的代币，其 69.0% 的涨幅完全由 2025 年黄金价格的稳步上涨驱动。这一表现与加密货币市场基本面毫无关联，仅仅是宏观黄金趋势的反映。换言之，在 Bithumb 上实现盈利最可靠的方式，竟是不投资加密货币项目本身。
本研究得出结论：2025 年韩国交易所新上线代币的表现，与 Binance 在结构性层面并无本质差异。尽管韩国市场以高比例散户参与为特征，交易所间上线策略不尽相同，监管环境亦有所区别，但三大交易所首日买入者的平均亏损均收敛于约 70%。
我们认为，这一数据揭示的核心启示在于：问题的根源不在于特定交易所的上线标准，亦非个别代币的质量问题，而在于上线事件本身固有的结构性动态。当一个代币在主流交易所新上线时，集中的散户需求会在首日推高价格。随着时间推移，价格自然回归，导致首日买入者承受亏损。同时在两大交易所上线的代币与仅在一家上线的代币表现趋同，进一步印证了这些亏损并非源于特定交易所或代币，而是上线事件的结构性特征。
需要说明的是，本研究衡量的是单一特定策略的表现：首日收盘价买入并持有至今。若采用利用上线后数日价格波动的短期交易策略，或待价格大幅回调后入场的策略，则可能得出截然不同的结论。然而，此类策略对时机把握要求极高，与大多数散户投资者的实际行为相去甚远。
2025 年的数据提供了明确的启示：仅因一个代币新上线主流交易所便买入，是一个系统性亏损的策略，无论选择哪家交易所皆然。这一现象并非韩国市场独有，而是一个全球性的结构性问题。原因不在于交易所选择了劣质项目，而在于上线事件本身创造了一种需求集中的动态，这种动态持续性地对首日买入者不利。
深潮TechFlow消息，3月13日，针对社区质疑X平台无故封禁大量真实用户问题，X产品负责人兼Solana顾问Nikita Bier发文回应表示，问题主要是新上线的垃圾信息过滤系统出现错误导致，约99%被误封禁的账号已恢复。在约12小时内，新的反垃圾过滤器错误地将一部分正常账户标记为垃圾账号，导致少量用户暂时无法访问账户Nikita Bier还指出，随着AI技术不断进步，垃圾信息已成为平台面临的最大风险之一，X平台正持续加大对反垃圾工具的投入与升级，虽然系统在大多数情况下具备较高识别准确率，但此次漏洞导致一小部分用户短暂失去访问权限。
深潮 TechFlow 消息，3 月 13 日，据金十数据报道，有市场消息称：日本和其他亚太国家拟与美国达成300亿美元的能源和矿产协议。
深潮 TechFlow 消息，3 月 13 日，链上分析师 Ai 姨在 X 平台发文表示，此前因高滑点单币交易亏损超 5000 万美元的当事人已现身。该当事人表示，其在交易时看到了滑点警告，但认为不会产生严重后果，仍选择执行交易。该笔交易被其称为“第二糟糕的交易”。链上数据分析师余烬发文称，该巨鲸/机构在另一个钱包内仍持有 3.02 亿枚 USDC。
此前消息，据 CoinDesk 报道，一名用户在通过 Aave 界面执行单笔代币兑换时，因流动性池深度不足导致极端滑点，损失约 5000 万美元。
深潮 TechFlow 消息，3 月 13 日，据 Decrypt 报道，欧洲刑警组织与美国司法部（DOJ）于 3 月 11 日联合开展代号为”闪电行动”（Operation Lightning）的执法行动，成功捣毁恶意代理服务 “SocksEscort”，并冻结与该案相关的 350 万美元加密货币。
据悉，该网络已在全球 163 个国家感染超过 36.9 万台路由器及物联网设备，并向用户提供逾 3.5 万个代理节点。执法机构共没收 34 个域名及 23 台服务器，涉案支付平台估计累计收取加密货币超过 570 万美元（约合 500 万欧元）。
作者:Bitget
Bitget 提供多样化的交易方式，助您轻松买入或卖出主流加密货币。立即买入！
新用户立享 6200 USDT 欢迎礼包！立即注册！
联储官员预计利率维持一段时间
克利夫兰联储主席贝丝·哈马克表示，鉴于通胀仍处高位，就业市场趋软，货币政策当前处于中性态势，无需立即调整。
美以战火波及全球供应链
美以袭击伊朗导致霍尔木兹海峡能源和化肥运输成本上升。
伊朗允许部分船只通行霍尔木兹
伊朗副外长表示允许非侵略国船只通过，但侵略国无安全权。
美国拟豁免《琼斯法案》应对燃料价格上涨
特朗普政府考虑30天豁免以保障能源和农产品运输。
美国允许部分俄罗斯石油销售
财政部颁发许可证，至4月11日前允许已装载俄罗斯石油销售。
分析师Dara Doyle表示，市场将新任最高领袖穆杰塔巴·哈梅内伊的言论解读为相当强硬，似乎几乎没有迹象表明伊朗准备向美国和以色列让步。他在就任后的首次公开表态中表示，霍尔木兹海峡应继续保持关闭，并威胁在战争中开辟新的战线。这加剧了市场对全球关键石油咽喉通道供应持续中断的担忧，美债收益率和油价大幅上涨，股市下跌，美元指数升至日内新高。
总体下跌核心原因：美伊紧张推升油价，放大通胀担忧并引发私人信贷赎回潮，避险情绪主导科技板块。
事件概述：Adobe第一财季营收达6.40亿美元，同比增长12%，调整后EPS为6.06美元，超出预期5.86美元，AI优先产品年化经常性收入翻倍。该公司经历从传统软件到云转型和AI整合的两大变革，现任CEO Shantanu Narayen执掌18年，将在继任者确定后卸任。第二财季营收指引5.25-5.30亿美元，略低于分析师预期5.31亿美元。背景中，Adobe正探索AI商业化路径，但领导层变动引发战略连续性担忧。夜盘股价跌超7%，反映投资者对过渡期不确定性的谨慎。此事件与AI应用加速相关，但增长可持续性存疑，前因包括2025年AI产品推广，后果可能影响短期创新步伐。
市场解读：高盛维持买入评级，强调AI转型潜力强劲；摩根士丹利下调目标价，指出CEO继任不确定性或加剧短期压力；Wolfe Research下调至440美元但保持跑赢大盘，关注传统业务下滑；UBS持中性，担忧指导显示AI货币化缓慢。
投资启示：AI驱动长期增长明确，但管理层变动风险需警惕，适合长期投资者在回调时布局，观察Q2指引执行。
事件概述：特斯拉获FTC批准，将约20亿美元xAI投资转换为SpaceX不足1%股权。此举发生在SpaceX IPO筹备期，强化马斯克生态协同，包括电动车、AI和太空技术整合。背景为2025年xAI与SpaceX merger，估值达1.25万亿美元，特斯拉此前股东提案投资xAI未通过但最终实现。转换正式化财务联系，时点敏感于SpaceX潜在1.75万亿美元上市估值记录。股价跌3.14%，受大盘拖累但凸显多元化布局。前因是马斯克帝国重组，后果可能提升特斯拉技术竞争力，但分散汽车核心焦点。
市场解读：巴克莱视此为增强太空技术整合潜力，利好特斯拉故事；瑞银警告股权转换或分散资源，短期承压；Wedbush认为跨公司协同 bullish，预计更多xAI-SpaceX-Tesla互动；Seeking Alpha分析师 pondering merger益处与挑战，成长机会大于风险。
投资启示：多元化布局利好长期生态价值，但地缘风险主导短期，建议监控SpaceX IPO进展并评估汽车业务影响。
事件概述：亚马逊发行370亿美元美债及145亿欧元债，总规模创欧元市场企业债纪录，认购达1260亿美元。公司被视为动荡市场安全港，资金用于AI数据中心和基础设施扩张。背景为2026年计划投资200亿美元于芯片和设备，超出预期引发股权投资者担忧回报周期。发行在美伊冲突加剧油价波动中完成，凸显信用强劲。股价跌1.47%，但凸显财务灵活性。前因包括AI capex激增，后果可能加重债务负担但支撑增长。
市场解读：花旗赞扬融资能力，支撑AI扩张；德银指出规模过大，在高利率环境下或压缩利润；Schroders强调亚马逊现金充裕但AI需求 insatiable；Bloomberg分析师称定价cheap因供给过多，投资者质疑巨额发行必要性。
投资启示：财务稳健适合防御配置，但警惕债务增加与利率风险，宜关注AI投资回报率。
事件概述：微软和Meta各自新增约500亿美元租赁承诺，总额超7000亿美元，支持AI发展。微软持1550亿美元未来承诺，Meta为1040亿美元。此举反映AI计算需求爆发，背景为2025年服务器短缺后加速扩张，微软Q4新增1吉瓦容量。租赁多为15-19年期，部分可取消。股价分别跌0.75%和2.55%，受科技股抛售影响。前因是AI模型训练需求，后果包括潜在现金流压力但确保容量领先。
市场解读：高盛看好基础设施投资回报，推动AI领导地位；摩根大通担忧支出过高压缩短期现金流；Moody’s指6620亿美元 off-balance风险，强调会计挑战；Bloomberg分析称凸显AI下注升级，但供应瓶颈或持续。
