一场 Space 聊透宏观、AI、TradFi、量化与比特币周期
昨晚偶然刷到一场 Space，标题很直接：“请问：谁在吸干加密？”
本来只是想进去听一会，结果从晚上 10 点一路听下来，话题从宏观流动性、AI、美股，一直延伸到量化交易、比特币四年周期、中本聪最初的设计，以及 OP_CAT。
整场信息量非常大，我把自己觉得有价值的部分重新整理了一遍，也加入了一些自己的理解。本文内容主要根据 Space 嘉宾现场观点总结，不代表我对所有观点都完全认同，更不构成任何投资建议，仅供交流和参考。
文章比较长，如果你也在研究 Crypto、AI、TradFi、量化交易这些方向，建议先点赞、收藏，后面有时间慢慢看。
──── ✦ ────
目录
01｜到底是谁吸干了 Crypto 的流动性？
宏观、AI、TradFi、行业信用，四个角度看今天的熊市。
02｜宏观缺钱：为什么高利率环境对 Crypto 最不友好？
资金正在向低风险资产和高增长资产两头集中。
03｜稳定币还适合判断 Crypto 流动性吗？
USDT、USDC 的使用场景已经发生了明显变化。
04｜钱没有消失，交易者只是换了市场
美股、韩股、黄金、原油正在争夺 Crypto 原生交易用户。
05｜Crypto 丢掉的可能不只是资金，还有“正统性”
诈骗、庞氏和过度投机，对行业信用造成了长期伤害。
06｜AI + Crypto 真正值得期待的地方是什么？
未来 Agent Economy 可能天然需要链上账户与结算系统。
07｜问题可能也出在 Crypto 自己
为什么行业做了这么多年，真正高频使用的产品依然不够多？
08｜比特币四年周期，到底是不是规律？
Social Consensus、减半周期、货币政策周期之间是什么关系？
09｜我上麦问了一个自己研究半年的问题：AI 量化到底能不能做？
74 亿 Token、60% 胜率，以及策略为什么会突然失效。
10｜量化最难的问题，可能根本不是寻找策略
Market Regime、多策略切换和交易频率。
11｜中本聪最初想把 Bitcoin 做成什么？
区块奖励、手续费、扩容与 Bitcoin 的原始路径。
12｜OP_CAT 与 Bruce 眼里的 Bitcoin 终局
真正成功的基础设施，应该像 HTTPS 一样被用户“忘掉”。
13｜有了美股、预测市场，为什么还要交易 Crypto？
波动率、杠杆以及 Crypto 独特的风险收益结构。
14｜听完整场以后，我留下的三个判断
Crypto、TradFi、AI，可能正在重新拼成一张新的金融版图。
──── ✦ ────
01｜到底是谁吸干了 Crypto 的流动性？
这场 Space 一开始，主持人就抛出了一个很有意思的问题：今天 Crypto 这么熊，到底是谁把市场里的钱吸走了？
给出的几个方向包括宏观、AI、周期，以及 Crypto 自己的问题。几位嘉宾的背景完全不同，所以最后得到的答案也非常不一样。
@PhyrexNi 倪大更偏宏观，Adam 更偏交易和资产轮动，Gary 从行业信用和“正统性”切入，Bruce 和 SOLAI 的嘉宾则认为，Crypto 这些年自身的发展路径也存在很大问题。
听到最后，我反而觉得很难挑出一个唯一答案。今天 Crypto 的低迷，更像是几个因素同时发生以后形成的结果。
──── ✦ ────
02｜宏观缺钱：为什么高利率环境对 Crypto 最不友好？
倪大的判断比较直接：现在全球市场最核心的问题之一，就是整体流动性没有过去那么充裕。
利率高的时候，大量资金可以非常舒服地待在美债等低风险资产里，根本没必要为了多赚一点收益，去承担 Crypto 这样的高波动。
与此同时，AI 和半导体又吸走了大量愿意承担高风险的资金。于是市场开始形成一个很明显的两极分化：一边追求安全，一边追求极高增长，中间那些“不够安全、增长又没那么性感”的资产反而最难受。
