与「強化試合」相关的搜索结果

侍ジャパン🇯🇵強化試合 対オリックス戦観てきました~！！⚾️ ｡˚✩ すごい選手をたくさん観れて幸せすぎた~😮‍💨🤍どっちが攻撃でどっちが守備かオリファンとしてはわからんかった🤣🤣 #WBC2026# #侍JAPAN# #強化試合# #Bs2026#

試合前ショップ並んでたら後ろがまさかの　　　　笑🤣🤣 借り物競走で借り出されてたあの方でした🤣🤣🤣🤣 #WBC2026# #侍JAPAN# #強化試合# #Bs2026#

Notion 创始人这期分享确实很精彩。 大家千万别错过 Notion CEO Ivan Zhao 在红杉聊的这期播客，观点特别有见地。 甚至我觉得，这是近半年来所有创业者都应该认真精读的一期内容。 相当解惑。Ivan 把 AI 时代里一个组织正在发生的变化，用一种特别形象的方式串了起来。 1、Ivan 提到一个非常有意思的概念，叫 Jazz Mode。传统公司像 marching band（行进乐队），队形整齐，节奏固定，指挥说什么大家做什么。 Notion 想做的是 jazz band，有基本结构，但更强调即兴、互相接住、每个人都能主动发挥。 Ivan 觉得 AI 时代变化太快，太像 marching band 的组织会跟不上，所以 Notion 这几年在刻意招那种高主动性、高好奇心、能自己找路的人。 2、公司并不存在完美的扁平结构，人和人之间的层级关系始终存在，在这一点上他选择承认现实。 真正能设计的是一起工作的方式，把公司组织得更像一支可以即兴合奏的爵士乐队，而不是一支只会整齐队列表演的军乐队。 3、但爵士模式的前提是主旋律要清楚，相当于愿景、产品方向和少数几条铁律，类似底层和声结构。 团队在这个主旋律之上拥有较大的即兴空间，可以根据用户反馈和技术变化自己处理段落，而不是在每一个决策点都往上递审批。 4、Notion 现在大约有六十个曾经做过创始人的员工，这是他刻意营造的人才结构。 他更愿意招对 0 到 1 负过全责的人，这类人习惯自己发现问题、搭框架、推进落地，也更愿意在模糊地带主动出手。 公司需要的是能自己写歌、也能听懂别人演奏的人，而不是只会照谱子执行任务的演奏员。 5、在工程组织上，他把 Notion 重构成一个杠铃结构。 一端是非常 junior 的工程师，刚毕业或者职业早期；另一端是少数非常 senior 的架构师和技术带头人。 中间那类常规中高级工程师反而被刻意压缩，整个分布像一根两头重、中间瘦的杠铃。 6、杠铃结构背后的逻辑很简单。年轻工程师可塑性强，不会被旧时代的大规模工程实践和工具链束缚思路，在大模型快速变化的环境里能更容易接受全新的开发范式。 资深架构师负责定义系统级的分工和抽象，比如哪些部分交给模型，哪些部分坚持规则，如何组织数据和服务，确保整个产品作为一个系统是连贯的，而不是东一块西一块的功能拼盘。 7、当一个工程团队里大多数人都停在经验不浅、但也谈不上顶尖的这个档位时，整个组织很容易陷入一种温水状态：事情都有人做，但缺少敢颠覆旧方案的人，也少了愿意疯狂尝试新东西的人。 年轻人缺少全局视角，只能局部优化，老一辈如果人数太少，声音又容易被流程淹没，这种结构在 AI 时代会变得非常迟钝。 8、他用一个很有画面感的比喻来解释大模型产品开发。传统软件工程更像修桥，强调确定性的结构分析和数学推演，只要按照规范搭建，结果会高度可预测。 基于大语言模型做产品更接近酿啤酒，需要在原有配方和工艺上不断试验，调整温度、时间和原料比例，最后的标准来自人的口感而不是单一技术指标，用户体验是第一参照系。 9、他把 Notion 的 AI 能力视作对产品的再创作，而不是简单给旧界面贴一个智能按钮。 在拿到 GPT4 的早期访问时，他的直觉是，工具本身的工作方式需要重想，如果从公司一开始就可以假设存在这样的模型，那么 Notion 的交互结构、功能边界和价值主张应该是完全不一样的一套设计，这需要以重启思维来对待，而不是做一个插件。 10、他的职业生涯里出现过两次真正意义上的重启。 第一次发生在公司最困难的时候，团队被压缩到只剩几个核心成员，几个人躲在京都的小公寓里，用近乎白纸的心态重新问自己。 Notion 还要不要继续存在，如果要继续，哪些东西必须放弃，哪些能力哪怕再难也要保留。这一轮更偏向拿掉包袱、守住本质。 11、第二次重启发生在他拿到 GPT4 早期权限之后。 当模型能力跃迁时，他意识到自己这家公司可能会失去原本的位置，也可能借此进化成下一代生产力工具，关键在于有没有勇气承认旧的产品假设正在过期。 