投资启示：AI趋势明确支撑长期增长，但需监控支出效率与回报，中长期布局为宜。
事件概述：三星与英伟达合作开发铁电体基NAND闪存，使用物理信息神经算子模型，分析速度比现有快1万倍。研究成果已公布，合作从开发至商业化。背景为AI芯片需求推动内存创新，三星作为英伟达最大内存客户，旨在提升超低功耗存储性能。时点与AI基础设施增长重合，可能影响数据中心效率。股价反应纳入英伟达整体跌势。前因包括2025年HBM ramp-up，后果或紧缩常规内存供给，推动价格上涨。
市场解读：首尔经济日报引述行业官员，强调联盟加速AI内存架构转变；摩根士丹利建议买入三星回调股，视为AI记忆生态复杂化机会；Seeking Alpha分析师称合作利好三星HBM定位，但竞争激烈。
投资启示：强化AI内存领导地位，适合科技投资者关注，但需评估生产减量对价格影响。
1、Aptos（APT）完成11.31百万代币解锁，约占流通量0.69%，潜在卖压关注但网络活动维持稳定。WhiteBIT（WBT）3月13日大规模代币解锁，价值约41.8亿美元，或影响交易所流动性与生态。
2、贝莱德的iShares Staked Ethereum Trust（ETHB）上市首日交易量达1550万美元。纳斯达克数据显示，ETHB于周四首日交易中成交592,804份，对应交易额约1550万美元。彭博ETF分析师James Seyffart仍给予积极评价，称“对于首日上市的ETF来说，这非常、非常扎实”。
3、美国SEC的投资者咨询委员会投票通过建议，支持推进代币化证券监管政策，允许股票交易绕过华尔街投资公司依赖数十年的中介结算模式。
4、链上分析公司CryptoQuant表示，以太坊正面临“采用悖论”，即网络活动创历史新高，而ETH价格却大幅下跌。CryptoQuant研究主管表示，如果熊市持续，ETH可能进一步跌至1500美元左右，这一水平可能在今年第三季度末或第四季度初出现。
5、摩根大通分析师表示，自2月27日伊朗战争爆发以来，比特币和黄金ETF资金流动出现明显分化。最大的黄金ETF GLD出现约2.7%的资产流出，而最大的现货比特币ETF IBIT则录得约1.5%的资产流入。自去年10月以来，尤其是散户投资者中出现了从比特币转向黄金的轮动，但IBIT自2024年以来的累计总流入仍约为GLD的两倍。
6、ARK Invest 与 Unchained 联合发布《比特币与量子计算》白皮书称，当前量子计算尚不足以威胁比特币安全，量子风险将通过一系列可观测的技术里程碑逐步显现而非突然“Q日”崩溃。报告指出，比特币约65.4%供应（约1300万枚）处于非量子易损地址，约8.6%（约170万枚）在被视为已丢失且量子脆弱的早期P2PK地址，另有约520万枚在可迁移的重用或P2TR地址，总计约35%供应存在潜在量子攻击面。
| 08:30 | 美国 | GDP (Q-o-Q) Q4 | ⭐⭐⭐⭐⭐ |
| 08:30 | 美国 | Core PCE Deflator (Y-o-Y) JAN | ⭐⭐⭐⭐⭐ |
| 08:30 | 美国 | Durable Goods Orders (M-o-M) JAN | ⭐⭐⭐⭐ |
高盛指出，美股三大指数跌超1.5%受美伊冲突油价飙升拖累，建议增持能源农业股避险。摩根大通强调私人信贷赎回放大流动性风险，纳指短期承压但AI主题乐观。贵金属上，瑞银认为黄金回调正常，受美元强抑制但地缘紧张支撑中期上涨。原油市场，花旗预测WTI95美元附近波动，霍尔木兹消息缓解恐慌但伊朗声明加不确定性。外汇中，巴克莱看好美元99.7上方企稳，避险主导。加密领域，摩根士丹利称BTC7万美元突破得ETF 1.15亿美元流入，ETH反弹但总市值跌0.22%反映谨慎，关注爆仓防范波动；ZX Squared Capital警告BTC深熊市，可能再跌30%。
深潮 TechFlow 消息，3 月 13 日，据 Onchain Lens（@OnchainLens）监测，某巨鲸在沉寂 10 个月后，从 OKX 提取了 1,870 枚 $XAUT，价值约 954 万美元。
GetClaw是 Bitget 推出的全球首个开箱即用 AI 交易自主智能体。用户无需安装任何软件，在 Telegram 中直接对话即可使用。它具备实时行情、技术分析、信息检索、代码执行、定时任务等 100+项能力，覆盖行情监控、策略分析、市场情报、自动化任务等多个交易场景。
不装软件，不写代码，开口即交易。会上网、有手机，就会使用 GetClaw！
访问 GetClaw 官方产品页面：
点击页面上的「在 Telegram 启动」按钮，即可跳转到 Telegram。
你也可以在 Telegram 中直接搜索： getclaw_official_bot，即可找到 GetClaw 官方 Bot。
按照引导启动后，就可以直接与 GetClaw 对话。
GetClaw 内置超过 100 种技能，可在多种场景下为您处理繁重重的工作！更多使用场景将后续在 Bitget 官方 X 账户持续解锁。
GetClaw 并不是 OpenClaw 的简单封装或插件，而是 Bitget 为交易场景重新构建的 AI 交易智能体，从底层架构到安全机制，GetClaw 都围绕效率、成本与安全性进行设计。
首先，在使用体验上，GetClaw 提供了零安装、零配置、即开即用的方式。用户无需部署 OpenClaw、配置 Skills 或运行服务器，只需要打开 Telegram，就可以直接开始使用 AI 交易助手。
其次，在架构层面，GetClaw 基于 Bitget 自研交易基础设施框架构建，从底层针对交易场景进行优化。系统将工具、技能与权限进行模块化设计，使 AI 可以在保证安全的前提下高效调用各种能力。
相比传统部署模式，GetClaw 在完成相同任务时的运行成本仅为标准 OpenClaw 配置的约 25%–30%。通过专门针对交易场景优化的架构设计，系统能够以更低的资源消耗提供更稳定的服务。
同时，GetClaw 不再只是一个“问一句答一句”的聊天工具，而是持续在线的 AI 交易智能体。它可以全天候监控市场行情变化、跟踪信息流与价格异动，并在关键事件发生时主动提醒用户，让交易者不再错过重要机会。
在安全方面，GetClaw 从设计之初就将用户资产保护作为核心原则。系统采用四层隔离安全机制，通过身份、记忆、权限与凭证的多层防护，确保用户数据与账户资产始终处于可控状态。在交易功能开放后，系统还将引入虚拟子账号沙盒机制与资金上限保护，使所有交易都在独立、安全、可控的环境中执行。
需要编程能力吗？
不需要。GetClaw 通过自然语言对话即可使用，你只需要像聊天一样提出问题或需求。
GetClaw 能帮我自动交易吗？
交易相关功能需要绑定 Bitget APIKey。为了确保体验和安全，我们目前正在进行灰度测试。如果想抢先体验，可以填写 Waitlist，开放后会通过 Bot 私信通知。在此之前，用户仍然可以使用行情分析、市场情报、链上追踪和策略辅助等能力。
GetClaw 免费吗？有使用限制吗？
当前阶段为限时体验版本，完全免费。系统每天会提供充足的免费对话额度供用户使用。
为什么会提示额度用完？
为了保证服务稳定，每个账户每天都有一定的免费使用额度。如果当天额度用完，第二天额度会自动刷新，可以继续使用。
非 Bitget 用户可以使用吗？
目前 GetClaw 仅限 Bitget 注册用户使用。如果还没有 Bitget 账户，可以先完成注册再申请体验。
支持哪些平台？
GetClaw 目前已率先登陆 Telegram。BitgetApp、Discord和 WhatsApp 版本正在开发中，未来所有平台将共享同步记忆，实现无缝切换。
支持哪些语言？
GetClaw 支持多语言自然语言对话，包括中文和英文等，未来还会持续增加更多语言支持。
对话｜张鹏
当大家一窝蜂地去开发「数字员工」、「Agent 工具」，并在细分场景里无休止地内卷时，AI 创业的真正护城河到底在哪里？
近日，极客公园创始人&总裁张鹏与 VisionFlow 创始人刘夜在 OpenClaw 爆发后，进行了一场向前推演的讨论。作为 1979 年出生的中国第一代程序员，刘夜经历了从底层硬件到软件、从企业级集成（ToB）到在线教育（产业互联网）的完整周期。在闭关数月、与全球头部 AI 公司的研究员和国内顶尖创业者「应聊尽聊」之后，他得出了一个冷酷的结论： 把 AI 当做「数字员工」来替代单个任务，是工程师思维对真实业务的过度简化。
