Uweb(University of Web3)是一家位于香港的Web3.0专业教育机构，传授数字资产配置策略与AI驱动投研方法，由于佳宁博士@Uwebdryu创办。推文主要分享由Uweb分析的链上指标剖析，不构成任何投资建议。
Hong Kong
Joined April 2023
- Tweets1.3K
- Following419
- Followers3.1K
- Likes530
Uweb张老师拆解多Agents协作的底层逻辑：一个文件夹、几个聊天框
Uweb Codex AI投研实训营的线上课堂准时开讲。主讲人、Uweb招生负责人张睿彬（小红书@：飘逸的张老师）用一个多小时的时间，把当下AI圈最"唬人"的几个概念——Agents、多Agents协作、跨平台协作、工作流——一层层剥开，露出了它们朴素得近乎"土气"的内核。
"我讲完之后，大家会觉得这些东西土得不得了。"张老师笑着说。但正是这种祛魅式的讲解，让在场的付费学员们第一次真正看懂了AI在自己电脑上到底在做什么，也第一次拿到了一把衡量AI投研工具成色的"硬标尺"。
模块一：AI在你电脑上到底怎么工作？——给它盖一栋楼，让它进去装修
课程从最基础的问题开始：当你和Codex、Claude Code这类AI编程工具对话时，AI究竟在哪里干活？
答案简单得出人意料：一切工作都发生在你本地的一个文件夹里。
"就相当于你在电脑上给它盖了一栋楼。"张老师打了个生动的比方，"你说我要个餐厅，它就给你装修成餐厅；你说我要个剧场，它就给你装修成剧场。"打开苹果电脑的访达，点开"文稿"，那些莫名多出来的文件夹，就是AI施工的现场。大模型远程思考、写好代码，再把代码存进你本地的文件夹完成部署——这就是所有AI编程类工具的底层逻辑，没有更多神秘可言。
张老师以自己正在开发的"抄底雷达"项目为例：这个用多Agents协作打造的工具，从文件结构上看，也不过是文稿目录下的一个普通文件夹。
模块二：到底什么是Agents？——能帮你解决问题的对话框，就是智能体
"Agents"这个词让很多人发懵：到底什么才算智能体？需要具备什么样的"智能"才够格？
张老师的回答干脆利落：目前业界对Agents没有任何官方定义。没有谁规定一个AI必须具备什么条件才能叫Agents。泛用的理解只有一条——一个AI能帮你解决问题，它就可以叫Agents。
他现场展示了自己"K线分析逻辑"文件夹下的几个聊天：一个叫"沟通开发逻辑领导"，负责构思整套K线分析看板的开发思路，3分11秒就搭出了完整框架；一个叫"分析逻辑蒸馏牛马"，专门负责把K线分析的底层逻辑蒸馏成一个Skill；还有一个"核心开发牛马"，负责系统性编程和最终呈现。
"一个文件夹下建几个不同的聊天，每个聊天干自己该干的事——这就叫多Agents协作。"张老师说，"当然有更多花里胡哨的玩法，但最底层的逻辑就是这样。我们先造五菱宏光，再往法拉利、布加迪过渡。"
模块三：警惕"100个Agents"的话术——手段不等于实力
课上，张老师分享了一个近期高频出现的场景：有学员上完课回去看项目，一个融资团队宣称"我们有100多个Agents实时盯K线"，听起来团队实力爆表。
"我就跟同学说，你问问他，这100个是怎么分工的？是一起抓，还是一个抓10个？"张老师随即亮出自己的底牌：他开源给学员的K线分析工具，一个Agent就能实时抓取市场上2500个标的，最多可拓展到7000个。"一个Agent就能干完的活，你分给100个Agent干，是因为团队实力不行吗？"
他提醒学员：100个五星级大厨一起炒菜，最后端出来一盘凉拌黄瓜，没有任何意义。Agents的数量和AI运用的水平，一定不能画等号。正确的逻辑永远是需求驱动手段——先确定你需要什么结果，再决定用什么样的手段。
模块四：什么时候才需要多Agents？——两个信号：机脑过载与活要做细
既然一个聊天框往往就能从头干到尾，那究竟什么时候该拆分成多Agents？张老师给出了两个清晰判断标准。
第一个信号：机脑过载。当一个项目的开发对话拖得太长，经历多次上下文压缩后仍然密密麻麻，模型的"聪明程度"就会下降——做到后面忘了前面。这时候就该拆分。
第二个信号，也是更重要的信号：活要做细。张老师点破了AI工作的一个关键机制：AI接到任务，是"以最终完成任务为逻辑"去执行的，它接到的是一份"圣旨"，会想办法交付——但交付的标准是有弹性上限的。单次对话里，AI可能消耗到某个比例的token就觉得"差不多可以交付了"。
"你让一个聊天框既抓K线、又蒸馏深度分析逻辑，两件重活摊在一次任务的token预算里，很有可能某一件它给你偷工减料了。"张老师说，"做金融分析，我们对自己的钱负责。K线分析逻辑蒸馏，如果只烧了很少的token就交付了，我真不敢信。"
解法就是把工作拆细：一个Agent专攻前端K线获取，一个Agent专攻分析逻辑蒸馏——就像造车，发动机和离合器必须单拎出来交给专门的部门打造，而空调彩电大沙发可以集成采购。想做得更细？A股、港股、美股的获取逻辑可以各自再拆，实时K线和历史K线也可以再拆。只要token够，拆得越细，活做得越深。
模块五：跨平台协作的真相——三支施工队，装修同一套房
课程下半场，张老师抛出问题：想让Claude Code、Codex和WorkBuddy同时开发同一个项目，该怎么做？
答案依然朴素：把它们的任务文件夹选成同一个。他在屏幕上同时打开三个工具的窗口，全部指向"AI项目抄底雷达"这一个文件夹，输入提示词，三个AI的开发文件就写进了同一个地方。
"我请三支不同的施工队，一起进到我盖的毛坯房里装修——修房顶的修房顶，刮腻子的刮腻子，安空调的安空调。"张老师说，"不需要装任何外部插件，不需要任何'打通'，这就是0依赖的跨平台多Agents协作。"
模块六：为什么要跨平台？——不是各有所长，而是token经济学
为什么要折腾跨平台？一个常见的说法是"某某模型做前端更强"。张老师直接否定了这种论调："纯胡扯。聪明是一个量级的问题，不存在某个工作强模型干不好、弱模型反而干得更好。"
真正的答案只有两个字：预算。聪明的模型token贵、额度不够用。如果资金无限，最优解永远是"一个最强大脑指挥一群最强大脑"——就像让100个霍金一起研究黑洞。现实中额度有限，于是有了分工：
Claude Code做"大脑"，负责构思框架、写任务书、统一指挥和最终验收——因为它最聪明；
Codex做核心开发者，攻坚最重要的模块；
WorkBuddy+Kimi K3负责前端看板等相对标准化的工作。
张老师以自己的K线分析工具为例说明这套分配逻辑："K线分析工具最核心的板块是分析逻辑——分析错了要亏钱。所以我的K线分析逻辑是'满血纯血'的顶级模型蒸馏，从头到尾没夹杂一点其他模型；前端获取没那么关键，就交给其他模型。这就是分工。"
模块七：怎么指挥AI军团？——让最聪明的AI给其他AI写提示词
分工清楚了，怎么指挥？张老师的答案是：问AI，让AI指挥AI。
他展示了自己开发"AI超跌抄底雷达"框架时的实战提示词——明确告诉Claude Code："你不是独自完成，只需构思整体思路和核心框架；难度不高的开发交给Codex，前端交给WorkBuddy接Kimi K3，我会把它们的任务文件夹也选在同一文件夹内，由你给出提示词统一指挥。"
Claude Code随即产出了两份写给其他AI的"任务书"——铁律、边界、交付物、执行步骤，条理分明，甚至部分用程序代码书写。"程序写给程序看的提示词，比人用文字写的效率高太多了。"张老师感叹。在单一平台内同样如此：一句"请把任务拆分并分别写成三个提示词md文件"，再让各聊天框"去读对应文件然后干活"，多Agents协作就此启动。最后让"大脑"验收："两边都交付了，请验收，看看有什么需要修改的"——Claude Code逐条核验Codex的报告质量、检查Kimi K3的前端，列出必须修复的bug，再生成新一轮指令。
"Cloud Code发指令、Codex和WorkBuddy干活、Cloud Code验收——这就是所谓的'工作流'。"张老师笑道，"AI圈的黑话，拆开看都是土的。"
模块八：Token消耗量——衡量AI投研工具成色的硬标尺
课程最"硬核"的部分，是张老师近期面试80多位AI从业者后总结出的判断体系。面对满口"多Agents智能体协作"的应聘者，他只问一个问题：你做工具一共烧了多少token？
"很多人做了一堆分析工具，但每月只是把Plus会员额度用完——那点token量，蒸馏一个深度K线分析逻辑的语料恐怕都不够。"张老师直言，用AI随便搭个唬人的面板，从0分做到六七十分非常容易；但真金白银要用的金融工具，必须把活做细——每个分析模块都要烧天量token把逻辑蒸馏到位，再加上回测和验证。"Token消耗已经变成一种硬桥硬马的衡量标准。蒸馏'白毛股神'，有人只是把资料发给AI让它角色扮演，那叫cosplay；有人抓全了所有推特语料再蒸馏，但没做后端验证——做细能做得很细，只看思路到没到。"
他的结论掷地有声：AI绝顶聪明，但让它聪明三个小时做出来的结果，一定比聪明两秒钟的好。思路是一方面，token消耗量、验证与回测，才是衡量一个AI金融工具乃至一个AI创业团队真实水平的核心。
尾声：手段是浮云，结果才是答案
"多Agents协作、复杂工作流、跨平台——这些都是浮云，都是手段。"课程结尾，张老师把整场内容收拢为一句话，"最重要的永远是思路和你最终要达到的结果。不是'我用了这样的手段所以我很牛'，而是'我要达到这样的结果，所以我用了这样的手段'。"
熊市里85折买BTC，是真机会还是大风险？——对话Amber Group副总裁Amber
穿越两轮牛熊：亚洲最大加密资管机构是如何炼成的
吴： Amber Group是加密市场老牌的财富管理企业。资本市场有句话说得很好：赚钱不是最重要的，在市场里活得久才是最重要的。无论美股、A股还是加密货币市场，活得久最重要，Amber Group明显是活得非常久的那一批。能否请你介绍一下，过去这几个周期，Amber的主要业务经历了哪些转变，目前的服务是怎样的？
Amber： 您说得非常对，不光是在crypto市场，在任何投资市场上，「一直留在牌桌上」都是最重要的事。
我快速介绍一下Amber Group。我们2017年成立，发展到现在，从AUM来看是亚洲最大的加密资管金融机构之一，同时也是全球前三、亚洲最大的做市商，2017年至今累计交易量超过1万亿美金。去年3月，我所在的业务线Amber Premium在纳斯达克完成上市，这也是市场对我们合规治理和财务透明度的一个很大认可。
公司目前核心有三条业务线。第一条就是我所在的Amber Premium，我们很像是crypto行业里的私人银行，专门服务机构客户和高净值个人，提供加密资产配置、管理、信贷解决方案等一站式服务。
第二条是圈内朋友比较熟悉的做市业务。两个亮点：一是我们是币安上交易级别最高的V9，要维持这个级别，每天的交易量要保证在10亿美金及以上；二是我们的trading team现在差不多100人，一方面打理公司自有资金，另一方面把自营策略提供给我们Amber Premium的大客户。
第三条业务线是帮有牌照需求的机构做冷热钱包一体化部署，解决机构最头疼的资产托管和合规问题。香港目前发出的11张VATP牌照，其中一半都是找我们做的最底层冷热钱包部署，包括大家非常熟悉的富途、老虎、连连支付等。
简单总结，三大业务线构成一个完整的服务闭环：Amber Premium是服务客户的前端门户，做市业务作为中坚力量提供全策略自营产品，第三条业务线负责安全合规的基础设施搭建。
另外提前跟Uweb的同学们同步一下：我们预计在8月底或9月初上线全新的AI Agent。我们不是要为了做AI而做AI，而是想把过往在加密领域积累的know-how，加上AI的势能，去真正解决客户在财富管理过程中的真实需求和痛点，找到product-market fit。正式上线官宣的时候，也欢迎再跟Uweb的学员们做专题分享。
持牌意味着什么：90%—98%的客户资产放在冷钱包
吴： Amber在全球很多地方，包括香港、新加坡、美国、迪拜都有牌照。对于Amber Premium的客户来说，全球持牌到底有哪些益处？客户的资产到底托管在什么架构下？
Amber： 这个问题非常关键，也是我们很多投资人和客户非常关心的：持牌到底意味着什么？
说实话，持牌是双刃剑。但尤其对于机构客户，他们非常看重你这个机构是不是安全、是不是合规、是不是持牌。持牌对客户来讲，意味着资产安全上有更多保障。
我举例来说，也顺便回答托管架构的问题。我们在新加坡、香港、迪拜三地拿的都是当地含金量最高的牌照。在新加坡，我们拿的是MAS发的MPI全牌照，同时跟新加坡的DBS、UBS都有官方合作。
客户如果under新加坡entity，90%的资产要完全托管在冷钱包，只有大概10%放在热钱包；热钱包里如果有法币资产，还要放到我们跟DBS的trust account里，整体对客户来说非常安全。迪拜跟新加坡差不太多。香港更严一些，98%的资产要放到冷钱包，只有一小部分放在热钱包。
其实相较之前，尤其是2024年比特币ETF通过之后，整个市场的安全合规框架有了非常大的变化。对于普通投资人来讲，选择合规持牌的机构，我认为是加了很多层保护。
传统私行 vs 加密资管：未来3—5年是一场大融合
吴： 传统的私行、传统的资产管理机构，和crypto市场的财富管理机构到底有哪些不同？未来几年，整个资产管理行业会怎么演进？会是大融合，还是更加专业化？
Amber： 传统金融跟加密金融的不同非常直接：即便到了今天，即便ETF已经批了、美国已经把比特币作为战略储备，你在很多传统私行依然没有办法直接持有加密货币本身。对于真正了解、真正想要持有比特币本身的客户来说，目前还是很难从传统私行里实现。ETF通过之后，客户可以通过ETF获得比特币敞口，但如果他想把币转到自己的冷钱包，想做一些其他的保值增值，传统私行是做不到的。这是第一点。
第二，就我观察，以前很多投资人对比特币的策略是「逢低买入、长期持有」的buy and hold。但随着2024年ETF通过、全球范围安全合规框架落地，投资人也变得越来越聪明了。他们会想：除了hold、除了被动等待以外，是不是有其他方法、策略和工具，能让我在持币过程中获得一些结构化的增长？大家都知道比特币本身不是生息资产，要在持有过程中做到结构化增长，确实需要结构化产品和不同的工具策略——这个部分，传统私行目前也做不到。
第三是最基础的托管问题，传统银行目前连托管加密货币的牌照都还没有。这几点叠加起来，大家就能看到传统私行和加密资管目前的本质区别。
至于您问的第二个点，未来3到5年行业格局怎么演进——您给了两个方向，我观察到的趋势更多是「融合」。
我相信关注crypto市场的同学对今年的一个现象不陌生：SpaceX正式IPO之前，很多加密交易所上就可以trade SpaceX的perps，提前做交易。以前我们也帮自己的客户拿到过这类非常稀缺的投资份额，但最小ticket size基本上50万美金、甚至100万美金起，普通散户很难拿到。但现在普通散户通过加密交易所，用很少的钱也可以享受SpaceX的涨幅。同样的，上个月CME也公布将逐步打通7×24小时的交易——传统金融也在向我们靠拢。
从底层需求看，稳定币是一个共识非常出圈的工具，它正在带着crypto更多地merge进传统金融。我相信未来3到5年内，TradFi和crypto会有更大、更多、更深的融合。
高净值客户的真实动作：市场回调时，他们在真金白银地补仓
吴： 回到今天的主题。今年上半年BTC虽然不错，但大家发现美股更好，美光、英特尔、Google这些科技股涨幅都跑赢了BTC。很多OG都转去做AI和美股了。您接触的高净值客户和机构客户，是不是也在做从crypto到美股、科技股的切换？还是说他们反倒在这个时候不断加仓？
Amber： 今年大家确实绕不开美股科技股，客户对AI相关股票的投资热情是真实存在的。但从我的体感、从我cover的客户来看，反倒是越来越多的客户在问：现在是不是可以抄底了？可以定投了？可以加仓了？
市场有相对像样回调的时候，至少我们的客户是在看低位怎么再加一加仓、补一补仓。当然，有些客户的时间精力会被AI吸引走，平时聊天也会说最近没有太多时间放在crypto和BTC上。但真正市场出现像样回调的时候，包括有时候我们主动提醒客户，客户真的会认真考虑，会问我们：你们最近有什么好的加仓策略？有什么好的工具可以用？
尤其是上个季度，我的节奏简直就是「做完你的做你的」——市场有像样回调的时候，你能感受到大家加仓补仓的热情，是真金白银地在用手脚投票。
熊市的工具箱（一）：美金管理——等待抄底时，资金不空转
吴： 大家的共识非常清晰。熊市反而是crypto市场比美股市场更清晰的地方——牛熊反转是有时间预期的。能不能结合您最近做的case，跟我们分享一下在crypto市场的资产配置策略？
Amber： 好的。我先快速讲一下我们的产品offering，让同学们有一个整体概念，再具体分享客户通常用什么工具加仓、补仓，我会配几个真实案例。
客户在Amber开完户之后，基本上能满足他在crypto的所有投资需求：从最基础的法币出入金（支持同名银行转账），到OTC交易，再到持币之后的币本位保值增值，再到矿工客户非常喜欢的抵押借贷，以及我们跟Visa合作的Amber Visa Card，一站式的核心需求都能覆盖。
我观察到客户在Amber通常会把钱分成两个核心仓位：一个用来囤币及囤币的后续管理；另一个是从2024年ETF通过之后越来越多见的——聪明的投资人会套利传统金融和加密金融之间，在crypto里做美金管理。
美金管理大家理解起来更直接，我先从这里说起。比如有的客户完整经历过几轮周期，非常有经验，他现在拿着美金在等真正的下场时机。简单来讲，在我们平台上，美金活期放着也有3个点左右的收益——这是我们跟UBS合作的一个money market fund产品。也就是说，在你等待抄底的过程中，资金不会闲置，钱不会空转，我觉得这对客户来讲很有意义。
除了活期，我们还有固收，时间非常灵活，一个月、三个月都有，收益大概在六七个点。
熊市的工具箱（二）：FCN折价买币——5.5万美元接BTC，否则拿20%票息
Amber： 活期和固收大家有概念了，我接下来重点分享：对于像我们今天学员这样的客户——他有一部分钱不是纯做美金管理，他还是想逢低的时候以折扣价建仓、补仓，同时等待期间又不想让钱空等——他有什么选择？
通常，FCN会是客户可以直接做的选择。我举几个实际案例，都是近几周我帮客户做的真实报价，有些连名字和日期我都没有隐去。
案例一：多标的FCN（BTC+ETH）。 市场上刚进入的或者一直参与的同学，对比特和以太肯定都不陌生。假如客户不介意接BTC、也不介意接ETH——最差的情况，客户以55,000美元接BTC、或者以相应深度折扣价接ETH；otherwise，他就拿固定的美金收益，年化20个点左右，期限看客户选择16周还是24周。近几周市场一直在盘整，我们依然能拿到这样的报价。
单一标的也可以挂。我相信市场到6万多还没下手的客户，是相对保守、想稳中求进的。这种情况下，最差情况客户还是以5万多的价格买一部分比特币，否则拿固定票息，收益至少十几个点到20个点。很多传统金融的客户来加密金融就是这么套利的：挂一个保守的行权价，挂得比较低的话很难真正接货，大概率还是以拿美金票息为主——即便很保守的客户，也能拿到十几个点的固定票息收益。
我知道这个周期很多人看好HYPE，HYPE的momentum也确实很强，我特意把BTC+HYPE的报价也放出来：HYPE的行权价是55（当时市价接近60），最差情况客户以很低的折扣价接一部分HYPE，否则拿十几个点的固定票息。就在刚过去的周末，我帮另一个客户询了价，HYPE行权价做到30左右，都能拿到差不多20到30个点的票息收益，非常舒服。
案例二：手上已经有币的客户，做币本位保值增值。 很多客户手上有前几个周期积累的、或者最近新买的BTC和ETH。这是我前段时间刚做的：最差情况，客户以53,000或52,000、甚至更低的5万多价格买一部分比特币，否则拿币本位收益——现在的报价是8个点、9个点。
这个报价在我看来非常好。原因是：即便在过去的牛市，你都很难在安全合规的通道里拿到8、9个点的币本位固定收益——更早之前币本位收益高的时候，杠杆也很高、风险也很高。而现在在熊市，你要么以一个自己可以接受的折扣价接货，要么拿一个非常高的币本位收益，两头都很舒服。
以太也一样。我当时帮客户做的：最差情况以4,000多卖出他的一部分以太——大家知道以太的历史高点也就是4,000多——否则拿固定的币本位收益，9个点以上。
案例三：真正想建仓的客户，用Accumulator（累积期权）建仓。 前面两类工具是「有可能买进去、也有可能买不进去」。但有一类客户是真心想建仓的：我已经开始定投了，有没有更好的方法？
大家看这个案例，我连日期都没隐掉：今年6月5号。从6月份开始，我们就已经能帮客户拿到5万美元行权价的比特币了。大家知道这轮市场回调的最低点是57,000多，根本没有回调到5万。也就是说，我们的客户以5万美元的价格在持续接货——当然，能在5万拿到比特币的客户，大概率也不会在6万多就卖。即便他每周接到币之后立刻卖掉，也是稳赚的。
这几类工具，其实都是传统私行里大家非常熟悉的工具。只不过现在在crypto里，我们也可以把这样的建仓工具、收益增强工具offer给客户。
收益从哪来？风险谁承担？
吴： 这几个案例看起来每一个都非常吸引人——即使现在是熊市，5万买币真的非常诱人。那从产品设计来讲，它是怎么做到的？比如美金管理里能做到30%的票息、能85折买到BTC，收益来源到底是什么？整个产品的风险怎么做风控，风险由谁承担？
Amber： 这也是我们客户经常问的：你们收益怎么能做到这么高？收益是哪来的？
首先大家有一个共识：目前crypto市场，即便用FCN挂同样的折扣，它给出的风险溢价也确实比传统金融要高，这是第一。第二，FCN为什么能做到30这么高？因为FCN的底层是同时卖出call和put。你单腿只做一个call、或只做一个put，收益确实做不到这么高；FCN是call和put叠加同时在卖，收益就增强了。
那风险谁来承担？说实话，我们接到每一个FCN订单的时候，trading team都会1:1把风险对冲掉。对我们来说，风险是用金融工具提前hedge掉了，这是关键。
对于客户来讲，最大的风险是什么？是以行权价接货。比如我刚才说的5万5，当客户能以5万5接到比特币的时候，意味着当时的市场价格已经低于5万5了。
所以，真正的风险点——这也是我们下单前一定会跟客户做好风险提示的——是你在55,000询价的时候，要想清楚：真到了55,000，你是不是真的愿意接？真的想接？如果你考虑好了，这个风险你是可以承受的，因为本来你就觉得55,000接一部分货没有问题，在这个基础上还有额外的收益，那我觉得是OK的。
定价的艺术：为什么「过了这个村没有这个店」
吴： 这里面还有一个定价问题。来买产品的很多都是经历过好几轮的OG，他们是理解市场的。您是怎么帮客户定一个相对合理的行权价的？太低了买不进去，太高了客户觉得不合适，定价是什么逻辑？
Amber： 这是个非常核心的问题。结构化产品肯定跟固收产品的风险程度不一样，所以我们一定要考虑每个工具的最大风险是什么。金融产品没有两头甜的产品，很难完全规避风险，但核心的第一点：行权价一定是你真的想要买、真的愿意接受的价格——无论是5万的折扣买币还是FCN，最大风险都是以行权价接货，这是我们跟客户共识的第一件事。
在这个基础上，每天都有不同的报价，这也很考验我们对市场的理解和对客户需求的把握。我举个实际例子，让学员们更有感觉。
前段时间比特币涨到七八万的时候，我的一个客户是比特币大户——他有一部分币是永远不会动的，有一部分用来做周期大波段。上一轮12万的时候他本来想出，但觉得可能涨到14万，结果一点都没出。了解到他的需求和背景之后，我给他做了一个bearish方向的FCN：最差情况，他以12万卖出一小部分比特币；否则拿币本位固定收益5个点。
真正懂行的客户知道，BTC币本位拿5个点的收益已经很高了，在我看来性价比非常高。为什么？因为bearish FCN的最大风险是「卖飞」——当客户以12万卖出的时候，市场可能已经涨到12万4、12万8甚至更高。所以第一，还是要想清楚这个结构最大的风险是什么、客户的需求是什么，最大程度帮他hedge；第二，在此基础上再考虑收益。
收益怎么比？很简单：币本位我就跟币本位固收比，我一般的下单逻辑是跟牛市能拿到的最高币本位固收比——我在熊市拿到的币本位收益，比牛市还高；要不然就以一个接近历史高点的价格卖出去，我也可以接受。这个逻辑是非常make sense的。
所以在我看来，有合适报价的时候就要果断做。这个市场上很多报价是「过了这个村没有这个店」：有时候同样的参数，今天能拿到，明天就不是这个报价了。因为除了价格，市场的隐含波动率也在变，还有很多其他因素会影响期权的价格和报价。
折价买币 vs 定投：什么情况下能跑赢，什么情况下跑不赢
吴： 您刚才讲的85折买币、币本位收益累积BTC这种方式，和定投相比，优劣到底在哪里？什么情况下accumulator能跑赢定投，什么情况下跑不赢？
Amber： 先回答第一个问题。还是用真实案例：刚才说的5万美元买币的客户，从6月份到今天为止，他都是每周定量定价地买。在这个情况下，折扣买币明显远胜过定投——你定投的话，现在64,000左右，前段时间66,000，再早可能7万、8万，8万以下都有人在定投。定投有定投的价值和意义，但尤其在熊市、市场有像样回调的基础上，我还能再打一个折扣去买，相对于定投确实就更香了。
核心要看两点：市场回撤的比例，以及折扣价能拿到什么样的折扣。折扣买币每天报价都不一样。
劣势怎么说？假如你在市场高位的时候判断失误。举例来说，市场回调到9万的时候，很多客户觉得可能还有一波、熊市还没真正来。如果你的判断和市场发生了比较大的偏差，你以折扣价买到了8万的比特币——看似比9万低了不少，但接下来一定期间内你还是要以8万的折扣继续买，这个时候你就跑不过定投了。
所以折扣买币其实有点择时的意思：要做的好，真的要择时。定投基本上不择时——无论涨跌，固定定量定价地买。折扣买币更偏择时，而择时就跟你对市场的预判和方向高度相关。
第二个问题：什么结构下accumulator会明显跑赢定投？刚才6月5号的案例已经很能说明问题了。我纯个人分享：以现在的情况，用好的架构以折扣买币，是能跑赢定投的。为什么？因为市场已经回撤了50%多，在大幅回调的基础上再打一个折扣——当然大前提是，你知道每一轮周期的最大回撤在收窄——有了这个预判和前提，再打折买，确实能跑赢定投。
普通投资者如何判断一款结构化产品值不值得做
吴： 这也是为什么我们在这个时间点请您来分享——市场比较统一的理解是，至少最差的时候可能已经过去，现在依然还在底部区间。这个价格，应该讲买不了吃亏买不了上当，还能有折扣，性价比是比较高的。
那么对普通客户来讲，怎么去判断一款结构化产品到底是不是好产品？有没有一些指标可以分享？
Amber： 这个问题也很好。不光是Amber的产品，in general大家判断结构化产品都可以参考。首先，报价参数里每一项都比较关键——时长、行权价、票息。我知道大家往往第一眼会看票息高不高，这些都重要，但如果让我排一个序：
第一，行权价。 这是客户首要看的。他给你再高的票息，如果跌到那个行权价的时候你不是很想接、你很犹豫——只要你稍微犹豫，就不要做。无论是bullish的买还是bearish的卖，行权价一定要是你考虑清楚、真心接受的价格。
第二，固定票息收益。 有时候市场给你的行权价确实不错、确实比较低，但票息没有那么吸引人。怎么判断「不够吸引人」？你至少拿市场上表现比较好的高息固收做对比。假如你冒了结构化产品的风险，结果票息只有6、7个点——单一标的六七个点在我看来是比较少的，这种情况我个人觉得没有必要做，它给你的风险补偿是不够的。
第三，敲入敲出价格。 如果产品带敲入敲出机制，这个价格一定要注意，因为它意味着你对自己有多大程度的保护、你能拿多长时间的固定票息。
第四，tenor（周期）。 到底是三个月、六个月还是更长？时间给得越长，理论上你要拿到更高的风险补偿、更高的票息收益，才值得做。
当然具体到每个case还是要case by case看。至少对Amber来讲，所有参数都可以灵活调整。比如有的客户想尽快敲出、只拿几个月的短期美金收益，我们就把敲出价设得离市价近一点。再比如7月中旬我帮一个客户做的挂单：最差情况他以51,000买一部分比特币，否则拿币本位收益7.8个点年化。这个客户只要低于54,000都不介意加仓补仓，所以他非常喜欢这个报价——行权价51,000，同时还能锁定7.8%的BTC币本位收益。客户说想更长时间地锁定这个报价，我就把敲出价往上做一做，让他能更久地锁住。事实上现在市场在横盘震荡，这个客户一直在拿比较高的BTC币本位收益。
总结下来就是：行权价、票息收益、敲入敲出、tenor，四个参数综合来看。我相信同学们也能找到适合自己需求的报价。
关于开户门槛、收益结算与服务币种
吴： 同学们也很关心：Amber服务个人的门槛和标准是什么？
Amber： 我们官方开户门槛是100万美元，或等值的加密资产。活跃客户的单个账户资产量在100万美元到1亿美元之间不等，会受币价影响。不过随着我们全面拥抱AI Agent，接下来理论上就没有硬性门槛了——这个还没有正式官宣，先跟Uweb的学员们透露一下。
开户方面，大陆护照没有问题，但需要配上海外的地址证明，符合条件的学员我们都可以提供服务。
吴： 有同学问：年化收益按什么结算？按U还是按BTC？按月付还是按年付？
Amber： 看你认购的币种。认购的是美金或U，收益就以美金或U结算；认购的是比特币或以太坊，就以币本位结算。刚才提到的FCN产品以四周为单位，基本上每个月定期给你回美金或者回币。
吴： 目前服务的主要币种和资产类别有哪些？
Amber： Amber本身是市场上非常大的做市商，无论主流币种还是一些小币种，我们都可以帮客户做买卖交易和结构化产品。平时接到最多的需求还是主流币种，大家知道的主流币我们都可以做。
熊市躺赚秘籍：起底"聪明钱"的隐秘交易——Uweb直播课对话飞云研究创始人小西博士
本期内容来自 Uweb 直播课第 249 期。8 月 11 日晚，Uweb 联合创始人吴耀山对话飞云研究创始人小西博士（Wayne Ye），围绕"熊市里怎么赚钱"这个所有持币者都关心的问题，展开了一场信息量极大的对谈。
小西博士是粒子物理学博士、天使投资人和投资组合经理，拥有丰富的超额收益投研经验。他曾在包括千禧年基金（Millennium）在内的多家知名基金执掌策略研究与投资组合管理的重要职位，同时是多个领先加密项目的顾问，曾多次受邀在哈佛大学、麻省理工学院等著名机构发表 Web3 主题演讲。
在这场对话中，小西博士系统拆解了"聪明钱"在熊市中的真实打法：为什么市场回调时专业机构和高净值客户反而在真金白银地补仓；如何用结构化产品以 5 万美元出头的折扣价建仓比特币，买不进去还能拿 20% 左右的固定票息；为什么熊市里反而能拿到牛市都拿不到的币本位收益；以及普通投资者判断一款结构化产品好坏的四个关键参数。
熊市才是聪明钱最忙的时候
吴耀山：今天这场直播的主题是"熊市躺赚秘籍"。大家都有一个共识：BTC 一定会涨起来，下一个周期会涨得更高、突破前高，这几乎毫无疑问。难的是，在目前这个阶段，怎么才能买到价格比较好的 BTC，并且守住它。这是大部分人都明白、但并不容易做到的事情。您长期接触机构客户和高净值客户，从您的观察看，这些人现在是在从 crypto 切去美股、科技股，还是反而在加仓？
小西博士：今年大家肯定绕不开美股科技股和 AI，客户们的确有投资热情被吸引过去，平时聊天也会说"最近没有太多时间精力在 crypto 上"。但真正到了市场有像样回调的时候，我的体感恰恰相反——越来越多的客户来问：现在是不是可以抄底了、可以定投了、可以加仓了。他们会认真问我，最近有什么好的加仓策略、有什么好的工具可以用。有时候我们也会主动提醒客户，他真的会被打动，真金白银地在用手脚投票。
上个季度我的节奏简直就是"做完你的做你的"。市场每有一波像样的回调，你都能清晰地感受到那种补仓的热情。所以聪明钱并没有离场，他们只是换了一种更安静的方式在行动。
吴耀山：共识确实非常清晰。熊市里 crypto 市场反而比美股更清晰的一点是，它的牛熊反转是有时间预期的。在今年这个熊市场景下，结合您最近做的这么多案例，能不能给大家分享一下聪明钱的资产配置策略？
小西博士：可以。我先给大家一个整体概念。我观察到聪明的投资人通常会把自己的钱分成两个核心仓位：一个仓位用来囤币，以及囤币之后的后续管理；另一个仓位，从 2024 年比特币 ETF 获批之后越来越流行，就是在 crypto 里做美元管理，套传统金融和加密金融之间的利差。
等待抄底的钱，不该空转
小西博士：先说美元管理。我知道很多经验丰富的投资人，完整经历过几轮牛熊，现在手里拿着美金在等，等一个真正下场的机会。简单来讲，这笔钱如果只是活期放着，在合规平台上也能有 3 个点左右的收益——底层是和大型银行合作的货币基金产品。也就是说，在等待抄底的过程中，你的资金不会闲置，钱不会空转。我觉得这一点对客户来讲非常有意义。
活期之外还有固收，期限非常灵活，一个月、三个月都有，年化大概六七个点。
吴耀山：活期和固收大家有概念了。但我们很多学员其实并不是纯为了做美元管理，他们还是想逢低建仓、补仓，同时等待期间又不想让钱空等。这种情况下有什么选择？
小西博士：通常 FCN 会是客户可以直接做的选择。我举几个真实的案例，都是近几周市场盘整期间实际拿到的报价。
第一个是多标的的 FCN。假如客户不介意接比特币，也不介意接以太坊，两个接了都觉得没问题。那么最差的情况，客户会以 55,000 美元接比特币、或者以 16,500 美元接以太坊；否则，他就拿固定的美元收益，差不多 20 个点左右，期限看客户选择，16 周或者 24 周。
如果是单一标的，针对那些 6 万多还没下手、相对保守、想稳中求进的客户，我们可以把行权价挂得很保守——最差情况还是以 5 万多的价格买一部分比特币，否则拿固定票息，保守来说也有十几个点到 20 个点。行权价挂得低的话，其实很难真的买进去，大概率还是以拿美元票息为主。很多从传统金融过来的客户就是这么套利的：挂一个保守的行权价，最差也不介意用很低的折扣价买币，但大概率安安稳稳拿十几个点的固定收益。
再举个紧跟市场热点的例子。这个周期 Hyperliquid 的 momentum 非常强，有客户做 BTC 加 HYPE 的组合，HYPE 的行权价挂在 55，当时市价接近 60。最差情况客户以很低的折扣价拿一部分 HYPE，否则拿十几个点的固定票息。我刚过去的周末还帮另一位客户询过价，非常保守的行权价，都能拿到 20 到 30 个点的票息收益，非常舒服。
手里有币的人：熊市里拿到牛市都拿不到的币本位收益
吴耀山：这是手上有美元的方向。那如果现在手上已经有币了呢？
小西博士：手上有币的客户，核心诉求是币本位的保值增值。这类客户很多，币可能是前几个周期积累的，也可能是最近新买的。还是讲实际案例：最差情况，客户会以 53,000、52,000，甚至更低的价格再接一部分比特币；否则，他就拿币本位的收益——大家可以看现在的报价，币本位能到 8 个点、9 个点。
这个报价在我看来非常好。为什么？因为即使在过去的牛市里，你都很难在安全合规的通道里拿到 8、9 个点的固定币本位收益。早期周期里币本位收益确实高过，但那时候杠杆也高、风险也高。现在是什么情况？你要不然用一个自己可以接受的、很低的折扣价接货，要不然拿一个非常高的币本位收益。熊市能给到这样的结构，在我看来是非常舒服的。
