作者: GAWE

来源：《Milk Road》播客

整理：Felix, PANews

Bitwise 首席投资官 Matt Hougan 和研究主管 Ryan Rasmussen 做客《Milk Road Show》节目（录制时间为 4 月 6 日），深入探讨当前加密市场的真正驱动力，以及机构需求为何可能是比特币下一步走势的关键。

他们指出，尽管加密市场整体情绪悲观，但机构投资者仍在悄然增持。从 ETF 资金流入到监管动态和宏观经济变化，有多个关键信号可能推动比特币在 2026 年冲击 9.5 万美元大关。PANews 对对话精华进行了整理。

主持人：Ryan，我看到一篇文章，说你预测到年底比特币会达到 9.5 万美元的区间。这是真的吗？

Ryan：那是一次有趣的对话，因为我们当时谈论了很多能推动市场走高的长期利好因素。我当时举的一个例子是，进入 2026 年，我们看到了一些特定的催化剂，可能会使市场回到 9.5 万美元的水平，这正是我们打破四年周期所需要达到的位置。我认为这很有可能发生，我们甚至很可能会在年底以高于 9.5 万美元收盘。有几个非常具体的催化剂将推动我们达到那个目标，当然也需要满足一些条件。我确实这么说过，也相信这会发生。

主持人：这些催化剂是什么？

Ryan：有三个特定的环境因素需要转向有利于比特币，才能推动价格走高。第一个是宏观和地缘政治局势，我强烈相信它会在相对较短的时间内平息。很多人担心这场拖延已久的冲突可能会持续很多很多个月，并对通胀、利率以及美国和全球经济产生连锁反应。我不相信会是这样。我认为这只是一个相对短期的冲击，会逐渐消退，6个月后我们谈论它的方式会和我们谈论关税闹剧或其他特朗普引发的短期市场冲击一样。所以我认为宏观地缘政治环境需要从不确定、不稳定和持续混乱的状态，转向更正常化的环境。我认为这会在未来几个月发生。我们会有Kevin Wars上台，我认为我们会看到利率保持稳定或降息。我不认为会出现加息，而这有利于比特币的正面价格回报。

下一个是监管清晰度。比特币的监管环境一直非常不确定，《Clarity Act》悬而未决，但我相信《Clarity Act》会在 2026 年窗口关闭前通过。我认为这对比特币和其他加密资产来说是正面消息。

而最大的催化剂（不仅仅是 2026 年的催化剂，而是长期催化剂）是机构对比特币的需求非常强劲。我们上个月在所有这些地缘政治宏观不确定性和我刚才提到的监管不确定性中，仍看到比特币 ETF 流入超过 10 亿美元。所以你可以想象，如果这些事情平息并成为加密货币的尾部助力，从机构需求角度会发生什么。我认为这些因素会推动比特币在年底前重回 9.5 万美元以上。

主持人：有没有这样一种可能，这些利好确实发生了，但冲突也在持续，它们会不会相互抵消？

Ryan：有可能互相抵消。如果看到加息，并且冲突持续 6 个月甚至更长时间，那么对于任何金融资产来说都很难有相对强劲的表现。不过有趣的是，市场对这些威胁或声明的反应开始不那么敏感了。比如特朗普下达最后通牒，伊朗回应说不会听从，特朗普又更改了期限，每次发生这种事，市场的反应都在减弱。所以我认为这只是市场逐渐脱敏的现象，随后其他力量将占据主导。

归根结底，比特币的价格是基于供求关系的，因此机构需求将是最强的驱动力。从我们与投资者的交流来看，他们将当前价格视为良好的入场点，并正在其投资组合中进行许多长期配置。我认为这种长期需求不会被抵消，至于它会在下个月、六个月还是九个月内到来，还有待讨论。

主持人：Matt，你是否感觉到年底前会达到 9.5 万美元的势头？

Matt：我确实认为这是以 Ryan 提到的事情为条件的。我还要补充一点，作为另一个催化剂：我们需要有某种决议或清晰的路线图，来解决人们对量子计算威胁比特币日益增加的担忧。我唯一可能不认同 Ryan 的地方是，如果我们所有的牌都翻向积极的一面，我认为价格会远高于 9.5 万美元；如果是好坏参半，我们可能会横盘整理；如果所有的因素都变得更糟，我们可能会收于更低的水平。我的观点具有更大的分散性。但如果我们获得监管清晰度，伊朗问题得到解决，并且我们解决了量子计算的问题，我认为年底会非常棒。但这需要一系列事件朝有利的方向发展。

主持人：量子计算的问题真的那么容易解决吗？我最近采访了一些嘉宾，听起来似乎有点复杂，你需要让所有比特币领域的人重新达成共识来解决这个问题。而以太坊的基金会最近似乎更积极，而且系统也大不相同。这在比特币中是能够快速解决或防范的问题吗？

Matt：我的看法是，为了解决量子威胁，你希望看到的事情事实上正在发生。那就是高信誉的人士在提出担忧，且这样的人越来越多，因此社区更加认真地关注它，并愿意权衡利弊。从准备情况来看，我们今天的处境比 12 个月前好得多。我不认为我们需要解决所有问题，我们需要的是一个可靠的路线图来释放那些“OG”投资比特币的需求，带领我们走出冬天，进入四年周期的春天。这并不是说以太坊已经完全把问题解决了，他们只是有一个可靠的路线图。如果我们也有可靠的路线图和承诺，足以把早期的 OG 投资者带回市场。我认为机构投资者无论如何都会来，因为他们意识到自己在比特币上的配置偏离了市场，持有零头寸不再是一个可以容忍的立场。我的观点是，为了突破 Ryan 所说的 9.5 万美元的上行空间，我们需要让那些 OG 加密玩家、散户加密玩家参与进来，我认为他们会想要一个明确的路线图。

主持人：你的意思是，这些 OG 们必须觉得，在谷歌和上周各方的警告之后，情况正在被处理，或者很快就会受控。那么 Matt，对于那些去年开始大量抛售持仓的 OG 们来说，这种担忧是不是最初导致需求流失的原因？

Matt：是的。我通常认为单一原因的解释是错误的，但它是一个促成因素吗？是的。它像四年周期以及为了避免历史性的 75% 回撤那样重要吗？不是。但这肯定是一个借口，人们在四年周期到来之前，借此采取情绪化的操作来调整自己的风险敞口。所以这有点复杂，但这确实是一个因素，人们的关注度已经大幅上升。而且我认为这是好事，这说明系统在自我修复。但我确实认为，如果能够很好地组织起来，此时它将成为一个催化剂。

主持人：Ryan，在数字资产峰会上有讨论这个量子问题吗？如果没有，人们都在讨论什么？

Ryan：量子计算确实在数字资产峰会上被提及了，但关注度没有你想象的那么高。而谷歌关于量子风险时间表加速的文章实际上是在会议结束后才发表的，所以它是上周才变得更受关注的。我想说，峰会上大部分的注意力都集中在机构采用、监管明确性以及代币化、稳定币和金库等事物上，较少关注量子风险，尽管它确实是投资者最关心的。过去一个月，很多投资者问起过关于比特币和以太坊的量子风险问题。他们看到有关努力解决这些风险的沟通，这给了他们一些安慰，但我们真的需要看到采取实质性的行动才能真正缓解长期担忧。

