All posts by ayu

加密市场除了新的叙事，美元货币政策是影响市场趋势的关键因子。特别是在ETF通过，btc、eth逐步进入主流机构投资者的资产布局之后，市场的资金结构、属性、投资方式正在发生显著的变化，加密货币越来越与美股、美债黄金等其它大类资产形成某种共振或者分化。

近一段时间以来市场反复在降息预期、衰退预期、大选预期中反复震荡，这本质上则对应着资金面、基本面和监管面，三种因素相互交织，相互影响。这其中最直接的冲击是降息与降息预期，某种程度上，在一个小周期内，降息预期在交易上比降息本身更加重要，那么理清9月中下旬即将来临的降息则尤为关键。

一、为什么降：紧缩源于高通胀，但降息更多源于劳动力市场放缓

美国高通胀下的杠杆分化：政府加杠杆，居民去杠杆，支撑美国经济韧性。对于高通胀的原因，市场没有太多分歧，美国近几年来过于激进的财政政策是核心原因。激进的财政向市场投放了大量流动性的同时，一方面美联储极速扩表，政府赤字显著增长；但同时另一方面居民部门和非金融企业部门负债并没有显著增长，反而有所改善。

图表：美国三大部门杠杆率分化，居民杠杆率下行

杠杆率分化的背后进一步解释了虽然作为衰退前瞻指标的美债10年期和2年期利差从2022年7月开始倒挂，总共持续26个月，为历史最长，直到今年8月，劳动力市场放缓，降息预期带动短端利率下降，进而解除倒挂，但衰退仍未降临。

图表：本轮加息美债倒挂程度历史最长，加剧了市场担忧

数据上并不支持衰退，但劳动力放缓及数据质量变差，强化了降息预期，同时也抬升衰退担忧。从通胀而言，目前的PCE（2.5%）和核心PCE（2.6%）并未到达美联储目标的2%，但华尔街的交易员普遍预计9月美联储预计会降息，除了鲍威尔和美联储的官员持续对市场发出鸽派声音外，还有一个重要的背景则是2020年美联储的货币政策框架中，原先的通胀目标制更改为平均通胀目标制，与此同时，虽然就业和通胀仍然是美联储主要平衡的双目标，但就业和劳动力市场则显著了提在了优先位置。换言之，美联储更倾向于忍受短期的高通胀，从而确保劳动市场的稳健。

货币框架的变化，也进一步反映在了其每一次的FOMC会议和对市场的预期管理之中，非农就业、失业率等数据每一次公布均会引发市场的反复震荡，美股、加密等风险资产更是波动剧烈，用风声鹤唳形容当前的市场并不为过。市场的高度敏感，除了博弈降息幅度预期之外，同时也迭加了对衰退的担忧，对以英伟达为代表AI叙事可持续性的担忧。

从数据上看，当前的美国经济没有落入衰退区间，但放缓速度超预期，就业质量也并不高。对于衰退的判断向来众说纷纭，简单有效的指标则是萨姆规则，其基本的定义是即当美国失业率的三个月移动平均值从过去十二个月的低点上升0.5个百分点或更多时，意味着美国已经进入经济衰退早期。如果按此指标，美国从今年7月已经进入衰退（7月萨姆规则下的衰退指标为0.53%，8月为0.57%），然而包括美联储在内的主流机构均不认为已经进入衰退。

以更权威的NBER衰退指标来观测，目前无论是GDP、就业、工业生产等均有小幅度的回撤，3年回撤幅度小于2%，远低历史衰退期的5%-10%的水平。

图表：NBER衰退指标离衰退区间尚有距离

劳动力市场的放缓压力更大。美国就业数据中最关键的指标是NFP数据（非农就业数据），由美国劳工部劳动统计局（BLS）发布。过去三个月的分项数据看，制造业数据拖累很大，主要靠服务业和政府部门支撑。此外，美国劳工部同时在8、9月对此前的的数据进行了下修，下修幅度之大，令市场意外，按下修后的数据，2024年1月至2024年8月，平均新增非农仅14.9万，显著低于2019年的均值17.5万。

图表：近三个月非农就业放缓明显

进一步从就业的类型上看，全职和兼职也出现了明显的分化，美国全职岗位环比和同比持续减少，兼职则环比与同比增加。兼职岗位的增加一定程度掩盖了总量的下滑，但这也同时透露出就业数据质量并不高。

图表：美国全职及兼职人数变化提示就业数据质量不高

失业率方面，在劳动参与率持平的情况下，失业率已提升至4.3%，但有所回落，萨姆规则指数持续抬升。失业率数据中，尤其值得关注的是U6失业率（更宽口径的失业率，接近全市场的真实失业率）已抬至7.9%，为疫情后的最高水平，此外，从职位空缺方面看，职位空缺超预期下滑，空缺率同样连续下降。

图表：JOTS 非农职位空缺数连续下降

连续两月的就业市场降温迭加前期就业数据下修，一方面市场降息预期大幅强化，焦点仅在于25bp/50bp；另一方面对衰退担忧开始升温。

2.怎么降：市场与美联储的博弈，但数据仍是关键

在9月6日的非农数据出台以后，市场的表现淋漓尽致展现了数据上的好坏参半和市场共识的分歧；风险资产涨跌不一，但最终归于疲软。9月11日晚公布的8月份CPI数据出炉，同比虽然回落至2.5%，低于预期值，但核心CPI环比增幅0.3%，高于市场预期，整体上通胀延续了此前结构分化，商品、食品、能源持续下跌，服务仍具有较强粘性，数据公布后，市场对降息50bp的期待大幅降低，服务通胀的粘性也间接说明当前暂无衰退的风险。

