FSynfutures 價格

美光将于6月24日盘后公布季度财报，其股价在过去一年中上涨了约11倍，市值达到1.28万亿美元，成为AI存储行情的关键考验。市场预期其每股盈利同比暴涨约932%，营收增长约270%，主要受高带宽内存（HBM）需求推动，其2026年HBM产能已售罄。 过去三个月，华尔街分析师已大幅上调盈利预期达68%，但预测区间差异巨大，显示市场判断不一。值得注意的是，花旗对存储价格涨幅的预测（如DRAM全年涨约200%）实为最激进的之一，而非保守。这意味着财报需要超越已被大幅抬高的预期。 本次财报的核心看点在于毛利率，公司指引毛利率约81%，为历史最高水平。其盈利能力的可持续性以及存储周期是否见顶将成为焦点。此外，公司对未来季度的业绩指引，以及HBM产能规划和2027年展望，将比当季已预期的高业绩更能决定股价方向。当前股价已反映极度乐观的预期，财报后的走势将验证AI存储故事的未来空间。

AI正深刻改变加密领域安全审计的格局。数据显示，2026年上半年DeFi领域安全事件频发，累计损失约9.42亿美元，其中第二季度尤为严重。传统观点认为安全审计需求稳定，但以Claude Mythos为代表的新一代AI工具大幅降低了发现智能合约漏洞的门槛，攻击者可快速扫描并利用漏洞，使得传统审计报告的有效期急剧缩短。 攻击不再局限于小型协议，即使经过多家知名机构审计的头部协议也频繁遭殃。攻击手段扩展到社会工程学、基础设施配置缺陷等领域，显示代码审计的覆盖范围存在局限。例如，Drift Protocol和KelpDAO均因非代码层面的漏洞导致重大损失。同时，AI也在辅助攻击者挖掘多年前部署的旧合约漏洞，使历史审计的保护价值归零。OpenZeppelin联合创始人甚至公开表示“所有DeFi都不安全”，引发行业广泛讨论。 面对挑战，项目方开始基于新标准进行防御性的重复审计，但这更多是应对风险的被动支出。审计机构则加速转型，一方面研发AI辅助审计系统提升效率，如OpenZeppelin推出Skills系统将安全防线前移；另一方面，商业模式正从一次性报告交付转向提供持续监控、形式化验证等嵌入式服务。例如，AI原生审计工具Firepan在已被多重人工审计的Curve合约中发现了新的组合型漏洞，展现了AI在防守端的潜力。 总之，AI加剧了攻防两端的竞赛。对于项目方，安全已成为需要持续投入的基础设施；对于审计机构，唯有加快技术和服务模式的重构，才能适应新时代的竞争。安全审计赛道正从红利模式转向激烈的竞争模式。

**摘要：** Chainlink智能抵押技术被选入美国证券存托与清算公司（DTCC）的金融基础设施试验。该试验聚焦于抵押品管理及相关金融基建，发现文件包中还提及了Pangea外汇结算试验的背景。 **关键点：** * **试验性质**：这仅是一项基础设施试验，并非已完成的商业部署或万亿美元级别的交易。 * **市场意义**：在当前市场流动性较薄、方向不明的情况下，此类来自官方生态系统的具体进展为交易者提供了可验证的信号，有助于区分实际市场数据与投机性叙事。 * **验证途径**：下一步应通过DTCC官方公告和Chainlink开发者材料进行核实，准确理解DTCC在此试验中的角色，避免夸大其商业范围。 **风险提示**：不应将此试验描述为已完成的巨额交易。市场信号容易被误读，需结合官方信息谨慎判断。

Bitwise首席投资官Matt Hougan分析认为，近期比特币跌破6万美元，其核心导火索是Strategy公司发行的永续优先股STRC价格大幅下跌。STRC是一种旨在提供稳定高收益的优先股产品，公司此前通过调整股息来维持其100美元面值，并将募集资金全部买入比特币。然而，随着比特币和MSTR股价走弱，市场担忧其股息支付能力，STRC价格一度暴跌至75美元。 Strategy公司随后更新运营框架，宣布可能出售部分比特币以支付股息，并放弃通过加息强行维持STRC面值的机制，允许其自由交易。这一变化标志着Strategy从比特币市场的单向净买入方，转变为根据市场状况动态买卖的参与者，其影响力预计将减弱。 Hougan指出，STRC的剧烈波动是本轮市场周期尾部去杠杆过程的典型体现。这类与比特币高风险属性不匹配的杠杆资金需要出清，市场才能探明底部。他判断，下一轮牛市的增量资金将主要来自全球机构投资者（如银行、资管公司、养老金等），而非单一公司。 关于市场底部，他认为需关注几个信号：MSTR股价相对资产净值（NAV）出现折价、加密恐惧贪婪指数达到历史极值、比特币合约资金费率持续为负，这些都表明市场情绪已陷入极致悲观。Hougan总结称，当前市场正处于必要的去杠杆和出清阶段，随着这一过程推进，底部已近在眼前，预计新一轮牛市将在今年秋季开启。

ACL 2026计算语言学顶会于7月在美国圣地亚哥举行，规模创历史新高，共收到12148篇投稿，同比增长45%。本届会议被大语言模型（LLM）主题主导，相关词汇在论文标题中出现频率极高。 会议评选出三篇最佳论文，一作均为华人学者： 1. 《The Imperfective Paradox in Large Language Models》：通过“未完成体悖论”这一经典语言学现象测试大模型，发现开源模型普遍存在“目的论偏见”，即倾向于认为有目标的动作都会完成，揭示了模型更像“叙事预测引擎”而非逻辑推理者。 2. 《Memory efficiency and resource-rational encoding in sentence processing》：通过为Transformer模型添加工作记忆约束（注入噪声），迫使模型学习更高效地分配有限的记忆资源。结果发现，这种约束让模型的阅读节奏更接近人类，并促成了更压缩、更范畴化的表征。 3. 《Characterizing the Expressivity of Local Attention in Transformers》：利用形式语言理论解释了为何“局部注意力”机制在节省计算成本的同时，常能提升模型效果。研究表明，局部注意力引入了新的表达能力，与全局注意力互补，结合使用能获得最丰富的表达力。 此外，会议还评选了18篇杰出论文，华人在其中占据显著比例，尤其在强化学习、大模型安全与智能体等热门方向成果突出。 本届ACL数据显示，中国大陆作者占比高达54.0%，美国以18.4%位列第二。会议投稿量、审稿规模及参会人数均大幅增长，体现了该领域的空前繁荣与激烈竞争。