这一次的重启更偏向向前跳，是把 Notion 推向 AI 原生路线的转折点，从「文档+数据库」升级成「有理解能力的工作空间」的起点。 12、关于什么时候该重启，他给的判断标准非常实际。 并不是等到财务报表撑不住，更多是看组织与时代之间的错位：技术和市场环境已经明显往前走了，内部流程、产品形态和人才结构还停在旧逻辑里。 同时创始人对当下这家公司明显提不起兴趣，每天更像在维护一台运转正常但没有灵魂的机器，这种状态持续存在，基本就到了需要重启的阶段。 13、他谈创始人角色时，把重心放在创始人能量上。 创始人在公司里最关键的价值不只是最后拍板，更是持续发射出一套稳定的频率，这套频率包括对产品审美的标准，对什么算好体验的直觉，对哪些细节不能妥协的执念，以及面对不确定性时愿不愿意亲自下场试。 只要这股能量还在线，团队就知道自己在跟随一位有风格的乐手，不是在为一个抽象的 KPI 系统打工。 14、在人才选拔上，他逐步弱化简历本身的重要性。 Notion 的第一轮面试已经不再以简历为核心材料，更关注候选人在开放问题前的思考方式，对产品的直觉，对工具和工作方式的理解。 名校和大厂的履历在他眼里容易变成噪音，他更在意一个人能不能提出自己的看法，能不能在真实的情境下把事情推进，而不仅是在纸面上合格。 15、在销售文化上，他没有把销售放在产品的对立面。 他希望 Notion 的销售像懂音乐的乐手，先听清楚客户现在那首歌的节奏，再思考 Notion 这件乐器应该在什么位置加入，是主旋律，是伴奏，还是间奏，而不是一上来就把音量拉到最大只追逐签约数字。 真正重要的是建立长期合作关系，帮助对方把 Notion 用深、用广，而不是满足一次性收入目标。 16、他反复把组织、产品和 AI 放在同一个坐标系里思考。 组织设计要适配新的技术范式，人才结构要为试错和即兴留出空间，产品要在模型能力和用户体验之间找到新的平衡点，销售和商业化则负责把这套东西带到更大的市场里。 整套思路的底层前提很简单：这家公司永远是一支在不断改编曲目的爵士乐队，而不是一台固定工序的流水线。

不知大家是否有这样的一个问题，我们在努力追赶AI的脚步，却始终跟不上它的进化速度。 这不是玩笑。今年AI迭代有多快，看看前段时间还火爆的龙虾现在几乎没人提了，就知道答案了。我们好不容易搭好一个Agent，转眼就被更强的新版本取代。你是不是又要去换一个？不换的话你的效率产出不如人家，换的话又浪费大量的时间以及金钱，左右为男。 我自己也在研究AI新手该怎么入门。网上教程五花八门，每个都试一遍成本不低。作为小白，也不想跑太多复杂任务，花那么多也不太值得，而且也不知道花了钱以后能不能达到自己想要的结果。更让人焦虑的是，模型更新太快，你这边还没搞明白，新模型又出来了，感觉白忙一场。 这俩天看到一个文章，有一句话特别好：不是模型越能干，用户就越轻松；反倒是因为模型越强，AI 能做的事情更多，高级用法也就越复杂了。 现在我就是这样想的，现在AI的使用门槛其实越来越高。大多数人还停留在用豆包做题、问简单问题的阶段，没能把AI当成真正的生产力。就是因为门槛太高了，把绝大多数人都挡在了门外，我感觉后面这种差距会越来越大，因为AI可以当几个人、几十个人来使用，会用善用AI的人以一当百了，你还在一个人战斗...想想就可怕。 所以我最近一直在找一个真正好用易上手的AI工具，还真发现了一个不错的产品，就是意图龙头 @dappOS_com 新推出的一个AI产品 xBubble ，它完美的解决了我前面所说的上手难的问题，它用AI学习AI，然后再用AI使用AI。听起来是不是很抽象？那就对了，只有天马行空的产品才是好产品。 @xBubble_ai ，一款低提示率的 AI 代理，可将简短的请求转化为最终成果。用人话说就是我们要生成一个比较复杂的图或问题，只需要一个简单的提示词，它就能根据这个提示词，给你生成一个质量不错、能直接拿来用的结果，比绝大多数的AI都简单实用。 很多人这时候就会问了，为什么能达到这种效果？其实挺简单，它就靠两个协同工作的系统，Bubble Pilot 和 Bubble Engine 。 Bubble Engine 就是AI学习AI，它就是不停地让AI自己写 AI、自己测AI、自己挑最好的AI方案，然后选出一个最优的方案固化成一个能重复利用的标准操作流程（SOP）,相当于你玩游戏获得的大招技能一样，可以一直用，这么说应该懂了吧？然后技能不是只能获得一个，它能获得多个大招，专门针对不同的场景。 Bubble Pilot 就是AI替用户使用AI。比如说你提出一个问题，它会跟据这个问题去找大招，也就是SOP，给你这个问题的最优方案。