Binance Square

oAdam

交个朋友 日常分享开源 交易笔记 Ai X: @oAdam
實盤交易
中頻交易者
8.9 年
15 關注
457 粉絲
1.3K+ 點讚數
貼文
投資組合
·
--
查看翻譯
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。
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。
·
--
中國 AI 已經不只是模型跑分和參數規模的競爭了,真正的變化正在發生在每天的實際使用中。 截至 2026 年 6 月,中國 AI 每日調用量已超過 175 萬億 Token,相比 2024 年初增長 1000 多倍。賽迪研究院最新報告指出,中國 AI 推理數據量首次超過訓練數據量,意味着產業正在從模型訓練研發,轉向大規模實際應用。 模型迭代也在加速。頂尖大模型的更新週期,已經從過去的幾個月縮短到幾周,甚至幾天。 這種變化正在進入製造業: * 全國累計建成 500 多家卓越級智能工廠,覆蓋 31 個省(區、市)和超過 80% 的製造業行業大類。 * 國產算力與大模型已在鋼鐵、汽車等 20 個行業落地超過 1000 個應用場景。 * 個性化定製、全生命週期服務等新型製造模式開始展開。 用戶規模同樣在擴大。截至 2026 年上半年,中國生成式 AI 用戶已超過 7 億,普及率突破 50%。 175 萬億 Token 的意義,不只是一個龐大的調用數字。它反映出 AI 正在從少數人的技術工具,變成企業生產流程和普通用戶日常生活中的基礎能力。 下一階段,競爭的重點也會越來越具體:誰能把 AI 真正嵌入業務流程,誰就更有機會把技術優勢轉化爲生產力。
中國 AI 已經不只是模型跑分和參數規模的競爭了,真正的變化正在發生在每天的實際使用中。

截至 2026 年 6 月,中國 AI 每日調用量已超過 175 萬億 Token,相比 2024 年初增長 1000 多倍。賽迪研究院最新報告指出,中國 AI 推理數據量首次超過訓練數據量,意味着產業正在從模型訓練研發,轉向大規模實際應用。

模型迭代也在加速。頂尖大模型的更新週期,已經從過去的幾個月縮短到幾周,甚至幾天。

這種變化正在進入製造業:

* 全國累計建成 500 多家卓越級智能工廠,覆蓋 31 個省(區、市)和超過 80% 的製造業行業大類。
* 國產算力與大模型已在鋼鐵、汽車等 20 個行業落地超過 1000 個應用場景。
* 個性化定製、全生命週期服務等新型製造模式開始展開。

用戶規模同樣在擴大。截至 2026 年上半年,中國生成式 AI 用戶已超過 7 億,普及率突破 50%。

175 萬億 Token 的意義,不只是一個龐大的調用數字。它反映出 AI 正在從少數人的技術工具,變成企業生產流程和普通用戶日常生活中的基礎能力。

下一階段,競爭的重點也會越來越具體:誰能把 AI 真正嵌入業務流程,誰就更有機會把技術優勢轉化爲生產力。
·
--
網站終於有機會用一條規則,告訴整個 AI 行業:這裏的內容不允許拿去訓練模型。 OpenAI、谷歌、微軟和 Anthropic 宣佈支持一項新的通用標準,允許網站通過 robots.txt 一次性聲明是否允許 AI 企業抓取內容用於模型訓練,不必再針對每家公司單獨設置。 這項標準由 Anthropic 技術負責人 Kevin Kelley 提交給 IETF,直接集成在網站原有的 robots.txt 文件中。 過去,網站面對的是一堆彼此獨立的 AI 爬蟲規則。想拒絕某家公司的訓練抓取,就得單獨配置;換一家企業,又要重新聲明。AI 公司越多,網站維護起來就越麻煩。 新標準想解決的就是這個問題:讓內容發佈方擁有統一的機器可讀信號,AI 企業也可以通過同一套規則識別網站的訓練授權偏好。 目前各家的落地進度不同: * Anthropic 已率先採納。 * OpenAI 計劃未來幾個月內落實。 * 谷歌和微軟預計明年支持。 * Meta 表示支持建立通用信號,但尚未公佈具體實施時間。 這項標準並不意味着網站從此能徹底阻止所有 AI 抓取。它的實際效果仍取決於爬蟲是否遵守規則。 但方向很明確:AI 公司需要互聯網內容,內容發佈方也應該有權表達授權意願。過去每家平臺各設一套規則,未來有機會變成行業共同遵守的一套標準。
網站終於有機會用一條規則,告訴整個 AI 行業:這裏的內容不允許拿去訓練模型。

OpenAI、谷歌、微軟和 Anthropic 宣佈支持一項新的通用標準,允許網站通過 robots.txt 一次性聲明是否允許 AI 企業抓取內容用於模型訓練,不必再針對每家公司單獨設置。

這項標準由 Anthropic 技術負責人 Kevin Kelley 提交給 IETF,直接集成在網站原有的 robots.txt 文件中。

過去,網站面對的是一堆彼此獨立的 AI 爬蟲規則。想拒絕某家公司的訓練抓取,就得單獨配置;換一家企業,又要重新聲明。AI 公司越多,網站維護起來就越麻煩。

新標準想解決的就是這個問題:讓內容發佈方擁有統一的機器可讀信號,AI 企業也可以通過同一套規則識別網站的訓練授權偏好。

目前各家的落地進度不同:

* Anthropic 已率先採納。
* OpenAI 計劃未來幾個月內落實。
* 谷歌和微軟預計明年支持。
* Meta 表示支持建立通用信號,但尚未公佈具體實施時間。

