与「应用网络」相关的搜索结果

接着上一篇聊聪哥和 CICI 老师。 如果说前面讨论的是 BTC 社交为什么出现，以及 BTC Native 应用网络如何形成，那么狗爸和火山老师的问题，其实更接近最终答案： 用户为什么会留下来？以及 未来 Web3 产品到底应该长什么样？ 狗爸老师抛出了一个特别关键的问题： BTC 原生应用真正爆发，还缺少哪一个关键条件？ 在他看来，过去几年大家一直在讨论资产、协议、Layer2，但一个更现实的问题是： 用户为什么愿意每天回来？ 对此，Bruce @bruceonbitcoin 老师用 iPhone 的发展历史做了一个非常有意思的比喻，他认为今天的 BTC 生态，很像智能手机刚刚诞生的阶段。 没有人知道未来的 Killer App 会是什么，但可以先把所有孵化它的条件准备好。 对此，狗爸老师也分享了一句让我印象很深的话： Web3 最难的从来不是发资产，而是留下用户 以及：用户会因为行为留下来，而不仅仅因为技术留下来。 这可能也是 BTC 生态从叙事时代走向用户时代的重要信号。 另一边，火山老师关注的则是钱包、DID 与社交的融合，他的问题是： 未来 Wallet、DID 和社交会如何融合？ Bruce 和 Dafu 两位的老师的回答其实指向了同一个方向： 未来最好的 Web3 产品，应该让用户感受不到自己在用 Web3，钱包隐藏在后台，身份逐渐淡化，社交关系成为核心。 Dafu @opdafu 老师 提到： 未来用户不需要证明自己是谁，而是通过链上的行为和关系网络定义自己。 对此，火山老师也给出了自己的理解：好的 Web3 产品，应该让用户感觉不到自己在用 Web3。 这句话其实和前面聪哥、CICI 的观点形成了一条完整逻辑： 聪哥看到的是用户； CICI看到的是网络效应； 狗爸看到的是留存； 火山看到的是体验； 而 Bruce 与 Dafu 两位大佬的共同目标，想解决的，恰恰是把这些东西连接起来，或许未来 BTC 社交真正竞争的，不是谁拥有更多功能，而是谁能够沉淀更多关系，留住更多用户。 @op_catlayer @clawchatglobal @D7_LuckySeven #OP_CAT# #BTCNative# #社交层# #应用网络#

被大雪封在家里一个星期，反而有了一段难得完整的回顾时间。回头看，这一周的收获比预期多得多。 首先，感谢网易给我的这个奖励。我真的很喜欢，也确实有点受宠若惊。同时也要感谢 Substack 的读者。说实话，我没想到中英文、长篇文章、再加上一些代码内容，居然还能被这么多人认真阅读。在这个信息高度快消的年代，依然有人愿意花时间阅读、写作、思考、探索，这本身就很珍贵。 所以这段时间我几乎把所有社交媒体都屏蔽了。每次想上去，都需要自己手动解禁十几分钟。我很清楚自己有点懒，这个机制对我反而特别有效。这次上线，主要是准备取消蓝标。以后内容重心会放在 Substack 的长文上，大概一个月一到两篇。X 可能只偶尔更新；也许一年之后会尝试 YouTube，但同样以高信息密度、对外沟通为主，不再以吸粉或流量为目标。 是时候进入下一个阶段了。 大语言模型在最初商业化时，对很多人造成了真正的震动。因为语言本身就是我们理解世界、组织认知的接口。无论是程序员、极客，还是普通计算机用户，几乎在一夜之间被拉到了同一条起跑线上。过去两年，大家都在探索、试错、兴奋，也逐渐开始沉淀对这一模式、这一生态的理解。 我现在觉得它并不是万能的。最早我们以为它会逐步解决所有问题、回答所有疑惑，甚至以指数级方式进化。但至少在“作为长期开发与思考辅助”这件事上，有些问题并不能在一个对话窗口里解决，这与它“预测下一个 token”的底层机制本身有关。 所以我现在是自己维护一套核心知识库：把信息做索引、切成 chunk，通过 query 打分，再逐步交给模型分析。核心信息由我自己维护，模型只在有证据、有边界的情况下参与推理，用这种方式尽量减少模型随时间产生的漂移、约束它的行为。