图表：7-8 月 CPI 分项数据揭示通胀粘性仍高，下降降速

市场对衰退担忧持续存在，加之通胀回落，二者因素的交织，导致市场对降息十分“纠结”，主因在于当前市场共识无法统一以及充满矛盾。若降息25bp，一方面计价已十分充分，对风险资产的提振有限，同时也无法彻底扭转市场对衰退的担忧；若降息50bp，那么市场对衰退的担忧将大幅增加，反过来又掣肘风险资产提振。无论哪种情况，对市场的直接影响就是风险资产的敏感性大幅提升。

从美联储的角度，从本质而言，其调控方式主要有市场预期管理和货币政策管理两种手段。前者靠喊话，后者靠实在的政策工具。当前，虽然美联储并没有进行实质降息，但通过鲍威尔在内的一众官员持续对外喊话，已经对市场形成了宽松预期，无论从美债收益率和美国国内市场的信贷利率都已经提前反应，并形成实质性宽松。

图表：美国银行信贷紧缩比例下降及信用利差收窄

以上图为例，美国银行紧缩贷款比例明显降低，信用风险利差同步在在8月5日后一路下降，市场宽松态势明确。

基于当前通胀下降节奏变慢，劳动力市场超预期放缓以及实质性的宽松环境，在9月18日开启50bp的可能性开始下降，以25bp的幅度进行预防式降息概率增强。更进一步看，在没有明确的数据证明衰退已经来临或者通胀超预期大幅下降的背景下，软着陆仍然是当前交易的基准情景，市场仍然会在衰退、降息、大选等事件的数据波动中维持震荡。

3.有什么影响：加密风险偏好提振，但调整在所难免

即便普遍预期9月18日的FOMC会议即将开启降息周期，但风险资产并不一定会即刻展现出拉升姿态，尤其是进入2024年以来，随着比特币、以太坊ETF在美国和香港上市，加密货币合规化进程既让主流资金开始配置加密资产，也同样让加密资产的独立行情进一步消弱。加密资产受到美股、美债等大类资产波动影响较大，从降息的传导而言，直接冲击的是无风险国债市场，进而影响风险资产（MAGA7、罗素2000、SP500、加密资产）。

从历史看，在周期的转折期，资产波动加大实属正常，主要在于预期差的博弈，市场提前计价，则任何数据的变动都会影响计价的效果，进而波及资产涨跌。

从降息不同类型而言，过往的预防式降息通常带来风险资产反应是先降后筑底，而后恢复拉升（而假如是纾困式降息，通常资产下跌概率较大），筑底时间通常需要持续1个月时间。

图表：预防式降息落地通常风险资产先跌后涨

对于加密资产而言，其作为高风险资产，目前与美股的联动越来越紧密，在降息较为确定且软着陆的情景下，市场的风险偏好理应缓步提升，但如同前文分析，当前正处在市场新共识形成前的分歧阶段，震荡在所难免，无论是美股或者是加密资产。

图表：加密资产与美股波动方向高度一致

从长线情景下观测，加密资产上涨的胜率仍然较高，但在未来的一个月内，波动仍然紧紧跟随美股，维持震荡，特别是在降息落地前后，波动可能会进一步加大。此外，仍然值得关注的则是美国大选的影响，大选的结果直接影响政府包括SEC对加密货币的态度，进而会对市场形成冲击。

如果说 AIGC 开启了内容生成的智能时代，那么 AI Agent 则有机会把 AIGC 的能力真正产品化。

AI Agent 像一位更具象的全能员工，被称为是人工智能机器人的初级形态，能够如同人类一般观察周遭环境、做出决策，并自动采取行动。

比尔·盖茨曾直言，“掌控 AI Agent，才是真正的成就。届时，你将不再需要亲自上网搜索信息。”AI 领域的权威专家们同样对 AI Agent 的前景寄予厚望。微软 CEO 萨提亚·纳德拉曾预言，AI Agent 将成为人机交互的主要方式，能够理解用户需求并主动提供服务。吴恩达教授亦预测，在未来的工作环境中，人类和 AI Agent 将以更加紧密的方式协作，形成高效的工作模式，提高效率。

AI Agent 不单是技术的产物，更是未来生活与工作方式的核心。

这不禁让人回想，当 Web3 和区块链刚引起广泛讨论时，人们也常常用”颠覆”一词来形容这项技术的潜力。回顾过去几年，Web3 从最初的 ERC-20、零知识证明，逐渐发展到了与其他领域相融合的 DeFi、DePIN、GameFi 等。

若将 Web3 与 AI 这两大热门数字科技相结合，会不会产生 1+1>2 的效果呢？融资规模越来越庞大的Web3 AI 项目，能否为行业带来新的用例范式，创造新的真实需求？