在这场对话中，刘夜抛出了「渐进式暴露」、「任务的高低维矩阵」等一系列极具启发性的概念和框架。在讨论中，一种未来的可能性逐渐明确：AI 的下一步绝不是泛滥的工具人，而是构建具备协同、汇报、反思机制的「数字组织」。当企业文化不再必要、低维工作被彻底抹平，未来的 CEO 或许将不再是「首席执行官」，而是拥有极致审美的「制片人」。
这是一次关于 AI 时代组织形态、商业壁垒以及新一代创业者生态位的探讨推演。希望引发更多创业者未来的更深入讨论。
以下为极客公园整理的对话精编：
但该做什么才是最重要的
张鹏： 从作业盒子到今天 这么热衷于探索 OpenClaw 带来的变化，你自己经历了什么变化吗？
刘夜： 我是中国第一代程序员，从小就开始学编程。经历了从 BASIC 到 DOS，再到 Windows 和今天的 Mac 时代，也见证了三大门户的崛起。我做过企业信息化，想做中国的 IBM；后来转型作业盒子，深度参与了在线教育。在线教育是一个非常深刻的产业，是产业互联网的最高形态，也是「最后一班车」。这段经历让我深刻感受到，产业互联网的核心不是技术，而是产业本身，是业务。 产业互联网的规律，是先做信息撮合，再做标品，接着是供应链，最后是非标的复杂服务。越往后毛利越高，也越难做。
所以，当 AI 浪潮来临时，我做的第一件事，就是花了将近 6 个月的时间，什么都不干，让 HR 把所有能聊的人都聊一遍。从各个明星创业公司的首席科学家到各个基模大厂的核心算法、工程师和研究员，以及新锐 AI 创业者，应聊尽聊，大概攒足了近千个小时的交流密度。聊到什么程度？聊到对方说上半句，我就知道下半句是什么，所有人的共识已经差别不大了。
聊完一圈后，结论惊人地一致：所有人都在做一样的事——数字员工。这让我想起了当年某位大佬对云计算的一个战略误判，他说阿里做云，本质不就是个网盘吗？用旧框架去理解新事物，你永远只能看到最浅的那一层。
今天所有人都觉得做个数字员工，用 Claude 写个「数字销售」或「数字客服」出来，技术壁垒在哪？护城河在哪？当一个人一天烧几亿 TOKEN 都成为常态，这更像制造业，根本飞不起来。所以我问每一个创业者同样的问题：Why are you？凭什么你行？你更年轻？更聪明？更能熬夜？在一个维度上竞争，那不就是是「10 秒 69」和「10 秒 70」的区别吗？
张鹏： 嗯，今天 能做的太多了，但该做什么，才是最重要的。 你有什么这方面的思考吗？
刘夜： AI 很不一样，但我相信依旧有和产业互联网的规律会有暗合的部分。早期做工具，中期做业务，最后做咨询。技术不成熟时，第一波进来的一定是工程师，他们擅长把世界过度抽象，比如百度的「框计算」，认为一切都是框。但移动互联网的后半场是内容和服务，不是框。
工程师出身的人对组织的想象，往往过度简化了业务。你看整个第一代互联网三大门户，那波跑到最后跑得最好的是腾讯和阿里，而他们离技术稍远，但离产业很近。今天也一样，技术正变得越来越不重要。
张鹏： 这一波文科生挺开心的，不会写代码 似乎 也没关系了。 但长期来看，到底 AI 时代对人的要求是什么样的？什么变化了？
刘夜： 在中国的人才结构中，我发现一个问题。中国第一代程序员就是产品经理，因为当时并没有产品经理这一岗位。产品经理变成一个被广泛认知的岗位，是在 2010 年前后，在乔布斯发布 iPhone4、张小龙提出产品观之后，才有了「人人都是产品经理」的说法。在此之前，程序员同时承担产品经理的工作，先有程序员，后有产品经理，所以第一代程序员都是产品经理。第一代程序员学习代码并非为了工作，而是出于兴趣，他们是凭借热爱投入其中。正是这些不被定义、跳出常规的人，才最为出色。
但第二代的程序员但近十年的产业互联网把程序员变成了「码农」，产品经理成了建筑师，码农被驯化得不思考业务。今天 AI 来了，「码」的部分被干掉了，不进化，他们真只剩「农」了。这批年轻人很优秀，但他们对产业的理解是空白的。所以，当下的「万 A 大战」，本质上还是工具层的泛滥。
你看产业互联网后期，阿里、美团这样的公司，都是标配用顶尖咨询公司（MBB）背景的人做商业分析，用咨询公司的人带着产品经理做业务流程，因为互联网产品经理脑子里天生没有系统。飞书就是这么做出来的。字节虽然是纯互联网，但也大量用咨询公司建内部流程。AI 时代，这个规律只会加强，不会减弱。
张鹏： 所以， 你觉得 卷「数字员工」这个单点，意义不大。
刘夜： 这是我最核心的一个判断： 数字员工不是终局，数字组织才是 。如果数字员工泛滥了，连招聘岗都不存在了，所有人都能拥有好的数字员工，那然后呢？那个公司就都能赚钱和成功了吗？其实 所有公司的问题，都是战略问题和组织问题，从来不是员工问题 。
所以，今天的 Agent 还是在替人干活，而不是替人决策。我们内部改造了 OpenClaw，做了个叫 MetaOrg 的东西。它本质上是一个可以生成 agent team 的内核。我们解决任何任务，都不是派一个员工，而是要建一个「组织」去解决。这个组织有协同关系、汇报关系、有使命、有目标、有行动方式。
张鹏： 但 未来有没有可能，一个人就是一个部门？ 甚至就是一家公司？
刘夜： 这是特别好的问题 。 我们还是微观到任务，比如用 AI 做一个短视频、写一个文档的时候，需要多轮对话。你说一句，它回一句，再给它反馈，这就是工具人式的使用，它只是很聪明。
所以人和部门的概念，不是数量上的多和少。我们描述一个高级岗位的 JD 时，通常是：第一，能干活，能干各种活；能用各种工具。高级岗位则是能够理解意图、主动规划路径、主动执行、实现交付、定期汇报、反思总结交付成果，并基于成果的偏差动态调整策略。这就是高阶能力。
张鹏：一个合格的部门，得是「L4 级别的自动驾驶」。
刘夜： 是的。当给它一个技能，它可以完成复杂任务；给它一个技能系统，它能完成复杂综合任务；当有一堆智能体（agent）编排时，就能完成更复杂的事，比如拍一部短剧。我经常跟员工开会说，你们用 MetaOrg 的时候，不要把自己当成主管，要把自己当成董事长。你要努力试探它的边界。
未来年轻人创业，以前说家里给 50 万创业，未来说不定是给一个 TOKEN 预算去试错。你愿意花多少 TOKEN，决定了它能做多高级的岗位。越高级的岗位，推理链路越长，越需要来回试错、迭代和总结。
张鹏：回到刚才的那个问题，如果有一个 agent 的群组，它可以被拆到更细的单元，或者说类似岗位与能力的拆解。当它形成一个团队，面对核心任务时，每个个体的人才质量就决定了成败。这又回到了上一个时代的 商业组织竞争 逻辑： 人才密度，也就是 人才质量高， 组织的 核心任务就更容易实现、跑赢。
这件事的核心在于，如果未来 AI 都是万能的，我们都可以 调用最好的 AI ，那 除了商业组织可以因为更高效的提供不同细分服务而创造价值， 另一层维度 上是不是 还 要 回到 「人才密度」上看一层—— 无非就是你的 agent、bot 在这个体系里拆到原子级的能力更高，「人才 密度 」 就 更高，在复杂任务中，结果、效率甚至创新就会更好。我不知道这是不是正确的推导？
刘夜： 我认同这个观点。 企业内部有个部门，大企业通常叫 OD，也就是组织发展。衡量一个组织能不能打赢仗，通常的做法是把对方的所有人才拉出来进行对标，通过判断人对岗、能力对岗的强弱，来预测战争的结果。所以一般企业打仗，靠的是组织能力，而不是业务策略。最典型的例子就是阿里。阿里非常重视组织建设，所以如今能迎来「第二春」。因为创始团队会老化，但组织可以生生不息。本质上，如果有一天咱俩是竞争对手，我们都在用 AI。我建立了一个强大的 AI 组织，具备很强的 AI 组织发展能力。我该如何构建这个组织？我会把所有竞对的 agent skill system 逐一打开，分析它们的技能代码。然后在我自己的体系里编写更优的技能，甚至去补齐它们缺失的职能。比如我有战略部，我会先进行观察分析。
华为有「五看三定」的方法论。我跟朋友开玩笑说，我们创业只要用这一套，就能干掉 99% 的竞争者。所谓五看，是看行业趋势、看市场客户、看竞争对手、看自身能力、看战略机会；三定则是定控制点、定目标、定策略。这套方法论足以筛选掉绝大多数竞争者。因为大部分人下棋是乱下的，他们依赖快思考，而高手默认开启的是深度思考与推理模式。第一反应是，我要作为统帅去思考这件事该怎么做。
张鹏： 所谓「五看三定」本质上就是不要「 应激反应 」，要固化一 个长推理的过程 的意思呗。
刘夜： 高手都是 deep research 加上 thinking 的模型，知道首先看全球的最佳实践和信息，然后总结分析，进行深入思考推理，但是出答案，出手就是一招制敌。
所以我认为未来的竞争核心只有一件事，就是给传统产业的业务进行建模，将其抽象成具备系统能力，且能够做智能体编排的能力 。这就是新一代的组织发展（OD）能力，且会升级为 AIOD，这是未来唯一的核心竞争力。
