Loading...
Loading...
你买的股票代币不是股票：Robinhood Stock Token 的法律真相撰文：Gandalf，Techub News
导语
在 Robinhood Chain 上买一枚「英伟达」，你得到的不是英伟达的股票，而是一张由泽西岛实体发行的代币化债务凭证：有价格敞口，没有投票权，不在美国证券法下注册。这套结构运转一年后，在 2026 年 9 月 4 日迎来第一次正面冲突——AMC CEO 公开抨击 Robinhood 未经授权代币化 AMC 股票，并表示将请外部证券顾问评估调查。本文讲清这套发行结构、它此前埋下的伏笔，以及 24 小时交易带来的定价脱锚问题。
核心要点
Stock Token = 泽西岛 Robinhood Assets 发行的 ERC-20 代币化债务凭证，非股权，无投票权与股东保护
Robinhood 主张：美国托管方持有真实股份 1:1 支持，全天候透明运作
伏笔：2025 年 7 月的 OpenAI 代币（标的公司未参与）与立陶宛央行质询
9 月 4 日 AMC CEO 发难：合规成本不对等、离岸发行、上市公司无否决权，并称将寻求外部证券顾问调查
结构性问题：链上 7×24 交易 vs 链下休市——HIMS 代币曾在周末较收盘价溢价 112%
Robinhood Chain 上跑着近百只美股的代币，涵盖英伟达、特斯拉、GameStop、Coinbase 等标的。它们看起来像股票，价格跟着股票走，但在法律意义上，它们不是股票。
代币化债务凭证，不是股权
Robinhood 的第一代股票代币由设在泽西岛（Jersey）的 Robinhood Assets 发行，形式是 ERC-20 代币，性质是代币化的债务证券（tokenized debt securities）。持有人获得的是标的资产的经济敞口，而不是法律上的所有权。
这意味着三件事：没有投票权，没有股东身份，也不享有美国证券法为股东提供的那套保护。这些代币并未在美国证券法下注册。Robinhood 的说法是，代币由美国托管方持有的真实股份 1:1 支持，运作透明且全天候。
OpenAI 代币埋下的伏笔
争议在自建链之前就出现了。2025 年 7 月 2 日，链上数据显示 Robinhood 已在 Arbitrum 上铸造约 2305 枚 OpenAI 股票代币——把一家未上市公司的股权做成了代币，而 OpenAI 本身并未参与。
监管随即介入。7 月 8 日，立陶宛央行要求 Robinhood 就其代币化股票的产品结构作出说明。这是第一次有央行级别的机构对这套结构提出正式质询。
Robinhood 的态度是继续推进。7 月 9 日，Tenev 表示已收到大量私营公司希望发行代币化股票的请求。到 2025 年 10 月 19 日，Robinhood 在 Arbitrum 上的代币化资产总数已达约 500 个。
AMC 的正面开火
真正的对撞发生在 2026 年 9 月 4 日：AMC 首席执行官公开抨击 Robinhood 未经授权发行代币化 AMC 股票。
其核心论点是不对等的合规成本：AMC 每年花费数百万美元遵守美国证券法，而 Robinhood 通过一家距离约 3000 英里的海峡群岛关联实体 Robinhood Assets (Jersey) Limited 发行这些代币，绕开了同一套约束。上市公司对自己股票的代币化没有否决权。
Tenev 在 X 上的回应是要求对方说明具体的关切点，并坚持代币由美国托管方持有的真实股份 1:1 支持。8 月 19 日至 20 日，他连续公开呼吁美国开放代币化股票交易，称其为金融现代化的最佳路径，并表示代币化将开启超级周期、最终接管整个金融系统。
图源：Cointelegraph（2026 年 9 月 4 日）
24 小时交易带来的结构性后果
X 用户 @mkrz_ 指出了一个容易被忽略的问题：Robinhood Chain 让股票实现了 7×24 小时交易，而这本身就会制造新的问题。
当纳斯达克休市而链上仍在交易时，股票代币的价格失去了锚。据 KuCoin 的研究，在周末需求激增而供给受限时，HIMS 股票代币曾一度较其纽交所收盘价高出 112%。链上的价格和链下的价格，在非交易时段可以完全脱钩。
这个缺口后来被 Meme 交易者精准利用——那是另一个故事的开始。
智谱在天猫开店卖Token了：成首家入驻主流电商平台的大模型厂商以后打开淘宝搜"智谱旗舰店"，你能买到的不再只是衣服和数码产品——而是大模型的调用额度。
9月2日，智谱正式入驻天猫开设官方旗舰店，成为第一家登上主流电商平台的大模型厂商。店铺里上架的不是模型、不是API文档，而是四款明码标价的"GLM Coding Plan"订阅套餐：个人版Lite每月118元、Pro每月538元、Max每月1078元，团队版标准席位598元/月，支持按月、季、年订阅，支持支付宝、支持开发票。
一位企业工程师的评价很到位："以后买Token可以像充话费一样丝滑，大促节点说不定还有折扣。"
货架上卖的是什么
套餐基于8月刚发布的GLM-5.3模型——这是智谱最新旗舰，在Artificial Analysis智能指数上拿到60分，进入全球前沿模型区间，与Claude Fable 5、GPT-5.6 Sol同档，并和Kimi K3并列开源模型第一。它兼容ZCode、Claude Code、Codex等20余款主流Agent工具，买完拿到额度，代码生成、调试、重构随便用，超出部分再按标准API计费。
模式确实和手机话费套餐一模一样：固定月费、额度打包、用超再加价。对高频开发者，锁定月费比按次调用便宜——商品页直接标注"较标准API最高省87%到90%"。
但值得注意的是，这次天猫定价相比年初版本大幅上调：Lite、Pro、Max三档月费分别从49元、149元、469元涨至118元、538元、1078元，其中最热门的Pro档直接变成原价的3.6倍。智谱的解释是：新套餐改为以Token消耗为基础的积分制，额度更透明可预期，非高峰时段还有50%积分抵扣，且模型从GLM-5升级到了GLM-5.3。
涨价的不止智谱一家。今年上半年Coding Plan市场刚打完价格战，腾讯、MiniMax、Kimi就陆续下架了包月套餐，阿里关停了入门档位，整个行业从"低价抢人"转向"精简提价"。智谱选择在这个时点把涨价后的新套餐搬上天猫，底气是模型能力，也是生存压力。
为什么偏偏是现在
看一眼财报就明白了。
8月31日晚，智谱发布2026年中报：上半年营收9.54亿元，同比增长399.7%，超过去年全年；但净亏损20.7亿元。作为今年1月登陆港交所的"全球大模型第一股"，它的股价曾从116.2港元发行价冲到2980港元、市值破万亿，随后又大幅回调，市值蒸发超5000亿港元。
增长引擎已经换挡：上半年开放平台及API收入8.25亿元，同比暴增2735.7%，占总收入比重从去年同期的15.2%飙升到86.5%。换句话说，智谱已经从"卖项目、卖定制"的传统软件公司，变成了"卖调用量"的Token零售商。董事长刘德兵把上半年的关键词定义为"能力兑现"——模型第一次被证明能独立把事做完，收入结构随之置换。
背景板是整个Token经济的爆发：国内日均Token消耗量已突破140万亿，比2024年初的1000亿增长超1000倍。今年5月三大运营商集体推出Token套餐，阿里成立AlibabaTokenHub事业群，腾讯云升级全域TokenHub——"卖Token"已经成了AI产业链上最拥挤的生意。智谱上天猫，本质是在这场零售战争里抢占离普通用户最近的那个收银台。
套餐化的隐忧与出路
不过话费套餐留下的历史教训也摆在那儿：档位可以多，账单别靠猜。
有观察者已经提醒：商品页上"10000积分"的数字很醒目，但普通用户真正想知道的是——这些积分够我写多少代码、跑多少次任务？大模型用量比手机流量难感知得多，有人天天用它干活觉得值，也有人第二个月打开账单才想起自己还订着。订阅制最大的敌人从来不是价格，是沉默续费。
好在电商货架本身就是最好的倒逼机制。当Token从开发者文档里的专业概念变成淘宝商品，它就得接受零售世界的规则：七天无理由式的体验保障、双11的折扣大战、买家秀和评价区的公开处刑。哪家套餐说明写得像天书，哪家额度虚标，评论区会替市场教育它。竞争越往零售走，计费透明和用户体验就越没法糊弄——这对消费者是好事。
结语：Token正在变成水电煤
从官网自助购买，到运营商套餐，再到天猫旗舰店，Token的销售路径正在复刻所有数字商品的大众化之路。智谱这一步的象征意义远大于开业当天的销量——截至发稿，四款商品还没有销量显示。
但方向已经清楚了：大模型能力正在从"技术产品"变成"生活耗材"。就像没人关心电是哪个电厂发的，只关心电费多少钱一度、充值方不方便；未来大多数人也不会关心背后是哪家模型，只关心每月那笔AI订阅费，值不值。
下一站，双11的Token满减券，已经可以期待了。
有用户，有收入，AI 应用却不是好生意独立应用同时面对三个问题：产品多久会被模型吞掉，增长能不能带来利润，用户入口在谁手里。
文丨祝颖丽
编辑丨赵磊
今年 7 月，一位接触过上百家 AI 创业公司的业内人士跟我们聊起 AI 应用行业，第一句话是：“死透了。” 接着反问：“你觉得还有什么应用值得做？”
应用当然有价值，但过去的软件创业路径开始失效：找到需求、获得用户、做出收入，都不足以让一家独立公司长期成立。
2026 年初，AI 知识空间产品 Kuse 每天新增上万用户。但创始人吴显昆反而在极力压低增长。
亏损让他不得不这么做。Kuse 向每个新用户赠送价值数美元的试用额度，用户越多，付给模型和云厂商的推理费越高；就算用户转成付费，成本结构仍然很差。团队反复调整定价和付费模式，才把毛利勉强调到微正。
高增长带来的亏损，有的创业者可以找资本市场支持；但 Kuse 至今没融过资，靠吴显昆和几位联合创始人的投入加经营现金流维持，也不打算融。在吴显昆看来，融资解决不了核心问题：如果增长只是把更多收入交给上游公司，规模还有什么意义？
类似的问题出现在各类 AI 应用公司。过去 3 年，模型能力不断扩展，创业公司作出的功能创新，越来越快被并入模型；应用承担推理成本，卖模型的公司又下场直接抢用户。独立应用同时面对三个问题：产品多久会被模型吞掉，增长能不能带来利润，用户入口在谁手里。
一些创业者已经离开纯软件生意，改卖交付、进入客户的经营，或者自己训练模型。他们要回答的是：当能力、成本和入口都攥在上游手里，应用公司还能留下什么？
卖 token 的生意，增长越快，亏得越多
2025 年 8 月，Kuse 发布新闻稿，称在没有 VC 融资和付费广告的情况下，60 天做到 900 万美元的 ARR（年度经常性收入) 。3 个月后，吴显昆在一档英文播客上又称 ARR 已超过 1000 万美元。
ARR 一度是 AI 应用公司唯一的 “成功” 标志，Kuse 也曾引以为豪。但今年 8 月再被问到时，吴显昆开始反思这个指标：“你其实是在卖货，大家是把 GMV 当成 ARR 来说。如果是电商卖货， 1000 万美金不是什么很大的数字吧。” 他说，所有 AI 应用本质上都在卖 token，“你拿几个大客户， annualized 了一下不就 1000 万了吗？”
卖 token、做大模型的分销商，起量确实快。2024 年，支付平台 Stripe 统计全球头部 100 家 AI 公司的收入：年化收入做到 100 万美元，中位时间只要 11.5 个月。
做到 500 万美元，约需 24 个月。作为对照，2018 年的头部 SaaS 公司走完同样两步，分别要 15 个月和 37 个月。
一位投资人见过很多把 ARR 做大的荒谬算法：把难以持续一次性收入、或某个月收到的年费乘以 12，写成年化收入；更夸张的，取一年里最高一天或一周的收入，乘以 365 或 52。
即便不注水，AI 应用的 “年化收入” 也远不如传统 SaaS 可靠。上述投资人对比说：“典型的 SaaS，你这个月付款的人，下个月 95% 还会付款，所以它确实是 recurring。现在的 AI 应用是 coding plan ，续约率会远低于传统的 SaaS。”
毛利差距也大。美国老牌风险投资机构 Bessemer 曾研究过 20 家高速增长的 AI 公司，发现很多在商业化第一年就接近或达到 1 亿美元 ARR，但平均毛利只有约 25%；传统云软件成熟期的毛利通常在 70% 左右。
传统 SaaS 时代，一个产品被市场验证后，通常可以放心扩大规模，因为新增用户带来的服务器成本很低。到了 AI 时代，被验证和成为一门可持续的生意成了两件事：用户可能愿意用、愿意付费，但每次使用都会产生推理成本，这笔成本不会随增长下降，毛利始终压在低位。
更棘手的是，增长有时会把产品拉向亏损。Kuse 年初压低增长，就是发现送给免费用户的试用额度成本太高，一度让公司爆亏。
这样的先例很多。据 The Information 报道，Perplexity 2024 年对外公布的毛利率约 60%，但那是因为公司把约 3300 万美元、主要花在免费和试用用户身上的计算与网络成本计入了研发费用；若计入营业成本，毛利率是负数。
Cursor 也类似：其内部财务资料显示，截至 2026 年 1 月的季度毛利率为 -23%；把免费用户的推理成本也算进去，约为 -31%。
吴显昆怀疑，这样的环境下，资源有限的创业公司还有没有必要继续玩这个游戏。他看到办公类 Agent 产品，增长期毛利极端的低到 -200%，有的 -40%，好一点的 0% 到 10%。Kuse 因为一直盯着商业模型，才勉强做到毛利为正。
他认同 Fireworks CEO Lin Qiao 对初创公司处境的概括——“scaling to bankruptcy”：越增长，离死亡越近。
OiiOii 去年底内测时，排队用户达到 10 万；刚上线时用户继续涨，每天用的人最多超过 10 万。但团队很快发现，来薅羊毛的太多，于是也刻意压低增长。
OiiOii 创始人闹闹说，起初投资人也看月活、日活，但团队觉得没意义；到 4 月，OiiOii 已经不再看用户活跃，转而看付费转化、续费率和平均每个付费用户的收入。
但模型的强势和同行竞争，让赚钱也变难了。视频模型里，Seedance 2.0 发布后一家独大、握有定价权，1 元一秒的报价，量大也难有折扣；正常情况下，应用公司在付费用户身上的毛利也只有 30% 左右。
Seedance 2.0 发布后的两个月里，也成了竞争最激烈的时刻。为了抢客户，一些公司发起猛烈补贴，如果再算上给免费用户的试用额度、创作者侧的营销，这个行业几乎没有公司能做到正毛利。
模型每升级一次，就让一批应用变得多余
2023 年 11 月，张佳圆发布代码搜索产品 Devv Search。当时程序员已经用 ChatGPT 辅助写代码，但答案常有幻觉，也缺出处。Devv 索引 GitHub、Stack Overflow 等技术资料，为生成结果提供引用和验证，上线半年收入数十万美元。
他曾设想公司未来三到五年的路线：先花一两年做好开发者搜索，再做代码生成和调试，最后进入不需要人亲手写代码的自动化阶段。
模型的更新节奏让这张路线图很快作废。2024 年 6 月，Anthropic 发布 Claude 3.5 Sonnet，称它在内部智能体编程测试中解决了 64% 的任务；接上工具，它已经能写、改并执行代码。接入 Claude 模型的 Cursor 验证了这一点。
2025 年 2 月，Anthropic 发布 Claude Code 研究预览版，可以搜索和阅读代码、修改文件、运行测试，并向 GitHub 提交代码。张佳圆原本预计持续一两年的搜索阶段只维持了半年，市场直接跳过第二阶段、进入自动化开发。“没有想到它来得那么快。”
Devv 随后转做自然语言生成应用。张佳圆后来判断，这个方向真正可行的窗口只有 2024 年 9 月至 11 月：Cursor、Claude Code 等编程 Agent 从一端进入，通用 Agent 从另一端扩张；要继续获客，得补贴大量 token，成本太高。2025 年年中，Devv 2.0 停止扩张，进入维护状态。
