与「零基础经济学」相关的搜索结果

很多人刚开始学美股，关注了一堆“大佬”， 结果越看越懵，不是讲太深，就是默认你什么都懂。 整理几个我觉得： 真正适合新手小白学习的美股 KOL（学习向） 1、ZC老师 @ZhanweiC 新手入门首选。 经常分享纳斯达克100 / 标普ETF定投、开户实操、宏观框架这些， 零基础也能看懂。 2、最爱吃兽奶的兔 @0xMilkRabbit 宏观 + 美股 + 买菜经济学。 会聊嘉信 / Schwab 开户、QDII、资产配置这些， 也会结合币圈经验讲美股。 内容很接地气，不鸡汤。 3、Lucy L. @LucyBuilding “普通人出海投资路径”系列很适合小白。 前 Web3 工程师， 会拆解普通人怎么一步步配置美股。 踩坑记录和工具框架都很真实。 4、qinbafrank @qinbafrank 趋势投资框架很清晰。 怎么看大势、怎么选赛道、什么时候调仓这些都会讲。 5、华尔街没有名字 @WallStreet0Name 实战内容很多，黄金、原油这些都会聊， 而且会结合基本面 + 技术面。 干货很多。 6、川沐｜Trumoo @xiaomustock 存储 / 半导体方向研究很深。 虽然风格比较猛， 但会解释行业逻辑。 适合学习怎么拆行业。 7、Serenity @aleabitoreddit 最近很火。 AI / 供应链分析有深度， 不是纯情绪流。 8、fin @fi56622380 偏 AI 主题分析。 框架比较清晰， 很适合建立“AI产业链”认知。 还有哪些适合新手学习的美股 KOL， 欢迎补充。

强烈推荐大家去看纪录片《巴菲特的一天》。 片子没有炫目的豪宅，也没有私人飞机的展示，更没有空洞的成功学鸡汤。 镜头里只是一位九十多岁老人普通的日常，一份汉堡，一杯可乐，却撑起了千亿商业帝国。 孔乙看完这部纪录片，提炼出很多值得思考的底层财富逻辑。 看完这部片子，很多人会长时间陷入沉思。 我们会猛然醒悟，能够改写命运的，从来不是一瞬间的爆发，而是日复一日的选择。 他定居奥马哈，几十年前购入的房子一直住到现在。 房屋只做过维修，没有扩建，没有搬家，也不会刻意去挤进更高圈层。 身为世界级富豪，他不会拿财富去堆砌用来炫耀的居住条件。 真正的富足，是学会克制欲望，而不是不停囤积物质。 不少人刚赚到钱，第一件事就是置换房产。 追求更大的客厅、更高档的小区，匹配身份的居住环境。 但换的不只是居住空间，而是拉高了自己的消费基准线。 身边邻居的座驾拉高你的审美，朋友之间的聚会推高你的开销，所处圈层潜移默化放大你的欲望。 圈层一旦升级，支出就会跟着加速上涨。 你以为自己在向上成长，实则正在被周围的环境裹挟。 巴菲特却守住了自己的生活底线，也守住了资产的护城河。 财富积累的关键，不在于赚钱速度有多快，而在于减少不必要的资金流失。 他日常代步的车子十分普通，开了很多年，就算更换新车，也只是满足基础出行。 以他的财力，任何顶级豪车都可以轻松入手，但他不会把钱花在满足虚荣心的消费上。 在他的认知里，无法产生回报的支出，不值得追捧。 顶尖高手，在非必要消费上极度克制。 他们对浪费零容忍，却愿意在投资上面大胆投入。 这就是普通人与高手的差距，普通人用钱证明自己，高手用钱布局长远未来。 伯克希尔·哈撒韦，本质上是一家收购优质企业的公司。 大多数人靠售卖产品赚取利润，而他靠收购好公司来创造财富。 道理简单，落地却极难复制。 大部分人都想做卖方，而顶级高手选择做买方。 他几十年保持同一个习惯，去麦当劳买汉堡当作早餐，搭配可乐。 这不是刻意作秀，只是理性的选择，低成本，足够满足需求。 他不会为了外人眼中的身份，刻意包装自己的生活。 真正的自信，不需要依靠商品价格来证明自身价值。 很多人默认成功就要看起来光鲜昂贵。 但世间最昂贵的资源，其实是时间。 纪录片里最震撼的片段，是他坚持阅读。 每天花五六个小时读书，这位时时刻刻都在创造财富的人，愿意把大量时间交给书本。 他说，知识是复利最强的引擎。 你的时间投入在哪里，复利效应就会在哪里生根。 别人拿时间去博取流量，他拿时间沉淀认知。 十年之后，两者之间的差距会彻底拉开。 再看他的工作状态，九十多岁依旧坚持每天到办公室。 不是缺钱，而是发自内心的热爱。 他那句经典的话，我每天都是跳着踢踏舞去上班。 听着轻松，背后的分量很重，能支撑你几十年保持热情的事情，才称得上事业。 很多人只羡慕最终的财富结果，忽略漫长的过程。 拉开人与人差距的，从来不是天赋，而是长期持续的投入。 你能不能在无人关注的时候反复打磨基础能力？ 能不能在没有回报的阶段坚持沉淀？ 能不能在诱惑摆在面前的时候按下暂停？ 这才是核心问题。 他的投资理念同样充满克制。 一生之中，真正改变财富格局的投资，仅仅十几次。 不靠频繁交易，而是耐心等待合适的机会。 著名的打孔机理论，如果一生只有20次投资机会，你还会随意出手吗。 主动减少选择，是提升决策质量最简单的办法。 大多数人亏损源于冲动，高手盈利来自等待。 市场价格每日波动，人的情绪也跟着起伏。 真正能赚到钱的人，不会被涨跌牵着鼻子走。 情绪决定交易频率，认知决定投资方向。 整部《巴菲特的一天》，没有激烈冲突，没有戏剧化的高光桥段。 所有细碎的日常细节，都指向四个字：简单、克制、专注、重复。 这些词语看着平淡，却搭建起一套顶级的复利体系。 外人看到的是运气，内行看到的是一套稳定的系统。 外人看到惊人的资产规模，内行看懂背后的决策框架。 他没有刻意去过一种看上去很成功的生活，只是坚持一套长期有效的生活方式。 伟大不是短暂的高光时刻，而是长期少犯错。 财富不是一夜暴涨，而是稳步持续积累。 强者比拼的不是速度，而是方向。 我们要学习的，不是他赚到多少钱，而是几十年里如何规避愚蠢的决策。 不盲目换房，避开环境带来的消费绑架。 不追捧豪车，不向虚荣妥协。 减少投资出手次数，提高每一笔决策的质量。 坚持阅读，放大认知杠杆。 保持热爱工作，拉长自身成长周期。 看完这部纪录片，你会读懂一个真相。 决定财富层级的，不是收入的最高点，而是稳定的行为底线。 一个人每天如何安排作息，如何花钱，如何分配时间，就是未来资产曲线的初稿。 你当下的每一天，都在书写十年后的自己。 真正的长期主义，不是一句口号。 是克制欲望，过滤噪音，保持稳定输出。 当所有人追逐风口，保持冷静。 当所有人升级消费，稳住自身开支结构。 当所有人频繁交易，减少出手。 当所有人焦虑迷茫，持续积累自身能力。 一个人未来能抵达的高度，不在于抓住多少机会，而在于拒绝多少诱惑。 这，就是巴菲特的一天。 希望本次分享对你有帮助，我是孔乙，复旦经济学博士，关注我，每天低频高质拆解宏观经济与投资技巧。

