深度研究新聞

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。

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

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

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

AI 正在制造新的"信息穷人"？

AI正在制造新的“信息穷人”，其本质并非被技术排斥在外，而是拥有工具却缺乏判断力。AI时代，答案变得廉价且人人可得，但真正稀缺的是判断答案、将答案转化为实际机会的能力。不平等的分化首先体现在工具获取上：高收入人群更易接触并付费使用高级AI，而低收入人群多被动使用免费、内置的简化版本。其次在职场中，AI的使用权限与培训机会高度不均，高薪、资深员工更可能被授权使用AI提升核心工作，而基层员工往往只能接触边缘任务自动化，错失成长机会。最根本的分化在于判断力：AI输出的流畅内容易被缺乏专业基础者照单全收，而经验丰富的使用者却能识别谬误、善用工具。实验证明AI有潜力帮助技能较低者提升，但在现实的不平等社会结构下——包括接入、场景、培训和判断力的差异——技术红利并未平等分配。历史表明，通用技术的普及总会先惠及已具备互补资本的人，AI可能以更快的速度加深这种分化。因此，新“信息穷人”的特征是：拥有AI和答案，却缺乏判断力与权限，在消费智能中并未积累智能。在这个由判断力决定价值的时代，仅满足于“感觉变聪明”可能是最危险的误区。

marsbit06/08 11:38

因一篇14页论文被谷歌“赶走”，超4000人为其声援，6年后再看：当年她几乎预言了整个AI时代

2020年，谷歌伦理AI团队联合负责人Timnit Gebru因一篇未发表的论文与公司发生冲突并遭解雇，事件引发超4000人联名声援。这篇名为《随机鹦鹉的危险》的论文在当时极具前瞻性，指出大型语言模型本质是复现语言模式而非真正理解，并预警了多个风险：模型会生成看似合理但错误的信息（即如今的“AI幻觉”）；会学习并放大训练数据中的偏见；训练大模型将带来巨大的能源消耗与环境影响；训练数据难以审计，可能包含有害内容；AI生成内容充斥互联网将导致“模型崩溃”，并使话语权集中于少数科技巨头。如今，这些预言几乎全部应验，成为AI行业面临的现实挑战。Gebru离开谷歌后创立了分布式AI研究所，专注于研究科技巨头可能回避的伦理与社会问题。六年后再看，她并非反对AI发展，而是更早地看到了其中潜藏的深刻问题。

marsbit06/08 10:29

因一篇14页论文被谷歌“赶走”，超4000人为其声援，6年后再看：当年她几乎预言了整个AI时代

marsbit06/08 10:29

关掉AI再来面试：Anthropic在筛选什么样的人

标题：关掉AI再来面试：Anthropic在筛选什么样的人摘要：Anthropic近期成为全球估值最高的AI创业公司，吸引了大量顶尖人才，但其招聘方式独树一帜。其面试分为五轮，关键环节是“文化面试”，禁止使用AI，专注于考察候选人的价值观、世界观及对AI风险的深层思考。面试官可能来自任何部门，并拥有一票否决权。问题高度个人化，旨在评估候选人是否拥有独立、坚定的立场，以及在伦理困境中展现的真实纠结与反思能力。与此形成对比的是，Google等公司鼓励在面试中使用AI以评估协作能力。Anthropic则认为，在AI能近乎免费生成观点的时代，真正稀缺的是“关掉AI之后还剩下的东西”——即个体内生、未经外包的思考与信念。公司创始人投入大量时间维护这种文化，使得员工留存率远高于同行。其招聘逻辑指向一个核心：寻找那些不随工具变化而动摇、拥有自身坚实立场与独立思考能力的人。

