欧易OKEx官网

Near重返AI舞台：因“发薪难”转型公链，Agent和隐私成新增长故事

Fri, 05 Jun 2026 21:56:16 +0800

流水的叙事，铁打的Near。从高性能公链、分片扩容，到链抽象、Intents，再到如今最炙手可热的AI Agent，过去数轮加密周期里，Near几乎从未缺席过任何一场主流叙事。

背靠AI经典Transformer论文共同作者，被称为“Web3领域最懂AI”的Illia Polosukhin，Near在熊市中依旧交出了一份出人意料的成绩单。如今，Near已是累计处理超200亿美元跨链交易、创造超过3400万美元的手续费收入的跨链基建巨头。

只是鲜有人知道，Near的诞生并非源于宏大的区块链理想，而是源于一个略显狼狈的现实困境：付不了跨境薪资。八年前，为了解决给全球开发者跨境发薪的难题，Illia Polosukhin联合创立的AI创业公司被迫暂停自己的AI梦，转身造出了一条公链。

如今，当AI热潮席卷全球，这条因AI而生、又曾为AI让路的公链，又重新回到了故事的起点。

发薪难题意外催生公链，如今重回AI赛道

历史有时候是一段奇妙的轮回。九年前，Illia Polosukhin还没有成为加密行业最具AI标签的创始人之一。

Near创立于2017年，由Transformer论文的共同作者、前谷歌机器学习研究员Illia Polosukhin与分布式系统专家Alexander Skidanov联合创立。

Near最初是一家人工智能初创公司，聚焦于“程序合成（Program Synthesis）”领域，也就是“教机器写代码”，实现软件开发的自动化，其构想类似于后来OpenAI的CodeX、Anthropic的Claude Code以及Cursor。

为训练算法和模型，团队在全球招募计算机专业的学生远程撰写代码片段。然而，如何向分布在世界各地的开发者支付报酬，成为了横在项目面前的大山。

当时的跨境支付体系远没有今天成熟，PayPal、Wise等主流支付工具在东欧、亚太地区受到严重制约，到账延迟、汇兑损耗的问题层出不穷。更有趣的是，当两位创始人尝试使用早期的公链进行跨境支付时，却发现高昂的 Gas 费以及低下的结算效率，根本没法低成本地批量发放劳务报酬。

对于一家资源有限的AI创业公司而言，这几乎是一个无解的问题。最终，两位拥有大规模分布式系统背景的创始人做出了一个令人意外的决定：搁置AI模型的开发，转而自行构建一条高扩展、低费用且易上手的公链。

正是因“发不了工资”而触发的被动转型，催生了“Near公链”在2018年诞生。

然而，早期的转型之路并非顺风顺水。在脱离AI赛道后，Near转而开发聚焦于分片（Sharding）技术的高性能公链，来解决区块链的可扩展性难题。

凭借着扎实的技术实力，Near协议在此期间获得了超5亿美元的累计融资，但在公链赛道群雄混战的阶段，Near既没有形成现象级的标杆应用，也难以吸引开发者大规模入驻。生态应用稀疏、用户增长停滞，市场关注度低迷，在“以太坊杀手”扎堆的环境中，即便是拥有领先的分片架构，Near的注意力长期被其他热门公链分流，协议一度陷入了“叫好不叫座”的沉寂期。

2020年至2021年牛市期间，Near踩中跨链风口，彩虹桥的上线成为其生态爆发和币价暴涨的重要催化剂。

直到AI热潮的爆发，Near迎来了命运的转机。2024年3月，在GTC全球开发者大会上，英伟达创始人兼CEO黄仁勋邀请包括Illia Polosukhin在内的7位Transformer论文合著者同台对谈。

黄仁勋盛赞这篇论文“改变了世界（You Transformed the World）”，强调了 Transformer架构是AI产业一切成就的根基，其影响力已重塑全球科技、内容与金融格局。这一高光时刻，让身为共创者的Illia Polosukhin以及魂断AI梦的Near，再度以正统“AI血脉”的身份重新吸引到了加密市场的注意力。

以全新的姿态重回战场后，Near独特的“技术内核”被进一步激活。借此契机，协议朝着Near Intents（意图）与私密交易转型，在多链意图和智能体经济（Agent Economy）融合的趋势下奠定了坚实的基础。

意图交易层大幅降低了AI Agent的交互门槛，让Venice AI等部署在机密硬件TEE（可信执行环境）中的Agent能够自主、安全且低成本地进行多链资金划转。

Near Intents成新增长线，狂揽200亿美元交易量

Near Intents重构了跨链交易的交互体验。在传统多链环境下，用户进行一次跨链资产兑换需要手动操作跨链桥、在源链和目标链准备不同的Gas代币，并时刻提防滑点与摩擦成本。

Near则用意图机制完成了全流程抽象，用户只需表达自身的交易需求，如“用源链上的BTC换取目标链上的ETH”，而无需解跨链路径和Gas消耗。这才是普通用户，甚至未来的AI Agent追求的交互体验。

跨链交易的执行，依托于链下求解器（Solver）网络的竞价机制。

当用户发出意图请求后，求解器网络通过求解器总线（Solver Bus）进行竞价，自动寻找并测算出最优的执行路线与报价。
一旦用户签署报价，意图将提交至Near链上的验证器（Verifier）智能合约进行最终结算。

在整套流程中，Gas费将在后台代扣，用户无感支付，有效释放了DeFi跨链交易的活力。用户体验的大幅优化，让Near获得了Ledger等流量入口的广泛集成。

不过，求解器网络的潜在中心化也是一大风险。由于求解器需要充裕的做市流动性与复杂的算法优化，这导致1Click等交易API通常都依赖受信任的交换代理和头部做市商。这可能导致求解器市场出现寡头垄断，削弱原本竞价机制所带来的价格优势。

DeFi Llama数据显示，Near Intents部署到了25条公链，覆盖了加密市场的主要结算网络。

协议TVL（总锁仓价值）超过8,500万美元，其不仅在Near链上留存了3,650万美元的资金，还通过链抽象机制在以太坊、比特币、波场等链上建立起了深厚的流动性。这种跨链生态的广度也正是Near Intents累计交易量突破200亿美元大关的关键所在。

从盈利层面来看，自Near Intents推出以来，协议已经产生超过3,300万美元的手续费。其中，最近两个季度就贡献了超七成收入。这表明，随着多链生态的持续扩容，协议的盈利能力也呈现出增长态势。

逐步提高的手续费收入将给NEAR建立起经济层面的正反馈机制。绝大部分网络费用会被销毁，为NEAR代币注入通缩动力，进一步强化其价值捕获能力。

私密交易吞噬四成流量，增长引擎还是监管隐患？

当下，随着链上活动日渐增多，隐私需求已不再是加密市场中边缘化的需求，这也成为了Near的差异化优势。

自今年第一季度，Near推出“私密意图（Confidential Intents）”与“私密兑换（Confidential Swaps）”功能以来，其采用率迅速上升。过去30天，Near链上的总交易量为2.09亿美元，其中私密兑换交易量高达8,700万美元，占比 41.63%。这一数据反映出的不仅是产品采用率，更是市场需求的真实存在。

业务爆发背后，是Near切中了DeFi市场长期存在的一个结构性痛点：高度透明的链上账本暴露了大额交易者的仓位与意图。这导致机构或巨鲸在执行大额交易时，面临着严重的三明治夹击（MEV）、大额滑点和策略外泄等问题。

私密意图功能通过引入可编程隐私技术，允许用户在前端界面上无缝切换至“私密模式”。在这一模式下：交易的数额、方向和仓位在执行期间对外界完全隐蔽，仅在结算时由链上进行可验证的加密记账。

机器人的夹子失效了，交易者的商业秘密保住了。私密兑换功能将为机构资金开辟出相对安全的DeFi通道，降低交易摩擦，有利于推动链上生态与主流金融的融合。

然而，硬币的另一面同样不容忽视。超四成的隐私交易占比，既证明了需求的真实存在，也可能引来监管的凝视。全球监管针对Tornado Cash等隐私协议的高压从未松动过。匿名的巨额资金流转更容易触发监管执法。如果监管机构认定“私密兑换”模式存在协助洗钱的风险，Near或降不可避免地进入监管视野，也可能成为其未来面临的最大不确定性之一。

回顾长达九年的来时路，Near的成长剧本展现出了极为戏剧性的走向，尽管经历了公链竞争、市场周期与叙事变迁，但其也在不断调整自身的发展方向。

如今，链抽象、Intents以及隐私交易成为了Near新的探索重点，而AI热潮则让市场重新审视这条公链的独特背景，但这些尝试能否帮助Near建立更稳固的生态护城河，仍需要更多时间观察。

从以太坊到AI的“CROPS”：Vitalik反复强调的这套“慢变量”，究竟是什么？

Fri, 05 Jun 2026 21:58:08 +0800

过去一段时间，Vitalik 多次提到一个看起来有些陌生的词：CROPS。

这个概念的系统性出现，可以追溯到 3 月 13 日。以太坊基金会董事会发布「EF Mandate」文件，明确表示将首要关注以太坊的抗审查、开源、隐私和安全，也就是 CROPS，并以此服务用户自我主权，同时保持抗提取性和更无缝的用户体验。

这句话其实很重要，尤其当 AI 开始进入钱包和自动化执行场景之后，CROPS 就不再局限于以太坊的价值观问题，而是有可能变成 AI 时代用户能否继续掌控自己数字生活的问题。

一、到底什么是 CROPS？

理解 CROPS，首先要跳出一个常见误区，那就是以太坊当然需要提升性能和降低成本，但它并不只是和其他公链比谁更快、谁手续费更低。

虽然仅从短期用户体验看，速度和成本确实最直观，但如果把时间拉长，这两年以太坊的态度越来越明显，那就是它真正想提供的是一套更底层的能力：用户可以在不依赖单一平台、不交出最终控制权、不被某个中心化服务随意阻断的情况下，持有资产、表达身份、签署交易、参与协调。

这就是 CROPS 的意义。

在 EF Mandate 的语境里，CROPS 主要指向五个方向，也是它们关键词的缩写：Censorship Resistance、Capture Resistance（这个其实是 Vitalik 后补的）、Open Source、Privacy、Security，也就是抗审查、抗捕获性、开源、隐私和安全：

C - Censorship Resistance（抗审查性）：确保交易和智能合约的不可篡改，不因任何外部政治或中心化实体的压力而终止；
R - Capture Resistance（抗捕获性）：防止以太坊的治理、开发路线和关键入口被少数利益主体长期控制；
O - Open Source / Openness（开源与开放）：坚持代码完全开源，生态保持绝对的准入自由；
P - Privacy（隐私保护）：在一个透明的账本之上，通过密码学技术为用户保留不被窥探的权利；
S - Security（安全性）：坚守底层底线，提供坚不可摧的终极结算安全性；

这几项放在一起看，其实是一套取向性很明显的筛选与指导方针，这也很符合以太坊一贯以来的价值观路线。

例如，在协议层，意味着以太坊需要持续改善抗审查能力、客户端多样性、验证者去中心化、形式化验证等；在应用层，钱包、RPC、浏览器、签名界面和账户系统也需要减少对中心化入口的依赖；在用户体验层，安全不能只靠用户自己看懂复杂交易，而要通过更清晰的签名展示、更可验证的交互、更完善的风险提醒，把风险前置到操作发生之前。

这也是为什么近期 EF 围绕安全、隐私、协议韧性和生态公共品陆续推进了一些更具体方向的原因，比如 Ethereum Audit Subsidy 审计补贴计划，就是试图降低以太坊生态开发者获得高质量安全审计的门槛，甚至引申来看，这并不只是补贴费用，而是把「安全」从少数大项目才能负担的高成本服务，进一步推向更多中小开发者。

5 月下旬 Vitalik 也再度谈到他对 EF 未来方向的看法，强调 EF 应该成为一个规模更小、立场更鲜明、更加聚焦长期可持续性的组织，而不是试图覆盖生态中的一切需求，原因也很现实，毕竟 EF 并不拥有无限资源，也没有来自质押或交易费的持续收入来源，因此更应该把有限资源投入到那些对以太坊实现 CROPS 价值至关重要、且其他主体难以可靠承担的任务上。

换句话说，在当下以太坊所处的这个转型历史阶段，CROPS 不是一个「理念优先于现实」的抽象口号，而更像是从外部来定义和约束 EF 应该做什么、不应该做什么。

二、当 CROPS 遇到 AI：两个平行宇宙的交汇

而 Vitalik Buterin 最近一次把 CROPS 推到更大讨论中，是放在 AI 语境下。

5 月 28 日，Vitalik Buterin 发帖更新其本地化 AI 进展，称 DeepSeek V4 已推出可在约 90 GB 显存内运行的 2-bit 量化版本，在 Apple 硬件上速度约为 35 tok/s，AMD 硬件约为 7 tok/s，并表示真正的「CROPS AI」应支持多种硬件平台，而不仅是「去中心化 AI」。

同时，他还指出 CROPS Ethereum access layer 与 CROPS AI 存在很大交集，例如通过零知识证明实现付费远程 LLM 调用，以及以太坊私密 RPC 读取，未来也应该出现更多针对 Ethereum 场景微调的 AI 模型，用于提升智能合约、协议代码和生态安全。

这其实把以太坊和 AI 放进了同一个问题框架里。

过去我们讨论 AI，常常关注模型能力，譬如能不能写代码，尤其是能不能做代替人处理复杂任务，但从用户安全角度看，AI 带来的真正变化不只是「能力更强」，而是它正在改变数字操作的入口。

还是老生常谈的，以前应用是一个个相对清晰的界面，我们打开钱包转账，打开 DApp 交易，打开浏览器搜索，打开社交产品发帖，每个应用都有相对明确的边界，但 AI Agent 出现之后，这种边界会变得越来越模糊，用户不再逐个点击功能，而是用自然语言表达意图：

帮我找最优跨链路径，帮我做一笔兑换，帮我整理资产，帮我调用某个 DeFi 策略，帮我生成并发送交易......