AI Agent：人类最理想的智能助手

AI Agent 的想象力到底在哪里？网上盛传一个高分答案，“大语言模型只能编个贪吃蛇，而 AI Agent 可以编出一整个王者荣耀。”听起来很夸张，但并未言过其实。

Agent，国内通常翻译为“智体”。这一概念由“人工智能之父” Minsky 在 1986 年出版的《思维的社会》一书中提出，Minsky 认为社会中的某些个体经过协商之后可得出某一问题的解，这些个体就是 Agent。多年来，Agent 一直是人机交互的基石，从微软的剪辑助手 Clippy 到 Google Docs 的自动建议，这些早期形态的 Agent 表现出了个性化交互的潜力，但在处理更复杂任务方面能力仍然有限。直到大语言模型（LLM）的出现，Agent 的真正潜力才得以被挖掘。

今年 5 月，AI 领域权威学者吴恩达教授在美国红杉 AI 活动上分享了关于 AI Agent 的演讲，在其中，他展示了其团队做的一系列实验：

让 AI 去写一些代码并运行，对比不同 LLM 和工作流程得出的结果。结果如下：

• GPT-3.5 模型：准确率 48%

• GPT-4 模型：准确率 67% 

• GPT-3.5 + Agent：高于 GPT-4 模型的表现

• GPT-4 + Agent：远高于 GPT-4 模型，非常出色

的确。大多数人在使用 ChatGPT 这种 LLM 时，方式通常是：输入一段提示词，大模型会立即生成答案，不会自动识别和纠正错误删除重写。

相比之下，AI Agent 工作流程是这样的：

首先，先让 LLM 写一个文章大纲，如有必要，先在互联网上搜索内容进行调研分析，输出初稿，然后阅读草稿并思考如何优化，如此循环往复、多次迭代，最终输出一篇逻辑严谨、错误率最低的高质量文章。

我们可以发现，AI Agent 与 LLM 的区别在于，LLM 与人类之间的交互基于提示词（prompt）进行。而 AI Agent 仅需设定一个目标，它就能够针对目标独立思考并做出行动。根据给定任务详细拆解出每一步的计划步骤，依靠来自外界的反馈和自主思考，自己给自己创建 prompt，来实现目标。

因此 OpenAI 对 AI Agent 的定义是：以 LLM 为大脑驱动，具有自主理解感知、规划、记忆和使用工具的能力，能自动化执行完成复杂任务的系统。

当 AI 从被使用的工具变成可以使用工具的主体，就成为了 AI Agent。这也正是 AI Agent 可以成为人类最理想智能助手的原因所在。例如，AI Agent 能够基于用户历史线上互动，了解并记忆用户的兴趣、偏好、日常习惯，识别用户的意图，主动提出建议，并协调多个应用程序去完成任务。

就如同在盖茨的构想中，未来我们不再需要为不同的任务切换到不同的应用中，只需用平常的语言告诉电脑和手机想做什么，根据用户愿意共享的数据，AI Agent 将提供个性化的响应。

单人独角兽公司正在成为现实

AI Agent 还能够帮助企业打造以“人机协同”为核心的智能化运营新模式。越来越多的业务活动将交由 AI 来完成，而人类则只需要聚焦于企业愿景、战略和关键路径的决策上。

就像 OpenAI 首席执行官 Sam Altman 曾在采访中提到过这样一个引人注目的观点，随着 AI 的发展，我们即将进入“单人独角兽”时代，即由单人创办并达到 10 亿美元估值的公司。

听起来天方夜谭，但在 AI Agent 的助力下，这个观点正在成为现实。

不妨做个假设，现在我们要创办一家科技初创公司。按照传统方法，显然我需要雇佣软件工程师、产品经理、设计师、营销人员、销售和财务人员，各司其职但都由我来协调。

那么如果使用 AI Agent 呢，我可能甚至都不需要雇佣员工。

• Devin — 自动化编程

替代软件工程师，我可能会使用今年爆火的 AI 软件工程师 Devin，它能帮我完成所有前端和后端的工作。

Devin 由 Cognition Labs 开发，被称为是“世界上第一个 AI 软件工程师”。它能够独立完成整个软件开发工作，独立分析问题、做出决策、编写代码并修复错误，均可自主执行。大大减轻了开发人员的工作负担。Devin 在短短半年内就获得了 1.96 亿美元的融资，估值迅速飙升至数十亿美元，投资方包括 Founders Fund、Khosla Ventures 等知名风险投资公司。

虽然 Devin 仍未推出公开版本，但我们可以从另一个最近爆火 Web2 的产品 Cursor 一窥潜力。它几乎可以为你完成所有工作，将一个简单的想法在几分钟内转化为功能性代码，你只需要发号施令，就能「坐享其成」。有报道称，一个八岁的孩子，在没有任何编程经验的情况下，居然使用 Cursor 完成代码工作并建起了一个网站。

• Hebbia — 文件处理

替代产品经理或财务人员，我可能会选择 Hebbia，它能帮我完成所有文档的整理和分析。

与 Glean 侧重企业内文档搜索不同，Hebbia Matrix 是一个企业级的 AI Agent 平台，借助多个 AI 模型，帮助用户高效地提取、结构化、分析数据和文档，从而推动企业生产力的提高。令人印象深刻的是，Matrix 能一次性处理多大数百万份文档。

