ME News
26.5kПубликации
ME News
Верифицированный автор
Отправить жалобу
Заблокировать пользователя
ME Group 是全球领先的金融资讯与科技平台。总部位于香港，纽约设有北美办公室。核心业务涵盖媒体服务（ME News）、品牌会展（ME Event）、视频服务(BTV)、及AI 驱动的媒体、营销与数据服务。致力于为全球用户提供精准的资讯内容、专业的市场服务和AI智能化解决方案。
1 подписок(и/а)
2.1K+ подписчиков(а)
7.4K+ понравилось
504 поделились
Посты
Все
Видео
Активно
·
--
См. перевод
ME News 消息，5 月 26 日（UTC+8），预测市场数据显示，「Roland Garros ATP ： Luca Van Assche vs Patrick Kypson」过去 24 小时成交量达到 $1.8M，市场参与度显著提升。
ME News 消息，5 月 26 日（UTC+8），预测市场数据显示，「Roland Garros ATP ： Luca Van Assche vs Patrick Kypson」过去 24 小时成交量达到 $1.8M，市场参与度显著提升。
1
·
--
См. перевод
ME News 消息，5 月 26 日（UTC+8），加拿大投资监管组织已批准 Robinhood 收购加密服务公司 WonderFi。WonderFi 的产品涵盖加密交易、质押和托管。该交易原定于去年下半年完成，但双方后将交割日期延长至今年 6 月 1 日，以便 Robinhood 有更多时间在加拿大部署其专有技术并获得监管批准。（来源：ME）
ME News 消息，5 月 26 日（UTC+8），加拿大投资监管组织已批准 Robinhood 收购加密服务公司 WonderFi。WonderFi 的产品涵盖加密交易、质押和托管。该交易原定于去年下半年完成，但双方后将交割日期延长至今年 6 月 1 日，以便 Robinhood 有更多时间在加拿大部署其专有技术并获得监管批准。（来源：ME）
6
·
--
См. перевод
AI时代，大厂重回PC战场AI浪潮下，曾被边缘化的PC正重新成为科技巨头争夺的焦点。2026年以来，腾讯、阿里、百度、字节跳动等大厂相继推出Marvis、Qoder Work、DuMate等PC端AI产品。与智能手机偏向娱乐场景不同，PC凭借更强的算力配置（如RTX 5090达3352TOPS）、更开放的系统和更契合生产力需求的使用场景，正从办公工具重塑为AI时代的计算中枢。业界认为，未来PC有望演变为「家庭运算中心」，与智能手机、可穿戴设备形成混合计算架构，AI将以此为基础重塑人机交互方式。
文章作者、来源：识礁Farsight
生产力优势显著，PC产品将被重塑
随着AI技术应用驶入深水区，曾一度被视为“夕阳终端”的PC，突然成为科技巨头关注的焦点。
图源：腾讯
2026年5月21日，腾讯推出操作系统层级AI助手Marvis，能把整台电脑变成可对话的对象，Windows、macOS、安卓三端同步上线。需要注意的是，Marvis虽然提供安卓版，但移动端更多只是Chatbot形态，连接电脑后，才能进化为“究极形态”。
2026年以来，腾讯不只推出Marvis一款立足于PC的AI助手，还打造了QClaw、WorkBuddy等PC端AI产品。与此同时，围绕PC布局AI产品，正成为科技行业的一大趋势。阿里、百度、字节跳动也分别推出了Qoder Work、DuMate、Trae等产品。
众所周知，随着智能手机成熟，科技行业早已迈入移动互联网时代，PC生态逐渐边缘化。如今，科技企业纷纷围绕PC打造AI产品，显得极为反常。
那么问题来了，智能手机仍是大众计算平台的背景下，为什么一堆科技企业不约而同地加码PC端软件？随着AI应用逐渐成熟，PC与智能手机的关系会发生怎样的变化？
移动互联网时代，PC被打入“冷宫”
与如今逐渐被固化为办公设备不同，十数年前，智能手机尚未成熟之时，PC可谓最重要的大众计算终端，承担着用户的上网、社交、娱乐等多元需求，因而是科技公司搭建产品体系、争夺生态入口的核心战场。
彼时，百度、阿里、腾讯分别围绕PC用户的搜索、购物、社交需求，打造了百度搜索、淘宝、QQ等业务，一跃成为三大互联网巨头。与此同时，诸多创业公司也贴合用户的碎片化需求，打造了WPS、迅雷、PPS等产品。
在这其中，由于掌握了PC互联网最核心的搜索入口，百度一度是中国互联网行业的霸主。2011年3月，百度市值达481亿美元，超越腾讯，成为当时市值最高的中国互联网企业。
图源：中国互联网信息中心
不过2007年后，随着iPhone推开智能手机时代的大门，PC对于用户的吸引力开始走低。中国互联网信息中心披露的数据显示，2010年6月-2014年6月，中国手机网民规模从2.77亿增长至5.27亿，涨幅高达90.25%；占比从65.9%增至83.4%，提升17.5个百分点。
在此背景下，一众互联网公司纷纷迎合智能手机时代浪潮，进行移动化转型。阿里靠手淘站稳脚跟，腾讯通过微信拿到新时代的“船票”，字节跳动则凭借今日头条异军突起，成为移动互联网赛道的新贵。
对此，2014年10月，腾讯董事会主席兼首席执行官马化腾曾在公开信中一针见血地指出，“移动互联网才是真正的互联网，将连接一切，颠覆所有行业。”
图源：QuestMobile
事实证明，马化腾的判断颇有见地。由于智能手机拥有便携、全天候联网、场景适配广等优势，移动互联网迅速向购物、出行、娱乐等领域渗透，催生出了更广阔的商业空间。
随着智能手机成为大众计算平台，互联网企业的战略重心全面倒向移动互联网。PC不光不再是创新产品的优先载体，诸多移动应用上线之初，甚至不同步提供桌面版。
比如，抖音早在2016年就已上线，但直到2021年6月，移动互联网流量红利消逝之际，才推出网页版。
闲鱼虽曾推出网页版，但在移动互联网浪潮下，为了将用户导向App端，2016年后屡屡削减网页版功能，2019年一度放弃网页版。直到2024年，闲鱼网页版才重新上线，但功能并不完善。
AI释放生产力，PC拥有场景优势
近年来，随着AI技术逐渐成熟，科技公司虽然同样积极布局移动端AI产品，但与移动互联网时代不同的是，这些AI新品，往往同步适配PC端，甚至将PC作为主要载体。
除了前文提到的中国科技公司于近期推出的Marvis、Qoder Work、DuMate等产品，海外科技公司也相继打造了Claude Code、Codex、Gemini CLI等PC端AI产品。
图源：OpenClaw
更为反常的是，虽然大部分用户已迁移至移动互联网，但近期问世的诸多PC端AI产品却赢得了海量用户追捧。比如，在开源平台GitHub上线仅两个多月，OpenClaw收获超30万颗“星标”，超越Linux，成为该平台最受欢迎的开源项目。
如果说OpenClaw在GitHub上爆火，影响范围还主要停留在程序员圈层，那么随后引发的全民“养虾”热潮，则意味着该产品已成功“出圈”，向大众市场渗透。
图源：深圳新闻网
2026年3月初，腾讯在深圳举办免费安装OpenClaw活动。现场人头攒动，吸引了各行各业的尝鲜者，从儿童到老年人均有参与，“很多人不熟悉编程、云计算等流程，但因好奇或工作需要前来。”
究其原因，与智能手机更偏向娱乐与生活场景不同，PC的优势主要体现在生产力场景，应用AI技术时，更易实现正向反馈。
图源：《罗永浩的十字路口》
对此，2026年5月中旬，做客《罗永浩的十字路口》播客时，谈及为何普通用户对AI感知有限，理想汽车董事长兼CEO李想表示，“Agent很重要的一点是，必须有真实的工作生产环境才能获得良好的反馈，普通用户玩着玩着就会没意思，因为没有一个生产的反馈。”
其实2025年以来，阿里、腾讯、字节跳动等科技公司推出的移动端AI助手，也在不断强化“办事”能力。但受限于移动互联网孤岛化的生态，这些AI产品大多只能在自家体系内完成服务闭环，无法真正实现跨平台服务，难以给用户带来颠覆性使用体验。
对比而言，PC生态的碎片化程度较低，并且Windows、macOS可以给应用程序提供系统级执行权。以OpenClaw为代表的AI智能体可以深度整合用户电脑端的数据，真正做到“一句话执行任务”。
而从需求的角度来看，用户使用PC时，往往伴随着明确的办公创作类生产诉求，对于可以提升效率、执行复杂操作的AI智能体产品，也拥有更高的接受度。
不只更加契合用户的需求，在AI智能体领域，相较智能手机，PC的算力、内存、续航等配置也拥有显著的优势。
图源：英伟达
比如，英伟达旗舰显卡RTX 5090拥有920亿个晶体管，AI算力高达3352TOPS，堪称用户的私有“Token工厂”。对比而言，目前手机行业的旗舰处理器第五代骁龙8至尊版的AI算力仅为80TOPS，难以满足用户的高强度端侧算力需求。
综合而言，AI时代，大厂纷纷围绕PC打造AI产品，并非偶然。对比智能手机，无论是硬件性能、系统开放程度，还是用户的使用场景，PC都更契合AI智能体的落地与进化。
可以说，AI正将PC从“办公工具”，重塑为下一代计算生态的核心入口。
下个时代，混合计算架构或成主流
大厂不约而同地押注AI智能体，虽然让边缘化的PC重新回到科技行业的中心，但由于过于笨重，该设备很难成为用户随身的计算终端。这意味着，AI时代，PC与智能手机等便携终端的关系未必是此消彼长的替代逻辑。
尽管云端大模型拥有规模优势以及更强的能力，但由于每个用户都有大量私密且个性化的数据，AI时代的个人计算中枢，仍将以本地设备为主。
图源：荣耀
对此，2024年6月，前荣耀CEO赵明表示，“端侧AI的很多能力是云端AI所不具备的，它的优势主要体现在对用户个人数据的学习和个人隐私的保护方面。端侧AI未来的发展一定是更好地赋能消费者，并更好地跟网络AI相处。”
在此背景下，拥有更强端侧算力与更高系统开放度的PC，有望从生产力工具，演变为“家庭运算中心”，负责存储用户的个人数据，并提供端侧算力。当本地算力不足时，PC端的AI智能体可通过家庭WiFi，调用先进的云端大模型解决复杂任务。
不过相较手机等智能终端，PC也拥有便携性差、依赖桌面固定使用环境等劣势。因此，未来用户的计算需求或许不会局限于某一个终端，而是有可能变为“混合架构”。
图源：慧博投研
位于家庭的PC主要通过协调端侧和云端算力，承担高强度计算任务。在此基础上，便携终端与PC深度协同，即可高效执行相应的任务。
比如，用户可通过智能眼镜、智能耳机等穿戴设备将一闪而过的念头交给PC端的AI智能体执行。打开手机端的IM软件，则可直观地查看AI智能体的任务执行情况。
显而易见，AI时代，用户的计算中枢虽然也将发生迁移，但大概率不会像PC互联网或移动互联网时代，被单一终端所垄断。PC、智能手机、可穿戴设备乃至更多边缘设备，将进行深度融合。
在这套体系中，拥有更强端侧算力、更高开放性以及生产力生态的PC，将成为个人数据、AI智能体与复杂任务调度的核心中枢，战略地位愈发重要。
由此来看，大厂在AI时代重返PC战场，核心战略目的并非推出AI产品，而是希望争夺下一代数字世界的入口与控制权。
如果可以占据PC这一AI时代的“控制台”，科技公司就有机会主导未来的人机交互范式与生态秩序。
接下来，哪家互联网公司将借助PC拿到AI时代的“船票”，还是一个未知数。但可以确定的是，随着以PC为核心的混合计算架构逐渐成熟，AI将重塑人机交互方式，把用户的生产力提升到全新的高度。
AI时代，大厂重回PC战场
AI浪潮下，曾被边缘化的PC正重新成为科技巨头争夺的焦点。2026年以来，腾讯、阿里、百度、字节跳动等大厂相继推出Marvis、Qoder Work、DuMate等PC端AI产品。与智能手机偏向娱乐场景不同，PC凭借更强的算力配置（如RTX 5090达3352TOPS）、更开放的系统和更契合生产力需求的使用场景，正从办公工具重塑为AI时代的计算中枢。业界认为，未来PC有望演变为「家庭运算中心」，与智能手机、可穿戴设备形成混合计算架构，AI将以此为基础重塑人机交互方式。
文章作者、来源：识礁Farsight
生产力优势显著，PC产品将被重塑
随着AI技术应用驶入深水区，曾一度被视为“夕阳终端”的PC，突然成为科技巨头关注的焦点。
图源：腾讯
2026年5月21日，腾讯推出操作系统层级AI助手Marvis，能把整台电脑变成可对话的对象，Windows、macOS、安卓三端同步上线。需要注意的是，Marvis虽然提供安卓版，但移动端更多只是Chatbot形态，连接电脑后，才能进化为“究极形态”。
2026年以来，腾讯不只推出Marvis一款立足于PC的AI助手，还打造了QClaw、WorkBuddy等PC端AI产品。与此同时，围绕PC布局AI产品，正成为科技行业的一大趋势。阿里、百度、字节跳动也分别推出了Qoder Work、DuMate、Trae等产品。
众所周知，随着智能手机成熟，科技行业早已迈入移动互联网时代，PC生态逐渐边缘化。如今，科技企业纷纷围绕PC打造AI产品，显得极为反常。
那么问题来了，智能手机仍是大众计算平台的背景下，为什么一堆科技企业不约而同地加码PC端软件？随着AI应用逐渐成熟，PC与智能手机的关系会发生怎样的变化？
移动互联网时代，PC被打入“冷宫”
与如今逐渐被固化为办公设备不同，十数年前，智能手机尚未成熟之时，PC可谓最重要的大众计算终端，承担着用户的上网、社交、娱乐等多元需求，因而是科技公司搭建产品体系、争夺生态入口的核心战场。
彼时，百度、阿里、腾讯分别围绕PC用户的搜索、购物、社交需求，打造了百度搜索、淘宝、QQ等业务，一跃成为三大互联网巨头。与此同时，诸多创业公司也贴合用户的碎片化需求，打造了WPS、迅雷、PPS等产品。
在这其中，由于掌握了PC互联网最核心的搜索入口，百度一度是中国互联网行业的霸主。2011年3月，百度市值达481亿美元，超越腾讯，成为当时市值最高的中国互联网企业。
图源：中国互联网信息中心
不过2007年后，随着iPhone推开智能手机时代的大门，PC对于用户的吸引力开始走低。中国互联网信息中心披露的数据显示，2010年6月-2014年6月，中国手机网民规模从2.77亿增长至5.27亿，涨幅高达90.25%；占比从65.9%增至83.4%，提升17.5个百分点。
在此背景下，一众互联网公司纷纷迎合智能手机时代浪潮，进行移动化转型。阿里靠手淘站稳脚跟，腾讯通过微信拿到新时代的“船票”，字节跳动则凭借今日头条异军突起，成为移动互联网赛道的新贵。
对此，2014年10月，腾讯董事会主席兼首席执行官马化腾曾在公开信中一针见血地指出，“移动互联网才是真正的互联网，将连接一切，颠覆所有行业。”
图源：QuestMobile
事实证明，马化腾的判断颇有见地。由于智能手机拥有便携、全天候联网、场景适配广等优势，移动互联网迅速向购物、出行、娱乐等领域渗透，催生出了更广阔的商业空间。
随着智能手机成为大众计算平台，互联网企业的战略重心全面倒向移动互联网。PC不光不再是创新产品的优先载体，诸多移动应用上线之初，甚至不同步提供桌面版。
比如，抖音早在2016年就已上线，但直到2021年6月，移动互联网流量红利消逝之际，才推出网页版。
闲鱼虽曾推出网页版，但在移动互联网浪潮下，为了将用户导向App端，2016年后屡屡削减网页版功能，2019年一度放弃网页版。直到2024年，闲鱼网页版才重新上线，但功能并不完善。
AI释放生产力，PC拥有场景优势
近年来，随着AI技术逐渐成熟，科技公司虽然同样积极布局移动端AI产品，但与移动互联网时代不同的是，这些AI新品，往往同步适配PC端，甚至将PC作为主要载体。
除了前文提到的中国科技公司于近期推出的Marvis、Qoder Work、DuMate等产品，海外科技公司也相继打造了Claude Code、Codex、Gemini CLI等PC端AI产品。
图源：OpenClaw
更为反常的是，虽然大部分用户已迁移至移动互联网，但近期问世的诸多PC端AI产品却赢得了海量用户追捧。比如，在开源平台GitHub上线仅两个多月，OpenClaw收获超30万颗“星标”，超越Linux，成为该平台最受欢迎的开源项目。
如果说OpenClaw在GitHub上爆火，影响范围还主要停留在程序员圈层，那么随后引发的全民“养虾”热潮，则意味着该产品已成功“出圈”，向大众市场渗透。
图源：深圳新闻网
2026年3月初，腾讯在深圳举办免费安装OpenClaw活动。现场人头攒动，吸引了各行各业的尝鲜者，从儿童到老年人均有参与，“很多人不熟悉编程、云计算等流程，但因好奇或工作需要前来。”
究其原因，与智能手机更偏向娱乐与生活场景不同，PC的优势主要体现在生产力场景，应用AI技术时，更易实现正向反馈。
图源：《罗永浩的十字路口》
对此，2026年5月中旬，做客《罗永浩的十字路口》播客时，谈及为何普通用户对AI感知有限，理想汽车董事长兼CEO李想表示，“Agent很重要的一点是，必须有真实的工作生产环境才能获得良好的反馈，普通用户玩着玩着就会没意思，因为没有一个生产的反馈。”
其实2025年以来，阿里、腾讯、字节跳动等科技公司推出的移动端AI助手，也在不断强化“办事”能力。但受限于移动互联网孤岛化的生态，这些AI产品大多只能在自家体系内完成服务闭环，无法真正实现跨平台服务，难以给用户带来颠覆性使用体验。
对比而言，PC生态的碎片化程度较低，并且Windows、macOS可以给应用程序提供系统级执行权。以OpenClaw为代表的AI智能体可以深度整合用户电脑端的数据，真正做到“一句话执行任务”。
而从需求的角度来看，用户使用PC时，往往伴随着明确的办公创作类生产诉求，对于可以提升效率、执行复杂操作的AI智能体产品，也拥有更高的接受度。
不只更加契合用户的需求，在AI智能体领域，相较智能手机，PC的算力、内存、续航等配置也拥有显著的优势。
图源：英伟达
比如，英伟达旗舰显卡RTX 5090拥有920亿个晶体管，AI算力高达3352TOPS，堪称用户的私有“Token工厂”。对比而言，目前手机行业的旗舰处理器第五代骁龙8至尊版的AI算力仅为80TOPS，难以满足用户的高强度端侧算力需求。
综合而言，AI时代，大厂纷纷围绕PC打造AI产品，并非偶然。对比智能手机，无论是硬件性能、系统开放程度，还是用户的使用场景，PC都更契合AI智能体的落地与进化。
可以说，AI正将PC从“办公工具”，重塑为下一代计算生态的核心入口。
下个时代，混合计算架构或成主流
大厂不约而同地押注AI智能体，虽然让边缘化的PC重新回到科技行业的中心，但由于过于笨重，该设备很难成为用户随身的计算终端。这意味着，AI时代，PC与智能手机等便携终端的关系未必是此消彼长的替代逻辑。
尽管云端大模型拥有规模优势以及更强的能力，但由于每个用户都有大量私密且个性化的数据，AI时代的个人计算中枢，仍将以本地设备为主。
图源：荣耀
对此，2024年6月，前荣耀CEO赵明表示，“端侧AI的很多能力是云端AI所不具备的，它的优势主要体现在对用户个人数据的学习和个人隐私的保护方面。端侧AI未来的发展一定是更好地赋能消费者，并更好地跟网络AI相处。”
在此背景下，拥有更强端侧算力与更高系统开放度的PC，有望从生产力工具，演变为“家庭运算中心”，负责存储用户的个人数据，并提供端侧算力。当本地算力不足时，PC端的AI智能体可通过家庭WiFi，调用先进的云端大模型解决复杂任务。
不过相较手机等智能终端，PC也拥有便携性差、依赖桌面固定使用环境等劣势。因此，未来用户的计算需求或许不会局限于某一个终端，而是有可能变为“混合架构”。
图源：慧博投研
位于家庭的PC主要通过协调端侧和云端算力，承担高强度计算任务。在此基础上，便携终端与PC深度协同，即可高效执行相应的任务。
比如，用户可通过智能眼镜、智能耳机等穿戴设备将一闪而过的念头交给PC端的AI智能体执行。打开手机端的IM软件，则可直观地查看AI智能体的任务执行情况。
显而易见，AI时代，用户的计算中枢虽然也将发生迁移，但大概率不会像PC互联网或移动互联网时代，被单一终端所垄断。PC、智能手机、可穿戴设备乃至更多边缘设备，将进行深度融合。
在这套体系中，拥有更强端侧算力、更高开放性以及生产力生态的PC，将成为个人数据、AI智能体与复杂任务调度的核心中枢，战略地位愈发重要。
由此来看，大厂在AI时代重返PC战场，核心战略目的并非推出AI产品，而是希望争夺下一代数字世界的入口与控制权。
如果可以占据PC这一AI时代的“控制台”，科技公司就有机会主导未来的人机交互范式与生态秩序。
接下来，哪家互联网公司将借助PC拿到AI时代的“船票”，还是一个未知数。但可以确定的是，随着以PC为核心的混合计算架构逐渐成熟，AI将重塑人机交互方式，把用户的生产力提升到全新的高度。
文章作者、来源：识礁Farsight
生产力优势显著，PC产品将被重塑
随着AI技术应用驶入深水区，曾一度被视为“夕阳终端”的PC，突然成为科技巨头关注的焦点。
图源：腾讯
2026年5月21日，腾讯推出操作系统层级AI助手Marvis，能把整台电脑变成可对话的对象，Windows、macOS、安卓三端同步上线。需要注意的是，Marvis虽然提供安卓版，但移动端更多只是Chatbot形态，连接电脑后，才能进化为“究极形态”。
2026年以来，腾讯不只推出Marvis一款立足于PC的AI助手，还打造了QClaw、WorkBuddy等PC端AI产品。与此同时，围绕PC布局AI产品，正成为科技行业的一大趋势。阿里、百度、字节跳动也分别推出了Qoder Work、DuMate、Trae等产品。
众所周知，随着智能手机成熟，科技行业早已迈入移动互联网时代，PC生态逐渐边缘化。如今，科技企业纷纷围绕PC打造AI产品，显得极为反常。
那么问题来了，智能手机仍是大众计算平台的背景下，为什么一堆科技企业不约而同地加码PC端软件？随着AI应用逐渐成熟，PC与智能手机的关系会发生怎样的变化？
移动互联网时代，PC被打入“冷宫”
与如今逐渐被固化为办公设备不同，十数年前，智能手机尚未成熟之时，PC可谓最重要的大众计算终端，承担着用户的上网、社交、娱乐等多元需求，因而是科技公司搭建产品体系、争夺生态入口的核心战场。
彼时，百度、阿里、腾讯分别围绕PC用户的搜索、购物、社交需求，打造了百度搜索、淘宝、QQ等业务，一跃成为三大互联网巨头。与此同时，诸多创业公司也贴合用户的碎片化需求，打造了WPS、迅雷、PPS等产品。
在这其中，由于掌握了PC互联网最核心的搜索入口，百度一度是中国互联网行业的霸主。2011年3月，百度市值达481亿美元，超越腾讯，成为当时市值最高的中国互联网企业。
图源：中国互联网信息中心
不过2007年后，随着iPhone推开智能手机时代的大门，PC对于用户的吸引力开始走低。中国互联网信息中心披露的数据显示，2010年6月-2014年6月，中国手机网民规模从2.77亿增长至5.27亿，涨幅高达90.25%；占比从65.9%增至83.4%，提升17.5个百分点。
在此背景下，一众互联网公司纷纷迎合智能手机时代浪潮，进行移动化转型。阿里靠手淘站稳脚跟，腾讯通过微信拿到新时代的“船票”，字节跳动则凭借今日头条异军突起，成为移动互联网赛道的新贵。
对此，2014年10月，腾讯董事会主席兼首席执行官马化腾曾在公开信中一针见血地指出，“移动互联网才是真正的互联网，将连接一切，颠覆所有行业。”
图源：QuestMobile
事实证明，马化腾的判断颇有见地。由于智能手机拥有便携、全天候联网、场景适配广等优势，移动互联网迅速向购物、出行、娱乐等领域渗透，催生出了更广阔的商业空间。
随着智能手机成为大众计算平台，互联网企业的战略重心全面倒向移动互联网。PC不光不再是创新产品的优先载体，诸多移动应用上线之初，甚至不同步提供桌面版。
比如，抖音早在2016年就已上线，但直到2021年6月，移动互联网流量红利消逝之际，才推出网页版。
闲鱼虽曾推出网页版，但在移动互联网浪潮下，为了将用户导向App端，2016年后屡屡削减网页版功能，2019年一度放弃网页版。直到2024年，闲鱼网页版才重新上线，但功能并不完善。
AI释放生产力，PC拥有场景优势
近年来，随着AI技术逐渐成熟，科技公司虽然同样积极布局移动端AI产品，但与移动互联网时代不同的是，这些AI新品，往往同步适配PC端，甚至将PC作为主要载体。
除了前文提到的中国科技公司于近期推出的Marvis、Qoder Work、DuMate等产品，海外科技公司也相继打造了Claude Code、Codex、Gemini CLI等PC端AI产品。
图源：OpenClaw
更为反常的是，虽然大部分用户已迁移至移动互联网，但近期问世的诸多PC端AI产品却赢得了海量用户追捧。比如，在开源平台GitHub上线仅两个多月，OpenClaw收获超30万颗“星标”，超越Linux，成为该平台最受欢迎的开源项目。
如果说OpenClaw在GitHub上爆火，影响范围还主要停留在程序员圈层，那么随后引发的全民“养虾”热潮，则意味着该产品已成功“出圈”，向大众市场渗透。
图源：深圳新闻网
