深潮 TechFlow

深潮 TechFlow 消息，11 月 12 日，据俄罗斯《生意人报》报道，俄罗斯普罗姆斯维亚济银行（PSB）已向斯维尔德洛夫斯克州仲裁法院申请宣告大型加密货币矿企 BitRiver 创始人 Igor Runets 破产，涉及债务约 7.73 亿卢布。
PSB 副董事长 Mikhail Dorofeev 证实，Runets 曾为 BitRiver-B 公司的贷款提供个人担保，因借款企业发生逾期违约，银行依据合同要求其承担连带偿还责任。
此外，Runets 此前因涉嫌隐匿可用于追缴税款的资金或财产，于 2026 年 2 月被法院采取居家监禁措施。近期 BitRiver 旗下多家公司卷入诉讼，部分企业已进入破产观察程序。

深潮 TechFlow 消息，11 月 12 日，据金十报道，随着英伟达 CEO 黄仁勋可能离职的消息持续发酵，多名华尔街分析师警告，若黄仁勋被迫离开公司，英伟达股价可能面临 20% 甚至更大幅度的下跌。
Deepwater Asset Management 管理合伙人 Gene Munster 表示，对于一家由创始人主导且缺乏明确接班人的企业，突发管理层变动可能引发约 20% 的股价回调。Seaport Research Partners 分析师 Jay Goldberg 也作出类似预测。
与此同时，Baird 已将英伟达评级从买入下调至中性，目标价由 500 美元降至 200 美元。花旗、富国银行及瑞穗证券近期也相继下调目标价。
不过，部分分析师认为，英伟达仍具备稳固的业务基础，若能妥善安排管理层交接，长期经营未必受到实质性影响。

Автор: DeepFlow TechFlow
12 ноября MSCI официально опубликовала список изменений по итогам ноябрьского пересмотра индексов и включила акции класса A Strategy (MSTR) в список исключения из индекса MSCI USA. Изменения основаны на данных по состоянию на дату отсечения цен — 20 октября — и вступят в силу после закрытия торгов 30 ноября.
Накануне, перед открытием торгов в США, рынок продолжал следить за потенциальным пассивным давлением продаж, которое, по оценкам институциональных аналитиков, может достигнуть 2,8 млрд долларов. После публикации окончательных документов вечером 11 ноября по восточному времени Strategy одновременно лишилась места в индексах MSCI Global и ACWI. Почти годовая оценка официально перешла в финальный отсчёт до исключения акций из индексов.

作者：Matt Hougan，Bitwise 首席投资官
编译：深潮 TechFlow
深潮导读：美国中期选举掀起的“蓝色浪潮”令民主党重掌国会两院，市场一度担忧加密监管再度收紧。但 Bitwise 首席投资官 Matt Hougan 指出，选举并未打破国会支持加密的席位平衡，新届参众两院亲加密阵营仍占多数。
在他看来，决定行业长期走向的并非党派轮替，而是国会日益年轻化的人口代际结构。新当选参议员平均年轻 14 岁，至少 94 名 Z 世代与千禧一代议员进入众议院；尽管短期政治调查或引发波动，比特币与稳定币等主流赛道依然稳健。
国会变“蓝”了，但“白发”也变少了。
政治向来是一条触碰不得的高压线，不过今天，我们不妨来聊聊政治，至少聊聊与加密货币直接相关的那部分。
上周席卷美国中期选举的“蓝色浪潮”，让民主党同时拿下了国会参众两院的控制权。民主党在参议院至少翻盘了 7 个席位（最终可能达到 9 个），在众议院夺回的席位更是不在少数。
曾因组建“反加密大军”而闻名的马萨诸塞州民主党参议员伊丽莎白·沃伦（Elizabeth Warren），如今极有可能出任握有重权的参议院银行委员会下一任主席，并有权针对她所关注的任何领域发起调查。
你可能会觉得这对加密货币而言简直是一场灾难。而在短期内（也就是未来几周），我也认为市场会因为担忧民主党掌权后的政策动向，而出现实实在在的剧烈波动。
但把眼光放长远来看，我并不感到担忧。事实上，在我看来，任何由选举情绪引发的回调，大概率都将是一次买入良机。这绝非我一厢情愿的盲目乐观，我手头有实打实的数据作为支撑。
人口结构才是政治的均衡器
先来看一个令人意外的事实：上周的选举虽然剧烈改写了民主党与共和党之间的权力版图，却几乎没有撼动国会内部“支持加密”与“反对加密”两派力量之间的平衡。
根据加密货币游说组织 Stand With Crypto 的统计，新一届国会中将有 51 名“亲加密”参议员（即在加密政策议题上获得“A”或“B”评级的议员）。相比之下，上一届国会中这一数字为 52 名，完全谈不上什么“海啸级”冲击。
至于众议院，虽然仍有不少选区尚未最终公布计票结果，但 Stand With Crypto 已确认其中至少有 241 名亲加密议员。在这 425 人的议员阵营中，这已经稳稳占据多数。
你心里可能会犯嘀咕：“怎么回事？我记得上一届民主党政府对加密货币可是摆明了敌对态度，蓝色浪潮难道不是彻头彻尾的利空消息吗？”
但关键在于，上周的选举不仅是一场政治浪潮，更是一场人口结构浪潮。统计显示，新当选参议员的平均年龄比卸任参议员足足年轻了 14 岁，50 岁以下参议员人数几乎翻倍，从 8 人增至 15 人。此外，新一届众议院至少将迎来 94 名 Z 世代或千禧一代议员，较上届国会大幅攀升。
换句话说，国会确实变“蓝”了，但“白发”也变少了。
人们往往低估了人口代际结构对加密货币普及的重要性。随着年龄增长，他们会积累更多财富并掌握更大话语权，进而开始执掌核心机构的领导岗位，而这些人平均而言对陪伴自己成长的技术更加得心应手。
正因如此，根据嘉信理财近期发布的一项调查，千禧一代持有加密货币的比例（33%）是婴儿潮一代（8%）的四倍多。
以得克萨斯州新当选的民主党参议员詹姆斯·塔拉里科（James Talarico）为例，年仅 37 岁的他在明年 1 月宣誓就职后，将成为全美最年轻的参议员。
在 Talarico 的整个职业生涯中，比特币几乎一直伴随左右。毫不意外，他在 Stand With Crypto 的评级中拿到了 A 级；而在得克萨斯州议会任职期间，他还曾两次投票支持得州建立比特币战略储备。
当然，这并不是说加密货币在民主党主导的国会面前就会一帆风顺。我预计，针对 Trumpcoin 和 World Liberty Financial 等特朗普关联项目的大规模高调调查将会接踵而至，预测市场等领域也面临新的监管风险。
正如我前面所说，未来几周甚至几个月，市场走势恐怕都不会太轻松。但对于真正代表加密货币主流方向的核心领域（即比特币、稳定币和资产代币化），我认为整体前景依然稳健。正所谓，人口结构决定命运。

深潮 TechFlow 消息，11 月 12 日，据 Crypto Briefing 报道，迪拜投资机构 Cequire Capital 宣布，计划未来三年投入 1 亿美元自有资金，投资早期 Web3 企业及流动性数字资产，重点覆盖稳定币及稳定币公链、AI 与自主智能体支付、现实世界资产代币化（RWA）、隐私技术和后量子安全五大领域。
根据规划，60% 的资金将用于风险投资，30% 用于流动性资产投资，10% 用于联合投资。Cequire 将重点参与 Pre-Seed 和 Seed 轮融资，单笔投资规模为 50 万至 200 万美元。
目前，首批 5000 万美元资金已准备就绪，预计于下一季度末前完成配置。该机构此前已向超过 20 个 Web3 项目投资逾 5000 万美元。

作者：深潮 TechFlow
11 月 12 日消息，灰度研究栏目 The Stack 发表由研究主管 Zach Pandl 与助理研究员 Charlie Perkins 撰写的专题分析。文章援引截至 2026 年 11 月 2 日的开源统计指出，Zcash 月活跃开发者数量在过去两年约翻倍。
在加密行业整体开发者规模自高点回落、公链叙事竞争持续加剧的周期中，Zcash 展现出与行业整体相背离的增长曲线。灰度指出，这一分化表明该隐私网络仍在吸引技术人才投入，也为网络持续改进提供了基本面参考。
资深工程师占比七成支撑隐私基础设施
根据 Grayscale The Stack 报告披露，Zcash 在开发者总量实现翻倍扩张之际，人员结构同样保持成熟度优势。约 70% 的 Zcash 活跃开发者拥有超一年加密开发经验，高于行业整体 58% 的平均水平。
Electric Capital 开发者报告长期将具备一年以上经验的工程师视为衡量生态韧性的核心指标。灰度指出，更高比例的资深贡献者正把零知识证明专长与后量子密码学研究结合，持续改善隐私钱包易用性与底层安全性。
协议层 20% 区块奖励形成内生研发池
外部风投收缩背景下，Zcash 能够跨越周期保持工程团队稳定，核心依托协议层内置的经费机制。据 Crypto.news 机制梳理，不同于比特币将全部新增区块补贴归属矿工，Zcash 将 80% 分配给矿工，其余 20% 留作生态研发预算。
具体分配上，8% 区块奖励注入 Zcash 社区资助基金，扶持公共基础设施建设；另外 12% 划归持币者导向的追溯性资助计划，由合规 ZEC 持币者参与表决，为已完成交付的协议改进项目拨付资金。
抗量子升级落地与现货 ETF 管理费反哺
自 2016 年 10 月 28 日启动至今，Zcash 已走过十年周期，相继上线 Sprout、Sapling 等屏蔽交易池，并于 2026 年 7 月部署 Ironwood 升级，在主网引入经形式化验证的供应量保护与抗量子恢复票据。