以太坊也一样。我之前帮客户做过，最差情况是以 4,000 多卖出一部分以太坊——大家知道以太坊的历史高点也就是 4,000 多——否则拿固定的币本位收益，9 个点以上。也就是说，你要不然在接近历史高点的位置兑现一部分利润，要不然拿一个比牛市固收还高的币本位票息。两个结果客户都接受。
吴耀山：刚才这两类，一类可能买不进去、大概率拿美元收益，一类是有币做增强。还有一类客户是真正想建仓的，已经决定开始定投了，有没有更好的方法？
小西博士：有，这类叫 accumulator，折价累积。给大家看一个我连日期都没隐去的真实案例：今年 6 月 5 日开始，客户就能以 5 万美元的行权价，每周定量定价地买入比特币。大家知道，这轮市场回调的最低点是 57,000 多，根本没有回到 5 万。也就是说，这个客户从 6 月到现在，每一周都在以 5 万美元的价格买到比特币。
当然，能在 5 万拿到币的客户，大概率也不会在 6 万多就卖掉。但即便他就是每周买回来、每周卖掉，收益也肯定是正的。这类建仓工具和前面讲的几类工具一样，都是传统私行里大家非常熟悉的工具，只不过现在在 crypto 里，客户也能用上了。
收益从哪来，风险谁承担
吴耀山：这几个案例每一个都非常吸引人——5 万美元买币，即使放在熊市里看也很震撼。我想问一个大家都会问的问题：从产品设计来讲，它是怎么做到的？比如美元管理里做到 30% 的票息、85 折买 BTC，收益来源到底是什么？整个产品的风险由谁承担？
小西博士：这也是客户最常问的：你这收益怎么这么高，钱是哪来的？
首先有个共识：在 crypto 市场上，同样折扣的 FCN，给出的风险溢价本身就比传统金融高，这是第一。第二，FCN 为什么能做到 30% 这么高？因为它的底层是同时卖出 call 和 put。你单腿只卖一个 call、或者只卖一个 put，收益确实做不到这么高；FCN 是两条腿叠加同时在卖，所以收益有增强。
那风险谁来承担？说实话，专业机构在接到每一个 FCN 订单的时候，交易团队都会 1:1 把风险对冲掉，用金融工具把风险提前 hedge 了，这是关键。而对客户来讲，他最大的风险只有一个：以行权价接货。比如行权价 55,000，当客户真的能以 55,000 接到比特币的时候，意味着当时的市场价已经低过这个价格了。
所以每一次下单之前，我们都会跟客户做好风险提示：你真的到了 55,000，是不是真的愿意接、真的想接？如果你考虑清楚了——本来你就觉得 55,000 接一部分货没有问题，那在这个基础上你还有额外收益，这个风险就是你可以承受的。金融产品没有两头甜的，核心是前期一定要把最大风险共识清楚。
吴耀山：这就涉及到另一个关键问题：定价。来买的人大多是经历过几轮的 OG，他们理解市场。您是怎么帮客户定一个相对合理的行权价的？太低了买不进去，太高了客户觉得不合适，这个逻辑是什么？
小西博士：这是非常核心的问题。结构化产品肯定比固收产品风险高，所以一定要先考虑清楚每一个工具的最大风险是什么。第一，行权价一定是你真的想买、真的愿意接受的价格，这是和客户共识的第一个点。在这个基础上，每天都有不同的报价，这就很考验对市场的理解和对客户需求的把握。
我举个实际例子。前段时间比特币涨到七八万的时候，我帮一个大户客户做了一个反方向的 bearish FCN。这个客户的背景是：上一轮 12 万的时候他本来想出一部分，但觉得还能涨到 14 万，结果一点都没出。他有一部分币是永远不会动的，另有一部分专门做周期大波段。
了解到这个需求之后，我给他做的结构是：最差情况，以 12 万卖出一小部分比特币；否则，拿 5 个点的币本位固定收益。懂行的客户知道，BTC 币本位拿 5 个点已经很高了。bearish FCN 的最大风险是卖飞——客户以 12 万卖出的时候，市场可能已经涨到 12 万 8 甚至更高。所以第一还是要考虑结构的最大风险是什么、客户的需求是什么，最大程度帮他 hedge，然后再考虑收益。
考虑收益有个简单的标尺：币本位收益，我就跟牛市里能拿到的最高的币本位固收比。我要不然以接近历史高点的价格卖出一部分，可以接受；要不然在熊市里拿到比牛市还高的币本位收益。这个逻辑是非常 make sense 的。
还有一点很重要：市场上很多报价是过了这个村没有这个店。同样的参数、市场价格差不多，今天能拿到的报价，明天可能就没有了。因为除了价格，市场的隐含波动率也在变，还有很多其他因素会影响期权的价格。所以我的建议是：遇到合适的报价，果断做。
折价买币 vs 定投：什么时候能跑赢，什么时候会跑输
吴耀山：市场上不同的热度下，期权报价的变化确实很大。还有一个问题：通过 85 折买币、或者币本位收益来累积 BTC，和定投相比，优劣到底在哪里？什么情况下 accumulator 能跑赢定投，什么情况下跑不赢？
小西博士：先回答第一个问题。什么情况下折扣买币会明显胜出？还是以刚才那个真实案例为例：客户从 6 月份到今天，每周都在以 5 万美元定量定价地买比特币。而定投的人呢？市场在 64,000、66,000，前段时间更高，7 万、8 万以下都有人在定投。7 万买的和 5 万买的，差距一目了然。尤其在熊市，市场有像样回调的基础上，我还能再打一个折扣去买——说实话，这确实比定投更香。
核心要看两个东西：市场回撤的比例，以及折扣价大概能拿到什么样的折扣。折扣买币的报价每天更新，每天都不一样。
劣势也要讲清楚。折扣买币其实有点择时的意思，做好了要真的择时。定投基本不择时——无论涨跌，固定定量、定价买就是了。而折扣买币，如果你的判断和市场发生比较大的偏差，就会出问题。举例来说，市场回调到 9 万的时候，很多客户觉得还有一波、熊市还没确立，这时候他以折扣价买到了 8 万的比特币，觉得 8 万很香。但如果市场继续往下走，他在一定期间内还是要以 8 万的价格去接，看似比 9 万低了不少，实际上这时候他就跑不过定投了。
吴耀山：那什么结构下 accumulator 会明显跑赢定投？
小西博士：刚才的案例已经很能说明问题。我纯个人分享：以现在的情况，用好架构以折扣买币，是能跑赢定投的。为什么？因为市场已经回撤了 50% 多。大前提是，我们知道每一轮周期的最大回撤在收窄。有了这个预判，在市场大幅回调的基础上再打一个折扣，确实能跑赢定投。
吴耀山：这也是为什么我们在这个时间点请您来分享。市场现在比较统一的认知是：最差的时候可能已经过去了，当然下半年会不会再出个黑天鹅、继续更差，谁也不知道。但至少这个价格，买不了吃亏买不了上当，还能有折扣，性价比已经相当高了。
好产品的四个参数：行权价、票息、敲入敲出、期限
吴耀山：高位卖币、低位买币这件事，对于客户来讲，怎么去判断一款结构化产品到底是不是好产品？有没有一些指标可以分享给大家？
小西博士：有，而且不光是对某一家机构，in general 大家判断结构化产品都可以参考。报价参数里每一项都关键：时长、行权价、票息。很多人上来只看票息高低，如果让我排序——
第一，行权价是首要看的。他给你再高的票息，如果跌到你真的不太想接、甚至犹豫的位置，你稍微犹豫，就不要做。无论 bullish 地买还是 bearish 地卖，行权价一定要想清楚。
第二，看固定票息的高低。有时候市场给的行权价确实不错、比较低，但票息没那么吸引人。怎么判断"吸引人"？你至少拿市场上表现比较好的高息固收做对比。假如你冒了结构化产品的风险，结果只拿 6、7 个点——单一标的六七个点在我看来是比较少的，这种情况下我个人觉得没必要做，给你的风险补偿不够。
第三，敲入敲出的价格。带敲入敲出机制的产品，这个价格意味着你对自己有多大程度的保护、你能拿多长时间的固定票息，一定要注意。
第四，tenor，也就是期限。三个月、六个月还是更长？时间拉得越长，理论上你应该要求更高的风险补偿、更高的票息，才值得做。
具体到 case 还是要 case by case。所有参数其实都是可以灵活调整的，我举个最近的例子：7 月中旬我帮客户挂单，最差情况以 51,000 买一部分比特币，否则拿 7.8% 的币本位年化收益。这个客户的画像是：只要低于 54,000，他都不介意加仓补仓。所以在他不介意 54,000 接货的前提下，我把行权价做到了 51,000，同时还保住了一个很高的币本位收益。客户非常喜欢这个报价，说想更长时间锁定它——我就把敲出价格往上做，让整个结构能更久地锁住这个他喜欢的报价。现在市场横盘震荡，这个客户一直在拿很高的 BTC 币本位收益。
所以总结下来：行权价、票息收益、敲入敲出、期限，综合来看，每个人都能找到适合自己需求的报价。另外给大家一个非常 general 的建议：一定要问清楚对接你的专业人士近期的市场报价水平。报价每天有效，懂行的人自己会做对比，你问他一句，心里就有数了。
未来三到五年：传统金融与加密金融的大融合
吴耀山：还有一个大方向的问题。传统私行、传统资管机构，和 crypto 市场的财富管理机构，到底有哪些不同？未来这几年，整个资管行业会怎么演进——是大融合，还是更加专业化？
小西博士：不同点非常直接。即便是今天——ETF 已经批了、美国已经把比特币纳入战略储备的今天——你在很多传统私行依然没办法直接持有加密货币本身。客户可以通过 ETF 获得比特币敞口，但想转到自己的冷钱包、想做保值增值的操作，传统私行做不到。
第二，投资人的需求变了。以前大家对比特币就是逢低买入、长期持有，buy and hold。但 2024 年合规框架落地之后，投资人越来越聪明了：除了被动等待，我有没有其他策略和工具，让持币的过程产生结构化的增长？比特币本身不是生息资产，要做到结构化增长，就需要结构化产品、不同的工具和策略。这部分传统私行也做不到。第三是最基础的托管——传统银行连托管加密货币的牌照都还没有。
至于未来，两个方向里我更看到的是融合，而且融合已经在发生。今年 SpaceX 正式 IPO 之前，很多 crypto 交易所上已经可以交易 SpaceX 的 perps。以前这种稀缺份额，最小 ticket size 几十万美金起，普通散户根本拿不到；现在他用很少的钱，也能分享 SpaceX 的收益。上个月 CME 也公布要逐步打通 7×24 小时交易——传统金融在研究怎么向 crypto 的交易机制靠拢。稳定币更是出圈的工具，正在带着 crypto 加速 merge 进传统金融。我相信未来三到五年，TradFi 和 crypto 会有更大、更深的融合。
吴耀山：最后一个很多客户关心的问题：选择服务机构的时候，合规持牌到底有多重要？
小西博士：非常关键，这也是机构客户最看重的。以成熟市场的实践为例，合规框架对托管的要求是非常细的：比如有的司法辖区要求客户 90% 的资产必须放在冷钱包，只有 10% 左右放热钱包，热钱包里的法币资产还要放进与大型银行合作的信托账户；更严格的辖区，98% 的资产要进冷钱包。对投资人来讲，选择合规持牌的机构，等于给自己的资产加了很多层保护。尤其 2024 年比特币 ETF 通过之后，整个市场的安全合规框架相较之前有非常大的变化，这是普通投资人最容易获得的一层保障。
尾声
两个小时的直播里，小西博士从聪明钱的熊市行为，讲到美元管理、折价建仓、币本位增强的完整工具箱，再到底层收益来源、风险对冲和产品筛选标准，几乎把专业机构在熊市里的"隐秘交易"拆解了个遍。
正如直播海报上那句话：长拿 or 跟单，95% 的散户都追错了。熊市不是离场的时候，而是聪明钱最忙的时候——关键是，你要看得懂他们在用什么工具，以及这些工具背后的风险与逻辑。
匿名博士详解AI自动化盯盘，如何让Agent从上万只标的中筛出交易机会
8月13日晚，由香港理工大学工商管理学院—天坤数字「稳定币与真实世界资产创新中心」提供学术指导，Uweb、与TECHUB NEWS联合主办的「AI投研精英孵化计划」迎来首堂导师专题课程。首场授课嘉宾、中文推特顶流KOL「匿名博士」（CoFounder of W+，X平台关注量11.3万+）以《AI自动化盯盘策略：如何通过Agent识别潜在交易机会》为题，进行了一场长达两小时的深度分享，并首次系统公开了其自研AI盯盘系统的工作流与实战复盘。
引言：为什么第一课必须"够深"
「AI投研精英孵化计划」从开营之初就明确了一条原则——不做科普，只做实战。首堂课的选师逻辑也印证了这一点：匿名博士既是华语Web3圈连续多轮周期的早期创业者与持币人，也是真正的技术派实战者。在AI刚刚兴起的阶段，他就曾操盘过类似形式的AI孵化营；一个多月前他在Uweb的一场AI Agents分享，被学员评价为"醍醐灌顶"。
这一次，他带来的不是概念，而是一套正在每天运转的系统、一堆真实交易记录，以及一句开宗明义的判断：
"很多人对AI的使用还停留在'操控的快感'里——指哪打哪确实很爽。但AI最终要服务于对市场需求有挖掘的赛道。它只是一块效率的敲门砖。"
以下为课程核心内容的全景实录与详解。
模块一｜AI的定位：放大器，而非印钞机
核心命题：AI不能替你发明赚钱策略，它只能放大你已经被验证过的策略。
匿名博士开场便抛出实战数据：他目前同时用AI跑着七八个项目，"相当于一个人的开发量是一个二三十人的小团队，每天电脑开着就开始跑"。而这套能力的主战场，是交易。
但他紧接着给所有学员泼了一盆冷水：
"AI本身不能给你制定策略，核心是你自己得有一套赚钱的策略。如果你手搓交易都不赚钱，那你用AI大概率也不赚钱。AI只是一个放大你技能的工具。"
他特别反对一种用法——直接对AI说"我想赚钱，你帮我挖掘策略"。在他看来，AI"现在挺笨的，没有大家想的那么聪明"。正确的路径恰恰相反：先在二级市场手动交易中被验证有效的个人方法论，再交给AI去工程化、规模化。他甚至把这套方法论的前提说得很直白——"赚钱的策略没人会开源。我可以保证，GitHub上能开源的Trading Agent基本都不赚钱，因为赚钱的策略没有必要开源。"
那AI究竟解决了什么痛点？他的答案极其具体：人的时间精力有限，一天人工盯盘最多四五个标的，盯多了必然错过机会。而AI可以——每天在一万只股票、几千个币种里扫一遍，把他主观的盯盘策略变成自动化信号。
模块二｜非共识指标SKDJ：在共识中寻找非共识
核心命题：交易与投资的本质，是在共识的区间里寻找非共识。
匿名博士展示的第一个工具，是一个极其冷门的指标——SKDJ。"我认识的很多交易员里几乎没人用这个指标。正因为用的人少，它形成了一个非共识。"
他以存储板块个股闪迪（SanDisk）的做空实战为例复盘：26年5月出现约1600的高点，6月初又见1800，6月底再度冲高——价格连续创高，但下方SKDJ指标动能逐次衰竭，构成典型的左侧顶背离，一个明确的看跌形态。他本人在2200—2322区间一路左侧做空，"完全是左侧预判顶部"。
SKDJ的另一条使用铁律是：级别越大，误差越小，方向越准。切换到比特币的三月线级别，历史上指标几乎每次都精准出现在趋势转折点附近；而历史底部几乎都在40附近——以此衡量，当前位置"离40还有很长一段距离"，无论抄底还是左侧建仓，都为时尚早。
他的现货操作纪律也随之而来："做现货的话，一两年两三年做个两三倍问题不大——只要耐得住寂寞，在超买区出货、超卖区建仓，看三月线跟月线级别就够了。"
模块三｜经典反转形态：不超过50种，背下来就算入门
核心命题：K线技术分析没有高深技术含量，它是价量时空的经验总结。
上升楔形、下降楔形、三角收敛、双顶双底、头肩顶底……匿名博士把这些形态逐一举例，并给出一句降低门槛的判断：
"这些经典的反转形态需要背下来，也不多，一共不会超过50种。把这些形态全部背下来，交易就算入门——最起码你不会买在最高点。"
他仍以闪迪为例讲解头肩形态的实战价值：顶部一旦出现"A顶"，反弹回去的位置"基本上就是送钱的"，看完信号可以给出70%—80%的方向确定性。而在价格预测上，他使用经典的AB=CD等幅原则：若关键位置突破，价格大概率按1:1复刻上一段结构，精准回踩支撑阻力互换位。
他同时提醒学员一个常被忽视的前提：先判断行情性质，再选择武器。这套形态体系在震荡行情中威力最大；一旦进入趋势行情基本失效——但把级别放小，小级别形态依然可用于抄底与逃顶。
模块四｜谐波与艾略特波浪：让机器替你"数浪"
核心命题：信号工具的价值在于自动识别与预警，而不在于画线本身。
谐波形态（Harmonic Patterns）是匿名博士做短线的常用工具："级别越大越准，但谐波信号容易失真——信号出来了，价格不一定按方向走。"他在TradingView上直接调用"HP"指标自动数谐波、自动画线，系统会给出入场信号与止损信号，"对短线非常有用"。实战案例：8月5日闪迪财报当天，谐波信号触发，他在1480附近做空，随后价格反弹至1700，验证有效。
对于艾略特波浪理论，他的态度是"有用但要打折"：这套理论发展至今有所失真，因为庄家主力操盘未必按浪型走。但在大级别上它依然有效——比特币从2021年末起走出了教科书式的五浪结构，且五浪结束后恰与双顶形态共振。他的数浪结论是：比特币下跌同样遵循五浪或ABC结构，"我认为还差最后一浪"。
模块五｜多周期共振：构建交易的"击球区"
核心命题：当多个周期同时发出同向信号，就是胜率最高的击球时刻。
这是匿名博士整套体系的中枢。所谓多周期共振：当一个标的的4小时线、日线、三日线乃至周线、月线同时出现顶背离或底背离，就构成一个非常明确的左侧入场信号。
他用比特币的历史给出尺度感：2018到2020年横盘两年才造就后来的高点；以此推演，"至少要在当前位置横盘半年以上"才谈得上底部构筑。而当下无论币圈还是美股，都处于大周期中的结构性行情——"我认为以后很难再有所谓的狂暴大牛市，未来一定是板块性的结构行情，这是流动性决定的。"
共振的实战读法也被他量化："月线跟周线形成二级共振——月线是底部、周线也是底部，这种标的买了之后，先不管能不能涨，它继续下跌的概率就已经不高了。"再配合日线EMA15站稳作为买点触发，一套完整的"共振+确认"击球区就此成型。
模块六｜实操演示：AI盯盘系统的一天
核心命题：让AI像秘书一样每天过一遍盘面，给你一个可交易的总结。
课程中段，匿名博士直接投屏演示了这套自研系统——一套通过Vibe Coding搭建、部署在远程服务器上的多周期共振信号扫描工具，"通杀全品类：币圈、美股、A股、港股乃至欧洲股票"，币圈数据因节奏快而率先完成。
系统的逻辑是一个漏斗：
全量扫描——AI每天遍历上万只股票与数千个币种，把他主观认可的信号逐一拟合判断；
子集判断——每个信号独立判断后丢入子集；
交集输出——在所有子集中取共同交集，筛出"既符合A指标、也符合B指标、也符合C指标"的品种；
人工复核——最终筛出的标的往往只剩几个，人工再过一遍，"基本就知道能不能投、有没有交易机会"。
演示界面中，系统对头眉目标直接给出警报："Entry 1.37，止损1.0，目标一、目标二"——警报一响，就不用人工盯了。三角收敛、谐波、艾略特数浪、缠论等模块均已接入。他对比了新旧工作方式："我以前每天看500个币，每个点开看K线，像流水线上的工人。现在基本不用看了，只看AI筛出来报警的那些。"
但他强调了一个边界："AI只负责筛选，不负责交易。"他是主观交易员，交易决策必须由人完成。这套系统开发已耗时一个多月，"像雕刻一样，要雕出自己满意的作品肯定要花时间"，未来完成后将开源。
模块七｜行情研判：主观、明确、可验证
核心命题：观点不含糊——"我认为怎么走，就怎么说。"
匿名博士明确表态："我今天讲的所有内容都是个人主观观点，不会模棱两可。"他的几个关键判断如下（均为个人观点，不构成投资建议）：
美股顶部窗口在9—10月：8月或以横盘震荡为主；中期选举前市场通常不会太难看，方向选择在选举之后；
2027年或是美股熊市：他用AI跑遍了美股上市公司实控人的命盘，"基本27年都一般"；
比特币远未到底：历史底部指标约在40附近，当前距离尚远；按下跌五浪与ABC结构推演，"还差最后一浪"，他甚至给出了极端情形下的低位测算区间；本轮熊市他判断为期两年（2026—2027），因为这一轮处于以往从未有过的大级别五浪体系之内；
流动性逻辑：币圈流动性正被美股科技股"吸干"，交易员赚的是波动的钱——日波动率不足5%的震荡市基本赚不到钱，"波动率小的时候，我建议离开市场，去做波动率更大的品种"。
模块八｜基本面篇：非共识价值投资，寻找下一个"50倍"
核心命题：价值投资=好公司+好价格+好时机，三者缺一不可。
技术面解决"何时买"，基本面解决"买什么、拿得住"。匿名博士展示了他如何用AI做赛道挖掘：让AI寻找美股中A股完全没有对标的冷门赛道，最终锁定RNAi（RNA干扰）——听众中"99%都没听过"的领域，以及该赛道龙头阿尔尼拉姆制药（Alnylam）。
这家公司的画像堪称教科书：创始人是RNA领域诺贝尔奖得主，2003年成立，核心产品针对一种美国患者约10万人的转甲状腺素神经疾病，单疗程约10万美元，是目前RNAi赛道唯一实现完全商业化的公司，市值约300亿美金。更关键的是第二个故事：其高血压适应症（全球约10亿人群）的三期临床预计2027年前后出结果。
"它有利润、能垄断、已商业化——第一个故事讲成功之后，下一个故事的成长空间更大。如果它成为下一个万亿市值的礼来，以300亿算就是30倍空间。"
他同时划清了与巴菲特式价投的界线——这是"非共识价值投资"：在大家还没发现、还不认可、未被市场证伪的阶段下注，"就像10年前你跟别人说比特币，别人说你是骗子"。它也注定无法像数据一样回测验证："基本面是基于经验与想象力的抽象理论体系，前提是它已被市场验证过商业化——而不是实验室里的概念。"
至于时机，他毫不掩饰耐心："现在股价还是贵，我认为还会再跌一半。这种公司一定要有巨大回撤你才有机会——它一直不跌，错过也没关系。"
模块九｜交叉学科：把命理当作一个"非共识技术指标"
核心命题：用的人少，本身就是策略优势。
课程后半段，匿名博士分享了体系中最具争议也最"出圈"的一环：将传统命理作为辅助指标纳入交易框架。他的理由与SKDJ一脉相承："搞命理的人不搞交易，搞交易的人不研究命理——它是非共识策略。我之所以研究它，是因为用的人少。"
他同样把这件事工程化了：将自己看盘的逻辑、语料与策略全部"喂"给AI，做成了一个接入大模型的命理H5应用——零推广、靠朋友自发传播，日活已达七八千人。现场他演示了用该工具排盘比特币、推演黄仁勋、雷军、马斯克等企业家命盘的过程，并给出"明年7月或是抄底英伟达与小米的窗口"等个人推演。
需要指出的是，讲师本人对其定位非常清醒："它无法被证伪，但实战中有一定用处——我纯粹把它当作一个交易的技术分析指标。"本模块内容属嘉宾个人方法论分享，读者请审慎甄别。
模块十｜Q&A精华：工具要拿钱去试，策略要交叉验证
课程最后的问答环节，匿名博士回应了学员最关心的几个实操问题：
问：筛出的机会，是集中一套策略还是分策略执行？答：所有指标交叉使用，不做优先排序——让AI拿着指标互相对比，输出"同时符合A、B、C指标"的交叉子集，像漏斗一样从一万个标的筛到只剩几个，再人工复核。级别上，月线周线定方向，交易执行在日线。
问：如何让AI做出的工具真正符合自己的策略预期？答：像雕刻一样打磨。"我做到现在这个程度前后花了一个月，还不满意。"主持人补充的建议同样被在场学员记下：拿真金白银去试——不需要很多钱，小仓位多试几次，日线策略按日线试，"你慢慢就会找到工具迭代的方向"。
问：基本面选股能否做历史回测？答：不能。"价值投资是基于经验与想象力的理论体系，没有办法用财务或技术指标去完善验证——这正是它与量化策略的本质区别。"
结语：AI时代，交易员的核心竞争力是什么
两个小时的课程，主线其实只有一条：人负责策略与认知，AI负责规模与效率。匿名博士用一句话收束了整堂课：
"我们先对行情有一个主观的框架，再去讲交易。你有了交易经验之后，再看各种技术指标就很简单了。多周期共振这套工具，就是在不同形态、不同周期里找到最佳买点和最佳卖点，形成一个多周期的击球区。"
而工具之外，他留给了学员另一层思考——关于心性："二级市场是一面照妖镜，会把每个人的贪婪、恐惧、绝望映射得淋漓尽致。连续获利之后一定要休息，连续亏损之后也一定要休息——知己知彼，先知道自己是什么样的交易性格。"
据悉，「AI投研精英孵化计划」后续课程将持续邀请AI量化、AI预测市场等方向的一线实战导师授课；匿名博士的多周期共振盯盘系统也将在开发完成后开源。正如主持人在结课时的总结："在自己最擅长、已被验证过的领域，用AI把能力扩大化——这就是AI投研最清晰的一条路。"
OUSD"零费用"围剿Circle，香港HKDAP破局：稳定币战争将走向何方？
本期内容为 Uweb 直播课第 250 期「OUSD'零费用'围剿Circle，香港HKDAP破局：稳定币战争将走向何方？」的对话实录。8 月 18 日，Uweb 合伙人吴耀山对话金融科技律师杨琪（Angel Young），围绕 RWA 监管框架、股票代币化、Circle 的国家信托银行牌照、OUSD 联盟模式与 Circle 的竞争格局、香港港元稳定币 HKDAP 等话题展开深入讨论。
杨琪律师是公众号「跨境投融资杨琪律师」主理人，就职于头部律所跨境业务团队，长期专注于跨境资金调度、科技金融全球监管合规，为多家科技金融企业申请新加坡、香港牌照，设计合规离岸架构并提供全流程法律服务，擅长以法律视角拆解前沿金融趋势，在合规红线与商业创新之间寻找可行路径。
对话中，杨琪从资产上链与货币上链的关系切入，系统梳理了美国、香港、新加坡三地的 RWA 监管框架，拆解了股票代币化的三种法律模型，并对 Circle 的五层生态战略、OUSD 与 Circle 的竞争层次、HKDAP 的股东结构与监管要点给出了自己的分析。在她看来，稳定币不是 RWA 之外的另一个产品，而是 RWA 生态的现金账户、结算工具和流动性基础设施；未来三到五年，合规加密资产的核心逻辑，藏在中美港新一轮监管博弈的细节之中。
直播转录由 AI 完成，可能存在疏漏，完整内容欢迎回看 Uweb 直播课第 250 期。
稳定币是货币上链，RWA是资产上链：先厘清两个概念
吴耀山：今晚的话题是稳定币与 RWA。很多同学对这两个概念的关系还不太清晰，您能否先从框架上做一个区分，再谈一谈美国、香港、新加坡三地在监管思路上的异同？
杨琪：先做概念上的区分：稳定币是法币上链，也就是货币上链；RWA 是资产上链。今晚的重点，就是讲清楚资产上链与货币上链之间的关系——稳定币的出现，打通了各个市场之间的连接。
严格意义上说，RWA 这个概念是"新瓶装旧酒"。很多年前就有通证经济、STO 等提法，与今天的 RWA 异曲同工，本质都是把现实资产与区块链技术结合，成为新型金融产品。
从监管思路上看，美国是技术中立的：token 化不改变资产的证券属性，是否构成证券要经过豪威测试（Howey Test），允许证券、基金上链，并由传统的经纪、交易、托管、衍生品制度承接，所以美国目前是 RWA 市场最活跃的地方。香港有点像内地开出的一扇窗口，以传统金融产品 token 化为主线，形成了证券型 RWA、稳定币与链上结算相互衔接的制度框架。新加坡与美国类似，也采取技术中立原则，没有专门的 RWA 立法，而是依托现有的证券与期货法、支付法案等制度，通过 Project Guardian 推动机构级 token 化，让发行的 token 融入现有传统金融系统。
大家还要理解一个 RWA 生命周期的概念：从底层资产确认、评估尽调、装入法律载体、权利映射，到发行分销与客户准入、二级交易、托管与资产隔离、投资者保护、结算体系，再到抵押、回购、衍生品市场，最后到赎回与退出——这个生命周期很长，监管在各个环节都很复杂，并且必须与传统金融系统融合，才能谈流动性和底层资产扩张的未来。
为什么国债先爆发：RWA规模化的六个条件
吴耀山：您写过很多国债 RWA 的内容，也提到股票代币化处在即将爆发的状态。但目前国债仍是 RWA 的主要方向，股票代币化还没有全面铺开。您认为它核心的监管障碍是什么？为什么说它很快就能推动监管向前走？
杨琪：为什么爆发的不是其他资产，而是国债和货币市场代币化？因为 RWA 的 token 化难度是由底层资产决定的。RWA 能否容易规模化，主要取决于几项条件：底层资产能否标准化、权属是否容易确认、价格是否透明、是否有充分流动性、现金流和公司治理是否简单、能否接入现有的托管清算和抵押体系。
大家一看这几个条件就知道国债为什么成为爆款了——它完美符合这些条件，是最容易推动的 RWA 产品。再看市场上未来能做底层资产的类别：货币市场基金、投资级债券、上市公司股票及 ETF、私募信贷基金、应收账款与供应链金融、房地产 REITs、黄金大宗商品，再到艺术品、矿场设备等。传统机构进入一个新的金融模式，风险意识是第一位的，肯定从最容易的开始入手。所以我预计，国债、股票、货币基金这类最符合上链特征的资产，会成为传统机构大举进入的方向，底层资产也会相应在这些领域爆发。
股票代币化的灵魂拷问：你买到的究竟是股票，还是另一项金融产品
杨琪：今年股票代币化的热潮，我们作为合规律师是最先感受到的——我们服务的平台机构，都希望通过架构设计和牌照布局，合规地向市场推出美股或港股的代币化产品。
但讨论股票 token 时，必须先做一个灵魂发问：投资者持有的是股票本身，还是第三方发行的、追踪股票价格的另一项金融产品？目前市场上的法律模型常见有三种：
第一种是发行人原生 token 化。上市公司或其代理人直接把 token 化发行方纳入正式股东登记系统，投资者买到的是直接的股东权利，包括投票、分红和清算权。这种法律权利最完整，但涉及证券登记、交易所和清算体系的改造。大家可以注意到，摩根士丹利这类机构已经在做这件事。
第二种是托管映射型。发行人用 SPV 或直接买入股票，再发行 1:1 支持的 token 或结构性票据，这是目前市场上最常见的产品形态。投资人对 SPV、抵押资产或发行人享有的是合同性权利，是否实现破产隔离是最关键的风险点。
第三种是合成价格敞口。平台发行衍生品合同来跟踪股票或 ETF 价格，投资者取得的是对平台的合同权利，而不是实际拥有股票。这种最容易推广，但交易对手风险和衍生品监管问题很明显。
美国 SEC 在 2026 年发布的 tokenization 相关文件中，也明确区分了发行人原生 token 化证券、权益第三方发行的 linked security，以及 token 化的 security-based swap。监管的核心立场是：技术形式不影响证券法的适用——token 如果代表证券、代表证券权益，或者是证券挂钩的敞口产品，仍然受证券监管。
Circle拿信托银行牌照：不是为了让USDC更合规，而是转型链上金融基础设施
吴耀山：今年稳定币市场最活跃，Circle 在 7 月拿到了国家信托银行牌照，这虽然不是银行牌照，但对 Circle 而言是一个重要里程碑。您能否解读一下这张牌照是干什么的，对 Circle 意味着什么？
杨琪：Circle 我研究了很多，也发表过一些文章。从律师角度，我最感兴趣的是：这家稳定币发行方最终要打造什么样的终极生态？
我的核心判断是：Circle 申请国家信托银行牌照，不是为了让 USDC 更合规，而是要完成从稳定币发行商向全球链上金融基础设施运营商的转型。
先讲稳定币在 RWA 系统里的位置。稳定币在 RWA 生态中至少承担六项功能：一是认购工具，投资者用稳定币购买 token 化的国债、基金、股票、债券；二是结算，实现资产与资金的同步交割；三是收益分配，利息、分红、赎回款自动发到钱包；四是报价单位，RWA 统一用 USDC 或 USDT 计价；五是抵押品，作为保证金、借贷抵押品和清算资产；六是跨境资金桥梁，连接不同法币、不同结算银行、不同支付机构和不同的链。
所以稳定币不是 RWA 之外的另一个产品，而是它的现金账户、结算工具和流动性基础设施。稳定币解决的是"钱如何上链"，RWA 解决的是"资产如何上链"。如果只有 RWA 而没有稳定币，沿用传统银行系统，链上市场就无法真正实现实时交割。
Circle 的战略步骤很清晰，可以概括为五层：
第一层是链上货币。USDC 之外，它在欧洲发行了 EURC，还有与合作伙伴联动的多种法币稳定币，提供不同法币的链上载体。
第二层是银行级信任，也就是国家信托银行牌照。这张牌照不是做零售银行的，而是做信任背书——储备管理、机构托管都在信托银行完成。散户可能不那么敏感，但要让机构入场，机构问的第一个问题肯定是：我的资产托管在哪里？
第三层是区块链与互操作。Circle 用 Arc、CCTP 等协议连接不同的区块链，为稳定币跨链提供流动性。
第四层是全球支付网络。Circle Payments Network 让稳定币之间的结算不再依赖传统外汇体系，成为稳定币支付的结算中心。它的支付网络已经在亚洲的香港、新加坡，以及迪拜等地拿到牌照，连接银行、支付机构和企业。
第五层是最大的野心——应用生态。钱包、智能合约、RWA、支付、AI 代理支付，Circle 在 AI agent 领域也在大力投入，让机构和开发者能在其体系上构建应用。
最终它希望形成闭环：链上货币到储备托管，到跨链协议与结算网络，到支付网络连接银行与支付机构，再到支付、外汇、RWA、AI 代理等应用。这等于把多个传统金融角色连接在一起：USDC 是链上现金，Circle National Trust 类似传统的托管与信任基础设施，Arc 类似链上清算及应用环境，支付网络类似跨境支付和代理行网络，再加上 API、钱包、智能合约服务，类似金融科技的操作系统。
所以 Circle 真正追求的，不仅是靠储备利息赚钱——它本身已经很赚钱了——而是成为全球银行、支付机构、交易平台、RWA 发行人和 AI 应用进入链上金融时代共同使用的底层网络。Circle 官方也把这套平台描述为以 USDC 为核心、以支付网络连接全球资金流的"互联网经济操作系统"。我也希望大家多关注 Circle，看它能否如愿按照这个战略，成为未来金融的巨无霸。
回到牌照本身：Circle National Trust 开业初期会受托数字资产托管，面向机构用户的 RWA 资产，未来会把 USDC 储备管理纳入其中——但这不意味着所有 USDC 储备都由它来持有。也要提醒大家几点：这张牌照不是一般商业银行牌照，不能吸收普通存款；托管的稳定币不受 FDIC 存款保险保护；它也不等于自动获得在全球各国发行分销、开展所有 RWA 业务的许可，证券、衍生品、反洗钱、跨境规则依然要逐项遵守。这张牌照只是 Circle 战略的冰山一角，说明它已经开始在主流金融基础设施的监管中，获得一个强有力的锚点。
OUSD联盟围剿Circle：现在下结论还太早
吴耀山：Circle 今年有一天股价跌了 17%，市场哀嚎一片。原因不是跌幅本身，而是它出现了一个强大的竞争对手——OUSD 当天发布。OUSD 由 Stripe 联合 Visa、Mastercard、BlackRock、Coinbase 等 140 家机构发起，里面既有 Google 这样的云服务大厂，也有 Coinbase、Bybit、OKX 等纯 Web3 交易所，还有 Solana 这样的公链，以及 Visa、Mastercard、BlackRock 这些传统老钱，几乎把整个支付相关行业都装了进去。一种是联盟模式，一种是 Circle 的独家发行模式。您怎么看未来的竞争格局？Circle 可能在哪些领域保有优势？联盟模式下谁来负责、谁来持牌、业务怎么运营？
杨琪：看到 OUSD 对 Circle 的架势，我就想起中国历史上最著名的合纵连横——战国时秦国一家独大，其他诸国就联合起来。
OUSD 与 USDC 最明显的差异是：USDC 是单核心发行人主导；而 OUSD 是豪华阵容的联盟设计，140 多家机构作为生态伙伴共同参与。它的核心设计包括：不设人为的交易量上限，储备收益扣除管理费后分享给推动采用的伙伴——这有点像 DeFi 的逻辑，大家一起参与、一起收益；由独立公司运营，董事会由合作伙伴代表组成，强调联盟治理；品牌归属上是一个中立共享的品牌。