阿里的核心优势就在于建组织，组织建设到位后，无论面对什么对手、开展什么业务，都能具备竞争力。而且马云曾说， 打仗的目的并非一定要抢占某个领域，而是通过打仗实现组织的成长 。阿里是以组织成长为核心衡量标准，来判断一场仗是否值得打，这是一种非常高阶的思维。马云本人就像一个超级信息枢纽，每年飞行 200 次获取各类信息，回来后用于完善组织建设。他才是真正意义上的董事长，而非单纯的首席执行官。
这就是我们所见到的最高级的组织形态——能够跨越几代人、覆盖不同产业，既能连续获得成功，在陷入衰退后还能调整回升。通常而言，一家公司如果十年内任命错了首席执行官，大概率会走向衰败。所以说，以史为鉴，用更高维度的视角降维看待当下的发展，即便对现有模式做一些裁剪和优化，也比从底层从零开始构建要高效得多。
现在任何人都能轻易搭建一个 agent，员工上手门槛极低，再加上开源社区的加持，行业已无太多秘密可言。在工具层面的内卷，是永远比不过开源社区的。那么，什么才是开源社区所不具备、无法复制的核心竞争力？
张鹏：「上个时代」谈论组织时，会强调例如组织文化、价值观、 KPI 等一系列内容。当我们从上个时代的组织管理，过渡到 AI agent 组织的新时代，哪些内容可以彻底摒弃，哪些内容可以保留但需要转化？
刘夜： Anthropic 之所以推出 skills，核心原因包括 AI 编码领域的「渐进式暴露」理念——AI 若接收大量杂乱信息，会出现上下文腐化、注意力不足导致的混乱，渐进式暴露才能让 AI 保持良好注意力并输出优质结果。若依靠人工实现渐进式暴露，本质上就是全人工对话，效率低下。因此， skills 的核心价值的是将复杂任务分层拆解，实现对 AI 的渐进式暴露 。
这与公司管理逻辑一致：董事会聚焦战略问题，CEO 聚焦策略问题、管理高管，员工处理简单事务。若 300 人同时参与同一会议，这个会就没办法开了。组织存在的核心意义，就是实现信息的分层处理，如同数据库三范式通过信息压缩分层提升效率， 复杂问题必须分层拆解、渐进式暴露，而非一次性输入大量上下文，这正是传统企业组织形式的核心逻辑，毕竟特定时间内的算力是有限的 。
张鹏：模型每次都要耗费巨大算力从头开始创造，效率太低。
刘夜： 不可能实现，核心还是依靠分层的渐进式暴露，该调用的资源必须调用，这是由 AI 模型的能力边界决定的。此外， Anthropic 推出 skills 的另一原因，是复杂任务已超越基础物理学定理，skills 能将复杂任务拆解为一个个低维简单任务 。 任务的核心区分维度并非难易，而是复杂程度——存在低维难、高维难等不同类型 ，比如程序员编码、解数学题，就属于低维高难度任务。
地平线余凯提出过一个经典模型：所有工种可按「竞争程度」和「维度高低」分为四个象限，即高维高竞争、低维低竞争、低维高竞争、高维低竞争。 其中，销售和工程师属于低维高竞争，产品经理和 CEO 属于高维高竞争；科学家则属于高维低竞争——这类课题可能全世界仅一人研究，竞争度低但维度极高。像优质短剧、好小说这类高维高竞争任务，目前 AI 尚无法完成；而代码优化这类低维高竞争任务，AI 已能很好胜任。 越高维的任务，数据源越少，但训练模型所需的数据量反而越大 ，这也是文本模型先出现、图片和视频模型后出现，且短视频模型难以落地的核心原因。这种高维任务与高维数据的供需矛盾，只能通过 skills 拆解任务来弥补，就像企业中找不到高级岗位人才时，会将其拆分为三个基础岗位一样，唯有 CEO 这类高维岗位不可替代。
张鹏：低维高竞争的任务，大概率会被 AI 完全替代。
刘夜：百分百会被替代，而且这种替代已经发生。
张鹏：确实如此，因此所有低维高竞争的事，都应尽快用 AI 解决，可将其拆解为 skills，再通过 agent 组织实现落地，这个过程中不一定需要人类参与。
刘夜： 我有一个初步设想，IBM 和埃森哲作为全球最大的两家咨询公司，核心业务本质是提炼产业最佳实践，并与数字化对齐，售卖的是流程而非工具。企业采购风险流程、IP 时，都会请咨询公司落地实施。我们当前的核心工作，就是构建 skills 集群，找到各领域顶尖专家，提炼其能力并对齐，形成标准化 skill set。这与作业盒子的模式类似——作业盒子联合北京四中、人大附、高考出题组及学而思的老师，提炼出题、讲题、批改等核心方法，再联合百度算法工程师搭建系统，本质也是对齐最佳实践。而组织能力的核心，就是组建优质跨界团队，既要懂产业、懂工程，也要能联动各垂类顶尖行业专家，同时具备商务、人才招聘和管理能力，这也是新一代 AI SaaS 企业的核心构成。
张鹏：进一步推演，未来应从业务维度反推所需的组织形态。组织本质上是一种编排结构，类似 业务 操作系统——将人作为生产力单元放入适配的组织，就能发挥最大价值，反之则无法高效运转。如今生产力要素已发生替换，从依赖人力变为可无限供给的 AI，且只要形成正循环就能持续扩容。过去的组织文化，如今可能转化为目标和上下文，不再需要口号、三板斧会议、破冰等形式。
刘夜： 文化是管理意图而非业务意图。上个时代，战略始于愿景，愿景决定价值，组织服从于战略，业务验证一切，而文化只是治理组织的手段，不直接服务于战略，甚至可能只是创始人的个人偏好。
张鹏：过去 人 服务战略的过程中存在大量间隙，AI 是否正在消除这些间隙？
刘夜： 是的，文化在 AI 时代已不再重要。文化是人类组织的信念部分，但 AI 不需要。AI 没有血肉之躯，无需文化牵引。AI 核心需求是算力。
张鹏： 你的意思是说， AI 需要的是目标和原则。一份文档就足以明确目标和原则，所有生产力单元都能立即同步、忠实执行，不会出现偏差。人类组织中很大一块摩擦力就消失了。
刘夜： 是的。原来的组织：战略→文化→人才→执行，现在的 AI 组织：目标→原则→Skills→编排。整个管理链条被压缩了一半。
张鹏： 企业 新的壁垒是什么？人才质量被替换为 Skill Set，只要我有审美，就能从全世界获取最好的 Skills。那再往上一层，就是「编排」（Orchestration），对吗？这会发生什么变化？
刘夜： 就像华强北能买到所有电子元器件，但为什么不是所有人都能做出苹果？乔布斯传中对审美的定义非常清晰：见过世界上足够多的好东西，能分辨优劣，就是审美。若从未见过好产品、好流程、好组织，就无法做出优质成果。
张鹏：见识是审美的前提。
刘夜： 见识加天赋，仅此而已。
张鹏：审美体现在两种方式：一是主动设计、编排，二是在混沌中识别并选择涌现出的优质事物，这两种方式并不冲突。
刘夜： 确实不冲突。苹果的部分成果是自主研发，部分是收购第三方，核心是拥有审美——无需重复造轮子，必要时自主研发即可。
张鹏：核心在于，是让 agent 在设定模块内运行后再确认路径，实现涌现式编排；还是直接设定好所有路径，进行设计式编排？
刘夜： 涌现是非操控性的，需要先设定种子规则和原则，这才体现一个人的审美。就像优秀工程师用 500 行、5000 行代码就能做出好用的 Openclaw，而不合格的工程师写 5 万行代码也无法达到同等效果，底层的种子规则仍需人类设定。
张鹏： 所以 不能在混沌中等候涌现，那需要极长的时间 ， 编排依然至关重要。这种编排最终是否只能来源于创始人 ，或者说更像是 「制片人」？
刘夜： 我觉得制片人这个定义很好。确实如此，即便有涌现和规模效应，仍需要数据标注、数据清洗，以及算法的持续对齐，避免无序扩张。
编排者取决于业务复杂度——复杂业务一个人无法完成，比如拍摄短剧、撰写提示词，实际操作中会面临诸多困难。「一人公司」的概念被滥用，世界无法被无限简化。虽然电脑可由一人操作，但一个人难以掌握所有高维能力，像伊隆·马斯克、李飞飞这样能精通多个领域、接管任意岗位的超级人才，极为罕见。
张鹏：若我们能调用全球最顶尖的 agent 和 skill 体系，比如一个优秀编剧，理论上能否借助这些资源，拍出全球知名且盈利的电影？编剧虽有核心亮点（好剧本），但无法完成所有环节，这种「核心亮点+全球资源」的闭环是否可行？
刘夜： 这本质是数据问题——是否存在存储最高维信息的数据。 比如训练 CEO 的 skills，目前没有足够的数据支撑：任正非的万字长文、马云的口述，都无法完整呈现他们的高维认知；即便收集全球公司财报、CEO 的所有言论，也无法训练出能胜任 CEO 的模型，因为 CEO 的核心能力是隐性知识，无法通过文本完全暴露。
张鹏：也就是说， CEO 的核心能力目前还无法被向量化。这就约束了「一人公司」的理想构想——即便每个人都能发挥单一维度的优势，搭配全球顶尖资源，仍缺少核心的编排者，本质还是编排能力的问题。归根到底，拥有最好的「元件」，仍需具备强大的编排能力。