Crypto 某种程度上就卡在这里。它依然是高风险资产，但当前阶段又没有提供足够强的趋势和赚钱效应，所以风险偏好资金自然会去寻找新的出口。
倪大还拿耐克举了一个例子。他把耐克视作观察美国传统消费和非科技经济的一类参考资产，当这种大型传统企业都长期表现疲弱时，本身也说明问题并不只发生在 Crypto。
──── ✦ ────
03｜稳定币还适合判断 Crypto 流动性吗？
这一段我觉得挺值得注意，因为以前很多人，包括我自己，都会习惯性地把稳定币市值增长理解成“场外资金进入币圈”。
USDT、USDC 发行量增加，过去确实经常意味着有更多美元购买力进入 Crypto。但今天稳定币的使用范围已经明显扩大，跨境支付、结算、储蓄等需求都在增加。
倪大在 Space 里提到，现在大量稳定币资金已经脱离纯 Crypto 交易场景，所以单纯看稳定币总市值，参考价值正在下降。稳定币增长，并不能简单等同于这些钱下一步要去买 BTC 或 ETH。
因此他现在会更加关注 ETF、交易所真实资金流，以及传统投资者到底是在卖还是在买。
──── ✦ ────
BTC 到 6 万美元附近以后，他观察到一个变化：前期持续撤出的资金开始减少，部分 ETF 和传统投资者重新开始买入。
ETH 也出现了一些类似的净流入现象。这至少说明在部分长期资金眼里，6 万美元附近已经进入一个愿意重新配置 BTC 的价格区域。
但他并没有直接把这里定义成“大底”。这一点我挺认同，因为熊市最容易犯的错误，就是拿到一个利好指标以后马上宣布底部出现。
底部从来都是走出来以后才越来越清楚，很少有人能够通过某一个指标提前准确确认。
──── ✦ ────
04｜钱没有消失，交易者只是换了市场
Adam 给出的答案和宏观完全不同。
他的判断是，Crypto 现在的问题，很大一部分来自交易者正在迁移到其他资产。
原因也特别现实：交易者需要波动。
当 BTC 一天涨跌 1% 都已经能算有点行情的时候，美股、韩股、原油、指数等资产却开始频繁出现更大的波动，对于以交易为主要目的的人来说，哪里好赚钱，自然就去哪里。
Adam 还分享了他们观察到的一些 DEX 数据。部分链上平台成交量靠前的资产里，已经大量出现海力士、NASDAQ、原油、标普、美光这样的 TradFi 标的。
──── ✦ ────
这件事真正值得注意的地方，是很多 Crypto 原生用户并没有离开 Crypto 的资金体系。
他们可能仍然持有 BTC，甚至根本没有卖 BTC，而是把 BTC 抵押出去，借出稳定币，再拿这些稳定币去交易美股、指数或者原油合约。
也就是说，资金还在链上，账户还是 Crypto 的，稳定币也还在用，但真正产生交易量的底层资产已经换了。
这可能会深刻改变以后交易所和钱包的形态。未来一个账户里同时出现 BTC、ETH、NVDA、NASDAQ、黄金和原油，很可能会越来越正常。
用户真正关心的只有一个问题：哪里有行情，哪里有机会。
──── ✦ ────
05｜Crypto 丢掉的可能不只是资金，还有“正统性”
Gary 给出了一个很有意思的词：正统性。
他的意思是，过去几轮行情里，Crypto 内部出现了太多诈骗、庞氏、跑路和纯粹为了收割而存在的项目。一个行业长期重复这些事情，最终消耗掉的一定不只是投资者的钱，还有整个行业的信用。
当一个外部投资者看到 Crypto，第一反应开始变成“这里到底有多少骗局”，而不是“这里会不会出现下一代金融创新”时，资金离开就很正常了。
所以从 Gary 的视角看，AI、美股、传统金融只是接走了这些流动性，真正把流动性拱手让出去的，其实还是 Crypto 自己。
这个角度我觉得很值得琢磨，因为宏观流动性终究会循环，但行业信用一旦被破坏，修复需要的时间可能更长。
