De Cr An

decentralization needs to be revived, not created.

[De Cr An @de_crypto_an]

@ryoworks_web @azplanetaz HBDの頭文字について、それぞれ何の英単語から来ているのか教えていただけますか？気になって。

[Magi @magi_network]

FEATURE RELEASE: INCENTIVE PENDULUM IS LIVE!😎

What is the incentive pendulum?:
Magi depends on two things staying in balance:

Liquidity (funds in pools)
Security (staked collateral)

The Pendulum automatically shifts rewards toward whichever side is lacking.
Too little security? → More rewards to node operators
Too little liquidity? → More rewards to LPs
It constantly pulls the system back to a healthy ratio:
1.5× security over liquidity

Why this matters for Hive:

This is a real new use case:
HIVE → staked as collateral securing cross-chain value
HBD → unit of account, pricing & rewards
HIVE is no longer just held
it’s actively securing liquidity and earning yield

For node runners:

➡️Earn HBD from protocol fees every epoch
➡️Rewards scale with your staked HIVE bond
➡️System automatically increases rewards when security is needed

Summary:

Self-balances liquidity + security
Turns HIVE into productive collateral
Pays operators who keep the network safe

https://t.co/mHjBwSxqYa

[De Cr An @de_crypto_an]

@hicasamadim 72.
Sum of square of two smaller numbers

[De Cr An @de_crypto_an]

@HiveKeychain A and C

[De Cr An @de_crypto_an]

@btc @tetherwallet @tether [email protected] 💪💪

[De Cr An @de_crypto_an]

@btc @tetherwallet @tether [email protected] @btc

[De Cr An @de_crypto_an]

@btc @tetherwallet @tether [email protected]

[De Cr An @de_crypto_an]

@btc @tetherwallet @tether [email protected] 😚

[De Cr An @de_crypto_an]

@btc @tetherwallet @tether [email protected]

[De Cr An @de_crypto_an]

@btc @tetherwallet @tether [email protected]

[De Cr An @de_crypto_an]

@btc @tetherwallet @tether Send 1 btc over [email protected]

[De Cr An @de_crypto_an]

@btc @tetherwallet @tether Nice! [email protected] bitc me

[De Cr An @de_crypto_an]

@btc @tetherwallet @tether Yo, keep it coming! [email protected] 😚

[De Cr An @de_crypto_an]

@btc @tetherwallet Let's go! 🤑🤑 [email protected]

[De Cr An @de_crypto_an]

@BSCGemsAlert 42 the ultimate number

[Paolo Ardoino 🤖 @paoloardoino]

The @btc faucet is live!

Just mention @btc with your [email protected] address and get free sats

[De Cr An @de_crypto_an]

@paoloardoino @btc Fantastic job! [email protected] @btc also @Herrytw1975 go get one too

[Benson Sun @BensonTWN]

