oAdam

把旧 iPhone 恢复出厂设置、开启飞行模式，再把它当成离线助记词保险箱，就一定安全吗？

OneKey 创始人 Yishi 提醒：如果设备是 iPhone 11 或更早机型，答案可能没那么乐观。

风险来自芯片底层的 BootROM 漏洞，包括 checkm8、usbliter8，涉及 iPhone XS、XR、11 系列以及第二代 SE 等机型。

攻击者如果能够物理接触设备，可以通过 DFU 模式连接特制 USB 设备，在操作系统启动之前执行代码。

这类攻击有几个麻烦之处：

* 飞行模式无法阻止，因为攻击发生在系统启动之前。
* 恢复出厂设置和软件更新无法修复底层硬件漏洞。
* 攻击完成后，手机外观和日常使用状态可能没有明显异常。

这也是所谓的「邪恶女仆攻击」需要警惕的地方：攻击者不需要长期控制设备，只要获得一次物理接触机会，就可能突破原本依赖的安全假设。

Yishi 给出的建议包括：

1. 检查 iPhone 型号，涉及上述旧机型的，尽快迁移助记词。
2. 生成全新的助记词，并将资产转移到新钱包。仅用旧助记词派生新地址，并不能消除旧种子的风险。
3. 使用足够长的字母数字密码，不要只依赖简单的六位 PIN。
4. 自备充电器，减少使用来历不明的 USB 设备。
5. 开启 iPhone 锁定模式，并保持系统更新。

很多人把离线设备等同于安全设备，但真正的安全边界不只在网络连接上，还包括硬件、启动链和物理访问权限。

助记词安全，不能只靠断网来保证。

中国 AI 已经不只是模型跑分和参数规模的竞争了，真正的变化正在发生在每天的实际使用中。

截至 2026 年 6 月，中国 AI 每日调用量已超过 175 万亿 Token，相比 2024 年初增长 1000 多倍。赛迪研究院最新报告指出，中国 AI 推理数据量首次超过训练数据量，意味着产业正在从模型训练研发，转向大规模实际应用。

模型迭代也在加速。顶尖大模型的更新周期，已经从过去的几个月缩短到几周，甚至几天。

这种变化正在进入制造业：

* 全国累计建成 500 多家卓越级智能工厂，覆盖 31 个省（区、市）和超过 80% 的制造业行业大类。
* 国产算力与大模型已在钢铁、汽车等 20 个行业落地超过 1000 个应用场景。
* 个性化定制、全生命周期服务等新型制造模式开始展开。

用户规模同样在扩大。截至 2026 年上半年，中国生成式 AI 用户已超过 7 亿，普及率突破 50%。

175 万亿 Token 的意义，不只是一个庞大的调用数字。它反映出 AI 正在从少数人的技术工具，变成企业生产流程和普通用户日常生活中的基础能力。

下一阶段，竞争的重点也会越来越具体：谁能把 AI 真正嵌入业务流程，谁就更有机会把技术优势转化为生产力。

网站终于有机会用一条规则，告诉整个 AI 行业：这里的内容不允许拿去训练模型。

OpenAI、谷歌、微软和 Anthropic 宣布支持一项新的通用标准，允许网站通过 robots.txt 一次性声明是否允许 AI 企业抓取内容用于模型训练，不必再针对每家公司单独设置。

这项标准由 Anthropic 技术负责人 Kevin Kelley 提交给 IETF，直接集成在网站原有的 robots.txt 文件中。

过去，网站面对的是一堆彼此独立的 AI 爬虫规则。想拒绝某家公司的训练抓取，就得单独配置；换一家企业，又要重新声明。AI 公司越多，网站维护起来就越麻烦。

新标准想解决的就是这个问题：让内容发布方拥有统一的机器可读信号，AI 企业也可以通过同一套规则识别网站的训练授权偏好。

目前各家的落地进度不同：

* Anthropic 已率先采纳。
* OpenAI 计划未来几个月内落实。
* 谷歌和微软预计明年支持。
* Meta 表示支持建立通用信号，但尚未公布具体实施时间。