这听起来很方便，但也意味着一个更重要的问题，那就是当 AI 变成你的数字代理人，它到底在替你签署什么交易，甚至于暴露什么隐私？

如果 AI 完全运行在中心化云端，用户的资产信息、交易意图、地址关系、身份偏好和操作习惯，就可能被集中到少数服务商手里，尤其是在执行链上操作时依赖不透明的 API、中心化 RPC、黑箱插件和不可验证的推理过程，用户可能会变得更方便，但也更难知道自己到底把什么交了出去。

这就是 CROPS AI 要回答的问题。

一个更符合 CROPS 的 AI，不只是能力强，还应该尽可能抗审查、开放、保护隐私并且安全，它最好能够在本地运行，至少在敏感场景中尽量减少对中心化云服务的依赖，尽量减少信息泄露，并让用户理解、确认并保留最终控制权。

换句话说，AI 不能只是更聪明的黑箱，尤其在 Web3 场景下，AI 未来可能不只是帮你总结文章、写代码或做客服，而是直接参与资产管理和自动化执行。

它离用户资产越近，CROPS 就越重要。

这也是 CROPS Ethereum access layer 和 CROPS AI 会出现交集的原因。

三、这个交集，有哪些可挖掘的 Web3 增量？

从这个角度看，Vitalik 近期提到 CROPS Ethereum Access Layer 和 CROPS AI 存在交集，其实非常自然。

因为无论是 Ethereum 还是 AI，用户面临的核心问题都正在变成同一个——我如何在使用 AI 辅助时，不把自己的隐私、身份、资产和选择权完全交给中心化中介？

在以太坊侧，这个问题表现为用户如何访问链上数据？如何连接 RPC？如何签名交易？如何确认 DApp 交互是否安全？如何避免所有钱包查询、余额读取、交易广播都经过少数中心化服务？
在 AI 侧，这个问题表现为用户如何调用模型？如何保证提示词和个人数据不被滥用？如何让本地模型处理敏感任务？如何在需要远程大模型能力时，尽量不暴露自己的身份和意图？

这两组问题看似不同，底层却很像。

例如以太坊用户查询余额、读取交易历史、模拟交易结果时，往往需要通过 RPC 服务，而 RPC 看起来只是技术接口，但它可能知道你的 IP、地址、查询习惯、资产结构和交互路径，如果这些数据被集中收集，用户在链上的隐私就会被逐步拼接出来。

但 AI 用户调用远程模型时，也可能暴露自己的偏好、财务信息甚至身份线索，如果未来用户用 AI 处理钱包操作，风险就会进一步放大。

所以 Vitalik 提到的 ZK 付费远程 LLM 调用、私密 Ethereum RPC 读取，本质上都在尝试解决同一个问题，那就是如何在调用远程能力时，既能获得服务，又不把自己的全部信息暴露出去？

这也是 CROPS Ethereum 和 CROPS AI 的交集所在，一边是更私密、更可验证、更少信任假设的链上访问层；另一边是更开放、更本地化、更安全的 AI 执行环境，两者合在一起，可能会形成未来用户进入数字世界的新入口。

那顺着 CROPS 的底层逻辑向外延展，整个 Web3 生态（尤其是作为流量入口的钱包层）无疑会承担更多角色：

当用户开始用自然语言表达链上需求，钱包就不只是一个签名工具，而是用户数字行动的控制台，它需要帮助用户判断这个 DApp 能不能连接？这笔交易到底会发生什么？这个 AI Agent 是否正在调用不必要的数据？

从这个角度看，CROPS 并不是抽象价值观，而会直接影响钱包产品的设计方向，并推动下一个十年整合 Web3 交互体验和钱包赛道的发展转向。

写在最后

虽然在现在的市场行情下，很多人可能对纯概念关注度以及没有那么高了。

但市场越冷，越容易让人忽略那些短期内不够性感、但长期看真正决定方向的技术变量。

CROPS 之所以值得关注，不是因为它制造了一个新热点，而是因为它把以太坊和 AI 的长期问题放到同一个框架里重新理解：当数字系统越来越强大，用户还能不能继续保有自己的控制权？

毕竟安全和隐私不能只是事后补丁。

从这个角度看，在一个 AI 加速接管数字世界的时代，可能才是以太坊继续值得被建设和使用的真正积极变量。

在一个 AI 加速接管数字世界的时代，更可理解、更可验证、更具隐私性、更安全，可能才是 Ethereum 继续值得被建设和使用的真正原因。

谁主导了加密市场的价格发现？实测币安、Hyperliquid 等平台延迟

Fri, 05 Jun 2026 22:00:00 +0800

横跨 3 大平台、29 个加密资产的永续合约延迟实测，深度拆解 PerpDEX 架构。

本内容仅供信息交流和教育之用，不构成投资建议。Arrakis 已尽合理努力核实所提供数据的准确性，但不保证所有信息绝对准确、完整或最新。感谢 @0xArchiveIO 对本研究的贡献。

引言

Hyperliquid 是交易量和未平仓合约规模最大的链上永续合约平台。它已从加密永续合约扩展到现实世界资产、预测市场以及无许可的DeFi技术栈。

如果你在加密推特上花的时间足够长，就会听到类似这样的说法：Hyperliquid已经取代币安，成为目前加密货币价格发现的中心。

我们对这一说法进行了验证。受Hoffmann、Rosenbaum和Yoshida的论文启发，我们在三个交易平台（@HyperliquidX、@binance U本位合约和 @Lighter_xyz）上运行了改进版的Hayashi-Yoshida领先-滞后估计模型。

我们测量了什么

核心问题：当一项资产的价格在一个平台上发生变动时，需要多长时间才能在其他平台上反映出来？

每个平台都会发布交易记录，即带有时间戳的每笔成交明细。

测量跨平台领先-滞后最直观的方法是提取两份交易记录，将其中一份在时间上相对于另一份进行平移，并在一系列可能的时间平移中，选出两个平台上价格变动吻合度最高的那一个平移量。产生最清晰对齐效果的平移量，就是这两个平台之间的领先-滞后时间。

假如把Hyperliquid的时间轴向后平移700毫秒，使其价格变动与币安完美吻合，这就意味着币安领先了700毫秒。

我们使用Hayashi-Yoshida估计模型，该模型专为交易发生在不规则、非同步时间的两个价格序列而设计。在每一个候选的时间平移点，它都会计算：

其中，Cov(X, Y) 是 X 和 Y 之间的协方差，在我们的案例中，即我们要比较的两个平台的成交回报序列。σ_X 和 σ_Y 是这两个分布的标准差。

我们在买方成交（吃单卖出）和卖方成交（吃单买入）上分别运行该模型，以避免亚秒级分辨率下的买卖价差跳动噪音。

对于每一对平台，我们在 −2000 毫秒到 +2000 毫秒的范围内，以 100 毫秒为步长逐一计算 ρ 值，然后读取 ρ 达到峰值时的平移量。平移量为正，就意味着排在前面的平台领先。

我们分析了在这三个平台上均有交易、按市值排名前29的加密资产：

$BTC · $ETH · $BNB · $XRP · $SOL · $TRX · $DOGE · $HYPE · $ZEC · $ADA · $XMR · $BCH · $LINK · $TON · $XLM · $LTC · $SUI · $AVAX · $HBAR · $NEAR · $TAO · $DOT · $UNI · $ONDO · $WLFI · $ASTER · $ICP · $MORPHO · $AAVE

我们的分析窗口期为截至2026年2月26日的16天，测试的平台对包括：Hyperliquid对比币安、Hyperliquid对比Lighter，以及Lighter对比币安。

完整的分析方法可在我们的博客文章中查看。

我们发现了什么

每一项分析都得出了一个高度一致的结论：

在全部29种资产中：币安领先于Hyperliquid
在29种资产中的27种里：Lighter领先于Hyperliquid
在29种资产中的23种里：币安领先于Lighter

三个平台对所有资产的峰值延迟标记，各面板中的资产排序相同。无论另一端是哪个平台，两个涉及Hyperliquid的面板看起来几乎完全一样。Lighter对比币安的面板则在负延迟边缘坍缩成一个密集的集群。

29种底层资产的峰值延迟区间分布，从-2000到+2000毫秒，每个区间100毫秒。两个涉及Hyperliquid的面板均在-600到-700毫秒之间达到峰值。Lighter对比币安的面板则在-100毫秒处达到峰值。

两个涉及Hyperliquid的面板看起来极其相似：无论另一端是哪个平台，都紧密聚集在 -700毫秒 左右。

从Hyperliquid的角度来看，币安和Lighter的延迟非常接近，两者领先它的幅度也大致相同。Lighter对比币安的面板则紧凑了一个数量级，大约在 -100毫秒，这也是我们在模型中测试时间序列领先滞后的最小增量单位。

在观察BTC成交数据时，这种现象在单一资产层面上清晰可见。Hyperliquid对比Lighter和Hyperliquid对比币安的关联度始终在 -800毫秒 处达到峰值，表明Hyperliquid在这两个层面上始终落后于这两家平台。

所有三个平台对的BTC关联度对比延迟曲线。延迟方向是一致的：两个涉及Hyperliquid的面板均为-800毫秒，Lighter对比币安的面板为-100毫秒。

传递性检验

如果这三个成对的延迟反映了相同的基础微观结构，它们应当是可累加的：币安至Hyperliquid的延迟应当等于（币安至Lighter）加上（Lighter至Hyperliquid）。我们在进行分析的29个市场上对此进行了检验。

X轴为预测的币安至Hyperliquid延迟（即币安至Lighter与Lighter至Hyperliquid之和），Y轴为实际测量的币安至Hyperliquid延迟。每个数据点代表一种资产。整体数据的中位数残差为-33毫秒。

中位数残差仅为 -33毫秒，表明这些资产满足传递性。异常值（MORPHO、ICP、XLM、UNI）存在较多噪音，因为它们的延迟关联曲线从未在我们的±2000毫秒窗口内真正达到峰值。我们的估计模型无法为它们精确测算出一个明确的领先滞后数值。

除此之外的所有市场都符合传递性关系。这种一致性表明，这种领先滞后现象是由这些平台的撮合与结算机制等结构性因素决定的，而并非由某一组平台对比偶然产生的假象。

Hyperliquid的延迟从何而来？

这三个平台采用了三种完全不同的撮合架构。

跨平台延迟剖析。以币安作为参考基准。Lighter约100毫秒的延迟基本上是定序器（Sequencer）至索引器（Indexer）再到API的管道耗时。
Hyperliquid约700毫秒的延迟则主要由两个完整的HyperBFT共识周期构成，一个是挂单方（Maker）报价更新的周期（区块N），另一个是自然吃单方（Taker）成交的周期（区块N+1）。

币安和Lighter都在内存中以毫秒级速度完成撮合，而Hyperliquid的撮合过程本质上是HyperBFT的状态转换，因此每一笔成交都需要等待大约 200毫秒 的区块最终确认（根据Hyperliquid的官方文档）。

但在成交记录中观察到的实际延迟约为 700毫秒，而非200毫秒。额外多出的约500毫秒源于建立在单区块最终确认之上的挂单-吃单（Maker-Taker）往返过程。

最合理的解释是，这是一个跨越两个连续区块的挂单-吃单往返交互。以下是币安价格变动后发生的一系列过程：

1.陈旧流动性停留在Hyperliquid上。相较于币安的新价格，现有的做市商挂单报价存在偏差。

2.内存池竞速。套利者投机性地大量发送IOC（立即成交或取消）订单，目标直指预期的陈旧流动性。做市商则发送撤单重挂交易来刷新报价，设计上确保这些操作能进入区块顶部。未能在此区块内成功刷新报价的做市商将会被套利。