Hebbia 在今年 7 月完成了 1.3 亿美元 B 轮，a16z 领投，Google Ventures、Peter Thiel 等知名投资者参投。

• Jasper AI — 内容生成

替代社媒运营和设计师，我可能会选择 Jasper AI，它能帮我完成内容的生成。

Jasper AI 是一个 AI Agent 写作助手，旨在帮助创作者、营销人员和企业简化内容生成流程，提高生产力和创作效率。Jasper AI 能够根据用户要求的风格生成多种类型的内容，包括博客文章、社交媒体帖子、广告文案和产品描述等。并根据用户的描述生成图片，为文本内容提供视觉辅助。

Jasper AI 已获得 1.25 亿美元的融资，并在 2022 年达到了15 亿美元的估值。根据统计数据，Jasper AI 已帮助用户生成超过 5 亿个单词，成为使用最广泛的 AI 写作工具之一。

• MultiOn — 网页自动化操作

替代助理，我可能会选择 MultiOn，帮我管理日常任务、安排日程、设置提醒，甚至是规划出差行程，自动预订酒店，自动安排网约车。

MultiOn 是一个自动化的网络任务 AI 代理，能够帮助在任何数字环境中自主执行任务，例如帮助用户完成在线购物、预约等个人任务，提升个人效率，或帮助用户简化日常事务，提高工作效率。

• Perplexity — 搜索、研究

替代研究员，我可能会选择英伟达 CEO 都在每天使用的 Perplexity。

Perplexity 是一个 AI 搜索引擎，能够理解用户的提问，拆分问题，然后搜索和整合内容，生成报告，以向用户提供清晰的答案。

Perplexity 适用于各类用户群体，例如学生和研究人员可以简化写作时的信息检索流程，提高效率；营销人员可以获取可靠数据支持营销策略。

以上内容仅为想象，当下这些 AI Agent 的真正能力和水平尚不足以替代各行各业中的精英人才。正如 Logenic AI 联合创始人李博杰所言，目前 LLM 的能力还只是入门级水平，远远达不到专家级，现阶段的 AI Agent 更像是一个干活比较快但不太可靠的员工。

然而，这些 AI Agent 凭借各自的特长，正在助力现有用户在多样化场景中提高效率和便利性。

不仅仅限于科技公司，各行各业都可以在 AI Agent 的浪潮中获得益处。在教育领域，AI Agent 可以根据学生的学习进度、兴趣和能力提供个性化的学习资源和辅导；在金融领域，AI Agent 可以帮助用户管理个人财务，提供投资建议，甚至预测股票走势；在医疗领域，AI Agent 可以帮助医生进行疾病诊断和治疗方案的制定；在电商领域，AI Agent 还可以作为智能客服，通过自然语言处理和机器学习技术自动回答用户咨询，处理订单问题和退货请求，以此提高客户服务效率。

Multi-Agent：AI Agent 的下一步

在上一节关于单人独角兽公司的设想中，单一的 AI Agent 在处理复杂任务时面临着局限性，难以满足实际需求。而运用多个 AI Agent 时，由于这些 AI Agent 基于异构 LLM，集体决策困难，能力有限，以至于还需要人类充当这些独立 AI Agent 之间的调度员，协调这些服务于不同应用场景的 AI Agent 去工作。这便催生了“Multi Agent（多智体框架）”的兴起。

复杂问题往往需要融合多方面的知识和技能，而单个 AI Agent 的能力有限，难以胜任。通过将不同能力的 AI Agent 进行有机组合，Multi-Agent 系统可以让 AI Agent 发挥各自的长处，取长补短，从而更有效地解决复杂问题。

这非常类似于我们实际中的工作流程或组织结构：由一个领导者分配任务，拥有不同能力的人，负责不同的任务，每个工序执行的结果给到下一个工序，最终得到最后的任务成果。

在实现过程上，由较低级别 AI Agent 执行各自的任务，而由级别较高的 AI Agent 分配任务，并对它们的完成情况进行监督。

Multi-Agent 还能模拟我们人类的决策过程，就像我们遇到问题时会找人商量一样，多个 AI Agent 也可以模拟集体决策的行为，为我们提供更好的信息支持。例如由微软开发的 AutoGen 就满足了这一点：

• 能够创建不同角色的 AI Agent。这些 AI Agent 具有基本的对话能力，能够根据接收到的消息，生成回复。

• 通过 GroupChat 来创建由多个 AI Agent 参与的群聊环境，在这个 GroupChat 有一个管理员角色的 AI Agent 管理其他 AI Agent 的聊天记录、发言者顺序、终止发言等。

如果应用到单人独角兽公司的设想里，我们可以通过 Multi-Agent 架构创建几个不同角色的 AI Agent，比如项目经理、程序员或者主管。把我们的目标告诉它们，让它们任意去想办法，我们只要在一旁听汇报，如果觉得有意见或者它们做得不对的地方，就让它们改，直到满意为止。

