浅谈本轮牛市:这是最好的周期,拥抱这个过程

Odaily星球日报Publié le 2024-06-25Dernière mise à jour le 2024-06-25

Résumé

当真的有了 mass adoption,你会怀念那个尚未 mass adoption、万物萌发的时代。

原文作者:Luyao

李阳请我写篇文章,聊聊我对这个周期的看法。

因为我是他所认识的人里,为数不多看好这个周期的人。

这让我觉得很奇怪,有什么理由不看好呢?

这很像是种了果树,根在长,枝在长,叶在长,只是还没结果实而已。

如果你只盯着果实,那将会是漫长的痛苦。

币圈大多是投资者,很容易陷入这种没有果实的悲伤里。

我觉得大可不必,生长是需要时间的,连农民都知道果树不是一天长成的,更何况我们今天种下的是一些从未有过的新物种,更需要我们的耐心和爱。

17/18 年我们经历了一场 ICO 的浪潮,诞生了无数的山寨币、空气币、骗局。

当时许多人认为 crypto 走上了歧路,羞于提起这段历史。

人们心想,crypto 是一个伟大的、改造社会、拯救人类的东西,居然被用来发行这些没有意义的代币,甚至是骗局,太失望了。

有些人直到今天也是这么认为的。

然而站在今天回头看,我们会得出完全不同的结论。

正是这场投机浪潮带来的大量用户,直接推动了以太坊基础设施的发展,我们获得了更好的钱包、更好的 RPC 节点、更好的开发者工具、更多对于扩容的探索;

正是这场浪潮中创造的大量长尾资产,它们的交易借贷等金融需求,催生出了我们今天繁荣的 DeFi 生态。

甚至于我们可以说, 17/18 年是以太坊生命历程中,最重要的时期。

我们应当从中学到,每一个阶段都有它自身的意义,不要着急用当下的眼光去判断它。

前天 Arweave 发布了一个有趣的东西。

传统的 crypto - AI 交互有点像预言机模式,比如 Autonolas,AI 会在链下进行计算,然后将结果写入区块链。

而 Arweave 由于它特殊的合约机制,你可以将整个大模型存储在合约内并执行,实现链上原生 AI 与资产的交互。这不仅消除了中心化的风险,还增强了可组合性。

官方给出的示例很有意思。它们做了一个游戏,游戏里发行了一种「羊驼币」,你可以找到羊驼国王,用你真实的资产($AR)来换这个羊驼币,但至于他给不给你这个币,完全取决于他的意愿。这个国王就是 AI 控制的。

完全由 NPC 控制的资产发行,这是过去无法想象的。但显然,它并不仅限于此,未来还有更多可能性。

浅谈本轮牛市:这是最好的周期,拥抱这个过程

聊这些并不是要聊 Arweave,这不过是我们这个周期许多进展中的一个。

在游戏上,过去一年我们获得了更多真正可玩的全链游戏,和许多更好的工具;

在社交上,我们经历了将人代币化的 Friend.Tech,和完全去中心化的社交网络 Farcaster 等一系列项目;

在内容上,我们看到 Bodhi 试图将一切内容资产化,来构建一个基础 layer;

在 AI 上,我们获得了 Autonolas 等各种 AI agent,再到 AO 的 AI 模块;

在 Meme 上,我们见到了大量的新代币,甚至大量的用户自己创建的 Meme coin,以及降低 Meme coin 发行门槛的工具(如 pump.fun)。

上述这一切,过去一年发生的所有这一切,本质都是相似的。我们可以清晰地看到,crypto 在逐渐延伸到外围其他事物上。这些事物本身也是虚的东西:游戏 / 人 / 关系 / 内容 /AI/Meme,只是对于 crypto 该如何与它们交互,人们还在探索中。

不要问「这有什么意义」,万物的生长都有其意义,当下的我们还无法领悟,但最终我们都会明白。

不要问「什么时候有 mass adoption」,唯一可以肯定的一件事是,当真的有了 mass adoption,你会怀念那个尚未 mass adoption、万物萌发的时代。

这就是最好的周期,拥抱这个过程。

原文链接

Lectures associées

Aave grimpe face au Bitcoin alors que le récit institutionnel de la DeFi se renforce