这个开源项目系统整理了 35 家 AI 公司的 AI 工程师面试题，全部来自 “公开报告的面试经历” 来自 @outcome_school 团队 @pallavishekhar_ 开源发布，内容几乎涵盖了 OpenAI、Anthropic、DeepMind、xAI、DeepSeek、Kimi、GLM 等 AI Labs，Cursor、Cognition、ElevenLabs 等 AI Native 团队和 Nvidia、Microsoft、Amazon、Apple 等头部大厂。 覆盖的岗位头衔也非常多：AI Engineer、LLM Engineer、Gen AI Engineer、ML Engineer、Research Engineer、Applied Scientist、FDE、MLOps/LLMOps 工程师等。 开源地址： # 内容架构：一个精心设计的双层结构 第一层：跨公司通用题（Common Questions）。 作者把在多家公司反复出现的题目只列一次，标注"Asked at"哪些公司，按十大主题组织： 1. LLM 内部机制与架构 — attention 缩放因子、KV cache 内存公式推导、MQA/GQA/MLA、FlashAttention、BPE、RoPE/YaRN、Chinchilla scaling laws、MoE、解码采样策略、lost-in-the-middle、RMSNorm、SwiGLU 2. 推理、服务与 GPU 性能 — prefill vs decode、continuous batching、PagedAttention、投机解码、量化（FP16→FP4）、五种并行策略、TTFT/TPOT 指标、H100 上的 roofline 计算、vLLM/SGLang/TensorRT-LLM 选型、“如何把服务成本降 10 倍” 3. RAG 与检索 — 分块策略、BM25 vs 稠密检索、重排序器、HyDE、权限感知检索、ANN 索引、索引新鲜度、答案归因 4. Agent 与工具调用 — ReAct、MCP、工具 schema 设计、多智能体编排、Agent 记忆、循环终止条件、人类审批 5. 微调与对齐 — RLHF/DPO/GRPO/RLVR 全谱系、LoRA/QLoRA 数学、灾难性遗忘、“提示 vs RAG vs 微调”决策框架、蒸馏、reward hacking 6. 评估与可观测性 — LLM-as-judge 及其偏差、幻觉检测、基准污染、Agent 评估、回归门禁 7. 安全与负责任 AI — 提示注入（直接/间接）、OWASP LLM Top 10、护栏、Constitutional AI、红队 8. 多模态与语音 — VLM、语音 Agent 延迟预算、barge-in 打断处理、级联 vs 端到端语音、ASR/TTS 评估 9. AI 系统设计 — 十类高频设计题（千万级文档企业 RAG、代码助手、客服 Agent、Text-to-SQL、LLM 网关、数亿用户聊天服务等） 10. 编码题 — 从零实现 attention、KV cache、BPE、采样；LRU 缓存、令牌桶限流器、异步批处理器、SSE 流解析器、最小 Agent 循环 第二层：35 家公司的专属章节，分为五大梯队： 1. 前沿实验室（12 家）：Anthropic、OpenAI、Google DeepMind、Meta、xAI、Mistral、Cohere、DeepSeek、月之暗面（Kimi）、智谱（GLM）、阿里（Qwen）、Sarvam AI（印度） 2. 大厂 AI 组织：Microsoft、Amazon、Apple、NVIDIA、Tesla，以及一组消费级 ML 公司（Uber/Netflix/LinkedIn/Airbnb/Pinterest/Spotify） 3. AI 基础设施公司：Databricks、Groq、Together AI、Hugging Face、Scale AI、Perplexity 4. AI 原生产品公司：Cursor、Cognition（Devin）、Sierra、Harvey（法律）、Glean、 AI（机器人）、Waymo 5. 前向部署/企业 AI：Palantir # 题目分布透露的行业信号同样值得关注 1. 公司的差异化考察方向，和它的商业模式严丝合缝。 这是最能体现整理功力的地方： · DeepSeek、月之暗面、智谱、Qwen 的题目深度绑定自家论文——MLA、auxiliary-loss-free 负载均衡、Multi-Token Prediction、MuonClip、DualPipe、长上下文扩展、GLM 的 thinking 模式。面试这些公司等于面试它们的论文，还要求 PyTorch 从零实现 MoE 路由。 · Groq 的题全是 SRAM-only 架构下的 roofline 重推演：“没有 HBM，decode 的 roofline 论证哪里变了”、“确定性在 p99 层面到底买到什么”。 · Apple 清一色端侧：3B 模型在手机上跑、PTQ vs QAT、不采集用户内容的前提下用设备信号改进模型、30+ 语言区无法记录用户内容的评估方案。 · CharacterAI 是推理经济学：“我们的服务成本被 KV cache 而非权重主导，降一个数量级，代价是什么”。 · Harvey（法律）和 Abridge（医疗） 考的是领域约束下的工程：200 页信贷协议里第 140 页的条款依赖第 8 页的定义术语怎么检索、生成的病历中出现了患者没提过的药怎么当作安全事故处理、PHI 如何约束整个架构。 · Palantir 的招牌是 "decomposition" 轮：把“一家货运铁路公司每年因机车非计划停机损失数千万”分解成工程计划。 2. 编码轮的形态正在发生实质性变化。 文档里反复出现的一类题，与传统 LeetCode 明显不同： · “实现一个内存 KV 存储：先 SET/GET/DELETE，再加事务 BEGIN/COMMIT/ROLLBACK，包括嵌套事务”（OpenAI、xAI 都问） · “给你一个 LLM 推理引擎的调度器类，其中一个方法是空壳，没有规格没有文档。说说你头三十分钟干什么”（xAI） “重构这 120 行能跑但很乱的代码，不许破坏测试”（OpenAI） · “对 5 万个文档跑 LLM 调用，API 限 100 并发、偶发 429 和超时，把 Python 写出来”（Anthropic） 考察重心从算法记忆转向增量需求下的代码演进能力、并发正确性、真实工程约束下的取舍。 3. “AI 协作轮”作为新题型已经进入正式面试流程。 这是文档里最前沿的信号： · Anthropic 部分机器学习岗有 AI-collaboration 轮：现场给你 Claude，考察的是你如何指挥它和验证它的产出，而不是你自己写。 · Meta 2026 年的流程新增三阶段 AI 辅助编码轮（探索修复 → 实现新功能 → 扩展改进）。 · Cursor 的 onsite 是两天在真实 Cursor 代码库上做一个功能（或 8 小时远程版），明确考核你对 AI 工具的使用效率和自主 scoping 能力。 · Sierra 给你两小时和任意 AI 工具，看你选择做什么。 xAI 有四小时限时产品构建。 4. FDE 成为一级岗位类别。 Anthropic、OpenAI、Databricks、Scale、Together、Sierra、Harvey、ElevenLabs、Palantir 的章节里都有 "Applied and Forward-Deployed Scenarios" 专属题库——典型题目如“企业客户说 Claude 幻觉太多，你是驻场工程师，头 48 小时做什么”。这对应了 AI 公司向企业交付方式的转变：模型能力差距收窄后，落地能力成为差异化。 5. 硬核系统题的普及。 "H100 上 70B 模型 batch size 1 的 roofline 计算"、"估算 70B 模型的 GPU 显存（权重 + KV cache + 激活 + 碎片）"、"p99 延迟在部署后翻倍但模型没变，走一遍诊断”——这类题横跨 NVIDIA、Together、OpenAI、Perplexity 等多家，说明推理性能的量化直觉已成为 AI 工程师的通用素养，而非基础设施工程师的专属。