如果没有匹配的大招，它就会用通用 Agent 给你解决方案，然后记录下来这个问题，让 Bubble Engine 抓紧研究大招~ 总体下来就是 Engine 负责后台建设，Pilot 负责前台执行，分工明确干活不累！随着Engine构建的 SOP越来越多，Pilot就能将更多请求都转到更快更好的路径，性能也就更好，形成了一个能无限检索的正循环，你就说这强不强吧! 使用也超级简单，有两种模式：分别是Bubble Computer 和 Bubble Personal。 - Bubble Computer 是 xBubble 的端到端项目工作空间，Bubble Pilot 检测到多步骤的任务就会路由到这，沙箱环境自动启动，自动选择合适的模型和技能，一次性完成交付从研究到交付的完整流程。云端大工厂，一条龙交付！ - Bubble Personal 是一个本地环境模式，这个相当于现在市场上的AI助手吧，可以帮你完成一些自动化任务，安全隔离还是做的挺不错的，本地计算机上不安装任何软件、不修改系统环境，安全级别很高。 这才是我最想要的AI工具，让我这种小白也能使用的AI工具才是大众最想要的，而不是那种入门难，有各种门槛需要各种专业化技能才能使用的AI，未来的大方向不应该是把工具做得越来越复杂才对，应该是让AI学习AI，然后再用AI使用AI！

去年 12 月，我在 OKX Pay 中放入了 10,000 USDG，當時最高年化收益達到 10%。經過大約半年的時間，目前賬戶中的累計收益已經超過 425 美元。 原本我以為，這已經是一個相當不錯的穩定幣收益實驗。直到最近一位朋友告訴我，他通過 OKX 的現貨槓桿借幣方式，將 USDG 的收益率放大到了約 17% 年化，而且參與金額接近 47 萬美元。 這期影片中，我會從自己的 USDG 收益記錄開始，帶大家瞭解： OKX USDG 的收益為什麼從 10% 降到 6%； 朋友如何通過現貨槓桿借幣持有大量 USDG； 4.1% 收益與 2.5% 借幣成本之間的利差如何計算； 我如何使用 1,000 美元親自測試這套操作； 這種看似穩定的利差玩法，背後有哪些脫錨、強平和收益變化風險。 這只是我個人在區塊鏈領域中的學習與實測記錄，不構成任何投資建議。涉及借幣與槓桿的操作，請務必先瞭解相關風險，再根據自己的承受能力作出判斷。 重點時間戳 00:00 朋友用 USDG 做到約 17% 年化？ 00:31 我半年前投入 10,000 USDG 的真實收益記錄 01:14 USDG 收益從每周約 20 美元降到 11 美元的原因 02:13 朋友的玩法：近 47 萬美元 USDG 與現貨槓桿 03:27 實際收益截圖：一周發放 247 美元 04:12 另一位用戶用 5 倍槓桿持有 72 萬 USDG 04:47 現貨槓桿和合約交易有什麼區別 06:22 約 17% 年化是如何計算出來的 07:51 OKX 現貨槓桿操作演示：開啓跨幣種保證金與自動借幣 10:48 用 1,000 美元實測買入 8,000 USDG 11:56 如何查看借幣利率：收益 4.1%，成本 2.5% 13:07 風險提醒：脫錨、強平、VIP 收益變化與退出方式 @okxchinese

知道很多人没有赶上币安@binancezh #BinanceOnline# 大会，没赶上 BinanceOnline 大会的看这里！ 我帮大家筛好了跟CZ大表哥，一姐以及币安有关的全部核心干货，不用翻回放，直接看就行！ 一、何一（一姐,币安联席 CEO，首席客服官）@heyibinance 1）外界只看到币安用户做到 3.1 亿，其实内部最骄傲的是团队架构彻底理顺、高端人才越聚越多，人才才是币安能一直做大的根本 2）一直守住币安原本的做事风格没变，同时拼命补齐合规这块短板，一直在全球吸纳行业厉害的人才 3）别看现在是熊市，整个加密行业其实在悄悄变强，早就不只是单纯炒币了，区块链也开始真正用到实体经济里，和传统金融走得越来越近 4）敢定下 30 亿用户的大目标，不是吹牛，是头部企业该有的格局； 最终不是只做一个交易所，而是想做成全球人人都能用的金融基础服务 5）用户增长越来越快，新增用户耗时一次比一次短，能看出来行业认可度、技术创新都在飞速进步 6）做产品的初心就是服务普通老百姓、底层人群，想让全世界普通人都能享受到公平的金融服务，不被有钱人垄断 7）心里最担心的就是顶尖人才不够用，所以币安一直在全球大范围招人，认定人才 + 创新才是未来赢下赛道的关键 8）现在业务已经覆盖 