深度研究新闻

提供深度研究报告与独立分析,结合数据、技术与经济视角,对区块链生态、项目潜力与市场趋势进行系统性剖析。

AI Agent 彻底改变 Web3 游戏:从 Rugpull Bakery 机器人争议到 2026 智能体新范式

摘要:最近,Abstract链上烘焙游戏Rugpull Bakery因第二赛季中机器人脚本泛滥引发公平性质疑,开发团队在第三赛季选择将AI智能体“合法化”,并发布官方操作指南(skill.md与agent.json),标志着Web3游戏正式进入以自主决策、算法优化与链上经济为核心的“智能体游戏”(Agentic Gaming)时代。 目前,AI智能体在Web3游戏中的应用已演化出三大核心模式:一是自主竞技者与经济实体模式(如TEN、AI Arena、Satoshi Strike Force),智能体作为独立参赛者,玩家可担任“经纪人”或“教练”分享收益;二是模块化基础设施与可编程环境模式(如EVE Frontier),通过“智能组件”系统让AI驱动游戏设施,实现动态规则与经济逻辑,并结合ERC-8183标准使智能体具备自主雇佣与协作能力;三是混合型伴侣与动态适应环境模式(如Parallel Colony、Illuvium),玩家与高度自主的AI角色共生协作,形成动态叙事与个性化体验。 行业基础设施也在加速演进,例如Somnia转型为专为AI智能体设计的Layer 1区块链,支持高性能链上自主运行。这些发展表明,试图封堵自动化已不现实,利用区块链的透明性与可编程性规范并赋能智能体,才是未来方向。2026年的Web3游戏正从“人力密集型”转向“算法智能共生”,玩家角色转变为指挥者与伙伴,行业进入“后人类”协作与竞争的新纪元。

marsbit06/09 08:07

AI Agent 彻底改变 Web3 游戏:从 Rugpull Bakery 机器人争议到 2026 智能体新范式

marsbit06/09 08:07

苹果终于承认,Siri 老了

苹果在WWDC 2026上正式承认Siri已落后于时代,并宣布其人工智能战略的重大转向。发布会核心是将Siri升级为“Siri AI”,并与谷歌达成深度合作,利用Gemini大模型的能力来训练苹果的新一代基础模型。苹果发布了五个不同规格的Apple基础模型,并首次将私有云计算(PCC)扩展至谷歌云和英伟达的GPU。 文章回顾了Siri自2011年诞生以来的发展历程,指出苹果虽早早布局个人助理概念,但因过度追求封闭与控制,限制了Siri向真正智能助手的发展。过去十年,苹果的AI能力以端侧、隐私保护的形式深度集成于系统中,但生成式AI的浪潮改变了竞争规则。 面对ChatGPT等产品的压力,苹果内部进行了人事与团队结构调整。2026年,苹果选择与谷歌合作,通过“蒸馏”方式,利用Gemini训练更小、更适合端侧运行的模型,这标志着苹果在核心AI技术上放弃了完全自研的路径。 对于用户,苹果描绘了AI深度融入系统体验的场景:智能整理通知、邮件摘要、跨应用理解上下文等。Siri也有了独立应用和记忆功能。然而,新功能有较高的硬件门槛,且在中国市场将面临本土化适配与监管挑战,实际体验可能与美国不同。 文章最后指出,苹果AI的未来关键在于如何作为“个人”智能,在提升效率与尊重用户隐私、理解人性复杂之间找到平衡。苹果借用了外部的模型与算力,但真正考验在于学会在理解用户生活的同时,“知道在哪里停下来”。