2026年3月初，腾讯在深圳举办免费安装OpenClaw活动。现场人头攒动，吸引了各行各业的尝鲜者，从儿童到老年人均有参与，“很多人不熟悉编程、云计算等流程，但因好奇或工作需要前来。”
究其原因，与智能手机更偏向娱乐与生活场景不同，PC的优势主要体现在生产力场景，应用AI技术时，更易实现正向反馈。
图源：《罗永浩的十字路口》
对此，2026年5月中旬，做客《罗永浩的十字路口》播客时，谈及为何普通用户对AI感知有限，理想汽车董事长兼CEO李想表示，“Agent很重要的一点是，必须有真实的工作生产环境才能获得良好的反馈，普通用户玩着玩着就会没意思，因为没有一个生产的反馈。”
其实2025年以来，阿里、腾讯、字节跳动等科技公司推出的移动端AI助手，也在不断强化“办事”能力。但受限于移动互联网孤岛化的生态，这些AI产品大多只能在自家体系内完成服务闭环，无法真正实现跨平台服务，难以给用户带来颠覆性使用体验。
对比而言，PC生态的碎片化程度较低，并且Windows、macOS可以给应用程序提供系统级执行权。以OpenClaw为代表的AI智能体可以深度整合用户电脑端的数据，真正做到“一句话执行任务”。
而从需求的角度来看，用户使用PC时，往往伴随着明确的办公创作类生产诉求，对于可以提升效率、执行复杂操作的AI智能体产品，也拥有更高的接受度。
不只更加契合用户的需求，在AI智能体领域，相较智能手机，PC的算力、内存、续航等配置也拥有显著的优势。
图源：英伟达
比如，英伟达旗舰显卡RTX 5090拥有920亿个晶体管，AI算力高达3352TOPS，堪称用户的私有“Token工厂”。对比而言，目前手机行业的旗舰处理器第五代骁龙8至尊版的AI算力仅为80TOPS，难以满足用户的高强度端侧算力需求。
综合而言，AI时代，大厂纷纷围绕PC打造AI产品，并非偶然。对比智能手机，无论是硬件性能、系统开放程度，还是用户的使用场景，PC都更契合AI智能体的落地与进化。
可以说，AI正将PC从“办公工具”，重塑为下一代计算生态的核心入口。
下个时代，混合计算架构或成主流
大厂不约而同地押注AI智能体，虽然让边缘化的PC重新回到科技行业的中心，但由于过于笨重，该设备很难成为用户随身的计算终端。这意味着，AI时代，PC与智能手机等便携终端的关系未必是此消彼长的替代逻辑。
尽管云端大模型拥有规模优势以及更强的能力，但由于每个用户都有大量私密且个性化的数据，AI时代的个人计算中枢，仍将以本地设备为主。
图源：荣耀
对此，2024年6月，前荣耀CEO赵明表示，“端侧AI的很多能力是云端AI所不具备的，它的优势主要体现在对用户个人数据的学习和个人隐私的保护方面。端侧AI未来的发展一定是更好地赋能消费者，并更好地跟网络AI相处。”
在此背景下，拥有更强端侧算力与更高系统开放度的PC，有望从生产力工具，演变为“家庭运算中心”，负责存储用户的个人数据，并提供端侧算力。当本地算力不足时，PC端的AI智能体可通过家庭WiFi，调用先进的云端大模型解决复杂任务。
不过相较手机等智能终端，PC也拥有便携性差、依赖桌面固定使用环境等劣势。因此，未来用户的计算需求或许不会局限于某一个终端，而是有可能变为“混合架构”。
图源：慧博投研
位于家庭的PC主要通过协调端侧和云端算力，承担高强度计算任务。在此基础上，便携终端与PC深度协同，即可高效执行相应的任务。
比如，用户可通过智能眼镜、智能耳机等穿戴设备将一闪而过的念头交给PC端的AI智能体执行。打开手机端的IM软件，则可直观地查看AI智能体的任务执行情况。
显而易见，AI时代，用户的计算中枢虽然也将发生迁移，但大概率不会像PC互联网或移动互联网时代，被单一终端所垄断。PC、智能手机、可穿戴设备乃至更多边缘设备，将进行深度融合。
在这套体系中，拥有更强端侧算力、更高开放性以及生产力生态的PC，将成为个人数据、AI智能体与复杂任务调度的核心中枢，战略地位愈发重要。
由此来看，大厂在AI时代重返PC战场，核心战略目的并非推出AI产品，而是希望争夺下一代数字世界的入口与控制权。
如果可以占据PC这一AI时代的“控制台”，科技公司就有机会主导未来的人机交互范式与生态秩序。
接下来，哪家互联网公司将借助PC拿到AI时代的“船票”，还是一个未知数。但可以确定的是，随着以PC为核心的混合计算架构逐渐成熟，AI将重塑人机交互方式，把用户的生产力提升到全新的高度。
8
·
--
Статья
См. перевод
华为给半导体换了把尺子2026年5月25日，华为公司董事何庭波发布“韬（τ）定律”，正式提出以“时间缩微“替代摩尔定律的“几何缩微”。该定律核心是压缩信号传播时间而非缩小晶体管尺寸，将τ拆解为晶体管层、电路层、芯片层、系统层四个优化维度。华为过去六年已量产381款芯片，新一代麒麟芯片将在不更换制程前提下实现晶体管密度超50%跃升，2031年计划追平1.4纳米制程同等水平。事实上，英伟达NVLink、AMD Chiplet、台积电CoWoS、SK海力士HBM等行业玩家已在同一方向探索近十年，但华为首次为这场集体转向建立系统化框架与标准。随着摩尔定律逼近极限，半导体行业的竞争核心正从“谁能先做到下一个纳米“转向“谁能信号少跑一纳秒”，这把新“尺子“将带动整条产业链的权力、利润和游戏规则重新排列。
文章作者、来源：林克，腾讯新闻旗下 stor
半导体行业有一个公开的秘密：摩尔定律正在走向极限。
这件事是被行业默认的，过去60年，从Intel、台积电到ASML，整条产业链赖以运转的底层规律正在迎来挑战。
今天最先进的纳米级芯片栅极宽度只有十几个硅原子，再小下去，由于量子隧穿效应的存在，电子将不再被半导体有效约束。
不断缩小制程这条路走了六十年，所有人都知道尽头在哪里，但没有人愿意公开承认。
直到2026年5月25日，华为公司董事、半导体业务部总裁何庭波发布了一条新的半导体演进原则：
韬（τ）定律，其核心命题正是是以"时间缩微"替代摩尔定律的"几何缩微"。
随着摩尔定律逼近极限，何庭波认为一条新的路径值得探索，即不再追求晶体管的缩小，而是让信号跑得更快。
基于这条路径，华为过去六年量产了381款芯片。今年秋季发布的新一代麒麟芯片，将在不更换制程的前提下实现晶体管密度50%以上跃升。到2031年，华为计划让芯片的晶体管密度追平1.4纳米制程的同等水平，用的正是这套方法论。
事实上，韬定律并不是凭空出现的，从英伟达到台积电，从AMD到海力士，整个半导体行业已经在同一个方向上摸索了将近十年。
华为的这一次发声，正式首次将这场探索勾勒出了一条清晰框架与标准。
一. 旧路的尽头
τ（tau）在电路理论中被称作"时间常数"。
一颗芯片里有数十亿个晶体管，它们之间由金属导线连接。信号沿着导线跑，但导线有阻力，越长阻力越大，信号就越慢。
因此τ越小，信号越快，芯片性能越强。
过去数十年晶体管缩小的过程，本质上不仅提升了晶体管密度，也同步降低了寄生电容与信号传播延迟，因此RC时间常数长期处于下降通道。
韬定律的思路充满了第一性原理的味道，既然目的是降低τ来提高效率，那除了把晶体管做得更小，显然也可以在其他维度实现压缩。
何庭波把τ拆成了四层：晶体管层、电路层、芯片层、系统层，每一层都有不同的办法压缩时间。
韬定律之所以要坚定的走这条新路，是因为旧路走到头了。
1965年，戈登·摩尔提出了单位集成电路晶体管数量大约每两年翻一番的预言。摩尔定律既是产业规律，也成为了产业共识，所有人按照这个节奏研发、投资、建厂，最终让预言自我实现。
它早期还有一个完美搭档：登纳德缩放定律，即晶体管缩小之后，功耗密度保持不变，这意味着芯片不光更快了，发热也是可控的。
两条定律叠在一起，构成了信息工业长达半个世纪的底层信仰。
从设计、制造到设备材料的整条产业链，所有人都在同一个赛道上跑。纳米级的先进制程逐渐成为整个行业的权力坐标，能造出最先进制程芯片的公司，就更容易站在食物链顶端。
登纳德缩放在2005年前后率先倒下，人们发现尺寸太小的时候芯片的发热不好控制了，这最终让英特尔放弃频率思维，并开始转向了多核路线。
智能手机时代的崛起，确实让摩尔定律撑得更久。
但进入个位数纳米时代之后，每一步缩微都是指数级的成本和难度提升。一座3纳米晶圆厂的建设成本百亿美元起步，全球玩得起的玩家如今屈指可数。
何庭波在论文中写得更直白：
7纳米之后，纯粹靠尺寸缩小带来的收益已经趋于平缓。
随着先进制程进入深水区，互连延迟、功耗与数据搬运成本，在系统性能中的占比越来越高，何况仅靠先进制程带来的成本上升问题越来越难以控制。
于是，过去半个世纪支撑行业的核心承诺"每一代用更低的成本造更多的晶体管"的正在无法兑现了。
二 . 参与者如何突围
产业内的重量级选手都曾向这个方向发起过突围。
最早、最激进是英伟达所致力于的集群扩展。
2016年，英伟达在Pascal架构的P100上引入了一种叫NVLink的GPU间高速互联总线，黄仁勋要解决的就是GPU之间的数据传输痛点。
十年后回看，这个押注是精准的。从第一代NVLink到2024年Blackwell架构的第五代，GPU间互联带宽翻了几十倍。
GB200 NVL72把72颗GPU用第五代NVLink连成一个整体，单GPU双向互联带宽1.8TB/s，整个NVLink域的总带宽超过130TB/s。英伟达甚至用NVLink-C2C把GPU和CPU直接焊在一起，共享统一内存空间。
首次发布会上，黄仁勋也更愿意花时间来讲"互联"而不只是"算力"。
AMD走了另一条路。
2019年，Zen 2架构开始把处理器拆成多颗小芯片分别制造，再封装到一起，致力于突破光罩尺寸限制和稳定良率，这个被命名为Chilet的思路在AI芯片上走得更远：2023年底发布的MI300X用台积电的3D封装技术，把多颗计算芯粒和I/O芯粒垂直叠放在一起，单颗封装集成了1530亿个晶体管和192GB HBM3内存。
AMD不再死磕先进制程，而是用"拆开来造，拼起来用"的方式，在封装层面实现了过去单颗芯片做不到的集成度。
台积电的转向同样明显。
许多年来，台积电的先进制程叙事就是不断缩小，从5nm到3nm、2nm一路往下冲。
但从2023年开始，先进封装在台积电的资本开支和战略叙事中占比急速攀升。
瞄准带宽密度的CoWoS把GPU芯片和HBM内存紧贴在一起的封装技术产能长期供不应求，成了AI芯片出货的重要环节。
2026年技术论坛上，台积电发布了"三层蛋糕"AI平台架构：底层运算，中层封装集成，顶层光子互连。最上面那层COUPE技术，用光信号替代电信号在芯片间传输，能效提升数倍，延迟降低一个数量级。制程之王开始讲封装和光的故事。
内存厂商的军备竞赛更加白热化。
SK海力士和三星围绕HBM展开的竞争，核心目标就是让内存离计算更近、喂数据更快。从HBM2到HBM3再到HBM3E，每一代都在把内存芯片堆得更高、和GPU贴得更紧。
下一代HBM4将引入混合键合技术，不再需要焊料凸块，铜和铜在原子层面直接连接，互连密度提升一到两个数量级。
此外，还有Intel的Foveros 3D封装、行业联合推动的UCIe芯粒互连标准、硅光互连的产业化加速。
整个行业其实都在调整方向，向一个共同的目标发起挑战：
当晶体管缩不动时，就让数据跑得更快一些。
近十年来，研发重心开始从"制造更小的开关"转向"修建更快的公路"。
三 . 华为的长板与定位
在这场行业级的突围中，华为处于一个非常特殊的位置。
先进光刻设备受限，让华为比别人更早、更迫切地面对一个问题，如果制程缩微成为障碍，如何通过工程设计来达到目标效率。
但这反而是通信出身华为的优势领域。
从程控交换机到5G基站，华为几十年积累的核心能力之一，正是把大量分散的节点组织成一个协调运转的系统。
当AI时代的数据中心越来越像一个超大型通信网络，华为的长板突然有了新的战略价值。
四层优化体系中，器件层的切入点，同样是优化晶体管周围连线的阻力，从物理底层压缩信号延迟。
在电路层，华为采用了一种名为逻辑折叠（LogicFolding）的方法。
传统芯片电路铺在一个平面上，信号左右绕行，走线越长越慢。逻辑折叠把电路从一层展开成两层，像把一张纸对折，原本要横着跑很远的信号路径，折叠后纵向直通。
麒麟2026的实测数据：晶体管密度单代提升超过50%，能效提升41%，CPU频率回升到3.1GHz，缓存频率提升超过40%，核心线路长度缩短约30%。后续计划三层、四层折叠，到2029年频率突破4GHz。
这和AMD的3D芯粒堆叠、Intel的Foveros方法论有相似性，都是从平面走向立体。区别在于AMD和Intel是把多颗不同芯片垂直叠放，华为是把同一颗芯片内部的电路对折。
在芯片层，华为做软件、架构、芯片三者协同。
即根据实际任务需求来调配芯片内部的资源分配，砍掉一切不必要的等待。正如英伟达在CUDA生态上的深度协同、AMD在ROCm上的推进，都是同一命题的不同解法。
系统层或许是华为独特基因发挥最大的地方。
灵衢总线在2019年立项历时六年发布，用统一协议替代了AI集群中层层叠叠的通信协议栈。实测效果是系统通信延迟从几十微秒降到约100纳秒，降了近500倍。
在灵衢之上，Hi-ONE光互连引擎用光替代铜传输数据，单模块带宽8Tb/s，传输距离从不到1米扩展到100米。
拿英伟达做对比：英伟达用NVLink + NVSwitch + InfiniBand分层组合解决互联问题，华为灵衢的思路是用一套协议打通所有层级。
英伟达GB200 NVL72把72颗GPU连成一个整体，华为Atlas 960 SuperPod用灵衢把15488张昇腾卡连成一个超节点。
两家从各自的技术出发其实走向了同一个目的地：让几万张卡像一台机器一样协同工作。
何庭波本人的经历，同样是华为芯片命运的缩影。她1996年加入华为做光通信芯片，1998年独自赴上海组建3G芯片团队，后赴硅谷工作两年，此后长期执掌海思。
2019年遭遇供应链危机时，正是何庭波发出那封著名的"备胎转正"内部信，她既是华为芯片事业的灵魂人物，也是最深切感受到制程受限之痛的人。
某种意义上，韬定律同样是这种压力的产物。
四 . 系统与链条重构
韬定律做的，其实是将行业这些年的集体转向以更系统化的方式来定义。
英伟达在NVLink上砸了十年，解决的是系统层的τ。台积电做CoWoS和3D封装，解决的是电路层和芯片层的τ。SK海力士做HBM，解决的是存储与计算之间的τ。AMD做Chilet，解决的是芯片间通信的τ。
每家公司都在从自己的角度压缩时间，但之前没人把这些努力放在同一个坐标系下做系统级的集成与叙事。
华为韬定律的特殊之处在于它把这个坐标系立了起来。何庭波在论文中写了一句有分量的话：
τ缩放是自登纳德定律以来，第一个在整个计算栈中建立共享优化目标的缩放原则。
当摩尔定律作为统一坐标系的功能逐渐减弱，整个行业确实需要一把新的尺子。
过去六十年，半导体行业用来测量进步的尺子更多是看纳米级制程，这把尺子简洁有力，但它量的其实一直是个不具有第一性的代理指标——晶体管缩小本身不是目的，而更高的算力密度和缩短信号传播时间才是。
但如今这把尺子缩不动了。
换尺子意味着话语权重新分配。过去，站在食物链顶端的是掌握最先进制程的公司。而在"时间缩微"的维度上，封装厂、内存厂、互连协议的定义者、系统架构师，都可能参与只属于前沿制程的游戏。
台积电的先进制程仍有不可替代的价值，但韬定律把它从唯一变成了多种选择当中的一条。
何庭波最后说："未来一定属于开放合作。在半导体演进的路径上，没有一家企业可以独自完成所有答案。"
正如CUDA生态的用户共创，韬定律的建设同样需要生态
正如英伟达需要台积电的封装，台积电需要SK海力士的HBM，SK海力士需要混合键合设备厂商的良率突破，华为的灵衢也离不开光模块等供应链的丰富。
韬定律描绘的四层优化体系，每一层分属不同产业环节，而这将带动半导体产业链的再一次重构。
过去六十年，半导体行业的竞争核心是谁先做到下一个纳米。
这个赛点几代工程师的职业生涯，决定了几万亿美元的资本流向。
如今这句话的有效期正在到期，取而代之的关键变成了：
谁能让信号少跑一纳秒。
过去量空间，现在量时间。
听起来只是换了个单位，但上一次半导体行业更换度量衡，还是1965年。
这背后注定是整条产业链的权力、利润和游戏规则的重新排列。
重排不会在一夜之间完成，但方向已经不可逆了。
华为给半导体换了把尺子
2026年5月25日，华为公司董事何庭波发布“韬（τ）定律”，正式提出以“时间缩微“替代摩尔定律的“几何缩微”。该定律核心是压缩信号传播时间而非缩小晶体管尺寸，将τ拆解为晶体管层、电路层、芯片层、系统层四个优化维度。华为过去六年已量产381款芯片，新一代麒麟芯片将在不更换制程前提下实现晶体管密度超50%跃升，2031年计划追平1.4纳米制程同等水平。事实上，英伟达NVLink、AMD Chiplet、台积电CoWoS、SK海力士HBM等行业玩家已在同一方向探索近十年，但华为首次为这场集体转向建立系统化框架与标准。随着摩尔定律逼近极限，半导体行业的竞争核心正从“谁能先做到下一个纳米“转向“谁能信号少跑一纳秒”，这把新“尺子“将带动整条产业链的权力、利润和游戏规则重新排列。
文章作者、来源：林克，腾讯新闻旗下 stor
半导体行业有一个公开的秘密：摩尔定律正在走向极限。
这件事是被行业默认的，过去60年，从Intel、台积电到ASML，整条产业链赖以运转的底层规律正在迎来挑战。
今天最先进的纳米级芯片栅极宽度只有十几个硅原子，再小下去，由于量子隧穿效应的存在，电子将不再被半导体有效约束。
不断缩小制程这条路走了六十年，所有人都知道尽头在哪里，但没有人愿意公开承认。
直到2026年5月25日，华为公司董事、半导体业务部总裁何庭波发布了一条新的半导体演进原则：
韬（τ）定律，其核心命题正是是以"时间缩微"替代摩尔定律的"几何缩微"。
随着摩尔定律逼近极限，何庭波认为一条新的路径值得探索，即不再追求晶体管的缩小，而是让信号跑得更快。
基于这条路径，华为过去六年量产了381款芯片。今年秋季发布的新一代麒麟芯片，将在不更换制程的前提下实现晶体管密度50%以上跃升。到2031年，华为计划让芯片的晶体管密度追平1.4纳米制程的同等水平，用的正是这套方法论。
事实上，韬定律并不是凭空出现的，从英伟达到台积电，从AMD到海力士，整个半导体行业已经在同一个方向上摸索了将近十年。
华为的这一次发声，正式首次将这场探索勾勒出了一条清晰框架与标准。
一. 旧路的尽头
τ（tau）在电路理论中被称作"时间常数"。
一颗芯片里有数十亿个晶体管，它们之间由金属导线连接。信号沿着导线跑，但导线有阻力，越长阻力越大，信号就越慢。
因此τ越小，信号越快，芯片性能越强。
过去数十年晶体管缩小的过程，本质上不仅提升了晶体管密度，也同步降低了寄生电容与信号传播延迟，因此RC时间常数长期处于下降通道。
韬定律的思路充满了第一性原理的味道，既然目的是降低τ来提高效率，那除了把晶体管做得更小，显然也可以在其他维度实现压缩。
何庭波把τ拆成了四层：晶体管层、电路层、芯片层、系统层，每一层都有不同的办法压缩时间。
韬定律之所以要坚定的走这条新路，是因为旧路走到头了。
1965年，戈登·摩尔提出了单位集成电路晶体管数量大约每两年翻一番的预言。摩尔定律既是产业规律，也成为了产业共识，所有人按照这个节奏研发、投资、建厂，最终让预言自我实现。
它早期还有一个完美搭档：登纳德缩放定律，即晶体管缩小之后，功耗密度保持不变，这意味着芯片不光更快了，发热也是可控的。
两条定律叠在一起，构成了信息工业长达半个世纪的底层信仰。
从设计、制造到设备材料的整条产业链，所有人都在同一个赛道上跑。纳米级的先进制程逐渐成为整个行业的权力坐标，能造出最先进制程芯片的公司，就更容易站在食物链顶端。
登纳德缩放在2005年前后率先倒下，人们发现尺寸太小的时候芯片的发热不好控制了，这最终让英特尔放弃频率思维，并开始转向了多核路线。
智能手机时代的崛起，确实让摩尔定律撑得更久。
但进入个位数纳米时代之后，每一步缩微都是指数级的成本和难度提升。一座3纳米晶圆厂的建设成本百亿美元起步，全球玩得起的玩家如今屈指可数。
何庭波在论文中写得更直白：
7纳米之后，纯粹靠尺寸缩小带来的收益已经趋于平缓。
随着先进制程进入深水区，互连延迟、功耗与数据搬运成本，在系统性能中的占比越来越高，何况仅靠先进制程带来的成本上升问题越来越难以控制。
于是，过去半个世纪支撑行业的核心承诺"每一代用更低的成本造更多的晶体管"的正在无法兑现了。
二 . 参与者如何突围
产业内的重量级选手都曾向这个方向发起过突围。
最早、最激进是英伟达所致力于的集群扩展。
2016年，英伟达在Pascal架构的P100上引入了一种叫NVLink的GPU间高速互联总线，黄仁勋要解决的就是GPU之间的数据传输痛点。
十年后回看，这个押注是精准的。从第一代NVLink到2024年Blackwell架构的第五代，GPU间互联带宽翻了几十倍。
GB200 NVL72把72颗GPU用第五代NVLink连成一个整体，单GPU双向互联带宽1.8TB/s，整个NVLink域的总带宽超过130TB/s。英伟达甚至用NVLink-C2C把GPU和CPU直接焊在一起，共享统一内存空间。
首次发布会上，黄仁勋也更愿意花时间来讲"互联"而不只是"算力"。
AMD走了另一条路。
2019年，Zen 2架构开始把处理器拆成多颗小芯片分别制造，再封装到一起，致力于突破光罩尺寸限制和稳定良率，这个被命名为Chilet的思路在AI芯片上走得更远：2023年底发布的MI300X用台积电的3D封装技术，把多颗计算芯粒和I/O芯粒垂直叠放在一起，单颗封装集成了1530亿个晶体管和192GB HBM3内存。
AMD不再死磕先进制程，而是用"拆开来造，拼起来用"的方式，在封装层面实现了过去单颗芯片做不到的集成度。
台积电的转向同样明显。
许多年来，台积电的先进制程叙事就是不断缩小，从5nm到3nm、2nm一路往下冲。
但从2023年开始，先进封装在台积电的资本开支和战略叙事中占比急速攀升。
瞄准带宽密度的CoWoS把GPU芯片和HBM内存紧贴在一起的封装技术产能长期供不应求，成了AI芯片出货的重要环节。
2026年技术论坛上，台积电发布了"三层蛋糕"AI平台架构：底层运算，中层封装集成，顶层光子互连。最上面那层COUPE技术，用光信号替代电信号在芯片间传输，能效提升数倍，延迟降低一个数量级。制程之王开始讲封装和光的故事。
内存厂商的军备竞赛更加白热化。
SK海力士和三星围绕HBM展开的竞争，核心目标就是让内存离计算更近、喂数据更快。从HBM2到HBM3再到HBM3E，每一代都在把内存芯片堆得更高、和GPU贴得更紧。
下一代HBM4将引入混合键合技术，不再需要焊料凸块，铜和铜在原子层面直接连接，互连密度提升一到两个数量级。
此外，还有Intel的Foveros 3D封装、行业联合推动的UCIe芯粒互连标准、硅光互连的产业化加速。
整个行业其实都在调整方向，向一个共同的目标发起挑战：
当晶体管缩不动时，就让数据跑得更快一些。
近十年来，研发重心开始从"制造更小的开关"转向"修建更快的公路"。
三 . 华为的长板与定位
在这场行业级的突围中，华为处于一个非常特殊的位置。
先进光刻设备受限，让华为比别人更早、更迫切地面对一个问题，如果制程缩微成为障碍，如何通过工程设计来达到目标效率。
但这反而是通信出身华为的优势领域。
从程控交换机到5G基站，华为几十年积累的核心能力之一，正是把大量分散的节点组织成一个协调运转的系统。
当AI时代的数据中心越来越像一个超大型通信网络，华为的长板突然有了新的战略价值。
四层优化体系中，器件层的切入点，同样是优化晶体管周围连线的阻力，从物理底层压缩信号延迟。
在电路层，华为采用了一种名为逻辑折叠（LogicFolding）的方法。
传统芯片电路铺在一个平面上，信号左右绕行，走线越长越慢。逻辑折叠把电路从一层展开成两层，像把一张纸对折，原本要横着跑很远的信号路径，折叠后纵向直通。
麒麟2026的实测数据：晶体管密度单代提升超过50%，能效提升41%，CPU频率回升到3.1GHz，缓存频率提升超过40%，核心线路长度缩短约30%。后续计划三层、四层折叠，到2029年频率突破4GHz。
这和AMD的3D芯粒堆叠、Intel的Foveros方法论有相似性，都是从平面走向立体。区别在于AMD和Intel是把多颗不同芯片垂直叠放，华为是把同一颗芯片内部的电路对折。
在芯片层，华为做软件、架构、芯片三者协同。
即根据实际任务需求来调配芯片内部的资源分配，砍掉一切不必要的等待。正如英伟达在CUDA生态上的深度协同、AMD在ROCm上的推进，都是同一命题的不同解法。
系统层或许是华为独特基因发挥最大的地方。
灵衢总线在2019年立项历时六年发布，用统一协议替代了AI集群中层层叠叠的通信协议栈。实测效果是系统通信延迟从几十微秒降到约100纳秒，降了近500倍。
在灵衢之上，Hi-ONE光互连引擎用光替代铜传输数据，单模块带宽8Tb/s，传输距离从不到1米扩展到100米。
拿英伟达做对比：英伟达用NVLink + NVSwitch + InfiniBand分层组合解决互联问题，华为灵衢的思路是用一套协议打通所有层级。
英伟达GB200 NVL72把72颗GPU连成一个整体，华为Atlas 960 SuperPod用灵衢把15488张昇腾卡连成一个超节点。
