Luca Cai

Quantitative Researcher | Investment | Trading

[Nick Timiraos @NickTimiraos]

The FOMC held rates steady, and the vote was 9-3.

Three bank presidents dissented in favor of a quarter-point rate increase.

It was the first time since 2016 that there were three dissents in the same direction over a policy change.

[Jensen Huang @JensenHuang]

Attackers have frontier AI. Defenders need a frontier AI ecosystem—the best open and closed models, force-multiplied by a global community.

During the Hugging Face incident, closed AI blocked essential forensics. An open-weight frontier model helped contain the intrusion.

That’s why we created the Open Secure AI Alliance.

[Luca Cai @lucacai04]

@ben_burtenshaw This is so funny.

[Ben Burtenshaw @ben_burtenshaw]

don't worry. I've setup the logos so we're all included. play below

[Luca Cai @lucacai04]

@JensenHuang @nvidia @AnthropicAI

[Jensen Huang @JensenHuang]

For my first post, I’m sharing a letter @NVIDIA signed on why open models matter.

AI will transform every industry, power every company, and be built by every country.

Open models strengthen safety and cybersecurity, accelerate innovation and diffusion, and enable sovereignty.

The world needs both frontier closed models and frontier open models.

https://t.co/AUKzoQ5Ikb

[Luca Cai @lucacai04]

@FT This is racism

[Luca Cai @lucacai04]

@WSJ Sorry, Open-source models benefit all except for those greedy people 😅

[Luca Cai @lucacai04]

@WSJ Open-source doesn't mean you have to rely on Chinese vendors. You can deploy and run on your own US servers!!!! So stop saying China threat. Open-source models benefits all.

[Luca Cai @lucacai04]

@larojima @WSJ definitely

[Guohao Li 🐫 @guohao_li]

why can the china labs build glm-5.2, kimi k3, and many more to come? it is because of the openness. not just the open weights but the whole ecosystem. most of the work done in the china labs is carried by interns. i met brilliant undergrad and graduate interns who deeply understand the model training details, and they are 100x more open to share. that means the talent that knows how to train llms in china is 100x greater in number than the talent in the us, and it is growing

in contrast, the us ai ecosystem is too closed. frontier labs do not hire interns. i know brilliant phd students at stanford, berkeley, and so on. they struggle to get an internship and the compute to train a properly sized model. most of the secret recipes are locked away by a very small group of privileged researchers

it is not about china or the us. it is about open and closed science. the fact is that every average cs student can learn how to train an llm. they just need the opportunity. labs should be more open and hire more interns, like how deepmind and fair did in the pre-llm era

[Kimi.ai @Kimi_Moonshot]

Introducing Kimi K3: Open Frontier Intelligence

🔹 2.8 Trillion Parameters, 1 Million Context, Native Multimodal
🔹 Kimi Delta Attention enables up to 6.3x faster decoding in million-token contexts
🔹 Attention Residuals deliver ~25% higher training efficiency at <2% additional cost
🔹 Built for long-horizon agentic coding and self-evolving workflows

Kimi K3 is now live on on https://t.co/zrk6zZxZUo, Kimi Work, Kimi Code, and the Kimi API.
Open Weights by July 27, 2026.

🔗 API: https://t.co/XCrgjXAqMw
🔗 Tech blog: https://t.co/YTfiMSNM1f

[美研芒格君 @Kay2289123]

昨天全场还在集体唱多 AI 基建,今天就把光模块、存储、设备一把砍了 7%–15%。触发点,是一条" $META 要卖算力"的小作文，这篇文章我会深入分析为什么这个逻辑链是错误的

以及大多数跟风分析中两个重要漏洞，最后有一个反证和我的结论

我的看法很直接:市场在交易一条愚蠢的三段论, 信什么都不能信小作文。今天交易最错误的地方，在于它把一家公司的经营决策,直接外推成整个行业的供需信号

下面一层层拆。

1️⃣ 事情的起因 —— 一条"Meta 要卖算力"的小作文
Bloomberg 先放风:Meta 在搞一个云业务,可能对外卖"多余的 AI 算力",甚至直接卖 raw compute。Reuters 补了一句关键的:计划还在开发阶段、策略可能变、Meta 拒评、未独立核实。