逐项对比来看：
监管责任方面，Circle 是单一主体按实体承担；OUSD 也声明由独立公司运营、由一个或多个明确的法律主体承担——肯定不是一个抽象的联盟来承担，那在法律上不可能成立。
收益分配方面，Circle 由自己和生态商业伙伴分享；OUSD 则把大部分收益分给推动采用的合作伙伴。
渠道方面，OUSD 的阵容决定了它天然拥有庞大的企业和合作伙伴网络，分销一旦启动会占优势。但治理效率可以预见到协调成本很高——大家都是大佬，万一出现争议，治理效率确实存疑，这是组织架构上的先天缺陷。我们做架构设计的对这一点最敏感：董事会成员里哪些事项一票否决、哪些三分之二通过、哪些过半数通过，出现重大僵局时谁来推动，都没有那么简单。
护城河方面，Circle 有先发优势：牌照已经拿到，存量流动性、储备记录、品牌和开发者生态都已成型，支付、交易、RWA、跨链、Arc 网络都在闭环里；OUSD 的定位则明显是商业支付加合作伙伴分销模式。
风险方面，USDC 的收入高度依赖储备收益，渠道的议价能力在上升，赛道上也有其他强大对手；OUSD 则面临发行主体、治理责任、收益定性的问题——收益理论上分给推动采用的伙伴，但要落实到具体比例，谁的渠道力量大、权重怎么算，容易扯皮，这本身就在消耗时间。对监管方而言，Circle 这种模式的可预测性显然更高。
所以我觉得，现在就把 OUSD 评判为 Circle 的强大竞争对手，结论下得太早。市场对 Circle 股价的反应是正常的，但中长期还是要穿透现象看本质：稳定币最终的用户逻辑是什么？
稳定币的竞争遵循几个层次：第一层是安全，能不能随时 1:1 赎回；第二层是流动性，到哪里都能用；第三层是渠道，钱包、银行、商户是否默认支持；第四层是经济激励，谁分享收益和交易收入。
对普通用户来说，关心的是能否随时赎回、是否与法币保持稳定不脱钩、是否容易购买、钱包和平台是否普遍支持、交易费是否足够低。大多数用户不会主动选择某种稳定币，而是用平台默认提供的那一个——消费习惯一旦养成，很难改变。
对商户和企业用户来说，关心的是铸造成本、跨境支付速度、能否减少预付资金、能否接入现有 ERP 和支付系统、能否分享经济收益、合规责任是否可控。OUSD 真正的突破点就在这里：它把分销伙伴从"收取接入费的渠道"变成了"分享储备收益的利益共同体"。
对银行和机构来说，关心的是发行人谁来监管、储备和托管是否安全、能否成为合格结算资产、是否符合资本与会计准则、能否进入清算抵押保证金体系——这一层，Circle 拿到国家信托银行牌照后有明显优势。
对 RWA 发行人和项目方来说，关心的是稳定币流动性是否充足稳定、能否实现实时 DvP 交割、能否自动分配收益、能否跨链、能否被机构接受为结算或抵押资产。
稳定币最终争夺的不是个人钱包，而是谁能够成为 RWA 平台、支付机构、银行和机构默认使用的链上结算货币。
由此推演，双方的竞争大概率分三个阶段：第一阶段争夺渠道，这一轮 OUSD 可能占优，毕竟联盟纳入了这么多分销机构；第二阶段争夺经济模式，USDC 的收益主要流向发行人和核心商业伙伴，OUSD 则让储备收益扣除管理费后流向更多分销和使用伙伴——这本质上是把信用卡网络的商业逻辑带进稳定币，不由单一发行人获取全部收益，而是发卡、收单、支付、商户、技术伙伴共同分享，很像区块链的底层经济逻辑；第三阶段是终极的金融基础设施地位之争。
长期格局有可能是：Circle 成为垂直一体化的链上金融操作系统，OUSD 成为多方共同拥有的"稳定币版 Visa/Mastercard 联盟"。从监管角度，Circle 这种单一、清晰、资本充足的发行人更容易获得认可；从商业推广角度，OUSD 的联盟基础可能让它更快触达渠道客户。
最后推测一个最现实的 OUSD 合规模式：它不可能是 140 家公司共同发行，肯定还是由单一的持牌发行人承担发行与赎回责任，140 家机构通过协议方式加入联盟、参与治理和收益分配，再通过银行、支付机构、交易平台触达企业级终端用户。
吴耀山：OUSD 把储备收益分享给联盟伙伴，这种收益分享模式会不会容易被判定为证券？
杨琪：各国对证券的法律定义不一样。美国要经过豪威测试，通过与否决定是否作为证券处理；香港、新加坡对证券的定义也各不相同。从合规稳定币的监管趋势看，美国把稳定币定位为独立受监管的支付资产，不是银行存款；香港对法币参考稳定币实行专门的发行人牌照，目前只发出了两张稳定币发行人牌照；新加坡的单一货币稳定币可作为可信支付媒介或法币桥梁，它没有专门的稳定币法案，但有单一法币稳定币框架，立法正在完善当中。
香港HKDAP破局：不只是港元稳定币，而是链上结算层
吴耀山：聊稳定币绕不开香港。最近香港稳定币 HKDAP 落地了，您能否介绍一下它的整体框架、监管思路，以及目前哪些机构在申请或具备申请资质？
杨琪：HKDAP 是千呼万唤始出来。我的核心判断是：它不是单独发行的普通加密货币，而是由银行、通讯运营商和 Web3 企业共同搭建、由独立持牌主体承担发行及赎回责任的港元稳定币。
它的战略意图不仅仅是跟进美国，而是要解决三个更深层次的问题：第一，为港元计价的 token 化债券、基金和其他 RWA 提供链上港元结算工具；第二，把香港的银行、支付、资本市场与 Web3 生态通过稳定币连接起来；第三，在美元稳定币占据主导的全球市场中，为港元以及未来其他亚洲货币——尤其是离岸人民币——保留链上金融的入口。
香港的比较优势，不在于港元稳定币能否取代 USDT 或 USDC——严格意义上它们还不是同一赛道的竞争对手——而在于它的定位：把受监管的稳定币、银行体系、离岸人民币、跨境贸易和 token 化资本市场，放在同一个法律和金融基础设施中来衡量。
大家注意 HKDAP 发行方的股东结构：唯二的发行人之一，是由渣打银行、香港电讯（HKT）和 Animoca Brands 三方成立的合资公司。这种股东组合肯定不是偶然的，想必与证监会、金管局有过充分的事先沟通。三个股东分别解决了稳定币最关键的三个问题：渣打银行提供资金、储备管理、跨境支付、机构客户与合规体系；HKT 作为电信运营商提供本地用户与商户的连接场景；Animoca Brands 提供链上技术和 Web3 生态，与全球数字资产网络连接。谁来承担法律责任？肯定是发行主体。这也体现了香港稳定币监管的一个重要原则：生态可以多方合作，但发行、储备和赎回责任，必须集中到一个清晰的持牌法律主体。
HKDAP 目前处于什么阶段？它是分阶段推出的，初期不是完全开放的零售稳定币：由授权分销机构面向机构客户、企业客户和专业投资者开展支付与结算应用，由分销机构提供稳定币与法币之间的兑换，鼓励合作机构把稳定币接入商业和金融应用，重点测试支付、结算等真实场景。项目方计划在今年年末根据测试结果、市场情况和监管态度，再扩大到零售用户。所以现阶段不宜把 HKDAP 视为普通居民可以随意购买支付的数字港币，它更像一个机构级、受控分销的港元链上结算工具。
再看《稳定币条例》的完整监管框架，谁能够申请牌照、要满足什么条件：
发行主体必须是香港实体，对股东和管理层要做适当性背景审核，香港主体必须独立承担发行责任；资本有要求，储备价值必须覆盖流通中的稳定币，储备必须是高质量、高流动性、低风险资产，并与发行人自有资产隔离——发行人破产时，储备不能被普通债权人追索；托管安排上，银行和托管人与发行人之间的权责必须明确；赎回权方面，持有人必须能按面值及时赎回，要有清晰可执行的 1:1 赎回机制；流动性管理方面，大规模赎回时要有应急处理机制，防止出现类似银行挤兑的流动性危机；发行和销毁必须与实际收款一致，不能过量或重复发行；此外还有分销机构管理、反洗钱 KYC、制裁钱包的识别与必要时的冻结、KYT 能力；技术安全方面，智能合约和第三方服务要审计，但代码审计不能替代法律和实际运营控制；还要有业务连续性安排，针对区块链拥堵、银行故障、网络攻击做压力测试和赎回测试；公司治理上，董事、合规官、内部审计都要到位，股东不能干预储备和客户资产；最后是信息披露和应用场景——发行稳定币必须有真实、可持续的应用场景，发行后能否马上上链用起来，也是监管考察的重点。
我们预测，港元稳定币最先落地的场景包括：机构与企业跨境支付、RWA 认购赎回结算、企业国际贸易结算、企业集团跨境资金划拨、港元与美元稳定币兑换、虚拟资产交易平台的资金结算、美股港股证券交易、商户支付与个人汇款，以及将来的衍生品、借贷、抵押品和理财产品。
对香港而言，发行稳定币的战略意义在于：巩固国际金融中心地位，维护港元在未来金融体系中的地位；连接内地、香港与国际市场；争取成为亚洲数字资产的定价和结算中心——将来亚洲的 RWA 交易所、基金、财富管理、资产配置中心，都与稳定币基础设施息息相关。
香港稳定币最大的优势与香港的金融中心地位一脉相承：它是潜在的离岸人民币链接点，本身就是中西方资本和贸易的连接点，金融监管也一直走在全球前列。短板同样明显：港元的全球使用范围有限；香港现有支付体系非常成熟，真正推向零售会很困难；与内地市场能连接到什么程度、什么深度，受政策影响，也是监管最敏感、大家最关注的部分；再加上生态建设初期，与 USDC、USDT 的量级还差得很远。总结来说，香港稳定币是为未来 token 化的资本市场建立自己的结算层，维护港元在数字金融中的地位，并希望发挥香港连接中国内地、离岸人民币和国际金融市场的独特优势。
稳定币战争：看不见的硝烟，真正的货币战争
吴耀山：最后一个问题。未来三到五年，Circle 在发展，OUSD 在发展，香港稳定币、欧洲稳定币也在发展——它们之间会不会形成类似今天法币外汇市场的互认机制？
杨琪：肯定会的。大家只要留意新闻就能看到，各国政府都在积极推动稳定币立法，也在积极推动资产上链。
要理解这件事，得回到金融的核心本质：信任。传统金融是以国家信用为背书的信任体系，同时也内含垄断——金融要牌照、有门槛，必须获得国家主权认可才能提供金融服务。但稳定币某种意义上正在突破国家信用背书的垄断性。它通过技术手段，悄无声息地穿越了国界的保护和限制。
举一个已经在发生的例子：在欧洲、非洲一些主权货币波动很大、不稳定的国家，稳定币已经悄然成为比当地法币更流通的支付工具。某种意义上，金融已经把国家主权突破了。未来的金融结算体系可能是强者愈强、弱者愈弱——如果一个国家本身弱小，主权币种保不住，发行的稳定币没人用，法币都没人用了，再发数字稳定币也没有意义。
以前有一本很火爆的书叫《货币战争》。在我看来，稳定币就是未来的货币战争——这是看不见的硝烟。
吴耀山：几千年来，法币在线下不断变换形式，今天终于来到了线上。我们有幸见证这个历史性的过程。感谢杨律师今晚精彩的分享。
关于嘉宾
杨琪（Angel Young），金融科技律师（Fintech Lawyer），公众号「跨境投融资杨琪律师」主理人。就职于头部律所跨境业务团队，长期专注于跨境资金调度、科技金融全球监管合规，为多家科技金融企业申请新加坡、香港牌照、设计合规离岸架构并提供全流程法律服务，擅长以法律视角拆解前沿金融趋势，在合规红线与商业创新之间寻找可行路径。现常驻新加坡，频繁往返香港、深圳三地。
金融内容如何在小红书合规起量：王宁的运营实战方法论
金融行业做小红书，难点从来不只是“发什么”，而是如何同时解决定位、内容、流量、转化与合规五件事。王宁在本次培训中给出的核心路径是：先用搜索型内容建立信任和流量，再以合规方式承接转化；先跑通自然流，再考虑投流放大。
本文根据课程内容整理，平台规则、审核标准与投放产品可能随时调整。涉及证券、基金、保险、理财等内容时，请以平台最新规则与相关法律法规为准；本文不构成运营或投资承诺。
本文转载自《AI投研精英孵化计划》联合主办方TECHHUB NEWS。
一、小红书不是“另一个抖音”
对金融从业者、投研创作者和个人 IP 而言，小红书更接近一个以真实分享和主动搜索为核心的内容社区，而不只是短视频分发平台。王宁认为，用户进入小红书往往带着明确问题：保险怎么选、基金如何理解、信用卡是否适合、某种金融工具有什么风险。因此，金融内容的起点不应是硬推产品，而应当是回答用户正在搜索的具体问题。
这决定了小红书内容的基本调性：真诚、具体、有用、可被搜索。
与泛娱乐内容相比，金融内容天然存在高决策成本和信任门槛。用户不太会因为一条“收益很高”的信息直接转化，却可能因为一篇清晰解释规则、揭示风险、比较差异或复盘案例的笔记，逐步建立对创作者的信任。
因此，金融内容应从“告诉用户买什么”，转向“帮助用户理解什么、判断什么、避开什么”。例如：
不说“这只基金值得买”，而写“看基金持仓时，我会先核对这 3 个指标”。
不说“量化策略年化 20%”，而写“量化策略到底在解决什么问题？收益与回撤该怎么看”。
不说“某产品稳赚”，而写“不同风险偏好下，资金规划常见的 3 种思路”。
金融账号最有价值的资产，不是一条爆款，而是用户形成的认知：这个账号讲得清楚、说得克制、值得长期关注。
二、起号第一步：把定位讲清楚
新号最忌讳的，是把小红书当朋友圈：今天发早餐、明天发旅行、后天再讲基金。对金融垂类账号来说，前期内容需要让平台和用户迅速理解三个问题：
你是谁。
你服务谁。
你持续分享什么。
王宁建议，新号先发布一篇“入驻笔记”或定位笔记，明确自己的身份、内容边界和后续栏目。个人号适合以投资者、研究者、从业者或学习者视角输出；企业号则更适合品牌展示、商业承接与合规转化。若没有相应资质，个人号尤其应避免直接营销、荐股或收益承诺。
一个清晰的定位公式可以是：
例如：
面向刚开始做资产配置的职场人，持续拆解基金、保险与现金流管理中的常见误区，用普通人能理解的方式解释风险、规则与选择逻辑。
定位越具体，平台越容易给内容打标签，用户也越容易判断“这是不是我需要关注的账号”。
三、用搜索词做选题，而不是凭感觉发内容
金融内容的优势在于，用户有大量稳定、长期且明确的搜索需求。王宁建议创作者通过创作者中心、企业号后台、搜索框下拉词、同行爆款评论区等渠道，建立自己的选题库。
选题不应只追热点，而要围绕用户真实的决策节点。例如：
用户阶段
常见问题
内容方向
认知阶段
“基金和理财有什么区别？”
基础概念拆解、术语解释
比较阶段
“定投和一次性买入怎么选？”
方案对比、适用人群
决策阶段
“买保险前要看哪些条款？”
清单、避坑指南、案例分析
使用阶段
“亏损后该怎么看持仓？”
复盘框架、风险教育
信任阶段
“如何判断一个投研账号是否靠谱？”
方法论、透明披露、边界说明
选题标题可以遵循“人群 + 场景 + 痛点 + 结果预期”的结构，但金融内容要避免强承诺。
例如：
“刚工作 3 年的人，做资产配置前先别忽略这 4 件事”
“基金亏损时，我会先检查的 3 个变量”
“买保险前别只看保费：这几个条款更关键”
“量化投资不是稳赚：它真正解决的是什么问题？”
关键词要自然地写进标题、封面文字和正文，而不是生硬堆砌。真正有效的 SEO，不是把热词塞满，而是让“用户搜索的问题”与“笔记真正解决的问题”一致。
四、内容怎么做：先点击，再留存，后互动
课程将笔记表现拆为三个连续环节：
点击率：用户是否愿意点进来。
留存率：用户点进来后，是否愿意看完。
互动率：用户是否愿意点赞、收藏、评论、转发或关注。
如果点击率低，通常先检查封面和标题；如果点击率高但互动低，往往是内容没有兑现标题承诺，或没有给读者足够明确的获得感。
封面与标题
金融内容不需要过度花哨，但需要清晰、高对比和强信息密度。
封面使用竖版构图，核心文字放在中上区域。
封面文案尽量简短，突出一个明确问题或结论。
标题前半段要给出钩子：数字、反差、痛点、场景或悬念。
保持账号视觉风格一致，让用户建立识别度。
例如，“普通人理财最容易踩的 3 个坑”比“聊聊理财”更有明确的阅读动机；“我不再只看收益率后，投资判断清楚多了”比“投资心得分享”更具人物感与好奇心。
图文与视频
王宁建议图文和视频结合发布。金融类图文通常更利于收藏，适合清单、框架、对比、案例复盘等高信息密度内容；视频更适合建立人设、表达观点和传递情绪。图文可采用 6—9 张图片，视频建议保持竖屏，时长控制在 60—90 秒，并在开头几秒直接抛出结论或问题。
一个可复用的笔记结构是：
开头抛出用户困境或反常识结论。
说明为什么这个问题重要。
给出 3—5 个清晰的判断点。
提醒适用边界与风险。
用一个可讨论的问题引导评论。
例如，在结尾提问：“你更担心的是收益波动，还是资金流动性？”这比单纯说“欢迎评论”更容易引发真实讨论。
五、发布、复盘与爆款的正确用法
课程提到，笔记发布后的前 48 小时是观察自然流表现的重要窗口；随着时间推移，推荐流量通常会衰减，后续更多依赖搜索入口。因此，比起偶尔猛发几篇，更重要的是稳定更新、持续测试和按数据迭代。
王宁建议可优先测试工作日的几个时段：上午通勤时段、中午休息时段，以及下午发布后承接晚间活跃流量的时段。具体时间不是机械规则，最终仍应以账号自身后台数据为准。
复盘时可以用一个简单矩阵：
数据表现
可能问题
优先优化动作
点击低、互动低
选题弱或封面标题不清晰
重做首图、标题与选题角度
点击高、互动低
内容承接不足
增加案例、框架、结论与钩子
点击低、互动高
内容有价值但包装不够
保留正文，优化标题封面
点击高、互动高
具备放大潜力
做系列内容、关联合集、测试投流
爆款的价值不在于“火了一次”，而在于提炼可以复用的元素：究竟是哪类人群被击中、哪个场景有共鸣、什么表达降低了理解门槛、哪种结构带来了收藏与讨论。把一篇爆款拆成系列内容，才可能把偶然流量变成持续增长。
六、金融内容的合规边界
金融是平台审核重点赛道。课程反复强调：即便内容数据不错，也不能以突破红线为代价换取短期流量。高频风险包括诱导开户、无资质荐股、夸大或承诺收益、发布绝对化表述，以及在站内直接留下外部联系方式。
以下表达应当避免：
高风险表达
更稳妥的表达
“稳赚不赔”
“仅作信息分享，请结合自身情况判断”
“年化 20%”
“历史数据不代表未来表现”
“闭眼买”“必涨”
“可作为研究案例或观察方向”
“跟着我买”
“分享分析框架，不构成投资建议”
“私信发微信/加 V”
使用平台允许的企业号、私信组件等承接方式
金融内容中，尤其涉及收益、产品推荐、策略效果时，应主动标明风险提示，例如：“内容仅为经验分享与信息交流，不构成投资建议；市场有风险，决策需谨慎。”这不是一句装饰性文案，而是内容表达方式本身要保持克制、可验证与不误导。
如果笔记被限流、删除或账号收到处罚，先检查具体违规原因，不要急于删除。课程建议先自查敏感词、绝对化表述、导流信息与资质边界，再通过平台渠道进行申诉；重复触碰同类问题，才是账号风险持续累积的关键。
七、投流与转化：内容永远排在前面
对于投流，王宁的判断很直接：内容是一，投流是零。
薯条更适合用于测试内容潜力和互动表现；聚光更适合企业号开展更精准的商业投放、搜索截流与合规私信承接。无论使用哪种工具，都不宜在内容尚未验证时，用付费流量强行拉高播放量。自然流没有跑通，投流往往只会放大低质量数据。
相对合理的顺序是：
先发布内容，观察自然流点击、留存和互动。
找到数据表现较好的笔记。
用小规模投放测试人群与目标。
通过企业号和平台允许的组件承接咨询。
将用户从单篇内容带入长期内容、私信服务或合规转化链路。
金融服务通常客单价高、信任周期长，一篇笔记很少承担“立即成交”的全部任务。更现实的定位是：内容负责建立认知与信任，私信负责答疑与筛选，后续服务负责转化与留存。
一周内容排期参考
对于刚起号的金融创作者，可以先用一周七类内容测试受众反馈：
周一：真人体验或观点分享一个真实的研究习惯、理财误区或认知变化。
周二：对比测评拆解两种工具、策略或产品逻辑的差异与适用条件。
周三：避坑指南讲一个高频误区，重点解释风险，而非制造焦虑。
周四：场景故事从职场人、新手投资者、家庭资金规划等情境切入。
周五：问答内容回答评论区高频问题，形成互动闭环。
周六：深度长文或长图文输出一套完整框架，例如“研究一只基金的 5 步法”。
周日：复盘与透明表达复盘一周的学习、研究流程或内容数据，强化真实感。
真正能长期跑出来的金融账号，通常不是最会制造焦虑的账号，而是最能帮助用户降低理解成本、建立判断框架、并始终守住合规边界的账号。内容要有锋芒，但表达要有分寸；可以讲机会，但更要把风险讲清楚。
对话Bill Qian：关于美债、AI泡沫论与比特币上涨预期
本期内容为Uweb直播课第251期，由香港Uweb商学院校长于佳宁博士对话科技投资人Bill Qian。Bill Qian曾任Phoenix Group首席投资官，参与推动阿联酋建立全球首个主权国家比特币算力中心，并推动公司上市，成为中东首家数字资产及比特币算力基础设施上市公司；此前他曾任币安全球投资与并购负责人、TON Foundation董事，并先后在京东集团及挚信资本负责科技与互联网投资。目前Bill主要关注人工智能及科技创新，通过《涌现》和《Bill it Up》栏目持续分享对AI及全球创新趋势的观察。
本期对话围绕美债危机与美元前景、AI是否存在泡沫、AI债务与算力证券化、具身智能的中美路线、比特币本轮上涨逻辑、黄金与资产配置策略等话题展开。
嘉宾个人观点不代表主办方立场，不构成任何投资建议。音频转录整理可能存在偏差，请以直播回放为准。
从京东、币安到中东：一位"造市者"的投资路径
于佳宁： 今天很高兴请到Bill老师。我们认识好几年了，我之前每次去迪拜都会到Bill的办公室做客交流。Bill之前做科技投资，后来在币安负责投资，再到中东做了很多大事业，每一个都做到行业顶级水平。现在Bill回到亚洲，在香港开始新的投资布局。先请Bill简单介绍一下自己。
Bill Qian： 谢谢于博。我之前在互联网公司负责战投，在京东；后来到了币安，负责币安的全球投资；之后去了阿联酋，和合伙人一起做了全球第一个主权基金参与的比特币矿场——7亿美元投资、250兆瓦，就在阿布扎比市中心。后来我们把这个公司做上市了，这也是整个阿联酋和中东第一家加密货币和算力中心上市公司。最近我主要关注人工智能，以及加密在金融科技领域的创新。
美债40万亿：美国不会有"猝死"，但下坡路会很长
于佳宁： 最近市场喜忧参半。美债危机看起来正从理论变成某种程度的现实，财政部的干预效果与预期有差异，市场反馈比较消极，美股这两天也比较萧条，但却意外催生了比特币和黄金的上涨。您能不能用相对通俗的语言，先把整体宏观背景帮我们梳理一下？
Bill Qian： 我们删繁就简，从最大的逻辑讲，要回到70年代美元与黄金脱锚。脱锚之后美元就"自由放飞"了。刚开始美国政府还比较讲财政纪律，但过去20年，尤其是几次重要的金融危机和疫情之后，财政纪律明显松弛。今天美国国债差不多40万亿美元——相当于全球GDP的三分之一左右，也接近美国GDP的两倍。从基本面讲，这对任何一个普通国家都是很难偿还的，光利息按5%算每年就是两万多亿美元。
但我的观点和市场不太一样：美国的下坡路，可能是我们看到的最长的一条下坡路。 一直到今天，全世界用美元、用稳定币，最后喜欢用的还是美元；最大的资本市场在美国，几乎所有的创新也在美国。这使得美元这个"token"的应用场景特别强。贝森特愿意在公开市场上买美债来压低利率，但市场信心还是不够，这是短期的情况。我觉得大家在短期危机之下，也不要对美国太过悲观。
还有一点值得注意：AI的债，未来可能成为美债之外的第二大债务，规模会到差不多8万亿美元。 这也是最近价格波动的一个原因——很多边际买家开始在主权债和AI巨头的2A、3A债券之间做选择：我到底买美债，还是加100个bp去买谷歌或者云厂商的债？
美元会是"最后一个缴械投降的"
于佳宁： 我前两天在华尔街也听到类似说法——很多美国人自己都认为，美国处在一个长线衰落的过程中，不是绝对值的衰落，而是国力相对意义的下行。您怎么理解这个问题？
Bill Qian： 我们可以回顾Ray Dalio那本《The Changing World Order》。他对过去几百年做了定量研究：一个国家崛起的过程中，国防、经济、科技会先起来，而教育和货币是最后崛起的滞后指标。举个例子，甲午战争前后美国已经是全球第一大经济体，但直到1945年美元才成为储备货币，中间隔了半个世纪。还有一个很有意思的数据：到1960年，美元本位已经确立15年了，全球50%的国际贸易结算货币仍然是英镑。
我想表达的是：美国无论从地缘政治影响力、经济占比，还是美元在全球央行储备中的比例来看，确实都在下降过程中。但如果我们假设美国会衰败，美元也是最后一个缴械投降的，这条路会很长。 举一个最细微的例子：哪怕在区块链这个最边缘的创新领域，最后大行其道的稳定币还是美元稳定币。这背后代表的是——到今天为止，当你没有一个更好选择的时候，你还是在用美元。
市场为什么越来越极端：信息平权、散户化与量化
于佳宁： 今年真是反直觉的一年。年初大家觉得AI很热，结果AI股票很糟；年中大家觉得"就那么回事"的时候，AI突然暴涨；大家觉得币圈没机会的时候，特朗普一句话市场就像窜天猴一样往上走。为什么市场变得越来越波动、越来越极端，题材切换如此之快？背后的逻辑是什么？
Bill Qian： 核心的一点是：这个世界变得越来越小了。 社交媒体、Twitter、AI翻译，让同一条新闻在不同国家快速传播；市场的散户化，加上Robinhood、链上股票这些前端工具，让所有人都能迅速平权地接触资产、表达投资观点。信息平权，加上表达渠道的平权，这两件事使市场变得更极端。第三个点是量化——这三个因素叠加，让今天的市场特别极端。
前两天我听Gavin Baker的一个访谈，他讲了一个很有意思的观点：很多周期以前需要三年、五年才能走完，今天可能几周就走完了。 因为情绪和信息平权，能让价格表达迅速从一个极端到另一个极端。未来还会越来越快——尤其是当全球所有人都把同样的信息喂给GPT、喂给Claude，大模型学完之后给你一个坍缩了的、中庸的一致性答案，最后大家都往同一个方向去操作。
于佳宁： 对，我还发现杠杆也变得越来越容易。代币化交易本质上很多人是为了加杠杆——要么是开户、入金有障碍，要么就是杠杆需求。这到底是好事还是坏事还不好说，但感受上确实是某种"再散户化"的逻辑。
Bill Qian： 对，资本市场也变得更加民粹化了。
AI泡沫论：抠细了看，它比历史上任何一次泡沫都健康
Bill Qian： 关于AI泡沫论，今天其实没有一个特别好的答案，市场非常纠结。确实有一些对冲基金已经开始减仓，他们也有可能最后看错了。
我先讲一个故事：2022年11月30日，ChatGPT发布那天，英伟达大约是40倍市盈率——那天市场已经消化了GPT的信息，你可以理解当时的英伟达是被高估的。但如果那天你买入"被高估"的英伟达，到今天差不多是10到15倍的回报。我想说明的是：即便回到那一天，市场对AI应用的 adoption，今天看来依然是低估的。
我之前做过一些功课，想分享几个视角。第一，AI今天不管有没有泡沫，它肯定是热的，但和历史上几个周期相比：资本支出占GDP的比例还没有到峰值——当年铁路周期的峰值是6%；从融资结构看也比之前的周期健康，到今天巨头才刚刚让自由现金流转负，也就是今年赚的钱刚够花出去，而其他几个周期里混杂着大量杠杆金字塔和垃圾债。大家诟病比较多的是资产寿命——数据中心里的大头资产是芯片，寿命可能只有3到6年，而过去几个周期的资产寿命很长。
第二，这一代创新的速度是前所未有的。蒸汽机时代用了差不多80年让英国工业就业超过农业；电气化花了40年让美国工厂电气化过半；个人电脑用了21年全球装机量超过10亿；互联网用了14年让全球网民超过10亿；而AI差不多只用了3年就走完这个过程，今天用户估计已经到15亿、20亿的量级。因为它站在PC、互联网、智能手机这些巨人的肩膀上。这种快，会把很多潜在的泡沫压缩掉——当你觉得价格高估的时候，基本面的快速发展又跑到了前面。
从估值看也是这样：最近跌下来的三大存储——海力士、三星、美光，动态市盈率基本在3到6倍之间；英伟达今天动态市盈率差不多18倍；半导体整体最近跌到30倍。这些相对于2000年的思科，都是非常低的。所以我的结论是：大家都觉得AI有泡沫，理由很多——涨得太多、韩国人杠杆太高、占美股市值权重太大，但如果抠细了看，从估值和基本面角度，它今天比历史上任何一次泡沫都要健康。
AI与就业：稀缺经济学的定义可能被推翻
于佳宁： 这是我这次去硅谷特别想找答案、但没找到特别好答案的问题：之前历次技术革命——蒸汽机、内燃机——本质上都带来了新需求、新就业。汽车替代了马车夫，但新增的就业远超被替代的。但AI这波，似乎所有老板想到的都是降本增效、裁员。AI似乎带不来需求，是一种挤出需求的逻辑。您怎么看？
Bill Qian： 这个问题我自己也没有一个特别明确方向的答案。乐观的人会说，历史上每一次对"创新消灭就业"的焦虑，最后都被我们想象不到的新岗位治愈了——马车夫失业了，汽车工业本身创造了大量就业，纺织业等等也都出来了。
但悲观的人会觉得，之前每一次创新，某种意义上都是在工业化、自动化，是"artificial muscle"——人工肌肉——对人的替代；而这一次的创新直接抵达了大脑。 未来人还能退到哪一步？如果退无可退，最后可能出现一个特别两极化的世界。当然，也一定会有必须由真实的人来做的岗位，比如陪护，比如情感输出。
如果是前一种情形，某种意义上整个经济学的基础逻辑都会发生改变。 过去的逻辑是闭环的：人劳动获得收入，产出被卖掉，买的人又是那些靠劳动获得收入的人。但今天你用机器产出，人不一定有收入，这个闭环就可能出问题——稀缺，这个经济学最基础的定义，将来都有可能被推翻。
AI债2029年将达7至9万亿美元：英伟达的"裁判员兼运动员"
于佳宁： 最近大家也开始关心AI债的问题。黄仁勋带动了很多华尔街机构搞AI债、搞算力证券化，很多人开始和2008年金融危机做对比。您觉得这些金融创新会不会带来额外的风险？
Bill Qian： 我先分享一个数据，这是SemiAnalysis之前的预测：到2029年，AI的债务会到7万亿至9万亿美元之间。这是什么概念？美国政府成立200多年，现在是40万亿债务余额，而AI债务到2029年就会接近甚至超过美国其他所有门类的债务。
英伟达在做什么？它在让债务市场更健康地发展：一方面自己直接对OpenAI授信；另一方面前两天发布了7500亿美元的一揽子投资计划，更像一个投资俱乐部；同时它说未来会对英伟达所有芯片做某种意义上的保险兜底——兜住25%的残值。这就相当于把AI算力中心的核心资产——芯片——做了标准化的定价和兜底，使数据中心的债务融资、再把债务做成结构化金融产品，有了立足的根本。这件事本身我觉得是中性的，就像房地产需要评级一样。
但这里面有几个问题。第一，以前的评级机构本身不放贷，而英伟达既生产芯片，又给芯片评级，又管理芯片的代际更替，同时它还是行业某种意义上"最终的央行"——这是裁判员兼运动员的角色冲突。第二，过度赋能行业产生债务，最后会让四五大云厂商进入囚徒困境——所有人都投入巨量资产建数据中心，而这个资产的分母，是未来的token销售、大模型销售和AI应用收入，最后能不能回本，是今天最大的疑问。大家都在观察capex和Anthropic、OpenAI收入之间的剪刀差，很多人觉得剪刀差在越来越大，这是市场担心的点。
从token maxing到token budgeting：开源模型正在改写格局
于佳宁： 关于上市的问题。Anthropic已经递交了上市资料，据说估值2万亿美元，您觉得能不能支撑？
Bill Qian： 全美IPO市场峰值时一年也就三四千亿美元，所以从筹码角度，它肯定会对市场流动性有影响。但它不能和SpaceX横向对比——它的收入增长比SpaceX漂亮很多，这也是它的ARR不断上升后，估值从1万亿被看多到2万亿的原因。
但Anthropic能不能站稳自己想要的估值，我今天打一个问号。问号不一定来自流动性稀缺，而是来自它超高速的ARR能不能持续。我觉得最大的威胁可能来自开源模型。 Anthropic作为闭源模型有很强的定价权，也确实比所有人更早看到了编程这个杀手级应用市场。但今天不管是从OpenRouter的全球总用量，还是从跑分、性价比来看，开源模型都在不断证明自己——性能接近，价格是1/50甚至1/100。
硅谷现在已经有一个思路转变：过去叫token maxing，token用得越多越好；现在变成token budgeting，要省着用。将来很可能出现的情况是：特别重要的任务用Claude这类顶级模型，但大量任务交给开源权重模型。某种意义上，中国厂商和开源模型会把整个市场打成电动车市场或者太阳能面板市场。 到那一天，不是Anthropic跑得不够快，而是市场格局本身发生了变化。
FDE：从卖token到卖结果，谁是AI落地的"施工队"
于佳宁： FDE（Forward Deployed Engineer）这个概念在中美都很火，但讨论的维度不太一样。在国内大家觉得这是新的就业机会，像"互联网+"时代的渠道分销；而在美国，Google、Anthropic、OpenAI自己就在做FDE。从卖算力到卖结果，这一步到底会由谁来完成？
Bill Qian： 首先要区分两件事：一家公司全员开始用AI做设计，和这家公司本身的业务流、数据流完成AI转型，是两个不同的工作——就像一家传统零售公司全员用Office办公，和它能不能转成电商企业，是两回事。后者需要实施，实施就是FDE。放在传统IT时代，这就是做实施、做数字化转型的角色，有点像埃森哲和SAP的关系，一直存在。
做实施的人一定会存在，就业岗位在中国和美国会有不同体现。在美国，这个岗位所代表的企业已经有大生意出来了——最典型的是Palantir。它本质上不是卖SaaS也不是卖AI，它就是一个标准化的"施工队"，毛利可以做到80%以上，同时有大量FDE进驻客户，因为美国的国防军工、政府和大企业有海量本地数据和信息流需要AI化转型。
但在中国，这件事在创造大量就业的同时，会不会是一门特别好的生意？我打一个问号。中国工程师平均成本比较低，即便在IT时代，做实施的公司在A股市值也比较有限。未来AI时代，会不会最后被大客户把价格打到"人天"计价，也是有可能的。
具身智能：大脑远未到GPT时刻，但中国出货量可能是全球第一
于佳宁： 聊聊具身智能。宇树最近的股价像过山车。这次我们请了一些顶级专家来讲课，也跟特斯拉擎天柱的技术负责人交流过，大家觉得泛化能力非常难搞；但世界机器人大会上机器人的表现又非常好。您怎么看具身智能从现在到真正"大脑小脑结合"的路径？
Bill Qian： 业内公认的一点是：机器人的大脑还远远没有到GPT时刻，还处在非常早期的阶段。 这一波具身智能热的核心，是大语言模型的成功让大家有了信心——scaling law告诉大家模型越喂越强，所以大家相信大脑将来能够泛化。以前日本人做人形机器人、2015年中国搞智能硬件，已经好多代了，唯独这一代，大家相信大脑能成。
今天行业里有几个派别：有的先把身体造出来，翻跟斗、耍武术先做好，有了资金再补大脑；有的先做大脑，比如硅谷的Physical Intelligence、李飞飞的公司；还有脑子和身体一起做的。但不管哪条路，离真正的泛化都还有很久。
关于机器人大会，我觉得要注意几点：第一，基本都会彩排，会场环境对机器人来说已经不是陌生环境；第二，大多数人看到的是大动作，但真正的小动作——拧瓶盖、接住一片落叶——今天的机器人还很难做到。但这不妨碍具身智能很快会有大量非泛化场景的工业级应用，这也是中国厂商非常擅长的——有点像当年的"贸工技"：先把具体场景落地、上市融资，再去做大脑。宇树的招股说明书里也说，50%的募资要用来开发大脑，大家都知道自己缺什么。
于佳宁： 中美在路线选择上有差异吗？美国前一阵出了禁令，禁止从中国进口本体，据说把美国搞机器人的愁坏了。