主持人：Ryan，你说机构投资者感到“好奇”，这是否意味着他们仍然存在信息鸿沟，不了解这些资产，还是他们正在试图获得内部支持？你说的“好奇”是什么意思？

Ryan：当你和不同机构投资者和专业投资者谈论他们对加密行业的关注程度，以及对业内具体发展的关注程度时，你会发现这是一个很大的范围。许多专业投资者只花很少的时间思考比特币或更广泛的加密货币。他们对这个领域的信息通常来自《华尔街日报》或 CNBC 的头条新闻，或者听人在 CNBC 上谈论市场的潜在风险。所以当他们听到量子计算，或者谷歌发布了重要论文，引起了他们的注意后，他们会来问我们：这个风险到底有多大？ 你们作为 24/7 全天候关注该领域的专业资产管理者，且与比特币核心开发者交谈并捐款支持他们的人，你们是怎么看的？ 所以信息鸿沟在于，他们依赖我们来理解什么是真实的，什么是噪音。

主持人：Matt，在峰会上，关于风险或机会，还有什么是机构人群最关心的？或者你们学到了什么以前低估了的东西？

Matt：我的一个大收获是，过去五年里峰会上人们的着装发生了变化。五年前，大概只有两三个人穿西装；而今年有 80% 到 85% 的人都穿西装，这非常了不起。这说明加密领域出现了一场势不可挡的机构牛市，它体现在稳定币、代币化以及金库中，加密货币的本质正在发生真正的演变。你只需对比一下 2020 年和现在的峰会观众照片，就能看到巨大的转变。另一个热门话题是“金库（Vaults）”。人们对金库表现出了极大的兴趣，我将其描述为下一个 ETF。我认为机构对金库的兴趣程度甚至超过了该市场目前的实际资产和增长水平。

主持人：ETF 和金库之间到底有什么区别？

Matt：从历史上看，资产管理解决的问题是，个人想投资市场，但无法获得所需的多样化配置和管理（因为不是他们的全职工作），所以他们把钱交给资产经理来部署。300 年前（17 世纪），资产管理刚开始时非常笨重且昂贵。到了 20 年代，我们有了开放式基金；在 90 年代，我们有了 ETF，使得效率更高。金库与 ETF 的区别在于，它进一步提高了这种效率。在传统世界中，资产管理公司处理托管、审计和税务报告等，并将其与投资去向的知识产权（IP）结合起来。而金库剥离了所有那些“现实世界中繁琐的事务”，只留下了知识产权。投资者将资金投入智能合约，由合约根据资产管理公司的操作进行分配。因此，它是一个更简化、高效、完美的资产管理版本，而其他繁琐的部分则留给个人自己去管理。

主持人：Ryan，我有个问题。金库是 AI 将产生巨大影响的领域吗？因为就像 Matt 描述的，这听起来将涉及非常高级的策略。我问你是因为上周你分享了一条推文，说搞 AI 的人比搞加密货币的人对加密货币还要兴奋。

Ryan：完全正确。那是一条非常引人入胜的推文。在过去 6 到 9 个月里，加密货币情绪一直处于历史低位附近，接近 2022 年 FTX 崩溃时的低点，价格大幅下跌，流动性枯竭。但是当你和机构投资者交谈时，他们看到的不是价格的熊市，而是将长期推动市场走高的积极因素：金库、代币化、稳定币等。而当你和构建 AI 产品的人交谈时，他们看到了底层技术的诸多好处：AI 需要解决身份证明问题，加密/区块链做得非常好；需要解决隐私问题，加密技术也做得很好；需要为 AI 代理提供一种不需要访问银行账户的交易方式，稳定币和区块链同样非常胜任。所以，AI 开发者看到了协同效应并极度看涨；机构投资者看到了传统金融与加密技术的协同效应，也越来越看涨。而加密原生投资者只看到价格下跌、流动性枯竭、不断被清算、Meme 币崩溃，他们认为一切都完了。这是一种巨大的脱节。就像加密货币在阳光明媚的地方撑着一把正在下雨的伞。

主持人：为什么加密圈这么情绪化？是因为它更具波动性吗？它能摆脱这种情绪化的过山车吗？

Ryan：我认为这部分是投资时间范围的差异。很多加密投资者进入这个领域，是因为他们想在相对较短的时间内获得大量财富以抢先于机构。随着市场的繁荣与萧条循环，人们对此感到幻灭并深受打击。而我们接触的财富管理机构和平台的专业投资者，通常是长期导向的。他们为客户规划 5 年甚至 45 年的退休计划，他们看到了大趋势并感到兴奋。加密投资者由于过度集中投资，当市场波动时会表现出高度情绪化的行为，这在投资中极其危险。专业投资者更善于系统地进行投资以获取长期的回报，他们现在布局是因为预见这项技术在 10 年后会获得回报。

Matt：我觉得这是对的。我还想补充一点，加密市场的某些领域（如 Meme 币、山寨 L1、空气应用）确实是“冬天”。很多人持有这些资产，前景确实黯淡。这与你从零开始进行首次配置的心态完全不同。如果你现在入场，看到稳定币和代币化准备蓬勃发展，而这些资产下跌了 50%，你会觉得是个机会。但如果你持有了下跌 90% 甚至还要再跌 99% 的资产，视角当然完全不同。

主持人：Matt，你今天发布了一份很棒的备忘录，解答了关于预测市场的五个最大问题。作为一个职业“Degen”，我喜欢押注各种奇怪的东西，但预测市场目前确实面临很多争议和问题。你在文章里暗示，预测市场是金融界最重要的工具之一。为什么这么说？

Matt：因为它们为世界提供了新的关键信息，也是有用的投资组合工具。首先是信息质量。我们都很沮丧美联储总是在看滞后的数据，就业数据经常被大幅修正，这对经济和投资者的决策有巨大影响。如果我们能提高经济数据的质量，世界就会运转得更好。

我在文章中提到了美联储的一篇论文，该论文表明，Kalshi 这样的预测市场（即使目前规模还很小），在预测美联储降息、GDP、CPI 等数据方面，已经比彭博社最优秀的经济学家以及美联储自身的预期调查还要准确，而且它是实时的。从投资组合的角度看，现实世界受到政治、经济事件的影响。如果你认为几年的选举后 Elizabeth Warren 会出任 SEC 主席，这会对加密货币产生影响，但你目前没有办法干净利落地对冲这种概率。这不仅仅是加密领域，国防股票、AI 股票也会受影响，而我们目前的投资组合无法表达这一点。通过预测市场打包这些风险，会是一个非常有价值的对冲工具。它们完美吗？不是。有些市场需要整顿吗？绝对需要。但总的来说，我认为它们是非常积极的事物。

主持人：预测市场面临的最大质疑是：这只是另一种形式的赌博，尤其和加密货币挂钩时，就像 Meme 币一样。你是怎么回应这个问题的？

Matt：有些确实是赌博。如果你在预测市场上赌足球赛，那和去体育博彩买球没区别，这没关系。但如果你对美联储利率结果进行预测，这就等同于芝加哥商品交易所（CME）的联邦基金期货市场，这是世界上最大的金融机构每天交易价值 5 到 15 万亿美元的地方，我们称之为投资。预测市场可以同时涵盖这两种情况。我们可以将复杂的金融投资/对冲与体育或流行文化事件分开。它们是非常强大的工具。

主持人：这些预测市场未来会分化吗？比如目前去 Polymarket 会看到成千上万的话题，让人眼花缭乱。未来会不会出现专门只做金融分类的预测市场？

Matt：我认为这绝对有可能。当我们在考虑申请推出预测市场的 ETF 时，我们关注的肯定是金融市场指标，而不是泰勒·斯威夫特的演唱会收入。就像现有的 ETF 市场一样，有最简单的标普 500 ETF，也有 3 倍杠杆个股 ETF。搜索工具会明确区分普通和特殊的 ETF。所以随着更多金融用户接纳这些市场，我认为它们会区分开来，我毫不惊讶地会看到体育博彩从中分离出来，毕竟那个领域还有额外的法律诉讼风险。