3.区块N在大约200至300毫秒时被提交。撤单指令移除了做市商的陈旧报价。新订单发布了刷新后的报价。存活下来的IOC订单以旧价格吃掉了剩余的陈旧流动性，因此该区块中的成交大多是以相对于币安而言的陈旧价格发生的。

4.此时Hyperliquid的订单簿已被清理干净，但尚未有人以刷新后的报价进行交易。

5.吃单方开始以更新后的价格进行交易。

6.区块N+1在大约500至700毫秒时被提交。吃单方与刷新后的挂单匹配成交。这是第一笔携带新价格信息的成交，也就是我们的模型捕捉到的与币安滞后的价格新动向相关联的数据。

这意味着，币安上的价格变动至少需要经过两个完整的HyperBFT周期才能在Hyperliquid的成交数据中显现出来。

相比之下，Lighter完全跳过了这一过程。它的定序器在内存中进行撮合；报价更新及针对该报价的成交在同一毫秒内完成。大约 100毫秒 的延迟反映了索引器和API层面的延迟，这也是我们在模型中增加领先滞后时间序列的最细粒度。

Lighter证明了什么

Lighter的定价紧跟币安，相对于Hyperliquid的延迟很小。这打破了“Hyperliquid有延迟是因为它是DEX”的假设，因为Lighter同样也是一个DEX。订单流向一个中心化的链下定序器，但整个系统通过结算到以太坊的零知识证明（zk-proofs）实现了可验证的去中心化。

区别在于去中心化在何处执行。Hyperliquid在撮合层强制执行去中心化：每一笔订单、撤单和成交都由验证者节点集合提交确认；而Lighter则在结算层执行去中心化：定序器在内存中进行撮合，随后向以太坊证明其成交的正确性。

Lighter通过将信任边界从撮合层转移到结算层来换取速度。Hyperliquid将信任边界保留在撮合层，并因此付出了延迟的代价。

Hyperliquid可以做些什么

为了改善其相对于币安等价格发现平台的价格延迟问题，Hyperliquid可以对其当前设计做出以下几项调整：

更紧凑的HyperBFT流水线。 通过更紧凑的领导者轮换、并行投票或网络优化，将中位数区块时间压缩至200毫秒以下。每缩短一毫秒，都能压缩往返周期中的两个区块耗时。

尽管这无法消除延迟存在的结构性原因，但区块时间的任何实质性改善都能成倍地减少价格延迟。

预确认或软最终性层。 建立一条独立的快速通道，对区块打包进行预确认，随后异步实现HyperBFT的最终性。做市商可以针对预确认状态发布报价，有效的行情更新延迟将会下降。

其代价是：预确认是一种需要受信任的基础设施或以罚没机制为后盾的保证金来支撑的可靠承诺。这两种方式都会重新引入Hyperliquid目前所避免的信任假设。

撮合与共识解耦。 这是最雄心勃勃且成本最高的一种方案。运行一个链下快速撮合层来生成初步成交结果，然后将它们批量提交给共识机制，这在结构上更接近于Lighter的设计。

虽然这一做法能极大地降低延迟下限，但信任假设将会发生实质性改变，彻底偏离当前完全自由的验证者模式。

每条路径都需要在不同层面对架构进行深度修改，并引入当前系统中不存在的信任假设。这些方法带来的延迟改善是否值得付出新增信任假设的代价，需要团队和社区共同来决定。

这意味着什么

Hyperliquid已经确立了其在流动性、未平仓合约和散户参与度方面领先的PerpDEX地位。它正在开创DeFi的全新前沿领域，推出了传统金融中不存在的创新市场：股票和大宗商品的周末交易、IPO前股权永续合约市场、通胀结果市场等。

但随着市场的成熟和更多参与者的加入，下一轮链上永续合约竞争将在延迟的赛道上展开。Hyperliquid在去中心化链上撮合引擎的基础上搭建了最具流动性的平台。

现在悬念在于：面对自己开创的这些创新市场，Hyperliquid 能否在坚持这一设计的同时，继续主导它们的价格发现。

Token不经济，经济不Token

Fri, 05 Jun 2026 22:03:45 +0800

前段时间，OpenAI的上市计划将这家长期以“非营利上限”结构运作的实验室，推向公开市场的聚光灯下，而谷歌母公司Alphabet上线800亿美元融资计划，其中伯克希尔·哈撒韦一家便认购了100亿美元。

这家素来回避科技股的保守投资巨头首次入场，预示着AI的资本游戏已经抵达一个阶段性高点。直到今天，你才能够说，AI行业在经历着一场深刻的范式转换。

最直观的一点是，“缺钱”与“分拆”成了当下AI公司并行的两道叙事。

前者的原因，不外乎算力作为重资产，谷歌2026年资本支出预计高达1800亿至1900亿美元，微软、Meta、亚马逊的投入同样数以千亿计。一颗H100芯片、一座数据中心的变压器、一条电网的接入线路，每一环都是真金白银。

后者成了近期国内大公司的主要布局，快手的可灵AI在集团内部估值仅60亿美元左右，分拆独立后投前估值直接跳涨到180亿美元，翻了3倍。百度的昆仑芯从集团中拆分上市，外界测算其可为百度贡献近300亿美元的市值增量，相当于百度当前总市值的六成以上。

现象背后，反映了资本对AI资产的重新定义，在大厂合并报表中，AI业务被视为吞噬利润的投入项；而一旦独立，按照赛道稀缺性、收入增速和未来想象空间定价，几十倍的市销率也并不稀奇。

两条线索，看似独立实则指向同一个核心，AI从技术叙事主导，转向资本效率主导的全新竞争格局。

算力竞赛的尽头，融资逻辑的断裂与重构

“缺钱”背后，有一条根本性的逻辑链条。今天的AI大模型竞争，本质上已经不是产品竞争，而是算力规模的重资产竞赛。OpenAI在算力扩张上承担了约6000亿美元的未来支出承诺，即便刚完成1220亿美元融资，预计这笔资金也将在三年内耗尽。

更直观的是，OpenAI首席财务官弗莱尔早前披露，2025年年化营收虽已超200亿美元，但依然不足以弥补巨额亏损，公司每创造1美元营收，就要承受约1.22美元的亏损。

问题的症结在于：AI生意的成本曲线与传统互联网截然不同。

微信多一个用户，边际成本趋近于零；但ChatGPT越火、调用越多、推理成本越高，用户增长是纯利好更是成本压力。这种“反互联网”的商业模式，意味着规模效应不仅没有带来利润，反而放大了现金流压力——用户增长不再直接等价于价值增长。

更深一层是AI时代的“循环记账”现象：微软向OpenAI注资的130亿美元并非以现金形式交付，而是以“云积分”形式发放，OpenAI动用这些积分训练模型，微软则将其计为新增云收入。

这种“用投资买云服务”的闭环操作，表面上看是健康的收入增长，实质上是用自己的钱支付给自己，再定性为销售收入。据测算，OpenAI年度云服务账单已膨胀至逾600亿美元，是其250亿美元实际营收的两倍有余。

这就是“缺钱”的本质矛盾：估值泡沫与实际现金流的断裂。当投资人开始关心“自由现金流”而非“账面利润”，此前依靠相互投资承诺和循环订单支撑的估值体系，便面临一层层杀估值的风险。

OpenAI计划2026年亏损140亿美元、预计要到2029年才能盈利，而谷歌2026年资本支出预计高达1800亿至1900亿美元，这些数字表明，当前AI的“缺钱”，其实并非周期性资金周转的问题，而是一整套商业模式在资本结构层面的困境。

一张报表，为什么能值三倍钱？

2026年最值得关注的信号之一，是大厂集中将AI核心资产独立分拆。

快手旗下AI视频产品可灵计划以200亿美元估值进行PreIPO融资，这一数字接近快手母公司市值的70%。与此同时，百度将旗下AI芯片公司昆仑芯推向“A+H”双线上市，2025年营收预计突破35亿元、有望实现盈亏平衡；阿里被曝筹划分拆平头哥，字节的豆包也随时可能走同样的路。

细想一下，可灵拆分前，大摩对其估值仅约60亿美元；拆分后按200亿美元目标融资，同样的资产、同样的营收、同样的团队，仅仅换了一张报表，估值一夜差了三倍多。

这里面的估值逻辑变化在结构层面，揭示了一种机制上的分野：一级市场与二级市场不同，它的游戏规则遵循“共识决定价值”这一非常规定价机制。一级市场看未来、看赛道地位、看想象空间、看下一轮有没有人接盘，但不怎么看当期利润和营收。

可灵之所以能拿到200亿美元的估值，核心逻辑在于这类头部资产的稀缺性。Sora关停后，AI视频生成赛道剩下的头部玩家一只手数得过来，“内容产业AI基础设施”这个标签本身就值溢价。

那就目前来看，什么样的公司能叫头部资产？在当前AI格局下，拥有自研的基础模型（无论是语言、视频还是多模态），而不是套壳或微调；已经证明至少在一个垂直场景具备大规模用户或收入（不是Demo，不是概念验证）；拥有后续融资的“接盘预期”——要么有战略买家（大厂），要么有IPO通道（美股、港股或A股）。

满足这三条的公司，全球范围内用两只手就能数过来。OpenAI、Anthropic、xAI、Google DeepMind（如果独立）、中国的智谱、月之暗面、MiniMax、字节豆包（如果独立）、快手的可灵（分拆中）、百度的昆仑芯（芯片侧）。每个都是稀缺标的，每个都处于“买方排队、卖方坐地起价”的状态。

对这些公司的“重新估值”的底层逻辑，是大厂内部的AI资产正在经历从“成本中心”到“价值中心”的认知切换。

在大厂内部，AI业务被视作集团业务的一部分，在大厂内部，AI业务通常被归类为“战略投入”，这意味着它的成本（算力、研发、数据标注）与集团的成熟现金流业务（如广告、电商、游戏）混在一起列支。集团CFO看的是合并报表，AI业务只要还在烧钱，就会被要求不断解释“何时能贡献净利润”。

这种语境下，AI团队被迫做短期的ROI论证，估值逻辑自然被压制在集团整体PE倍数的阴影下——成熟互联网公司通常只能拿到10-15倍PE。即便是高增长业务，也只能享受20%的溢价，而不是独立赛道级别的3-5倍PS。

而一旦分拆独立，独立报表可以重新定义“成本”与“收入”的边界。比如，原来集团内部调用的算力成本，现在可以按市场价格重新定价为“关联交易收入”；原来被计入研发费用的模型训练，现在可以作为“无形资产资本化”分期摊销。

换句话说，这些资产便获得了“成长型企业”的定价模型。分拆后的AI公司得以更加灵活地进行融资与战略推进，避开集团内部资源分配的约束，在资本市场按照其自身的增长前景获得独立定价。

同时，这也涉及估值体系的进一步分化。大厂现有业务叠加AI标签，其增长潜力与前瞻估值在二级市场中开始焕发新的溢价可能。

这也解释了为什么传统互联网巨头（如百度475亿美元、快手270亿美元）从市值绝对值上正在被AI新贵们追平甚至反超——智谱最新市值折合约586亿美元，已甩开百度成为国内第九大AI科技股。

从“模型崇拜”到“价值兑现”，行业叙事已经结构性迁移迁移

有专业人士提出，当下的AI时代发展迅速，很像之前的移动互联网大爆发，这个类比很精准，但关键差异点在于成本结构的本质区别。

移动互联网的爆发依靠智能手机普及和带宽成本不断下降，边际成本向下；AI的爆发面临的是算力成本向上、电力消耗激增、数据中心建设周期漫长等硬约束。

一个观察是：当前AI行业呈现“85度水温即将沸腾但尚未沸腾”的状态。

技术突破的方向（智能体、多模态）已经明确，算力基础设施投入前所未有，美国大型超大规模云计算企业2026年资本支出将达8050亿美元，较一年前预测近乎翻倍。但真正的商业化变现和落地规模仍然处于将启未启的临界点。

当前仅小部分的CFO在2025年看到了AI带来的实际财务价值，真正通过AI实现营收增长的中国企业更少。这种“高投入、低回报”的张力，恰恰是行业从炒概念切换到拼落地的阵痛信号。

很多人可能并没有注意到，AI价值链的权重，已经从GPU侧，向整个系统侧发生了迁移。摩根士丹利最新研究指出，“智能体AI标志着从计算到编排的结构性转变”，在智能体工作流中，CPU侧编排时间可占总时延的50%至90%，由此推算出到2030年新增325亿至600亿美元的CPU增量市场空间。

这意味着产业的核心矛盾，正在从“算力不足”转向“系统效率不足”，对应的投资逻辑也将从“单芯片算力竞赛”扩展为“全栈系统工程”，GPU决定“能不能做”，但CPU与系统决定“能不能赚钱”。

