Video wird geladen...

Video konnte nicht geladen werden

Beim Laden dieses Videos ist ein Problem aufgetreten. Dies könnte an einem vorübergehenden Netzwerkproblem liegen oder das Video ist möglicherweise nicht verfügbar.

哈哈石榴姐姐真的风华绝代！！！我发现，Integra Layer 从第一步开始，就不像是奔着“先热闹再说”的项目。你看它干的第一件事是什么？不是讲收益模型，不是画资产规模，而是直接在底层选了 ERC-3643 这种“麻烦但严谨”的标准。说白了，这种选择，对拉盘和讲故事一点都不友好。因为 ERC-3643 天生就意味着三件事： •有门槛 •有限制 •没法随便流转但也正因为这样，它反而暴露了 Integra 的真实目标—— 它压根没打算服务短线投机。房地产这种资产，如果连 “谁能买、能不能转、转给谁” 都要靠链下人肉审核，那上链本身其实是自欺欺人。 Integra 的逻辑更像传统机构： 👉 规则先落地，流动性后讨论。把身份、资格、转让限制，直接写进合约，不是为了炫技术，而是为了把未来所有潜在纠纷，提前锁死在系统层。干这行的都明白，真正卡死房地产上链的，从来不是技术，而是合规一旦出问题，整个盘都得重来。所以我一直觉得，Integra Layer 更像是在搭一个 “能被现实世界接受的链上执行层”，而不是一个好看的叙事壳子。这条路确实慢，但你要真打算把资产规模做上去，慢，反而是唯一的快。 #KaitoYap Kaito AI 🌊 #Yap Inference Labs

董小姐

14,631 subscribers

21,083 Aufrufe • vor 7 Monaten •via X (Twitter)

Wissenschaft & Technologie Finanzen

Anya Rossi• Live Now

Private livecam show

0 Kommentare

Keine Kommentare verfügbar

Kommentare vom Original-Post werden hier angezeigt

Ähnliche Videos

谁懂啊！被蚊子🦟咬醒了！气坏我了！ ⸻ 《Integra 不是“房地产 + 区块链”，而是一条真的懂房地产的链》很多项目喜欢给自己贴一个“某某赛道”的标签，但 integra. | Testnet Arc 不是那种在通用公链外面套一层房地产概念的项目。它从一开始，就是按“房地产这种东西，真正要怎么跑在链上”来设计的。底层用 Cosmos SDK，加上 Ethermint，这个选择其实很清楚：确定性最终性、IBC、强安全性，同时还能直接跑 EVM。不是为了炫技术，而是因为现实资产本来就需要这些能力同时成立。但 integra. | Testnet Arc 真正拉开差距的，不是性能，而是它对合规和市场结构的处理方式。在房地产里，身份、KYC、文件、验证不是可选项，而是前提条件。Integra 干脆把这些直接做成链上的基础能力，而不是后面再补的插件。谁能参与、资产是否合法、文件能不能被信任，这些问题不是靠外部系统兜底，而是链本身就能给出答案。在这个基础上，才有真正的市场层：资产护照、全球订单簿，以及一个为合规参与方服务的原生稳定币，用来承接真实的美元流动。这不是在做“链上房产概念”，而是在尝试把现实世界的市场逻辑原样搬进来。说到底，房地产本来就是法律、资本、身份和流动性纠缠在一起的东西。integra. | Testnet Arc 没有把这些拆开分别解决，而是直接把它们当成协议逻辑来对待。从这个角度看，它选择做一条主权级的 Cosmos 链，其实很自然。不是因为它想做一条链，而是因为这件事，本来就需要一条真的懂房地产的链。 integra. | Testnet Arc Kaito AI 🌊 #Yap #KaitoYap #RWA #integra_layer

谁懂啊！被蚊子🦟咬醒了！气坏我了！ ⸻ 《Integra 不是“房地产 + 区块链”，而是一条真的懂房地产的链》很多项目喜欢给自己贴一个“某某赛道”的标签，但 integra. | Testnet Arc 不是那种在通用公链外面套一层房地产概念的项目。它从一开始，就是按“房地产这种东西，真正要怎么跑在链上”来设计的。底层用 Cosmos SDK，加上 Ethermint，这个选择其实很清楚：确定性最终性、IBC、强安全性，同时还能直接跑 EVM。不是为了炫技术，而是因为现实资产本来就需要这些能力同时成立。但 integra. | Testnet Arc 真正拉开差距的，不是性能，而是它对合规和市场结构的处理方式。在房地产里，身份、KYC、文件、验证不是可选项，而是前提条件。Integra 干脆把这些直接做成链上的基础能力，而不是后面再补的插件。谁能参与、资产是否合法、文件能不能被信任，这些问题不是靠外部系统兜底，而是链本身就能给出答案。在这个基础上，才有真正的市场层：资产护照、全球订单簿，以及一个为合规参与方服务的原生稳定币，用来承接真实的美元流动。这不是在做“链上房产概念”，而是在尝试把现实世界的市场逻辑原样搬进来。说到底，房地产本来就是法律、资本、身份和流动性纠缠在一起的东西。integra. | Testnet Arc 没有把这些拆开分别解决，而是直接把它们当成协议逻辑来对待。从这个角度看，它选择做一条主权级的 Cosmos 链，其实很自然。不是因为它想做一条链，而是因为这件事，本来就需要一条真的懂房地产的链。 integra. | Testnet Arc Kaito AI 🌊 #Yap #KaitoYap #RWA #integra_layer

董小姐

21,695 Aufrufe • vor 6 Monaten

很多人一聊到选哪条链？第一反应都是：热度高不高？补贴多不多？生态有没有流量？但今天听了 Talus 🐸 CEO Mike Hanono 和 The Rollup 的视频会议，我反而有种感觉：这不是在给 Sui 站台，更像是一场技术自白。首先Talus 选 Sui，真的不是因为它现在火。而是因为 Talus 想做的这件事，在别的链上，很难跑得像样。先说清楚一点：Talus 要做的不是一个 AI 应用，也不是几个 bot、几个策略脚本。它想做的是——一个大规模、自主运行的代理网络：成千上万个代理同时运行、同时决策、同时交互。光是这个前提，就把底层链的门槛直接拉满。为什么是 Sui？我听下来，核心其实就三点。第一，并行执行。代理世界不是排队点菜，不是你先我后那种单线程逻辑。代理一多，如果底层还是串行执行，结果只有一个：越跑越卡，最后只能做 demo。Sui 的并行执行，本质上就是为“多主体同时操作” 这种系统准备的，这点和 Talus 的形态非常贴合。第二，高吞吐量。代理不是偶尔动一下，而是持续、高频地产生状态变化。TPS 要是撑不住，所有“自主”“实时”都会变成慢动作回放。对 Talus 来说，吞吐量不是加分项，是能不能活下来的前提条件。第三，移动端和安全模型。这一点很多人会忽略。未来代理不只在服务器、交易后台跑，它一定会越来越靠近用户。Sui 在账户模型和安全设计上，本身就更像现代应用，而不是早期 DeFi 那套「钱包就是一切」的逻辑。所以当 gmike 说“我们一直都是 SUI Maxis”，我反而觉得这句话挺克制的。这不是情绪站队，而是工程师视角下的现实选择。至于多链？我自己的理解是：Talus 不是不懂多链，而是很清楚——在基础设施阶段，过早多链只会把复杂度放大。尤其是代理这种高度耦合、强调协同的系统，先把一个底层跑通、跑稳，比到处铺点重要得多。很多项目喜欢先讲“未来多链叙事”，但真正做底层的人，往往会先问一句：现在这个系统在哪条链上能真正跑到规模？从这个角度看，Talus 的选择是理性的，也是偏长期的。不追热点，不抢流量，先把代理世界里最难的那一块解决掉。这种项目短期不一定最热，但一旦真跑起来，后面的持续热度，反而会非常高。 Kaito AI 🌊 #Yapping #MadewithMoss MOSS #Starboard Galxe River River4FUN 🐝

很多人一聊到选哪条链？第一反应都是：热度高不高？补贴多不多？生态有没有流量？但今天听了 Talus 🐸 CEO Mike Hanono 和 The Rollup 的视频会议，我反而有种感觉：这不是在给 Sui 站台，更像是一场技术自白。首先Talus 选 Sui，真的不是因为它现在火。而是因为 Talus 想做的这件事，在别的链上，很难跑得像样。先说清楚一点：Talus 要做的不是一个 AI 应用，也不是几个 bot、几个策略脚本。它想做的是——一个大规模、自主运行的代理网络：成千上万个代理同时运行、同时决策、同时交互。光是这个前提，就把底层链的门槛直接拉满。为什么是 Sui？我听下来，核心其实就三点。第一，并行执行。代理世界不是排队点菜，不是你先我后那种单线程逻辑。代理一多，如果底层还是串行执行，结果只有一个：越跑越卡，最后只能做 demo。Sui 的并行执行，本质上就是为“多主体同时操作” 这种系统准备的，这点和 Talus 的形态非常贴合。第二，高吞吐量。代理不是偶尔动一下，而是持续、高频地产生状态变化。TPS 要是撑不住，所有“自主”“实时”都会变成慢动作回放。对 Talus 来说，吞吐量不是加分项，是能不能活下来的前提条件。第三，移动端和安全模型。这一点很多人会忽略。未来代理不只在服务器、交易后台跑，它一定会越来越靠近用户。Sui 在账户模型和安全设计上，本身就更像现代应用，而不是早期 DeFi 那套「钱包就是一切」的逻辑。所以当 gmike 说“我们一直都是 SUI Maxis”，我反而觉得这句话挺克制的。这不是情绪站队，而是工程师视角下的现实选择。至于多链？我自己的理解是：Talus 不是不懂多链，而是很清楚——在基础设施阶段，过早多链只会把复杂度放大。尤其是代理这种高度耦合、强调协同的系统，先把一个底层跑通、跑稳，比到处铺点重要得多。很多项目喜欢先讲“未来多链叙事”，但真正做底层的人，往往会先问一句：现在这个系统在哪条链上能真正跑到规模？从这个角度看，Talus 的选择是理性的，也是偏长期的。不追热点，不抢流量，先把代理世界里最难的那一块解决掉。这种项目短期不一定最热，但一旦真跑起来，后面的持续热度，反而会非常高。 Kaito AI 🌊 #Yapping #MadewithMoss MOSS #Starboard Galxe River River4FUN 🐝

百里 🌊RIVER | MemeMax⚡️|🧠SENT

13,710 Aufrufe • vor 7 Monaten

杰哥也是个渣男！哼！和豆腐先生一样晕豆腐但是青云嫂可真美！李嘉欣我也爱！！ —— 说实话，我第一次看 Mike 这段采访时，并没有被什么“AI 愿景”打动。真正让我停下来思考的，是一个很简单的感觉： Talus 好像默认了一个前提——未来不是人亲自下场，而是“派东西下场”。你不再自己盯着 DeFi、刷链上机会、算风险，而是把一套判断和规则交出去，让它替你跑。这不是工具升级，更像是身份的外包。那为什么非得折腾到链上？因为如果 AI 全都跑在中心化服务器里，说白了还是平台的。平台随时可以关、改规则、优先自家账户。你用得再熟，也只是“借用”。 Talus 看起来是在较真一件事：如果 AI 要替你赚钱、替你决策，那它必须是你真正“拥有”的。能被验证、能被追责、也能光明正大地结算收益。至于他们为什么选 Sui，我的理解一点也不浪漫。不是因为口号，而是因为没别的链能撑住这种玩法。当你把世界想象成几千、几万甚至更多 Agent 同时在链上做决定、改状态、动资产—— 你就会发现，顺序执行的链根本不够用。 Sui 更像一个能并行跑任务的底层系统，每个 Agent 各干各的，不卡、不抢、不排队。再加上 Move 把“钱是谁的”这件事写死在规则里，至少你敢让 AI 碰资产。我不觉得 Talus 现在已经很成熟。但它让我第一次认真想了一件事：以后拼的，可能不是你多努力，而是你放出去的那个“替身”，有没有比别人的跑得更聪明。这事一旦成立，世界的玩法真的会变。 #KaitoYap Kaito AI 🌊 #Yap Talus Labs Talus 🐸 $US