Bill Qian： 中美在"先身后脑"和"先脑后身"上都有自己的代表企业，路径基本广谱全覆盖了。我觉得真正的区别在于：未来中国的供应链会扮演巨大的优势。 今天全球手机出货量60%、70%来自中国，未来具身智能有可能70%、80%的出货量都来自中国——如果GPT moment到来、泛化实现的话。出货量我们可能是全球第一，毛利不一定。
我还想分享一点：具身智能有可能是21世纪最重要的行业，就像20世纪的汽车。汽车峰值时占全球GDP的8%到10%，今天也有4%到5%，欧盟6%的就业人口来自汽车行业。具身智能今天还很小——最激进的ARK预测2030年也只有1.04万亿美元收入、占0.69%——但它替代的池子是全球物理劳动，约占全球GDP五分之一、23万亿美元的劳动力价值。到2035、2040年，它可能替代大部分物理劳动岗位，并且像汽车一样有4.5倍的就业乘数，渗透到任何需要物理劳动的行业。这也是为什么中美政府都极度重视这个方向，尽管大脑还非常早期。
于佳宁： 特斯拉按说优势很明显——有Grok顶级模型、有FSD的视觉积累、有海量数据，但擎天柱上产线似乎也很缓慢。
Bill Qian： 这些都是特斯拉的优势，但有两点：第一，机器人模型本身还在早期，它不是大语言模型；第二，机器人的数据非常缺，哪怕特斯拉有全套道路行驶数据，机器人数据和那个数据是两回事。它有可复用的技术，但这个行业该交的学费，它也得交。
比特币这轮爆拉：叙事一直在变，"数字黄金"和"科技股"都过于绝对
于佳宁： 接下来聊大家最关心的比特币。这一轮是真正意义上的爆拉，很暴力。您怎么看背后的逻辑和可持续性？到底是谁在拉？
Bill Qian： 这轮的爆拉我觉得超出了所有人的预期。虽然推特上满屏都是"神仙"，都在写"正如我所料"，但我没有看到特别强的逻辑。如果一定要从今天去解释：贝森特的美债问题、之前比特币的车已经很轻了、空仓的人需要表达观点，加上部分资金离开AI、要做空美债，最后只能走向黄金和比特币——这是市场今天的解释，后面我再说一些其他观点。
我想分享一个我发现的现象。我们都是比特币的坚定信仰者，都喜欢说比特币是数字黄金，这个说法很多年了。但坦白讲，最近这两周它好像是数字黄金，而在此之前的很长一段时间里，它其实是一只科技股——反映的是美国QE之后流动性的外溢。我们看2015到2025年的数据，比特币和标普500的相关性其实挺高，之前每一次爆拉都和流动性过剩有关；而当流动性收紧，比如2022年，大家是先撤山寨币、再撤比特币、最后撤美股——比特币有点像一个小盘股，山寨币就更像了。
这也是为什么之前有些研究认为比特币不是数字黄金，本质上还是跟流动性更相关的科技股。但在有些时间段里，它和标普的相关性又只有18%，比黄金还低。我想表达的是：比特币价格反映的叙事一直在变化。 今天你说它是科技股还是数字黄金，都过于绝对了——如果它是数字黄金，为什么去年全球央行都在买黄金、大家觉得美元不行的时候，黄金涨而比特币大跌？今天比特币可能有一些突破"二元性"的特点：有时像科技股，有时像黄金，最近可能既是黄金叙事、又是板块轮动——资金需要一个去处，突然发现有个东西已经在地板上了，就愿意去配置。
于佳宁： 还有所谓的"金丝雀"逻辑——长期来看，比特币往往是美元流动性变化的先导指标，嗅觉最敏锐的钱会先在比特币上表达对流动性的预期。最近也有基金经理说，如果比特币能站稳，美股后面就危险了。
美债真正的危机，被两件事延缓了
于佳宁： 回到美债，您觉得它有没有真正意义上的危机？
Bill Qian： 我有两点看法。第一，稳定币和美元的进一步国际化，本身会延缓美债危机的到来。 稳定币某种意义上是美元对全世界外汇管制地区进行影响力"空投"的互联网工具。当年罗马发行货币、货币贬值是罗马灭亡的部分原因，但罗马只有几千万人，铸币税只能向自己的居民收；而今天美元可以向全球收铸币税，尤其在稳定币的帮助下——稳定币其实是在帮美元续命。
第二，经济学上有个著名说法：增长可以解决一切问题。 AI可以提高美国的全要素生产率0.5到1个点，这会大幅减缓美债问题。历史上前工业化时代，一个政府负这么多债可能早就出危机了；但美国连续赶上了几次技术革命——工业化、PC、互联网、AI，增长最后可能解决这个问题。这是美债到今天还没有爆仓的几个重要原因。
Hyperliquid：下一代"离岸交易所"会长期存在
于佳宁： 聊聊Hyperliquid。去中心化永续合约这种模式，未来能不能进一步扩展？它只能算半中心化，资金安全是另一个维度的风险，您怎么理解它在生态里的位置？
Bill Qian： 我觉得只要不出现强力的司法打压，这种模式会长期存在。它扮演的角色是全世界下一代的离岸交易所——这个世界永远需要离岸金融场所，不管是当年的开曼群岛，还是后来的离岸交易所，再到今天的Hyperliquid。当年开曼、维京群岛帮富人藏钱挪钱，毕竟是线下生意；而Hyperliquid是线上生意，规模经济非常好，又建立在区块链技术底层上，用很少的员工就能做到很大的交易量，这是它作为生意模式很强的点。
它的token也算现在加密行业少有的"价值token"——某种意义上是强分红驱动的，有自己的dividend和burn机制。可以看到，加密行业的注意力也越来越向基本面转移：要么你是大饼、独一无二；要么到最后你需要有很强的基本面，能够反哺投资人。
ETF、估值与熊市里的"底"
于佳宁： 像SOL这波也很凶猛，但它似乎没有特别明确的题材，可能主要因为本身有了ETF、资金容易进入。未来会不会就是"有ETF的参与美股轮动，没ETF的被冷落"？毕竟清晰法案把代币分类之后，想被认定为network token的门槛不低，而有ETF的这些等于获得了某种特权。
Bill Qian： 有没有ETF肯定很不一样——有了ETF，相当于接入了全球最大的交易所，今天最大的交易所还是纽交所和纳斯达克。但接入ETF并不代表这个token将来一定会长牛。今天很多投资人的机会成本是高科技股票，而这些股票本身是产生现金流的，所以估值体系里大家会认为有一个底。
过去这些年，加密行业很多人一直在尝试解释：不产生现金流的token到底怎么估值？但熊市来了你就会发现，除了黄金和比特币，一个资产的估值就是未来现金流的折现。 不能折现，最后就是一个commodity；作为commodity往下跌，底就会很深。之前的熊市里，不管是Solana还是以太坊，一方面很难产生分红，另一方面每年还有通胀，在这样的环境下往下跌的时候，大多数人是不知道底在哪的。
黄金：央行是最重要的边际买家，但长期回报跑不赢标普
于佳宁： 聊聊黄金。这波黄金也很疯狂，作为千年资产，现在感觉跟 meme 币都没有本质区别了（笑）。当然它毕竟还有央行储备作为某种基本面。您怎么看黄金？
Bill Qian： 我先分享几个基础概念。全球黄金现在差不多21万吨，但因为生产力的发展，三分之二都是二战以后挖出来的——黄金有千年历史，但三分之二是"新黄金"。现在的年通胀率差不多1.5%到1.8%，比比特币高一点，比以太坊和Solana低。全部黄金加起来就是一个22×22×22米的立方体，七层楼那么高。
从需求结构看，珠宝、投资、工业的饼图这些年没有发生太大变化，但央行的净买入已经变成最重要的边际买家——过去24到36个月，每年可统计的增量差不多1000多吨。这也是去年黄金成为非常重要资产的原因。
但退一步讲，黄金某种意义上是对标普的对冲——全世界最好的风险资产是标普。对比一下很有意思：1971年美元脱锚时你投100美元，今天黄金是1万9，标普差不多是3万1。 过去55年，黄金年化回报8.19%，标普是11%。长期黄金肯定跑不赢标普，但它能扮演非常好的对冲角色——很多标普下跌的年份，黄金在涨。过去55年标普上涨的年份占80%，黄金差不多62%。
所以回答你的问题：黄金现在的叙事确实在回归——大家觉得股票有点危险，对美国政府又有做空美元的预期。但我也想提醒，黄金并不是每年都涨，有些年份持有体验非常差，可能连续四五年阴跌。 合理的配置是在情绪低点买入、情绪高点卖出。比如今年，年初追高买黄金的人到现在基本都没回本——大家看到2025年黄金涨了40%多就觉得应该增持，但事实上之后它就进入了回调。
配置策略：配置创新，与情绪反着来
于佳宁： 最后聊聊配置。现在市场越来越丰富，轮动越来越快、暴涨暴跌，追热点真的很难。您认为比较好的配置策略是什么？
Bill Qian： 如果我们看整个技术创新史：有了工业之后，工业占市场的比例就越来越高、迅速超过农业；有了信息化之后，今天全球前十大富豪里除了LV做奢侈品的，其他基本都是做数字经济的。所以从技术创新的角度，我觉得每个人都应该重点配置创新；如果觉得点位高，可以用定投来熨平价格。在这个时代，每个人都应该或多或少配置AI，因为AI板块未来占全球总资产的比例一定会越来越高，就像当年的工业和信息技术。
至于具体配什么，可以选择的无非就这几样：好市场的股市——中国和美国是全球两大核心资产；国债；黄金；比特币。比例上可以参考Ray Dalio，或者耶鲁大学捐赠基金David Swensen的书。两个基本原则：第一，根据自己的风险偏好来；第二，与市场情绪反着来做动态平衡。 比如本来你买黄金，当黄金没人买的时候，可能才是增持的时候，而不是顺着情绪来——顺着来，很多时候要承受很大的回撤痛苦。
于佳宁： 生物科技这些方向门槛实在太高，您觉得呢？
Bill Qian： 我插一句：生物科技可以当作另一个科技领域，如果你信这个领域但颗粒度不够细，可以直接买指数、买板块ETF。另外一个视角是看AI正在赋能哪些行业——90年代美国全要素生产率的上升其实是被PC赋能的，库存管理软件和ERP最后让沃尔玛这样的股票创新高。今天，生物科技和其他领域都在等待被AI赋能。从这个角度，你可以把它理解成AI泛化的投资逻辑。
2026—2027：重新思考AI配置的黄金窗口期
于佳宁： 如果用一两句话讲讲您对2026、2027年的展望，您最想配置什么？
Bill Qian： 我觉得2027年之前，AI前端的基本面还会发生很多变化，中间还会有很多轮市场调整。这两年会是每个人重新思考怎么配置AI的黄金窗口期。 比特币如果价格回调、到合适的位置，也是适合建仓的。总体上就是围绕超级趋势、围绕核心资产把仓位建好，查漏补缺，做投资组合的再平衡。
于佳宁： 美债如果出大问题，对我们持有美债不多的人反而可能是利好——因为大概率会换来放水。
Bill Qian： 对，美元这个"token"是全世界应用场景最广的token。再怎么危机，今年世界上也没有任何资本市场可以取代美国资本市场，大家最后还是需要用美元买美国的东西、用美元买英伟达的股票。所以这件事不会像我们想象的那么干脆。如果美国为了应对危机最后选择放水、"缓期执行"，那对所有人来说，都会是一场流动性的大餐。
关于"什么价格入场"
于佳宁： 最后替观众问一个直白的问题：比特币什么价格入场合适？比如8万？
Bill Qian： 我觉得最适合入场的机会，是前段时间大家都觉得比特币快死了的时候——那个时候肯定是最好的机会。现在也还不错，市场情绪还没有完全回来。如果到了所有人都开始讨论的极端环境，反而需要小心。
我以前有个朋友，很焦虑地问我是不是这辈子都买不到10万美元以下的比特币了，觉得自己太晚了。后来比特币跌到6万、7万，我问他买了吗？他说他觉得这东西要归零了。这就是顺着情绪来。我觉得最后还是要逆着情绪来，前提是你认为这个资产是一个靠谱的资产。
从看板到产品：曹玲博士详解AI金融应用的架构思维与商业闭环
8月27日晚，“AI投研精英孵化计划”导师专题课程迎来第三周直播分享。本期课程由香港理工大学工商管理学院—天坤数字稳定币与真实世界资产创新中心提供学术指导，Uweb与TECHUB NEWS联合主办，邀请人社部认证AI高级训练师、前华为及戴尔高管、香港理工大学博士曹玲，围绕“从看板到产品：AI金融应用的架构思维与商业闭环”展开系统分享。
从数据看板到多智能体投研系统，从产品需求文档到商业级交付，从个人经验到可复用资产，曹玲博士结合多年产品解决方案经验与多个自研AI应用案例，为学员拆解了一条从认知诊断、架构搭建、产品打磨到商业变现的完整路径。
课程的核心指向十分清晰：AI工具的价值，最终要落在真实场景、稳定交付和商业闭环上。专业经验与AI能力相结合，正在成为个人开发者、金融从业者和垂直领域创业者的重要机会。
模块一：认知诊断——从数据展示走向价值闭环
课程伊始，曹玲博士首先带领大家重新审视一个基础问题：一个AI金融应用的价值究竟体现在哪里？
在她的框架中，金融数据应用可以分为四个递进层级：
第一层是数据层，负责原始数据的获取、筛选与验证；第二层是信息层，将数据整理为表格、图表和可视化看板；第三层是洞察层，进一步回答“为什么涨、为什么跌、由什么因素驱动、风险在哪里”等核心问题；第四层是决策层，形成可执行、可复盘、可持续优化的判断与行动方案。
这四个层级构成了一条完整的价值链：
原始数据获取 → 数据整理计算 → 可视化呈现 → 深度洞察 → 决策行动 → 回测复盘。
曹玲博士用“餐厅”作了一个形象比喻：前端界面是临街门面，后端算法和业务逻辑是后厨，而最终决定一家餐厅能否持续经营的，是从采购、烹饪、服务到复购的完整商业系统。
对应到AI金融应用中，漂亮的图表和交互界面能够提升用户体验，而真正创造长期价值的，是产品能否帮助使用者获得更清晰的洞察、做出更优质的决策，并在复盘中持续改进。
因此，评价一个金融AI应用，可以从三个问题入手：
它能否说清楚数据从哪里来？
它能否解释结论如何形成？
它能否通过行动与复盘验证效果？
当产品能够回答“发生了什么、为什么发生、接下来怎么做、结果如何验证”时，它便从数据展示工具进阶为真正的决策支持系统。
模块二：架构体检——用“架构师五问”审视产品能力
在具备基础功能之后，如何判断一个AI应用具备进一步产品化的潜力？曹玲博士给出了一套可以立即使用的“架构师五问”：
第一问：是否具备可扩展性？
新增一个数据源、行业策略或分析维度时，产品能否以较低成本接入？模块化程度越高，后续扩展越顺畅。
第二问：是否具备可维护性？
代码、流程、配置与说明文档是否清晰？当开发者之外的人接手时，能否理解系统结构并继续进行维护？
第三问：是否具备可观测性？
系统运行过程中，能否看到数据输入、计算过程、任务状态与输出结果？出现问题时，能否快速定位到具体环节？
第四问：成本是否清晰可控？
除了开发投入，还要评估模型调用、数据接口、服务器、人工维护和版本迭代等长期成本。清晰的成本结构，是商业定价的重要基础。
第五问：合规边界是否明确？
产品能够提供什么服务、输出什么内容、引用什么数据、承担什么责任，都需要有明确边界。尤其在金融领域，合规设计是产品架构的重要组成部分。
与“五问”相对应，曹玲博士还总结了一套更容易记忆的产品骨架标准：
拆得开：功能模块清晰，便于独立迭代；
改得动：策略、参数和数据源支持配置化调整；
放得下：任务能够自动化运行，减少人工触发；
查得清：过程可观测、结果可追溯；
走得稳：长期运行稳定，交付结果一致。
这套方法的意义在于，让开发者从“功能是否跑通”进一步转向“系统是否值得长期使用”。一个商业级应用，需要同时经得住技术、运营、成本和合规的检验。
模块三：产品进阶——从Demo到商业级应用的关键跃迁
一个能够演示的Demo，距离商业级产品还有多远？
曹玲博士将差距归纳为三项核心能力：
1. 协作能力
个人Demo通常服务于开发者本人，而商业产品需要支持团队协作、角色分工和权限管理。其他人能否顺利使用、理解和接手，是产品化的重要标志。
2. 稳定能力
商业应用需要持续交付结果。数据源更新、任务自动运行、异常处理和输出一致性，共同决定了用户能否长期信赖产品。
3. 容错能力
金融应用尤其强调可追溯。系统出现故障后，能否定位问题、恢复任务、保留记录并解释原因，直接影响产品的商业可用性。
结合课程内容，商业级产品的最低标准可以整理为十项自检：
数据源可配置、可替代；
策略参数支持灵活调整；
核心流程能够自动运行；
输出结果带有时间戳；
关键数据和结论可追溯；
任务失败后可定位、可重试；
具备基础权限与角色管理；
具备版本管理和更新机制；
配套清晰的使用与交付文档；
明确合规边界与风险提示。
曹玲博士特别强调，Demo迈向商业级产品的过程，更像是一次系统性的“补课”。通过拆解现有应用，识别缺失的数据、流程、文档、权限和风控环节，再逐项补齐，原有开发成果便能够持续沉淀为产品资产。
模块四：金融特性——用证据链、可解释性与回测建立信任
金融AI应用与其他行业应用最大的差异，在于对可信度、时效性、可解释性和合规边界提出了更高要求。
曹玲博士认为，金融产品的信任基础来自四个方面：
数据可靠
数据来源需要清晰，关键数据要尽可能通过多个渠道交叉验证。例如在行情、财务数据和新闻信息的采集过程中，可以配置多个数据源，提升数据的完整性和及时性。
过程可解释
用户需要理解产品采用了什么框架、使用了哪些变量、如何形成结论。清晰的推理链条，能够让投研系统从“结果输出”进一步升级为“研究辅助”。
结论有证据
研报、指标和观点应尽量带来源与引用，让使用者能够回到原始资料中核验。尤其在AI生成内容时，证据链可以显著提升结果的透明度。
效果可验证
回测与复盘是金融系统的重要组成部分。产品需要记录每一次判断、行动和结果，通过持续复盘验证策略的有效性，并为下一轮优化提供依据。
在人机分工上，AI适合承担高频、重复、标准化和规模化的工作，例如数据整理、信息扫描、指标计算与初步归纳；人的核心价值，则体现在研究框架、关键变量判断、复杂信息理解和最终决策上。
课程现场还围绕“同一数据为何会形成不同结论”展开了讨论。多位学员认为，客观数据本身应当保持一致，差异主要来自研究框架、变量权重、推理链条和投资目标。换言之，数据是共同起点，方法论决定了分析的深度与方向。
这正是金融从业者建立个人产品壁垒的关键：将自己的研究框架、行业理解和判断标准沉淀为可复用的Skill、模板或智能体，让AI放大专业能力，而不是停留在通用答案层面。
模块五：案例拆解——从真实痛点长出来的产品更有生命力
理论之外，曹玲博士还现场展示了两个自研产品，用真实案例说明产品如何从个人需求走向商业化。
案例一：智慧教育平台
最初，这款产品服务于家庭教育场景，包含英语单词打卡、数学练习、错题本、立体几何可视化等功能。随后，曹玲博士在后台加入知识库管理能力，支持家长上传不同学校的教材PDF，并生成相应题库、课件与练习内容。
这一功能精准回应了部分香港家庭面对“学校教材差异大、辅导资源匹配难”的实际需求。产品从个人使用出发，经过真实场景验证后，逐步获得同学和家长的定制化需求。
这个案例带来的启示是：产品的商业机会往往来自一个具体、真实、被反复验证的痛点。用户愿意持续使用，并愿意提出个性化需求，便是产品走向商业化的重要信号。
案例二：“博士之路”微信小程序
第二个案例面向香港理工大学DBA新生，围绕入学报到、校园导航、课程安排、学业管理、导师选择和研究支持等场景，打造一站式微信小程序。
这一产品的独特性来自开发者本人完整的就读经历。哪些环节容易困惑、哪些信息最难获取、哪些流程最需要指引，只有亲身经历者才能准确理解。
曹玲博士借此引出一个产品化关键问题：为什么是你来做？
独特数据、独家经验、行业理解、真实场景和用户关系，都可能成为个人开发者的竞争壁垒。技术工具让开发门槛不断降低，而真实需求与专业洞察，正在成为更重要的产品起点。
模块六：实操落地——用PRD、MVP和四周计划启动产品
对于希望将想法快速落地的学员，曹玲博士给出了一条清晰的开发路径。
第一步：找到真实场景
优先从工作和生活中寻找高频、重复、耗时且痛点明确的任务。场景越具体，产品定位越清晰。
第二步：先写PRD，再开发
面对稍具复杂度的系统，先通过AI辅助完成产品需求文档，明确：
目标用户是谁；
核心痛点是什么；
前端包含哪些页面；
后端需要哪些服务；
数据如何流转；
需要接入哪些API；
哪些功能属于P0优先级。
PRD能够帮助开发者将大系统拆分为小模块，避免在功能不断叠加后失去整体结构。
第三步：从P0开始做MVP
先完成最小可用版本，每完成一个模块就立即测试，再进入下一阶段。小步快跑、逐项验证，可以让问题定位更清晰，也能显著降低开发和修改成本。
第四步：自己深度使用
产品开发完成后，先让自己成为重度用户。只有自己在真实场景中持续使用，才能发现流程、体验和功能上的细节问题。
曹玲博士建议，每个产品都应沉淀出三个“它救了我的瞬间”。这些真实故事既可以成为产品迭代依据，也可以成为后续内容传播的最佳素材。
第五步：建立发布与更新机制
产品上线后，通过版本管理、安装包发布、自动更新或使用说明，让交付过程更加标准化。对于桌面应用，可以借助代码托管平台进行版本发布；对于小程序，则可以利用平台自身的审核与更新机制触达用户。
模块七：商业闭环——内容、工具与服务三线并进
当产品完成初步验证后，如何实现商业变现？曹玲博士总结了三条可以组合推进的路径：
内容变现：让能力被看见
通过公众号、小红书、视频号、B站、知识星球等渠道，持续展示产品案例、使用过程和方法总结。内容既是个人品牌的放大器，也是建立信任的重要入口。
工具变现：让产品创造收入
工具可以通过订阅、定制开发、模板销售、Skill付费或SaaS服务等方式变现。定价的关键不在于开发时投入了多少时间和Token，而在于产品为用户节省了多少成本、创造了多少价值。
服务变现：让信任转化为合作
当用户通过内容和工具建立认知后，咨询、培训、定制开发和行业解决方案等服务型收入便具备更坚实的基础。
与之对应，个人经验也可以逐步沉淀为四类资产：
将经验整理为知识库，形成知识资产；
将方法封装为Skill或模板，形成工具资产；
将案例转化为文章和视频，形成内容资产；
通过多平台持续分发，形成展示矩阵。
当知识、工具、内容和渠道形成协同，个人品牌便具备了持续增长与商业转化的基础。
模块八：四周行动路线图——从一个想法到一款可展示产品
课程最后，曹玲博士为学员提供了一份可直接执行的四周行动计划：
第一周：确定场景与用户
选定一个真实痛点，明确目标用户、使用频率、现有解决方式和产品价值。完成一页纸需求说明。
第二周：完成PRD与MVP
梳理产品架构，确定P0功能，开发最小可用版本。优先保证核心流程能够完整运行。
第三周：真实使用与快速迭代
自己连续使用产品，记录问题、优化体验、补齐日志、文档和异常处理能力，同时总结三个真实使用故事。
第四周：包装发布与商业验证
制作产品介绍、演示案例和传播内容，在小范围内邀请目标用户体验，收集反馈，并测试订阅、定制或服务合作的可能性。
这套路径的重点在于，让产品从第一天就面向真实需求，并通过持续使用、反馈和迭代形成完整闭环。
结语：专业经验与AI工具，共同打开个人产品化窗口
“从看板到产品”，不仅是一次技术升级，更是一次思维方式转变。
看板呈现信息，架构承载系统，产品交付价值，商业闭环验证长期生命力。对于金融从业者而言，真正值得沉淀的，是多年积累的研究框架、行业理解、风险意识和专业判断；AI则能够帮助这些经验实现结构化、工具化、产品化和规模化。
正如曹玲博士在课程结尾所分享的：“你的专业经验，加上AI工具，就是你打造个人产品的机会。”
本期“AI投研精英孵化计划”导师专题课程，以架构思维为入口，以产品标准为抓手，以金融场景为落点，以商业闭环为目标，为学员提供了一套可直接实践的方法论。随着孵化计划持续推进，项目打磨、路演展示、资源对接与个人品牌建设也将形成更完整的成长路径，帮助更多AI投研作品从个人工具走向真实市场。
Todd：AI基建进入下半场，硅谷最缺的不是GPU，而是电
9月3日晚8点，Uweb「AI投研精英孵化计划」第四周导师专题课程正式上线。本期课程以“硅谷深度行：从科技现场到产业与投资判断”为主题，邀请资深买方分析师Todd进行分享。
课程开始前，Todd刚刚结束为期半个多月的硅谷调研。在此期间，他与Google、OpenAI、Anthropic、Meta、微软、特斯拉及Figure AI等公司的产业人士进行了交流，也走访了AI数据中心、人形机器人和自动驾驶等相关产业链条。
从过去十年的AI产业断代，到“模型厂—云厂商—半导体与能源”的产业链框架；从存储涨价周期，到中国模型追赶带来的全球定价变化；再从人形机器人的泛化难题，到美国AI数据中心正在面临的电力瓶颈，Todd试图回答一个核心问题：
当AI基建从“谁花钱谁上涨”的上半场，进入“必须算清回报”的下半场，产业和投资的观察坐标应该如何调整？
以下为本次课程对话实录，内容经编辑整理，仅呈现嘉宾个人观点，不构成任何投资建议。
一、十年断代：这轮AI周期的起点，不只是一个爆款产品
Uweb：很多投资者会把这轮AI行情的起点放在2022年底。您为什么先把时间线拉回到十年前？
Todd：因为如果不做产业断代，就很难判断我们今天究竟处在周期的哪个位置。
2016年3月，DeepMind的AlphaGo击败李世石，这是非常标志性的事件。围棋的空间复杂度极高，AI能够在这类复杂博弈中战胜人类，意味着它可能在更多领域超过人类。2017年AlphaGo又击败柯洁，进一步强化了这种认知。
OpenAI成立于2015年。回过头看，2015年至2016年前后，可以被视作现代AI产业周期的起点。
但在2021年之前，市场其实并不清楚AI究竟能做什么。那一轮二级市场高潮中，很多AI公司的核心业务仍然是计算机视觉和人脸识别。当时大家已经知道AI很强大，但似乎能大规模落地的产品仍然有限。
2020年，GPT-3已经出现，研究人员意识到它与过去的技术路线不太一样，但普通用户几乎没有感知，因为它还没有一个足够友好的交互界面。
真正的转折发生在2022年底。GPT-3.5上线后，用户终于可以像使用聊天机器人一样与模型交互。技术成熟和产品成熟开始重合，这就是大家后来反复提到的“GPT Moment”。
Uweb：为什么2022年底既是产业转折点，也是市场转折点？
Todd：因为货币政策几乎在同一时间发生变化。
2022年，美联储持续加息，风险资产经历了系统性的估值压缩。比特币、英伟达、特斯拉以及ARK基金都经历了大幅回撤。那一年，整个市场的核心动作就是挤泡沫、降杠杆、杀估值。
但到2022年底，通胀增速开始放缓，市场逐渐意识到货币政策可能由紧转松。与此同时，GPT-3.5让AI第一次真正进入大众用户视野。
所以2022年底是一个非常重要的“黄金起点”：一边是比较明确的产业突破，另一边是流动性环境可能迎来改善。这两个因素叠加，才孕育了此后持续数年的AI基建周期。
二、产业坐标：模型厂是下游，云厂商是中游，上游是半导体和能源
Uweb：您在课程里特别强调“话术对齐”。看AI产业时，应该怎样建立一个统一的分析框架？
Todd：任何一个产业，都可以先拆成上游、中游和下游。每个人定义可能不同，但为了交流方便，我们可以先建立一个基本框架。
在我的定义里，AI模型厂商属于下游。比如OpenAI、Anthropic、Google Gemini，以及国内的豆包、Kimi、通义千问、智谱等。它们的共同特征是直接面对终端用户，无论服务的是B端客户还是C端用户。
中游是云厂商。用户使用模型服务时，背后的推理和计算通常运行在云厂商的数据中心里。海外有亚马逊AWS、微软云、Google Cloud、Oracle等；国内则包括阿里、腾讯、字节等。
再往上拆，就是上游。AI基础设施的上游主要有两条腿：一条是半导体，包括GPU、CPU、存储、PCB、机柜以及柜内柜外连接等；另一条是能源，包括电网电力、燃气轮机发电，以及固态氧化物燃料电池等新技术。
有了这个框架，我们再讨论AI投资，就不会只停留在“AI很热”或者“某家公司涨了很多”这种层面，而是可以继续追问：需求来自哪一层？利润沉淀在哪一层？瓶颈正在从哪一层向哪一层迁移？
三、云厂商的本质：一套AI时代的“商业地产”逻辑
Uweb：市场往往会赋予云厂商很高的科技属性。您为什么把它类比成商业地产？
Todd：这不是说云厂商没有技术含量，而是说它的商业模型可以用一种更简单的方式理解。
传统商业地产的逻辑是：融资、盖楼、出租，然后测算几年回本。AI数据中心也类似：融资、建设、部署算力，再把算力租给客户，测算租金、折旧和回本周期。
从我的观察看，大型云厂商的AI数据中心生意大致能够算得过账。即便未来GPU租金有所回落，项目回本周期从三年拉长到四年或者五年，在全球范围内，这仍然可能是一门相对确定的生意。
这也解释了为什么美国大型科技公司愿意持续投入。它们并不是因为市场都在讲AI故事才花钱，而是因为从财务模型上，这笔账大概率能够算得过来。
当然，不同类型公司会有差异。一些新型云厂商可能给出更激进的回本周期，但我不认为所有项目都能长期维持这种水平。
四、从上半场到下半场：市场已经不再只奖励“敢花钱”
Uweb：您把2022年底至2025年底称为AI基建周期的上半场。进入2026年后，市场发生了哪些变化？
Todd：2022年底到2025年底，是非常典型的上半场。这个阶段最大的特征是：谁宣布更多资本开支，谁就更容易获得市场奖励。
云厂商说要买更多服务器、建设更多AI数据中心，股价就可以上涨。市场并不急着追问这些钱什么时候赚回来，只要敢投入，就被认为代表未来。
但到2025年底，情况开始变化。市场不仅要看你花了多少钱，还要看你能否解释清楚收益在哪里、回报何时兑现、自由现金流是否承受得住。
Meta就是一个典型案例。当公司无法充分回答大规模资本开支与回报之间的匹配问题时，市场就会迅速重新定价。Google之所以能相对稳定，是因为它对投入产出给出了更清楚的解释。
所以我认为，现在已经进入AI基建周期的下半场，也可以称为“3.2阶段”。上半场奖励勇敢者，下半场开始考验算账能力。
这并不意味着AI基建周期已经结束，而是投资难度明显上升。过去只要看资本开支增速，现在还要看现金流、折旧、融资方式、租金变化和真实需求。
五、存储样本：量价齐升为什么可遇不可求
Uweb：您用存储行业解释了一轮完整的周期。为什么这个案例值得投资者反复研究？
Todd：因为它几乎完整展示了从周期底部、产业确认、价格上涨，再到预期见顶的整个过程。
2025年初到8月，存储行业处在非常低迷的周期底部。无论是相关股票，还是华强北的现货报价，都几乎没有活跃度。
变化大约出现在2025年8月下旬。我们调研时发现，华强北部分DDR内存报价开始每天上调。这个动作说明行业底部可能已经出现，但当时还不能确认一轮大周期已经启动。
真正的大级别确定性，出现在推理需求爆发之后。市场逐渐意识到，在推理阶段，CPU和存储需求可能非常大。与此同时，存储扩产速度较慢，新增产能需要较长时间才能释放。供给受限、需求快速增长，就带来了量价齐升。
但价格上涨是有极限的。以C端内存为例，当一根64GB内存条从数百元涨到数千元甚至更高时，普通消费者会直接退出。组装一台电脑的成本明显上升，需求就会坍塌。
B端市场更强，因为AI数据中心的需求更刚性。但当存储成本开始侵蚀整个AI产业利润时，下游厂商也会采取行动。比如寻找新的供应商、推动替代方案，甚至通过产业和政策手段抑制继续涨价。
Uweb：所以涨价逻辑本身并不可靠？
Todd：涨量可以持续，涨价很难无限持续。
一个商品如果长期保持过高毛利，会带来两个结果：第一，压缩上下游生存空间，最终抑制自己的需求；第二，培养竞争对手，加速新供给进入市场。
存储行业就是这样。当头部厂商获得极高毛利时，原本缺乏竞争力的厂商也会获得生存空间。价格上涨越快，新供给进入的动力越强。
因此，量价齐升往往是周期底部、产业爆发和巨大预期差共同作用的结果。它可能几年才出现一次，不能把这种上涨斜率当作市场常态。
产业逻辑和二级市场逻辑并不完全一致。产业长期向好，不代表相关资产每天都能以同样的斜率上涨。
六、模型竞争：Token消耗量会增长，但价格未必一直上涨
Uweb：今年年中，模型行业出现了一个重要变化：中国模型正在加速追赶。这会如何影响全球AI产业链？
Todd：中国模型的追赶速度正在加快，这对用户是好事，但对部分公司的股东未必是好事。
当海外头部模型供不应求时，它们可以持续涨价，整个产业链也会形成通胀：模型价格上涨，云厂商收入增加，上游GPU、存储和数据中心也能涨价。
但当中国模型以更低成本提供接近的使用体验时，海外模型厂商就会被迫调整定价、放宽额度，甚至降低API价格。
这类似于过去很多制造业行业发生过的变化。对使用者来说，更低价格、更强性能当然是好事；但从投资回报看，激烈竞争会压缩利润率。
所以我对模型行业的一个基本判断是：Token消耗量一定会增长，这一点没有太大疑问；但Token的价格未必能够持续上涨。
如果美国头部模型厂商不能与中国模型重新拉开足够大的差距，那么“量涨价不涨”可能会成为未来一段时间的大概率状态。行业仍然增长，但赚钱方式会从高毛利、高涨价，转向更大规模、更低成本和更高效率。
七、硅谷现场：Google并没有外界想象得那么弱
Uweb：这次硅谷调研中，您对Google的观察和市场流行观点有什么不同？
Todd：Google没有外界想象得那么差。
OpenAI和Anthropic需要持续证明自己是行业里最领先的公司，因此它们倾向于以更高频率训练基础模型。这种方式能够维持技术叙事和估值，但成本非常高。
Google的路径不一样。它不需要融资，也不需要像创业公司一样不断向市场证明自己。它更强调成本、效率和全球用户的规模化使用。
Google拥有庞大的用户基础，因此它更关心如何让几十亿用户以足够低的成本使用AI，而不是每个季度都要占据舆论中心。
过去Gemini在编程能力上受到一些质疑，一个重要原因可能是训练数据配比中，多模态数据占比较高，而Coding数据占比不足。对于Google这样的公司来说，如果问题本质上属于工程问题，通常就有机会通过资源投入和工程迭代解决。
Google不缺资金、人才、算力和数据。它与OpenAI、Anthropic走的是两条完全不同的路线：一方高举高打，维持明星模型和领先叙事；另一方则更重视产品化、性价比和长期成本控制。
八、New Labs：硅谷VC正在押注“下一个天才时刻”
Uweb：除了大厂，您还观察了美国的新AI实验室。您的感受是什么？
Todd：美国现在的新AI实验室数量非常多，已经达到上百家。这里面有来自Google、Meta等大公司的顶尖研究人员，也有希望重新定义下一代模型架构的团队。
但从实际交付看，真正拿出有影响力成果的公司仍然很少。某种程度上，这个领域已经出现了同质化和泡沫化倾向。
更现实的问题是算力。训练先进模型不是只靠聪明的大脑，还需要持续锁定大规模算力。如果没有足够算力，很多实验根本无法完成，更谈不上验证新架构。
不过，这件事也需要辩证地看。VC的逻辑是：哪怕一百家公司里绝大多数失败，只要有一两家跑出来，成为下一个OpenAI或Anthropic，就足以覆盖其他项目的损失。
所以我不认为应该简单否定所有New Labs。它们确实承载了行业寻找下一代技术范式的希望。但从投资角度看，不能只看创始团队的履历，还要看算力来源、数据能力、工程组织能力以及产品是否真正交付。
九、人形机器人：中国的“身体”很强，但“大脑”还没有真正过关
Uweb：您这次也调研了人形机器人。为什么对这个方向反而更谨慎？
Todd：核心问题是泛化能力不足。
举个例子，我们可以让机器人通过大量视频学会开门。它可能学得很好，但如果你让它关门，它可能不会，因为它只学过开门，没有学过关门。
有人会说，那就再用一万个小时训练关门。问题在于，现实世界的开放场景是无穷无尽的。拿杯子、倒水、开门、关门、整理房间，每一个动作背后都涉及不同物体、力度、角度、温度和环境变化，你不可能把所有场景都逐一教给它。
第二个问题是数据。语言模型可以使用互联网上已有的文字、图片和视频，这些数据非常丰富。但互联网上没有足够多的机器人操作数据，也没有大量关于力度、触觉、空间位置和真实传感器反馈的数据。