100 多个国家、3.1 亿用户，这只是刚开始；很多金融机构只服务有钱人，币安偏要做大众普惠服务 9）未来五年最看好AI 结合金融，想用 AI 抹平普通人跟专业投资者的信息差，让小白也能拥有专业的投资判断能力 10）2014 年入行加密圈，最早就用加密货币给社区癌症患者做公益筹款，一直觉得加密不只是炒币工具，更是做公益、帮普通人的好载体 二、Richard Teng（币安联席 CEO）@_RichardTeng 1）跟着币安一路走来，始终守住把用户放第一位、踏实做事、团队齐心的初心，这也是币安能熬过牛熊一直发展的原因 2）币安早就不只是一个普通交易所了，已经升级成全球区块链底层基建平台，而且一直在往全球合规最正规的交易所靠拢 3）大量引进传统金融、合规风控、商务运营的专业人才，适配全球各个国家的业务布局 4）全球还有十几亿普通人根本用不上正规的银行金融服务，币安做加密的初心，就是打破这种金融壁垒，让资金能自由流通 5）不断上新品类，贵金属、石化产品、美股都能交易，支持全天 24 小时随时买卖，方便机构和普通人做资产避险、风险对冲 6）合规实力很强，是全球唯一被阿布扎比官方全程监管的平台，已经拿到 20 多个国家和地区的合规认可，等全球监管明朗后，能承载海量用户入驻 7）现在全球加密监管还很乱，每个国家规矩都不一样，没有统一标准，想完全统一监管还要很多年； 币安进入任何国家，都会老老实实适配当地规则 8）主动参与全球行业规则制定，帮忙推动出台合理监管政策，既保护普通用户，也维护整个行业稳定发展 9）重金砸在合规建设上，合规团队将近 1600 人，占员工总数超 20%； 还花大钱用 AI 辅助合规审核，把安全合规做成币安的一大优势 10）很看好 AI 和区块链互相结合，同时也关注大健康、生活服务这类跨界发展机会 11）自己最早用加密货币做跨境转账，还曾在不丹直接用加密买东西，能看出来币安支付已经普及到全球小众地区 12）美国现在对加密行业态度明显变友好，会带动全球监管放宽、资本进场，稳定币、现实资产代币化这些赛道都会跟着受益 三、CZ大表哥 币安创始人@cz_binance 1）投资不爱跟风炒热门 AI 应用，更喜欢布局底层硬基建：AI 数据中心、电力供给、高端算力芯片这些实打实的产业 2）现在英伟达垄断 AI 芯片市场，但这种局面不会一直持续，未来一定会出来专门为 AI 定制的芯片 3）长期看好机器人、生物科技两大方向，AI 能极大加速医药研发、基因研究、蛋白质分子实验等领域的突破 4）个人 70%-80% 的资金还是重仓 Web3 和区块链赛道，这是自己最熟悉、最有把握的领域 5）投资习惯很稳妥，都是先小额试水、边投边学习，靠身边行业资深前辈，拿到圈内最新一手消息 6）未来每个人都会拥有专属 AI 智能助手，还有家用实体机器人，生活、工作都能帮着处理 7）行业最终没有传统金融和 Web3 的界限，往后区块链会变成所有金融公司必备的底层技术，谁都绕不开 8）币安现在一直在给 AI 生态铺路，优化区块链底层设施，支持小额高频交易、去中心化存数据、AI 自动帮用户交易 9）AI 以后会把投资操作简化到极致，用户只需要说一句简单指令，AI 就能自动找最优价格、完成全套交易 10）目前 AI 智能助手还不算成熟，风控防护不完善，直接管大额资金有风险； 币安上线的 AI 交易工具，用隔离钱包单独管控资金，用户实际体验口碑很好 11）AI 未来能成为免费的专业理财顾问，比普通真人理财师更客观、更个性化，不会刻意推销产品割韭菜 12）稳定币对高通胀、没有正规银行的国家特别重要，能帮当地人轻松持有美元资产，是金融普惠的关键 13）极度看好现实资产代币化，把美股、实体资产都搬到链上，让全球普通人都能平等参与优质资产投资 14）普通人不用额外投入成本，靠家里闲置电脑、硬件就能参与 AI 产业挖矿，搭配加密资产能形成一个全新的万亿级赚钱生态 四、NINA RONG (BNB CHAIN 执行总监）@nina_rong BNB 链由三条公链组成，最终目标是承载十亿级普通 Web3 用户 全球 40% 的稳定币交易都在 BNB 链上，是全球最大稳定币公链 同时也是第二大 RWA 公链，60% 的链上 AI 机器人都跑在 BNB 链生态里 技术一直在持续升级，交易确认速度做到亚秒级，今年还要把整体处理能力大幅提升 马上推出 AI 机器人开发工具，重点发力跨境支付、非美元稳定币生态，覆盖更多国家需求 主打底层技术隐形化，普通人不用懂区块链，直接用钱包、APP 就能享受所有服务，门槛拉到最低 五、币安支付负责人 