两家从各自的技术出发其实走向了同一个目的地：让几万张卡像一台机器一样协同工作。
何庭波本人的经历，同样是华为芯片命运的缩影。她1996年加入华为做光通信芯片，1998年独自赴上海组建3G芯片团队，后赴硅谷工作两年，此后长期执掌海思。
2019年遭遇供应链危机时，正是何庭波发出那封著名的"备胎转正"内部信，她既是华为芯片事业的灵魂人物，也是最深切感受到制程受限之痛的人。
某种意义上，韬定律同样是这种压力的产物。
四 . 系统与链条重构
韬定律做的，其实是将行业这些年的集体转向以更系统化的方式来定义。
英伟达在NVLink上砸了十年，解决的是系统层的τ。台积电做CoWoS和3D封装，解决的是电路层和芯片层的τ。SK海力士做HBM，解决的是存储与计算之间的τ。AMD做Chilet，解决的是芯片间通信的τ。
每家公司都在从自己的角度压缩时间，但之前没人把这些努力放在同一个坐标系下做系统级的集成与叙事。
华为韬定律的特殊之处在于它把这个坐标系立了起来。何庭波在论文中写了一句有分量的话：
τ缩放是自登纳德定律以来，第一个在整个计算栈中建立共享优化目标的缩放原则。
当摩尔定律作为统一坐标系的功能逐渐减弱，整个行业确实需要一把新的尺子。
过去六十年，半导体行业用来测量进步的尺子更多是看纳米级制程，这把尺子简洁有力，但它量的其实一直是个不具有第一性的代理指标——晶体管缩小本身不是目的，而更高的算力密度和缩短信号传播时间才是。
但如今这把尺子缩不动了。
换尺子意味着话语权重新分配。过去，站在食物链顶端的是掌握最先进制程的公司。而在"时间缩微"的维度上，封装厂、内存厂、互连协议的定义者、系统架构师，都可能参与只属于前沿制程的游戏。
台积电的先进制程仍有不可替代的价值，但韬定律把它从唯一变成了多种选择当中的一条。
何庭波最后说："未来一定属于开放合作。在半导体演进的路径上，没有一家企业可以独自完成所有答案。"
正如CUDA生态的用户共创，韬定律的建设同样需要生态
正如英伟达需要台积电的封装，台积电需要SK海力士的HBM，SK海力士需要混合键合设备厂商的良率突破，华为的灵衢也离不开光模块等供应链的丰富。
韬定律描绘的四层优化体系，每一层分属不同产业环节，而这将带动半导体产业链的再一次重构。
过去六十年，半导体行业的竞争核心是谁先做到下一个纳米。
这个赛点几代工程师的职业生涯，决定了几万亿美元的资本流向。
如今这句话的有效期正在到期，取而代之的关键变成了：
谁能让信号少跑一纳秒。
过去量空间，现在量时间。
听起来只是换了个单位，但上一次半导体行业更换度量衡，还是1965年。
这背后注定是整条产业链的权力、利润和游戏规则的重新排列。
重排不会在一夜之间完成，但方向已经不可逆了。
文章作者、来源：林克，腾讯新闻旗下 stor
半导体行业有一个公开的秘密：摩尔定律正在走向极限。
这件事是被行业默认的，过去60年，从Intel、台积电到ASML，整条产业链赖以运转的底层规律正在迎来挑战。
今天最先进的纳米级芯片栅极宽度只有十几个硅原子，再小下去，由于量子隧穿效应的存在，电子将不再被半导体有效约束。
不断缩小制程这条路走了六十年，所有人都知道尽头在哪里，但没有人愿意公开承认。
直到2026年5月25日，华为公司董事、半导体业务部总裁何庭波发布了一条新的半导体演进原则：
韬（τ）定律，其核心命题正是是以"时间缩微"替代摩尔定律的"几何缩微"。
随着摩尔定律逼近极限，何庭波认为一条新的路径值得探索，即不再追求晶体管的缩小，而是让信号跑得更快。
基于这条路径，华为过去六年量产了381款芯片。今年秋季发布的新一代麒麟芯片，将在不更换制程的前提下实现晶体管密度50%以上跃升。到2031年，华为计划让芯片的晶体管密度追平1.4纳米制程的同等水平，用的正是这套方法论。
事实上，韬定律并不是凭空出现的，从英伟达到台积电，从AMD到海力士，整个半导体行业已经在同一个方向上摸索了将近十年。
华为的这一次发声，正式首次将这场探索勾勒出了一条清晰框架与标准。
一. 旧路的尽头
τ（tau）在电路理论中被称作"时间常数"。
一颗芯片里有数十亿个晶体管，它们之间由金属导线连接。信号沿着导线跑，但导线有阻力，越长阻力越大，信号就越慢。
因此τ越小，信号越快，芯片性能越强。
过去数十年晶体管缩小的过程，本质上不仅提升了晶体管密度，也同步降低了寄生电容与信号传播延迟，因此RC时间常数长期处于下降通道。
韬定律的思路充满了第一性原理的味道，既然目的是降低τ来提高效率，那除了把晶体管做得更小，显然也可以在其他维度实现压缩。
何庭波把τ拆成了四层：晶体管层、电路层、芯片层、系统层，每一层都有不同的办法压缩时间。
韬定律之所以要坚定的走这条新路，是因为旧路走到头了。
1965年，戈登·摩尔提出了单位集成电路晶体管数量大约每两年翻一番的预言。摩尔定律既是产业规律，也成为了产业共识，所有人按照这个节奏研发、投资、建厂，最终让预言自我实现。
它早期还有一个完美搭档：登纳德缩放定律，即晶体管缩小之后，功耗密度保持不变，这意味着芯片不光更快了，发热也是可控的。
两条定律叠在一起，构成了信息工业长达半个世纪的底层信仰。
从设计、制造到设备材料的整条产业链，所有人都在同一个赛道上跑。纳米级的先进制程逐渐成为整个行业的权力坐标，能造出最先进制程芯片的公司，就更容易站在食物链顶端。
登纳德缩放在2005年前后率先倒下，人们发现尺寸太小的时候芯片的发热不好控制了，这最终让英特尔放弃频率思维，并开始转向了多核路线。
智能手机时代的崛起，确实让摩尔定律撑得更久。
但进入个位数纳米时代之后，每一步缩微都是指数级的成本和难度提升。一座3纳米晶圆厂的建设成本百亿美元起步，全球玩得起的玩家如今屈指可数。
何庭波在论文中写得更直白：
7纳米之后，纯粹靠尺寸缩小带来的收益已经趋于平缓。
随着先进制程进入深水区，互连延迟、功耗与数据搬运成本，在系统性能中的占比越来越高，何况仅靠先进制程带来的成本上升问题越来越难以控制。
于是，过去半个世纪支撑行业的核心承诺"每一代用更低的成本造更多的晶体管"的正在无法兑现了。
二 . 参与者如何突围
产业内的重量级选手都曾向这个方向发起过突围。
最早、最激进是英伟达所致力于的集群扩展。
2016年，英伟达在Pascal架构的P100上引入了一种叫NVLink的GPU间高速互联总线，黄仁勋要解决的就是GPU之间的数据传输痛点。
十年后回看，这个押注是精准的。从第一代NVLink到2024年Blackwell架构的第五代，GPU间互联带宽翻了几十倍。
GB200 NVL72把72颗GPU用第五代NVLink连成一个整体，单GPU双向互联带宽1.8TB/s，整个NVLink域的总带宽超过130TB/s。英伟达甚至用NVLink-C2C把GPU和CPU直接焊在一起，共享统一内存空间。
首次发布会上，黄仁勋也更愿意花时间来讲"互联"而不只是"算力"。
AMD走了另一条路。
2019年，Zen 2架构开始把处理器拆成多颗小芯片分别制造，再封装到一起，致力于突破光罩尺寸限制和稳定良率，这个被命名为Chilet的思路在AI芯片上走得更远：2023年底发布的MI300X用台积电的3D封装技术，把多颗计算芯粒和I/O芯粒垂直叠放在一起，单颗封装集成了1530亿个晶体管和192GB HBM3内存。
AMD不再死磕先进制程，而是用"拆开来造，拼起来用"的方式，在封装层面实现了过去单颗芯片做不到的集成度。
台积电的转向同样明显。
许多年来，台积电的先进制程叙事就是不断缩小，从5nm到3nm、2nm一路往下冲。
但从2023年开始，先进封装在台积电的资本开支和战略叙事中占比急速攀升。
瞄准带宽密度的CoWoS把GPU芯片和HBM内存紧贴在一起的封装技术产能长期供不应求，成了AI芯片出货的重要环节。
2026年技术论坛上，台积电发布了"三层蛋糕"AI平台架构：底层运算，中层封装集成，顶层光子互连。最上面那层COUPE技术，用光信号替代电信号在芯片间传输，能效提升数倍，延迟降低一个数量级。制程之王开始讲封装和光的故事。
内存厂商的军备竞赛更加白热化。
SK海力士和三星围绕HBM展开的竞争，核心目标就是让内存离计算更近、喂数据更快。从HBM2到HBM3再到HBM3E，每一代都在把内存芯片堆得更高、和GPU贴得更紧。
下一代HBM4将引入混合键合技术，不再需要焊料凸块，铜和铜在原子层面直接连接，互连密度提升一到两个数量级。
此外，还有Intel的Foveros 3D封装、行业联合推动的UCIe芯粒互连标准、硅光互连的产业化加速。
整个行业其实都在调整方向，向一个共同的目标发起挑战：
当晶体管缩不动时，就让数据跑得更快一些。
近十年来，研发重心开始从"制造更小的开关"转向"修建更快的公路"。
三 . 华为的长板与定位
在这场行业级的突围中，华为处于一个非常特殊的位置。
先进光刻设备受限，让华为比别人更早、更迫切地面对一个问题，如果制程缩微成为障碍，如何通过工程设计来达到目标效率。
但这反而是通信出身华为的优势领域。
从程控交换机到5G基站，华为几十年积累的核心能力之一，正是把大量分散的节点组织成一个协调运转的系统。
当AI时代的数据中心越来越像一个超大型通信网络，华为的长板突然有了新的战略价值。
四层优化体系中，器件层的切入点，同样是优化晶体管周围连线的阻力，从物理底层压缩信号延迟。
在电路层，华为采用了一种名为逻辑折叠（LogicFolding）的方法。
传统芯片电路铺在一个平面上，信号左右绕行，走线越长越慢。逻辑折叠把电路从一层展开成两层，像把一张纸对折，原本要横着跑很远的信号路径，折叠后纵向直通。
麒麟2026的实测数据：晶体管密度单代提升超过50%，能效提升41%，CPU频率回升到3.1GHz，缓存频率提升超过40%，核心线路长度缩短约30%。后续计划三层、四层折叠，到2029年频率突破4GHz。
这和AMD的3D芯粒堆叠、Intel的Foveros方法论有相似性，都是从平面走向立体。区别在于AMD和Intel是把多颗不同芯片垂直叠放，华为是把同一颗芯片内部的电路对折。
在芯片层，华为做软件、架构、芯片三者协同。
即根据实际任务需求来调配芯片内部的资源分配，砍掉一切不必要的等待。正如英伟达在CUDA生态上的深度协同、AMD在ROCm上的推进，都是同一命题的不同解法。
系统层或许是华为独特基因发挥最大的地方。
灵衢总线在2019年立项历时六年发布，用统一协议替代了AI集群中层层叠叠的通信协议栈。实测效果是系统通信延迟从几十微秒降到约100纳秒，降了近500倍。
在灵衢之上，Hi-ONE光互连引擎用光替代铜传输数据，单模块带宽8Tb/s，传输距离从不到1米扩展到100米。
拿英伟达做对比：英伟达用NVLink + NVSwitch + InfiniBand分层组合解决互联问题，华为灵衢的思路是用一套协议打通所有层级。
英伟达GB200 NVL72把72颗GPU连成一个整体，华为Atlas 960 SuperPod用灵衢把15488张昇腾卡连成一个超节点。
两家从各自的技术出发其实走向了同一个目的地：让几万张卡像一台机器一样协同工作。
何庭波本人的经历，同样是华为芯片命运的缩影。她1996年加入华为做光通信芯片，1998年独自赴上海组建3G芯片团队，后赴硅谷工作两年，此后长期执掌海思。
2019年遭遇供应链危机时，正是何庭波发出那封著名的"备胎转正"内部信，她既是华为芯片事业的灵魂人物，也是最深切感受到制程受限之痛的人。
某种意义上，韬定律同样是这种压力的产物。
四 . 系统与链条重构
韬定律做的，其实是将行业这些年的集体转向以更系统化的方式来定义。
英伟达在NVLink上砸了十年，解决的是系统层的τ。台积电做CoWoS和3D封装，解决的是电路层和芯片层的τ。SK海力士做HBM，解决的是存储与计算之间的τ。AMD做Chilet，解决的是芯片间通信的τ。
每家公司都在从自己的角度压缩时间，但之前没人把这些努力放在同一个坐标系下做系统级的集成与叙事。
华为韬定律的特殊之处在于它把这个坐标系立了起来。何庭波在论文中写了一句有分量的话：
τ缩放是自登纳德定律以来，第一个在整个计算栈中建立共享优化目标的缩放原则。
当摩尔定律作为统一坐标系的功能逐渐减弱，整个行业确实需要一把新的尺子。
过去六十年，半导体行业用来测量进步的尺子更多是看纳米级制程，这把尺子简洁有力，但它量的其实一直是个不具有第一性的代理指标——晶体管缩小本身不是目的，而更高的算力密度和缩短信号传播时间才是。
但如今这把尺子缩不动了。
换尺子意味着话语权重新分配。过去，站在食物链顶端的是掌握最先进制程的公司。而在"时间缩微"的维度上，封装厂、内存厂、互连协议的定义者、系统架构师，都可能参与只属于前沿制程的游戏。
台积电的先进制程仍有不可替代的价值，但韬定律把它从唯一变成了多种选择当中的一条。
何庭波最后说："未来一定属于开放合作。在半导体演进的路径上，没有一家企业可以独自完成所有答案。"
正如CUDA生态的用户共创，韬定律的建设同样需要生态
正如英伟达需要台积电的封装，台积电需要SK海力士的HBM，SK海力士需要混合键合设备厂商的良率突破，华为的灵衢也离不开光模块等供应链的丰富。
韬定律描绘的四层优化体系，每一层分属不同产业环节，而这将带动半导体产业链的再一次重构。
过去六十年，半导体行业的竞争核心是谁先做到下一个纳米。
这个赛点几代工程师的职业生涯，决定了几万亿美元的资本流向。
如今这句话的有效期正在到期，取而代之的关键变成了：
谁能让信号少跑一纳秒。
过去量空间，现在量时间。
听起来只是换了个单位，但上一次半导体行业更换度量衡，还是1965年。
这背后注定是整条产业链的权力、利润和游戏规则的重新排列。
重排不会在一夜之间完成，但方向已经不可逆了。
9
·
--
分析：比特币空头过度集中，若突破8.2万美元或触发大规模轧空ME News 消息，5 月 26 日（UTC+8），据BlockBeats消息，比特币隐含波动率降至36%，创下近8个月新低，显示市场预期短期内BTC将维持震荡行情。波动率下降并不意味着明确的市场方向，但衍生品市场信息显示，目前空头集中程度较高。如果BTC突破82,000美元，可能引发大规模空头挤压。 根据CoinGlass清算热力图，78,000至83,000美元区间存在大量BTC空单。BTC已近4个月未突破90,000美元，部分空头正加强看跌预期。Glassnode数据显示，BTC的30天期权Delta Skew为14%，表明看跌期权比看涨期权有明显溢价，专业交易员对BTC的下跌风险更为担忧。 目前市场已经部分定价BTC回踩72,000美元的可能性，但若BTC超量突破82,000美元，或将引发更剧烈的空头平仓。（来源：ME）
分析：比特币空头过度集中，若突破8.2万美元或触发大规模轧空
ME News 消息，5 月 26 日（UTC+8），据BlockBeats消息，比特币隐含波动率降至36%，创下近8个月新低，显示市场预期短期内BTC将维持震荡行情。波动率下降并不意味着明确的市场方向，但衍生品市场信息显示，目前空头集中程度较高。如果BTC突破82,000美元，可能引发大规模空头挤压。 根据CoinGlass清算热力图，78,000至83,000美元区间存在大量BTC空单。BTC已近4个月未突破90,000美元，部分空头正加强看跌预期。Glassnode数据显示，BTC的30天期权Delta Skew为14%，表明看跌期权比看涨期权有明显溢价，专业交易员对BTC的下跌风险更为担忧。 目前市场已经部分定价BTC回踩72,000美元的可能性，但若BTC超量突破82,000美元，或将引发更剧烈的空头平仓。（来源：ME）
1
18
·
--
См. перевод
ME News 消息，5 月 26 日（UTC+8），美国银行董事总经理兼金属研究主管 Michael Widmer 表示，由于市场对美国降息的预期下降，金价短期内将面临压力。不过该行仍维持对黄金的看涨观点，并重申其对金价在未来 12 个月升至 6000 美元/盎司的预测。 目前黄金面临的压力与市场在中东战争推高能源价格背景下对通胀风险及美国利率路径的重新定价有关。尽管面临这些压力，在各国央行持续购金、投资者需求回升以及经济增长指标走弱的支撑下，黄金预计仍将继续上涨。（来源：ME）
ME News 消息，5 月 26 日（UTC+8），美国银行董事总经理兼金属研究主管 Michael Widmer 表示，由于市场对美国降息的预期下降，金价短期内将面临压力。不过该行仍维持对黄金的看涨观点，并重申其对金价在未来 12 个月升至 6000 美元/盎司的预测。 目前黄金面临的压力与市场在中东战争推高能源价格背景下对通胀风险及美国利率路径的重新定价有关。尽管面临这些压力，在各国央行持续购金、投资者需求回升以及经济增长指标走弱的支撑下，黄金预计仍将继续上涨。（来源：ME）
8
·
--
См. перевод
新股神Serenity：新复兴、华晶电等CPO产业链股票配置性价比凸显ME News 消息，5 月 26 日（UTC+8），新股神 Serenity 于社交媒体发文表示，稳懋半导体（3105）虽鲜少见于光子学领域分析师报告，但预计将于下一年度成为激光器规模化量产的关键瓶颈环节，具备显著预期差价值。讯芯-KY（6451）近期技术动能逐步显现，已在本轮台股多头配置组合中初显配置价值。 伴随台北国际电脑展（Computex）及英伟达技术峰会相继召开，华晶电（3363）与 MSSCorp（6830）有望获得机构资金重点关注。此外，新复兴（8147）短期虽受资产处置事项扰动，然待相关不确定性消除后，中长期估值修复空间可观，具备潜在三倍上行潜力。 上述股票为当前台股 CPO 产业链中具备核心配置价值的多头标的，尤以现阶段估值水平而言，配置性价比凸显。 BlockBeats 注：Serenity 系 Reddit 论坛 WallStreetBets（WSB）板块颇具影响力的资深交易员，本年度累计投资收益率逾 38 倍。其核心研究成果均坚持免费公开，研究框架聚焦于英伟达 AI 芯片产业链中的关键配套环节，通过深入梳理芯片制造与封装过程中不可或缺的"螺丝钉"型组件，精准识别供应链中的关键瓶颈点（Chokepoint），并据此挖掘具备稀缺性与议价能力的上游标的进行布局。（来源：ME）
新股神Serenity：新复兴、华晶电等CPO产业链股票配置性价比凸显
ME News 消息，5 月 26 日（UTC+8），新股神 Serenity 于社交媒体发文表示，稳懋半导体（3105）虽鲜少见于光子学领域分析师报告，但预计将于下一年度成为激光器规模化量产的关键瓶颈环节，具备显著预期差价值。讯芯-KY（6451）近期技术动能逐步显现，已在本轮台股多头配置组合中初显配置价值。 伴随台北国际电脑展（Computex）及英伟达技术峰会相继召开，华晶电（3363）与 MSSCorp（6830）有望获得机构资金重点关注。此外，新复兴（8147）短期虽受资产处置事项扰动，然待相关不确定性消除后，中长期估值修复空间可观，具备潜在三倍上行潜力。 上述股票为当前台股 CPO 产业链中具备核心配置价值的多头标的，尤以现阶段估值水平而言，配置性价比凸显。 BlockBeats 注：Serenity 系 Reddit 论坛 WallStreetBets（WSB）板块颇具影响力的资深交易员，本年度累计投资收益率逾 38 倍。其核心研究成果均坚持免费公开，研究框架聚焦于英伟达 AI 芯片产业链中的关键配套环节，通过深入梳理芯片制造与封装过程中不可或缺的"螺丝钉"型组件，精准识别供应链中的关键瓶颈点（Chokepoint），并据此挖掘具备稀缺性与议价能力的上游标的进行布局。（来源：ME）
7
·
--
Статья
См. перевод
币市观察局 × LTP Bing：当华尔街开始靠近 Crypto，真正的机会可能藏在交易背后在Bing看来，未来几年最大的变化可能是传统金融和 Crypto 的进一步融合。Crypto 正在学习传统金融的风险管理和制度建设；而传统金融也开始学习 Crypto 的链上清结算和资产数字化能力。原本完全不同的两套体系，正在不断向中间靠近。所以未来最大的变化，也许并不是某一个新的热点，而是原本存在的边界，会慢慢消失。
文章作者、来源：BitMart
在加密行业里，大部分人的注意力永远停留在价格上。
比特币涨了多少、ETH 会不会创新高、下一轮叙事会不会轮到 AI、RWA 或预测市场。市场每天都在制造新的热点，也不断有人因为价格波动进入行业、离开行业。但如果和那些真正长期待在市场里的人聊得足够久，会发现他们越来越少谈价格本身。
他们开始谈结构、谈机制、谈风险，也开始谈那些普通用户几乎感受不到的底层变化。因为价格只是结果，而真正决定一个市场能走多远的，往往是那些隐藏在交易背后的基础设施。
本期《币市观察局》，我们邀请到了 LTP 董事总经理 Bing。从雷曼兄弟东京办公室负责外汇期权交易，到全球头部对冲基金、自营交易团队，再到后来在香港创立自己的基金，Bing 的职业经历几乎横跨了近二十年传统金融的发展周期。而在经历过传统金融不同阶段之后，他最终选择进入 Crypto，并开始做一件在传统金融非常成熟，但在加密行业仍然十分稀缺的事情——Prime Brokerage（主经纪商）。
嘉宾：Bing，LTP 董事总经理
主持人：yuanyuan，BitMart Marketing VP
（本期收听链接：https://www.xiaoyuzhoufm.com/episode/6a1507f2e59ebca936498313）
从华尔街到 Crypto：吸引他的不是赚钱，而是变化本身
很多人会觉得，传统金融的人进入 Crypto，大概率是因为这里有更高的收益空间。但真正吸引Bing的并不是“财富效应”，而是行业变化本身。
Bing的第一份工作在雷曼兄弟东京办公室，当时主要负责外汇衍生品交易。后来又辗转欧美头部对冲基金和银行自营交易团队，长期做宏观和波动率套利交易。再后来，他在香港创立自己的基金，也经历过创业和市场周期带来的变化。
相比管理者、创业者这些身份，他更喜欢把自己看成一个交易员。因为在他看来，交易本身是一件非常有意思的事情——不断理解市场、寻找规律，再不断推翻原有认知。
事实上，他接触 Crypto 很早。2016 年就已经开始参与挖矿，并表示自己最早的 Crypto 积累很多都是“挖出来的”。但真正职业化进入 Crypto，是在很多年之后。
在过去很长时间里，Bing始终认为 Crypto 和传统金融是两套不同的系统。但后来他逐渐发现，两者之间原本清晰的边界开始变得越来越模糊。
传统金融开始关注链上资产和数字化清算，而 Crypto 也开始建立越来越成熟的金融体系。原本互不相交的两套逻辑，正在向同一个方向靠近。
为什么机构一直想进 Crypto，却迟迟没有真正进来
过去几年，行业里经常会出现一个说法：“机构入场”。但在 Bing 看来，这个说法其实并不准确。因为机构需求一直都存在，只是市场没有准备好。在传统金融体系里，一个大型基金进入市场之前，会有非常成熟的一套基础设施：交易、融资、托管、风控、清结算，每一个环节都对应着专业服务机构。但 Crypto 并不是这样。
过去很长时间里，无论个人还是机构，几乎都是直接在交易所开户。交易所同时承担了太多角色，既是交易场所，又负责融资、托管和风险管理。这种模式在行业早期没有太大问题，但随着市场规模不断扩大，它开始变得越来越不适合大机构。因为大型资金不会愿意把资产分散放在多个交易所，也不会接受每个平台完全不同的风险体系。他们需要的是更统一、更成熟的底层架构。而这也是 LTP 正在尝试解决的问题。
Prime Broker：Crypto 世界最被低估的基础设施之一
在传统金融里，Prime Broker 是非常常见的存在。几乎所有大型基金都会使用这套服务体系。简单来说，它负责的不只是交易接入，还包括融资、风险管理、清结算以及资产托管。如果交易所是市场，那么 Prime Broker 更像连接市场的一层操作系统。但真正困难的地方，并不是把多个交易所连接起来。Bing 提到，做 Prime Broker 很像木桶理论。决定它高度的，从来不是最长的板，而是最短的那块。而最难的部分其实是风控。
因为当平台开始提供融资和杠杆时，它就不再只是赚手续费的平台。客户赚钱时没有问题，但一旦客户发生极端亏损，平台本身也开始承担风险。什么时候应该追加保证金，什么时候应该强制平仓，如何处理极端行情，如何控制系统风险、技术风险以及法律风险，这些东西平时几乎感受不到，但真正发生的时候，往往决定的是生死问题。在 Bing 看来，Prime Broker 本质上承担的是一种尾部风险。而在 Crypto 世界里，这套能力仍然非常稀缺。
流动性不是“有人买有人卖”，做市商也不是价格决定者
聊到交易的时候，我们也谈到了一个被频繁提起、但又经常被误解的概念：流动性。很多普通用户会觉得，流动性无非就是市场里有人买、有人卖。但实际上，这只是非常表层的理解。
传统金融市场里，大量流动性来自自然交易需求。因为参与者足够多，所以订单本身就能形成深度。但 Crypto 不太一样。尤其是很多新交易所，如果没有做市商存在，订单簿可能会非常稀疏。因此很多交易所都会专门设置做市激励计划，希望做市商维持市场深度、控制价差、提供双边报价。