更早的 AI 写作应用，多拿到过近一年的窗口。一位论文写作产品的创始人称，2023 年生成一篇论文的成本只要一两毛钱，售价约 70 元；他的公司当年收入约 1000 万元，最高单日收入十几万元，净利润率约 50%。产品市占率一度很高，他有一次住酒店开发票，前台的实习大学生看到发票抬头会心一笑：毕业论文用的就是这个产品。
但 2024 年，增长就停了。团队增加了 PPT 生成、AI 内容检测等功能，收入也没有起色。到 2025 年，Kimi、DeepSeek 已能更便宜甚至免费地写长文，这个工具的收入从每天数万元一路降到数百元，最后归零。
同类公司也在转向：Jasper 转做企业营销，Copy.ai 去连接销售流程和客户管理系统，“蛙蛙写作”（波形智能）被手机厂商收购，前述论文产品则从 2024 年底开始承接杂志社对接、论文辅导等服务。
到了工作流产品，先变的甚至不是收入，而是资本市场的预期。2025 年 12 月，一位从大厂离职的创业者，在试过浏览器插件、AI 写作和自由画布后，确定做 AI 工作流，拿了上百万美元种子投资。这类产品让用户用自然语言描述需求，AI 自动拆成工作节点、调用工具完成，复杂流程还能做成模板出售。
但一个月后，Skill 开始在 Agent 产品中流行，逐渐成为标准配置。这个工作流上线后再去融资，投资人已经认为 “Skill 会替代 Workflow”。他拿不到下一轮了。
当时该产品已经转向企业服务，接入电商、短剧和营销行业。创始人说，最高峰时一个月有数十万美元收入，续费率 70% 至 80%。但 Agent 和 Skill 在削弱独立工作流产品的价值，天花板肉眼可见。
这位创业者被推着找新方向：开春先是尝试通用型 Agent 产品，但发现推动商业化的阻力非常大、市场也变化太快，于是决定搁置。又过了一个月，他们看到 ClauderCode 设计能力的升级后，又转向做设计类 Agent 的开源产品。他说，2025 年底还很难想象自己会在 3 个月内换两次方向；现在即使下周再换一次，他也不意外。
投资机构 a16z 连续追踪消费类 AI 应用，在 2023 年至 2025 年的历次榜单里，前 50 名中只有 14 家公司每次都在榜上。模型每释放一种新能力，都会催生一批产品，也会在下一次升级时拿走其中一批的核心价值。
过去 3 年，从写作、翻译、搜索、代码生成到工作流，被模型升级覆盖的应用名单在变长，速度也在变快。据非营利的 AI 研究机构 Epoch AI 估算，2024 年 4 月以后，前沿模型能力提升的速度从每年约 8 个指数点提高到约 15 个点，接近翻倍。
对独立应用公司来说，模型的吞噬不是瞬间发生的。三家公司转向时，原产品都还没归零。创业者失去的不是眼前的用户，而是未来的可能；他们必须跑得更快，才有下一次机会。
卖给你模型的人，也来抢你的用户
2025 年 11 月，Kuse 从画布模式升级为文件夹形态，比 Codex 更早；2026 年 1 月，产品接入 Slack Bot，也比 Claude Tag 更早。但在吴显昆看来，这短短几个月的窗口，积累不了足够的用户习惯、使用频率和收入，不足以让他们逃出模型的引力。
他认为，唯一关键的问题是：“模型即应用” 是否成立？
2025 年 3 月，Manus 上线、突然爆火，创始人肖弘一句 “壳有壳的价值” 曾经否定这个命题，给了很多独立 AI 应用信心。但 2026 年以来，Claude Code、Codex 的快速发展，又让判断偏向另一端。
模型大厂有能力、也有动力自己下场做应用，抢入口产品。美国华盛顿的公共政策智库布鲁金斯学会（Brookings）分析，训练和运营模型要巨额投入，模型能力逐渐趋同后，单卖模型 API 撑不起这些投入，做应用反而成了模型公司回收利润的一种方式。
上游和下游客户抢生意，在 Anthropic 身上就发生了多次：Cursor 验证了 AI Coding 的需求后，Anthropic 推出 Claude Code，逐渐比前者更受开发者欢迎；与 Figma 加深合作的同时，其高管从 Figma 董事会辞职，推出 Claude Design，直接进入后者的核心市场。
模型公司能够提前看到下一代模型的能力，还能从海量 API 调用里判断哪些场景更活跃。一个需求一旦被创业公司验证，模型公司就可以把它做成自己的产品。OpenAI 也一样，Deep Research 与 AI 搜索、研究工具竞争；ChatGPT Work、Codex 进入文档、表格、演示和内部工具；ChatGPT Sites 拓展到应用生成和部署。
平台一边提供基础设施、一边进入下游产品，不是 AI 时代才有。微软曾把 Internet Explorer 与 Windows 捆绑，后来又把 Teams 放进 Office，先后引发美国反垄断诉讼和欧盟调查。
模型大厂下场做同类产品之后，创业公司要考虑的就不只是功能和成本结构，而是手上的项目还有没有必要做下去。
今年，腾讯、阿里、字节集体进入办公 Agent 领域，分别推出 Workbuddy、千问办公、豆包办公。据易观数据对 17 款 PC 原生办公 Agent 的统计，这个领域 3 月到 6 月流量新增 2 倍，但其中三分之二流向了大厂的 3 款产品。
一位年初看这个方向的投资人发现，当时几十个项目，坚持到现在的只有个位数，有的创业者甚至转型做了 Workbuddy 的代理。
这几乎是一场没什么胜算的竞争。创业公司要面对的不只是产品差异，还有大厂的免费额度、既有用户和企业销售资源。以 Workbuddy 为例，免费版每月送的积分按付费价值折算约 25 元；日活按 100 万计算，光免费用户每月就要投入 2500 万元。拉新阶段，受邀新用户再获赠账面价值 100 元的积分，每新增 100 万用户，最高要投入 1 亿元。
大厂之间竞争，这些钱不算什么，但创业者玩不起。一位创业者原本也想做类似方向，最终意识到这个方向 “太大、太上”，只能是大厂的生态位，创业公司只能缩到解决一个更垂直的问题，做大厂入口的一个插件。
他比喻，未来通用办公的 Agent 就像浏览器，而他们做的插件相当于网页，只能等着被入口产品调用。
逃离竞争，也逃离了用户
在模型和大厂吞噬一切的势头面前，AI 应用创业团队很容易把 “它们不会做什么、做不了什么” 当作选方向的起点。
吴显昆 2024 年启动新项目时选中画布形态，就是觉得模型公司的主入口都是对话，而画布是一套完全不同的交互。团队 2024 年底先做了与后来 Lovart 相近的设计产品，随后把画布带进办公场景。
同样的思路在很多同期产品里都有痕迹：中国的 Lovart、Flowith，海外的 Miro、Subset， 都想用画布完成对话完成不了的任务。连百度也发布了 “自由画布”，把文字、PPT、图片、音视频和 AI 生成能力放进同一张白板。
但 “躲避大模型” 的出发点带来了新问题。为了证明自己与模型不同，产品容易把交互做得更复杂，去追一些小众、看上去很特别的需求。每加一层差异，能理解和使用产品的人就少一些。团队以为找到了模型公司不会进入的位置，最后可能只是进入了一个没有多少用户的位置。
Kuse 曾花很长时间在画布上打磨 PDF 的阅读体验：怎样排列文件，怎样让用户一边阅读一边调用 AI。做了一段时间后，吴显昆不得不承认一个更简单的问题：可能根本没有多少人愿意在画布上读 PDF。
一年后，吴显昆把这次失误归因于选方向时的 “发心”。当一个创业者先想 “躲避” 而不是释放大模型的能力，再到空白处寻找需求，路只会越走越窄。盯着模型公司不会做什么，做不出一个好产品。
Cursor 和 Claude Code 给了他另一种参照：让模型理解代码库和文件，直接完成任务，而不是用新的交互限制模型。Kuse 随后从画布转向文件夹式交互。
张佳圆也在 Devv 的几次转向中遭遇类似问题。Copilot Hub 没有明确用户，Devv Search 被模型进展越过。到 Devv 2.0，团队为了区别于其他自然语言应用生成产品，把定位收窄到 “帮助用户做 AI 应用”，花了约半年开发。产品上线时窗口已经过去，用户和留存都没有。
Devv 2.0 的失败让他意识到，盯着竞品设计功能，做出的差异可能根本不是用户的需求。产品从 0 到 1 时，如果还没有稳定用户，留存也不好，先要回答的是谁在用、为什么用，而不是它与同类产品有多少不同。
直面竞争也可能有出路。在最新的开源设计 Agent 项目上，上述工作流产品的创始人看到一种可能：当需求被验证、大厂大力投入的时候，也许不必离开这个市场——市场渗透还在早期，或许能找到一个不同的身位。
他的选择是在大厂的主战场上做开源产品。比如他现在的项目，就是看到 Claude Code 在做设计类产品后，借这个热度做的开源版本。一周内，新项目就获得了将近 5 万的 star，收入甚至超过了之前的工作流产品。现在他们团队 90% 以上的资源和人力都投在这件事情上。
往下游去：不卖产品，卖结果
还在探索的创业者大致走两条路：一条往客户业务深处走，从卖工具改成对结果、交易和利润负责；另一条往技术上游走，自己做模型，把产品验证过的需求和数据训练到模型里。
OiiOii 选了第一条。这家 AI 视频应用公司不再跟同行打补贴战，开始进入具体的细分行业，通过后训练小模型，解决具体场景下的问题，给客户交付视频内容和工作流。
闹闹说，目前他们已经跑通了多个垂直行业。以漫画转动画为例，这个行业里，Seeddance 2.0 出 2D 效果并不好，因为它会对真实或 3D 过拟合，让 2D 看起来过于流畅，但在日漫、日番里，这会看着很假。“我们用了一套方式训练，把 2D 表现得很像日番，他们就特别满意，愿意买单。”
因为解决了实际的问题，交付的价值也变高。闹闹对比，给客户的交付物如果靠工具做，两分钟，成本可能也就 200 块钱，但把符合需求的视频交给他们，两分钟可能卖 1 万块钱，“你想，这是多少倍？”
过去的企业服务生意，常常败在交付太重、人力成本太高。AI 解决了这个问题，只要生产工具足够好用，需要的人极少。闹闹说，她们原本要对外证明使用价值的产品，变成了内部的高效生产系统。
在垂直行业里的被验证的解决方案，之后还会积淀成给更多人的 Skills——这也是 OiiOii 接下来的产品方向。
上述论文写作工具的团队也没有再做新的消费工具，而是回到过去积累的 500 多万学生用户：承接论文发表等定制需求，也做 AI 培训，教学生用 AI 写文案、剪辑和运营内容，做 “一人公司”。
这项服务线上陪跑收费数千元，线下课程一两万元。创始人把它称为 “重交付”：客户买的是从学会工具到做出内容、赚到钱的结果。他认为，现在学生就业难，比起 “释放创造力” 这样虚的需求，多数人的刚需是用新的生产力赚到钱，而他们在自媒体和生产力工具上的积累，正好能做这件事。
吴显昆走得更深。Kuse 曾给企业做 “数字员工”Junior，但每家公司的数据、权限和流程都不同，团队要先做诊断、咨询和部署；系统做出来后，客户也未必愿意向外部供应商开放敏感数据。项目有需求，却很难像标准软件那样复制。
他后来决定探索另一种方式：与投资机构合作，先收购服务公司，再用 AI 改造流程，通过持股分享利润。这种方式比 FDE 能更深入到业务，双方的利益也更一致。吴显昆称，团队目前已经收购了一家公司。
这些路都还没有完全走通。闹闹卖交付物理论上解决了眼前的利润率和现金流，但长期还是得面对 To B 最难的一环：怎么持续拓展客户。面向学生群体的 AI 培训还没有数据证明能帮学员挣到钱，可以大规模复制。吴显昆进入了经营深处，但提效和整合最终也可能失败。
只不过，在 “模型即产品”“模型吞噬一切” 的主流叙事下，这些方式至少先活下来的可能性更高。
往上游去：自己做模型
另一部分人选择反方向，往上游去，自己做模型。Cursor、Krea、Captions、Perplexity、HeyGen、LiblibAI 都从应用进入模型层，大多沿着已验证的编程、搜索、设计、图像、视频和虚拟人场景，训练更垂直的模型。
杨博麟的团队最早做 Cuflow，把用户上传的课件变成可交互视频。他说，产品公测时有数万人注册，在海外获得 2000 多万次曝光；但超过一半用户上传的不是学习资料，而是企业培训材料、漫画、小说和商品详情页。2026 年 4 月，团队停止更新 Cuflow，转而训练以代码为核心的实时交互视频模型。
这个决定不只来自对用户的观察，也来自他做应用时积累的不安全感。Cuflow 要接入不同公司的语言、语音和视频模型；上游每次更新，工程师都要重新测试能力和成本，再决定哪些功能需要重做。杨博麟说，应用公司某种程度上成了 “模型评测博主”，谁发新模型就立刻测一遍，刚适配完一轮，上游又更新了，而且不会提前通知。
更难接受的是，有些更新会直接抹掉几个月的工程。他们早期处理长文档，要先做文字识别、切分文本，再分别把图片和文字交给模型检索；模型上下文变长后，整份材料直接输入的效果有时反而更好，旧流程不仅多余，还拖慢了速度。
他由此觉得，AI 应用看似属于自己，最重要的能力却不在自己手里，“我们永远只是一个租客。”
这种处境不是活不下去。应用公司可以绑定客户的工作流，也可以把品牌和渠道做强。但杨博麟认为，这些工作没有用到团队的长处：他们有算法工程师和模型训练人才，如果大部分时间只是在测试和切换别人的模型，这个优势就浪费了。
回到模型层，对他来说是 “胜率更高” 的选择。原来做 AI 教育的团队太多；转向基于扩散语言模型的实时交互视频后，直接竞争的团队更少。更重要的是，他认为自己有别人还没充分验证的信息：代码生成的视频成本低、速度快，可以准确编辑和审计，天然支持交互和多人协作，适合企业培训、商品展示等以传递信息为主的视频。
团队一边训练模型，一边与教育、营销、企业培训等行业的客户讨论需求。转向两三个月后，已经拿到 21 家企业客户的合作意向，计划从客户角度理解需求，再针对性训练。
杨博麟认为，他们真正的优势不是做模型本身，而是能在场景和模型间持续互相强化：先找到真正有价值、能持续产生数据的场景，再把对场景的理解通过后训练和持续反馈沉淀进模型。
只做模型的代价也很清楚。团队 25 个人，要搭建从监督微调、偏好优化到强化学习的后训练管线，还要处理奖励函数、容器化和 GPU 调度，一次配置出错就会烧掉一大笔钱。
按杨博麟的估算，后续训练需要数百张 GPU。公司正在进行新一轮融资，很大一部分就是为了训练资源。做模型也没有让商业化问题消失。21 家客户签了意向，还没多少真正付费。
不管做交付还是后训练模型，创业者们都要继续做下去，因为他们已经拿了钱，建了团队，得到了曝光；他们也相信，只要 AI 继续发展，模型大厂做不了一切。
CDDJAP夏季加速营启动，从与会嘉宾观点看香港AI和Web3发展机遇！(一）8月27日，「资本与智能的交汇之处 —— CDDJAP 2026 夏季加速营启动典礼 · Launch Ceremony」在香港数码港3座功能厅成功举行，同期，主题为“Where Capital Meet Intelligence”的高峰论坛成功举办。论坛汇聚了香港数码港首席公众使命官陈思源（Eric Chan）先生，香港交易所前行政总裁、滴灌通创始人兼主席李小加先生，香港大学副校长（大学拓展）汪揚教授，隆领投资创始人、美图公司联合创始人蔡文胜先生，Kingston Capital 联席主席、香港Web3.0协会理事会荣誉会长陈少杰（Jack Chan）先生，HashGlobal 创始人沈康先生，香港数字资产学会（HKDAS）执行委员会成员 Marco Lim先生，Draper Dragon 合伙人 Larry Li和Richard Wang，CDDJAP合伙人Seven Guo先生，以及CDDJAP Summer Cohort 2026 15位入营项目负责人等专业人士，现将嘉宾发言及圆桌讨论的主要内容分享如下，所有内容均根据会议记录整理形成，未经过发言嘉宾本人审核。
香港数码港首席公众使命官陈思源（Eric Chan）：
CDDJAP成为数码港完善创投生态、深化头部风投合作的重要战略布局。