──── ✦ ────
06｜AI + Crypto 真正值得期待的地方是什么？
Gary 后面谈 AI + Crypto 时，有一句话我印象非常深：
AI 是数字世界的生产力，Crypto 是数字世界的金融基础和生产关系。
现在大家谈 AI + Crypto，经常想到的是 AI 帮我们分析行情、自动交易，或者把英伟达、AI 公司股票放到链上。
但未来真正大的场景，可能在 Agent Economy。
──── ✦ ────
如果未来有海量 AI Agent，它们之间会互相购买数据、API、模型、代码、Skill、算力以及各种数字服务，那么 AI Agent 自己也需要账户、支付和结算系统。
你让一个 Agent 进入传统金融体系，要开户、KYC、绑卡、处理各种权限；如果它直接创建一个链上钱包，从生成地址到开始交易，可能几秒钟就可以完成。
所以 Crypto 对 AI Agent 来说，有一个非常天然的优势：它本来就是机器可以直接调用的金融基础设施。
如果这个方向真的形成规模，未来给 Crypto 带来流动性的，可能不只是人类交易者，还可能是大量机器之间的经济活动。
──── ✦ ────
07｜问题可能也出在 Crypto 自己
Bruce 和 SOLAI 嘉宾的观点更加偏向行业自身。
Crypto 过去这些年非常擅长制造资产、制造故事，也很擅长制造投机机会，但真正能够让普通人每天都打开、反复使用，而且用了以后确实提高效率或者降低成本的产品依然不够多。
很多 Web3 产品的用户行为其实非常简单：有空投的时候来，有币价上涨的时候来，有收益的时候来。
一旦行情没了，用户很快就离开。
这说明很多产品真正连接的依然是“赚钱需求”，没有真正进入普通人的生活。
如果行业用户全部依赖投机驱动，那么流动性自然就会随着牛熊周期一起剧烈波动。
──── ✦ ────
08｜比特币四年周期，到底是不是规律？
Bruce 后面聊到比特币周期时，给出了一个非常有意思的观点。
大家经常把四年周期说得像一个确定规律，但在 Bruce 看来，它既不是牛顿定律，也不是热力学定律，它只是 Social Consensus。
大家都相信减半以后会涨，所以会提前布局；越来越多人按照这个逻辑行动以后，最后真的形成了周期。
但既然这个规律来自共识，它当然也存在被打破的可能。
这句话我觉得很值得记下来：共识可以形成规律，共识同样可以改变规律。
──── ✦ ────
倪大随后提出了另外一个视角。
所谓四年周期，会不会本身就和美国货币政策周期、大选周期以及全球流动性周期高度重合？
美联储宽松的时候，钱从低风险资产流向风险资产；利率维持高位时，资金又重新回到债券和现金。
Crypto 自身的减半周期，刚好又经常和这些宏观周期叠加，所以最终呈现出了一个非常明显的“四年规律”。
如果这个判断成立，那么以后研究 Crypto 周期，单独盯着减半可能真的已经不够了。
──── ✦ ────
09｜我上麦问了一个自己研究半年的问题：AI 量化到底能不能做？
Space 聊到这里的时候，我也申请上麦了。
因为前面一直聊 AI、Crypto 和交易，我刚好有一个自己折腾了半年、但一直没有找到满意答案的问题，所以借这个机会向几位嘉宾请教：
AI 到底能不能真正做出一套可以长期有效的量化交易系统？
我自己有差不多 20 年研发经验，今年开始大量用 AI 做量化。从 1 月到现在，光 Codex 消耗的 Token 已经大概到了 74 亿。
──── ✦ ────
缠论、裸 K、订单流，包括爆仓地图、清算数据、交易所 K 线，只要我觉得和交易有关的东西，基本都尝试往里面放过。
BTC、ETH、SOL、BNB 这几个流动性比较好的主流币，我也把历史 K 线拉到本地，通过程序进行大量回测和验证。
我的想法原来挺简单。