marsbit06/08 09:35

Skill 的正确打开方式：Anthropic 公开内部方法论后的 5 点反思

Anthropic团队公开了其内部构建Claude Code时使用Skill的方法论，文章指出Skill的本质是“上下文工程”，旨在沉淀组织内的隐性知识，而非简单堆砌提示词。核心反思包括五点： 1. **避免废话**：Skill应专注于记录模型不知道的“Gotchas”（常见陷阱），如特定系统的独特限制或易错点，而非重复常识。 2. **Skill是上下文工程**：Skill应是一个结构化的文件夹（包含导航文件SKILL.md、参考资料、脚本、示例等），而非单一文档。核心原则是“渐进式暴露信息”，只在需要时加载相关内容，以优化上下文使用，避免信息过载导致模型性能下降。 3. **优先使用脚本**：将重复性、确定性的操作流程（如数据查询、格式化）封装成脚本，而非写入冗长的指令。脚本能固化最佳实践，确保执行准确并节省Token，让模型专注于需要经验和判断的部分。 4. **描述是路由规则**：Skill的描述（Description）应清晰说明“在什么用户意图或场景下应加载此Skill”，而非罗列功能。这有助于模型在众多Skill中做出准确的调用决策。 5. **轻量级管理与分发**：Skill的管理应随团队规模灵活调整。初期可随项目代码库共享。数量增多后，可借鉴Anthropic的轻量级思路：新Skill先在小范围试用和自然传播，经受真实场景检验后，再被广泛采纳或纳入官方市场，避免繁重的审批流程。总之，优秀的Skill解决的是知识沉淀、能力复用和上下文优化问题，其价值在于将分散的专家经验转化为团队可稳定调用的能力。

marsbit06/08 09:06

marsbit06/08 09:06

Crypto 为什么总在造「赌场」，却很少造出「离不开的产品」？

本文探讨了加密货币为何难以创造如主流互联网平台那样让用户产生深度依赖（文中称为“沙发瘫”或“沙发锁”现象）的日常产品，而多与投机和赌博机制相关联。作者借由“沙发奇点”的概念，指出成功平台通过提供极致便利，使用户因切换成本过高而被“锁定”。加密货币虽然通过价格波动等“可变奖励机制”吸引了大量投机行为，但这种兴奋感并未转化为实用的、高频的日常应用依赖。核心问题在于，加密货币旨在解决的大多是普通人感知不强的底层金融效率问题（如跨境汇款中的代理银行系统），而非像互联网那样直接解决明显的日常痛点。因此，它缺乏让大众产生“顿悟时刻”的直观体验，采用门槛高，仍需大量解释。此外，文章对比了加密货币与大型科技公司在数据资产上的差距。后者通过海量用户行为数据构建精准预测模型，而区块链主要记录金融交易，缺乏对行为动机的洞察，难以形成同等商业价值。文章也审视了加密货币在基础设施层面的依赖问题，以及其在现实世界资产（如房地产）Token化中的矛盾角色：技术本身中立，可能反而赋能大型机构，加剧市场垄断而非促进普惠。最终，作者认为加密货币或许更适合作为底层结算轨道等企业级基础设施存在，这虽与打造消费级“超级应用”的梦想不同，但仍是一项重大成就。其真正的潜力在于提供脱离中心化控制的工具，帮助构建对抗剥削性平台模式的新系统。

marsbit06/08 06:17

marsbit06/08 06:17

JP Morgan 年中研报解读：AI 超级周期仍未结束，减少现金持有+实物资产配置

摩根大通（J.P. Morgan）在2026年中期展望报告中，对下半年投资提出了谨慎乐观的配置建议。报告核心观点是：市场对全球三大风险（碎片化、通胀、AI颠覆性）定价过度悲观，当前震荡是入场窗口。主要结论如下： 1. **AI超级周期尚未结束**：五大云巨头（微软、Meta、Oracle、谷歌、亚马逊）2026年资本开支预期超6500亿美元，AI投资持续推动经济增长。但巨头正从轻资产转向重投入，自由现金流预计下降，市场需适应这一转变。 2. **传统软件受冲击**：SaaS公司受AI影响显著，许多股价已腰斩，私募信贷中软件敞口较大，商业模式面临挑战。 3. **通胀结构性走高**：核心PCE在能源冲击前已粘在3%附近。现金和债券实际收益落后于物价涨幅，持有现金可能导致慢性亏损。建议增配实物资产（大宗商品、基础设施、房地产、黄金）和对冲基金以对冲通胀。 4. **地缘冲突下的机会**：霍尔木兹海峡封锁推高油价，但历史数据显示市场恐慌（VIX突破30）后买入美股，6个月内正收益概率高。建议趁回调加仓。 5. **新兴市场存在机遇**：新兴市场企业盈利增长预期强劲，估值较低。拉美资源丰富，东亚（台湾、韩国）是AI硬件供应链关键节点。中国股市折价达20年最深，若政策面改善可能迎来重估。欧洲则因成本高、创新弱而被相对看淡。 6. **投资方向调整**：建议押注AI基础设施链、新兴市场、实物资产及国防板块；规避现金、传统软件、欧洲消费及僵化的股债六四配置模式。报告强调，应关注框架与数据逻辑，而非单一结论，投资者需独立决策。

marsbit06/08 03:59

JP Morgan 年中研报解读：AI 超级周期仍未结束，减少现金持有+实物资产配置