这项标准并不意味着网站从此能彻底阻止所有 AI 抓取。它的实际效果仍取决于爬虫是否遵守规则。

但方向很明确：AI 公司需要互联网内容，内容发布方也应该有权表达授权意愿。过去每家平台各设一套规则，未来有机会变成行业共同遵守的一套标准。

新一周，市场要同时消化三件事：贵金属回调、美国经济数据，以及 AI 巨头的财报。

先看上周表现：

* 现货黄金收于 3876.89 美元/盎司，10 月累计下跌 6.7%。
* 现货白银收于 49.13 美元/盎司，10 月跌幅超过 18%。

贵金属经历明显调整，市场接下来还要面对美联储政策预期、美国就业数据和通胀指标的考验。

下周重要日程（北京时间）

周二

* 2026 年美国中期选举，具体时间待定。

周三

* 18:00：欧元区 10 月 CPI 年率初值、月率初值。
* 21:30：美国 9 月贸易帐、美国财政部季度再融资公告。
* 22:45：美国 10 月标普全球服务业 PMI 终值。
* 23:00：美国 10 月 ISM 非制造业 PMI。

周四

* 18:00：欧元区 9 月 PPI 月率。
* 21:30：美国至 10 月 31 日当周初请失业金人数。

周五

* 17:30：纽约联储主席威廉姆斯、欧洲央行首席经济学家连恩等参加欧洲央行货币市场会议讨论。
* 21:30：美国 10 月失业率、非农就业人口、平均每小时工资年率及月率。
* 23:00：美国 11 月密歇根大学消费者信心指数初值、一年期通胀预期初值。

财报方面同样密集。

超过 100 家标普 500 成分股公司将在下周公布业绩。LSEG IBES 数据显示，已有过半公司披露三季度财报，标普 500 三季度盈利增速预计达到 31.6%。

苹果将在美东时间周一盘后公布财报，AMD 和高通也将在下周交出成绩单。

这周的市场变量不少：就业和通胀数据影响利率预期，科技巨头财报检验 AI 投资回报，贵金属则需要面对此前调整后的市场情绪。

接下来几天，宏观数据和科技股业绩都可能成为市场波动的催化剂。

Industri AI dan chip Tiongkok kini menunjukkan tiga kurva pertumbuhan yang berbeda: ada yang berupaya menembus manufaktur kelas atas, ada yang berinvestasi dalam riset dan pengembangan demi masa depan, dan ada pula yang mulai menghadapi tekanan operasional akibat ledakan produk.

Sampel HBM3E dari ChangXin Memory Technologies telah dikirim ke perusahaan desain chip di dalam negeri. Meski tingkat hasil saat ini hanya 20%–30%, produksi massal terbatas tetap direncanakan dalam dua bulan.

Bisnis memori konvensionalnya tengah menikmati keuntungan dari gelombang lain: pendapatan kuartal ketiga mencapai 11,871 miliar yuan, dengan laba bersih 5,44 miliar yuan, naik 613.2% dibandingkan tahun lalu, tetapi turun 19.3% dibandingkan kuartal sebelumnya. Produsen memori global mengalihkan lebih banyak kapasitas ke produk bernilai tinggi, sehingga membuka ruang bagi kenaikan harga memori konvensional.

Unitree menunjukkan situasi yang berbeda. Pendapatan kuartal ketiga meningkat 69.9% menjadi 665 juta yuan, tetapi laba bersih yang diatribusikan kepada pemegang saham turun 17.4% menjadi 112.7 juta yuan. Belanja riset dan pengembangan meningkat sekitar 250%, sementara margin laba kotor turun menjadi 50.6%. Pendapatan masih tumbuh, tetapi laba berada di bawah tekanan—investasi riset dan pengembangan jelas tengah dipercepat.

Kimi K3.1 Pro dari Moonshot AI memperluas jendela konteks hingga 1 juta token dan menjanjikan pembukaan bobot penuh pada 4 November. Namun, pada awal peluncurannya muncul masalah pembatasan kecepatan dan pemakaian kuota tambahan. Tim kemudian meminta maaf dan memulihkan seperempat kuota bulanan bagi para pelanggan berlangganan.

Ketiga perusahaan menempuh jalur yang berbeda, tetapi menghadapi persoalan yang sama: terobosan teknologi, pertumbuhan pendapatan, dan profitabilitas pada akhirnya bukanlah hal yang sama.

Uang yang dicuri peretas Korea Utara dari industri kripto kini setara dengan hampir setengah PDB negara itu.

Analis on-chain Darkfost memperkirakan nilai aset kripto yang dicuri Lazarus Group secara kumulatif mencapai 11,87 miliar dolar AS.