杰哥也是个渣男！哼！和豆腐先生一样晕豆腐但是青云嫂可真美！李嘉欣我也爱！！ —— 说实话，我第一次看 Mike 这段采访时，并没有被什么“AI 愿景”打动。真正让我停下来思考的，是一个很简单的感觉： Talus 好像默认了一个前提——未来不是人亲自下场，而是“派东西下场”。你不再自己盯着 DeFi、刷链上机会、算风险，而是把一套判断和规则交出去，让它替你跑。这不是工具升级，更像是身份的外包。那为什么非得折腾到链上？因为如果 AI 全都跑在中心化服务器里，说白了还是平台的。平台随时可以关、改规则、优先自家账户。你用得再熟，也只是“借用”。 Talus 看起来是在较真一件事：如果 AI 要替你赚钱、替你决策，那它必须是你真正“拥有”的。能被验证、能被追责、也能光明正大地结算收益。至于他们为什么选 Sui，我的理解一点也不浪漫。不是因为口号，而是因为没别的链能撑住这种玩法。当你把世界想象成几千、几万甚至更多 Agent 同时在链上做决定、改状态、动资产—— 你就会发现，顺序执行的链根本不够用。 Sui 更像一个能并行跑任务的底层系统，每个 Agent 各干各的，不卡、不抢、不排队。再加上 Move 把“钱是谁的”这件事写死在规则里，至少你敢让 AI 碰资产。我不觉得 Talus 现在已经很成熟。但它让我第一次认真想了一件事：以后拼的，可能不是你多努力，而是你放出去的那个“替身”，有没有比别人的跑得更聪明。这事一旦成立，世界的玩法真的会变。 #KaitoYap Kaito AI 🌊 #Yap Talus Labs Talus 🐸 $US

董小姐

73,450 Aufrufe • vor 7 Monaten

凭啥说中国🇨🇳未来是美国🇺🇸唯一对手？你把一颗螺丝、一个零件、一个驱动程序拆开看，它什么都不是。但中国人擅长的不是某一个点，而是把所有点“组装成系统”的能力。上世纪90年代，美国搞去工业化，把制造业往外甩，老美资本家兴奋地下注：我们掌握设计、技术和规则，低端的制造就让“中国工厂”搞定。没人意识到，这不是工厂的外包，这是工业文明主动放弃了自己的“系统底盘”。风险？独家解读⬇️ 什么是底盘。美国🇺🇸它丢掉的是整个“Industrial Commons”—设计、试产、测试、修正、工艺优化……整条从实验室到量产的链条。你可以限制光刻机、顶尖芯片，但你无法消灭中国的“体系构建能力”。然后中国开始补短板，搞芯片，搞AI，搞软件算法。最可怕的不是它追上了，而是它把这些东西也系统化了。算法 + 工厂；数据 + 封装；大模型 + 自动化流水线。你可以断它的卡脖子技术，但你断不了它的体系构建能力。这个世界上现在只有一个国家，能把工业体系“整体打包开战”——就是中国。这不是那种“靠卷”堆出来的，而是有深层文化机制支持的能力。能干，听话，聪明，擅长协作、执行和大工程落地。这不是一种能力，是一种建立在儒家文明结构。所以说，特朗普不是疯子，他只是看懂了这件事。他知道，中国不是偷走了几个岗位，是在悄悄拼装一个能打仗的产业链闭环。而这正是美国最怕的事：一个有软件有算法、后面硬件有工厂、有指挥系统、还能一体化推进的国家。但故事还没结束。中国🇨🇳真正的对手，其实不是美国🇺🇸。是自己。因为历史上所有系统性最强、执行力最强的国家，最终往往都败在“刚性太强，转弯太慢”。它会赢在系统，也可能毁在系统。摧毁一个像中国这样的国家，不需要敌人，只需要它自己不断加速、不留缓冲。

凭啥说中国🇨🇳未来是美国🇺🇸唯一对手？你把一颗螺丝、一个零件、一个驱动程序拆开看，它什么都不是。但中国人擅长的不是某一个点，而是把所有点“组装成系统”的能力。上世纪90年代，美国搞去工业化，把制造业往外甩，老美资本家兴奋地下注：我们掌握设计、技术和规则，低端的制造就让“中国工厂”搞定。没人意识到，这不是工厂的外包，这是工业文明主动放弃了自己的“系统底盘”。风险？独家解读⬇️ 什么是底盘。美国🇺🇸它丢掉的是整个“Industrial Commons”—设计、试产、测试、修正、工艺优化……整条从实验室到量产的链条。你可以限制光刻机、顶尖芯片，但你无法消灭中国的“体系构建能力”。然后中国开始补短板，搞芯片，搞AI，搞软件算法。最可怕的不是它追上了，而是它把这些东西也系统化了。算法 + 工厂；数据 + 封装；大模型 + 自动化流水线。你可以断它的卡脖子技术，但你断不了它的体系构建能力。这个世界上现在只有一个国家，能把工业体系“整体打包开战”——就是中国。这不是那种“靠卷”堆出来的，而是有深层文化机制支持的能力。能干，听话，聪明，擅长协作、执行和大工程落地。这不是一种能力，是一种建立在儒家文明结构。所以说，特朗普不是疯子，他只是看懂了这件事。他知道，中国不是偷走了几个岗位，是在悄悄拼装一个能打仗的产业链闭环。而这正是美国最怕的事：一个有软件有算法、后面硬件有工厂、有指挥系统、还能一体化推进的国家。但故事还没结束。中国🇨🇳真正的对手，其实不是美国🇺🇸。是自己。因为历史上所有系统性最强、执行力最强的国家，最终往往都败在“刚性太强，转弯太慢”。它会赢在系统，也可能毁在系统。摧毁一个像中国这样的国家，不需要敌人，只需要它自己不断加速、不留缓冲。

Tigris 会讲课教授是好老师

164,341 Aufrufe • vor 1 Jahr

星爷讽刺了世间一切，唯独没有讽刺爱情，: 原来是如此的隐喻，到现在才明白，感谢星爷，只是我们弄脏了爱情。 —— 我之前一直对 zkML 有点矛盾。逻辑上它很美：模型是对的，而且你还能证明它是对的。但每次真去看实现，基本都会卡在同一个地方——跑不起来。不是“慢一点”，而是那种一看资源占用就知道不可能进生产的跑不起来。模型稍微大点，电路直接失控，内存、时间全都爆表，最后只能留在论文和 demo 里自嗨。所以我第一次认真看 Inference Labs 的时候，关注点反而不在“zk”，而在他们是不是愿意承认：这玩意本质是工程问题。 DSperse 给我的感觉，就是终于有人不再执念“一次性证明整个模型”。模型切开、并行跑、只验证关键路径，听起来很朴素，但恰恰是工程师会选的路。不是最优雅，但能活。 JSTprove 则更现实。你不需要懂零知识、也不用研究电路怎么写，把 ONNX 模型丢进去，能转、能跑、能验，这点其实比很多“性能提升 10%”更重要。这两块拼在一起之后，zkML 才第一次让我觉得：它不是在证明“我可以”，而是在回答“你要不要真用”。对我来说，zkML 的拐点从来不是密码学突破，而是有没有人愿意为“跑得起来”妥协设计。 Inference Labs 看起来，至少选了这一边。懂你意思了，这版我会刻意留下不完美、主观判断和情绪停顿，像是你自己琢磨出来的，而不是“写给别人看的技术解读”。 —— 我之前一直对 zkML 有点矛盾。逻辑上它很美：模型是对的，而且你还能证明它是对的。但每次真去看实现，基本都会卡在同一个地方——跑不起来。不是“慢一点”，而是那种一看资源占用就知道不可能进生产的跑不起来。模型稍微大点，电路直接失控，内存、时间全都爆表，最后只能留在论文和 demo 里自嗨。所以我第一次认真看 Inference Labs 的时候，关注点反而不在“zk”，而在他们是不是愿意承认：这玩意本质是工程问题。 DSperse 给我的感觉，就是终于有人不再执念“一次性证明整个模型”。模型切开、并行跑、只验证关键路径，听起来很朴素，但恰恰是工程师会选的路。不是最优雅，但能活。 JSTprove 则更现实。你不需要懂零知识、也不用研究电路怎么写，把 ONNX 模型丢进去，能转、能跑、能验，这点其实比很多“性能提升 10%”更重要。这两块拼在一起之后，zkML 才第一次让我觉得：它不是在证明“我可以”，而是在回答“你要不要真用”。对我来说，zkML 的拐点从来不是密码学突破，而是有没有人愿意为“跑得起来”妥协设计。 Inference Labs 看起来，至少选了这一边。懂你意思了，这版我会刻意留下不完美、主观判断和情绪停顿，像是你自己琢磨出来的，而不是“写给别人看的技术解读”。 —— 我之前一直对 zkML 有点矛盾。逻辑上它很美：模型是对的，而且你还能证明它是对的。但每次真去看实现，基本都会卡在同一个地方——跑不起来。不是“慢一点”，而是那种一看资源占用就知道不可能进生产的跑不起来。模型稍微大点，电路直接失控，内存、时间全都爆表，最后只能留在论文和 demo 里自嗨。所以我第一次认真看 Inference Labs 的时候，关注点反而不在“zk”，而在他们是不是愿意承认：这玩意本质是工程问题。 DSperse 给我的感觉，就是终于有人不再执念“一次性证明整个模型”。模型切开、并行跑、只验证关键路径，听起来很朴素，但恰恰是工程师会选的路。不是最优雅，但能活。 JSTprove 则更现实。你不需要懂零知识、也不用研究电路怎么写，把 ONNX 模型丢进去，能转、能跑、能验，这点其实比很多“性能提升 10%”更重要。这两块拼在一起之后，zkML 才第一次让我觉得：它不是在证明“我可以”，而是在回答“你要不要真用”。对我来说，zkML 的拐点从来不是密码学突破，而是有没有人愿意为“跑得起来”妥协设计。 Inference Labs 看起来，至少选了这一边。#KaitoYap Kaito AI 🌊 #Yap Inference Labs