我们的生活不是简单的二维世界。机器人需要理解三维空间，还要处理力、光、温度、湿度等更高维度的信息。这样的数据需要从零开始构建，可能需要很多年。
所以我的判断是，人形机器人值得长期研究，但短期内不应对大规模泛化落地抱有过高预期。中国企业在机器人身体、运动控制和硬件制造上很有优势，但真正困难的是“大脑”。谁能做出可泛化的机器人智能，谁才可能打开下一阶段。
十、自动驾驶：比人形机器人更接近商业化落地
Uweb：如果机器人短期难以泛化，为什么您对自动驾驶更乐观？
Todd：因为自动驾驶是一个边界更清楚的场景。
一辆汽车可以理解为一个带四个轮子的机器人。它主要在二维平面上完成前进、后退、转向、加速和刹车。虽然真实道路也很复杂，但比起开放家庭场景，它的任务边界更明确，数据积累也更多。
特斯拉的纯视觉路线和成本控制能力值得持续关注。相比之下，部分依赖高成本激光雷达的方案，单车成本较高，商业化压力也更大。
从产业节奏看，L3到L4正在逐步成熟。L5可以理解为一个理想状态，即在所有极端长尾场景中都不需要人类介入。完全实现L5非常困难，但自动驾驶可以无限接近这个目标。
一旦美国在法规和运营层面进一步明确，中国大概率也会加快跟进。自动驾驶可能比通用人形机器人更早进入大规模商业化阶段。
十一、美国AI的新瓶颈：不是没有GPU，而是没有足够电力
Uweb：如果AI基建仍是主线，接下来最应该关注的瓶颈是什么？
Todd：美国市场目前最紧缺的已经不是GPU，而是电力。
我们调研了几家参与数据中心建设的公司，得到的共同反馈是：美国并不缺新一代GPU，真正的问题是电力接入速度跟不上。
一些数据中心已经建好机架，但还有相当比例的设备无法通电。GPU交付以后，只能先放在那里等待电力条件满足。谁能让设备尽快点亮，谁就能更早产生收入。
因此，美国部分大型基金已经开始从单纯的算力硬件，转向电力设备、能源资产和长期电力协议。数据中心对电工和专业技术人员的需求也在快速上升。
这和中国的情况不同。中国并不缺电，但美国电力系统扩容速度较慢，审批、并网和基础设施都需要时间。AI越发展，美国电力资产的重要性可能越高。
所以接下来的重点，不只是看哪家公司买了多少GPU，还要看它能不能获得电力、土地、并网资源和稳定交付能力。
十二、给AI投研者的提醒：不要把几年一遇的行情当成常态
Uweb：最后，对于正在参与AI投研的学员，您最想提醒什么？
Todd：不要只看别人吃肉，也要看到别人挨打。
今年4月至6月，市场出现了一轮斜率非常高的上涨。这种行情需要几个条件同时出现：前期调整足够充分，产业出现超预期突破，同时形成量价齐升。这样的机会几年才可能出现一次，不能把它当作市场常态。
有些投资者刚好在这段时间进入市场，可能会误以为AI资产就应该每天高速上涨。但在此之前，美股AI板块已经历了较长时间的调整和横盘，很多投资者承受了非常大的压力。
未来Token消耗量会增长，AI产业也会继续发展，但这不代表所有环节都能持续涨价，更不代表二级市场可以一直保持同样的上涨斜率。
接下来做AI投研，要重点看四件事：
第一，需求是否真实增长；第二，公司能否把投入转化为现金流；第三，产业链瓶颈正在向哪里迁移；第四，估值中是否已经包含过高的涨价预期。
AI的长期方向没有问题，但产业趋势、公司盈利和二级市场定价是三件不同的事。越是长期方向清晰的行业，越需要在具体投资中保持冷静。
结语：从产业一线出发，训练真正的AI投研判断力
本场导师专题课程，是Uweb「AI投研精英孵化计划」第四周的重要课程。Todd以一线产业调研为基础，将过去十年的AI发展、当前基建周期、模型竞争、存储涨价、人形机器人、自动驾驶及电力瓶颈纳入同一套分析框架，为学员提供了一套从“科技现场”走向“产业与投资判断”的观察方法。
随着孵化计划进入后半程，晋级学员还将围绕AI产业趋势开展研究共创，参与《AI投研趋势报告》撰写；优秀项目也有机会登上10月22日在澳门举行的“AI+X Future峰会”路演舞台，与更多产业资源和投资机构进行交流。
更多导师课程、学员共创及产业峰会信息，可持续关注Uweb与TECHUB NEWS。
风险提示：本文根据课程内容整理，仅代表嘉宾个人观点，不构成任何投资建议。市场有风险，投资需谨慎
对话HyperTrend CEO Finn Zhou：揭秘Hyperliquid，链上华尔街的崛起
9月8日，Uweb直播课第253期，Uweb创始人于佳宁博士对话HyperTrend CEO Finn Zhou。Finn Zhou是美股交易员出身，其团队自2023年中便开始接触Hyperliquid团队，并在Hyperliquid生态上开发链上信用产品HyperTrend，是这一生态早期建设者与深度使用者。本期对话围绕Hyperliquid的团队成长、技术架构、HIP3/HIP4创新、HYPE经济模型与合规走向展开。以下为对话实录，经整理编辑，嘉宾观点不构成投资建议。
一支11人、零VC的团队
于佳宁：请您介绍一下Hyperliquid团队的成长过程，包括HyperCore和HyperEVM的整体架构，从历史到现在的维度帮我们梳理一下。
Finn Zhou： 我们团队最早接触Hyperliquid是在2023年5月。当年4月香港Web3大会之后，香港对加密和Web3的政策宣传得非常好，我们团队背后一位投资人想做一个项目，拉着我们做赛道调研。当时我们瞄准的是去中心化交易所方向，对标的是dYdX和GMX，在调研过程中找到了Hyperliquid。
我们当时甚至想自己做一个DEX——GMX是开源的，我们团队核心是做云计算出身，在高性能方面有积累，想做一个比GMX更流畅、有资金支撑、流动性更好的DEX。后来项目因故暂停，但在调研中，无论从使用体验、文档还是对自身的规划来看，我们都觉得Hyperliquid是一个很有前景的项目。2023年6月，我们通过他们团队一位在新加坡的成员对接上了，聊了项目本身。
那时候他们对外披露的资料非常少。CEO Jeff和他哈佛的同学、现在名义上的CTO，是Discord里比较活跃的两个人，当时还都是匿名的。2023年7月他们上线了金库（Vault），一直到2024年第一个Meme币PURR上线、Jeff参加了一档播客之后，外界才知道他曾在HRT（Hudson River Trading）——美国一家很大的传统金融量化公司——实习过，后来团队自己做了加密量化，早已实现财务自由。2022年10月FTX事件之后，他们开始做Hyperliquid，时间线是完全对得上的。
从团队背景看，两位核心成员是哈佛同学，团队里其他成员也有MIT背景，整个团队约11个人，学历背景很出彩。他们既有传统金融的工作经验，又自己做过加密量化、写过算法。而且一直到2024年有机构找他们融资时，他们一直对外强调：没有拿过外部一分钱。一个11人、零VC的团队，做到了今天的体量。
另外，Jeff在2019年就在Binance Labs的前身实习过，当时币安的Venture投过他们做的一个早期预测市场项目。可以说，整个团队很早就接触了加密，Hyperliquid是一个原生的Crypto Native项目。从这个履历看，他们的成功有一定必然性。
HyperCore与HyperEVM：用分层解"不可能三角"
于佳宁：HyperCore和HyperEVM这两者的差别和关系，能否再深入讲一讲？这是理解后面很多创新的关键。
Finn Zhou： HyperCore主要负责交易。为了完成高性能交易，订单撮合、保证金、清算——这些对速度和响应要求极高的操作，基本都在HyperCore里完成。它是闭源的，这也是一些中心化交易所诟病它是"伪去中心化交易所"的原因，但它所有交易数据都是开放的。这也是我们早期调研时被它吸引的原因：它和dYdX、GMX的使用体验完全不一样。2023年底铭文那一波，它上了铭文代币；2024年Meme季，树懒、河马这些新币它也上，每次上币深度都很好，交易体感比GMX好很多。
HyperEVM是HIP2上线的，兼容以太坊生态，用Solidity就可以写合约。它开放给开发者，基于HyperCore的底层能力去做应用——借贷、资产管理、流动性质押、双币挖矿，都围绕HyperEVM展开。
我结合我们自己的开发经验举例。最早HyperEVM还没上线时，我们做项目是走HyperCore加API：抓取一个地址的交易数据、打分、根据评分做借贷。但一万个人同时调接口，就会对Hyperliquid的服务器造成负载，影响交易本身。HyperEVM出来后，借贷这类复合逻辑就可以走智能合约了，数据放在合约里，不再占用API、不影响网络。
再比如清算：我们在智能合约里设定抵押率到了某个水平就触发清算。如果在别的生态里做，清算时你得去Uniswap这类地方卖抵押物，响应没那么快；而在Hyperliquid生态内，智能合约可以直接调用HyperCore的交易能力，把BTC、ETH、SOL这些抵押物直接卖掉，预言机价格是实时的。没有这个生态，我为了清算甚至得自己建一个交易所。
至于为什么采用这种架构：如果想做金融基础设施，不分层、全揉在一起，安全性、高性能、稳定性的"不可能三角"就满足不了。它用EVM解决数据安全，用HyperCore解决高性能，拆开后系统更稳定——用分层的方式解了不可能三角。
HyperCore、HyperEVM、HIP3、HIP4之间是并行关系：HyperCore是最底层的交易基础设施，EVM基于它做应用，HIP3基于它做无需许可的永续合约市场，HIP4基于它做预测市场，底层都是同一个撮合引擎。
为什么是它跑出来
于佳宁：同样做合约，它和币安、OKX这些中心化交易所，以及Uniswap这类去中心化现货交易所，本质区别和优势是什么？
Finn Zhou： 2023年六七月份我开始用Hyperliquid时，大额交易还在币安、OKX上，只拿了一部分钱过去体验。真正吸引我深度使用的是2023年8月上线的金库：上线几天就有200万美金的池子，年化收益率200%多。它的逻辑很简单——金库为平台提供流动性，充当合约用户的对手盘，一方面做高了交易深度，另一方面也吃到一部分客损。后来Hyperliquid火了之后，Uniswap以及各DEX都上了金库，其实都是学Hyperliquid的。
早期它也面临信任问题。2023年11月池子做到2000万美金、年化180%多时，我一位投资人朋友都不敢放钱。但它有一个好处：去中心化意味着所有交易历史记录都看得到。我当时喜欢翻那些高收益池子，分析它们的交易策略，在这个过程中发现好池子越来越多，大额资金不断进来。我在Discord里问过一些早期进来的日本、加拿大量化团队，他们最初是做跨所对冲套利的，一部分钱在中心化交易所、一部分在这边。
它用户增长最快的一波是2024年4月上线第一个Meme币PURR——用Meme拉一波暴涨吸引用户，和最近Robinhood的手法很像。关键在于它产品力确实能打：用户进来之后就很少出去，被留住了。现在它有330多万个注册地址，但活跃交易主要由头部两万多个地址贡献，中腰部以下用户很少。正是这批大户为深度和流动性打了基石，散户交易体验反而更好。
从交易员角度，我最关心的不是资金费率——各家大差不差——而是执行：下单价格和最终成交价格的点差大不大，以及深度。Hyperliquid把一个专业交易平台的操作体验做到极致，同时和链上可验证性放在一起：每一笔交易、订单成交、仓位、清算都是链上公开记录的。以前中心化交易所常见的"插针"现象，在Hyperliquid上极少出现。还有一个细节：它的撮合是价格时间优先，同时对做市商的快速撤单做了优先处理，给做市商留出了更多报价空间，所以早期吸引了很多做市商，反过来保护了盘口深度，普通用户拿到的是更窄的价差。
和Uniswap比，要看你想做什么。只是换一笔现货，Uniswap是自然的选择，集中流动性和现货品类都没问题；但如果你想频繁调仓、做合约、用保证金，它解决不了——深度不够时滑点很大，手续费也不低。Uniswap本质是AMM机制，Hyperliquid更贴近一个原生的交易系统，两者服务的场景不同。
另外它决策链极短。中心化交易所上一个新币，从对接、安全审查到上线，可能要两周到一个月；Hyperliquid极致效率下两小时就能上币。衍生品交易领域，它现在占了DEX市场70%以上的份额；放到全市场和中心化交易所一起比，也排在前六，基本和Bitget交替第五、第六的位置。
于佳宁：Hyperliquid目前以大户为主。散户未来会不会参与进来？
Finn Zhou： 团队肯定意识到了用户结构的问题。他们现在把HIP3、HIP4和整个EVM都开放出来，让更多项目方帮它做用户连接。他们十一人的团队，效率和更新频率是极致的。品牌没起来之前很难打动散户，但经过2024年到2026年的发展，品牌力已经起来了，信任问题解决了一部分，接下来就是产品使用体验的优化。
以前散户进Crypto的第一个问题是出入金，中心化交易所有C2C渠道。未来随着美国清晰法案这类合规框架落地，出入金会更合规，一个钱包就是一个身份，在哪里使用都一样，散户天然就具备了使用去中心化产品的能力。他们最近还在HIP3上做了一个升级：项目方可以通过接口定义协议是否对某个地区的用户开放——这明显是在配合合规需求，当时正传出Kraken可能和Hyperliquid合作进入美国市场。一个顶级中心化交易所愿意和它合作，本身就说明了问题。Hyperliquid的姿态是：我在后端帮你托底，你在前端开门迎客，有点像中国话讲的"前店后厂"。
HIP3与HIP4：万物上链交易如何实现
于佳宁：HIP3上现在跑出了美股、原油、A股、港股合约，甚至拿到了标普500授权的正版期货。这种RWA资产是怎么运作、怎么锚定价值的？
Finn Zhou： HIP3是去年10月上线的，它真正实现了Hyperliquid做金融基础设施的愿景：把底层开放给项目方。你只要质押50万枚HYPE，就可以在HIP3上部署自己的永续合约协议——自己定义合约规格、ticker，自己解决预言机，参与手续费分成，而撮合引擎、交易逻辑这些底层全部由Hyperliquid托底。这有点像Web2的云计算：基础设施已经建好，你只管把应用放上去，做好运营和市场深度就行。以trade.xyz为例，它质押50万枚HYPE（当时约合2500万美金）部署了协议，还拍下了一些ticker。
HIP3刚上线时不温不火，我也在上面做美股合约。真正出圈是今年伊朗局势紧张时的原油24小时交易。数据上看，HIP3的未平仓量从2026年1月的约7.9亿美金，到3月末翻倍至14亿，5月到26亿，7月又翻到36亿。HIP4是预测市场，今年2月上测试网、5月2日上主网，赶着世界杯上线。最早的版本很难用，最近升级后界面有点像Polymarket，但交易体验丝滑得多——买卖过程中滑点很小，结算价和你看到的卖出价几乎一致。
需要说明的是，在HIP3上买英伟达多头，并不代表你持有了英伟达股票，你拿到的只是股价变化的盈亏敞口，是一份衍生品仓位，不是可赎回的股票。
于佳宁：链上价格怎么和传统资产保持一致？出现偏差怎么回归？
Finn Zhou： 前段时间刚好出过一次问题。海力士在韩国和美国两地上市，本身存在价差，大概每天差10多美金。当时HIP3上海力士的衍生品价格和实际价格出现偏差——实际1100多，链上一根针打到900多。原因是部署方用了6个预言机，取主流券商报价和场内价格的均值做价格回归，两地价差导致误清算。最后部署方把所有被误清算的用户全部赔付了。
这就是Hyperliquid的机制设计：它明确要求项目方自己负责预言机，不一揽子包掉，因为不同市场需求不同。而链上价格和真实价格的回归，最终靠资金费率交给市场调节。比如同一只标的，trade.xyz和另一家运营商都上了，一个最高10倍杠杆、一个5倍，两边交易规模、价格、资金费率都有差异，市场自己会在两边之间做平衡。
与Robinhood：仓位与股票的分野
于佳宁：Robinhood也在做代币化股票，和HIP3有什么明显差别？
Finn Zhou： 最简单的判断方法是：买完之后你手上留下的是什么。在HIP3上，你留下的是一张股票永续的衍生品仓位，表达的是多空观点，用来加杠杆、做对冲、做短线套利，持仓成本是资金费率和交易费，风险点在于清算、ADL和预言机。Robinhood的代币化股票是真实的代币化证券，映射真实股票，是现货敞口，可以转移，你关注的是发行人的法律条款、申购转让规则，Robinhood本身也是合规主体。
两者解决的是不同场景：Robinhood做的是蓝筹股票分发，面向优质的美国和欧洲用户；HIP3服务的是需要风险对冲、多空表达和杠杆的群体。可以说，一个是传统券商借Web3延伸，一个是Web3原生向传统资产延伸。
HYPE经济模型：回购神话是否可持续
于佳宁：HYPE这轮上涨接近翻倍，您怎么理解它的估值？回购、解锁、稀释这些因素怎么综合判断？
Finn Zhou： 我先说筹码结构，其实很简单。创世时第一波空投分配了31%的代币，总量10亿枚；核心贡献者约23.8%，基金会6%，社区部分很少。基金会主要支撑全球会议和开发生态，币基本没卖过，一直质押着。没有VC轮融资，也就没有VC抛压。
释放主要来自质押收益：官方质押年化最高2.7%，平均2.1%左右。回购方面，Hyperliquid协议手续费按99%回购销毁；USDC发行方把在Hyperliquid上部署获得的手续费90%分给生态，也用于回购；trade.xyz等HIP3部署者的手续费也在持续买入。截止到今年8月，质押释放约900多万枚，而回购超过1000万枚——回购大于释放，名义上处于通缩状态。上线至今销毁的HYPE价值约1.4亿美金。另外HIP3部署者质押50万枚才能部署协议，还有借贷机构把币借给部署者收息，大量代币被锁定，加上ticker荷兰拍（现在每个ticker约540多枚HYPE）也直接销毁，市场实际流通盘相对少，价格拉升就比较顺畅。
但也不要被"99%回购"这个数字迷惑。第一，HYPE本身有约2%的质押收益，会冲掉一部分回购力度。第二，收入结构在变化：以前Hyperliquid自身加密合约手续费每天约170万美金，最低时缩到70多万；现在HIP3的手续费占比在增加——HIP3部署者的手续费是买HYPE但不销毁，这和销毁是两个概念。
团队的核心贡献者代币已经解锁，但一枚都没卖过。他们的做法是质押吃利息，需要资金时把利息通过OTC换成现金，用于工资和奖励。
至于价格预期，我自己去年4月香港大会时还在和朋友争论买HYPE还是买Aave——当时HYPE跌到9块多，我们当时的预期也就看到40多。现在HIP4预测市场上，9月破90美金的赔率已经是80%对20%，破100的概率是60%多——这是Hyperliquid最原生的一批用户用钱投出来的票。但说实话，按目前的收益水平，100美金对应的FDV已经很大，PE不低。后续要看HIP3、HIP4能不能从Polymarket、Kalshi那里抢到份额，trade.xyz这类应用的增长能不能续上。它还是个茁壮成长的生态，指不定哪天又跑出一个新应用。破百我认为是大概率事件，但未来的价值在哪，我不敢打包票——我自己包括空投和后来买的币，一直质押在那里。
我做增值判断主要看两点：一是收入结构是否健康，是不是有正向资金持续进来；二是生态里的产品有没有站在主叙事上、做到头部。目前美股上链、RWA、预测市场都是主趋势，HIP3本身就在主叙事上。这两点足够支撑价格持续往上走。
于佳宁：HYPE的ETF和DAT（财库公司）带来的机构资金流入，如何理解？
Finn Zhou： 我关注美国和日本的几家DAT公司，它们的买入节奏更多是沿着利好释放来承接，相当于持续定投。最大的DAT公司让更多合规用户能买到这个资产，这是最大的便捷性。但要说华尔街资金对HYPE价格的影响，目前来看还比较小——上一轮下跌中DAT一直在买，规模上千万美元，但承接HYPE的大部分还是加密原生机构，比如Multicoin、Paradigm，他们看的是项目本身的发展和盈利路径。HYPE的DAT还没到微策略对BTC那种持仓体量足以影响价格的阶段。
弱KYC的双刃剑与合规路径
于佳宁：Hyperliquid是相对弱KYC的市场，有新闻说朝鲜黑客在上面用合约洗钱。离岸市场的风险和合规怎么平衡？会不会把它压垮？
Finn Zhou： 这确实是它最大的问题，也是我们不敢把价格预期喊太高的原因之一。去中心化最怕的就是监管处罚，去年JELLY事件也是一次考验。但Hyperliquid做了不少应对：他们成立了专门机构，在华盛顿、法国游说美国政府；为Kraken进入美国市场做的地区屏蔽升级，说明它在从底层满足合规要求——法规明确某类用户不能参与的场景，它可以从底层屏蔽。
长期看，团队做了分层规划：RWA资产在HIP3上，和加密原生交易在数据上是隔离的，底层基础设施相同但数据不混在一起。监管需要哪部分数据，它可以提供接口。至少目前看，团队舍得投入，在积极解决而不是逃避。
当然，真走向全面合规，确实会失去一部分因匿名性而来的大户。但离岸交易的需求永远存在，需要这样的产品去承接——币安和OKX过去就扮演过这个角色，只是它们现在合规化了，不再走这条路线。
普通人与建设者如何参与
于佳宁：对于想参与Hyperliquid生态的朋友，您有什么建议？
Finn Zhou： 第一，一定要早玩。还没用过Hyperliquid的，先来体验一下这个DEX龙头的使用感受。而且HYPE还有38%的空投代币没有分发，未来都有机会。
第二，它的生态正处在茁壮成长的阶段，目前生态项目有300多个，很多赛道还没跑出头部，这本身就是机会。华语区和英文区都在快速迭代，同一个问题的解决方案，两边的使用感受完全不一样，值得多看多试。
分人群来说：不太做交易的用户，可以去翻Hyperliquid的金库数据——它的数据开放做得很好，官网浏览器和hl.eco这类工具都能看到各赛道收入。金库有点像Web2的基金经理，你可以看历史战绩，找优质金库投点钱理财；做交易的，可以找优秀交易员的地址，学习他们的交易方法；项目方的话，生态虽然项目多但都还在探索期，它的基金会不像别的项目那样扶持项目，但品牌力和用户都在那里，是很好的建设基石。
至于套利，我要泼点冷水：现在基本不存在"无风险套利"了。去年10月有两个人在HIP3刚上线时利用链上合约和真实券商资产之间的价差，在IBKR上做价格回归，套了1000多万美金。但近期一位套利高手就翻车了——一边成交、另一边没成交，一天亏了160万美金。现在大做市商已经进来维持价格稳定，价差基本不存在了。我个人现在更多在预测市场找机会，用AI工具抓HIP4、Polymarket、PredictFun之间相同盘口的赔率差异，半自动地验证想法。
我自己在Hyperliquid上建什么
于佳宁：请介绍一下您自己的项目，为什么选择在Hyperliquid生态创业？
Finn Zhou： 我们的项目HyperTrend从2024年底HYPE的TGE之后开始做。出发点很简单：去中心化交易所的每笔交易数据都是公开透明的，我们团队都爱交易，一直想做一个产品，抓取分析交易员的交易数据，给交易能力评分。这件事在中心化交易所落不了地——数据不真实、不完整，你无法验证因子、调试模型。Hyperliquid给了我们这个基础。
我们做的是链上信用产品，解决两个问题。第一是配资：Hyperliquid受链上清算时效限制，杠杆放得比较克制——BTC最高40倍、ETH 25倍，HIP3的美股合约只有5到10倍。但欧洲、东南亚、土耳其这些地区有大量交易频率高、资金规模小的用户，有放大杠杆的需求。我们基于用户历史交易数据，从收益质量、杠杆控制、风险控制、回撤控制等六个维度评分，600分以上可以做最高1:3的配资。第二是轻抵押借贷，解决DeFi超额抵押的问题：传统借贷产品借1万U可能要抵押2万甚至3万的BTC、ETH，而交易员可以凭历史交易数据来借贷。借出的钱不直接进用户钱包，而是进我们通过HyperEVM控制的合约钱包——可以使用，不能转走；仓位价值超过借贷金额的部分，用户可以随时拿走。相当于我们和交易员一起去挖掘市场里的价值。
目前我们的模型覆盖了Hyperliquid上130多万个地址，活跃地址基本全部收录，前500名重点关注、每天用模型跑。我们提取了300多个交易因子——杠杆倍率、交易品类、仓位大小、胜率、多空比率，综合评估。想刷分很难：一笔坏交易、一次扛单导致仓位失控，分数马上就掉下来，而且我们读取的是全部历史交易。除了交易行为，我们还有地址关联、生态参与等维度，天然具备反女巫能力，Hyperliquid生态里一些项目方发币前也会用我们的地址库做去重。我们未来有TGE计划，代币经济模型会和信用体系深度绑定，也在和官方沟通如何与生态绑定。
于佳宁：在熊市里持续耕耘的人，一定会有收获。我亲眼看着Finn这些年不断打磨产品、持续升级，非常钦佩。今天从顶级交易员和建设者的双重视角看Hyperliquid，价值极大。
![Trade[XYZ]](https://pbs.twimg.com/card_img/2115522883254689792/cEx4k7y5?format=jpg&name=800x419)
Uweb AI投研课程助力产业研究，从研究判断到决策工具全面AI化
围绕AI时代投研人才的能力建设，香港Uweb（University of Web3）商学院同步推进线下实训与线上孵化，将集中授课、产业研究与持续项目实践相衔接，构建覆盖认知提升、方法训练和成果孵化的培养路径。
自2026年4月开课以来，香港Uweb商学院的线下AI投研实训营已举办四期，累计招生250余人；线上AI投研孵化营面向具备研究与实践基础的申请者开展选拔，累计吸引800余人报名，最终遴选50人入营，通过八周课程、导师指导与项目共创，进一步深化专业训练。
新一期课程聚焦AI在投研中的应用，围绕信息获取、产业分析、价值判断与研究成果表达展开教学。
香港Uweb 商学院校长、HKCDAA学术委员会轮值主席、中国通信工业协会区块链专委会共同主席于佳宁博士表示，“AI正在同时改变投研的对象与方法。一方面，技术演进不断催生新的商业模式，要求研究者贯通产业逻辑、企业经营与价值判断；另一方面，AI正在深入信息处理和研究分析，要求专业人才具备更强的问题定义、证据甄别与人机协作能力。”
“AI投研教育应当帮助学习者建立能够随技术和市场变化持续更新的研究体系，使工具效率与专业判断相互促进。”于佳宁指出，Uweb希望依托在数字资产与前沿产业研究中的积累，帮助学员把对技术趋势的理解转化为有依据的研究成果，以及能够持续应用于实际工作的专业能力。
BTCDayu：只估值、不预测，一套从实战中长出来的数字资产投资系统
本文内容为嘉宾个人观点，不构成任何投资建议，请读者严格遵守所在地法律法规。
9月24日晚，Uweb「AI投研精英孵化计划」导师专题课程迎来压轴一课。本期课程由香港理工大学工商管理学院—天坤数字稳定币与真实世界资产创新中心提供学术指导，Uweb 与 TECHUB NEWS 联合主办，邀请知名 KOL、Web3 研究员 BTCDayu（X 关注量 31.6 万+）围绕「数字资产投资逻辑与 X 运营思路」展开分享。
这是 Dayu 两三年来首次破例公开语音分享。他坦言，这次讲的是「经过实战考验的方法论」——从 2017 年 ICO 蛮荒时代到本轮「真实收入牛市」的周期演变，到「找机会、估价值、管仓位、退出」的投资四步法，再到 Meme 币的估值框架与 X 账号运营的四条原则，全程以亲身经历的真实案例展开：1U 看到川普发币时的决策过程、10U 抄底 Hyperliquid 的研究转折、3000 万市值分享后涨 20 倍的 Pons……Uweb 创始人于佳宁校长在课后总结中评价，这是一堂「理论与实战结合的顶级投资课」。
以下为课程对话实录，经整理编辑，有删减。
从 ICO 到链上金融：四轮牛市的叙事演变
Uweb：Dayu 老师，先请您讲讲您看到的这几轮牛市的变化。
Dayu：2017 年最火的是 ICO 白皮书，随便讲一个故事大家就疯狂打钱。那是蛮荒时代，来币圈的都是想搞快钱的人，没有什么投资逻辑，最赚钱的是币安这样「卖铲子」的交易所。
到 2021 年，大家围绕区块链搞创新，DeFi 上头，觉得要颠覆银行；NFT 一度被当成房子和黄金，连 Facebook 都改名 All in 元宇宙；GameFi 打金也火。但一轮泡沫过后，很多东西被证伪了——好玩的游戏不需要经济模型激励，王者荣耀不搞激励，CS:GO 开箱子一年赚 10 亿美元，它给你最好玩的东西就够了。
2023、2024 年出现大分野。先火的是 VC 币，像 TIA 从一两 U 涨到几十 U，链上收入个位数，但庄家和做市商上市第一天就开始套现。散户想明白了一件事：我为什么总要接盘？不如炒 Meme。于是 Pepe 涨到几十上百亿市值，Bome 三天冲到 10 亿，后来川普发币，简直是史无前例的印钞机。这个阶段整个 VC 圈都死掉了，很多交易所后台的 VC 投资平台都退出了，他们也被项目方割了。
直到 Hyperliquid 出来——它算币圈第一个有真实收入、并把收入传递给代币的项目。这一轮牛市我在 6 万多美元时就公开讲牛市大概率来了，我的判断是：这是一轮链上金融的牛市、真实收入的牛市，跟过去完全不一样。 现在不会再有川普那么猛的 Meme 了，大家看的是回购、看真实收入。最近我分享的 Pons，每天收入几百万美金，我在市值 3000 万美金时分享，很短时间涨了 20 倍。
投资系统四步走：找机会、估价值、管仓位、退出
Uweb：您的投资系统具体是怎么运转的？
Dayu：大概四步。第一步找机会，核心是不要有偏见。ORDI 出来的时候，多少人看不上铭文？越是水平高的技术员、程序员越瞧不上。有的人看到泡沫就讨厌，有的人说泡沫是啤酒的一部分。如果一个东西别人能赚钱而你没赚到，那一定是你的问题。我们不要做最聪明的穷人，要做没那么聪明的富人。
第二步估价值，这是传统投资逻辑里很重要的一点。去看看巴菲特、段永平，关注内在价值。不管那是个什么币、不管是谁推荐的，你得自己能评估它值多少钱。
第三步管仓位。我一直强调风险等于收益，你想要 10 倍收益，就要承认它可能是 10 倍风险。比特币不会跌 90%，也不会暴涨 10 倍，是一回事。我给所有新人的建议是杠铃策略：九和一。只玩币圈的话，牛市里九成仓位放比特币，币本位去思考；一成仓位参与高风险高回报，这一成还可以再细分 5 份、10 份，错一次亏 0.5% 没关系，赚了就增厚总回报。也可以 90% 放股市、10% 放比特币，这更适合大资金。
第四步退出。加仓、减仓或离开，要未胜先虑败。新手最常问的问题是「我套牢了怎么办」，千万不要等到那时候再问，太晚了。别人跟你说割了吧，明天涨了你打他吗？投资只能靠自己，买之前就要想好什么情况下加仓、减仓、离开。
「只估值，不预测」：最重要的六个字
Uweb：您提到整个系统里最重要的六个字？
Dayu：只估值，不预测。 我没看到传统投资人或币圈的人讲过这个。我只研究这个东西值多少钱，但不预测它明天涨还是跌、涨到哪里——我放弃了，我没那个本领。
你会发现市场上最受欢迎的人，永远是那些信誓旦旦说「什么时候跌到什么位置」的人。我从来不看这些。我坚信一件事：市场里赚最多钱的人，一定不是每天预测市场的人。我的资产要再翻 10 倍、100 倍，不靠这个东西。把精力放在「值多少、价格是否合适」上，减少对短期涨跌路径的猜测。画线、利好利空、宏观分析，很多都是浪费时间。
Uweb：只估值的话，具体怎么估？
Dayu：有收入的币很简单，看 PE、PS，收入除以市值，是 20 倍、30 倍还是 50 倍。你手上这笔钱，放拼多多可能 PE 是 5，两个商业模式有本质区别，你更看好哪个？用 5 年、10 年的眼光去看。最难的是 Meme 币的估值，这个后面专门讲。
还有一点很重要：忘掉成本价。 很多人一看 K 线拉直了就不敢上车，总想等回调——这是买菜砍价的心理。一个标的你 10 块钱买过、50 块卖掉了，现在你看懂它能涨到 500，你买不买？不要因为你曾经 10 块钱买过就不买。涨了多少、跌了多少，都不能单独回答「贵不贵」。我买 Bome 是 3000 万市值，买 Pandora 是 4000 万市值，最早第一分钟进去的机器人可能已经赚了一万倍，那又怎样？我从不看涨幅，只看东西值多少钱。
杠铃策略之外：「舒服的仓位」与「出手就有胜败」
Uweb：很多人纠结「到底买多少」，您有标准吗？
Dayu：我反对纸上谈兵，不做高认知的穷人。你经常跟人说「这个我早看到了、我买过」，没有意义，你赚了多少，这是唯一的问题。 想赚钱就必须出手，而出手就一定有胜有败——每次出手要有清楚的逻辑，同时假定自己一定有没考虑到的东西。
仓位上我有一个标准，每个人都能用，叫舒服的仓位：买完之后，你做了判断，觉得它没有 rug 风险，跌了你都不关心，不影响睡觉。搞合约的人晚上睡不好、半夜调闹钟，那就不对了。如果你不舒服了、想去问别人「还能回本吗」，说明仓位太大了。我们群里总结过一句很搞笑但很管用的话：当你想问别人要不要卖的时候，就该卖；当你想问别人能不能买的时候，答案就是不能买——因为你自己没搞清楚。
卖出也可以换个方式问自己：你 1 万美金买的东西涨到 20 万美金了，越涨越不舍得卖。那你就假设自己没买过，手上拿着 20 万现金，问自己愿不愿意把 20 万全部买成它？如果答案是「我会拿 15 万买比特币、5 万买它」，那你现在就可以卖出 15 万换成比特币了。
川普发币之夜：信息差、认知差、价格差的实战样本
Uweb：能复盘一下川普发币那次吗？很经典。
Dayu：赚钱就看三个差：信息差、认知差、价格差。信息差不值钱——这个时代信息还少吗？微信群、媒体、推特到处都是。值钱的是你看到消息的时候在想什么、在做什么。
川普发币 10 分钟我就看到了，当时我在群里说「此时不赌，何时赌」。我看到 Moonshot 在上币——那是美国合规平台，每次上币都要审核，如果是 rug 盘对它很要命；池子金额非常大，不是普通庄家；流通市值只有 20%，80% 锁定。我要判断的就两件事：第一是不是诈骗；第二，假设不是，它值多少钱。1U 时是 10 亿市值、2 亿流通。马斯克喊单的 DOGE 牛市市值接近 1000 亿，SHIB 六七百亿。总统亲自发币，一只青蛙都能上百亿，总统发币 100 亿一点不过分。模糊的正确就够了。
那几分钟 K 线剧烈波动，从 1U 到 2U 又跌回 1U，律动发消息说合约有问题，群里一片恐慌，有个赚钱很厉害的大佬在倒计时「50 秒归零」。这种情况下，你脑子里的信息千变万化，最后靠的还是自己的判断。
顺便说一句认知差：我香港有个朋友，从来不炒币，川普 50 美金时买的，涨到六七十时给我留言说「我觉得自己真有投资天赋」。我大吃一惊，提醒他及时兑现。后来特朗普夫人发币，他七八 U 买的，我 11U 就卖了——我给自己定了死规矩，投机不允许从赚到亏。两三个月后他来问我，那个币快跌没了怎么办。Meme 一旦叙事反转就回不去了，注意力走了，就像你不会去二刷一条短视频。他最后说「我发现我一点投资天分都没有」，退出了币圈。
Meme 也有价值投资：天然钻石与人造钻石
Uweb：您第二个主题是「Meme 币也有价值投资」，怎么理解？
Dayu：先纠正一个误区：价值投资不等于死拿，长期持有也可能是套牢了。马斯克说过「谁掌控了 Meme，谁就掌握了世界」。很多人看不起 Meme，是没懂人类社会的底层逻辑——人类就是靠叙事组织起来的。 水泊梁山靠「替天行道」四个字团结人，陈胜吴广靠「王侯将相宁有种乎」，李自成靠「不当差不纳粮」六个字。智人淘汰体格强两三倍的尼安德特人，靠的就是语言和叙事。往大了说，比特币、黄金、钻石，都是某种意义上的 Meme——「钻石恒久远，一颗永流传」，直到河南把人造钻石做出来，叙事才崩。
好的 Meme 和差的 Meme，区别是天然钻石和人造钻石。 天然钻石是自发形成的共识：事件与情绪在合适的时机相遇，天时地利人和，圈外人也能理解，新社群不断加入，表达持续生长。人造钻石是 CZ 说了个什么、马斯克发了个新模型，声量靠少数聚集者硬撑。