如果移动互联网爆发是以“连接”为核心驱动力，那么AI爆发则将以“智能”为核心，其价值链的广度很可能超过移动互联网，覆盖算力、模型、应用、数据等全链条。

有经济学家指出，2026年正成为AI从“辅助思考”向“自主执行”跃迁的奇点之年。现阶段的核心矛盾正从“谁能训练出最强的模型”转变为“谁能率先用最经济的方式、最快的速度、最广的覆盖把AI能力真正转化为可落地的商业价值和用户收益”。

“不光是要重新定义，也要重新估值。”2026年AI行业正在发生的一切——巨头缺钱、疯狂融资、大厂拆分、IPO扎堆，本质上都是同一套资本逻辑的集中释放：当“烧钱换增长”的路径走到尽头，产业必须回答一个最根本的问题：这个技术到底值多少钱？

这个问题的答案，将决定未来十年AI产业的权力格局。而2026年，正是这场资本与技术的博弈全面展开的时刻。

比特币「反弹结束」，正式进入熊市后期？

Fri, 05 Jun 2026 22:05:37 +0800

比特币本周下跌 13%，盈利能力大幅崩塌，已实现亏损激增，现货卖方重新掌控局面。美国现货 ETF 投资者在成本价附近遭遇阻力后重新陷入浮亏，而期权市场持续为高风险定价。

摘要

比特币过去 7 天下跌 13%，价格回落至已实现价格与真实市场均值区间的中间位置。短期持有者成本基础首次跌破真实市场均值（自 2022 年 1 月以来首次），确认熊市后期特征。
已实现盈亏比的 7 日均线从局部高点 3.16 暴跌至 0.29，与 2 月恐慌波段几乎一致；而 90 日均线始终未突破 2 的阈值，确认 82k 美元反弹只是熊市反弹，而非结构性转折。
每日已实现亏损总额激增至 13.5 亿美元，其中 7.7 亿美元来自长期持有者在周期顶部位置的割肉，表明供应再分配进程正在加速，但仍未完成。
比特币几乎精确在美国现货 ETF 整体成本价 83k 美元附近遭遇拒绝，使 ETF 平均投资者重新回到浮亏状态，该价位被强化为重要上方阻力。
现货市场卖压加剧，7 日现货成交量 Delta 转为显著负值，达到自 2 月以来最弱水平，表明尽管出现回调，卖方仍主导订单簿。
隐含波动率持续压缩，而波动率风险溢价扩大，期权市场对未来波动的定价高于近期实际市场表现。
偏度持续处于看跌期权溢价区域，但近期抛售并未引发明显的下行对冲需求增加。
做市商持仓集中在当前现货价格附近，比特币正处于最大负伽马区域，资金流持续偏好保护性需求。

宏观洞察

美国 4 月职位空缺升至 762 万，为近两年最高，比市场预期高 75 万。10 年期美债收益率回升至 4.45% 以上，市场对美联储年底加息概率的定价超过 50%，全年不再有降息预期。美元指数守在 99 上方。金融条件正在边际收紧，而非宽松。

比特币比其他任何风险资产都更强烈地吸收了这一转变，过去一周价格下跌 13% 至 67,000 美元区间。美国现货 ETF 连续三周流出 42.1 亿美元，是 2026 年最大机构赎回潮。机构正在价格下跌前去风险，而非事后反应。周五非农就业数据是关键观察点。强劲数据将延续当前派发压力；疲软数据则可能提供首次重置条件。

链上洞察

重新回到熊市区间

上述宏观逆风直接转化为链上结构的恶化。过去一周 13% 的跌幅将价格从真实市场均值 77.8k 美元拉回，该均值追踪活跃交易供应的成本基础，历史上是熊牛市场分界线。目前价格 67k 美元处于该区间的中间位置，未能守住真实市场均值上方，再次确认熊市延续仍是主导格局。

值得注意的是，短期持有者成本基础目前已降至 76.4k 美元并跌破真实市场均值，这种结构上一次出现在 2022 年 1 月。这种配置表明新买家正在市场关键均值估值下方累积，这是熊市后期典型的特征：回调的时间维度开始压迫投资者信念，历史上在此阶段更容易出现结构性失效或大规模割肉。

盈利能力偏向在下跌中崩塌

在上述结构恶化基础上，短期资金流环境因近期价格下跌而急剧转变。已实现盈亏比的 7 日均线已收缩至 0.29，表明亏损实现正大幅主导链上支出行为。这与 2 月初恐慌波段几乎完全一致。5 月 7 日，该 7 日均线曾因投资者在 82k 反弹中实现利润而飙升至 3.16，但 90 日均线始终未突破真正牛市资金流对应的 2 的阈值。这种短期与中长期读数的背离，是反弹缺乏结构性信念的明确信号，符合熊市中的局部顶部形态，而非可信的结构转变。随后回落至 0.29 进一步确认了这一判断。

新买家承受压力

从熊市顶部区间的阻力，使最近累积的供应直接暴露在亏损线上。短期持有者成本基础分布热力图显示了近期买家在不同价格区间的供应密度，揭示了短期持有者成本基础集中的位置，也即最可能出现行为压力的区域。

随着价格回落至 67k 美元附近，它正逼近自 2 月以来累积的供应集群下沿。在该区域，大量短期持有者眼看着未实现收益被压缩至盈亏平衡甚至转为亏损。那些在 78k-82k 局部顶部附近累积的人正面临最直接的压力，他们是选择持有还是割肉，将决定当前价位能否吸收卖压，还是让位于更深的下跌。

各群体亏损实现加速

随着近期买家被压回三个月区间下沿，亏损实现的压力已从最新累积供应扩展至更广范围。目前回调至 67k 美元已将每日已实现亏损总额推高至 13.5 亿美元，较此前盘整期的基准水平大幅加速。

其中每日 7.7 亿美元由 2026 年 1 月前买入的长期持有者实现，反映出随着熊市时间延长，周期顶部买家正在持续割肉。其余部分来自 2026 年内在 67k-82k 区间累积的近期买家，他们正因价格跌破成本基础而被迫亏损离场。

随着熊市成熟，这种长期持有者割肉并将供应以更低价格传递给新买家的模式，是周期筑底过程中的反复且必要特征。不过当前亏损实现的节奏表明，这一过程仍未完成。

链下洞察

跌破 ETF 成本基础

比特币最新反弹几乎精确在聚合美国现货 ETF 成本价 83k 美元附近停滞，将此前充当支撑的价位转变为明确阻力。这表明大量此前处于浮亏的 ETF 投资者利用反弹机会减仓或在盈亏平衡点退出。

这一拒绝尤其值得注意，因为 ETF 资金流一直是本周期主导需求来源之一。当价格难以重夺平均持有者成本基础时，往往意味着被套投资者的供应正超过新需求，形成上方阻力。

展望未来，聚合 ETF 成本基础仍是一个关键观察水平。决定性重夺将使 ETF 平均投资者重新回到盈利状态，并可能改善该群体的整体情绪。在此之前，无法守住该水平上方表明 ETF 持仓仍是逆风，投资者仍在利用强势进行去风险而非累积。

现货买盘消失

现货市场资金流在过去两周急剧恶化，7 日现货成交量转为负值，并达到自 2 月抛售以来最弱水平。这表明激进卖方再次主导现货订单簿，进一步强化了近期价格走势的疲弱。

当前走势的特别之处在于，它发生在 4 月和 5 月初持续现货主导累积之后。在那波上涨中，买方持续抬升卖盘，将现货成交量推向正值，帮助比特币从 60k 中段回升至 80k 美元。该需求脉冲现已消退，随着价格未能突破更高，卖方重新掌控局面。

持续负值的现货成交量 Delta 通常伴随要么是投降事件，要么是更广泛趋势反转的早期阶段。目前来看，这表明市场仍处于派发阶段，现货参与者正在利用反弹卖出而非累积。现货需求的显著改善，仍是支撑可持续复苏的关键信号之一。

期货爆仓

最新市场回调引发了本周期最大规模的爆仓事件之一，比特币跌破 70k 美元时，超过 4 亿美元杠杆多头头寸被强制平仓。虽然对晚期入场者来说很痛苦，但这类事件往往能清除系统中过剩杠杆并重置市场持仓。

值得注意的是，本次爆仓规模仍低于 2025 年 10 月和 2026 年 2 月修正期间，表明进入本次下跌前杠杆并未过度拉伸。历史上，大规模多头爆仓往往与局部耗尽点重合，因为强制卖压会通过衍生品市场级联，并清除弱手。

未来关键问题是现货需求能否介入吸收供应。如果爆仓驱动的卖压开始消退，同时现货买家回归，市场或将拥有更干净的持仓背景和更低的杠杆悬垂，为更可持续的复苏创造条件。

隐含波动率持续下行

从隐含波动率来看，尽管现货出现破位，但主导趋势仍是全期限曲线压缩。1 个月期限从约 38% 降至 34%，3 个月和 6 个月期限过去两周也分别压缩约 3 个波动率点。

这一走势反映出市场即使在比特币跌破近期区间下沿后，仍不愿为期权支付溢价。虽然前端波动率在剧烈现货波动时出现短暂反应，但这些很快被卖出，维持了更广泛的下行趋势。

期限结构仍处于溢价状态，远期波动率仍以溢价交易于前端。这表明交易者继续将近期价格疲弱视为局部事件，而非引发更广泛波动率重定价的催化剂。

波动率卖方仍占主导，尽管价格走弱，对保护的需求并未加速。

波动率风险溢价接近三个月高位

随着隐含波动率下降，隐含与已实现波动率的关系却讲述了不同故事。尽管比特币经历了一段波动期，但期权市场持续为未来定价显著高于近期现货实际交付的波动。

1 个月隐含波动率已回升至约 42%，而已实现波动率仍接近 32%。结果是波动率风险溢价扩大至过去三个月最高水平附近。

这一变化在近期抛售期间尤为明显。虽然现货破位关键支撑时已实现波动率有所回升，但隐含波动率上升更快，反映出对期权和保护的新增需求。

期权市场持续赋予未来波动率高于近期价格行为单独暗示的更高概率，使波动率溢价保持在显著高位。

看跌期权溢价维持高位

随着波动率风险溢价扩大，偏度显示交易者继续将期权需求集中在何处。尽管现货破位，但看跌期权在全期限曲线上仍持续比看涨期权更贵。

结论

比特币的最新下跌进一步印证了市场依然脆弱的观点，盈利能力、投资者行为、ETF 持仓以及现货市场需求等各方面均显露出疲软态势。ETF 总成本价位在 8.3 万美元附近受阻，表明许多投资者仍被套牢在当前价格之上，这造成了高位抛售，持续抑制着比特币的反弹。

与此同时，已实现亏损加速扩大，长期持有者开始大规模抛售，现货订单流已明显转向卖方。虽然近期的清算事件有助于清除系统中的杠杆，但目前几乎没有证据表明已出现能够消化由此产生的供应的持久需求反应。

期权市场的情况也类似。交易者仍在为下行风险保护和未来波动性买单，但并未出现通常伴随大幅下跌而来的恐慌情绪。在现货需求走强、ETF 投资者恢复盈利能力、抛售压力开始缓解之前，市场可能仍将面临进一步下跌的风险，并在更广泛的熊市结构中持续盘整。

越过“内存墙”，AI推理时代的晶圆级革命与算力路线

Fri, 05 Jun 2026 22:07:29 +0800

2026年，全球AI的发展迎来了一个标志性的拐点——超大规模云厂商的推理资本支出，历史上第一次超过训练资本支出。产业锚点从“炼大模型”向“用大模型”转移，算力需求的结构发生了根本性翻转。

在训练时代，算力的核心矛盾是“双精度浮点与集群规模”；而步入推理时代，核心矛盾变成了“内存带宽与通信延迟”。

大模型推理的瓶颈不再仅仅是计算，而是数据搬运——模型权重、中间激活值和KV Cache需要在片外DRAM（如HBM）和GPU之间频繁交互，模型越大，数据搬移的能耗与延迟越高，最终远超计算本身的能耗，从而形成了内存墙。

英伟达GPU凭借CUDA和NVLink构筑了坚固堡垒，但仍然避免不了带宽瓶颈引发的GPU空转。

国内大模型公司智谱做了一个很简单的实验：一个512卡的推理集群，GPU不变、模型不变、代码不变，只把网络带宽上限从200GB/S换成400GGB/S，推理吞吐直接涨了10%，首token输出时延降了19%——道理很简单，只要把路拓宽，车就能跑得更快。

然而，以Cerebras为代表的非GPU架构，似乎正在内存墙上撕开一道口子。

Cerebras WSE-3 芯片与英伟达B200 GPU 尺寸对比

Cerebras的本质：一台基于SRAM的近存计算机器

Cerebras Systems由 Andrew Feldman 等人在硅谷创立，早期的创始团队悉数来自一家叫SeaMicro的低功耗微服务器，这家公司后来被AMD收购，随后：