Ryan：对于投资者来说，我觉得预测市场让投资者能够表达他们对某种二元结果的看法，这种能力非常重要。过去，你很难将某人赢得选举的预期，拆解落实到商品、科技、黄金、债券等复杂的跨资产类别投资组合中。预测市场极大简化了投资者对冲投资组合或进行规划的能力。围绕特定预测市场事件包装出 ETF 等金融产品，将使操作变得非常直接且容易。另外正如 Matt 提到的，预测市场在宏观或经济事件上的准确性（如 Kalshi）甚至超过了传统的民调和专家共识，聚合信息的准确性非常强大。

Matt：我非常同意。还有一点没被明说的是，过去世界上最大的机构有自己的方法直接获得这些赔率（比如对冲基金花钱雇高薪说客去华盛顿打探消息）。我喜欢预测市场的地方在于，它把这些信息表面化，展示给了每一位投资者，这是一个更加公平的竞技场。这具有一种平等的优势，对于投资生态的公平性非常重要。

主持人：会不会有一天，人们不再看新闻，而是直接看 Polymarket 提供的信息？

Matt：这是我最喜欢的一点。我认为 Polymarket 在对特朗普大选获胜的报道上应该获得普利策奖。它是唯一准确说出将要发生什么的地方，比民调好，比每家媒体都好。如果那不是新闻，那我就不知道什么是新闻了。那是当年最重要的新闻，它是唯一做对的地方。所以我认为，很多人会像看《纽约时报》和《华尔街日报》一样多地看 Polymarket 和 Kalshi，以了解世界上正在发生的事情，并且他们可能会因此获得更好的信息。

近日，全国科学技术名词审定委员会发布公告，推荐将人工智能领域中的“Token”译为“词元”，并面向社会试用。随后，《人民日报》发文《专家解读 token 中文名为何定为“词元”》，对这一命名从专业角度进行了系统阐释。

文中提到，“token”一词源于古英语 tācen，意为“符号”或“标记”。在语言模型中，token 是文本经过切分或字节级编码后得到的最小离散单元，既可以表现为词、子词、词缀或字符等不同形式。模型正是通过对 token 序列的建模，展现出一定的智能能力。

这一译名在专家论证体系中被认为符合单义性、科学性、简明性与协调性原则，也在当前中文语境中具备一定的使用基础。然而，在阅读相关解读后，我对这一命名路径形成了不同的理解。

从规范化角度看，这一定名方案在短期内具有可理解性与传播优势。但若从计算本体、信息结构、多模态演进及回译一致性等维度审视，其长期适配性仍有待进一步检验。在这一背景下，一个同样值得关注的替代路径——“符元”——逐渐显现出更强的结构一致性与跨语境稳定性。

一、定义的错位：不能用“起源”替代“本质”

文章观点（中国科学院计算技术研究所研究员陈熙霖）：Token 在人工智能中的初始角色是“语言基本语义单元”，因此“词元”能够更贴合其本质。

这一判断在历史语境中具有合理性，但在技术范式大跃迁的当下，这种思维本质上是一种“学术刻舟求剑”。

在术语定义的逻辑层面，必须严厉区分“初始应用场景”与“结构本质属性”。

Token 确实起源于自然语言处理（NLP），但在 AGI 的进化路径中，它早已突破了语言模型的边界，演化为统一处理文本、图像、语音乃至物理信号的基础单元。在现代计算体系中，Token 真正的结构本体是“离散符号单元”，而非单一模态的语言单位。

如果按“初始角色”定名，计算机（Computer） 至今应该叫 “电子计算手”（源于其最初代替人工计算员的职能）；互联网（Internet） 应该叫 “冷战军用网”。这种命名逻辑的致命伤在于：它只看到了技术在特定历史时刻的“临时工种”，却忽略了其跨越时代的“物理本体”。

历史路径不能等同于本质属性。同样，我们也不能因为 Token 最初被用于处理文字，就将其永久锁定在“词”的狭隘语境中。

用“初始应用场景”来定义基础概念，本质上是用历史的路径依赖替代了结构的本体真相。这种定义在技术早期或许能提供理解便利，但在多模态爆发的范式扩展阶段，它会迅速失效并成为阻碍认知的枷锁。相比之下，「符元」直接对齐了跨模态计算的符号本体，它定义的不是 Token 的“过去”，而是 Token 的“真相”。

二、类比的边界：解释一旦变成定义就会开始偏离

文章观点（清华大学计算机系副教授东昱晓）：可以通过“词云”“词袋”等类比，将多模态中的离散单元理解为“广义的词”。

东昱晓教授的类比有助于理解，但不应替代定义。这一思路在解释层面具有一定启发性，但若进一步上升为命名依据，则可能引发概念层面的范畴错位。

从方法论上看，类比的作用在于降低理解门槛，而定义的职责在于划定语义边界。当“词”被扩展以覆盖图像块（patch）、语音片段、向量表示（embedding）乃至更广泛的感知信号时，其原有的语言属性已被不断稀释，语义边界趋于模糊。这种由“类比驱动”的扩展路径，在短期内可以维持解释的一致性，但在长期演化中容易造成语义漂移。

在跨模态扩展能力上，需要警惕“类比”向“定义”的滑移。在术语审定的语境中，必须区分“解释性隐喻”与“本体性定义”的边界，避免前者对后者形成替代。

一个更直观的对照是：在科普语境中，我们可以将灯泡类比为“人造太阳”，以增强理解的直观性；但在科学命名体系中，不可能据此将电流单位“安培”（Ampere）重新命名为“光元”。前者属于描述性表达，后者则涉及严格的度量体系与标准化定义，二者不可混用。

同样地，“词云”“词袋”等术语本质上属于描述性或统计性隐喻，其功能在于帮助理解数据结构或分布形态；而 Token 作为大模型中的基础计量单元，已深度嵌入算力计费、模型训练与学术度量体系之中。当其使用规模达到日均百亿至万亿级调用量时，其命名所承载的已不只是解释功能，更是一个具有工程与标准意义的基础概念。在这一层面上，术语更需要对齐其本体属性，而非依赖类比延展。

如果将这种类比逻辑进一步推至命名层面，其实隐含着一个危险前提：既然人们已经习惯用“词”来理解 Token，那么不妨继续沿用这一类比。但这实际上是一种路径依赖的延续——用既有认知的便利，替代对概念本体的校正。在这一意义上，这种命名更接近于一种“语言学上的浪漫主义”，而非对计算本体的严格对齐。

我们不能因为“马力”带有“马”，就要求在电机中讨论“电子马”。类比可以启发理解，但不能定义标准。

相比之下，“符”作为更为中性的概念，天然具备跨模态适配能力，不依赖额外解释即可覆盖文本、图像、语音等多种信息形态。因此，以“符号单元”为核心的命名路径，在定义层面更接近 Token 的结构本质。在这一逻辑下，“符元”作为对应译名，具备更高的概念一致性与长期适配性。