相比单一的 AI Agent，Multi-Agent 可以实现：

• 可扩展性：通过增加 AI Agent 的数量来处理更大规模的问题，每个 AI Agent 处理任务的一部分，使得系统能够随着需求的增长而扩展。

• 并行性：天然支持并行处理，多个 AI Agent 可以同时在问题的不同部分上工作，从而加速了问题解决。

• 决策改进：通过聚合多个 AI Agent 的洞察力来增强决策制定，因为每个 AI Agent 都有自己的视角和专业知识。

随着 AI 技术的不断进步，可以想象 Multi-Agent 框架将在更多行业发挥更大的作用，并推动 AI 驱动的各类新解决方案的发展。

AI Agent 之风，吹向 Web3 

迈出实验室，AI Agent 和 Multi-Agent 道阻且长。

暂且不论 Multi-Agent，即便是当下最先进的单一 AI Agent ，其需要的算力资源和计算能力在物理层面仍有明确的上限，无法做到无限扩展。一旦面临极其错综复杂、计算量密集的任务，AI Agent 无疑将会遭遇算力瓶颈，性能大打折扣。

再者，AI Agent 和 Multi-Agent 系统本质上是一种集中式的架构模式，这决定了它存在着极高的单一故障风险。更重要的是，OpenAI、微软、谷歌等公司基于闭源大模型的垄断商业模式，严重威胁独立、单一的 AI Agent 创业公司的生存环境，使得 AI Agent 无法顺利利用庞大的企业私有数据来使它们变得更聪明、更有效率。AI Agent 之间亟需民主化的协作环境，使得真正有价值的 AI Agent 得以服务更广阔的需求人群，为社会创造更大的价值。

最后，虽然与 LLM 相比，AI Agent 更贴近产业，但其发展基于 LLM，而当前大模型赛道的特点是技术门槛高、资金投入多、商业模式尚且发展不成熟，AI Agent 通常很难获得融资以持续更新迭代。

Multi-Agent 的范式是 Web3 助力 AI 的绝佳角度，已经有不少 Web3 开发团队正在这些方面投入研发提供解决方案。

AI Agent 和 Multi-Agent 系统通常需要大量的计算资源来进行复杂的决策和处理任务。Web3 通过区块链和去中心化技术，可以构建去中心化的算力市场，使得算力资源可以在全球范围内更加公平和高效地分配和利用。Akash、Nosana、Aethir、 IO.net 等 Web3 项目可以对 AI Agent 决策和推理提供计算能力。

传统的 AI 系统往往是集中式管理，导致 AI Agent 面临单点故障和数据隐私问题，Web3 的去中心化特性可以使得 Multi-Agent 系统更加分散和自治，每个 AI Agent 可以独立地运行在不同的节点上，自主执行用户提出的需求，增强了鲁棒性和安全性。通过 PoS、DPoS 等机制建立针对质押者、委托者的激励惩罚机制，可以促进单一 AI Agent 或 Multi-Agent 系统的民主化。

在这方面，GaiaNet、Theoriq、PIN AI、HajimeAI 都有非常前沿的尝试。

• Theoriq 是一个服务于“AI for Web3”的项目，希望通过 Agentic Protocol 建立  AI Agents 的调用和经济系统，普及 Web3 的开发和许多功能性场景，为 Web3 dApp 提供可验证的模型推理能力。

• GaiaNet 以节点为基础的 AI Agent 创建和部署环境，以保护专家、用户的知识产权与数据隐私为出发点，抗衡中心化的 OpenAI GPT Store。

• HajimeAI 则在两者基础上发力 AI Agent 工作流在实际需求中的建立和针对意图本身的智能化、自动化，呼应PIN AI提到的“AI智能的个性化”。

• 同时，Modulus Labs 与 ORA Protocol 分别在 AI Agent 的 zkML 和 opML 的算法方向取得了进展。

最后，AI Agent 和 Multi-Agent 系统的开发和迭代往往需要大量的资金支持，而 Web3 可以通过前置流动性的特点帮助有潜力的 AI Agent 项目获取宝贵的早期支持。

Spectral 和 HajimeAI 均提出了支持发行链上 AI Agent 资产的产品构想：通过 IAO（Initial Agent Offering）发行代币，AI Agent 可以直接从投资者获得资金，同时成为 DAO 治理的一员，为投资者提供参与项目发展和分享未来收益的机会。其中 HajimeAI 的 Benchmark DAO 希望通过众筹加代币激励的方式，将去中心化的 AI Agent 评分和 AI Agent 资产发行有机结合起来，打造 AI Agent 依托 Web3 融资和冷启动的闭环，也是比较新颖的尝试。

AI 潘多拉魔盒已然开启，置身其中的每个人既兴奋又迷茫，热潮下是机遇还是暗礁，无人知晓。如今，各行各业都已不再是 PPT 融资时代，无论多么前沿的技术，也只有落地才能实现价值。AI Agent 的未来注定是一场漫长的马拉松， 而 Web3 正确保它不会在这场竞赛中黯然退场。

作者：ningning

在当今的加密行业，“质疑Ponzi”常被视为天真幼稚，而“理解Ponzi、成为Ponzi”逐渐成为主流理念。在这样的氛围下，Loki老师的新作宛如一束照进柏拉图洞穴的光，提醒我们这个行业需要回过头来，正视现实世界，解决真实问题。

尽管“盘学”（即Ponzi式商业模式）在加密圈盛行，我始终不认为Ponzi会是加密行业的最终归宿。再精巧的Ponzi模式，本质上也只是一个物理耗散系统，必须不断从外部输入能量或资源，才能维持其结构和功能。