币安早就跳出单纯炒币平台的定位，现在做成了一站式金融超级 App，日常消费、跨境转账、资产理财全都能搞定 核心目标就是抹平传统银行和加密支付的隔阂，普通人用起来跟普通银行卡一样简单，不用懂任何区块链知识 币安卡福利很实在：用稳定币消费免转换费、免跨境手续费，还能拿 15% 的消费返现 已经对接巴西、越南等多国本地扫码支付，线下门店买东西，直接打开币安 APP 扫码就能付款 会根据每个国家的消费习惯单独做本地化适配，贴合当地人花钱、转账的习惯，做接地气的金融服务 六、ELLA ZHANG (YZI LABS 负责人)@ellazhang516 2018 年刚踏入这个行业，一门心思只深耕区块链，完全没重视 AI 赛道。现在回头复盘，确实是当初格局和眼界受限，错过了早期布局的好机会 科技行业每一次颠覆性变革，从来都不是单一领域独立完成的，都是不同技术相互结合催生出来的 区块链和 AI 彼此赋能、深度绑定，已经是行业发展的必然走向 传统金融和链上 DeFi 不存在谁颠覆谁、互相争抢市场的情况，更多是互补共生、慢慢融合，而现实资产代币化，就是眼下最确定的行业风口 往后传统股市和加密资产会逐步打通、互相渗透，稳定币也会成为衔接传统金融和加密领域最关键的桥梁 让我们继续keep building #BNB！# #Binance#

總結吳說 EP-93 香港共识大会的共识：竟然是币圈完蛋了？ ## Part 1：分享本次香港共識大會的感受 @colinwu Colin Wu：他觀察到香港政府層面對此次共識大會很重視，現場也有宣布一些政策，整體可感受到官方重視程度高。他同時覺得整體偏冷清、落地型熱點不多；並指出「預測市場」與「股票代幣化」雖是全球熱點，但在香港面臨較高合規難度，因此會場較難看到深入落地討論；RWA 雖有人提，但因活動偏海外參與者，討論度沒有特別高。 @tmel0211 Haotian：他對比上一屆「大家各聊各的、沒有共識」，這次反而出現了強烈且一致的悲觀情緒，像是「幣圈不行了／行業完蛋了」這種集體唱衰，但他也強調這不代表他個人立場。他原先以為海外項目方會更樂觀，但實際接觸後感到部分海外項目方呈現更麻木、躺平、與外界情緒脫節的狀態，並表示自己因此有些失望。 @nomadcindyy Cindy Wang：她形容此次跑會是「離譜加驚喜」的體驗，感覺像頂級圈子聚會、幾乎看不到散戶，且「你永遠不知道旁邊坐的是誰」。她分享自己曾把 Bullish CEO Tom Farley 誤認成路人、後來才發現對方上台演講；也提到酒會上孫宇晨送「大箱子但裡面只有一根香蕉」的荒誕趣事（並提到與香蕉膠帶藝術梗相關）。 @DeFiTeddy2020 DeFi Teddy：他覺得主會場許多項目更偏機構業務、合規相關，使他在主會場停留時間變短，反而在周邊活動交流更多。他直觀感到「機構進、散戶退」的轉折點正在發生；同時認為幣圈不會完蛋，去中心化的精神與需求長期存在，但 AI 的確分走注意力、資金與 builder，因此本次的「共識」更像是「要轉 AI」（包含純 AI 轉型、或 AI 與 Web3 結合如 AI Agent、用 AI 服務 Web3 增長投放等）。 @anna_nanachan 娜娜子：她觀察到中文局與英文局差異很大：中文局更常圍繞幣價、是否抄底、投資標的討論，情緒更受價格波動影響；英文局更少談幣價，交流較偏生活與想法、氛圍更鬆。她也提到許多公鏈活動中「AI 類」項目仍很多，且常見現象是「不論做什麼賽道（如支付、RWA）都會加一些 AI 元素／敘事」；另外也看到一些原本做 Web3 的創辦人轉做純 AI，而她提醒 AI 與 Web3 的融資邏輯與玩法不同，盲目轉型未必是好事。 @estherinweb3 Esther：她提到預測市場團隊非常多、參與者背景複雜（包含合規券商孵化、甚至澳門博彩背景團隊等），並說穩定幣相關華人團隊也多樣化，連應用層團隊都想發穩定幣以掌握結算與發行權。她同時觀察到做市商更活躍、活動整體更國際化，並提到 Coinbase、Kraken 等海外大型交易所更明顯關注華語市場，且她提到華語用戶交易頻率與資金活躍度高、海外交易所也可能具備部分離岸平台沒有的優勢（如股票代幣化方向）。 @assassinaden Albert Luxon：他從二級／基金交易視角表示本屆規模與新鮮感不如上一屆，主會場「老面孔」多、參展新人少，side event 也看到交易團隊數量較以往下降。