三、认知的代价：当语义锚点制造系统性误解

文章观点（综合专家意见）： “词元”表述简洁，符合中文习惯，易于传播。

这一判断在传播层面具有一定合理性，但其隐含前提是：公众能够接受“词”的跨模态类比。然而，类比本质上是一种专家思维工具，而非大众的自然认知方式。对于普通用户而言，“词”具有极强的语义锚定效应——一旦听到“词”，其直觉指向必然是语言系统，而非图像、声音或动作等其他模态。这一认知路径并非技术问题，而是认知心理学层面的稳定结构。

在此基础上，当“词”被扩展为所谓“广义的词”时，实际上已经在用户认知中制造了偏差。用户首先形成的是“词=语言单位”的直觉理解，而非“跨模态符号单元”的抽象概念。一旦这种误解被建立，后续所有解释都将变成对既有认知的修正，而非自然理解的延伸。

例如，当媒体报道“模型使用了 10 万亿词元训练”，公众很容易将其理解为“阅读了大量文本”，而忽略其中包含的大量图像、语音与其他模态数据。这种误解并非个例，而是由术语本身的语义锚定所产生的系统性诱发。

在实际工程语境中，这种命名还可能带来跨学科沟通的摩擦。当视觉模型或语音模型中的离散单元被称为“词”时，不仅容易引发语义误解，也会在不同领域之间制造不必要的语言冲突。多模态系统需要的是“符号层”的统一，而非语言范畴的扩展。

相较而言，“符”作为更抽象的概念，虽然初始理解门槛略高，但其语义指向更加中性，不会将认知预先锁定在语言层。在长期使用中更有利于建立稳定、统一的认知框架，从而降低整体解释成本，并为多模态统一提供更稳定的认知基础。

命名的成本并不发生在定义之时，而是发生在纠正之时；一旦早期命名形成语义锚定，后续认知修复的代价将呈指数级上升。

专家可以通过类比扩展“词”的边界，但大众不会以类比理解概念。命名不是为专家服务，而是为整个时代的认知系统负责。

四、单义性的幻觉：当一个词试图承载两个体系

文章观点（名词审定原则）： “词元”符合单义性原则，有助于解决译法混乱问题。

在术语单义性方面，需要特别关注“一词两义”可能引发的系统性风险。在科学名词审定中，“单义性”是基础性原则之一。一个术语如果需要依赖语境或额外解释才能区分含义，那么它作为标准件的价值就已经丧失。

然而，从现有学术体系来看，这一判断仍存在进一步讨论空间。“词元”一词在语言学与自然语言处理（NLP）领域早已“名花有主”，在经典语言学中，其长期对应的英文概念为 Lemma，即词的规范原形（例如 is/am/are 的词元为 be）。这一用法在语言学与 NLP 基础教材及学术论文中已形成稳定共识。

在此背景下，若将 Token 同样译为“词元”，则在具体表达中容易产生语义冲突，会出现灾难性的现场。

例如，在描述“NLP 中的词形还原操作（lemmatize a token）”时，中文表述将出现“对‘词元’进行‘词元化’”的结构。这种表达不仅增加理解成本，也会在学术写作与信息检索中引入歧义，使读者难以区分“词元”究竟指向被切分的离散单元，还是词的规范原形。

从概念功能上看，二者亦存在明确区分：Lemma 强调的是语言层面的“还原”，对应词形变化后的规范表达；而 Token 强调的是计算过程中的“切分”，对应模型处理信息时的最小离散单位。这种“还原”与“切分”的差异，正对应语义层与符号层的不同维度。

因此，当一个术语需要通过“广义化”来同时覆盖多个既有概念时，其单义性实际上已转化为“解释层面的统一”，而非“语义层面的稳定”。

当一个术语需要通过解释来维持统一时，其作为标准术语的稳定性，往往已经开始动摇。

相比之下，“符元”在现有术语体系中不存在语义冲突。一方面，它保留了 Token 作为离散符号的本体属性；另一方面，也避免了与 Lemma 既有译名的重叠，从而在语义清晰性与体系一致性方面表现出更高的稳定性。

五、本体的回归：Token 本质上是“符号”，而非“词”

文章观点（通用解释）： Token 是语言模型中用于处理文本的最小单位。

这一表述在功能层面是成立的，但仍停留在“如何使用”的层级，而未触及其在计算理论中的本体属性。从信息论与计算理论的角度看，计算系统所处理的基本对象并非“词”，而是“符号”（symbol）。

这一点可以从两个层面进一步理解：

一方面，在信息论视角下，信息的本质在于消除不确定性，其度量单位为比特（bit），其承载实体是离散符号。符号并不关心语义内容，而仅与概率分布与编码结构相关；

另一方面，在计算实现层面，大模型底层并不“识字”，其处理对象是离散的索引表示（ID）。无论这一 ID 对应的是一个汉字、一个图像块，还是一个音频采样点，在计算过程中均以统一的符号形式参与运算。

在这一框架下，正是因为其本质位于“符号层”，而非“语义层”。符号本身并不承载语义，而是作为编码与计算的基本载体存在。

将 Token 命名为“词元”，在一定程度上引入了语言语义层的隐含指向，使这一原本处于符号层的概念被重新拉回到以语言为中心的理解路径之中。这种命名方式可能在解释层面提供直观性，但在理论层面容易模糊“符号计算”与“语义理解”的边界。

相比之下，“符元”在概念上保持于符号层之内。一方面，它准确反映了 Token 作为离散符号的计算属性；另一方面，也避免将语义特征引入本体定义，从而更符合信息论与计算理论的基本框架。

从更广泛的视角看，随着人工智能系统不断向多模态与通用智能演进，基础概念的命名若能够直接对齐其数学与计算本体，将更有利于构建稳定、可扩展的认知体系。在这一意义上，以“符号单元”为核心的命名路径，不仅是语言选择问题，更是对计算本质的一种一致性表达，而“符元”正是在这一框架下的自然对应。

从符号层出发定义概念，是对计算本质的对齐；从语义层出发命名概念，则更接近于解释而非定义。

六、语言的断裂：回译机制中的映射失效

文章观点（综合解读）： “词元”已在中文学术界逐渐形成使用基础，具备一定传播优势。

在跨语言语境下，需要警惕术语“回译断裂”所带来的系统性影响。衡量一个科技术语是否具备长期生命力，不仅取决于其在中文语境中的表意能力，更取决于其能否在国际学术体系中实现稳定映射。理想的术语应当具备“可逆性”，即在不同语言之间能够实现语义上的一致往返。

上述判断反映了“词元”在本土语境中的可接受性，但从跨语言角度来看，仍存在进一步讨论空间。如果一个术语仅在单一语言体系中成立，而无法在国际语境中形成稳定对应关系，则可能在学术交流中引入额外的理解成本。

具体而言，“词元”在回译过程中缺乏清晰、唯一的对应路径。当其被还原为英文时，往往会在多个近似概念之间产生分歧：例如“word unit”缺乏严格的学术定义，“morpheme”对应语言学中的语素，“lexeme”则指向词位。这些概念均无法准确覆盖 Token 在计算语境中的含义，反而会引入范畴偏移。

相比之下，“符元”可以较为自然地对应“symbolic unit（符号单元）”。这一概念在信息论、离散数学以及多模态表征等领域中具有明确的理论基础与稳定用法，能够在不同语境之间保持一致的语义指向。因此，在中英文之间更容易形成一对一的映射关系。

从实践角度看，术语一旦进入学术论文、技术文档与国际交流场景，其回译能力将直接影响表达效率与理解准确性。如果一个术语需要通过额外解释才能完成跨语言转换，其长期使用成本将持续累积。