但很多人会进一步产生一种误解：既然流动性是做市商提供的，那么价格是不是也是做市商决定的？对此，Bing 给出了一个很明确的答案：不是。因为做市商本质上是被动成交者。他们决定的是短期盘口的厚度和深度，但真正决定市场方向的，依然是资金、情绪、叙事和宏观环境。
短期来看，做市商决定盘口长什么样；长期来看，市场决定价格去哪。
AI 会不会取代交易员？问题也许比想象中更大
最近一年，AI 几乎成为行业绕不开的话题。越来越多交易平台开始推出 AI Trading 功能，也越来越多人开始讨论未来交易员是否会被取代。
但 Bing表示短期不会，理由不是因为 AI 不够聪明，而是因为 AI 不承担后果。
在他看来，交易并不是单纯做判断，而是在做决策。决策意味着责任。
人做错了会亏钱、会被解雇、会影响生活，但 AI 不会。程序出问题可以删掉重来，所以至少在当前阶段，人仍然会站在最后一步做决定，而 AI 更多承担辅助角色。
不过聊到后面，他又提出了一个更有意思的思考。
金融市场本质上是在做资源配置，把资金从一个地方流向另一个地方，把风险从一个主体转移到另一个主体。如果未来 AI 真能做到资源的最优配置，那么很多“交易行为”本身可能都不再需要存在。因为 AI 已经直接完成了市场原本要完成的工作。这听起来有些遥远，但也许很多变化已经开始发生。
未来最大的变化，不一定发生在交易所
聊到最后，我们谈到了未来几年行业最大的变化会在哪里。很多人会把注意力放在新的热点、新的资产或者新的交易场所上，但 Bing 更关注基础设施本身。
在他看来，未来几年最大的变化可能是传统金融和 Crypto 的进一步融合。Crypto 正在学习传统金融的风险管理和制度建设；而传统金融也开始学习 Crypto 的链上清结算和资产数字化能力。原本完全不同的两套体系，正在不断向中间靠近。所以未来最大的变化，也许并不是某一个新的热点，而是原本存在的边界，会慢慢消失。
聊完整场对话之后会发现，Bing 很少去预测价格，也很少去判断某个具体赛道的涨跌。因为对于一个长期做交易的人来说，比起预测，更重要的是先理解市场。
毕竟很多时候，真正大的机会，从来不在最热闹的地方。而是在那些大多数人还没看见的地方。
------
本期录制时间：2026 年 5月 9日
完整内容可在小宇宙、Apple Podcast、Spotify 搜索并关注《币市观察局》。
也欢迎关注 BitMart 币市 的 TwitterX，获取更多行业洞察、市场趋势与平台动态。
风险提示
本栏目中发表的言论或观点仅代表嘉宾个人立场，不代表 BitMart 或其关联方的观点，亦不应视为专业的金融投资建议。
加密货币投资具有高度投机性，并伴随重大损失风险。过往表现、假设情况或模拟结果并不代表未来收益。数字货币的价值可能波动，买卖、持有或交易数字货币可能涉及重大风险。在参与交易或持有数字货币前，请根据自身投资目标、财务状况及风险承受能力，谨慎评估其适用性。BitMart 不提供任何投资、法律或税务建议。
币市观察局 × LTP Bing：当华尔街开始靠近 Crypto，真正的机会可能藏在交易背后
在Bing看来，未来几年最大的变化可能是传统金融和 Crypto 的进一步融合。Crypto 正在学习传统金融的风险管理和制度建设；而传统金融也开始学习 Crypto 的链上清结算和资产数字化能力。原本完全不同的两套体系，正在不断向中间靠近。所以未来最大的变化，也许并不是某一个新的热点，而是原本存在的边界，会慢慢消失。
文章作者、来源：BitMart
在加密行业里，大部分人的注意力永远停留在价格上。
比特币涨了多少、ETH 会不会创新高、下一轮叙事会不会轮到 AI、RWA 或预测市场。市场每天都在制造新的热点，也不断有人因为价格波动进入行业、离开行业。但如果和那些真正长期待在市场里的人聊得足够久，会发现他们越来越少谈价格本身。
他们开始谈结构、谈机制、谈风险，也开始谈那些普通用户几乎感受不到的底层变化。因为价格只是结果，而真正决定一个市场能走多远的，往往是那些隐藏在交易背后的基础设施。
本期《币市观察局》，我们邀请到了 LTP 董事总经理 Bing。从雷曼兄弟东京办公室负责外汇期权交易，到全球头部对冲基金、自营交易团队，再到后来在香港创立自己的基金，Bing 的职业经历几乎横跨了近二十年传统金融的发展周期。而在经历过传统金融不同阶段之后，他最终选择进入 Crypto，并开始做一件在传统金融非常成熟，但在加密行业仍然十分稀缺的事情——Prime Brokerage（主经纪商）。
嘉宾：Bing，LTP 董事总经理
主持人：yuanyuan，BitMart Marketing VP
（本期收听链接：https://www.xiaoyuzhoufm.com/episode/6a1507f2e59ebca936498313）
从华尔街到 Crypto：吸引他的不是赚钱，而是变化本身
很多人会觉得，传统金融的人进入 Crypto，大概率是因为这里有更高的收益空间。但真正吸引Bing的并不是“财富效应”，而是行业变化本身。
Bing的第一份工作在雷曼兄弟东京办公室，当时主要负责外汇衍生品交易。后来又辗转欧美头部对冲基金和银行自营交易团队，长期做宏观和波动率套利交易。再后来，他在香港创立自己的基金，也经历过创业和市场周期带来的变化。
相比管理者、创业者这些身份，他更喜欢把自己看成一个交易员。因为在他看来，交易本身是一件非常有意思的事情——不断理解市场、寻找规律，再不断推翻原有认知。
事实上，他接触 Crypto 很早。2016 年就已经开始参与挖矿，并表示自己最早的 Crypto 积累很多都是“挖出来的”。但真正职业化进入 Crypto，是在很多年之后。
在过去很长时间里，Bing始终认为 Crypto 和传统金融是两套不同的系统。但后来他逐渐发现，两者之间原本清晰的边界开始变得越来越模糊。
传统金融开始关注链上资产和数字化清算，而 Crypto 也开始建立越来越成熟的金融体系。原本互不相交的两套逻辑，正在向同一个方向靠近。
为什么机构一直想进 Crypto，却迟迟没有真正进来
过去几年，行业里经常会出现一个说法：“机构入场”。但在 Bing 看来，这个说法其实并不准确。因为机构需求一直都存在，只是市场没有准备好。在传统金融体系里，一个大型基金进入市场之前，会有非常成熟的一套基础设施：交易、融资、托管、风控、清结算，每一个环节都对应着专业服务机构。但 Crypto 并不是这样。
过去很长时间里，无论个人还是机构，几乎都是直接在交易所开户。交易所同时承担了太多角色，既是交易场所，又负责融资、托管和风险管理。这种模式在行业早期没有太大问题，但随着市场规模不断扩大，它开始变得越来越不适合大机构。因为大型资金不会愿意把资产分散放在多个交易所，也不会接受每个平台完全不同的风险体系。他们需要的是更统一、更成熟的底层架构。而这也是 LTP 正在尝试解决的问题。
Prime Broker：Crypto 世界最被低估的基础设施之一
在传统金融里，Prime Broker 是非常常见的存在。几乎所有大型基金都会使用这套服务体系。简单来说，它负责的不只是交易接入，还包括融资、风险管理、清结算以及资产托管。如果交易所是市场，那么 Prime Broker 更像连接市场的一层操作系统。但真正困难的地方，并不是把多个交易所连接起来。Bing 提到，做 Prime Broker 很像木桶理论。决定它高度的，从来不是最长的板，而是最短的那块。而最难的部分其实是风控。
因为当平台开始提供融资和杠杆时，它就不再只是赚手续费的平台。客户赚钱时没有问题，但一旦客户发生极端亏损，平台本身也开始承担风险。什么时候应该追加保证金，什么时候应该强制平仓，如何处理极端行情，如何控制系统风险、技术风险以及法律风险，这些东西平时几乎感受不到，但真正发生的时候，往往决定的是生死问题。在 Bing 看来，Prime Broker 本质上承担的是一种尾部风险。而在 Crypto 世界里，这套能力仍然非常稀缺。
流动性不是“有人买有人卖”，做市商也不是价格决定者
聊到交易的时候，我们也谈到了一个被频繁提起、但又经常被误解的概念：流动性。很多普通用户会觉得，流动性无非就是市场里有人买、有人卖。但实际上，这只是非常表层的理解。
传统金融市场里，大量流动性来自自然交易需求。因为参与者足够多，所以订单本身就能形成深度。但 Crypto 不太一样。尤其是很多新交易所，如果没有做市商存在，订单簿可能会非常稀疏。因此很多交易所都会专门设置做市激励计划，希望做市商维持市场深度、控制价差、提供双边报价。
但很多人会进一步产生一种误解：既然流动性是做市商提供的，那么价格是不是也是做市商决定的？对此，Bing 给出了一个很明确的答案：不是。因为做市商本质上是被动成交者。他们决定的是短期盘口的厚度和深度，但真正决定市场方向的，依然是资金、情绪、叙事和宏观环境。
短期来看，做市商决定盘口长什么样；长期来看，市场决定价格去哪。
AI 会不会取代交易员？问题也许比想象中更大
最近一年，AI 几乎成为行业绕不开的话题。越来越多交易平台开始推出 AI Trading 功能，也越来越多人开始讨论未来交易员是否会被取代。
但 Bing表示短期不会，理由不是因为 AI 不够聪明，而是因为 AI 不承担后果。
在他看来，交易并不是单纯做判断，而是在做决策。决策意味着责任。
人做错了会亏钱、会被解雇、会影响生活，但 AI 不会。程序出问题可以删掉重来，所以至少在当前阶段，人仍然会站在最后一步做决定，而 AI 更多承担辅助角色。
不过聊到后面，他又提出了一个更有意思的思考。
金融市场本质上是在做资源配置，把资金从一个地方流向另一个地方，把风险从一个主体转移到另一个主体。如果未来 AI 真能做到资源的最优配置，那么很多“交易行为”本身可能都不再需要存在。因为 AI 已经直接完成了市场原本要完成的工作。这听起来有些遥远，但也许很多变化已经开始发生。
未来最大的变化，不一定发生在交易所
聊到最后，我们谈到了未来几年行业最大的变化会在哪里。很多人会把注意力放在新的热点、新的资产或者新的交易场所上，但 Bing 更关注基础设施本身。
在他看来，未来几年最大的变化可能是传统金融和 Crypto 的进一步融合。Crypto 正在学习传统金融的风险管理和制度建设；而传统金融也开始学习 Crypto 的链上清结算和资产数字化能力。原本完全不同的两套体系，正在不断向中间靠近。所以未来最大的变化，也许并不是某一个新的热点，而是原本存在的边界，会慢慢消失。
聊完整场对话之后会发现，Bing 很少去预测价格，也很少去判断某个具体赛道的涨跌。因为对于一个长期做交易的人来说，比起预测，更重要的是先理解市场。
毕竟很多时候，真正大的机会，从来不在最热闹的地方。而是在那些大多数人还没看见的地方。
------
本期录制时间：2026 年 5月 9日
完整内容可在小宇宙、Apple Podcast、Spotify 搜索并关注《币市观察局》。
也欢迎关注 BitMart 币市 的 TwitterX，获取更多行业洞察、市场趋势与平台动态。
风险提示
本栏目中发表的言论或观点仅代表嘉宾个人立场，不代表 BitMart 或其关联方的观点，亦不应视为专业的金融投资建议。
加密货币投资具有高度投机性，并伴随重大损失风险。过往表现、假设情况或模拟结果并不代表未来收益。数字货币的价值可能波动，买卖、持有或交易数字货币可能涉及重大风险。在参与交易或持有数字货币前，请根据自身投资目标、财务状况及风险承受能力，谨慎评估其适用性。BitMart 不提供任何投资、法律或税务建议。
文章作者、来源：BitMart
在加密行业里，大部分人的注意力永远停留在价格上。
比特币涨了多少、ETH 会不会创新高、下一轮叙事会不会轮到 AI、RWA 或预测市场。市场每天都在制造新的热点，也不断有人因为价格波动进入行业、离开行业。但如果和那些真正长期待在市场里的人聊得足够久，会发现他们越来越少谈价格本身。
他们开始谈结构、谈机制、谈风险，也开始谈那些普通用户几乎感受不到的底层变化。因为价格只是结果，而真正决定一个市场能走多远的，往往是那些隐藏在交易背后的基础设施。
本期《币市观察局》，我们邀请到了 LTP 董事总经理 Bing。从雷曼兄弟东京办公室负责外汇期权交易，到全球头部对冲基金、自营交易团队，再到后来在香港创立自己的基金，Bing 的职业经历几乎横跨了近二十年传统金融的发展周期。而在经历过传统金融不同阶段之后，他最终选择进入 Crypto，并开始做一件在传统金融非常成熟，但在加密行业仍然十分稀缺的事情——Prime Brokerage（主经纪商）。
嘉宾：Bing，LTP 董事总经理
主持人：yuanyuan，BitMart Marketing VP
（本期收听链接：https://www.xiaoyuzhoufm.com/episode/6a1507f2e59ebca936498313）
从华尔街到 Crypto：吸引他的不是赚钱，而是变化本身
很多人会觉得，传统金融的人进入 Crypto，大概率是因为这里有更高的收益空间。但真正吸引Bing的并不是“财富效应”，而是行业变化本身。
Bing的第一份工作在雷曼兄弟东京办公室，当时主要负责外汇衍生品交易。后来又辗转欧美头部对冲基金和银行自营交易团队，长期做宏观和波动率套利交易。再后来，他在香港创立自己的基金，也经历过创业和市场周期带来的变化。
相比管理者、创业者这些身份，他更喜欢把自己看成一个交易员。因为在他看来，交易本身是一件非常有意思的事情——不断理解市场、寻找规律，再不断推翻原有认知。
事实上，他接触 Crypto 很早。2016 年就已经开始参与挖矿，并表示自己最早的 Crypto 积累很多都是“挖出来的”。但真正职业化进入 Crypto，是在很多年之后。
在过去很长时间里，Bing始终认为 Crypto 和传统金融是两套不同的系统。但后来他逐渐发现，两者之间原本清晰的边界开始变得越来越模糊。
传统金融开始关注链上资产和数字化清算，而 Crypto 也开始建立越来越成熟的金融体系。原本互不相交的两套逻辑，正在向同一个方向靠近。
为什么机构一直想进 Crypto，却迟迟没有真正进来
过去几年，行业里经常会出现一个说法：“机构入场”。但在 Bing 看来，这个说法其实并不准确。因为机构需求一直都存在，只是市场没有准备好。在传统金融体系里，一个大型基金进入市场之前，会有非常成熟的一套基础设施：交易、融资、托管、风控、清结算，每一个环节都对应着专业服务机构。但 Crypto 并不是这样。
过去很长时间里，无论个人还是机构，几乎都是直接在交易所开户。交易所同时承担了太多角色，既是交易场所，又负责融资、托管和风险管理。这种模式在行业早期没有太大问题，但随着市场规模不断扩大，它开始变得越来越不适合大机构。因为大型资金不会愿意把资产分散放在多个交易所，也不会接受每个平台完全不同的风险体系。他们需要的是更统一、更成熟的底层架构。而这也是 LTP 正在尝试解决的问题。
Prime Broker：Crypto 世界最被低估的基础设施之一
在传统金融里，Prime Broker 是非常常见的存在。几乎所有大型基金都会使用这套服务体系。简单来说，它负责的不只是交易接入，还包括融资、风险管理、清结算以及资产托管。如果交易所是市场，那么 Prime Broker 更像连接市场的一层操作系统。但真正困难的地方，并不是把多个交易所连接起来。Bing 提到，做 Prime Broker 很像木桶理论。决定它高度的，从来不是最长的板，而是最短的那块。而最难的部分其实是风控。
因为当平台开始提供融资和杠杆时，它就不再只是赚手续费的平台。客户赚钱时没有问题，但一旦客户发生极端亏损，平台本身也开始承担风险。什么时候应该追加保证金，什么时候应该强制平仓，如何处理极端行情，如何控制系统风险、技术风险以及法律风险，这些东西平时几乎感受不到，但真正发生的时候，往往决定的是生死问题。在 Bing 看来，Prime Broker 本质上承担的是一种尾部风险。而在 Crypto 世界里，这套能力仍然非常稀缺。
流动性不是“有人买有人卖”，做市商也不是价格决定者
聊到交易的时候，我们也谈到了一个被频繁提起、但又经常被误解的概念：流动性。很多普通用户会觉得，流动性无非就是市场里有人买、有人卖。但实际上，这只是非常表层的理解。
传统金融市场里，大量流动性来自自然交易需求。因为参与者足够多，所以订单本身就能形成深度。但 Crypto 不太一样。尤其是很多新交易所，如果没有做市商存在，订单簿可能会非常稀疏。因此很多交易所都会专门设置做市激励计划，希望做市商维持市场深度、控制价差、提供双边报价。
但很多人会进一步产生一种误解：既然流动性是做市商提供的，那么价格是不是也是做市商决定的？对此，Bing 给出了一个很明确的答案：不是。因为做市商本质上是被动成交者。他们决定的是短期盘口的厚度和深度，但真正决定市场方向的，依然是资金、情绪、叙事和宏观环境。
短期来看，做市商决定盘口长什么样；长期来看，市场决定价格去哪。
AI 会不会取代交易员？问题也许比想象中更大
最近一年，AI 几乎成为行业绕不开的话题。越来越多交易平台开始推出 AI Trading 功能，也越来越多人开始讨论未来交易员是否会被取代。
但 Bing表示短期不会，理由不是因为 AI 不够聪明，而是因为 AI 不承担后果。
在他看来，交易并不是单纯做判断，而是在做决策。决策意味着责任。
人做错了会亏钱、会被解雇、会影响生活，但 AI 不会。程序出问题可以删掉重来，所以至少在当前阶段，人仍然会站在最后一步做决定，而 AI 更多承担辅助角色。
不过聊到后面，他又提出了一个更有意思的思考。
金融市场本质上是在做资源配置，把资金从一个地方流向另一个地方，把风险从一个主体转移到另一个主体。如果未来 AI 真能做到资源的最优配置，那么很多“交易行为”本身可能都不再需要存在。因为 AI 已经直接完成了市场原本要完成的工作。这听起来有些遥远，但也许很多变化已经开始发生。
未来最大的变化，不一定发生在交易所
聊到最后，我们谈到了未来几年行业最大的变化会在哪里。很多人会把注意力放在新的热点、新的资产或者新的交易场所上，但 Bing 更关注基础设施本身。
在他看来，未来几年最大的变化可能是传统金融和 Crypto 的进一步融合。Crypto 正在学习传统金融的风险管理和制度建设；而传统金融也开始学习 Crypto 的链上清结算和资产数字化能力。原本完全不同的两套体系，正在不断向中间靠近。所以未来最大的变化，也许并不是某一个新的热点，而是原本存在的边界，会慢慢消失。
聊完整场对话之后会发现，Bing 很少去预测价格，也很少去判断某个具体赛道的涨跌。因为对于一个长期做交易的人来说，比起预测，更重要的是先理解市场。
毕竟很多时候，真正大的机会，从来不在最热闹的地方。而是在那些大多数人还没看见的地方。
------
本期录制时间：2026 年 5月 9日
完整内容可在小宇宙、Apple Podcast、Spotify 搜索并关注《币市观察局》。
也欢迎关注 BitMart 币市 的 TwitterX，获取更多行业洞察、市场趋势与平台动态。
风险提示
本栏目中发表的言论或观点仅代表嘉宾个人立场，不代表 BitMart 或其关联方的观点，亦不应视为专业的金融投资建议。
加密货币投资具有高度投机性，并伴随重大损失风险。过往表现、假设情况或模拟结果并不代表未来收益。数字货币的价值可能波动，买卖、持有或交易数字货币可能涉及重大风险。在参与交易或持有数字货币前，请根据自身投资目标、财务状况及风险承受能力，谨慎评估其适用性。BitMart 不提供任何投资、法律或税务建议。
6
·
--
Статья
Неожиданный уход основателя Ondo, IPO Yushu Technology состоится 1 июняME News сообщение, 26 мая (UTC+8), краткий обзор новостей от Deutsche Bank Singularity:
·Динамика персоналий: основатель Ondo Finance Натан Оллман неожиданно скончался, рынок следит за дальнейшей операцией проекта.
·Динамика IPO: IPO Yushu Technology на STAR Market состоится 1 июня, ожидается рост интереса к сектору робототехники.
·Динамика регулирования: Индонезия заблокировала Polymarket под предлогом закона о сетевом азартном gambling, усиливая ограничения на иностранные прогнозные платформы.
·Макро предупреждение: американские акции вчера были закрыты из-за Дня памяти, на предыдущей торговой сессии три основных индекса collectively закрылись в плюсе; рынок сосредоточен на прогрессе переговоров между США и Ираном, а также на падении цен на нефть.
Неожиданный уход основателя Ondo, IPO Yushu Technology состоится 1 июня
ME News сообщение, 26 мая (UTC+8), краткий обзор новостей от Deutsche Bank Singularity:
·Динамика персоналий: основатель Ondo Finance Натан Оллман неожиданно скончался, рынок следит за дальнейшей операцией проекта.
·Динамика IPO: IPO Yushu Technology на STAR Market состоится 1 июня, ожидается рост интереса к сектору робототехники.
·Динамика регулирования: Индонезия заблокировала Polymarket под предлогом закона о сетевом азартном gambling, усиливая ограничения на иностранные прогнозные платформы.
·Макро предупреждение: американские акции вчера были закрыты из-за Дня памяти, на предыдущей торговой сессии три основных индекса collectively закрылись в плюсе; рынок сосредоточен на прогрессе переговоров между США и Ираном, а также на падении цен на нефть.
·Динамика персоналий: основатель Ondo Finance Натан Оллман неожиданно скончался, рынок следит за дальнейшей операцией проекта.
·Динамика IPO: IPO Yushu Technology на STAR Market состоится 1 июня, ожидается рост интереса к сектору робототехники.
·Динамика регулирования: Индонезия заблокировала Polymarket под предлогом закона о сетевом азартном gambling, усиливая ограничения на иностранные прогнозные платформы.
·Макро предупреждение: американские акции вчера были закрыты из-за Дня памяти, на предыдущей торговой сессии три основных индекса collectively закрылись в плюсе; рынок сосредоточен на прогрессе переговоров между США и Ираном, а также на падении цен на нефть.