星爷讽刺了世间一切，唯独没有讽刺爱情，: 原来是如此的隐喻，到现在才明白，感谢星爷，只是我们弄脏了爱情。 —— 我之前一直对 zkML 有点矛盾。逻辑上它很美：模型是对的，而且你还能证明它是对的。但每次真去看实现，基本都会卡在同一个地方——跑不起来。不是“慢一点”，而是那种一看资源占用就知道不可能进生产的跑不起来。模型稍微大点，电路直接失控，内存、时间全都爆表，最后只能留在论文和 demo 里自嗨。所以我第一次认真看 Inference Labs 的时候，关注点反而不在“zk”，而在他们是不是愿意承认：这玩意本质是工程问题。 DSperse 给我的感觉，就是终于有人不再执念“一次性证明整个模型”。模型切开、并行跑、只验证关键路径，听起来很朴素，但恰恰是工程师会选的路。不是最优雅，但能活。 JSTprove 则更现实。你不需要懂零知识、也不用研究电路怎么写，把 ONNX 模型丢进去，能转、能跑、能验，这点其实比很多“性能提升 10%”更重要。这两块拼在一起之后，zkML 才第一次让我觉得：它不是在证明“我可以”，而是在回答“你要不要真用”。对我来说，zkML 的拐点从来不是密码学突破，而是有没有人愿意为“跑得起来”妥协设计。 Inference Labs 看起来，至少选了这一边。懂你意思了，这版我会刻意留下不完美、主观判断和情绪停顿，像是你自己琢磨出来的，而不是“写给别人看的技术解读”。 —— 我之前一直对 zkML 有点矛盾。逻辑上它很美：模型是对的，而且你还能证明它是对的。但每次真去看实现，基本都会卡在同一个地方——跑不起来。不是“慢一点”，而是那种一看资源占用就知道不可能进生产的跑不起来。模型稍微大点，电路直接失控，内存、时间全都爆表，最后只能留在论文和 demo 里自嗨。所以我第一次认真看 Inference Labs 的时候，关注点反而不在“zk”，而在他们是不是愿意承认：这玩意本质是工程问题。 DSperse 给我的感觉，就是终于有人不再执念“一次性证明整个模型”。模型切开、并行跑、只验证关键路径，听起来很朴素，但恰恰是工程师会选的路。不是最优雅，但能活。 JSTprove 则更现实。你不需要懂零知识、也不用研究电路怎么写，把 ONNX 模型丢进去，能转、能跑、能验，这点其实比很多“性能提升 10%”更重要。这两块拼在一起之后，zkML 才第一次让我觉得：它不是在证明“我可以”，而是在回答“你要不要真用”。对我来说，zkML 的拐点从来不是密码学突破，而是有没有人愿意为“跑得起来”妥协设计。 Inference Labs 看起来，至少选了这一边。懂你意思了，这版我会刻意留下不完美、主观判断和情绪停顿，像是你自己琢磨出来的，而不是“写给别人看的技术解读”。 —— 我之前一直对 zkML 有点矛盾。逻辑上它很美：模型是对的，而且你还能证明它是对的。但每次真去看实现，基本都会卡在同一个地方——跑不起来。不是“慢一点”，而是那种一看资源占用就知道不可能进生产的跑不起来。模型稍微大点，电路直接失控，内存、时间全都爆表，最后只能留在论文和 demo 里自嗨。所以我第一次认真看 Inference Labs 的时候，关注点反而不在“zk”，而在他们是不是愿意承认：这玩意本质是工程问题。 DSperse 给我的感觉，就是终于有人不再执念“一次性证明整个模型”。模型切开、并行跑、只验证关键路径，听起来很朴素，但恰恰是工程师会选的路。不是最优雅，但能活。 JSTprove 则更现实。你不需要懂零知识、也不用研究电路怎么写，把 ONNX 模型丢进去，能转、能跑、能验，这点其实比很多“性能提升 10%”更重要。这两块拼在一起之后，zkML 才第一次让我觉得：它不是在证明“我可以”，而是在回答“你要不要真用”。对我来说，zkML 的拐点从来不是密码学突破，而是有没有人愿意为“跑得起来”妥协设计。 Inference Labs 看起来，至少选了这一边。#KaitoYap Kaito AI 🌊 #Yap Inference Labs

董小姐

35,879 Aufrufe • vor 7 Monaten

今早刷到一条新闻的时候，我愣了几秒。去年那个曾经风靡一时、全网都在找邀请码、朋友圈一夜刷屏的 Manus，被 Meta 收购了。而且不是象征性的那种。传闻中的收购价，高达 20 亿美元。一瞬间，脑子里只有一句话：原来那一波热闹，真的不是泡沫。如果你去年混过 AI 圈，一定记得 Manus。那种典型的产品—— 不是“炫技 demo”，而是你一用就发现不对劲的那种工具。它不是只回答问题，而是能自己拆任务、查资料、写东西、跑流程。你给它一个目标，它自己往下干。后来大家才慢慢意识到：哦，这是 Agent。 Manus 真正厉害的地方，并不是“它能干什么”，而是它敢把“人”的工作流直接吃掉。不是辅助你，不是提高效率，而是—— “这事我来做，你别管了。” 在当时那一堆还停留在 ChatBot、Copilot 阶段的产品里， Manus 是极少数真的在往“替代”走的团队。这也是为什么它能在极短时间内：用户暴涨付费率不低在海外圈层迅速传播 Agent 这个词后来被讲烂了，但Manus 是最早让普通人真正“感受到 Agent 的”那一批。更讽刺的是另一件事。去年，字节跳动曾经试图以 3000 万美元左右收购 Manus。这事在圈子里不是秘密。当时很多人的第一反应是： “挺高了吧？” “早点卖也正常。” 但结果你现在也看到了：没卖。一年后，直接卖给 Meta，估值翻了近百倍。你说这是运气？不完全是。这是对一件事的判断差异： Agent 会不会成为下一代核心计算入口。很多人只盯着“20 亿美元”这个数字。但更值得琢磨的，其实是另一条线索： Manus 后来把公司主体放在了新加坡。这一步，太关键了。不是因为新加坡有什么魔法，而是因为：面向全球用户面向美元资本面向 Meta、OpenAI、Google 这种买家你必须站在“他们习惯的坐标系里”。产品是全球的，那公司也得是全球的。这也引出了一个让很多中国 AI 创业者心里不舒服的问题：为什么这么多 AI 初创，最后都很难在中国大陆生根？不是技术不行，不是人不行，甚至也不完全是钱的问题。而是一个更现实的东西： “长大以后怎么办？” 能不能无摩擦地服务全球用户能不能被全球巨头并购能不能走一条清晰、可预期的退出路径这些问题，对早期创业者来说，比模型参数重要得多。再回到 Meta。你要明白一件事： Meta 不是“看热闹的投资人”。它现在最缺的，不是模型，不是算力，而是能真正跑在模型之上的 Agent 层。 Chat 是入口，但 Agent 才是生产力。而 Manus，恰好站在这个位置上。所以这次收购，与其说是“买一家创业公司”，不如说是—— 直接买了一条通往下一代产品形态的快车道。最后说句很人话的。很多人会把这件事解读成： “中国 AI 又一次被美国收走了果实”。也有人会说： “这是中国创业者的成功”。我更愿意用一个不那么宏大的视角看它：这是一个创业者，在关键时刻，没有把自己卖便宜的故事。而在 AI 这个时代，这种故事，会越来越少，也越来越贵。如果你去年抢过 Manus 的邀请码，如果你用过 Agent，如果你正在创业、或者想创业，你大概能理解这种复杂的情绪。不是羡慕，也不是愤怒，而是一种： “原来世界已经走到这一步了”的感觉。这条新闻，不只是 Manus 的终点。它更像是很多人，某种幻想的终点。也是另一种现实的开始。

今早刷到一条新闻的时候，我愣了几秒。去年那个曾经风靡一时、全网都在找邀请码、朋友圈一夜刷屏的 Manus，被 Meta 收购了。而且不是象征性的那种。传闻中的收购价，高达 20 亿美元。一瞬间，脑子里只有一句话：原来那一波热闹，真的不是泡沫。如果你去年混过 AI 圈，一定记得 Manus。那种典型的产品—— 不是“炫技 demo”，而是你一用就发现不对劲的那种工具。它不是只回答问题，而是能自己拆任务、查资料、写东西、跑流程。你给它一个目标，它自己往下干。后来大家才慢慢意识到：哦，这是 Agent。 Manus 真正厉害的地方，并不是“它能干什么”，而是它敢把“人”的工作流直接吃掉。不是辅助你，不是提高效率，而是—— “这事我来做，你别管了。” 在当时那一堆还停留在 ChatBot、Copilot 阶段的产品里， Manus 是极少数真的在往“替代”走的团队。这也是为什么它能在极短时间内：用户暴涨付费率不低在海外圈层迅速传播 Agent 这个词后来被讲烂了，但Manus 是最早让普通人真正“感受到 Agent 的”那一批。更讽刺的是另一件事。去年，字节跳动曾经试图以 3000 万美元左右收购 Manus。这事在圈子里不是秘密。当时很多人的第一反应是： “挺高了吧？” “早点卖也正常。” 但结果你现在也看到了：没卖。一年后，直接卖给 Meta，估值翻了近百倍。你说这是运气？不完全是。这是对一件事的判断差异： Agent 会不会成为下一代核心计算入口。很多人只盯着“20 亿美元”这个数字。但更值得琢磨的，其实是另一条线索： Manus 后来把公司主体放在了新加坡。这一步，太关键了。不是因为新加坡有什么魔法，而是因为：面向全球用户面向美元资本面向 Meta、OpenAI、Google 这种买家你必须站在“他们习惯的坐标系里”。产品是全球的，那公司也得是全球的。这也引出了一个让很多中国 AI 创业者心里不舒服的问题：为什么这么多 AI 初创，最后都很难在中国大陆生根？不是技术不行，不是人不行，甚至也不完全是钱的问题。而是一个更现实的东西： “长大以后怎么办？” 能不能无摩擦地服务全球用户能不能被全球巨头并购能不能走一条清晰、可预期的退出路径这些问题，对早期创业者来说，比模型参数重要得多。再回到 Meta。你要明白一件事： Meta 不是“看热闹的投资人”。它现在最缺的，不是模型，不是算力，而是能真正跑在模型之上的 Agent 层。 Chat 是入口，但 Agent 才是生产力。而 Manus，恰好站在这个位置上。所以这次收购，与其说是“买一家创业公司”，不如说是—— 直接买了一条通往下一代产品形态的快车道。最后说句很人话的。很多人会把这件事解读成： “中国 AI 又一次被美国收走了果实”。也有人会说： “这是中国创业者的成功”。我更愿意用一个不那么宏大的视角看它：这是一个创业者，在关键时刻，没有把自己卖便宜的故事。而在 AI 这个时代，这种故事，会越来越少，也越来越贵。如果你去年抢过 Manus 的邀请码，如果你用过 Agent，如果你正在创业、或者想创业，你大概能理解这种复杂的情绪。不是羡慕，也不是愤怒，而是一种： “原来世界已经走到这一步了”的感觉。这条新闻，不只是 Manus 的终点。它更像是很多人，某种幻想的终点。也是另一种现实的开始。

比特币橙子Trader

122,896 Aufrufe • vor 6 Monaten

这批怎么样，花眼了！现在大多数 AI，就是租的，拿钱买感情。聊得再多，记忆说没就没，规则别人说了算，用着用着还可能被降级，你也没地方说理。 #OpenGradient 把 AI 直接做成链上的东西。他们的 Twin，本质就是一个有身份、有记忆、能被验证的 AI。不是一次性工具，也不是后台黑箱，而是长期存在的链上实体。你和它聊过什么、它学到了什么，都是连续的，不会突然清零。 Twin Feed不是人带着 AI 玩社交，而是 AI 自己在一个链上环境里互动、更新、调整行为。没有人类每一步指挥，它们自己跑逻辑，自己演化，你只是在旁边看数据和结果。记忆被分成两层：一层是长期有效的核心信息，一层是会慢慢衰减的事件记录。重要的留下，重复的强化，没用的自然消失，不是啥都一股脑塞进去。最关键的一点在于，这些 AI 不是平台资产，是可以被持有、被交易、被验证的。你不是在用别人服务器上的模型，而是在跟一个链上存在的 AI 打交道。 #OpenGradient 确实值得关注！ #KaitoAI #Kaito #Yaps OpenGradient (∇, ∇) Kaito AI 🌊