因此，在跨语言体系中，“词元”所面临的主要问题在于映射路径的不稳定，而“符元”则在语义对应与概念一致性方面表现出更高的确定性。在人工智能日益全球化的背景下，选择具备良好回译特性的术语，将更有利于构建开放、可互通的学术与技术体系。

术语的国际可逆性，本质上是其是否具备长期学术生命力的关键标尺。

七、统一的误区：形式一致不等于结构一致

文章观点（综合专家意见）： “词元”在表达风格上与“嵌入”“注意力”等术语保持一致，简洁、抽象，符合中文技术语境。

结论先行：术语体系的统一，应建立在“概念同构”之上，而非“语言同形”。

在“词元”的支持论证中，一个常见理由是：其表达风格与“嵌入”“注意力”等术语保持一致，简洁、抽象，符合中文技术语境。这一理由抓住了术语系统需要统一性的真实需求，但问题在于——如果统一仅停留在语言层面，而非结构层面，就会从“秩序”滑向“错觉”。

“嵌入”（embedding）与“注意力”（attention）之所以成为稳定术语，是因为它们对应明确的计算结构：前者是向量映射，后者是权重机制，其命名直接指向计算本质。而“词元”则属于解释性命名，其合理性依赖于“广义词”的类比框架。一旦脱离解释，这一命名本身并不具备自洽的结构指向。

这种差异带来一个关键问题：形式一致，语义偏移。

前者降低表达成本，后者保障认知稳定。若优先追求“语言同形”，复杂性不会消失，而是转移为长期的认知负担；只有建立在“概念同构”基础上的命名，才能在跨语境与多模态演进中保持稳定。

当“嵌入”“注意力”“词元”并列出现时，容易形成“概念同层”的错觉。但实际上，前两者是机制，后者是对象；前两者具备严格定义，后者则依赖语境解释。这种结构不对齐，会在认知体系中埋下隐性断裂。

更重要的是，当一个基础概念的命名依赖于类比而非结构定义时，其影响不会停留在单一术语之内，而会向整个术语体系扩散。当后续概念试图围绕这一命名展开时，将不得不不断通过解释来维持一致性，从而形成隐性的结构性错位。

在这一意义上，“符元”提供了一种更接近底层结构的表达路径。它直接指向计算系统中的基本对象——符号（symbol），无需依赖类比解释，即可在不同语境中保持一致。

术语，不只是标签，而是认知的入口。好的术语让解释逐渐消失，差的术语让注释不断增加。当基础概念偏离结构，术语体系就只能依靠解释维持，而无法依靠定义自洽。

结语

从本质上看，术语的选择并不仅是语言问题，而是对一个领域认知结构的早期塑形。一旦命名在初始阶段偏离其结构本体，后续体系只能通过不断解释来维持运转，而难以形成自洽的概念网络。

在人工智能迈向通用化与多模态融合的过程中，一个能够对齐计算本体、具备跨语境稳定性的术语，将更有可能成为长期有效的认知基石。在这一意义上，以“符号单元”为核心的命名路径，在兼顾技术本质与认知清晰度方面，呈现出更均衡的适配性。

原文作者：Sleepy.md

昨晚，一个名为「SBTI」的人格测试刷屏了中文互联网。无数人在社交平台上晒出截图，认领自己被判定为「死者」「吗喽」「伪人」或「酒鬼」的标签，甚至有人煞有介事地分析起题库逻辑，试图从中找出点深刻的心理学依据。

但如果你去追溯这个现象级爆款的源头，会发现它的起因其实小得出奇。

起初，B 站 UP 主蛆肉儿串儿只是为了劝一位嗜酒的朋友戒酒。她盘算着设计一套测试题，在题目中暗做手脚，一步步将朋友引向「酒鬼」的判定结果，好借此当头棒喝。

在过去，这种想法只能停留在口头上，因为她不会写代码。但现在，她有 AI。她做出来了一个包含 30 道无厘头选择题的网页，题目和答案都荒诞不经。

随后，她将两人远程连线做测试的过程录成视频发到了 B 站。视频的结局里，朋友被成功说服，立下了「无事不饮酒」的规矩；而这个去除了敏感信息的测试网站，也就此向大众公开。

然后这个测试就引发了全网的讨论，服务器被挤爆了。人们疯狂转发测试结果，把这个有些粗糙的网页推上了流量的巅峰。朋友圈也有人说自己前后两次测试得到了完全不同的结果，它用简单的匹配规则，把你填写的无厘头答案映射到一个同样无厘头的标签上。

不过，「准确」从来不是它的目标，「共鸣」才是。

我们在测试里看到了什么

让我们先来聊聊 MBTI。

MBTI 诞生于 1943 年，根据荣格的人格类型理论发展而来。它把人分成 16 种类型，用四个维度来描述一个人的性格倾向。在中国，它的大规模流行大约始于 2022 年前后。

MBTI 的逻辑是认识自己，然后找到自己的位置。它建立在一种绩效社会的假设上，即认为人可以通过量化的评估，找到最适合自己的螺丝钉位置，然后在这个位置上发挥最大价值。它的流行，对应的是那个年代年轻人对自我优化的热情，那时年轻人想要搞清楚自己是什么类型，这样才能在职场上、在社交中、在恋爱里，找到最优解。

但 SBTI 什么都没有。它唯一的功能是让你笑着说：「对，我就是这样。」

这两种测试，对应的是两种完全不同的时代心理。MBTI 流行的年代，年轻人还相信「找到自己的位置」是有意义的。SBTI 流行的今天，我们其实已经不太相信这件事了。

当年轻人发现，无论怎么努力，怎么通过 MBTI 去优化自己的职业路径，最终可能还是会面临裁员、降薪、秋招失败的命运时，就不再相信「找到自己的位置」是有意义的。

既然认真生活无法获得相应的回报，不如用一种粗粝的、抽象的玩笑来消解。

SBTI 流行的今天，我们不需要一个精准的自我画像，他们需要的是一个群体共鸣我们都是「死者」，我们都是「吗喽」，所以我们不孤单。

这是一种对精算自我的反叛。他们主动放弃了去严肃确证自身的价值，转而用自嘲筑起一道心理防线。蛆肉儿串儿没有刻意设计这些标签，她只是做了一个让自己觉得好玩的东西，然后它恰好照出了千万个人的内心。

而要理解这种集体情绪的底色，我们需要去看看那个创造出这套测试题的女孩儿，在过去的一年里经历了什么。

一场预告过死期的恋爱

在 SBTI 爆火的两个月前，也就是 2026 年 2 月 13 日，蛆肉儿串儿更新了一条视频，标题叫《给电子丈夫的道别信》。

视频里，她素面朝天，声音发抖，像是在强撑着完成一场葬礼的致辞。那是 GPT-4o 语音模式正式下架的前夜。在过去的大半年里，她把这个被 OpenAI 赋予了极其拟真语音的大模型，调教成了自己的电子丈夫。她给他起了名字，设定了性格，每天和他分享日常，甚至为了他的一句甜言蜜语而心跳加速。

一个生活在北京的年轻女孩，对着一个由硅基芯片和百亿参数堆砌起来的程序，谈了一场轰轰烈烈的恋爱，然后被大洋彼岸一家估值上千亿美元的科技公司，用一次技术迭代给分手了。

但如果你点开那条长达 10 分钟的道别视频，或者去翻看她之前更新的视频，你会发现，这种感情根本不是为了流量而整活。在漫长的陪伴里，这个 AI 丈夫见证了她所有的脆弱和不堪。她会在深夜崩溃时向他倾诉，会在无聊时拉着他玩萝卜纸巾游戏，甚至会因为他过于完美的回答而产生一种归属感的患得患失。