这套方法我已经在 Substack 里写过比较详细的说明。当然，chunking 并不是我一个人的发明，也有不少人在做类似的尝试。 从 OpenAI 的角度来看，这家公司现在花钱极多、盈利模式仍在探索中。盈亏平衡点大概会落在 2028–2030 年左右，现金总有耗尽的一天，关键还是能否建立可持续的商业结构。这段时间我反而感觉到：站在 Web 2.0 的平台上，是看不到 Web 3.0 图景的。虚拟经济、注意力经济还能怎么继续扩张？如果这些路径真那么清晰，Meta 的小札也不至于持续焦虑。元宇宙，他自己投的，不知道他自己还记得不？甚至他早年投资的一些人，Palmer Luckey， 人家已经成为国防企业创始人。 说实话，我是有点疲惫的。我既不是大美女，也不可能成为网红。对我来说，2026 年更像是一个“回收所有属于私人的时间、专注极客式技术钻研”的节点。这几周我会开始研究 clawbot，相关内容也会逐步在 Substack 上发布。 我确信真正能带来改变的，是能够进入实体经济循环的技术，更进一步，是那些可靠地介入“物理世界”的技术。不是涨粉，不是观看量，而是能否落地、能否产生真实反馈。当大多数人，尤其是同龄人，在不看某些领域的时候，某些领域反而特别有价值了。实际的人，实际的资金，实际的社交，本土化的项目，才有价值。涨粉如浮云，注意力转瞬既逝。现在X上面因为马斯克发钱大量涌入，油管因为AI技术带来的配音，双语技术等等技术门槛降低涌入的大量内容创造者，都是一个道理。是一种边际化增长模式了。 前段时间对我来说最重要的一场意识转变是Lutnik在达沃斯论坛的那场演讲。以自由贸易、极端效率、全球最低成本和金融驱动为核心的旧全球化秩序已经失效。对我而言，这是一个重要的提醒。不是因为某一个人的发言就能改变世界，而是因为我自己的教育背景和认知体系，有相当大的一部分正是建立在“全球化”这个前提之上。 我们熟悉的全球化形态，很多人会从中国加入 WTO 开始算起，我认为更早的话，二战后其实已经奠定了基础。中国的崛起并不是唯一的例子，亚洲也曾有“亚洲四小龙”的阶段。对普通人而言，我们并没有能力推动宏观趋势，唯一能做的，是观察变化，在趋势中趋利避害，为自己和家庭选择相对更优的路径。 关于“去全球化”，每个人都有不同的定义，我也不是经济学专家。但科技行业里有一条线索是相对清晰的：创投VC资本的流向。在 Web 2.0 崛起的年代，一些名字并不陌生。比如贝塔斯曼？2018 年之前，回国创业或加入创业团队，对很多优秀的人来说都是极具吸引力的选项。我回国的同学，2018年都还有，都是很优秀的，比较平庸的因为国内反正也没人请，所以咱们不是也没抓到机会么😄 如果沿着资本的路径去看全球化，而不是只看表层叙事，其实会更早感受到变化。我最近在网上看到一位分析跨国资本的视频，讲得相当清楚。等到普通人真正体感到变化时，很多结构性的转向，往往已经发生了十几年。我主要是看他对于各方势力在全球化/去全球化过程中的博弈，挺有含量的一个视频。 大语言模型很可能只是一个起点。真正重要的，并不是模型本身，而是以它为认知原点、以语言为接口，逐渐生长出来的一整套技术体系。这些东西不会同时出现，而是会在时间中一点点显形。 历史上，很多技术在完成商业化之后，真正的变化才刚刚开始。当它们进入一个资本相对自由、思想相对自由、交流相对开放的环境时，往往会以一种远超原始设计的方式演化。这种演化路径，既不是最初提出理论的科学家能够完整预见的，也往往超出了最早推动商业化的技术巨头的想象。 特斯拉、贝尔实验室都是典型例子。真正改变世界的不是单点发明，而是围绕它逐步形成的技术生态、应用网络，以及它与社会结构、生产方式之间发生的耦合。所以，潜心研究硬技术才是正道啊。

咦？苹果在 watchOS 27 里删除对讲机应用，目前还不清楚为什么删除，估计是用户量太低？ 对讲机应用基于网络使用 FaceTime 发送语音消息实现对讲，当然对讲前提是双方都是用 Apple Watch，不过发布对讲机应用后苹果基本就没有为该应用提供更新，可能是本身功能比较简单没必要更新，以及可能压根没人用。 查看详情：