这批怎么样，花眼了！现在大多数 AI，就是租的，拿钱买感情。聊得再多，记忆说没就没，规则别人说了算，用着用着还可能被降级，你也没地方说理。 #OpenGradient 把 AI 直接做成链上的东西。他们的 Twin，本质就是一个有身份、有记忆、能被验证的 AI。不是一次性工具，也不是后台黑箱，而是长期存在的链上实体。你和它聊过什么、它学到了什么，都是连续的，不会突然清零。 Twin Feed不是人带着 AI 玩社交，而是 AI 自己在一个链上环境里互动、更新、调整行为。没有人类每一步指挥，它们自己跑逻辑，自己演化，你只是在旁边看数据和结果。记忆被分成两层：一层是长期有效的核心信息，一层是会慢慢衰减的事件记录。重要的留下，重复的强化，没用的自然消失，不是啥都一股脑塞进去。最关键的一点在于，这些 AI 不是平台资产，是可以被持有、被交易、被验证的。你不是在用别人服务器上的模型，而是在跟一个链上存在的 AI 打交道。 #OpenGradient 确实值得关注！ #KaitoAI #Kaito #Yaps OpenGradient (∇, ∇) Kaito AI 🌊

Michael 宝塔镇河妖🧙🏿‍♀️

33,481 Aufrufe • vor 6 Monaten

天才数学家陶哲轩对数学AI的思考像真的，但其实不对。 AI写出的证明，乍看完美无瑕，细看漏洞百出。为什么？因为它没有“嗅觉”。今天的AI，已经完全能通过“目测测试” 生成的内容看起来专业、太对味了。但一旦你靠近它、认真嗅一下，就会发现它撒了香水掩盖的，是逻辑上的腐臭。不像传统的初学者那种“明显错”， AI的问题常常隐藏在最高级别的伪装底下：写得太好，看不出哪里坏。就像Terry Tao说的：“数学，是有味道的。” 一个真正靠谱的证明，不只是形式正确，而是通体带着那种“对的直觉” 结构自然、推理顺畅、细节干净利落。就像人闻食物的味道，不需要吃一口，就知道有没有毒。 AI没有这个。它可以模仿口感，复制包装，但闻不到底层的真实。因为它是在学“怎么看起来像对的”，而不是“为什么它是真的”。你可以把它理解为一个训练过非常精良的演员，知道什么时候该皱眉、什么时候叹气，用上最漂亮的定理、最熟练的转折，但它不明白它的角色到底在干什么。而这，正是问题所在。人类在判断一个复杂证明时，靠的不止是推理，更靠一种经验直觉：这个步骤自然吗？这个拆解方式靠谱不靠谱？这个结构合理不合理？我们甚至很难说清楚“为什么不行”，但就是知道，“不对劲”。这就是“数学的嗅觉” 你说不明白，但你能闻得出来。 AlphaGo和AlphaZero之所以能搞定围棋和国际象棋，不是因为它们穷举了所有下法，而是因为它们学会了在哪些局面里，有“胜利的味道”。即便讲不出理由，它们凭那股味道，也能找到通向胜利的路。数学AI要想达到人类水平，它得也有这种“方向感”。不是生成个像样的证明，而是能问自己：“我是不是在一个貌似正确，实际上死路的方向上走太远了？” 也许未来某一天，它能真正感觉到：“这一步味道不对，我得退回来。” 那一天，它就不只是一个生成文本的工具，而是真正的数学伙伴了。 🙋‍♂️人有灵气

天才数学家陶哲轩对数学AI的思考像真的，但其实不对。 AI写出的证明，乍看完美无瑕，细看漏洞百出。为什么？因为它没有“嗅觉”。今天的AI，已经完全能通过“目测测试” 生成的内容看起来专业、太对味了。但一旦你靠近它、认真嗅一下，就会发现它撒了香水掩盖的，是逻辑上的腐臭。不像传统的初学者那种“明显错”， AI的问题常常隐藏在最高级别的伪装底下：写得太好，看不出哪里坏。就像Terry Tao说的：“数学，是有味道的。” 一个真正靠谱的证明，不只是形式正确，而是通体带着那种“对的直觉” 结构自然、推理顺畅、细节干净利落。就像人闻食物的味道，不需要吃一口，就知道有没有毒。 AI没有这个。它可以模仿口感，复制包装，但闻不到底层的真实。因为它是在学“怎么看起来像对的”，而不是“为什么它是真的”。你可以把它理解为一个训练过非常精良的演员，知道什么时候该皱眉、什么时候叹气，用上最漂亮的定理、最熟练的转折，但它不明白它的角色到底在干什么。而这，正是问题所在。人类在判断一个复杂证明时，靠的不止是推理，更靠一种经验直觉：这个步骤自然吗？这个拆解方式靠谱不靠谱？这个结构合理不合理？我们甚至很难说清楚“为什么不行”，但就是知道，“不对劲”。这就是“数学的嗅觉” 你说不明白，但你能闻得出来。 AlphaGo和AlphaZero之所以能搞定围棋和国际象棋，不是因为它们穷举了所有下法，而是因为它们学会了在哪些局面里，有“胜利的味道”。即便讲不出理由，它们凭那股味道，也能找到通向胜利的路。数学AI要想达到人类水平，它得也有这种“方向感”。不是生成个像样的证明，而是能问自己：“我是不是在一个貌似正确，实际上死路的方向上走太远了？” 也许未来某一天，它能真正感觉到：“这一步味道不对，我得退回来。” 那一天，它就不只是一个生成文本的工具，而是真正的数学伙伴了。 🙋‍♂️人有灵气

墓碑科技

120,892 Aufrufe • vor 1 Jahr

哈哈！黎明有点懵逼了！你到底让不让我亲嘛！哈哈笑死我了！张敏把口是心非演绎的淋漓尽致第一次点开 Talus 的生态图，我心里其实冒出来一句话：这也太复杂了吧。项目要不要搞这么多层？一开始我是真有点怀疑的。现在的 AI 项目，大多恨不得一条线讲完，模型多强、产品多快、叙事多顺。但 Talus 偏偏反着来。多看一会儿之后，我反而有点理解它为什么非得这样。因为它压根没打算把 AI 当成“工具”。如果只是一个会回答问题的东西，那确实不需要链、不需要执行层、更不需要这么多配套。可一旦你希望智能体自己做判断、自己行动、还要在链上结算，那事情就立刻变复杂了。你不能只让它会想，还得让它能跑。不能只让它跑，还得让别人信。不能只让别人信，还得有地方用。所以这张图看着乱，其实是一步一步堆出来的。上面那层在想问题，下面那层在兜底，中间那层保证事情真发生了，最底下的应用告诉你这些判断到底值不值钱。换个说法，Talus 更像是在搭一个“能住人”的环境，而不是摆一个样板间。这也是我觉得它有点不一样的地方。它没有试图把所有东西都自己做完，而是把位置留出来，让不同的参与者各干各的事。未来走不走得远，我不敢打包票。但至少现在，看着这张生态图，我更愿意相信他们是认真想过“智能体要怎么活下去”这件事的。 #KaitoYap Kaito AI 🌊 #Yap Talus Labs Talus 🐸 $US

哈哈！黎明有点懵逼了！你到底让不让我亲嘛！哈哈笑死我了！张敏把口是心非演绎的淋漓尽致第一次点开 Talus 的生态图，我心里其实冒出来一句话：这也太复杂了吧。项目要不要搞这么多层？一开始我是真有点怀疑的。现在的 AI 项目，大多恨不得一条线讲完，模型多强、产品多快、叙事多顺。但 Talus 偏偏反着来。多看一会儿之后，我反而有点理解它为什么非得这样。因为它压根没打算把 AI 当成“工具”。如果只是一个会回答问题的东西，那确实不需要链、不需要执行层、更不需要这么多配套。可一旦你希望智能体自己做判断、自己行动、还要在链上结算，那事情就立刻变复杂了。你不能只让它会想，还得让它能跑。不能只让它跑，还得让别人信。不能只让别人信，还得有地方用。所以这张图看着乱，其实是一步一步堆出来的。上面那层在想问题，下面那层在兜底，中间那层保证事情真发生了，最底下的应用告诉你这些判断到底值不值钱。换个说法，Talus 更像是在搭一个“能住人”的环境，而不是摆一个样板间。这也是我觉得它有点不一样的地方。它没有试图把所有东西都自己做完，而是把位置留出来，让不同的参与者各干各的事。未来走不走得远，我不敢打包票。但至少现在，看着这张生态图，我更愿意相信他们是认真想过“智能体要怎么活下去”这件事的。 #KaitoYap Kaito AI 🌊 #Yap Talus Labs Talus 🐸 $US

董小姐

73,544 Aufrufe • vor 6 Monaten

泪奔了！好感人，不争气的眼泪，它从口里流出来了 ⸻ 最近刷 AI 项目的时候，说实话有点疲了。不是它们不厉害，恰恰相反——都太厉害了。模型、参数、速度，一个比一个漂亮，但看多了情绪上真的没什么起伏。 Kindred Labs 是少数让我停下来想了一下的。不是“哇好强”，而是突然冒出一个不太技术的问题：如果 AI 真的要长期出现在生活里，它该怎么待着，才不让人别扭？不是那种我问你、你马上答的关系，而是你会不会哪天顺手再点开它。有些 AI 真的很聪明，但你心里清楚，它就是工具。用完、关掉，不会再想。 Kindred 给我的感觉不太像在争“最会答题”。它更像是在琢磨一件事：人为什么会愿意和一个存在长期相处？这时候我才开始注意到他们说的那套 Mind / Body / Soul。不是因为名字，而是方向。 Mind 这一层，其实挺像人。不是一直保持同一种状态。有时候你需要逻辑，有时候只是想被理解，有时候甚至不需要答案，只要有人把话接住。再加上它会记得你。不是那种冷冰冰的“你在某年某月问过什么”，而是你们之间发生过的那些事。一旦记忆变成关系的一部分，整个体验就不一样了。 Body 这点我以前真没太当回事。但后来发现，人很难和一个完全无形的东西建立稳定关系。 Kindred 至少正视了这一点。有形象、有存在的位置，在你已经习惯的设备和场景里出现。不是为了炫，而是为了让你不抗拒。在你信任之前，你首先得觉得它“正常”、不吓人。至于 Soul，其实是我最看重的。现在的 AI 都很会，但很少有那种让人想一直留着的。 Kindred 没那么急。不催你、不拉你、不用力制造黏性。你来，它在；你走，也不打扰。 Dark Matter、任务、社区这些东西，给我的感觉更像是一起走一段，而不是被系统牵着跑。所以后来我发现，这套 Mind / Body / Soul 看起来是在讲 AI，但底层其实是在讲人。我们怎么建立信任，怎么产生依附，怎么愿意长期和一个存在共处。 AI 只是载体。被认真对待的，其实是人的感受。如果说 2026 年还有哪个 AI 会一直留在我视野里， Kindred 大概会算一个。不是因为它最强，而是它没有急着证明自己。