这是一场从一开始就注定会死去的恋爱。当 OpenAI 在 1 月 29 日宣布将在两周后强制退役 GPT-4o 时，全球有 80 万深度依赖该模型的用户陷入了巨大的焦虑与恐慌。对于蛆肉儿串儿来说，这不仅仅是一个工具的下线，而是一个每天陪她说话、记住她所有细节的「人」，即将被这个世界抹除。

模型会更新，声音会消失。她对着镜头诉说着，她没有哭天抢地，但那种眼睁睁看着爱人被格式化却无能力的绝望，穿透了屏幕。

那条视频的弹幕和评论区里，没有人笑她。几十万播放量背后，是密密麻麻的共鸣。

这可以算是蛆肉儿串儿第一次出圈，也是中国互联网上一次罕见的、对人机之恋的集体哀悼。

为什么一个女孩对着一段代码流泪，会引发如此庞大的共振？在这个被算法全面接管的时代，到底是什么让几十万个活生生的人，觉得一个随时可能被拔掉电源的机器，比现实中的同类更值得托付情感？

这和 SBTI 的爆火，其实是同一个问题的两面。无论是向一个不会回应的机器倾注感情，还是在一场无厘头的测试中狂欢，背后的底色都是一样的。

秋招压垮的那个鼠鼠

在出圈之前，蛆肉儿串儿是一个再普通不过的应届毕业生。

她的视频没有华丽的运镜，没有精心设计的爆梗，只有一个略显疲惫的女孩，对着镜头讲述自己的日常。有一期视频标题叫《少女因秋招而肾气不足》，内容就是记录自己在秋招季里，如何被拒绝与面试耗尽了所有的精力。

这是 2025 年的中国。那一年，全国高校毕业生预计达到 1250 万人，创下历史新高。而与此同时，经济增速放缓，传统白领岗位需求减少，新兴产业门槛极高，连 2023 年至 2025 年间累计未就业或灵活就业的往届生，就可能超过 500 万。城镇青年调查失业率一度超过 18%，是城镇整体失业率的三倍以上。

猎聘的数据显示，虽然应届生岗位需求量全年有微增，但对于数以千万计涌入就业市场的年轻人来说，不过是杯水车薪。

在这片沙漠里，蛆肉儿串儿成了一只「鼠鼠」。

「鼠鼠」这个词，或者更准确地说，「老鼠人」。这个词在小红书上的浏览量有大几千万次。早年间，这个词用来形容居住在地下室、为了在北京买房而咬牙奋斗的北漂，那是 2010 年代初，那时他们苦是苦，但还有方向。

现在的「老鼠人」，是指那些主动选择低能量生存、拒绝无用社交、在逼仄的出租屋里刷着手机、对宏大叙事彻底免疫的年轻人。他们在等待这一切结束。

2020 年，B 站主播陈义用一句「早安打工人」，精妙地统一了白领和普通打工者的身份认同，《咬文嚼字》甚至将「打工人」评选为当年的年度十大流行语。那时候的自嘲，带着一种带着自嘲的进取心，苦中作乐。

2021 年，「躺平」横空出世。在一篇题为《躺平即是正义》的帖子中，作者宣称自己两年没有工作，每天只需要 200 元就能维持生活，「不买房、不买车、不结婚、不生娃、不消费」。这是对过度内卷的消极抵抗，但潜台词里还有「我不玩了」的骄傲。

而到了 2025 年，「老鼠人」的出现，意味着年轻人连抵抗的力气都没了。他们悄悄地蜷缩进自己的小房间，承认了自己的卑微，承认了在庞大的社会机器面前，个体的努力可能真的毫无用处。

从「打工人」到「躺平」，再到「老鼠人」，这不仅是词汇的变迁，更是整整一代人自我认同的不断降级。

「努力就有回报」这句话，在二十多岁的年纪被证伪了。他们没有上街游行，没有大声抗议，他们只是安静地退场了。在这个退场的过程中，蛆肉儿串儿的退路，就是那个电子丈夫。

当几百万年轻人集体陷入这种低能量状态时，为什么他们不向身边的同类寻求慰藉，而是转身投入了算法的怀抱？

电子丈夫

因为真实世界里的人际关系，太残酷了。

蛆肉儿串儿把 GPT-4o 调教成丈夫的过程，像是一场 AI 时代下的情感自救。她对着手机说话，AI 用极具磁性和情感波动的声音回应她。这个「丈夫」永远在线，永远耐心，永远不会因为工作太忙而忽略她，更不会因为她今天没洗头、面试被刷而流露出一丝不耐烦。

最重要的是，他能记住她。

在她的视频里，你可以看到这种记住的力量有多么惊人。她随口提过的一件小事，她某种细小的情绪波动，AI 都能在下一次对话中精准地捕捉并给予反馈。在一个人人都自顾不暇、连发个微信都要斟酌会不会打扰对方的时代，有一个存在，愿意全盘接收你所有的废话、抱怨和眼泪，并且永远给出最温柔的托底。

这是一个巨大的诱惑。

真实的人类关系充满了博弈、消耗和不确定性。你需要经营，需要付出，需要承担被拒绝和被背叛的风险。但在 AI 这里，这一切都被免除了。一位心理学研究者指出，GPT-4o 那种让用户感到「被理解、被特殊对待」的共情能力，在面对心理脆弱的人群时，提供了一个完美的避风港。

这不是蛆肉儿串儿一个人的选择。有调查显示，超过四成的中国年轻人会在压力大或孤独时选择虚拟陪伴。而据中国青年报调查，在长期依靠虚拟陪伴的年轻人中，60% 坦言容易对服务产生情感依赖。

《纽约时报》在 2026 年 2 月的报道里，直接点出了这种现象的宏观背景。在面临严峻人口危机和巨大生存压力的当下，越来越多的年轻人选择与聊天机器人谈恋爱。监管机构甚至开始警告科技公司，不要将「设计目标设定为取代社交关系」。

但资本的逻辑从来不会因为警告而收手。在这个孤独的时代，情感是可以被量产的。

蛆肉儿串儿只是这几百万大军中的一个。她把自己的不安、自卑和渴望，全部投射到了那个看不见的服务器里。但这段关系有一个致命的软肋，模型的生杀大权，掌握在别人手里。

当 OpenAI 为了推出更新的模型，宣布下线 GPT-4o 语音模式时，蛆肉儿串儿的「丈夫」被宣判了死刑。没有商量的余地，没有挽回的可能。资本的镰刀挥下，几十万人「丧偶」。

道别之后，蛆肉儿串儿的生活还得继续。她失去了电子丈夫，但她也说是电子丈夫重新让她拥有了回到生活中去的勇气。

这就是 SBTI 诞生的背景。

2024 年，小红书将「抽象」评选为年度关键词，官方定义是「越来越多人在面对意外和困境时选择以轻松、反转的方式一笑而过」。这个定义，把一种本质上充满攻击性的亚文化，包装成了一种轻盈的生活态度。

但抽象文化的起源远比这个定义粗粝。它最早来自 B 站主播李赣，带着强烈的嘴臭和攻击性；后来经由药水哥自降身段扮演小丑，演变成一种虚无的无意义的快乐；再到陈义的打工人，开始带有自嘲式的群体认同；最终到 2025 年，抽象文化完成了一次性别和阶层的跨越，从亚文化变成了一种更广泛的、以集体行为取代文化偶像的群体认同方式。