户籍迎来重大改革，公平和效率可以兼得 2026年5月，国务院发布《关于推行常住地提供基本公共服务的实施意见》，逐步消除基本公共服务与户籍挂钩。这是改革开放以来户口制度改革的最大一步。这期视频不只在聊政策本身，我想聊一个更深的问题：公平和效率到底是什么关系？是跷跷板吗？追求公平就一定会牺牲效率？核心观点一句话：公平不是效率的敌人。长期被压抑的公平，才是。#全球创作者计划# #零基础看懂全球# #收入分配# #户籍政策# #贫富差距# 参考文献： 1. 国务院，《关于推行常住地提供基本公共服务的实施意见》（国发〔2026〕11号），2026年5月18日 2. China Daily，国家发改委副主任郑备5月26日新闻发布会——全国2.5亿城镇常住人口无当地户籍，含1.7亿农民工及其家属 3. Reuters，"China to expand public service access for migrant workers"，2026年5月22日 4. 全国人大常委会，《中华人民共和国户口登记条例》，1958年1月9日第九十一次会议通过，全国人大常委会办公厅·国家法律法规数据库 5. 公安部罗瑞卿，《关于中华人民共和国户口登记条例草案的说明》，1958年1月9日 6. 国家统计局，《2025年国民经济和社会发展统计公报》，2026年2月28日 7. 新华网，"2025年我国研发经费投入强度首次超过OECD平均水平"，2026年1月19日 8. 国家统计局，《2024年居民收入和消费支出情况》，2025年1月17日 9. 国家统计局，2022年居民人均可支配收入基尼系数0.465 10. Leon Liao，"The Balance Between Fairness and Efficiency" 11. 美国联邦储备系统，Distributional Financial Accounts，2025年Q4 12. World Inequality Database（WID），各国财富集中度数据 13. U.S. Census Bureau，2024年美国货币收入基尼系数0.488、收入五等分数据 14. 美国土木工程师学会（ASCE），基础设施报告卡——全美超46000座桥梁被评定为结构性缺陷

Demis Hassabis 达沃斯访谈：比工业革命大 100 倍的变革 视频地址： 2026 年 1 月，达沃斯世界经济论坛期间，Bloomberg 主持人 Emily Chang 采访了 Google DeepMind CEO Demis Hassabis。这位诺贝尔奖得主用“每周 100 小时、每年 50 周”描述自己过去几年的工作状态，并给出了一个惊人的判断：AI 带来的变革将是工业革命的 10 倍规模、10 倍速度。 这场访谈覆盖了 AI 领域几乎所有热门议题：AGI 时间线、中国竞争、机器人突破、就业冲击、是否应该暂停，以及后稀缺世界的哲学困境。以下是访谈的完整整理。 --- 【1】Google 的势头回归 Emily Chang 开门见山：Gemini 3 发布了，据说 OpenAI 内部宣布了“code red”——Google 是不是找回了状态？ 【编者注】Gemini 3 Pro 于 2025 年 11 月 18 日发布，是 Google 迄今最强的 AI 模型，在推理、多模态理解和编程能力上均有显著提升。12 月 17 日，Google 又推出了更快更便宜的 Gemini 3 Flash，直接替换 Gemini app 的默认模型。这一系列发布引发了 OpenAI 内部的紧张反应——三年前 ChatGPT 发布时，Google 内部也曾宣布过类似的“code red”。 Hassabis 回应说，过去一年确实是“非常艰苦的一年”，团队付出了巨大努力让模型重新回到最前沿。他特别提到 Gemini 3 和图像生成模型 Imagen 的表现让他们“非常满意”。 “我们也适应了这个新世界——快速发布，把创业公司的能量带到我们所做的事情中。” 当被问到外界是否低估了 Google 时，Hassabis 说他不确定，但 Google 一直具备所有必要的条件。“过去十年，Google 和 DeepMind 加在一起，发明了现代 AI 行业所依赖的大约 90% 的突破性技术。”他列举了 Transformer、AlphaGo、深度强化学习等例子。 “我们有这些不可思议的产品触达数十亿用户——从搜索到邮箱到 Chrome——它们天然适合 AI。只是需要把这一切组织到一起。我们在过去几年做到了，虽然还有很多工作要做，但已经开始看到成果了。” --- 【2】全栈优势能维持多久？ Emily Chang 追问：如果你认为自己有优势，这个优势有多大？能维持多久？ Hassabis 的回答很直接：一切从研究开始。模型的前沿水平是最重要的，这是 Google 和 DeepMind 合并后首先聚焦的方向。 “我认为我们是唯一拥有完整技术栈的组织——从 TPU 和硬件、数据中心、云业务、前沿实验室，到所有这些天然适合 AI 的产品。从第一性原理来看，我们理应做得非常好。而且我认为未来还有很大的提升空间。” --- 【3】AI CEO 的日常：凌晨 1 点到 4 点的深度思考 Emily Chang 说她读到 Hassabis 大部分深度思考都发生在凌晨 1 点到 4 点之间。他确认了这一点。 “你有没有感到舒服过？”她问。 “从来没有。”Hassabis 说，“过去三四年一直是难以置信的高强度。每周 100 小时，每年 50 周，这就是常态。” 他认为这是处于“科技史上可能最激烈的竞争”前沿所必需的。“商业上、科学上，再加上所有关于 AGI 的兴奋……用 AI 加速科学发现一直是我的热情所在。这是我毕生的梦想，我为此工作了一辈子。很难入睡，因为有太多工作要做，同时又有太多激动人心的事情要探索和推进。” --- 【4】机器人：突破时刻还需要 18-24 个月 Emily Chang 提到 Gemini 已经被集成到人形机器人中，问物理世界的“AlphaFold 时刻”是否已经到来。 【编者注】2026 年 1 月 5 日，在 CES 展会上，Boston Dynamics、Google DeepMind 和 Hyundai 宣布了一项重大合作。Boston Dynamics 将把 DeepMind 的 Gemini Robotics 基础模型整合到其 Atlas 人形机器人中，首先应用于 Hyundai 的汽车制造工厂。这是 Google 2013 年收购又于 2017 年出售 Boston Dynamics 之后，双方的首次重要合作。 Hassabis 说他过去一年花了大量时间仔细研究机器人领域。“我确实认为我们正处于物理智能突破的临界点。但我仍然认为还需要大约 18 个月到 2 年的时间，需要做更多研究。” 他解释说，Gemini 从一开始就被设计成多模态的，能够理解物理世界，原因之一是可以构建一个存在于眼镜或手机上的通用助手，理解你周围的世界；另一个用途就是机器人。 “那么物理世界的突破时刻会是什么样子？我认为是机器人能够可靠地在现实世界中完成有用的任务。” 他列举了几个阻碍因素。首先是算法还不够稳健，需要比 LLM 更少的数据就能工作。