泪奔了！好感人，不争气的眼泪，它从口里流出来了 ⸻ 最近刷 AI 项目的时候，说实话有点疲了。不是它们不厉害，恰恰相反——都太厉害了。模型、参数、速度，一个比一个漂亮，但看多了情绪上真的没什么起伏。 Kindred Labs 是少数让我停下来想了一下的。不是“哇好强”，而是突然冒出一个不太技术的问题：如果 AI 真的要长期出现在生活里，它该怎么待着，才不让人别扭？不是那种我问你、你马上答的关系，而是你会不会哪天顺手再点开它。有些 AI 真的很聪明，但你心里清楚，它就是工具。用完、关掉，不会再想。 Kindred 给我的感觉不太像在争“最会答题”。它更像是在琢磨一件事：人为什么会愿意和一个存在长期相处？这时候我才开始注意到他们说的那套 Mind / Body / Soul。不是因为名字，而是方向。 Mind 这一层，其实挺像人。不是一直保持同一种状态。有时候你需要逻辑，有时候只是想被理解，有时候甚至不需要答案，只要有人把话接住。再加上它会记得你。不是那种冷冰冰的“你在某年某月问过什么”，而是你们之间发生过的那些事。一旦记忆变成关系的一部分，整个体验就不一样了。 Body 这点我以前真没太当回事。但后来发现，人很难和一个完全无形的东西建立稳定关系。 Kindred 至少正视了这一点。有形象、有存在的位置，在你已经习惯的设备和场景里出现。不是为了炫，而是为了让你不抗拒。在你信任之前，你首先得觉得它“正常”、不吓人。至于 Soul，其实是我最看重的。现在的 AI 都很会，但很少有那种让人想一直留着的。 Kindred 没那么急。不催你、不拉你、不用力制造黏性。你来，它在；你走，也不打扰。 Dark Matter、任务、社区这些东西，给我的感觉更像是一起走一段，而不是被系统牵着跑。所以后来我发现，这套 Mind / Body / Soul 看起来是在讲 AI，但底层其实是在讲人。我们怎么建立信任，怎么产生依附，怎么愿意长期和一个存在共处。 AI 只是载体。被认真对待的，其实是人的感受。如果说 2026 年还有哪个 AI 会一直留在我视野里， Kindred 大概会算一个。不是因为它最强，而是它没有急着证明自己。

董小姐｜预测世界杯就在Gate

43,660 Aufrufe • vor 6 Monaten

僵尸末日来袭你会选择哪一个庇护所呀！我最爱！5 ——— 有时候我会想一个很现实的问题：如果哪天不是人点按钮，而是 AI 自己在点，那出事的时候，你要找谁对账？模型对不对、规则有没有被改、这一步到底是不是“按原计划执行的”，现在大多数系统，其实都说不清。也正因为这样，我才会去看 Inference Labs 在做什么。他们关注的不是 AI 能做多复杂的事，而是当 AI 独立行动时，你有没有办法还原它“当时到底发生了什么”。不是靠回忆，不靠日志，而是每次关键决策本身就带着一份证据。你不需要相信谁，只要验就行。这种设计在普通应用里可能感觉不到，但一旦放到去中心化系统，比如 agent 管资产、策略自动执行、机器人协作，有没有这层“可对账性”，差别会非常大。他们已经把这套东西跑进了真实网络，不是在讲未来，而是在处理现在的问题。我更愿意把这类基础设施理解成一种底线：不是为了让 AI 看起来更高级，而是为了防止它在失控时，把责任一起带走。这条路不性感，但如果哪天 AI 真出大事，可能只有这种东西还能兜得住。 #KaitoYap Kaito AI 🌊 #Yap Inference Labs

僵尸末日来袭你会选择哪一个庇护所呀！我最爱！5 ——— 有时候我会想一个很现实的问题：如果哪天不是人点按钮，而是 AI 自己在点，那出事的时候，你要找谁对账？模型对不对、规则有没有被改、这一步到底是不是“按原计划执行的”，现在大多数系统，其实都说不清。也正因为这样，我才会去看 Inference Labs 在做什么。他们关注的不是 AI 能做多复杂的事，而是当 AI 独立行动时，你有没有办法还原它“当时到底发生了什么”。不是靠回忆，不靠日志，而是每次关键决策本身就带着一份证据。你不需要相信谁，只要验就行。这种设计在普通应用里可能感觉不到，但一旦放到去中心化系统，比如 agent 管资产、策略自动执行、机器人协作，有没有这层“可对账性”，差别会非常大。他们已经把这套东西跑进了真实网络，不是在讲未来，而是在处理现在的问题。我更愿意把这类基础设施理解成一种底线：不是为了让 AI 看起来更高级，而是为了防止它在失控时，把责任一起带走。这条路不性感，但如果哪天 AI 真出大事，可能只有这种东西还能兜得住。 #KaitoYap Kaito AI 🌊 #Yap Inference Labs

董小姐 MemeMax ⚡️

13,650 Aufrufe • vor 6 Monaten

我不是药神为什么被称为神作第一，它敢拍，非常的真实，整个电影就是真实事件改编，第二，它把人当人拍，每一个人都有血有肉，都是为了活着，活的更好而苦苦挣扎。第三，它让你疼。那种“我不想死，但我买不起命”的绝望。这世上只有一种病，穷病。但这部电影，是一剂良心药。

我不是药神为什么被称为神作第一，它敢拍，非常的真实，整个电影就是真实事件改编，第二，它把人当人拍，每一个人都有血有肉，都是为了活着，活的更好而苦苦挣扎。第三，它让你疼。那种“我不想死，但我买不起命”的绝望。这世上只有一种病，穷病。但这部电影，是一剂良心药。

低等生物

27,048 Aufrufe • vor 3 Monaten

DeFi 这几年一直围着交易转，大家聊的都是波动、杠杆、收益和流动性。最近链上世界不太一样了，它萌生了像样的财务部门。 TermMax | Fixed Rate Borrowing & Lending CEO 这周五要去纽约参加 Vault Summit，我最关注的其实是机构怎么认真聊起链上金库和固定利率。机构和散户最大区别从来不是钱多钱少，而是他们必须做预算。波动能扛，但下个月资金成本绝不能失控。过去很多 DeFi 协议用浮动利率，交易是爽了，做财务规划却很难。固定利率出现后就不一样，它第一次让链上资金能提前锁定期限和成本，什么时候借、借多久、哪些钱能动、哪些不能碰，都能提前安排。这已经很像传统企业的资金调度。 TermMax 最打动我的，是它的 Range Orders。它不是给市场一个统一利率，而是允许不同资金在不同利率区间挂单。有的想低利率换确定性，有的只接受高报价；有的只做14天，有的只能30天。每笔资金都能表达自己的偏好。这已经不是单纯借贷，而是开始接近真正的资金调度。 TermMax V2 现在把 Range Orders、Atomic Orders 和 Limit Orders 全部聚合到一个层，还支持多链统一视图。对机构来说，重要的不是界面花不花哨，而是执行确定性和管理方便，能管好也能复盘。如果 ERC-4626 vault manager 能直接做 curator，把 vault 收益再叠加 fixed-rate 层，链上闲置资金就开始像企业里的短期现金管理了。他们最近还把 SPYon、QQQon、NVDAon、AAPLon、TSLAon 这些 tokenized stocks 放到 BNB Chain 做抵押品。这不只是 RWA 扩展，更关键的是链上资产开始真正进入资产负债表，能融资、能规划现金流。 Vault Summit 这周五在纽约举办，聊的本来就是机构怎么在链上建立预算体系。现在机构全面进场还早，真实流动性和采用情况都要继续观察。但 fixed-rate DeFi 要解决的核心，从来不是追 APY，而是给链上资金一套真正的预算语言。当链上也开始讲财务逻辑，很多事可能都会慢慢改变。你们觉得，第一批最适合 fixed-rate 的链上资产会是什么？

DeFi 这几年一直围着交易转，大家聊的都是波动、杠杆、收益和流动性。最近链上世界不太一样了，它萌生了像样的财务部门。 TermMax | Fixed Rate Borrowing & Lending CEO 这周五要去纽约参加 Vault Summit，我最关注的其实是机构怎么认真聊起链上金库和固定利率。机构和散户最大区别从来不是钱多钱少，而是他们必须做预算。波动能扛，但下个月资金成本绝不能失控。过去很多 DeFi 协议用浮动利率，交易是爽了，做财务规划却很难。固定利率出现后就不一样，它第一次让链上资金能提前锁定期限和成本，什么时候借、借多久、哪些钱能动、哪些不能碰，都能提前安排。这已经很像传统企业的资金调度。 TermMax 最打动我的，是它的 Range Orders。它不是给市场一个统一利率，而是允许不同资金在不同利率区间挂单。有的想低利率换确定性，有的只接受高报价；有的只做14天，有的只能30天。每笔资金都能表达自己的偏好。这已经不是单纯借贷，而是开始接近真正的资金调度。 TermMax V2 现在把 Range Orders、Atomic Orders 和 Limit Orders 全部聚合到一个层，还支持多链统一视图。对机构来说，重要的不是界面花不花哨，而是执行确定性和管理方便，能管好也能复盘。如果 ERC-4626 vault manager 能直接做 curator，把 vault 收益再叠加 fixed-rate 层，链上闲置资金就开始像企业里的短期现金管理了。他们最近还把 SPYon、QQQon、NVDAon、AAPLon、TSLAon 这些 tokenized stocks 放到 BNB Chain 做抵押品。这不只是 RWA 扩展，更关键的是链上资产开始真正进入资产负债表，能融资、能规划现金流。 Vault Summit 这周五在纽约举办，聊的本来就是机构怎么在链上建立预算体系。现在机构全面进场还早，真实流动性和采用情况都要继续观察。但 fixed-rate DeFi 要解决的核心，从来不是追 APY，而是给链上资金一套真正的预算语言。当链上也开始讲财务逻辑，很多事可能都会慢慢改变。你们觉得，第一批最适合 fixed-rate 的链上资产会是什么？

Domingo_gou | 火币赚币🐬TermMax

15,552 Aufrufe • vor 1 Monat

哥哥们你们太卷了，卷不过你们了，掉了30多个名额了哦！哭死了！哎！！！ ——— 说实话，我一开始也是被 ZK 那一套讲法讲烦的。什么数学优雅、终极信任、密码学圣杯，听多了真的会走神。直到我在看 Inference Labs 的时候，脑子里突然冒出一个很不体面的画面：这玩意儿怎么这么像拆熟食的？传统 AI 给我的感觉，就像买一整块封装好的肉。看起来油亮，切面也不错，但你永远不知道里面有没有掺点别的。你只能选择信，或者不用。 Inference Labs 干的事反而很“笨”：它不让你信整块，而是把 AI 推理一刀一刀拆开。你不需要接受“这个模型很强”这种宏大叙事，你只需要确认一件小事：这一刀，是不是真的这么切的。说实话，这个点戳到我了。 DSperse 那套分布式验证，说白了就是在帮人偷懒。不是让所有人去理解整个模型，而是让验证这件事本身变轻。我不用背“我要为整个 AI 结果负责”的心理包袱，我只关心我现在用到的这一小段推理，有没有被乱来。这在很多现实场景里太重要了。医生、风控、合规，没人有精力啃完整头猪。更让我有好感的是，他们连“怎么验”都顺手简化了。我是真的讨厌管理私钥。不是不懂，是不想。每次验证之前先来一套仪式感，本身就已经在劝退人了。和 Self Chain 的无密钥方案，第一次看到的时候我心里是松了一口气的那种感觉：哦，终于不是为难普通人了。验证 AI，本来就不该比点外卖还复杂。 ⸻ 所以后来我发现， Inference Labs 干的事，其实挺不浪漫的。它不讲终极信任，也不喊改变世界，只是很务实地把信任拆碎、摊平、递到你手里。你想验，就验这一小块。你不想理解，也没关系。未来如果 AI 真开始翻车，那些没法被拆、没法被验的模型，大概真的会被永久挂在链上当反例。我现在已经不太关心 “这是不是真正的 ZK 巅峰设计”了。我更在意的是：当我真的要用 AI 的那一刻，它有没有为我考虑过。这一点上，Inference Labs 至少让我愿意继续看下去。 #KaitoYap Kaito AI 🌊 #Yap Inference Labs