随着人工智能加速挖掘公开账本支付轨迹，灰度指出金融交易隐私正成为防御性需求。资本端同步推进布局，2026 年 8 月 25 日，灰度旗下 Zcash 信托转板挂牌 NYSE Arca，成为美国首只现货 Zcash ETF（代码 ZCSH，费率 2.50%）。
同时，灰度推出 Zcash Invest 计划，承诺在首年将 ZCSH 高达 100% 的管理费定向资助 Zcash Foundation、Shielded Labs 及 Project Tachyon，继续推动私密数字货币与抗量子研发。

作者：Olivia Moore、Justine Moore，a16z
编译：深潮 TechFlow
深潮导读：曾经各大电商与内容平台耗费数十年筑起风控高墙阻拦爬虫，如今风向彻底逆转。AI Agent 已占据全网过半流量、撰写超半数在线文章并生成大量生产级代码，成为互联网真正的第一主力用户。
从网页浏览器的模仿点击，到 MCP、插件连接器与一键代理授权，一场比肩桌面互联网与移动端的分销变革正在发生。a16z 最新研报拆解了“B2A 经济”的四类受益者，并首度绘制了完整生态图谱。
正式切入今天的正文之前，先恭喜 Counsel Health 被 OURA 成功收购。有关这一消息的更多细节，可点击 此处查看。
如今互联网的主要使用者已不再是人类，而是 AI 智能体（AI Agents）。
智能体目前不仅占据了全网流量的绝大多数，撰写了全网新发布文章的一半以上，还生成了推送至生产环境中的大部分代码。
分销范式的结构性迁移
这正是平台级范式转换早期阶段的典型特征：用户采纳率的增长已经可以通过数据清晰量化，但它所催生的全新商业模式大部分尚隐藏在冰山之下。
历史上的每一次技术代际更迭，都同时重塑了“人们能做什么”以及“企业如何触达用户”。桌面网页时代赋予企业一家任何访客都能推门而入的线上店面，而移动互联网则把这家店直接塞进了每个人的口袋里。
眼下，AI 已经彻底改变了人们的能力边界，但它对“商业分发渠道”的重构却才刚刚拉开序幕。
当智能体从单纯回答问题迈向自主完成复杂任务时，它们将越来越频繁地替我们拍板决策：选用哪款软件、订阅哪项服务，以及把钱包里的钱花在何处。
那些率先把智能体视作“头等客户”的企业，将有机会抓住新一轮爆发增长浪潮；而无动于衷者则可能面临被边缘化的危机。过去数十年里，零售商和互联网平台筑起高墙只为将机器人拒之门外；从今往后，它们却必须反过来争夺“机器人客户”的青睐。
一旦智能体真正走向大众消费者并斩获规模化日常使用量，就将释放出整个 AI 时代尚未被充分发掘的最大红利：一次真正意义上的平台级范式迁移。
过往历次大迁徙（桌面网络与移动互联网），无一例外都是由“全新产品能力”与“全新分发机制”双轮驱动。目前 AI 在产品能力端表现大幅超预期，在分发端却明显滞后，这也是为何除 ChatGPT 之外，绝大多数消费级 AI 应用的普及度依然十分有限。
代理流量转化已显早期锋芒
分发渠道发生剧变的早期征兆其实已经显现。以 ChatGPT、Claude 和 Grok 为代表的大语言模型，正迅速成为众多企业极具含金量的重要流量来源。
Shopify 发布的数据显示，2026 年第一季度由 AI 导流至其站内商户的流量同比增长了 8 倍，而经由 AI 搜索促成的实际订单更是激增近 13 倍。
这一增速仍在不断加快：根据网络安全机构 Human Security 的监测，2026 年 8 月至 10 月短短两个月间，智能体浏览器流量暴增 8 倍，其中 Meta 旗下的 Muse 贡献了高达 60% 的最大份额，OpenAI 系列产品合计也占到了 30%。
正如图形网页比路边广告牌能更精准地定向触达受众一样，理论上 AI 智能体作为导购导流入口的效力只强不弱，因为它们手中握有关于用户诉求与偏好的极度细致且精准的数据。
截至目前的实际数据也在印证这一点：相比非 AI 来源流量，由 AI 引流而来的消费者流量用户粘性更高、向真实营收的转化表现更优，且跳出率显著偏低。甚至在真正意义上的智能体普及之前，据估算美国就已经有 11% 的网购旅程会在点击进入交易网站之前先行咨询 AI。
就现阶段而言，这类智能体访问行为大部分仍依托“浏览器操作（Browser Use）”方式实现：要么由智能体接管用户当前的浏览器页面，要么由系统自行拉起虚拟机与浏览器实例，再像真人一样在网页上逐一点击完成任务。
不过，我们已开始目睹“强化版智能体应用商店（App Store for Agents）”的雏形浮现：各类数据连接器、插件（Plug-ins）与 MCP 协议正在高速演进，使智能体得以跳过繁琐的模拟点击，直接调取第三方工具网站的核心能力。
举一个我们在实践中测试的例子：我们要求 ChatGPT 协同调用 Krea、Descript 与 Eleven Labs 三个插件创作并剪辑一支视频广告，它不仅流畅完成了跨产品统筹协作，还在成片导出环节顺势引导我们升级订阅了 Descript 付费会员以完成最终任务。
随着底层大模型平台允许用户把自身账号身份或登录凭证（Tokens）安全“出借”给其他产品执行任务（例如 Sign in with ChatGPT 授权登录），智能体替人类自动注册、下单乃至付款的阻力只会越来越小。
用不了多久，智能体就能在无需人类干预的情况下自主检索、挑选并安装所需工具：Claude 目前已支持 企业管理员为全组织一键接入外部插件。
就在昨天，OpenAI 也推出了 Businesses in ChatGPT 商业入口，让企业能主动认领自家商业主页、接入实时商品数据流，并直接洞察用户在 ChatGPT 内与品牌交互的各项反馈数据。
B2A 经济下的四类核心受益方
放眼即将展开的 B2A（Business-to-Agent，企业对智能体）经济浪潮，以下四类公司最有希望吃下这波时代红利：
• 智能体及智能体大模型本身：提起消费级智能体，人们往往会想到 Instinct、Muse、Wabi 这类独立运行的产品外壳（Harnesses）。
但我们相信，随着底层大模型越来越偏向行动执行驱动，未来几乎所有软件产品都将原生“智能体化”；而周活用户高达 12 亿的 ChatGPT 在这一方向上更是手握得天独厚的牌面。
• 因智能体而催生的新一代原生产业：亚马逊依赖桌面互联网得以诞生，Uber 离不开智能手机的普及，我们也期待智能体催生出一批专属的原生商业物种。
尽管具体形态还难以下定论，但我们已经能隐约看到几个高潜力主题：全自动自主运营的小微企业、由 AI 居间撮合的交易市场或网络产品，以及各类自动寻优工具。
• 率先为智能体优化的既有赛道巨头：大语言模型早已是许多内容与电商站点的核心流量大户，这直接催生出了所谓的 生成式引擎优化（GEO） 产业。
但传统 GEO 往往止步于“被搜索发现”阶段；而智能体将把战场一路延伸到方案评估、表单注册乃至最终支付决策，那对应着一个远比搜索大得多的增量市场。
• 智能体专属基础设施：要想让智能体真正代表人类在现实世界中行事，它们必须配备一套专属于自己的基础设施工具包。甚至在当下智能体流量体量尚不算庞大的早期阶段，支付结算、风控反欺诈、身份验证以及通信接口（iMessage、语音通话、电子邮件等）等系统环节就已经显露出明显的承载压力。
前车之鉴：编程智能体如何重写软件栈
我们手里其实已经握有一个足以预演未来走势的现实样板：编程智能体（Coding Agents），它已经在过去一年里彻底改写了开发者的行为模式。
截至 2026 年 9 月，GitHub 上已有 超过 40% 的代码合并请求（PR）是由智能体起草迈出的第一步，而在仅仅六个月前，这一比例还只有 17%。
与面向普通消费者的智能体一样，编程智能体同样离不开各类外部工程工具的配合。设想一名用户让智能体开发上线一个网站，它必须调用云数据库、网页托管、身份认证、邮件发送与监控报警等一连串后端组件。
正因如此，除了 Cursor、Codex、Claude Code、Cognition 等智能体模型与开发套件，以及 Replit、Lovable、Base44 等氛围编程平台大放异彩外，整条供应链上的配套基础设施服务商也全面迎来了爆发增长：
• Supabase：2026 年 6 月 披露，平台中超过 60% 的新增数据库是由 AI 工具自动创建的。
• Neon：早在 2025 年 5 月便 透露，自动化智能体部署的新数据库占比高达 80%。
• Stripe：在 2026 年 6 月 报告称，智能体已占据其开发者文档流量的近 40%，以及 API 资源命令行请求量的 70%。
• Vercel：2026 年 10 月 公布，过去 12 个月里由智能体自动触发的应用部署数量激增了 28 倍。
要知道，软件开发者在全球劳动力人口中占比还不到 1%。试想一下，当剩下那 99% 的非技术人群也全面开始用上智能体时，这股能量又会爆发到何种程度？
智能体经济全景生态图谱
本篇是我们深度剖析“智能体经济”系列研报的开篇之作。仅仅将其称之为“AI 电商”实际上大大低估了眼前的历史机遇：诚然，智能体将撬动庞大的实体商品与生活服务交易体量，但它们同样会从根本上重塑数字产品的流量入口、Token 消耗乃至商业营收的流转路径。
尽管绝大多数传统企业眼下仍出于反欺诈和拒付退单（Chargeback）方面的顾虑而在封杀智能体访问流量，但我们笃定，它们很快就会意识到自己必须拥抱这一日益极具高含金量的新浪潮。
在接下来的几周里，我们将陆续公布更多深度洞察与一线数据，探讨当前消费级智能体的实际使用图景、智能体究竟根据什么规则筛选并分发高价值流量、底层基础设施如何围绕智能体持续演进，以及最终挡在智能体完整闭环交易前的最后一公里阻碍。
眼下这片生态几乎每天都在发生瞬息万变。下方附上的，是我们团队基于当前行业格局所能绘制出的最完整市场版图，其中既囊括了智能体应用产品本身，也覆盖了支撑它们运转的底层核心基础设施。

作者：Jun Yoo，Four Pillars
编译：深潮 TechFlow
深潮导读：尽管全美近半数消费者已经试用过 AI，但真正养成日常依赖并愿为此付费的比例仍处于早期。Four Pillars 最新研报系统拆解了 Gotchi Labs 从睡眠垂类破局、打造个人 AI 平台的完整路径。
依托注册用户 61.2 万、峰值日活超 8 万的 Sleepagotchi，Gotchi Labs 计划基于“共享用户上下文”串联健康、健身与购物等专精智能体，并以订阅制、AI 积分及可选效用代币 CHI 构建商业闭环。
核心要点