2015年，创始团队确立“晶圆级计算”路线；

2016年，完成注册、A轮融资，进入隐身研发阶段；

2019年，发布首款产品WSE-1 芯片和CS-1系统，基于台积电16nm工艺；

2021年，发布第二代产品，基于台积电7nm工艺；

2024年，发布第三代产品（WSE-3 / CS-3），基于台积电5nm工艺，芯片和系统均在美国完成制造，是地道的纯美国制造的芯片系统。

CS-3系统配置，包含1颗 WSE-3芯片

Cerebras的晶圆级引擎（Wafer-Scale Engine, WSE）架构哲学，简单粗暴却直击痛点：用物理空间的极致放大，换取对数据搬运延迟的极致压缩。

普通芯片是把一片晶圆切成很多小芯片，比如英伟达GPU就是这种思路。 Cerebras反过来：不切，直接把几乎整片晶圆做成一颗超大芯片，叫 Wafer-Scale Engine，WSE。

传统芯片是将一整块300mm直径晶圆，切割成数百个小芯片而形成；而Cerebras选择保留整片晶圆，直接作为整个芯片。最新的WSE-3拥有4万亿晶体管、90万个AI核心，每个核心配备48KB本地SRAM，从而让整个芯片的的片上SRAM达到44GB，提供21PB/秒的片上内存带宽（on‑chip memory bandwidth）和214Pb/秒的网络带宽（fabric bandwidth），这是传统HBM带宽的数千倍。

Cerebras WSE的内存带宽是英伟达B200封装芯片的2625倍，打破了大模型推理场景下的内存带宽瓶颈。

在Cerebras的架构中，模型权重从来都不会存在SRAM上，而是在片外存储MemoryX上，并逐层向大芯片上转移。实现方式是将神经网络模型的权重存储与计算单元相互分离。

所有模型权重均外置存放于内存扩展模块MemoryX中，网络每一层计算所需的权重，会按需逐层传输至CS-3系统。权重存储在MEMORY X的DRAM与闪存内，并以满带宽速率向CS-3系统传输。这些权重不会存入CS-3系统，就连临时缓存也不会留存，CS-3依靠核心底层的数据流机制完成运算。

Cerebras凭借晶圆级架构，在受限于内存带宽的LLM推理中，展现出降维打击般的壁垒。逐Token生成时，权重按层从片外MemoryX流式传输至CS-3，跑不同的模型，token速率是英伟达B200的1.5 - 5倍。

英伟达DGX B200 GPU versus Cerebras CS-3芯片，跑不同大模型的Token速率比较

其优势核心在于：CS-3的44GB片上SRAM提供21 PB/s（B200的2625倍）超高带宽与214 Pb/s互联，使权重流传输摆脱HBM接口限制。故在TTFT（Time To First Token，从请求发出到模型返回第一个token 的时间）、长上下文以及智能体工作负载上，表现尤为突出。

虽然权重外置于MemoryX按需逐层加载且不在片上缓存，CS-3依靠核心数据流机制在SRAM完成全FP16精度无损运算；凭借线性性能扩展，其在多用户并发推理下亦释放出惊人的总吞吐。

除了带宽，还有功耗的优势。近期，中际旭创董事长刘圣演讲中也提到，客户对于光模块的要求是1 pJ/bit，而当前是10 pJ/bit。在Cerebras芯片中，互联的功耗只有0.15 pJ/bit, 而当前GPU的互联功耗是10 pJ/bit。

Cerebras互联与GPU互联架构的带宽和功耗对比

由此可见，如果Cerebras的晶圆级大芯片架构成为AI推理甚至训练的主流，也许将会对传统光模块和CPO（共封装光学）的出货量产生显著的抑制和结构性改变。核心逻辑在于：光模块和CPO的高需求，本质上是为了解决GPU集群中“芯片间互联”和“节点间互联”的带宽瓶颈；而Cerebras的架构恰恰是通过“消除分布式互联”来解决问题的。

反直觉：晶圆级大芯片的“真假”硬伤

芯片的核心永远在于Trade Off（取舍之道）。Cerebras为了片上SRAM的极致带宽，也带来一些问题。

良率低？

恰恰相反，单个AI核心尺寸减至0.05平方毫米（H100 单个运算核心尺寸的1%），因此良率反而更高。通过片上的路由，可关停和绕过有缺陷的核心，从而使得与传统多核处理器相比，缺陷容忍度提升了100倍。其实整个芯片有100万个AI核心，但是考虑了良率，对外声称是90万个AI核心。

只擅长推理，不擅长训练？

在Cerebras成立的数年之内，训练是主流课题，因此公司始终围绕着训练做了大量工作，只是推理需求火爆后，大家发现其在推理方面的优势更明显。

实际上简化的分布计算，也带来了代码复杂度降低、通信开销降低的一系列优势。

在4000块GPU上训练一个1750亿参数的模型，通常需要大约2万行分布式训练代码。

Cerebras 实现了565行代码的等效训练——整个模型可安装在晶圆上，且不需处理数据并行复杂性。

SRAM缩放已死，核心优势面临物理天花板。

第三代产品基于台积电5nm，其SRAM容量仅仅比基于台积电7nm的第二代产品增加了10%，在5nm之后，SRAM单元面积几乎不再随制程进步而缩小。

这意味着Cerebras无法再像过去那样，通过升级台积电制程（如从5nm走向3nm）来显著增加其核心优势（SRAM容量）。

受限于晶圆尺寸、散热能力及制造成本，片上SRAM等存储资源难以与计算核心同步线性扩展，资源配比遭遇瓶颈。这几乎堵死了其进化之路。

Cerebras 三代产品技术规格

散热、工艺与生态的三重炼狱。

整片晶圆集中发热，热流密度较高，必须依赖定制机房和专用液冷系统，此外，生态通用性意味着客户必须适应其定制化的软件栈，与现有CUDA等通用编程框架的兼容性弱，软件移植与适配成本高昂。

片外带宽低，成为扩展“孤岛”。

由于晶圆级物理设计的限制，WSE边缘能够引出的I/O引脚数量极其有限，导致其I/O带宽仅为150GB/s。这与英伟达NVLink动辄1.8TB/s的双向带宽相比，犹如蜗牛。这意味着WSE极难向外高速扩展。尽管Cerebras的SwarmX互联在多系统组合上做得尚可，但在需要多芯片高速互联的超大模型面前，极低的片外带宽成为了结构性的物理枷锁。

路线之争：大厂自研，Cerebras的窗口期还剩多久？

大厂解决“推理需要更高带宽+更低延迟”的方法，不止wafer-scale一条路，他们正在通过三条并行路径，对初创公司的技术红利进行围剿。

① 自研 ASIC芯片

Google TPU v8已经分裂为training-specific和inference-specific两个版本；AWS Trainium 4在路上；Microsoft Maia已在Azure内部使用，基于台积电 3nm 工艺构建，原生 FP8/FP4 张量核心，重新设计的内存系统，配备 216GB HBM3e，272MB 片上SRAM；甚至连Anthropic都开始评估自研inference chip。

这条路径的概率极高，它将直接导致“第三方inference采购”在2028年的TAM（总可达市场），上限被压缩10%到25%。

② 标准Packaging路线的工艺通用化

这是对Cerebras最直接的降维打击。

TSMC的SoW（System-on-Wafer）已经向客户广泛开放，CoWoS 9.5x interposer也将在2027年上线。

这两个产品做的事——把多颗die在wafer级别stitching——本质上就是把Cerebras的物理工艺通用化、平民化。

英伟达的Vera Rubin将在2026下半年进入这个生态。

Cerebras自家做的cross-reticle stitching虽是独占，但独占的窗口期最长只有2到3年，到2027 - 2028年之后，其工艺壁垒将被台积电的先进封装稀释。

③ 光互联/光计算的突围

电子芯片的互联与内存墙已至极限，光子的高带宽、低延迟、零串扰是终极解法。

以Lumentum为代表的光学路线正在崛起。Wafer-scale的最大优势就是片上计算，但模型必然越来越大，wafer scale往上的高速互联是刚需。

随着CPO（共封装光学）和Optical Interconnects的成熟，未来我们极有可能看到光I/O直接引入WSE晶圆，打破电互联枷锁；而英伟达也可能通过收购LPU（如Groq）等具备特定架构优势的公司，结合光互联，开发兼容现有NV超节点软件的晶圆级系统。

悬崖上的狂奔：Cerebras的商业与交付

Cerebras目前正面临一场由巨额订单倒逼的悬崖式狂奔。

与OpenAI等头部大客户的交易，迫使Cerebras从一家芯片公司转型为新型云服务商。它不再只是卖硬件，而是需要在短期内锁定并建设海量的数据中心电力和设施。

根据合同要求，Cerebras需要在2026 - 2028年每年交付250MW的数据中心容量。然而，晶圆级系统对机房的要求极高，无法直接塞进传统的风冷IDC。目前，Cerebras在数据中心容量的筹备上进度已经明显落后于合同要求。

从流片到建厂，从电力审批到冷却系统部署，这是一个重资产、长周期的泥潭。

尾声：向左还是向右？

回到最初的命题，当推理算力拐点已至，算力架构的核心永远在于取舍。

没有绝对的对错，只有在最重要负载下的相对最优解。负载其实已经在变。

Cerebras向左，选择了极致的物理优化，用整片晶圆和海量SRAM换取单任务下的极致低延迟，这对首token延迟极度敏感的场景下是无敌的。

英伟达向右，选择了保持通用性，用HBM + NVLink + 超大集群吞吐，应对负载的千变万化，以不变应万变。

风起云涌，前路未卜。正是这种技术与商业的双重不确定性，才孕育着颠覆的可能。在通往AGI的算力洪流中，现在下定论还为时尚早——因为不确定，才有机会。

达利欧警告：AI热潮已现泡沫特征，兑现之日即为破裂之时

Fri, 05 Jun 2026 22:11:13 +0800

围绕人工智能带动的资本热潮，桥水基金创始人瑞·达利欧对市场风险发出警示，认为当前局面已呈现出典型泡沫特征，并预期这一阶段终将结束。

在周三接受彭博电视采访时，达利欧指出，技术浪潮往往伴随资本过度涌入。“所有伟大的技术变革都会催生泡沫，”他说，同时强调投资者很难精准把握投入尺度，企业要么为了抢占市场不计成本大举投入，要么因投入不足而失去竞争位置。

这一判断出现在AI相关资产大幅上涨的背景之下。受数据中心建设需求推动，尤其是高带宽芯片的需求激增，芯片企业成为华尔街资金追逐的核心标的，并带动整体市场屡创新高。伴随这一轮上涨，市场内部也在激烈讨论估值是否已经过热。

英伟达首席执行官黄仁勋近期则公开表达了不同立场。他在本周的发言中表示，愿意投入AI浪潮的投资者将获得“疯狂的”回报。

此前一天的讲话中，他还回应了对估值的质疑，针对那些担忧数据中心巨额投入难以实现回报的声音，他提到：“还记得去年我们聚在一起时，围绕这项投资的言论和叙事都在问：投资回报率（ROI）是多少？”随后反问：“现在给我举个例子，看看有哪个疯子还在说这种话。他们听起来会像是疯了。”

与此形成对比，达利欧更关注盈利兑现阶段的风险。他认为，一旦市场进入需要将投入转化为实际收益的阶段，泡沫往往会显现破裂迹象。“戳破泡沫的过程，其实就是将账面财富转化为现金的过程，”他表示，并对部分AI企业未来盈利能力表达了担忧。尽管他认可AI本身具备重要价值，但也直言当前市场走势“正在重蹈这样的覆辙”。

达利欧现年76岁，是全球最大对冲基金之一桥水基金的创始人。他已于2025年完成从该公司的全面退出，包括出售全部剩余股份并辞去董事会职务。根据彭博亿万富翁指数，其个人净资产约为215亿美元。

11 个人干翻半个市场，Hyperliquid 凭什么？

Fri, 05 Jun 2026 22:16:49 +0800

2025 年初，链上合约交易市场超过 70% 的量跑在同一个协议上——Hyperliquid。

后来一堆拿了数亿美元融资的竞争对手开始疯狂补贴，这个数字回落到 50% 左右。但即便如此，半个市场仍然在它手里。

更离谱的是干成这件事的团队。Hyperliquid Labs 核心成员只有 11 个人，日均手续费收入超过 100 万美元，年化现金流比肩纳斯达克交易所。

11 个人，对标一家近万人的上市公司。平均到每个人头上，每人每天为协议创造超过 9 万美元的收入。

这个项目没拿过一分钱风投。没有 Paradigm，没有 a16z，没有任何机构的 logo 挂在官网上。

它做的事情也不复杂，一句话就能说清楚：把一家顶级高频做市商，变成了一条链。

把交易引擎焊进地基里

大多数链上衍生品交易所的做法是「租房」——跑在以太坊或 Solana 这些通用公链上面，用别人的基础设施，受别人的速度和费用限制。Hyperliquid 反其道而行，从零开始造了一条只为交易服务的专用链。

