加密初创公司转型之痛:熊市之中,该留还是该走?

MarsBit发布于2023-10-25更新于2023-10-25

文章摘要

【GPT】今年初,我合作过的至少5-10家初创公司转向了与加密货币无关的方向,考虑熊市情绪、最小化遗憾、非线性增长和发现秘密等因素。如果没有优势,最好还是留在加密货币,因为1-2年内可以深入了解。

自今年初以来,我紧密合作过的至少有 5-10 家初创公司转向了与加密货币无关的方向。
转型对于初创公司是正常的,大多数这些公司因为合理的原因而转型。例如:

  • 他们没有增长,也没有增长的想法。
  • 他们起床时对他们正在做的事情不再兴奋。

但我想特别讨论的是从加密货币转型的想法。因为我相信几乎每个人都曾经想过这个问题,尤其是如果这是你经历的第一个熊市。
说实话,每当一位创始人放弃加密货币时,我都会感到有些失望。但如果转型确实是合理的,我会祝他们好运,并且如果可能的话,我会希望继续参与他们的下一段旅程。但是,当你做出这样的决定时,有一些事情需要考虑。这一切的重点不是告诉你不要放弃加密货币,而是要在你的决策过程中考虑这些因素。
熊市情绪
熊市第二年下半年是市场情绪触底的时候。我在过去的 Twitter 和播客中多次谈到这个问题,因为我不仅一次,而是两次看到这种情况发生。
我不确定为什么总是这样,为什么加密货币周期总是持续 4 年。也许在心理上接受现实总是需要 1-2 年的时间。也许人们总是需要 4 年的时间去忘记上一个周期的繁荣和萎靡,以及从最后一个周期中学到的经验教训。
无论如何,这种周期性的情绪现在变得如此可预测,我会批判性地思考我缺乏信念背后是否有真正的实质内容,或者仅仅是由情绪引起的。我会尽力不让情绪左右我的决定。
最小化遗憾
我知道的每一个人,在上一个熊市中离开加密货币后都后悔了。每一个在上个熊市试图说服他们离开加密货币的人在牛市回来时都变成了笑柄。我过去也谈到过这个问题。
现在,这一次可能确实与以往不同,没有人知道。但我会尽力将后悔的风险降到最低。一种方法是给自己设定一个期限,在转向其他方向之前,尽量尝试所有在加密货币中的好点子。“至少我尝试了”。
非线性增长
许多创始人,尤其是那些来自 FAANG、YC 或传统创业界的人,离开加密货币,因为他们期望得到在 Web2 中通常预期的增长轨迹。
事实上,加密货币产品的增长轨迹很少是平稳的。相反,大多数产品是阶梯式增长。这对于更“原生”的加密货币产品尤其如此。这在很大程度上是由于整体市场的周期性。
现在,你可以说:“我不想依赖于一个我无法控制的外部因素,即,加密货币作为一个整体的增长”。这当然是一个合理的观点。但是,反驳的观点是,历史上每一个成功的加密货币公司都必须承担这个风险。他们每一个人都对加密货币的未来有一个坚定不移的愿景。如果 Coinbase 因为他们没有实现 5% 周同比增长而放弃加密货币,他们永远都走不到现在这一步。
发现秘密
建立一个初创公司的一部分是找到其他人不知道的秘密。在加密货币中,我发现对于新进入加密货币的创始人,通常需要至少 1-2 年的时间来“发现那个秘密”。
为什么需要这么长时间?嗯,我猜是因为加密货币是如此的反直觉,与 Web2 或 TradFi(大多数创始人来自的地方)如此不同。太多的创始人在不到 1-2 年的时间里放弃了加密货币,就在那个关键时刻之前。
更糟的是,熊市可能是找到那个秘密的最佳时机。泡沫和干扰都少了很多。创始人可以更清晰地思考。他们更有可能找到那些也会长时间留在这里的用户。
不公平的优势
相反,要在一个新行业取得成功,创始人需要知道一个其他人不知道的秘密。
所以,在追求新的闪亮的事物之前,你要问自己的一个关键问题是:“我在这个新行业有优势吗?”如果答案是否定的,那么你很可能最好还是留在加密货币,因为经过 1-2 年,你已经对加密货币了解得很多了。
你现在理解为什么加密货币如此重要。你建立了一个强大的网络。你整天都身临其境地与用户打交道。

热门币种推荐

你可能也喜欢

加州理工用AI攻克量子化学60年难题,1块显卡做完7800块的活

加州理工学院Anima Anandkumar团队利用人工智能攻克了量子化学领域存在60年的计算瓶颈。他们开发的AI模型“Kohn-Sham FNO”将密度泛函理论(DFT)的计算复杂度从传统的立方级降低至近线性级,实现了革命性突破。 传统DFT计算随体系增大,计算量呈立方增长,难以模拟大分子体系。该团队创新性地采用傅里叶神经算子,在DFT的迭代求解流程中替代了最耗时的核心计算步骤,而非直接预测最终结果。这种“思维链”式的分步迭代方法保证了计算的稳定性和外推能力,即使模型输出有误,后续迭代也能纠正,并能在超出能力范围时通过发散发出警报。 该模型仅用8504个结构进行训练,便能同时处理分子和固体材料,覆盖元素周期表前五行元素,展现出优异的泛化能力。在外推至训练集未见的大型药物分子时,其误差远低于直接预测模型。 实际验证中,该模型在单块NVIDIA B300 GPU上成功完成了包含8250个原子(82500个价电子)的金属缺陷模拟,计算完美收敛。相比之下,2019年一项对类似规模体系的全量DFT计算动用了约7800块GPU。实测计算缩放指数为1.03(近线性),而传统方法为3.37(立方级),意味着体系越大,效率优势越显著。 这项研究标志着AI开始替代物理计算中最耗时的重复运算部分。团队已基于此创立公司,并计划进一步完善模型以覆盖完整能量计算流程,未来在药物研发、电池材料设计等领域具有巨大应用潜力。

marsbit2分钟前

加州理工用AI攻克量子化学60年难题,1块显卡做完7800块的活

marsbit2分钟前

交易

现货

热门文章

加密市场宏观研报:美国“加密货币周”来袭,ETH开启机构军备赛高潮

本周,加密市场迎来两股重磅催化——华盛顿“加密货币周”的立法攻势与以太坊机构布局的密集爆发,共同构成加密行业2025年下半年的“政策拐点”与“资金拐点”。这一轮加密周期的深层逻辑,正从比特币转向以太坊、稳定币及链上金融基础设施。我们认为:美国的政策明朗化+以太坊的机构化扩展,标志着加密行业正进入结构性转正阶段,市场配置的重心亦应逐步从“价格博弈”过渡至“规则+基础设施的制度红利捕捉”。

2.3k人学过发布于 2025.07.17更新于 2025.07.17

加密市场宏观研报:美国“加密货币周”来袭,ETH开启机构军备赛高潮

相关讨论

欢迎来到HTX社区。在这里,您可以了解最新的平台发展动态并获得专业的市场意见。以下是用户对ETH(ETH)币价的意见。

活动图片