Jika dibandingkan dengan skala ekonomi Korea Utara pada 2025, angka ini setara dengan 45% PDB negara itu dan 35% pendapatan nasional brutonya.

Dengan kata lain, aset yang diperoleh sebuah kelompok peretas dari pasar kripto global melalui serangan siber kini mencapai proporsi yang mencengangkan dari total ekonomi sebuah negara.

Ini juga menjelaskan mengapa Lazarus Group terus menjadi salah satu kelompok penyerang yang paling diwaspadai di industri kripto. Bagi kelompok ini, menyerang platform kripto bukan sekadar kejahatan siber, tetapi juga dapat menjadi jalur penting untuk memperoleh valuta asing.

Perlu dicatat bahwa angka 11,87 miliar dolar AS merupakan perkiraan kumulatif Darkfost, bukan pendapatan Korea Utara yang telah dikonfirmasi melalui audit resmi.

AI 生成的文字，也开始有了自己的“隐形指纹”。

从 11 月 7 日起，SpaceXAI 将在全球范围内为 Grok API 的多款模型启用文本水印，包括 Grok 4.7、4.6、4.5、4.3，以及 Grok 4.20 的三个版本：Reasoning、Non-Reasoning 和 Multi-Agent。

这套机制不靠隐藏字符，也不往文本元数据里塞信息，而是在生成过程中调整 Token 的选择，让水印信号融入文字本身。人眼无法分辨，但专门的检测器可以识别。

SpaceXAI 称，此举是为了响应欧盟《人工智能法案》。团队管理员还可以针对具体模型单独关闭水印。

安德鲁·库兰提到，目前仍未给文字生成加入隐形水印的模型，只剩下北美地区的 ChatGPT。

AI 生成内容正在进入一个新阶段：过去主要靠用户判断文字像不像 AI 写的，未来可能直接通过技术信号追溯生成来源。

当然，水印能提供来源识别线索，不代表它能单独证明一段文字的作者身份。

Arbitrum 上的 Premia Labs 正在遭遇持续攻击，金库资产已被转移约 40.05 万美元。

安全公司 Blockaid 监测到，攻击者利用期权池和金库之间的机制漏洞发起攻击。

整个操作大致分为三步：

1. 创建一个空的期权池。
2. 通过闪电贷购买期权，将金库抵押品锁定在相关池中。
3. 再利用流动性机制提取金库资产。

截至 Blockaid 发布消息时，攻击者已经通过约 2 笔交易转移了约 40.05 万美元，而且攻击仍在进行。

这次攻击值得警惕的地方在于，攻击者利用的是协议内部不同机制之间的组合关系，而不是简单地盗取用户私钥。

目前还需要等待 Premia Labs 官方确认漏洞原因、受影响范围，以及是否已经暂停相关功能。

40.05 万美元是目前披露的转移金额，不是最终损失。攻击仍在进行，后续资金变化和协议处置情况更关键。

Troves 遭遇安全事件，xWBTC/WBTC 金库初步损失约 8.6 枚 BTC。

这次攻击并非针对正在使用的新合约，而是利用了一个已经被替换、却仍然保留操作权限的旧版资产再平衡合约。

Troves 表示，相关权限已经撤销。

为防止风险扩散，平台暂停了三个金库：

* xWBTC/WBTC
* xSTRK/STRK
* xstrkBTC/strkBTC

目前尚未发现其他金库遭受实际损失。

平台正在联合安全机构追踪被盗资金，并探索追回方案。后续会公布详细事故分析，以及受影响存款人的处理安排。

这件事再次暴露了 DeFi 合约管理中的一个隐患：

新合约上线，不代表旧合约的权限就自动失效。

如果旧版本仍然保留操作权限，即使它已经不再承担主要业务，也可能成为攻击者利用的入口。

接下来需要看 Troves 能追回多少资金，以及受影响存款人的具体补偿方案。

10 月加密一级市场融资额环比暴涨 83.5%，但有一个数字很能说明问题：

Kalshi 一家公司，就拿走了当月全部融资金额的 51.2%。

根据 RootData 数据，10 月加密一级市场共披露 53 起融资，融资总额约 19.54 亿美元。

相比 9 月的 10.65 亿美元，增长 83.5%；但与去年 10 月的 35.73 亿美元相比，仍然下降 45.3%。

融资事件数量也只有 53 起，低于去年同期的 78 起。

资金主要分布在三个方向：

* DeFi：17 起，约 11.57 亿美元
* 基础设施：17 起，约 3.48 亿美元
* CeFi：9 起，约 3.43 亿美元

单笔融资金额前三名：

* Kalshi：10 亿美元
* Whop：2 亿美元
* Pearl：1.3 亿美元