12
·
--
См. перевод
ME News 消息，5 月 26 日（UTC+8），本期永续合约奖金池再度攀升至 $2,244.77，整体热度持续走高
幸运榜单已揭晓：一等奖 $1,346.86 独得大奖，二等奖 $673.43 稳健收获，三等奖 $224.48 同样惊喜不断。
随着活动持续推进，每一期参与者都在不断接近好运席位，第20期 VIP 抽奖也已同步开启，热度仍在延续中。（来源：ME）
ME News 消息，5 月 26 日（UTC+8），本期永续合约奖金池再度攀升至 $2,244.77，整体热度持续走高
幸运榜单已揭晓：一等奖 $1,346.86 独得大奖，二等奖 $673.43 稳健收获，三等奖 $224.48 同样惊喜不断。
随着活动持续推进，每一期参与者都在不断接近好运席位，第20期 VIP 抽奖也已同步开启，热度仍在延续中。（来源：ME）
幸运榜单已揭晓：一等奖 $1,346.86 独得大奖，二等奖 $673.43 稳健收获，三等奖 $224.48 同样惊喜不断。
随着活动持续推进，每一期参与者都在不断接近好运席位，第20期 VIP 抽奖也已同步开启，热度仍在延续中。（来源：ME）
5
·
--
См. перевод
Bitunix分析师：霍尔木兹「边谈边打」，市场开始意识到真正的不确定性从未消失ME News 消息，5 月 26 日（UTC+8），全球市场虽然仍持续交易「美伊可能达成协议」的乐观预期，但霍尔木兹海峡附近再度爆发军事冲突，代表目前的中东局势本质上仍处于「边谈判、边博弈、边施压」阶段。美军证实对伊朗导弹设施与布雷船只进行「自卫打击」，伊朗则指控美方违反停火协议，显示所谓和平框架距离真正稳定仍有巨大距离。 目前市场最核心的主线，在于霍尔木兹能否真正恢复正常运作。虽然多家媒体开始曝光草案内容，包括 30 天内恢复通航、放松伊朗石油出口限制、部分解冻海外资产，以及延长停火 60 天等安排，但伊朗与美国在核浓缩、制裁解除与海峡控制权上仍未完全达成一致。这也是为何市场对和平协议的态度开始出现明显疲乏，甚至出现「狼来了」式反应。 从资产表现来看，油价在快速下挫后重新反弹，美债收益率在亚盘回落后再度走高，代表资金虽然短期押注冲突降温，但对中东风险与全球通胀压力仍保持高度警戒。尤其若霍尔木兹最终无法全面恢复正常航运，能源与供应链压力将继续限制全球央行的政策空间。 更深层的问题在于，目前市场开始逐渐接受一件事——即便战争最终降温，高利率环境也未必会快速结束。近期美联储与欧洲央行官员持续偏鹰，加上市场重新定价加息预期，代表全球资金已不再像过去一样完全相信「央行一定会救市场」。 加密市场方面，BTC 近期仍维持震荡，从清算热力图来看，上方 78000 至 78200 附近仍存在大量空头流动性堆积，而下方 75500 与 74200 附近则累积明显多头清算带。这代表目前市场结构仍偏向高杠杆拉锯，资金并未真正形成单边趋势共识。 在宏观不确定性尚未解除之前，加密市场短线仍更偏向全球流动性与风险偏好的高敏感度反应器，而非独立行情。尤其当市场开始重新怀疑「政策是否还有能力完全稳定市场」后，高波动环境可能才刚刚开始。（来源：ME）
Bitunix分析师：霍尔木兹「边谈边打」，市场开始意识到真正的不确定性从未消失
ME News 消息，5 月 26 日（UTC+8），全球市场虽然仍持续交易「美伊可能达成协议」的乐观预期，但霍尔木兹海峡附近再度爆发军事冲突，代表目前的中东局势本质上仍处于「边谈判、边博弈、边施压」阶段。美军证实对伊朗导弹设施与布雷船只进行「自卫打击」，伊朗则指控美方违反停火协议，显示所谓和平框架距离真正稳定仍有巨大距离。 目前市场最核心的主线，在于霍尔木兹能否真正恢复正常运作。虽然多家媒体开始曝光草案内容，包括 30 天内恢复通航、放松伊朗石油出口限制、部分解冻海外资产，以及延长停火 60 天等安排，但伊朗与美国在核浓缩、制裁解除与海峡控制权上仍未完全达成一致。这也是为何市场对和平协议的态度开始出现明显疲乏，甚至出现「狼来了」式反应。 从资产表现来看，油价在快速下挫后重新反弹，美债收益率在亚盘回落后再度走高，代表资金虽然短期押注冲突降温，但对中东风险与全球通胀压力仍保持高度警戒。尤其若霍尔木兹最终无法全面恢复正常航运，能源与供应链压力将继续限制全球央行的政策空间。 更深层的问题在于，目前市场开始逐渐接受一件事——即便战争最终降温，高利率环境也未必会快速结束。近期美联储与欧洲央行官员持续偏鹰，加上市场重新定价加息预期，代表全球资金已不再像过去一样完全相信「央行一定会救市场」。 加密市场方面，BTC 近期仍维持震荡，从清算热力图来看，上方 78000 至 78200 附近仍存在大量空头流动性堆积，而下方 75500 与 74200 附近则累积明显多头清算带。这代表目前市场结构仍偏向高杠杆拉锯，资金并未真正形成单边趋势共识。 在宏观不确定性尚未解除之前，加密市场短线仍更偏向全球流动性与风险偏好的高敏感度反应器，而非独立行情。尤其当市场开始重新怀疑「政策是否还有能力完全稳定市场」后，高波动环境可能才刚刚开始。（来源：ME）
10
·
--
См. перевод
ME News 消息，5 月 26 日（UTC+8），据 Coinglass 数据，过去 24 小时全网爆仓 1.91 亿美元，多单爆仓 1.07 亿美元，空单爆仓 8,411.4 万美元。其中比特币多单爆仓 2,520.84 万美元，比特币空单爆仓 2,885.47 万美元，以太坊多单爆仓 1,690.72 万美元，以太坊空单爆仓 1,448.13 万美元。此外，最近 24 小时，全球共有 80,072 人被爆仓，最大单笔爆仓单发生在 Hyperliquid - BTC-USD 价值 1052.13 万美元。（来源：ME）
ME News 消息，5 月 26 日（UTC+8），据 Coinglass 数据，过去 24 小时全网爆仓 1.91 亿美元，多单爆仓 1.07 亿美元，空单爆仓 8,411.4 万美元。其中比特币多单爆仓 2,520.84 万美元，比特币空单爆仓 2,885.47 万美元，以太坊多单爆仓 1,690.72 万美元，以太坊空单爆仓 1,448.13 万美元。此外，最近 24 小时，全球共有 80,072 人被爆仓，最大单笔爆仓单发生在 Hyperliquid - BTC-USD 价值 1052.13 万美元。（来源：ME）
3
·
--
См. перевод
ME News 消息，5 月 26 日（UTC+8），专注USDT稳定币支付的区块链Stable推出StableEarn，将业务扩展至财库管理领域，并在Morpho上启动了首个资金池。该产品面向新银行、金融科技公司、支付处理商和个人用户。该资金池由加密风险管理公司Gauntlet负责管理，将存入资产配置至Morpho借贷市场并管理额度和再分配。首个金库由机构现实世界资产收益平台Theo的产品支持，策略包括代币化美国国债敞口的thBILL、由珠宝商贷款支持的收益型黄金代币thGOLD，以及基于黄金衍生品的收益型稳定币thUSD。（来源：ME）
ME News 消息，5 月 26 日（UTC+8），专注USDT稳定币支付的区块链Stable推出StableEarn，将业务扩展至财库管理领域，并在Morpho上启动了首个资金池。该产品面向新银行、金融科技公司、支付处理商和个人用户。该资金池由加密风险管理公司Gauntlet负责管理，将存入资产配置至Morpho借贷市场并管理额度和再分配。首个金库由机构现实世界资产收益平台Theo的产品支持，策略包括代币化美国国债敞口的thBILL、由珠宝商贷款支持的收益型黄金代币thGOLD，以及基于黄金衍生品的收益型稳定币thUSD。（来源：ME）
285
·
--
См. перевод
用 Codex 优化网速狂飙 900Mbps？实测之后我发现了新的隐藏玩法还可以破解家用电器，释放C盘空间
文章作者、来源：爱范儿
昨天，Codex 再一次重置了额度，我们的账号从剩余 10% 又回到了剩余 87%。
Codex 负责人 Tibo 在 X 发文，
有些用户注意到 Codex 中的缓存限制消耗得更快，我们发现根本原因是之前的一个优化措施，该措施在长时间运行的会话中进行压缩时会影响缓存命中率，我们已将其回滚。
我们已修复此问题，并已重置所有账户的使用限制。祝您周末愉快。
于是又想着还可以用 Codex 来做点什么，刚好就在 X 上刷到了「我用 Codex 提升了我的电脑网速，从 400Mbps 到 900Mbps。」
内容真的很有噱头，用 Codex 竟然能优化本地的网络？网速不应该是受限于路由器，或者网络服务提供商 ISP 这些上层设备吗？
这则推文的评论区也有不少网友提出了质疑，「所以 Codex 最终改变了电脑上的什么配置？」、「鉴于如今 AI 的强大技术，我真的无法判断这是否是诱饵。」
博主做出解释，Codex 帮助他把电脑上的 auto tuning level 从关闭调回了 normal 正常。auto tuning level 是说系统会根据网络延迟、带宽和拥塞情况，动态决定一次能接收多少数据，从而提高网络的速度。
他还给出了自己用的提示词。
嘿，我朋友说他的网速提高了，情况是这样的。你能帮我看看我们家的网络有什么可以改进的地方吗？我的网络供应商说他们提供的带宽是 1.2k Gbps，而我实际的网速是硬件问题。我现在只有 55Mbps，请帮我解决这个问题，别出错了。
我的目标很简单，就是让我的互联网速度更快。
问题已诊断：首先运行了 speedtest-cli。
检查了 DNS 解析时间，
检查了 MTU、丢包率、Wi-Fi 信号/干扰情况。
发现 3 个问题。
已删除过时的网络位置/配置文件。
终止或限制占用大量带宽的后台进程。
优化 mDNS。
进行了测试前后的速度测试和延迟检查。
这套提示词来自另一个 X 博主@cjzafir，他分享了自己使用 Codex + GPT 5.5 的实际案例，里面提到了 Codex 5.5 让他的网速变快了，本地运行的 6B 小语言模型速度更快了，以及 Macbook Pro 运行速度也像新的一样快等等。
我们也拿着这套提示词发给 Codex，在要求 Codex 处理网速问题前，先用中国科学技术大学测速网站https://test.ustc.edu.cn/看了一下大概的速度，基本上下载速度在 100Mbps 左右，上传是在 200 Mbps 左右。
Codex 确实按照这些诊断，从 DNS 解析时间，数据包、网络配置等方面，检测并修复了对应的问题，累计处理时间超过五分钟。
最后 Codex 得出的结论是「我检查并做了能安全完成的修复。」它找到了 3 个存在的问题，分别是 DNS/缓存异常、负载延迟很高，以及有线千兆网卡没有在用，Wi-Fi 不能作为 1Gbps 的验收依据。
再次测试，发现似乎并没有很明显的网速提升。
有人问那位博主，是不是使用的 Mac 电脑，他回复说是 Windows，底下还有网友科普，Mac 的网络配置都是固定了，Codex 一般是无能为力。
所以这次轮到 Windows 用户来享受 Codex 网速提升服务了？还有 Linux。
有评论说，「以为是用 Codex 入侵了网络服务提供商，然后提高了流量限制」，结果只是 Codex 帮忙清理了一下 DNS 缓存。
但也有网友分享照着这个方法，成功复现了，Codex 确实让它的网速变快。
大家要是感兴趣也可以试试，不过 Codex 修改网络配置还是有一定的风险，评论区还有人提到 Codex 把他原有电脑的网络配置都删掉了，然后 Codex 跟他说，删掉它们是为了让网速更快。
这些涉及到 Computer Use 的使用案例，大概都会有类似的问题，除了每一次更细心的看懂允许 Codex 执行的是什么命令，还可以在提出任务时，就要求它解释清楚它要做的每一步。
如果不做修改，只是让 Codex 去诊断一些可能存在的网络配置问题，我想也比那个一直停留在进度条的自带 Windows 诊断要强。
开始了，Codexmaxxing
当大家都在讨论 Codex 是否能真的提升网速时，也有网友提到这种用法其实是一种启发。
他说这种做法的核心价值在于靠案例驱动，让 AI 直接参考成功的经验，再针对自己的具体情况进行精准诊断和优化，而类似的提示词技巧在 Agent 产品上将非常有效。
这很像 Codex 里面的 /goal 命令，给他一个目标，这个目标可以是我们自己设置的，也可以是其他用户已经有的成功案例，Codex 照着这个目标，自己去摸索可以实现的路径。
在社交媒体上，也有很多人开始分享这些写目标的模板，以及 OpenAI 的工程师也专门写了一篇文章来讲清楚什么是目标，如何用好目标来发挥 Codex 的最大价值。
/goal <期望的最终状态>，通过 <具体证据> 验证，同时保留 <约束条件>。使用 <允许的输入、工具或边界>。在各次迭代之间，如果受阻或没有剩余有效路径。
也有人认为这只是 Codex 的早期阶段，所以我们才需要学习这么多的提示词技巧，无论是使用案例驱动还是使用 /goal 命令，本质上都是为了让 AI 能更好的理解人类的需求。
就像 Midjourney 、Nano Banana 刚推出时，我们都热衷于找各种公开的提示词；而现在使用 GPT Image 2 在大多数的生图场景下，基本上都不需要专门的提示词格式，就能得到不错的效果。
等到 Codex 越来越好用，我们或许也不再需要这些官方使用模板。但从另一个角度来看，或许就是在这种模仿使用的过程中，我们才会更知道 AI 是如何提升我们的生活和工作效率。
因此，除了提升网速，我们还看到了一些 Codex 的其他玩法。
像是使用 Codex 的定时任务，让它每天早上自动产出一份对应行业的日报；还有让 Codex 也能获得自我进化，从过去的对话里面提取出有用的技能；以及直接构建一个 macOS 应用；把 DeepSeek 接入 Codex 客户端等。
图片来源：X@hqmank
我们也继续尝试了一下那套让 Codex 自进化的提示词，它花了 7 分钟，帮我们创建了 3 个 Skills。
提示词来源：https://x.com/reach_vb/status/2058538305872949490
感觉这套提示词不仅仅可以用在 Codex 里面，几乎所有的 Agent 产品，都可以用它总结出一些可复用的流程，以子 Agent、Skill，或者自动化的形式重新编排。
回顾我最近 30 天的工作，若历史记录不足则查看所有可用历史，并识别值得打包的重复性手动工作流。
按以下顺序使用可用证据：
- 最近的 Codex 会话和任务摘要。
- Codex Memories 和 rollout 摘要，用于寻找跨会话重复出现的模式。
- 如果启用了 Chronicle，用它发现 Codex 之外的重复工作。Chronicle 仅用于发现；重要细节尽量回到相关源系统确认。
- 现有技能、自定义智能体和自动化，优先复用或扩展已有内容，避免重复建设。
广泛寻找那些重复、耗时、容易出错、依赖上下文，或适合标准化流程的工作。范围包括编码、研究、写作、规划、沟通、运营、分析，以及个人事务管理。
只有满足以下条件时，才把候选项纳入：
- 至少出现过两次，或明显会重复出现且重复成本高；
- 输入稳定、步骤可重复，并且输出或结束条件明确；
- 能明显提升速度、质量、一致性或可靠性；
- 当前还没有被充分覆盖。
选择最小且合适的形式：
- Skill：可复用的工作流或操作手册。
- 自定义子智能体：适合委派的、有边界的专项角色或调查任务。
- 自动化：定时或周期性的检查、报告、提醒或监控。
- Skip：过于一次性、模糊、敏感，或证据不足，不适合打包。
先输出一个简洁候选清单，包含：
- 重复工作流
- 支持证据与日期
- 频率 / 置信度
- 推荐形式：skill、subagent、automation、扩展已有内容，或 skip
- 为什么值得或不值得创建
然后只创建高置信度且当前缺失的项目。保持范围狭窄、实用、了解数据来源，并且容易验证。不要创建猜测性的、重叠的，或过于宽泛的资产。
最后总结：
- 你创建或扩展了什么
- 你刻意跳过了什么
- 哪些内容还需要更多证据后才能打包」
我们还依照 Tibo 分享的使用 Codex 来取消我们不需要的付费订阅服务，由于订阅项目较少，但是有很多无意中订阅的 newsletter，所以我们输入「请查看我的电子邮件，列出我付费订阅的所有服务，以及订阅了哪些邮件通知，并和我确认哪些需要取消订阅。」
Codex 很快就调用了浏览器使用的工具，打开 Gmail，检查我的电子邮箱，发现付费订阅的项目较少，着重为我列举了一些「可退订的邮件通知」。
Codex 会自动搜索相关的邮件
新加入 OpenAI 的员工 Jason Liu 也分享了如何榨干 Codex 的用法。
他提到自己喜欢使用 Codex 的语音输入功能，所有的对话线程不再一次性重置，而是跨对话保留上下文，以及使用 Obsidian 库来作为 Codex 的持久记忆层。
前几天，我们分享了一篇文章，是说几乎所有模型公司，都要做自己的 Agent 产品，模型公司和产品公司之间的界线会越来越模糊。
OpenAI CEO Greg 在 X 发文也提到他认为仅凭模型本身已经不再是产品。
Google AI Studio 负责人 Logan 在跟帖中回复，模型、工具和产品之间的共生关系如今已成为一种趋势。
从目前来看，Codex 大概会是体现 OpenAI 模型能力最有力的一个产品。
Codex 重新设计了网站主页，让它更像是一个能为所有人提供帮助的 AI 工作助手，而不是仅限于帮助开发者做代码补全
Codex 负责人 Tibo 提到「总体规划是发布更好、更高效的模型，并且每周都发布更好的产品。还要增加计算能力。」
能从龙虾、Claude Code 这些先占领市场的 Agent 产品里脱颖而出，Codex 的进展确实让人值得期待。不过， Tibo 还贴心地提醒我们，好用，也记得多出去走走，Codex 没法替我们体验真实的生活。
龙虾之父已经对 Codex 上瘾了，留言说起来容易做起来难
本文来自微信公众号“APPSO”，作者：发现明日产品的APPSO，36氪经授权发布。
用 Codex 优化网速狂飙 900Mbps？实测之后我发现了新的隐藏玩法
还可以破解家用电器，释放C盘空间
文章作者、来源：爱范儿
昨天，Codex 再一次重置了额度，我们的账号从剩余 10% 又回到了剩余 87%。
Codex 负责人 Tibo 在 X 发文，
有些用户注意到 Codex 中的缓存限制消耗得更快，我们发现根本原因是之前的一个优化措施，该措施在长时间运行的会话中进行压缩时会影响缓存命中率，我们已将其回滚。
我们已修复此问题，并已重置所有账户的使用限制。祝您周末愉快。
于是又想着还可以用 Codex 来做点什么，刚好就在 X 上刷到了「我用 Codex 提升了我的电脑网速，从 400Mbps 到 900Mbps。」
内容真的很有噱头，用 Codex 竟然能优化本地的网络？网速不应该是受限于路由器，或者网络服务提供商 ISP 这些上层设备吗？
这则推文的评论区也有不少网友提出了质疑，「所以 Codex 最终改变了电脑上的什么配置？」、「鉴于如今 AI 的强大技术，我真的无法判断这是否是诱饵。」
博主做出解释，Codex 帮助他把电脑上的 auto tuning level 从关闭调回了 normal 正常。auto tuning level 是说系统会根据网络延迟、带宽和拥塞情况，动态决定一次能接收多少数据，从而提高网络的速度。
他还给出了自己用的提示词。
嘿，我朋友说他的网速提高了，情况是这样的。你能帮我看看我们家的网络有什么可以改进的地方吗？我的网络供应商说他们提供的带宽是 1.2k Gbps，而我实际的网速是硬件问题。我现在只有 55Mbps，请帮我解决这个问题，别出错了。
我的目标很简单，就是让我的互联网速度更快。
问题已诊断：首先运行了 speedtest-cli。
检查了 DNS 解析时间，
检查了 MTU、丢包率、Wi-Fi 信号/干扰情况。
发现 3 个问题。
已删除过时的网络位置/配置文件。
终止或限制占用大量带宽的后台进程。
优化 mDNS。
进行了测试前后的速度测试和延迟检查。
这套提示词来自另一个 X 博主@cjzafir，他分享了自己使用 Codex + GPT 5.5 的实际案例，里面提到了 Codex 5.5 让他的网速变快了，本地运行的 6B 小语言模型速度更快了，以及 Macbook Pro 运行速度也像新的一样快等等。
我们也拿着这套提示词发给 Codex，在要求 Codex 处理网速问题前，先用中国科学技术大学测速网站https://test.ustc.edu.cn/看了一下大概的速度，基本上下载速度在 100Mbps 左右，上传是在 200 Mbps 左右。
Codex 确实按照这些诊断，从 DNS 解析时间，数据包、网络配置等方面，检测并修复了对应的问题，累计处理时间超过五分钟。
最后 Codex 得出的结论是「我检查并做了能安全完成的修复。」它找到了 3 个存在的问题，分别是 DNS/缓存异常、负载延迟很高，以及有线千兆网卡没有在用，Wi-Fi 不能作为 1Gbps 的验收依据。
再次测试，发现似乎并没有很明显的网速提升。
有人问那位博主，是不是使用的 Mac 电脑，他回复说是 Windows，底下还有网友科普，Mac 的网络配置都是固定了，Codex 一般是无能为力。
所以这次轮到 Windows 用户来享受 Codex 网速提升服务了？还有 Linux。
有评论说，「以为是用 Codex 入侵了网络服务提供商，然后提高了流量限制」，结果只是 Codex 帮忙清理了一下 DNS 缓存。
但也有网友分享照着这个方法，成功复现了，Codex 确实让它的网速变快。
大家要是感兴趣也可以试试，不过 Codex 修改网络配置还是有一定的风险，评论区还有人提到 Codex 把他原有电脑的网络配置都删掉了，然后 Codex 跟他说，删掉它们是为了让网速更快。
这些涉及到 Computer Use 的使用案例，大概都会有类似的问题，除了每一次更细心的看懂允许 Codex 执行的是什么命令，还可以在提出任务时，就要求它解释清楚它要做的每一步。
如果不做修改，只是让 Codex 去诊断一些可能存在的网络配置问题，我想也比那个一直停留在进度条的自带 Windows 诊断要强。
开始了，Codexmaxxing
当大家都在讨论 Codex 是否能真的提升网速时，也有网友提到这种用法其实是一种启发。
他说这种做法的核心价值在于靠案例驱动，让 AI 直接参考成功的经验，再针对自己的具体情况进行精准诊断和优化，而类似的提示词技巧在 Agent 产品上将非常有效。
这很像 Codex 里面的 /goal 命令，给他一个目标，这个目标可以是我们自己设置的，也可以是其他用户已经有的成功案例，Codex 照着这个目标，自己去摸索可以实现的路径。
在社交媒体上，也有很多人开始分享这些写目标的模板，以及 OpenAI 的工程师也专门写了一篇文章来讲清楚什么是目标，如何用好目标来发挥 Codex 的最大价值。
/goal <期望的最终状态>，通过 <具体证据> 验证，同时保留 <约束条件>。使用 <允许的输入、工具或边界>。在各次迭代之间，如果受阻或没有剩余有效路径。
也有人认为这只是 Codex 的早期阶段，所以我们才需要学习这么多的提示词技巧，无论是使用案例驱动还是使用 /goal 命令，本质上都是为了让 AI 能更好的理解人类的需求。
就像 Midjourney 、Nano Banana 刚推出时，我们都热衷于找各种公开的提示词；而现在使用 GPT Image 2 在大多数的生图场景下，基本上都不需要专门的提示词格式，就能得到不错的效果。
等到 Codex 越来越好用，我们或许也不再需要这些官方使用模板。但从另一个角度来看，或许就是在这种模仿使用的过程中，我们才会更知道 AI 是如何提升我们的生活和工作效率。
因此，除了提升网速，我们还看到了一些 Codex 的其他玩法。
像是使用 Codex 的定时任务，让它每天早上自动产出一份对应行业的日报；还有让 Codex 也能获得自我进化，从过去的对话里面提取出有用的技能；以及直接构建一个 macOS 应用；把 DeepSeek 接入 Codex 客户端等。
图片来源：X@hqmank
我们也继续尝试了一下那套让 Codex 自进化的提示词，它花了 7 分钟，帮我们创建了 3 个 Skills。
提示词来源：https://x.com/reach_vb/status/2058538305872949490
感觉这套提示词不仅仅可以用在 Codex 里面，几乎所有的 Agent 产品，都可以用它总结出一些可复用的流程，以子 Agent、Skill，或者自动化的形式重新编排。
回顾我最近 30 天的工作，若历史记录不足则查看所有可用历史，并识别值得打包的重复性手动工作流。
按以下顺序使用可用证据：
- 最近的 Codex 会话和任务摘要。
- Codex Memories 和 rollout 摘要，用于寻找跨会话重复出现的模式。
- 如果启用了 Chronicle，用它发现 Codex 之外的重复工作。Chronicle 仅用于发现；重要细节尽量回到相关源系统确认。
- 现有技能、自定义智能体和自动化，优先复用或扩展已有内容，避免重复建设。
广泛寻找那些重复、耗时、容易出错、依赖上下文，或适合标准化流程的工作。范围包括编码、研究、写作、规划、沟通、运营、分析，以及个人事务管理。
只有满足以下条件时，才把候选项纳入：
- 至少出现过两次，或明显会重复出现且重复成本高；
- 输入稳定、步骤可重复，并且输出或结束条件明确；
- 能明显提升速度、质量、一致性或可靠性；
- 当前还没有被充分覆盖。
选择最小且合适的形式：
- Skill：可复用的工作流或操作手册。
- 自定义子智能体：适合委派的、有边界的专项角色或调查任务。
- 自动化：定时或周期性的检查、报告、提醒或监控。
- Skip：过于一次性、模糊、敏感，或证据不足，不适合打包。
先输出一个简洁候选清单，包含：
- 重复工作流
- 支持证据与日期
- 频率 / 置信度
- 推荐形式：skill、subagent、automation、扩展已有内容，或 skip
- 为什么值得或不值得创建
然后只创建高置信度且当前缺失的项目。保持范围狭窄、实用、了解数据来源，并且容易验证。不要创建猜测性的、重叠的，或过于宽泛的资产。
最后总结：
- 你创建或扩展了什么
- 你刻意跳过了什么
- 哪些内容还需要更多证据后才能打包」
我们还依照 Tibo 分享的使用 Codex 来取消我们不需要的付费订阅服务，由于订阅项目较少，但是有很多无意中订阅的 newsletter，所以我们输入「请查看我的电子邮件，列出我付费订阅的所有服务，以及订阅了哪些邮件通知，并和我确认哪些需要取消订阅。」
Codex 很快就调用了浏览器使用的工具，打开 Gmail，检查我的电子邮箱，发现付费订阅的项目较少，着重为我列举了一些「可退订的邮件通知」。
Codex 会自动搜索相关的邮件
新加入 OpenAI 的员工 Jason Liu 也分享了如何榨干 Codex 的用法。
他提到自己喜欢使用 Codex 的语音输入功能，所有的对话线程不再一次性重置，而是跨对话保留上下文，以及使用 Obsidian 库来作为 Codex 的持久记忆层。
前几天，我们分享了一篇文章，是说几乎所有模型公司，都要做自己的 Agent 产品，模型公司和产品公司之间的界线会越来越模糊。
OpenAI CEO Greg 在 X 发文也提到他认为仅凭模型本身已经不再是产品。
Google AI Studio 负责人 Logan 在跟帖中回复，模型、工具和产品之间的共生关系如今已成为一种趋势。
从目前来看，Codex 大概会是体现 OpenAI 模型能力最有力的一个产品。
Codex 重新设计了网站主页，让它更像是一个能为所有人提供帮助的 AI 工作助手，而不是仅限于帮助开发者做代码补全
Codex 负责人 Tibo 提到「总体规划是发布更好、更高效的模型，并且每周都发布更好的产品。还要增加计算能力。」
能从龙虾、Claude Code 这些先占领市场的 Agent 产品里脱颖而出，Codex 的进展确实让人值得期待。不过， Tibo 还贴心地提醒我们，好用，也记得多出去走走，Codex 没法替我们体验真实的生活。
龙虾之父已经对 Codex 上瘾了，留言说起来容易做起来难
本文来自微信公众号“APPSO”，作者：发现明日产品的APPSO，36氪经授权发布。
文章作者、来源：爱范儿
昨天，Codex 再一次重置了额度，我们的账号从剩余 10% 又回到了剩余 87%。
Codex 负责人 Tibo 在 X 发文，
有些用户注意到 Codex 中的缓存限制消耗得更快，我们发现根本原因是之前的一个优化措施，该措施在长时间运行的会话中进行压缩时会影响缓存命中率，我们已将其回滚。
我们已修复此问题，并已重置所有账户的使用限制。祝您周末愉快。
于是又想着还可以用 Codex 来做点什么，刚好就在 X 上刷到了「我用 Codex 提升了我的电脑网速，从 400Mbps 到 900Mbps。」
内容真的很有噱头，用 Codex 竟然能优化本地的网络？网速不应该是受限于路由器，或者网络服务提供商 ISP 这些上层设备吗？
这则推文的评论区也有不少网友提出了质疑，「所以 Codex 最终改变了电脑上的什么配置？」、「鉴于如今 AI 的强大技术，我真的无法判断这是否是诱饵。」