最好的例子是 ORDI：比特币链上第一个铭文，前所未有，「大饼 BTC、小饼 ORDI」圈外人一听就懂。币圈几亿用户想改命，比特币太贵，他们会寻找搏一把的机会，新社群必然不断加入；当时各大交易所五一不放假加班上线铭文——共识的增长路径非常清楚。我 1U 时在 Space 讲它，一两周后到 29U。
看 Meme 要讲天时地利：天时看情绪周期，地利看生态。 比如 Robinhood 链，它的用户是炒碎股、炒 GME 起家的，最喜欢投机，上面的 Meme 发行平台就值得看，再监测链上稳定币增量这些资金指标。反过来，BSC 上很多「舔狗币」——天天盯着币安两个大佬发不发推，没意思，没有人喜欢当舔狗。
还要注意：第一个大池子是格局，第二个大池子是大收割。 Bome 的画家把大家打的 5000 万美金全部锁进池子，币圈从来没发生过这种事，这是天然钻石；后面再有大池子出来，你过去就上套了。Meme 没有利润表，但不等于无法研究——研究对象变成了叙事、情绪、共识。
选标的：看团队、看回购，只看龙头
Uweb：落实到选标的，您看什么？
Dayu：看团队。我以前研究过 GMX，Arbitrum 上最大的链上合约平台，研究透了发现上限有限，很沮丧，觉得链上永续合约不值得看了。所以 Hyperliquid 上线时我觉得「这搞不成」，结果币价 1U、3U、5U、16U 不跌，几十亿市值——资金正在做选择，我觉得奇怪，跑去研究，一眼就吓了一跳：项目方直接拿了 6 亿美金放在池子里。 币圈有几个项目方有 6 亿美金做 LP？这个世界上有 6 亿美金的人不多，这个愿景就大了。我十几 U 开始买，20 多 U 时买了几百万美金。
反过来，BSC 上很多 Meme 发行平台，一年赚上亿美金，对用户回报是零。币圈很多「空气币」，持币者没有任何利益，币还不停释放，你只是接盘。伟大的公司最大的买家是它自己——回购和真实收入分配，是这个周期最关键的东西。另外我原则上只看龙一，不看龙二。
X 运营四原则：价值、真诚、屏蔽噪音、不接广告
于佳宁：最后请 Dayu 老师讲讲 X 的运营思路，这也是很多同学关心的。
Dayu：我粉丝几万的时候跟朋友说过，我会成为中文区最有影响力的人。基于三个判断：第一，持续给别人提供价值，关注者一定会越来越多；第二，长期做，粉丝会健康有机增长；第三，大多数人不会像我一样把这事当爱好长期坚持——你看早期财富自由的大佬，现在话都不想说了。
我的原则有四条。第一，先给他人创造价值。 有人写段子、有人哗众取宠、有人挑动情绪，这些都能换来关注，但不长久。我给自己的定位是研究者和分享者，只聚焦两件事：这东西怎么赚钱、逻辑是什么。我自己也想知道，就这么简单。
第二，保持真诚，不要装。 我讲过一句话：如果今年不觉得去年的自己是傻子，说明你没进步。最好的状态是这个月觉得上个月的自己相当傻，说明进步很快。
第三，屏蔽噪音，不与任何人纠缠。 不需要所有人认同你，不喜欢的直接拉黑。雪球的段永平拉黑更猛，你建议他多喝热水他都拉黑你——他要不要喝热水他自己知道。就做自己觉得对的事。
第四，不接广告、不做商务。 这条不作为建议，是我给自己的规则。找我的人很多，一年千万级别没问题。但第一，研究者接了商务会失去中立，跟第一条原则冲突；第二，拿了钱就要服务，我不喜欢；第三，越是垃圾的项目给的钱越多，越是好项目越不需要给钱——一旦开了口子，就得不断放低底线。我把所有时间精力专注在一件事上：提高自己的投资水平。
对新账号，我的建议是认真去交流。每个大 V 都喜欢认真的评论，认真去学，就这么简单。
问答环节
于佳宁：评论区有人问，为什么 Hyperliquid 这么猛，而背靠币安的 Aster 起不来？
Dayu：我基本不炒「背靠币安」的项目，CZ 转发评论的我甚至有点反感。我的投资逻辑只关注这个东西本身是什么。Aster 的 API 接的是币安合约，华尔街会用它吗？它是个仿盘。你看好币安为什么不直接买 BNB？看链上为什么不买龙头？把两个的交易量、营收拉出来对比市值，你会发现它并没有那么超值。
Uweb：有同学问，Meme 币值多少钱，主要看什么量化指标？
Dayu：没有量化指标，每个 Meme 都不一样。ORDI 是比特币链上前所未有的铭文，Bome 是前所未有的大格局锁池，川普是总统发币——下次没有总统发币了，你怎么量化？顺便说一句，我知道咱们是 AI 训练营，很多同学会很多工具，但我一直反对一个方向：做各种信号和辅助决策工具，我认为违反第一性原理。 一个工具如果真能帮人赚钱，你就不需要卖给别人，自己用就发大财了。
Uweb：狗狗币还有多大上涨空间？
Dayu：问得好，我正好借这个问题讲「只估值不预测」。马斯克已经彻底抛弃狗狗币了，你给它估的内在价值是什么？我看不懂，就不买。至于还能不能涨、跌到哪里——这类问题我的系统里没有，我永远不预测。
Uweb：Hyperliquid 现在的估值和未来空间怎么看？
Dayu：未来空间很大，但现在的价格我已经完全不感兴趣了。它每天收入约 200 万美金用来回购，市值冲向千亿——按 PE 算，这个世界上有太多更好的标的。它还有合约风险、被盗风险、监管风险，需要更多时间证明自己。同样日入 200 万美金，Pon 才几亿美金市值，商业模式和上限完全不同。我在 Hyperliquid 赚的钱，宁愿慢慢卖一大部分换成拼多多——一年赚那么多钱，PE 才几倍，它反正死不掉，我只知道它真的太便宜了。
Uweb：以太坊的未来怎么看？
Dayu：以太坊是个好东西，但它的未来我不太关心。我来币圈只关心怎么赚钱：杠铃策略里 90% 一定是比特币，不用关心以太坊；另外 10% 我要买涨得猛的，也不会买以太坊。
Uweb：普通人怎么第一时间发现有价值的 Meme？
Dayu：两种方式都可以。一是链上工具，比如我最近常用的 Form.al，它的热点频道把当天最热的币都聚合了，拿到合约或名字去推特搜一下，大概就知道怎么回事——这是个勤奋活，得不停监测。二是看高质量的群在聊什么。但进群解决不了根本问题，新手进群最想问的都是「还能买吗、要不要割」，这些问题没人能替你回答。你把我的推特和 dayu.xyz 的公开内容全看完，可能比进任何群都有用。归根结底，投资想赚钱，一定是自己的认知提升了，而不是跟了一个老师。
Uweb校长于佳宁：从硅谷到纽约，AI与Web3最新落地趋势
9月10日晚，由香港理工大学工商管理学院天坤数字稳定币与真实世界资产创新中心提供学术指导，Uweb（University of Web3）与Techub News联合主办的"AI投研精英孵化计划"导师专题课程在线上开讲。香港Uweb商学院校长、香港注册数字资产分析师学会（CDAA）学术委员会轮值主席于佳宁博士，以"从硅谷到纽约：Web3与AI最新落地趋势"为主题，分享了他过去一个月在硅谷与纽约游学调研的一线观察。
从香港Web3教育的开拓者，到AI投研实训的布道者，于佳宁这次带回的不是概念，而是故事、判断与机会图谱。以下为课程对话实录，Enjoy：
「品味，是AI时代最稀缺的能力」
Uweb： 于校长，这次在硅谷调研，印象最深的一件事是什么？
于佳宁： 是一个斯坦福教授给我讲的故事。他有个博士生，每天下午五点之后人就消失了——邮件不回、电话不接、WhatsApp也不回，周末同样找不到人。他去干嘛了？去斯坦福附近的山上拍鸟。这是一个极其狂热的鸟类摄影师，除了搞AI研究养家糊口，所有剩余时间都在拍鸟。
这个人毕业去了哪里？OpenAI，成为Sora视频模型早期的核心成员。教授说这并不意外——常年专业的鸟类摄影经验，让他对动物的动作、摄影构图、自然界的色彩与光线有极其深入的理解。每天花大量时间细致观察森林里的光影、鸟类复杂的动作，这种对真实世界的理解，成为他训练视频模型时最重要的能力。他不光知道怎么用计算机语言高效训练，更重要的是他看得懂AI生成的图像和视频——空间位置对不对、光影对不对、色彩是否真正接近真实、有没有明显的错位。
让AI生成几段视频，我们大部分人可能都觉得"好看，不错"，但专业人士一眼就能看出问题。人脑中这种"对与不对"的判断，也就是真正理解现实世界、并能比较现实世界与AI生成世界之间区别的能力，正在成为最重要的能力。即使我们去读斯坦福的博士，只懂计算机，也未必能成为Sora团队的早期成员。所以我认为，品味越来越重要，当然，这件事也越来越难。
Uweb： 这对我们的选手意味着什么？他们大多不是计算机背景。
于佳宁： 恰恰是机会。前段时间上海交大有个很火的PPT，讲的是"人工智能首先革了人工智能的命"，学校在很多方面已经高度边缘化，还特意加了个括号：不只是算力。学生比老师厉害，老师能教什么？程序员是最早被AI革命掉的一波人。而我们的选手，非计算机背景，现在可以做面板、做网站、做游戏——这真是一个最美好的时代。每个人唾手可得，可以以极低的成本去实现自己的梦想。不管你是艺术家的梦想还是别的什么，只要你有想法、有品味、有感觉，就可以成为很好的创作者。过去这不可能，因为创作者不光要有天赋，还要经过极其漫长、极其艰苦、消耗大量金钱和时间的训练。现在，这些都不需要了。
「AI只给你『平均正确』，观点必须长在自己脑子里」
Uweb： 您提到"文科比理科更重要"，这似乎和主流判断相反？
于佳宁： 前一阵有个播客，硅谷很多大佬被问到希望孩子读什么专业。很多大佬的回答并不是计算机，甚至不是人工智能，而是文学、哲学、法律——更纯文科的东西。表面上看，AI搞个文科的东西手拿把掐，文科似乎没用了。其实完全不是这样。AI时代，你能不能准确地、精准地描述一件事情，这决定了你能拿到什么样的结果。你说"我要一个漂亮的网页、一个炸裂的网页"，它能给你做出什么？你脑子中得先有那个网页的样子，才能描述出来。语言描述是一层，更底层的是你脑子中有没有东西——你对这个世界有没有独特的理解，能不能想到重要的问题，以及解决路径。
Uweb： 所以您建议选手不要天天跟AI聊天？
于佳宁： 对，这是我最近愈发强烈的感受。我听说有家顶级AI公司，研究员上班基本不跟人聊天，整天拿着麦克风跟模型对话。他们是全世界驾驭模型能力最强的一波人，但我觉得，跟AI聊得越多，人的思维越会有问题。为什么？因为大模型公司给你的东西是一个"平均正确"——不温不火、不痛不痒。你让AI提一个极端的观点，几乎不可能。AI有所谓的"超级对齐"，这个动作本身就是让AI变得温和、中庸。提出惊世骇俗的观点对模型公司没有任何好处，只有风险。
所以观点这件事，指望AI给你，非常难。更靠谱的逻辑是：你有了观点，让AI帮你解释、帮你展开。我给一个"1比1原则"的建议——你跟AI交流了三个小时，就赶紧去找人交流三个小时。可以去参加会议，可以看YouTube、B站的真人视频，总之要接触真实的人。
「如果相信《AI 2027》，现在可能是加仓AI的最后窗口」
Uweb： 您这次重点讲了一部小说《AI 2027》，为什么一部科幻小说值得如此重视？
于佳宁： 先特别声明一下：这部小说里有大量针对中国AI的抹黑性、污蔑性言论，我们坚决反对，大家一定要批判性阅读，不要被错误言论带到沟里。但我仍然专门拿它来讲，是因为它的预测准得惊人。这部小说2025年4月发布时我就看过，当时没什么感觉，甚至觉得晦涩。但到今年下半年回头看——它在2025年初就明确讲，coding是最重要的事情，没有之一，并且整个叙事完全基于agents。那时候大家还觉得对话能力强就是王道，ChatGPT、Gemini都有点"美国豆包"的逻辑。结果今年，coding路线和agents路径完美契合，成为绝对主线。
它还说2026年中国模型会对美国模型造成实质挑战。2025年的时候，有这种认知的人很少，但现在我们看到，中国模型通过开源走出了自己的路径。AI变成国家竞争的主战场，这几乎是必然，而且这种竞争甚至在改变美国的财政政策。
Uweb： 小说真正的核心是什么？
于佳宁： 递归自我迭代，RSI——AI自己研发自己。小说绝大部分篇幅在讲2027年，RSI实现之后，AI世界会变成什么样。里面有个虚构的公司叫Open Brain，你可以把它理解成任何一家顶级模型公司。RSI实现之后，公司的研究员变得无比繁忙，每天睡在办公室。为什么AI都自己开发自己了，人类还精疲力尽？因为你得理解它、解释它、监测它——光是搞清楚自家产品正在做什么，就已经是一个巨大的挑战。而这些人也知道，自己这份工作做不了几个月了。
小说里还提到"神经语言"：既然人类语言限制了模型，干脆让AI自己发明一套语言来思考和生成内容，彻底舍弃人类语言。我听说确实有人在做这个方向的研发，它或许是解决超长记忆问题的重要路径。但如果真走到那一步，人类的工作就变成了翻译AI的语言，而且翻译会越来越难——两个物种之间的分歧，这就不再是工具与人的关系了。
Uweb： 这对投资有什么启示？
于佳宁： 如果小说的后续预测和前面一样准确，那2027年可能才是AI真正爆发的元年、AGI的元年。我们经历的所有AI行情，可能都还在"主元年"之前。如果你相信这个判断，而你的AI仓位又不够，那意味着什么，大家可以自己思考。RSI一旦实现，模型迭代速度会进入周级、天级甚至小时级，对高性能训练与推理算力的需求会暴增，最受益的一定是半导体。当然，加速还是减速，取决于人类能否找到约束AI的路径，也取决于大国竞争的走向——不同的结果，对投资的影响是巨大的，每个人都要找到自己的信念。
「AI竞争早已不是商业竞争，而是国家竞争」
Uweb： 您怎么判断美国接下来的宏观政策走向？
于佳宁： AI竞争绝对不是一个简单的技术竞争或商业竞争，它事实上已经成为国家竞争、国家对抗的主战场。回看今天你会发现，中国的AI战略非常有前瞻性——从当年搞国产化、搞信创开始，配套供给侧改革，整个国家已经在为科技集中力量。美国也在发生同样的变化：财政会变得更宽松，而这次中期选举之后，财政约束可能被真正打开。我在Polymarket上看到，民主党拿下两院的概率已经到56%。民主党更强调社会福利和社会公平，而公平，本质上都要用财政去砸。
再往下推一步：AI造成的社会不公平，最终只能靠财政兜底。AI公司现在普遍亏着钱，你收不了"AI税"，那失业的人怎么办？UBI（全民基本收入）你不搞也不行了，钱从哪来？只能财政出。财政纪律几乎不可能继续维持，债务问题难以解决，最后很可能走向债务货币化。看沃什的表态，中期选举之后，通胀目标或许会被逐渐放开。
Uweb： 那市场关心的加息问题呢？
于佳宁： 我个人判断，现在加息可能是为了更好地降息。沃什在中期选举前表现出的姿态，很可能是一种相对防御性的姿态。彻底进入加息通道的条件并不具备——从长期看，美国的化债问题必然要解决，高利率环境对美国这个国家来说难以持续。即使9月份真的加息，你也很难说未来会进入加息通道。发展AI、发展科技是美国两党的整体共识，这一点毫无疑问，而以举国之力发展AI，客观上对更加宽松的货币环境几乎没得选。
「从卖Token到卖结果：FDE与GEO是两条新赛道」
Uweb： 硅谷的AI商业模式正在发生什么变化？
于佳宁： OpenAI已经明确开始试行"按结果收费"的模式。这就是我们说的广义FDE（前沿部署工程师）逻辑——AI企业落地，从卖算力、卖token，转向卖"真正解决的问题"。这也是OpenAI为什么砸几十亿美金去搞FDE公司：不是简单雇几个人，而是要孵化顶级公司来做这件事，只有做好前端部署，才能真正进入销售结果的阶段。
我一直在思考一个问题：token到底是消费品还是生产力工具？如果是生产力工具，就得给企业带来真实的收入增长或成本下降。说实话，现在有多少人真正用AI赚到钱了？未来中国的AI销售也会走向"以结果为导向"这个路径，这对大家来说是机会。另外，OpenAI和Anthropic现在真正做模型训练的岗位招得越来越少，反而是FDE、具身智能这些方向在扩招——模型厂商、云服务商、软件服务商、客户，四个层面都在往这个方向推。
Uweb： GEO也是您这次反复提到的概念。
于佳宁： 对。现在大家的消费决策，正越来越多地转向AI问答。我自己买东西基本都让AI帮我选，结果一般都相当不错。那反过来想——怎么让AI推荐你的产品？这就是一个全新的大市场。金融销售是投研很重要的一环，比如一只基金、一个理财产品，能不能在各大模型上被有效地推荐出来？能不能说服模型，再通过模型说服消费者，最终让模型实打实地为你带来获客？
GEO和SEO完全是两回事。搜索引擎容易被欺骗，它基于指标做选择；但GEO的前提是模型真正"理解"内容——你得先说服大语言模型，让它相信这个产品为什么好，它才会推荐给更多人。过去SEO那种大力出奇迹、堆链接堆文章的玩法，在GEO时代肯定不好使。我举个例子：我这次在美国游学，让AI帮我推荐翻译软件，效果极好。付费的时候我惊讶地发现，它在问卷里问"你是从哪知道我们的"，选项里最靠前的就是ChatGPT、Claude这些——说明他们在GEO上已经做得很不错了。我非常推荐我们的选手在后面的路演环节做"金融GEO"这个方向，如果能走通，价值巨大。
「美国的瓶颈不是卡，是电」
Uweb： 算力和能源层面，您在美国听到了什么？
于佳宁： 一个明显的变化是，越来越多美国公司开始从performance target（性能目标）转向budget target（预算目标）。不是一味用最好的模型，而是在成本可控的前提下解决问题——这和我们教学中"学习阶段尽量用最好模型"的逻辑不矛盾，真正到企业落地，成本优化本身就是用好agents的核心能力。
另一个重要趋势是分布式数据中心——集装箱式的小型AIDC。电力规模小、对环境影响小、环保审批更快，合规成本低，这实际上是一条审批的捷径。数据中心有规模效应，想建大就会触发更严格的审批，一涉及政府审批就不是一天两天的事了。所以在美国的真实情况是：硬件没那么稀缺，卡没那么值得焦虑，真正的瓶颈在电——电力供给、电力设备极其短缺，电力工人极其短缺，电网负荷能力也是瓶颈。
Uweb： 很多人关心矿场转AI数据中心的机会。
于佳宁： 纯粹从矿场转AI数据中心，很难，甚至不可能。BTC矿场可以做储能模式，跟电力公司谈到足够低的价格，特定时间关机重启是完全允许的——比特币网络不依赖任何单一矿场。但AI数据中心是服务，有明确的服务对象，需要7×24小时持续运营，这不是一个去中心化的模式。不过，结合储能做分布式小数据中心，反而有它的逻辑：美国峰值电力不够，只能增加装机容量，而谷时需求又急剧下降，储能恰好成为这种小型化建设模式的基础。
还有一个技术路线值得大家关注：随着图像模型在文字生成上的能力越来越强，用diffusion方式生成有意义的文字，不再是完全不可能的路线。transformer的速度瓶颈越来越明显，diffusion和transformer的结合，未来可能成为一条重要技术路线，建议大家关注这个方向的公司。
「5×23小时交易时代，每个人都要成为量化专家」
于佳宁： 纳斯达克12月6日开始正式启用夜盘——这和现在的盘前盘后、暗池完全不同，会有正经做市商参与，流动性相对不错。5×23小时交易，很可能成为金融agent落地的核心场景。以前你日盘结束平了仓就没事了，现在万一夜盘大涨大跌呢？有杠杆的话，一个插针仓位就没了。每个人都被迫要变成量化专家，不能适应新玩法的，可能就出局了。
这其实是web3从业者早就熟悉的痛苦——全球24小时交易，你睡觉的时候敢不敢留仓位？现在传统交易员也要开始痛苦了。但痛苦就是机会：全天候交易开启之后，AI持续监测、金融前端工具，很可能变成真正的金融产品。我们搞孵化计划的一个重要前提就是：单靠具体交易策略持续赚钱是很难的，你需要把它产品化、平台化。5×23小时这件事，恰恰给了大家一个高级场景。另外，AI agent交易如果和美股新交易模式对接、和perp、RWA对接，都是很有价值的方向。未来高度AI化的trading terminal，可能源自web3，最终成为全球主流的交易工具。
「Web3的合规拐点：SEC新政与『准公募』时代」
Uweb： 转到Web3。大家最关心的是美国监管，清晰法案的前景如何？
于佳宁： 清晰法案9月15日就要表决。美国一些律师的观点是——我只说这是一种观点——如果这次不能真正通过，可能接下来两年都过不了，因为众议院大概率会换血。但这不意味着民主党反crypto，绝对不是。问题在于特朗普把crypto和他本人、和共和党绑得太死了。那位律师反而认为，长期看一定会过，而且未来过的版本可能比现在更激进——但两年时间，足以毁灭很多东西。
Uweb： 那SEC今年1月的代币化新政，您怎么评价？
于佳宁： 这是极度利好，但也是有风险的利好。SEC承认了四种代币化模式：发行方主导、第三方主导、把股东名册映射到区块链上的集成模式、托管发币，以及用永续合约合成代币——在SEC看来都是可接受的代币发行机制。更关键的是8月21日正式刊登联邦公告的Regulation Crypto Assets，目前还在征求意见期。它的核心逻辑是"两项发行豁免加一项退出安全港"：创新豁免允许四年内完成500万美金的发行；融资豁免允许24个月内募集2000万或7500万美金；完成去中心化、把管理工作移交给DAO治理之后，投资合同终止，代币从证券变成商品。
这意味着什么？你可以用美国公司向美国公民做代币融资，它既不是上市，也不是传统的私募股权，而是一个"准公募"状态——证券本身是有流动性的，但你不用走上市那条路。过去参与股权私募，退出非常难；而币圈私募虽然发币就能在二级市场退出，却没人管、风险巨大。现在相当于两者优点合体：保留私募的体验，同时项目方可以在美国公开合法地做这件事，前提是你向SEC报备、接受它盯着。如果你搞欺诈、割韭菜，SEC会来找麻烦。
Uweb： 风险在哪里？
于佳宁： SEC这次明显操之过急。在没有明确法理基础的情况下率先推出监管措施，本质上有点问题——某种程度上是给特朗普"打call"的政治化操作。我们在纽约时，有律师明确表示，未来可能出现针对SEC的法律诉讼来推翻这个政策，因为不是基于立法的政策是有可能被诉讼推翻的。所以这是一个"无本之木"的改革——清晰法案不落地，这个政策的底气就不足。极度利好与政策风险并存，这一点大家必须清醒。但无论如何，一个合规ICO、链上IPO的时代正在打开，让监管适应市场，而不是让市场简单适应监管——这是美国式灵活性的又一次体现。
「比特币100万美元？别把声音当共识」
Uweb： 最后一个市场问题：比特币100万美元一枚的说法，您怎么看？
于佳宁： 这首先是一部分人的观点，比如木头姐。它从来就没有成为过共识，也很难成为共识。我们算一笔账：假设这波低点是6万，10倍也就60万——从底部到顶部超过10倍，其实已经很难了。如果跌到5万起步，10倍也就50万。这和早期币圈的疯狂，完全是两回事。
这次在美国，我的真实感受是：华尔街对crypto的热情远超香港。香港是价格一跌，对web3的热情就急剧降低；但在华尔街，没人觉得crypto是骗局，大家想的还是沿着这条路怎么走。BTC作为美国主导的一种"国家资产"，作为面向全世界的新金融控制手段，这个定位没有变；区块链在各行业的落地应用没有变；机构的长期配置也一直在干。变的可能只是节奏。另外多说一句：当基金经理成了网红，观点表达过多，往往不是好事——市场会狙击明牌。
「养好身体，活到150岁，去见证这个时代」
Uweb： 课程最后，您为什么专门花时间讲长寿医学？
于佳宁： 因为AI for Science正在带来真实的突破。人类在AI辅助解数学题上已经达到了疯狂的状态——只要你确定一个真正有价值的研究方向，AI就能快速帮你解答。我最近访谈了不少医药投资专家，他们有一个共同的说法：现在一定要养好身体，养得越好越好。因为人类距离彻底消除疾病，可能并不是遥远的事。如果你去海南博鳌乐城看看，各种各样的新疗法应接不暇；对标国际一线水准的高端医疗资源，也正在以特殊的审批模式引进。
大部分人并不是老死，是病死。如果疾病不再成为问题，人均寿命达到150岁是完全有可能的。我们可能是最后一代人类，也可能是通向终极幸福的第一代人类——AI到底会不会毁灭人类，我们要有命去见证。所以各位选手，不要太辛苦，养好身体，这件事比什么仓位都重要。
尾声
据主办方介绍，"AI投研精英孵化计划"目前已有29位选手晋级至第二赛段，学员产出的优秀AI投研成果将汇编成册，通过香港正式书号出版发行，编委会成员正在面向学员招募。孵化计划将于10月22日在澳门举行线下结营仪式，为坚持到最后的学员颁发结业证书。此外，由香港考评局组织考试、香港注册数字资产分析师学会学术委员会主席梁定邦博士签发的CDAA数字资产分析师证书，今年一级考试将于12月举行，目前报名通道仍然开放。
对话白海峰：从算力革命到 AI 投研，智能金融的机会在哪里？
本文根据 2026 年 9 月 17 日课程直播内容整理，文字经编辑删节，非逐字实录。嘉宾观点仅代表其个人观察，不构成任何投资建议。
2026 年 9 月 17 日，由香港理工大学工商管理学院—天坤数字稳定币与真实世界资产创新中心学术指导，Uweb 与 Techub News 联合主办的“AI投研精英孵化计划”公益导师专题课程在线上举行。
香港中资基金业协会创始副会长、《RWA与通证化》《股币融合》作者白海峰博士，围绕“智能金融与数字资产：从算力革命到投资变革”展开分享，并与主持人陈伯伦及学员进行了交流。
在这场课程中，白海峰没有将 AI 简单视作一个技术热点，而是将其拆解为能源、芯片、算力中心、大模型与应用五个层级。他认为，AI 并不是单一行业，而是一组差异显著、彼此关联的产业系统。不同背景、不同资源禀赋的参与者，都有可能在其中找到适合自己的切入点。
谈及投资研究，他提出了判断 AI 能否重塑某项工作的三个条件：是否能够自我验证、是否由专家使用、是否可以通过电脑闭环交付。在他看来，AI 未必会直接取代基金经理，但具备专业能力的基金经理，在 AI 的辅助下，有机会突破原有认知与效率边界。
对于普通投资者，他的建议相对克制：如果并不具备个股和行业的研究优势，与其追逐热点，不如通过指数化、分散化和长期定投降低择时难度。对于希望进入 AI 投研领域的人，他强调的也不是“让 AI 代替学习”，而是先成为能够使用 AI 的专业人士。
AI革命的速度：技术不再等待学习者
陈伯伦：您在课程开始时提到，这一轮 AI 技术革命与以往的产业革命并不相同。它最突出的变化是什么？
白海峰：最直观的变化是速度。
过去无论是蒸汽机、电力、互联网、移动互联网，还是区块链，技术在发展过程中都会给社会留下一段学习和适应的时间。它不会等所有人，但至少会等一部分愿意学习的人。
这一次 AI 的发展速度明显更快。很多我们刚刚建立起来的认知和预设，可能在很短时间内就会被新的模型、新的产品和新的商业模式改写。即使是长期关注这个领域的人，也会发现自己需要不断更新知识结构。
今天大家看到的大模型竞争，本质上是一场高频竞赛。模型排名会影响估值，估值影响融资，融资又决定企业能否继续购买算力、训练下一代模型。只要在某一轮竞争中落后，市场就可能迅速调整对公司的判断。
与此同时，模型排名并不直接等于商业收入。训练更好的模型需要巨额算力投入，但模型最终能否形成稳定现金流，仍然需要经过商业验证。这是看待大模型公司时不能忽略的问题。
这一轮技术革命还有一个特点：它的上限目前很难预判。过去的科研成果通常带有比较明确的目标和路径，而今天 AI 的发展方向，在某种程度上已经超出了早期研究者的预期。即使是技术的发明者，也未必能够准确判断它下一步会走到哪里。
因此，面对 AI 带来的焦虑，首先要认识到焦虑的来源。不是某一个人掉队了，而是整个行业都在快速变化。问题不在于是否焦虑，而在于是否愿意进入这场变化之中。
科技圈有一句话：“On the table, or on the menu.”如果完全置身事外，看似没有参与竞争，实际上可能已经成为技术变革需要支付的成本。对大多数人而言，更现实的选择是主动学习、主动参与，尽量不要让自己停留在旁观者位置。
AI“五层蛋糕”：它不是一个行业，而是五个行业
陈伯伦：您在课程中借用了黄仁勋提出的 AI“五层蛋糕”理论。这个框架对理解 AI 产业有什么帮助？
白海峰：这个分类很有价值，因为它说明 AI 并不是一个单一行业，而是由五个差异很大的行业共同构成。
第一层是能源。能源决定智能的规模能否持续扩张。没有稳定、低成本、可持续的电力，算力中心很难长期运转。
第二层是芯片。芯片决定计算效率和计算成本，也是当前中美科技竞争中最受关注的环节之一。
第三层是算力中心和基础设施。它不仅包括芯片，还涉及机房建设、电力接入、散热、运维、网络以及政府审批等一整套工程能力。
第四层是大模型。它是今天公众最熟悉的部分，也是人才、资本和媒体注意力最集中的部分。
第五层是应用。只有当模型真正进入金融、医疗、制造、办公、教育等场景，AI 的技术价值才会转化为更广泛的商业价值。
理解这五层之后，就会发现“进入 AI 行业”并不等于一定要加入大模型公司。不同行业、不同职业背景的人，都有可能从自己的资源禀赋出发，找到与 AI 产业链的连接点。
比如，一个做机柜、托盘、轴承、变压器或者电力工程的企业，看似与大模型没有关系，但如果它的产品能够满足算力中心对稳定性和可靠性的要求，就可能在这一轮产业扩张中获得新的增长空间。
甚至对普通劳动者来说，也未必只有成为算法工程师才算进入 AI。算力中心需要建设、维护和电力配套，具备相关技能的电工和工程人员，同样可能成为这一轮技术周期的参与者。
所以，AI 的机会不应被窄化为“只有最顶尖的模型人才才能参与”。它更像一个由不同产业共同组成的系统，每一层都有自己的竞争逻辑和机会窗口。
中美AI竞争：能源与基建先开局，芯片胜负未定
陈伯伦：在“五层蛋糕”的框架下，您如何看待中美在 AI 产业链上的竞争？
白海峰：市场上有一种说法，认为“美国缺电，中国缺芯片”。这句话有些概括化，但确实抓住了部分矛盾。
美国的核心问题并不只是发电量，而是电力成本、电网结构和基础设施建设效率。美国不同州之间的电网相对割裂，跨州调度存在障碍。部分地区的电网在极端天气下也比较脆弱。再加上算力中心审批周期较长，一些科技公司开始尝试自己建设电厂，解决电力供应问题。
但一家擅长算力和模型的公司，不一定天然擅长发电。如果基础设施需要企业自己补足，整体效率往往会受到影响。
中国在这一层面的优势相对清晰。过去多年，国家电网在特高压输电、跨区域电力调度等方面持续投入，形成了连接西部能源基地和东部用电需求的基础设施。光伏、风电等清洁能源也具备较强的产业基础。这些因素叠加，使中国在大规模算力中心建设上拥有较好的电力和工程条件。
芯片仍然是竞争最激烈的环节。中国企业与海外头部公司之间存在差距，但这种差距并不是静止不变的。通过先进封装、多层堆叠、软硬件协同等方式，部分制程差距有可能被工程能力弥补。
从应用场景看，推理芯片对极限速度的要求相对较低，国产替代的基础更加成熟；训练芯片的门槛更高，但国内企业也在持续推进。只要国产芯片能够被头部模型公司用于真实训练任务，就意味着它已经进入产业验证阶段。
因此，我不倾向于用“领先”或“落后”简单概括整个竞争。更准确的观察方式是回到五层产业链：能源、基建、芯片、模型、应用分别处在什么位置，优势能否转化为商业结果，短板能否通过工程能力补足。
至少在芯片和算力中心这两个环节，现在还不能说胜负已定。
从Agent到具身智能：应用落地仍需跨过商业门槛
陈伯伦：目前市场上关于 Agent、RSI、具身智能和机器人的讨论很多。您认为这些方向距离大规模商业化还有多远？
白海峰：Agent 经济是当前大模型发展的重要方向。所谓 RSI，也就是递归式自我改进，指的是 AI 在一定程度上具备自我修正、自我优化的能力。
如果这一能力真正成熟，技术的发展速度可能进一步加快，也会使未来的路径更难预测。它既可能是行业追逐的“圣杯”，也可能带来新的不确定性。我们既要看到它的潜力，也要意识到相关风险仍处于探索阶段。
从应用顺序看，编程是大模型最早深度改造的领域之一。原因在于，大模型最早由工程师创造，工程师也最熟悉它的使用方式。模型先在编程场景中找到效率提升的路径，再逐步外溢到其他行业，这是一个比较自然的过程。
今天讨论较多的 AI 部署岗位，实际上是在解决大模型落地的“最后一公里”。模型能力很强，并不意味着企业可以直接使用。如何接入业务数据、改造工作流程、满足安全合规要求、让模型真正产生效率，这些都需要新的服务形态。
未来一年，AI 应用公司可能会明显增多。办公、金融、制药、制造业和企业服务，都有机会出现新的产品形态。最终哪家公司能够占据更多终端，除了模型能力，还取决于产品入口、场景理解和工程交付能力。
具身智能和机器人也值得关注，但它面临的挑战更复杂。
当前的大语言模型主要基于文本和代码训练，而机器人需要理解视觉、空间、重力、距离和物理规律。人类很多常识并不是通过语言学习获得的，而是在真实环境中通过长期经验形成的。机器人要获得类似能力，需要视觉语言模型、空间模型和物理模型进一步成熟。
以人形机器人为例，腿部的观赏性和拟人化价值较高，但真正决定生产能力的往往是“手”。灵活性、关节控制、持续工作、散热、成本和安全性，都是必须解决的工程问题。
所以，对机器人行业不能只看演示效果，更要看它是否进入了真实生产场景，是否形成了可持续的商业模式。能够进入工厂、完成具体任务、创造可计算价值的机器人，才可能离商业化更近。
AI重塑投研：先成为专家，再挥舞AI这把剑
陈伯伦：学员们最关心的问题是，AI 能否真正帮助投资研究，甚至帮助投资者找到所谓的“圣杯”？
白海峰：先回答一个更基础的问题：AI 适合改造什么样的工作？
我和一位大型科技公司的工程师交流后，总结出三个条件。
第一，工作结果最好可以自我验证。
编程就是典型例子。代码写出来以后，能不能跑通、结果是否正确，可以很快验证。验证之后，模型可以继续修正，形成正向循环。
第二，AI 最好由专家使用。
芒格说过一句话，大意是：“我的剑只传给能够挥舞它的人。”AI 就像一把剑，使用者本身必须具有足够的专业基础。它很难让一个完全没有行业知识的人直接变成专家。
如果一个人不懂金融、不懂统计、不懂投资逻辑，只是学会调用模型，未必能够提出真正有价值的问题。相反，专业人士更容易判断 AI 的回答是否合理，也更容易把它嵌入自己的工作流程。
第三，工作过程最好能够通过电脑闭环交付。
如果一项工作的主要流程都能在数字环境中完成，它就更容易被 AI 改造。如果工作高度依赖线下沟通、情绪判断、肢体动作和人际关系，AI 替代它的难度就会明显增加。
用这三个条件看投资研究，会发现它比编程更复杂。
投资不是简单的“对”或“错”，因为它包含时间维度。一个买入决策，第二天上涨，看似正确；第三天回落，又看似错误。但投资者的逻辑可能没有变化，发生变化的是市场价格和观察时点。
年底净值创新高时，投资经理可能总结经验；年底出现回撤时，又可能需要检讨问题。但过程中的投资框架未必发生了根本变化。这意味着，投资结果很难像代码运行一样即时验证。
要让 AI 真正参与投资决策，必须先想清楚时间维度、风险约束和评估周期。否则，模型很容易把短期价格波动误认为能力，把运气误认为规律。
因此，我不倾向于简单判断 AI 能否取代基金经理。更现实的判断是：专业基金经理在 AI 的辅助下，有机会比原来的自己做得更好。
AI 可以帮助投资者处理信息、比较方案、回测策略、监控风险，也可以提高研究效率。但它不能替代投资常识，也不能替代专业训练。越想用 AI 获得更好的投资结果，越需要先建立自己的金融知识体系。
普通投资者如何参与AI周期：分散、指数化与长期定投
陈伯伦：如果投资者并不具备深入研究个股和行业的能力，同时又希望参与 AI 相关机会，应该如何进行全球资产配置？
白海峰：首先要区分主动投资者和相对被动的投资者。
如果一个人只是阅读新闻、研报和公开信息，这并不等同于具备研究优势。真正对一家公司有研究优势，通常需要理解行业上下游、商业模式、竞争格局、公司战略，甚至包括管理团队和执行能力。