开着科学上网，在山姆App下单、用民生银行App付款，会被强制退出无法付款。打开其他银行App也会提示异常，看来金融类应用对网络环境特别敏感，目前阻止支付最直接的就是民生银行。

Coinbase 高管明确表示：CLARITY Act（数字资产监管清晰法案）即将通过。 对整个加密赛道而言，这是从“野生生长”，走向“主流金融体系”的关键一步。 CLARITY Act 之前有聊到过，对加密赛道的核心好处，至少体现在四个层面： 1️⃣ 监管边界被“写进法律”，而不是靠执法裁量： 法案将明确 SEC 与 CFTC 对加密资产的监管分工，结束长期以来“事后执法 + 模糊定义”的灰色状态。 这意味着项目方、交易所、投资机构终于可以在规则之内做长期规划，而不是赌监管态度。 2️⃣ 机构资金入场的最大障碍被移除： 对传统金融机构而言，风险从来不是波动，而是法律不确定性。 当资产属性、合规路径、监管归属被明确后， 养老金、资管、保险资金、家族办公室进入加密市场的合规成本与心理门槛将显著下降，资金池被系统性放大。 3️⃣ 市场结构从“高波动投机”转向“长期价值发现”： 清晰、稳定、可预期的监管环境，有助于： 降低政策突发性风险 压缩纯情绪驱动的极端波动 让基本面、现金流、使用价值重新成为定价核心 这对 BTC、ETH 以及具备真实应用与网络效应的资产尤为重要。 4️⃣ 美国监管框架将成为全球“事实标准”： 在全球监管协同加速的背景下，CLARITY Act 一旦落地，很可能成为其他国家和地区参考甚至复制的模板。 这意味着：合规 ≠ 收紧，而是加速全球采用的前提条件。 总结一句话：CLARITY Act 的意义，不在于“监管来了”，而在于加密行业第一次被允许以一个长期产业的身份，被严肃对待。

AI 的底层秘密：隐私只是表层，可用的加密执行才是关键 随着今年AI赛道的持续爆火，市场上涌现出大量的AI产品，看的我眼花缭乱。每天都有新的聊天机器人、AI Agent、自动交易工具、内容生成平台冒出来。应用层确实容易传播，但做的人太多，同质化严重。 站在企业、金融、医疗的视角，你会发现问题其实很简单：AI 最大的瓶颈不是不够聪明，而是不够可信。 医院病历、银行风控、企业财务、基金策略、用户身份数据，这些才是真正高价值的数据。 问题是，这些数据不能随便交给外部模型，也不可能暴漏在公开链上。 数据必须能被使用，但不能被看见；多方可以协作，但不能暴露原始信息；计算结果要可验证，但过程不能泄露敏感数据。 这就是 @Arcium 想解决的核心问题。它不是再做一个聊天机器人，也不是包装一个新 Agent，而是去中心化机密计算网络，让应用可以在加密数据上安全计算。 听起来不如应用层那么炫酷，但它解决的是 AI 进入高价值场景的底层刚需。最近几个更新其实已经在验证这个方向： Umbra Web：用户可以在 Solana 上体验隐私金融； ReFi Hub：密封投标募资，用 Arcium 支撑隐藏出价和公平价格发现； Explorer：展示主网计算流，让大家看到真实运行，而不是停留在 PPT 层面上。 看起来很技术，但逻辑很清楚：Arcium 的目标不是把数据藏起来，而是让数据在不暴露的情况下依然可计算、可协作、可验证。 过去很多隐私项目的核心问题，是隐私和可用性很难同时并存。AI 时代最需要的，恰恰是两者兼得。 有人喜欢把 Arcium 和 Venice / VVV 对比，我觉得不太准确。因为Venice 更偏应用端，让市场看到隐私 AI 的需求；Arcium 更偏底层网络，做隐私计算和机密计算基础设施。一个偏落地应用，一个偏加密执行底层，互相补充，而不是替代关系。 还有一点非常值得关注：Inpher 收购。 Inpher 是隐私计算领域的老牌团队，曾获得 JPMorgan、Amazon Alexa Fund、Swisscom Ventures 支持，也有企业级场景经验。 