简言之

Y

[林克Clean @CryptoSociety42]

未来90%的山寨币都会归零：
和qinbaFrank聊完后，我对AI、美股和Crypto的认知重构与思考总结

这期访谈的视频有接近2个小时，但最终因为时长和观感原因，剪成了26分钟。
很多关于AI、加密市场、美股以及未来金融体系的话题都没有完整放出来。
那些没剪进去的部分，��上我后来重新翻阅他过去一年大量推文后的思考，
我发现他的核心研究对象从来都不是Crypto，而是：
资本、技术与生产力如何重构世界。

Crypto只是其中一个结果。
AI也是。
甚至美股也只是表现形式。

如果一定要总结他的框架，我认为可以浓缩成一句话：
宏观流动性决定方向，科技革命决定增量，资本市场决定财富分配。

而这一套框架，恰好解释了过去两年最重要的三个现象：
为什么AI远比大多数人想象得更强？
为什么 $BTC 越来越像美股里的Mega Cap？
为什么山寨季再也不会全面回归？

第一：AI和Crypto从来不是竞争关系
采访中最让我印象深刻的一句话是：
AI是生产力，Crypto只是生产关系。
两者根本不在同一个维度竞争。
AI解决的是：
如何创造更多价值。
Crypto解决的是：
价值如何发行、流转、结算与确权。
如果把世界看成一家超级公司。
AI负责提升利润。
Crypto可以负责重构财务系统。
一个负责生产。
一个负责分配。

这也是为什么过去几年AI的发展速度远超Crypto。
因为生产力革命天然比生产关系更容易产生立竿见影的商业价值。
但长期来看，两者最终会融合。
未来真正值得关注的不是AI项目发币，而是：
当Agent成为互联网原住民以后，它们之间如何支付、协作和结算。
那时Crypto才真正找到属于自己的时代坐标。

第二：过去很多人低估了AI，不是因为他们不懂模型，而是不懂产业
很多人今天依然把AI看成2000年的互联网泡沫。
这其实是一个危险的误判。
互联网泡沫最大的特点是什么？
技术领先于商业化。
2000年时互联网用户渗透率不足30%。
广告系统不成熟。
电商不成熟。
支付不成熟。
大量公司甚至没有收入。
所以当泡沫破裂以后，市场发现未来虽然存在，但兑现需要十年以上。
而今天的AI完全不同。
企业已经存在。
客户已经存在。
支付已经存在。
需求已经存在。
OpenAI的收入增长。
Anthropic的收入增长。
亚马逊AWS的推理需求增长。
这些都是真实发生的现金流。
很多人把AI理解成模型竞争。
@qinbafrank 更喜欢从产业链看问题。
过去两年AI牛市其实经历了四轮扩散：
GPU。
HBM。
光模块。
电力。
很多人觉得这是炒作。
但本质上是产业瓶颈的不断转移。
一个产业真正爆发时，从来不是一家企业赚钱。
而是整个供应链开始赚钱。
互联网时代如此。
新能源汽车时代如此。
AI时代同样如此。
如果把英伟达看作卖铲子的人。
那么HBM是在卖钢铁。
光模块是在卖铁路。
电力公司是在卖能源。
当整个生态同时受益时，说明这已经不是一个主题投资，而是一场工业革命。

第三：BTC越来越像美股，山寨越来越像垃圾股
这是我采访中最认同的观点。
过去几年很多Crypto投资者一直在等待：
下一轮山寨季。
但如果站在资本市场发展的规律看。
这种期待可能正在变成一种路径依赖。
成熟市场最终都会出现同一个现象：
头部集中。
美国几千家上市公司。
Mega 7占标普500总市值30%、纳指权重50%以上。
市值前100家公司占据绝大部分财富。
剩下几千家公司长期无人问津。
为什么？
因为资本会越来越追求确定性。
Crypto也正在经历同样的过程。
BTC越来越像纳斯达克。
越来越像黄金。
越来越像全球流动性资产。
而大量山寨币则越来越像美股里的仙股和垃圾股。
过去的��效市场时代。
所有资产一起涨。
未来的有效市场时代。
只有少数资产值得涨。
这不是市场出了问题。
而是市场正在成熟。
从这个角度看。
$BTC 占整个加密市场总市值的比例不断走高。
其实不是异常。
而是必然。