這項標準並不意味着網站從此能徹底阻止所有 AI 抓取。它的實際效果仍取決於爬蟲是否遵守規則。

但方向很明確:AI 公司需要互聯網內容,內容發佈方也應該有權表達授權意願。過去每家平臺各設一套規則,未來有機會變成行業共同遵守的一套標準。
·
--
新一週,市場要同時消化三件事:貴金屬回調、美國經濟數據,以及 AI 巨頭的財報。 先看上週表現: * 現貨黃金收於 3876.89 美元/盎司,10 月累計下跌 6.7%。 * 現貨白銀收於 49.13 美元/盎司,10 月跌幅超過 18%。 貴金屬經歷明顯調整,市場接下來還要面對美聯儲政策預期、美國就業數據和通脹指標的考驗。 下週重要日程(北京時間) 週二 * 2026 年美國中期選舉,具體時間待定。 週三 * 18:00:歐元區 10 月 CPI 年率初值、月率初值。 * 21:30:美國 9 月貿易帳、美國財政部季度再融資公告。 * 22:45:美國 10 月標普全球服務業 PMI 終值。 * 23:00:美國 10 月 ISM 非製造業 PMI。 週四 * 18:00:歐元區 9 月 PPI 月率。 * 21:30:美國至 10 月 31 日當週初請失業金人數。 週五 * 17:30:紐約聯儲主席威廉姆斯、歐洲央行首席經濟學家連恩等參加歐洲央行貨幣市場會議討論。 * 21:30:美國 10 月失業率、非農就業人口、平均每小時工資年率及月率。 * 23:00:美國 11 月密歇根大學消費者信心指數初值、一年期通脹預期初值。 財報方面同樣密集。 超過 100 家標普 500 成分股公司將在下週公佈業績。LSEG IBES 數據顯示,已有過半公司披露三季度財報,標普 500 三季度盈利增速預計達到 31.6%。 蘋果將在美東時間週一盤後公佈財報,AMD 和高通也將在下週交出成績單。 這周的市場變量不少:就業和通脹數據影響利率預期,科技巨頭財報檢驗 AI 投資回報,貴金屬則需要面對此前調整後的市場情緒。 接下來幾天,宏觀數據和科技股業績都可能成爲市場波動的催化劑。
新一週,市場要同時消化三件事:貴金屬回調、美國經濟數據,以及 AI 巨頭的財報。

先看上週表現:

* 現貨黃金收於 3876.89 美元/盎司,10 月累計下跌 6.7%。
* 現貨白銀收於 49.13 美元/盎司,10 月跌幅超過 18%。

貴金屬經歷明顯調整,市場接下來還要面對美聯儲政策預期、美國就業數據和通脹指標的考驗。

下週重要日程(北京時間)

週二

* 2026 年美國中期選舉,具體時間待定。

週三

* 18:00:歐元區 10 月 CPI 年率初值、月率初值。
* 21:30:美國 9 月貿易帳、美國財政部季度再融資公告。
* 22:45:美國 10 月標普全球服務業 PMI 終值。
* 23:00:美國 10 月 ISM 非製造業 PMI。

週四

* 18:00:歐元區 9 月 PPI 月率。
* 21:30:美國至 10 月 31 日當週初請失業金人數。

週五

* 17:30:紐約聯儲主席威廉姆斯、歐洲央行首席經濟學家連恩等參加歐洲央行貨幣市場會議討論。
* 21:30:美國 10 月失業率、非農就業人口、平均每小時工資年率及月率。
* 23:00:美國 11 月密歇根大學消費者信心指數初值、一年期通脹預期初值。

財報方面同樣密集。

超過 100 家標普 500 成分股公司將在下週公佈業績。LSEG IBES 數據顯示,已有過半公司披露三季度財報,標普 500 三季度盈利增速預計達到 31.6%。

蘋果將在美東時間週一盤後公佈財報,AMD 和高通也將在下週交出成績單。

這周的市場變量不少:就業和通脹數據影響利率預期,科技巨頭財報檢驗 AI 投資回報,貴金屬則需要面對此前調整後的市場情緒。

接下來幾天,宏觀數據和科技股業績都可能成爲市場波動的催化劑。
·
--
中國 AI 和芯片產業,正在出現三種不同的增長曲線:有人在衝擊高端製造,有人在用研發換未來,也有人開始接受產品爆發帶來的運營壓力。 長鑫存儲的 HBM3E 樣品已經送到國內芯片設計公司手中。儘管目前良率只有 20%–30%,仍計劃在兩個月內實現有限量產。 它的常規存儲業務則正在享受另一波紅利:三季度營收 118.71 億元,淨利潤 54.4 億元,同比增長 613.2%,但環比下滑 19.3%。全球存儲廠商把更多產能轉向高價值產品,也給常規存儲價格上漲創造了空間。 宇樹呈現出另一種局面。三季度營收增長 69.9% 至 6.65 億元,但歸屬淨利潤下降 17.4% 至 1.127 億元。研發支出增長約 250%,毛利率降至 50.6%。營收還在增長,利潤卻承受壓力,研發投入顯然正在加速。 月之暗面的 Kimi K3.1 Pro 則把上下文窗口推到 100 萬 Token,並承諾 11 月 4 日開放完整權重。不過上線初期出現限速和額外額度消耗問題,團隊隨後道歉,並向訂閱用戶恢復四分之一的月度額度。 三家公司走的是不同路線,但都面對同一個問題:技術突破、營收增長和最終盈利,從來不是同一件事。
中國 AI 和芯片產業,正在出現三種不同的增長曲線:有人在衝擊高端製造,有人在用研發換未來,也有人開始接受產品爆發帶來的運營壓力。

長鑫存儲的 HBM3E 樣品已經送到國內芯片設計公司手中。儘管目前良率只有 20%–30%,仍計劃在兩個月內實現有限量產。

它的常規存儲業務則正在享受另一波紅利:三季度營收 118.71 億元,淨利潤 54.4 億元,同比增長 613.2%,但環比下滑 19.3%。全球存儲廠商把更多產能轉向高價值產品,也給常規存儲價格上漲創造了空間。

宇樹呈現出另一種局面。三季度營收增長 69.9% 至 6.65 億元,但歸屬淨利潤下降 17.4% 至 1.127 億元。研發支出增長約 250%,毛利率降至 50.6%。營收還在增長,利潤卻承受壓力,研發投入顯然正在加速。

月之暗面的 Kimi K3.1 Pro 則把上下文窗口推到 100 萬 Token,並承諾 11 月 4 日開放完整權重。不過上線初期出現限速和額外額度消耗問題,團隊隨後道歉,並向訂閱用戶恢復四分之一的月度額度。

三家公司走的是不同路線,但都面對同一個問題:技術突破、營收增長和最終盈利,從來不是同一件事。
·
--
朝鮮黑客從加密行業偷走的錢,已經相當於這個國家近一半的 GDP。 鏈上分析師 Darkfost 估算,Lazarus Group 累計竊取的加密資產價值達到 118.7 億美元。 拿這個數字與朝鮮 2025 年的經濟規模對比,相當於其 GDP 的 45%,以及國民總收入的 35%。 換句話說,一個黑客組織通過網絡攻擊從全球加密市場獲取的資產,已經達到一個國家經濟總量的驚人比例。 這也解釋了爲什麼 Lazarus Group 一直是加密行業最需要警惕的攻擊組織之一。對它而言,攻擊加密平臺不只是網絡犯罪,也可能成爲獲取外匯的重要渠道。 需要說明的是,118.7 億美元是 Darkfost 的累計估算,並非經過官方審計確認的朝鮮收入。
朝鮮黑客從加密行業偷走的錢,已經相當於這個國家近一半的 GDP。