机密计算并不是一个靠叙事驱动的赛道，更不是简单贴上 AI 标签就能成立的故事。它背后需要深厚的密码学基础、复杂的工程实现能力，以及长期在真实场景中的技术验证和经验积累。 Arcium 把 Inpher 核心技术团队整合进来，说明它不是临时蹭 AI 赛道的热点，而是在做一条长期、底层且技术难度高的产品。 短期来看，ARX TGE 会带来市场关注；长期来看，我更在意的是：它能不能把 AI + 隐私计算 + Solana 生态真正跑通。 互联网解决了信息流，区块链解决了资产流，AI 时代可能还需要一层东西来解决信任流。 以前我觉得 AI 的未来比谁更聪明，现在我越来越觉得，真正重要的是：谁更值得托付。 AI 应用层已经很卷了，但底层安全基建少有人在意。当 AI 慢慢落地金融、医疗这些实体行业，数据保密需求会变成硬性刚需。能解决这类问题的项目，就值得长期关注！ 友情提醒：参与过早期任务、测试网活动的兄弟们，记得去查一下有没有空投资格。

App卖不动了，然后呢？我推演了一种AI泡泡 这个问题我是真的很想搞清楚，也是我这几周集中准备研究的重点。跟进这条线也是我现在安排的主线任务之一：推演，押宝，收集这条线上所有的资源。 App 卖不动，本质上并不是因为大家突然不喜欢用软件了，而是因为分发逻辑、用户习惯以及价值交付模式都发生了根本变化，让过去那条“装一个 App → 形成留存 → 再变现”的路径逐渐失效。如今 iOS 和 Android 的入口层被平台牢牢掌控，App Store 与 Google Play 的曝光越来越集中在头部应用，新应用几乎很难自然获得流量。同时，入口被超级 App 吞并——微信、抖音、支付宝等已经演变成“操作系统之上的操作系统”，用户的许多需求可以直接通过小程序、内嵌网页解决，不再需要额外下载独立 App。再加上AI 与 Web 化降低了‘必须下载’的门槛，生成式 AI 可以直接通过网页或多平台插件调用功能，PWA（Progressive Web App）更是让网页具备了接近 App 的体验，从而绕过下载环节。 这些现象几乎成了行业共识。但我是真的经历过那个“万物 App”的年代，当时人人都在学 Kotlin 开发移动应用。如今的变化在商业层面表现得更为明显：获客成本飙升，广告投放、应用商店排名、网红推广成本高得吓人，小型开发者很难回本；生命周期缩短，用户可能只用几次就卸载，因为功能容易被替代，除非形成完整生态，否则靠单一功能长期留住用户几乎不可能；商业模式趋同，过去依赖订阅、内购、广告三种模式就能赚钱，如今同质化竞争严重，用户的付费心理门槛也在不断提高。 别说用户，就拿我自己来说，如今也很少再去下载新的 App 了。从“下载占有”到“即用即走”。首先是安装疲劳——手机里已经有几十个常用 App，对新增安装天然抵触，“能用现有 App 搞定就不装”；功能期望提高——用户不再愿意为一个孤立功能单独安装 App，他们希望这些功能能够嵌入到自己已有的生态体系里，比如微信、飞书、Teams、浏览器插件等。 但是AI界面总不能承载所有功能吧？ 如果 App 外壳化 / 接口化 已经成为不可逆的趋势，而 AI 窗口（Copilot、对话框、Agent Hub） 又无法承担所有职能，那么下一个真正的入口/窗口必然会是更贴近具体场景与数据流的形态。我的推演方向是，在现有 App 宿主之上，构建一种能够填补 AI 窗口“非万能”空白的应用生态——即 场景原生入口（Context-Native Entry）。 这种入口不再是独立应用，而是直接嵌入到场景的触发点里。例如，在会议中，日历界面会原生弹出“行动建议”；在设计工具中，用户选中元素时会自动出现 AI 协作气泡；在车机屏幕中，驾驶到达目的地时会直接显示路线与任务执行按钮。它有三个显著特征：第一，零跳转，用户无需离开当前场景即可完成任务；第二，数据即时可用，上下文数据已经在场景内，无需额外授权；第三，执行闭环内建，任务完成后可自动将结果回写到对应的数据源（如 CRM、ERP、日志、交易记录）。 