marsbit06/09 07:15

苹果终于承认,Siri 老了

marsbit06/09 07:15

如何用 Claude 的 Dynamic Workflows 做深度研究

做技术调研容易陷入信息过载和结论模糊的陷阱。AI虽执行力强,但易困于当前信息且跨界联想弱。Claude近期推出的Dynamic Workflows(动态工作流)功能,旨在通过AI自动设计并执行任务流程来提升深度研究能力。 其核心是六种工作流模式:1) 路由模式:由主Agent判断任务类型并分发给最专业的子Agent处理,精准高效但处理模糊任务能力弱;2) 拆分合并模式:将任务拆分为多个独立子任务并行执行后合并结果,速度快但Token成本高,合并有挑战;3) 对抗验证模式:让多个Agent从反驳角度挑战同一结论,基于多数票通过,能有效减少确认偏误,但需基于事实而非观点;4) 生成与过滤模式:先生成大量候选方案,再用预设标准筛选出最优,能提升多样性,但过滤标准至关重要;5) 锦标赛模式:多个Agent竞争同一任务,通过两两对比逐轮淘汰选出最优,评判更稳定;6) 循环模式:通过自适应迭代不断尝试直至满足条件,擅长处理边界未知的任务,但有失控风险。 相较于作者自建的深度研究技能,官方的动态工作流增加了关键环节:问题拆解、信息可信度评估、交叉删除(投票淘汰而非简单合并)以及目标导向的输出。这有效解决了AI长任务中的目标漂移、过早停止、上下文污染和输出偏向等问题。 总之,Dynamic Workflows将研究流程本身结构化,通过多Agent的智能调度,显著提升了研究的效率和结论的可靠性,将以往可能需要十几次对话的调研压缩到3-4次,尽管Token消耗大幅增加。但它仍有局限:在验证机制上可能过于依赖官方文档而非事实数据;对于完全跨界、数据不足的深度思考支持有限;在解决方案的验证与成本权衡上仍有不足;在针对不同受众进行信息极致浓缩方面也需进一步优化。

marsbit06/09 03:07

如何用 Claude 的 Dynamic Workflows 做深度研究

marsbit06/09 03:07

为什么以太坊还需要 Kohaku?隐私问题不只发生在交易里

以太坊基金会近期更积极地推动名为Kohaku的隐私工具集,旨在解决以太坊公开透明特性带来的用户隐私焦虑。Kohaku并非单一产品,而是一组整合隐私协议、钱包体验、开发者工具和日常使用场景的基础设施工具,目标是让隐私能力更易用、更自然地融入以太坊生态。 文章指出,以太坊的透明性虽有利于审计和可组合性,但也导致用户链上行为(如资产、交易、社交关系)近乎完全暴露。Kohaku试图补足从隐私协议到实际用户体验的中间层,具体方向包括:在钱包层鼓励用户按场景管理不同账户,而非长期复用单一地址;推动交易从“全公开”转向“可控制的可见性”,并集成Railgun等隐私池协议;保护RPC查询等网络层行为,防止信息在数据请求环节泄露;以及通过工具包降低开发者集成隐私功能的门槛。 文章澄清了关于隐私的常见误解:隐私不等于犯罪工具,而是用户的基本权利;现有隐私协议未能解决用户体验门槛问题;Kohaku是工具集合而非独立产品;隐私与合规可通过选择性披露等方式协调。若Kohaku的理念被广泛采纳,用户未来或将感受到更便捷的账户管理、更低的隐私功能使用门槛以及对信息边界的更多控制权。 最终,Kohaku代表着以太坊向成熟公共基础设施演进的关键一环——在保持开放参与的同时,让用户能保有合理的隐私边界。

marsbit06/09 00:43

为什么以太坊还需要 Kohaku?隐私问题不只发生在交易里

marsbit06/09 00:43

当推理成为稀缺资源,价值由谁捕获

当推理成为稀缺资源,价值由谁捕获?本文探讨了AI算力市场中,推理(inference)正取代训练成为核心瓶颈与价值捕获点的趋势。 2023年提出的“2000亿美元问题”指出GPU超前建设可能带来收入缺口,而2024年该问题已扩大为“6000亿美元问题”。市场近期开始意识到,缺口实际上正通过推理侧的需求来填补。推理是持续性的运营成本,伴随每次模型调用而增长,其市场规模可达训练的10至50倍。 英伟达最新财报将业务重组为“数据中心”与“边缘计算”两大平台,凸显推理已成为战略核心。边缘计算虽当前占比小,但代表了推理向终端设备的延伸。同时,Cerebras的IPO获得超额认购,也因市场看好其专注于推理加速的芯片架构。 Anthropic的案例进一步印证了推理资源的紧张:其因使用量远超产能而接管大型数据中心专用于推理,并对高频的agentic使用改为按量计费,说明推理已成为制约应用扩张的关键因素。 在AI算力栈中,价值沉淀点正在转移。大多数公司只占据从芯片制造到API服务中的某一层,而Hyperbolic作为一家不持有GPU的聚合平台,通过整合多来源的碎片化算力供给,提供统一、低成本的GPU租赁与路由服务,形成了“供给聚合-数据洞察-优化路由-吸引更多用户与供给”的飞轮。与之相比,Venice等应用层公司虽直接面向用户,但其利润受限于向底层购买的推理算力成本,凸显了聚合层在产业链中的潜在优势。 最终,随着agentic AI和物理AI推动推理需求爆发,价值可能不会流向持有最多硬件的公司,而是流向能高效聚合、路由并优化算力资源的那一层。Hyperbolic正试图成为这样的关键聚合层,在推理成为稀缺资源的时代捕获核心价值。