第四：真正的终局可能不是Crypto金融化，而是金融Crypto化
到底是Crypto颠覆传统金融。
还是传统金融收编Crypto？
采访中qinbafrank越倾向于第三种答案：
双方最终会融合。
今天华尔街已经接受了比特币ETF。
明天股票会代币化。
后天债券会上链。
再往后，未上市股权、房地产、商品、外汇都可能进入链上体系。
那个时候。
交易所不再区分股票和加密货币。
钱包不再区分证券账户和链上账户。
用户也不再关心资产来自哪里。
他们只关心：
是否能够7×24小时交易。
是否拥有更好的流动性。
是否拥有更低的摩擦成本。
这可能才是区块链真正的终局。
不是创造一种新的金融体系。
而是成为未来金融体���的底层操作系统。

回头再看这���采访。
我发现qinbaFrank真正研究的并不是某一家公司。
而是：技术革命发生以后，财富会如何重新分配。
过去二十年互联网重塑了世界。
未来十年AI正在重塑生产力。
而Crypto或许正在重塑资本本身。
站在这个时间点。
与其继续纠结下一个热点是什么。
不如先想清楚：
未来十年最大的增量到底来自哪里。
因为真正的大机会，从来不是追逐热点。
而是在时代刚刚开始的时候，看懂它。

最后：
qinbaFrank反复推荐一本书——《技术革命与金融资本》
这本书有一个非常重要的观点：
每一次改变世界的技术革命，几乎都会先经历一轮疯狂的资本泡沫。
铁路如此。
电力如此。
互联网如此。
其实币圈是如此。
AI也是如此。

铁路泡沫之后留下了铁路网络。
互联网泡沫之后留下了光纤网络和数据中心。
而今天AI所掀起的资本开支浪潮，也许正在为未来二���年的智能社会建设底层基础设施。
回过头来看，这次访谈最有价值的地方或许并不在于讨论BTC会不会涨、AI股还能不能买、SpaceX值不值得关注。
而是在于它提供了一种观察世界的视角：

不要只看价格的波动，而要看技术如何改变生产力；
不要只看资产的涨跌，而要看资本如何追逐下一轮时代红利。

当你开始用这个视角理解AI、美股和Crypto时，很多原本看似割裂的故事，都会慢慢连成一条线。

[简言之 @CycleE9]

@turingou

[DiscusFish @bitfish]

刚测试了GPT5.2PRO对WEB3领域100个关键点的解析，感觉特别适合小白入门！大家可以一起讨论优化下

Web3 不是互联网的版本升级，而是人类协作的相变——用密码学的确定性取代对中介的信任，用代码的刚性对抗人性的软弱。
它最深的张力：去中心化的极客理想，必须在资本逐利的开放丛林里存活。
大多数人只盯着代币涨跌，却从未理解"无需许可的共识"是何等宏大的制度实验。
这里没有法律兜底，只有代码裁决。 人性角斗场，莫过于此。
100条基石如下👇

[郭宇 guoyu.eth @turingou]

刚洗澡的时候在想，如果 AI 时代一个人能做十个人的活，会不会初创时期融资变的没有必要，vc 的逻辑是否会被改变，投公司和团队会不会变成投资具体某个人？上市会不会变成买这个人的份额，如果有某种技术可以将个人的 crypto wallet 的收入进行对账审计并且自动分红，融资会不会变成某个创始钱人钱包的 lp token，股票变成TA的 governance token?