既然 AI 可以阅读这么多交易资料，也能写代码、跑数据、找规律，那有没有可能最后从这些理论里总结出一套相对稳定的交易体系？
结果折腾半年以后，我自己反而越来越怀疑“完美策略”到底存不存在。
──── ✦ ────
今年 5 月左右，我确实做出过一版表现挺不错的策略。
当时把 K 线、链上数据、清算数据、爆仓数据等信息放到一起，从 1 月回放到 6 月，胜率大概能达到 60%，盈亏比大概 1:1.2。
这个结果从数学期望来看已经可以赚钱。
问题出现在 7 月。
行情结构发生变化以后，前面表现不错的策略开始集体进入回撤，而且没有人知道这段回撤还会持续多久。
所以我真正想问嘉宾的问题其实就是：
如果市场本身一直在变化，真的存在一套可以覆盖完整牛熊周期的策略吗？
──── ✦ ────
倪大的回答先把问题拉回到了最基础的一层。
缠论也好，裸 K 也好，订单流也好，本身都不存在 100% 稳赚。如果这些交易理论本身都是概率性的，把它们全部交给 AI，也不会突然变成一个确定性的答案。
他说了一句话我觉得挺有意思：
“金融最大的魅力，本身就在于不确定性。”
所以做量化，本身就没有必要追求 100% 胜率。
如果能够长期维持 50% 以上的胜率，再配合合理的盈亏比，其实已经是一件非常困难的事情。
──── ✦ ────
10｜量化最难的问题，可能根本不是寻找策略
Adam 后面的回答，更接近我这半年真正遇到的问题。
他提到了一个词：Market Regime。
简单理解，就是当前市场到底处于什么结构和环境。
趋势行情有适合趋势的策略，震荡行情有适合震荡的策略，事件驱动有事件驱动的打法。
所以很多时候，策略本身并没有突然“坏掉”，真正变化的是适合这套策略的市场环境消失了。
──── ✦ ────
趋势策略碰上持续震荡，会不停产生损耗。
箱体策略原本跑得很好，突然遇到一轮强单边突破，同样可能连续止损。
事件驱动更加直接，你拿到信息的速度如果比别人慢一步，等你下单的时候，可能机会已经没了。
于是问题最终就会变成：
什么时候应该使用哪一套策略？
而如果一个模型可以永远正确识别 Market Regime，并且永远在正确的时间切换到正确策略，它本身可能已经比寻找某个“神策略”更困难。
──── ✦ ────
这也正好对应我现在正在研究的多策略混合模式。
我希望 AI 先判断当前市场到底属于趋势、震荡还是其他结构，再决定打开哪一套策略。
但很快又会碰到第二层问题：
判断 Market Regime 的模型，本身会不会判断错？
你以为解决了策略失效的问题，最后只是把“不确定性”从第一层推到了第二层。
这也是我现在越来越觉得量化有意思，同时又越来越觉得量化难的地方。
──── ✦ ────
另外一个让我印象很深的观点，是 Adam 对交易频率的判断。
很多人搭好机器人以后，会天然希望机器人不停交易。一天不开单，就感觉自己搭的系统好像没有发挥作用。
但如果做的不是真正意义上的 HFT 高频，交易频率提高以后，手续费、滑点、假信号和连续止损同样都会增加。
真正的高频交易甚至已经进入另一个维度，拼的不只是模型，而是服务器距离交易所撮合机房到底有多近、网络延迟能够压到多低。
普通量化和真正的 HFT，其实完全是两个行业。
──── ✦ ────
这一点也戳中了我以前做策略时的一个矛盾。
只使用 K 线，再加入非常严格的过滤条件，其实有些策略结果可以做得不错，但最后可能一个月才交易一两次，甚至一两个月不开单。
我当时会觉得，机器人都已经搭好了，一个月才做一两笔，这件事好像没有意义。
后来再回头看，这个想法可能本身就是错的。
机器人的价值是按照优势执行交易，不是为了证明它每天都在工作。
──── ✦ ────
所以这段讨论结束以后，我对 AI 量化反而想得更清楚了一点。