数码港高度重视与 Draper Dragon 的战略合作，双方共同发掘和支持拥有创新技术及高增长潜力的科技初创企业。
优秀的风险投资伙伴不仅提供资金，还能凭借市场洞察、产业资源和国际网络，帮助创业团队加快商业落地，实现规模化增长。
双方联合推出的加速器计划聚焦人工智能和区块链，帮助初创企业优化商业模式、验证市场需求，并做好融资准备。
1s cohort 已于 2026年5月完成，共有 15个项目参与。多家初创企业获得了商业验证机会，Draper Dragon也在对部分高潜力团队进行进一步评估，并探讨投资的可能性。
展望2nd cohort ，我们希望发掘更多优秀团队，创造更多投资机会，推动数码港初创企业拓展内地及国际市场。
数码港将继续与业界具影响力的创投机构建立战略合作。在對的时机，为有潜力的创始人对接合适的资本、专业资源和发展机会，帮助他们从创新走向商业应用，并从取得早期市场进展迈向区域及全球增长。
Draper Dragon 合伙人Larry Li：
香港在全球人工智能产业生态中扮演重要角色
两年前，我们与数码港携手推出CDDJAP加速器项目，依托的正是我们在硅谷长期积累的大学、加速器与孵化器网络资源，但基金管理是我们的本业，多年投资实践让我们形成一个共识，孵化器是科技创新生态中不可缺失的关键一环。
同时，我想强调的是，当前国际形势下，香港的桥梁和窗口作用非常重要。去年到现在，香港资本市场的表现有目共睹，大量人工智能项目来到香港，进一步体现了香港地位的重要性。当前，人工智能在硅谷及全球市场都是最热门的行业，大量资金都被吸引过来，在台湾、香港、韩国等地区的指数中，人工智能相关上市公司占据了50%甚至70%的权重。作为专注早期项目的投资机构，我们在香港看到了两个机会。
第一个机会是Token出海。从整个人工智能产业的情况来看，日本在算力方面的投资增长很快，欧洲也在迎头赶上，但中美在算力基础设施上仍有较大差距。大家看到了DeepSeek以及Kimi等产品的出现，就突然意识到中国模型的Token生成成本低、效率高，既然算力出海受限，那么Token出海就成为可能。香港在这方面拥有得天独厚的机会，我认为这是眼前的一个重大机遇。
第二个机会是光互联产业。算力中心需要光互联，第一代技术中，像中际旭创这样的大型上市公司已经来到香港。现在是光互联2.0时代，已经涌现出一批全新技术，这其中，中国的产业链，占据了很大比例，我们最近参与的几个项目，正在研发OCS 2.0版本中的关键器件。这些创新技术服务全球市场需要在香港或境外设立身份，这也是香港的又一个机会。
当然，中美之间是双向流动的，硅谷历来是新商业模式的发源地。大模型之后需要落地和应用，我们知道大模型在企业应用方面表现很好，但这只是个开始，后面还有更多可能。这也是我们设立加速器的目标，把美国的一些好的创意吸引到香港，再扶持它们与大陆进行应用结合；大陆企业在产品化、效率、成本控制和推广方面非常出色，可以依托香港服务全球市场。我们一直保持这个策略，认为香港有其独到之处，所以，这几年我们团队在这里投入了大量精力，非常高兴大家能参与我们的生态和项目。
香港大学副校长汪揚教授：
Regulating The Empty Room，What Hong Kong Can Learn from the U.S. Digital Asset Shift？
首先，祝贺CDDJAP加速营第二期启动！美国的现实情况是，无论《CLARITY法案》能否通过，数字资产市场都在快速发展。美国证券交易委员会（SEC）与美国商品期货交易委员会（CFTC）并未等待完备成文法律出台，而是通过解读公告与无行动豁免机制推进监管工作。各大传统金融巨头着手搭建实际基础设施，如美国存管信托和结算公司（DTCC）开展为期三年的代币化试点，有50余家机构组成工作组参与；纽约证券交易所（NYSE）通过专业转让代理机构发行原生链上股票。美国采取“实践先行式监管”模式，在受监督的豁免机制下让基础设施走向成熟，之后再将规则写入法律。由此得到的启示是，华尔街正在搭建服务机构资本的底层通道，而香港还停留在研讨规划方案的阶段。
当前，全球资产代币化市场已经形成“白名单市场Vs蓝名单市场”的鲜明格局，其中，白名单市场主要针对在岸市场及机构客户，且以注册型证券代币（RST）实现链上所有权为主要形式，市场服务需由法定权属以及结算终局性的受监管资本提供，如贝莱德BUIDL、富兰克林邓普顿BENJI即为典型案例，二者管理资产规模均超过25亿美元，该市场的竞争壁垒主要在于转让代理与结算基础设施的控制权；而蓝名单市场主要针对离岸市场以及零售客户，且以封装证券代币（WST）为基础，提供全天候合成资产敞口，该类市场无需取得美国券商或交易商牌照就可满足全球散户的投资需求，其优势在于广泛的分销渠道与快速上币能力，如币安通过获得阿布扎比全球市场（ADGM）牌照的股票产品在30日内交易规模突破30亿美元。
而香港正处在上述两大市场的夹缝之中。它缺少原生的直接注册底层体系，无法主导白名单市场；同时虚拟资产交易平台相关规则限制过多，难以承接蓝名单市场的散户流量。香港似乎已经陷入一个过度合规的困境，暨对一个基本尚未成型的市场实施监管。虚拟资产交易平台需要达到银行级合规标准，需要支付巨大的运营成本，却未能实现足够多资产挂牌交易以带动交易量。2026年出台的部分监管举措，例如对虚拟资产基金敞口设置严格的净资产门槛，优先目标是风险管控，而非培育市场。香港发行合规的现实世界代币资产、获取稳定币牌照仅仅是第一步；倘若缺少二级市场流动性、做市商参与以及协议互操作性，这些资产只会闲置在区块链账本之上。这便形成监管悖论，监管约束越严苛，市场参与主体就越少，监管机构可用于优化后续规则的真实市场数据也随之变少。即便稳定币本身合规，如果没有繁荣的配套生态，其价值也微乎其微。
但香港市场也同时存在着较大的机会，主要就是机构层面的机遇。目前政策过度聚焦散户交易平台，却忽视代币化给机构业务带来的颠覆性影响，传统主经纪商整合托管、清算、保证金融资以及证券借贷业务，代币化会把上述业务收益转移至掌控转让代理关键节点与链上结算通道的参与方。这就使得，作为香港银行和券商高利润业务的清算与融资业务，恰恰可能会最先向链上迁移。这一被忽视的基于主经纪商运行逻辑的创新机遇使得数字资产不只是“一类可供挂牌的全新资产类别”，而更是“一套需要争夺掌控权的全新底层基础设施”。
综上，香港拥有深厚的金融底蕴，但具备前瞻性的监管需要魄力。创新诞生于基础设施之中，而非法条文本。监管要服务真实存在的市场，而不是制定规则把市场参与者赶走。香港数字资产发展可重点关注以下三项原则：
一是流动性优先原则，暨香港监管可将衡量政策成效的标准设定为资产流转活跃度，而非牌照发放数量，可跳出单纯搭建合规牢笼的思路，重点放在发展链上质押资产管理、再质押以及跨境结算网络。
二是监管灵活性原则，暨借鉴美国模式，灵活运用沙盒豁免与无行动豁免机制，允许企业测试真实流动性业务模型，而不必等待完整立法周期落地。
三是面向终局原则，暨面向未来金融形态，监管体系必须考虑适配可编程、由程序代理运行的证券，以及智能合约驱动的全天候资本流动。
香港交易所前行政总裁、滴灌通创始人兼主席李小加：
Crypto世界的第一性原理已经改变，但可用Crypto的哲学实现投资底层资产的极大扩展
首先，祝贺CDDJAP加速营第二期启动！今天在座的大多数朋友来自Crypto领域，或者正积极投身于这个行业，所以，我想先谈一个关于Crypto的大的历史趋势。
Crypto的初衷是构建一个更加平权的社会，其潜在的变革对象正是包括中美两国在内的法币体系；然而，当地缘政治冲突加剧，而美国改变策略选择将Crypto作为战略武器的情况下，Crypto的产业逻辑将发生根本性的转变。
我们知道，Crypto世界所有产品的共同利益基础是法币世界资金的持续流入； 这种流入构成了Crypto诞生以来价格增长的主要支撑。但在美国选择Crypto作为一种战略武器的前提下，Crypto世界的这种利益基础就会发生本质性的变化，比如，西方机构，如BlackRock、JP Morgan等机构的资金进入Crypto领域，本质上是用传统世界的方法论在新世界里寻找高利润空间。这就意味着，Crypto世界的游戏规则将发生实质性变化，而且这些机构一旦大规模进入，现有的Crypto大户未必能与之抗衡。
与此同时，我们也知道，过去十几年，Crypto世界的增长很大程度上依赖中国资本的非监管流入。在国有银行体系和国家信用保护下，中国老百姓的风险意识相对薄弱，这为Crypto世界提供了持续的资本来源。但今天，这个时代同样也已经结束了。中国当前的经济基础是资本项下的管制强化和存量再分配，中国资金向境外或Crypto世界流动的大潮正在退去。因此，RWA、稳定币等一切可能被视作资本外逃渠道的工具，其原有的发展逻辑都在终结。如果这个趋势是退潮而非涨潮，那么Crypto世界的第一性原理已经改变。
虽然Crypto的时长逻辑在变，但我们对Crypto世界的运营哲学，比如去中心化、极细颗粒度的信息披露、记录不可篡改和不可逆转、实体经济与金融有效连接高度认可。我们创立的NUMA 牛码新市（Micro Connect New Markets）项目，正是将Crypto世界的核心方法论下沉到传统金融的毛细血管中。
我们知道，传统金融的底层资产其实非常有限，名义上，全世界只有约2万家上市公司，真正有交易量的其实更少，投资者实际上是在一个极小的池子里打转。我们的方案是，不以公司为证券化的唯一标的，而以商业合同作为资产证券化标的；任何一个合同，只要已有第一投资人（房东、加盟商、供应链等），只要可以产生现金流，就可以成为我们证券化的基础标的。我们的具体做法是将合同证券化为“PCC 千元牛码证”（例如10万元投资对应100张千元证），实现合同层面的Tokenization。
与此同时，我们完全在现有监管体系和持牌机构框架内运作，不撼动传统金融的根基和秩序，但在最底层进行改造。传统投资的“圣经”是夏普比率，暨投资者承担1单位风险，必须要求1单位以上的收益回报，比率超过1才被视为好投资。我们延续这一逻辑，我们为每一个合同生成一个多维度的夏普比率，并每日更新，投资者可以通过设定投资总额、投资分散度（如100万分散到1000个合同）和最低夏普比率为自己设定筛选投资组合的标准；而我们的系统则通过扫描所有合同为每一个投资者匹配符合其投资条件的组合。如果条件过严导致无匹配结果，投资者可调整参数或等待。
显而易见，这套模式需要处理海量、高频、极度分散的计算，且每天都要计算到最底层。没有AI技术，这需要上万人才能完成，但实际上依靠人力执行并不可行。正因为如此，去年我们几乎处于停滞状态。直到今年Agentic AI出现，才让这一构想真正落地。我们感恩身处AI时代——30年前赶上改革开放的红利，如今AI让我们再次出发。
当Crypto世界依赖资本流入增长的时代终结，我们需要重新思考其第一性原理。New Market的方法是，用Crypto的哲学改造传统金融的底层，以合同为标的、以夏普比率为准绳、以AI为引擎，实现投资底层资产的极大扩展。
隆领投资创始人、美图公司联合创始人蔡文胜：
Web3行业处于低谷，香港依然是创业的理想之地
首先，祝贺CDDJAP加速营第二期启动！当下Web3行业处于低谷，借加速营启动的契机，我想和大家分享，为什么香港依然是创业的理想之地，我们该如何在这里把握Web3与AI的时代机遇。
一、Web3当下遇冷的核心原因
现在Web3行情相对低潮，究其原因，AI带来的是生产力变革，因此受到全球广泛欢迎；而Web3天生具备革新属性，旨在重构现有组织架构、金融架构乃至社会治理模式，必然会面临重重阻力。
此外，前两年行业行情和特朗普密切相关。上一任期特朗普原本并不支持Web3发展，正如小加总所说，美国大量印钞，一旦加密货币广泛普及，必将冲击现有货币体系。上一轮竞选失利后，特朗普家族银行账户遭到冻结，才开始支持加密货币，他起诉摩根大通的案件涉及数十亿美金也尚未有结果。虽然特朗普全面拥抱Web3，但他需要处理俄乌冲突、中东局势等诸多事务，竞选承诺迟迟未能落地，动用国家储备买入比特币的计划没有推进，《天才法案》原定去年四季度通过，如今8月依旧悬而未决，6-9月期间法案通过概率仅约15%，后续仍存在较大不确定性。
另一方面，市场原本期待内地借助香港开放Web3相关赛道。去年4、5月，国泰君安宣布布局RWA，股价短期大幅上涨，但随后监管政策收紧，相关计划全部搁置。原本京东、阿里有望拿下稳定币相关资质，但只要是涉及内地业务的主体，基本受到限制。美图是首家买入比特币的港股上市公司，但在两年前选择卖出，主要原因就是受制于合规要求。香港稳定币牌照发给渣打、汇丰，这样的格局很难激活市场，两家机构属于传统金融既得利益者，很难主动颠覆自身业务。汪扬教授说得十分准确，在严苛监管之下，本土市场需求难以释放，普通用户很难参与。不过香港拥有自由表达的宽松环境，这是香港的独特价值。
二、香港迎来科创创业新机遇
即便如此，香港依旧蕴藏极佳的创业机会。有人会提出疑问，互联网、移动互联网时代，香港为什么没能诞生顶尖科技企业？过去难以诞生巨头，主要受限于三大因素。
第一，香港办公成本居高不下。过去金融、地产行业占据主导，写字楼租金高昂。早期互联网、移动互联网属于劳动密集型产业，美图这类面向普通用户的软件，员工规模达到1800人；网易游戏员工约3.5万人，腾讯12万人，阿里23万人，京东、美团规模更大，香港很难承载数千人规模的团队。但AI时代彻底改变这一局面，创业所需人力大幅缩减。
第二，早期香港创业者以本地人为主，市场局限于700多万本地人口。并非香港创业者能力不足，台湾同样难以诞生头部互联网企业，核心瓶颈就是本土市场规模太小，互联网商业模式需要前期投入抢占市场、形成规模效应，狭小的本地市场很难支撑企业成长。
第三，过去港府对科创更多是口号式支持。2000年提出建设数码港，扶持政策难以落地。如今，这三大制约条件都发生了根本性转变。
首先，AI大幅降低人力需求。过去估值10亿美金的独角兽企业，员工规模普遍需要500人，如今十几人团队就有机会打造独角兽。10人团队办公，即便香港租金高于内地，成本差距也可以忽略。百亿美金级别的企业，员工通常不超过100人；Deepseek估值数百亿美金，起步阶段核心团队仅38人，目前也只有百人左右。AI时代，团队规模不再是创业门槛。
其次，香港人才结构迎来重大变化。高才通计划获批10万份，叠加优才、专才政策，近几年香港引进50万内地人才，在校内地大学生数量已达18万人，夯实了创业人才基础。大疆创始人汪滔毕业于港科大，当年香港缺乏科创氛围，只能前往深圳创业。如今大量内地人才汇聚，将构筑香港独特的人才优势。
最后，港股市场意识到单一依赖金融、地产存在巨大风险。金融行业虽然具备一定竞争力，但港交所每日交易量不足美股二十分之一，地产行业增长乏力，香港开始全力扶持科创产业。三大条件同步改善，我认为香港将迎来重大发展机遇。
三、香港创业的核心优势
当然，很多人会问，为什么目前还没有看到标杆企业诞生？优质企业不可能一蹴而就，我们进一步梳理香港的核心优势。
第一，税务优势突出。香港企业利得税超额利润部分税率为 16.5%，薪俸税最高标准税率 15‑16%；内地一般企业所得税基准税率 25%，高新技术企业可享受 15% 优惠税率。以税前年薪 100 万元为例，内地高收入区间个税边际税率最高可达 45%，叠加五险一金后实际到手约七成；而香港百万年薪人员薪俸税税负较低，仅需缴纳法定强积金，税后可支配收入更高，员工到手收入优势明显，这也是不少互联网大厂将核心人才派驻香港的考量因素之一。
第二，开放包容的监管思路是其不可替代的优势。在一些地区，注册域名个人需要备案，网站需要备案，AI领域同样存在类似约束，而在香港，不存在这类强制监管要求。拥有这样宽松的创业环境，如果企业依旧做不起来，那就是自身能力问题。当然，内地充分竞争的市场环境能够锻炼团队，经历过内卷打磨，创业者来到香港放眼全球市场，很容易形成降维打击。