这条链有多快？一笔交易从发出到不可逆地写入账本，只要 0.2 秒，比你眨一次眼还快。而且一旦确认就是板上钉钉，不会出现交易被撤回或被人插队抢跑的情况。

但速度不是重点。真正精妙的地方在于它把系统一分为二。

一边是核心交易引擎 HyperCore，只干一件事：撮合买卖、管理保证金、处理爆仓。不跑任何多余的程序，每秒能处理 20 万笔订单。另一边是 HyperEVM，一个开放的开发平台，任何人都可以在上面搭建借贷、理财之类的应用。

关键是：这两边完全隔离。开放平台那边出了安全漏洞，哪怕被黑客攻破了，也碰不到核心交易引擎里的一分钱。反过来，开放平台上再拥堵，也不会拖慢交易撮合。

说白了，别人在以太坊上租房子开店，Hyperliquid 自己盖了栋楼，把保险柜直接砌进了承重墙。

HLP：你可以抄代码，但抄不走风控算法

传统交易所的流动性靠外部做市商——就是那些专门提供买卖报价的机构，比如 Wintermute、Cumberland。平台要是没有它们挂单，用户想买买不到、想卖卖不掉。但问题是，市场一崩，这些机构撤单跑路，交易所就变成空壳。

Hyperliquid 的解法叫 HLP，说白了就是一个「协议自己开的做市基金」。任何人都可以往里存 USDC，资金由算法统一调配，在所有交易对上自动挂买单和卖单。

它不像传统 DeFi 资金池那样被动等着成交。HLP 是主动出击，算法替你在整个交易所里挂单、撤单、调仓，收益来自交易手续费和买卖价差。

交易所刚上线时，没有流动性就吸引不来交易员，没有交易员就没有流动性。HLP 把这两个同时造了出来。

但 HLP 真正无法被复制的部分，不是机制设计，而是背后的人。

创始人 Jeff Yan 毕业于哈佛，主修数学与计算机科学，高中时代表美国参加国际物理奥赛拿过金牌。

他的核心团队此前运营着一家叫 Chameleon Trading 的量化交易公司，2019 年在波多黎各以 1 万美元起步，靠算法交易在加密市场赚到了财务自由。HLP 的做市算法和风控模型，就是这帮人多年实战经验的结晶，不开源，外界看不到。

一个新项目可以把 Hyperliquid 的代码原样复制一份。但它复制不了一支量化团队花了多年打磨的定价模型和爆仓处理参数。

2025 年 10 月的全球加密市场暴跌，是一次实战检验。Hyperliquid 在零宕机、零坏账的前提下，消化了超过 100 亿美元的爆仓头寸。

97% 拿来回购销毁，这帮人是认真的

HYPE 代币的经济模型在整个 DeFi 里大概是最激进的。

平台手续费收入的 97% 流入一个叫「援助基金」的池子，系统每天自动拿这笔钱到市场上买入 HYPE 代币。不需要投票，不设期限，纯粹程序化执行。

截至 2026 年 4 月底，累计回购超过 11 亿美元，其中约 10 亿美元的 HYPE 已在 2025 年 12 月通过投票被永久销毁。

买回来然后烧掉，市面上的代币就越来越少。对应的年化通缩率约 7%，是以太坊销毁速度的 4.6 倍，币安 BNB 的 5.8 倍。

只要平台还有交易量，HYPE 的流通盘就每天都在缩小。一台永不停机的通缩机器。

Hyperliquid 的野心不止于交易所。

它推出了四套标准协议（HIP-1 到 HIP-4），让任何人都能在链上发行代币、上线合约交易对，甚至开设美股、黄金、SpaceX 预 IPO 权益的衍生品交易。

目标很清楚：做链上金融的操作系统。2025 年 10 月，Coinbase 以 3.75 亿美元收购了生态内的融资平台 Echo，算是传统合规巨头对这条路线的背书。

但没人觉得这有问题吗？

HLP 的硬币另一面是：当它被迫接盘那些爆仓的有毒头寸时，所有存款人一起亏。

如果喂价被操纵，或者某个冷门币种被恶意砸盘引发连环爆仓，HLP 净值可能发生不可逆的暴跌。散户一旦恐慌撤资，交易所的买卖报价变得稀薄，流动性的正向飞轮就会反转成死亡螺旋。

Hyperliquid 自己也踩过坑。早期推出的「跟单金库」功能，允许明星交易员拉散户一起投。结果散户在收益曲线暴涨的顶点涌入，策略失灵后集体巨亏。团队后来果断砍掉了社交功能，回归纯粹的专业交易终端。

还有一个更根本的问题：全透明。

Hyperliquid 上每个交易员的持仓大小、成本价和爆仓价格，全部实时公开在链上。这相当于给所有套利机构画了一张精确的「爆仓地图」。资金量够大的鲸鱼，可以在其他市场故意砸盘，精准触发链上可见的爆仓线，制造连环清算来套利。

这正是 Aster DEX 等后来者切入的角度：隐藏挂单、不可见爆仓价，用隐私吸引大资金。你在 Hyperliquid 上开一个大仓位，全世界都看得到你几时会爆仓。换你是管几千万美元的基金经理，你愿意吗？

小结

到目前为止，Hyperliquid 的深度和抗操纵机制，在很大程度上扛住了这个透明度漏洞。至于能扛多久，没人知道。

后来者可以复制代码，可以补贴用户，可以讲更好的故事。但要同时重建一条专用链、一套顶级量化风控算法、和一个让大资金敢于公开持仓的深度流动性网络，这三件事同时做到，至今没有第二家。

护城河从来不写在代码里。

美债危机和高收益率背景下，黄金作为“金融保险”的配置价值

Fri, 05 Jun 2026 22:14:57 +0800

在前两篇报告中，我们深入探讨了美国国债收益率为何持续攀升，以及美国国家债务为何自二战以来首次突破39万亿美元。如果你读完那两篇报告后，开始思考"那我的钱该往哪里放？"——黄金，正是全球众多投资者已经在用行动给出的答案之一。以下是其中的原因，以及在决定是否将黄金纳入你的投资组合之前，你需要了解的关键内容。

关键数据：黄金历史最高价2026年1月28日达每盎司5,589美元 · 当前价格约每盎司4,460至4,523美元 · 同比涨幅约35% · 自2020年以来上涨逾230% · GLD资产管理规模逾1,410亿美元 · 2025年各国央行合计购金863吨 · 中国央行连续18个月增持黄金

第一节 — 前情回顾：为什么这篇报告接续前两篇

在收益率上升报告中，我们展示了美国30年期国债收益率如何升至5.2%——2007年以来的最高水平，并解析了收益率上升通过四个渠道损害股票估值的机制。在美国债务危机报告中，我们展示了美国国家债务如何突破39万亿美元、利息支出首次超过1万亿美元，以及国会预算办公室如何将当前财政轨迹定性为"不可持续"。

前两篇报告告诉你问题出在哪里。这篇报告，讲的是全球投资者正在买什么来应对这些问题。

三篇报告之间的逻辑脉络十分清晰。当一个政府持续运行巨额赤字、大规模发行债券、且被三大评级机构相继下调信用评级，往往会发生两件事：第一，债券投资者要求更高补偿，收益率随之上升；第二，投资者开始寻找政府无法增发、无法通过通胀贬值、也无法通过征税没收的资产。黄金，几千年来一直扮演着这一角色。而在2025年和2026年，它所发挥的这一作用之显著，超越了现代金融史上的任何时期。

黄金在2025年初的价格约为每盎司2,624美元。到2026年1月28日，它触及历史最高价5,589.38美元。在短短十二个月内，黄金不只是创下了新高，而是彻底重新定义了"高价黄金"在现代市场中的含义。从2025年5月到2026年6月初，黄金价格从约3,335美元上涨至约4,460至4,523美元，涨幅约35%。自2020年以来，黄金累计涨幅逾230%。

这绝非巧合，而是市场对前两篇报告所描述的那些力量的直接回应。

教育说明：投资者所说的黄金"现货价格"，指的是立即交割实物黄金的当前市场价格，以美元每金衡盎司报价。一金衡盎司等于31.1克。购买黄金ETF时，其价格与黄金现货价格高度挂钩，仅扣除少量年度管理费。当媒体报道黄金创历史新高时，所指的正是现货价格。

第二节 — 黄金价格的真正驱动力

黄金与几乎所有其他资产截然不同。它不派息，不产生盈利，也不创造现金流。持有英伟达股票，有利润回报；持有债券，有利息收益；而黄金，就静静地放在那里。那么，它为何会上涨？

答案在于：黄金本质上并非传统意义上的投资品，而是一种金融保险——一种在其他资产承压时，能够保值购买力的价值储存手段。当人们对纸币、政府信用和金融体系的信心下滑，黄金的价格就会上涨。理解这一点，是理解黄金当前价位的关键。

与实际利率的反向关系。黄金与实际利率之间存在金融市场中最清晰的长期规律之一：当实际利率（名义利率减去通胀率）较低或为负时，黄金倾向于上涨；当实际利率较高且为正时，黄金倾向于下跌。当无风险债券提供5%的收益而通胀为2%，投资者每年可获得3%的实际回报，黄金相比之下吸引力有限。但当通胀达到5%而债券只提供4%的收益时，债券的实际回报为负1%。在这种环境下，黄金零收益的劣势不再成立——持有现金和债券意味着每年购买力在缩水，而黄金至少能够保住价值。当前通胀持续顽固、政府债务庞大，加上新任美联储主席的利率政策方向尚不明朗，实际利率长期低于正常水平，这从结构层面为黄金提供了支撑。

与美元的反向关系。黄金以美元计价，因此美元走弱直接推高黄金的美元价格。当投资者对美元作为可靠价值储存手段的信心动摇——正如美国债务轨迹和穆迪降级所引发的那样——黄金就变得更具吸引力。金砖国家目前持有全球黄金储备的17.4%，高于2019年的11.2%，这正是刻意降低美元敞口的结果。

地缘政治紧张局势下的避险需求。数千年来，黄金始终是战争、危机和政治动荡时期的避险资产。当前的环境——美伊冲突导致霍尔木兹海峡关闭、油价冲破每桶100美元、乌克兰战争持续、美中贸易摩擦通过关税延续、全球地缘政治格局加速碎片化——为黄金需求提供了持续支撑。当世界充满不确定性，资金就会流向没有对手方风险的资产。黄金没有对手方，它不是任何人的承诺。

央行购金成为结构性需求驱动力。这是黄金市场中最重要的新变化，也是大多数零售投资者尚未充分消化的信息。2022年至2024年间，全球各国央行每年购金量超过1,000吨——超过400至500吨历史年均值的两倍。2025年，央行购金量为863吨，仍代表着极高水平的官方部门需求。摩根大通预测，2026年全年央行与投资者合计需求将平均达到每季度约585吨。

推动这一结构性转变的是一个单一事件：2022年，西方国家冻结俄罗斯约3,000亿美元外汇储备作为制裁措施。这一举动向全球每一家央行传递了一个清晰信号：存放在境外的纸质资产可以在一夜之间被冻结，而存储在本国金库中的黄金则不能。这一教训没有被忘记。2025年，超过40家央行实现黄金净增持。最新数据显示，中国人民银行于2026年4月将连续购金纪录延伸至18个月，单月增持8吨——为2024年12月以来最大单月购入量——使中国官方黄金储备升至2,322吨，占总储备的9%。

教育说明： "实际利率"是扣除通胀后你实际获得的利率。若10年期美国国债收益率为4.6%、通胀为3.5%，则实际利率约为1.1%。若通胀升至5%，同样4.6%的收益率对应的实际利率则为负0.4%。黄金在实际利率为负或极低时历史表现最佳，因为在这种环境下，持有现金或债券意味着每年购买力在缩水，而黄金至少能够保持价值。

第三节 — 当前驱动黄金的五大力量

2026年，五种特定力量正在同步汇聚，共同支撑黄金维持在历史高位水平。

力量一：美国财政危机与黄金的直接关联。我们债务危机报告中记录的每一项内容，都直接映射到黄金的看涨逻辑上。一个债务规模达39万亿美元、每天增加约75亿美元、年度赤字约2万亿美元、仅利息支出就高达每年1万亿美元的政府，其货币面临着实质性的长期贬值风险。当财政轨迹被国会预算办公室自身的评估定性为不可持续，当三大信用评级机构均已下调美国评级，理性的投资者就会将部分财富配置到政府控制边界之外的资产上。黄金，就是那个资产。