• Gotchi Labs 致力于打通日常生活各场景下的专精 AI 智能体。在用户授权范围内调用“共享消费者上下文（Shared Consumer Context）”，能让用户在切换不同服务时无需反复重述个人情况与偏好。
• 旗下首个落地应用 Sleepagotchi 已吸引 61.2 万名注册用户，峰值日活突破 8 万。其“可穿戴设备数据 + AI 教练”的组合为平台进一步拓展至健身、膳食规划、购物与日程管理筑牢了根基。
• 通过高级会员订阅制与 AI 积分按量计费机制，平台得以精准响应不同用户在功能复杂度和使用频次上的差异化需求；而合作品牌商品推荐与渠道服务还将衍生出交易抽成及广告推广收入。
• CHI 是一枚分阶段推出的可选效用型代币，主要用于服务支付、合作生态功能解锁及特定范围治理；核心消费级应用本身完全开放，无需持有任何代币或连接钱包即可畅快使用。
消费级 AI 的挑战：从尝鲜走向日常高频使用
人工智能正在迅速融入大众的日常生活。从健康养生到运动健身、电商购物、办公提效乃至个人助理，AI 有望从底层彻底改变消费者的日常决策方式、生活习惯与数字服务交互体验。
然而，尽管底层技术一路高歌猛进、新一代模型层出不穷且资本重金押注，消费级 AI 市场本质上仍处在发展极早期阶段。
根据 a16z 于 2026 年 10 月发布的报告，虽然已有近半数美国消费者试用过 AI、25% 的人每天都在使用，但同份报告引用的 8 月份电子消费小票监测面板数据显示，仅有 4.5% 的人购买了 ChatGPT、Gemini 或 Claude 的个人付费订阅。
这组反差数据清晰划出了“出于好奇偶尔一试”与“成为生活刚需”之间的鸿沟。要想跨越这道鸿沟，行业就不能只停留在基础模型榜单的军备竞赛上，而必须切入大众每天都在高频接触的现实场景并交付切实价值。
消费者渴望的服务，应当真正理解他们的诉求、记住过往偏好，并用更低的精力成本帮他们做出更明智的日常选择。无论是健康调理、制定训练计划、挑选商品还是规划日程，破局契机都在于把智能协助无缝织入熟悉的生活体验中。
这正是 Gotchi Labs 创立的初衷。Gotchi Labs 正在打造一个多垂类消费级 AI 平台，围绕“健康养生”起步，逐步将各细分领域的专精智能体延伸至运动健身、购物消费、效率办公以及个人专享 AI。
其首个上线落地的产品 Sleepagotchi 已交出亮眼答卷：累计斩获 61.2 万名注册用户，峰值日活用户突破 8 万。通过将可穿戴设备数据、个性化洞察与 AI 教练相融合，它证明了 AI 完全有能力在既有作息习惯里稳定创造日常价值。
之所以选择从睡眠切入，是因为睡觉本就是人类每天都会重复的高频行为，且天然产出极富价值的个人健康状态数据。来自智能手机和智能手表的体征信息，能够直接支撑有关睡眠质量、体能恢复与作息养成的高精度个性化指导。
假以时日，只要征得用户明示授权，这些沉淀下来的个人生活上下文数据还能外溢赋能其他领域，让 Gotchi Labs 跨场景协调各类专精智能体，使 AI 从零星问答进化为值得信赖、不可或缺的日常伙伴。
Gotchi Labs 的个人 AI 实践路径
要把 AI 变成普通人每天自然而然会打开的习惯，光靠高深的技术指标远远不够。产品必须能够自然嵌进人们的作息节拍、精准把握痛点，并随着长期交互持续放大个性化价值。
Gotchi Labs 正是通过一套跨健康、健身、消费、效率与个人助力的多垂类矩阵架构来践行这一理念。率先打头阵的 Sleepagotchi 把睡眠监测、AI 个性化督导和趣味交互式数字角色融为一体，让用户在追踪睡眠规律的同时收获定制化的身心养护建议。
通过在一个稳定的高频日常入口站稳脚跟，Gotchi Labs 成功证明了 AI 能够超越“一问一答”的浅层工具属性，由此为向更多高频消费生活场景扩张铺平道路。
低门槛上手与值得每日回访的产品体验
Gotchi Labs 的一大核心原则是尽量消除准入门槛。普通用户只需手头有一部智能手机就能立即启程，既不需要额外采购昂贵的专用硬件，也无需忍受繁琐冗长的初始化引导流程。
同时，习惯佩戴智能设备的用户也可以一键授权绑定手头现成设备，涵盖 Apple Watch、Oura、WHOOP、Fitbit、CUDIS 以及 Pulse 等主流可穿戴产品，将更精细的睡眠分期与身体恢复指标引入平台。
这些打通后的数据直接驱动 Sleepagotchi 现已上线的“AI 睡眠教练（AI Sleep Coach）”，将平日里零散杂乱的健康指标转化为一目了然的专属洞察与实操建议，帮助用户真正看懂睡眠走势、揪出影响精力恢复的关键因子。
举个例子，如果用户纳闷“明明睡够了时长，早上起床却依然疲惫”，大可直接开口向 AI 睡眠教练提问。借助调取现存睡眠与恢复记录，智能体能即刻结合语境给出针对性排查建议，省去了用户翻阅多个图表看板甚至反复解释前因后果的麻烦。
图：来源 Gotchi Labs
在打磨好核心教练体验之余，Gotchi Labs 还在积极壮大 Sleepagotchi 周围的健康消费生态，已通过 AI 智能推荐导购引入 Centrum、Vitabiotics 等知名消费品牌。
目前，Centrum、Vitabiotics、Sunshine Nutrition 及 Holland & Barrett 等一线大众营养健康品牌均已接入这一导购体系。
用户在接受日常健康建议的过程中，会自然接触到契合自身当下体质状态的产品品类。这种结合用户上下文语境的导购设计，不仅打通了“专业建议”与“实体消费”间的最后一公里，也让 AI 的价值从单纯的信息指导平滑延伸至辅助真实购买决策。
此外，应用内置的可交互养成数字宠物角色与日常激励体验，也能以润物细无声的方式强化每日打开习惯，与核心的健康数据洞察相得益彰。
以“共享消费者上下文”串联生活各处的专精 AI
当 Gotchi Labs 从睡眠向更广阔的日常生活领域迈进时，最核心的命题就变成“如何借助对同一用户的深度理解串联起不同领域的专精能力”。只要健身、膳食、购物和日程功能能在授权前提下共享相关用户背景，用户切换新模块时便再也不必“从零介绍一遍自己”。
要想在生活中的多个切面同时帮到同一位用户，各个智能体光有垂直领域的专业知识还不够，还必须熟知用户当下的真实作息脉络。睡眠智能体紧盯深睡与体能恢复，健身智能体专攻运动计划编制，而两者都需要调用经过用户许可共享的实时生活方式与作息数据。
Gotchi Labs 正是把各类专业能力聚拢在这套“共享消费者上下文（Shared Consumer Context）”中枢周围。
设想这样一幕：某位用户最近几天睡眠作息混乱，周五想请平台帮忙安排周末运动方案，健身智能体即可在取得同意的前提下查阅其近期疲惫指数，妥善推荐不致透支身体的训练项目与时间段。
紧接着当该用户转身打算配置本周饮食清单时，膳食助手也能第一时间调出过往饮食忌口偏好及全天日程安排。用户享受到的是分门别类、条分缕析的专业服务，而幕后流转的共享上下文则让每个独立智能体都对用户完整的生活图景心中有数。
支撑这套体验的架构由前端交互 App、调度专精模型的 AI 后端服务、用户上下文层以及第三方设备接口共同组成。此外，统一的底层平台基础设施还统筹包揽了全系产品共用的账号体系、支付结算及硬件同步对接，让研发团队每新增一个垂类时都能专注攻克核心业务痛点，不必重造基础设施轮子。
遵循这一节奏，在 AI 睡眠教练之后，主打全天候生活习惯管理的 AI 健康教练（AI Wellness Coach）也正分阶段铺开；紧随其后的路线图还包括膳食规划师、购物助手、健身教练与智能日程管理等重磅模块。
总而言之，Gotchi Labs 正在把睡眠场景打磨成熟的产品方法论稳步复用到日常生活的相邻板块中去，力求将碎片化工具整合成真正懂个人习惯的“个人 AI”全景底座。
依托订阅、AI 积分与生态交易构建商业模式
随着业务矩阵不断扩宽，一个最现实的商业问题随之浮现：用户究竟愿意为其中哪些环节买单？不同用户的需求频次本就截然不同：有人每天清晨都需要复盘督促，有人则仅在突击调整作息的阶段需要密集求助。
为了精准匹配这些差异，Gotchi Labs 采用了“高级会员订阅 + AI 积分（AI Credits）”的双轨变现策略。
会员订阅按固定周期打包提供核心功能与基础配额，面向每天查阅报告、接受晨间指导的高频用户；而当用户频繁追问或解锁进阶功能时，则可通过加购 AI 积分灵活补足额度。
从后台成本考量，Gotchi Labs 也有充分动力将用量差异反映在定价结构中。随手扫一眼睡眠统计与进行一轮深度多回合对答，所消耗的大模型输入输出 Token 及算力资源可谓天壤之别，各专精智能体调用的复杂度更是不尽相同。
图：来源 a16z
事实上，“基础订阅 + 按需加购积分”已是当今消费级 AI 赛道的主流商业标配。在 a16z 拆解的榜单前 44 名 AI 原生网页产品 中，有多达 84.1% 设立了定期订阅制，同时也有 63.6% 叠加了按量计费或额外充值包选项（兼顾两种模式的产品同时计入统计）。
此外，每当 AI 教练的对话启发了真实消费需求，第三方生态合作伙伴的新机会也就随之涌现。Gotchi Labs 正在筹备的首批商业集市涵盖在线知识课程、真人专业教练、冥想疗愈、健身服务及大健康实物产品。
比如当一个寻求居家塑形方案的用户对线上私教课表露出兴趣时，平台即可为其精准匹配并对比优选方案，为合作商家直接输送具备高度购买意向的精准潜客。
另一方面，商家在推新或开展营销大促时，还能向平台采购精准推广展位与商业化运营工具，让 Gotchi Labs 在佣金分成外另辟一层稳固的品牌营销与广告营收来源。
CHI 代币在应用生态内的实用路径
那么，刚刚完成社区公售的 CHI 代币在应用内部又将如何运转？
在设计定位上，CHI 是构建于 Solana 链上的 Gotchi Labs 生态“可选效用型代币”，其规划功能围绕特定 AI 服务结算支付、高阶会员权限准入及指定生态社区事项参与展开，并将随着后台服务模块的就绪按阶段分批激活。
根据 Gotchi Labs 白皮书披露的代币经济模型，其核心效用分为“服务费支付”与“质押维持会员等级/准入资格”两大主线。为了守住大众用户的极简体验门槛，普通消费者仍可沿用常规社交账号一键登录及日常法币支付途径，仅有主动希望启用代币权益的用户才需要连接兼容钱包。
在消费者一侧，待相关功能上线后，CHI 可用于支付平台内指定的高级会员订阅费、进阶专精 AI 服务或增购 AI 积分用量包。