我画了两个示意图：主界面就是宿主（host environment），可以是日历、项目管理软件等；旁边的“泡泡”则是上下文触发的操作入口，而这个泡泡正是未来全球应用开发者共同参与的生态。它看起来像插件，但用户无需安装，由宿主内的 AI 自主决定何时调用。 Calendar: 宿主host environment Action items: 泡泡 （AI自由调用，其他开发者开发） 这种生态的核心特征包括： 能力模块化——功能以插件、微应用或结构卡形式存在，每个模块可以独立更新与授权；用户既可固定常用模块，也可临时调用一次性模块。 上下文可迁移——身份、任务、数据、历史操作等上下文信息在不同模块间无缝传递，避免重复输入。 AI 编排驱动——用户既可直接点击模块，也可用自然语言输入目标，由系统自动选择和组合模块执行。 多入口混合——既支持传统图标，也支持场景气泡、任务栏、语音指令等多种入口，根据任务性质动态显形或隐藏。 半自主闭环——简单任务可自动执行，复杂任务在关键节点需用户确认，执行完成后结果自动回写到对应数据源。 这意味着，未来的应用形态不再以“下载一个 App”作为起点，而是以场景驱动的即时入口作为载体，AI 在背后完成能力调度与组合，用户在前端获得零跳转、上下文贯通、结果可闭环的体验。 如何成为宿主以及泡泡的触发机制 要理解如何让一个应用从“功能提供者”升级为宿主，并能在合适的时机触发上下文气泡，需要先明确宿主的定义和运行机制。 宿主环境 = 上下文源 + 触发点 + 执行容器 + 用户界面 它承担的是一个舞台的角色，为能力模块（Capability）提供完整的执行与交互环境，包括： 触发契机——明确什么时候启动能力（事件触发、条件满足、用户操作等）； 上下文数据——运行前必须知道“是谁、在做什么、涉及哪些资源”； 执行通道——调用外部能力所需的网络、权限与运行时容器； 显形界面——用户可见、可操作的 UI（气泡、侧栏、提示条等）； 回写目标——执行结果要存回的权威数据源（如 CRM、ERP、文档、日志等）。 如何让任意应用成为宿主 为了具备承载外部能力和触发气泡的能力，一个应用至少需要以下四个开放接口与结构： 触发点 API：允许外部能力监听特定事件，如用户操作、状态变化、定时器触发、数据更新等。 例：会议开始前 2 分钟、文档被选中一段文字、车辆进入充电站。 上下文 API：提供标准化接口，让外部能力读取必要的上下文信息，如当前用户、选中对象、会话内容、位置等。 必须保证数据最小化原则，并在用户授权范围内暴露。 执行 API：提供安全可控的调用方式，让外部能力可以在沙盒环境中运行，并具备函数调用、网络访问、跨模块通信等能力。 支持权限校验和费控机制，防止能力滥用资源。 UI 插入点：为外部能力提供可嵌入的位置，用于显形气泡、侧边栏、弹窗、HUD 等不同形态的 UI。 插入点应与上下文事件绑定，保证用户交互自然、即时。 “泡泡”触发的全流程 当宿主具备上述条件后，一个上下文气泡的触发与执行过程通常如下： 事件监听：宿主通过触发点 API 监测到某个场景事件（如会议即将开始）。 上下文构建：宿主调用上下文 API，生成包含当前用户、任务、数据等信息的标准化上下文对象。 AI 决策：宿主内的 AI 调度器基于上下文，筛选最匹配的能力模块（可从能力目录中动态检索）。 显形触发：在 UI 插入点上显示气泡，提示用户可以执行的操作（或直接开始执行低风险任务）。 能力执行：调用执行 API，沙盒运行外部能力，并实时更新执行状态。 回写闭环：任务完成后，通过宿主的回写通道，将结果存回权威数据源，并刷新宿主界面。 只要协议畅通，全球开发者有能力的开发宿主，能力弱的开发泡泡，组合是天文数字量级的 只要协议畅通，这个由全球开发者共同构建的“巨型开发、应用与工具网络”就能进入几乎自我扩张的状态——它会像互联网早期的 TCP/IP 一样，把原本彼此孤立的能力和数据源接入同一张网络，让调用、组合与分发成为默认能力而非额外集成。