哥哥们你们太卷了，卷不过你们了，掉了30多个名额了哦！哭死了！哎！！！ ——— 说实话，我一开始也是被 ZK 那一套讲法讲烦的。什么数学优雅、终极信任、密码学圣杯，听多了真的会走神。直到我在看 Inference Labs 的时候，脑子里突然冒出一个很不体面的画面：这玩意儿怎么这么像拆熟食的？传统 AI 给我的感觉，就像买一整块封装好的肉。看起来油亮，切面也不错，但你永远不知道里面有没有掺点别的。你只能选择信，或者不用。 Inference Labs 干的事反而很“笨”：它不让你信整块，而是把 AI 推理一刀一刀拆开。你不需要接受“这个模型很强”这种宏大叙事，你只需要确认一件小事：这一刀，是不是真的这么切的。说实话，这个点戳到我了。 DSperse 那套分布式验证，说白了就是在帮人偷懒。不是让所有人去理解整个模型，而是让验证这件事本身变轻。我不用背“我要为整个 AI 结果负责”的心理包袱，我只关心我现在用到的这一小段推理，有没有被乱来。这在很多现实场景里太重要了。医生、风控、合规，没人有精力啃完整头猪。更让我有好感的是，他们连“怎么验”都顺手简化了。我是真的讨厌管理私钥。不是不懂，是不想。每次验证之前先来一套仪式感，本身就已经在劝退人了。和 Self Chain 的无密钥方案，第一次看到的时候我心里是松了一口气的那种感觉：哦，终于不是为难普通人了。验证 AI，本来就不该比点外卖还复杂。 ⸻ 所以后来我发现， Inference Labs 干的事，其实挺不浪漫的。它不讲终极信任，也不喊改变世界，只是很务实地把信任拆碎、摊平、递到你手里。你想验，就验这一小块。你不想理解，也没关系。未来如果 AI 真开始翻车，那些没法被拆、没法被验的模型，大概真的会被永久挂在链上当反例。我现在已经不太关心 “这是不是真正的 ZK 巅峰设计”了。我更在意的是：当我真的要用 AI 的那一刻，它有没有为我考虑过。这一点上，Inference Labs 至少让我愿意继续看下去。 #KaitoYap Kaito AI 🌊 #Yap Inference Labs

董小姐 MemeMax ⚡️ 🐬TermMax

27,155 Aufrufe • vor 6 Monaten

不是没来山寨季，是它再也回不来了我知道这句话一说出来，很多人会不舒服。因为这意味着一件更残酷的事：你等的不是“迟到的山寨季”，而是一个已经被彻底拆掉的市场机制。过去两年，几乎所有人都在问同一个问题：宏观这么友好监管史无前例地转暖 ETF 上线稳定币、RWA、链上数据全面新高那山寨季呢？没有。就是没有。不是慢。不是在蓄力。而是——压根跑不动了。这不是情绪问题，这是结构问题。一、这轮周期最反直觉的一点：加密史上宏观环境最好的时候，却诞生了最“反山寨”的结果如果把时间拨回 2020–2021 年，只要满足三个条件之一：流动性放水风险偏好上升叙事集中爆发钱一定会顺着风险曲线往下滚。 BTC → ETH → 大市值 → 山寨 → 垃圾这是老玩家刻进 DNA 的路径依赖。但这一次，全都失效了。 2024–2025 年你看到的是：全球流动性回暖实际利率下降风险资产创新高监管不再“敌对”，而是开始“给框架” 传统市场狂欢，链上基本面爆表，只有山寨币——一动不动。这不是“需求不够”。这是流动性传导系统已经报废。二、真正的分水岭，不是加息，不是监管而是 2022 年那次——系统级崩塌很多人以为，Luna 是一次“黑天鹅”。错了。 Luna 更像是—— 把一个早就裂开的地基，彻底震塌了。那一刻死掉的不是某个项目，而是三样东西： 1️⃣ 流动性的“供给者”没了过去的山寨季，靠的不是散户，而是一小撮极端激进的资产负债表：离岸做市商无抵押借贷自营盘高频跨所套利他们敢在几千个流动性极差的币上给深度、给杠杆、给信用。 Luna → 3AC → Alameda → Genesis → BlockFi → Celsius → Voyager 这一整条链，直接清空。之后再也没有等量级的替代者出现。 2️⃣ 流动性的“运输管道”断了钱不是不能进加密。问题是：它到不了山寨。过去有人负责把流动性：在交易所之间搬在币种之间转在抵押品之间滚 FTX、Alameda 这一层没了之后，路由层直接消失。钱进得来，但只能停在 BTC、ETH 门口。 3️⃣ 流动性的“放大器”被关死以前为什么一点钱就能拉爆一个币？因为：山寨可以当抵押 BTC / ETH 可以无限加杠杆抵押品可以递归使用 Luna 之后发生了什么？监管直接封死银行不碰托管合规部门只允许头部资产你看到的不是“去杠杆”，而是“不允许再上杠杆”。三、结果是什么？不是慢牛，是长期结构性枯竭这不是一次回撤。这是一个被拆掉引擎的市场。你现在看到的山寨市场状态是：深度下降 50–70% 点差巨大订单簿空心化跨所套利基本失效与此同时：机构只买 BTC / ETH ETF、DAT 只碰蓝筹散户直接离场而偏偏在这个时候—— 2021–2022 年 VC 投下的那一大批项目，开始集体解锁。结果你懂的：新币源源不断，市场却没有任何吸收机制。这不是项目不努力。这是系统已经无法承载它们的抛压。四、所以真相是： “山寨季”不是没来，而是被系统性拆除了旧模式是什么？赌流动性溢出赌叙事轮动赌杠杆反身性赌别人接盘这个模式：不可持续不可合规不可能被机构接受所以它必须死。五、那新的机会在哪里？在一个完全不同的坐标系里接下来这段，才是重点。未来的机会，不再来自： ❌ 全市场放水 ❌ 风险曲线轮动 ❌ “下一个 Solana”叙事而是来自： ✅ 能在长期低流动性中活下来的资产 ✅ 一旦合规资本入场，具备机构配置合理性的标的这也是为什么—— 真正的拐点，不是降息，而是法律明确性。六、为什么 Clarity Act 这么关键？因为它解决的不是情绪问题，而是授权问题。全球几十万亿美元的资金，不是“不想买山寨”，而是被禁止买。没有：明确的资产分类合规托管法律风险隔离这些钱一分钱都不能动。而现在，机构已经在提前布局：研究部门开始“像研究股票一样研究代币” 覆盖逻辑变成：现金流、需求、规模、合规性不再关心你叙事快不快钱会来，但来的方式完全不一样。不是暴涨，不是轮动，而是慢、挑剔、冷静的配置。七、新体制下，筛选条件只有一个字：狠你必须回答清楚四个问题： 1️⃣ 有没有持续、非补贴的真实需求？ 2️⃣ 机构能不能合法、合规地持有？ 3️⃣ 代币经济是不是可预测、可约束？ 4️⃣ 产品是在被使用，还是在等叙事？以前这是加分项。现在，这是生死线。八、最容易被忽略的一点真正的应用，往往一点都不“像加密” 很多区块链系统，已经在：医疗数字营销消费级 AI 里默默运行。它们不发币、不炒作、不拉盘，甚至很多 Web3 人自己都看不上。但正是这些：嵌入式不炫技不靠投机的东西，才最符合机构理解世界的方式。从投机到现实，这个切换已经发生了。九、最后说一句掏心窝子的如果你现在还在等： “等 BTC 横完，钱就会流到山寨” 那你等的不是机会，而是一个已经被拆掉的旧世界。我们可能没有等来“加密超级周期”，但我们真的完成了更难的一件事：把区块链，变成了现实世界的一部分。现在不是讲故事的阶段了。是执行阶段。而执行，从来不属于所有人。

不是没来山寨季，是它再也回不来了我知道这句话一说出来，很多人会不舒服。因为这意味着一件更残酷的事：你等的不是“迟到的山寨季”，而是一个已经被彻底拆掉的市场机制。过去两年，几乎所有人都在问同一个问题：宏观这么友好监管史无前例地转暖 ETF 上线稳定币、RWA、链上数据全面新高那山寨季呢？没有。就是没有。不是慢。不是在蓄力。而是——压根跑不动了。这不是情绪问题，这是结构问题。一、这轮周期最反直觉的一点：加密史上宏观环境最好的时候，却诞生了最“反山寨”的结果如果把时间拨回 2020–2021 年，只要满足三个条件之一：流动性放水风险偏好上升叙事集中爆发钱一定会顺着风险曲线往下滚。 BTC → ETH → 大市值 → 山寨 → 垃圾这是老玩家刻进 DNA 的路径依赖。但这一次，全都失效了。 2024–2025 年你看到的是：全球流动性回暖实际利率下降风险资产创新高监管不再“敌对”，而是开始“给框架” 传统市场狂欢，链上基本面爆表，只有山寨币——一动不动。这不是“需求不够”。这是流动性传导系统已经报废。二、真正的分水岭，不是加息，不是监管而是 2022 年那次——系统级崩塌很多人以为，Luna 是一次“黑天鹅”。错了。 Luna 更像是—— 把一个早就裂开的地基，彻底震塌了。那一刻死掉的不是某个项目，而是三样东西： 1️⃣ 流动性的“供给者”没了过去的山寨季，靠的不是散户，而是一小撮极端激进的资产负债表：离岸做市商无抵押借贷自营盘高频跨所套利他们敢在几千个流动性极差的币上给深度、给杠杆、给信用。 Luna → 3AC → Alameda → Genesis → BlockFi → Celsius → Voyager 这一整条链，直接清空。之后再也没有等量级的替代者出现。 2️⃣ 流动性的“运输管道”断了钱不是不能进加密。问题是：它到不了山寨。过去有人负责把流动性：在交易所之间搬在币种之间转在抵押品之间滚 FTX、Alameda 这一层没了之后，路由层直接消失。钱进得来，但只能停在 BTC、ETH 门口。 3️⃣ 流动性的“放大器”被关死以前为什么一点钱就能拉爆一个币？因为：山寨可以当抵押 BTC / ETH 可以无限加杠杆抵押品可以递归使用 Luna 之后发生了什么？监管直接封死银行不碰托管合规部门只允许头部资产你看到的不是“去杠杆”，而是“不允许再上杠杆”。三、结果是什么？不是慢牛，是长期结构性枯竭这不是一次回撤。这是一个被拆掉引擎的市场。你现在看到的山寨市场状态是：深度下降 50–70% 点差巨大订单簿空心化跨所套利基本失效与此同时：机构只买 BTC / ETH ETF、DAT 只碰蓝筹散户直接离场而偏偏在这个时候—— 2021–2022 年 VC 投下的那一大批项目，开始集体解锁。结果你懂的：新币源源不断，市场却没有任何吸收机制。这不是项目不努力。这是系统已经无法承载它们的抛压。四、所以真相是： “山寨季”不是没来，而是被系统性拆除了旧模式是什么？赌流动性溢出赌叙事轮动赌杠杆反身性赌别人接盘这个模式：不可持续不可合规不可能被机构接受所以它必须死。五、那新的机会在哪里？在一个完全不同的坐标系里接下来这段，才是重点。未来的机会，不再来自： ❌ 全市场放水 ❌ 风险曲线轮动 ❌ “下一个 Solana”叙事而是来自： ✅ 能在长期低流动性中活下来的资产 ✅ 一旦合规资本入场，具备机构配置合理性的标的这也是为什么—— 真正的拐点，不是降息，而是法律明确性。六、为什么 Clarity Act 这么关键？因为它解决的不是情绪问题，而是授权问题。全球几十万亿美元的资金，不是“不想买山寨”，而是被禁止买。没有：明确的资产分类合规托管法律风险隔离这些钱一分钱都不能动。而现在，机构已经在提前布局：研究部门开始“像研究股票一样研究代币” 覆盖逻辑变成：现金流、需求、规模、合规性不再关心你叙事快不快钱会来，但来的方式完全不一样。不是暴涨，不是轮动，而是慢、挑剔、冷静的配置。七、新体制下，筛选条件只有一个字：狠你必须回答清楚四个问题： 1️⃣ 有没有持续、非补贴的真实需求？ 2️⃣ 机构能不能合法、合规地持有？ 3️⃣ 代币经济是不是可预测、可约束？ 4️⃣ 产品是在被使用，还是在等叙事？以前这是加分项。现在，这是生死线。八、最容易被忽略的一点真正的应用，往往一点都不“像加密” 很多区块链系统，已经在：医疗数字营销消费级 AI 里默默运行。它们不发币、不炒作、不拉盘，甚至很多 Web3 人自己都看不上。但正是这些：嵌入式不炫技不靠投机的东西，才最符合机构理解世界的方式。从投机到现实，这个切换已经发生了。九、最后说一句掏心窝子的如果你现在还在等： “等 BTC 横完，钱就会流到山寨” 那你等的不是机会，而是一个已经被拆掉的旧世界。我们可能没有等来“加密超级周期”，但我们真的完成了更难的一件事：把区块链，变成了现实世界的一部分。现在不是讲故事的阶段了。是执行阶段。而执行，从来不属于所有人。