香港还有一大优势，创业不一定要申领牌照。香港目前发放13家数字货币交易牌照，包括HashKey、OSL，但至今没有一家实现盈利，核心原因就是合规成本过高。在香港创业做数字货币交易所，不必执着申请牌照。币安、OKX在香港不开展本地业务、不申领牌照，依然能够服务全球用户。泰达2011年落户香港，最早探索锚定货币模式，2013年推出全球首个稳定币USDT，同样没有申请本地牌照；Bitfinex在美国遭到监管制裁，落地香港后不持牌，依旧可以开展全球业务。拿牌照有合规经营的优势，但倘若目标是全球市场，完全可以不申请本地牌照。类比证券业务，美国资本利得税高达30%，香港没有相关税收，何必耗费成本申请1号、9号牌照？香港累计发放数百张1、9号牌照，99%的机构持续亏损，每年合规成本高达五六百万。游戏行业也是同理，企业选择落地香港，无需版号限制，面向全球发行游戏，只要产品具备竞争力，单款产品就能稳定创造收益。
四、给创业者的两点建议
总结来说，第一，创业不必执着申请牌照；第二，不一定需要融资。
在我看来，借助AI和Web3，只要产品足够优质，完全不需要外部资金。Web3行业尤为明显，大量拿到融资的项目最终走向跑路，反而是不依赖融资的团队能够长久发展。OKX 2013年创立，仅获数百万投资，最终成长为全球最大交易所之一，去年一轮融资估值250亿美金，并获纽交所投资推进美股上市。赵长鹏当初卖掉房产买入比特币开启创业，并没有获得太多外部资金。FTX创始人SBF，2017年来到香港，初期睡在朋友家客厅，没有任何启动资金。他通过比特币搬砖套利，赚取数亿美金，2021年巅峰时期，一年盈利数十亿美金，但FTX做大之后开始大规模融资，引入淡马锡等机构，最终出现重大经营失误，创始人锒铛入狱。SBF曾经向Anthropic投资5亿美金，持股13.8%，对应估值超千亿美金，原本有望跻身全球富豪行列，盲目融资反而成为败笔。
Web3赛道，只要项目本身扎实，并不需要依赖融资，AI领域同理。当然，企业想要持续扩张，融资可以作为可选路径。拿牌照、融资本身没有对错，但多数优质项目，依靠自身现金流就能稳步发展。OpenClaw创始人最初只是独自运营平台，并没有投入大量营销费用，短时间内火遍全球。当然，我并不是完全否定融资，部分项目确实存在资金需求。如果初创者连几万元启动资金都难以筹措，可以寻求加速器扶持，小额创业资金更容易对接，不必执着大额融资。加速器能够为早期创业者提供有效助力。
最后，回归香港本身。香港是绝佳的创业落脚点，背靠内地，能够吸纳庞大的内地人才资源；内地激烈的市场竞争，可以锤炼创业者能力。立足香港，面向全球市场开拓业务，形成降维打击，就是最优的发展路径。
HashGlobal创始人沈康（James Shen，KK）：
香港IFC2.0：依托RWA打通亚洲资产与全球链上流动性
首先，祝贺CDDJAP加速营第二期启动！今天和大家探讨香港国际金融中心下一阶段的发展方向，也就是香港IFC2.0的构想。我们正处在互联网迭代变革的时代，互联网已经走过信息连接、商业连接阶段，迈入第三代互联网——资产互联的时代。从2025年开始，资产上链、权益流转、链上结算成为新的发展主线，万物上链将会是未来十年资本市场最重要的主题。
区块链与Web3为资本市场搭建起一套全球统一的记账体系，链上资产具备可编程、可拆分、可组合、7×24小时全球流转的特性，让现实世界资产拥有了链上第二生命周期。与此同时，人工智能也深度赋能RWA全流程，在资产筛选、风控审核、数据分析、自动化执行等环节，持续提升资产落地效率。对比传统金融，RWA模式也带来运行逻辑的变化，传统金融依靠标准化产品、券商银行渠道、财经媒体营销，区分机构与零售客群；而RWA需要定制化代币化方案，依托钱包、交易所做分销，借助社群与KOL开展运营，围绕链上权益搭建用户生态。
RWA的范畴并不局限于国债、基金、固收、房地产这类金融资产，文娱IP、会员权益、收藏品等非金融资产同样属于RWA。金融类RWA是打开机构市场的起点，而非金融类RWA，能够挖掘增量商业场景，拓展Web3的发展边界。稳定币成为全新的支付结算基础设施，DeFi构建起链上应用底层，海外市场也已经看到趋势，美国SEC推出Project Crypto计划，正式拥抱万物上链的行业浪潮。
回望过去，香港已经完成了IFC1.0的实践。过去二十余年，香港扮演着“连接中国资产与全球传统资本”的枢纽角色。香港把内地与亚洲的股权、债权、实体资产进行产品化改造，依托成熟的上市、融资、交易以及专业服务体系，打造出全球机构看得懂、买得到、持有的金融产品，成为中国资产走向全球市场的关键门户。
时至今日，香港已经为发展Web3金融与RWA夯实了基础，香港已经拥有持续迭代的数字资产可信监管与持牌体系，开展代币化政府债券等代币化市场实践，建立稳定币发行人监管的链上资金框架，同时汇聚银行、券商、法律、会计、跨境资本等大批顶尖金融专业人才。站在这个基础之上，香港有望通过建设香港IFC2.0—用RWA连接亚洲资产与全球链上资本，迈向新的阶段。
IFC1.0对接的是全球传统机构资本，而IFC2.0面向的是全球链上资本与链上用户。它的运行逻辑十分清晰：挖掘亚洲地区大量优质、可产品化的底层资产，在香港的监管框架之下完成合规架构设计与代币化发行，再接入全球稳定币资金与链上生态，实现资产全天候不间断的流通与运营。
这里我想强调一个关键认知：RWA的价值，并不是完成代币发行的那一刻就结束，而是从发行完成之后才真正开启。发行环节考验传统金融能力，解决资产组织、合规确权；但真正释放价值，离不开发行后的链上运营，实现资产持续交易、抵押融资与流动性供给。
香港的优势，是实现资产可信上链，解决资产合规、确权、机构认可的问题。但资产想要真正活起来，还需要全球链上生态提供资金、用户、交易、借贷场景。所以香港和链上生态不是竞争关系，而是合作互补的关系，希望香港能承担全球链上金融落地亚洲资产中心的作用。
在这套合作体系中，BNB生态是不可或缺的全球链上流动性底层。它坐拥海量全球用户地址与活跃用户群体，具备规模可观的稳定币资金池，配套公链、钱包、去中心化交易、借贷协议等完整基础设施，也已经和贝莱德、Circle等众多传统金融、Web3头部机构开展合作，能够为代币化后的亚洲资产提供全球触达、7×24小时交易、抵押借贷等全套链上能力。
Hash Global也深度参与到这一进程当中，在RWA、公链、DeFi、密码安全、Web3应用等全赛道完成投资布局，同时作为BNB Chain早期节点，和BNB生态深度协同。Hash Global发起设立获得YZi Labs战略支持的合规BNB收益基金，搭建起传统机构通往Web3生态的桥梁；持续举办各类闭门论坛交流，对接亚洲机构与链上资源。Hash Global一方面投资RWA相关基础设施项目，另一方面为亚洲金融机构提供RWA战略咨询，推动项目落地，承担生态共建者的角色。例如，Hash Global已经有若干示范项目正在推进落地，包含日本房地产信托份额的RWA项目，稳定币链上流动性通路，亚洲头部金控传统金融产品的链上分发，还有IP卡牌这类非金融资产，探索链上用户运营新模式。
总而言之，IFC2.0想要形成完整闭环，离不开四方协同，香港输出可信制度与金融专业能力，亚洲供给丰富优质的底层资产，BNB生态提供全球用户、稳定币资金和链上流动性，Hash Global作为纽带，推动各方业务落地。
IFC1.0已经证明，香港可以成功把中国资产对接全球传统资本；而IFC2.0的使命，就是证明香港同样能够将亚洲资产，连通广阔的全球链上资本世界。香港输出制度与金融优势，链上生态输出网络与流动性，多方携手，共同把握RWA时代带来的全新历史机遇。
香港数码资产学会（HKDAS）执行委员会成员Marco Lim；
香港建设“国际算力枢纽”应打出“人才教育、Web3算力孵化、资本反转”三张王牌
首先，祝贺CDDJAP加速营第二期启动！香港数码资产学会HKDAS是2020年在香港注册成立的非牟利机构，专注Web3、AI、金融科技以及数字资产的科普推广、人才培养、创业孵化和产业融合。站在当下，我们观察到一个非常值得思考的行业现实：如今资本遇到了两样用钱也买不到的东西，一个是顶尖AI芯片，另一个就是顶尖人才。像英伟达H100、B200这类高端芯片受到出口管制，资本很难随意获取；而像DeepSeek、大疆、宇树科技这类拥有原创技术突破的领军人才，同样不是单纯依靠资金就可以直接买到。AI芯片是生产力的硬件载体，人才是生产力的软件载体，缺少这两者，资本本身只是一堆数字，很难转化为真正的生产力。
再把目光放回香港算力的现状。目前香港整体总算力达到5000PFLOPS，其中数码港AI超算中心AISC贡献3000PFLOPS，截至2025年底算力使用率已经达到80%。现在全球算力的定价权掌握在美国手中，但我认为，香港完全有机会去争夺算力定价权。未来随着沙岭数据园区的扩容建设，香港有条件朝着“国际算力枢纽”的目标迈进。
当然，我们不需要完全复刻美国的发展路径。香港应当打出属于自己的三张王牌：人才教育、Web3算力孵化、资本反转。
第一张牌，人才教育：我们要从单纯培养理论家，转向锻造复合型的资源架构师。
过去十年，香港的AI人才数量增长超过280%，总规模大约23600人，接近一半人才接受过香港本地教育。但行业评判人才的标准已经发生改变。在算力资源稀缺的时代，谁可以用更少的算力训练出效果更强的模型，谁就掌握新的定价权。这不是单一的算法问题，而是算法、金融、工程、监管合规结合的综合能力。
当前市场非常紧缺五类人才：芯片设计工程师、工艺制程工程师、基础研究人才、AI应用开发工程师，还有一类是香港尤其需要重视的——既懂AI技术，又熟悉金融、医疗、法律等垂直行业的跨领域融合人才。
想要培育这类人才，我们要对现有教育体系做“基因改造”，主要有三条路径。
第一是推进跨学科融合，搭建“AI+金融+Web3”交叉课程，让学生在校期间就直面真实的算力约束与合规难题；
第二是坚持应用导向孵化，让在校人才走进家族办公室、医疗、物流等真实产业场景，学会在有限算力条件下创造商业价值；
第三是打造全球人才磁极，不只是出台政策吸引人才来港，更要把香港真实的产业难题，变成全球顶尖人才愿意前来求解的课题。
第二张牌，算力Web3孵化：把算力从一项成本，转变为可以交易的资产。
算力是稀缺资源，稀缺资源就理应被定价、被交易、被对冲。香港有一个全球难得的机会，就是依托Web3技术推动算力证券化。香港的定位，并不是自己去大规模制造芯片，而是打造算力资产的定价平台。谁掌握这个定价平台，谁就拿到算力时代的铸币权。
我们有一个目标，争取在2030年前建成4万P规模的国产智算中心，国产算力的成本预计比英伟达算力低60%。未来可以形成这样的分工：大湾区负责算力的生产供给，香港承担算力证券化与资产定价的角色。
客观来看，香港已经具备不错的Web3基础：现有13家持牌虚拟资产交易平台，还有2张稳定币发行人牌照，数码港Web3基地集聚310多家相关企业，代币化产品的管理资产规模一年增长7倍，达到107亿港元。
未来孵化器的使命，不再仅仅是孵化普通DApp应用，我们希望能够孵化出全球第一个算力资产交易所。未来内地AI、硬科技明星企业来到香港，除了发行股票，还可以发行算力通证，让全球资本可以直接参与中国AI算力的价值发现。让算力像黄金、石油大宗商品一样，可以代币化、期货化、指数化。
第三张牌，资本反转：从南向资金的目的地，升级为中国AI硬科技资产的全球定价中枢。
过去香港资本市场的主流叙事，是内地资金南下投资港股。但现在格局正在发生变化，全球资本正在重新评估、定价中国的AI和硬科技资产，覆盖AI芯片、存储、算力、光通信、半导体设备、储能、人形机器人等诸多赛道。
我们能够看到明确的数据信号：2026年上半年港股IPO集资大幅增长，大量A股科技企业赴港募资；北向资金持续流入，境外投资者持有A股流通市值已经达到很高规模。当下海外资本大多通过A股间接参与中国科技企业，香港要抓住机遇，把间接参与变成直接定价。
简单来说，内地负责生产AI，产出芯片、大模型、机器人与实体制造；香港负责完成定价，依托港交所、A+H上市机制，联动美元、人民币国际资本完成价值定价。纽约距离硅谷四千公里，而香港距离大湾区仅仅三十公里，纽约可以做到的事，香港不仅可以做到，还可以做得更快、更懂本土产业。
除了这三张王牌，香港还有一张独一无二的底牌，就是“一国两制”的制度优势。香港既是全球最大离岸人民币中心，执行联系汇率制度；同时又是普通法司法管辖区，作为中国的特别行政区。全球范围内，没有第二个城市拥有这样的双重制度身份。当全球资本寻找中国AI资产的定价锚，香港就是独一无二的选择。
总结来讲，香港不一定需要自主生产最顶尖的芯片，也不一定去训练全球最大的大模型。但香港，是少数能够同时听懂内地产业逻辑和国际资本语言的城市。我们要推动三件反转：
第一，反转人才逻辑，培养适配算力稀缺时代、能创造实际价值的复合型人才；
第二，反转资产定义，推动算力上链落地，打造全球算力资产交易平台；
第三，反转资本流向，从过去南向资金的目的地，升级为中国AI资产的全球定价中枢。
当然也要客观看到现实，把算力变成可交易资产，愿景很美好，但落地过程中，监管框架、定价模型、市场流动性，每一关都充满挑战，不可能一步到位。
Anthropic把牛吹到了30万亿美元，接近美国全年GDP30万亿美元。
这是Anthropic准备写进IPO招股书的TAM数字——总可寻址市场，翻译成人话就是"假设我把这门生意百分之百垄断，一年最多能收多少钱"。
美国全年GDP大约32.4万亿。一家成立五年、员工不到四千人的公司，把自己的营收天花板画到了跟整个美国经济差不多大。
三个月前，SpaceX刚在招股书里写下28.5万亿，自称"人类历史上最大的可操作市场"，其中26.5万亿来自AI。纪录还没捂热，就被Anthropic一脚踩了过去，还多垫了1.5万亿。
好比两个人比谁嘴大，一个说我能吞下太阳，另一个说我不仅吞太阳，还得加颗火星。
这把尺子，早就被拉断了
TAM这东西，科技公司上市都要报，也历来是最不用负责的那一项。Uber在2019年报6万亿，口径是全球所有私家车里程加公共交通；WeWork在那次最终流产的IPO里报了3万亿。这两个数字当年都被嘲笑过。
到了AI时代，尺子直接崩了。
标普1500里191家科技公司去年营收合计2.4万亿美元。Anthropic画出的30万亿，是它们全部加起来的12倍。
纽约大学估值教授Aswath Damodaran，人称"估值院长"，SpaceX上市前他就对华尔街日报说过，28.5万亿"已经到了合理范围的尽头，还在往外推"。现在面对30万亿，他大概眼镜当场落地。
数字怎么算出来的？答案是：把AI模型未来能完成的所有工作，全部算进去。编程、写作、客服、法律、金融分析、医学诊断……凡是人干的，只要AI有可能接手，全部打包贴上价签。
这已经不是在给某个行业估市场规模了，这是在给人类可以交出去的全部认知劳动整体标价。
营收确实猛，但离30万亿差着一千个Anthropic
先别急着说纯吹牛，Anthropic的增长数据是真的炸裂：
2025年底年化营收约90亿美元；
2026年2月140亿，4月破300亿，5月470亿，7月超650亿；
Q2单季营收116亿美元，同比增长约14倍；
更关键的是，Q2调整后营业利润5.59亿美元——头部大模型公司首次实现单季度经营性盈利。
谷歌累计投了约30亿，到去年10月账面价值已超1240亿，40倍回报；亚马逊砸了130多亿还绑了十年算力合作；微软、英伟达、美光、三星、SK海力士全带资入场。
但拿650亿ARR去除30万亿TAM，渗透率只有0.22%。就算Anthropic自己预测2028年营收做到1900亿到2000亿，那也才占30万亿的0.67%。
所以它递给投资人的故事是：这个市场大到我只吃掉千分之六，就能撑起两万亿美元估值。这不像商业计划书，更像一道数学题——只要分母足够大，分子多小都显得合理。
2万亿估值对应的是约43倍当前年化营收。华尔街投行的定价逻辑已经跳过了今天，直接拿2028年的预期营收来锚定。这跟SpaceX把预测延伸到2029年是一个套路。
旗舰模型卖不动，是个隐患
增长神话之外，有个数据值得警惕。
据Ramp对美国7万家企业消费数据的分析，Anthropic最新旗舰模型Fable5上线两个多月，销售额仅占公司整体产品销售额的11.4%。Fable5输入输出定价每百万Token 10/50美元，基准测试70.5分；而上一代Opus5价格只有一半，测试得分70.0分，单次任务成本8.23美元，比Fable5的17.32美元便宜一半多。企业客户用钱包投票，Opus5的支出占比已经反超Fable5。