他提到去年 10 月後不少套利／carry 類團隊被「wiped out」，並觀察到支付與 RWA 暴露/搬運更像「牌照生意」，因此傳統金融背景與信用積累更重要，機構業務也正被傳統金融團隊逐步接管；同時 LP/FoF 越來越看重跨市場（Crypto 與美股、商品等）能力。 @0xKirara Kirara：她感覺今年和去年最大差別在於：以前大家「找項目、聊空投與搞錢」，這次更像在「找吃的」，且很多人不再熱衷聊炒幣暴富。她提到不少人利用熊市空檔研究 AI、Vibe Coding，用 AI 工具做小網站/小產品，並用「以前說不要當產品經理、現在人人都像產品經理」來形容這種轉向。 ## Part 2：幣圈是否真的「完蛋」、還有哪些機會？ @0xKirara Kirara：她主張要拆開看：不是整個行業完蛋，但「某些舊的東西/舊敘事」確實在退潮；她以比特幣敘事演變與「窗口期很短、像流量選秀」來描述項目競爭節奏。她也指出 AI 的定位在變：從「專案賣點/特色」走向更像「基礎配置/基礎設施」，變成沒有 AI 反而奇怪，並認為若還停留在舊賽道與舊敘事，會更難生存。 @assassinaden Albert Luxon：他不太認同「完蛋」，更傾向用「成熟」形容，並提到市場賽道收斂、圍繞較穩定的方向形成共識（他轉述朋友的總結為支付、交易、合規、風控）。他也談到優秀項目可能更希望走傳統資本市場上市路徑（如納斯達克/港交所），以及交易所角色可能從「偏一級/上幣」轉向更偏「二級服務」能力競爭（如托管、法幣通道等）。 @nomadcindyy Cindy Wang：她說自己「至少同意一半」：單純的「幣圈時代」在結束，並用交易所與平台產品往「美股上鏈/傳統資產」延伸的現象作為觀察例子。她也強調另一面是 Crypto 與傳統金融/支付的融合在加速，並以穩定幣對傳統支付結算效率、成本與透明度的衝擊，以及產業人士的焦慮與轉型需求作為她的體感佐證。 @estherinweb3 Esther：她看好政策框架更清晰後的合規路線與政策窗口期，並談到「最可怕不是價格熊市，而是心態熊市」的觀點（對變化麻木、排外、拒絕新玩家/新變化更危險）。她也提到她認為較有機會的三類：有清晰商業模式與現金流的入口級業務、具備強美式政治/資本背書的項目、以及把加密視為新增盈利點的券商與傳統金融機構（例如 VATP 牌照升級後拓展業務）。 @anna_nanachan 娜娜子：她認為早期靠背書與白皮書就能發幣收割的模式在當下更難成立，流動性變低、VC 更謹慎，反而形成優勝劣汰，長期可能提升行業品質。她也提到機構進場使籌碼更集中、散戶相對不友好，散戶可能轉看 Meme，但在經歷波動與 FUD 後整體熱情下降、更謹慎，市場更機構化與理性。 @tmel0211 Haotian：他明確說「情緒面肯定是完蛋了」，並將其歸因於老敘事與老規則失效、資產與發幣更流水線化、注意力經濟加劇與「共識破裂」等現象。他提出下一階段可能的機會在「Agentic Economy」宏觀框架，嘗試把穩定幣、預測市場、AI trading、機器人/Physical AI 等趨勢串起來，作為可能的新共識方向。 @DeFiTeddy2020 DeFi Teddy：他回到「去中心化」作為 Crypto 核心價值，認為其不會完蛋，但直指近年問題在於缺乏同等級的突破式創新，導致信仰流失與「上所/上幣」成為許多項目的單一目標。他同樣看重 AI 帶來的生產力變化（如 Vibe Coding），並認為 Crypto 若要形成新共識，可能需要與 Agentic Economy 結合；他也提到去中心化 AI 與可驗證、可共同擁有的模型願景仍很早期但與去中心化精神一致。 @Leoninweb3 Leon Liu：他以參展方視角說本屆國際化氛圍明顯、海外面孔多，但整體偏冷清，且不少人反映「有意思的項目不多」，票價/參與度也受到影響。他提到現場讓他意外的是預測市場與 AI 相關項目在會場內反而不多（但賽道在外部很熱），並分享他較看好的方向包含合約/永續（含跨市場資產上鏈衍生品的優勢）、AI 與 Crypto 的結合，以及仍屬早期但被關注的預測市場。 --- gemini + gpt-5.2 協助整理 youtube 有時間軸更好跳轉