Nous Research 和 Spiko 各融资 9000 万美元。

前五大项目合计拿到 15.10 亿美元，占全月融资总额的 77.3%。这意味着，剔除头部几笔大额交易后，其他项目拿到的资金规模要小得多。

RWA 方面，10 月有 6 个相关项目披露融资，合计约 1.22 亿美元。Spiko 完成 9000 万美元 B 轮融资，Fission 和 Multiliquid 分别融资 1000 万美元、800 万美元。

并购市场则记录了 11 起交易，与 9 月持平，但没有披露交易金额。

投资机构中，Tether 参与 4 起融资；Sequoia Capital、Pantera Capital、North Island Ventures 各参与 3 起。

这份数据让我更倾向于把 10 月定义为头部项目带动的融资回暖，而不是整个加密一级市场全面复苏。

融资总额确实上来了，但去年同期的数据仍然更高，资金也明显集中在少数项目手里。

市场有钱，不代表所有赛道都有钱；头部项目能融到巨额资金，也不代表普通创业团队的融资环境已经改善。

Tether 三季度又赚了 15 亿美元，前三季度累计净营业利润达到 45 亿美元。

这已经不只是稳定币发行商的收入规模，而是一门依靠巨额储备资产持续产生收益的生意。

从最新财报看，几个数字值得记住：

* Q3 净营业利润：15 亿美元，与上一季度持平
* 2026 年前三季度累计利润：45 亿美元
* USDT 发行规模：约 1840 亿美元
* 储备缓冲：79.5 亿美元，较二季度末的 41 亿美元接近翻倍

截至 9 月 30 日，Tether 储备资产总额约 1915 亿美元，负债约 1835 亿美元，资产超过负债约 79.5 亿美元。

直接和间接持有的美国国债达到 1324 亿美元。美国国债和逆回购协议仍然是 Tether 最主要的收入来源。

这里能看出 Tether 的赚钱逻辑：

用户持有 USDT，Tether 管理对应储备资产，并通过国债等金融工具获得收益。发行规模越大，可管理的资产规模也越大。

但稳定币发行商不能只看利润。储备资产是否充足、流动性是否可靠，以及市场出现集中赎回时能否兑现，才是这门生意真正的底层考验。

45 亿美元前三季度利润，近 80 亿美元储备缓冲。Tether 已经不只是加密市场里的稳定币发行商，更是一个拥有庞大资产负债表的金融参与者。

b14g mengalami insiden keamanan, sekitar 97 juta CORE ditarik tanpa izin.

Pada 31 Oktober pukul 09.29 UTC, penyerang memindahkan sekitar 97 juta CORE dari kontrak staking b14g ke alamat yang dikendalikan oleh penyerang.

Setelah menemukan aktivitas yang tidak biasa, pihak proyek telah menangguhkan kontrak yang terdampak.

Perkembangan pelacakan dana saat ini:

* Sekitar 68 juta CORE masih berada di jaringan Core
* Mitra bursa telah membekukan sekitar 9 juta CORE terkait
* BTC yang di-staking melalui b14g masih terkunci berdasarkan batas waktu di jaringan Bitcoin dan tidak terdampak

b14g sedang bekerja sama dengan tim Core, mitra keamanan, dan bursa untuk melacak dana serta mengoordinasikan pembekuan dan pemulihan aset.

Pihak proyek menyatakan bahwa prioritas utama saat ini adalah melindungi pengguna dan memulihkan aset. Laporan lengkap pascainsiden akan diterbitkan kemudian, yang menjelaskan penyebab teknis, cakupan dampak sebenarnya, serta langkah penanganan bagi pengguna yang terdampak.

Dua alamat penyerang yang diumumkan kali ini:

0xc556ed208285406d71705927f92d4f4eaea579f1

0x27758c30f8e424fbd8ca605bf31e9496c26ce92c

Perlu diperhatikan bahwa yang terdampak kali ini adalah CORE yang di-staking melalui b14g, bukan semua aset yang di-staking. BTC masih terkunci di jaringan Bitcoin dan saat ini tidak terdampak.