从物理耗散系统的视角看Ponzi

Ponzi模式可以通过物理学中的“耗散系统”理论来理解。在这种系统中：

• “低熵”能量：新投资者的资金注入。

• 系统的“有序结构”：投资者的金字塔分层设计。

• “高熵”废物：资金流失和市场信任的损耗。

• 能量质量降低：随着时间推移，维持相同回报率需要更多新资金。

• 外部资源有限：潜在投资者群体终究是有限的。

• 熵积累：随着信任的下降，市场整体的熵值上升。

• 结构维护成本上升：吸引新投资者的成本越来越高。

任何耗散系统，终究会因无法获取足够的低熵能量而崩溃，Ponzi模式也不例外。这不是偶然的失败，而是熵增定律作用的必然结果。

加密行业的现状与挑战

加密行业能发展至今，离不开比特币早期的OG们布道，也离不开如A16Z、Pantera等顶级风投机构的推动。他们通过不断制造新叙事、构建新原语，一方面创造新的投资机会，另一方面吸引新资金入场，然后在牛市周期退出。从“盘学”的视角来看，这是一种复杂的Ponzi模式，它依赖于新投资者的不断进入。

然而，这种模式如今可能已接近其耗散系统的极限。一个明显的例子是，在美国市场，加密货币的渗透率已超过20%。当新资金来源枯竭，Ponzi系统必将瓦解。

突破困境的关键：创新与价值创造

要想打破这一局面，行业需要回归本质——构建持续创新、提升效率、创造实际价值的项目。创新、效率的提高和价值的创造，能够让系统维持在“远离平衡”的状态，这种状态下，系统有机会产生新的、有机的结构与功能，进而增强其可持续性。

加密行业急需一次“ChatGPT”时刻——一个能够真正推动技术与应用变革的突破。最近兴起的赛道，如PayFi、Consumer Chain、AI Agent with Crypto Wallet、链抽象等，正是在这种环境压力下诞生的新解决方案。

反思与回归：评估项目的真正价值

在评估这些项目的价值时，我们需要反思当前流行的“技术决定论”、“背景决定论”和对基础设施（Infra）的盲目崇拜。更重要的是，要回归产品本身以及其增长潜力。真正的价值创造不是依赖叙事和资金推动，而是源于产品的实际应用与用户增长。

来源：chainfeeds

在最近的以太坊开发者会议上，讨论了将以太坊的 Pectra 硬分叉分成两部分的提议。这个提议之前曾经被否决，因为大家担心会延迟 Verkle 树的升级。不过在这次的会议上，开发者们再次提出了这个想法，因为他们希望在 Pectra 分叉中加入更多的改进提案（EIP）。提议将硬分叉分为两部分：第一部分将包括目前 Pectra Devnet 3 上的所有 EIP，第二部分的分叉将包括 EOF（EVM 对象格式）和 PeerDAS 等，为了更好地理解 PeerDAS，我们首先从数据可用性这一基础概念讲起。

DA：确保节点获取链上数据

数据可用性（Data Availability，DA）是指要保证区块提议者发布的区块、区块中所包含的所有交易数据，对于其他网络参与者来说可以有效地访问和获取。数据可用性是区块链安全的一个关键因素，因为如果数据不可用，即使区块合法，其他节点也无法验证其内容，可能引发共识问题和网络攻击。例如，攻击者可能只发布部分区块数据，导致其他节点无法进行验证。

当新区块被广播时，所有参与的节点都会下载并验证区块的数据。这种模式在网络规模较小时是可行的，但随着区块链的不断增长，数据量会变得非常庞大，每个节点存储会不断增加，对硬件的要求随之提高。为了让轻节点（如手机或电脑这样的移动设备）也可以参与区块验证，区块链引入了分片技术。

分片技术是将整个区块链网络分成多个小的「片」（shards）。每个分片只处理自己那部分数据，不必处理整个区块链的数据。因此，单个节点只需要处理自己分片的数据。但每个分片只处理一部分数据，就意味着其他分片的节点无法直接访问完整的数据。那如何确保分片中的数据是可用的，并且其他节点能够验证这些数据的有效性？例如，某个分片的节点发布了一个新生成的区块，但它可能只发布了一部分数据。如果其他节点无法获取区块的全部数据，就无法验证这个区块是否真实合法。

DAS：通过部分数据验证整体数据可用性

为了应对分片中的数据可用性问题，数据可用性抽样（Data Availability Sampling，DAS）技术被提出，它的核心思想是通过抽样的方式来验证区块的数据可用性，不要求每个节点存储或下载完整的区块数据。

数据可用性抽样允许节点只需随机获取区块中的一部分数据便可以验证数据可用性，如果节点能够成功获取并验证这些随机数据片段，便可以推测整个区块的数据是可用的。

为了支持这种抽样验证，区块数据通常会使用 RS 编码。这种编码允许在丢失部分数据的情况下仍然能够恢复出完整的数据。因此，即使节点仅下载部分区块数据，也能够推断并确认整个区块数据的有效性。DAS 通过抽样验证减少了每个节点需要处理的数据量，轻节点也可以参与区块验证。