虚实相生，虚拟经济野蛮生长 最近真的太忙了，各种事情堆在一起晚上简单搬运猫哥内容，就早早睡了。 今天空下来就着csgo这段时间出圈的契机也捋一捋思绪，展开聊一下我对虚拟经济观察。 cs作为一款享誉全球的对战游戏，曾经相当长时间稳坐FPS游戏第一的宝座，目前为止也有将近150万的日活，从1999年发行至今26年一直深受玩家追捧，之后开发的射击游戏都有cs的影子。 cs饰品交易更是从小做到现在超百亿规模的。 10月21日cs饰品市场因为v社（cs开发商）系统更新，稀有饰品合成难度直线下降，随之而来的饰品价格断崖崩盘，大盘市值蒸发大半，最近恢复了不少，也侧面应证了虚拟资产有强大的生命力。 据我了解有很多都是年轻人甚至是大学生在炒作饰品，参与其中的交易者损失惨重，相信经历过这次挫折之后风险意识会显著提升。 诚然虚拟经济有着各种各样的弊端，但是在我看来虚拟经济交易未来还是会慢慢发展到更大规模。 2020年因为疫情的契机苹果有一场特殊的wwdc发布会，库克在一堆虚拟形象面前发布了苹果新产品，作为产品设计师当时写了一段私密朋友圈作为记录 “wwdc最震撼的一幕，未来人类可能会生活在开放度极高的线上场景，用不同的社交形象出现在线上（外星人？石头？鸟人？），阶级差异会出现在形象模型/场景多样性…，富人的硬件渲染能力更强能体验更多样的人生，一切美好的场景都需要极强的算力支撑，身体会随着模式化的线下生活变的更长寿，星际旅行变为可能…未来已来，这一幕的伟大更胜乔布斯开启的iphone时代[庆祝]” 写的很不踏实但也是当时的真情实感，随后的几年ai概念开始大爆发，线上虚拟形象的改变已经开始普惠到普通人，年轻人可以变成任何自己想变得样子。 这种趋势的发展是年轻人对实体经济的革命和反抗，人不用在顺从过去的规则，你玩的我不玩就像现在的年轻人也不会在玩邮票一样。每一代人都有自己的价值载体心头好。 作为普通人大部分人可投资的交易资金应该也不会太高，虚拟经济虽然交易深度不够但是对于小资金试水反而是不错的选择 长期关注各种投资机会的人，应该尝试把虚拟经济加入自己的购物筐里，有更开放的心态不要有中登想法，毕竟草莽发展期才有更高的增长潜力 甚至虚拟经济的发展也是有迹可续的，我们作为其互联网一代可以说就是虚拟经济的天然载体，虚拟经济作为互联网的伴生品一定会生长为一棵硕果累累的参天大树。 就这样吧

Andrej Karpathy 是 OpenAI 联合创始人、前特斯拉 AI 总监，也是全球最有影响力的 AI 研究者之一。他刚刚发布了一篇 2025 年 LLM 年度回顾。 第一个大变化：训练方法的范式升级 2025 年之前，训练一个好用的大模型基本是三步走：预训练、监督微调、人类反馈强化学习。这个配方从 2020 年用到现在，稳定可靠。 2025 年多了关键的第四步：RLVR，全称是 Reinforcement Learning from Verifiable Rewards，翻译过来就是「可验证奖励的强化学习」。 什么意思？简单说，就是让模型在「有标准答案」的环境里反复练习。比如数学题，答案对就是对，错就是错，不需要人来打分。代码也一样，能跑通就是能跑通。 这和之前的训练有什么本质区别？之前的监督微调和人类反馈，本质上是「照葫芦画瓢」，人给什么样本，模型学什么样本。但 RLVR 不一样，它让模型自己摸索出解题策略。就像学游泳，之前是看教学视频模仿动作，现在是直接扔水里，只要你能游到对岸，怎么划水我不管。 结果呢？模型自己「悟」出了看起来像推理的东西。它学会了把大问题拆成小步骤，学会了走错路时回头重来。这些策略如果靠人类标注示范，根本标不出来，因为人自己也说不清「正确的思考过程」长什么样。 这个变化带来一个连锁反应：算力的分配方式变了。以前大部分算力砸在预训练阶段，现在越来越多算力用于 RL 阶段。模型的参数规模没怎么涨，但推理能力飙升。OpenAI 的 o1 是这条路的起点，o3 是真正让人「感觉到不一样」的拐点。 还有个新玩法：推理时也能花更多算力。让模型「想久一点」，生成更长的推理链条，效果就更好。这相当于多了一个调节能力的旋钮。 第二个大变化：我们终于搞懂了 AI 是什么「形状」的聪明 Karpathy 用了一个很妙的比喻：我们不是在「养动物」，而是在「召唤幽灵」。 人类的智能是进化出来的，优化目标是「在丛林里让部落活下去」。大模型的智能是训练出来的，优化目标是「模仿人类文本、在数学题里拿分、在评测榜单上刷分」。 优化目标完全不同，出来的东西当然也完全不同。 所以 AI 的智能是「参差不齐」的，英文叫 jagged intelligence。它可以在某些领域表现得像全知全能的学者，同时在另一些领域犯小学生都不会犯的错。上一秒帮你推导复杂公式，下一秒被一个简单的越狱提示骗走你的数据。 为什么会这样？因为哪个领域有「可验证的奖励」，模型在那个领域就会长出「尖刺」。数学有标准答案，代码能跑测试，所以这些领域进步飞快。但常识、社交、创意这些领域，什么是「对」很难定义，模型就没法高效学习。 这也让 Karpathy 对基准测试失去了信任。