其次，也是让 Hassabis 感触最深的，是硬件问题——特别是机械手。 “当你仔细研究机器人时，你会对人类的手产生一种全新的敬畏。进化设计得太精妙了。要匹配人手的可靠性、力量和灵巧性是非常困难的。” 他提到了与 Boston Dynamics 和 Hyundai 的合作，将在汽车制造领域进行原型测试。“一两年后，我们可能会有一些真正令人印象深刻的展示，然后可以规模化部署。” --- 【5】中国与 DeepSeek：西方反应过度了 Emily Chang 说，一年前 DeepSeek 的出现对西方来说似乎是灾难性的，但现在中国似乎安静了下来。Hassabis 对中国竞争的看法有变化吗？ Hassabis 的回答很坦率：“没有。我一开始就不认为那是灾难性的。我认为西方的反应是大规模过度反应（massive overreaction）。” 他承认 DeepSeek 展示了中国公司的能力，但认为一些说法被夸大了。“关于他们使用的计算量非常少之类的说法被过度夸大了，因为他们依赖了一些西方模型，也在一些领先西方模型的输出上做了微调。所以这不是从零开始的。” 他认为字节跳动可能是中国最有能力的 AI 公司，“可能只落后 6 个月，而不是一两年。” 但 Hassabis 提出了一个关键问题：“到目前为止，中国公司能否超越前沿进行创新，这还有待观察。他们非常擅长追赶前沿，越来越有能力，但我认为他们还没有展示出能够超越前沿进行创新的能力。” --- 【6】AGI 时间线：2030 年 50% 概率，但标准比别人高 Emily Chang 说 Hassabis 帮助定义了 AGI，并且曾表示 2030 年之前有 50% 的概率实现。这个时间线还成立吗？ “是的。”他说。 “AGI 对你来说还是一个有用的目标吗？” Hassabis 说是的，虽然他的时间线比一些同行更长，但那是因为他的标准更高。“我说的是一个系统能够展现人类拥有的所有认知能力。我认为我们距离那还很远。” 他举了科学创造力的例子：“不只是解决一个猜想或科学问题，而是能够首先提出假设或问题。任何科学家都知道，找到正确的问题往往比找到答案困难得多。” 他明确表示当前系统“肯定还不具备这种能力”，未来会有，但不清楚还需要什么。 他还提到了“持续学习”（continual learning）——系统需要能够在线学习，超越它们被训练的内容，在现实世界中即时学习。“在我看来，还有相当多的关键能力是缺失的。” --- 【7】AI 对就业的影响：比 Dario Amodei 乐观，但承认冲击终将到来 Emily Chang 提到 Anthropic CEO Dario Amodei 当天早些时候在达沃斯说 AI 可能在 5 年内消灭 50% 的入门级白领工作。Hassabis 同意吗？ 【编者注】Dario Amodei 在 2025 年 5 月接受 Axios 采访时首次提出这一预测，随后在 60 Minutes 等多个场合重申。他表示 AI 可能导致失业率飙升至 10-20%，并呼吁政府和 AI 公司停止“粉饰”这一风险。 Hassabis 的回答明显更保守：“我的时间线会长得多。” 他承认今年可能会开始看到一些迹象，比如入门级工作或实习的变化，但要实现真正的任务 Agent，需要解决当前 AI 的不一致性问题。 “我称之为‘参差不齐的智能’（jagged intelligence）。当前系统在某些事情上非常好，在其他事情上非常差。如果你想把整个任务委托给一个 agent，而不是像今天这样只是辅助程序，你需要全面的一致性。” 他给出了一个精辟的比喻：“如果它只在 95% 的任务上表现好是不够的。你需要它在整个任务上都表现好，才能真正做到‘发射后不管’。” 但他也承认，这种颠覆终将到来。“在极限情况下，有了 AGI，我认为那会改变整个经济，远远超出就业问题。” 他描绘了一个后稀缺世界的愿景：如果我们正确地构建它，我们将处于一个解决了一些世界根本问题的世界——比如能源。“如果我们用 AI 的帮助解决了聚变之类的问题，新材料……我认为在 AGI 之后 5 到 10 年，我们将处于一个极度富足的世界。那时经济和社会会是什么样子？” --- 【8】转型期的焦虑：10 倍规模、10 倍速度 Emily Chang 说，在到达后稀缺世界之前——如果能到达的话——人们对中间发生的事情有很多焦虑。她提到自己是一位母亲，知道 Hassabis 也有孩子。“你最担心他们什么？你和他们谈些什么？” Hassabis 承认这将是一个颠覆的时代，“就像工业革命一样。也许是 10 倍于工业革命，而且快 10 倍。” Emily Chang 迅速接话：“100 倍。” “是的，100 倍。”Hassabis 说，“但我也是人类创造力的坚定信仰者。我们极其适应性强，因为我们的心智是如此通用。你看看我们周围的现代世界——我们狩猎采集者的心智成功建造了现代文明。” 他认为人类会再次适应，但这次的独特之处在于速度。“通常这样的转变需要一到两代人，但这次的速度和变革的规模都是前所未有的。” 对于年轻人，他的建议是：“我会鼓励他们精通这些新工具，成为这些工具的原生用户。这几乎相当于给他们超能力。” 他以创意艺术为例：“你可能能够做到过去需要 10 个人才能完成的工作。如果你有创业精神，在游戏设计、电影、项目方面有创意，你可能比过去更容易进入这些行业。” --- 【9】是否应该暂停？理想与现实 Emily Chang 问：一些人主张暂停，给监管时间赶上，给社会时间适应。在一个完美的世界里，如果所有公司和国家都暂停，Hassabis 会支持吗？ “我想是的。”他说。 他提到这一直是他的梦想。“当我 15 年前创立 DeepMind、25 年前开始从事 AI 工作时，我的路线图是：当我们接近 AGI 这个门槛时刻时，我们可能会以科学的方式合作。” 他描述了一个“AI 版 CERN”的愿景：世界上最优秀的人才聚集在一起，以非常严谨的科学方式完成最后的步骤。“不只是技术专家，还包括哲学家、社会科学家、经济学家，共同思考我们想从这项技术中得到什么，如何以造福全人类的方式利用它。” 【编者注】CERN（欧洲核子研究中心）是全球最大的粒子物理学实验室，由 23 个成员国共同运营，是国际科学合作的典范。 但他话锋一转：“不幸的是，这需要国际合作。即使一家公司、一个国家，甚至整个西方决定这样做，除非全世界至少在一些最低标准上达成一致，否则没有用。而现在国际合作有点棘手。” Emily Chang 追问：如果 AGI 在 2030 年到来，而监管还没有到位，我们是否注定会遇到困难？ Hassabis 说他仍然乐观，希望足够多的领先参与者能够沟通并合作，至少在安全和安保协议上。“我们已经与 Anthropic 等公司在这些方面进行了相当密切的合作。” 当被问到是否愿意与 Sam Altman 合作时，Hassabis 说：“可能吧。我和几乎所有领先实验室的领导者关系都相当好。如果风险足够高——我认为每个人在未来 2 到 3 年会更清楚地认识到风险和代价。” --- 【10】Transformer 是死胡同吗？Hassabis 不同意 Emily Chang 提到 Yann LeCun 说他不认为 Transformer 和 LLM 单独能让我们达到 AGI。 【编者注】Yann LeCun 是图灵奖得主、Meta 前首席 AI 科学家。