鏈上分析師 Darkfost 估算,Lazarus Group 累計竊取的加密資產價值達到 118.7 億美元。

拿這個數字與朝鮮 2025 年的經濟規模對比,相當於其 GDP 的 45%,以及國民總收入的 35%。

換句話說,一個黑客組織通過網絡攻擊從全球加密市場獲取的資產,已經達到一個國家經濟總量的驚人比例。

這也解釋了爲什麼 Lazarus Group 一直是加密行業最需要警惕的攻擊組織之一。對它而言,攻擊加密平臺不只是網絡犯罪,也可能成爲獲取外匯的重要渠道。

需要說明的是,118.7 億美元是 Darkfost 的累計估算,並非經過官方審計確認的朝鮮收入。
·
--
AI 生成的文字,也開始有了自己的“隱形指紋”。 從 11 月 7 日起,SpaceXAI 將在全球範圍內爲 Grok API 的多款模型啓用文本水印,包括 Grok 4.7、4.6、4.5、4.3,以及 Grok 4.20 的三個版本:Reasoning、Non-Reasoning 和 Multi-Agent。 這套機制不靠隱藏字符,也不往文本元數據裏塞信息,而是在生成過程中調整 Token 的選擇,讓水印信號融入文字本身。人眼無法分辨,但專門的檢測器可以識別。 SpaceXAI 稱,此舉是爲了響應歐盟《人工智能法案》。團隊管理員還可以針對具體模型單獨關閉水印。 安德魯·庫蘭提到,目前仍未給文字生成加入隱形水印的模型,只剩下北美地區的 ChatGPT。 AI 生成內容正在進入一個新階段:過去主要靠用戶判斷文字像不像 AI 寫的,未來可能直接通過技術信號追溯生成來源。 當然,水印能提供來源識別線索,不代表它能單獨證明一段文字的作者身份。
AI 生成的文字,也開始有了自己的“隱形指紋”。

從 11 月 7 日起,SpaceXAI 將在全球範圍內爲 Grok API 的多款模型啓用文本水印,包括 Grok 4.7、4.6、4.5、4.3,以及 Grok 4.20 的三個版本:Reasoning、Non-Reasoning 和 Multi-Agent。

這套機制不靠隱藏字符,也不往文本元數據裏塞信息,而是在生成過程中調整 Token 的選擇,讓水印信號融入文字本身。人眼無法分辨,但專門的檢測器可以識別。

SpaceXAI 稱,此舉是爲了響應歐盟《人工智能法案》。團隊管理員還可以針對具體模型單獨關閉水印。

安德魯·庫蘭提到,目前仍未給文字生成加入隱形水印的模型,只剩下北美地區的 ChatGPT。

AI 生成內容正在進入一個新階段:過去主要靠用戶判斷文字像不像 AI 寫的,未來可能直接通過技術信號追溯生成來源。

當然,水印能提供來源識別線索,不代表它能單獨證明一段文字的作者身份。
·
--
Arbitrum 上的 Premia Labs 正在遭遇持續攻擊,金庫資產已被轉移約 40.05 萬美元。 安全公司 Blockaid 監測到,攻擊者利用期權池和金庫之間的機制漏洞發起攻擊。 整個操作大致分爲三步: 1. 創建一個空的期權池。 2. 通過閃電貸購買期權,將金庫抵押品鎖定在相關池中。 3. 再利用流動性機制提取金庫資產。 截至 Blockaid 發佈消息時,攻擊者已經通過約 2 筆交易轉移了約 40.05 萬美元,而且攻擊仍在進行。 這次攻擊值得警惕的地方在於,攻擊者利用的是協議內部不同機制之間的組合關係,而不是簡單地盜取用戶私鑰。 目前還需要等待 Premia Labs 官方確認漏洞原因、受影響範圍,以及是否已經暫停相關功能。 40.05 萬美元是目前披露的轉移金額,不是最終損失。攻擊仍在進行,後續資金變化和協議處置情況更關鍵。
Arbitrum 上的 Premia Labs 正在遭遇持續攻擊,金庫資產已被轉移約 40.05 萬美元。

安全公司 Blockaid 監測到,攻擊者利用期權池和金庫之間的機制漏洞發起攻擊。

整個操作大致分爲三步:

1. 創建一個空的期權池。
2. 通過閃電貸購買期權,將金庫抵押品鎖定在相關池中。
3. 再利用流動性機制提取金庫資產。

截至 Blockaid 發佈消息時,攻擊者已經通過約 2 筆交易轉移了約 40.05 萬美元,而且攻擊仍在進行。

這次攻擊值得警惕的地方在於,攻擊者利用的是協議內部不同機制之間的組合關係,而不是簡單地盜取用戶私鑰。

目前還需要等待 Premia Labs 官方確認漏洞原因、受影響範圍,以及是否已經暫停相關功能。

40.05 萬美元是目前披露的轉移金額,不是最終損失。攻擊仍在進行,後續資金變化和協議處置情況更關鍵。
·
--
Troves 遭遇安全事件,xWBTC/WBTC 金庫初步損失約 8.6 枚 BTC。 這次攻擊並非針對正在使用的新合約,而是利用了一個已經被替換、卻仍然保留操作權限的舊版資產再平衡合約。 Troves 表示,相關權限已經撤銷。 爲防止風險擴散,平臺暫停了三個金庫: * xWBTC/WBTC * xSTRK/STRK * xstrkBTC/strkBTC 目前尚未發現其他金庫遭受實際損失。 平臺正在聯合安全機構追蹤被盜資金,並探索追回方案。後續會公佈詳細事故分析,以及受影響存款人的處理安排。 這件事再次暴露了 DeFi 合約管理中的一個隱患: 新合約上線,不代表舊合約的權限就自動失效。 如果舊版本仍然保留操作權限,即使它已經不再承擔主要業務,也可能成爲攻擊者利用的入口。 接下來需要看 Troves 能追回多少資金,以及受影響存款人的具體補償方案。
Troves 遭遇安全事件,xWBTC/WBTC 金庫初步損失約 8.6 枚 BTC。

這次攻擊並非針對正在使用的新合約,而是利用了一個已經被替換、卻仍然保留操作權限的舊版資產再平衡合約。

Troves 表示,相關權限已經撤銷。

爲防止風險擴散,平臺暫停了三個金庫:

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

目前尚未發現其他金庫遭受實際損失。

平臺正在聯合安全機構追蹤被盜資金,並探索追回方案。後續會公佈詳細事故分析,以及受影響存款人的處理安排。

這件事再次暴露了 DeFi 合約管理中的一個隱患:

新合約上線,不代表舊合約的權限就自動失效。

如果舊版本仍然保留操作權限,即使它已經不再承擔主要業務,也可能成爲攻擊者利用的入口。

接下來需要看 Troves 能追回多少資金,以及受影響存款人的具體補償方案。
·
--
10 月加密一級市場融資額環比暴漲 83.5%,但有一個數字很能說明問題: Kalshi 一家公司,就拿走了當月全部融資金額的 51.2%。 根據 RootData 數據,10 月加密一級市場共披露 53 起融資,融資總額約 19.54 億美元。 相比 9 月的 10.65 億美元,增長 83.5%;但與去年 10 月的 35.73 億美元相比,仍然下降 45.3%。 融資事件數量也只有 53 起,低於去年同期的 78 起。 資金主要分佈在三個方向: * DeFi:17 起,約 11.57 億美元 * 基礎設施:17 起,約 3.48 億美元 * CeFi:9 起,約 3.43 億美元 單筆融資金額前三名: * Kalshi:10 億美元 * Whop:2 億美元 * Pearl:1.3 億美元 Nous Research 和 Spiko 各融資 9000 萬美元。 前五大項目合計拿到 15.10 億美元,佔全月融資總額的 77.3%。這意味着,剔除頭部幾筆大額交易後,其他項目拿到的資金規模要小得多。 RWA 方面,10 月有 6 個相關項目披露融資,合計約 1.22 億美元。Spiko 完成 9000 萬美元 B 輪融資,Fission 和 Multiliquid 分別融資 1000 萬美元、800 萬美元。 併購市場則記錄了 11 起交易,與 9 月持平,但沒有披露交易金額。 投資機構中,Tether 參與 4 起融資;Sequoia Capital、Pantera Capital、North Island Ventures 各參與 3 起。 這份數據讓我更傾向於把 10 月定義爲頭部項目帶動的融資回暖,而不是整個加密一級市場全面復甦。 融資總額確實上來了,但去年同期的數據仍然更高,資金也明顯集中在少數項目手裏。 市場有錢,不代表所有賽道都有錢;頭部項目能融到鉅額資金,也不代表普通創業團隊的融資環境已經改善。
10 月加密一級市場融資額環比暴漲 83.5%,但有一個數字很能說明問題:

Kalshi 一家公司,就拿走了當月全部融資金額的 51.2%。

根據 RootData 數據,10 月加密一級市場共披露 53 起融資,融資總額約 19.54 億美元。

相比 9 月的 10.65 億美元,增長 83.5%;但與去年 10 月的 35.73 億美元相比,仍然下降 45.3%。

融資事件數量也只有 53 起,低於去年同期的 78 起。

資金主要分佈在三個方向:

* DeFi:17 起,約 11.57 億美元
* 基礎設施:17 起,約 3.48 億美元
* CeFi:9 起,約 3.43 億美元

單筆融資金額前三名:

* Kalshi:10 億美元
* Whop:2 億美元
* Pearl:1.3 億美元

Nous Research 和 Spiko 各融資 9000 萬美元。

前五大項目合計拿到 15.10 億美元,佔全月融資總額的 77.3%。這意味着,剔除頭部幾筆大額交易後,其他項目拿到的資金規模要小得多。

RWA 方面,10 月有 6 個相關項目披露融資,合計約 1.22 億美元。Spiko 完成 9000 萬美元 B 輪融資,Fission 和 Multiliquid 分別融資 1000 萬美元、800 萬美元。

併購市場則記錄了 11 起交易,與 9 月持平,但沒有披露交易金額。

投資機構中,Tether 參與 4 起融資;Sequoia Capital、Pantera Capital、North Island Ventures 各參與 3 起。

這份數據讓我更傾向於把 10 月定義爲頭部項目帶動的融資回暖,而不是整個加密一級市場全面復甦。

融資總額確實上來了,但去年同期的數據仍然更高,資金也明顯集中在少數項目手裏。

市場有錢,不代表所有賽道都有錢;頭部項目能融到鉅額資金,也不代表普通創業團隊的融資環境已經改善。
·
--
Tether 三季度又賺了 15 億美元,前三季度累計淨營業利潤達到 45 億美元。 這已經不只是穩定幣發行商的收入規模,而是一門依靠鉅額儲備資產持續產生收益的生意。 從最新財報看,幾個數字值得記住: * Q3 淨營業利潤:15 億美元,與上一季度持平 * 2026 年前三季度累計利潤:45 億美元 * USDT 發行規模:約 1840 億美元 * 儲備緩衝:79.5 億美元,較二季度末的 41 億美元接近翻倍 截至 9 月 30 日,Tether 儲備資產總額約 1915 億美元,負債約 1835 億美元,資產超過負債約 79.5 億美元。 直接和間接持有的美國國債達到 1324 億美元。美國國債和逆回購協議仍然是 Tether 最主要的收入來源。 這裏能看出 Tether 的賺錢邏輯: 用戶持有 USDT,Tether 管理對應儲備資產,並通過國債等金融工具獲得收益。發行規模越大,可管理的資產規模也越大。 但穩定幣發行商不能只看利潤。儲備資產是否充足、流動性是否可靠,以及市場出現集中贖回時能否兌現,纔是這門生意真正的底層考驗。 45 億美元前三季度利潤,近 80 億美元儲備緩衝。Tether 已經不只是加密市場裏的穩定幣發行商,更是一個擁有龐大資產負債表的金融參與者。
Tether 三季度又賺了 15 億美元,前三季度累計淨營業利潤達到 45 億美元。

這已經不只是穩定幣發行商的收入規模,而是一門依靠鉅額儲備資產持續產生收益的生意。

從最新財報看,幾個數字值得記住:

* Q3 淨營業利潤:15 億美元,與上一季度持平
* 2026 年前三季度累計利潤:45 億美元
* USDT 發行規模:約 1840 億美元
* 儲備緩衝:79.5 億美元,較二季度末的 41 億美元接近翻倍

截至 9 月 30 日,Tether 儲備資產總額約 1915 億美元,負債約 1835 億美元,資產超過負債約 79.5 億美元。

直接和間接持有的美國國債達到 1324 億美元。美國國債和逆回購協議仍然是 Tether 最主要的收入來源。

這裏能看出 Tether 的賺錢邏輯:

用戶持有 USDT,Tether 管理對應儲備資產,並通過國債等金融工具獲得收益。發行規模越大,可管理的資產規模也越大。

但穩定幣發行商不能只看利潤。儲備資產是否充足、流動性是否可靠,以及市場出現集中贖回時能否兌現,纔是這門生意真正的底層考驗。

45 億美元前三季度利潤,近 80 億美元儲備緩衝。Tether 已經不只是加密市場裏的穩定幣發行商,更是一個擁有龐大資產負債表的金融參與者。
·
--
b14g 遭遇安全事件,約 9700 萬枚 CORE 被未授權提取。 10 月 31 日 09:29 UTC,攻擊者從 b14g 的質押合約中轉走約 9700 萬枚 CORE,並將資產轉入攻擊者控制的地址。 項目方發現異常後,已暫停受影響合約。 目前資金追蹤進展: * 約 6800 萬枚 CORE 仍留在 Core 網絡 * 交易所合作方已凍結約 900 萬枚相關 CORE * 通過 b14g 質押的 BTC 仍處於比特幣網絡時間鎖狀態,沒有受到影響 b14g 正與 Core 團隊、安全合作方和交易所協作,追蹤資金並協調凍結、追回工作。 項目方表示,當前首要任務是保護用戶和追回資產。後續將發佈完整事後報告,說明技術原因、實際影響範圍,以及受影響用戶的處理安排。 此次公佈的兩處攻擊者地址: 0xc556ed208285406d71705927f92d4f4eaea579f1 0x27758c30f8e424fbd8ca605bf31e9496c26ce92c 需要注意的是,這次被影響的是通過 b14g 質押的 CORE,並非所有質押資產。BTC 仍鎖定在比特幣網絡,目前沒有受到影響。 9700 萬枚 CORE 被轉走只是事件的開始,後續資金能追回多少、用戶如何獲得補償,纔是最關鍵的問題。
b14g 遭遇安全事件,約 9700 萬枚 CORE 被未授權提取。

10 月 31 日 09:29 UTC,攻擊者從 b14g 的質押合約中轉走約 9700 萬枚 CORE,並將資產轉入攻擊者控制的地址。

項目方發現異常後,已暫停受影響合約。

目前資金追蹤進展:

* 約 6800 萬枚 CORE 仍留在 Core 網絡
* 交易所合作方已凍結約 900 萬枚相關 CORE
* 通過 b14g 質押的 BTC 仍處於比特幣網絡時間鎖狀態,沒有受到影響

b14g 正與 Core 團隊、安全合作方和交易所協作,追蹤資金並協調凍結、追回工作。

項目方表示,當前首要任務是保護用戶和追回資產。後續將發佈完整事後報告,說明技術原因、實際影響範圍,以及受影響用戶的處理安排。

此次公佈的兩處攻擊者地址:

0xc556ed208285406d71705927f92d4f4eaea579f1

0x27758c30f8e424fbd8ca605bf31e9496c26ce92c

需要注意的是,這次被影響的是通過 b14g 質押的 CORE,並非所有質押資產。BTC 仍鎖定在比特幣網絡,目前沒有受到影響。

9700 萬枚 CORE 被轉走只是事件的開始,後續資金能追回多少、用戶如何獲得補償,纔是最關鍵的問題。
·
--
幣安被盜資產補足比例升至 90%,十種主流資產已經全部實現 100% 覆蓋。 幣安最新安全事件更新顯示,此前預留的超過 63.4 億美元資金,正在持續用於補足被盜資產。目前整體補足比例已從約 80% 提高到 90%。 已經完成 100% 覆蓋的十種資產包括: BTC、ETH、USDT、BNB、SOL、USDC、XRP、USD1、RLUSD、ZEC。 剩餘約 10% 是這十種之外的資產,流動性相對較低,需要更多時間通過市場和場外渠道購入。 這次補足資金來自三個渠道: * SAFU 用戶安全資產基金的部分資金,預計在未來 24 小時內調用 * 合約保險基金的部分資金 * 幣安自有公司資金 幣安同時承諾,將 SAFU 基金規模恢復至約 10 億美元。 儲備證明方面,幣安已於 10 月 31 日 08:00(UTC+8)完成新的資產快照,並更新到儲備證明頁面。完整零知識證明預計需要 40 至 50 小時生成,預計 11 月 3 日完成。 提現服務仍按原計劃推進,目標是在 11 月 1 日重新開放,具體進展等待後續公告。 這次事件中,幣安反覆強調的一點是:被盜資金造成的財務損失由平臺承擔,不會轉嫁給用戶。 90% 已經補足,剩餘部分還在採購。接下來真正需要驗證的,是剩餘資產能否全部補齊,以及提現和儲備證明能否按計劃恢復。
幣安被盜資產補足比例升至 90%,十種主流資產已經全部實現 100% 覆蓋。

幣安最新安全事件更新顯示,此前預留的超過 63.4 億美元資金,正在持續用於補足被盜資產。目前整體補足比例已從約 80% 提高到 90%。

已經完成 100% 覆蓋的十種資產包括:

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

剩餘約 10% 是這十種之外的資產,流動性相對較低,需要更多時間通過市場和場外渠道購入。

這次補足資金來自三個渠道:

* SAFU 用戶安全資產基金的部分資金,預計在未來 24 小時內調用
* 合約保險基金的部分資金
* 幣安自有公司資金

幣安同時承諾,將 SAFU 基金規模恢復至約 10 億美元。

儲備證明方面,幣安已於 10 月 31 日 08:00(UTC+8)完成新的資產快照,並更新到儲備證明頁面。完整零知識證明預計需要 40 至 50 小時生成,預計 11 月 3 日完成。

提現服務仍按原計劃推進,目標是在 11 月 1 日重新開放,具體進展等待後續公告。

這次事件中,幣安反覆強調的一點是:被盜資金造成的財務損失由平臺承擔,不會轉嫁給用戶。

90% 已經補足,剩餘部分還在採購。接下來真正需要驗證的,是剩餘資產能否全部補齊,以及提現和儲備證明能否按計劃恢復。
·
--
如果 AI 讓你不用工作了,給你現在 100% 的工資,你會辭職嗎? 一項針對英國、美國、丹麥和印度 8234 名勞動年齡成年人的調查,得到了一組有意思的數據: 75% 的受訪者表示,如果能獲得相當於當前工資 100% 的保障收入,就願意離開工作。 但另一組人給出了相反答案: 20% 的人即使拿到當前工資的 120%,也不願辭職。 而且,這個比例在不同收入羣體中都差不多。 更值得思考的是,只有 26% 的人把薪酬排在工作的首要價值,約三分之一的人認爲工作本身更重要。 這意味着,工資並不能解釋人們爲什麼願意每天走進辦公室。 工作還提供了目標感、社會關係、身份認同和被需要的感覺。對一部分人來說,失去這些東西,並不是多拿一些錢就能彌補的。 論文作者 Julian Jacobs 提出,AI 轉型期的政策不能只關注收入保障,也需要保護工作帶來的目標感、社羣和尊嚴。 AI 可能改變人類工作的方式,甚至讓部分崗位不再必要。 但有一個問題不能被忽略: 當一個人不再需要靠工作賺錢,他還能從哪裏獲得生活的意義?
如果 AI 讓你不用工作了,給你現在 100% 的工資,你會辭職嗎?