同时，符合条件的 CHI 持币人也可选择将代币进行功能性质押，以解锁更高的系统访问层级，包括额外的 AI 服务交互额度、专属进阶工具特权以及订阅折扣优惠。
白皮书明确强调，这种质押纯属功能权限定级与生态参与机制，绝不附带任何生息、分红、收益分成或固定金融回报承诺。
在商业合作伙伴一侧，CHI 同样承担着生态准入协同作用。按照规划，经审核准入的第三方服务商需按约定在平台存入指定数额的 CHI 作为保证金，方可使用相应市场功能。
比如一家打算向 Gotchi 平台推送健身私教课程的企业，必须在通过资质尽调与合规认证后依规存币，才能在商业集市内挂牌展销。
此后，当合作商家需要在平台上发起特定商业推广或精细化拉新活动时，也可直接使用 CHI 购买合规营销展位与曝光服务，平台则依约兑现定向曝光或商业辅助资源。
此外，参与功能性质押的持币群体还有权就预设的特定社区议题行使治理权，覆盖部分集市规则制定、新功能迭代优先级投票及社区生态共建计划。
总而言之，CHI 只是叠加在 Gotchi Labs 不断扩张的消费级 AI 生态之上的“可选效用层”。它既照顾到了原生数字权益与商户协同需要，又确保普通消费者即便完全不持有一枚代币或加密货币钱包，依然能毫无障碍地享受核心产品体验。
从已验证的用户牵引力迈向一体化 AI 平台
不同于停留在概念阶段的项目，Gotchi Labs 的每一步扩张都踏在扎实的真实数据底座之上。首发垂类应用 Sleepagotchi 已积累起 61.2 万名注册用户、超过 8 万的峰值日活，外加长期打磨下来的长线运营经验与多元化分发通道，为平台切入下一阶段的生态扩张打好了基础。
而眼前的星辰大海绝不仅仅局限于大健康养护本身。伴随人工智能日益渗入社会大众的日常肌理，那种既能长久记忆个体偏好、又能打通衣食住行不同领域的“一体化个人专属体验”，其用户粘性与商业估值必将远超单点式的工具应用。
消费级 AI 竞赛的下半场，注定属于那些能够突破单向闲聊问答、真正下场帮用户在现实生活中拿主意、干实事的“行动派平台”。
手握经过验证的流量基盘与不断壮大的专精智能体矩阵，Gotchi Labs 正试图顺理成章地完成这一跨越：把人们眼前碎片化、孤岛化的 AI 交互，真正凝练成环绕日常生活的无缝贴心伴侣。
官方账号：@sleepagotchi
免责声明
本报告基于作者接受 Gotchi Labs 赞助与资助所进行的独立研究撰写完成，作者本人可能持有文中涉及资产或代币的相关权益。不过作者承诺，在调研及成文过程中绝未使用任何未公开重大内幕信息展开交易。
本报告仅作一般性信息交流，不构成任何法律、商业、投资或税务建议，亦不应作为任何投资决策依据。Four Pillars 及其关联机构、节点验证实体 FP Validated（详见 节点披露页面 与 透明度政策）可能已持有或涉足文中探讨的相关项目。

作者：冬梅，AI前线
当整个 AI 行业还在比拼谁能生成更多 Token、谁的推理能力更强时，谷歌却推出了一款不靠逐字生成答案的新模型。
刚刚，谷歌正式发布 Gemini Decision 1，同时推出由该模型驱动的 Gemini Decisions API。与传统生成式大模型不同，这款模型专门用于快速决策，不需要逐个 Token 生成文字，而是通过单次前向传播，对预先设定的候选答案进行评分。
谷歌 CEO Sundar Pichai 也在 X 平台发文介绍了 Gemini Decision 1 的主要能力。他写道：
今天，我们在 Google AI Studio 中正式推出 Gemini Decisions API，由全新的 Gemini Decision 1 模型提供支持。
与传统模型逐个 Token 生成文本不同，这款模型专门为封闭选项集中的决策任务而设计。它可以在单次处理过程中，对文本、图像、音频、视频以及 PDF 中的最多 1000 个问题进行评分。
以下是几个值得关注的细节：
支持三种决策类型：是 / 否判断、多项选择（最多 255 个选项），以及基于评分标准的打分；
每百万输入 Token 的价格仅为 0.10 美元，输出 Token 费用为零，成本约为 Flash-Lite 的五分之一；
在多项基准评测中处于领先位置，同时具有最低的校准误差。
谷歌内部团队已经开始使用这项技术。
他还展示了 Stitch Rapid 在几秒钟内设计完整产品流程的演示，视频为正常 1 倍速播放。
这段介绍揭示了 Gemini Decision 1 与传统大模型最大的不同：它不负责把答案说出来，而是负责从已有选项中作出判断。
过去，当开发者希望 AI 判断一封邮件是否属于垃圾邮件，或者决定某项任务应该交给哪个 Agent 时，往往需要调用生成式大模型，再从模型生成的文本中提取结果。Gemini Decision 1 则省去了逐字解码的环节。
开发者只需要提供输入内容、待判断的问题以及候选选项，模型就可以直接返回对应的判断结果、概率和置信度。
这意味着，对于本来只需要一个分类、评分或选择结果的任务，AI 不必再完成一整套文本生成流程。
按照谷歌公布的数据，Gemini Decision 1 可以在一次请求中处理最多 1000 个独立问题，支持文本、图像、音频、视频和 PDF 等多模态输入，端到端延迟仅为 150 至 250 毫秒。
价格也比较激进：每百万输入 Token 仅需 0.10 美元，输出 Token 不收费。在谷歌公布的同一组基准测试中，其调用成本较 Gemini 3.5 Flash-Lite 低近 5 倍。
更值得注意的是，这并不只是一款用于回答选择题的模型。谷歌已经将其用于 AI 模型路由、Agent 工具选择、产品设计以及安全检测等场景，试图让它成为 AI 系统中专门负责判断与决策的底层组件。
一次处理 1000 个问题，最多 255 个选项
根据 Google 发布的技术介绍，Gemini Decision 1 提供三类核心决策能力。
第一类是 Yes/No（二元判断）。例如，判断图片中是否存在安全隐患，或者一段文本是否违反既定规则。模型会给出相应条件成立的概率。
第二类是 Multiple Choice（多项选择）。开发者可以预设 2 至 255 个候选选项，模型不仅会选出最符合条件的答案，还会返回每个候选项经过归一化处理的概率。
第三类是 Ordered Rubric（有序标准评分）。开发者可以自行定义不同等级的评分标准，让模型对输入内容进行评价，并返回连续加权分数及各等级的概率。
三种任务还可以在一次请求中混合执行。
谷歌提供了一个简单的示例：给模型上传一张办公室茶水间台面的照片，并附上一段文字说明，要求它同时判断桌面是否存在液体洒漏、应该采取何种清理措施，以及现场的严重程度。
传统方式可能需要设计多个分类器，或者通过生成式大模型执行不同的提示词任务。Gemini Decision 1 则可以在一次请求中完成这些判断。
此外，模型支持最高 256K Token 的多模态输入上下文。对于企业场景，这意味着开发者可以将通话录音与客户资料放在一起分析，或者结合保险索赔文件与现场照片作出判断。
每项决策都会提供 0 至 1 的置信度，方便系统将不确定的结果交给其他模型或者人工审核。
Gemini Decision 1 的另一个竞争力，是速度与成本。
根据谷歌官方介绍，在涵盖 Agent 路由、推理、排序和多模态理解的基准评测中，Gemini Decision 1 表现领先，并取得了最低的校准误差。
在不超过 16K Token 的测试上下文中，其模型计算阶段的中位延迟保持在 50 至 100 毫秒，端到端延迟约为 150 至 250 毫秒。即使单次请求包含的问题数量从 1 个增加到 100 个，延迟也基本保持平稳。
在官方使用的共同基准测试集上，Gemini Decisions API 的成本较通过 Interactions API 调用 Gemini 3.5 Flash-Lite 低近 5 倍。
9 项测试拿下 7 项第一，准确率最高 92.2%
谷歌此次发布 Gemini Decision 1，还公布了一份颇具看点的模型对比成绩单。
与通常将通用大模型放在一起比较不同，谷歌此次选择了三款竞争产品：OpenAI 的 GPT-6 Luna、专门面向分类决策的 TypeSafe Jev 1.14，以及自家的 Gemini 3.5 Flash-Lite。
从结果来看，Gemini Decision 1 在 9 项基准测试中拿下 7 项第一，在概率校准方面同样领先，但在另外两项测试以及总调用成本上，仍然存在竞争对手表现更好的情况。
在 JevBench 测试中，Gemini Decision 1 取得 92.2% 的准确率，超过 GPT-6 Luna 的 90.9%、TypeSafe Jev 1.14 的 90.0%，以及 Gemini 3.5 Flash-Lite 的 86.6%。
在 Amazon ESCI 商品搜索相关性测试中，Gemini Decision 1 取得 58.7% 的 Macro-F1 分数，比 GPT-6 Luna 高出 4 个百分点，比 Flash-Lite 高出 11.5 个百分点。
而在 New Yorker Caption 测试中，差距进一步拉大。Gemini Decision 1 取得 79.7% 的成绩，GPT-6 Luna 为 68.4%，两者相差 11.3 个百分点。该测试涉及对漫画配文的理解和选择，考验模型的语境理解与候选内容判断能力。
在医学问答测试 PubMedQA 中，Gemini Decision 1 同样排名第一，得分为 79.8%，高于 GPT-6 Luna 的 74.4%。
多语言测试 Global-MMLU-Lite 的结果也类似。Gemini Decision 1 取得 86.0%，GPT-6 Luna 为 79.6%，两者相差 6.4 个百分点。
不过，谷歌并未实现全面领先。
在 Mind2Web Multimodal 测试中，TypeSafe Jev 1.14 以 86.8% 的成绩排名第一，Gemini Decision 1 为 86.2%，落后 0.6 个百分点。
在考验工具调用判断能力的 When2Call 测试中，TypeSafe Jev 1.14 的优势更加明显，得分为 82.0%，Gemini Decision 1 为 79.9%。
这项结果尤其值得关注。工具选择和调用时机判断是 Gemini Decision 1 重点面向的 Agent 应用场景之一，但在这项测试中，专用决策模型 TypeSafe Jev 依然保持领先。