Pemindahan 97 juta CORE hanyalah awal dari insiden ini. Yang paling penting adalah berapa banyak dana yang dapat dipulihkan dan bagaimana pengguna akan mendapat kompensasi.

币安被盗资产补足比例升至 90%，十种主流资产已经全部实现 100% 覆盖。

币安最新安全事件更新显示，此前预留的超过 63.4 亿美元资金，正在持续用于补足被盗资产。目前整体补足比例已从约 80% 提高到 90%。

已经完成 100% 覆盖的十种资产包括：

BTC、ETH、USDT、BNB、SOL、USDC、XRP、USD1、RLUSD、ZEC。

剩余约 10% 是这十种之外的资产，流动性相对较低，需要更多时间通过市场和场外渠道购入。

这次补足资金来自三个渠道：

* SAFU 用户安全资产基金的部分资金，预计在未来 24 小时内调用
* 合约保险基金的部分资金
* 币安自有公司资金

币安同时承诺，将 SAFU 基金规模恢复至约 10 亿美元。

储备证明方面，币安已于 10 月 31 日 08:00（UTC+8）完成新的资产快照，并更新到储备证明页面。完整零知识证明预计需要 40 至 50 小时生成，预计 11 月 3 日完成。

提现服务仍按原计划推进，目标是在 11 月 1 日重新开放，具体进展等待后续公告。

这次事件中，币安反复强调的一点是：被盗资金造成的财务损失由平台承担，不会转嫁给用户。

90% 已经补足，剩余部分还在采购。接下来真正需要验证的，是剩余资产能否全部补齐，以及提现和储备证明能否按计划恢复。

Jika AI membuatmu tidak perlu bekerja lagi, tetapi tetap memberimu 100% gajimu saat ini, apakah kamu akan mengundurkan diri?

Sebuah survei terhadap 8234 orang dewasa usia kerja di Inggris, Amerika Serikat, Denmark, dan India menghasilkan temuan menarik:

75% responden mengatakan bahwa mereka bersedia meninggalkan pekerjaan jika mendapatkan penghasilan terjamin sebesar 100% dari gaji mereka saat ini.

Namun, kelompok lain memberikan jawaban yang berlawanan:

20% orang tidak bersedia mengundurkan diri sekalipun menerima 120% dari gaji mereka saat ini.

Terlebih lagi, proporsi ini kurang lebih sama di berbagai kelompok pendapatan.

Yang lebih patut direnungkan, hanya 26% orang yang menempatkan gaji sebagai nilai utama dalam pekerjaan, sementara sekitar sepertiganya menganggap pekerjaan itu sendiri lebih penting.

Artinya, gaji tidak bisa menjelaskan mengapa orang bersedia datang ke kantor setiap hari.

Pekerjaan juga memberi rasa memiliki tujuan, hubungan sosial, identitas, dan perasaan dibutuhkan. Bagi sebagian orang, kehilangan semua itu tidak bisa ditebus hanya dengan uang lebih banyak.

Penulis makalah tersebut, Julian Jacobs, berpendapat bahwa kebijakan pada masa transisi AI tidak boleh hanya berfokus pada jaminan pendapatan, tetapi juga perlu melindungi rasa memiliki tujuan, kebersamaan, dan martabat yang diberikan oleh pekerjaan.

AI mungkin mengubah cara manusia bekerja, bahkan membuat sebagian pekerjaan tidak lagi diperlukan.

Namun, ada satu pertanyaan yang tidak boleh diabaikan:

Ketika seseorang tidak lagi perlu mencari nafkah dengan bekerja, dari mana ia bisa mendapatkan makna hidup?