力量二：去美元化与对美元资产信任的侵蚀。 2022年冻结俄罗斯央行储备一事，标志着全球储备管理方式发生了范式转变。若美元资产因地缘政治原因可被冻结，它便不再是纯粹的金融资产，而成了政治工具。全球南方国家的央行、中东主权财富基金，以及金砖国家，都通过增持黄金来应对这一新现实。中国在过去数年间已向黄金储备增加了逾350吨，这是明确的多元化战略的组成部分。这一结构性转变催生了一个持续、对价格不敏感的黄金买家群体，这在十年前根本不存在。

力量三：美伊冲突与能源驱动型通胀。 2026年2月28日，美国和以色列对伊朗发动军事打击。随之而来的霍尔木兹海峡封锁将油价推高至每桶100美元以上。2026年3月CPI数据随后显示同比通胀达3.8%，为2024年5月以来最高水平。军事行动、能源供给中断、通胀——这一连串事件，正是黄金历史上表现最佳的典型场景。能源驱动型通胀侵蚀固定收益资产和现金的实际价值，同时提升了供给有限的实物硬资产的吸引力。

力量四：投资需求创历史新高。 2025年，全球通过ETF、金条和金币实现的黄金投资需求飙升84%，达2,175吨，创历史新高。世界黄金协会报告称，进入2026年后ETF资金净流入仍在持续，投资需求现已远超珠宝和工业用途的制造业需求。当机构和零售投资者同时增加黄金配置，需求基础的扩大方式，使高价格在不同市场环境下都能获得支撑。

力量五：新任美联储主席带来的不确定性。凯文·沃什于2026年5月接任美联储主席，继承的是多年来最复杂的通胀局面。市场目前定价2026年12月前加息的概率为48%，而仅仅一周前这一概率还只有14%。这种环境使通胀担忧持续高燃，也使黄金需求保持旺盛。

第四节 — 价格历史：理解当前价位的背景

黄金在2000年代的大部分时间里维持在每盎司1,000美元以下。2008年至2009年的全球金融危机首次将其推破1,000美元，投资者纷纷涌向避险资产。随后近零利率时代和量化宽松政策将其推高至2011年的历史高点1,917美元，然后在2012年至2015年实际利率回升后大幅回落。

下一次重大突破发生在2020年新冠疫情期间，黄金首次突破每盎司2,074美元，由零利率、史无前例的货币超发和经济不确定性共同驱动。2022年央行行为的结构性转变——由俄罗斯储备被冻结事件触发——开始为黄金筑起新的需求地板。

2025年，黄金从约2,624美元起步，春季突破3,500美元，10月首次突破4,000美元。2026年1月最后一周突破5,000美元，随后于1月28日在美伊局势持续升温的背景下触及历史最高价5,589.38美元。此后，黄金经历了约16%至20%的修正，截至2026年6月初，价格在约4,460至4,523美元区间内运行。

机构预测仍整体看涨。摩根大通预测黄金将在2026年第四季度向每盎司5,000美元迈进，长期更有挑战6,000美元的可能。高盛设定2026年底目标价为5,400美元。瑞银私人财富将目标价重申为6,000美元。路透社对30位分析师的调查得出中位数预测为4,746美元——与黄金当前价格高度接近——代表基准情景共识，而更为乐观的机构目标则反映了霍尔木兹海峡封锁持续压制能源价格、通胀持续顽固的情景假设。

教育说明：即便在长期牛市中，黄金也会经历修正——即暂时性的价格下跌。当前从1月峰值约16%至20%的回撤，是大宗商品市场的正常现象，不一定意味着趋势的终结。在2001年至2011年那轮黄金大牛市中，中途曾多次出现15%至20%的修正，此后价格仍继续走高。真正决定长期方向的，是底层需求驱动力——央行购金、财政担忧、实际利率和地缘政治风险——是否依然成立。

第五节 — 作为美股投资者如何获取黄金敞口

对于通过美国市场进行投资的投资者，黄金敞口主要有三种获取途径，各自在成本、便捷性、安全性和风险特征上有所不同。

实物黄金——金库与实体经销商

最直接的持有方式是向信誉良好的经销商或黄金托管服务机构购买实物金条或金币。这赋予你真实的所有权，没有对手方风险——黄金属于你，任何机构都无法通过政策决定冻结或贬值它。

在美国，实物黄金可通过APMEX、JM Bullion和SD Bullion等知名经销商购买，价格通常为现货价加上少量溢价。对于不希望将黄金存放在家中的投资者，Brink's、Loomis以及加拿大皇家铸币局的托管计划等专业金库服务提供了安全存储选项——你的黄金被单独存放并投保，不与他人持仓混合，全程可核查。

实物黄金的代价在于流动性和成本。存储和保险需要持续支出，出售时需要找到买家或返回经销商，后者通常以略低于现货价的价格收购。对于将黄金视为长期价值储存手段、不需要频繁交易的投资者，这些取舍是可以接受的。对于需要快速、低成本退出头寸的投资者，ETF则更为实用。

黄金ETF——大多数投资者最便捷的入场方式

黄金ETF像股票一样在交易所挂牌交易，价格与黄金现货价格高度挂钩。可通过任何标准券商账户在数秒内完成买卖，除年度管理费外无需承担存储或保险成本。以下是面向美国投资者的主要选项：

SPDR黄金信托（GLD）。全球规模最大的黄金ETF，截至2026年6月资产管理规模逾1,417亿美元。其唯一资产是存放于摩根大通和汇丰银行金库的实物黄金。庞大的规模带来卓越的流动性、深度的期权链和极窄的买卖价差，使其成为频繁交易者和大型机构头寸的首选。管理费率：0.40%。

iShares黄金信托（IAU）。结构上与GLD几乎完全相同，但管理费率更低，仅为0.25%，资产管理规模逾800亿美元。对于长期持有的投资者，更低的年度费率在时间维度上的复利效应相当可观。IAU的黄金存放于摩根大通在美国和伦敦的金库，符合LBMA标准。对于大多数不需要GLD那种超高流动性来处理大额交易的零售投资者而言，IAU是更具成本效益的选择。

iShares黄金微型信托（IAUM）。费率最低的实物支持黄金ETF选项，管理费率仅0.09%，专为小额投资和定期定额购买设计，适合希望通过长期积累逐步建仓的投资者。

Aberdeen标准实物黄金ETF（SGOL）。黄金存放于瑞士金库，为偏好GLD和IAU所使用的美国和英国存储地点以外的地理分散化提供了选择。管理费率：0.17%，对于特别希望将黄金存放在美国金融体系之外的投资者而言是理想之选。

教育说明： ETF的"管理费率"是按投资金额比例收取的年度费用。对于管理费率为0.25%的黄金ETF，每投资10,000美元，每年支付25美元。这笔费用自动从基金中扣除并体现在ETF价格中。以50,000美元投资计算，0.40%与0.09%管理费率之间的差距，在十年内累计约为1,550美元。对于长期持有者而言，管理费率的影响比初看时更为显著。

黄金矿业ETF

对于希望对黄金价格获得杠杆敞口的投资者，黄金矿业股票和ETF提供了与实物黄金截然不同的风险收益特征。当黄金价格上涨，矿业公司的盈利增幅往往快于金价本身的涨幅，因为其运营成本相对固定——一家全成本为每盎司1,500美元的金矿企业，在黄金从2,500美元涨至5,000美元时，其利润空间实际上翻了不止一倍，即便金价本身"只"翻了一倍。

VanEck黄金矿业ETF（GDX）是规模最大、流动性最强的黄金矿业ETF，持有逾50家主要金矿企业，资产管理规模约330亿美元。主要持仓包括纽蒙特、巴里克黄金、爱格鹰矿业和佛朗哥内华达。GDX是希望获得黄金矿业板块分散化敞口的投资者的标准选择。

VanEck初级黄金矿业ETF（GDXJ）覆盖规模较小的中小型矿业公司，潜在增长空间更大，对应的风险也更高。在强劲的黄金牛市中，初级矿企往往大幅跑赢GDX，但在修正期间的跌幅也往往更深。

以数据说明这种杠杆效应：黄金矿业股在2025年的回报约为45%，显著优于GLD和IAU等实物黄金ETF约25%的涨幅。然而，矿业股同样承担着实物黄金所没有的风险——运营事故、成本超支、采矿司法管辖区的政治风险，以及管理层执行层面的不确定性。即便在金价上涨的环境下，一家矿企的生产成本若上升得比金价更快，仍可能陷入亏损。

第六节 — 理解风险：黄金可能面临哪些逆风

黄金的非凡涨势建立在真实的宏观基础之上。但今日买入黄金的投资者，需要像理解顺风因素一样清晰地理解潜在风险。

实际利率大幅转正。实际利率高企是黄金最可靠的天敌。若加息与通胀回落的组合产生真实的正实际收益环境——例如10年期国债收益率达6%而通胀仅为2%——持有黄金的机会成本将显著上升。投资者届时可从无风险债券中获得4%的年度实际回报，黄金零收益的劣势将变得切实存在。2022年美联储快速加息时，黄金相对于2020年峰值出现了明显修正。任何美国通胀真实改善与央行收紧货币政策的组合，都是黄金多头逻辑最直接的威胁。

美元走强。由于黄金以美元计价，美元走强对黄金构成直接阻力。GBI Direct指出，2026年5月黄金面临的三个近期阻力因素分别是：美元反弹、美伊停火谈判出现一定进展，以及1月高点后的技术性抛盘。若美国以比预期更可信的方式解决其财政问题，吸引资金出于安全需求回流美元，黄金将面临美元汇率层面的价格压力。

地缘政治风险缓解。交易经济学（Trading Economics）指出，黄金在6月初跌破4,500美元，部分原因在于美伊和平谈判陷入僵局，而特朗普表示重开霍尔木兹海峡的谅解备忘录最快可在下周达成。中东冲突的任何真正降级，将同步消除黄金当前价格中所包含的能源溢价、通胀溢价和地缘政治风险溢价。

金融市场急性压力下的抛售。在急性金融危机中——有别于当前支撑黄金的渐进式财政担忧——投资者有时会为应对追加保证金或筹集现金而抛售黄金。2020年3月新冠疫情初期冲击中，黄金曾在数周内急剧下跌，随后才强势反弹并创出新高。在真正的金融恐慌中，黄金与其他风险资产的相关性可能短暂上升，尽管其作为避险资产的基本功能依然完整。

估值与均值回归。目前约4,490美元的黄金价格，仍较十八个月前的水平高出约70%。即便有强劲的基本面支撑，升幅如此之大的资产，历史上往往会在下一轮上涨之前经历较长时间的整固或修正阶段。今日买入的投资者，并非在一轮行情的起点入场，而是在一个显著牛市的中途介入，这影响着近期结果的概率分布。

教育说明：投资中的"机会成本"是指因选择一种投资而放弃另一种投资所付出的代价。持有不产生任何收益的黄金，而非收益率4.6%的10年期美国国债，意味着每年4.6%的机会成本。黄金只有在其价格升幅持续超过这一收益率的情况下，才能在持续持有层面"跑赢"债券——或者说，你认为国债收益率并不足以补偿持有美元资产的风险。这是每一位黄金投资者都在隐性承担的核心权衡。

第七节 — 如何在投资组合中看待黄金

黄金最好被理解为投资组合保险，而非增长型投资。它的价值在于：在其他资产承压时，保住购买力并降低组合波动。大多数将黄金纳入配置的理财顾问，通常建议适合大多数投资者的配置比例为5%至10%。

在当前时点支持持有一定黄金敞口的逻辑，正是前两篇报告中所记录的那些担忧。如果你读完那两篇报告后得出结论——美国财政轨迹对美元购买力构成真实的长期风险，收益率上升是结构性转变而非暂时性波动，地缘政治碎片化正在为全球金融市场制造持续的不确定性——那么对黄金进行适度配置，正是这一判断的自然延伸。

反对过度集中持有黄金的理由同样清晰。黄金持有期间不产生任何收益。在一个通胀受控、财政问题得到妥善应对、实际利率在温和正值水平正常化的积极经济情景下，黄金在多年维度上可能显著跑输债券和股票。同样的宏观力量在2026年使黄金具有吸引力，但若财政政策改善或地缘政治环境趋稳，这些力量可能反转。

投资者的配置思路框架：

追求最简便、最具成本效益的长期黄金敞口的投资者，会发现IAU或IAUM是最具吸引力的入场选择——IAU兼顾低成本、高流动性和大规模基金优势，IAUM则以最低管理费率服务纯粹以降低费用损耗为目标的长期持有者。

希望获得真实所有权、不依赖任何金融机构、没有对手方风险的投资者，会选择通过信誉良好的经销商和金库服务购买实物黄金，接受存储和流动性上的取舍，作为实现真正独立于金融体系的代价。

希望对黄金涨势获得杠杆敞口且能承受公司层面风险的投资者，会研究GDX（分散化矿企敞口）或GDXJ（更高弹性的中小矿企敞口），理解矿业股在修正期间跌幅往往深于实物黄金，而在牛市中的涨幅也往往超过实物黄金。