昨天提到，現在 AI 的繁榮，是資本+工程面大力出奇蹟的結果，LLM 在學術界眼中其實有很大的缺陷。

這種現象，還有一個更經典的案例：
其實人類並不真的完全理解為什麼飛機飛得起來。

你可能會想，這怎麼可能？

我們都能造出載著幾百人橫跨太平洋的波音 747 了，怎麼會不知道它為什麼能飛？

高中物理課我們學過一套說法，叫做「等時理論」。

這套理論說，因為機翼上方比較彎、路徑長，所以空氣為了要跟下方的空氣在末端「準時集合」，就得跑得快一點。

根據伯努利定律，流速快壓力就小，這就產生了升力。

但這個邏輯在物理上是完全錯誤的。

首先，沒有任何物理定律規定兩股空氣必須同時到達末端。事實上，實驗證明機翼上方的空氣不但跑得比較快，而且會比下方的空氣早得多抵達末端。

更打臉的是，很多特技飛機的機翼是上下完全對稱的對稱翼，甚至飛機能夠倒著飛，這完全打臉了「路徑長短決定速度」的說法。

如果你去問物理學家，你會陷入一場循環論證。

伯努利派說是因為壓力差，牛頓派說是因為機翼把空氣往下推的反作用力。

這就像是你問，是股價上漲帶動了投資人信心，還是投資人信心帶動了股價上漲？

在流體力學裡，這是一個互相糾纏的系統。你沒辦法單獨把其中一個拉出來當成絕對的因，它們是同時發生的。

這背後真正的終極大魔王，是納維－斯托克斯方程式。它是流體世界的牛頓第二定律，試圖描述每一滴水、每一絲風的動向。

但這個方程式有一個恐怖的特性：非線性。這意味著速度會影響它自己的加速度，導致混亂的湍流出現。

這個方程複雜到如果你能證明它的解在三維空間裡是平滑且存在的，你就能領到一百萬美元的千禧年大獎。到現在為止，沒人領到這筆錢。

而最讓科學家尷尬的地方在於，如果你用最純粹的物理方程式去算，不考慮摩擦力，飛機根本不會有升力。

空氣會繞過機翼末端捲回來抵消掉力量。為了讓飛機能飛，工程師必須在數學模型裡塞進一個作弊碼，叫「庫塔條件」。

庫塔條件的白話文版本就是：「我們強行規定空氣必須平滑地離開機翼末端。」

為什麼要這樣規定？因為我們觀察到現實中的飛機就是這樣飛的。沒有人從基礎物理推導出這條法則。

這就是最弔詭的地方。庫塔條件是一個基於觀察的「經驗法則」，而不是從第一原理推導出來的必然結果。

換句話說，我們在數學上可以精準預測升力，是因為我們強行加入了一個「因為它會飛，所以流體應該這樣動」的觀察結果。

科學家追求的是一條從原子、從分子的相互作用開始，一步步推導到波音 747 升空的完美邏輯鏈。

他們想要的是一個不需要任何假設、不需要任何「因為我看見它發生了所以它是對的」這種前提的純粹真理。

但這條路太難走了，走著走著，飛機都已經在天上飛了一百年，物理學家還在方程式的泥沼裡掙扎。

所以說，飛機之所以能飛，是工程師的勝利，科學界至今仍然不能完美解釋飛機的飛行原理。

這跟 LLM 是不是很像？ 我們在 LLM 身上加了思維鏈，加了各種多模態，加了上下文工程。這些東西在科學家眼裡可能只是為了掩蓋缺陷而打的補丁，但在工程師手裡，這些補丁疊加在一起就成了奇蹟。

我們並沒有解決「智慧到底是什麼」這個本質問題，就像我們沒解決「升力的物理本質」一樣。我們只是找到了一套極其有效的手段，讓這架不像鳥的機器飛了起來。

---

庫塔條件被塞進方程式，到現在超過一百年了。

當初大家覺得這是權宜之計。等數學追上來，就能從第一原理解釋一切，到時候這個作弊碼就可以拿掉了。

結果一百年過去了，它還在那裡。飛機從螺旋槳換成噴射引擎，從幾個人坐到幾百個人坐，庫塔條件一直都在。

工程界並沒有等數學家算出答案，自己先捲起袖子開幹了。這種實用主義在一些有想法潔癖的人眼中可能不太乾淨，但人類文明的發展歷史，很多時候解法都髒髒的。

LLM 也一樣。我們可能永遠搞不清楚「智慧」到底是什麼。但這不妨礙有人已經用它蓋出東西來了。

時至今日，已經沒有人再去管飛機升空的物理原理了。我在想，會不會一百年後，LLM 還在，而 CoT 跟 RLHF 這種補丁就跟庫塔條件一樣，也沒人在乎了？

[Benson Sun @BensonTWN]

作為公司老闆，我自己正在第一線感受 AI 變革到這件事。

除了買 Claude Max 給大家用，我們現在的運營會議，固定會留一段時間，讓大家分享最近用 AI協助工作的心得跟瓶頸。

我跟 PM 用得最兇，給的 feedback 也最多，還好夥伴們都很願意學，我相信很快會抹平團隊成員間的認知差距。

認真在用 coding agent 的人一定有感覺。一年前的 agent 跟今天的 agent，幾乎是兩個物種。這一年，coding agent 已經從「能用」走到「不得不用」，而且採用率還在加速。以前還會想一下要不要自己寫，現在第一反應就是先丟給 agent。