[Jason Zhu @GoSailGlobal]

https://t.co/uEhh3RH721

[Ren @Ryrenz]

📊 炒股的开源外挂来了——OpenStock，免费替代彭博 / 雪球 PRO 这类昂贵付费行情平台，实时价格、K 线图表、个性化告警全给你打包好了。

GitHub 已揽获 12000+ Stars，还上了 HelloGitHub 推荐项目榜单。

GitHub：https://t.co/xlRc9pCpX6

彭博终端一年好几万，同花顺 VIP 订阅费也不便宜，很多散户想看个像样的 K 线、研究公司基本面，要么掏钱要么将就。

OpenStock 直接把这堵墙拆了：集成 TradingView 图表组件（K 线、技术指标、基础线全套）、Finnhub 实时行情、Command+K 命令面板��局搜索股票，还有跨源情感洞察——Reddit、X、财经新闻、Polymarket 的市场情绪聚合到一块儿看。

更实用的是个性化每日 AI 新闻摘要邮件，根据你自己的 watchlist 生成，用 Gemini 驱动，每早推送。出品方 Open Dev Society 在宣言里写的是"We will never lock knowledge. We will never charge for access"——态度直接点明了。

部署也不复杂，git clone 之后 pnpm install + pnpm dev 就起来了，或者直接 docker compose up 一键把所有服务拉起来。

行情数据该是公共产品，不该被订阅卡住。

[虎小象 @hx831126]

��讲一个你可能从来没听说过的人。

1930年，英国语言学家 C.K. Ogden 做了一件很偏执的事——他把整个英语词汇表研究了一遍，然后问了一个问题：如果只能留下最核心的那些词，英语还能不能用？

他的答案是：850个词，够了。

这850个词，不是随便选的，是他穷尽分析之后筛选出来的"语言骨架"。他把它们分成5类：

100个操作词（Operations）：这、那、是、有、做……就是那些让句子转起来的胶水词

400个普通事物（General Things）：名词里最高频、最基础的那层

200个可描绘事物（Picturable Things）：能画出来的具体东西，比如 door、fire、river

100个性质词（Qualities）：描述世界的形容词，比如 clear、simple、important

50个反义词（Opposites）：成对出现，学一个等于学两个

——————

然后他把这套体系命名为 Basic English，发表出来。

接下来发生的事情��有意思。丘吉尔在二战期间公开赞扬这套体系，认为它是盟国推广英语教育的最佳基础。H.G. 威尔斯把它写进了《世界大战》的续集设定里，作为未来世界通用语言的蓝图。乔治·奥威尔……没有赞扬它，但《1984》里那套压缩语言"新话"（Newspeak）的灵感，正是来自对 Basic English 的深深警惕——他担心语言被缩减之后，人的思想也会跟着被缩减。

这就是这850个词的能量：支持者觉得它是桥梁，批评者觉得它是枷锁，争论了将近一百年。

但我想说的不是那场争论。我想说的是——这850个词，对今天的英语学习者来说意味着什么。

大多数人学英语，是被一本本厚厚的词汇书和无尽的考纲压着学的。CET-4、CET-6、托福、雅思……每一个证书背后都是几千个词的暴力记忆，背了忘，忘了背，从来没有真正"用"过。

Ogden 给出的逻辑完全相反：��是多，而是深。

这850个词，每一个都是高频中的高频，每一个在日常英语表达里都有不可替代的位置。当你真正把这850个词学透——不只知道它的意思，还知道它的用法、它的近义词在什么场景该用哪一个——你对英语的掌握会比背了5000个词却每个只认识中文意思要扎实得多。

这是一种截然不同的语言观：根扎得够深，枝才能生得够远。

——————

于是我做了这个网站：https://t.co/MNteHwzK9m
（准确的说我让 Codex 做的）

原版 Ogden 的资料是一本PDF，黑白的，排版像上个世纪（它确实是上个世纪的）。我想让它变成真正可以用来学习的东西。

花了不少时间（花了不少 Token ）最终做成了这样：

每一个词，都有一张完整的卡片。

卡片上有：这个词的中文释义、英文定义（用简单的英语解释英语，就像 Ogden 本人的风格）、一句真实语��下的例句，以及2到3个同义词。五个类别各有自己的颜色，一眼就知道你在学哪个区域的词汇。