他在 2025 年 11 月离开 Meta，创立了一家专注于“世界模型”的新公司。他多次公开称 LLM 是通向人类级智能的“死胡同”，认为它们缺乏对物理世界的理解、缺乏常识和因果关系。 Hassabis 明确表示不同意：“我不同意它们是死胡同，我认为那显然是错的——它们已经如此有用了。” 但他也承认这是一个经验性问题。“我认为有 50% 的概率，仅仅扩展现有方法加上一些调整就足够了。可能足够。” 他认为无论如何都值得这样做，因为即使需要其他东西，“这些 LLM 也将是最终 AGI 系统的一个极其重要的组件。唯一的问题是：它是唯一的组件吗？” 他估计可能还需要一到五个突破，“可能是世界模型——这是 Yann 谈到的，我们也在研究这个，事实上我们拥有目前最好的世界模型 Genie，我直接参与了那个项目，我认为它非常重要。” 【编者注】Genie 是 DeepMind 开发的“世界模型”系列。2025 年 8 月发布的 Genie 3 可以根据文本提示生成可交互的 3D 环境，被 DeepMind 视为通向 AGI 的重要阶梯，并被 TIME 杂志评为 2025 年最佳发明之一。 他还提到了持续学习、系统一致性、更好的推理和长期规划等仍然缺失的能力。“从 Google DeepMind 的角度来看，我们在两个方向上都在全力推进——既发明新事物，也扩展现有事物。” --- 【11】“我们从未离开研究时代” Emily Chang 提到 Ilya Sutskever 说“通过扩展和做更大模型来获得改进的时代几乎结束了”。 【编者注】Ilya Sutskever 是 OpenAI 联合创始人，于 2024 年离开后创立了 Safe Superintelligence Inc. (SSI)。2025 年 11 月在 Dwarkesh Patel 的播客中，他表示 2012-2020 年是“研究时代”，2020-2025 年是“扩展时代”，现在“又回到了研究时代”。 Hassabis 的回应很有意思：“不，我不同意。他的原话是‘我们又回到了研究时代’。我爱 Ilya，我们是很好的朋友，在很多事情上看法一致，但我的观点是——我们从未离开研究时代。” 他强调 DeepMind 一直在投资研究，拥有“最深厚、最广泛的研究储备”。“如果你看过去十年，Google 和 DeepMind 加在一起发明了大约 90% 的突破性技术——当然最著名的是 Transformer，还有深度强化学习、AlphaGo 等。如果未来需要新的突破，我会押注我们，就像过去一样，会是做出那些突破的人。” --- 【12】奇点来了吗？“太早了” Emily Chang 最后一个“同意还是不同意”的问题：Elon Musk 说我们已经进入了奇点。 【编者注】2025 年底至 2026 年初，Elon Musk 在 X 平台上多次发帖称“我们已经进入了奇点”和“2026 年是奇点之年”，引发广泛讨论。他回应的是 Midjourney 创始人 David Holz 关于 AI 工具让他在圣诞假期完成了比过去十年更多编程项目的帖子。 “不，我不同意。我认为那非常过早。”Hassabis 说，“奇点是完全 AGI 到来的另一种说法，我之前解释了为什么我认为我们离那还很远。” 他承认即使 5 年也不算长，但“我认为在我们拥有任何看起来像奇点的东西之前，还有很多工作要做。” --- 【13】Google 的文化与创始人的参与 Emily Chang 问到 Google 内部现在的文化，以及 Larry Page 和 Sergey Brin 的参与程度。 Hassabis 说两位创始人都非常投入。“Larry 更多在战略层面，你会在董事会议上见到他。Sergey 更亲力亲为，参与 Gemini 团队的编码，更多涉及算法细节。” 他说这是一个“对计算机科学来说绝对不可思议的时刻”，科学上、人类历史上都是如此。“当然每个人都想亲身参与其中。” 他描述了自己试图结合多种优势：创业公司快速发布和冒险的能量，大公司的资源，以及长期和探索性研究的空间。“我认为过去一年进展顺利，我们还能做得更好，今年会做得更好。我认为我们的进步轨迹是业内最陡峭的。” --- 【14】为什么应该信任 Google？ Emily Chang 说所有这些公司都在要求我们信任他们，特别是如果监管跟不上技术的话。她直接问：为什么我们应该信任你们？为什么 Google 是最值得信任的地方？ Hassabis 说需要通过行动来判断这些公司，也要看领导者的动机。 “我选择 Google 作为 DeepMind 的归宿有几个原因。主要原因是 Google 的创始人和他们建立 Google 的方式——作为一家科学公司。很多人忘了 Google 本身是 Larry 和 Sergey 的 PhD 项目。所以我对他们感到一种直接的亲近感。” 他还提到了 Google 董事会的构成。“主席 John Hennessy 是图灵奖得主，Frances Arnold 是另一位诺贝尔奖得主。这些在企业董事会中是非常罕见的人物。” 【编者注】John Hennessy 是斯坦福大学前校长，因 RISC 架构获得 2017 年图灵奖。Frances Arnold 因定向进化研究获得 2018 年诺贝尔化学奖。 他说这种科学和研究主导的文化意味着“在最高水平做科学意味着真正严谨、深思熟虑，并在任何可能的地方应用科学方法。不只是对技术，也是对你作为一个组织的运营方式。” 最后他提到 Google 的使命。“‘组织世界的信息’——我认为这是一个非常崇高的目标。它与 DeepMind 的使命‘解决智能，然后用它解决一切其他问题’非常契合。这两个使命天然配合——AI 和组织世界的信息天然相关。” --- 【15】后稀缺世界：比经济更担心的是“意义” Emily Chang 问：后稀缺世界，人们不再有工作。Hassabis 在实现所有技术目标后打算做什么？ “我想用它来探索物理学的极限。这是我在学校时最喜欢的科目——那些大问题。现实的本质是什么？意识的本质是什么？费米悖论的答案？时间是什么？引力是什么？” 他说了一句令人印象深刻的话：“我惊讶于更多人不去思考这些巨大的问题。我们只是日复一日地生活，而这些深刻的谜题几乎在向我尖叫——答案是什么？” 他希望用 AI 探索所有这些问题，“也许还有星际旅行，借助新能源和 AI 解锁的材料。” Emily Chang 问：如果我们没有工作，我们还会有意义和目的吗？ Hassabis 回答道：“老实说，这是我比经济问题更担心的事情。我认为经济几乎是一个政治问题——当我们获得所有这些额外的收益和生产力时，我们能否确保它为每个人的利益而分享？我相信这是可以做到的。” “但比这更大的问题是：我们很多人从工作和科学事业中获得的目的和意义，在新世界中我们将如何找到？” 他说我们需要“一些新的伟大哲学家”来帮助思考这个问题。“也许我们会在艺术和探索上变得更加精致，还有极限运动之类的。今天我们做很多不只是为了经济利益的事情，也许未来我们会有这些事情的非常高深的版本。” --- 【16】给年轻人和企业家的建议 Emily Chang 最后问：房间里的每个人都在想他们应该做什么。10 年后，人们关于 AI 最大的错误会是什么？ Hassabis 给出了两条建议。 第一条是给年轻一代的：“我们唯一确定的是会有大量的变化。所以在学习技能方面，要准备好‘学会学习’——这是最重要的事情。