博主做出解释，Codex 帮助他把电脑上的 auto tuning level 从关闭调回了 normal 正常。auto tuning level 是说系统会根据网络延迟、带宽和拥塞情况，动态决定一次能接收多少数据，从而提高网络的速度。
他还给出了自己用的提示词。
嘿，我朋友说他的网速提高了，情况是这样的。你能帮我看看我们家的网络有什么可以改进的地方吗？我的网络供应商说他们提供的带宽是 1.2k Gbps，而我实际的网速是硬件问题。我现在只有 55Mbps，请帮我解决这个问题，别出错了。
我的目标很简单，就是让我的互联网速度更快。
问题已诊断：首先运行了 speedtest-cli。
检查了 DNS 解析时间，
检查了 MTU、丢包率、Wi-Fi 信号/干扰情况。
发现 3 个问题。
已删除过时的网络位置/配置文件。
终止或限制占用大量带宽的后台进程。
优化 mDNS。
进行了测试前后的速度测试和延迟检查。
这套提示词来自另一个 X 博主@cjzafir，他分享了自己使用 Codex + GPT 5.5 的实际案例，里面提到了 Codex 5.5 让他的网速变快了，本地运行的 6B 小语言模型速度更快了，以及 Macbook Pro 运行速度也像新的一样快等等。
我们也拿着这套提示词发给 Codex，在要求 Codex 处理网速问题前，先用中国科学技术大学测速网站https://test.ustc.edu.cn/看了一下大概的速度，基本上下载速度在 100Mbps 左右，上传是在 200 Mbps 左右。
Codex 确实按照这些诊断，从 DNS 解析时间，数据包、网络配置等方面，检测并修复了对应的问题，累计处理时间超过五分钟。
最后 Codex 得出的结论是「我检查并做了能安全完成的修复。」它找到了 3 个存在的问题，分别是 DNS/缓存异常、负载延迟很高，以及有线千兆网卡没有在用，Wi-Fi 不能作为 1Gbps 的验收依据。
再次测试，发现似乎并没有很明显的网速提升。
有人问那位博主，是不是使用的 Mac 电脑，他回复说是 Windows，底下还有网友科普，Mac 的网络配置都是固定了，Codex 一般是无能为力。
所以这次轮到 Windows 用户来享受 Codex 网速提升服务了？还有 Linux。
有评论说，「以为是用 Codex 入侵了网络服务提供商，然后提高了流量限制」，结果只是 Codex 帮忙清理了一下 DNS 缓存。
但也有网友分享照着这个方法，成功复现了，Codex 确实让它的网速变快。
大家要是感兴趣也可以试试，不过 Codex 修改网络配置还是有一定的风险，评论区还有人提到 Codex 把他原有电脑的网络配置都删掉了，然后 Codex 跟他说，删掉它们是为了让网速更快。
这些涉及到 Computer Use 的使用案例，大概都会有类似的问题，除了每一次更细心的看懂允许 Codex 执行的是什么命令，还可以在提出任务时，就要求它解释清楚它要做的每一步。
如果不做修改，只是让 Codex 去诊断一些可能存在的网络配置问题，我想也比那个一直停留在进度条的自带 Windows 诊断要强。
开始了，Codexmaxxing
当大家都在讨论 Codex 是否能真的提升网速时，也有网友提到这种用法其实是一种启发。
他说这种做法的核心价值在于靠案例驱动，让 AI 直接参考成功的经验，再针对自己的具体情况进行精准诊断和优化，而类似的提示词技巧在 Agent 产品上将非常有效。
这很像 Codex 里面的 /goal 命令，给他一个目标，这个目标可以是我们自己设置的，也可以是其他用户已经有的成功案例，Codex 照着这个目标，自己去摸索可以实现的路径。
在社交媒体上，也有很多人开始分享这些写目标的模板，以及 OpenAI 的工程师也专门写了一篇文章来讲清楚什么是目标，如何用好目标来发挥 Codex 的最大价值。
/goal <期望的最终状态>，通过 <具体证据> 验证，同时保留 <约束条件>。使用 <允许的输入、工具或边界>。在各次迭代之间，如果受阻或没有剩余有效路径。
也有人认为这只是 Codex 的早期阶段，所以我们才需要学习这么多的提示词技巧，无论是使用案例驱动还是使用 /goal 命令，本质上都是为了让 AI 能更好的理解人类的需求。
就像 Midjourney 、Nano Banana 刚推出时，我们都热衷于找各种公开的提示词；而现在使用 GPT Image 2 在大多数的生图场景下，基本上都不需要专门的提示词格式，就能得到不错的效果。
等到 Codex 越来越好用，我们或许也不再需要这些官方使用模板。但从另一个角度来看，或许就是在这种模仿使用的过程中，我们才会更知道 AI 是如何提升我们的生活和工作效率。
因此，除了提升网速，我们还看到了一些 Codex 的其他玩法。
像是使用 Codex 的定时任务，让它每天早上自动产出一份对应行业的日报；还有让 Codex 也能获得自我进化，从过去的对话里面提取出有用的技能；以及直接构建一个 macOS 应用；把 DeepSeek 接入 Codex 客户端等。
图片来源：X@hqmank
我们也继续尝试了一下那套让 Codex 自进化的提示词，它花了 7 分钟，帮我们创建了 3 个 Skills。
提示词来源：https://x.com/reach_vb/status/2058538305872949490
感觉这套提示词不仅仅可以用在 Codex 里面，几乎所有的 Agent 产品，都可以用它总结出一些可复用的流程，以子 Agent、Skill，或者自动化的形式重新编排。
回顾我最近 30 天的工作，若历史记录不足则查看所有可用历史，并识别值得打包的重复性手动工作流。
按以下顺序使用可用证据：
- 最近的 Codex 会话和任务摘要。
- Codex Memories 和 rollout 摘要，用于寻找跨会话重复出现的模式。
- 如果启用了 Chronicle，用它发现 Codex 之外的重复工作。Chronicle 仅用于发现；重要细节尽量回到相关源系统确认。
- 现有技能、自定义智能体和自动化，优先复用或扩展已有内容，避免重复建设。
广泛寻找那些重复、耗时、容易出错、依赖上下文，或适合标准化流程的工作。范围包括编码、研究、写作、规划、沟通、运营、分析，以及个人事务管理。
只有满足以下条件时，才把候选项纳入：
- 至少出现过两次，或明显会重复出现且重复成本高；
- 输入稳定、步骤可重复，并且输出或结束条件明确；
- 能明显提升速度、质量、一致性或可靠性；
- 当前还没有被充分覆盖。
选择最小且合适的形式：
- Skill：可复用的工作流或操作手册。
- 自定义子智能体：适合委派的、有边界的专项角色或调查任务。
- 自动化：定时或周期性的检查、报告、提醒或监控。
- Skip：过于一次性、模糊、敏感，或证据不足，不适合打包。
先输出一个简洁候选清单，包含：
- 重复工作流
- 支持证据与日期
- 频率 / 置信度
- 推荐形式：skill、subagent、automation、扩展已有内容，或 skip
- 为什么值得或不值得创建
然后只创建高置信度且当前缺失的项目。保持范围狭窄、实用、了解数据来源，并且容易验证。不要创建猜测性的、重叠的，或过于宽泛的资产。
最后总结：
- 你创建或扩展了什么
- 你刻意跳过了什么
- 哪些内容还需要更多证据后才能打包」
我们还依照 Tibo 分享的使用 Codex 来取消我们不需要的付费订阅服务，由于订阅项目较少，但是有很多无意中订阅的 newsletter，所以我们输入「请查看我的电子邮件，列出我付费订阅的所有服务，以及订阅了哪些邮件通知，并和我确认哪些需要取消订阅。」
Codex 很快就调用了浏览器使用的工具，打开 Gmail，检查我的电子邮箱，发现付费订阅的项目较少，着重为我列举了一些「可退订的邮件通知」。
Codex 会自动搜索相关的邮件
新加入 OpenAI 的员工 Jason Liu 也分享了如何榨干 Codex 的用法。
他提到自己喜欢使用 Codex 的语音输入功能，所有的对话线程不再一次性重置，而是跨对话保留上下文，以及使用 Obsidian 库来作为 Codex 的持久记忆层。
前几天，我们分享了一篇文章，是说几乎所有模型公司，都要做自己的 Agent 产品，模型公司和产品公司之间的界线会越来越模糊。
OpenAI CEO Greg 在 X 发文也提到他认为仅凭模型本身已经不再是产品。
Google AI Studio 负责人 Logan 在跟帖中回复，模型、工具和产品之间的共生关系如今已成为一种趋势。
从目前来看，Codex 大概会是体现 OpenAI 模型能力最有力的一个产品。
Codex 重新设计了网站主页，让它更像是一个能为所有人提供帮助的 AI 工作助手，而不是仅限于帮助开发者做代码补全
Codex 负责人 Tibo 提到「总体规划是发布更好、更高效的模型，并且每周都发布更好的产品。还要增加计算能力。」
能从龙虾、Claude Code 这些先占领市场的 Agent 产品里脱颖而出，Codex 的进展确实让人值得期待。不过， Tibo 还贴心地提醒我们，好用，也记得多出去走走，Codex 没法替我们体验真实的生活。
龙虾之父已经对 Codex 上瘾了，留言说起来容易做起来难
本文来自微信公众号“APPSO”，作者：发现明日产品的APPSO，36氪经授权发布。
3
·
--
См. перевод
翻车？第一款AI游戏仅剩54%好评，制作人：烧Token的成本太高了《历史模拟器：崇祯》是青干工作室研发的AI原生游戏，玩家扮演崇祯皇帝通过下诏书由AI大模型推演改写历史。游戏没有预设剧本，进程完全由AI实时推演，玩家可通过想象力用诏书引导群臣，实现诸如让崇祯修仙成功、科技攀至载人航天等超乎常规的发展。该作在AI与历史策略玩法结合上走出新路，解决了一路平推缺乏反馈的问题。但AI大模型的上下文记忆与幻觉问题导致体验受限，专家模式成本更是快速模式的4倍。游戏采用买断+Token积分付费模式，Steam好评率仅56%，争议主要集中在积分消耗过快。作为首个在AI原生赛道落地的产品，该作虽面临成本与体验的跷跷板困境，但为后来者提供了可参考的方向。
文章作者、来源：手游那点事
怎么做不是问题，怎么变现才是。
今年以来，"AI+游戏"相关的团队和平台可以说迎来了爆发式的增长。光是最近这两个月，由"AI教母"李飞飞联合创立、获得5600万美元融资的Astrocade，以及AI Dungeon开发商Latitude推出的AI驱动RPG游戏平台Voyage等新面孔，都成为了各家媒体的头条常客。
然而对于更多游戏行业从业者以及玩家来说，还有一个更加关心的问题：「AI原生游戏」究竟是怎样的？在不久前正式上线，由青干工作室研发的《历史模拟器：崇祯》就成了这问题第一个"交答卷"的人。
在游戏中玩家需要扮演明朝末代皇帝朱由检（崇祯），并通过不断输入诏书内容、交由AI大模型推演结果的方式改写历史，尝试在天灾人祸与女真铁蹄的威胁之下挽大明于将倾。
公开信息显示，青干工作室实际上是一个由不到10名成员组成的小团队，截至目前，《历史模拟器：崇祯》在Steam平台的简中评论数量超过1200条，但好评率仅维持在54%。以发售时间以及团队规模来看，这个成绩可以说是好坏参半。
从具体评价可以看出，游戏的差评大多是关于定价区间及商业模式，但据制作组透露，《历史模拟器：崇祯》发售后的次日留存达到 75.1%，玩家非工作日平均在线时长则为7个小时左右。可以说呈现出了一边挨骂，但又一边让人玩得停不下来的矛盾状态。
而在猛肝超过40个小时，编诏书编到写稿都快要下意识地打出文言文之后，我也确实体会到这个模拟器，究竟为什么会让人"又爱又恨"了。虽然他们成为了第一个在「AI原生」赛道跑出的产品，但距离把打法以及商业模式"跑通"，还有一段距离。
01 靠「想象力」拯救大明
从体验来看，《历史模拟器：崇祯》也没有偏离先前行业对于「AI原生」的想象：没有预先写好的剧本，没有预设好的展开，游戏的进程和发展完全由AI实时推演主导，玩家每个指令带来的"蝴蝶效应"就是主导游戏进展最核心的一环。
由于玩家扮演的是历史上颇具争议的崇祯皇帝，进入游戏之后，会直接面临国库赤字、陕西大旱、各地战乱等一系列尖锐问题。但与大多数策略游戏常见的破局方法不同，《历史模拟器：崇祯》无法通过上帝视角战术微操来弥补战力差距、达到以战养战争取时间的目的。
唯一能做的，就只有通过诏书向群臣下达命令，并以季度为回合单位交由AI进行推演，决定后续结果的不同走向。
在这个基础玩法底下，玩家并不需要消化太多复杂的系统与机制，只需要直接"下诏"就能改写世界线。比如革除阉党、起用能臣、开放海禁、开仓赈灾，甚至可以直接给袁崇焕发几万吨方便面，使金军倒戈卸甲、以礼来降……
但由于游戏存在数值系统以及大模型推演逻辑的限制，玩家在诏书上面输入的指令，很多时候并非全部都能够得到充分执行。
举个例子，在开局高达90以上的"贪腐"数值影响下，玩家下令从内帑拨付赈灾的银子，最终到达百姓手里的数量可能只有三成不到；而当你在天启七年直接输入"命工部手搓原子弹"之类的命令，AI可能会直接判定崇祯患了失心疯，被群臣所软禁在宫中不得参与朝政。
并且由于动态推演的随机性，即便是复制粘贴的诏书内容，也有可能将结果引导至不同方向：比如"清丈田地"相关的命令，第一次执行或许能够为国库带来一笔不菲收入，但当你在另一个存档再次尝试，可能就会触动士绅阶层利益，导致地方大员联合抗政、反而令税收完成度暴跌。
而这种依靠AI实现的"不可预知"式体验，也成为了《历史模拟器：崇祯》最让人上瘾的地方。为了将各项负面数值降低，同时让一些跳出历史时间线的事件出现，你必须想尽办法通过诏书一步步引导AI（也就是群臣），让他们认为这件事情的发生是「合理」的。相应的，即便国策树里某项科技或制度并没有被玩家点亮，理论上也同样可以绕过限制将其实现。
也就是说，只要你的想象力足够丰富、下达的诏令能够自圆其说，便可以有无数种方式与路径让大明从危如累卵走向富国强兵。在玩家社区里，有人让魏忠贤为了自保主动查抄阉党家产、开局就获得了上千万两的启动资金，有人一路将大明科技攀到了载人航天，还有让崇祯修仙成功悟道飞升，在两军阵前一道雷法将皇太极劈至灰飞烟灭……
而在我自己玩到崇祯七年的存档里面，我也成功说服汤若望修书一封从意大利请来了伽利略和托里拆利入朝为官，手把手指导宋应星造出了改良蒸汽机与膛线枪。再让AI推演几年，估计就能让关宁军用坦克大炮去打后金的八旗骑兵了。
虽然从本质上看，《历史模拟器：崇祯》的核心爽点依然是大战略游戏常见的改写历史与发展扩张，但在"AI大模型推演+文字交互"这套基础框架下，游戏却以相对较低的上手门槛做出了极高的自由度与可能性。即便将政务抛在一边、只是与朝廷群臣对话聊天，也一样能被玩出相当多的花样，以及意料之外的独特反馈。
另一方面，与单纯通过DeepSeek、豆包等途径输入背景设定玩角色扮演相比，《历史模拟器：崇祯》动态变化的数值系统和世界状态，又让核心玩法的策略性与游戏性得到了充分保留，让玩家在游玩过程中始终拥有任务驱动带来的目标感，而不是单纯引导AI生成自己想要的文本故事。
02 无法忽略的局限性
既然前面已经提到"又爱又恨"，那么接下来自然也该轮到"恨"的部分了：AI大模型在游戏应用中体验与成本的"跷跷板困境"：两者永远只能落地一个。
在开局选择使用「快速模式」，虽然成本是控制下来了，但随着游戏进程推移，迎面而来的就是AI生成对话老生常谈的上下文记忆与大模型幻觉问题：
当玩家与单个人物的对话数量积累到一定程度后，每当玩家尝试点击"准奏"让AI根据当前对话下达圣旨时，都有可能会触发因长上下文而引发的记忆混乱问题，让输出结果变成更早之前讨论的另一个无关话题。
打个比方，假设你在对话里面命令AI在这个季度量产燧发枪，AI也给出了可以执行的肯定回答。但因为你此前与同一个角色的对话里面包含了其他内容，最终自动生成的指令或许就会变成"开始建设工厂""拨20万两开仓赈灾"等等，如果不手动撤销便会让推演结果变得十分混乱。
这就导致玩家很难让AI连续多个回合自动执行某项政令。比如工部尚书告诉你某项技术需要一年时间才能研究完成，那么你最好每个回合都去询问一遍，让AI"想起来"这件事情、并推演出当前阶段的进度。否则除了世界状态以外，AI基本上只会优先演算当季度下达的指令，再之前的诏书也就不了了之了。
当然，如果你去主动质问廷臣为什么忽略自己的指令，接下来便会进入到AI对话特有的"找补"环节：真不是不记得，是部门人手实在不够/百姓不配合/又遇到了新问题……最后总结下来一句话，只要继续往我这拨款，保证下个季度一定搞定。
虽然作为崇祯皇帝的大臣，这种作风某种意义上其实还挺"还原"的，但别小看了AI找补的脑洞：在大臣已经被系统判定为病逝或者下狱处决的情况下，玩家不仅可以在廷臣列表把他删除前继续发起对话，AI甚至还会告诉你，其实是陛下您这一回合发动了魔法卡死者苏生，或者干脆说自己就是想要假死辞官撂挑子不干，直接化身智斗巅峰。
尤其到了游戏后期，AI每个回合推演结果都要读取大量文本时，出现Bug的机率更是有增无减，玩起来多少有种无可奈何的疲惫感。
那有没有办法规避这种情况，让体验好起来呢？自然是有的，但成本就控制不住了。游戏虽然在"专家模式"下的「步进式状态机+底层数据库」已经做到98.7%的推演前提正确率，以及99.86%的Function Call匹配率。
但这带来的成本飙升却成为了游戏仅有56%好评率的最大原因之一，而青干工作室也喊冤 —— 不是我们想圈钱想疯了，而是烧Token的成本实在是太高了！
制作人追青早前就在玩家社区公开算过一笔账：想要保持体验的连贯性，玩家每次"下诏"之后等待推演的时间就不能超过2分钟，这要求模型的输出Token至少要达到每秒钟80-120个（目前主流大模型的token输出能力大致在50-60/秒），由此带来的成本飞涨在现阶段根本压不住。
在爆炸的成本压力下，他们也早就宣布会采用本体买断（Steam国区48元人民币）+模型积分（Token）付费的商业模式。购买游戏本体之后会附赠一定数额的初始积分包，消耗完毕就需要额外付费"充值"积分，才能正常推进下一个回合。
从个人体验来看，初始积分包在正常游玩情况下勉强足够跑完完整一局（达到回合数上限）。如果是相对"话痨"、或者追求面面俱到的玩家，积分消耗速度明显会更快一些。而相较于快速模式，"专家模式"每次生成文本所需的积分数量甚至高达4倍，意味着玩家几乎不可能在没有额外付费的情况下，全程用专家模式通关。
积分的消耗速度也成为了玩家"给不出好评"的最大原因之一，而更尴尬的是，面对这个问题青干工作室在现阶段也确实没有更好的办法了......
坦白说，我认为《历史模拟器：崇祯》其实并没有Steam好评率所显示的那么糟糕——他们确实在AI语言大模型与历史策略玩法相的结合上走出了一条新路，也利用AI带来的自由度与想象空间，解决了以往同类游戏破局之后一路平推、缺乏挑战性与反馈来源的问题，更重要的是：他们连商业模式都落地了，尽管目前还有优化的空间就是了。
03 第一个「被螃蟹夹」的人
然而，身处尚未成熟的AI游戏市场，加上游戏现阶段依然存在许多需要打磨的地方、更像是一款实验性质而非能够直接成为细分赛道"模板"的成熟产品，意味着《历史模拟器：崇祯》虽然能够吃上先发红利的"第一只螃蟹"，但也必定会成为第一个"被螃蟹夹"的选手。
比如游戏在商业模式方面引起的争议，对于目前尚在摸索阶段的原生AI游戏市场而言，《历史模拟器：崇祯》大概会成为后来者都会参考的现实案例。
虽然青干工作室很快就回应了关于开放API接口的问题，是"事先没有预料玩家对外接需求如此旺盛"，并承诺会在后续版本开放自定义API与创意工坊；但如果选择开放接口，又是否会因为外部原因导致生成质量受到影响，甚至出现用户Token账户被破解劫持之类的安全问题？
就像游戏里面的崇祯皇帝一样，在没有标准答案的情况下，即便这个问题得到了解决，也很快会有下一个问题出现在以AI原生游戏作为方向的团队面前。直到越来越多的入局者出现，才能够在逐渐改变用户认知的同时，探索出一套相对成熟的解决方案。
而在我看来，《历史模拟器：崇祯》最大的价值在于，它率先以商业作品的形式落地通了一个行之有效的解法方向 —— 理论上不管是三国、武侠还是修仙等各种题材，都同样可以套用进这个框架里面。只要能够在此基础上做出体验差异化，那么这个方向的市场潜力，或许会在未来给予业界更加大的想象空间。
本文来自微信公众号"手游那点事"（ID：sykong_com），作者：专注游戏的Sam，36氪经授权发布。
翻车？第一款AI游戏仅剩54%好评，制作人：烧Token的成本太高了
《历史模拟器：崇祯》是青干工作室研发的AI原生游戏，玩家扮演崇祯皇帝通过下诏书由AI大模型推演改写历史。游戏没有预设剧本，进程完全由AI实时推演，玩家可通过想象力用诏书引导群臣，实现诸如让崇祯修仙成功、科技攀至载人航天等超乎常规的发展。该作在AI与历史策略玩法结合上走出新路，解决了一路平推缺乏反馈的问题。但AI大模型的上下文记忆与幻觉问题导致体验受限，专家模式成本更是快速模式的4倍。游戏采用买断+Token积分付费模式，Steam好评率仅56%，争议主要集中在积分消耗过快。作为首个在AI原生赛道落地的产品，该作虽面临成本与体验的跷跷板困境，但为后来者提供了可参考的方向。
文章作者、来源：手游那点事
怎么做不是问题，怎么变现才是。
今年以来，"AI+游戏"相关的团队和平台可以说迎来了爆发式的增长。光是最近这两个月，由"AI教母"李飞飞联合创立、获得5600万美元融资的Astrocade，以及AI Dungeon开发商Latitude推出的AI驱动RPG游戏平台Voyage等新面孔，都成为了各家媒体的头条常客。
然而对于更多游戏行业从业者以及玩家来说，还有一个更加关心的问题：「AI原生游戏」究竟是怎样的？在不久前正式上线，由青干工作室研发的《历史模拟器：崇祯》就成了这问题第一个"交答卷"的人。
在游戏中玩家需要扮演明朝末代皇帝朱由检（崇祯），并通过不断输入诏书内容、交由AI大模型推演结果的方式改写历史，尝试在天灾人祸与女真铁蹄的威胁之下挽大明于将倾。
公开信息显示，青干工作室实际上是一个由不到10名成员组成的小团队，截至目前，《历史模拟器：崇祯》在Steam平台的简中评论数量超过1200条，但好评率仅维持在54%。以发售时间以及团队规模来看，这个成绩可以说是好坏参半。
从具体评价可以看出，游戏的差评大多是关于定价区间及商业模式，但据制作组透露，《历史模拟器：崇祯》发售后的次日留存达到 75.1%，玩家非工作日平均在线时长则为7个小时左右。可以说呈现出了一边挨骂，但又一边让人玩得停不下来的矛盾状态。
而在猛肝超过40个小时，编诏书编到写稿都快要下意识地打出文言文之后，我也确实体会到这个模拟器，究竟为什么会让人"又爱又恨"了。虽然他们成为了第一个在「AI原生」赛道跑出的产品，但距离把打法以及商业模式"跑通"，还有一段距离。
01 靠「想象力」拯救大明
从体验来看，《历史模拟器：崇祯》也没有偏离先前行业对于「AI原生」的想象：没有预先写好的剧本，没有预设好的展开，游戏的进程和发展完全由AI实时推演主导，玩家每个指令带来的"蝴蝶效应"就是主导游戏进展最核心的一环。
由于玩家扮演的是历史上颇具争议的崇祯皇帝，进入游戏之后，会直接面临国库赤字、陕西大旱、各地战乱等一系列尖锐问题。但与大多数策略游戏常见的破局方法不同，《历史模拟器：崇祯》无法通过上帝视角战术微操来弥补战力差距、达到以战养战争取时间的目的。
唯一能做的，就只有通过诏书向群臣下达命令，并以季度为回合单位交由AI进行推演，决定后续结果的不同走向。
在这个基础玩法底下，玩家并不需要消化太多复杂的系统与机制，只需要直接"下诏"就能改写世界线。比如革除阉党、起用能臣、开放海禁、开仓赈灾，甚至可以直接给袁崇焕发几万吨方便面，使金军倒戈卸甲、以礼来降……
但由于游戏存在数值系统以及大模型推演逻辑的限制，玩家在诏书上面输入的指令，很多时候并非全部都能够得到充分执行。
举个例子，在开局高达90以上的"贪腐"数值影响下，玩家下令从内帑拨付赈灾的银子，最终到达百姓手里的数量可能只有三成不到；而当你在天启七年直接输入"命工部手搓原子弹"之类的命令，AI可能会直接判定崇祯患了失心疯，被群臣所软禁在宫中不得参与朝政。
并且由于动态推演的随机性，即便是复制粘贴的诏书内容，也有可能将结果引导至不同方向：比如"清丈田地"相关的命令，第一次执行或许能够为国库带来一笔不菲收入，但当你在另一个存档再次尝试，可能就会触动士绅阶层利益，导致地方大员联合抗政、反而令税收完成度暴跌。
而这种依靠AI实现的"不可预知"式体验，也成为了《历史模拟器：崇祯》最让人上瘾的地方。为了将各项负面数值降低，同时让一些跳出历史时间线的事件出现，你必须想尽办法通过诏书一步步引导AI（也就是群臣），让他们认为这件事情的发生是「合理」的。相应的，即便国策树里某项科技或制度并没有被玩家点亮，理论上也同样可以绕过限制将其实现。
也就是说，只要你的想象力足够丰富、下达的诏令能够自圆其说，便可以有无数种方式与路径让大明从危如累卵走向富国强兵。在玩家社区里，有人让魏忠贤为了自保主动查抄阉党家产、开局就获得了上千万两的启动资金，有人一路将大明科技攀到了载人航天，还有让崇祯修仙成功悟道飞升，在两军阵前一道雷法将皇太极劈至灰飞烟灭……
而在我自己玩到崇祯七年的存档里面，我也成功说服汤若望修书一封从意大利请来了伽利略和托里拆利入朝为官，手把手指导宋应星造出了改良蒸汽机与膛线枪。再让AI推演几年，估计就能让关宁军用坦克大炮去打后金的八旗骑兵了。
虽然从本质上看，《历史模拟器：崇祯》的核心爽点依然是大战略游戏常见的改写历史与发展扩张，但在"AI大模型推演+文字交互"这套基础框架下，游戏却以相对较低的上手门槛做出了极高的自由度与可能性。即便将政务抛在一边、只是与朝廷群臣对话聊天，也一样能被玩出相当多的花样，以及意料之外的独特反馈。
另一方面，与单纯通过DeepSeek、豆包等途径输入背景设定玩角色扮演相比，《历史模拟器：崇祯》动态变化的数值系统和世界状态，又让核心玩法的策略性与游戏性得到了充分保留，让玩家在游玩过程中始终拥有任务驱动带来的目标感，而不是单纯引导AI生成自己想要的文本故事。
02 无法忽略的局限性
既然前面已经提到"又爱又恨"，那么接下来自然也该轮到"恨"的部分了：AI大模型在游戏应用中体验与成本的"跷跷板困境"：两者永远只能落地一个。
在开局选择使用「快速模式」，虽然成本是控制下来了，但随着游戏进程推移，迎面而来的就是AI生成对话老生常谈的上下文记忆与大模型幻觉问题：
当玩家与单个人物的对话数量积累到一定程度后，每当玩家尝试点击"准奏"让AI根据当前对话下达圣旨时，都有可能会触发因长上下文而引发的记忆混乱问题，让输出结果变成更早之前讨论的另一个无关话题。
打个比方，假设你在对话里面命令AI在这个季度量产燧发枪，AI也给出了可以执行的肯定回答。但因为你此前与同一个角色的对话里面包含了其他内容，最终自动生成的指令或许就会变成"开始建设工厂""拨20万两开仓赈灾"等等，如果不手动撤销便会让推演结果变得十分混乱。
这就导致玩家很难让AI连续多个回合自动执行某项政令。比如工部尚书告诉你某项技术需要一年时间才能研究完成，那么你最好每个回合都去询问一遍，让AI"想起来"这件事情、并推演出当前阶段的进度。否则除了世界状态以外，AI基本上只会优先演算当季度下达的指令，再之前的诏书也就不了了之了。
当然，如果你去主动质问廷臣为什么忽略自己的指令，接下来便会进入到AI对话特有的"找补"环节：真不是不记得，是部门人手实在不够/百姓不配合/又遇到了新问题……最后总结下来一句话，只要继续往我这拨款，保证下个季度一定搞定。
虽然作为崇祯皇帝的大臣，这种作风某种意义上其实还挺"还原"的，但别小看了AI找补的脑洞：在大臣已经被系统判定为病逝或者下狱处决的情况下，玩家不仅可以在廷臣列表把他删除前继续发起对话，AI甚至还会告诉你，其实是陛下您这一回合发动了魔法卡死者苏生，或者干脆说自己就是想要假死辞官撂挑子不干，直接化身智斗巅峰。
尤其到了游戏后期，AI每个回合推演结果都要读取大量文本时，出现Bug的机率更是有增无减，玩起来多少有种无可奈何的疲惫感。
那有没有办法规避这种情况，让体验好起来呢？自然是有的，但成本就控制不住了。游戏虽然在"专家模式"下的「步进式状态机+底层数据库」已经做到98.7%的推演前提正确率，以及99.86%的Function Call匹配率。
但这带来的成本飙升却成为了游戏仅有56%好评率的最大原因之一，而青干工作室也喊冤 —— 不是我们想圈钱想疯了，而是烧Token的成本实在是太高了！
制作人追青早前就在玩家社区公开算过一笔账：想要保持体验的连贯性，玩家每次"下诏"之后等待推演的时间就不能超过2分钟，这要求模型的输出Token至少要达到每秒钟80-120个（目前主流大模型的token输出能力大致在50-60/秒），由此带来的成本飞涨在现阶段根本压不住。
在爆炸的成本压力下，他们也早就宣布会采用本体买断（Steam国区48元人民币）+模型积分（Token）付费的商业模式。购买游戏本体之后会附赠一定数额的初始积分包，消耗完毕就需要额外付费"充值"积分，才能正常推进下一个回合。
从个人体验来看，初始积分包在正常游玩情况下勉强足够跑完完整一局（达到回合数上限）。如果是相对"话痨"、或者追求面面俱到的玩家，积分消耗速度明显会更快一些。而相较于快速模式，"专家模式"每次生成文本所需的积分数量甚至高达4倍，意味着玩家几乎不可能在没有额外付费的情况下，全程用专家模式通关。
积分的消耗速度也成为了玩家"给不出好评"的最大原因之一，而更尴尬的是，面对这个问题青干工作室在现阶段也确实没有更好的办法了......