每一个词，都可以听发音。

接的是有道词典的语音接口，默认英式发音，可以切换美式。点单词听一次，点例句听一次，语速比正常稍慢一点，适合跟读。不是那种机械的合成音，真的可以听。

最让我花心思的，是同义词那里。

很多人背单词的时候，同义词只是"差不多的意思"。但真正用英语的时候，difference 和 distinction 不一样，speak 和 talk 不一样，simple 和 easy 不一样。差在哪里？什么场景该用哪个？

———————

网站是免费的，不需要注册，不会收集任何信息。

直接访问就行：https://t.co/MNteHwzK9m

如果你身边有正在学英语的人，或者觉得自己英语"学了很多年但还是用不好"的，可以发给他们看看。

也许这850个词，是一个值得重新开始的起点��
👆

以上的文案也是它写的，我越来越没有用了

[huangserva @servasyy_ai]

安装了这个之后，Claude Code 的体验会完全不一样。

Anthropic 悄悄发布了一个官方插件，叫 claude-code-setup，它基本把 Claude Code 从“还不错的工具”变成了一个真正的 AI 开发环境。

它会扫描你的项目，并推荐：

→ hooks（钩子）
→ skills（技能）
→ MCP servers
→ subagents（子代理）
→ automations（自动化）
然后一步一步帮你把这些都配置好。
大多数人现在用的都是“原生版”的 Claude Code……
这也是为什么他们的体验会显得有点混乱。
真正的强大之处，其实来自它周围的生态。

安装方式：

/plugin install claude-code-setup@claude-plugins-official

记得先收藏，���得之后找不到。

[Sac @Saccc_c]

Anthropic 官方亲自发布的这个金融工作流 GitHub 仓库，可以让华尔街80%的员工都失业了

这个仓库将所有的金融服务工作都做成了工作流，包括投研分析、财务管理、私募股权等

视频中，我只是输入了「帮我做一个英伟达的投研分析报告，并产出 word 文档给我」

它输出了一个堪比彭博级别的投资报告，内容包括了：

- 投资逻辑
- 投资风险
- 公司概览
- 产品分析
- 行业分析
- 竞争格局
- 财务分析
- 估值预测等

我的专业也是金融，���这个报告的评价一个字：夯

仓库地址：https://t.co/OTl93sr9AQ

[Geek Lite @QingQ77]

已无敌😂这才是真正的密码学，老虎机网页游戏，每 spin 随机生成比特币私钥并推导地址，检查是否匹配中本聪钱包——命中则该随机数就是真实私钥。

https://t.co/185P5b0ppM

每次旋转随机生成 256 位数字，走 secp256k1 椭圆曲线推导比特币地址，再用 Bloom 过滤器比对约 22,000 个中本聪地址。命中概率极低（约 1/5.27×10⁷²），但密码学流程是真的：推导地址匹配意味着那个随机数就是钱包私钥，不需要服务器验证。

[paulwei @coolish]

今天我把近6年BTC历史交易数据，开源到Github了：
https://t.co/Ukhd9Gt8te

2020年5月1日至今4万多条订单，17万多条成交明细，
两轮完整牛熊2000多天日夜博弈，全在这套数据里。

AI时代，最宝贵的就是上下文。
你在整个互联网，可能都很难找到这种等级的
真金白银二级市场交易上下文数据，任你下载使用。

去年11月，我把Bitmex只读Api Key公开一两周时，
还没龙虾，就少数网友vibe了一些数据分析、产品。
比如：
@WeWill_Rocky 做的 https://t.co/De723I3ukG
我自己做的交易时光机：https://t.co/3lIVpxBfGL
当时其他一些相关内容：https://t.co/O6iIV9KbQ0

现在更多人有了龙虾、爱马仕，
把个人二级交易真金白银数据喂给AI Agent这件事，
门槛大大降低，更多人能做��，也有了更高的含金量。

所以秉承Open Intelligence理念，
我想向这个混沌的世界贡献自己的减熵Legacy，
在Hermes-Agent的帮助下，
开源了这个数据仓库，
后续可能尝试自动化定期更新。

只要把这个Github网址
https://t.co/Ukhd9Gt8te
发给你的龙虾爱马仕，就能指挥它做任何角度的分析，
很好奇，大家对这样一份数据，
能炼化出些什么奇趣的角度？
希望能在后续看到一些有趣的回响。
Happy vibing & Happy birthday to myself