你能多快适应新情况，用我们拥有的工具吸收新信息。” 第二条是给商业领袖的：“现在有很多领先模型和服务提供商，还会有更多。选择那些你认为正在以正确方式行事的合作伙伴。与那些正在推动变革、以你希望看到的方式对待这项技术的人合作。” 他总结说：“我认为我们可以一起构建那个未来——随着 AI 的到来，一个我们都想要的未来。” --- 【写在最后】 这场访谈中，Hassabis 展现了一种独特的气质：既是最前沿竞争的参与者，又试图保持长线思考的清醒。 他与几位同行的分歧值得注意：比 Dario Amodei 更保守地估计就业冲击，比 Elon Musk 更审慎地看待奇点，比 Ilya Sutskever 更相信 scaling 仍有价值，比 Yann LeCun 更认可 Transformer 的未来。 但他们有一个共识：无论 AGI 是 2030 年还是更早到来，我们可能都没有准备好。Hassabis 想要的“AI 版 CERN”需要国际合作，而他自己也承认“现在国际合作有点棘手”。 最后一个细节让我印象深刻。当被问到后稀缺世界的愿景时，这位每周工作 100 小时的 CEO 说他最想做的事情是思考“时间是什么？引力是什么？”——那些“几乎在向我尖叫”的宇宙深层谜题。 也许这就是为什么他能在“科技史上最激烈的竞争”中保持某种平静：对他来说，AGI 不是终点，而是探索更大问题的起点。

说起匠人精神，我想起一个旧事。在国内的时候时候有一个体制内的同行阴阳我，说我可以去了解一下日本寿司之神的匠人精神，人家学一个捏寿司，要先学拧抹布好几年。然后畅谈自己在中国的某头部文博单位，学调浆糊都学了2年，其中奥妙很多。 我当时笑着回说，兄台，有没有可能你学了几年之后你师父才慢慢点拨你的那些诀窍，我师父最开始只花了5分种就完全告诉我了。而且你们那地方，早上过去大家吹牛打屁喝茶到11点才开工，一年能搞多少东西啊，跟外行装一装就得了。 说回这种所谓的传统匠人精神，我认为是在特定条件下产出的一种行为模式。需要的条件其实主要包括两个方面 1.零和博弈的小农经济与学徒制。 这种情况下掌握一种技术可以为安身立命之本，但是却有一个矛盾，一方面小农经济下单凭一个人无法完成这种技术的全生产流程，但是任何一个新增的掌握技术的人无法将蛋糕做大，且会分走蛋糕。 所以学徒制就可以调和这一点，让师父在教导徒弟的过程中把有限的技术知识慢慢教给徒弟，同时组织生产与把握利益的划分，这个过程可以相当长，所以才会出现拧抹布可以学几年的情况。 当年我师父境界已经很高了，教我的时候是直接给答案，行话叫海底眼，让我节省了很多时间。 师父教我的时候，师母经常在旁边笑，“宫里（故宫博物院）他们可不会教你这个，他们不愿意”。还带着我，在北京到处摸，“这个你摸一下，敦煌的卷子，唐代的”、“你摸摸元代的几种竹纸”、“司马光的手稿，宋代的纸，你摸一下”…… 2.资源匮乏且封闭的社会环境。 匮乏且封闭的情况下，无论是组织形式还是生产工具，都可以维持几百年甚至上千年不变，同样的经验可以用很多年，而这些所谓的经验和一成不变的知识，会形成某种“秘籍”、“宝典”。而现代社会，很少看到某种秘籍宝典了，变化太快了。 封闭与匮乏带来的生产工具的固定，更是让“迭代”失去了物质基础。 所以你要发现没有，以匠人精神闻名于世的日本，甚至弄不出什么体验流畅的手机app。因为现代社会高度丰富的物质与开放且快速的信息交换，跟诞生匠人精神的土壤，是完完全全对立的。 作为过来人，我的建议是如果你是从业者，如果进入任何一个行业首先要求的是匠人精神，不用想，赶紧跑，这个行业天花板肯定很低且充满剥削。 如果你是消费者，看到匠人精神最好也跑，对方只是想强行提高溢价而已。 有的东西看起来美好，但其实这种美好是特定条件下的错觉，没有什么好留念的。 图为师父在北京的旧宅给我做菜，炒猪肝。

这篇报告值得一看： 以太坊不是一条普通的区块链，它是目前最接近“数字公共基础设施”的平台。 就像互联网的TCP/IP协议一样中立、开放、谁也控制不了，但它是用来处理“价值、合约、协调”的。 几个方面： 1. 谁也控制不了它（中立性最强） 
以太坊没有老板、没有后门、没有kill switch（一键关闭功能）。 全球上千个独立节点、几十万验证者一起维护，没有任何单一国家、公司或个人能单方面改规则或关掉它。 这对政府和机构来说非常重要，他们最怕把关键基础设施交给一个能被“第三方控制”的人。 2. 安全运行了10多年零故障 
目前有约760亿美元的ETH被质押（当安全保证金）。想攻击它要花掉500多亿美元，还会亏得血本无归。 
从2015年上线到现在，零宕机（不像其他所有L1都出现过问题）。 3. 已经被大机构和大政府真金白银地用了 • 稳定币：上面锁了1590亿美元（远超其他链）。 • 真实资产代币化（RWA）：贝莱德、摩根大通等已经在上面发产品。 • 政府应用：不丹做全国数字身份、印度用它做土地登记防腐败等。 4. 比其他选择优势明显 • 比传统银行/中介： 不用信任中间人，用数学和密码学保证，更透明、成本更低。 • 比“联盟链/私有链”： 更开放、中立，不会有人把持。 • 比其他公链： 更成熟、开发者最多、经济规模最大、安全性最高。 总结来说， 用数据 + 真实案例 + 对比看出： 以太坊是未来全球价值结算和协调的“中立公共层”。

很多人聊 AI，都在讨论它能不能把开发速度再推快一点。 但我最近越来越觉得，速度已经不是最难的问题了。 真正卡住开发者的，往往不是写不出应用，而是写出来之后，要花大量精力去处理底层那堆复杂的事情：网络、安全、共识、运维，还有后面的经济体系。 这也是我开始关注 Canopy @CNPYNetwork 的原因。 它没有继续卷 TPS，也没有把重点放在更快的链上，而是把目标放在另一件事，那就是让开发者更容易拥有自己的网络。 以前，搭一条应用链像是从零开始建一栋楼，时间、资金、技术门槛都不低。Canopy 更像是把这些基础设施提前准备好了，你只需要把业务逻辑放进去，就能快速拥有一条属于自己的应用链。 更重要的是，它没有要求开发者重新学习一套陌生语言。TypeScript、Python、C# 都能直接使用，AI 编程工具生成的代码也能自然接入。开发者专注做产品，底层的安全、共识和互操作则交给平台处理。 我觉得这才是真正符合 AI 时代的开发方式。 如果未来越来越多代码都由 Claude、Cursor、Codex 这样的工具生成，那么开发框架也应该顺着这个趋势演进，而不是继续让每个人绕回 Solidity、Rust 这些传统路径。 Canopy 刚好踩在这个变化节点上。 从融资到测试网，再到验证节点的推进，都能看出它没有停留在概念层，而是在把这套模式一点点落地。当然，真正的考验还是主网上线之后，能不能吸引更多真实应用持续运行。 不过至少目前，我更愿意把它理解成一套新的开发范式。 它想降低的，不只是开发成本，更是拥有一条应用链的门槛。当开发者不再只是部署一个 App，而是真正拥有自己的网络时，Web3 的故事，也许才刚刚开始。