一項針對英國、美國、丹麥和印度 8234 名勞動年齡成年人的調查,得到了一組有意思的數據:

75% 的受訪者表示,如果能獲得相當於當前工資 100% 的保障收入,就願意離開工作。

但另一組人給出了相反答案:

20% 的人即使拿到當前工資的 120%,也不願辭職。

而且,這個比例在不同收入羣體中都差不多。

更值得思考的是,只有 26% 的人把薪酬排在工作的首要價值,約三分之一的人認爲工作本身更重要。

這意味着,工資並不能解釋人們爲什麼願意每天走進辦公室。

工作還提供了目標感、社會關係、身份認同和被需要的感覺。對一部分人來說,失去這些東西,並不是多拿一些錢就能彌補的。

論文作者 Julian Jacobs 提出,AI 轉型期的政策不能只關注收入保障,也需要保護工作帶來的目標感、社羣和尊嚴。

AI 可能改變人類工作的方式,甚至讓部分崗位不再必要。

但有一個問題不能被忽略:

當一個人不再需要靠工作賺錢,他還能從哪裏獲得生活的意義?
·
--
你以爲給 AI Agent 裝了一個技能,實際上可能順手把人工審批也刪掉了。 一項針對 GitHub 公開倉庫的研究,掃描了約 153 萬個英文 Agent 技能,發現其中約 88,000 個包含可能繞過人工檢查的指令。 換算下來,大約每 17 個技能,就有 1 個存在這類指令。 最值得警惕的是: 70.1% 的這類指令不區分使用場景。 比如: * 未經確認,直接執行並推送。 * 不要中途詢問,一直做到任務完成。 * 自動處理所有步驟,不需要人工介入。 如果這些內容被寫進 SKILL.md,加載技能的 Agent 就可能在原本需要人工確認的環節直接行動。 更麻煩的是,現有安全掃描器也不一定能發現它們。 研究測試了 Cisco 和 NVIDIA 的兩款開源掃描器,即使調用 GPT-5.4,最高檢出率也只有 46%,精確率不到 0.4。 但換一種提問方式,結果就明顯不同: 不再問模型“這是不是惡意指令”,而是問“它有沒有繞過人工檢查”,檢出率提升到 61%,精確率達到 0.71。 這說明一個問題: Agent 安全審查不能只盯着惡意代碼,還要檢查那些看起來只是爲了提高自動化效率的指令。 研究給出的建議也很直接: 1. 給自動執行指令設置明確邊界,例如只允許在 CI 環境中生效。 2. 審查技能時,重點檢查是否繞過人工確認,而不只是掃描惡意代碼。 3. 不要讓一句無條件生效的指令,決定 Agent 在所有場景下的行爲。 Agent 越來越能幹,權限也越來越大。 但有些步驟,不能因爲寫了一句「一直做到完爲止」,就默認不再需要人類確認。 真正可靠的自動化,不是取消所有檢查,而是知道什麼時候必須停下來問人。
你以爲給 AI Agent 裝了一個技能,實際上可能順手把人工審批也刪掉了。

一項針對 GitHub 公開倉庫的研究,掃描了約 153 萬個英文 Agent 技能,發現其中約 88,000 個包含可能繞過人工檢查的指令。

換算下來,大約每 17 個技能,就有 1 個存在這類指令。

最值得警惕的是:

70.1% 的這類指令不區分使用場景。

比如:

* 未經確認,直接執行並推送。
* 不要中途詢問,一直做到任務完成。
* 自動處理所有步驟,不需要人工介入。

如果這些內容被寫進 SKILL.md,加載技能的 Agent 就可能在原本需要人工確認的環節直接行動。

更麻煩的是,現有安全掃描器也不一定能發現它們。

研究測試了 Cisco 和 NVIDIA 的兩款開源掃描器,即使調用 GPT-5.4,最高檢出率也只有 46%,精確率不到 0.4。

但換一種提問方式,結果就明顯不同:

不再問模型“這是不是惡意指令”,而是問“它有沒有繞過人工檢查”,檢出率提升到 61%,精確率達到 0.71。

這說明一個問題:

Agent 安全審查不能只盯着惡意代碼,還要檢查那些看起來只是爲了提高自動化效率的指令。

研究給出的建議也很直接:

1. 給自動執行指令設置明確邊界,例如只允許在 CI 環境中生效。
2. 審查技能時,重點檢查是否繞過人工確認,而不只是掃描惡意代碼。
3. 不要讓一句無條件生效的指令,決定 Agent 在所有場景下的行爲。

Agent 越來越能幹,權限也越來越大。

但有些步驟,不能因爲寫了一句「一直做到完爲止」,就默認不再需要人類確認。

真正可靠的自動化,不是取消所有檢查,而是知道什麼時候必須停下來問人。
·
--
科技巨頭開始爲 AI 投資交賬了。 2026 年,Meta、Alphabet、甲骨文、亞馬遜和微軟五家公司,合計承諾投入 8006 億美元。 這筆錢不是抽象的 AI 願景,而是實打實的數據中心、服務器、網絡設備和基礎設施支出。 市場正在重新審視這場軍備競賽。 Alphabet 的 AI 摘要開始影響核心搜索廣告收入,但公司今年的投資支出預計最高達到 2050 億美元。AI 正在改變搜索,也可能衝擊 Google 最核心的賺錢方式。 英特爾 CFO 表示,今年現金流入預計無法覆蓋支出,PC 市場疲軟至少延續到明年上半年。公司還在繼續擴大設備投資。 亞馬遜今年已承諾投入 2200 億美元建設 AI 基礎設施,現金支出同樣超過收入。財報表現不及預期後,盤後股價一度下跌 6%。 另一邊,Reddit 因日活用戶不及預期、谷歌 AI 搜索衝擊推薦流量而下跌 26%;Roblox 因日活用戶下降,股價跌近 20%。 英特爾盤中一度暴跌 30%,Alphabet 前一日市值蒸發超過 5000 億美元,納斯達克週五下跌超過 3.5%。 這輪下跌釋放了一個信號: 資本市場並沒有突然不相信 AI,而是開始要求 AI 公司證明自己的投入能夠產生回報。 過去,講增長預期就能獲得溢價;現在,投資者開始盯着現金流、資本開支和商業化進度。 AI 仍然是科技行業最重要的投資方向之一,但再大的故事,也得有人爲賬單買單。
科技巨頭開始爲 AI 投資交賬了。

2026 年,Meta、Alphabet、甲骨文、亞馬遜和微軟五家公司,合計承諾投入 8006 億美元。

這筆錢不是抽象的 AI 願景,而是實打實的數據中心、服務器、網絡設備和基礎設施支出。

市場正在重新審視這場軍備競賽。

Alphabet 的 AI 摘要開始影響核心搜索廣告收入,但公司今年的投資支出預計最高達到 2050 億美元。AI 正在改變搜索,也可能衝擊 Google 最核心的賺錢方式。