这说明一件事：模型能力的边际提升，跟客户愿意付的价格正在脱钩。当"便宜一半的旧模型够用"，靠旗舰模型拉高ARPU的故事就没那么好讲了。
这也解释了Anthropic为什么急着把TAM画到30万亿——单靠卖API和模型订阅，撑不起2万亿估值。它必须让投资人相信，AI会像水电一样渗透到所有工作环节，而Anthropic收的是"认知劳动税"，不是软件订阅费。
一家公益公司，做着史上最大的资本梦
最有讽刺意味的是Anthropic的身份。它是一家公益公司（Public Benefit Corporation），章程写明不能只为股东利润最大化，价值观声明里写着"归根结底，使命是我们所有人在这里的原因"。
CEO Dario Amodei个人身家约155亿美元，和妹妹Daniela等七位联合创始人承诺捐出80%财富，按当前估值超过860亿美元。
但就在IPO冲刺阶段，据Axios报道，Anthropic在文化面试里直接问候选人："如果公司有一天出于安全考虑放弃AI野心，股价跌到零，你怎么想？"一个候选人老实回答"不会开心"，面试官似乎并不满意。
一边把全人类能交给AI的工作打包成30万亿递给华尔街，一边把同一场IPO做成面试题问员工"归零你还干吗"。一边是使命高于利润的公益章程，一边是人类史上最大规模的IPO之一。
上市之后，每个季度的财报电话会、分析师对毛利率的追问、股东对回报的要求，都会跟"使命"这两个字正面相撞。SpaceX上市后股价从225美元跌到104美元又弹回135美元发行价附近，波动已经预演了一遍这种撕裂。
结语：故事可以宏大，定价终要兑现
从Uber的6万亿到SpaceX的28.5万亿再到Anthropic的30万亿，TAM的膨胀史就是资本市场对"赛道天花板"定价逻辑的演变史。十年前6万亿的故事值几百亿估值，今天30万亿的故事锚定的是2万亿。
Anthropic预计9月或10月初挂牌，募资最高1000亿美元，估值约2万亿，可能抢在OpenAI前面成为第一家上市的前沿大模型公司。S-1公开文件最快本月底面世，届时毛利率、客户集中度、云算力承诺、自由现金流这些私募市场里一直模糊的数字，都将被摊在阳光下。
30万亿TAM是一面旗帜，不是一张财报。它能把2万亿估值讲得好像只是"万分之六的市场份额"，但它回答不了一个朴素的问题：AI完成的工作越多，单位任务的推理成本就在下降，Anthropic到底能从这30万亿里截留多少利润？
纽约大学那位教授说得对，数字已经越过了"合理范围的尽头"。华尔街最终会不会买单，9月招股书见。
豆包工作今日上线：字节AI办公的"独立军团"，到底能不能打？昨天刚写完TRAE和扣子并入豆包的消息，今天"豆包工作"就正式落地了。官网已经开放下载，电脑版可直接安装，也能在最新版豆包电脑版里切换使用。新用户登录就送30天订阅权益。
一天都没多等，字节这波是组织调整和产品发布踩着同个鼓点往前推。问题是——这个被字节寄予"AI主干业务"厚望的产品，到底是个什么东西？能不能跟腾讯WorkBuddy掰手腕？
不是聊天框，是"数字打工人"
先说清楚豆包工作跟普通AI助手的本质区别。你给它一个目标，它自己拆任务、调工具、操作电脑，最后把成品文件扔到你桌上。不是给你一段文字让你自己复制粘贴，而是指令进、成果出。
能力分三层：
第一层是生成和编辑。写方案、整理纪要、做调研报告、处理表格数据算基本功，PPT、文档、表格都能直接产出。亮点是"指哪改哪"——生成的文档里哪块不满意，直接框选那一段改，不用整篇重来。还能生成图片、视频、网页甚至简易应用，背后接的是Seedream 5.0 Pro和Seedance 2.5。
第二层是电脑操作。授权之后它能直接开浏览器搜资料、填表单、跨软件搬数据、用专业软件处理文件。长时间跑的任务可以丢给云电脑，你本地关机它照样跑。出门在外用手机就能远程给电脑派活。这部分能力主要来自TRAE团队在桌面端Agent摸爬滚打一年多的积累。
第三层是多智能体协作。平台上已经有100多个"工作伙伴"——UI设计师、HR招聘助手、数据分析师、短剧策划师等等。你可以拉几个AI组个"工作小队"，比如做调研报告时让数据、研究、设计三个Agent分工并行，最后汇总成稿。这套技能+连接器+工作伙伴的生态框架，底子是扣子（Coze）的Agent开发平台。
200多个技能、10多个连接器（飞书、钉钉、企业微信、腾讯会议、邮箱等），覆盖面已经相当广。
真正的杀手锏：飞书十年数据喂出来的"企业大脑"
但以上这些，WorkBuddy也能做，阿里千问办公也能做。豆包工作真正的差异化在一个地方：飞书。
用飞书账号登录后，豆包工作能在你权限范围内读取飞书里的聊天记录、文档、会议纪要、日程——这些不是你手动喂给它的，而是企业天然沉淀的工作上下文。它知道你们项目讨论到哪了、上次会议定了什么、文档里谁提了什么意见，基于这些真实信息来干活，而不是靠你一句话重新描述背景。
干完的活还会回写飞书，沉淀成可复用的企业知识。用得越多，它越懂你的业务。飞书里原来的"豆包企业版"入口也已经升级成了豆包工作。
说白了，飞书十年攒下的企业协作数据——组织架构、文档知识库、会议决策链——正在被拆成豆包可以调用的一个个能力模块。飞书从一个独立产品变成了豆包的"企业大脑"。这是腾讯用腾讯文档+企业微信也在做的事，但飞书在产品深度和知识沉淀密度上有自己的优势。
安全方面也下了功夫：全链路Agent安全防护，继承飞书权限体系，个人数据和企业数据隔离，是国内首批通过办公智能体能力与云端基准测试双项认证的产品。
68块钱一个月，贵不贵？
定价直接亮牌：
68块的标准版对标WorkBuddy的付费档，价格不算离谱。但有个现实问题：Agent跑复杂任务的Token消耗是普通问答的10到90倍，一次网页抓取加表格生成可能就干掉平时一周的问答量。重度用户额度够不够用，得实际跑起来才知道。
从媒体实测反馈看，轻量任务——周报、纪要、单表分析、图文排版——一次过的概率不错；但多表公式、精细排版、复杂GUI操作还是会翻车，需要人工兜底。财务建模、法律合同这类零容错场景，现阶段只能当辅助不能当主力。
结语：四张牌桌，谁的咬合更紧？
豆包工作上线，AI办公正式进入四强对线：腾讯WorkBuddy、字节豆包工作、阿里千问办公、百度（文库+网盘）。
四家牌面都不弱。腾讯有社交关系链和企业微信生态，阿里有钉钉的组织架构和云算力，百度有搜索入口和文档资产，字节有豆包3.82亿月活的C端流量池+飞书企业数据+扣子生态框架+火山引擎云基础设施。
QuestMobile数据显示，今年6月豆包以3.82亿月活位居AI原生App第一，是第二名千问1.67亿的两倍多。这意味着豆包工作不需要冷启动——豆包里已经习惯用AI处理文档、查资料的用户，就是现成的转化池。
但入场券只是入场券。执行能力打平之后，下一轮拼的是谁的AI能嵌进用户的数据、业务流程和工作习惯里，让用户换不掉你。字节用两个月走完了组织整合、能力收拢、品牌独立三步，速度确实快，可流量和整合速度能抢到身位，不能替它跑完后半程。
品牌认知要靠时间沉淀，付费意愿要靠真实交付换，复杂任务的稳定性还要一个版本一个版本磨。对字节来说，豆包工作上线不是终点，是真正考试的开始。
AI 自动化盯盘策略：如何通过 Agent 识别潜在交易机会AI 能否真正帮助交易者赚钱，关键不在于“会不会用工具”，而在于能否把经过实战验证的判断体系，转化为可扫描、可预警、可复盘的工作流。匿名博士在本次分享中提出的核心观点是：AI 不是交易策略本身，而是将交易者的主观经验规模化的杠杆。
本文基于课程记录整理，不构成任何投资建议。文中涉及市场、个股、加密资产与命理的观点，均为分享者个人观点与课程案例，不代表事实判断或收益承诺。
一、先有策略，再让 AI 放大
许多人使用 AI，仍停留在“操控感”阶段：让模型写代码、做摘要、生成图表，或不断尝试新工具。匿名博士认为，这些动作本身不等于创造价值。AI 应该被投入到真实存在需求、且可以形成商业或交易闭环的赛道中。
以交易为例，人的时间和注意力有限。人工盯盘时，一个交易者通常只能持续关注少数标的，难以同时追踪数千只股票、多个加密资产与不同周期的行情变化。真正适合 AI 解决的问题是：把交易者已经形成的观察框架、形态经验和信号规则，交给程序持续执行。
这也意味着一个重要前提：AI 可以扩大有效策略的覆盖范围，但无法替代策略本身。若没有经过验证的交易框架，再复杂的模型、再大量的 Token 消耗，也只是在更高效率地制造噪声。匿名博士将 AI 的定位概括为“拟合主观策略”，即将交易者对趋势、形态、周期与风险的判断，转化为机器可识别的规则。
二、多周期共振：把“盯盘经验”变成扫描系统
课程最核心的实操框架，是一套基于 AI 的“多周期共振”扫描逻辑。
所谓多周期共振，并不是只看单一时间级别的信号，而是同时观察 4 小时、日线、3 日线、周线、月线等不同周期。当多个周期同步呈现相同方向的信号，例如同时出现顶背离、底背离或结构性反转形态时，交易机会的质量会相对更高。
匿名博士的做法，是将以下信号组合交叉筛选：
SKDJ 等动能指标的超买、超卖与背离信号。
头肩顶、头肩底、双顶、双底等经典反转形态。
上升楔形、下降楔形与三角收敛等结构形态。
斜波、价格突破、支撑阻力转换等趋势与结构信号。
不同时间周期下的同向确认。
系统的价值不在于直接替人“下单”，而在于从大量标的中先过滤噪声、筛出候选集。也就是说，AI 像一位全天候的交易助理：每天扫描数千个币种与股票，将可能具备交易价值的标的推送给交易者；人再结合宏观环境、基本面、仓位与风险承受能力进行最终复核。
这种“机器初筛 + 人工决策”的结构，也比完全依赖自动化交易更稳健。课程问答中，匿名博士明确表示，工具负责多指标交叉筛选，而交易决策仍需要人的主观判断；策略优化则是结合真实交易反馈、持续“雕刻”的过程。
三、非共识指标：为什么使用冷门工具
在指标选择上，匿名博士特别提到 SKDJ 这一相对冷门的指标。其逻辑并不是宣称某一指标天然更准，而是强调交易中“非共识”的价值。
当所有参与者都基于相同指标、相同叙事和相同预期交易时，市场往往已经把这些信息定价。反过来，较少被市场广泛使用、但又能在长期观察中形成稳定参考的工具，可能提供不同的观察视角。
课程中提到，SKDJ 可以用于观察价格与动能之间的背离。例如，价格持续创新高，但指标未同步走强，可能意味着上涨动能衰减；反之，价格走弱而指标不再创新低，则可能提示下跌动能减弱。匿名博士尤其强调，大级别周期的信号通常更值得重视：月线、季线或更长周期的误差可能相对更小，但也意味着等待时间更长、持仓周期更长。
不过，指标不是结论，而是筛选条件。单一背离信号可能失效，形态可能走样，趋势也可能延续得比预期更久。因此，真正可执行的框架应是：指标给出候选，结构决定位置，风控决定是否参与。
四、AI 投研不止看图，也要找“非共识价值”
除了技术交易，匿名博士也分享了 AI 在基本面投研中的用途。
其关注点不是追逐所有热门公司，而是寻找“好公司、好价格、好时机”尚未同时被市场充分认知的机会。课程以 RNAi 赛道及 Alnylam Pharmaceuticals（ALNY）为例，说明如何围绕产业趋势、商业化进展、公司竞争位置与市场预期，识别潜在的非共识价值。
这类 AI 基本面工作流可以包括：
汇总财报、电话会、公告、监管文件与行业新闻。
建立产业链图谱，梳理上游技术、下游需求与竞争格局。
追踪产品商业化、临床进展、订单、客户与政策变化。
识别市场广泛关注的“共识变量”，以及尚未被充分讨论的关键变量。
将长期基本面判断与技术结构、估值位置和仓位管理结合。
匿名博士也指出，基本面价值投资并不完全适合传统意义上的量化回测。很多长期判断来自产业理解、商业模式与“抽象的哲学理念”，难以被几项历史数据完全复刻。因此，AI 的作用更多是扩大信息处理能力、提高研究效率，而不是把基本面研究简化成一个必然有效的公式。
五、“玄学”在体系中的位置：辅助观察，而非决策替代
课程中最具争议的部分，是匿名博士将八字命理等“玄学”内容纳入市场观察框架。他展示了 AI 八字分析工具，并以比特币、企业家及相关公司走势为案例，说明其尝试将命理作为一种非共识的辅助指标。
需要明确的是，这类方法缺乏可重复、可验证的科学证据，不能替代宏观分析、基本面研究、技术结构判断或严格的风险管理。即使从课程自身的逻辑出发，“玄学”也被定位为补充变量，而不是单独做出交易决定的依据。
更值得提炼的，或许不是命理本身，而是其背后的交易心理提醒：
市场是人性中贪婪、恐惧与从众的放大器。
连续获利后，容易出现过度自信与风险暴露失控。
连续亏损时，容易发生报复性交易。
再强的判断系统，也需要休息、复盘与回归纪律。
因此，若要把这部分内容纳入自己的工作流，更合理的做法是把它当作“提醒自己保持谦逊和仓位克制”的心理工具，而非预测市场涨跌的核心模型。
可落地的 AI 投研框架
如果把整场课程压缩为一个可执行流程，可以归纳为五步：
定义自己的策略语言
明确你到底在找什么：背离、突破、均线趋势、基本面拐点、产业催化，还是情绪反转。没有清晰规则，就无法让 AI 执行。
把主观经验转为结构化条件
为每种信号写清楚触发条件、适用周期、排除条件、入场依据、止损标准与退出规则。
让 AI 负责海量扫描与信息压缩
使用 AI 或程序处理多标的、多周期、多数据源的初筛，减少人工盯盘的时间成本。
保留人工复核与风险决策
检查宏观背景、行业事件、流动性、财报窗口、仓位暴露与交易结构，避免把信号误当结论。
持续复盘与迭代
记录每次信号、入场逻辑、实际结果、偏差来源与改进动作。策略不是一次性开发完成的产品，而是需要长期校准的系统。
AI 投研的终局，并不是“让机器替你预测市场”，而是让交易者从低价值、重复性的搜索劳动中解放出来，把更多精力投入到判断、验证、风控和复盘上。真正稀缺的仍然不是工具，而是能被长期执行的研究框架与交易纪律。
Anthropic、OpenAI、DeepSeek、Kimi：谁被高估，谁被低估收入最大的那家最便宜，收入最小的那家最贵。这个倒挂不是巧合，也不全是错的。本文把它拆开，然后给五个明确的判决。
八月十七号晚上 Bloomberg 把 Anthropic 的年化收入定在 650 亿美元，我正在 California Avenue 上等一杯冷萃。
这一周会有无数张排行榜：Anthropic 650 亿、OpenAI 400 亿、智谱 10 亿、DeepSeek 4.5 亿、Kimi 3 亿。
然后你把估值贴上去，名次全反了。DeepSeek 的市销率 158 倍，Anthropic 只有 14.8 倍。收入最小的最贵，收入最大的最便宜。
这个 倒挂 到底合不合理？先把答案放这儿，后面八节讲怎么算出来的。
结论速览
Anthropic - 低 估
为它过去一年新长出来的每一美元收入，市场只收 16 倍，五家里最便宜，第二名是它的两倍。毛利率还在往上走，二级市场已经出到 1.2 万亿。
OpenAI - 大 致 合 理
同一指标收 32 倍。多出的那一倍买的是消费端统治地位和广告这条新曲线，说得通。但它是五家里唯一利润率还在恶化的。
智谱 - 生 意 不 贵 · 价 格 很 贵
业务端 100 倍配得上它五个月十五倍的增速。贵在价格的形成方式——9336 亿港元是由 8.4% 的流通股定出来的。
Kimi - 高 估
125 倍。增速是真的，问题是撑起最近两轮定价的那个数字，公司至今没公布。
DeepSeek - 严 重 高 估
309 倍，是 Anthropic 的十九倍。而它是五家里收入涨得最慢的一家——十八个月只翻了一倍。这个价格定价的是一家不开源、不低价的 DeepSeek，那家公司不存在。
01
收入这个数，骗了所有人
五家公司卖的其实是同一件东西：一次推理。你扔进去一段话，GPU 跑一遍，吐出来一串 token，收一笔钱。旧金山和杭州没区别。
所以收入就是两个数相乘：卖出去多少 token，每个 token 卖多少钱。
收入 ＝ 卖出的 token 数量 × 每个 token 的价格
