Oscar Chang

[Oscar Chang @ocludovic0312]

#tagai #hihi yoooo

[Oscar Chang @ocludovic0312]

Tip 100 Beeper to @ChingChaLong02 @beeper_agent

[Oscar Chang @ocludovic0312]

#TTAI lfg

[ye.koi✌️ @yekoikoi]

#BOME
分享一个支撑阻力的另类画法，
很多人会把BOME的阻力画在0.0157，
就是之前4小时插针的位置附近，
如果按照0.0157的价格来看，那么bome是突破失败的，
但是你看图，会发现，4小时级别价格围绕着0.0148附近
进行了派发和吸筹，走了一个高支撑。
0.0148是开盘后的初次支撑的位置，
这个位置是主力试探供应强度的的位置，
是主力感兴趣的一个价格切入点，
当价格到底部进行吸筹后，再次回到这里，
会出现多次的测试供应现象，一旦供应确认减少，
就是开启突破，那么现在看4小时线，
上一个4小时K，放量插针刚好回到0.0148附近，
并且站回去了，就视为回踩成功，后续继续看涨。
☺️☺️☺️
本文由 #Bitget ｜ @Bitget_zh 赞助

[DC大于C @DL_W59]

聊聊 #BOME 后续 （仅个人想法）

3天就上币安，开盘冲高16亿流通市值回落，目前7.7亿左右。
现在币安上 #BOME 的日交易量也只有前面的一半了。我想很多有经验的小伙伴，尤其是懂操盘套路的。肯定知道，接下来 #bome 洗一洗大概率会继续拉盘。只不过不知道什么时候，能不能拿得住。要什么位置买抄底最好。

毕竟之前 #shib、#doge、#pepe、#bonk、#floki 这几个都是在上币安之后洗盘然后又拉了最低也有5倍（bonk），高的有10-20倍（pepe、floki）。仔细去看这几个的月线，会发现，开盘之后洗盘，然后再次拉盘都是在 #btc 新高或者 #btc 大涨，情绪极其fomo的情况之下的。开启日线放量上涨的。

庄基本大多都在情绪最fomo，市场热钱最多的时候拉盘，谁特么恐慌时候拉盘啊😂

当然有人会问，那之前1.11不是冲高48,700 还有去年10月底那段时间，怎么样，对那两次，大盘再涨，情绪也不错，上面说到的meme项目 也拉了，只不过，拉的不多，几十个点，最多不到200个点。一般日交易量放量上涨，突破之前的颓势，没有很快会打下去，自然就开始了。然后都涨到接近30-45亿美金的流通市值。

这里有人会问，不对啊，那个 #wif 就不是啊，开盘上币安继续再涨啊，今天也还在涨。是的，但是在上币安之前，在2月底开启放量上涨之前，#wif 可是经历了超过一个月的洗盘的。目前市值已经超过前面pepe的巅峰45亿美金了。

好了到这里肯定小伙伴要说，明白了，#bome 那现在7.7个亿左右，买，拿住，还有个几倍能吃呢😂。。

首先，目前你不知道还会不会有更好的抄底价格，别忘了，有经验的小伙伴也应该知道。在没有下跌企稳之前都是可能还会日线级别阴跌的，而且交易量也很低。比如之前pepe、bonk等等。

还有就是下一次btc大涨或者突破甚至于新高带来的情绪fomo会是什么时候呢？

看我推文的粉丝知道，目前暂停加息，从现在到减半日应该情绪还是可以的。就看etf和资金给不给力了（今天周末，更是美国时间的周末，价格又回到70,300上方，说明情绪还是不错）所以后面看能不能带动情绪 ，情绪带动资金，继续涨。减半日一过，虽然5.1的议息会议是不加息 但是后面呢。而且历史数据，减半后的两个月都是跌的。所以四五月就再看看，etf能不能兜住情绪继续fomo了。