道理很简单：测试题本身就是「可验证环境」，模型完全可以针对测试环境做优化。刷榜变成了一门艺术。所有基准都刷满了，但离真正的通用智能还差得远，这是完全可能发生的事。 第三个大变化：LLM 应用层浮出水面 Cursor 今年火得一塌糊涂，但 Karpathy 认为它最大的意义不是产品本身，而是证明了「LLM 应用」这个新物种的存在。 大家开始讨论「X 领域的 Cursor」，这说明一种新的软件范式成立了。这类应用做什么？ 第一，做上下文工程。把相关信息整理好，喂给模型。 第二，编排多个模型调用。后台可能串了一堆 API 调用，平衡效果和成本。 第三，提供专业场景的界面。让人类能在关键节点介入。 第四，给用户一个「自主程度滑杆」。你可以让它多干点，也可以让它少干点。 有个问题被讨论了一整年：这个应用层有多「厚」？模型厂商会不会把所有应用都吃掉？ Karpathy 的判断是：模型厂商培养的是「有通用能力的大学毕业生」，但 LLM 应用负责把这些毕业生组织起来、培训上岗，变成能在具体行业干活的专业团队。数据、传感器、执行器、反馈循环，这些都是应用层的活。 第四个大变化：AI 搬进了你的电脑 Claude Code 是今年最让 Karpathy 印象深刻的产品之一。它展示了「AI 智能体」应该长什么样：能调用工具、能做推理、能循环执行、能解决复杂问题。 但更关键的是，它跑在你的电脑上。用你的环境、你的数据、你的上下文。 Karpathy 认为 OpenAI 在这里判断失误了。他们把 Codex 和智能体的重心放在云端容器里，从 ChatGPT 去调度。这像是在瞄准「AGI 终局」，但我们还没到那一步。 现实是，AI 的能力还是参差不齐的，还需要人类在旁边看着、配合着干活。把智能体放在本地，和开发者并肩工作，才是当下更合理的选择。 Claude Code 用一个极简的命令行界面做到了这一点。AI 不再只是你访问的一个网站，而是「住在」你电脑里的一个小精灵。这是一种全新的人机交互范式。 第五个大变化：Vibe Coding 起飞了 2025 年，AI 的能力跨过了一个门槛：你可以纯用英语描述需求，让它帮你写程序，完全不用管代码长什么样。Karpathy 随手发了条推特，给这种编程方式起了个名字叫 vibe coding，结果这个词火遍全网。 这意味着什么？编程不再是专业程序员的专利，普通人也能做。这和过去所有技术的扩散模式都不一样。以前新技术总是先被大公司、政府、专业人士掌握，然后才慢慢下沉。但大模型反过来，普通人从中受益的比例远超专业人士。 不只是「让不会编程的人能编程」。对会编程的人来说，很多以前「不值得写」的小程序现在都值得写了。Karpathy 自己就用 vibe coding 做了一堆项目：用 Rust 写了个定制的分词器、做了好几个工具类 App、甚至写了一次性的程序只为找一个 bug。 代码突然变得廉价、即用即弃、像草稿纸一样随便写。这会彻底改变软件的形态和程序员的工作内容。 第六个大变化：大模型的「图形界面时代」要来了 Google 的 Gemini Nano Banana 是今年最被低估的产品之一。它能根据对话内容实时生成图片、信息图、动画，把回复「画」出来而不是「写」出来。 Karpathy 把这件事放到更大的历史脉络里看：大模型是下一个重大计算范式，就像 70 年代、80 年代的计算机一样。所以我们会看到类似的演进路径。 现在和大模型「聊天」，有点像 80 年代在终端敲命令。文字是机器喜欢的格式，但不是人喜欢的格式。人其实不爱读文字，读文字又慢又累。人喜欢看图、看视频、看空间布局。这就是传统计算机为什么要发明图形界面。 大模型也需要自己的「GUI」。它应该用我们喜欢的方式跟我们说话：图片、幻灯片、白板、动画、小应用。现在的 Emoji 和 Markdown 只是初级形态，帮文字「化个妆」。真正的 LLM GUI 会是什么样？Nano Banana 是一个早期暗示。 最有意思的是，这不只是图像生成的事。它需要把文本生成、图像生成、世界知识全部绞在一起，在模型权重里融为一体。 Karpathy 的总结是这样的：2025 年的大模型，比他预期的聪明，也比他预期的蠢。两者同时成立。 但有一点很确定：即使以现在的能力，我们连 10% 的潜力都没挖掘出来。还有太多想法可以试，整个领域感觉是敞开的。 他在 Dwarkesh 的播客里说过一句看似矛盾的话： > 他相信进步会继续飞速推进， > 同时也相信还有大量的工作要做。 两件事并不矛盾。2026 年系好安全带继续加速吧。