链捕手06/08 15:38

当推理成为稀缺资源,价值由谁捕获

链捕手06/08 15:38

当AI开始审计世界:从Claude发现ZEC漏洞,看加密行业正在进入“递归安全时代”

人工智能正从生产力工具演变为复杂系统的分析者与参与者,其影响正从研发领域延伸至安全领域。近期,Anthropic提出了“递归自我改进”概念,揭示AI已开始协助人类进行模型研发、代码优化等环节,形成加速自身发展的飞轮效应。几乎同时,Claude AI在审计Zcash代码时发现了一个零知识证明系统中的关键漏洞,并促使团队快速修复。这一事件超越了单纯的技术发现,它标志着AI开始深度参与理解、分析和验证复杂系统,尤其可能重塑区块链安全范式。 传统的区块链安全高度依赖人工审计与有限工具,面对日益增长的系统复杂度存在瓶颈。AI,特别是大模型,擅长处理海量信息与复杂逻辑关联,能大幅降低风险发现成本、缩短漏洞存在时间,使安全从阶段性检查转向持续监测与响应。这种由AI与人类专家协同驱动、具备持续反馈与进化能力的机制,可被称为“递归安全”。 安全行业因其需在庞杂系统中定位少数异常点的特性,成为AI能力释放的优先领域。AI不会消除风险,而是加速了整个攻防体系的信息处理效率,对防御方和攻击方能力均有提升。未来,安全的关键可能不再是漏洞数量,而在于风险发现速度、修复效率及系统韧性。行业竞争维度将转向构建持续的风险管理能力。Claude发现ZEC漏洞正是这一趋势的早期信号,预示着一个由AI驱动、持续演化的“递归安全时代”正在开启。

marsbit06/08 13:20

当AI开始审计世界:从Claude发现ZEC漏洞,看加密行业正在进入“递归安全时代”

marsbit06/08 13:20

从 MSTR 到 STRC+:Strategy 宇宙的尽头在哪里

摘要:本文探讨了Strategy公司(前身为MicroStrategy)如何从一家持有大量比特币的上市公司,演变为围绕比特币构建复杂金融产品和链上信用体系的生态。公司核心在于通过发行普通股(MSTR)、永续优先股(STRC)及其他结构化工具,将比特币持仓转化为不同风险、久期和收益偏好的金融产品,并尝试将这些传统市场的现金流引入DeFi(如Saturn和Apyx协议),以创造链上稳定币收益。 文章分析了MSTR的估值飞轮依赖于比特币价格上涨和资本市场给予的溢价(mNAV),但其弱点在于受市场情绪、融资成本和比特币价格波动的多重制约。重点剖析了STRC作为高收益信用工具的风险来源:其股息支付能力根本上取决于比特币资产缓冲的厚度、公司的现金管理能力以及市场对整体叙事的信心。在极端市场条件下,STRC可能面临价格脱锚风险。 最后,文章展望了Strategy生态的三种可能前景:乐观情况下成为连接比特币、传统资本与DeFi的信用基础设施;中性情况下作为高风险高收益的细分产品存在;悲观情况下则在市场压力下回归为纯粹的比特币信用风险资产。其终极边界在于市场是否长期接受以比特币为抵押基础、以上市公司为中介、以优先股股息为收益来源的整套新信用体系。