就这么一条没落地的传闻,市场立刻推演出一条逻辑链，开始烘托那些没有真正了解算力大众的情绪，

“Meta 要卖算力 → 说明它自己用不完 → 说明训练/推理需求不行 → 说明 AI 算力过剩 → ��本属于 Nebius(星云)、CoreWeave 的稀缺租金要被抢走 → AI 硬件链该跌”

可是你能看到的AI 基建股票都在下跌，为什么我认为是错误？往下看

2️⃣ 市场在交易一条愚蠢的三段论
市场现在在交易一条“烘托渲染”的逻辑链，这条逻辑链是:"Meta 要卖算力 = Meta 用不完 = AI 不行了 = 算力过剩 = 全链该跌

Meta 卖不卖算力,是 Meta 一家的资产负债表怎么算账;跟"全世界的 AI 算力到底缺不缺",是两个问题。接下来我会拆解两个漏洞

3️⃣ 漏洞1 —— Meta 卖算力 ≠ AI算力过剩,恰恰相反
如果 Meta 真是因为"算力过剩、AI 不行了"才卖,那下面这些动作全对不上:
> 4 月把 2026 年 capex 指引往上抬到 1250–1450 亿美元。你见过哪家公司觉得需求要塌了,还把资本开支往上加的?

> 4/9跟 CoreWeave 签了约 210 亿美元��锁到 2032 年、含 Vera Rubin 的 AI 云容量;跟 Nebius 3/16 签了最高约 270 亿美元的多年协议。这才 3 个月，AI 就过剩了?Meta 管理层没有这么易变，每一年的预算都是提前一年定好的

> 前不久还有报道说 Google 限制了 Meta 用 Gemini 的额度,原因是 Meta 的需求高到超过 Google 能供的容量。你说它算力过剩? （这个我前面的帖子做过解读）

4️⃣ 漏洞2 —— 就算 neocloud 的账能算,凭什么连"卖铲人"一起杀?
对 CRWV/NBIS,市场的担忧我还能勉强理解:Meta 从"超级客户"变成"潜在竞争者",这确实是个真问题（如果你认为）

但把这条逻辑传导到光模块、互联、存储、设备身上,就彻底 make sense 不了了。这些是整条链的"卖铲人",逻辑上跟 Meta 转不转卖算力���乎没有关系
> 光模块/互联：AI 集群越大,越需要高速互联、光模块、激光器。Meta 把一部分算力转租出去,并不会让这堵物理墙消失,也不会让集群少要一根光纤

> 存储同理

> 设备厂(AMAT 这类)最典型:设备坐在整条链的最底层。Meta 卖不卖算力,跟晶圆厂要不要买刻蚀/沉积/CMP 设备,中间隔着十万八千里,根本没有传导机制

5️⃣ 最大的破绽 —— Oracle 为什么几乎没跌?
想清楚这意味着什么:如果市场真的相信"AI 完了、算力过剩",那 Oracle 作为一个手握大量 GPU 云、FY 自由现金流为负、capex 指引拉到近千亿的重仓 AI 云玩家,应该被砍得更狠才对。

Oracle 稳、neocloud 崩、卖铲人陪跌——这个组合本身就说明:今天杀的不是"需求", "算力过剩"只是一块遮羞布

6️⃣ 真正的问题是"供需错配",不是"供给过剩"
这是我认为的核心。全市场供不应求,和某家公司某个时点、某个地域、某代 GPU 有阶段性富余,一点都不矛盾

GPU、电力、机房、网络都是长周期、提前几年锁的;而模型训练是项目制、API 发布会推迟、推理流量是非线性增长的。两边节奏天然对不齐。结果就是:长期战略上仍然缺算力,短期财务上局部有空档。

这叫错配(mismatch),不叫过剩(oversupply)

结论

Meta 不是"AI 不行了所以卖 NVIDIA",而恰恰相反。是"推理太赚钱、太缺货,顺手把富余容量货币化去缓解利润表"。市场把一次个体套利,错读成了全行业过剩。

[Luca Cai @lucacai04]

@coinbureau If we can’t control it then no one should have it.

[Luca Cai @lucacai04]

@Sentdex Dario don't care about open-source or not. He cares about his profit-making ability.