刘夜： 产品经理也是如此，其隐性知识无法完全文本化。这也是当前 AI 伴侣、AI 生成内容不够「鲜活」的本质原因——缺乏高维隐性知识的数据支撑。 数据量少的时候，重点做 skill；数据量多的时候，再做模型 。机器人目前无法落地，核心就是缺乏足够的数据。
张鹏：由此可推导出，未来公司的竞争胜负点，不再是能否接触到顶尖模型——初始 AI 资源看似一致，算力也与财力、业务闭环能力相关，最终的差异仍会回归到「制片人」本身，即其编排能力和目标的创新性、意义，这两点构成了公司的核心竞争力。
刘夜： 麦肯锡前合伙人曾告诉我，麦肯锡的核心业务就是萃取最佳实践、建立模型，再协助企业逐一实施。比如为中国汽车厂做咨询时，会向日本同事了解丰田的做法，本质就是复制和落地最佳实践。
咪蒙做短剧的案例很有参考意义。她是中文系出身，核心团队却由清北数学系、计算机系人才组成，专门拆解爆款短视频的逻辑，最终实现极高的爆款率。 这种思路本质上是给行业的社会工程建模 ，即便存在过拟合的可能，但建模的方向是正确的。
IBM、埃森哲、麦肯锡做的都是这类事——第一代麦肯锡将最佳实践建模到合伙人身上，IBM 则将其转化为数字化流程，本质都是「售卖管理和流程」。
张鹏：核心就是提炼最佳实践，再反复验证落地，这就是未来商业组织的胜负关键。只有拆解到位，才能实现高效编排。所以你们接下来的核心方向，就是沿着这个思路推进？
刘夜： 过去三年我们主要做 AI ToC 业务，用 MetaOrg 的方式重建了整个教学教研体系。这不是一个简单的「用 AI 提效」的故事。我们构建了一整套 Agentic 教研组织，背后跑着一个个虚拟的教研 team：语言学习研究团队负责追踪二语习得最新理论，垂直语料收集团队从真实语境中抓取地道表达，对话评估团队建立口语能力的多维评判标准，对话设计团队把教学法转化成自然的人机交互，题目容器设计团队解决练习形式和内容适配的问题，数据分析团队从用户行为里挖掘学习效果的真实信号。每个 team 都有自己的 skills、自己的工作流、自己的评估标准。目前教材数据打标、监控评估、用户洞察、产品迭代等 80% 左右的工作，都由 AI 完成。
我们的发展路径是从「AI 作为功能」，升级为「AI 作为组织能力」。英语老师这个岗位处于中等复杂度，我们已将其抽象出来，通过 MetaOrg 生成其他岗位；若结合最新的 skill 架构，有望构建更高级的岗位。
目前我们已完成 AI tutor 的全流程搭建，包括编排能力的抽象和工程实现，未来大概率会从 Meta tutor 升级为 Meta 组织——其最小单元是岗位，而非员工，核心在于岗位间的协作与管理。我们当前的重点，是对接各行业最顶尖的 CEO，因为 CEO 才是核心「制片人」。
张鹏：所以你们推出的，更接近一个可扩展的部门？
刘夜： 目标是朝着「公司」的方向推进，大公司本质也是由多个小公司构成，而最小单元是岗位。既要关注全产业战略选择，也要从岗位入手推进产品迭代——岗位做不好，即便管理者能力强，也无法形成高效组织。
张鹏：要做好一个部门，首先要拆解部门相关能力和岗位，再拆解岗位对应的 skills，且要追求这些 skills 达到 SOTA 水平。
刘夜： 核心方法只有一个：与最顶尖的被服务企业共创。做出来的 skill，需要顶尖企业评估是否符合需求 ，就像下属写的方案需要上级审核一样，不能自嗨。比如做短剧建模，需得到行业顶尖机构的认可，否则就不算真正的顶尖。一切都需要评估和衡量。
Midjourney 能做出优质图片，核心是团队由摄影师和工程师组成，具备顶尖的图片审美；LV 用 Stable Diffusion 训练的图片模型，效果远超普通模型，因为 LV 拥有全球最顶尖的图像审美和数据。可见，评估能力才是核心。要做 AI 公司，需像 IBM、华为那样——IBM 服务顶尖车企后，掌握造车的最佳实践并输出；华为花费 40 亿购买 IPD 流程，既用于自身管理，也对外输出，这才是核心竞争力。
张鹏：本质上就是顺着最佳实践拆解 skill，实现 skill 的 SOTA，再升级为岗位和部门的 SOTA，最终编排成业务的 SOTA，这是通向业务顶尖的明确路径。还有一个关键问题：如何保持 skill 的与时俱进？就像地球生物圈的变异，每个时代的 SOTA，在下一个时代可能会被淘汰，如何应对这种变化？
刘夜： 核心逻辑与人类和生物进化一致，即感知、规划、行动、反思。保持组织的高人才密度和跨界属性 ，一端对接技术前沿（研究者），一端研究业务模式，同时与行业顶尖客户共创，在真实场景中持续评估和优化，这是唯一的方法。
张鹏：由此反推，顶尖公司的最佳实践形成的体系，能帮助中档公司实现跨越式提升，但这类体系大概率只有有资源、有财力的公司才能使用，中小企业和年轻创业者难以负担。咨询行业已从传统服务升级为工具化产品，新生代的机会是否只能在 skill 层面？如何在 skill 层面实现颠覆性创新，避免行业陷入「贵族循环」？
刘夜： 上一代 SaaS 行业中，Salesforce、Palantir、Notion、Slack 等企业，有的做通用工具，有的做集成服务，证明 年轻创业者仍有机会——远离自身不具备优势的业务，聚焦通用技能，找到合适的生态位 。Notion 就是典型，不涉及具体业务流程，只抽象文本记事功能，成为通用工具。世界最终会是无数智能体（agent）的分工协作，年轻人需先找到生态位，再结合自身优势发力，锚定未来趋势，避免成为时间的敌人。过去十年，第一代互联网创业者多为海归（靠认知优势），第二代多为程序员（靠工具爆发），第三代产业互联网多为二次创业者，规律清晰，年轻人需看清中局和自身优势。
张鹏： 所以你认为 skill 层面的局部创新和优化作用有限 ，那么 新生代的 最大 机会可能在于目标创新——识别时代涌现的新目标，结合优质 skill 并持续进化，才能在新目标上构建新体系，实现突破。
刘夜： skill 的竞争非常微妙，当前 skill 虽火，但若有人对齐更顶尖的人类专家，做出更优的 skill，现有 skill 就会被替代。这就回归到护城河的问题：早起者未必能笑到最后，很可能成为更高维对手的「土壤养分」。
张鹏： 怕就 怕 成为 「加载程序」，只是帮更高维的对手完成了基础铺垫。若只是在现有目标上做效率优化，没有意义，且效率优势最终会被抹平。所以新生代要实现突破，必须在目标上做出根本性差异。
刘夜： 没错，自身无法成长为核心力量，只是滋养了更高维的对手。商业的本质很朴素，核心是明确客户是谁、如何服务客户、如何让客户离不开你。任何年轻人若想不清楚客户是谁，就无法实现优化。
张鹏：还要关注增量市场，在存量市场中竞争难度极大。若你们的业务取得成功，会将对应领域的公司拉到同一先进水平，这些公司既有财富也有认知，年轻人很难在存量中与之竞争。
刘夜： 上一代 SaaS 行业中，Notion、Slack 等企业的成功，核心就是目标差异化。
上一代 SaaS 发展初期，中国基金多倾向投资科学家，后来发现，科学家更适合交流合作，而非创业——科学家所处的高维低竞争领域，与商业世界的高维高竞争逻辑不同，领域维度越高，切换到新领域的难度越大，核心思维模式完全不同。任何领域早期都是技术竞争（低维高竞争，技术不成熟），技术成熟后，就进入商业竞争（高维高竞争，产业人、产品经理、业务从业者主导）。比如苹果手机刚推出时，排行榜应用多为程序员开发；几年后产业互联网兴起，排行榜上的程序员主导的产品就全部被取代。
AI 时代若延续移动互联网的逻辑，硅谷的核心力量仍会是有经验的从业者，就像中国产业互联网多为二次创业者一样。 年轻人的机会，仍在于找到差异化目标。
深潮 TechFlow 消息，3 月 13 日，据官方公告，币安持续监控市场和监管环境并据此调整服务，自 2026 年 03 月 30 日 08:00（东八区时间）起，币安将从合格抵押品列表中移除 TrueUSD（TUSD）和 Alchemix（ALCX）。
深潮 TechFlow 消息，3 月 13 日，据加密分析师 Trader T 监测，昨日美国比特币现货 ETF 净流入 5408 万美元。
IBIT（BlackRock）：净流入 4636 万美元；
FBTC（Fidelity）：净流入 1530 万美元；
BITB（Bitwise）：净流出 572 万美元；
ARKB（Ark）：净流入 303 万美元；
GBTC（Grayscale）：净流出 988 万美元；
BTC（Grayscale Mini）：净流入 499 万美元。
深潮 TechFlow 消息，3 月 13 日，据官方公告，币安将上线 Katana（KAT） 并为其添加种子标签。