与 Bitget Wallet 四位高管的对话后，我的半年观察 —— 正在「被忘记」的加密支付 海德格尔在《存在与时间》中讨论过这样一件小事：一把锤子在好用的时候，使用它的人并不会「看见」锤子本身，他们看见的是钉子、是被钉的木板、是即将完成的工事。只有当锤子坏掉、不顺手、卡住时，人们才会突然意识到「锤子」作为一个独立物体的存在。 这个观察可以用在很多地方，也可以用在支付上。当你在便利店刷卡、在街角扫码，你不会意识到自己正在使用一套庞大的金融基础设施，发卡行、清算网络、跨国汇兑...它们都在你身后运转，但你不必看见它们。 加密支付还处在另一种状态里。一个用 USDT 买咖啡的人，付款前仍然会停下来想一下「这家店收吗」「能付成功吗」；一个用 U 卡支付 Uber 的旅客，事后会专门发一条推记下来。它仍然是一件让人用之前要「想一下」、用之后还值得「记一下」的事。就像 50 年代的信用卡、2013 年的支付宝，处在从「新事物」走向「日常工具」的中间路上。 而今天的 Bitget Wallet，正在三大洲的街头，让这条路走得更快一些。这是一个仍在发生的过程，但在 1 亿用户的真实使用里，从「被讨论」到「被使用而不被注意」的转变，已经发生了一段距离。 为了加速发生，Bitget Wallet 与 Stellar 联合启动「PayFi Odyssey」活动，以总计 30 万美元等值 XLM 奖励，覆盖亚洲、非洲与拉美超过 35 个国家和地区，活动持续至 2026 年 7 月底。这是 Bitget Wallet 围绕 Payfi 推出的迄今规模最大的跨区域用户激励活动，我们将在下文详细讲解。 —— 支付，一部「逐渐消失」的历史 回看支付史，会发现一个有趣的现象：每一代主流支付媒介的成熟时刻，都是围绕它的那些多余念头消失的时刻。 信用卡在 1950-60 年代刚出现时，「塑料货币会不会让人失去节制」「没有现金的社会是否还安全」是报纸专栏和家庭餐桌的常见话题。今天没人再思考「信用卡靠不靠谱」，它消失在刷卡的动作里。 支付宝、微信支付在 2013-2015 年间也让人反复掂量「到底安不安全」「资金被第三方托管会不会出事」。今天一个上海人在点外卖时，会想「用支付宝吧」，但不会再多想，它消失在扫码的动作里。 人们清楚地知道自己在用什么货币、用什么方式付款。 真正被忘记的，是围绕一种新支付方式刚出现时附着在它身上的那一组多余念头：它安不安全、这家店收不收、这次能不能成功、失败了怎么办、机制到底怎么运作。当这些念头逐个消失，只剩下「用什么付钱」这一个干净选择时，一种支付方式才真正进入了日常。 而 Bitget Wallet 正在做的，是把这些念头从用户头上一项一项拿掉。 ——「减法」：Bitget Wallet 的哲学 「念头被一项一项拿掉」这件事，最直接的体感来自 Bitget Wallet 团队内部，越来越多同事开始在日常生活中使用 Bitget Wallet Card 和扫码支付。 一位同事告诉我，过去去香港他会下意识做几件事：去银行/在机场换港币、买八达通。这一年他已经不做这些了，下飞机直接打车去酒店，吃饭、711 购物，全程只用微信/支付宝、Uber。第一次这么做的时候，他在中环一家茶餐厅展示了微信付款码，下意识地停了几秒想「成功了吗」。现在那个动作消失了。 「Bitget Wallet U 卡在国内日常消费里也基本够用，吃饭、打车、点外卖、各种 AI 订阅」，没有让他感觉到「它和别的卡有什么不同」。 变化发生在他看不见的地方，背后流过的，已经是稳定币。 它揭示了一件比「加密支付变方便了」更深的事，所谓加密支付走向日常，不是用户学会用一个新东西，而是这个新东西溶解进了用户已经在用的所有东西里。Apple Pay、Visa、Mastercard、PromptPay、VietQR...这些都是已经存在的、用户已经熟悉的支付方式。Bitget Wallet 没有要求用户切换习惯、记住一个新品牌、扫一个新的二维码，只是让稳定币像水一样流过这些已有的管道。 这种判断不只是个人的体感。美洲区负责人 Jack Zhai @JackZhaiTGG 深耕拉美新兴市场，他在一次内部访谈中讲过一句让人印象很深的话「Crypto 可以借鉴互联网大厂做法，要让用户逐渐感觉不到」。这句话和上面的体验完全吻合：用户感觉不到 Web3 在哪里、用户感觉不到稳定币是什么、用户感觉不到协调层在做什么，他只是在用钱付钱。 这就是 Bitget Wallet 想做到的「减法」，用户的支付习惯一点都不需要改变，但价值已经在以一种新方式流动。 要让这件事成立，需要的不仅是新技术，而是一种逆向的产品哲学。 这种哲学在 Bitget Wallet 内部有一个明确的源头。CEO Karry @KarryWeb3 Web3 产品方法论非常尖锐的判断： 「Web3 行业有很长一段时间有种『拿着锤子找钉子』的感觉」，Karry 说，「我有 ZK、我掌握 XX 技术，我要怎么怎么弄。陷入到这种死循环里，是很大的问题」。 他对 Bitget Wallet 的产品逻辑是反过来的，先从用户的角度起点开始，然后来找合适的技术。「用户要解决什么问题？用户要去中心化、要安全、又不想记助记词，所以我们用 TEE，做了 Social Login。用户不希望感知到 Gas 费，所以我们用了 EIP-7702，让稳定币直接付 Gas 费」。 所有的技术选择都是从用户的「我不想要 XXX」反推回来的： - 用户不想复制冗长的链上地址 → 链接转账：通过 WhatsApp、Telegram 等分享支付链接即可完成收付款 - 用户不想关心商户支不支持加密支付 → Bitget Wallet Card：与 Fiat24、Immerse、DCS 合作发行，覆盖全球超过 50 个市场，0 开卡费、0 年费、0 外汇手续费，每月 400 美元的零手续费消费额度，体验和过去三十年的刷卡经验没有区别 - ... 这种「从用户已有习惯反推」的思路，在不同区域也同样成立。Jack 在访谈中给过一个非常具体的例子：巴西的 Pix 是央行牵头、全国身份证联网的支付网络，连中国都没做到这种程度。Bitget Wallet 没有试图在拉美发明一套新支付，而是直接接入 Pix。对用户而言，他扫的还是 Pix 的码，做的还是 Pix 的动作；变化只发生在背后，结算流过的是稳定币。这件事最关键的细节是：Bitget Wallet 没有要求商户贴一个新二维码、没有要求用户学一个新动作，只是让自己的 App 能识别本地原有的码。 所以，在产品层和区域层，Bitget Wallet 用的是同一套方法论：不发明新轨，让稳定币流过已有的轨。 这种方法论的效果，在外部观察者眼里也开始被识别出来。PayFi 领域的资深观察者 Will 阿望 @Will_7th 写过一段非常精确的总结：「前端通过国家二维码扫码进行消费，VCC 支持 V/M；后端是数字钱包 + 法币银行账户。中间串联起来支付通道。这个感觉是市面上比较接近生活的 Crypto 钱包了」。 他用 30 个字精确还原了 Onchain Payments Matrix @PaymentsMatrix 在做的事，前端接本地已有支付通道，后端接已有金融轨道，中间用稳定币串联起来。这不是 Bitget Wallet 自己讲产品的方式，而是一个懂行的外部观察者，看完之后用自己的话讲出来的事。当一个产品架构能被外部人用 30 个字讲清楚的时候，它已经接近「被理解 = 被使用」那个状态了。 这种方法论背后是 Karry 个人的一种产品姿态。他在那次访谈里讲：「Web3 这个行业过去几年讲了太多虚的东西，最后什么都做不出来，这让我一度非常失望。我现在比较务实，能吹虚的地方就少了」。 支撑这件事的，是 Bitget Wallet 的 Onchain Payments Matrix，一套连接区块链、稳定币发行方、卡组织、清算银行、本地支付通道与商户网络的支付基础设施层。