第八节 — 值得持续关注的关键进展

美国实际利率走势。判断黄金价格走向最重要的单一变量，是实际利率是否实质性上升。需要同步追踪10年期国债收益率和月度CPI数据。若收益率上升而通胀回落，实际利率转正，黄金面临阻力；若通胀顽固而收益率受财政担忧制约，实际利率维持低位，黄金仍有支撑。

美伊谈判与霍尔木兹海峡局势。特朗普表示重开霍尔木兹海峡的谅解备忘录最早可在6月9日当周达成。若双方真正达成协议重开海峡，将同步压低能源价格、缓解通胀压力并消除黄金的地缘政治溢价。这是近期内最值得关注的黄金价格下行催化剂。

央行购金数据。世界黄金协会每季度发布需求数据。中国人民银行在2026年4月增持8吨，为2024年12月以来最大单月购入量。若这一购买节奏持续，将维持自2022年以来为黄金提供支撑的结构性需求地板。

沃什主持首次FOMC会议，6月16日至17日。沃什对通胀容忍度或收紧货币政策倾向的任何信号，都将影响黄金走势。更鹰派的立场意味着潜在加息，对黄金不利；更宽松的立场则有利于黄金。

4,500美元和5,000美元的关键价位。若价格持续站稳5,000美元以上，将意味着主要上行趋势重启，并可能吸引更多动量型买入。若持续跌破4,200至4,300美元，则暗示修正深度超出预期，或将引发对近期论点的重新评估。

将黄金从2,624美元推高至5,589美元的那些力量——财政恶化、美元贬值担忧、央行去美元化、地缘政治风险和负实际利率——并没有消失。经历了上一篇报告所记录的美国债务里程碑之后，这些力量非但没有减弱，反而在加深。无论黄金的下一步走向是迈向5,000美元及更高，还是在当前水平经历更漫长的整固，在多元化投资组合中持有一定黄金敞口的结构性逻辑，在现代金融史上都是少见的得到如此充分宏观基本面支撑的时刻。

印钞机的背面：Polymarket 250 万个账户中，84% 在亏钱

Fri, 05 Jun 2026 22:13:05 +0800

距离美加墨世界杯开赛还有七天，Polymarket 的「世界杯冠军」单一市场成交已突破 16 亿美元。Bitget Wallet 与 Polymarket 联合披露的 Q1 2026 报告显示，平台活跃钱包数升至 129 万，三月单月成交 257 亿美元，是去年同期的 13.5 倍。但与机构端的「印钞机」叙事相对应的，是华尔街日报、链上分析师与法加学术团队相继公布的另一份数据：70% 至 84.1% 的账户在亏钱，0.04% 的钱包拿走了平台 70% 的利润，不到 2,000 个账户瓜分了近 5 亿美元，平均每个普通用户亏 1 至 100 美元，最惨的 10% 平均亏掉 4,000 美元。

当世界杯把海外散户重新推上 Polymarket 与 Kalshi 的下注界面时，这场扩张的另一面值得被看清楚。

129 万钱包的真实画像：行为变化比成交量更值得关注

Bitget Wallet 与 Polymarket 4 月 30 日联合发布的报告，是迄今为止对预测市场散户群体最完整的画像。报告基于 Dune Analytics 链上数据，覆盖 2026 年 Q1 的 129 万活跃钱包。

成交量层面，Polymarket 3 月单月名义成交达 257 亿美元，较 2025 年 3 月的 19 亿美元增长接近 13.5 倍。但 Polymarket 增长部门负责人 Elden Mirzoian 在报告中强调：「真正的转变不在成交量，而在行为。」

具体看，82.3% 的用户全季度交易额不到 1 万美元，只有 2.5% 的钱包累计交易超过 10 万美元。「微型用户」（micro user）季度平均交易额仅为 35 美元，「轻量用户」（light user）也只有 392 美元。中位单笔交易金额介于 2-3 美元之间，几乎与买一杯咖啡相当。

行为粘性数据则呈现另一种增长结构。用户的季度活跃天数从 2.5 天上升至 9.9 天，参与品类数从 1.45 个升至 2.34 个。Polymarket COO Alvin Kan 对此的总结是：「预测市场不再关乎资本，而关乎持续重复的行为。我们看到的是行为转变，市场不是靠更大的单笔，而是靠每天更多次点击在增长。」

简言之，这是一群「频繁、小额、跨品类」的零售用户。体育成为 Q1 第一大品类，单季成交 101 亿美元；BTC 相关事件合约吸引了 59.3 万名用户，产生 54.2 亿美元成交，成为加密细分中最大的入口。

70% 到 84% 的钱包在亏钱，三份独立研究都指向同一结论

但热闹的另一面是亏损分布的极度倾斜。

过去六个月，至少有三组独立研究指向同一结论，预测市场是一个赢家高度集中的金字塔。

2025 年 12 月，链上分析师 DeFi Oasis 分析了 Polymarket 上 170 万个钱包地址的 1.24 亿笔交易，结论是 70% 的地址有已实现亏损，不到 0.04% 的钱包瓜分了 70% 的总利润，金额约 3.7 亿美元。

2026 年 4 月，链上研究员 Andrey Sergeenkov 通过 The Defiant 发布了样本量更大的报告，覆盖 250 万个 Polymarket 钱包，并改进了对代币拆分与合并的处理方法。新口径下的亏损比例从 70% 上升至 84.1%。也就是说，每 6 个 Polymarket 钱包里只有不到 1 个能拿到正收益。

2026 年 5 月，《华尔街日报》记者 Caitlin Ostroff 等人发表了另一份基于平台数据的分析，结论与此前两份相互印证。0.1% 的账户拿走了 67% 的总利润，不到 2,000 个账户净赚近 5 亿美元；最不成功的 10% 用户平均亏 4,000 美元；普通用户平均亏 1 至 100 美元。Kalshi 一方则直接披露过类似的数据，平台上每 1 个赢家对应 2.9 个输家。

更具讽刺意味的细节在 Kalshi 的「mention markets」（即赌某位公众人物会不会在特定场合说出某个特定词汇）。Barclays 与第三方分析师对 Kalshi 上 35,000 多个已结算的 mention market 做过定价效率检验，结论是，标价 50% 的「YES」最终只在 40% 的时间兑付。换言之，散户系统性高估了这类事件的发生概率。在「首档价位买 YES」这种典型散户行为下，平均亏损达到 11%。仅 2026 年 2 月，Kalshi 用户在 mention markets 上下注 1.81 亿美元，其中特朗普国情咨文一场就吸走了 2,800 万美元，赌他会不会说出「cartel」「Somalia」「hockey」这些词。

金字塔顶端：Théo、Domer 与那些自动化钱包

金字塔顶端的几张面孔，与机构主角形成有趣的对照。

最有名的是 Théo，一位法国前银行交易员。Bloomberg 后续复盘显示，他控制的账户从原本被识别的 4 个扩展到 11 个，2024 年大选累计盈利约 8000 万 -8500 万美元，并非最初报道的 4,800 万美元单一数字。他的方法论是手动委托私人民调机构做「邻居效应」（neighbor effect）民调，绕开主流民调的偏差。Polymarket CEO Shayne Coplan 在 2025 年 12 月接受 CBS《60 Minutes》采访时印证：「所有人都说他是个傻瓜，但他实际上委托了一大堆私人民调。」

Polymarket 历史交易量最大的账户是 Domer（链上 ID @ImJustKen），自 2007 年起在 PredictIt、Augur 等平台累计交易近 1 万个市场，平台名义交易额约 3 亿美元，净利润超过 250 万美元，2025 年 12 月 22-28 日这一周单周净赚 10 万美元。Domer 在与 On Chain Times 的访谈中给散户的建议直白：「你可以从 20 美元开始，最坏的情况就是亏 20 美元，没什么大不了的。」言下之意，专业玩家与散户的赔率差异，恰恰来自于资金管理而非单次胜率。

Polymarket 历史利润榜首位是 ID 为「kch123」的账户，PnL 达 1,178 万美元；账「GamblingIsAllYouNeed」的链上记录显示累计赢入 4,020 万美元、累计输出 3,530 万美元，净盈利约 490 万美元，账户净值约 1,410 万美元（含本金），胜率 53.3%。这一组数字说明，胜率刚过 50% 配合相对克制的仓位管理，长期仍能在 Polymarket 上累出七位数净盈利。今年 4 月还出现过一个更具戏剧性的案例，账户「Beachboy4」单日盈利 612 万美元，主要来自托特纳姆热刺与桑德兰相关比赛的体育合约，但同一账户在此之前的累计亏损约为 68.8 万美元，单日翻盘完全消除了历史回撤。

但这些故事并非主流。根据西班牙 IMDEA 软件研究所的实证研究，Polymarket 上利润集中的钱包，绝大多数运行的是套利机器人、做市算法或高频交易系统。链上订单簿完全公开恰恰为机器交易者提供了系统化优势，具备低延迟 API 与概率模型的量化钱包，与一个临时打开网页的普通用户，并不在同一个对手盘上。

170+ 工具与跟单机器人：散户在试图武装自己

意识到这种结构性差距后，散户开始反向武装自己。

腾讯新闻 2026 年 1 月的统计显示，围绕 Polymarket 已经形成超过 170 种工具、机器人与产品。其中 Telegram 跟单机器人成为中文圈最活跃的工具入口。

OkBet 是首个将 Polymarket 完整下单与跟单功能搬到 Telegram 的产品，每笔买卖收取 1% 透明手续费，密钥通过 Google Cloud KMS 加密管理。Polygun 在 2026 年初收购了独立数据工具 Polymarket Analytics，将“识别聪明钱”与“自动跟单”合并为一站式产品。Kreo 在跟单基础上增加了每日亏损上限与止损规则，同时覆盖 Polymarket 与 Kalshi。PolyHub（Hubble 旗下）专注于聪明钱地址识别。此外还有 Polycule（多人协作下注）、Predictify Bot（AI 警报与订单管理）、Bankr（AI Agent 集成）等。

但跟单机器人并不像看上去那样万能。CryptoRank 与 BlockTempo 在 3 月发布的指南指出了三个典型陷阱。

第一，PNL 数据虚假繁荣。Polymarket 涉及买入、拆分、合并、赎回多种链上操作，工具计算维度选错会出现成倍偏差。第二，套利机器人对冲单边干扰。排行榜上常见的 automated Al trading bot 类地址通过跨市场套利获利，每一笔交易都有对冲头寸，跟单者如果只复制其中一条腿，承担的风险完全不对称。第三，高胜率不等于高预期收益。部分地址专挑胜率 98% 以上、即将结算的市场吃最后 0.02 美元的利差，跟单者复制后扣除手续费可能直接亏损。

更基础的物理障碍是，Polymarket 最小交易额为 1 美元。如果被跟单钱包资金量是 10 万美元、单笔押注占比 0.5%（即 500 美元），跟单方资金只有 100 美元时，按比例押注 0.5 美元会因低于最小单位而无法成交。

中文圈还围绕 Polymarket 形成了较为成熟的导流生态，polymarketcn.com 提供注册、充值（币安/OKX 直充）、出金、套利攻略的全流程教程，主要面向无法直接使用美元银行入金的中文用户。

世界杯的下一道压力测试

七天后世界杯开赛，预测市场即将迎来 2024 美国大选之后规模最大的事件级流量。Polymarket 「世界杯冠军」单一市场截至发稿时累计成交 16 亿美元，24 小时成交 700 万美元、流动性 4,600 万美元，赔率显示西班牙与法国并列约 16-17%，英格兰约 11-13%，阿根廷与巴西落在 9-12% 区间。Polymarket 围绕本届世界杯已开出 100 多个细分市场，包括 12 个小组冠军合约、最佳射手合约、Messi/Yamal 出场合约等。

值得注意的是，最近两份独立分析对预测市场散户胜率的判定，与英国博彩监管机构 2024 年针对传统体育博彩的统计结果几乎一致。也就是说，预测市场散户的输钱速度，与传统赌场散户大体相同。Polymarket 自己的产品页强调「平台 94% 的时间提前一个月就准确预测最终结果」，这是从市场作为聚合信号的角度做的宣传；但从散户个人收益的角度，市场预测的准确性与个人交易的盈利能力，是两个完全不同的命题。

预测市场是一个准确度极高的信号机器，这一点 Polymarket 与 Kalshi 反复强调；预测市场也是一个 84% 的用户亏钱的金融场，这一点同样有数据支撑。当世界杯把全球散户重新吸引上桌时，机构、做市商与套利机器人也在等他们入场。

Bernstein 把这个赛道的远期 TAM 估到 1 万亿美元。如果这个数字成立，那么相应规模的资金净流出将来自那 84% 的钱包。