[danny @agintender]

@lilk1kopops 这里

[danny @agintender]

这篇文的随便一张图表都是满满的回忆，也是多少亿美金的教训

今天给大家说一个老韭菜们闻风丧胆的312 ，2020年的3月12日，在数小时内 btc从7800到3800，基本没有回头的迹象

那时候的情况其实有一点10.11的影子，币本位螺旋（类似1011的质押token借出稳定币去开头寸，遭遇抵押品和头寸的连环清算） + 头寸的清算 + 套利实效

[danny @agintender]

https://t.co/T7KWm0TRfi

[郭宇 guoyu.eth @turingou]

很高兴和大家介绍 https://t.co/L09qUdQhGA 的新功能「同步听」

相信大家在旅行的时候都有这种经历：在异国他乡的酒店打开电视机，屏幕里的人说着各种各样的语言。即使是搞笑娱乐节目，有着各种各样的嘉宾，但你却完全听不懂他们到底在说什么、聊什么。这种语言隔阂让我们很难通过当地的电视、电台或者网络节目，去理解异国他乡的文化。

其实生活在异国，最关键的第一步是理解人们在说什么，在看什么新闻，因为什么感受到开心快乐，又会因为什么感到难受和悲伤。

今天，tuwa 推出了「同步听」的功能。只要把手机放在电视机或汽车电台前，或在使用电脑时，打开浏览器监听任何 tab 中播放的视频（如 YouTube 或各种视频网站），tuwa 会几乎实时说出视频中的内容，当然，是用你的母语念出来。

这样，我们在旅行时就可以用 tuwa 来收听各个国家不同的节目，从而深入了解当地的文化，以及生活在这片土地上的人们。

在同步听的过程中，tuwa 还会记录下视频中的语音内容，转写为文字，帮助你学习和理解语言中真正传达的东西。

「同步听」功能今天在 tuwa web app 中上线，任何计划的用户，包括免费用户都能使用它。如果你身处海外，不妨打开网站试试看这个新功能，我相信你会喜欢它。

[paulwei @coolish]

龙虾帮我做了个Skill
推特书签 远程+本地同步 自动语义分类搜索 GUI 工具
自动整理你的 X 书签，让收藏不再吃灰

做得还比较原始，
还需不少完善才能到发出来给大家用的程度，
所以先抛砖引玉下，
如果推友做个更完善的杀死我这个
我就不用费劲完善发布了😅

⬇️视频里可以感受下，极速丝滑的搜索体验:

[GitHubDaily @GitHub_Daily]

写学术论文或处理科研报告时，用 LaTeX 排版、用 Python 跑脚本，还要频繁在编辑器和 AI 网页间来回切换。

最近在 GitHub 上刷到 ClaudePrism 这个开源项目，提供了一个专为论文科研写作打造的本地桌面客户端。

内置离线 LaTeX 编译器、Python 运行环境和 AI 辅助写作，而��文件全部存在本地。

GitHub：https://t.co/ouJwGDa0sU

还提供 100 多个科研领域的专业技能包，覆盖生物信息学、化学信息学、机器学习等方向。

另外还有个截图提问功能，框选 PDF 里的公式或图表直接丢给 AI 提问，审稿意见也能这么处理。

如果你经常用 LaTeX 写论文，又想让 AI 深度参与到写作和数据分析流程里，这个工具值得试试。

[paulwei @coolish]

这年头，继智商情商之后，
值得独立出来一个健商了。

顺便再次分享我的
7天 x 4盒 补剂可视化管理物理工具：
https://t.co/UdHPVlrdp9

[郭宇 guoyu.eth @turingou]

很多人什么流行就讨论什么，然后给立场一些符号化的语言，也许在没有 llm 的时候还会理他一下，主打一个参与感交流，但有了 llm 之后真是懒得回复一句话。本质上很多东西都是相似的，现在变化这么快，真的需要专注在最重要的事情上：取用知识，组合智慧，定义工作。