AAVE affiche une performance remarquable face à un marché crypto affaibli, résistant à la pression générale exercée par la faiblesse du Bitcoin. Ce mouvement est attribué au renforcement du récit de la finance décentralisée (DeFi) institutionnelle et des actifs du monde réel (RWA), relancé par l'attention récente de Standard Chartered sur le protocole. La banque a mis en avant le rôle d'AAVE en tant que marché de prêt décentralisé majeur et mature, traduisant son potentiel en termes de revenus, de demande de crédit et de marché adressable pour un public institutionnel. Cette résistance suggère que les traders pourraient commencer à différencier les infrastructures DeFi solides, dotées de cas d'utilisation crédibles, du reste du marché des altcoins. La persistance de cette force relative sera un test clé. Si elle se maintient malgré la volatilité, cela pourrait indiquer une rotation du capital vers des protocoles aux fondamentaux robustes, même dans un contexte de pression sur le Bitcoin. Cette évolution s'inscrit dans des tendances de fond du marché : une régulation plus précise, un rapprochement des produits institutionnels avec les rails financiers traditionnels et une réaction rapide des traders à la liquidité réduite. Ainsi, l'épisode Aave est moins un catalyseur de prix isolé qu'un indicateur de l'évolution des infrastructures, des flux de capitaux et de la prochaine étape d'adoption de la cryptomonnaie.

bitcoinistIl y a 4 mins

Aave grimpe face au Bitcoin alors que le récit institutionnel de la DeFi se renforce

bitcoinistIl y a 4 mins

Huang Renxun : Les prompts sont en train de devenir obsolètes, les loops sont le nouveau paradigme

Prompt passe, place aux loops. Tel est le nouveau paradigme souligné par des figures comme Jensen Huang. Le concept de "loop" (boucle) désigne la conception de systèmes où l'IA exécute des tâches de manière autonome : elle définit ses propres instructions, vérifie les résultats, et réitère jusqu'à réussite ou épuisement du budget, sans intervention humaine constante. Contrairement à un agent simple qui nécessite une instruction à chaque étape, un système avec loop fonctionne en continu. Des produits comme Claude Code et OpenAI Codex l'ont déjà implémenté via des fonctionnalités comme `/goal` ou des automations, où un modèle écrit le code et un autre, indépendant, le valide. Pour construire une loop efficace, il faut : 1) s'assurer que la tâche est répétitive, automatisable et dans les limites budgétaires ; 2) commencer par une loop simple avec un déclencheur, une compétence, un fichier d'état et un contrôle ; 3) séparer clairement l'écriture et la validation du code ; 4) éviter les pièges comme l'absence de conditions d'arrêt ou la gestion de tâches nécessitant un jugement humain. Cette évolution s'inscrit dans une progression : après l'ingénierie des prompts (2023-2024), puis du contexte (2024-2025) et du "harnais" (environnement d'exécution, 2025-2026), l'ingénierie des loops représente la dernière étape, où le contrôle humain passe de la micro-gestion à la conception de systèmes autonomes. Des travaux académiques comme ReAct (2022) ont jeté les bases de ce principe de boucle réflexive. Bien que prometteuse, cette approche nécessite prudence quant aux coûts et à la préservation d'une compréhension humaine des systèmes automatisés.

marsbitIl y a 1 h

Huang Renxun : Les prompts sont en train de devenir obsolètes, les loops sont le nouveau paradigme

marsbitIl y a 1 h

GPT conçoit GPT

OpenAI a dévoilé son premier puce, Jalapeño, destinée à l'inférence des grands modèles linguistiques. Ce mouvement ne vise pas principalement à concurrencer Nvidia, mais marque une étape stratégique où OpenAI cherche à maîtriser l'ensemble du processus de production de l'intelligence artificielle, des modèles aux puces, en passant par les centres de données et l'énergie. Alors que l'écart entre les modèles se réduit, le vrai fossé se creuse au niveau de la puissance de calcul, des coûts d'inférence et de l'efficacité système. Chaque jeton (Token) généré représente un coût, et OpenAI, avec ses produits à forte demande comme ChatGPT, supporte une « taxe de calcul » importante sur le matériel externe. Jalapeño est conçu pour réduire cette « taxe d'inférence » en optimisant les coûts opérationnels quotidiens. Un détail crucial est le cycle de conception de seulement neuf mois, accéléré par l'utilisation par OpenAI de ses propres modèles d'IA pour aider à concevoir et optimiser la puce. Cela crée un cycle vertueux : de meilleurs modèles conçoivent de meilleures puces, qui réduisent le coût d'exécution des modèles futurs, permettant plus d'utilisateurs et de données pour affiner les prochaines générations de puces. OpenAI ne cherche pas à devenir un fournisseur de matériel comme Nvidia. Son approche s'apparente plutôt à celle d'Apple : construire un écosystème fermé et intégré où les modèles, les produits (ChatGPT, API), les puces et les infrastructures sont optimisés conjointement pour contrôler l'ensemble de la chaîne de valeur de l'IA. À long terme, cela pourrait repositionner les entreprises de modèles en tant que joueurs majeurs de l'infrastructure IA, aux côtés des fournisseurs de matériel traditionnels.

marsbitIl y a 1 h

GPT conçoit GPT

marsbitIl y a 1 h

Trading

Spot
Futures
活动图片