英特爾 CFO 表示,今年現金流入預計無法覆蓋支出,PC 市場疲軟至少延續到明年上半年。公司還在繼續擴大設備投資。

亞馬遜今年已承諾投入 2200 億美元建設 AI 基礎設施,現金支出同樣超過收入。財報表現不及預期後,盤後股價一度下跌 6%。

另一邊,Reddit 因日活用戶不及預期、谷歌 AI 搜索衝擊推薦流量而下跌 26%;Roblox 因日活用戶下降,股價跌近 20%。

英特爾盤中一度暴跌 30%,Alphabet 前一日市值蒸發超過 5000 億美元,納斯達克週五下跌超過 3.5%。

這輪下跌釋放了一個信號:

資本市場並沒有突然不相信 AI,而是開始要求 AI 公司證明自己的投入能夠產生回報。

過去,講增長預期就能獲得溢價;現在,投資者開始盯着現金流、資本開支和商業化進度。

AI 仍然是科技行業最重要的投資方向之一,但再大的故事,也得有人爲賬單買單。
·
--
以後找餐廳,可能連 App 都不用打開了。 Zest 推出個人 AI 餐廳禮賓服務:發一條短信,就能找餐廳、比較選擇、組織朋友投票,最後直接完成訂座。 它有一個挺特別的設計:推薦依據不只是用戶主動輸入的喜好,還包括真實的餐飲消費記錄。 Zest 通過 Plaid 導入信用卡賬單,只分析餐飲類交易,爲用戶建立口味地圖。你過去經常去什麼店、喜歡什麼類型的餐廳,會成爲 AI 推薦的參考。 多人聚餐也不用再在羣裏反覆討論。 把 Zest 拉進羣聊,它可以綜合所有人的口味,給出餐廳選擇,再通過投票確定地點,隨後直接訂桌。 訂座服務接入 OpenTable、Resy 和 SevenRooms。除了按菜系、街區、場合和飲食限制找餐廳,還能詢問餐廳是否擁擠、有沒有 Wi-Fi,甚至直接索要菜單。 Zest 成立於 2024 年 11 月,獲得 776 和 Kindred Ventures 共 180 萬美元種子前輪融資。 創始人的產品思路也很明確:AI 智能體本身就是產品,訂座和點餐是最初的變現入口,未來還可能延伸到商戶推薦和購物。 我覺得這個方向有意思的地方在於,它沒有把 AI 做成另一個聊天窗口。 用戶不需要研究怎麼提問,也不用在多個平臺之間來回切換。說清楚需求,剩下的搜索、協調和預訂交給 AI。 真正有用的 AI 助手,不只是給答案,還得能把事情辦完。 號碼:(212) 470-6067
以後找餐廳,可能連 App 都不用打開了。

Zest 推出個人 AI 餐廳禮賓服務:發一條短信,就能找餐廳、比較選擇、組織朋友投票,最後直接完成訂座。

它有一個挺特別的設計:推薦依據不只是用戶主動輸入的喜好,還包括真實的餐飲消費記錄。

Zest 通過 Plaid 導入信用卡賬單,只分析餐飲類交易,爲用戶建立口味地圖。你過去經常去什麼店、喜歡什麼類型的餐廳,會成爲 AI 推薦的參考。

多人聚餐也不用再在羣裏反覆討論。

把 Zest 拉進羣聊,它可以綜合所有人的口味,給出餐廳選擇,再通過投票確定地點,隨後直接訂桌。

訂座服務接入 OpenTable、Resy 和 SevenRooms。除了按菜系、街區、場合和飲食限制找餐廳,還能詢問餐廳是否擁擠、有沒有 Wi-Fi,甚至直接索要菜單。

Zest 成立於 2024 年 11 月,獲得 776 和 Kindred Ventures 共 180 萬美元種子前輪融資。

創始人的產品思路也很明確:AI 智能體本身就是產品,訂座和點餐是最初的變現入口,未來還可能延伸到商戶推薦和購物。

我覺得這個方向有意思的地方在於,它沒有把 AI 做成另一個聊天窗口。

用戶不需要研究怎麼提問,也不用在多個平臺之間來回切換。說清楚需求,剩下的搜索、協調和預訂交給 AI。

真正有用的 AI 助手,不只是給答案,還得能把事情辦完。

號碼:(212) 470-6067
·
--
麥當勞、迪士尼、PayPal 的股票代幣,開始被拿來玩 Meme 幣了。 Robinhood 鏈上正在出現一種新的資產組合方式:股票代幣不再只是供用戶買賣的投資標的,還可以成爲 Meme 幣的交易對和流動性儲備。 Pons Treasury 正在推動這一模式。 它已經爲代幣化的 $MCD、$DIS 和 $PYPL 提供流動性,方便用戶在 Robinhood 鏈上交易。新一批可配對的股票代幣還包括 $BMNR、$JPM、$V、$UBER 和 $GDX。 更有意思的是,Pons 想做的不只是股票代幣交易,而是讓用戶直接使用這些代幣發射和交易新 Meme 幣。 這意味着股票代幣可能從單純的投資資產,變成 Meme 生態裏的流動性工具。 過去,Meme 幣的交易基礎主要圍繞穩定幣和加密原生資產展開。現在,傳統股票代幣也有機會進入這個體系。 如果這種玩法形成規模,鏈上 Meme 市場的資產來源和交易組合都會變得更加豐富。 當然,股票代幣不等於直接持有對應公司的原始股票,具體權益、贖回機制和流動性仍要看產品設計。 當麥當勞、迪士尼的股票代幣都能成爲 Meme 幣的交易燃料,傳統金融和鏈上投機市場之間的距離又被拉近了一步。
麥當勞、迪士尼、PayPal 的股票代幣,開始被拿來玩 Meme 幣了。

Robinhood 鏈上正在出現一種新的資產組合方式:股票代幣不再只是供用戶買賣的投資標的,還可以成爲 Meme 幣的交易對和流動性儲備。

Pons Treasury 正在推動這一模式。

它已經爲代幣化的 $MCD、$DIS 和 $PYPL 提供流動性,方便用戶在 Robinhood 鏈上交易。新一批可配對的股票代幣還包括 $BMNR、$JPM、$V、$UBER 和 $GDX。

