MegaETH联创:逃离迪拜的48小时,我重新审视了整个币圈

marsbit发布于2026-03-03更新于2026-03-03

文章摘要

MegaETH联创在亲身经历中东战火后,对技术与文明的关系进行了深刻反思。他指出,技术并非单纯推动文明进步,而是像杠杆一样放大文明原有的方向:在上升周期中,技术促进协作与生产力;在下行周期中,却可能沦为注意力武器甚至真实武器。 作者认为,加密货币的初衷并非仅是资产类别,而是构建一个并行金融系统,以更低成本、更少边界和灵活退出机制重塑金融。然而,行业过度追求合法性与机构认可,导致早期具有结构性意义但“无聊”的用例(如小额抵押贷款、跨境储蓄等)被边缘化。稳定币虽实现了“互联网货币”概念,却大多仅是传统主权货币的包装,而非真正独立的货币系统。 他呼吁加密社区重新审视行业方向:不应迎合传统金融体系,而应回归初心”,通过构建真正增强个人主权的基础设施,开辟一条平行的道路。技术放大何种价值,取决于人的选择——开发者、创始人和社区应优先选择协作工具而非注意力陷阱,以长期结构为导向,勇敢验证真相,磨利刀刃,拒绝懦弱。

我是在跨越阿联酋与阿曼边境后写下并发布这篇文章的。过境大约花了一个小时,过程十分丝滑。

在过去的 48 小时里,我完全被这场战争中所涉及的技术所震撼。这是我生命中第一次亲眼目睹导弹,并看着拦截系统将其摧毁。我还刷到了一些超现实、极客甚至有些诡异的细节,比如有报道称以色列黑客入侵了一个祈祷类 App,以此向伊朗人发送信息。

我一直从事科技行业,但这确实是我第一次亲历防御系统。这给了我一个关于技术与文明关系的全新视角。

技术可能会给人一种它在「升级」文明的错觉,但事实上,它只是放大了文明原本的前进方向——就像杠杆交易一样(先别绝望!)。

请允许我解释一下。

在健康的文明上升周期中,技术会成为生产力助推器和协作工具。早期的互联网给人的感觉正是如此。

我仍然记得 17 年前在北京申请美国大学时,在各种论坛上获得的帮助:陌生人分享建议、文书和策略(包括如何明智地使用提前决定录取)。那时,封闭 API 的概念闻所未闻。

但在下行周期中,技术变成了另一种东西。它变成了注意力武器(有时甚至是真正的武器!)。

我 60 岁的父母比我更沉迷于末日刷屏(我许多千禧一代的朋友都非常担心我们的父母)。曾经带给我们开放知识的同一个互联网,现在却在喂养算法成瘾。

这个框架解释了今天大多数加密原生代所感受到的内部张力。感觉加密货币正是为了我们现在所生活的这种世界而发明的,然而每个人都感到失望。

那么,到底发生了什么?

我不想重复许多圈内元老(OG)已经写过的关于「遗忘赛博朋克精神」或「与传统金融(TradFi)走得太近」的陈词滥调,我想提供两个想法:

加密货币从来不应该仅仅是一种资产类别。正如 Evgeny 在《黄金之路》(Golden Path)中所写的,加密货币旨在成为一套并行系统,一种以更少的边界、更低的协作成本和灵活的退出机制重新架构金融的方式。

然后,情况发生了转变。合法性被摆在我们面前,几乎来得太容易了。而一旦人们尝到了合法性的滋味,他们就会想要更多。

技术作为放大器,自然会寻找阻力最小的路径,即:与现有的权力结构融合,以进一步获得这种合法性。

需要明确的是,将机构引入区块链基础设施并没有错。

但在这一过程中,我们悄悄放弃了许多旧有的梦想。我发现自己越来越多地回归到那些早期的用例:小规模的足额抵押 / 欠抵押贷款实验、类 Tontine(养老金)结构,甚至是更好的跨境储蓄与兑换。