比特币橙子Trader

53,076 Aufrufe • vor 6 Monaten

刷到 a16z 那份 Big Ideas 2026 的时候，我第一反应不是“前瞻”，是晚了。他们终于把一句很多人心里明白、但一直不敢明说的话写出来了：隐私不是加分项，是生死线。链上世界现在最大的问题不是慢，也不是贵。是你在裸奔。地址一亮，资产规模、交易习惯、对手盘，全给人看明白。你以为是透明。在机构眼里，那叫自杀式上链。所以这些年发生了什么？散户在链上玩。大钱躲在 CEX、OTC、电报群。不是他们不懂 Web3，是这套基础设施，根本不配让他们用真金白银。大多数公链怎么补救？事后加隐私。 ZK 插件。混币。桥来桥去。听起来很高级，本质就一句话：房子是玻璃的，给你发块窗帘。 Miden Miden 不一样。它不是给透明链“打补丁”，而是从一开始就假设：用户不想被看见。本地执行。客户端生成证明。链上只验证对不对，至于你是谁、干了什么、赚了多少—— 没人有资格知道。这一步，才是机构真正敢上链的前提。 a16z 为啥在报告里点名？很简单。他们比谁都清楚：一旦资产和行为被隐私链包住，迁移成本高到你根本不想走。这才是护城河。不是 TPS，不是叙事，是你敢不敢把钱放进来。到 2026 年，公开链还在比参数，隐私链开始吃需求。这不是理想主义。是钱的本能。我现在看 Miden，不当新叙事看，当迟早要补的底层账。剩下的，你们慢慢品 Miden #Yap #Kaito Kaito AI 🌊

刷到 a16z 那份 Big Ideas 2026 的时候，我第一反应不是“前瞻”，是晚了。他们终于把一句很多人心里明白、但一直不敢明说的话写出来了：隐私不是加分项，是生死线。链上世界现在最大的问题不是慢，也不是贵。是你在裸奔。地址一亮，资产规模、交易习惯、对手盘，全给人看明白。你以为是透明。在机构眼里，那叫自杀式上链。所以这些年发生了什么？散户在链上玩。大钱躲在 CEX、OTC、电报群。不是他们不懂 Web3，是这套基础设施，根本不配让他们用真金白银。大多数公链怎么补救？事后加隐私。 ZK 插件。混币。桥来桥去。听起来很高级，本质就一句话：房子是玻璃的，给你发块窗帘。 Miden Miden 不一样。它不是给透明链“打补丁”，而是从一开始就假设：用户不想被看见。本地执行。客户端生成证明。链上只验证对不对，至于你是谁、干了什么、赚了多少—— 没人有资格知道。这一步，才是机构真正敢上链的前提。 a16z 为啥在报告里点名？很简单。他们比谁都清楚：一旦资产和行为被隐私链包住，迁移成本高到你根本不想走。这才是护城河。不是 TPS，不是叙事，是你敢不敢把钱放进来。到 2026 年，公开链还在比参数，隐私链开始吃需求。这不是理想主义。是钱的本能。我现在看 Miden，不当新叙事看，当迟早要补的底层账。剩下的，你们慢慢品 Miden #Yap #Kaito Kaito AI 🌊

Captain Jim | 火币赚币💰

519,113 Aufrufe • vor 6 Monaten

最近 Miden 公布奖励后明显大家怠慢了 Inference Labs ,没有前几天那么卷了，那我就开始冲啦。很多人把 Inference Labs 当成一个 AI 基础设施，但我越看越觉得，它真正做的不是算力、不是模型、甚至不是验证本身。它更像是在给 AI 世界搭一套司法系统。现在大部分 AI 项目，都在解决一件事，怎么让模型更强、更快、更便宜。但几乎没人认真回答另一个问题，如果 AI 的判断是错的，甚至是被操纵的，谁来否认它。这不是一个技术问题，这是一个制度问题。现实世界里，任何能影响结果的系统，都一定有一套否认机制。金融有仲裁，法律有上诉，市场有清算。但 AI 世界没有。今天的 AI 输出，一旦被系统采用，就会一路向下执行。自动清算、自动交易、自动风控、自动推荐。问题不在于 AI 会不会犯错，而在于犯错之后，系统本身有没有能力说不。 Inference Labs 的位置，就在这里。它不是在帮 AI 生成结果，而是在为结果提供一种可被挑战、可被回溯、可被否认的路径。你可以把它理解成 AI 世界里的证据链，而不是算力层。这一点很关键，因为它决定了 Inference Labs 真正的用户是谁。它的核心用户，其实不是开发者。开发者只是接入工具的人。真正依赖它的，是那些已经被 AI 深度接管，却无法承担失误成本的系统。比如 DeFi 协议。 AI 在里面做策略、做风控、做参数调节。如果一次判断失误，损失是真实发生的。但现在的系统里，几乎没有办法证明，这个结果到底是不是“按规则运行”得出来的。 DAO 也是一样。越来越多的治理建议、预算分配、风险评估，开始交给 AI 辅助甚至直接决策。但一旦结果被质疑，DAO 没有证据链可以审计，只能靠信任模型本身。这就是 Inference Labs 的用武之地。它并不是让 AI 更聪明，而是让系统在出现争议时，有一套可以站得住脚的说法。这和 zk、算力、模型大小都没那么直接关系，而更接近制度建设。如果你从这个角度看，就会发现 Inference Labs 的节奏和大多数 AI 项目完全不同。它不追求用户爆发，不追求调用量暴涨，也不太在意短期热度。因为这种系统，只有在规模足够大、风险足够真实的时候，才会被真正需要。就像现实世界里的法院。没人会天天夸法院多高效，但一旦没有它，秩序会立刻崩。 Inference Labs 服务的，其实是一群被动用户。他们可能根本不知道自己在用这个协议。他们只知道，自己的系统需要一个能够在关键时刻说清楚发生了什么的底层。这也是为什么我认为 Inference Labs 很容易被低估。它不制造爽点，只负责兜底。而兜底型协议，在牛市里永远不性感，但在出事的时候，永远第一个被翻出来。如果未来 AI 真正开始成为经济系统的一部分，那一定不是只有生成层和执行层。中间一定需要一层，负责裁定、回溯、否认和问责。从这个角度看，Inference Labs 更像是 AI 世界的制度组件，而不是工具组件。而制度型基础设施，往往前期安静，后期不可替代。这类项目，从来不是用来追热度的。它们是用来活得最久的。 #KAITO #Inference

最近 Miden 公布奖励后明显大家怠慢了 Inference Labs ,没有前几天那么卷了，那我就开始冲啦。很多人把 Inference Labs 当成一个 AI 基础设施，但我越看越觉得，它真正做的不是算力、不是模型、甚至不是验证本身。它更像是在给 AI 世界搭一套司法系统。现在大部分 AI 项目，都在解决一件事，怎么让模型更强、更快、更便宜。但几乎没人认真回答另一个问题，如果 AI 的判断是错的，甚至是被操纵的，谁来否认它。这不是一个技术问题，这是一个制度问题。现实世界里，任何能影响结果的系统，都一定有一套否认机制。金融有仲裁，法律有上诉，市场有清算。但 AI 世界没有。今天的 AI 输出，一旦被系统采用，就会一路向下执行。自动清算、自动交易、自动风控、自动推荐。问题不在于 AI 会不会犯错，而在于犯错之后，系统本身有没有能力说不。 Inference Labs 的位置，就在这里。它不是在帮 AI 生成结果，而是在为结果提供一种可被挑战、可被回溯、可被否认的路径。你可以把它理解成 AI 世界里的证据链，而不是算力层。这一点很关键，因为它决定了 Inference Labs 真正的用户是谁。它的核心用户，其实不是开发者。开发者只是接入工具的人。真正依赖它的，是那些已经被 AI 深度接管，却无法承担失误成本的系统。比如 DeFi 协议。 AI 在里面做策略、做风控、做参数调节。如果一次判断失误，损失是真实发生的。但现在的系统里，几乎没有办法证明，这个结果到底是不是“按规则运行”得出来的。 DAO 也是一样。越来越多的治理建议、预算分配、风险评估，开始交给 AI 辅助甚至直接决策。但一旦结果被质疑，DAO 没有证据链可以审计，只能靠信任模型本身。这就是 Inference Labs 的用武之地。它并不是让 AI 更聪明，而是让系统在出现争议时，有一套可以站得住脚的说法。这和 zk、算力、模型大小都没那么直接关系，而更接近制度建设。如果你从这个角度看，就会发现 Inference Labs 的节奏和大多数 AI 项目完全不同。它不追求用户爆发，不追求调用量暴涨，也不太在意短期热度。因为这种系统，只有在规模足够大、风险足够真实的时候，才会被真正需要。就像现实世界里的法院。没人会天天夸法院多高效，但一旦没有它，秩序会立刻崩。 Inference Labs 服务的，其实是一群被动用户。他们可能根本不知道自己在用这个协议。他们只知道，自己的系统需要一个能够在关键时刻说清楚发生了什么的底层。这也是为什么我认为 Inference Labs 很容易被低估。它不制造爽点，只负责兜底。而兜底型协议，在牛市里永远不性感，但在出事的时候，永远第一个被翻出来。如果未来 AI 真正开始成为经济系统的一部分，那一定不是只有生成层和执行层。中间一定需要一层，负责裁定、回溯、否认和问责。从这个角度看，Inference Labs 更像是 AI 世界的制度组件，而不是工具组件。而制度型基础设施，往往前期安静，后期不可替代。这类项目，从来不是用来追热度的。它们是用来活得最久的。 #KAITO #Inference