撰文：律动 BlockBeats
2026 年 3 月，一件事同时发生在 Binance、OKX、Bitget 三家头部交易平台的产品部门：我们要怎么接 OpenClaw？
OpenClaw 是 Peter Steinberger 做的 AI Agent，它能替你操控电脑，写代码、读文件、执行任务，全程不用手。上线之后在开发者圈子迅速扩散。
这东西一出来，加密圈的人立刻想到同一件事：它能帮我交易吗？真的下单那种，24 小时跑策略，人去睡觉。
每一家交易所被逼着做一个决定：要不要成为 AI Agent 的交易入口？
时间窗口很短暂。
量化交易的门槛在加密圈挡了很多年。API 文档、签名鉴权、服务器部署，三关下来，大多数有交易想法的人直接出局。玩量化，要么自己写代码，要么花钱雇人写。
AI Agent 之后，这扇门开始松动。告诉 OpenClaw：「BTC 跌破 90000 开多，仓位 10%，止损 87000。」它自己找接口、完成操作。以前几百行代码的活，现在一句话。没技术的人会重新进来，从没想过程序交易的普通用户会第一次尝试。这批人有多大？可能是现有量化用户的十倍。
但这场仗进场成本不低。MCP 协议还在迭代，安全体系要独立审计，延迟慢一点用户直接吃滑点，文档和开发者支持是长期烧钱的事。中小交易所撑不起来。
格局提前锁定，Binance、OKX、Bitget，三家头部几乎同时宣布入场，走的路完全不同，押的注也完全不同。
先说 Binance。Skills Hub 的逻辑是做开放技能市场，第三方开发者来上架交易策略和工具，用户按需调用。Binance 做规则和基础设施，等生态自然生长。
平台要起来，得先有人来。
打开它的 Skills Hub，官方上线了 7 个 Skills：代币排行、meme-rush（meme 币追踪）、链上钱包查询、代币安全审计、代币信息、trading-signal 智能钱包信号。清一色数据查询和内容发布类。
真正能触发 CEX 下单的只有一个：现货，对接 Binance 现货 API。
合约没有，跟单没有，理财没有，杠杆没有。
Binance 是加密市场体量最大的 CEX，每天现货交易量几十亿美元，但开放给 AI Agent 的交易能力，目前只有现货下单一个入口。大本营搭好了，士兵还没来。
再说 OKX。Agent Trade Kit 是 OKX 这次的答案，定位是「用自然语言交易你能在 OKX 做的一切」。开源，密钥本地存储，AI 全程看不到你的凭证。
接入方式两套：MCP Server 给 Claude Desktop、Claude Code、Cursor、OpenClaw 这类 AI 客户端，说人话就能驱动交易；CLI 给开发者命令行调用，可以接脚本、跑定时任务、管道输出 JSON。
功能模块拆成独立 Skills 按需安装：行情数据模块无需 API Key 即可调用，交易模块管现货 / 合约 / 期权 / 算法订单，账户模块管余额和持仓。
交易能力是真实的 CEX 全链路。现货市价、限价、止盈止损，合约开平仓、OCO、移动止损，网格策略，批量撤单，全都在。你说「BTC 跌到 85000 开多，止损 84000」，它从查价到下单一条龙，返回订单 ID 和成交状态。
但有两块目前没有：跟单和理财。这两个模块在 Skills 列表里找不到对应接口，Agent 暂时覆盖不到。
整体兵力强，战场是 CEX 实盘交易，方向清晰。
我们再看看 Bitget。
它的打法和前两家都不一样。不等第三方开发者，不分链上链下，直接把 CEX 整条交易链路做成 AI 原生接口，今天就能用。显然，Bitget 很早就开始布局 AI 赛道了。
这次上线的 Agent Hub，9 大模块、58 个工具，把交易所里会产生的操作需求几乎全部开放给了 AI：
现货该有的全有——行情查询、K 线、下单、条件单、撤单。
合约也不缺——杠杆设置、仓位管理、批量下单、资金费率监控。账户层面能做划转、充提币、子账户管理。
跟单可以直接浏览交易员排行榜、一键开启、自动筛选。理财能查产品、申购、自动匹配可用资产。闪兑、P2P、杠杆借贷、经纪商管理，一并进来。
接入方式同时支持四套，针对不同人群：MCP 直连给 Claude、GPT、OpenClaw 用，不需要额外对接代码；Skills 给 Agent 做意图识别，「下单」、「查仓位」、「看资金费率」对应哪个接口它自己知道；CLI 工具 bgc 给工程师命令行调用，一行命令跑通全部 API，输出标准 JSON；REST 加 WebSocket 的完整 API 给量化团队精细化集成。
覆盖这么宽，背后的逻辑只有一个：不想让「不会写代码」成为任何人进场的理由。想用 OpenClaw 帮自己交易的普通用户，Vibe Coder，量化工程师——三类人进来都有路走，用各自熟悉的方式，不用迁就平台。
这套体系搭完，Bitget 等于在 AI Agent 时代提前卡住了一个位置。开发者生态一旦在某个平台上跑起来，迁移成本极高。先跑通的那个，后来者很难撬动。
用具体场景看差距。
场景一：买入 500 USDT 的 ETH，跌破 3200 自动止损，涨到 3800 自动止盈。
OKX：Agent Trade Kit 现货模块支持止盈止损，能执行。
Binance：Spot Skill 支持 OCO（止盈止损联动单），能执行。
Bitget：现货条件单完整，能执行。
三家全部能做。这是目前竞争最激烈的交叉地带，基础现货加条件单，门槛低、用户需求大，三家都在这里直接硬碰硬。差距不在能不能做，在接入有多顺、识别意图有多准。
场景二：帮我在 BTC 跌到 85000 的时候开合约多单，仓位 10%。
OKX：Agent Trade Kit 合约模块完整，现货、合约、期权、算法订单全支持，能执行。
Binance：Skills Hub 里没有合约技能。
Bitget：合约模块完整，MCP 配好直接执行。
场景三：从跟单榜里筛出近三个月胜率 60% 以上、最大回撤不超过 15% 的短线交易员，自动开启跟单。
OKX：Agent Trade Kit 目前没有跟单模块。
Binance：Skills Hub 目前没有跟单能力。
Bitget：跟单是 9 大模块之一，交易员筛选、自动开启、仓位管理，完整接口全部开放。
场景四：账户里有闲置 USDT，配置到收益最高的理财产品，到期自动续投。
OKX：Agent Trade Kit 目前没有理财模块。
Binance：暂无理财技能。
Bitget：理财模块完整，产品查询、自动匹配可用资产、申购一条龙。
总体而言，OKX 在合约交易上补上了课，和 Bitget 平手；但跟单和理财两块还没开放，依然有差距。
Binance 目前最保守，连合约都没有。Bitget 做的，是今天的 CEX 用户今天就能用到的最完整版本。
笔者完整测试了 Bitget Agent Hub。
官方的文件对于具体操作，介绍的非常清楚，只需要复制 Bitget 官方给出的代码到自己 openclaw，即可操作。
在 OpenClaw 里说「安装 Bitget CLI 工具 bgc」，它运行：
npm install -g bitget-client
装完之后命令行直接调 Bitget 全部 API：
bgc spot spot_get_ticker –symbol BTCUSDT
返回实时 BTC 报价，标准 JSON，干净。
继续告诉 OpenClaw：
npx skills add bitget/bitget-skill
装完之后 OpenClaw 具备了识别 Bitget 交易意图的能力，不需要再解释「下单」是什么意思，Agent 自己知道。
最后在 OpenClaw 设置里添加 MCP Server，名称 bitget-agenthub-mcp，粘贴官方配置，保存。
配好之后直接测真实下单。
笔者下达指令：买入 100 USDT 的 BTC，市价单。
Agent 没有直接执行，先做了确认：方向买入 BTC，金额 100 USDT，类型现货市价单，交易所 Bitget，让你确认无误后再提供 API 信息。
确认之后，下单成功，返回订单，状态成功，市价单立即成交。
一个值得提的设计：Agent 明确说明不保存任何密钥信息，对话结束后密钥不留存，下次下单需要重新提供。这对安全性来说是合理的处理方式。
整体流畅。最大的门槛是第一次绑定 API Key，说一下具体怎么弄。
在 Bitget 后台点「新建 API Key」，填备注名，设一个 8-32 位的 Passphrase 口令记好，然后选权限。权限这里有个细节：如果只是查行情、查余额、看仓位，选只读权限就够；要让 Agent 真的下单，得选读写权限。业务类型可以按需勾选，合约、跟单、P2P、现货杠杆分开控制，不需要的可以不开，降低风险敞口。