[Luca Cai @lucacai04]

@Yuchenj_UW Deepseek is GOAT

[Luca Cai @lucacai04]

@_montekaka Agree 👍

[Luca Cai @lucacai04]

https://t.co/HroS0veFx5

知名高频交易公司 Jump Trading 已收购数字资产多策略对冲基金 Nickel Digital Asset Management 的少数股权

（1）Nickel Digital 是crypto 版 multi-manager / pod shop

到 2026 年，Nickel CEO Anatoly Crachilov 在 LinkedIn 上称，平台已经有 86 个团队、分布在 37 个地点，并���调其架构包括 fully-systematic specialist trading pods、centralised portfolio construction、dynamic capital allocation 和 proprietary RMS
策略包括 high-frequency market making、arbitrage、funding-rate / futures-basis、relative value、statistical arbitrage、short-term trend following

Jump 的传统优势是 low-latency trading、做市、流动性供给、跨市场套利、基础设施工程。

（2）Nickel 对 Jump 的吸引力在于三点。

第一，Jump 可以通过 Nickel 接触到大量外部 crypto quant pods。传统 prop firm 自己招聘 PM / QR 的边际成本越来越高，外部 pod 模式可以把 alpha sourcing 分散化。Jump 买少数股权，等于买入一个 alpha discovery network。

第二，Nickel 的 pod 组合天然会产生 execution、liquidity、venue access、margin efficiency、risk system、custody、cross-exchange routing 等需求。这些正好对应 Jump 的基础设施和做市能力。进一步合作很可能围绕 execution liquidity、risk infrastructure、capital allocation、venue connectivity 或 strategy incubation 展开。

第三，Jump 近年明显在做“股权换流动性 / 股权换基础设施”的横向扩张。The Block 转述 Bloomberg 称，Jump 此前计划通过为 Kalshi 和 Polymarket 提供 market-making services 换取两家 prediction market 平台的股权。 Reuters 也报道，prediction markets 正在吸引机构投资者，平台正在与 prime brokers 和 liquidity providers 合作，而 Jump Trading 被提及正在帮助机构投资者接入这类平台。

所以 Jump 投 Nickel 和 Jump 接触 Kalshi/Polymarket 其实是同一个战略方向：控制或参与新市场结构中的关键节点：流动性、交易入口、策略供给、平台股权。

（3）我认为这笔交易反映了四个趋势。

第一，crypto hedge fund 正在 pod-shop 化。传统 crypto fund 很多依赖 beta、venture、token rotation、DeFi yield、basis trade。但真正机构化之后，LP 更需要低相关、低波动、可风控、可 capacity management 的 alpha。Nickel 的模型正好是把大量中高频 systematic pods 放到一个中央风控平台下。

第二，prop trading firm 正在资产管理化。Jane Street、Jump、Citadel Securities、SIG 这类公司本来以自营交易和做市为核心，但当它们的资本、数据、技术和市场影响力足够强时，直接或间接持有交易平台、基金平台、数据基础设施和交易入口就很自然。它们会越来越像“交易型金融控股平台”。

第三，crypto alpha 的瓶颈正在从“有没有策略”转向“有没有平台”。真正难的是交易所接入、保证金管理、交易后处理、实时风控、资金效率、counterparty limit、策略容量监控、风控 kill switch、PnL attribution。Nickel 的 managed-account + centralised RMS 模型，正好把这些问题平台化。

第四，prediction markets、perps、tokenized assets、crypto basis、event contracts 正在组成一个新的跨市场交易空间。Reuters 报道称，prediction markets 正在吸引 hedge funds 和机构资金，但流动性和浅订单簿仍是主要障碍。 对 Jump 这种流动性提供商来说，新市场早期的最大资产就是 microstructure control。
https://t.co/HroS0veFx5

[Ye Su @allen_su1024]

传统量化已经卷到天，但我们决定在熊市继续招人

以Hyperliquid为代表的链上rwa交易所，正在开启一个新的时代

ArkStream 正在做地址级行为因子策略，诚招量化研究员，量化IT

如果你对量化、链上交易、行为数据有兴趣

如果你不满足于只做一个模块，而是想完整参与一套新交易系统从 0 到 1 的形成

如果你相信下一代 alpha 可能不只来自资产价格，而来自交易行为本身

如���你希望不是打一份工，也参与到整个策略的收益分享

欢迎投递[email protected]，也欢迎私信我

[Luca Cai @lucacai04]

欢迎感兴趣的从业者/ 研究人员 联系我 ：[email protected]

[ArkStream Capital @ark_stream]

https://t.co/5eOoAPg6E7