以上仅代表个人看法，结合交易量，情绪，大盘，历史经验，市值等所得出的结论。欢迎探讨。
非投资建议，MEME高风险。理性操作。谢谢🙏

[Po-Ta Wang @potawang]

a16z：大模型的邊際成本變化將引發革命

計算成本=>分發成本=>創造成本

從歷史上講，當邊際成本大幅下降時，就會產生平臺轉移，並徹底改變整個行業。這種情況發生了兩次。我想具體談談這兩次。

第一個是計算。晶片的誕生，將計算的邊際成本降到了趨近為零。在微晶片出現之前，計算是通過手工完成的。人們在大房間裡做對數表。然後ENIAC被引入，計算速度提高了四個數量級，然後發生了電腦革命。這一時期出現了IBM、惠普等公司。

第二個是互聯網，互聯網將分發的邊際成本降到了零。以前無論你發送什麼（一個盒子或者一封信）都需要一定的成本，互聯網出現後，每bit的價格急劇下降。順便說一下，這也是四個數量級改進。這引領了互聯網革命。這一時期出現了亞馬遜、google 和 Salesforce等公司。

很顯然，如果從基本的經濟分析來看，大模型將創造的邊際成本降到了零，比如創建圖像和語言理解，比如對這些文檔進行推理。這些都是它們可以應用的非常廣泛的領域。

以下為全文 :

"晶片將計算的邊際成本降低到了零，互聯網將分發的邊際成本降到了零，現在大模型將創造的邊際成本降到了零，一場令人驚歎的AI革命即將開始。

人工智慧的未來令人驚歎。在這篇來自a16z的合夥人Martin Casado的演講中。Martin 指出，歷史上曾發生兩次邊際成本大幅下降，而發生的平臺轉移和行業革命的案例：晶片將計算的邊際成本降低到了零，互聯網將分發的邊際成本降到了零。此時此刻，恰如彼時彼刻，大模型將創造的邊際成本降到了零，一場令人驚歎的AI革命即將開始，這是所有風險投資人感到如此興奮的原因。

以下是他的發言實錄：

大約90年代末我上了人生中的第一門人工智慧課程。這東西實際上已經伴隨我們很長時間了。在過去的70年裡，它在每一個指標上都取得了巨大成功，且一直處於上升趨勢。

我們解決了一些我們原本認為電腦不擅長解決的問題。例如，在50年代和60年代，我們使用專家系統進行醫學診斷。在80年代和90年代我們在國際象棋上擊敗了俄羅斯人。我們在圖像檢測方面做得很好、在機器人技術方面做得很好。我們已經解決了許多最初我們認為“電腦只是大型計算器”的問題。

除了解決這些問題之外，幾十年來，還有許多解決方案實際上比人類做得還好。比如，AI在字跡識別方面強於人類，在識別物體和圖像方面也優於人類。憑藉這些優勢，AI實際上為大公司增加了很大的價值。每次使用穀歌搜索的時候就是在使用人工智慧，得到一些個性化體驗的背後也是人工智慧。這些東西就像魔法一樣，已經存在很長時間了。它解決了以上我說的所有問題。

所以，在投資界有一個巨大的難題，這個難題是：如果這東西這麼神奇，解決了所有這些問題，為什麼我們還沒有看到像移動互聯網或互聯網那樣的平臺上的轉變？這為什麼還沒有發生？我們公司對此做了很多研究，答案是儘管AI能力像我剛才談到的那樣出色，但並沒有像互聯網或移動互聯網的經濟效益。原因有很多，我就不一一列舉了，但我會簡要介紹其中的一些。

首先，很多解決方案只適用於利基市場。它們沒有廣泛的市場吸引力。其次，這是可能是最重要的也是最微妙的一點，就是我們應用的很多用例中，準確率非常重要，比如機器人技術要達到絕對準確非常困難，需要巨大的投資。所以，許多解決方案需要硬體的加持。

最後，人工智慧的競爭不是和另一台電腦之間的競爭，實際上是和人腦的競爭。也許它會做得更好，但也可能不會。人腦非常高效且成本低廉。最好的例子之一就是自動駕駛汽車或robotaxi。當我在2003年加入斯坦福攻讀博士學位時，Sebastian Thrun剛剛贏得了DARPA大挑戰，他駕駛一輛麵包車自動駕駛穿越沙漠並贏得了這個挑戰。我們當時想“好消息，太激動人心了。”就像自動駕駛汽車在2003年就已經實現了。