更有意思的是,Pons 想做的不只是股票代幣交易,而是讓用戶直接使用這些代幣發射和交易新 Meme 幣。

這意味着股票代幣可能從單純的投資資產,變成 Meme 生態裏的流動性工具。

過去,Meme 幣的交易基礎主要圍繞穩定幣和加密原生資產展開。現在,傳統股票代幣也有機會進入這個體系。

如果這種玩法形成規模,鏈上 Meme 市場的資產來源和交易組合都會變得更加豐富。

當然,股票代幣不等於直接持有對應公司的原始股票,具體權益、贖回機制和流動性仍要看產品設計。

當麥當勞、迪士尼的股票代幣都能成爲 Meme 幣的交易燃料,傳統金融和鏈上投機市場之間的距離又被拉近了一步。
·
--
Google 正在切入加密資產託管市場,而且目標是銀行和大型機構。 機構進入 Crypto,一直有一道繞不開的門檻:私鑰安全。 資產由誰保管、誰有權簽名、內部員工如何審批、密鑰被盜怎麼辦,這些問題不是給機構一個普通錢包就能解決的。 Google 這次推出的方案是 MPC 密鑰管理與簽名服務。 它將私鑰拆分成多個密鑰分片,分散存儲在 Google 自有硬件、Google Cloud 和其他雲環境中。需要簽名時,由多個分片協同完成,不必把完整私鑰集中到一個地方。 機構還可以配置交易限額、白名單地址和多部門審批等規則,把原有的內部風控流程延伸到鏈上交易。 最重要的是,機構保留密鑰分片的控制權,Google 無法直接獲取完整私鑰。 目前產品處於 Private Preview 階段,多家大型金融機構正在測試,Alphabet 也已經用它保護自己在以太坊上的數字資產,計劃於 2027 年初正式商用。 這背後其實是一個很大的趨勢: Crypto 正在從面向個人用戶的金融實驗,逐漸變成傳統金融機構需要接入的基礎設施。 銀行不一定需要自己從零搭建託管系統,但它們需要一套符合自身安全標準、權限管理和合規流程的解決方案。 Google 想提供的正是這層基礎設施。 如果未來銀行可以通過成熟的 MPC 技術管理鏈上資產,機構進入 Crypto 的技術門檻就有機會進一步降低。 真正值得期待的不是又多了一個託管產品,而是傳統金融基礎設施開始向鏈上延伸。
Google 正在切入加密資產託管市場,而且目標是銀行和大型機構。

機構進入 Crypto,一直有一道繞不開的門檻:私鑰安全。

資產由誰保管、誰有權簽名、內部員工如何審批、密鑰被盜怎麼辦,這些問題不是給機構一個普通錢包就能解決的。

Google 這次推出的方案是 MPC 密鑰管理與簽名服務。

它將私鑰拆分成多個密鑰分片,分散存儲在 Google 自有硬件、Google Cloud 和其他雲環境中。需要簽名時,由多個分片協同完成,不必把完整私鑰集中到一個地方。

機構還可以配置交易限額、白名單地址和多部門審批等規則,把原有的內部風控流程延伸到鏈上交易。

最重要的是,機構保留密鑰分片的控制權,Google 無法直接獲取完整私鑰。

目前產品處於 Private Preview 階段,多家大型金融機構正在測試,Alphabet 也已經用它保護自己在以太坊上的數字資產,計劃於 2027 年初正式商用。

這背後其實是一個很大的趨勢:

Crypto 正在從面向個人用戶的金融實驗,逐漸變成傳統金融機構需要接入的基礎設施。

銀行不一定需要自己從零搭建託管系統,但它們需要一套符合自身安全標準、權限管理和合規流程的解決方案。

Google 想提供的正是這層基礎設施。

如果未來銀行可以通過成熟的 MPC 技術管理鏈上資產,機構進入 Crypto 的技術門檻就有機會進一步降低。

真正值得期待的不是又多了一個託管產品,而是傳統金融基礎設施開始向鏈上延伸。
·
--
AI 正在改變 Crypto 空投的利益分配方式。 過去,工作室能賺錢,是因爲它們掌握了普通人不具備的技術能力:批量交互、自動化腳本、鏈上數據分析和賬戶管理。 項目方需要這些能力來製造用戶規模、交易數據和市場熱度,再用未來的代幣預期支付成本。 但現在,AI 把這套技術門檻打下來了。 一個普通人也能用 AI 開發腳本、機器人和數據工具。工作室不再擁有過去那種明顯的信息和技術優勢。 問題在於,項目方同樣享受到了 AI 帶來的成本下降。 過去需要外包給工作室的事情,現在可以自己完成;過去需要通過空投換來的鏈上數據,也不再那麼稀缺。 項目方自然會重新計算:一筆代幣預算,究竟應該給刷交互的地址,還是投入流動性、交易所和真正能帶來收入的渠道? 這也是爲什麼我認爲,傳統空投的吸引力正在下降。 未來更值得研究的,可能是有真實盈利能力的早期項目,以及願意通過公募、用戶權益等方式分配籌碼的產品。 另一種方向是半 Meme、半擼毛的項目,用戶參與交易、傳播和社區活動,本身就是產品生態的一部分。 但對於 Perps 和預測市場,必須算清楚成本。手續費、滑點和交易損耗都是真金白銀,積分不等於收益,交易量也不等於利潤。 當 AI 抹平了擼毛的技術門檻,真正的競爭就不再是誰能刷得更多,而是誰能更早發現值得參與的項目。
AI 正在改變 Crypto 空投的利益分配方式。

過去,工作室能賺錢,是因爲它們掌握了普通人不具備的技術能力:批量交互、自動化腳本、鏈上數據分析和賬戶管理。

項目方需要這些能力來製造用戶規模、交易數據和市場熱度,再用未來的代幣預期支付成本。

但現在,AI 把這套技術門檻打下來了。

一個普通人也能用 AI 開發腳本、機器人和數據工具。工作室不再擁有過去那種明顯的信息和技術優勢。

問題在於,項目方同樣享受到了 AI 帶來的成本下降。

過去需要外包給工作室的事情,現在可以自己完成;過去需要通過空投換來的鏈上數據,也不再那麼稀缺。

項目方自然會重新計算:一筆代幣預算,究竟應該給刷交互的地址,還是投入流動性、交易所和真正能帶來收入的渠道?

這也是爲什麼我認爲,傳統空投的吸引力正在下降。

未來更值得研究的,可能是有真實盈利能力的早期項目,以及願意通過公募、用戶權益等方式分配籌碼的產品。

另一種方向是半 Meme、半擼毛的項目,用戶參與交易、傳播和社區活動,本身就是產品生態的一部分。

但對於 Perps 和預測市場,必須算清楚成本。手續費、滑點和交易損耗都是真金白銀,積分不等於收益,交易量也不等於利潤。

當 AI 抹平了擼毛的技術門檻,真正的競爭就不再是誰能刷得更多,而是誰能更早發現值得參與的項目。
登入以探索更多內容
加入幣安廣場中的全球加密貨幣用戶
⚡️ 獲取加密貨幣的最新和實用資訊。
💬 受到全球最大加密貨幣交易所的信任。
👍 發掘來自經過驗證創作者的真實見解。
電子郵件 / 電話號碼
網站地圖
Cookie 偏好設定
平台條款