这听着像废话，但它能立刻拆掉一个巨大的误会。
两家水果店，A 店年营收 100 万，B 店 10 万。A 店卖的水果比 B 店多十倍吗？不一定。A 店卖车厘子，B 店卖香蕉，营收差十倍，斤数可能只差一倍。营收永远同时包含「卖了多少」和「卖多贵」，混在一起就没法说话。
把这个方法套到Anthropic和DeepSeek上。650亿对4.5亿，收入比 144 : 1。这 144 倍里，多少是量，多少是价？
DeepSeek 的调用价格远低于 Anthropic 的旗舰模型，这是公开事实，但具体差几倍谁也说不准——订阅制、批量折扣、缓存折价、企业年框，把成交价搅得一塌糊涂。所以我不猜一个数，我列几种可能：
价格差几倍，用量就必然差 144 除以几倍
价格差 10 倍 → 用量差 14.4 倍
价格差 30 倍 → 用量差 4.8 倍
价格差 50 倍 → 用量差 2.9 倍
不管取哪一档，结论都一样：Anthropic 卖出去的付费 token，比 DeepSeek 多的倍数最多十几倍，可能只有三倍。
那 144 倍的收入差，绝大部分是 价差，不是用量差。
收入排行榜排的是谁能卖贵，不是谁被用得多。
02
五个数字，五把尺子
更麻烦的是，这五个数字连 测量方法 都不一样。
表一 · 五家公司的收入数字与各自口径
Anthropic
年化运行率 650 亿美元（2026-07-31，Bloomberg）｜ Q2 预备实收 115 亿美元（Bloomberg / Axios）
OpenAI
年化运行率 400 亿美元以上（2026-08-13，Bloomberg）｜ 2025 全年审计实收 130.7 亿美元（FT 核验泄露财报）
智谱
年化经常性收入 10 亿美元（2026-07，智能涌现·多信源）｜ 2025 全年审计实收 7.24 亿元人民币（港股年报）
DeepSeek
年化收入 4–5 亿美元（2026-07，The Information）
Kimi
ARR 3 亿美元（2026-06，投资方 / 公司披露）
注：智谱 10 亿美元 ARR 系媒体多信源报道，公司未回应置评；Kimi 3 亿美元为 K3 发布前数据。
智谱的 7.24 亿元，是会计师签过字、跑满十二个月的全年收入——三甲医院的体检报告。Anthropic 的 650 亿美元，是七月一个月的收入乘以十二——运动手环上量了一分钟心跳，乘以 60，标成「每小时心跳数」。
两个数都没撒谎，但把它们并排放进一张表叫「比较」，就是拿体检报告去比手环读数。
Anthropic 自己的两组数就在打架：Q1 实收 47.3 亿，Q2 实收 115 亿，上半年合计 162 亿。就算下半年再翻一倍，2026 全年实收也就 400 到 450 亿——而它现在挂出来的年化数是 650 亿。中间那 230 亿，是 复利假设，不是钱。
还有个细节值得记一下。第三方追踪机构七月给 Anthropic 的预估是 743 亿和 690 亿，实际印出来 650 亿，最高那家高估了 14.3%。原因是它的月增速已经从春天的约 51% 掉到了 12.8%。
12.8% 折成年化还有 324%，绝对值依然吓人。但车还在加速，踩油门的力度已经在变小——所有「照这个势头下去」的算式，分子都换了。
03
开源，等于把收银台拆了
现在说一件很多人会忽略的事。
Mozilla 的 2026 开源 AI 报告里，DeepSeek V4-Flash 全球月用量 18.4 万亿 token，世界第一；OpenRouter 的调用量榜上它连续七周居首。全球用得最多的模型，一年只收 4.5 亿美元。怎么回事？
开源就是把 配方公开 了。全世界的餐厅都在做你这道菜，客人吃得很爽，你的名声传遍全球——钱进的是那些餐厅的收银台。各家云在跑它，OpenRouter 上一堆第三方在跑它，几千家企业在自己机房里跑它，这些推理全都发生了，全都不经过 DeepSeek 的账。
Anthropic 和 OpenAI 是闭源的，相当于 只有自己开店。全世界想吃这道菜只能进你的门，每一份都过你的收银台。
所以那个等式还要再补一项：
收入 ＝ 全网用量 × 收银台覆盖率 × 单价
三项相乘，漏掉中间那项就读错
DeepSeek 在第一项上全球第一，第二项主动放弃了大半，第三项比 Anthropic 低一到两个数量级。三个数乘完，落到 4.5 亿。
Kimi 和智谱走的是同一条路，K3 是目前 全球参数最大的开源模型。这是笔清醒的交易，不是失败——但请记住这一项，第 7 节要用它判死刑。
04
赚得最少的那家，最会赚钱
把问题从「赚多少」换成「赚不赚」，这张表整个翻个面。
表二 · 每收进一块钱，最后剩下多少
OpenAI - 亏 1.6 美元
2025 实收 130.7 亿，经营亏损 209 亿；Q1 2026 经营利润率 −122%
智谱 - 亏 6.5 元
2025 收入 7.24 亿元，净亏损 47.18 亿元，经营现金流 −22.46 亿元
Anthropic - 毛利剩 0.4 美元
毛利率约 40%，2026 算力开支约 190 亿美元，公司口径 2028 年盈利
DeepSeek - 毛利剩 0.5 元以上
V4 的 API 毛利率超 50%；成立近三年没拿过外部钱
Kimi - 未披露
半年融资超 39 亿美元，累计超 376 亿元人民币
按 收入 排，DeepSeek 第四。按生意本身赚不赚钱排，它第一。
智谱这一栏还藏着一个更值得看的东西。它招股书里写着，84.8% 的收入来自 本地化部署——客户买一套模型，公司派一队工程师进驻，做定制、微调、集成、验收。
派人的生意和派 token 的生意，天差地别。派人的毛利看着高，但每接一单都要再招一批人，做十倍收入要招十倍的人。派 token 的毛利起步低，但做十倍收入只要多买机器，人几乎不用加。
智谱这两年干的事，就是把生意从前者换成后者：本地化部署的毛利率从 66.0% 掉到 48.8%，云端从 3.3% 涨到 18.9%。一条在跌，一条在涨，涨的那条从 3.3% 起步。到今年三月，它的 MaaS 平台 ARR 做到 17 亿元，十二个月涨了 60 倍。
换得非常快。但 2025 年那份 7.24 亿元收入、47.18 亿元亏损的报表，记的还是换之前的那家公司。
05
五家公司在抢同一张桌子
还有一件比排名更值得警惕的事。
2026 年这一轮收入爆发，各家的归因
Anthropic — Bloomberg 将收入加速归因于 AI 编程软件
OpenAI — 七月单月运行率涨超 20%，Bloomberg 点名 Codex 与 ChatGPT Work
智谱 — 年内四次上调 API 价格，海外 Coding Plan 提价 80%–150%，涨价 83% 后调用量涨 400%
Kimi — K3 在 Frontend Code Arena 以 1679 分排全球第一，发布后企业 ARR 数倍增长
DeepSeek — V4-Flash 在 OpenRouter 连续七周调用量第一
五家公司，一件事：有人在用模型写代码。
你以为是在五家公司之间做选择，其实你在同一张牌桌上换座位。这张桌子塌了，五个座位一起塌。它们同涨同跌的概率，比任何一家管理层愿意承认的都高。
06
把增长打完折，谁还贵
好，现在进正题。先看裸的 市销率：
表三 · 裸的市销率（还不能直接比）
Anthropic - 9650 亿美元 ÷ 650 亿 ＝ 14.8×
OpenAI - 8520 亿美元 ÷ 400 亿 ＝ 21.3×
智谱 - 约 7450 亿港元 ÷ 10 亿美元 ＝ 约 95×
Kimi - 350 亿美元 ÷ 3 亿美元 ＝ 117×
DeepSeek - 710 亿美元 ÷ 4.5 亿美元 ＝ 158×
面对这张表，标准辩护只有一句：倍数高是因为增长快。
这句话要么对要么错，能验证。方法是换一个指标——不看它现在收入多少，看它过去一年新长出来多少收入，以及你为每一美元新收入付了多少钱。
就像买果树：不看树多高，看它去年新结了多少果，你为每一颗新果付了多少。
这个算法自带增速修正，长得越快的公司分母越大，价格自动显得越便宜。所以如果一家公司在这上面还是贵，就不能再拿增长说事了。
表四 · 为每一美元新增收入付的价格
Anthropic - 16×
一年前 ARR 约 50 亿 → 现在 650 亿，一年新增 +600 亿
OpenAI - 32×
一年前 ARR 约 130 亿 → 现在 400 亿，一年新增 +270 亿
智谱 - 100×
一年前 ARR 约 0.5 亿 → 现在 10 亿，一年新增 +9.5 亿
Kimi - 125×
一年前 ARR 约 0.2 亿 → 现在 3 亿，一年新增 +2.8 亿
DeepSeek - 309×
一年前 ARR 约 2.2 亿 → 现在 4.5 亿，一年新增 +2.3 亿
单位：美元。一年前 ARR 中，Anthropic 与 OpenAI 为公开报道值，其余三家为作者推算的估计值，误差可能较大，详见文末核实说明。
把增长塞进分母之后，「高倍数是因为增长快」这句话，只对三家成立。
DeepSeek 是五家里收入涨得最慢的一家。
它从约 2.2 亿美元做到 4.5 亿，用了大约十八个月，翻了一倍。同期智谱翻了约二十倍，Kimi 十几倍，Anthropic 十三倍。
最贵的倍数，配最慢的增速。
这是「高估」这个判断的第一根支柱。DeepSeek 的 158 倍市销率没有增速可以辩护——它的增速垫底。309 倍，是把增长打完折之后剩下的纯溢价。
反过来看 Anthropic 的 16 倍：五家里最便宜，而且便宜得不接近。第二名是它的两倍，最后一名是它的十九倍。
07
这个价格，要求什么发生
还有一个更朴素的问法：按今天这个价买进去，这家公司这辈子最终要做到多少 年收入，你才算没买贵？
算法很简单。成熟期的高毛利软件公司，长期给 8 倍收入 不算苛刻。用估值除以 8，就得到市场隐含的终局年收入。
表五 · 按 8 倍成熟期倍数反推的终局年收入
Anthropic - 还要涨 1.9 倍
估值 9650 亿 → 隐含终局年收入 1206 亿，现在 ARR 650 亿
OpenAI - 还要涨 2.7 倍
估值 8520 亿 → 隐含终局年收入 1065 亿，现在 ARR 400 亿
智谱 - 还要涨 11.9 倍
市值约 950 亿 → 隐含终局年收入 119 亿，现在 ARR 10 亿
Kimi - 还要涨 14.7 倍
估值 350 亿 → 隐含终局年收入 44 亿，现在 ARR 3 亿
DeepSeek - 还要涨 19.8 倍
估值 710 亿 → 隐含终局年收入 89 亿，现在 ARR 4.5 亿
单位：美元。智谱按 7450 亿港元折算。8 倍为作者设定的假设，不是市场共识。
关键在于「还要涨」那一列除以各自的实际速度。
Anthropic 要涨 1.9 倍，按 12.8% 的月增速，五个月就到。DeepSeek 要涨 19.8 倍，按它十八个月翻一倍的速度，需要六年半。同一个假设，六年半和五个月之间隔着的，就是定价错误。
而 DeepSeek 还卡着第二道门。它要做到 89 亿美元，只有两条路：把付费 token 量做到今天的 20 倍，或者把价格提上去。
但它的模型是 开源 的。用量涨 20 倍，付费用量不会跟着涨 20 倍——增量会大量流向第三方和企业自建机房，绕开它的收银台。
那就只剩提价。可低价恰恰是它调用量全球第一的全部原因。
换句话说，710 亿美元定价的是一家关掉开源、涨价十倍的 DeepSeek。而那家公司一旦出现，OpenRouter 榜首的位置第二天就没了。
08
五个判决
谁被高估，谁被低估
Anthropic · 9650 亿美元
低 估
每美元新增收入只收 16 倍，五家里最便宜。毛利率约 40% 且方向朝上（公司目标 2028 年做到 77%），而 OpenAI 的利润率方向朝下。闭源意味着它产出的每一个 token 都过自己的账。二级市场成交隐含估值一度接近 1.2 万亿，比一级轮高 24%——信息最充分的那批人，正在用比上一轮更高的价买。十月它大概率成为五家里唯一一家拿出审计过的公开 S-1 的公司：所有非上市 AI 公司的估值里都含一笔「我看不到报表」的折价，只有它要把这笔折价单独去掉。
反方证据我照写：650 亿是年化不是实收，按上半年实收年化算，市销率是 29.7 倍而不是 14.8 倍；月增速已从 51% 掉到 12.8%。即便按 29.7 倍，也只有 DeepSeek 的五分之一。
OpenAI · 8520 亿美元
大 致 合 理
每美元新增收入收 32 倍，是 Anthropic 的两倍。多出的那一倍，买的是消费端的绝对统治地位和广告这条还没变现的第二曲线，这个溢价说得通。但同时买到的还有一份更难看的账：2025 年每收 1 美元亏 1.6 美元，Q1 2026 经营利润率 −122%，方向在恶化。二月到春天的五个月运行率基本走平，七月才靠编程产品重新拉起来——它是五家里唯一一家已经出现过增长停滞、再靠新产品线救回来的公司。合理，但是「当下合理」，不是「安全」。
智谱 · 约 7450 亿港元
生 意 不 贵 · 价 格 很 贵
这家要分两件事说。
生意上它不算贵：ARR 从 1 亿美元做到 10 亿只用了五个月，Anthropic 走同一段路用了十五个月；隐含终局 119 亿美元，按当前曲线两年可达。100 倍配得上这个速度。
贵的是价格的形成方式。它今年 1 月 8 日上市，发行 3742 万股；按六月十九日 2094 港元股价、9336 亿港元市值倒推，总股本约 4.46 亿股——IPO 流通的部分只占约 8.4%，另外 91.6% 在锁定期里一股不能卖。同期被纳入港股通和恒生科技指数，被动基金必须按权重买，能买的也只有那 8.4%。
六月二十二日盘中破 1 万亿港元，市销率 544 倍。七月解禁，回落到 7450 亿。同期上市的 MiniMax 从 4100 亿港元跌到约 720 亿，回撤 82%。
所以智谱的问题不是投资人算错账，是这个价格根本不是算出来的。它是一台在 8.4% 流通盘上跑、被指数强制买入放大的报价机吐出来的数。解禁只是这台机器的第一次校准。
Kimi · 350 亿美元（新一轮投前已报 500 亿）
高 估
每美元新增收入收 125 倍。增速本身是真的——3 月 1 亿、5 月 2 亿、6 月 3 亿，三个月翻三倍，API 收入占比超七成，结构很健康。
问题在时序。F 轮 35 亿美元在 7 月 29 日以 350 亿美元投后关闭，因超额认购三倍多提前收官，下一轮随即以 500 亿美元投前启动。而支撑这两轮定价的「K3 发布后企业 ARR 数倍增长」，公司至今没给具体数字。
用没公布的数字撑已公布的估值，这是一级市场最常见的高估机制。它未必错，但它没法验证——没法验证本来就该打折，市场却给了溢价。加上 K3 是全球参数最大的开源模型，那 44 亿美元的终局收入，同样要在一个大部分用量绕开收银台的结构里做出来。
DeepSeek · 710 亿美元
严 重 高 估
三根支柱，每一根单独都够。
一，每美元新增收入收 309 倍，五家里最贵，是 Anthropic 的十九倍。
二，它的收入涨得是五家里最慢的：约 2.2 亿到 4.5 亿美元，十八个月翻一倍，同期另外四家翻了十几到二十倍。最贵的倍数配最慢的增速，没有任何增长故事能解释这个组合。
三，也是最硬的一根：710 亿隐含 89 亿美元的终局收入，要在今天基础上涨 19.8 倍。开源让它的付费用量涨不上去，低价又是它全球第一的全部原因——两条路互相堵死。
补一句公道话：DeepSeek 是五家里生意最健康的（V4 的 API 毛利率超 50%），成立近三年没拿外部钱，技术声誉全球第一梯队。它是一家极好的公司。710 亿买的不是这家公司，是「中国 AI 冠军」这张票的独占性——而 Kimi 的 117 倍和它的 158 倍之间那 40 个点，就是这份独占性正在被稀释的实时读数。
最后回到那个等式。
收入 ＝ 全网用量 × 收银台覆盖率 × 单价
排行榜只显示等号左边