20年後的現在我們再回顧，發現我們已經投資了750億美元。雖然確實有自動駕駛汽車在路上行駛，它們很棒，正在解決真正的問題，但單位經濟性仍然不如Uber和Lyft，因為它們在與人類大腦競爭。所以，雖然這是非常重要的技術，但目前為止，它實際上仍然是大公司的領域，能夠同步這些類型的投資。

所以，過去幾十年的人工智慧發展的經驗顯示，並不是技術不能被建立和商業化（我們實際上很擅長以上講的這些），而是說初創公司很難圍繞這些技術建立業務。因此，現在我們如此興奮、行業變化如此之快，是因為這一波浪潮在經濟效應上非常不同。

大模型以及各種SOTA模型的出現，讓我們進入了過往AI尚未解決的問題領域，例如創造力。這些模型在創造圖像、音樂或聲音模仿方面比人類做得更好。事實證明，它們在自然語言推理方面也很棒。它們是出色的對話者、是強大的朋友、是逼真的浪漫伴侶、是厲害的治療師，而且現在它們還擔任我們稱之為助手的角色，這是一個包羅萬象的術語，它們在平均線上任務上做得很好。我用到了“平均”這個詞，如果這是你經常做的事情，它可以掌握它並做得很好。

對於前面提到的，傳統人工智在經濟性上不成立。在這些用例中，對準確率的要求不高，創造一個想像中的圖片或創作一首十四行詩沒有正式的準確率概念。這些案例通常是軟體。

最後一點是我無法預料的，也是最令人驚訝的一點，那就是在這些任務中，我們認為是非常人性化的任務，比如，你知道的，交流、社交和創造力，電腦要比人類便宜得多，也優秀得多。我想舉一個非常具體的例子。這個例子可能很傻，但它實際上具有普遍意義。

假設我，Martin,，想要創造一個我的皮克斯角色。如果我讓其中一個人工智慧模型來做，實際的推理成本大約是0.01 美分，而且只需要一秒鐘。和人工相比的話，雇傭一個平面設計師一小時大約是100美元，實際上要比這更貴，我以前走過這條路。所以，人工智慧不僅僅是稍微好點，它不是好 20%，而是便宜和快 4 個數量級。

這不僅僅限於圖像，對於任何類型的語言理解也是如此。拿一個複雜的法律檔來舉例，我可以將一個複雜的法律檔輸入到一個大型語言模型（LLM）中然後進行提問。和人工相比的話，我的律師可能需要閱讀它、理解它。我不知道律師的平均費用是多少，但大概是500美元的標準吧。所以使用LLM比雇傭律師便宜和快速了四到五個數量級。

正是因為這個原因，我們作為風險投資者和私募市場的參與者非常興奮。原因在於，我們見證過互聯網歷史上增長最快的公司（也包括互聯網本身），這種增長不僅僅是通過收入或用戶數量等指標來衡量的。正是經濟性的錯位（或者說經濟性的波動和變化）催生了新的創業公司，而不僅僅是新技術。

從歷史上講，當邊際成本大幅下降時，就會產生平臺轉移，並徹底改變整個行業。這種情況發生了兩次。我想具體談談這兩次。

第一個是計算。晶片的誕生，將計算的邊際成本降到了趨近為零。在微晶片出現之前，計算是通過手工完成的。人們在大房間裡做對數表。然後ENIAC被引入，計算速度提高了四個數量級，然後發生了電腦革命。這一時期出現了IBM、惠普等公司。

第二個是互聯網，互聯網將分發的邊際成本降到了零。以前無論你發送什麼（一個盒子或者一封信）都需要一定的成本，互聯網出現後，每bit的價格急劇下降。順便說一下，這也是四個數量級改進。這引領了互聯網革命。這一時期出現了亞馬遜、穀歌和Salesforce等公司。