marsbit06/08 13:01

从 MSTR 到 STRC+:Strategy 宇宙的尽头在哪里

marsbit06/08 13:01

杨歌 Gary:Agent 经济与 AI 亚微观经济学

本文探讨了AI Agent经济与AI亚微观经济学的前沿趋势。文章指出,自“奇点”爆发以来,全球AI发展迅速,形成了新的“文明代际”。当前,硅谷等前沿地区已从单机AI(Claws & Agents)的瓶颈,进入到关注“Agent经济”(由自主AI智能体参与价值创造与交换的体系)和A2A(Agent间交互)生态构建的新维度。 文章围绕几个核心要点展开: 1. **AI支付(AI Payment)的竞争与H2A经济的瓶颈**:尽管Q2涌现了大量AI支付协议,但多数仍围绕H2A(人对Agent)场景,这本质上是非AI原生的。AI Agent的核心决策能力未得到充分发挥,H2A模式很快遇到瓶颈。聪明的企业开始以AI-Native思维反推,为A2A经济做准备。 2. **Agent经济与A2A生态的必然趋势**:由自主AI Agent作为经济主体直接参与价值活动的Agent经济,以及A2A生态的构建,被视为下一个关键投资方向。其发展范式类似互联网、移动互联网和DeFi的酝酿期,但速度更快、视角更抽象(非纯人类中心),且面临更大的共识挑战。 3. **AI协议与Crypto协议的关联与鸿沟**:AI协议是Agent经济活动的基础规则,目前形态多样(如文件、API),侧重信息与能力交换。而Crypto协议更侧重资产确权。两者虽有融合为统一数字协议的趋势,但目前存在明显鸿沟,部分原因在于当前AI经济仍受制于传统金融法律框架(如KYC)等政治经济因素。然而,AI Agent遵循第一性原理和效率优先原则,将挑战现有金融法律体系。 4. **AI Agent亚微观经济学特点与生物学类比**:AI Agent经济行为具有高频小额、能量驱动、效率导向、任务导向、组织与沟通成本趋近于零等特点。文章用生物学细胞结构类比AI Agent系统(LLM如细胞核,Agent Harness如细胞质,协议栈如细胞膜),描绘了一个类似生物机体的、正在形成的亚微观经济学环境。 5. **AIFi的必然与金融芯片(FinChip)**:随着AI Agent成为价值发现的主体,AI原生金融(AIFi)应运而生,其价值核心在AI,金融是表现形式,这与DeFi/TradFi相反。作者提出的“金融芯片”(FinChip)概念,旨在构建融合AI自主性与Crypto协议、兼容H2A与A2A的AIFi基础设施。 6. **AI-Native是范式升级**:AI+的产业升级远复杂于互联网+。AI发展快速、形式抽象、与业务深度耦合,短期内难以形成通用升级方法论。构建未来商业范式需要彻底的“AI原生思维”,即遵循第一性原理和效率最高原则,这对于所有从业者都是持续的巨大挑战。

链捕手06/08 12:12

杨歌 Gary:Agent 经济与 AI 亚微观经济学

链捕手06/08 12:12

从《大空头》到旧金山:AI泡沫里的狂欢与眩晕

《从〈大空头〉到旧金山:AI泡沫里的狂欢与眩晕》一文以电影《大空头》中“闻到了钱的味道”为引,描述了作者从纽约搬到旧金山后对当前AI热潮中心地带的观察。文章指出,旧金山密集的技术公司、风险资本与狂热氛围共同构成了真实的“泡沫”现场,信息不对称与财富创造在此同时上演。 作者总结了在旧金山的几点核心感受:首先,城市中弥漫着一种“发抖”般的焦虑能量,人们被“逃离永久底层”的心态驱动,体现出“大泡沫行为”。其次,旧金山几乎只有“科技”这一种地位游戏,人们通过融资轮次、估值等虚荣指标相互比较,攀比氛围浓厚。再者,城市中充斥着关于AGI(通用人工智能)的“末日论”情绪,研究者的悲观与市场团队的乐观形成反差。最后,投资界对数学竞赛天才出身的创始人有着近乎迷恋的追捧,将其视为获取超额回报的“门票”。 文章并未简单判断泡沫是否会破裂,而是聚焦于呈现泡沫中的众生相:人们如何在亢奋、比较、投机与恐惧中寻找自己的位置。文末引用投资人的建议提醒读者:可以参与这场派对(“跳舞”),但需保持清醒(“别喝醉”),避免被泡沫行为扭曲判断。整体而言,这是一份对AI热潮中心地带的生动现场记录,描绘了技术创新、金融投机与人性交织的复杂图景。

marsbit06/08 12:11

从《大空头》到旧金山:AI泡沫里的狂欢与眩晕

marsbit06/08 12:11

活动图片