你以为给 AI Agent 装了一个技能，实际上可能顺手把人工审批也删掉了。

一项针对 GitHub 公开仓库的研究，扫描了约 153 万个英文 Agent 技能，发现其中约 88,000 个包含可能绕过人工检查的指令。

换算下来，大约每 17 个技能，就有 1 个存在这类指令。

最值得警惕的是：

70.1% 的这类指令不区分使用场景。

比如：

* 未经确认，直接执行并推送。
* 不要中途询问，一直做到任务完成。
* 自动处理所有步骤，不需要人工介入。

如果这些内容被写进 SKILL.md，加载技能的 Agent 就可能在原本需要人工确认的环节直接行动。

更麻烦的是，现有安全扫描器也不一定能发现它们。

研究测试了 Cisco 和 NVIDIA 的两款开源扫描器，即使调用 GPT-5.4，最高检出率也只有 46%，精确率不到 0.4。

但换一种提问方式，结果就明显不同：

不再问模型“这是不是恶意指令”，而是问“它有没有绕过人工检查”，检出率提升到 61%，精确率达到 0.71。

这说明一个问题：

Agent 安全审查不能只盯着恶意代码，还要检查那些看起来只是为了提高自动化效率的指令。

研究给出的建议也很直接：

1. 给自动执行指令设置明确边界，例如只允许在 CI 环境中生效。
2. 审查技能时，重点检查是否绕过人工确认，而不只是扫描恶意代码。
3. 不要让一句无条件生效的指令，决定 Agent 在所有场景下的行为。

Agent 越来越能干，权限也越来越大。

但有些步骤，不能因为写了一句「一直做到完为止」，就默认不再需要人类确认。

真正可靠的自动化，不是取消所有检查，而是知道什么时候必须停下来问人。

Raksasa teknologi mulai diminta mempertanggungjawabkan investasi AI mereka.

Pada 2026, Meta, Alphabet, Oracle, Amazon, dan Microsoft berkomitmen menginvestasikan total 800,6 miliar dolar AS.

Uang ini bukan sekadar visi AI yang abstrak, melainkan belanja nyata untuk pusat data, server, perangkat jaringan, dan infrastruktur.

Pasar mulai menilai kembali perlombaan senjata ini.

Ringkasan AI dari Alphabet mulai memengaruhi pendapatan iklan dari mesin pencari intinya, sementara belanja investasi perusahaan tahun ini diperkirakan mencapai hingga 205 miliar dolar AS. AI sedang mengubah pencarian, dan juga berpotensi mengguncang sumber pendapatan Google yang paling utama.

CFO Intel mengatakan arus kas masuk tahun ini diperkirakan tidak akan cukup untuk menutup pengeluaran, sementara pasar PC yang lesu akan berlanjut setidaknya hingga paruh pertama tahun depan. Perusahaan masih terus meningkatkan investasi peralatan.

Amazon telah berkomitmen menginvestasikan 220 miliar dolar AS tahun ini untuk membangun infrastruktur AI, dengan pengeluaran tunai yang juga melampaui pendapatan. Setelah kinerja keuangan yang lebih buruk dari perkiraan, sahamnya sempat turun 6% dalam perdagangan setelah jam bursa.

Di sisi lain, saham Reddit turun 26% karena jumlah pengguna aktif harian di bawah ekspektasi dan pencarian AI Google menggerus lalu lintas rekomendasi; saham Roblox anjlok hampir 20% akibat penurunan jumlah pengguna aktif harian.

Saham Intel sempat merosot 30% selama perdagangan, kapitalisasi pasar Alphabet menyusut lebih dari 500 miliar dolar AS sehari sebelumnya, dan Nasdaq turun lebih dari 3,5% pada Jumat.

Penurunan kali ini mengirimkan sebuah sinyal:

Pasar modal tidak tiba-tiba kehilangan kepercayaan pada AI, tetapi mulai menuntut perusahaan AI membuktikan bahwa investasi mereka bisa menghasilkan keuntungan.

Dulu, ekspektasi pertumbuhan saja sudah cukup untuk mendapatkan valuasi premium; kini, investor mulai mencermati arus kas, belanja modal, dan kemajuan komersialisasi.

AI tetap menjadi salah satu arah investasi terpenting di industri teknologi, tetapi sebesar apa pun ceritanya, tetap harus ada yang membayar tagihannya.

Ke depannya, mencari restoran mungkin tak perlu lagi membuka aplikasi.

Zest meluncurkan layanan concierge restoran pribadi berbasis AI: cukup kirim satu SMS untuk mencari restoran, membandingkan pilihan, mengatur pemungutan suara teman-teman, lalu langsung memesan meja.

Ada satu hal yang cukup unik dari desainnya: rekomendasi tidak hanya didasarkan pada preferensi yang dimasukkan pengguna, tetapi juga catatan transaksi kuliner yang sebenarnya.