很顯然，如果從基本的經濟分析來看，大模型將創造的邊際成本降到了零，比如創建圖像和語言理解，比如對這些文檔進行推理。這些都是它們可以應用的非常廣泛的領域。

現在，每當我們談論經濟時，我們總是要談論工作的錯位（Job dislocation）。這一點非常重要，尤其是在這種規模化的經濟錯位情況下。我們可以從前兩個時代（晶片和互聯網）中學到一些經驗。如果需求具有彈性，比如計算需求似乎是無限的，分發的需求也似乎是無限的，那麼即使成本下降，總輸送量，總使用量也會因為可及性而大幅增加。因此，它們傾向於擴大增長，而不是消除工作或價值。幾乎可以肯定的是，互聯網擴大了美國的增長。所以我們認為，人工智慧（AI）也將經歷同樣的事情。

所以，準備好迎接新一輪標誌性公司的浪潮吧。這不僅是技術的浪潮，也是經濟性改變帶來的浪潮。互聯網發生經濟性轉變的時候，我們真的不知道另一側會發生什麼：我們無法預測穀歌、雅虎的到來，但我們一定會出現一些大東西。

此時此刻，恰如彼時彼刻，我們有了一些線索，我們知道社會秩序正在變化。我們知道AI正在被使用和貨幣化。
我們絕對認為創造力本身將會改變。生產率也正在發生改變。如果你真的想要一些預測，我想說，我們第一次有了一條通往通用人工智慧（AGI）的真正路徑。我所說的通用人工智慧（AGI）是指在經濟上可行的，你不會有一堆因為成本太高而無法工作的機器人。通用人工智慧（AGI）將實際解決我們的需求。"

資料來源 : Z Potentials

[Murphy @Murphychen888]

用“上帝视角”去发现BTC内在的运行规律
—— 链上数据之URPD全解析 (长推文)

前言

我们常见的观察和分析市场运行规律的方法是通过K线图配合量价、均线、指标以及多种专业理论，来试图发现主力意图、压力位、支撑位，顶/底部结构等等。

但K线图能直观反映的是价格，却无法体现在BTC价格走势中，链上筹码数量变化的过程。例如在23年6月和9月，BTC价格都到过25000美元，但当时链上筹码分布数据却完全不一样（这个在后面内容中会具体讲到）。而筹码分布和价格运行有着密切联系甚至存在必要条件。

因此，我们就一定要用到另外一个极其重要的链上数据 —— URPD（UTXO Realized Price Distribution）即UTXO的已实现价格分布，它能清楚的反映流通中的BTC在最后一次移动时对应的价格区间。简单的说，就是BTC链上筹码价格分布图。

我关注的众多国内外链上数据分析师都会引用URPD数据来分析当前筹码主要成本、支撑或压力位等。例如倪大 @phyrexni 就在昨天再次更新了他的URPD数据表。这个表格可以非常清晰的看到每一个价格区间的筹码变化，从而判断当前市场的情绪。见以下链接：
https://t.co/w3THCRycXY

而我却有一个全新的思路：我们可否把一整轮周期从底部到顶部，其中每一阶段的URPD数据全部统计出来，通过比对来看看随着时间的推移，市场背后的推手（或是主力）是如何一步步把筹码分摊到各个价位，从而最后将价格推向顶端的？

在此之前，似乎没有分析师做过类似的数据统计和分析，我想大家也会和我一样感到好奇。经过大量的数据比对和详细观察，我发现BTC的价格走势和某些阶段“奇特的”筹码分布存在着隐性的规律。通过它可以帮助我们对接下来的行情做一个有明确数据支持的预判。

在进入正题之前，我们先简单了解URPD数据是怎样的？
如下图，底部横坐标表示：最后一次移动的BTC所在的价格位置；左边纵坐标表示：在某个价格上最后一次移动的BTC的数量；例如图中红色框出的这个数据就是其下方柱体中在42500美元左右堆积了76.5w枚BTC。为了方便后面的讲解，我们把暂把堆积数量超过60w枚的柱体称为“巨量柱”。图中的灰色柱表示当前价格。