另外，在音频理解测试 MMAU 和视频理解测试 Video-MME 中，Gemini Decision 1 分别取得 71.8% 和 69.1%，均高于 Flash-Lite。
比准确率更值得关注的，是谷歌此次特别强调的概率校准能力。
在 Top-1 ECE（Expected Calibration Error，预期校准误差）测试中，Gemini Decision 1 的校准误差仅为 0.0250，GPT-6 Luna 为 0.0721。
同期对比中，TypeSafe Jev 1.14 为 0.0494，Flash-Lite 则达到 0.2104。换句话说，Gemini Decision 1 的校准误差比 GPT-6 Luna 低约 65%，比 Flash-Lite 低约 88%。
这项指标对 Agent 系统尤其重要。
例如，当一个 Agent 需要判断某段代码是否存在安全漏洞时，模型给出的不仅是“存在”或“不存在”的结果，还可能包含一个概率值。系统可以根据概率与实际正确率之间的关系，决定是否自动采取行动，或者交给人工进一步核查。
谷歌已经用上：Agent 路由延迟最高降低 40%
与一些仅展示基准成绩的新模型不同，谷歌此次还披露了 Gemini Decisions API 在内部产品中的应用案例。
其中最值得关注的是 Gemini Notebook。
谷歌正在利用 Decisions API 充当实时模型路由器，根据用户请求的复杂程度，选择合适的模型档位和思考强度。面对日常简单问题，系统可以优先调用成本较低、响应更快的模型；遇到复杂推理任务，再将请求交给能力更强的模型。
谷歌称，借助这种动态路由方式，日常查询的延迟最多可以降低 40%。
这种设计与当前 Agent 系统的发展趋势密切相关。一个 Agent 完成任务时，往往需要不断判断下一步动作，例如选择哪个工具、调用哪个模型，或者决定是否需要人工介入。
如果每一个简单决策都要交给大型生成式模型处理，系统就需要承担额外的延迟和成本。专门的决策模型则提供了另一种选择：将相对简单、选项明确的判断交给低延迟模型处理，把复杂任务留给通用大模型。
除了 Gemini Notebook，谷歌还披露了另外三个应用方向。
在 Google Stitch 中，新推出的 Rapid Canvas 实验功能利用 Decisions API，在几秒钟内形成可交互的产品流程线框图，并快速响应用户通过语音或点击发出的修改指令。用户确认设计方向后，可以将页面转入完整的 Stitch 工作流进一步完善。
在 Google Labs 的 CC 产品中，Decisions API 被用于从超过 200 个 Emoji 选项中快速选择合适的表情反应。在 Google Search 内部，谷歌还利用这一 API 构建 MCP 工具的安全检测层，识别潜在的对抗性行为及内容。
参考链接：Gemini Decisions API 官方博客

作者：Bitcoin Security Consortium
编译：深潮 TechFlow
深潮导读：近年来，随着谷歌 Willow 芯片问世以及多项 Shor 算法优化研究陆续发表，量子计算是否威胁比特币安全再度引发讨论。Bitcoin Security Consortium 联合 Presidio Bitcoin 发布本篇报告，系统梳理了技术进展与风险边界。
报告指出，当前距离真正具备密码学破解能力的量子计算机仍有巨大硬件鸿沟，但比特币签名机制确实面临“静态暴露”与“交易在途”两大攻击面。围绕高估与低估威胁的常见误区，文章进一步拆解了地址迁移、SHRINCS 抗量子签名与早期 P2PK 存量币处置路线。
本文为 Bitcoin Security Consortium 与 Presidio Bitcoin 联合发布的报告。
核心要点（TL;DR）
· 近期量子计算进展确实存在，但仍属渐进式突破：谷歌 Willow 芯片及近期 Shor 算法优化成果引发了市场担忧，但目前尚未出现具有密码学意义的量子计算机（CRQC）。
· 比特币面临的量子风险仅限于其签名机制，具体表现为两类攻击方式：针对易受攻击存量币的静态攻击（at-rest），以及针对内存池交易的在途攻击（in-flight）。
· 应对方案已经明确，社区正积极推进落地：包括将资金迁出重复使用的地址、研发抗量子签名方案，以及针对大概率已丢失的 P2PK 地址比特币达成网络共识。
量子计算迎来复兴了吗？
经历多年看似停滞的阶段后，量子计算领域近年涌现出越来越多主张技术突破的学术论文与媒体报道，进而在投资者群体中引发了对比特币安全性的担忧。这些代表性进展包括：
· 谷歌 Willow 芯片（2024 年 12 月）：首次实验证明，增加物理量子比特（physical qubit）来保护单个经过纠错的“逻辑”量子比特（logical qubit）时，该逻辑量子比特的可靠性会随之提升而非下降。
· Google Quantum AI、Oratomic/Caltech 与 ECDSA.fail 的 Shor 算法优化（2026 年）：Google Quantum AI 联合以太坊基金会与斯坦福大学，将 Shor 算法破解比特币椭圆曲线的电路规模缩减约 20 倍。
Oratomic 与加州理工学院（Caltech）团队也提出，其优化后的 Shor 算法有望在数天内破解单个比特币私钥。随后几个月里，Eigen Labs 推出的排行榜项目 ECDSA.fail 汇聚研究人员与 AI 智能体，将谷歌的电路规模又进一步压缩近 70%。
· IonQ 的端到端 Shor 算法优化（2026 年 9 月）：发布了一套兼顾软件与硬件测算的完整可编译运行蓝图，理论上每次尝试约需 26 天即可求解单个私钥，单次成功率为 63.3%。
· 谷歌“魔术态”培育技术（2026 年 10 月）：量子计算依赖每次使用都会被消耗、且制备成本高昂的“魔术态”（magic states）资源态。谷歌在 Willow 上证明，其过滤协议可将此类状态中的错误率降低约 40 倍，实现 99.99% 的逻辑保真度。
· Quantinuum 的“五个九”逻辑保真度（2026 年 10 月）：其 Helios 计算机每百万次操作仅出现 5 次错误（逻辑保真度达 99.9995%），错误率比谷歌演示低约 100 倍，且纠错码每扩大一档错误率下降 12 倍（λ = 12）。
尽管当前尚不存在具有密码学意义的量子计算机（CRQC），且该技术仍面临物理规模扩展纠错量子比特等诸多工程难题，为何这些报道仍让比特币社区高度警惕？比特币与量子计算机之间究竟有何关联？下面展开拆解。
量子计算原理简析
量子计算的核心在于量子比特（qubit）。与只能保存 0 或 1 两种状态之一的传统经典比特不同，量子比特具备量子力学世界独有的两项特性：
· 叠加态（Superposition）：一个量子比特可以同时处于 0 和 1 的混合状态，并在被观测测量时按加权概率坍缩为单一确定数值。
· 量子纠缠（Entanglement）：两个或多个量子比特可以共享同一联合状态，无论彼此相距多远，测量其中一个便会立即决定另一个的数值。
借助这些特性，量子计算机能够同时探索大量候选答案并相互抵消错误选项。然而，物理量子比特十分脆弱，极易发生退相干（decoherence），即量子信息的丢失。
正因如此，如今许多量子计算公司都将路线图目标锁定在达到最低数量门槛的逻辑量子比特（logical qubits）上。这类量子比特由多个冗余物理量子比特经纠错构建而成，能够检测并修复错误，从而保障计算与信息的可靠性。
为了追求最低的物理与逻辑量子比特配比，各量子计算实验室正在研究最高效的硬件架构，主要包括但不限于以下四类路线：
· 超导电路（谷歌、IBM）：将微小导线环路冷却至接近绝对零度，使电流表现得如同一个量子比特。该技术计算速度较快，但规模化扩展推进相对缓慢。
· 中性原子（Oratomic）：利用被称为“光镊”的激光阵列囚禁不带电原子，由其电子充当量子比特。该技术扩展速度较快，但理论上计算耗时更长。
· 离子阱（Quantinuum、IonQ）：在电磁场中用激光操控带电原子（即离子），以其基态或激发态能量作为量子比特。该路线计算速度相对较慢，扩展速度处于中等水平。
· 光量子（PsiQuantum、Xanadu）：让光子穿过芯片与光学器件，以每个光子的物理属性充当量子比特。该路线计算速度很快，但整体研发落地周期目前也显得较慢。
比特币的量子攻击面
理论上，一台运行 Shor 算法的密码学级量子计算机，能够破解比特币的椭圆曲线数字签名算法（ECDSA）。这套签名机制维系着网络中的所有权与财产权，能在不暴露私钥的前提下向交易对手证明私钥归属。
需要强调的是，比特币绝大多数核心博弈论与经济规则并不属于这一攻击面，例如交易共识机制、发行时间表以及总量上限等均不受影响。
针对比特币私钥的量子攻击，会为网络带来以下两个层面的攻击面：
· 长期暴露（静态攻击）：存放在重复使用地址或早期安全性较低地址（如 P2PK 公钥支付地址）中的比特币已暴露公钥，量子计算机可借此推导出对应私钥。
当今大多数活跃地址采用现代输出类型，在资金花费前会隐藏公钥，因此不会受此类攻击影响。不过 Project Eleven 估算，若今天出现算力达标的量子计算机，约 710 万枚 BTC（占总供应量约 35%）将面临被盗风险。
其中约四分之三存放在重复使用的地址中，主要集中在大型交易所；只要交易所将资金迁入一次性地址并采用更严格的托管规范，即可显著降低风险。另有约 180 万枚 BTC 沉睡在 P2PK 地址中，大概率已经丢失，难以主动迁移至安全地址。
无论是计算速度较快还是较慢的量子计算机，都能够利用这些已暴露的公钥，逐一反推出控制投资者资金的私钥。
· 短期暴露（在途攻击）：比特币网络中的资金通常仅在花费时才公开公钥，由此形成约 10 分钟的脆弱窗口期（更准确地说，是从交易提交到被打包进区块的间隔时间）。
一台速度足够快的量子计算机可利用这一窗口期在交易中途盗取资金。谷歌曾估算，一台预备就绪的高时钟频率量子设备最快可在 9 分钟内算出一枚私钥，这意味着即使原本存放在安全地址的比特币，在发起常规转账时也可能面临被抢跑窃取的风险。
可能高估威胁的常见误区
· “量子硬件已经完成规模化并随时可用。”目前公开演示的最强系统来自 Quantinuum，仅产出 48 个经过纠错的逻辑量子比特；而破解比特币椭圆曲线至少需要约 1,200 个。