Zest mengimpor tagihan kartu kredit melalui Plaid dan hanya menganalisis transaksi terkait kuliner untuk membuat peta selera pengguna. Restoran yang sering Anda kunjungi dan jenis restoran yang Anda sukai akan menjadi acuan rekomendasi AI.

Makan bersama banyak orang pun tak perlu lagi berdiskusi berulang kali di grup.

Tambahkan Zest ke obrolan grup. Zest dapat mempertimbangkan selera semua orang, memberikan pilihan restoran, lalu menentukan tempat melalui pemungutan suara dan langsung memesan meja.

Layanan pemesanan mejanya terhubung dengan OpenTable, Resy, dan SevenRooms. Selain mencari restoran berdasarkan jenis masakan, kawasan, acara, dan pantangan makanan, Anda juga bisa menanyakan apakah restoran sedang ramai, apakah tersedia Wi-Fi, bahkan meminta menu secara langsung.

Zest didirikan pada November 2024 dan memperoleh pendanaan pra-seed sebesar 1,8 juta dolar AS dari 776 dan Kindred Ventures.

Gagasan produk para pendirinya juga sangat jelas: agen AI itu sendiri adalah produknya. Pemesanan meja dan makanan merupakan pintu masuk monetisasi awal, dan ke depannya layanan ini mungkin berkembang ke rekomendasi merchant dan belanja.

Menurut saya, hal menarik dari pendekatan ini adalah AI tidak dijadikan sekadar jendela obrolan lainnya.

Pengguna tak perlu mempelajari cara mengajukan pertanyaan atau berpindah-pindah di antara berbagai platform. Cukup jelaskan kebutuhan, lalu biarkan AI menangani pencarian, koordinasi, dan pemesanan.

Asisten AI yang benar-benar berguna bukan hanya memberikan jawaban, tetapi juga harus bisa menyelesaikan urusan.

Nomor: (212) 470-6067

Token saham McDonald’s, Disney, dan PayPal mulai digunakan untuk bermain Meme coin.

Cara baru menggabungkan aset mulai bermunculan di Robinhood Chain: token saham tak lagi sekadar instrumen investasi yang bisa dibeli dan dijual pengguna, tetapi juga dapat menjadi pasangan perdagangan dan cadangan likuiditas untuk Meme coin.

Pons Treasury sedang mendorong model ini.

Pons Treasury telah menyediakan likuiditas untuk tokenisasi $MCD, $DIS, dan $PYPL agar pengguna dapat memperdagangkannya di Robinhood Chain. Gelombang baru token saham yang dapat dipasangkan juga mencakup $BMNR, $JPM, $V, $UBER, dan $GDX.

Yang lebih menarik, Pons tak hanya ingin memfasilitasi perdagangan token saham, tetapi juga memungkinkan pengguna memakai token ini secara langsung untuk meluncurkan dan memperdagangkan Meme coin baru.

Ini berarti token saham berpotensi berubah dari sekadar aset investasi menjadi alat likuiditas dalam ekosistem Meme.

Selama ini, perdagangan Meme coin terutama bertumpu pada stablecoin dan aset asli kripto. Kini, token saham tradisional juga berpeluang masuk ke dalam ekosistem ini.

Jika model ini berkembang dalam skala besar, sumber aset dan pilihan pasangan perdagangan di pasar Meme on-chain akan semakin beragam.

Tentu saja, token saham tidak sama dengan kepemilikan langsung atas saham asli perusahaan terkait. Hak yang diberikan, mekanisme penebusan, dan likuiditasnya tetap bergantung pada desain produk.

Ketika token saham McDonald’s dan Disney bisa menjadi bahan bakar perdagangan Meme coin, jarak antara keuangan tradisional dan pasar spekulasi on-chain pun semakin dekat.

Google sedang memasuki pasar kustodi aset kripto, dengan bank dan institusi besar sebagai targetnya.

Bagi institusi yang ingin memasuki dunia Crypto, selalu ada satu kendala yang tak bisa dihindari: keamanan private key.

Siapa yang menyimpan aset, siapa yang berwenang menandatangani transaksi, bagaimana persetujuan internal dilakukan, dan apa yang harus dilakukan jika kunci dicuri—semua pertanyaan ini tidak bisa dijawab hanya dengan memberikan dompet biasa kepada institusi.

Solusi yang diluncurkan Google kali ini adalah layanan pengelolaan kunci dan penandatanganan MPC.