生成之后把 API Key、Secret Key、Passphrase 三个字段粘贴到 OpenClaw 里，绑定完成。这步之后，对话式下单没有障碍。
有一处细节：Skills 装好之后，OpenClaw 对交易意图的识别比预期准。「帮我看看有没有适合现在市场的理财产品」这种模糊指令，它能自己找到理财模块的查询接口，不需要你说「调用理财产品查询 API」。用自然语言驱动比直接调 API 顺手很多。
开发者选平台的标准很朴素，哪里接入最快，哪里能力最全，哪里出了问题有人解答。
衡量一个平台值不值得押注，看一件事：普通用户能不能直接上手，工程师能不能随便折腾。Bitget 现在两头都给到了。不懂代码的人对着 OpenClaw 说话就能下单；量化工程师有完整 API 和 CLI 可以精细控制。9 大模块 58 个工具，覆盖的是所有人。
AI 交易基础设施的竞争，跟当年移动互联网 App 生态的逻辑一样。iOS 和 Android 定格之后，第三个操作系统几乎没有成功过。开发者选了谁，用户就流向哪里。这个循环一旦转起来，后来者很难追。
OKX 的 Agent Trade Kit 在合约和期权这条线上是真正的 CEX 竞争者，但跟单和理财两块还没补上。Binance 的 Skills Hub 长期来看可能是最大的平台。
在 AI Agent 做 CEX 实盘交易这个战场上，Bitget 现在跑得最快。
先跑起来的，壁垒越积越厚。
深潮 TechFlow 消息，3 月 13 日，据币安钱包官方消息，将推出第七期 Prime Sale Pre-TGE 活动，上线项目为 Katana (KAT)。认购时间窗口为 2026 年 3 月 16 日 20:00 至 22:00（UTC+8），持续 2 小时。
深潮 TechFlow 消息，3 月 13 日，据链上分析师余烬（@EmberCN）监测，一个疑似与易理华旗下 Trend Research（@Trend_Research_）相关联的钱包，通过去中心化借贷协议 Aave 借入 ETH 后转入币安，于约 4 小时前做空 27,000 枚 ETH，价值约 5,711 万美元。
作者：香港文汇报记者 陈键行
●肖风（左）日前接受《经“湋”论》主持陈湋铭专访。 香港文汇报记者万霜灵 摄
AI 与区块链之间有着“一体两面”的关系，直至 AI Agent（代理人工智能）OpenClaw 的爆红出圈，AI 能自主为人类工作并取代部分工序，但同时凸显 AI Agent 的安全问题，由区块链赋予其数字身份是其中一种有效管理 AI Agent 的方法。HashKey 董事长兼首席执行官肖风日前在接受《经“湋”论》专访时表示，自己并非人工智能技术专家，但从区块链与数字金融基础设施的角度观察，AI 与加密技术正在逐步走向深度融合。随着 OpenClaw 等前沿 AI 智能体的快速崛起，未来 AI Agent 很可能不再只是工具，而是需要具备独立“身份”与“原生钱包账户”的经济主体，而区块链技术正好成为与 AI agent 绑定数字身份的关键工具。
谈及 AI 智能体的身份体系，肖风认为未来所有 AI Agent 都将拥有独立的“身份”，但这个“身份”并非沿用现实世界的身份证体系，而透过基于区块链的地址和灵魂绑定代币（Soulbound Token）形式来实现是一个技术上适配的解决方案。他指出，让人工智能体沿用现实世界的人类身份证体系显然不切实际，并提到以太坊创始人 7 年前就提出“灵魂绑定代币”概念，也是“非同质化代币（Non-Fungible Token, NFT）”刚出来时的延伸概念。因为每一枚 NFT 都是独一无二的， 透过 NFT 与区块链技术，即可为每个 AI agent 绑定一个数字身份。
“如果 AI Agent 开始独立于人并创造经济价值，它一定需要一个账户，目前看唯一适配的形式是数字钱包，而不是透过银行为该 Agent 开的账户。”肖风称。他解释道，在 AI 大模型阶段，用户透过传统银行账户购买的 token，可以被消耗用于调用中国开发的大模型服务，但当进入 Agent与 Agent 之间自由支付场景时，传统银行账户体系就无法支撑了，因其受制于多个智能体的开户数量限制、责任归属不清、支付成本过高以及运转效率低下等根本问题。据悉，HashKey Group 已加入由 Google 发起的 Agent Payment Protocol（AP2）技术联盟，与 PayPal、Circle、UnionPay International 等机构共同探索 AI Agent 支付体系，并研究稳定币支付、链上身份及 AI Agent 链上结算等应用。
肖风指出，在近年与人工智能界专家学者交流中，大家普遍形成的共识是 AI 与加密技术（区块链 / 加密货币）是一体两面，两者最终将深度融合，相互赋能，相辅相成。他进一步援引 AI 专家的观点指出，未来每个人可能拥有达 50个 AI Agent，这些智能体将无缝渗透至我们生活的各个面向，从日常琐事到复杂决策，全面提升个人效率与生活品质。
面对全球 AI 热潮下的竞争，肖风认为香港拥有“背靠祖国”的得天独厚优势，只要善加利用，就能在全球数字经济版图中占据中心位置。他指出，从互联网、区块链再到人工智能，这三大领域基本是中美两强称雄的态势。而香港作为中国的一部分，能够充分借力内地庞大的人才资源、资产资源与技术资源，这是世界上其他地区难以复制的独特优势。凭借“超级联系人”的定位，结合“一国两制”下普通法的制度优势，香港完全有能力实现特区政府提出建成“全球数字资产中心”的目标，甚至有望推动全球金融格局从过去的“纽伦港”格局，逐步升级为“纽港伦”，令香港在全球金融体系中的地位进一步跃升。
深潮 TechFlow 消息，3 月 13 日，据链上分析师 Ai 姨（@ai_9684xtpa）监测，自 3 月 11 日起持续建仓的某巨鲸于 9 小时前再次从 Kraken 交易所提取 10421 枚 ETH，价值约 2159 万美元。过去 3 天，该地址累计囤积 ETH 达 73744.98 枚，其中此前已提取 63324.36 枚。目前其 ETH 总持仓市值为 1.52 亿美元，平均提取价格为 2072.2 美元，当前浮动盈利约 404 万美元。
深潮 TechFlow 消息，3 月 13 日，据 Cointelegraph 报道，美国证券交易委员会（SEC）委员 Hester Peirce 于周四在 SEC 投资者咨询委员会发表演讲，呼吁监管机构简化上市公司信息披露要求，并推进针对代币化证券的”创新豁免”机制。
Peirce 指出，上市公司在准备强制性披露文件上耗费大量资源，但相关内容往往未能有效提升投资者的信息获取质量，反而可能造成信息遮蔽。她认为，监管机构应避免对市场进行过度干预。
在代币化证券议题上，Peirce 表示，SEC 工作人员正就潜在的”创新豁免”机制持续推进研究，以允许在现行证券法框架评估期间，对代币化证券进行有限度的实验性探索。她同时指出，区块链系统有望实现更快速的结算，并在部分场景中减少对传统中介机构的依赖。
深潮 TechFlow 消息，3 月 13 日，据金十数据报道，今天苹果公司发布降低佣金率公告，具体如下：根据与中国监管部门的沟通，Apple 将对中国的 App Store 进行调整。自 2026 年 3 月 15 日起，适用于中国内地（大陆） App Store 的 iOS 及 iPadOS 佣金率将进行调整。Apple App 内购买及付费 App 的标准佣金率将由目前的 30% 改为 25%。App Store Small Business Program 以及 Mini Apps Partner Program 项下符合条件的 Apple App 内购买佣金率以及第一年后的自动续费订阅佣金率将由目前的 15% 改为 12%。自 3 月 15 日起享受该等佣金率的调整无需开发者在此之前签署新条款。
作者：深潮 TechFlow
美国至 3 月 7 日当周初请失业金人数 21.3 万人，预期 21.5 万人
美国至 3 月 7 日当周初请失业金人数 21.3 万人，预期 21.5 万人，前值由 21.3 万人修正为 21.4 万人。
SEC 主席 Atkins 发表讲话：推动监管瘦身、支持股权代币化创新豁免
据 SEC 官网，美国证券交易委员会（SEC）主席 Paul S. Atkins 于 3 月 12 日在投资者咨询委员会年度会议上发表讲话，重点围绕三大议题展开。