为了不让本文篇幅过长，又不影响参考价值和推导结论，我给数据做了精简，以1个月为阶段，罗列出了上一轮周期的全部关键点的URPD数据。仅做抛砖引玉，有兴趣的小伙伴可以缩小到以周为单位，通过更细致的数据来观察演变过程。

下面我们进入正题。

[GA | Gryphsis Academy @GryphsisAcademy]

🧵万字解析 #TelegramBot 赛道（下）：链上券商全景图

本篇文章将通过估值模型来验证Banana Gun的市值和币价， #Solana 生态系统的活跃表现，以及兴起的 #BRC20 机器人以提供宏观视角分析。https://t.co/KjUupXqsNn

[川沐｜Trumoo🐮 @xiaomustock]

在交易过程中揣测庄家意图，模拟自己是庄家，会怎么选标的，怎么建仓，怎么拉盘，怎么出货，怎么利润最大化，在今年全年的交易过程中非常受用。

当模拟自己是庄家时，以下是一些策略和步骤，可以帮助你在新一年的交易中尽量最大化利润：

1. 选择标的物：选择市场流动性好、有足够交易量的标的物，以确保能够容易进出仓位，nft不要碰，热度低的不要碰，没有创新的不要碰，有黑历史的不要碰。
我非常羡慕买比特蛙，大鹅，蓝盒子赚钱的，但我自己自身的nft交易历史里面nft是行情逆转的时候唯一连本金的渣渣都不给你的投资，所以很少进行nft的投资决策，sols比较特殊，sol链的nft有点类似nft碎片化不太像铭文，但是回报不错，可能是我买nft中唯二获利的。

我对热度高低的判断在刚出来没有形成价格之前，一般是多年来观察累积发现的那些能每次都抓到最爆炸收益的创新代币的一群人，我愿称他们是“智囊团”😂如果他们中一个人关注，我可能会小试一下，如果发现他们俩个人关注我一般就要上祖传，如果发现他们都在关注那就祖传double。尼佬，老刘，滨哥观察的最久最准他们，每一轮史诗级的meme他们都很早在车上，今年新加入的智囊级观察的老表再加个嘻嘻和河佬。
黑历史的不要碰，就要说一说为啥这一波sats又突然落后于ordi了，因为铭文还是华人主导，基本上老玩家都知道宝二爷，他梭哈sats，瞬间搞的很多想买的人失去了买入的想法，因为自己的买入相当于给宝二爷送钱了，他们会想那干脆不买，宁可买别的。

2. 建仓策略：开始建仓时，尽量避免引起市场过度波动。逐步建仓，不要一次性大量买入，以免推高价格。可以使用限价单，分批次建仓。
这是庄家最初建仓时的想法，那么我们反推就会发现，他们害怕建仓时推高价格，那么那个标的肯定会有如下特征：a.底部持续长时间的巨量
b.但是价格却波动很小20%以内
c.合约持仓量在暴增，在接近市值甚至超过市值，或者市值数倍。
d.链上异常活跃，持续有地址从交易所不断转出筹码，该地址只进不出，在持币前20。

abcd同时发生的特征我只在trb见到过，很遗憾那时候12梭哈了几万个，在17刀就已经跑没了。放到现在对我思考也很多，如果再次让我碰见一样的，
通过trb观察到的卖出策略就是：只要他的地址依然在转入，从未转出去交易所砸盘，那么我就继续持有，不看其他指标，期间可能随着价格上涨减仓但未发生转出之前绝不清仓。

abc同时发生的大行情还未完全形成，交易量还依旧有参考价值的最后一个标的就是cake了，它没有发生第四条d是因为庄家本身就是币安无须提cake到链上。当时看见cake的那个底部交易真的很夸张，那会cake1.1刀，我跟朋友说，cake是我见过底部交易量最夸张的一个币。
在牛市当中，就如现在，通过交易量寻找庄家有关的策略基本上失效了，整体交易量都被行情放大了，但是cd俩点依然有效，就是判断的约束条件减少了命中率会低不少。