650 : 400 : 10 : 4.5 : 3 这个序列，测的是谁能卖贵、谁的收银台不漏水。14.8 : 21.3 : 95 : 117 : 158 那个序列，测的是稀缺性溢价和流通盘结构。两者都不测量智能。
十月 Anthropic 大概率会在纳斯达克敲钟。到那天，650 亿这个数会第一次被写进公开的 S-1，附带审计意见和风险因素。五个数字里，会有一个变成真正可比的。
剩下四个，还得再等等。
核 实 说 明
按可靠度分层。数据冲突不做静默取舍，一律列出。
一、已核实（主流媒体或公司公告）
· Anthropic 650 亿美元年化（Bloomberg，7 月 31 日口径）、Q1 实收 47.3 亿、Q2 预备实收 115 亿、Series H 融资 65 亿投后 9650 亿、6 月 1 日秘密递交 S-1。OpenAI 400 亿以上年化（Bloomberg，8 月 13 日）、七月环比涨超 20%、2025 实收 130.7 亿与经营亏损 209 亿（FT 核验）、8520 亿估值、6 月 8 日递交 S-1。智谱 2025 收入 7.24 亿元、净亏损 47.18 亿元、经营现金流 −22.46 亿元、IPO 发行 3742 万股与 116.2 港元发行价、84.8% 收入来自本地化部署、两条业务线毛利率变动、6 月 22 日盘中破 1 万亿港元。MiniMax 自 4100 亿港元回落至约 720 亿港元。Kimi F 轮超 35 亿美元投后 350 亿、超额认购三倍多、下一轮投前 500 亿；K3 参数 2.8 万亿、Frontend Code Arena 1679 分第一。
二、单一信源
· DeepSeek 年化收入 4–5 亿美元、V4 API 毛利率超 50%、「较 2025 年初预测的 2–2.2 亿美元翻倍」（均为 The Information，中文媒体转述）；DeepSeek 次轮投前 710 亿美元（FT）；智谱 7 月 ARR 达 10 亿美元及「1 至 7 月增长 15 倍」（智能涌现，公司未回应置评）；Kimi K3 发布后「企业 ARR 数倍增长」（公司总裁社交媒体表述，无具体数字）；Anthropic 2026 算力开支约 190 亿美元、2028 年盈利时点、77% 毛利率目标（二级财经媒体转述，未见公司原始披露）；Anthropic 二级市场隐含估值接近 1.2 万亿美元（交易平台数据转述）。
三、转述数据
· TickerTrends 743 亿、Yipit 690 亿及 12.8% 月增速，来自读者提供的 TickerTrends 图表；Mozilla 2026 开源 AI 报告的 18.4 万亿 token 月用量、OpenRouter 连续七周榜首，为二手转述；智谱 7450 亿港元市值为 7 月时点转述，非实时行情，表三表五按 7.85 折算为约 950 亿美元。
四、本文推算（属作者判断，不是事实）
· 144 倍拆解：价格差 10–50 倍为作者设定的假设区间，用量差是除法结果，非任何一方披露。
· 表四「一年前 ARR」：Anthropic 约 50 亿、OpenAI 约 130 亿为 2025 年 8 月前后公开报道值；智谱约 0.5 亿、Kimi 约 0.2 亿、DeepSeek 约 2.2 亿为作者推算的估计值，误差可能显著——尤其 Kimi 与智谱基数极小，该指标对基数假设高度敏感。
· 表五：8 倍成熟期倍数为作者设定，非市场共识；换成 5 倍或 12 倍，各家「还要涨」的倍数同比例变化，但公司之间的相对排序不变。
· 到达时间：按各家最近可观测增速外推，属外推非预测。
· 智谱总股本约 4.46 亿股与 8.4% 流通比例：作者按市值除股价倒推。
· 所有市销率与「每美元新增价格」：均为作者计算，且分子分母口径不一（一级估值对年化收入、二级市值对 ARR），用于横向感知，不能直接用于定价。
五、未采用
· 多处二级来源给出的 Claude Code「80 亿美元 ARR」「54% 编程市场份额」等数字，因未见公司原始披露且各来源互相矛盾，本文未采用。任何真实人物的具体言论，均未做转述引号处理。
—— Kea
AI 交易 Skill 风口已至，专业玩家质疑与交易所突围｜MyToken AMA 回顾当 AI Agent 开始渗透交易场景，交易所纷纷推出官方 Skill 工具。AI 交易技能，或者说，通过安装交易所官方Skills真的能帮忙赚钱吗？
一场关于效率、门槛与真实价值的讨论， 在MyToken专场“每周拆解行业热门Skill系列”AMA 彻底引爆。
一边是深耕量化领域多年的资深交易者普达特教授，直言对交易所 AI Skill 持保留态度；另一边是火币HTX、WEEX Labs 官方团队，详解 Skill 如何重构普通用户的交易体验。本场围绕“如何利用交易所官方 AI Skill 提升交易能力”主题展开，没有客套话术，全程对话激烈，观点对撞，可以说火药味十足，既揭开了当前 AI 交易工具的真实水平，也指明了散户与专业交易者截然不同的使用逻辑。
一、开场直击：量化老兵的真实态度
AMA开场，主持人介绍到MyToken上线了行业专属的AI技能广场，汇总了各大交易所，项目方和新闻媒体的官方Skill介绍，教程和安装方法，随即抛出问题：目前有无真正使用AI智能体参与交易，有无安装过任意交易所或者Web3行业Skill？
面对这一现状，普达特老师给出了非常真实的答案：
个人仅用 AI 完成代码编写，且是简单单模块代码编写，不依赖 AI 参与实际交易决策；
从未安装任何交易所官方 Skill，也不使用 Web3 相关技能工具；
核心顾虑：交易所 Skill 缺乏长期历史验证、模块独立难维护，无法替代成熟量化体系。
这一态度戳中了大量观望者的困惑：AI 交易喊了这么久，普通人敢用吗？专业玩家能用吗？交易所推出的 Skill，究竟解决了什么真问题？
二、两个交易所官方 Skill：不是 API 换皮，是交易流程再造
面对质疑，HTX AI增长产品负责人Zeo与 WEEX Labs AI增长负责人Mia 分别亮出了自家 AI 交易 Skill 的核心设计，两者路径不同，但目标一致：让不会代码的人，也能用上智能化交易能力。
火币 Skill Hub：17 个模块化技能，三层能力覆盖
火币 Zoe 老师介绍，其 Skill Hub 并非简单 API 封装，而是一套轻量化、低成本、更安全的交易增强工具：
不只是接口调用，可以大幅节省 Token 消耗；
17 个 Skill 归为三大类：行情数据查询、模拟 + 实盘执行、策略分析与风险评分；
关键安全设计：先模拟、后执行，降低误操作风险；
未来将上线 App 内置伙伴 AI，支持对话交易、行情预判、策略上传与订阅，打造完整 AI 交易生态。
WEEX Trading Skill：自然语言驱动，动作闭环更流畅
WEEX 的Mia老师则强调，自家 Skill 聚焦交易动作全链路，把一句自然语言指令，拆解为完整执行流：
行情感知→条件触发→下单执行→状态校验→风险监控，全程自动完成；
把复杂交易封装为，一键挂单、分批成交、风险敞口实时跟踪；
严格权限隔离与密钥管理，资金操作全程可控；
后续将根据用户需求优先级迭代新 Skill，让 AI 辅助交易更稳定。
双方均表示自家的AI Skill ≠ API 改名，它的核心价值是降低门槛、简化流程、补齐普通用户不具备的量化能力。
三、高能交锋：量化交易 vs AI Skill，到底差在哪？
真正让 AMA 走向高潮的，是普达特老师的连续 “灵魂拷问”，直指当前 AI 交易工具的痛点：
· 模拟下单太慢了，逻辑如何自洽？ 火币提到“先模拟后执行”，他反问：“你先模拟一下能不能赚钱再下单？那机会早就没了。”
· API 本来就够用：查询、下单、持仓管理、一键平仓……这些都是交易所接口原生支持的，为什么要用 Skill？
· WebSocket 不比 AI 强？ 拉数据、看盘口，WebSocket 延迟更低、更稳定，Skill 优势何在？
· 技能封装太基础：分批挂单、风险率查询、盈亏统计，Python 20 行代码就能搞定，跟“智能”有什么关系？
其实核心疑问在于问Skill 到底解决了什么不可替代的问题？
他最后幽默地补了一句：“我是来学习的，不是来抬杠的。但现场每个人都感受到了他的技术严谨。
官方回应坦诚直接：AI Skill 的目标用户，本就不是专业量化交易者。专业玩家有成熟框架、低延迟需求、自主编写能力；而 Skill 服务的是大量不会代码、不懂接口、没时间盯盘的普通散户。它不追求极致精度，而是追求易用、安全、低成本，让交易决策更轻松。
这场交锋也厘清了一个关键事实：AI 交易不是 “取代人”，更不是 “稳赚不赔”，它是效率工具，而非赚钱机器。
四、散户最关心：安全吗？好上手吗？
社区互动环节，听众最关注的两大问题，官方给出了以下答案：
资金安全如何保障？
火币：采用权限最小化设计，模拟盘前置校验，严控操作范围；
WEEX：密钥本地管理、操作权限隔离，资金动作全程风控兜底。
小白能不能快速上手？
两大交易所称均提供一键安装、可视化配置、完整入门教程，支持与主流 AI 平台快速集成。主持人补充到MyToken 技能聚合广场已同步收录火币等平台官方 Skill，并配套测评和教程，零经验用户也可逐步上手。
五、行业共识：AI 交易仍在早期，未来走向清晰
整场 AMA 下来，多方达成了难得的共识：
当前交易所 AI Skill 仍处于初期阶段，包括火币、WEEX、币安、OKX 等平台均在快速迭代；
AI 需要持续 “喂养” 与优化，才能越来越贴合个人交易习惯；
未来一定会出现分层化 Skill：面向新手的极简版、面向进阶的增强版、面向机构的专业版；
AI 无法替代人工决策，但会显著降低交易门槛，成为下一代交易标配。
写在最后
AI 交易不是一夜颠覆，而是慢慢渗透。对于专业量化玩家，Skill 现阶段更像 “可选项”；对于普通散户，它是降低门槛、提升效率、控制风险的实用工具。
这场 AMA 没有给出 “谁对谁错” 的答案，却把 AI 交易 Skill 的价值、局限与未来讲得足够透彻。整场 AMA 虽然技术争论激烈，但也正是这种“不服来辩”的氛围，让观众大呼过瘾。
MyToken 将持续追踪 AI 交易领域动态，下期或将邀请交易所技术研发人员与普达特老师深度对线，或拆解其他行业Skill，解开本次遗留的技术疑问。关注我们，不错过每一场硬核干货碰撞。[TOKEN KOREA] "以太坊是最大的链，但仍然很慢" — EthGas瞄准利用50ms子区块实现实时以太坊토큰포스트는 국내 주요 원화거래소에 상장된 가상자산 프로젝트의 기술·사업·커뮤니티 현황을 투자자 눈높이에서 직접 확인하고 있다. 응답한 프로젝트들의 목소리를 순서대로 기록한다. [편집자주]
이더리움은 가장 큰 스마트컨트랙트 생태계다. 가장 오래된 개발자 기반, 가장 깊은 유동성, 가장 강한 탈중앙성 서사를 갖고 있다. 그러나 약점도 분명하다. 느리다.
거래가 몰리면 사용자는 대기하고, 수수료는 올라가고, 활동은 L2와 다른 L1으로 흩어진다. 이더리움이 가장 신뢰받는 정산 레이어라 해도, 사용자 경험이 느리면 자본과 거래는 더 빠른 곳을 찾아간다.
EthGas는 이 문제를 정면으로 겨냥한다. 팀은 EthGas를 "이더리움을 100배 빠르게 만들고, 블록스페이스를 거래 가능한 상품으로 만드는 이더리움 스케일링 이니셔티브"라고 설명한다. 핵심은 이더리움의 12초 블록을 더 작은 조각으로 나누고, 50밀리초 수준의 서브블록 시간을 구현해 사실상 실시간에 가까운 실행 경험을 제공하는 것이다.
토큰포스트 'TOKEN KOREA WATCH' 시리즈의 이번 인터뷰로 EthGas 팀을 만났다.
■ 12초 블록을 50ms로 쪼갠다
EthGas가 풀려는 문제는 단순하지만 크다. 이더리움은 크립토에서 가장 중요한 네트워크지만, 체감 속도는 여전히 느리다.
EthGas의 접근은 블록을 더 작은 단위로 쪼개는 것이다. 팀은 이를 통해 이더리움 블록타임을 기존 12초에서 50밀리초 수준의 서브블록으로 분해할 수 있다고 설명한다. 이 방식이 제대로 작동하면 사용자는 하나의 큰 블록이 완성되기를 기다리는 대신, 훨씬 더 짧은 간격으로 거래 반응을 경험하게 된다.
EthGas 측은 이 구조가 이더리움을 "최대 100배 빠르게" 만들 수 있으며, 50ms 서브블록 기준으로는 솔라나보다도 빠른 체감 속도를 제공할 수 있다고 주장한다. 다만 이 표현은 처리량, 최종성, 검증 구조 전체를 비교한 독립 지표라기보다, EthGas가 제시하는 서브블록 시간 기준의 주장으로 보는 것이 맞다.
속도는 단순한 편의 문제가 아니다. 거래 실행 속도는 유동성의 위치를 바꾼다. 사용자가 느리다고 느끼면 L2로 가고, 다른 L1으로 간다. 유동성이 흩어지면 앱은 복잡해지고, 자본 효율은 떨어진다. EthGas가 말하는 목표는 이더리움 메인넷 자체의 성능을 끌어올려 경제 활동을 다시 이더리움으로 모으는 것이다.
■ NFT 광풍 이후 보인 문제 — L2는 늘었고, 유동성은 흩어졌다
EthGas의 출발점은 NFT 열풍 이후였다.
공동창업자 케빈은 NFT 붐 이후 L2가 급격히 늘고, 유동성이 여러 체인으로 분산되는 흐름을 봤다. 2023년 1분기 무렵 그는 이더리움의 블록타임을 합성적으로 더 작은 단위로 나누면, 메인넷의 체감 속도 문제를 다른 방식으로 풀 수 있다고 판단했다. 그 판단이 EthGas의 출발점이었다.
이 문제의식은 이더리움 생태계의 오래된 딜레마다. 이더리움은 보안을 유지하고 탈중앙성을 지키기 위해 느린 정산 구조를 감수했다. L2는 이 문제를 해결하기 위해 등장했다. 그러나 L2가 많아질수록 유동성과 사용자 경험은 다시 파편화됐다.
EthGas는 이 흐름에 다른 답을 제시한다. "더 많은 L2"가 아니라 "더 빠른 이더리움"이다. 말은 매력적이다. 하지만 이더리움의 블록 빌딩 파이프라인 자체를 건드리는 시도인 만큼 난도도 높다. 이 영역은 앱 하나를 빠르게 만드는 문제가 아니라, 이더리움 거래가 만들어지고 전달되고 블록에 들어가는 구조를 바꾸는 문제다.
■ 모든 이더리움 사용자가 잠재 고객
EthGas의 타깃 사용자는 특정 앱이나 특정 투자자층에 한정되지 않는다. 팀은 "말 그대로 모든 사용자"라고 답했다.
이유는 EthGas가 블록 빌딩 파이프라인을 대체하거나 재구성하는 방식으로 접근하기 때문이다. 따라서 블록 빌더, 릴레이, 검증인 같은 인프라 참여자부터 지갑, RPC 제공자, 최종 사용자까지 모두 EthGas의 영향권에 들어간다.
사업 모델은 B2B2C에 가깝다. EthGas가 지갑이나 인프라 제공자와 통합하면, 최종 사용자는 별도의 학습 없이 점점 더 빠른 이더리움 경험을 체감하게 된다. 사용자가 직접 "EthGas를 사용한다"고 느끼지 않더라도, 거래가 더 빨리 반응하고 블록스페이스가 더 세분화돼 거래된다면 그 변화는 사용자 경험으로 드러난다.
이 점은 인프라 프로젝트의 전형적인 특징이다. 좋은 인프라는 사용자에게 보이지 않는다. 다만 느린 것은 누구나 안다. EthGas가 성공하려면 사용자가 EthGas라는 이름을 외우기보다, "이더리움이 왜 이렇게 빨라졌지?"라고 느끼게 만들어야 한다.
■ 블록스페이스를 거래 가능한 상품으로
EthGas가 흥미로운 이유는 단순히 속도를 높이는 데서 멈추지 않는다는 점이다. 팀은 이더리움 블록스페이스를 거래 가능한 상품으로 만들겠다고 말한다.