坦白说，我认为《历史模拟器：崇祯》其实并没有Steam好评率所显示的那么糟糕——他们确实在AI语言大模型与历史策略玩法相的结合上走出了一条新路，也利用AI带来的自由度与想象空间，解决了以往同类游戏破局之后一路平推、缺乏挑战性与反馈来源的问题，更重要的是：他们连商业模式都落地了，尽管目前还有优化的空间就是了。
03 第一个「被螃蟹夹」的人
然而，身处尚未成熟的AI游戏市场，加上游戏现阶段依然存在许多需要打磨的地方、更像是一款实验性质而非能够直接成为细分赛道"模板"的成熟产品，意味着《历史模拟器：崇祯》虽然能够吃上先发红利的"第一只螃蟹"，但也必定会成为第一个"被螃蟹夹"的选手。
比如游戏在商业模式方面引起的争议，对于目前尚在摸索阶段的原生AI游戏市场而言，《历史模拟器：崇祯》大概会成为后来者都会参考的现实案例。
虽然青干工作室很快就回应了关于开放API接口的问题，是"事先没有预料玩家对外接需求如此旺盛"，并承诺会在后续版本开放自定义API与创意工坊；但如果选择开放接口，又是否会因为外部原因导致生成质量受到影响，甚至出现用户Token账户被破解劫持之类的安全问题？
就像游戏里面的崇祯皇帝一样，在没有标准答案的情况下，即便这个问题得到了解决，也很快会有下一个问题出现在以AI原生游戏作为方向的团队面前。直到越来越多的入局者出现，才能够在逐渐改变用户认知的同时，探索出一套相对成熟的解决方案。
而在我看来，《历史模拟器：崇祯》最大的价值在于，它率先以商业作品的形式落地通了一个行之有效的解法方向 —— 理论上不管是三国、武侠还是修仙等各种题材，都同样可以套用进这个框架里面。只要能够在此基础上做出体验差异化，那么这个方向的市场潜力，或许会在未来给予业界更加大的想象空间。
本文来自微信公众号"手游那点事"（ID：sykong_com），作者：专注游戏的Sam，36氪经授权发布。
文章作者、来源：手游那点事
怎么做不是问题，怎么变现才是。
今年以来，"AI+游戏"相关的团队和平台可以说迎来了爆发式的增长。光是最近这两个月，由"AI教母"李飞飞联合创立、获得5600万美元融资的Astrocade，以及AI Dungeon开发商Latitude推出的AI驱动RPG游戏平台Voyage等新面孔，都成为了各家媒体的头条常客。
然而对于更多游戏行业从业者以及玩家来说，还有一个更加关心的问题：「AI原生游戏」究竟是怎样的？在不久前正式上线，由青干工作室研发的《历史模拟器：崇祯》就成了这问题第一个"交答卷"的人。
在游戏中玩家需要扮演明朝末代皇帝朱由检（崇祯），并通过不断输入诏书内容、交由AI大模型推演结果的方式改写历史，尝试在天灾人祸与女真铁蹄的威胁之下挽大明于将倾。
公开信息显示，青干工作室实际上是一个由不到10名成员组成的小团队，截至目前，《历史模拟器：崇祯》在Steam平台的简中评论数量超过1200条，但好评率仅维持在54%。以发售时间以及团队规模来看，这个成绩可以说是好坏参半。
从具体评价可以看出，游戏的差评大多是关于定价区间及商业模式，但据制作组透露，《历史模拟器：崇祯》发售后的次日留存达到 75.1%，玩家非工作日平均在线时长则为7个小时左右。可以说呈现出了一边挨骂，但又一边让人玩得停不下来的矛盾状态。
而在猛肝超过40个小时，编诏书编到写稿都快要下意识地打出文言文之后，我也确实体会到这个模拟器，究竟为什么会让人"又爱又恨"了。虽然他们成为了第一个在「AI原生」赛道跑出的产品，但距离把打法以及商业模式"跑通"，还有一段距离。
01 靠「想象力」拯救大明
从体验来看，《历史模拟器：崇祯》也没有偏离先前行业对于「AI原生」的想象：没有预先写好的剧本，没有预设好的展开，游戏的进程和发展完全由AI实时推演主导，玩家每个指令带来的"蝴蝶效应"就是主导游戏进展最核心的一环。
由于玩家扮演的是历史上颇具争议的崇祯皇帝，进入游戏之后，会直接面临国库赤字、陕西大旱、各地战乱等一系列尖锐问题。但与大多数策略游戏常见的破局方法不同，《历史模拟器：崇祯》无法通过上帝视角战术微操来弥补战力差距、达到以战养战争取时间的目的。
唯一能做的，就只有通过诏书向群臣下达命令，并以季度为回合单位交由AI进行推演，决定后续结果的不同走向。
在这个基础玩法底下，玩家并不需要消化太多复杂的系统与机制，只需要直接"下诏"就能改写世界线。比如革除阉党、起用能臣、开放海禁、开仓赈灾，甚至可以直接给袁崇焕发几万吨方便面，使金军倒戈卸甲、以礼来降……
但由于游戏存在数值系统以及大模型推演逻辑的限制，玩家在诏书上面输入的指令，很多时候并非全部都能够得到充分执行。
举个例子，在开局高达90以上的"贪腐"数值影响下，玩家下令从内帑拨付赈灾的银子，最终到达百姓手里的数量可能只有三成不到；而当你在天启七年直接输入"命工部手搓原子弹"之类的命令，AI可能会直接判定崇祯患了失心疯，被群臣所软禁在宫中不得参与朝政。
并且由于动态推演的随机性，即便是复制粘贴的诏书内容，也有可能将结果引导至不同方向：比如"清丈田地"相关的命令，第一次执行或许能够为国库带来一笔不菲收入，但当你在另一个存档再次尝试，可能就会触动士绅阶层利益，导致地方大员联合抗政、反而令税收完成度暴跌。
而这种依靠AI实现的"不可预知"式体验，也成为了《历史模拟器：崇祯》最让人上瘾的地方。为了将各项负面数值降低，同时让一些跳出历史时间线的事件出现，你必须想尽办法通过诏书一步步引导AI（也就是群臣），让他们认为这件事情的发生是「合理」的。相应的，即便国策树里某项科技或制度并没有被玩家点亮，理论上也同样可以绕过限制将其实现。
也就是说，只要你的想象力足够丰富、下达的诏令能够自圆其说，便可以有无数种方式与路径让大明从危如累卵走向富国强兵。在玩家社区里，有人让魏忠贤为了自保主动查抄阉党家产、开局就获得了上千万两的启动资金，有人一路将大明科技攀到了载人航天，还有让崇祯修仙成功悟道飞升，在两军阵前一道雷法将皇太极劈至灰飞烟灭……
而在我自己玩到崇祯七年的存档里面，我也成功说服汤若望修书一封从意大利请来了伽利略和托里拆利入朝为官，手把手指导宋应星造出了改良蒸汽机与膛线枪。再让AI推演几年，估计就能让关宁军用坦克大炮去打后金的八旗骑兵了。
虽然从本质上看，《历史模拟器：崇祯》的核心爽点依然是大战略游戏常见的改写历史与发展扩张，但在"AI大模型推演+文字交互"这套基础框架下，游戏却以相对较低的上手门槛做出了极高的自由度与可能性。即便将政务抛在一边、只是与朝廷群臣对话聊天，也一样能被玩出相当多的花样，以及意料之外的独特反馈。
另一方面，与单纯通过DeepSeek、豆包等途径输入背景设定玩角色扮演相比，《历史模拟器：崇祯》动态变化的数值系统和世界状态，又让核心玩法的策略性与游戏性得到了充分保留，让玩家在游玩过程中始终拥有任务驱动带来的目标感，而不是单纯引导AI生成自己想要的文本故事。
02 无法忽略的局限性
既然前面已经提到"又爱又恨"，那么接下来自然也该轮到"恨"的部分了：AI大模型在游戏应用中体验与成本的"跷跷板困境"：两者永远只能落地一个。
在开局选择使用「快速模式」，虽然成本是控制下来了，但随着游戏进程推移，迎面而来的就是AI生成对话老生常谈的上下文记忆与大模型幻觉问题：
当玩家与单个人物的对话数量积累到一定程度后，每当玩家尝试点击"准奏"让AI根据当前对话下达圣旨时，都有可能会触发因长上下文而引发的记忆混乱问题，让输出结果变成更早之前讨论的另一个无关话题。
打个比方，假设你在对话里面命令AI在这个季度量产燧发枪，AI也给出了可以执行的肯定回答。但因为你此前与同一个角色的对话里面包含了其他内容，最终自动生成的指令或许就会变成"开始建设工厂""拨20万两开仓赈灾"等等，如果不手动撤销便会让推演结果变得十分混乱。
这就导致玩家很难让AI连续多个回合自动执行某项政令。比如工部尚书告诉你某项技术需要一年时间才能研究完成，那么你最好每个回合都去询问一遍，让AI"想起来"这件事情、并推演出当前阶段的进度。否则除了世界状态以外，AI基本上只会优先演算当季度下达的指令，再之前的诏书也就不了了之了。
当然，如果你去主动质问廷臣为什么忽略自己的指令，接下来便会进入到AI对话特有的"找补"环节：真不是不记得，是部门人手实在不够/百姓不配合/又遇到了新问题……最后总结下来一句话，只要继续往我这拨款，保证下个季度一定搞定。
虽然作为崇祯皇帝的大臣，这种作风某种意义上其实还挺"还原"的，但别小看了AI找补的脑洞：在大臣已经被系统判定为病逝或者下狱处决的情况下，玩家不仅可以在廷臣列表把他删除前继续发起对话，AI甚至还会告诉你，其实是陛下您这一回合发动了魔法卡死者苏生，或者干脆说自己就是想要假死辞官撂挑子不干，直接化身智斗巅峰。
尤其到了游戏后期，AI每个回合推演结果都要读取大量文本时，出现Bug的机率更是有增无减，玩起来多少有种无可奈何的疲惫感。
那有没有办法规避这种情况，让体验好起来呢？自然是有的，但成本就控制不住了。游戏虽然在"专家模式"下的「步进式状态机+底层数据库」已经做到98.7%的推演前提正确率，以及99.86%的Function Call匹配率。
但这带来的成本飙升却成为了游戏仅有56%好评率的最大原因之一，而青干工作室也喊冤 —— 不是我们想圈钱想疯了，而是烧Token的成本实在是太高了！
制作人追青早前就在玩家社区公开算过一笔账：想要保持体验的连贯性，玩家每次"下诏"之后等待推演的时间就不能超过2分钟，这要求模型的输出Token至少要达到每秒钟80-120个（目前主流大模型的token输出能力大致在50-60/秒），由此带来的成本飞涨在现阶段根本压不住。
在爆炸的成本压力下，他们也早就宣布会采用本体买断（Steam国区48元人民币）+模型积分（Token）付费的商业模式。购买游戏本体之后会附赠一定数额的初始积分包，消耗完毕就需要额外付费"充值"积分，才能正常推进下一个回合。
从个人体验来看，初始积分包在正常游玩情况下勉强足够跑完完整一局（达到回合数上限）。如果是相对"话痨"、或者追求面面俱到的玩家，积分消耗速度明显会更快一些。而相较于快速模式，"专家模式"每次生成文本所需的积分数量甚至高达4倍，意味着玩家几乎不可能在没有额外付费的情况下，全程用专家模式通关。
积分的消耗速度也成为了玩家"给不出好评"的最大原因之一，而更尴尬的是，面对这个问题青干工作室在现阶段也确实没有更好的办法了......
坦白说，我认为《历史模拟器：崇祯》其实并没有Steam好评率所显示的那么糟糕——他们确实在AI语言大模型与历史策略玩法相的结合上走出了一条新路，也利用AI带来的自由度与想象空间，解决了以往同类游戏破局之后一路平推、缺乏挑战性与反馈来源的问题，更重要的是：他们连商业模式都落地了，尽管目前还有优化的空间就是了。
03 第一个「被螃蟹夹」的人
然而，身处尚未成熟的AI游戏市场，加上游戏现阶段依然存在许多需要打磨的地方、更像是一款实验性质而非能够直接成为细分赛道"模板"的成熟产品，意味着《历史模拟器：崇祯》虽然能够吃上先发红利的"第一只螃蟹"，但也必定会成为第一个"被螃蟹夹"的选手。
比如游戏在商业模式方面引起的争议，对于目前尚在摸索阶段的原生AI游戏市场而言，《历史模拟器：崇祯》大概会成为后来者都会参考的现实案例。
虽然青干工作室很快就回应了关于开放API接口的问题，是"事先没有预料玩家对外接需求如此旺盛"，并承诺会在后续版本开放自定义API与创意工坊；但如果选择开放接口，又是否会因为外部原因导致生成质量受到影响，甚至出现用户Token账户被破解劫持之类的安全问题？
就像游戏里面的崇祯皇帝一样，在没有标准答案的情况下，即便这个问题得到了解决，也很快会有下一个问题出现在以AI原生游戏作为方向的团队面前。直到越来越多的入局者出现，才能够在逐渐改变用户认知的同时，探索出一套相对成熟的解决方案。
而在我看来，《历史模拟器：崇祯》最大的价值在于，它率先以商业作品的形式落地通了一个行之有效的解法方向 —— 理论上不管是三国、武侠还是修仙等各种题材，都同样可以套用进这个框架里面。只要能够在此基础上做出体验差异化，那么这个方向的市场潜力，或许会在未来给予业界更加大的想象空间。
本文来自微信公众号"手游那点事"（ID：sykong_com），作者：专注游戏的Sam，36氪经授权发布。
19
·
--
См. перевод
GPT-5.6 惊现后端日志：150 万上下文窗口，大模型乱战六月开发者发现OpenAI未官宣的GPT-5.6（iris-alpha）模型，拥有150万Token超大上下文窗口，较当前GPT-5.5 API提升近43%。在压力测试中，该模型在90万Token输入时仍流畅响应，超105万Token极端负载下保持高精度。同时模型具备直接生成商用级UI的能力，可输出专业的栅格布局和符合现代UI/UX设计规范的界面。6月全球AI巨头将集中发布新品，包括Anthropic Claude Sonnet 4.8、Google Gemini 3.5 Pro和xAI Grok 5，行业竞争已从参数比拼转向长周期任务处理能力与工程化落地效率的综合博弈。
文章作者、来源：chinaz.com
近日，多名开发者在 OpenAI Codex 后端日志中捕捉到了一系列未官宣模型的踪迹，其中代号为 iris-alpha 的 GPT-5.6 模型凭借150万 Token 的超大上下文窗口，成为行业焦点。
技术跨越:150万 Token 的“长文本”革命
根据曝光的日志信息，GPT-5.6系列模型在上下文处理能力上实现了显著突破:
容量暴增: GPT-5.6的上下文窗口高达 150万 Token，较当前的 GPT-5.5API（105万）提升了近43%。
极端场景验证: 在开发者利用 OpenCode 进行的压力测试中，该模型在输入达到90万 Token 时仍能流畅响应，即便在超过105万 Token 的极端负载下，模型依然展现了极高的任务处理准确度。
应用意义: 这意味着模型能够从容应对超长合同审查、大型软件代码库的全盘分析以及跨度数周的项目跟踪，从根本上降低了开发者进行复杂工程协作时的“记忆丢失”风险。
除了核心的 iris-alpha，日志中还泄露了代号为 ember-alpha 与 beacon-alpha 的其它模型版本，业内推测这可能是 GPT-5.6系列中针对不同任务负载（如轻量级任务或视觉特化任务）的衍生版本。
生产力进化:从“代码生成”转向“UI 产出”
GPT-5.6的另一大亮点在于前端界面生成能力。爆料截图显示，在极简的提示词引导下，该模型能够直接输出名为“Lumen Notes”的记事应用界面。
相较于以往 AI 生成界面中常见的杂乱排版，GPT-6展现了极高的审美一致性:
结构专业: 具备成熟的栅格布局与清晰的导航层级。
视觉克制: 配色策略更符合现代 UI/UX 设计规范。
商用属性: 这种从“代码片段”到“可直接商用界面”的跨越，预示着 AI 大模型正在渗透至前端开发的最后一道屏障。
6月:全球 AI 巨头的“决战时刻”
GPT-5.6的泄露并非孤例，整个 AI 行业似乎都在为2026年6月进行一次集中的技术突围。根据目前的市场风声，六月将是全球顶尖模型集中亮相的窗口期:
OpenAI: GPT-5.6（iris-alpha）
Anthropic: Claude Sonnet4.8
Google: Gemini3.5Pro
xAI: Grok5
随着150万 Token 上下文能力的常态化，AI 赛道的竞争逻辑已从单纯的“参数比拼”转向“长周期任务处理能力”与“工程化落地效率”的综合博弈。对于开发者而言，六月的大模型混战，或许将彻底改写 AI 辅助开发的生产力范式。
GPT-5.6 惊现后端日志：150 万上下文窗口，大模型乱战六月
开发者发现OpenAI未官宣的GPT-5.6（iris-alpha）模型，拥有150万Token超大上下文窗口，较当前GPT-5.5 API提升近43%。在压力测试中，该模型在90万Token输入时仍流畅响应，超105万Token极端负载下保持高精度。同时模型具备直接生成商用级UI的能力，可输出专业的栅格布局和符合现代UI/UX设计规范的界面。6月全球AI巨头将集中发布新品，包括Anthropic Claude Sonnet 4.8、Google Gemini 3.5 Pro和xAI Grok 5，行业竞争已从参数比拼转向长周期任务处理能力与工程化落地效率的综合博弈。
文章作者、来源：chinaz.com
近日，多名开发者在 OpenAI Codex 后端日志中捕捉到了一系列未官宣模型的踪迹，其中代号为 iris-alpha 的 GPT-5.6 模型凭借150万 Token 的超大上下文窗口，成为行业焦点。
技术跨越:150万 Token 的“长文本”革命
根据曝光的日志信息，GPT-5.6系列模型在上下文处理能力上实现了显著突破:
容量暴增: GPT-5.6的上下文窗口高达 150万 Token，较当前的 GPT-5.5API（105万）提升了近43%。
极端场景验证: 在开发者利用 OpenCode 进行的压力测试中，该模型在输入达到90万 Token 时仍能流畅响应，即便在超过105万 Token 的极端负载下，模型依然展现了极高的任务处理准确度。
应用意义: 这意味着模型能够从容应对超长合同审查、大型软件代码库的全盘分析以及跨度数周的项目跟踪，从根本上降低了开发者进行复杂工程协作时的“记忆丢失”风险。
除了核心的 iris-alpha，日志中还泄露了代号为 ember-alpha 与 beacon-alpha 的其它模型版本，业内推测这可能是 GPT-5.6系列中针对不同任务负载（如轻量级任务或视觉特化任务）的衍生版本。
生产力进化:从“代码生成”转向“UI 产出”
GPT-5.6的另一大亮点在于前端界面生成能力。爆料截图显示，在极简的提示词引导下，该模型能够直接输出名为“Lumen Notes”的记事应用界面。
相较于以往 AI 生成界面中常见的杂乱排版，GPT-6展现了极高的审美一致性:
结构专业: 具备成熟的栅格布局与清晰的导航层级。
视觉克制: 配色策略更符合现代 UI/UX 设计规范。
商用属性: 这种从“代码片段”到“可直接商用界面”的跨越，预示着 AI 大模型正在渗透至前端开发的最后一道屏障。
6月:全球 AI 巨头的“决战时刻”
GPT-5.6的泄露并非孤例，整个 AI 行业似乎都在为2026年6月进行一次集中的技术突围。根据目前的市场风声，六月将是全球顶尖模型集中亮相的窗口期:
OpenAI: GPT-5.6（iris-alpha）
Anthropic: Claude Sonnet4.8
Google: Gemini3.5Pro
xAI: Grok5
随着150万 Token 上下文能力的常态化，AI 赛道的竞争逻辑已从单纯的“参数比拼”转向“长周期任务处理能力”与“工程化落地效率”的综合博弈。对于开发者而言，六月的大模型混战，或许将彻底改写 AI 辅助开发的生产力范式。
文章作者、来源：chinaz.com
近日，多名开发者在 OpenAI Codex 后端日志中捕捉到了一系列未官宣模型的踪迹，其中代号为 iris-alpha 的 GPT-5.6 模型凭借150万 Token 的超大上下文窗口，成为行业焦点。
技术跨越:150万 Token 的“长文本”革命
根据曝光的日志信息，GPT-5.6系列模型在上下文处理能力上实现了显著突破:
容量暴增: GPT-5.6的上下文窗口高达 150万 Token，较当前的 GPT-5.5API（105万）提升了近43%。
极端场景验证: 在开发者利用 OpenCode 进行的压力测试中，该模型在输入达到90万 Token 时仍能流畅响应，即便在超过105万 Token 的极端负载下，模型依然展现了极高的任务处理准确度。
应用意义: 这意味着模型能够从容应对超长合同审查、大型软件代码库的全盘分析以及跨度数周的项目跟踪，从根本上降低了开发者进行复杂工程协作时的“记忆丢失”风险。
除了核心的 iris-alpha，日志中还泄露了代号为 ember-alpha 与 beacon-alpha 的其它模型版本，业内推测这可能是 GPT-5.6系列中针对不同任务负载（如轻量级任务或视觉特化任务）的衍生版本。
生产力进化:从“代码生成”转向“UI 产出”
GPT-5.6的另一大亮点在于前端界面生成能力。爆料截图显示，在极简的提示词引导下，该模型能够直接输出名为“Lumen Notes”的记事应用界面。
相较于以往 AI 生成界面中常见的杂乱排版，GPT-6展现了极高的审美一致性:
结构专业: 具备成熟的栅格布局与清晰的导航层级。
视觉克制: 配色策略更符合现代 UI/UX 设计规范。
商用属性: 这种从“代码片段”到“可直接商用界面”的跨越，预示着 AI 大模型正在渗透至前端开发的最后一道屏障。
6月:全球 AI 巨头的“决战时刻”
GPT-5.6的泄露并非孤例，整个 AI 行业似乎都在为2026年6月进行一次集中的技术突围。根据目前的市场风声，六月将是全球顶尖模型集中亮相的窗口期:
OpenAI: GPT-5.6（iris-alpha）
Anthropic: Claude Sonnet4.8
Google: Gemini3.5Pro
xAI: Grok5
随着150万 Token 上下文能力的常态化，AI 赛道的竞争逻辑已从单纯的“参数比拼”转向“长周期任务处理能力”与“工程化落地效率”的综合博弈。对于开发者而言，六月的大模型混战，或许将彻底改写 AI 辅助开发的生产力范式。
1
·
--
См. перевод
中国游戏AI竞赛进入“关键赛点”：从“提效”迈向“重塑”2026年游戏AI角色发生质变，从“加速器“升级为“基础设施”。腾讯VISVISE系统建模效率提升8倍，已覆盖近100个游戏项目。《和平精英》AI同伴系统用户超1亿，成功将“对抗畏惧“玩家转化为高活跃付费用户。当前游戏AI已全面渗透研发、发行与运营全产业链，行业AI应用普及率达86.36%。随着AI在研发端的普及，"省钱“已非核心竞争优势，竞争重心正向AI原生游戏转移，实现游戏逻辑动态生成。行业正处于从“AI赋能“向“AI原生“进化的关键窗口期。
文章作者、来源：AIBase
如果说过去两年的游戏AI竞赛主要聚焦于降本增效，那么进入 2026 年，AI在游戏产业的角色已发生质变：它不仅是生产线上的“加速器”，更是重塑核心体验的“基础设施”。近日多项行业数据显示，人工智能已全面渗透游戏研发、发行与运营全产业链，推动行业竞争逻辑进入“关键赛点”。
研发侧：从“重复劳动”到“工业化提效”
在游戏工业化生产中，AI正逐步替代高耗时、机械化的执行性工作。以腾讯旗下全链路AI创作解决方案 VISVISE 为例，该系统通过模块化工具链，彻底解决了传统美术制作中的技术瓶颈。
极致效率： 以复杂的多层裙摆建模为例，传统人工制作需要耗费数天时间，而依托VISVISE自动化处理，成功率稳定在80%至90%，整体耗时被压缩至“分钟级”。
实战规模： 目前VISVISE已在《和平精英》《王者荣耀》《PUBG Mobile》《金铲铲之战》及《英雄联盟手游》等近 100 个游戏项目中投入实战，生产效率最高可提升 8 倍以上。
不仅是大厂，全行业的AI应用普及率已达 86.36%，显示出AI技术在美术资产、场景设计与动画管线等环节已成为必选项。
运营侧：从“数据驱动”到“体验升维”
AI在游戏运营环节的影响力正从后台转向玩家体验的前台。腾讯《和平精英》的 AI同伴系统 是这一转型的典型样本：
亿级覆盖： 该功能目前已覆盖超 1 亿用户，同时在线用户峰值已突破千万。
用户转化范式： 通过依托真实对局数据进行持续迭代，AI同伴不仅能为玩家提供陪伴，更成功破解了游戏运营中的顽疾——将大量原本由于“对抗畏惧”而活跃度低下的玩家，转化为高活跃、高留存的付费用户。
深层交互： 除了基础陪玩，AI NPC及具备长期记忆的AI队友，正在重新定义游戏内的社交边界，使游戏从“数值竞技”向“智能互动体验”进化。
“关键赛点“下的行业新格局
业内人士指出，随着AI在研发端的普及，“省钱“已不再是游戏公司的核心竞争优势，AI带来的效率均等化倒逼企业寻找新的壁垒：
AI原生体验： 竞争重心正向“AI原生游戏“转移，即游戏逻辑、关卡设计与互动体验并非预先写死，而是由AI动态生成，这成为行业差异化的核心抓手。
人才与技术整合： 下一阶段的胜负手，在于如何实现AI工具与现有生产工作流的“平滑接入”，以及如何在长青游戏的长线运营中，通过AI持续激活IP价值。
可以说，中国游戏行业正处在从“AI赋能“向“AI原生“进化的关键窗口期。谁能率先在研发工业化与玩家体验智能化上建立不可替代的壁垒，谁就将掌握下个周期的主导权。
中国游戏AI竞赛进入“关键赛点”：从“提效”迈向“重塑”
2026年游戏AI角色发生质变，从“加速器“升级为“基础设施”。腾讯VISVISE系统建模效率提升8倍，已覆盖近100个游戏项目。《和平精英》AI同伴系统用户超1亿，成功将“对抗畏惧“玩家转化为高活跃付费用户。当前游戏AI已全面渗透研发、发行与运营全产业链，行业AI应用普及率达86.36%。随着AI在研发端的普及，"省钱“已非核心竞争优势，竞争重心正向AI原生游戏转移，实现游戏逻辑动态生成。行业正处于从“AI赋能“向“AI原生“进化的关键窗口期。
文章作者、来源：AIBase
如果说过去两年的游戏AI竞赛主要聚焦于降本增效，那么进入 2026 年，AI在游戏产业的角色已发生质变：它不仅是生产线上的“加速器”，更是重塑核心体验的“基础设施”。近日多项行业数据显示，人工智能已全面渗透游戏研发、发行与运营全产业链，推动行业竞争逻辑进入“关键赛点”。
研发侧：从“重复劳动”到“工业化提效”
在游戏工业化生产中，AI正逐步替代高耗时、机械化的执行性工作。以腾讯旗下全链路AI创作解决方案 VISVISE 为例，该系统通过模块化工具链，彻底解决了传统美术制作中的技术瓶颈。
极致效率： 以复杂的多层裙摆建模为例，传统人工制作需要耗费数天时间，而依托VISVISE自动化处理，成功率稳定在80%至90%，整体耗时被压缩至“分钟级”。
实战规模： 目前VISVISE已在《和平精英》《王者荣耀》《PUBG Mobile》《金铲铲之战》及《英雄联盟手游》等近 100 个游戏项目中投入实战，生产效率最高可提升 8 倍以上。
不仅是大厂，全行业的AI应用普及率已达 86.36%，显示出AI技术在美术资产、场景设计与动画管线等环节已成为必选项。