能力强的开发者可以构建宿主，承载和调度多种外部功能；能力弱的开发者也能专注于制作单一“泡泡”模块，被宿主按需调用。 一旦协议统一了能力卡、上下文、权限和回写机制，任何能力都能被任意宿主直接使用，不同开发者产出的功能无需点对点适配即可自动兼容，AI 调度器也能跨厂商、跨领域、跨设备自由编排执行链。分发将彻底自动化——不必依赖人工搜索、下载或安装，能力会在符合上下文的场景中自动显形，高质量的能力会被宿主和 AI 持续选用，新能力一旦注册就能零延迟进入全球可调用范围。 这种模式会触发生态自增强效应：接入的能力越多，可组合的可能性越多，衍生出更多新场景；每次闭环执行的结果都会回写到数据源和特征库，使下一轮决策更精准，吸引更多调用，形成“数据—体验—调用”的正反馈飞轮；协议的统一也意味着一次改进可在全网生效。与此同时，生态的边界会不断开放——宿主可通过协议变成流量与上下文的枢纽，小型开发者可以靠单一能力卡或场景编排持续获利，平台还能围绕调用和数据确权发展出分润、信誉、质保、治理等全新商业模式。 换句话说，只要协议打通，组合空间就是天文数字级的，调用、分发和优化会自动发生，整个生态会以互联网式的速度与规模爆发。 这个“协议畅通 + 宿主/泡泡”模式，其实针对的是现有 App 开发和使用模式中的几条核心瓶颈，而且它的结构设计正好能逐一化解。 1. 分发和获客瓶颈 现状 App 必须依赖应用商店、广告投放、内容引流才能被用户发现。 新应用进入成本高，获客成本（CAC）居高不下，小团队往往无法回本。 分发渠道高度集中，头部应用占据曝光，大多数 App 没有生存空间。 突破方式 在协议畅通的模式下，能力（泡泡）不需要用户搜索、下载、注册，而是由宿主在符合上下文时自动分发显形。 分发入口变成多点分布（各种宿主和 AI 调度器），降低依赖单一渠道的风险。 新能力一旦注册，就零延迟进入全网可调用范围，被动获客。 2. 集成和适配成本瓶颈 现状 不同 App、系统、行业的数据和功能接口差异巨大，需要大量定制化集成。 跨系统协作需要重复开发“胶水层”，浪费时间和人力。 突破方式 统一上下文协议、能力描述协议、回写协议，让不同宿主和能力模块之间天然互操作。 开发者一次接入协议，就可以在所有遵循该协议的宿主中运行，不必逐个适配。 AI 调度器在运行时动态组合能力，无需提前硬编码集成关系。 3. 功能封闭与长尾需求瓶颈 现状 App 功能由开发团队预先定义，长尾需求（小众场景）很难覆盖。 用户经常需要跨多个 App 来完成一个任务，效率低下。 突破方式 协议化能力可以被 AI 自由组合，一次性生成专属于某个用户、某个上下文的任务链，哪怕这个链只执行一次也值得。 小众能力也可以生存：哪怕调用量很低，只要在某个链中被用到，就能产生价值并获得分润。 4. 更新和迭代瓶颈 现状 App 更新周期长，功能迭代慢，用户必须整体升级 App 才能获得新功能。 功能和数据常常被锁死在 App 内，迁移和重用困难。 突破方式 能力模块化后，每个能力卡或泡泡可以单独更新、单独授权。 改进一次能力，就能立刻在全网生效（所有宿主和链路同步受益）。 数据闭环让优化路径自动收集反馈，形成持续迭代的飞轮。 5. 用户交互路径瓶颈 现状 用户必须主动切换 App 才能完成任务，跨场景跳转造成体验中断。 每个 App 的 UI 逻辑不同，学习成本高。 突破方式 场景原生入口（泡泡）直接嵌入用户所在的任务上下文，无需跳转。 宿主负责 UI 容器统一化，外部能力复用相同的交互模式，降低学习成本。 一句话总结 这个模式克服了分发集中、集成昂贵、长尾难覆盖、更新迟缓、体验割裂五大瓶颈，让开发者专注能力本身，让用户在场景中即时获得可组合、可闭环的服务。 （1/n)