Layanan ini membagi private key menjadi beberapa bagian kunci, lalu menyimpannya secara terpisah di perangkat keras milik Google, Google Cloud, dan lingkungan cloud lainnya. Saat tanda tangan diperlukan, beberapa bagian kunci bekerja sama untuk menyelesaikannya, tanpa perlu menyimpan private key utuh di satu tempat.

Institusi juga dapat mengatur aturan seperti batas transaksi, alamat whitelist, dan persetujuan dari beberapa departemen, sehingga proses pengendalian risiko internal yang sudah ada dapat diterapkan pada transaksi on-chain.

Yang terpenting, institusi tetap memegang kendali atas bagian kuncinya, sementara Google tidak dapat mengakses private key secara utuh.

Saat ini, produk tersebut berada dalam tahap Private Preview dan sedang diuji oleh beberapa institusi keuangan besar. Alphabet juga telah menggunakannya untuk melindungi aset digitalnya di Ethereum, dengan rencana peluncuran komersial resmi pada awal 2027.

Hal ini sebenarnya mencerminkan tren yang lebih besar:

Crypto perlahan berubah dari eksperimen keuangan yang ditujukan bagi pengguna individu menjadi infrastruktur yang perlu diintegrasikan oleh institusi keuangan tradisional.

Bank tidak harus membangun sistem kustodi sendiri dari nol, tetapi mereka membutuhkan solusi yang memenuhi standar keamanan, pengelolaan wewenang, dan proses kepatuhan mereka.

Infrastruktur inilah yang ingin disediakan Google.

Jika kelak bank dapat mengelola aset on-chain menggunakan teknologi MPC yang matang, hambatan teknis bagi institusi untuk memasuki dunia Crypto berpeluang semakin rendah.

Hal yang benar-benar patut dinantikan bukanlah hadirnya satu lagi produk kustodi, melainkan mulai merambahnya infrastruktur keuangan tradisional ke dunia on-chain.

AI sedang mengubah cara pembagian keuntungan dari airdrop kripto.

Dulu, studio bisa menghasilkan uang karena mereka memiliki kemampuan teknis yang tidak dimiliki orang biasa: interaksi massal, skrip otomatis, analisis data on-chain, dan pengelolaan akun.

Proyek membutuhkan kemampuan ini untuk membangun basis pengguna, volume transaksi, dan kehebohan pasar, lalu membayar biayanya dengan ekspektasi token di masa depan.

Namun sekarang, AI telah menurunkan hambatan teknis tersebut.

Orang biasa pun bisa menggunakan AI untuk mengembangkan skrip, bot, dan alat analisis data. Studio tidak lagi memiliki keunggulan informasi dan teknis yang begitu jelas seperti dulu.

Masalahnya, proyek juga menikmati penurunan biaya berkat AI.

Hal-hal yang dulu harus dialihdayakan kepada studio kini bisa dikerjakan sendiri; data on-chain yang dulu harus diperoleh melalui airdrop pun tidak lagi begitu langka.

Tentu saja, proyek akan menghitung ulang: dari anggaran token yang tersedia, apakah sebaiknya diberikan kepada alamat yang melakukan banyak interaksi, atau dialokasikan untuk likuiditas, bursa, dan kanal yang benar-benar bisa menghasilkan pendapatan?

Itulah juga alasan saya berpendapat bahwa daya tarik airdrop tradisional sedang menurun.

Ke depannya, proyek tahap awal yang benar-benar mampu menghasilkan keuntungan serta produk yang bersedia membagikan token melalui penawaran umum, hak istimewa pengguna, dan cara-cara serupa mungkin lebih layak untuk diteliti.

Arah lainnya adalah proyek yang setengah Meme, setengah berburu airdrop. Pengguna yang ikut bertransaksi, menyebarkan informasi, dan berkegiatan di komunitas menjadi bagian dari ekosistem produk itu sendiri.

Namun, untuk Perps dan pasar prediksi, biaya harus dihitung dengan cermat. Biaya transaksi, slippage, dan kerugian akibat transaksi adalah biaya nyata. Poin tidak sama dengan keuntungan, dan volume transaksi juga tidak sama dengan laba.

Ketika AI menghapus hambatan teknis dalam berburu airdrop, persaingan sesungguhnya bukan lagi soal siapa yang bisa melakukan lebih banyak interaksi, melainkan siapa yang lebih awal menemukan proyek yang layak diikuti.