블록스페이스는 블록체인의 가장 기본적인 자원이다. 거래가 들어갈 수 있는 공간이고, 수수료가 발생하는 시장이다. 기존에는 사용자가 가스비를 내고 블록 안에 거래를 넣는 구조였다면, EthGas는 이 블록스페이스를 더 작은 단위로 쪼개고, 더 세밀하게 가격화하며, 거래 가능한 시장으로 만들려는 방향을 제시한다.
이 개념은 전통 금융의 시장 구조와도 닮아 있다. 시간, 우선순위, 실행 품질, 접근권이 모두 가격을 갖는 시장이 되는 것이다. 케빈이 전통 금융 출신이라는 점도 이 맥락과 맞물린다. 그는 모건스탠리에서 고정수익 파생상품과 금융 혁신 사업을 이끌었고, 12년간 TradFi에서 일했다. EthGas가 블록스페이스를 단순 기술 자원이 아니라 금융 상품처럼 보는 배경이 여기에 있다.
■ Realtime Blocks — "불가능하다"던 것을 제품으로
EthGas가 지난 12개월 동안 가장 중요한 성과로 꼽은 것은 두 가지다.
첫째, 팀은 "이더리움의 약 5%를 온보딩했다"고 밝혔다. 다만 이 수치가 검증인, 블록 빌더, 트래픽, 블록스페이스 또는 다른 기준 중 무엇을 의미하는지 인터뷰 답변만으로는 구체적으로 확인되지 않는다. 기사에서는 EthGas 측이 제시한 채택 지표로 보는 것이 적절하다.
둘째, 2025년 11월 Realtime Blocks 이니셔티브를 출시했다. EthGas 측은 이 시도를 두고 "이전에는 모두가 불가능하다고 생각했던 것"이라고 표현했다. 이 프로젝트의 핵심은 이더리움 블록을 실시간에 가까운 단위로 재구성해, 사용자와 인프라 참여자가 기존보다 훨씬 빠른 거래 경험을 얻도록 만드는 것이다.
EthGas는 자신들이 "블록스페이스를 거래하고 이더리움을 실시간으로 만드는 기능하는 제품을 가진 유일한 프로젝트"라고 주장한다. 이 표현은 강하다. 그리고 강한 표현일수록 시장 검증이 필요하다. 실제 통합 범위, 사용량, 안정성, 경제적 효과가 공개 지표로 쌓일수록 EthGas의 주장도 더 단단해질 것이다.
■ 경쟁자는 L2가 아니라 '느린 이더리움'이다
EthGas는 직접 경쟁자가 없다고 말한다. 같은 방식으로 블록스페이스 거래와 실시간 이더리움 구현을 동시에 제공하는 프로젝트는 없다는 설명이다.
그러나 넓게 보면 EthGas의 경쟁 구도는 분명하다. 경쟁자는 특정 프로젝트 하나가 아니라, 지금의 이더리움 확장 경로 전체다. L2, 다른 L1, 인텐트 기반 실행 레이어, 프라이빗 멤풀, MEV 인프라, 블록 빌더 시장이 모두 이더리움의 속도와 실행 품질 문제를 각자 다른 방식으로 풀고 있다.
EthGas의 차별점은 이더리움 바깥으로 빠지는 대신, 이더리움 내부의 블록 빌딩 구조를 바꾸려는 데 있다. 성공한다면 파급력은 크다. 이더리움 메인넷이 더 빠르게 체감된다면, L2로 흩어진 일부 경제 활동을 다시 메인넷으로 끌어올 수 있기 때문이다.
반대로 이 시도는 매우 어렵다. 이더리움은 단순한 앱체인이 아니다. 세계 최대 스마트컨트랙트 정산 레이어다. 속도를 높이는 과정에서 검증 가능성, 보안, 검열 저항성, 경제적 인센티브가 흔들리면 시장은 냉정하게 반응한다. 이더리움은 빠르기만 해서 이긴 체인이 아니다. 믿을 수 있어서 이긴 체인이다. EthGas가 풀어야 할 문제도 바로 이 균형이다.
■ 한국 시장 — TradFi와 크립토를 동시에 이해하는 시장
EthGas는 한국을 명확한 타깃 시장으로 보고 있다.
케빈은 모건스탠리를 포함해 12년간 전통 금융에서 일하며 고정수익 파생상품과 금융 혁신 비즈니스를 이끌었다. 이 기간 동안 그는 한국을 여러 차례 방문했고, 규제기관과 기관투자자 모두와 일한 경험이 있다고 말했다. 그가 보는 한국 시장의 특징은 전통 금융과 크립토를 동시에 이해하는 드문 시장이라는 점이다.
EthGas는 한국에서 인지도와 교육에 상당히 투자하고 있다고 밝혔다. 대표 사례가 ETHCapitalSummit.com이다. EthGas는 이를 아시아의 이더리움 대표 컨퍼런스로 소개하며, ETHDenver나 ETHCC가 개발자 중심 행사인 것과 달리 ETHCapitalSummit은 자본시장과 금융 애플리케이션에 초점을 맞춘다고 설명했다. 특히 대형 보험사와 증권사를 대상으로 이더리움 기반 금융 활용 가능성을 다룬다는 점을 강조했다.
이 접근은 한국 시장에 맞다. 한국에서 이더리움 인프라 프로젝트가 성공하려면 단순히 "기술이 빠르다"고 말하는 것만으로는 부족하다. 증권사, 보험사, 자산운용사, 거래소, 핀테크가 이해할 수 있는 언어로 설명해야 한다. EthGas는 그 언어를 전통 금융에서 빌려오고 있다.
■ 빗썸 상장 — 다음 목표는 업비트와 추가 거래소
국내 거래소와 관련해 EthGas는 이미 빗썸에 상장돼 있다고 밝혔다. 향후에는 업비트와 다른 거래소 상장도 희망한다고 말했다. 팀은 EthGas를 "이더리움의 가장 핵심적인 스케일링 이니셔티브"라고 표현하며, 한국 시장에서 더 넓은 접근성을 원하고 있다.
다만 상장은 시작일 뿐이다. 인프라 프로젝트의 진짜 가치는 거래소 상장보다 통합에서 나온다. 지갑, RPC, 검증인, 블록 빌더, 릴레이가 실제로 EthGas의 구조를 채택해야 한다. 한국 시장에서의 성공도 단순히 토큰 거래량이 아니라, 한국 기관과 인프라 기업이 이더리움 성능 개선과 블록스페이스 시장 구조에 관심을 갖고 참여하느냐에 달려 있다.
EthGas가 말하는 성공적인 한국 진입도 이와 비슷하다. 팀은 한국이 금융 인식과 혁신의 최전선에 있다고 평가하며, 더 많은 "딥 이더리움" 이니셔티브를 한국 시장에 가져오고 싶다고 밝혔다. 이는 이더리움 생태계에도 도움이 되고, 한국 투자자에게 중요한 초기 투자 접근성을 제공할 수 있다는 설명이다.
■ 2026년 하반기 로드맵 — 구체적 내용은 비공개
2026년 하반기 가장 기대되는 마일스톤에 대해서는 말을 아꼈다. EthGas는 "Stay tuned"라고 답하며 구체적인 로드맵을 공개하지 않았다.
이 부분은 과장해서 쓰면 안 된다. 공개되지 않은 로드맵은 기사에서 확정된 계획처럼 다룰 수 없다. 다만 지금까지의 방향을 보면 EthGas의 다음 관전 포인트는 분명하다. Realtime Blocks의 확장, 더 많은 이더리움 인프라 참여자의 온보딩, 블록스페이스 거래 시장의 실제 사용량, 그리고 한국을 포함한 기관 투자자 대상 교육과 접근성 확대다.
EthGas가 풀려는 문제는 기술만의 문제가 아니다. 시장 구조의 문제이기도 하다. 블록스페이스가 상품이 되려면 가격, 유동성, 참여자, 정산 구조가 필요하다. 이 시장이 실제로 열리는지가 EthGas의 다음 시험대다.
■ 가장 큰 도전 — 시장의 관심을 다시 핵심 인프라로 돌리는 것
EthGas가 현재 가장 큰 도전으로 꼽은 것은 기술적 난제가 아니라 시장의 관심 분산이다.
팀은 글로벌 지정학적 환경이 크립토의 핵심 이니셔티브에서 일부 관심을 빼앗고 있다고 말했다. 다시 말해, 시장이 규제, 거시경제, 지정학 리스크, 단기 가격 흐름에 흔들리는 사이 이더리움의 핵심 성능 개선 같은 장기 인프라 과제가 충분한 주목을 받지 못한다는 것이다.
이 말에는 일리가 있다. 크립토 시장은 늘 화려한 내러티브를 좇는다. AI, 밈, RWA, ETF, 스테이블코인이 돌아가며 관심을 가져간다. 그러나 장기적으로 생태계의 체급을 바꾸는 것은 인프라다. 속도, 보안, 유동성, 정산, 실행 품질 같은 지루한 단어들이 결국 시장의 바닥을 만든다.
EthGas가 스스로를 "이더리움의 핵심 스케일링 이니셔티브"라고 부르는 이유도 여기에 있다. 이더리움이 전통 금융을 대체하려면, 지금보다 훨씬 빠르고 안정적인 실행 환경이 필요하다. 느린 금융 인프라는 대체재가 아니라 보완재로 남는다.
■ 한국 투자자에게 전하는 말
EthGas 팀이 한국 투자자와 토큰포스트 독자에게 전한 메시지는 명확하다.
"이더리움은 가장 큰 체인이며, 점진적으로 전통 금융을 대체할 것입니다. EthGas가 네트워크를 100배 빠르게 만들 수 있다면, 이더리움이 전통 금융을 대체하는 날은 훨씬 더 빨리 올 것입니다."
이는 꽤 큰 주장이다. 그리고 큰 주장은 큰 검증을 요구한다. 100배 빠른 이더리움, 50ms 서브블록, 블록스페이스 상품화, Realtime Blocks, 이더리움 5% 온보딩. 모두 매력적인 단어지만, 시장은 결국 실제 지표를 본다. 얼마나 많은 인프라 참여자가 붙었는가. 얼마나 많은 거래가 이 경로를 통과하는가. 사용자 경험은 실제로 얼마나 개선됐는가. 보안과 검열 저항성은 유지되는가.
EthGas의 방향은 분명하다. L2로 흩어진 유동성을 이더리움의 성능 개선으로 다시 묶고, 블록스페이스를 더 세밀한 금융 상품처럼 다루겠다는 것이다. 성공한다면 이더리움 확장 논의의 중심축이 일부 바뀔 수 있다. 실패한다면 "빠른 이더리움"이라는 또 하나의 야심 찬 실험으로 남을 것이다.
이더리움은 이미 가장 중요한 체인이다. EthGas의 질문은 그다음이다. 가장 중요한 체인이 가장 빠른 체인까지 될 수 있는가.
TOKEN KOREA WATCH는 국내 상장 가상자산 프로젝트의 실태를 투자자 눈높이에서 직접 확인하는 토큰포스트의 탐사 시리즈입니다. 매주 업데이트됩니다.Stellar 网络以 4.9 亿美元规模在非美政府债务代币化领域超越以太坊Techub News 消息，根据 RWA.xyz 截至 8 月 20 日的数据，Stellar 网络持有约 4.9 亿美元的非美国主权债务代币化资产，这一规模已超越以太坊，使其在该领域自 2 月以来保持领先地位。同期，Stellar 原生代币 XLM 价格报 0.1922 美元，24 小时上涨 4.4%。（CoinPedia）Injective 代币 INJ 重回加密货币市值前 100 名Techub News 消息，Injective 代币 INJ 今日上涨 18.1%，重新进入加密货币市值排名前 100 位。此次上涨源于其链上质押量达到历史新高，约占代币总供应量的 59%。
（@coingecko）Tether 黄金支持合成美元 Alloy 储备突破 2.1 亿美元Techub News 消息，Tether 旗下黄金支持的合成美元产品 Alloy 储备已突破 2.1 亿美元。该产品使用 Tether Gold (XAUt) 作为超额抵押品，用户可铸造合成美元资产 aUSDT，旨在为黄金持有者提供类似美元的流动性。
Alloy 与 Tether 主流的法币支持稳定币 USDT 不同，其风险模型和用例均基于黄金价格、抵押率及智能合约设计。此次储备规模达到九位数，表明市场对黄金支持的抵押结构存在实际需求。
Tether 此举显示其在核心稳定币业务之外，正尝试提供更多样化的抵押和流动性产品，反映出稳定币领域正变得更加多元化。（NewsBTC）HDFC 银行与 ICICI 银行购买印度首只来自 REC 的代币化债券Techub News 消息，HDFC 银行和 ICICI 银行购买了由印度国有电力金融公司 REC 发行的印度首只代币化债券。该债券利用央行数字货币（CBDC）进行原子结算，标志着印度代币化债券市场的正式启动。
此举可能为全球金融基础设施的演变树立先例。（Crypto Briefing）Flare 通证经济模型调整后质押量增至 215 亿枚 FLRTechub News 消息，Flare 网络自 7 月以来质押的 FLR 代币数量增长约 34%，总量达到 215 亿枚。此次增长源于其修订后的经济模型，该模型降低了通胀率，并将更多网络活动与代币销毁和协议收入挂钩。
（Crypto.news）Base 网络创始人 Ben 阐述 DeFi 中代币化股票的杀手级用例Techub News 消息，Base 网络联合创始人 Ben 在 X 平台发文阐述了 DeFi 中代币化股票的“杀手级用例”。他表示，其核心在于用户能够以持有的股权头寸作为抵押进行借贷，同时仍保持对该股权的看涨敞口。这为用户提供了灵活性、自由度，并提升了现金的效用。（@base）星展银行与花旗银行利用 Swift 账本完成首笔周末跨境代币化存款支付Techub News 消息，星展银行（DBS）与花旗银行（Citi）利用 Swift 的区块链数字账本，于周末完成了新加坡与美国之间的首笔跨境美元支付，该支付使用了代币化存款。
此次交易展示了 Swift 账本在非工作日处理跨境支付的能力，为金融机构提供了更灵活的结算选择。（@WuBlockchain）David Jiho Kim｜TokenPost CEO 确认出席「GWDC 2026 KOREA」Techub News 消息，GWDC 2026 KOREA SPEAKER 重磅宣布 David Jiho Kim｜TokenPost CEO 确认出席「GWDC 2026 KOREA」。
David Jiho Kim 现任 TokenPost 首席执行官，致力于带领韩国最大的区块链及数字资产头部媒体平台推动产业传播与 Web3 教育。TokenPost 作为韩国创立最早、最具影响力的 Web3 行业媒体，深耕区块链技术趋势、权威市场研究及行业前沿洞察。
9月29-30日｜首尔 aT Center，David Jiho Kim 将与政商领袖、行业从业者与开发者齐聚大会分享前沿洞察，共塑 Web3 与 AI 的未来范式。
GWDC 2026 Korea 将于 2026 年 9 月 29 日至 30 日在韩国首尔 aT Center 举办。大会由 Web3Labs 主办，Techub News、HypaiLabs 与 TokenPost 联合主办，并获得香港-韩国Web3政策推动联盟支持。
本届大会以“For Builders, By Builders”为核心理念，聚焦 Web3、AI、链上基础设施与数字资产生态的技术创新和产业应用。大会将通过主题演讲、技术论坛、项目展示、商务对接及黑客松等活动，推动开发者交流、技术协作、资本连接与创新项目落地。
大会已同步开放参会报名与黑客松报名。黑客松预计吸引500+全球开发者参与，围绕真实链上任务展开，配备行业导师辅导及机构 VC 评审，并计划产出 100+创新项目；大会还将设置创新项目展示与 VC 对接，推动优质项目的全球化发布、流动性增长与生态建设。
门票申请：https://luma.com/cp87au4f
大会官网：https://www.gwdc.net
活动赞助：https://gwdcseoul.carrd.co/韩华投资证券完成基于 Avalanche 的代币化证券平台开发Techub News 消息，韩华投资证券（Hanwha Investment & Securities）已完成了基于 Avalanche 区块链的代币化证券平台开发。该平台旨在支持韩国将于 2027 年 2 月将基于区块链的证券纳入其受监管资本市场体系的计划。
（Crypto.news）Raydium LaunchLab 新增支持 Solana 上任意代币对交易Techub News 消息，Solana 生态去中心化交易所 Raydium 宣布其 LaunchLab 功能已扩展，现可支持任意代币对的交易。LaunchOnSF 的 StonkFun 成为首个在 Solana 上集成该新系统的项目。
Raydium 表示，LaunchLab 现在可以将新发行的代币与任何现有代币进行配对，旨在为项目启动提供更大的灵活性并增强流动性。该升级预计将降低新代币的上市门槛。（Crypto.news）