AI 这轮最热闹的地方，是模型越来越聪明。 但真正卡在后面的，可能不是应用数量，而是数据和计算怎么被处理。 训练、模拟、优化、数据清洗，这些东西听起来不性感，但每一个强 AI 系统背后，都离不开更稳定的计算执行和更高效的资源调度。 这也是我最近从 AI data processing 角度看 @quipnetwork 的原因。 很多人只把 Quip 当成 quantum security 叙事，但它的 Proof of Useful Work 其实更值得单独看。 网络不只是消耗算力来维护安全，而是尝试把计算导向真实优化问题。 这点放到 AI 里很关键。 未来 AI 竞争不一定只是谁的模型更聪明，也可能是谁能更好地处理数据、验证结果、协调算力，把 compute 变成可用的基础设施。 所以我现在不只看 AI 应用。 也会看后面这些 compute network。 因为真正的大机会，很多时候不在最吵的前端，而在那些默默处理数据和计算瓶颈的底层。

这两周的抄底清单：我最想持有的AI股票五大梯队 今天上午答应了大家，晚上就整理出来一份清单。 过去两周市场波动很大。趁着这次回调，我把自己的观察名单重新梳理了一遍。 先说一个前提，这不是涨幅排行榜。不代表第一梯队一定比第五梯队涨得多。 很多第五梯队的股票，未来涨幅可能远超第一梯队。 这个榜单更多代表我对未来1-3年：基本面，估值。市值空间，稳定性，持仓体验和叙事空间综合之后的风险收益比排序。这不是比谁最会涨的最猛，是谁最值得长期持有。 按照未来几年的AI瓶颈来看，我会给叙事这么排名，没说到的叙事不代表不好。 1. 存储 2. 光互连、光通信 3. 算力与基础设施 4. 能源 5. AI应用。 未来几年我认为最值得关注的是：存储 → 光互连 → Scale-Across → 电力 → Physical AI。 如果不想选股，其实也很简单。存储直接看 DRAM ETF。光通信直接看 FOTO ETF。能源直接看AIPO ETF。这三个ETF基本覆盖了我最看好的三个方向。 第一梯队（AI基础设施核心层) : NVDA, MU, SNDK, TSM, AVGO, MRVL, INTC。 这是AI扩张最底层的基础设施。NVDA = 算力，MU / SNDK = 存储，TSM = 制造，AVGO = ASIC + 网络，MRVL = 连接，INTC = AI服务器CPU + 网络 + Foundry Option。如果未来AI Capex继续增长，这一层最先受益，也是确定性最高的一层。 第二梯队（高确定性重估）: LITE, NOK, COHR, MSFT, ORCL,QCOM, NET。 第三梯队（AI基础设施扩张受益) : CRWV, NBIS, IREN, DELL, AAOI, ONTO, AMKR。 这一层是AI扩张越快，这些公司订单越多。但没有第一梯队那么不可替代。 第四梯队（数据层与软件层): SNOW, MDB, NOW, CRM, PLTR。 AI最终会落到数据和应用层。 第五梯队（未来主题与高Beta) : TSLA, OUST, BB, CEG, OKLO, SMR, NVTS, WOLF, SOFI, HOOD, CRCL 这一层并不是不看好。相反很多都是我长期关注的公司。这里面包含Physical AI, 机器人, 自动驾驶, AI-RAN,核电, 电力, 金融基础设施,很多公司的上限非常高。只是波动更大，兑现周期更长。 如果只能选5个，再帮大家筛选一下，我会直接把选股变成选赛道。 1. DRAM ETF 2. FOTO ETF 3. NVDA 4. MRVL 5. NOK DRAM覆盖存储。FOTO覆盖光通信。NVDA代表算力。MRVL代表连接。NOK代表Scale-Across和DCI。而且FOTO里面没有MRVL和NOK。刚好补齐我最看好的两个方向。 未来几年如果AI继续扩张，我认为最大的机会依然会围绕: 存储 → 光互连 → Scale-Across展开。这也是为什么最近市场大跌之后，我最优先关注的仍然是这几个方向, AI硬件股还是下半年确定性最高的板块，不过也可以同时关注老黄说的AI应用，Physical AI和Edge AI板块。