DA 层比如 Celestia 的就是通过这些技术来实现。主要涉及 RS encoding + validity proof + DAS。

• RS 编码（Reed-Solomon Encoding）：这种编码方式允许只接收到一部分数据片段的节点也能够重建整个数据块。它类似于纠错码，具有一定的容错能力，即便丢失一部分数据，剩下的部分也足以重构完整数据。

• Validity Proof（有效性证明）：使用零知识证明来确保数据在编码和传输的过程中没有错误。如果验证成功，则可以无误地解码出整个数据。

• DAS（数据可用性抽样）：通过轻节点随机抽样区块中的一部分 RS 编码片段，验证这些片段的可用性，从而推测整个数据块是可用的。

PeerDAS: 节点间协作验证数据

PeerDAS 是 DAS 的一种具体实现，通过对等网络（peer-to-peer network）进行数据可用性抽样，对等网络是由多个节点组成的网络，节点间直接进行通信。在 DAS 下，每个节点独立进行数据的抽样验证，而 PeerDAS 优化了这一过程，它让节点之间协作共享和验证区块中的数据，进一步提高验证效率。节点之间并不是孤立的，可以共享数据验证的任务和结果，可以依赖其他节点已验证的数据。这样，节点不必单独承担所有的验证工作，而是通过合作分担验证任务，进一步减少节点的负担。而且协作验证增加了数据篡改的难度，攻击者需要同时影响多个验证节点才能成功篡改数据。

目前，根据最新以太坊关于 PeerDAS 的会议，以太坊客户端 Lighthouse 团队已经将 DAS 分支合并到主分支，并正在测试以确保与 PeerDAS 的兼容性。分支通常是用来开发和测试新功能或改进的独立代码版本，合并到主分支意味着这个功能或改进已经开发完成，并且有信心是稳定的，可以合并到核心代码中。

TOKEN2049盛会即将到来，作为铂金参展商的4E早已蓄势待发！恰逢平台一周年庆，4E将为所有参会者准备一场集趣味互动与丰厚奖励于一体的盛宴。这篇攻略将手把手教你如何轻松玩转4E展区，赢取满满好礼，让这次参会变得更加欢乐无比！

4E展位在哪里？

4E展位在5层的P80和P83，位置显眼，绝对不会迷路。另外在4楼，4E还有一个“清凉小站”冰淇淋吧哦！

如果找不到展位也别急，4E在4-5层的楼梯间设置了广告指引，保准你迅速找到我们！

如何嗨玩4E活动？

这次TOKEN2049盛会正好赶上4E周年庆，所以我们精心策划了一系列活动！不管你是探索Web3的先锋，还是热爱趣味互动的玩家，来4E展区准没错，周边好礼拿到手软。跟着我们的攻略顺序，一起来哦！

Step 1: 签到，免费领取冰淇淋

第一站，别忘了打卡签到！3层的4E签到处欢迎您的到来。签到后，你会获得一个充满惊喜的Welcome Bag，还附赠一张任务卡！拿着任务卡去4楼的冰淇淋吧，就能免费领到一份清凉的冰淇淋，为你的参会之旅解解暑吧～  

小提示：如果你还不是4E的小伙伴，趁活动期间，赶紧下载并注册4E APP吧！可获得10美元赠金券，直接可用于交易。

4楼4E冰淇淋摊

Step 2: 社媒互动，礼品拿到手软

来到5层的P80和P83展位，除了休息片刻，还能参与一系列趣味社媒互动，动动手指，就能赢取专属好礼哦！

• Task 1：新用户注册： 注册4E APP，前100名每天可得$5现金红包+时尚显眼包+香薰片，给你的加密之旅一个温馨开场！

• Task 2：社媒关注： 关注4E推特，转赞评推文，一个实用的手机支架就到手啦~

• Task 3：视频祝福： 录制一段4E周年祝福视频，我们将为你打印个性照片，并送上酷炫的功夫扇，见证你的创意！

• Task 4：捕捉4E元素： 在TOKEN2049现场寻找4E的小鹰元素，发推并@4E_GLOBAL和三位好友，即可收获一个潮流潮流渔夫帽，让您的时尚感立马爆棚！

Step 3: 集章挑战，解锁限量珍品

逛展会的时候，别忘了参与4E的集章挑战哦！每完成一个任务，就能获得一枚徽章。集齐四枚4E周年徽章后，结合推文点赞数排名，你将有机会赢取超值大奖：第一名可以拿到AFA限量签名球衣，上面可是有梅西等多名重量级球员亲笔签名哟，2-10名也有高级调酒器套装等你来拿！

Step 4: 邀请好友，一起拿好礼

如果你在TOKEN2049现场遇到了朋友，别忘了拉上他们一起嗨玩4E周年庆活动！成功邀请好友注册4E后，任选一个社媒任务，就能拿走手持风扇、胶囊伞、充电宝，甚至是AFA联名背包等礼品。每一份礼物既实用又精致，邀请的好友越多，礼品越多，快乐加倍哦！

Step 5: 充值交易，赢梅西签名球衣

对于交易爱好者，4E同样准备了独家福利！在展会期间，充值200-999 USDT可获得高级调酒器套装；充值1000 USDT及以上，还能拿走AFA联名行李箱！而交易额最高的幸运儿将得到梅西亲笔签名的AFA限量球衣，光是想想就超激动对吧？当然，还有高达1400美元的赠金券等你来拿，助你交易更加顺利。

在TOKEN2049的舞台上，4E不仅仅是参展商，更是你探索Web3世界的伙伴！有趣的互动，满满的福利，4E已准备好迎接你的到来，期待与你相见！祝大家在TOKEN2049的旅程中，收获满满的精彩与惊喜！

作者 ：2898

Twitter：@punk2898

没想到吧，还有人记得去年的小作文，暴涨 10 倍之前的 2049 大家都在说什么?