这些用例太无聊了。它们不会产生新闻头条,更不用说代币热度。在追求注意力最大化和估值的竞赛中,这些小众但具有结构性意义的想法被边缘化了。

稳定币完美地体现了这种悖论。它们实现了「互联网货币」的论点,但通常只是作为主权货币的一种更好用的「包装」,而不是一个结构上独立的货币系统。

顺便说一句,Mega 肯定也有责任。我们还有很长的路要走。

在我看来,今天的许多成功本应被称为"区块链",而不是"加密"。如果目标是为传统金融成为中间件,那也没问题。但让我们诚实地承认这一点。后端集成 ≠ 重新发明。

够了,价格从来不是大家感到失望的原因。一个悲哀的现实是:在我们「能建造什么」和「选择建造什么」之间,我们选错了方向。

回到最初的话题:这场战争告诉了币圈人什么?

如果我们放大视角,文明的确有其周期。作为一个中国人,我从小学习朝代的更迭。但在所有那些关于帝王、将相和反叛者的故事中,最终闪耀的是个人的能动性。

我不知道还能怎么说,但加密原生代不会因为被人喜欢而获胜。

我们最初之所以能取得一点成功,是因为我们不断发现旧系统不足的原因,并公开批评它们。然后不知何故,任何反对建制的声音在这一过程中都被平息了。

在下行周期中,让技术放大金融化、操纵和表面增长很容易。而利用它默默构建能够扩展真实主权的、枯燥的基础设施则更难。

但开发者仍然可以选择编码哪种激励机制。创始人仍然可以决定优先考虑哪些用例。更重要的是,社区仍然可以选择捍卫哪些价值观。

如果社会情绪漂向不安全感和寻求认可,技术就会放大这种不安全感。但如果有足够多的人有意识地将自己锚定在长期结构上,锚定在协作工具而非注意力陷阱上,那么也许杠杆仍然可以为我们所用。

很多朋友不赞成我跨境去阿曼,他们说边境开开关关,很混乱,让我留在迪拜。迪拜确实很舒适。但如果不亲自验证,我永远不知道那些说法是真是假。结果是,边境安静,人很少,流程顺畅。

世界的大环境对我们不利,但长远来看可能对我们有利。

对于我们币圈人来说,重新定位自己,亲自去核实,选择正确的事情,并以最老套的方式,开辟一条平行的道路,永远不会太晚。

就像我最喜欢的 YouTuber 说的:你可以拥有一把非常锋利的刀,但如果握刀的人是个懦夫,那么什么都不会发生。让我们磨利刀刃。让我们不要做懦夫。

证明完毕(QED)。

相关问答

QMegaETH联创在迪拜的48小时经历中,哪一事件让他对技术与文明的关系有了新的认识?

A他亲眼目睹了导弹被拦截系统摧毁,以及以色列黑客通过祈祷App向伊朗人发送信息等事件,这些让他意识到技术并非单纯升级文明,而是像杠杆一样放大了文明原本的前进方向。

Q作者认为技术在上行周期和下行周期中分别扮演什么角色?

A在上行周期中,技术是生产力助推器和协作工具;而在下行周期中,技术变成了注意力武器甚至真正的武器,放大不安全感和算法成瘾。

Q作者指出加密货币最初的目标是什么?而现在的发展偏离了这一目标的哪些方面?

A加密货币最初旨在成为一套并行系统,以更少边界、更低协作成本和灵活退出机制重新架构金融。但现在的发展过度追求与传统金融融合以获得合法性,放弃了早期如足额抵押贷款、养老金结构等具有结构性意义的实验性用例。

Q作者如何评价稳定币在加密货币领域的作用?

A作者认为稳定币虽然实现了“互联网货币”的论点,但本质上只是主权货币的更好用“包装”,而非结构上独立的货币系统,这体现了加密货币发展中的悖论。

Q文章最后,作者呼吁币圈人应该采取哪些具体行动?