· “近期的量子演示已经证明具备密码学级量子计算能力。”事实并非如此。Willow 芯片验证的是具备纠错能力的量子存储，而非大规模纠错计算。
2026 年谷歌、Oratomic 与 IonQ 发布的论文均属于理论设计蓝图，并非正在运行的实体机器。如何在大量逻辑量子比特之间实现低错误率运算，仍是尚未攻克的瓶颈。
· “所有比特币会在瞬间全部被盗。”大多数比特币在静态存放时并不脆弱，因为公钥在花费前一直隐藏在哈希值背后；而最大的风险来源“地址复用”，如今只需轮换至未使用过的新地址即可解决。
即便今天发生量子攻击，攻击者每次尝试也只能针对单一私钥发起破解，不可能一举将所有脆弱供应量同时洗劫一空。
可能低估威胁的常见误区
· “Shor 算法优化只是无关紧要的炒作。”今年 3 月，谷歌将理论上破解比特币 ECDSA 所需的逻辑量子比特数量压缩了约 20 倍，并指出椭圆曲线算法过去获得的优化关注远少于 RSA（Rivest-Shamir-Adleman）密码体系，这意味着后续仍有较大压缩空间。
事实也印证了这一点：ECDSA.fail 项目随后又将谷歌的电路规模进一步优化了接近 70%。
· “量子威胁还有几十年才到来，现在何必杞人忧天？”近期专家调查显示，具备破解能力的量子机器在 2030 至 2035 年间出现的概率约为 50%；各国政府也将后量子迁移目标定在 2030 年代初至中期，谷歌与 Cloudflare 则将内部截止日期设在 2029 年前。
需要指出的是，政府与企业设立这些时间表，主要是为了防范“先截获、后解密”（harvest now, decrypt later）攻击，保护未来依然具备敏感价值的隐私数据。
由于比特币网络参与者可以通过迁移至隐藏公钥的新地址来自我防御，这类时间表更应被视作网络的“最佳实践”参考，而非必然触发危机的时间节点。
· “量子突破来临时我们一定能提前察觉。”技术突破可能处于保密状态或被主权国家列为机密；早期的量子盗窃行为也可能零星发生，外表上极难与常规托管机构整理资金或普通支付转账区分开来。
行业当前正在采取哪些行动？
如今，包括交易所、机构与投资者在内的比特币生态参与者已经开始提前防范量子威胁，并大致按以下优先级积极探讨并推进解决方案：
· 将脆弱资金从复用地址迁移至未使用过的地址：这是最容易率先摘下的低垂果实，无需全网达成共识或进行软分叉。
该举措完全依赖于大型交易所、托管机构以及自托管投资者落实现代安全实践，例如实施找零输出轮换，并竭力避免重复使用同一地址。
· 研发抗量子签名方案：目前最具代表性的比特币抗量子支付方案是 Blockstream 提出的 SHRINCS（“Shrunken SPHINCS”的缩写），该方案基于 SHA-256 构建。
SHRINCS 每秒最多可处理 3 笔交易，而美国国家标准与技术研究院（NIST）的 SPHINCS+ 标准仅为每秒 0.36 笔。Blockstream 已于 2026 年 3 月在 Liquid 网络测试该方案，并于 8 月联合贡献者发布了比特币改进提案（BIP）。
目前该方案的正式安全性证明仍在推进中，若要在全网范围内部署还需要通过软分叉实现。
· 就 P2PK 地址中易受攻击且大概率已丢失的比特币处置方案达成共识：这或许是未来几年比特币应对量子威胁时最具争议的议题。目前约 2 万个 P2PK 地址中共存有约 170 万枚 BTC，其中估计有 110 万枚归属于中本聪。
据 Presidio Bitcoin 梳理，当前讨论中的主流方案共有三种：一是保留旧版交易花费有效性（即放任量子攻击者“窃取”）；二是限制旧版地址转出速率（即对脆弱资金实施“限流”）。
三是冻结并附带找回路径，即禁用所有旧版花费，但允许原持有者通过助记词零知识证明认领资金（即“软冻结”）。
若希望进一步了解这一关键议题，可参阅 Presidio Bitcoin 持续更新的基础指南（点击查看原文资料）。
免责声明：本材料仅供参考与科普教育之用，不应作为任何投资决策依据。文中涉及公司、证券或加密货币的表述均为作者观点，不构成背书或买卖持有建议。
本材料中的部分内容可能属于基于作者当前看法与假设的未来预期或前瞻性陈述，受已知与未知风险及不确定性影响，实际结果或与表述存在重大差异。
部分信息采自据信可靠的来源，但对源自第三方的任何信息的准确性或完整性不作保证。
除本文所述风险外，比特币还面临剧烈价格波动、市场操纵、被盗及市场承压期间潜在流动性受限等风险。
尽管机构参与度与监管完善推动了比特币市场演进，其价值仍受市场环境、供需变化及监管动态影响，无法保证其长期保值。

作者：Bitget
热点新闻精选
AI 投资｜CoreWeave 缓和回报担忧，科技股领涨
CoreWeave 上涨 24.71%，推动 AI 云与半导体反弹。此前公布的三季度收入 36.61 亿美元、全年收入指引上调，以及公司提出 2028 年上半年实现调整后盈利的目标，缓和了市场对扩张回报的担忧。
这轮上涨的核心，是投资者重新评估“建设投入能否转为收入和利润”。收入兑现提供了证据，但盈利目标仍属前瞻，接下来需要交付、融资与现金流持续配合。
能源｜伊朗核材料立场强硬，油价从低位回升
布伦特 2027 年 1 月期货上涨 1.39%，结算于 92.76 美元／桶；WTI 12 月期货上涨 0.57%，报 86.53 美元／桶。伊朗表示不会允许浓缩核材料离境，削弱了市场对迅速缓和冲突的期待。
原油重新计入部分供应风险溢价。外交表态即使改善，航运恢复仍取决于安全、保险与船东意愿，因此不能将谈判预期直接等同于供应正常化。
加密财库｜MSCI 将剔除 Strategy，融资模式面临新考验
MSCI 将于 12 月 1 日从相关全球指数中移除 Strategy 等公司，理由是其特征更接近投资基金或非经营性公司。Strategy 盘后下跌约 2.5%，市场关注被动基金调仓与后续融资条件。
直接影响首先落在股票层面：指数跟踪资金可能卖出公司股票。只有进一步影响股权溢价和融资能力，才可能削弱未来增持 BTC 的能力；这不等于公司已经卖币。
市场回顾
大宗商品与外汇表现
黄金 12 月期货下跌约 0.7%，现货一度跌破 4,000 美元；美元强势与加息预期继续压制贵金属。美股反弹主要来自企业与行业预期修复，不能据此判断利率压力已经消失。
加密货币表现
BTC 报 73,881.53 USDT，24 小时上涨 0.58%；ETH 报 2,056.20 USDT，24 小时上涨 0.50%。加密市场总市值约 2.47 万亿美元，24 小时下降 2.25%，24 小时成交额约 641.39 亿美元；总量数据独立更新时间为北京时间 09:04。
BTC／ETH 清算区观察： 本次未取得可验证的最新清算区，暂不列上下区间、距离或近侧清算判断。
机构持仓成本｜BTC： Strategy 最新 11 月 9 日披露，截至 11 月 8 日持有 850,364 枚 BTC，整体平均成本 75,456 美元，含费用。BTC 较该成本低约 2.18%，处于参考浮亏状态；这是整体持仓成本，并非最近一笔买入均价。
一句话看盘： BTC 仍在 7.4 万美元附近拉锯，尚未跟上 AI 股票的修复强度。重点看能否收复 7.5 万美元及机构成本附近，同时观察财库公司融资条件；指数剔除带来的股票卖压不能直接等同 BTC 现货卖压。
美股主要指数表现
异动解读
市场表现： 纳指领涨，CoreWeave 大涨 24.71%，博通上涨 3.99%，英伟达常规交易上涨 2.87%。科技七巨头四涨三跌，微软、亚马逊和 Meta 下跌，反弹并未覆盖所有权重股。
逻辑一：盈利路径变得更可见，带动 AI 估值修复。 CoreWeave 的收入兑现和盈利目标，让市场重新评估此前对 AI 建设回报的悲观定价，相关云与芯片股票随之反弹。
逻辑二：行业利好暂时压过利率约束。 本轮上涨由企业信息推动，并非通胀数据转弱或利率下降。债市假期休市，仍需观察恢复交易后收益率是否继续压制估值。
逻辑三：公司治理风险仍可打断反弹。 英伟达盘后因媒体报道董事会考虑管理层变动而再度下跌。常规收盘上涨与盘后承压属于不同时间段，管理层是否调整仍待正式公告确认。
科技七巨头表现
板块异动观察
AI 云与芯片： CoreWeave 与博通领涨，市场重新交易算力投入的收入兑现。下一步需看 Nebius 业绩能否提供同方向证据，而非仅凭单家公司财报判断全行业。
加密财库： Strategy 面临指数资格变化，关注点从币价扩展到资本市场融资。公司股票与 BTC 的风险传导有关联，但不能混为同一笔资金流。
美股重点个股分析
CoreWeave CRWV｜财报修复预期，仍需跨过融资门槛
事件概述： 股价上涨 24.71% 至 60.77 美元。公司三季度收入 36.61 亿美元，全年收入指引 130 亿至 133 亿美元，并提出 2028 年上半年实现调整后盈利的目标。
市场解读： 需求与收入兑现缓和了此前对重资产扩张的担忧，但当季净利息支出 8.46 亿美元，仍高于 2.07 亿美元经营利润。股价修复反映预期改善，尚不代表财务压力解除。
投资启示： 重点跟踪客户预付款、项目交付与融资成本能否匹配，盈利目标能否逐季转化为实际利润和现金回报。
英伟达 NVDA｜盘中修复与盘后风险并存
事件概述： 常规交易上涨 2.87% 至 173.73 美元，盘后因媒体报道董事会考虑撤换 CEO 而承压。该管理层变动尚不能视为已获公司确认。
市场解读： AI 需求预期修复支持行业估值，董事会与管理层的不确定性则影响公司执行与客户信心，两条线同时存在。
投资启示： 关注正式董事会公告、管理层安排与客户合作进展。11 月 8 日董事会曾表示支持黄仁勋及团队，并启动独立调查，后续应以新的正式披露更新判断。
Strategy MSTR｜指数资格变化，先看股票与融资
事件概述： MSCI 宣布相关剔除安排于 12 月 1 日生效，Strategy 盘后下跌约 2.5%。公司被动资金来源与未来股权融资条件受到关注。
市场解读： 若股票估值溢价收窄，发行股票购币的效率可能下降。指数调仓形成的是股票供需变化，不是公司已执行 BTC 出售。
投资启示： 跟踪实际调仓规模、其他指数商决定及融资公告，区分被动基金卖股、公司融资和公司购币三个环节。
市场与项目动态
财库公司分类趋严。 Metaplanet 也在 MSCI 本次剔除名单中，说明指数资格风险并不限于一家 BTC 持仓公司。