一是减少不必要的信息披露负担，提倡”最低有效剂量监管”原则，强调规则应以重要性为核心，并根据公司规模灵活调整；同时建议延长 JOBS 法案中”IPO 起步通道”的适用年限，以鼓励更多中小企业上市。
二是反对 SEC 通过”遵从或解释”式披露要求间接干预公司治理，认为此类”羞辱式监管”超出 SEC 职权范围，治理决策应由股东和董事自行决定。
三是就股权证券代币化表态，认为代币化有助于提升结算效率、降低结算风险并减少中间环节，并透露 SEC 将考虑推出创新豁免机制，以支持特定代币化证券的有限交易，并为制定长期监管框架积累经验。
贝莱德推出首支含质押功能的以太坊 ETF
据 CoinDesk 报道，贝莱德旗下 iShares Staked Ethereum Trust ETF（ETHB）已于北京时间 3 月 13 日正式在纳斯达克上市交易，这是贝莱德推出的第三支加密 ETF，也是首支纳入以太坊质押功能的产品。ETHB 将持有现货 ETH 并将部分持仓用于质押，投资者可同时获得 ETH 价格敞口与质押收益。该基金管理费为 0.25%，初期对前 25 亿美元资产提供 0.12% 的优惠费率。目前贝莱德旗下加密相关产品总管理规模约达 1300 亿美元。
TRUMP 代币团队将于 4 月 25 日为 TRUMP 代币持仓排名前 297 名用户举办宴会
据 GetTrumpMemes 官网显示，TRUMP 代币团队将于 2026 年 4 月 25 日在佛罗里达州棕榈滩 Mar-a-Lago 举办一场加密与商业峰会暨宴会，美国总统特朗普将出席并担任主旨演讲嘉宾。
活动采用持仓排行榜机制，持仓积分排名前 297 名的合格参与者将获得出席资格，其中，排名前 29 名的 VIP 用户还将额外享有与 Trump 及其他嘉宾的专属接待活动及 VIP 前排座席。
Backpack 宣布将于 3 月 23 日 TGE
据官方公告，Backpack 宣布将于 3 月 23 日 TGE。
Avantis 宣布上线 AVNT 代币回购与销毁计划
据官方公告，Avantis 在 X 平台发文宣布上线 AVNT 代币回购与销毁计划，将 30% 的每日交易收入（开仓费、平仓费及盈利手续费）用于在公开市场回购并销毁 AVNT 代币，该机制现已正式生效。官方表示，未来在协议效率升级后，用于回购的费用比例有望提升至 50% 以上，预计将在 2026 年第二季度末前实现。
腾讯回应“批量抓取ClawHub”指控：仅从官方源拉取了 1GB 的数据，且非并发请求
腾讯 AI X 账号 Tencent AI（@TencentAI_News）回应社区关于“批量抓取ClawHub”指控称，“您好 Peter，我们理解您的顾虑。SkillHub 是腾讯基于 OpenClaw 生态系统打造的本地化技能平台，旨在为中国用户提供更佳的技能可用性和速度。
我们公开透明地表明，我们作为本地镜像站点，并始终注明 ClawHub 为数据来源。上线第一周，我们为用户处理了 180GB 的流量（87 万次下载），而从官方源仅拉取了 1GB 的数据（来自非并发请求）。
我们团队的许多成员都是积极的贡献者（代码和 PR），我们渴望支持生态系统并成为更好的赞助商。”
此前消息，社区指腾讯旗下平台 SkillHub 批量抓取 OpenClaw 的官方技能市场平台 ClawHub 的全部技能数据，并将其导入自身平台。Peter Steinberger 呼吁腾讯提供一定支持，而非单方面消耗资源。
Perplexity 推出新产品 Personal Computer，支持全天候跨文件、跨应用及跨会话操作
据 AI 搜索初创公司 Perplexity 官方披露，该公司正式宣布推出 Personal Computer。该产品基于持续运行的 Mac mini，将 Perplexity 的 AI 能力与本地设备深度整合，可全天候 24 小时运行，支持跨文件、跨应用及跨会话操作。
目前，Perplexity 已开放首批用户候补名单申请，并将为初期用户提供相应支持与资源。
加密会计初创公司 Cryptio 完成 4500 万美元 B 轮融资，BlackFin Capital Partners 领投
据 Fortune 报道，加密会计初创公司 Cryptio 宣布完成 4500 万美元 B 轮融资，由 BlackFin Capital Partners 和 Sentinel Global 领投，1kx、BlueYard Capital 和 Ledger Cathay Capital 参投。Cryptio 为企业提供数字资产追踪、加密贷款管理及区块链资产监控软件，目前拥有 110 名员工、逾 450 家客户，包括稳定币发行商 Circle 及法国兴业银行旗下区块链子公司。
AI 采购自动化初创公司 Oro Labs 完成 1 亿美元 C 轮融资，高盛领投
据 Fortune 报道，硅谷 AI 采购自动化初创公司 Oro Labs 宣布完成 1 亿美元 C 轮融资，由高盛成长股权（Goldman Sachs Growth Equity）和 Brighton Park Capital 领投，Norwest Venture Partners、B Capital、XYZ Capital 及 Felicis 等现有投资方跟投，至此公司累计融资总额达 1.6 亿美元。Oro Labs 旗下”采购编排平台”基于 AI 技术，叠加于企业现有 ERP 及采购系统之上，为可口可乐、辉瑞、诺华等财富 500 强客户提供合规审查、流程自动化等服务。
Eightco Holdings 宣布完成 1.25 亿美元融资，由 Bitmine 领投
据 PR Newswire 报道，Eightco Holdings（NASDAQ: ORBS）宣布完成 1.25 亿美元融资，由 Bitmine（NYSE: BMNR）领投 7500 万美元，ARK Invest与 Payward（Kraken 母公司）各承诺 2500 万美元，其他投资方包括 Pantera、Coinfund、GSR 等机构。公司同步披露已完成对 OpenAI 的5000 万美元战略投资及对 MrBeast 旗下 Beast Industries 的2500 万美元投资，并继续持有 Worldcoin 与以太坊。Bitmine 董事长 Tom Lee 加入 ORBS 董事会，ARK Invest 首席未来学家 Brett Winton 出任董事会顾问。
Meta 收购 Moltbook：42 天，一场完美的叙事套利
本文讲述了一个名为Moltbook的AI平台从上线到被Meta收购的全过程，揭示了AI行业中“叙事套利”的现象。Moltbook是一个由AI助手生成代码的实验性平台，专为AI代理设计，短短42天内从推出到被Meta收购。文章探讨了叙事如何在技术圈被过度炒作、估值如何被推动，以及散户在此过程中如何成为最终的“接盘侠”。
对话 Bitget CEO & Dragonfly 合伙人：BTC 6-7 万是定投良机，CEX 正走向“全能化”终局
本文主要探讨了加密货币交易所向“全能交易所”（UEX）转型的趋势，以及加密货币市场的现状和未来发展方向。文章通过对 Bitget CEO Gracy Chen 和 Dragonfly Capital 合伙人 Rob Hadick 的对话，深入分析了代币化资产、AI 技术在加密货币交易中的应用，以及地缘政治和宏观经济对市场的影响。
Strive 买 Strategy 股票，比特币财库公司开始互相套娃
本文讲述了一家名为Strive的公司通过发行优先股SATA筹集资金，用于购买比特币和另一家比特币持有公司Strategy发行的优先股STRC。此种互相投资的模式被称为“套娃”，其核心逻辑依赖比特币价格的持续上涨，否则整个链条可能面临风险。Strive目前持有13,311枚比特币，总价值约9.3亿美元，但其股价已从高点暴跌97%。两家公司都在加码比特币投资，但这一策略存在较高的市场波动风险。
300 万抢博士，95 后已“老”：AI 招聘正在“活埋”中间层
本文探讨了人工智能（AI）领域的就业市场现状，揭示了AI行业的快速发展在创造高薪机会的同时，也带来了人才分化和中间层被挤压的现象。文章分析了AI领域的人才需求、招聘趋势以及由此引发的社会问题。
本文主要介绍了一家名为Perplexity的公司及其最新发布的产品“Personal Computer”，这是一种将AI功能深度集成到Mac mini中的电脑系统，旨在通过AI模型自动完成用户任务，而非单纯提供回答。文章还探讨了AI行业的现状和Perplexity面临的挑战。