A作者呼吁币圈人重新定位自己,亲自验证事实,选择构建能够扩展真实主权的枯燥基础设施,优先长期结构性价值而非短期热度,并坚持开辟并行道路,避免成为懦夫而放弃初衷。

你可能也喜欢

生成模型也能端到端训练了?核心竟是一个for循环

长期以来,深度学习在图像分类、检测等任务上凭借端到端训练取得了巨大成功,但生成模型领域却始终是个例外。当前主流的自回归、扩散模型等训练时只学习预测“一小步”,推理时则需要反复展开数百上千步,这种训练与推理的不一致导致了“暴露偏差”等问题,使得生成模型一直未能实现真正的端到端训练。 最近,一篇来自UIUC与哈佛大学的论文提出了“探索式建模(Explorative Modeling,XM)”新范式,其核心是一个简单到近乎朴素的for循环:在每个训练步骤中,模型生成K个候选样本,然后仅选取其中最接近真实数据的一个样本来计算损失和回传梯度。这种做法巧妙地绕开了传统生成模型中因使用重构损失(如平方误差)而导致的“模态模糊”问题——即模型倾向于输出多个可能答案的平均值,而这个平均值往往不属于任何真实的数据模式。 XM通过这种方式,在不拆分生成过程的前提下,直接提升了模型的“生成表达力”,即模型捕捉数据分布中多个独立模式的能力。论文将“探索”验证为继模型参数量、数据量之后的第三根可扩展轴。实验表明,随着模型规模、数据量和计算量的增大,探索带来的性能收益越发显著,在图像、视频、语言等多种任务上均能带来效率与质量的提升。 更重要的是,当探索程度足够时,XM可以实现真正的端到端生成。在机器人控制等任务中,仅需一次网络前向传播的XM策略,其性能可媲美甚至超过需要上百次前向的扩散模型策略,实现了推理效率的飞跃。 尽管“最佳K样本选择”的思想并非全新,但该研究的贡献在于清晰地揭示了这一简单机制如何直接解决生成模型的核心瓶颈,并为实现高效、端到端的生成模型开辟了新的可能性。随着模型规模的持续扩大,探索这一新维度可能将发挥越来越关键的作用。

marsbit17分钟前

生成模型也能端到端训练了?核心竟是一个for循环

marsbit17分钟前

年薪百万抢电工,Meta急到自己办技校

AI竞赛正面临新的瓶颈:工地。美国正面临严重的电工、建筑工等技术工人短缺,这已成为微软、Meta、OpenAI等公司快速建设超大规模AI数据中心(如OpenAI耗资160亿美元的“星际之门”项目)的“头号障碍”。 尽管AI公司愿支付高薪(如电工年薪可达24-28万美元),远超传统行业,但熟练技工仍供不应求。麦肯锡预测,美国在2023-2030年间需额外培养13万名电工和24万名建筑工,而劳工统计局预计每年仍有8万个电工岗位空缺。这种短缺导致项目延迟,每月可能造成数百万美元的收入损失。 AI数据中心建设复杂,需应对巨大功耗(一座设施耗电堪比数十万户家庭)、复杂的配电系统以及高密度散热(需液冷技术)等挑战,因此亟需大量技术娴熟的工人。 为此,科技巨头开始亲自下场培养人才。例如,Meta投入1.15亿美元建立建筑工人培训学校,提供免费培训及生活补贴,以快速输送工人上岗。OpenAI则与建筑工会合作,提前锁定熟练劳动力。同时,企业也将招聘目光投向高中生,鼓励年轻人投身技工行业。这些举措已见成效,Z世代对技工职业的兴趣显著上升。 然而,更深层的挑战在于电力。AI数据中心用电量正以惊人速度增长,已推高部分地区的电价。此外,数据中心建设是项目制的,建设期需要成千上万的工人,但建成后仅需少量常驻人员。这意味着未来可能面临熟练工人短期过剩、并流向其他行业压低薪资的风险。如何实现劳动力与电力资源的长期平衡,仍是悬而未决的问题。

marsbit2小时前

年薪百万抢电工,Meta急到自己办技校

marsbit2小时前

交易

现货
活动图片