Nebius 财报今日接棒。 公司定于 11 月 12 日美股盘前公布三季度业绩，电话会为北京时间 21:00，重点看订单转收入、算力交付与融资。
网络与设备链迎来验证。 思科与应用材料将于美东 11 月 12 日盘后发布财报，电话会均为北京时间 11 月 13 日 05:30，分别补充网络需求与设备投资线索。
今日市场日历
重点事件前瞻： 今天需要同时核对两条线：Nebius 能否延续 AI 收入兑现证据，以及就业与债市重新定价会否抬高融资成本。英伟达盘后消息也是开盘前的重要变量。
机构观点： 瑞银分析师 Giovanni Staunovo 在 11 月 11 日指出，市场对迅速缓和冲突的期待减弱，正在支撑油价。对资产定价而言，能源风险溢价回升可能限制通胀预期改善。
本文仅供市场信息参考，不构成投资建议。
免责声明：文章中的所有内容仅代表作者的观点，与本平台无关。用户不应以本文作为投资决策的参考。

作者：龙玥，华尔街见闻
CoreWeave 周二发布三季度财报，营收和亏损均好于预期，全年指引亦超出市场预期上限。消息提振了此前因 AI 投资回报担忧而持续承压的“新云”（neocloud）板块。
在 CoreWeave 股价单日大涨约 25% 的带动下，新云（NeoCloud）板块盘中涨幅一度超过 12%，纳指也收复了中期选举后的失地。
市场的乐观情绪还受到两则消息强化：Anthropic 据报正讨论高达 1.5 万亿美元以上的 IPO 估值，打消了此前公司估值将大幅下调的担忧；此外，OpenAI 单季营收强劲、首次达到 100 亿美元。
而对于即将在下周登陆资本市场的 Anthropic 而言，这份财报来得恰逢其时：CoreWeave 是 Anthropic 的重要算力供应商，两家公司的命运在一定程度上相互绑定。与此同时，英伟达下周的财报将是另一块试金石，投资者届时将寻找更多理由判断 AI 基础设施热潮能否持续。
不过，这轮反弹的基础仍不牢固：一方面，资金正从超大规模云厂商转向“卖铲人”和算力租赁商；另一方面，CoreWeave 未来的融资缺口、债务成本及算力供给扩张，仍是决定这轮 AI 基建交易能否走远的核心变量。
CoreWeave 带动新云板块集体反弹
CoreWeave 三季度营收 36.6 亿美元，超出分析师预期；每股亏损 1.27 美元，亏损幅度小于市场此前担忧的水平。更受关注的是全年指引：公司预计 2026 年全年营收在 130 亿至 133 亿美元之间，高于市场一致预期上限约 3.4%。
CoreWeave CEO Michael Intrator 在与分析师的电话会议上透露了一个值得关注的细节：今年新增客户中，超过一半来自 AI 领域以外。这一数据在一定程度上回应了市场对 AI 算力需求过度集中、一旦 AI 投资热潮退却便将面临需求断崖的担忧。
Intrator 的表述暗示，对高性能算力的需求正在向更广泛的行业渗透，而不仅仅依赖 AI 实验室的采购。
在此之前，CoreWeave 股价年内已累计下跌 39%，是 AI 算力板块中跌幅最深的个股之一。德意志银行分析师 Brad Zelnick 在财报发布后表示，感谢公司提供了“令人宽慰的细节”，这句话颇能代表市场整体情绪。
财报公布后，CoreWeave 股价单日大涨约 25%，成为带动新云板块反弹的核心标的。
图：CoreWeave（CRWV）60 分钟 K 线走势，自 10 月高点回落后于 11 月 11 日反弹至 59.78 美元（+22.68%）
市场数据显示，新云概念股当日整体上涨逾 12%，而高盛广义 AI 股票篮子上涨约 5%，显著跑赢非 AI 股票。此前受 AI 资本开支回报疑虑拖累的算力产业链，迎来了一轮快速估值修复。
图：11 月 2 日以来高盛美股新云（NeoCloud）等 AI 细分板块与剔除 AI 成分后的标普 500 指数走势对比
纳指也收复了中期选举后的失地。
图：标普 500（@ES）与纳斯达克（@NQ）等主要美股股指期货日内走势，纳指期货领涨 2.294%
但从市场交易结构看，资金的选择也反映出投资者尚未完全消除疑虑。算力租赁商、半导体企业等 AI 资本开支的“收款方”表现更强；微软、谷歌、亚马逊等承担巨额数据中心投资的超大规模云厂商则相对落后。
换言之，市场眼下更愿意押注 AI 建设周期的直接受益者，而非继续为巨额资本开支买单的“付款方”。
图：11 月 2 日以来美股超大规模云厂商（“付款方”）与美国 AI 半导体板块（“收款方”）走势对比
CoreWeave 与 Anthropic：命运相连
而 CoreWeave 的财报对 Anthropic 而言具有直接意义。
Anthropic 是 CoreWeave 的客户，使用 CoreWeave 及其他多家新云服务商的算力来支撑其 Claude 系列产品，同时也与谷歌等超大规模云厂商签有合同。
两家公司从未公开披露合同条款，但 Intrator 今年 4 月曾将与 Anthropic 的合作描述为“数十亿美元级别的合同”。
据彭博报道，Anthropic 计划于下周完成上市。作为首家寻求公开上市的美国前沿 AI 实验室，Anthropic 没有搜索引擎、社交媒体或云业务等传统业务作为“护城河”，其估值将完全取决于市场对 AI 前景的判断。
CoreWeave 的强劲表现，理论上有助于 Anthropic 在路演中获得更高的估值认可。
最新市场消息进一步抬高了这场 IPO 的关注度：据报道，Anthropic 的承销商正评估 1.5 万亿美元或更高的 IPO 估值可能性。
若该估值预期得以维持，Anthropic 将不只是检验前沿大模型公司商业化能力的样本，也将成为市场为 AI 长期增长故事愿意支付何种溢价的直接标尺。此前有消息称 Anthropic 估值可能大打折扣，或在 1.5 万亿美元以下。
与此同时，OpenAI 单季营收首次达到 100 亿美元的消息，也为 AI 应用层需求提供了新的支撑。
对投资者而言，这意味着市场正在尝试寻找“模型收入增长、算力采购扩张与芯片及数据中心投资回报”之间能够相互验证的闭环；但这一闭环是否足以支撑高估值，仍有待更多公司财报和订单数据验证。
对 Anthropic 而言，CoreWeave 财报释放的积极信号在于：其上游算力供应商仍能获得强劲订单、提高收入指引并维持融资能力。
但这也凸显了双方的共同风险：大模型公司对外部算力的需求能否持续高增长，以及算力供应商能否在高资本开支和高负债模式下保持稳定交付，将共同影响这条产业链的估值基础。
值得注意的是，Anthropic 在算力供应上还依赖其他几家前景尚不明朗的新云服务商，其中包括 Nscale，据报道该公司正在考虑推迟自身的 IPO 计划。
AI 下一个考验：英伟达财报
下周，英伟达将发布财报。如果投资者能够暂时搁置对 CEO 黄仁勋及其他相关问题的担忧，英伟达的业绩或将为市场提供更多乐观理由。
英伟达财报的重要性，已不止于验证 GPU 需求是否旺盛。市场更希望从中确认三件事：云厂商和新云服务商的采购强度是否持续、Blackwell 等新产品的供给与交付能否匹配需求，以及客户资本开支的快速增长能否转化为更可持续的收入和利润。
本轮反弹中，半导体板块表现强劲，费城半导体指数录得数月来最大单日涨幅，并收复此前一周回调的大部分失地；英伟达股价也出现反弹。不过，交易员观察到，部分活跃资金和散户在英伟达财报前仍有卖出行为。
这意味着市场对芯片龙头的预期依旧很高，财报若无法提供足够强的指引，AI 交易的波动可能再度放大。
图：高盛美国 AI 半导体指数（GS US AI Semis）10 月至 11 月走势及近期反弹趋势
彭博专栏作家 Dave Lee 分析，早在 2025 年 3 月 CoreWeave 上市之际，他便曾警告这家公司将成为“AI 革命的第一只真正的风向标股票”，事实证明确实如此：CoreWeave 的股价已成为市场波动的主要“出气筒”。
反弹背后：融资缺口与供给扩张仍是硬约束
不过，这轮反弹的基础仍不牢固。CoreWeave 未来的融资缺口、债务成本及算力供给扩张，仍是决定这轮 AI 基建交易能否走远的核心变量。
CoreWeave 的业绩缓解了“AI 建设会否因融资受阻而戛然而止”的短期担忧，但并未彻底回答长期问题。
多头逻辑是，CoreWeave 可以围绕客户合同设立融资主体，以高比例担保债务覆盖建设成本；在合同期内偿还债务后，公司仍保留 GPU 资产，并可将已还清融资的设备再次出租。若算力长期紧缺，这种模式有望令存量设备持续产生现金流。
空头则聚焦三个风险。首先是定价：管理层所提及的每兆瓦收入水平，与财务报表所反映的实际变现水平之间仍存在差距。其次是融资：市场观点认为，公司明年或面临约 330 亿美元的资金缺口，仍需依赖新增债务或客户预付款填补。
最后是供给：到 2028 年前，市场预计将有约 55 吉瓦新增算力容量投放，若供给释放快于需求增长，老一代 GPU 的租金和残值都可能承压。
因此，CoreWeave 本季证明的是，在算力依然紧张时，公司能够拿到订单并获得融资；但它尚无法证明，供给紧张会持续到足以覆盖巨额债务、并支撑旧 GPU 残值的阶段。接下来，市场将密切关注其投资级担保贷款的最终定价、客户预付款规模，以及公司资本开支和自由现金流拐点能否如预期出现。
图：CoreWeave 延迟提款定期贷款（DDTL）与 SPV 融资运作流程（图源：高盛 GIR）
宏观环境并未放行，监管不确定性仍是隐患
在美国中期选举后，民主党控制国会，德克萨斯州候任州长 Gina Hinojosa 在竞选期间曾主张对数据中心建设实施暂停令。Intrator 上周已致信 Hinojosa，希望就已获批项目的“负责任完工”以及未来项目的“持久标准”寻求共识。
在财报电话会议上，Intrator 试图稳定投资者情绪。他表示：“我们预计不会受到近期重大监管变化的影响。我们认为，这些变化是关于如何建设的表态，而非是否建设。”
除监管外，利率仍可能是 AI 基础设施估值的另一重约束。在本轮股市反弹期间，市场对未来加息的定价有所上升，10 年期美债期货隐含收益率重新逼近 5%。对于依赖债务融资建设数据中心的新云公司而言，融资成本上升会直接影响项目回报率和股权估值。
更重要的是，股票、信用、利率和原油市场的波动率尚未完全回落。此前建立的避险仓位虽在本轮反弹中部分平仓，VIX 一度回落至 17 附近，但跨资产波动仍处于相对偏高水平。