市场主流的声音是市场情绪的外化表现，所以要关注的是那些非主流的刺耳的观点

本文大纲:

暴涨 10 倍之前的 2049 大家情绪乐观么?

哪些非主流观点反而成为了主流?

哪些美好的希望反而没有实现?

似乎 GPT 才是那个分析行情最好的人?

正文开始。

一、暴涨前的 2049 大家情绪乐观么?

先看一下去年大家的整体情绪，大家判断的对么?

1、60%参会者对 BTC 走势持谨慎乐观态度

结果:完全错误

2、投资与技术:Token2049是资本对接的舞台，而非技术创新聚集地

结果:完全正确

3、市场周期:比特币减半周期只是小周期，真正的大周期是从行业诞生至今，即‘美元量化宽松的散户周期’机会与风险:‘熊市有聚光灯效应’，即一旦有某应用爆发，会很容易受到资金关注

结果:对错参半

二、哪些非主流观点反而成为了主流?

市场主流的声音是市场情绪的外化表现，所以要关注的是那些非主流的刺耳的观点

Jocy@IOSGVC @JinzhouLin 去年提出的两个非主流观点都被验证

1、尽管熊市，但一些公司(如zkEVM)仍然在技术上有突飞猛进的表现。

去年的 zKEVM 技术迭代孕育了 ZKFair、Merlin 等公链；事后诸葛亮来说，这个预见性爆炸

2、AI赛道已经成为美国Crypto Fund 豪赌的激进赛道。

从去年底开启的 DePin&Al是这轮小牛最耀眼的赛道之一

期待这一轮 Jocy 老哥的真知灼见

Will Wang @willwangtf 提出的特殊观点非常有意思，他提出的“美元量化宽松的散户周期”回过头来非常准确。

1、比特币减半周期只是小周期，真正的大周期是从行业诞生至今，即“美元量化宽松的散户周期”，未来是否能进化到机构占比较高的市场需要关注。

现在大家搬着小板凳都在等美联储降息 

2、行业中普遍缺少长期主义和基础信任，但是太过聚焦于基建可能会导致“审美疲劳”。

那个时间点L2 还没有遍地开花，现在大家都在讨论应用在哪里?

虽然说长期主义会错过短途的风光，但是理性的风会从过去吹到现在，赚长期且稳定的收益。

加密韋馱 @thecryptoskanda 这就是属于爆论了,但是很有意思的是完全命中，只不过是以没有预料的方式。

1、优秀的Buidler和Degen本质上是同一群人，只是目标和手段不同。前者是为了在牛市中通过提高估值而暴富，后者则是通过“割韭菜”来实现利润。

2、下一轮市场中，所有以机构自居的纯投资架构CryptoVC将不复存在，这包括作者所在的AC公司。

这一轮大家都在骂 VC 币，而 VC 在骂韭菜不接盘，这盛世如你所愿。

戈多Godot @GodotSancho非主流观点全部命中

1、ZKP、模块化、Intent+AA受到关注，但还没有大规模应用。

在之前的小牛中模块化被反复炒作

2、AA钱包和无 Gas 链可能是解决使用门槛问题的关键。

现在 AA 钱包应用的越来越普遍，已经有非常成熟的AA 钱包服务商。

3、”熊市有聚光灯效应”，即一旦有某应用爆发，会很容易受到资金关注。

铭文、MEME 都验证了这个观点

三、哪些美好的希望反而没有实现?

我们怀有美好的期待，但是现实一次次告诉我们可以有美好的期待，但是现实很复杂。

1、如果贝莱德ETF申请成功，而圈规模可能会大幅增长。

并没有，BTC是增长了，币圈规模却没有大幅增长。不断解锁的 VC 币算么?

2、如果比特币和以太坊能够承接新的历史使命和叙事，它们的价值可能会得到新的认可。

比特币有了新的叙事，以太坊陷入到叙事枯竭;V神变成小V、V割

3、虽然Layer1没有得到广泛共识，但分歧可能产生Alpha收益。

并没有哪条新的 L1 跑出来。

4、从“玄学的角度”看，Friendtech触及到Crypto行业繁荣的某种本质即独特的信任关系。

FT 凭借一己之力把这个赛道证伪了。

5、Web3尽管有颠覆Web2的潜力，但由于既得和益的问题，这一颠覆可能比预想要困难。既得利益者不可能完成自我革命。

Web3 没有能力颠覆 Web2，但是 Web2 已经死了(Web2 都没有啥融资了)

6、由于SEC(美国证券交易委员会)的严格管制，北美的区块链人才和项目正在流失，这使得新加坡成为一个更具吸引力的选项。

并没有。

四、似乎 GPT才是那个分析行情最好的人?

以上的非主流观点都是由 GPT 筛选出来的，看来 GPT 更适合做行情分析专家