AI 现在最有价值的地方，可能还不是突然帮你创造出一套永远赚钱的策略，而是大幅提高整个研究流程的效率。
写代码、整理数据、生成策略、批量回测、调整参数、验证假设、维护程序，这些过去可能需要算法、开发、运维、交易很多人配合才能完成的事情，现在一个人配合几个 Agent 就能尝试。
单从这一点看，AI 对普通交易研究者已经是一个非常大的效率提升。
至于市场本身的不确定性，它还没有能力帮我们消灭。
──── ✦ ────
Adam 最后给出的建议也比较现实。
做策略以前，先问清楚自己到底是什么类型的交易者。
你想获得多少收益？
你最大能够接受多少回撤？
你准备承担多大的风险？
什么情况下应该承认策略已经不适合现在的市场？
最后才是选择适合自己的策略。
归根结底还是那句话：
控制仓位，控制回撤，先保证自己能够长期留在市场里。
──── ✦ ────
11｜中本聪最初想把 Bitcoin 做成什么？
量化聊完以后，Bruce 的麦恢复了，话题重新回到了 Bitcoin。
他后面讲的一段历史我觉得很有意思，因为他的核心判断和很多今天的 Crypto 叙事其实并不一样。
按照 Bruce 的理解，中本聪最开始设计 Bitcoin 时，真正想做的是一个能够大规模使用的 Electronic Cash System。
区块奖励只是早期用于吸引矿工参与网络的 Subsidy。
随着减半不断发生，未来区块奖励会越来越少，最终矿工应该通过大量交易产生的手续费维持网络安全。
──── ✦ ────
这个逻辑继续往下推，就会出现一个非常关键的问题。
如果未来矿工要靠手续费赚钱，就必须有海量交易。
如果希望产生海量交易，那么每笔交易的手续费就必须足够低。
Bruce 的观点是，比特币后来的发展路径在这里出现了偏离。
区块被限制以后，随着用户和交易增加，网络开始拥堵，交易费用越来越高，这直接影响了 Bitcoin 作为支付和应用基础设施的可能性。
──── ✦ ────
他特别提到了 2017 年。
当时交易需求迅速增长，比特币网络开始拥堵，手续费明显上升，大量用户和应用开始寻找其他网络。
包括 USDT 早期其实就在 Bitcoin 网络上运行，之后也逐渐迁移到了其他链。
后来以太坊和大量其他公链崛起，当然有很多复杂原因，但从 Bruce 的 Bitcoin Native 视角看，比特币没有继续沿着大规模低成本交易这条路线发展，是一个非常重要的历史转折点。
这也是为什么他一直强调“回到中本聪最初的设计”。
──── ✦ ────
12｜OP_CAT 与 Bruce 眼里的 Bitcoin 终局
Bruce 现在一直在推进 OP_CAT 以及相关 Layer 的技术路线。
他的目标说复杂也复杂，说简单其实也很简单：
让 Bitcoin 重新具备承载大量、低成本交易的能力。
手续费低到普通用户基本感觉不到。
网络可以承载足够多的应用和交易，让 Bitcoin 真正成为底层 Infra，而不仅仅是一项用来交易价格的资产。
──── ✦ ────
他说到这里用了 HTTPS 做例子，我觉得特别形象。
今天我们每天都在使用 HTTPS。
你登录银行、付款、打开网页、购物，背后大量通信都通过 HTTPS 完成。
但普通人几乎不会每天讨论：
“今天我又用了 HTTPS。”
真正成熟的基础设施，本来就应该慢慢隐身。
──── ✦ ────
所以 Bruce 对 Bitcoin 最终的期待也是这样。
有一天大家每天都在使用它，却根本不需要知道背后跑的是 Bitcoin，也不会天天强调“这是一个 Crypto 产品”或者“这是一个 Web3 项目”。
就像今天没有公司会特意说：
“我们是一家 Internet 公司。”
因为所有公司都已经建立在 Internet 上。
如果 Bitcoin 有一天也能达到这种状态，按照 Bruce 的理解，那才算真正完成了从技术实验到基础设施的转变。