这意味着，CoreWeave 带来的“喘息之机”能否演变成趋势性修复，仍取决于后续财报、融资市场和宏观利率环境能否同时给出积极答案。
图：美国 10 年期国债期货与 10 年期美债收益率日内走势，收益率盘中逼近 5%
总体而言，CoreWeave 财报暂时修复了市场对 AI 算力需求和融资能力的信心，也为 Anthropic IPO 及英伟达财报营造了更有利的情绪窗口。但从“短期空头回补”走向“长期基本面重估”，仍需回答融资、供给、GPU 残值和利率四道难题。
下周的 Anthropic 与英伟达，将是这轮 AI 反弹能否延续的两场关键考试。

深潮 TechFlow 消息，11 月 12 日，据《福布斯》报道，英伟达董事会正考虑解除首席执行官黄仁勋的职务，相关调查涉及其私人关系及潜在安全风险。分析人士警告，若黄仁勋离任，可能进一步冲击英伟达股价及全球人工智能产业。
Wedbush 分析师 Dan Ives 预计，黄仁勋若被罢免，英伟达市值可能再减少 1 万亿至 1.2 万亿美元。报道称，自相关事件首次曝光以来，英伟达市值已缩水约 1 万亿美元，周三盘后股价一度下跌约 8%。
报道指出，英伟达目前没有公开的 CEO 继任计划，首席财务官 Colette Kress 被视为潜在临时接任人选。尽管 AI 芯片需求仍然强劲，但黄仁勋若离任，可能增加公司未来技术创新及业务发展的不确定性。

作者：David Christopher，Bankless
编译：深潮 TechFlow
深潮导读：曾经主打极限性能的以太坊 L2 项目 MegaETH 正式更名为 MEGA，并宣布从国库拨款 $3000 万转型自研产品，首款聚焦去中心化 AI 推理市场的应用预计于 12 月上线。
面对市面上日趋同质化的模型验证技术，单靠证明节点“没有掉包”已不足以建立护城河。本文深入剖析了 MEGA 白皮书中最具看点的两大差异化设想：脱离中心化视角的隐私脱敏，以及面向未来说服力十足的算力远期合约。
本周二，MegaETH 基金会正式更名为 MEGA，并宣布从国库拨款 $3000 万 打造自主研发产品，其中领衔亮相的便是一个将于 12 月上线的 AI 推理市场（Inference Market）。
推理市场是我 近期持续追踪的新兴赛道：在这种开放市场中，任何人都可以买卖或转售 AI 模型调用权限，价格通常低于大型实验室的官方报价。当前市场需求十分强劲，绝大多数推理市场的使用量都处于稳步攀升之中。
鉴于这一细分赛道尚属早期，而 AI 服务的金融化进程更是处于萌芽阶段，我认为对于曾打造出“极致速度”以太坊 L2 的 MegaETH 团队而言，尽管这是一次急转弯，却不失为一个聪明的选择。
这次转向同样带有某种现实的紧迫性。目前该公链的 TVL 仅停留在不到 $1000 万 的水平，较 5 月突破 $2.45 亿的峰值大幅回落。联合创始人 Shuyao Kong 也在 X 平台坦言：“在打造出最快的公链却未能找到产品市场契合点（PMF）之后”，团队必须做出改变。
新推理市场的具体机制、算力供应商及上线模型清单在正式发布前仍处于保密状态，但一份三页纸的白皮书已经勾勒出团队的核心思路。
接下来让我们拆解这套商业叙事的核心主张，看看它最薄弱的环节在哪里，以及 MEGA 究竟还能凭借什么杀出重围。
MEGA 官方账号（@mega_holdings）在推文中宣布：“今天，我们承诺投入 $3000 万在 MegaETH 上打造全新产品，首个切入方向正是 AI 推理。详情见 mega.holdings。”
核心叙事主张
MEGA 的切入点源自其提出的所谓“供给悖论”：许多第三方算力服务商运行同一个开源模型的价格，远低于研发该模型的原生实验室报价。
以 OpenRouter 平台为例，GLM 4.6 来自开发方 Z.ai 的每百万输出 Token 报价为 $2.20，而第三方服务商 Venice 仅需 $1.75。尽管差价明显，MEGA 认为绝大多数买家仍倾向于花高价购买耳熟能详的官方通道。
对此，MEGA 给出的解决方案是引入名为“纯粹智能（Purified Intelligence）”的一整套校验机制，通过对服务商的模型真实性、隐私合规与安全性进行检验，证明陌生的第三方同样值得信赖。
其终极目标是打造一个让推理能力彻底标准化的交易市场。正如白皮书所述，理想状态下，“究竟由谁提供这次推理服务，将变得越来越无关紧要。”
换言之，整套叙事建立在“建立信任”，尤其是建立在“验证真实调用模型”的基础之上。但恰恰从这里开始，我对此产生了怀疑。
没有 MEGA，验证技术也在狂飙突进
首先，MEGA 预设的行业前提并不完全成立。
低价算力服务商目前并没有被市场冷落：热门推理路由平台 OpenRouter 本身就会在默认路由中 优先奖励低价通道，且该平台将不同服务商之间 多数输出质量差异 归咎于各自工具调用（tool-calling）软件的配置差异，而非刻意偷换模型。
虽然白皮书作为根基痛批的“模型掉包（Model Swapping）”现象确实客观存在，但最确凿的证据大多发生在非正规的转售灰产渠道。今年 3 月发表的 一项研究 在测试了三家此类黑盒转售商后发现，高达 46% 的身份校验均告失败。
更为关键的是，用以揪出这些掉包行为的技术工具正从四面八方加速涌现：
• 指纹识别（Fingerprinting）：上周，推理市场 Antseed 正式启用了一套新增的 指纹验证层。该系统用只有特定模型才会作答的冷门特征问题考验算力卖家，一旦发现对方并未运行其所宣称的模型，便立即将买家请求引流至别处。
• 封闭硬件（TEE）：可信执行环境（TEE）相当于芯片内部连机器所有者也无法窥探的黑盒安全区，能够公开证明芯片内部到底在运行什么代码。Antseed 的买家目前 已经可以直接要求 服务商启用这项硬件校验。
• 密码学证明（Cryptographic Proofs）：本月初，Anthropic 开源了用数学方法验证回答确由特定模型权重生成的原型方案（FlashProve），尽管单次推理需要消耗常规请求 70 至 95 倍算力。
此外，Pearl 团队也正依托 Attestable 开发自研证明版本。
MEGA 的白皮书同时点名了上述三种方案，也坦承各自均存在技术局限，但并未明确自己最终会采用哪一种。团队大概率会接入其中某一种或多种组合，这本身当然值得肯定。
然而现实是，目前已经有大量团队在主攻同一痛点，且绝大多数验证工具都已开源开放供全行业直接调用。买方不信任第三方服务商的心理障碍正在迅速消退，单凭上线“模型验证”功能已很难让 MEGA 脱颖而出。
MEGA 真正可能突围的两个方向
既然如此，能真正让 MEGA 与众不同的筹码，就落在了白皮书中的另外两大设想身上。
第一个方向是隐私保护。MEGA 设想在算力服务商看到用户请求前先对敏感细节进行脱敏清洗，并将复杂任务拆分给可信与不可信的节点分别处理。这一设计极具现实意义，因为目前真正能通过封闭硬件防止服务商偷看提示词（Prompt）的隐私保护，大多仍局限于开源模型。
要想在兼顾隐私的同时安全调用闭源前沿大模型，“本地敏感信息清洗”几乎是唯一的折中路径。但这一方案的工程落地难度同样极高。
去年 Freysa 曾在旗下现已更名为 Silo 的 Enchanted 应用中 上线过类似功能，通过将私密词句替换为占位符，让用户安全访问 GPT 与 Claude 等闭源模型。
但 Freysa 在 2025 年 11 月宣布，由于手机端实际性能参差不齐，团队不得不将脱敏运算迁出移动端；其 iOS 应用的 7 月更新日志 更直接将该功能列为下线移除。
同样地，MEGA 版本的脱敏流程也必须彻底跑在 MEGA 自身的视野之外，比如完全驻留在用户本地电脑或封闭硬件中完成，否则用户本质上不过是把原本该交给推理商的敏感信息，转手托付给了 MEGA 而已。
MegaETH 联合创始人 Yilong Li（@yilongl_megaeth）近日发布白皮书时也指出：“扩建更多 AI 算力只做对了一半。哪怕服务商拥有对的模型、充沛的余量算力和更低的价格，只要用户无法确信服务商真按宣传跑模型且保护自身数据，依然不会买单。”
第二个核心亮点则是远期算力容量（Future Capacity）。MEGA 白皮书构想了这样一种机制：买方可以在特定时间窗口内，按锁定价格提前预订特定模型、固定调用体量及最低性能标准（包括响应速度与稳定性），并在未来支持对这些远期算力合约进行二级市场转让。
你可以把它类比成企业在筹办大型行业峰会前，提前几个月批量预订酒店房间。买方得以在重磅产品发布前锁定充足算力，一旦计划有变还能转手卖出；而卖方算力商则可以拿着这些锁定需求作为抵押凭证向借贷方融资，用于采购更多 GPU 扩容。
一旦这类合约交易形成规模，市场就会催生出公开透明的“远期推理定价曲线”。虽然像洲际交易所（ICE）这类传统金融巨头 计划推出的 GPU 算力期货 也能对冲芯片小时租金成本，但那无法规定具体跑哪款模型、输出效果如何；相比之下，MEGA 的远期合约直接锚定的是模型最终“产出本身”。
在我迄今测评过的所有 链上推理市场 中，尚没有任何一家提供类似机制，而这恰恰是区块链技术最能发挥确权与流转价值的地方。
不过这里面依然隐藏着一个深层矛盾：AI 推理成本正在飞速下跌，主力模型每几个月就会彻底换代，买家又为什么要在今天提前锁死几个月后的固定报价甚至特定型号模型呢？
也许企业买家买下的并不是低价，而是一个“高峰期绝不掉线的确定性席位”，抑或是用来对冲现阶段各大 AI 厂商天价补贴退坡后暴涨的调用账单。对于这一点，目前我也还没有形成明确结论。
眼下仍缺失的关键拼图
至少目前而言，上述两大亮点还只停留在白皮书的草图阶段。团队尚未公开任何代码，白皮书也没有交代清楚哪些算力方有资格准入、由谁来执行校验审核，以及隐私脱敏工具最终将在何处运行。
整份白皮书对原生代币同样只字未提。当被问及 MEGA 代币在推理市场中扮演何种角色时，Shuyao Kong 在接受 The Block 采访时回应称：“只要有能够赋能 MEGA 代币的场景，我们都会加以利用。”
至于那笔超过 MEGA 当前流通市值一半的 $3000 万国库拨款，目前也未公布任何细化预算方案。
即将到来的 12 月应该会陆续揭晓其中部分答案。接下来我会重点关注三大落地指标：首批签约的具名服务商及准入细则、真正运行在 MEGA 视野之外的脱敏方案，以及第一笔由真实交易对手方承接的远期算力合约。
归根结底，可验证性只能把 MEGA 送上推理赛道的起跑线；唯有解决真隐私与远期算力交付问题，才能决定它能否真正脱颖而出。