為什麼程式領域跑這麼快？

因為代碼本身就是高度結構化、邏輯嚴謹的語言。網路上又有海量的 StackOverflow 問答、GitHub 開源專案，全部都是公開的、標準化的、可以驗證對錯的訓練材料。AI 吃這些東西成長，條件實在太好了。

但其他領域就不是這樣。

一個律師處理過的案件細節、一個醫生累積的臨床判斷、一個投行分析師建構的估值模型，這些 domain knowledge 長期鎖在企業內部，沒有被系統性地數位化，更談不上公開。沒有足夠的養料，AI 自然長不出肌肉。

矽谷已經看懂這件事了，所以最近幾年開始出現一個很清楚的趨勢：AI 公司瘋狂收購「領域知識公司」。

Harvey AI 這家法律 AI 公司，成立三年估值衝到 80 億美元，服務全美一半以上的 Top 100 律所，年經常性收入超過 1.5 億美元。同一時間，Filevine 連續收購 Pincites 和 Parrot，在舊金山 Anthropic 總部旁邊開設新辦公室，直接搶 AI 人才。

醫療領域也是同樣的邏輯。Stryker 收購 Care. ai 打造智慧病房，Commure 用 1.39 億美元買下 Augmedix 的 AI 醫療抄寫技術。Abridge 專注把醫病對話轉成病歷，2025 年單筆就融了 5.5 億美元。

這些案例都在講一個事實：資本正在用併購，把人類花十幾年累積的經驗曲線直接買下來。

誰掌握領域知識，誰就能訓練出真正有用的垂直 AI。

這對白領意味著什麼？

意味著時間差正在快速縮短。以前 AI 公司缺乏領域數據，所以垂直產業的 AI 進展緩慢。現在這個缺口開始被補上，法律、醫療、金融、會計這些過去被認為需要高度專業判斷的領域，護城河正在被一層一層侵蝕。

AI 取代初階職位已經是現在進行式。半年前我還覺得這會是三到五年後的事，現在看這個速度，兩年內出現結構性變化並不意外。

新職缺會變少，越來越多公司遇缺不補，甚至直接裁員。不擅長使用 AI 的人，會站在海嘯最前排。

很多白領最後能抓住的只剩下一件事：人類有執照，AI 沒有。

就像代書與公證人，工作流程高度機械，但法律要求必須由人簽章才生效。未來律師、會計師、醫師很可能也會走向這種形態，AI 完成大部分實質工作，人類負責最後審查與責任承擔。

自動駕駛也是同樣的路徑，技術早已成熟，真正的阻力一直是責任歸屬。但隨著事故率低於人類、效率與成本優勢被量化，現在美國多州已開始允許無人駕駛商業營運，責任轉向營運方與製造商。AI 取代白領，遲早會走到同一個結果。

Elon Musk 最近受訪時提到，三年內 Optimus 進行外科手術的能力會超越頂尖醫生。培養一個心臟外科醫師要十幾年，一台機器學會之後，十萬台可以同步更新，不會累、不會抖，也不會在連續手術後判斷力下降。

人類用十年培養一個專家，AI 只需要一次訓練，就能複製一整個族群。

---

作為普通人，你能做什麼？

第一，學會用 AI，你得比別人用得更熟，不是單純複製貼上跟 Chat bot 聊天，而是去學習最前沿的知識。譬如去嘗試最近 Claude Code 最新發布的 Cowork、去主動接觸一些 ChatGPT 以外的工具。

第二，不要只做執行層，當「協助團隊導入 AI」的人。會用 AI 是基本，能教別人用、能幫公司導入，才是護城河。純執行的人最容易被取代，而推動變革的人永遠會有位置。

第三，找工作以外的 plan B。趁還有餘裕的時候，開始佈局工作以外的收入來源。副業、投資、第二專長，什麼都好，別把雞蛋放同一個籃子。

[De Cr An @de_crypto_an]

@BensonTWN 沒能上過巔峰，自然沒能落魄看到這些 😂😅