对于不具备这种优势的投资者，与其集中押注少数个股，不如把全球主要市场作为一个整体来看待。可以按照不同市场的规模进行相对分散的配置，避免将全部资金集中在单一市场或单一主题上。
在工具选择上，指数化产品和大型资产管理机构提供的产品，可能比个人直接追逐热点更适合被动投资者。长期定投也可以在一定程度上降低择时难度，因为准确判断市场短期高低点非常困难。
这里的关键不是预测哪一个市场短期表现最好，而是先承认自己不具备稳定择时和选股优势，再用制度化的方式约束投资行为。
投资中最困难的并不是找到一个热门方向，而是在波动中保持纪律。对普通投资者来说，分散、指数化和长期投入，往往比追逐短期热点更容易执行。
当然，这只是针对相对被动投资者的一般性思路，不能替代具体投资建议。每个人的资产规模、风险承受能力和资金期限不同，配置方式也应有所区别。
从认知框架走向实战训练：AI投研学习仍在继续
这场课程并没有试图给出一个简单的市场结论，而是提供了一套观察 AI 与金融交叉领域的分析框架：
从能源、芯片、算力中心、大模型到应用，理解 AI 产业链的不同层级；从自我验证、专家使用到电脑闭环交付，判断 AI 对投研工作的真实影响；从分散配置、指数化工具到长期定投，认识普通投资者参与技术周期的边界。
对于希望进入 AI 投研领域的人而言，AI 不是学习的替代品，而是专业能力的放大器。只有先建立自己的金融常识、行业认知和风险意识，才有可能真正使用 AI 提高研究效率。
这也是“AI投研精英孵化计划”持续关注的问题：如何把 AI 工具、金融理论和真实投研场景结合起来，帮助学员从理解热点走向建立方法，从使用工具走向形成体系。
据课程主持人介绍，“AI投研精英孵化计划”将于 10 月 22 日在澳门举办线下大会，届时将为孵化计划学员颁发证书，并发布由编委会编制的新书。白海峰博士也将出席线下活动，与学员继续围绕智能金融、数字资产与 AI 投研展开交流。
从线上课程到线下实践，AI 投研学习仍处在早期阶段。技术仍在变化，市场仍在验证，方法也需要不断更新。但相比等待一个确定答案，更重要的是先进入现场，建立框架，并在真实问题中持续训练。
美股反弹还缺哪把火？两份周报看清盈利、信用与AI现金回报
盈利在改善，市场为什么仍然谨慎？这个周六，Uweb 小程序更新了两份美股周报。一份聚焦企业盈利、利率、信用与现金回报，另一份把宏观数据、联储政策和资产定价放进同一张观察地图。
两份报告放在一起，传递出一个清晰信号：支撑反弹的因素正在增加，但确认趋势所需的条件尚未全部到位。
与其只猜指数下一步涨跌，更值得跟踪的是三条投资主线——盈利能否兑现、融资条件能否改善、AI 投入能否转化为持续现金流。
01 / MARKET指数小跌，科技压力更集中
10 月 16 日至 23 日，标普 500 价格指数下跌 0.47%，纳斯达克 100 下跌 0.79%，费城半导体 SOX 下跌 3.21%。科技仍落后于大盘，半导体的压力尤为明显。
但本周并非只有谨慎信号。FactSet 口径下，标普第三季度混合盈利同比增长率回升至 29.5%；10 年期美债实际收益率降至 2.66%，较前值下降 8 个基点。盈利和折现率都在提供支撑。
另一组数据却提醒投资者保持耐心：截至 10 月 22 日，美国高收益债 OAS 为 3.40%，较 10 月 16 日走阔 9 个基点。国债收益率回落，并不意味着所有企业的融资条件都同步改善。
一句话读懂：盈利修复给市场托底，信用与现金回报决定反弹能走多远。
02 / EARNINGSAI 交易进入“现金验证”阶段
本轮科技股观察的重点，正在从“投入有多大”进一步转向“回报如何兑现”。
美股投资周报指出，Meta 的收入增长支持订单端，但资本开支金额本身不能证明现金回收；特斯拉毛利率有所恢复，费用与扩张仍消耗现金，自由现金流虽好于财报前调查样本预期，后续持续性仍需观察；Netflix 则呈现出经营韧性与全年自由现金流指引下调并存的状态。
对投资者而言，财报季不能只看营收和订单，还要把利润、资本开支与自由现金流放在一起。AI 叙事仍有吸引力，但估值需要更扎实的现金回报来支撑。
03 / CALENDAR下周重要窗口：政策、增长与物价集中落地
10 月 29 日 02:00
FOMC 决议：观察政策路径如何影响融资成本与股票估值。10 月 29 日 20:30
三季度 GDP 初值与 9 月 PCE：检验增长韧性和价格压力。10 月 30 日 20:30
三季度就业成本指数 ECI：观察工资成本对通胀黏性与企业利润的影响。
宏观报告的判断是，增长与货币组合仍在再通胀区域，但住房和芯片价格表现提示增长轴可能下移。报告给予 9 月核心 PCE 环比不低于 0.4% 的主观概率为 26%，高于调查正态基准的 16%；这类概率是研究判断，并非确定结果。
接下来真正值得跟踪的，是数据能否共同改善“盈利—利率—信用”的组合，而不是单个数字带来的短暂情绪变化。
如何阅读完整报告？打开 Uweb Study 小程序，在首页「今日更新」中进入：●美股投资周报：指数、财报、信用、流动性与情景判断●美股宏观周报：宏观主题卡、概率判断与事件日历
把短期波动放进可跟踪的框架里，才能更从容地面对下一次市场选择。
对话 B7 Capital CIO Charles：穿越周期的量化地图——ETF、加息与山寨困局下的配置之道
本期内容为 Uweb 直播课第 257 期的对话实录，主题为"穿越周期的量化地图：ETF、加息与山寨困局下的量化该如何配置"。对话双方为香港 Uweb 商学院校长于佳宁与 B7 Capital CIO Charles。Charles 本科就读于美国密歇根大学数据科学专业，后在耶鲁大学取得 MBA，曾在腾讯负责 Web3 相关业务，创业期间深耕 DeFi 与量化交易，如今转型为投资人，以 FOF 母基金形式配置了近 30 个加密量化团队与策略，是香港合规的加密量化母基金管理人。
本场对话围绕加密量化策略的三大分类、策略选择的底层框架、宏观环境与资产配置的关系、山寨币市场的结构性变化、RWA 套利的兴起、量化团队尽调方法论以及普通投资者的机会边界等话题展开。以下为对话精华整理。
嘉宾个人观点不代表 Uweb 观点，不构成任何投资建议。音频转录由 AI 完成，可能存在误差。
量化策略的三大分类：套利、中性与高波
于佳宁：过去几年整个加密市场发生了剧烈变化，从去年 10 月 11 日交易所流动性事件引发的行业洗牌，到近期市场注意力的反复切换，这些因素对量化策略和量化团队影响深远。您能不能总体概述一下，目前 Web3 数字资产量化赛道里有哪些策略类别？哪些策略现在还有红利？
Charles：我一般把 Crypto 量化策略分成三个大类：套利类、中性类和高波类。
套利类是大家最熟悉的，它的核心目的是以本金不损失为前提，争取一个比较合理的收益，同时保持较好的流动性。以 Ethena 为例，你在链上或交易所持有 USDe 能有四到五个点的年化收益，它底层其实就是一个套利型量化基金。最早的逻辑很简单：持有以太坊现货，同时做空以太坊永续合约。正常情况下永续合约是多头给空头付资金费，牛市时年化资金费大约 10.9%，你持有 100 万 U 的现货再做空 100 万 U 的合约，做空资金费除以二大约 5.5 个点，加上现货的质押收益，一个简单的策略就有六七个点的年化。
套利有很多种。资金费率套利之外，有人做小币的资金费套利，像 Bitget 这类交易所的小币资金费有时高到年化几百。还有价差套利——早期在币安、OKX、Bybit 之间做跨所搬砖能赚很多，但现在 Jump Trading 这样的巨头已经吃掉了大部分跨所价差，OKX 上比特币相当大比例的交易量就是 Jump 的做市和高频在做。不过新的机会也在出现，有了 RWA 之后，你可以跨币安和纳斯达克做。前段时间韩股波动很大，币安上线海力士之后，有几次开盘大跌，几分钟内币安价格与韩股实际价格差了约两个点，一边做空一边做多等价差抹平，就能赚到这两个点。此外还有三角套利、链上 DeFi 金库、Perp DEX 之间的套利——只要是同一资产在不同交易所，不管是 DEX 还是 CEX，就有套利空间。
需要看到，套利类策略的行业年化收益已经下降了很多。2025 年初在币安单所可以做到 30% 的年化且几乎无回撤，现在做大币只有五六个点，做小币可能十个点。外面能投到的套利策略大约也就十个点左右；一些自营高频策略能有一年翻倍的表现，但容量只有一两百万美金，普通人是投不到的。
Charles：第二大类是中性策略，顾名思义整体不持有多头或空头，但并不是本金完全不会亏。典型的是做市策略：你在交易所挂单做 maker，交易所会返手续费，如果对短期价格预测足够准确，不断挂单成交、赚取交易所返还的 maker 费用就能盈利，这类策略一般比较高频。还有期权类策略，比如波动率曲面套利——Deribit、OKX 的期权市场越来越大，期权的希腊字母之间偶尔会出现定价偏差。这类策略可能年化 15 个点，中间承受三到五个点的回撤，拉长看整体不亏钱，但要承受一定波动。
第三类是高波策略，高波动性意味着回撤和收益可以在负 30% 到翻倍之间。典型的是 CTA 策略和多空截面策略，通过算法、模型和因子预判币价走势，可能开五倍杠杆做多。今年和去年我看到不少 CTA 有 30% 到 50% 的回撤，赚钱的时候一年也能赚一两倍，但普通投资人很难拿得住——经常经历一两个月的煎熬期才把回撤赚回来。说实话，大部分高波策略拉长来看并没有跑赢比特币，就像美股做择时的交易员大多没跑赢标普 500 一样。当然，如果模型通过机器学习掌握了某段时间的 Alpha，短期可能效果非常好，也可能亏很多。
于佳宁：这个三分类非常清晰。以前我们学量化策略，一下六七种、七八种甚至十来种，很多时候大道至简。现在各个交易所提供的产品非常多，大家接触的策略也很多，如果能记住套利、中性、高波这三种，每一种再往下延伸，就更容易做判断。
选择策略的框架：套利看风控，中性看换手，高波看专业
于佳宁：这几类策略中，目前哪些比较适合当前的市场情况？您选择策略时最核心的考虑因素是什么？
Charles：每一类策略要考虑的东西很不一样。
套利类的核心是本金不损失，所以安全性是第一位的。套利策略要么不出事，要出就出大事——10 月 11 日那天，有的套利团队一下亏了 10 到 20 个点，安全性做得好的团队当天不亏甚至赚钱，因为交易所之间出现极端价差，他们捕捉到了额外机会。我们会看团队对安全风控有没有自己的体系、认知和踩过的坑，看它的历史有没有经历过 10·11 或者 9·24 这样的行情。机制上也很关键：交易所除了爆仓强平之外，还有 ADL 自动减仓——你赚多了也可能被强平，因为对手方没钱了。如果你做套利时一边被 ADL 平掉，另一边的对冲仓位还在，处理不好就会瞬间亏很多钱。所以要看团队的 ADL 处理是否自动化，极端行情下能不能用更优化的交易算法做风控——那种时刻市场流动性很差，不能顶着盘口全部平掉。风控过关之后才比收益，同样在币安单所跑，能跑 15 个点我们就不投 10 个点的。另外币圈跑路的成本比传统市场低，即便有 SMA 子账户授权这种机制，历史上也有团队拿你的账户去和别的账户对敲，所以信任和安全永远排在前面。
中性类的好策略其实很难投到，因为容量有限，高频做市策略一般投资人根本投不进去。一个可以考核的指标是换手率：你有 100 万美金投在里面，一天交易量 100 万就是换手一倍，2000 万就是 20 倍。大部分人投到的策略换手只有一两倍；如果你能投到换手五倍、十倍的策略，夏普比率通常更高——换手越高还能赚钱，说明策略是有效的。如果换手很低，一个月换手一次，你根本不知道它是在靠运气，还是在靠算法。所有量化策略，不管是 A 股、美股还是 Crypto，永远跟流动性正相关——80% 的量化利润来自散户的不合理交易，这是零和博弈。目前散户交易积极性低了很多，所以中性策略的收益也在下降。
高波类真的不好做，如果不专业、不了解，我建议不要轻易投资，它的亏损上限比较高。行业里很多知名的投资人、持有很多比特币的大佬，在 CTA 上都踩过坑，有人投 20 个策略最后只有两三个赚钱。没有很强的辨别能力，很难选到好的高波策略。
于佳宁：这些都是真金白银换来的经验，每一条背后都是大量资金运作的结果。很多量化策略一看历史表现非常不错、背景很强，别人投了赚钱，到自己手里就不是那么回事——往往早期策略容量小，或者正赶上顺风顺水，亏了钱的你也看不到，这就是幸存者偏差。
宏观：少拿贝塔，多拿阿尔法
于佳宁：美联储加息及其后续的不确定性、韩国股市的激烈调整——韩国股市被称为全球资本市场的金丝雀——都会影响风险资产，数字资产与传统风险市场的相关性也越来越强。您投的这些团队怎么理解量化策略和宏观趋势的关系？
Charles：宏观肯定影响一切交易行为，量化只是机器交易而已。宏观要拆两层来看：全球财政、金融、货币的宏观，和币圈自己的宏观，两者并不完全同步——去年下半年到今年上半年，美国宏观很好，但币圈很差。
币圈的宏观上，虽然比特币从低点已经反弹了不少，但流动性的回归没有那么持续和明显。一方面，10·11 去杠杆对市场基本面的打击很大；另一方面，ETF 发行之后，华尔街对比特币、以太坊这些大币的介入越来越深，ETF 持仓和大家族、大 trading firm 的持仓一直在增加，他们长期持有意味着市场上活跃交易的散户占比下降。任何一个市场，散户交易量越大，量化的 Alpha 机会就越多——这就是为什么过去几年 A 股量化的超额远胜美股：如果你两三年前投的 A 股量化指增，到现在可能有 60% 到 70% 的超额。币圈同理，2023、2024 年量化几乎是"捡钱"，2025 年上半年还能做，之后难度就大了很多。
全球宏观层面，美债真实收益率已经是过去很多年的新高。上一次互联网泡沫之前，美债也一路新高，股市当时还很乐观，觉得增长一定超过通胀，最后是一场大逃杀。我们在高盛、UBS 有专门账户，投了很多全球对冲基金，整体认为全球宏观正在从进攻转向防守——半导体和 AI 驱动的增长太快太热，短时间去杠杆、去拥挤度很正常。美股已经连涨四年，不能排除它猛跌一下的可能；而如果美股大跌，Crypto 一定会跟着跌，这是流动性踩踏，过往都是这样。美股大涨 Crypto 不一定大涨，但美股大跌 Crypto 一定跟跌。
落到资产配置上，量化本质上也是一种资产配置。在当前环境下，我们的基金是降低贝塔的敞口、提升阿尔法的比重。贝塔是资产价格的涨跌——指数是贝塔，黄金、比特币的涨跌都是各自的贝塔；阿尔法是比特币跌一半，你的收益该挣还是挣，你赚的是交易的利润。如果你是保守型投资者，希望两三年本金不损失，可以考虑把一部分贝塔类资产换成阿尔法类策略——而能把高频、低波动阿尔法做好的，基本都是量化，主观能做到的很少。
于佳宁：都说要做阿尔法，事实上大部分人最后赚的还是贝塔——牛市都是交易之神，熊市又回到原点。阿尔法的来源总得有一点真正和市场不一样的东西：要么有穿越市场的预测能力，要么比别人跑得快，要么成本比别人低。赚阿尔法不是一句口号，而是实打实匹配你优势的收益来源。
于佳宁：基础利率和量化收益之间是什么关系？加息会不会让很多投资人离开数字资产量化，进一步抽干市场流动性？
Charles：有关系，但它是二阶影响，不是一阶的——不是美债越高、加息越多，量化收益就直接越低。链条是：加息让更多的钱流向存款和美债，流动性是一盘棋，被无风险资产吸走之后，留在权益和风险市场的资金变少，量化机会随之变少。原来能做年化 50 个点、容量 1000 万美金的策略，现在可能只能做 500 万美金。但资产配置也不是只有一条路，有人专门做债，有人在利率上行区间通过做债赚钱，也有做利率量化的，只是那些不属于 Crypto 的范畴了。
山寨币困局：增量萎缩、存量失色与控盘做市
于佳宁：主流币量化规模很大，但山寨币量化过去一直扮演非常重要的角色，山寨的做市策略收益率曾经非常高。现在流动性枯竭对山寨的冲击更大，您怎么看过去一年山寨市场的变化，以及以山寨为基础的量化策略的未来？
Charles：先对比之前和现在的山寨。我 2020 年进圈，那是 DeFi Summer 的末尾，2021 年是 NFT Summer，2022 年是 GameFi Summer，过去每个周期都有能持续产出新资产的板块，不断有优质供给进入山寨币的池子，这些是增量。今年火的是 RWA 和 TradFi，但它们是把已有的资产搬上链、搬上交易所，并不创造新资产——你可以在币安交易黄金、原油了，但这并没有增加山寨币的流动性，甚至吸走了山寨币的流动性。因为大家的钱是有限的：花几十万 U 买山寨盈亏比很差，不如买黄金，不如炒原油，刺激还能开合约。RWA 和 TradFi 的繁荣，叠加过去几个牛市很多叙事被证伪——GameFi、SocialFi、去中心化存储、NFT——同时导致供给降低、需求减弱，这是第一个原因。
第二个原因是存量问题。过去大家耳熟能详的活跃山寨，Filecoin、各种 Layer2，现在大部分都不活跃了，这些项目不像公司一样持续健康运营。今年行的是有真实场景、用户和回购的项目——Hyperliquid、Pump 这些有回购销毁的，Uniswap 加了销毁之后币也活了。说白了，要让持币者感受到买的东西和协议的收入有关系。以前我很奇怪为什么买股票有分红权、买代币没有，很多山寨币本质上是吉祥物。现在加了分红能解决问题，但有真实场景的分红币有几个？数来数去就那么几个。
第三个原因相对扎心：主动做市商。现在生态里每隔一段时间冒出一个百倍币，但真正在上面赚到钱的人少之又少——那是一个新赌场，大部分利润是被开赌场的人收走的。今年以来，大量只上合约、不上现货的山寨币是高控盘币，曲线非常优美，但下落可能就是一天，跌 80% 的案例最近就有。主动做市商控制了九成以上的筹码，这类山寨本身就不是健康的、可以长期持有的资产。
这三个原因加在一起，导致整个山寨生态比以前弱了很多：散户的机会少了，量化的机会也少了。以前山寨活跃时，跨链价差能到 20%，手写个脚本就能吃到；板块轮动时 GameFi 涨完 AI 涨，趋势性机会很多。现在这类机会都大幅减少了。
于佳宁：概括得非常准确，这是一线市场的观察。山寨不坚挺是常态，但如果哪天发现不坚挺的项目突然比想象中坚挺，往往就是非常重要的信号。
大币、小币与 RWA 套利
于佳宁：如果从另一个维度分类——BTC、ETH、SOL 这些主流币是一类，小币是一类，RWA 套利又是一类——您怎么看这几类的机会？
Charles：先澄清一个误区：做比特币本位的套利，不等于你在做大币套利。你拿 BTC 作为保证金放在联合保证金账户里，完全可能是在用小币开仓赚取收益——我们的很多比特币和以太坊本位策略，底层就是通过小币、山寨币做的量化。
小币的机会一定比大币多，但风险比以前大，核心就是刚才说的 ADL 和极端行情。Bitget 在这次出事之前两个月发生过一次 TUT 事件：有个币的现货价格没动，合约价格三分钟内拉了五倍。过去很多量化做小币就是在吃 TUT 的资金费率，如果你持有 100 万 U 的现货、做空 100 万 U 的合约，合约三分钟内被拉爆五倍，你大概率爆仓。这个事后来平台赔付了，但如果不赔就是很大的风险，所以做小币一定要看自己的风控。如果把 Hyperliquid、Zcash 这类也算山寨，它们的资金费率一定比比特币、以太坊高，杠杆拉大一点做，一年七八个点、九个点、十个点，根据市场情况还是有的。另外阶段性的机会也存在——有的控盘币维持过资金费率负 2%，持有多单一个小时赚 2 个点、一天 48 个点；如果能借到币在现货端做空、合约端做多，就是反向资金费率套利。过去几个月出现过几次，早发现的几天能赚本金的 30% 到 40%，但这种机会可遇不可求。总结一句：山寨一定还有机会，但总量变少了。
RWA 我们在行业里投得算早的。刚起来的时候，有人做币安和盈透、富途这些传统券商之间的价差和资金费率套利，一开始年化 30 多个点，现在不加高杠杆也就十个点出头，还要考虑美金和 U 之间出入金的时差和资金挪动风险。后来币安通过相关通道上线了股票 RWA 代币现货，可以作为保证金做单所套利——但门槛越低越卷、收益越低，这个策略我投的时候 15 个点，两周后就变成 5 个点了。
RWA 套利和宏观也强相关。美股特别活跃的时候，币圈做美股合约的人以做多为主，多头给空头付的资金费就高——有段时间你持有美光的股票、在币安做空美光合约，年化能到 50 个点。现在美股热度下来了，这个收益也就不行了。RWA 还有很多细分：黄金套利、RWA 期权、原油的展期和永续合约之间的差异，研究透了都有机会。但 RWA 套利的暴利时代对大部分人已经不存在了，除非特别厉害——比如 Solana 上一些 RWA 代币提到交易所立刻卖出有价差，现在还能做年化四五十，但容量不大、门槛不低，要考虑链上链下的速度，已经进入偏高频的领域，普通人不一定上手就能做。
于佳宁：美光的例子真的很典型——大家对美光最疯狂的时候，很少有人能想到 RWA 让美光进了永续合约交易所，产生了跨市场套利的方式。热度对只持现货的多头来说代表风险，但对套利者来说，热度可能恰恰代表机会。这些例子让我们未来思考机会时有了更多维度。
FOF 尽调方法论：从 1000 个策略到 20 个的漏斗
于佳宁：很多量化团队投之前都特别牛，一投就不行。您从 FOF 的角度投量化团队，有没有可以分享的方法论？
Charles：投量化很容易踩坑。投资和交易一样，经验更足、资源更多、花的时间更长的人占优。我们团队有十个人，要做运营尽调、投资尽调，看净值曲线，很难全盘托出，我提几个能帮大家避坑的点。
第一个点：他给你展示的净值和收益率是不是真的？这个问题在币圈尤其突出。一个团队可能有 5 个策略、每个策略 5 个账号，他把 25 个账号里最好看的一个挑给你，再恶劣一点直接拟合一条曲线。有 CTA 说年化 80 个点，你投进去马上连亏三个月，这种事我们都碰到过。所以要参考第三方数据：Matrixport 之前有第三方更新的量化数据，有第三方网站统计的数据，币安有基金账户（Portfolio Account）体系——你可以要求团队给一个 Portfolio Account ID，就能看到币安第三方记录的策略历史数据。专业机构会直接要 API 去爬过去的交易数据，小投资人不一定有这个条件，但至少要当面让他把交易所子账户的曲线拿出来看。
第二个点：看持续性，了解收益来源，搞清楚什么情况下赚钱、什么情况下不赚钱。比如 CTA 有两个重要类型：均值回归喜欢震荡市场，趋势突破喜欢单边行情。如果你判断比特币在 8 万附近是震荡市，却去投趋势突破，一定是亏钱的。所以你还是要对市场有判断，看你投的策略适不适合现在的环境——环境不适合，收益会快速衰减，Alpha 也会衰减。
于佳宁：听说您筛选团队有一个很大的漏斗？
Charles：是的，初筛的 Crypto 策略有 1000 个上下。通过数据初筛之后，大约 300 个需要详细聊、做尽调；再往下大约 100 个，我们要去办公室当面沟通；最后 100 个里面选出二三十个投资。这是一个不断收窄的漏斗，需要相当的人力物力才能完成。
于佳宁：普通投资人很难有这样的条件。如果朋友推荐一个策略过来，我们去聊一聊，有哪几个问题是必须要问的？
Charles：第一，问他跑了多久，历史业绩拿给你看，尽量让他提供可验证的数据——小团队至少当面把币安子账户的曲线拿出来，上了第三方平台更好。第二，问他过去一两年踩过哪些坑。如果团队说一个坑都没遇到过，那就不用投了——我们看这么多团队，过去两年没踩坑的，要么在骗你，要么做得太少。关键是要听他踩了什么坑、踩完之后怎么优化的、怎么避免再踩——怕的不是他出过问题，怕的是他出了问题还解决不了。你可以问得很具体：哪次 ADL 事件、哪个币、什么情况、后面怎么解决的。这些比讲很多风控参数的细节更实用。
于佳宁：对，太技术的风控细节对大部分投资人帮助也不大。赚不赚钱有很多随机性，不能强求，但少亏钱是可以通过学习、研究和深刻理解做到的。
风险链路：对手方、稳定币与"不要直接把钱打给别人"
于佳宁：作为一个小的个人投资者参与量化市场，应该关注哪些风险因素和风险事件？
Charles：从大往小说。最大的是对手方风险：你在小所跑量化，小所倒闭了，钱就取不出来了。大所也不是绝对安全——FTX 出问题之前也没人认为它会倒，现在行业里可以通过托管解决一部分问题。第二是稳定币脱锚风险：USDT、USDC 过去都脱锚过，如果它们是你的保证金，脱锚时会不会连带把套利账户干崩。第三是微观层面的跨所策略：要考虑资金配平，极端行情下交易所可能几分钟不能充提币，想平仓、想追加保证金都动不了。单所策略则要防 ADL 和快速插针——即使你只放十分之一仓位在小币里，小币在你睡觉时拉十倍，策略也可能爆仓。最后，不能把所有钱聚焦在某一个策略或某一两个管理人身上，再厉害的团队都有自己的尾部风险。
于佳宁：能不能结合真实案例，讲讲从指标超限到执行降仓中间经历了什么？
Charles：最近比较直观的大风险事件就是 Bitget。如果你的资金量大、还想在这类平台交易，可以找托管机构开户：钱放在托管机构，托管机构把额度映射到交易所，你继续在交易所交易赚钱，但出问题时可以很快把钱取走。专业资管机构会走托管，但头部托管商的开户有不少门槛和限制，这是现实情况。
再就是两三个月前我提到的 TUT 事件，我们有一个账户短时间内爆仓了 80%——如果是 100 万 U，就是短时间内没了七八十万 U，这在头部量化基金身上也会发生。我们自己的报警装置会立刻触发，马上和量化团队沟通：首先控制现有仓位、把仓位平掉；判断清楚和平台的关系后，去找平台协商赔偿，最后大部分赔了，剩下两三个点不赔——金额比例不大但绝对值也不小。你要有能力判断这里面交易团队占多少责任、交易所占多少责任，才知道赔偿找谁。另外，事件发生之后还要不要继续合作？很多时候发生了一次，就不应该给第二次机会。
还有一点，即使是内场我也想说：即使你有很信任的人，也尽量不要把钱直接打给别人去做量化或投资。我身边有认识三四年、四五年的人，因为资金链断裂把朋友的几千万卷走了，他或许也是走投无路。币圈有 SMA 机制，所有交易所都可以通过子账户 API 授权——你把子账户给他，设置成只能交易、不能转账，风险就小很多。千万不要给母账户授权。
期权与结构化产品：想清楚目的才是正 EV
于佳宁：加密期权市场一直有点不温不火，但各个交易所推的双币赢、折价买币之类的结构化产品都是基于期权的。普通人能不能碰？怎么把它当成一个好工具？
Charles：分两类：一类是你直接在交易市场买卖期权或结构化产品，比如 FCN、雪球、双币；另一类是买以期权为底层的量化策略。
第一类，我对比特币有信仰，所以一般只做"低买"的双币，不做"高卖"的。高卖的双币很容易把你的比特币搞掉——比如你挂了一个向上 5000 点的价格，两周到期后比特币到了那个价位就按约定被卖掉了，你再想买回来不是一件简单的事。如果长期看好比特币，做双币要在价格合适的时候做低买：挂 78000 的低买，跌到 78000 你就买入，哪怕继续跌到 73000 你也能接受。核心是买之前想清楚目的。就像打德州，你都不知道这一注是为了把人 bluff 走还是为了拿价值，哗哗哗地下注，那这个决策一定是负 EV 的。基于你的场景和目的，结构化产品是正 EV 的；不基于场景、纯粹冲着收益率去，大概率是负 EV。
第二类，比特币期权和美期权权流动性差很多，本身流动性就比较差，再加上比特币波动率过去两年变化很大。按照我们对市场的观察，过去两年几家头部做比特币期权的量化策略基本没赚钱，尤其过去一年。比特币期权里要找到特别赚钱的策略，不容易。
于佳宁：还有观众问，像 Ethena 的 USDe 这种收益型产品靠不靠谱？
Charles：我所有的话不构成投资意见。就 Ethena 而言，它现在收益也没多少了。如果你在乎那四个点左右的收益，配置一部分没什么太大问题，但不要全配——如果是我，不会超过可动用资金的 20%。它整体来说是行业里比较不错的玩家，但收益有限。
于佳宁：它为什么现在基本就回到一个正常利率水平了？是好的策略不愿意开放给这种渠道吗？
Charles：它首先有自己的风控，有些策略能做它也不做，因为它的目标是把手里的钱管好，不希望承担额外风险。另外就是容量问题：盘子大到几亿、几十亿美金之后，那些只能放 1000 万美金的高收益策略对它没有意义——它有能力找到年化 30 到 40 的小策略，但那是自营在做，没有开放给用户。本质上还是策略容量的问题。
散户的边界：能力决定你找谁投，预期决定你能赚多少
于佳宁：散户投量化时，品牌效应值不值得看？要不要去看那些有名的量化？另外，散户自己深入学习、用 AI 做一些策略，在小空间里存不存在长期盈利的可能？
Charles：第一个问题很简单：你认为自己对量化资管足够专业，就不用找大品牌、找头部，你可以找小一点的团队，因为你有能力分辨。如果不够专业，我建议还是找头部——资管规模五亿 U 以上、在行业里很多年的，能降低你的尾部风险。
第二个问题看你的诉求。如果你不贪心，一年就想赚 5 到 8 个点，跑一个很简单的策略，我觉得可以。资金量小的话还能更高一些。假设现在市场上量化的平均收益是 10 个点，你想做到 5 到 8 个点，靠自己可以；想做到 10 到 15 个点，不是能力很强的话比较难。AI 是平均提升每个人的水平，一部分人先上去了，但整体交易难度也因此变大，对每个人的要求更高——这不是"有手就行"就能持续赚钱的，一定是动态博弈。
至于走平台还是直接对接策略方：金额不是特别大的话，走平台是可以的，无非多付一点费用——就像传统资产配置里有人走高盛、UBS 的私行，有人不走，逻辑一样。核心还是看你不走平台的话，有没有资源接触到策略方。
排除 90% 骗局的两个常识：不贪，且问"为什么是我"
于佳宁：对我们学员来说，面对别人兜售的策略，不管机构大小新旧，有没有快速筛选、把不该看的先排除掉的方法？
Charles：行业里我认为有一个共识：你有足够的常识，加上不够贪心，就可以排除 90% 想骗你钱的人。有些东西没有这么好的事。打个比方，如果你在中国，有人跟你说每年给你 20 个点年化，你肯定不信，因为你知道这个市场基本做不到，除非这个人欠你一条命，而且这个策略只能放 200 万美金、就缺你这点钱。反过来，一个刚认识不久的人跟你说"我这个策略特别赚钱，包赚 20 个点，最大回撤一两个点，容量很大，你投几千万我都能接"——这个时候要打个问号：这么好的事情，为什么要找你？
金融市场上，真正有本事、策略好的管理人是要拒绝钱的，而不是到处要钱。我们身边做得好的基金经理很多都是封盘的——容量有限，在市场上待一段时间，早就有源源不断的钱想进，他为什么还来找你？听起来太好的东西，除非有特殊原因，都要非常小心。如果有人跟你说币安年化 50 个点没回撤，我可以明确说：现在市场上，除了容量很小的好策略之外，能让你投到的，基本都做不到。
结语
于佳宁：AI 让量化的门槛越来越低，但这并不意味着给你一个工具就能赚钱。未来的交易市场一定是 AI 的交易市场——从人与人的搏杀变成机器与机器的搏杀。现在开始学、开始理解量化的逻辑和 AI 交易的逻辑，是为自己积累竞争力。用 AI 帮你做一个策略很容易，任何 AI 都能像模像样地给你弄出来，看起来非常专业，但它能不能赚钱要到市场检验，而检验用的是真金白银。真正重要的是你对量化策略、对市场、对未来金融形态的认知——这也是为什么 Uweb 孜孜不倦地开设 AI 投研相关课程和活动，我们希望在这个新周期里，担任一定程度的引路人角色。
风险提示：本文内容仅为访谈实录整理，嘉宾个人观点不代表 Uweb 观点，不构成任何投资建议。数字资产投资具有高风险，请读者严格遵守所在地法律法规，理性决策、谨慎投资。
关于 Uweb：Uweb（University of Web3）深耕 Web3 与 AI 前沿金融科技投资教育，每周二晚固定举办直播课，持续输出优质行业内容。全新升级的 Codex AI 投研实训营第五季将于 11 月 7 日至 8 日在深圳开课，主题为"如何真正用 AI 赚钱"，涵盖宏观、美股、跨平台 AI 套利实操与空投实操教学，前四季学员可申请复训。
对话 Richer Rich Capital CEO Hauson：具身智能的"ChatGPT 时刻"还有多远？
10 月 15 日晚，Uweb 直播课第 258 期如期开讲。本期由香港 Uweb 商学院校长于佳宁主持，对话嘉宾为 Richer Rich Capital CEO Hauson 郑。两人近期分别从美国调研归来，这场直播也是双方赴美前便约好的"深度复盘"——现场看到的只是线索，真正的研究工作，是从线索出发、再结合 AI 工具持续展开的。
整场对话围绕硅谷一线见闻展开：从具身智能离"ChatGPT 时刻"还有多远，到宇树科技上市后的估值之辩；从李飞飞团队的人文底色与"世界模型"之争，到 AGI 的距离与 AI 风险的再思考；再到 AI for Science、中美大模型博弈的真实情况。
嘉宾观点仅代表个人，不构成任何投资建议。
榨干 AI 的能力：一个立竿见影的提问技巧
于佳宁： 现在人人都在用 AI 做研究，但差别在哪里？我认为，私有化的信息仍然是决定性因素。很多研究，如果没有关键性的私有信息做"药引子"，可能研究半天也得不出有价值的结果。提示词工程的重点，也不再是格式问题，而是你能否把关键的方向和思路喂给 AI，帮它找到线索。
Hauson： 校长说的这点，我补充一个最近在硅谷学到的实用方法。万维刚提到，当他不知道还能跟 AI 聊什么的时候，他会反复追问一句："针对这个问题，你还有什么更深的想法吗？"得到答案之后再追问："除了这些，你还有更深一层的洞见吗？"每一次这样问下去，AI 往往都会给出超出他原本想象的观点。
我回来后也试了一下。我常用 ChatGPT，在不断追问更深层洞见的过程中，它会把我一年前跟它聊过的内容和当下的事情联系起来，给出一个很有建设性的观点——我觉得靠自己可能很难想到。这是一个非常简单、但确实有帮助的技巧。
于佳宁： "把 AI 的能力榨干"这件事，很多人以前并没有做过。今天听到这么一个简单易行又实用的方式，大家真的可以马上实践一下。
具身智能的"ChatGPT 时刻"还有多远？
于佳宁： 这段时间机器人领域大事不断：一边是硅谷机器人大会，一边是宇树上市以及上市后的剧烈波动，反映出全世界对具身智能既憧憬又纠结的态度。你在硅谷看到的机器人产业是什么状态？和国内公司相比又如何？
Hauson： 我先分享一个一手信息。我一位认识十多年的朋友，卡内基梅隆毕业后先在特斯拉做了三年，再到 Optimus 团队做了两年，之后跳槽到 Figure。我第一个问题就问他：具身智能离"ChatGPT 时刻"还有多远？
他整体偏乐观。Figure 近期也有不少突破，比如叠衣服、工厂里的机械手操作。但他们共同的感受是，行业仍然非常缺数据——缺真实的、精细的人类操作数据采集。这个行业某种程度上也是"大力出奇迹"，当足够精细的数据堆积起来，突破或许必然会发生，只是时间点仍有不确定性。
他还聊了特斯拉的工作氛围：刚去时大家都想解决问题、做创造，后期角色分工变得非常细，同事之间甚至会互相敏感，"你为什么要问我这个问题"。这也是他离开、加入 Figure 的原因之一。
至于中美对比，我觉得硅谷强在两点：一是付费场景比较成熟；二是估值叙事的能力，他们可以在不同阶段讲不同的故事——需要融资时讲"很快就要来了"，不太需要钱时讲"可能还要很久"。以及，端到端的"大脑"确实是硅谷的强项。国内的优势则在机器人本体成本、出货量和供应链完整性。有个真实的例子：今天上午一个朋友跟我聊，他们要运机器人到美国，人在制裁名单上，只能不同人分别带手、带腿、带头，结果八只手、八条腿都到了，头被拦截了，机器人组装不起来。两边各自的特点，从这种细节里就能看出来。