运营侧：从“数据驱动”到“体验升维”
AI在游戏运营环节的影响力正从后台转向玩家体验的前台。腾讯《和平精英》的 AI同伴系统 是这一转型的典型样本：
亿级覆盖： 该功能目前已覆盖超 1 亿用户，同时在线用户峰值已突破千万。
用户转化范式： 通过依托真实对局数据进行持续迭代，AI同伴不仅能为玩家提供陪伴，更成功破解了游戏运营中的顽疾——将大量原本由于“对抗畏惧”而活跃度低下的玩家，转化为高活跃、高留存的付费用户。
深层交互： 除了基础陪玩，AI NPC及具备长期记忆的AI队友，正在重新定义游戏内的社交边界，使游戏从“数值竞技”向“智能互动体验”进化。
“关键赛点“下的行业新格局
业内人士指出，随着AI在研发端的普及，“省钱“已不再是游戏公司的核心竞争优势，AI带来的效率均等化倒逼企业寻找新的壁垒：
AI原生体验： 竞争重心正向“AI原生游戏“转移，即游戏逻辑、关卡设计与互动体验并非预先写死，而是由AI动态生成，这成为行业差异化的核心抓手。
人才与技术整合： 下一阶段的胜负手，在于如何实现AI工具与现有生产工作流的“平滑接入”，以及如何在长青游戏的长线运营中，通过AI持续激活IP价值。
可以说，中国游戏行业正处在从“AI赋能“向“AI原生“进化的关键窗口期。谁能率先在研发工业化与玩家体验智能化上建立不可替代的壁垒，谁就将掌握下个周期的主导权。
文章作者、来源：AIBase
如果说过去两年的游戏AI竞赛主要聚焦于降本增效，那么进入 2026 年，AI在游戏产业的角色已发生质变：它不仅是生产线上的“加速器”，更是重塑核心体验的“基础设施”。近日多项行业数据显示，人工智能已全面渗透游戏研发、发行与运营全产业链，推动行业竞争逻辑进入“关键赛点”。
研发侧：从“重复劳动”到“工业化提效”
在游戏工业化生产中，AI正逐步替代高耗时、机械化的执行性工作。以腾讯旗下全链路AI创作解决方案 VISVISE 为例，该系统通过模块化工具链，彻底解决了传统美术制作中的技术瓶颈。
极致效率： 以复杂的多层裙摆建模为例，传统人工制作需要耗费数天时间，而依托VISVISE自动化处理，成功率稳定在80%至90%，整体耗时被压缩至“分钟级”。
实战规模： 目前VISVISE已在《和平精英》《王者荣耀》《PUBG Mobile》《金铲铲之战》及《英雄联盟手游》等近 100 个游戏项目中投入实战，生产效率最高可提升 8 倍以上。
不仅是大厂，全行业的AI应用普及率已达 86.36%，显示出AI技术在美术资产、场景设计与动画管线等环节已成为必选项。
运营侧：从“数据驱动”到“体验升维”
AI在游戏运营环节的影响力正从后台转向玩家体验的前台。腾讯《和平精英》的 AI同伴系统 是这一转型的典型样本：
亿级覆盖： 该功能目前已覆盖超 1 亿用户，同时在线用户峰值已突破千万。
用户转化范式： 通过依托真实对局数据进行持续迭代，AI同伴不仅能为玩家提供陪伴，更成功破解了游戏运营中的顽疾——将大量原本由于“对抗畏惧”而活跃度低下的玩家，转化为高活跃、高留存的付费用户。
深层交互： 除了基础陪玩，AI NPC及具备长期记忆的AI队友，正在重新定义游戏内的社交边界，使游戏从“数值竞技”向“智能互动体验”进化。
“关键赛点“下的行业新格局
业内人士指出，随着AI在研发端的普及，“省钱“已不再是游戏公司的核心竞争优势，AI带来的效率均等化倒逼企业寻找新的壁垒：
AI原生体验： 竞争重心正向“AI原生游戏“转移，即游戏逻辑、关卡设计与互动体验并非预先写死，而是由AI动态生成，这成为行业差异化的核心抓手。
人才与技术整合： 下一阶段的胜负手，在于如何实现AI工具与现有生产工作流的“平滑接入”，以及如何在长青游戏的长线运营中，通过AI持续激活IP价值。
可以说，中国游戏行业正处在从“AI赋能“向“AI原生“进化的关键窗口期。谁能率先在研发工业化与玩家体验智能化上建立不可替代的壁垒，谁就将掌握下个周期的主导权。
3
·
--
См. перевод
欧洲央行紧急会议应对 Anthropic 新 Claude Mythos 带来的网络安全威胁欧洲央行召开紧急会议，讨论Anthropic公司推出的AI模型Claude Mythos对全球金融系统带来的网络安全威胁。该模型能够发现金融机构信息系统中的高危漏洞，引发全球监管机构高度警惕。欧洲央行副主席埃尔德森强调，随着AI技术发展，解决网络安全问题的紧迫性日益明显，要求银行加快软件补丁部署速度。目前，全球多家金融机构已申请获得Claude Mythos使用权限，Anthropic公司计划向金融委员会和欧盟委员会提供技术简报。监管机构正采取更快、更有效的应对措施，确保金融体系安全稳定。
文章作者、来源：金融时报
近日，欧洲央行召开了紧急会议，讨论因 Anthropic 公司推出的新 AI 模型 Claude Mythos 所引的网络安全隐患。《金融时报》报道，这一会议是在当地时间周二召，主要目应对 Claude Mythos 对全球金融系统所带来的潜在威胁。
Claude Mythos 被认为能够发现金融机构信息系统中的高危漏洞，这让全球监管十分忧虑欧洲央行的副主席兰克・尔德森在采访中指出，网络安全问题已被讨论多年，但随着 AI 技术的发展，解决这些问题的紧迫性愈发明显。他强调，以往的应对措施速度较慢，现在必须加快步伐。
会议上，埃尔德森对欧洲银行未能获得 Claude Mythos 的使用权限表示遗憾，并希望已经使用该模型的美国银行能够他们的经验和信息。特别软件补丁的部署方面，埃尔德森要求银行加快更新速度，因为一旦漏洞被曝光，恶意分很可能会迅速利用这些。
目前，全球众多金融机构已向 Anthropic 申请获得 Claude Mythos 的使用权限，以提高自身的网络安全防御能力。Anthropic 公司表示，虽然大部分使用权限主要授予美国企业，但他们也计划向其他机构提供相关的技术简报，尤其是包括金融委员会和欧盟委员会的高层。
这次临时会议反映出，面对不断变化的技术环境，全球监管机构采取更快、更有效的对措施，以确保体系的安全和稳定。时间的推移，埃尔德森强调，金融机构不能以未获得模型访问权限为借口，必须采取积极措施来防范潜在的网络攻击。
欧洲央行紧急会议应对 Anthropic 新 Claude Mythos 带来的网络安全威胁
欧洲央行召开紧急会议，讨论Anthropic公司推出的AI模型Claude Mythos对全球金融系统带来的网络安全威胁。该模型能够发现金融机构信息系统中的高危漏洞，引发全球监管机构高度警惕。欧洲央行副主席埃尔德森强调，随着AI技术发展，解决网络安全问题的紧迫性日益明显，要求银行加快软件补丁部署速度。目前，全球多家金融机构已申请获得Claude Mythos使用权限，Anthropic公司计划向金融委员会和欧盟委员会提供技术简报。监管机构正采取更快、更有效的应对措施，确保金融体系安全稳定。
文章作者、来源：金融时报
近日，欧洲央行召开了紧急会议，讨论因 Anthropic 公司推出的新 AI 模型 Claude Mythos 所引的网络安全隐患。《金融时报》报道，这一会议是在当地时间周二召，主要目应对 Claude Mythos 对全球金融系统所带来的潜在威胁。
Claude Mythos 被认为能够发现金融机构信息系统中的高危漏洞，这让全球监管十分忧虑欧洲央行的副主席兰克・尔德森在采访中指出，网络安全问题已被讨论多年，但随着 AI 技术的发展，解决这些问题的紧迫性愈发明显。他强调，以往的应对措施速度较慢，现在必须加快步伐。
会议上，埃尔德森对欧洲银行未能获得 Claude Mythos 的使用权限表示遗憾，并希望已经使用该模型的美国银行能够他们的经验和信息。特别软件补丁的部署方面，埃尔德森要求银行加快更新速度，因为一旦漏洞被曝光，恶意分很可能会迅速利用这些。
目前，全球众多金融机构已向 Anthropic 申请获得 Claude Mythos 的使用权限，以提高自身的网络安全防御能力。Anthropic 公司表示，虽然大部分使用权限主要授予美国企业，但他们也计划向其他机构提供相关的技术简报，尤其是包括金融委员会和欧盟委员会的高层。
这次临时会议反映出，面对不断变化的技术环境，全球监管机构采取更快、更有效的对措施，以确保体系的安全和稳定。时间的推移，埃尔德森强调，金融机构不能以未获得模型访问权限为借口，必须采取积极措施来防范潜在的网络攻击。
文章作者、来源：金融时报
近日，欧洲央行召开了紧急会议，讨论因 Anthropic 公司推出的新 AI 模型 Claude Mythos 所引的网络安全隐患。《金融时报》报道，这一会议是在当地时间周二召，主要目应对 Claude Mythos 对全球金融系统所带来的潜在威胁。
Claude Mythos 被认为能够发现金融机构信息系统中的高危漏洞，这让全球监管十分忧虑欧洲央行的副主席兰克・尔德森在采访中指出，网络安全问题已被讨论多年，但随着 AI 技术的发展，解决这些问题的紧迫性愈发明显。他强调，以往的应对措施速度较慢，现在必须加快步伐。
会议上，埃尔德森对欧洲银行未能获得 Claude Mythos 的使用权限表示遗憾，并希望已经使用该模型的美国银行能够他们的经验和信息。特别软件补丁的部署方面，埃尔德森要求银行加快更新速度，因为一旦漏洞被曝光，恶意分很可能会迅速利用这些。
目前，全球众多金融机构已向 Anthropic 申请获得 Claude Mythos 的使用权限，以提高自身的网络安全防御能力。Anthropic 公司表示，虽然大部分使用权限主要授予美国企业，但他们也计划向其他机构提供相关的技术简报，尤其是包括金融委员会和欧盟委员会的高层。
这次临时会议反映出，面对不断变化的技术环境，全球监管机构采取更快、更有效的对措施，以确保体系的安全和稳定。时间的推移，埃尔德森强调，金融机构不能以未获得模型访问权限为借口，必须采取积极措施来防范潜在的网络攻击。
7
·
--
ME Новости, 26 мая (UTC+8), Unipeg твитнул, что запускает функцию microPEG. Пользователи смогут создавать полноценный 12x12 microPEG NFT, завернув 0.1 uPEG. Этот NFT можно будет торговать через ликвидный пул uPEG/mPEG. Каждый раз, когда создается mPEG, соответствующее количество uPEG будет выведено из обращения, что делает генерацию целых uPEG более сложной. (Источник: ME)
ME Новости, 26 мая (UTC+8), Unipeg твитнул, что запускает функцию microPEG. Пользователи смогут создавать полноценный 12x12 microPEG NFT, завернув 0.1 uPEG. Этот NFT можно будет торговать через ликвидный пул uPEG/mPEG. Каждый раз, когда создается mPEG, соответствующее количество uPEG будет выведено из обращения, что делает генерацию целых uPEG более сложной. (Источник: ME)
4
·
--
См. перевод
高盛CEO：AI将引发大规模失业的担忧"言过其实"他认为，AI不会消灭工作岗位，而是将推动劳动者转向更高价值的任务，并催生围绕AI管理、部署、验证与监管的全新职位。
文章作者、来源：鲍奕龙
随着人工智能加速渗透各行各业，围绕AI将摧毁就业市场的悲观论调持续升温。但高盛CEO发表文章，反驳这一叙事。
5月22日，高盛CEO David Solomon在《纽约时报》发表署名文章，指出AI引发"就业末日与大规模失业"的担忧"言过其实"。
他认为，AI不会消灭工作岗位，而是将推动劳动者转向更高价值的任务，并催生围绕AI管理、部署、验证与监管的全新职位。
David Solomon同时承认，这场技术转型不可避免地将带来劳动力市场的结构性阵痛。
高盛旗下经济学家预测，未来十年AI可能将当前25%的工作时间实现自动化，银行、法律、会计、软件及客户服务等白领行业面临的冲击尤为突出。
此番表态与风险投资界的声音形成呼应。此前，Andreessen Horowitz联合创始人Marc Andreessen公开称，AI引发的失业恐慌是"虚假叙事"，并预期AI将在经济上整体带动就业增长。
David Solomon直指"就业末日论"：历史已反复证伪
David Solomon在题为"我是高盛CEO，AI就业末日论言过其实"的文章中，援引美国经济史上的多次技术革命作为论据。
从电气化、汽车工业到个人电脑的普及，每一轮技术冲击之后，整体就业水平与民众生活水准均持续提升。
他认为，AI很可能延续这一历史规律：在淘汰部分岗位的同时，扩张另一批岗位。
他以超大规模云计算企业为例指出，这些企业今年单年资本支出规模预计将达7000亿美元，由此带动的数据中心建设将直接创造大量施工类就业机会。
他强调：
美国经济能够、也将会适应技术领域的重大进步。
David Solomon援引高盛内部经济学家的最新预测称，未来十年，AI有望将当前约25%的工作时间实现自动化。受影响最深的是银行、法律、会计、软件开发及客户服务等白领密集型领域。
上述行业均是全球资本市场的核心组成部分，其人力成本结构的系统性变化，将对企业盈利能力、人力资源配置策略乃至长期估值模型产生深远影响。
David Solomon指出，若AI果真在前所未有的规模上造成岗位流失，企业界与政府之间应形成"协同努力"，共同协助劳动者和相关机构适应新的就业生态。
a16z创始人Andreessen观点：AI恰逢其时
David Solomon的立场与Marc Andreessen此前的判断高度吻合。
这位Netscape联合创始人、a16z联合创始人表示，随着多国人口陷入收缩周期，劳动力短缺的结构性压力将持续累积，而AI与机器人正在"恰好在我们真正需要它们的时刻"登场，其作用在于防止经济随人口萎缩而同步下滑。
这一叙事框架，将AI定位为人口红利消退背景下的生产力补偿机制，与悲观派将AI描绘为失业洪流制造者的叙事形成根本对立。
分析认为，Solomon与Andreessen相继公开发声，反映出硅谷与华尔街主流势力正就AI的社会价值叙事展开主动塑造，试图在政策辩论尚未成型之际，抢占舆论高地。
对于押注AI基础设施与相关产业链的投资者而言，商界领袖的集体表态在一定程度上有助于稳定市场预期，但白领行业25%工时自动化的预测，仍将是未来相当长时间内挥之不去的结构性风险变量。
风险提示及免责条款
市场有风险，投资需谨慎。本文不构成个人投资建议，也未考虑到个别用户特殊的投资目标、财务状况或需要。用户应考虑本文中的任何意见、观点或结论是否符合其特定状况。据此投资，责任自负。
高盛CEO：AI将引发大规模失业的担忧"言过其实"
他认为，AI不会消灭工作岗位，而是将推动劳动者转向更高价值的任务，并催生围绕AI管理、部署、验证与监管的全新职位。
文章作者、来源：鲍奕龙
随着人工智能加速渗透各行各业，围绕AI将摧毁就业市场的悲观论调持续升温。但高盛CEO发表文章，反驳这一叙事。
5月22日，高盛CEO David Solomon在《纽约时报》发表署名文章，指出AI引发"就业末日与大规模失业"的担忧"言过其实"。
他认为，AI不会消灭工作岗位，而是将推动劳动者转向更高价值的任务，并催生围绕AI管理、部署、验证与监管的全新职位。
David Solomon同时承认，这场技术转型不可避免地将带来劳动力市场的结构性阵痛。
高盛旗下经济学家预测，未来十年AI可能将当前25%的工作时间实现自动化，银行、法律、会计、软件及客户服务等白领行业面临的冲击尤为突出。
此番表态与风险投资界的声音形成呼应。此前，Andreessen Horowitz联合创始人Marc Andreessen公开称，AI引发的失业恐慌是"虚假叙事"，并预期AI将在经济上整体带动就业增长。
David Solomon直指"就业末日论"：历史已反复证伪
David Solomon在题为"我是高盛CEO，AI就业末日论言过其实"的文章中，援引美国经济史上的多次技术革命作为论据。
从电气化、汽车工业到个人电脑的普及，每一轮技术冲击之后，整体就业水平与民众生活水准均持续提升。
他认为，AI很可能延续这一历史规律：在淘汰部分岗位的同时，扩张另一批岗位。
他以超大规模云计算企业为例指出，这些企业今年单年资本支出规模预计将达7000亿美元，由此带动的数据中心建设将直接创造大量施工类就业机会。
他强调：
美国经济能够、也将会适应技术领域的重大进步。
David Solomon援引高盛内部经济学家的最新预测称，未来十年，AI有望将当前约25%的工作时间实现自动化。受影响最深的是银行、法律、会计、软件开发及客户服务等白领密集型领域。
上述行业均是全球资本市场的核心组成部分，其人力成本结构的系统性变化，将对企业盈利能力、人力资源配置策略乃至长期估值模型产生深远影响。
David Solomon指出，若AI果真在前所未有的规模上造成岗位流失，企业界与政府之间应形成"协同努力"，共同协助劳动者和相关机构适应新的就业生态。
a16z创始人Andreessen观点：AI恰逢其时
David Solomon的立场与Marc Andreessen此前的判断高度吻合。
这位Netscape联合创始人、a16z联合创始人表示，随着多国人口陷入收缩周期，劳动力短缺的结构性压力将持续累积，而AI与机器人正在"恰好在我们真正需要它们的时刻"登场，其作用在于防止经济随人口萎缩而同步下滑。
这一叙事框架，将AI定位为人口红利消退背景下的生产力补偿机制，与悲观派将AI描绘为失业洪流制造者的叙事形成根本对立。
分析认为，Solomon与Andreessen相继公开发声，反映出硅谷与华尔街主流势力正就AI的社会价值叙事展开主动塑造，试图在政策辩论尚未成型之际，抢占舆论高地。
对于押注AI基础设施与相关产业链的投资者而言，商界领袖的集体表态在一定程度上有助于稳定市场预期，但白领行业25%工时自动化的预测，仍将是未来相当长时间内挥之不去的结构性风险变量。
风险提示及免责条款
市场有风险，投资需谨慎。本文不构成个人投资建议，也未考虑到个别用户特殊的投资目标、财务状况或需要。用户应考虑本文中的任何意见、观点或结论是否符合其特定状况。据此投资，责任自负。
文章作者、来源：鲍奕龙
随着人工智能加速渗透各行各业，围绕AI将摧毁就业市场的悲观论调持续升温。但高盛CEO发表文章，反驳这一叙事。
5月22日，高盛CEO David Solomon在《纽约时报》发表署名文章，指出AI引发"就业末日与大规模失业"的担忧"言过其实"。
他认为，AI不会消灭工作岗位，而是将推动劳动者转向更高价值的任务，并催生围绕AI管理、部署、验证与监管的全新职位。
David Solomon同时承认，这场技术转型不可避免地将带来劳动力市场的结构性阵痛。
高盛旗下经济学家预测，未来十年AI可能将当前25%的工作时间实现自动化，银行、法律、会计、软件及客户服务等白领行业面临的冲击尤为突出。
此番表态与风险投资界的声音形成呼应。此前，Andreessen Horowitz联合创始人Marc Andreessen公开称，AI引发的失业恐慌是"虚假叙事"，并预期AI将在经济上整体带动就业增长。
David Solomon直指"就业末日论"：历史已反复证伪
David Solomon在题为"我是高盛CEO，AI就业末日论言过其实"的文章中，援引美国经济史上的多次技术革命作为论据。
从电气化、汽车工业到个人电脑的普及，每一轮技术冲击之后，整体就业水平与民众生活水准均持续提升。
他认为，AI很可能延续这一历史规律：在淘汰部分岗位的同时，扩张另一批岗位。
他以超大规模云计算企业为例指出，这些企业今年单年资本支出规模预计将达7000亿美元，由此带动的数据中心建设将直接创造大量施工类就业机会。
他强调：
美国经济能够、也将会适应技术领域的重大进步。
David Solomon援引高盛内部经济学家的最新预测称，未来十年，AI有望将当前约25%的工作时间实现自动化。受影响最深的是银行、法律、会计、软件开发及客户服务等白领密集型领域。
上述行业均是全球资本市场的核心组成部分，其人力成本结构的系统性变化，将对企业盈利能力、人力资源配置策略乃至长期估值模型产生深远影响。
David Solomon指出，若AI果真在前所未有的规模上造成岗位流失，企业界与政府之间应形成"协同努力"，共同协助劳动者和相关机构适应新的就业生态。
a16z创始人Andreessen观点：AI恰逢其时
David Solomon的立场与Marc Andreessen此前的判断高度吻合。
这位Netscape联合创始人、a16z联合创始人表示，随着多国人口陷入收缩周期，劳动力短缺的结构性压力将持续累积，而AI与机器人正在"恰好在我们真正需要它们的时刻"登场，其作用在于防止经济随人口萎缩而同步下滑。
这一叙事框架，将AI定位为人口红利消退背景下的生产力补偿机制，与悲观派将AI描绘为失业洪流制造者的叙事形成根本对立。
分析认为，Solomon与Andreessen相继公开发声，反映出硅谷与华尔街主流势力正就AI的社会价值叙事展开主动塑造，试图在政策辩论尚未成型之际，抢占舆论高地。
对于押注AI基础设施与相关产业链的投资者而言，商界领袖的集体表态在一定程度上有助于稳定市场预期，但白领行业25%工时自动化的预测，仍将是未来相当长时间内挥之不去的结构性风险变量。
风险提示及免责条款
市场有风险，投资需谨慎。本文不构成个人投资建议，也未考虑到个别用户特殊的投资目标、财务状况或需要。用户应考虑本文中的任何意见、观点或结论是否符合其特定状况。据此投资，责任自负。
7
Войдите, чтобы посмотреть больше материала
Присоединяйтесь к пользователям криптовалют по всему миру на Binance Square
⚡️ Получайте новейшую и полезную информацию о криптоактивах.
💬 Нам доверяет крупнейшая в мире криптобиржа.
👍 Получите достоверные аналитические данные от верифицированных создателей контента.
Эл. почта/номер телефона
В тренде
EthereumHegotaUpgradePrivacyTransfers
Просмотров: 6,487
181 обсуждают
Все сосредоточены на том, что ИИ становится всё мощнее, но очень немногие обращают внимание на то, что с этим приходит: слежка.
Пока правительства, крупные технологические компании и ИИ-системы собирают всё больше данных, финансовая конфиденциальность может стать одной из самых редких и ценных вещей в интернете.
Биткойн начал движение, предоставив людям право собственности на свои деньги без зависимости от традиционных систем. Но по мере развития индустрии разговор начинает смещаться от простой финансовой собственности к финансовой конфиденциальности.
Вот почему слова Артура Хейза о том, что конфиденциальность с деньгами будет "супер нужна", выделяются для меня.
Это не просто бычий прогноз на $ZEC , это ставка на то, куда движется мир.
В будущем, где каждая транзакция, взаимодействие с кошельком и цифровой след могут быть отслежены, конфиденциальность может перестать быть опцией и стать необходимостью.
Большинство людей всё ещё гонятся за хайпом и краткосрочными нарративами, в то время как Хейз, похоже, позиционируется на будущее, где финансовая свобода сама по себе становится премиумом.
#EthereumHegotaUpgradePrivacyTransfers
cryptoscoping
·Лайков: 3
·Просмотров: 1.5k
JapanFirstPointsToStablecoinService
Просмотров: 410
16 обсуждают
IndonesiaBlocksPolymarketForGambling
Просмотров: 5,976
150 обсуждают