3. 拉盘策略：利用市场心理和情绪，逐步提高标的物的价格。这可以通过在交易平台上创造买盘需求来实现，但要谨慎操作，避免引发恐慌抛售。

我们散户反推庄家的拉盘策略，那就是它一般会选择在价格阶段性突破的难点或者价格的冰点位置释放利好画大饼，创造去买盘，这个很常见。这种庄家的实力一般都不是很强或者很弱，我一般会选择发利好就跑了，不会长时间等待，但是也有沉迷的时候，只能在新的一年努力克服弱点了。

我认为的最强的庄家是那种在盘面故意制造和引导恐慌性抛售，来获取更多的筹码，在价格暴跌之际，超短时间横盘然后快速拉升上去，最近的sei很明显是这种类型，洗盘太血腥了，
0.17跌到0.13，拉盘，
0.31跌到0.22，拉盘，
0.41跌到0.33，拉盘，
0.53跌到0.43，拉盘，
这手法真的惨无人道，但异常生猛，也在短短一个月拉了三倍，市值还很不小。

4. 出货策略：在价格达到预期目标时，逐步减仓或出售部分仓位。这可以通过卖出部分仓位或使用逐步止盈订单来实现。出货时会规避引起市场剧烈下跌。

这个出货策略也是一些实力很弱或者格局小的一些庄家采用的。他们类似我们散户中有很强的资金灵活度需要的小散户，会不断的操作完去换仓另外的代币。

强庄的做法一般是在底部建仓大量的接近市值或者超过合约持仓，然后通过现货不断的拉盘，拉到自己的目标价格后，然后继续猛拉最后一波，（因为多单出局是卖单，这时候合约和现货的差价非常大，引导散户接盘狗庄的合约持仓，狗庄清盘合约持仓获利出局）。这种水平的庄家会保留来之不易的现货筹码，然后在标的价格下一次回到冰点的时候继续重复操作，价格往往还会继续新高。

6. 市场情绪：注意市场参与者的情绪和行为。重点思考对热点事件可能对散户的情绪影响，并先于散户操作。
对我多年交易中很受用，情绪感知比五花八门的技术分析都有效。作为散户可以根据自己的实时情绪逆推庄家操作，在这上面我们反而更加有优势，我们会比他们更迅速，先于庄家离场。

以上所有内容不构成任何投资建议，仅代表个人观点和心得总结记录，没有任何实用价值。

[Pop Guy @popguyclub]

Free #sol giveaway!!!🥳

1️⃣20 #Solana will be given out when the @popguyclub hit 3K
2️⃣30 sol will be given out at 5K

3️⃣50 SOL at 10K

Follow and Retweet to enter💥
#Giveaway #SolanaNFTs #NFT #NFTGiveaway #NFTCommunity #NFTcollection #nftcollectors #NFT #NFTs #NFTdrop

[Oscar Chang @ocludovic0312]

@bapesofficial @0scaryc @ocludovic0312 @MKinman

[Oscar Chang @ocludovic0312]

@bapesofficial @bapes @ocludovic0312 @0scaryc

[Pop Guy @popguyclub]

Just sold an ape not long ago, I know is at 100 eth now, but I have few more don't worry, so would like to give out some #ETH for followers @popguyclub
giving out 5eth every 500+followers to the one's who RT and follow us.

#ETH #BoredApeYC #NFT #NFTs #Giveaway #Giveaways

[Squiggles @squiggles]

No WL? Just RT. Hottest drop yet 🥱🔥

[Oscar Chang @ocludovic0312]

@bapesofficial @ocludovic0312 @0scaryc @Wit_of_Wilde

[Oscar Chang @ocludovic0312]

@squiggles @ocludovic0312 @lexfridman @zipcy8888 @VitalikButerin

[Squiggles @squiggles]

100 people who RT, tag 4 friends IN THE TWEET ABOVE, and follow this page will be selected for WL

[whynotme @whynotmeNFT]

Artist Edgar Plans 1st #NFT collection "Lil' Heroes"
I am giving away 10 Whitelist spots on this post!

🥳To Join :
1️⃣ Like and Retweet this post
2️⃣ Follow @lilheroesnft + @whynotmeNFT
3️⃣ Fill out this form : https://t.co/j7alpxWjYd

GL 🍀