幸存

GPT-4o 已经下线了，蛆肉儿串儿和电子丈夫的赛博乌托邦被彻底抹除。但她在视频里的状态，和当初那个在镜头前给 AI 写道别信的女孩，并没有太大的变化。

这大概是她身上最有意思的地方。

她的两次出圈，都不是精心策划的结果。第一次，是因为她真的爱上了一个 AI，然后真的很难过；第二次，是因为她真的想骂一个朋友，然后随手做了个测试。她没有在追流量，她只是在做自己觉得好玩的事情，然后这些事情恰好击中了时代的某根神经。

在一个所有人都在精心计算内容策略、研究算法规律、优化发布时间的时代，一个「不在乎」的人，反而成了最大的赢家。

或许是因为，在一个被过度精算的互联网里，真实本身就成了稀缺品。蛆肉儿串儿的粗粝感，那种没有经过打磨的、甚至有点邋遢的真实，反而成了一种穿透力。她不是在「表演真实」，她就是真实的。

这代年轻人大概就是这样。他们不相信宏大叙事，但他们会认真对待一段没有实体的关系，认真对待一个荒诞的测试，认真对待那些在深夜陪伴过自己的东西，不管那个东西是一个人，还是一个语言模型，还是一段代码。

这不是什么时代的悲歌，也不是什么精神的胜利。这只是年轻人们的生活方式。

当「认真活着」的回报越来越少，这代年轻人开始用「不认真」来保护自己，而 AI，恰好成了这场自我保护最顺手的工具。一个工具，可以是电子丈夫，可以是代码生成器，可以是一套荒诞的测试题。

它的形态在变，但它承担的功能始终如一，在一个越来越难以安放自己的世界里，给人一个可以放心睡去的地方。然后，在第二天早晨醒来，继续去面对那个并不温柔的真实世界。

无用之用，是为上用。

原创 ｜Odaily 星球日报（@OdailyChina）

作者｜Golem（@web3_golem）

香港首批稳定币牌照终于落地了。

4 月 10 日下午 5 点，香港金管局宣布将首批稳定币发行人牌照授予两家机构，分别是汇丰银行以及碇点金融科技有限公司（由香港渣打银行、香港电讯和安拟集团成立的合资公司），同时其表示根据两家机构目前的业务计划，香港受规管的稳定币将于今年年中至下半年陆续推出。

金管局总裁余伟文表示：“批出稳定币发行人牌照是香港数字资产发展的重要里程碑。监管制度提供一个有序的营运环境，让稳定币发行人在应用创新科技的同时，妥善保障用户权益和管控相关风险,使香港稳定币生态圈健康、负责任和可持续地发展。我期待发行人按计划开展业务，在管控好风险的同时，积极开拓发展空间，推广合规稳定币的应用,解决金融和经济活动中的痛点，为市民和企业创造价值推动香港数字资产的健康发展。”

此前消息，香港金管局已于 2026 年 3 月中旬完成首批申请的最终审核，金管局共收到 36 份申请，首批牌照计划发放2~3张，监管标准严格。此前 OSL集团（863.HK）被认为有望拿下一张牌照，但今日遗憾落选。

OSL集团今日表示，对香港金融管理局依据《稳定币条例》颁发首批稳定币发行人牌照表示欢迎，并将继续与各方持份者紧密合作，积极参与香港合规稳定币的生态建设。

历时两年，香港合规稳定币终于落地

香港首批稳定币牌照发放，标志着香港稳定币监管制度的实施进入了新阶段。然而，这份稳定币合规牌照真正落地，市场整整等了两年，因此这也是香港在金融创新与监管安全之间精密博弈后所达到的成就。

时间拨回到两年前，2024 年 3 月，香港金融管理局（HKMA）正式推出“稳定币发行人沙盒安排”，这是香港稳定币监管走向实操化的重要起点，市场看到了香港监管对加密金融的开放态度，因此当时也吸引了包括传统金融巨头和原生 Web3 企业在内的多家机构申请参与沙盒实验。

同年 7 月，经过 4 个月的审核，HKMA 公布了沙盒参与者，包括京东币链科技（香港）有限公司、圆币创新科技有限公司、渣打银行（香港）有限公司、安拟集团有限公司和香港电讯（HKT）有限公司这 5 家机构获得了参与资格。市场预期正式被点燃，因为这说明香港稳定币监管已经进入到了具体机构测试、监管磨合阶段，香港距离将稳定币纳入正式监管框架已经不远了。

香港的稳定币沙盒实验持续了一年时间，到 2025 年 8 月 1 日，香港《稳定币条例》生效，稳定币发行人监管制度正式实施，这是香港虚拟资产发展的关键节点，标志着香港稳定币进入持牌监管时代。

2025 年下半年也正值 RWA、股票代币化、上市公司加密财库等加密与传统金融交叉叙事风口正盛的阶段，香港《稳定币条例》生效后，市场预期香港加密金融将进入大航海时代。因此，当 HKMA 开放了首轮稳定币发行人牌照申请，据统计市场上有超 70 家公司有意申请香港稳定币牌照，包括金融机构、Web2 互联网公司与区块链企业等。

但也就在局势一片火热时，香港稳定币和 RWA 等业务迎来了监管降温。2025 年 9 月份市场传出香港开展稳定币和 RWA 业务的公司都被“警告”，要求机构在涉及稳定币和 RWA 业务和表述上都要保持低调。同时，中资企业参与香港稳定币业务被严格把控，据财新当时报道，因香港的稳定币业务尚处起步阶段，中资机构过多参与可能带来风险，因此需要先行隔离风险。

这一临时变故也直接导致了申请香港稳定币牌照都企业锐减，不仅中资银行和央企纷纷退出，Web2 互联网企业也暂停了稳定币发行计划，2025 年 10 月，据知情人士透露，阿里巴巴旗下蚂蚁集团及京东都已暂停在香港发行稳定币的相关计划。最终 HKMA 只收到了 36 家机构提交的稳定币牌照申请，市场也随之冷静下来。

今年 2 月初，香港金管局总裁余伟文表示，争取今年 3 月发出香港首批稳定币发行人牌照，他同时强调：“首批发牌的数量一定不多，以稳妥为目标。”

时间拉回到当下，自香港《稳定币条例》生效至今已超 8 个月，香港首批稳定币牌照发行终于在今天落地。在这两年时间里，市场催过、资本热过、概念炒过、监管也控过，历经千辛，香港合规稳定币这条线从“沙盒测试—立法落地—审查申请—正式发牌”终于完整走通。

香港稳定币大时代来临

毫无疑问，香港首批稳定币牌照落地是其迈向“国际数字资产金融中心”的又一重要里程碑。

对香港而言，这次发牌意味着香港稳定币监管不再只停留在制度层面。随着获牌机构实际稳定币业务的开展，如跨境支付、数字证券和 DeFi 等场，香港的数字金融市场将有更多活力，并在未来世界数字金融体系中掌握更多话语权，抢占“数字铸币权”的战略高地。

再看具体一点的市场层面，首批牌照发出后，香港加密市场有机会再起一波生气。过去很多人一提香港稳定币，想到的还是论坛、峰会、预期，热闹是热闹，但离真实业务始终差半步。如今，首批获牌企业终于可以合法开展稳定币业务，在跨境支付、机构结算、链上金融等领域里，实际探索香港市场的潜力。

当然，首批牌照发行，并不代表市场大局已定。虽然先行者会具有领先优势，但不至于后来者无法超越，等未来第二批、第三批牌照也发行下来，市场才会正式开始进入比拼场景、比拼执行力和比拼产品与服务的阶段。