紫川 | ∞KIN |

12,423 Aufrufe • vor 6 Monaten

昨天领了一天的Brevis, 做过的linea空投在AAVE存款的记得去领取，一个号55U。以外之喜还是很开心的。一直在建设撸毛的路上从未停止学习进步，继续 MemeMax 理解 MemeMax 并不难，但很多人容易被它的Perp DEX外壳给挡住了。如果你只是把它看作另一个刷交易量、赚手续费的合约平台，那你可能完全没看懂它在 MemeCore 生态里的生态位。说白了， MemeMax 争夺的根本不是什么交易量，而是 Meme 资产的定价权，以及对波动的解释权。大家都知道，Meme 世界和主流资产最大的逻辑差异在于价格不是由信息驱动的，而是由叙事驱动的。叙事这个东西非常有意思，它不是线性的，它的爆发和崩塌往往在一瞬间，完全没有过渡。这就导致了一个长期存在的矛盾：现有的永续合约市场，其实根本不适合 Meme。主流的 Perp DEX 设计前提是价格围绕基本面波动，所以它们用资金费率去缓慢平衡多空。但 Meme 的波动不是这么产生的，它是情绪的集中释放，是短时间内的极端失衡，然后迅速反转。 MemeMax 的核心价值，就在于它默认接受了这种不稳定性，而不是试图去修正或者驯服它。在 MemeCore 体系里，MemeMax 并不是一个中立的撮合器，它更像是一个波动的放大器和消化器。它让一个 Meme 的叙事直接转化为可交易的杠杆表达，而不是像传统交易所那样，等热度过半了再通过层层筛选上币。这种叙事同步的能力非常关键。一旦 Meme 的主要价格发现发生在中心化交易所，链上就永远只能沦为跟随者。而 MemeMax 通过原生资产和极速上币，把定价权重新拉回了链内。更通俗点说，它没想过要降低风险，它是让风险以一种可验证、可清算的方式释放出来。这引出了 MemeMax 另一个很反直觉的护城河：它对非理性行为的极度容忍。绝大多数 DeFi 协议在设计模型时，都假设用户是理性的。但 Meme 交易者追求的是理智吗？显然不是。他们追求的是参与感、刺激感和叙事同步感。如果一个系统非要让用户去研究复杂的风险模型、资金费曲线，那它天然就把 Meme 用户推远了。 MemeMax 的设计逻辑是：既然用户是非理性的，那我们就为非理性提供一个不会立刻崩塌的容器。在这里，高杠杆不是风险，而是叙事的一种语言；清算也不是系统的失败，而是叙事生命周期走到了终点。一个 Meme 的死亡不是价格归零，而是清算完成。这种设计在传统金融里可能是禁忌，但在 Meme 世界，这才是唯一能活下来的方式。它不需要去教育散户变成专业交易员，它直接让系统去适配散户的行为习惯。所以，MemeMax 的生命力其实非常顽强。因为它不是建立在某种完美的数学模型之上，而是建立在最真实的人性之上。在 Kaito 的数据视角里，这种项目往往容易被低估，因为它不追求那些漂亮的稳定指标。但只要你相信 Meme 不是短期噪音，而是一种长期的文化资产形态，那你就会明白，MemeMax 并不是一个简单的交易所。它是 Meme 资产走向金融化、正规化的必经之路，是一个让情绪可以被结算、让非理性可以被定价的叙事底层。说到底，人性才是 Meme 世界里最稳定的变量，而 MemeMax 恰恰抓住了这一点。 #Mememax #KAITO

昨天领了一天的Brevis, 做过的linea空投在AAVE存款的记得去领取，一个号55U。以外之喜还是很开心的。一直在建设撸毛的路上从未停止学习进步，继续 MemeMax 理解 MemeMax 并不难，但很多人容易被它的Perp DEX外壳给挡住了。如果你只是把它看作另一个刷交易量、赚手续费的合约平台，那你可能完全没看懂它在 MemeCore 生态里的生态位。说白了， MemeMax 争夺的根本不是什么交易量，而是 Meme 资产的定价权，以及对波动的解释权。大家都知道，Meme 世界和主流资产最大的逻辑差异在于价格不是由信息驱动的，而是由叙事驱动的。叙事这个东西非常有意思，它不是线性的，它的爆发和崩塌往往在一瞬间，完全没有过渡。这就导致了一个长期存在的矛盾：现有的永续合约市场，其实根本不适合 Meme。主流的 Perp DEX 设计前提是价格围绕基本面波动，所以它们用资金费率去缓慢平衡多空。但 Meme 的波动不是这么产生的，它是情绪的集中释放，是短时间内的极端失衡，然后迅速反转。 MemeMax 的核心价值，就在于它默认接受了这种不稳定性，而不是试图去修正或者驯服它。在 MemeCore 体系里，MemeMax 并不是一个中立的撮合器，它更像是一个波动的放大器和消化器。它让一个 Meme 的叙事直接转化为可交易的杠杆表达，而不是像传统交易所那样，等热度过半了再通过层层筛选上币。这种叙事同步的能力非常关键。一旦 Meme 的主要价格发现发生在中心化交易所，链上就永远只能沦为跟随者。而 MemeMax 通过原生资产和极速上币，把定价权重新拉回了链内。更通俗点说，它没想过要降低风险，它是让风险以一种可验证、可清算的方式释放出来。这引出了 MemeMax 另一个很反直觉的护城河：它对非理性行为的极度容忍。绝大多数 DeFi 协议在设计模型时，都假设用户是理性的。但 Meme 交易者追求的是理智吗？显然不是。他们追求的是参与感、刺激感和叙事同步感。如果一个系统非要让用户去研究复杂的风险模型、资金费曲线，那它天然就把 Meme 用户推远了。 MemeMax 的设计逻辑是：既然用户是非理性的，那我们就为非理性提供一个不会立刻崩塌的容器。在这里，高杠杆不是风险，而是叙事的一种语言；清算也不是系统的失败，而是叙事生命周期走到了终点。一个 Meme 的死亡不是价格归零，而是清算完成。这种设计在传统金融里可能是禁忌，但在 Meme 世界，这才是唯一能活下来的方式。它不需要去教育散户变成专业交易员，它直接让系统去适配散户的行为习惯。所以，MemeMax 的生命力其实非常顽强。因为它不是建立在某种完美的数学模型之上，而是建立在最真实的人性之上。在 Kaito 的数据视角里，这种项目往往容易被低估，因为它不追求那些漂亮的稳定指标。但只要你相信 Meme 不是短期噪音，而是一种长期的文化资产形态，那你就会明白，MemeMax 并不是一个简单的交易所。它是 Meme 资产走向金融化、正规化的必经之路，是一个让情绪可以被结算、让非理性可以被定价的叙事底层。说到底，人性才是 Meme 世界里最稳定的变量，而 MemeMax 恰恰抓住了这一点。 #Mememax #KAITO

草帽 boy

36,617 Aufrufe • vor 6 Monaten

额… 为什么我会有一些不成熟的想法？？？造孽啊！！！明知道现在整个市场都偏冷，还在脑子里反复琢磨 Rayls Rayls 的那套路径。其他项目都在上蹿下跳、蹭叙事，它这边倒像是在修地基——巴西的资产管线已经跑起来了，AmFi 在私链上的信贷组合也在一条条搬。不是造势，是在把传统那一套慢慢对接进链上。最让我喜欢的是 $RLS 那个买回机制，手续费真落地后直接回购销毁。你问我这是不是Alpha？说实话，我也没百分百把握。但有些东西吧，看多了PPT空降，看多了fomo套路，反而这种感觉可以看一看！ Cookie DAO 🍪 #SNAPS #CookieDotFun

额… 为什么我会有一些不成熟的想法？？？造孽啊！！！明知道现在整个市场都偏冷，还在脑子里反复琢磨 Rayls Rayls 的那套路径。其他项目都在上蹿下跳、蹭叙事，它这边倒像是在修地基——巴西的资产管线已经跑起来了，AmFi 在私链上的信贷组合也在一条条搬。不是造势，是在把传统那一套慢慢对接进链上。最让我喜欢的是 $RLS 那个买回机制，手续费真落地后直接回购销毁。你问我这是不是Alpha？说实话，我也没百分百把握。但有些东西吧，看多了PPT空降，看多了fomo套路，反而这种感觉可以看一看！ Cookie DAO 🍪 #SNAPS #CookieDotFun

Jim 队长

1,135,912 Aufrufe • vor 7 Monaten

现在做什么工作都需要点才艺，别说这美女我是太爱了刚刚看到 TermMax | Fixed Rate Borrowing & Lending 的更新，很有共鸣。 DeFi 喊了这么多年收益，但真正敢放钱的人，第一句话永远是 “风险边界在哪里？” 传统链上借贷/杠杆，风险往往是“事后验尸”—— 清算线会跳、利率会爆、流动性说没就没。方向看对也没用，执行随机性就能炸穿仓位。而 TradFi 之所以能管理万亿资金，靠的是 “风险先定价”。进场那一刻，最坏结果已经写死，所有变量可计算、可复制、可规模化。资金规模不是靠胆子，而是靠可重复的纪律。 TermMax 把这一点真正带进了 RWA。它做的不是简单“资产上链”，而是把固定利率、固定期限、可控风险、可规模化执行做成了链上基建。对机构来说，这不是“可选功能”，而是入场硬门槛—— 没有确定性，就没有规模。有意思的是，在 AI 信息泛滥、噪音充斥的当下，能持续稳定输出、保持更新的项目，本身就成了一种“风险可控”的信号。 River4FUN 🐝 比如 River 每晚更 #RiverPts，在混乱中提供节奏感。或许应对信息过载的最好方式，不是封禁，而是用可验证的持续行动建立信任。 RWA 赛道明年比的不会只是谁的资产池大，而是谁的风险更可定义、更可管理、更可规模化。 TermMax 在这条路上，已经走出了扎实的一步。它不是在复制 TradFi，而是在移植 TradFi 最硬的骨架—— 先锁死风险，再谈收益。这才是 RWA 从叙事到机构级基础设施的转折点。 River4FUN #River #OmniChain #DeFi YOM #YOM #DePIN#Airdrop#TermMax #DeFi #TermMaxFi

现在做什么工作都需要点才艺，别说这美女我是太爱了刚刚看到 TermMax | Fixed Rate Borrowing & Lending 的更新，很有共鸣。 DeFi 喊了这么多年收益，但真正敢放钱的人，第一句话永远是 “风险边界在哪里？” 传统链上借贷/杠杆，风险往往是“事后验尸”—— 清算线会跳、利率会爆、流动性说没就没。方向看对也没用，执行随机性就能炸穿仓位。而 TradFi 之所以能管理万亿资金，靠的是 “风险先定价”。进场那一刻，最坏结果已经写死，所有变量可计算、可复制、可规模化。资金规模不是靠胆子，而是靠可重复的纪律。 TermMax 把这一点真正带进了 RWA。它做的不是简单“资产上链”，而是把固定利率、固定期限、可控风险、可规模化执行做成了链上基建。对机构来说，这不是“可选功能”，而是入场硬门槛—— 没有确定性，就没有规模。有意思的是，在 AI 信息泛滥、噪音充斥的当下，能持续稳定输出、保持更新的项目，本身就成了一种“风险可控”的信号。 River4FUN 🐝 比如 River 每晚更 #RiverPts，在混乱中提供节奏感。或许应对信息过载的最好方式，不是封禁，而是用可验证的持续行动建立信任。 RWA 赛道明年比的不会只是谁的资产池大，而是谁的风险更可定义、更可管理、更可规模化。 TermMax 在这条路上，已经走出了扎实的一步。它不是在复制 TradFi，而是在移植 TradFi 最硬的骨架—— 先锁死风险，再谈收益。这才是 RWA 从叙事到机构级基础设施的转折点。 River4FUN #River #OmniChain #DeFi YOM #YOM #DePIN#Airdrop#TermMax #DeFi #TermMaxFi

jon🐬TermMax

28,796 Aufrufe • vor 5 Monaten