他最后用了一个词概括：
Infra。
──── ✦ ────
13｜有了美股、预测市场，为什么还要交易 Crypto？
Space 最后，有一位刚入圈不久的听众问了一个挺现实的问题。
现在已经可以买 AI 美股，可以交易预测市场，也有越来越多 TradFi 资产进入链上。
那为什么今天还需要交易 Crypto？
倪大的回答非常直接：
波动率和杠杆。
──── ✦ ────
现在大家觉得 Crypto 没行情，很重要的原因就是当前正好处在低流动性阶段。
如果回到过去流动性非常充裕的时期，Crypto 的价格弹性和传统市场完全不在一个级别。
一些山寨币一天 20%、30% 的涨跌，在强行情里并不少见。
而传统大型股票，大多数时间很难持续提供这样的波动。
对于纯交易用户来说，这种波动本身就是机会来源。
──── ✦ ────
其次是杠杆。
传统股票市场里，3 倍杠杆已经可以算比较激进。
Crypto 里 10 倍、20 倍杠杆却非常常见。
这当然意味着更大的风险，但同样决定了 Crypto 天然会吸引一部分高风险偏好的交易者。
只要这个市场还能持续提供高波动、高杠杆和大量新的交易标的，它就依然会拥有传统市场很难完全替代的一类用户。
──── ✦ ────
14｜听完整场以后，我留下的三个判断
整场 Space 听下来，我自己大概留下了三个印象。
第一，Crypto 今天的问题没有一个唯一的“凶手”。
宏观流动性紧张、AI 吸引资金、TradFi 抢走交易量、行业信用被过去几轮行情消耗、真正能够进入普通人生活的产品不够多，这些事情同时发生，最终才形成了今天看到的市场环境。
把所有问题全部归因给美联储，或者全部归因给四年周期，我觉得都过于简单。
──── ✦ ────
第二，Crypto 和 TradFi 的边界正在快速消失。
未来的钱包和交易所，很可能越来越像一个全球资产账户。
你拿着稳定币，可以交易 BTC，也可以交易 NVDA，可以买黄金，也可以做原油和指数。
当这些资产全部出现在同一个账户、同一个结算体系和同一个交易界面时，用户可能根本不会再纠结自己到底是在“炒币”还是“炒股”。
大家最后关心的还是哪里有机会。
──── ✦ ────
第三，也是我个人最感兴趣的一点：AI + Crypto 后面的空间，可能比今天看到的大很多。
如果未来几亿甚至几十亿 AI Agent 开始互相购买数据、API、算力、模型、代码和服务，那么它们也需要属于数字世界的账户和结算系统。
到那个时候，Crypto 真正承载的也许不只是人和人之间的金融交易。
还可能是机器与机器之间的经济活动。
如果这个场景真的出现，它带来的想象空间，可能远远超过“下一轮应该炒什么币”。
──── ✦ ────
昨晚本来只是偶然刷到这场 Space，进去听一会。
没想到最后完整听下来，从宏观、TradFi、AI、量化，一直听到了 Bitcoin 的原始设计，确实让我重新想了不少问题。
至于现在到底是不是熊市底部，下一轮什么时候开始，BTC 到底会不会重新回到前高，我现在依然没有一个确定答案。
但有一点我越来越明确：
下一轮真的来了，玩法大概率已经和上一轮不一样了。
──── ✦ ────
最后再提醒一下：
本文内容主要根据 8 月 12 日这场 Space 的现场讨论整理，其中包含多位嘉宾的个人观点，以及我对部分内容的理解和总结。市场判断、价格预期、策略讨论均存在不确定性，仅供交流和参考，不构成任何投资建议。
这篇内容确实比较长，里面涉及宏观、AI、TradFi、量化、Bitcoin 等很多不同方向。
如果觉得有用，建议点赞 + 收藏。
等半年或者一年以后，再回来看看今天这些观点哪些走对了、哪些被市场证伪，我觉得这件事本身可能比现在争论谁对谁错更有意思。#大漠茶馆