它是一个协调层（coordination layer），不发币、不重做结算、不替代任何已有的金融基础设施，它的工作只有一件：让原本互不连通的各方能配合起来。 关于支付的叙事热点也换过好几轮，去年讲协调层，今年讲 Agentic Wallet，市场喜欢追热点而动，但谁来串联协调层？亚太区负责人 Will Wu @SrWillWill 提过一个判断：「币圈的迭代速度比传统行业快 10-20 倍，但真正能让这种迭代进入用户日常的，还是要回到最基础的问题：用户痛点到底是什么，具体帮他们解决什么问题？」 迭代越快，越需要在某些事情上慢下来。Onchain Payments Matrix 就是 Bitget Wallet 选择慢下来的那个地方。 但这一切，用户在 Bitget Wallet App 里几乎感受不到，这正是前面讲的「看不见」那一面。这种「用户看不见、但实际跑通」的思路，不只发生在产品层。COO Alvin Kan @alvin_kan 在一次访谈中讲过 Bitget Wallet 这两年的内部调整。 「我加入的时候，市场、运营、BD 这几个团队是混乱的」，Alvin 在过去两年做的第一件事，就是确保每个团队及其 leader 都有清晰明确的职责范围，并且由具备相应能力的人来带领，「每一次拆分都伴随一个 Vision，你要让人看清楚自己该聚焦做什么」。 第二件事是放权区域。Alvin 在过去两年里招了一批本地区域负责人，「这是一个钱包公司，在做一个面向大众用户的消费级产品，要实现 mass adoption，它需要在每个市场扎得非常深，而扎深这件事只能让本地人来做」。 在产品上做减法之前，Bitget Wallet 先学着在自己身上做减法。 而组织减法做完之后，区域负责人手上的事情才能真正落地。今年以来，Bitget Wallet 扫码支付每日支付用户数相较去年增长近 10 倍，是平台增速最快的业务线之一。这个增长真正发生的地方，不在纽约或伦敦，而在新兴市场，这正是 Alvin 招的那批区域负责人在跑的地方。 Jack 在访谈中讲过几个反直觉的判断：拉美本币贬值近 1000 倍。在阿根廷、委内瑞拉这些国家，居民对本币的不信任已经不是宏观经济议题，而是日常生存问题。「美元稳定币替代本地货币」在拉美不是 Web3 极客的偏好，是一种集体本能。 另一个是渗透路径：稳定币在拉美不是从普通消费者突破，而是从特定行业渗透。Jack 提到两个典型场景：KOL 收款基本全走稳定币转账（绕开本币贬值和银行手续费）、远程办公者（一家纽约公司可以雇阿根廷员工，但工资走 SWIFT 太慢太贵，走稳定币就一切顺畅）。这些行业先用起来，然后通过每一次牛市把更多人带进圈。 加密支付在新兴市场之所以能跑通，不是因为这些用户对 Web3 有热情。恰恰相反，是因为他们对 Web3 没兴趣，对「美元稳定币能稳定持有 + 能流畅花掉」这两件事有需求。当 Bitget Wallet 让这两件事在他们已经习惯的二维码、银行账户、加密卡上发生时，需求就被自然满足了。 对他们而言，加密支付或许不是一个酷的产品，而是一个必要的工具。 —— Payfi Odyssey：一个夏天，三个大洲 但工具要从「被讨论」走向「被使用」，中间还有一段必经的路。它需要被真实的人在真实的街头反复使用、记录、传播。这条路前面有信用卡走过 30 年，有支付宝走过 10 年；加密支付现在正走在这条路的中间。 Bitget Wallet x Stellar 发起的 PayFi Odyssey 想做的，是在这条路上点燃一段集中的火，用 30 万美元等值 XLM 奖励，覆盖亚洲、非洲、拉美 35 个国家，三条主线对应三层观察：卡能覆盖多远、扫码能触及多深、真实生活中的人在用它做什么。 第一条主线，是 U 卡能覆盖多远。 加密卡活动总奖池 20 万美元等值 XLM，自 5 月 26 日开启至 7 月 7 日 15:59（UTC+8）。Bitget Wallet Card 持卡用户可通过完成开卡注册、日常刷卡消费及 Stellar 链上指定任务积累积分，活动结束后按积分比例分享 198,000 美元等值 XLM 奖池。覆盖中国大陆、新加坡、韩国、日本、越南、泰国、菲律宾、澳大利亚、欧洲 EEA 及英国、拉丁美洲与南非等超过 25 个国家和地区，这是覆盖范围最广、参与门槛最低的一条主线。 第二条主线，是扫码能触及多深。 扫码支付返奖计划总奖池 10 万美元等值 XLM，分两阶段进行，覆盖越南、新加坡、巴西、阿根廷等 11 个市场。这 11 个市场的本地 QR 支付网络已经成熟，稳定币只需要无缝接入，就能让用户用熟悉的扫码动作完成新的支付方式。如果这个夏天你有计划全球旅行，这就是最好的选择。 第三条主线，是真实生活中的人在用它做什么。 Crypto Survival Plan（加密生存计划）总奖池 10 万美元等值 XLM，向亚洲、非洲、拉丁美洲三大区域各征集约 20 名 KOL，以视频与访谈形式记录使用加密支付完成日常消费的真实体验，统一以 #StellarPayFiOdyssey# 话题聚合。这条主线不是为了铺规模，是为了把「加密支付走进日常」这件事——拍出来、写出来、传出去。 亚非拉 35 个国家不是平推。Will Wu 之前在 BCG 给非洲做过团体贷款业务，「当地很多人没有借贷能力，这件事让我对 FinTech 产生信心，金融服务可以做到让每个人都能轻松使用」。那个项目最后让他下定决心从 Web2 转到 Web3，他觉得 Crypto 比传统 FinTech 更接近「让金融普惠每个人」这件事。 这个经历直接塑造了 Will 在 Bitget Wallet 推动的 APAC + EMEA 区域策略：钱包增长不是广撒网，是深入到具体社区、具体场景里找到真实需求。 —— 那个不再需要被记下来的下午 电没有从话题里消失，但一个人按下电灯开关时，不会再担心「会不会触电」。互联网也没有从话题里消失，但一个年轻人打开手机时，不会再担心「网络稳不稳」。它们仍然被使用、被讨论，但围绕它们的那些念头，已经消散了。 加密支付正在走的，是同一条路。 回到那位 Bitget Wallet 同事，一年前他用 Bitget Wallet Card 还会下意识检查支付成功，现在不会了。一年前他在泰国会下意识去银行换泰铢，现在不会了。一年前他不知道 Bitget Wallet Card 能绑 Apple Pay，现在它已经溶解进他每天扫地铁的动作里。 这些都是看得见的「念头消失」。而 PayFi Odyssey 在做的，是让这种「念头消失」在更多人身上、更多地方发生：曼谷的咖啡馆、马尼拉的家庭、拉各斯的市场、布宜诺斯艾利斯的网约车。每一次重复，都会让「加密支付」少一分话题感、多一分日常感。 Bitget Wallet 撒下的这 30 万美金，先是在三大洲点燃一轮真实使用与真实记录，这是加密支付走出「新鲜阶段」必须经历的事。而它最终换的，是一件更朴素也更难的事：某一天用户刷了一次卡、付了一杯咖啡，过程里只剩下「用 Bitget Wallet 吧」这一个念头，不再多想「这东西靠不靠谱」。 那一刻，加密支付就真正「被忘记」了。 就像那位 Bitget Wallet 同事，写完这一天的工作之后会下楼吃饭。等下他会刷 Apple Pay，不会想起 Bitget Wallet。这家公司这两年所有努力，最朴素的成果，就是这一刻。