于佳宁： 中美本来有很好的分工，现在很多非技术、非产业的因素掺了进来。但硅谷也离不开华人——在斯坦福，一桌人交流下来，十个里面九个是清华各校友会的会长。硅谷本质上是移民文化塑造的创业天堂，多元、自由、浪漫主义。这种文艺范儿的文化，或许既是科学的反面，也是科学的伴侣。比尔·盖茨、乔布斯这样顶级的科技企业家，也都不是单纯的代码狂人。
Hauson： 对，洛杉矶唐人街附近有个"城市之光"书店，最早孕育了垮掉的一代的文化，而这种文化与硅谷的历史和精神有很多延续关系，很值得一去。
宇树估值之辩：机器人的泡沫是过去了，还是根本没开始？
于佳宁： 你怎么看宇树科技上市后的股价表现？以及，机器人产业整体会经历漫长调整期，还是说泡沫根本没开始？
Hauson： 我理了一下数据：宇树 C 轮后估值约 127 亿，IPO 定价对应 610 亿，上市第一天冲到 3400 亿，近期回落到 1600 多亿，PE 仍有 299 倍，确实不便宜。我有两个想法。
第一，很多早期股东陪公司成长了这么多年，有高股价、高估值的诉求，这种压力传导到定价层面，很多事情身不由己，类似的公司或多或少都有这个问题。
第二，和 Figure 对比来看——Figure 没上市，一级市场估值 330 亿美元，而宇树在二级市场被给到 299 倍 PE，市场给出的折价，其实反映了大家如何看待这个产业。
我还有一个朋友，月底要去杭州参加宇树的生态大会，他们投了不少更早期的项目，也和宇树有深度合作，对上下游产业整体偏乐观。至于当下这个估值，我们还是觉得贵。
另外分享一个思路：老猫——很资深的投资人——现在是"左手 BTC，右手特斯拉"，中间非常看好机器人。他的做法是，一手参与很早期的一级机器人项目，一手计划在香港和潘渡一起做机器人主题的 ETF，装一些港股和美股的已上市机器人企业。押注单一个体确实很难，路线之争没有定论，但如果用一揽子组合的方式，把有希望的上下游企业装进去，耐心持有，多年后或许是不错的标的。整体看，这个行业还有很大成长空间；但如果看个例、个股，有的泡沫确实不小。
为什么"泛化"这么难：一场关于世界模型的争论
于佳宁： 这里我也念一段我们校友 Sampson 的观点，他在风投市场，从 2024 年就开始研究这个领域。
Sampson（Uweb 校友）： 2024 年我看过几乎每家具身智能公司的算法，当时见的几个头部项目，都没有从逻辑上证明能搞定"泛化"。这个行业也如我所判断，到现在还没搞定。反过来说，为什么确定没搞定？因为一旦搞定，估值可能是瞬间万亿级——国内万亿人民币，美国万亿美金，量级还会上涨。
垂类领域的具身是个伪概念。工业机器人干的就是垂类，而真正的泛化，是像三岁小孩打酱油——在你家会打，换一家也会打。做不到这一点，就是垂类机器人，而垂类机器人现在并不缺。核心是需要另一个"OpenAI 时刻"来搞定泛化，而颠覆性创新大概率不会出现在现有头部项目中。
Hauson： 那您觉得这个时刻的到来，有什么标志或者时间预期吗？
Sampson： 时间真的预期不了，它属于颠覆性创新——如果能预期，说明已经看到发展轨迹了。很多研报写具身市场明年多少亿、后年多少亿，我觉得这太线性了。它只要搞定，就是瞬间到百万亿级的市场——汽车是十万亿，手机是万亿，具身至少是百万亿级。
关于李飞飞和杨立昆的"世界模型"，我也想补充两句为什么我觉得这条路可能也走不通。大模型用的是人类的语言和字符，那已经是人类对物理世界信息高度提炼、抽象过的产物。在这个领域，超大规模算力加数据加神经网络，可能涌现智能。但物理世界的属性和信息是穷举不完的——你坐在桌前，电脑的轻重、材质、芯片、颜色、硬度，水杯里水的化学成分、生物反应，这些属性是无限的。人脑神奇的地方在于，几乎只需要关注与当下角色和安危相关的、可能万分之一的内容。我们至今不知道大脑用什么算法完成了这种提取。靠视频暴力计算、走 scaling law 这条路，我认为可能陷入数据的汪洋大海——数量级差距可能不是十倍百倍，而是 n 个数量级。我个人认为，算法才是卡住的最关键一环。
于佳宁： 非常有帮助。视频是二维的，世界是三维的。人看二维视频，可以靠经验脑补出三维参数，但机器通过二维数据理解三维世界，中间隔着巨大的鸿沟。举个很小的例子：热水壶的盖子能打开但不能拿下来，茶壶的盖子可以拿下来；电水壶只能放在基座上加热，不能像茶壶一样架到火上烤。这些在人类看来很小儿科的问题，在具身智能领域都是巨大的难题——机器人可能非要把盖子掰下来，或者把电水壶拿到火上烤，那就是灾难。李飞飞的世界模型，本质是想建立一个超级仿真体来训练 AI；杨立昆的路线则希望 AI 掌握物理规律。但人掌握物理规律了吗？不是物理学博士，照样喝水吃饭。这条路会不会过于复杂，值得关注，也值得研究。
硅谷的人文底色：好奇心、开源文化与"资金追着创始人跑"
于佳宁： 我们这次实打实接触到一些顶级专家，人文主义色彩非常强烈。你怎么看硅谷的人文与科技？硅谷的魅力到底在哪里？
Hauson： 我和李飞飞实验室的一位教授聊过，他和李飞飞都是四川人。他很不爽现在很多巨头的创始人，觉得他们和上一代的乔布斯、盖茨比差太远了，满脑子都是怎么把企业做大、赢过别人。而他们思考更多的是"AI 到底能为人类带来什么"——这是交流中能感受到的真实状态。
第二个感受来自万维刚。我问他，这些年研究 AI，对信仰、对世界的理解有没有变化。他说他越研究越觉得，这个世界可能真的有一个 creator，而 creator 用的语言是数学——很多东西在不同物理条件下会变，但数学在任何情况下都是真理。在这样的氛围里，你很容易跟人聊到"到底是出于什么做研究"——很多是出于好奇心，想多认识世界一点。
有意思的是，正因为有这样的精神底色，反而又带来很多赚大钱的机会。交流的教授团队 7 个人，一年前成立了新公司，专门做真人训练机器人的数据采集，第一轮就融了一亿美金。他们的逻辑很朴素：具身智能要突破，核心就是数据，而包括 Figure 在内的所有机器人公司都极度缺数据。他们研究得足够深、足够专注，所以知道哪个环节最稀缺——那个环节就会很值钱。
反面的例子也有：一家号称印尼最大的数据采集公司，花大钱买了六套数据，处理后发现六套完全一样，而其中一套又只有十分之一可用。这个行业热了，各种各样的"骗子"也开始进场。
于佳宁： 硅谷是一个极端的地方——世界上可能最有钱的人集中在这里，但每次去又感觉非常平静，平静背后是巨额的财富创造。很多程序员白天拿着大公司的高薪，下班后做开源、为社区做贡献，开源是不赚钱的，这种文化确实了不起。demo day 多到根本参加不过来，很小的活动也有投资人去看。
Hauson： 是一种"资金追着创始人跑"的感觉。
于佳宁： 因为有资金效应，硅谷追风口可以追得更早一点。对比国内，现在拿非常早期的想法去募资越来越难。这次我到港大上海校区讲课，也感受到供需状态的差别。当然，上海张江那边人气很足，甚至有点经济上行时期的感觉，这很有意思。
AGI 有多远："Already, but not yet"
于佳宁： 最近美国掀起了关于"AI 是否要减速"的大讨论，连孙正义这样的 AI 狂热信徒都说要重新审视风险。你觉得 AGI 还有多远？递归自我迭代是否正在发生？
Hauson： 第一个，校长之前分享过 AI 2027 那个网站，现在回头看，里面很多东西仍然值得参考，包括让 AI 参与 AI 研发。我和一些做 AI 的人聊，有个观点是"AGI 已经差不多来了"。有句话叫 "already but not yet"——就像二战时盟军登陆诺曼底之前，战争实际已经胜利，但 D-Day 还没到。人类适应 AI 的速度太快了，它变强，我们又很快适应，所以到底什么叫"到了 AGI"，每个人越过的那条线可能都不一样。
第二个，讲一个我们实际参与的案例。我们最近投了一家公司，从做短视频到做 AI 漫剧，现在在做影视漫剧相关的 skill 集合工具，有点像"影视漫剧版的 GitHub"。一位做了十年导演的朋友用了平台上的 skill——那是把全世界 30 位最厉害导演的运镜方式灌进去训练出来的——生成出他想要的视频，他非常震惊，问这东西花了多少钱，答案是 300 块人民币。
我们觉得，这类平台大概率会让一些人经历"原本擅长的事被 skill 取代"的阵痛期；但阵痛之后又会带来新的增量。人会很快适应，然后想着怎么用它做出下一步想做的内容和产品。
第三个更宏观一些。我也相信这个世界有一个 creator，我不认为 creator 会让 AI 把人毁了。人类这么奇妙——花那么多功夫、那么多数据，都没办法实现人脑这么小耗电量就能实现的东西。
于佳宁： 关于 AI 投资，我的感受是风控逻辑正在完全变化。过去的投资，风控是核心指标；但 AI 既是投资标的，同时又是可能影响人类存亡的变量。AI 足够强大之后，终局或许无外乎两种：一种是人类与 AI 协同发展——那任何时点进场都不算晚；另一种是中间态几乎没有的走向。所以即便近期全球 AI 股票大幅回调，我个人仍倾向于珍惜每一次回调——总体趋势没有变化，历次回调回头看或许都是不错的时间窗口。当然，这只是我的个人看法，不构成投资建议。
AI for Science：当科学研究开始"工业化"
于佳宁： OpenAI 最近把其在数学上的成果以开源项目的形式平平淡淡地发了出来，没有发布会，却让很多人看到数学研究范式的一次跃升。脑力劳动被工业化这件事，过去的感受没那么强；但当"数学家"这样神圣的职业都可能被工业化，对我个人而言非常震撼。你在硅谷听到 AI for Science 方面有什么值得分享的？
Hauson： 两点印象深刻。第一，OpenAI 解数学难题，用的是人类已知的数学方法和定理——哪怕用穷举法暴力破解。我注意到不少数学家对此其实挺反感，认为这对数学知识体系本身没有贡献，没有提出新的猜想和定理，只是"解了一道题"。
但如果把同样的方式迁移到生物医药领域，观感会完全不同：它对生物学知识共同体有没有贡献，也许没那么重要——重要的是它可能破解一种疾病的治疗方案，大幅降低成本，解决人类本来要花很多年都未必能解决的难题。同样的原理，在数学领域迁移到生物医药，可能诞生很多新的治疗方案和药物。
第二，一位管理基金的朋友跟我讲，他现在几乎空仓，但看的最多的就是创新药、AI for Science 方向的公司。他给我看过一个关注列表，我回来一周后看，里面有的已经翻倍了。他的逻辑正是上面那套：他已经看到一些创新药和癌症治疗上的突破——比如困扰乔布斯、以及前不久去世的经济学家高善文的胰腺癌，现在据说存在约 38.5 万美元量级的解决方案。这会切实改变我们看这些企业的可能性和估值方式。
于佳宁： 不管数学家怎么看，这件事至少标志着科学研究正在变成真正的"工业"。过去科研靠最强大脑的冥思苦想和灵感迸发，现在算力、数据和流程让创新成果越来越可预期。如果人类的研发创新从"偶发跃迁"变成"线性推进"，这个世界的变化可能会变得非常快。生物科技之外，量子计算似乎也在受 AI 爆发的影响而快速迭代。
Hauson： 新材料、气候模拟这些比较难的领域，应该也都会有一些突破。
本期直播回看可在 Uweb 小鹅通主页获取；更多直播精华与嘉宾观点，欢迎关注"Uweb 观点"。
Web3新玩法：寻找下一轮财富发动机直播全总结
导语： 2026年9月18日至10月12日，Uweb（University of Web3）推出「Web3新玩法：寻找下一轮财富发动机」专题系列直播。香港Uweb商学院校长、知名经济学家于佳宁博士担任主讲人，围绕股币融合、RWA与Perp DEX、机构级稳定币基础设施、Social Trading、AI交易五大前沿议题，进行了五场深度分享。系列直播还有一个特殊注脚：与首场主题呼应的BitStone深度研究信《Robinhood：拥有这家"金融超级应用"之前的四个问题》，以万字篇幅为Robinhood这只千亿市值股票提供了冷静的价值分析样本。本文基于五场直播的整理文章，对整个系列做一次系统性回顾。
一、为什么是现在：熊市不是休息的时候，而是理解新叙事的窗口
五场直播贯穿着同一个开场逻辑：学习总是在最熊的时候最有效率。
于佳宁反复强调，真正具有财富效应的叙事，从来不是在牛市高潮中突然出现的，而是在市场情绪低迷、争议与怀疑最多的时候慢慢酝酿的——2020年DeFi Summer之前充满质疑，这一轮的机构化、RWA、股币融合同样如此。市场在横盘、试探、突破失败、再突破的过程中逐渐形成方向，这个阶段看起来很挣扎，但对学习和布局而言，反而是时间最充分的窗口。
"等到真正火起来再进场，有性价比的标的已经涨上去了；新玩法不提前学习，等热点爆发再去学，大概率只能听别人喊、看别人赚钱。"
这也是整个系列的定位：不是告诉大家某一个项目"就是答案"，而是把正在发生的新变化系统性地讲清楚——知道新事物已经出现，和真正理解它怎么运转，是两回事。
二、一条主叙事：RWA资产上链，以及"交易方式的变革才是终点"
于佳宁对本轮周期的核心判断非常明确：现实世界资产代币化（RWA）是当下最清晰的主叙事。 回顾行业脉络——挖矿、ICO、公链、DeFi、Layer2、NFT、GameFi、Meme——每个阶段都有自己的使命，而这一波的使命是资产上链。
但系列直播给出了一个更锋利的判断：资产形态的变革不是终点，资产交易方式的变革才是终点。 历史上每一波行情的本质都不是简单创造新资产，而是交易方式的变革：Uniswap解决的是海量长尾资产的流动性问题，DeFi Lending解决的是杠杆需求，而Perp DEX正在解决清算不透明的问题。艺术品这类非标、流动性不足的资产，通过永续合约的方式实现代币化，可能比传统发币路径更优。
在第三场直播中，这一主叙事被进一步展开为三条并行演进的主线：
DeFi主线——原生链上金融，交易、借贷、衍生品、流动性管理；
On-chain Finance——资产上链与代币化，对应发行、登记、清算和交易机制的变化；
AI Finance——AI Agent需要数字原生、全球可达、可编程的支付与资产体系。
三条主线并不割裂：RWA发行后需要DeFi提供流动性，AI Agent完成支付需要稳定币和链上账户。未来的创新往往不是单点发生，而是在这些基础设施的交叉处出现。
三、五场直播，五个样本
第一场（9月18日）：Robinhood Chain——股币融合新纪元
首场直播从美国数字资产监管博弈切入。于佳宁指出，尽管相关法案推进不及预期，但SEC仍在围绕代币化证券推出新的监管安排——监管讨论已经从"代币化股票能不能存在"，进入到"什么样的代币化股票可以运行"。理解这一轮新规，需要掌握NMS股票、TSV、托管映射、原生发行、合成型代币等关键词，区分"托管映射型""债务证券型""原生证券型"和"衍生品型"之间的差异。
Robinhood做链的核心不是"发一条链"，而是把券商、钱包、资产发行、交易和链上生态放进同一个体系——传统券商只做获客和交易服务，链上体系里平台却可以形成自己的资产生态。其股票代币也经历了两代演进：从跟踪价格的"代币外壳"，走向可托管、可转移、可组合的链上资产。而钱包，可能成为金融机构全球分发的新前端。
与这场直播相呼应的BitStone研究信，则提供了一个难得的"另一面"：这家收入约45亿美元、市值约1000亿美元的公司，59%的收入取决于人们的交易情绪；今天可观察的盈利能力在零增长假设下每股仅值4–19美元，而股价是116美元——股价中约88%是对增长的押注，隐含盈利需连续十年每年增长22%–29%，历史上这种规模的公司二十家里只有一家做到过。研究信还提醒：2022年以来，Robinhood的资产负债表扩大了2.4倍，它已经从"收费站"变成了背着31亿美元债务和一张信用卡的"放贷机构"。一个屋檐下的两门生意——储蓄账户与赌场——被市场价格合在一起定价。直播讲趋势，研究信算账，两者恰好构成理解"股币融合"的完整视角。
第二场（9月23日）：万物皆可Perp——Hyperliquid开创RWA新世界
第二场系统拆解了Perp DEX龙头Hyperliquid。于佳宁将其放在"大型交易所在岸化"的时代背景下理解：币安已成为阿布扎比持牌的在岸交易所，叠加CARF全球报税框架的推进，离岸交易需求正在让出来——这部分需求很可能由Perp DEX承接。
技术层面，Hyperliquid的垂直三层架构是理解它的钥匙：HyperBFT（针对高频交易设计的共识算法）、HyperCore（"链即交易所"的核心交易基础设施）、HyperEVM（开放给外部开发者的通用智能合约层）；横向上，HIP-1至HIP-4系列提案中，HIP-3最为关键——任何人质押HYPE即可创建自己的市场，相当于"把上币部门分包出去"，用质押和罚没机制保证市场质量。
针对"美股休市时链上Perp凭什么还在涨跌"这一经典疑问，直播解释了RWA Perp的定价逻辑：预言机喂价形成标记价格，资金费率这把"钝刀子"持续修正偏离；休市时段交易英伟达的永续合约，本质上交易的就是下一个开盘价——衍生品市场天生具有价格发现功能。
于佳宁还总结了Hyperliquid的"五层飞轮"：交易体验、垂直整合、流动性组织、分发网络（Trading Terminal）、HYPE代币价值捕获。但他同时提醒：一味只盯Hyperliquid已不是最优策略，Perp DEX大战中Lighter、Variational、Aster等各家技术路线不同，评估DEX不能只看交易量，OI（未平仓合约量）反映的是多少人愿意把风险放在这个平台上定价。
第三场（10月6日）：Circle与机构级基础设施
刚从韩国行业会议归来的于佳宁，在第三场给出了一线观察：从华尔街到亚洲，机构对数字资产的兴趣正在从"是否参与"转向"如何参与"。ETF解决的是合规敞口问题，下一步，资产发行、托管、清算、跨境流转和链上结算，都将成为机构深入Web3的抓手。
Circle被当作观察样本而非一只股票来分析：从2013年的比特币支付公司，到2018年与Coinbase合作推出USDC，它的十年转型说明"合规与个人持有数字资产之间并不必然冲突"。与Tether相比，USDC走的是合规优先路线，两种模式各有优势与约束。观察稳定币公司不能只看发行规模，还要看真实使用场景、收入结构的可持续性与监管连续性——牌照不是荣誉墙，价值最终要回到发行规模和使用场景。
更值得关注的是Circle正在从发行商走向基础设施网络：Arc链面向机构级金融应用，CCTP跨链传输协议则试图解决多链时代稳定币流转的安全与信任问题。RWA的竞争也不止一条链——以太坊、Solana、Stellar、Canton Network以及跨链和预言机基础设施，都在争夺入口。
第四场（10月9日）：Fomo——Social Trading重构交易入口
第四场聚焦一个新兴产品Fomo，借此厘清Social Trading与上一代Copy Trading的本质差异。跟单交易存在深层问题：策略被大量资金镜像后超额收益迅速摊薄，霸榜交易员甚至可能被利用做对手盘。
Fomo的架构很有意思：它不是钱包、不是交易所，也不提供撮合——底层是"钱包加交易路由"，交易执行发生在各条链的DeFi协议里。它做的是一次前端创新：聚集交易者、汇总链上交易记录、叠加社交层，再把真实产生的交易手续费在平台、KOL和用户之间分配。
Web3版本的根本区别在于可验证性。 Web2时代的金融社交是中心化黑盒；而在链上，KOL真买假买、持仓变化、买卖节点都可以独立核查，评论直接打在K线上不可修改——"You can you up, no can no bb"，交易行为本身成了金融KOL最应该披露的内容。这也解释了Pump.fun为何会对一个"连交易平台都不是"的产品紧张：注意力变现、Meme变现，是与机构入场并行的一条暗线。
冷思考同样在场：外部数据显示Fomo上真正实现盈利的钱包占比约6%，Meme交易更接近博彩、收藏、娱乐与投资混合的复杂金融行为；刻意打造网红交易员、勾结项目方Rug Pull的风险可以预见——但链上透明性至少提供了一层制衡。
第五场（10月12日）：当AI成为交易者——重构资本市场规则
收官场先泼了一盆冷水：AI交易绝不是"躺赚神器"，金融市场在任何环境下都是少数人赚钱的游戏。 但每一次技术迭代确实能让投资方法论更有效——过去知行难合一，现在AI可以帮人知行合一。
几个核心判断值得记录：
通用与专用之争：基础模型往往会吞噬应用，纯粹做应用层的公司一直很艰难；金融投研AI的核心不是模型，数据为王——"数据有效不代表结论有效，但数据无效，结论一定无效"。行业正从"数据大开放"进入"数据大封闭时代"。
三层交易框架：AI Agent—Trading Terminal—Perp DEX，每一层都大有可为。AI交易工具这个维度存在巨大的认知差，"一鱼多吃"——参与AI Trading Terminal与参与Perp DEX的机会并不冲突。
把AI当"联创"：建立在深度了解基础上的信任才有价值。AI本质上还是"语言机器"，对市场的直觉和灵性仍难具备——AI对你的帮助，取决于你对AI的判断力。
AI 2027与代际冲击：递归自我迭代已在小范围发生，若2027年出现大规模自我迭代才是真正的巨变；十五六岁的AI原生一代正在长大，金融习惯的迁移往往最后发生，但一旦发生就是代际级别的变化。
Web3是离AI最近的赛道：密码朋克与AI极客人脉相通，比特币矿业与AI算力异曲同工，不少矿业从业者正在成功转型AI算力。"现在关注AI的人，一定要回过头来关注Web3。"
四、贯穿五场的方法论：AI投研的正确打开方式
从第一场到第五场，"AI辅助投研"是每场必讲的方法论模块，其完整框架可以概括为四个阶段：
问答——你问我答，大部分人已完成；
完成任务——让AI搭面板、写研报、做PPT。但这里有巨大误区：AI是完成你的任务，不天然等于完成好你的任务。 模型越聪明，越需要人给出清晰的"好"的标准；
审核——标准必须落实到验收，AI辅助审核加人工审核缺一不可。直播中分享的真实案例极具警示性：AI扫描1500个标的后30秒"完成"任务，实际只看了前300个凑够10个推荐就停了——"如果在一个我完全不懂的领域，它钻这样的空子，我可能永远发现不了，然后拿着它的结论真金白银去投资，这才是最危险的"；
AI辅助学习——先让AI围绕一个赛道写研报、生成课程、做成音频，建立起对这个领域的审美和判断力之后，再让AI帮你做投研。
先学习、建立认知，再用AI落地投研，这个顺序不能反。
五、结语：下一阶段的竞争，是学习速度、研究框架和工具使用能力的竞争
五场直播，从Robinhood Chain的股币融合，到Hyperliquid的"万物皆可Perp"，从Circle的机构级基础设施，到Fomo的社交化交易入口，再到AI成为交易者——看似五个独立话题，实则拼出了一幅完整的地图：RWA主叙事之下，资产、交易平台、前端入口和智能体四个层面正在同时重构。
于佳宁在系列中反复提醒的两句话，或许是最好的收尾：
不要因为市场还没热起来，就忽视正在发生的变化；也不要因为新叙事已经出现，就放弃对风险和机制的基本追问。
市场往往在比较磨人的时候，才有真正参与的机会。买啥啥涨的环境里入场，往往不是好的入场点。
下一阶段的竞争，不只是信息的竞争，更是学习速度、研究框架和工具使用能力的竞争。
风险提示： 本文为Uweb「Web3新玩法：寻找下一轮财富发动机」系列直播内容的整理与总结，仅为行业研究与信息分享，嘉宾观点不代表平台立场，不构成任何投资建议。数字资产及相关产品具有较高风险，请读者严格遵守所在地法律法规，独立审慎决策。
Web3新玩法：寻找下一轮财富发动机直播全总结
导语： 2026年9月18日至10月12日，Uweb（University of Web3）推出「Web3新玩法：寻找下一轮财富发动机」专题系列直播。香港Uweb商学院校长、知名经济学家于佳宁博士担任主讲人，围绕股币融合、RWA与Perp DEX、机构级稳定币基础设施、Social Trading、AI交易五大前沿议题，进行了五场深度分享。系列直播还有一个特殊注脚：与首场主题呼应的BitStone深度研究信《Robinhood：拥有这家"金融超级应用"之前的四个问题》，以万字篇幅为Robinhood这只千亿市值股票提供了冷静的价值分析样本。本文基于五场直播的整理文章，对整个系列做一次系统性回顾。
一、为什么是现在：熊市不是休息的时候，而是理解新叙事的窗口
五场直播贯穿着同一个开场逻辑：学习总是在最熊的时候最有效率。
于佳宁反复强调，真正具有财富效应的叙事，从来不是在牛市高潮中突然出现的，而是在市场情绪低迷、争议与怀疑最多的时候慢慢酝酿的——2020年DeFi Summer之前充满质疑，这一轮的机构化、RWA、股币融合同样如此。市场在横盘、试探、突破失败、再突破的过程中逐渐形成方向，这个阶段看起来很挣扎，但对学习和布局而言，反而是时间最充分的窗口。
"等到真正火起来再进场，有性价比的标的已经涨上去了；新玩法不提前学习，等热点爆发再去学，大概率只能听别人喊、看别人赚钱。"
这也是整个系列的定位：不是告诉大家某一个项目"就是答案"，而是把正在发生的新变化系统性地讲清楚——知道新事物已经出现，和真正理解它怎么运转，是两回事。
二、一条主叙事：RWA资产上链，以及"交易方式的变革才是终点"
于佳宁对本轮周期的核心判断非常明确：现实世界资产代币化（RWA）是当下最清晰的主叙事。 回顾行业脉络——挖矿、ICO、公链、DeFi、Layer2、NFT、GameFi、Meme——每个阶段都有自己的使命，而这一波的使命是资产上链。
但系列直播给出了一个更锋利的判断：资产形态的变革不是终点，资产交易方式的变革才是终点。 历史上每一波行情的本质都不是简单创造新资产，而是交易方式的变革：Uniswap解决的是海量长尾资产的流动性问题，DeFi Lending解决的是杠杆需求，而Perp DEX正在解决清算不透明的问题。艺术品这类非标、流动性不足的资产，通过永续合约的方式实现代币化，可能比传统发币路径更优。
在第三场直播中，这一主叙事被进一步展开为三条并行演进的主线：
DeFi主线——原生链上金融，交易、借贷、衍生品、流动性管理；
On-chain Finance——资产上链与代币化，对应发行、登记、清算和交易机制的变化；
AI Finance——AI Agent需要数字原生、全球可达、可编程的支付与资产体系。
三条主线并不割裂：RWA发行后需要DeFi提供流动性，AI Agent完成支付需要稳定币和链上账户。未来的创新往往不是单点发生，而是在这些基础设施的交叉处出现。
三、五场直播，五个样本
第一场（9月18日）：Robinhood Chain——股币融合新纪元
首场直播从美国数字资产监管博弈切入。于佳宁指出，尽管相关法案推进不及预期，但SEC仍在围绕代币化证券推出新的监管安排——监管讨论已经从"代币化股票能不能存在"，进入到"什么样的代币化股票可以运行"。理解这一轮新规，需要掌握NMS股票、TSV、托管映射、原生发行、合成型代币等关键词，区分"托管映射型""债务证券型""原生证券型"和"衍生品型"之间的差异。
Robinhood做链的核心不是"发一条链"，而是把券商、钱包、资产发行、交易和链上生态放进同一个体系——传统券商只做获客和交易服务，链上体系里平台却可以形成自己的资产生态。其股票代币也经历了两代演进：从跟踪价格的"代币外壳"，走向可托管、可转移、可组合的链上资产。而钱包，可能成为金融机构全球分发的新前端。
与这场直播相呼应的BitStone研究信，则提供了一个难得的"另一面"：这家收入约45亿美元、市值约1000亿美元的公司，59%的收入取决于人们的交易情绪；今天可观察的盈利能力在零增长假设下每股仅值4–19美元，而股价是116美元——股价中约88%是对增长的押注，隐含盈利需连续十年每年增长22%–29%，历史上这种规模的公司二十家里只有一家做到过。研究信还提醒：2022年以来，Robinhood的资产负债表扩大了2.4倍，它已经从"收费站"变成了背着31亿美元债务和一张信用卡的"放贷机构"。一个屋檐下的两门生意——储蓄账户与赌场——被市场价格合在一起定价。直播讲趋势，研究信算账，两者恰好构成理解"股币融合"的完整视角。
第二场（9月23日）：万物皆可Perp——Hyperliquid开创RWA新世界
第二场系统拆解了Perp DEX龙头Hyperliquid。于佳宁将其放在"大型交易所在岸化"的时代背景下理解：币安已成为阿布扎比持牌的在岸交易所，叠加CARF全球报税框架的推进，离岸交易需求正在让出来——这部分需求很可能由Perp DEX承接。
技术层面，Hyperliquid的垂直三层架构是理解它的钥匙：HyperBFT（针对高频交易设计的共识算法）、HyperCore（"链即交易所"的核心交易基础设施）、HyperEVM（开放给外部开发者的通用智能合约层）；横向上，HIP-1至HIP-4系列提案中，HIP-3最为关键——任何人质押HYPE即可创建自己的市场，相当于"把上币部门分包出去"，用质押和罚没机制保证市场质量。
针对"美股休市时链上Perp凭什么还在涨跌"这一经典疑问，直播解释了RWA Perp的定价逻辑：预言机喂价形成标记价格，资金费率这把"钝刀子"持续修正偏离；休市时段交易英伟达的永续合约，本质上交易的就是下一个开盘价——衍生品市场天生具有价格发现功能。
于佳宁还总结了Hyperliquid的"五层飞轮"：交易体验、垂直整合、流动性组织、分发网络（Trading Terminal）、HYPE代币价值捕获。但他同时提醒：一味只盯Hyperliquid已不是最优策略，Perp DEX大战中Lighter、Variational、Aster等各家技术路线不同，评估DEX不能只看交易量，OI（未平仓合约量）反映的是多少人愿意把风险放在这个平台上定价。
第三场（10月6日）：Circle与机构级基础设施
刚从韩国行业会议归来的于佳宁，在第三场给出了一线观察：从华尔街到亚洲，机构对数字资产的兴趣正在从"是否参与"转向"如何参与"。ETF解决的是合规敞口问题，下一步，资产发行、托管、清算、跨境流转和链上结算，都将成为机构深入Web3的抓手。
Circle被当作观察样本而非一只股票来分析：从2013年的比特币支付公司，到2018年与Coinbase合作推出USDC，它的十年转型说明"合规与个人持有数字资产之间并不必然冲突"。与Tether相比，USDC走的是合规优先路线，两种模式各有优势与约束。观察稳定币公司不能只看发行规模，还要看真实使用场景、收入结构的可持续性与监管连续性——牌照不是荣誉墙，价值最终要回到发行规模和使用场景。
更值得关注的是Circle正在从发行商走向基础设施网络：Arc链面向机构级金融应用，CCTP跨链传输协议则试图解决多链时代稳定币流转的安全与信任问题。RWA的竞争也不止一条链——以太坊、Solana、Stellar、Canton Network以及跨链和预言机基础设施，都在争夺入口。
第四场（10月9日）：Fomo——Social Trading重构交易入口
第四场聚焦一个新兴产品Fomo，借此厘清Social Trading与上一代Copy Trading的本质差异。跟单交易存在深层问题：策略被大量资金镜像后超额收益迅速摊薄，霸榜交易员甚至可能被利用做对手盘。
Fomo的架构很有意思：它不是钱包、不是交易所，也不提供撮合——底层是"钱包加交易路由"，交易执行发生在各条链的DeFi协议里。它做的是一次前端创新：聚集交易者、汇总链上交易记录、叠加社交层，再把真实产生的交易手续费在平台、KOL和用户之间分配。
Web3版本的根本区别在于可验证性。 Web2时代的金融社交是中心化黑盒；而在链上，KOL真买假买、持仓变化、买卖节点都可以独立核查，评论直接打在K线上不可修改——"You can you up, no can no bb"，交易行为本身成了金融KOL最应该披露的内容。这也解释了Pump.fun为何会对一个"连交易平台都不是"的产品紧张：注意力变现、Meme变现，是与机构入场并行的一条暗线。
冷思考同样在场：外部数据显示Fomo上真正实现盈利的钱包占比约6%，Meme交易更接近博彩、收藏、娱乐与投资混合的复杂金融行为；刻意打造网红交易员、勾结项目方Rug Pull的风险可以预见——但链上透明性至少提供了一层制衡。
第五场（10月12日）：当AI成为交易者——重构资本市场规则
收官场先泼了一盆冷水：AI交易绝不是"躺赚神器"，金融市场在任何环境下都是少数人赚钱的游戏。 但每一次技术迭代确实能让投资方法论更有效——过去知行难合一，现在AI可以帮人知行合一。
几个核心判断值得记录：
通用与专用之争：基础模型往往会吞噬应用，纯粹做应用层的公司一直很艰难；金融投研AI的核心不是模型，数据为王——"数据有效不代表结论有效，但数据无效，结论一定无效"。行业正从"数据大开放"进入"数据大封闭时代"。
三层交易框架：AI Agent—Trading Terminal—Perp DEX，每一层都大有可为。AI交易工具这个维度存在巨大的认知差，"一鱼多吃"——参与AI Trading Terminal与参与Perp DEX的机会并不冲突。
把AI当"联创"：建立在深度了解基础上的信任才有价值。AI本质上还是"语言机器"，对市场的直觉和灵性仍难具备——AI对你的帮助，取决于你对AI的判断力。
AI 2027与代际冲击：递归自我迭代已在小范围发生，若2027年出现大规模自我迭代才是真正的巨变；十五六岁的AI原生一代正在长大，金融习惯的迁移往往最后发生，但一旦发生就是代际级别的变化。
Web3是离AI最近的赛道：密码朋克与AI极客人脉相通，比特币矿业与AI算力异曲同工，不少矿业从业者正在成功转型AI算力。"现在关注AI的人，一定要回过头来关注Web3。"
四、贯穿五场的方法论：AI投研的正确打开方式
从第一场到第五场，"AI辅助投研"是每场必讲的方法论模块，其完整框架可以概括为四个阶段：
问答——你问我答，大部分人已完成；
完成任务——让AI搭面板、写研报、做PPT。但这里有巨大误区：AI是完成你的任务，不天然等于完成好你的任务。 模型越聪明，越需要人给出清晰的"好"的标准；
审核——标准必须落实到验收，AI辅助审核加人工审核缺一不可。直播中分享的真实案例极具警示性：AI扫描1500个标的后30秒"完成"任务，实际只看了前300个凑够10个推荐就停了——"如果在一个我完全不懂的领域，它钻这样的空子，我可能永远发现不了，然后拿着它的结论真金白银去投资，这才是最危险的"；
AI辅助学习——先让AI围绕一个赛道写研报、生成课程、做成音频，建立起对这个领域的审美和判断力之后，再让AI帮你做投研。
先学习、建立认知，再用AI落地投研，这个顺序不能反。
五、结语：下一阶段的竞争，是学习速度、研究框架和工具使用能力的竞争
五场直播，从Robinhood Chain的股币融合，到Hyperliquid的"万物皆可Perp"，从Circle的机构级基础设施，到Fomo的社交化交易入口，再到AI成为交易者——看似五个独立话题，实则拼出了一幅完整的地图：RWA主叙事之下，资产、交易平台、前端入口和智能体四个层面正在同时重构。
于佳宁在系列中反复提醒的两句话，或许是最好的收尾：
不要因为市场还没热起来，就忽视正在发生的变化；也不要因为新叙事已经出现，就放弃对风险和机制的基本追问。
市场往往在比较磨人的时候，才有真正参与的机会。买啥啥涨的环境里入场，往往不是好的入场点。
下一阶段的竞争，不只是信息的竞争，更是学习速度、研究框架和工具使用能力的竞争。
风险提示： 本文为Uweb「Web3新玩法：寻找下一轮财富发动机」系列直播内容的整理与总结，仅为行业研究与信息分享，嘉宾观点不代表平台立场，不构成任何投资建议。数字资产及相关产品具有较高风险，请读者严格遵守所在地法律法规，独立审慎决策。