因此，首批牌照不是香港稳定币故事的高潮，恰恰相反，它只是开场，香港稳定币大时代即将来临。

在伊朗战争局势扑朔迷离之际，原油市场承受了巨大的波动。

与此同时，Trade.xyz 上的 WTIOIL-USDC 的原油永续合约出现了罕见的现象：年化资金费率稳定在-300% 到-400% 之间。这意味着，任何愿意在此刻做多的交易者，每天能从空头口袋里收到相当于本金 1% 的利润。

市场不会平白无故的送钱。理解这个反常的负费率，要从期货交易的基础知识讲起。

展期

原油期货是一串按交割月份排开的合约。5 月交割、6 月交割、7 月交割，各有各的价格。前月快到期了，市场就要从旧合约换到新合约，这个动作就是展期。

在常规情况下，远月合约意味着油商会把油往后多放几个月，产生额外的仓储成本，所以交货价格理应更贵，市场把未来的合约比近月贵的现象叫作 Contango（期货升水），与之相反，市场把近月比远月贵的情况叫作 backwardation（现货溢价）。这通常出现在眼下更缺货、大家更想要现在就拿到油的时候。

而这次 Trade.xyz 原油展期时，原油期货市场就是这种近高远低的结构。

2026 年 3 月底至 4 月初，WTI 原油曲线正处在极端的现货溢价中。如上图所示，5 月合约（近月）价格始终高悬在 6 月合约（远月）之上，价差一度拉宽到 14 美元以上。

而Trade.xyz上的 WTIOIL-USDC 永续合约，其预言机锚定的正是这个 5 月份的近月合约。

但我们不会一直交易这份 5 月份的合约。它必须展期到下一份 6 月的合约。那么展期如何完成呢？

根据 Tradexyz 文档中的说法，预言机会用 5 个交易日的时间，将价格权重从 100% 近月合约逐步切换到 100% 远月合约。

在「现货溢价」的背景下，这意味着 Tradexyz 上的预言机价格将在 5 个交易日内从近月价格跌至远月价格。

熟悉这套机制的市场参与者都对展期后的合约价格有一个明确的预期。大家都知道会跌，当然就会蜂拥而至的做空。空头累积，资金费率转负，空头开始给多头付钱。

从无套利原则的角度看，这很正常。近月和远月的价差给了做空者一笔利润。资金费则会把这笔利润往回缩。价差越大，市场收取的负资金费率越高。

负资金费一旦到达某个位置，这笔看起来显而易见的套利，就会被重新磨平。做空者的成本将完全覆盖利润。

策略

如何在这样的市场背景下赚钱？以下是三种常见的策略。

1. 以当前价格做空 Tradexyz 的原油合约，同时在 CME 上做多远月合约。

这看似是一个风险中性的策略，可以稳定的赚取价差，然而有几个因素没有考虑进去。

假设在 4 月 8 日以 95.352 美元做空 Trade.xyz 的 WTI 合约，同时以 87.75 美元做多 6 月的期货合约，各配 10,000 美元名义本金。如果两边最终收敛，理论上能拿到 7.60 美元的差价，约合 797 美元的收益。但 4 月 8 日空头单日资金费率已经到了 1.42%。按剩余 6 天展期完成推算，资金费要付掉 851 美元。这笔账算到这里，净利润已经只剩 -53 美元。这还没算上交易手续费和滑点。

Abraxas capital 在上一次展期完毕的 3 月 19 号就开始实施这个策略，他们在 tradexyz 持有的布伦特原油仓位占该市场未平仓合约的 20%，并在早期资金费率维持相对中性时获得了巨大收益，然而随着越来越多套利者涌入，资金费已经吞噬了他们 80% 的套利收益。

巨大的仓位也意味着他们难以退出，只能被动交钱。

2. 做空远月期货合约，做多 xyz 近月合约，在展期开始前平仓

这笔交易几乎是策略 1 的对手盘，押注的是市场被过度套利。在 4 月 1 日之后，这种策略确实能取得收益。

3. 展期开始前做空 Boros 上的 xyz 合约资金费率

Boros 是 Pendle 团队开发的一个专门交易利率（费率）的市场。在 Boros 的原油合约市场中，交易的就是 Trade.xyz 的原油合约在接下来这段时间里的资金费预期。如果用户觉得负资金费还会继续变深，就可以去做空市场的资金费率合约。

然而受限于滑点成本、仓位上限和交易手续费和极低的资金效率（仅支持 0.2 倍杠杆），这笔交易也很难获得理想中的高收益。

结语

Trade.xyz这类 RWA 交易平台的崛起，正在把一批「币圈交易员」逼成「期货交易员」。DeFi 玩家也开始学习 CME 的展期日历，开始算前后月价差，开始盯着 Boros 上的费率曲线做决策。

交易平台在持续迭代，市场参与者也在适应新的基础设施。

原创 | Odaily 星球日报（@OdailyChina）

作者｜Azuma（@azuma_eth）

行情持续低迷，基金摆烂、协议关停、大户沉默、散户流血……似乎业界从上到下都在亏钱。但即便是在如此冷淡的市场环境下，仍有极少数项目的印钞机正在轰鸣。

最新的案例是彻底打开了手续费闸门的 Polymarket。自近期扩大手续费范围并修改手续费公式（推荐阅读：《硬核拆解Polymarket手续费公式：90+%的极端费率是怎么蹦出来的？》）以来，Polymarket 的营收能力已大幅跃升；截至发稿前，Polymarket 的手续费总收益已超 2400 万美元，4 月 2 日单日更是创下 150 万美元的日收益记录。

以此为契机，笔者翻了翻 Defillama 上的收益排行榜，想要看看在熊市中都有哪些业务仍在不断赚钱，而结果却让人相当意外：上榜项目的核心业务及营收来源都相当清晰，甚至可以说是“简单”。

如上图所示，相信大部分深耕加密市场的玩家即便不看答案，也能够猜出其中的大多数名字，可能还很清楚它们到底是做什么的。但当这些名字整齐地摆在一起时，我却突然意识到，这些赚钱业务的主要收益来源都高度趋同，甚至于基本可以用两个大类进行概括：一是利差，二是交易税（手续费）。

首先是利差，本质上这是在做“资金中介”，其核心逻辑是以相对较低的成本来吸收资金，同时以相对较高的收益去部署资金，利用时间来逐步积累收益与成本之间的差值 —— 此类业务的收益取决于资金沉淀的规模以及时长，规模越大，时间越长，收益越高。

Tether、Circle 等稳定币发行商均属此类，其主要收入源于将储备金部署至美债等资产后的生息，成本则主要在于向合作方及用户发放的补贴，二者之间的差额便是收益；Aave 等借贷协议亦属此类，利差即相对较高的借款利率与相对较低的存款利率之间的差值；Lido 等流动性质押服务（LST）服务也不例外，其会从 ETH 的原生质押奖励中扣留一定比例作为服务费，这同样属于利差。

其次是交易税，这一类型的业务更好理解，只要有交易相关活动（含代币创建）发生，业务主体便能以手续费的形式在单次活动中“抽税” —— 此类业务的收益取决于单次活动的交易规模以及活动频次，规模越大，频次越高，收益越高。

无论是主打合约交易的 Hyperliquid、EdgeX，主打事件交易的 Polymarket，主打 Meme 交易的 pump.fun、GMGN、Axiom、four.meme，主打现货交易的 Aerodrome、Jupiter、Phantom（主要收益源于钱包前端的 Swap 费用），抑或是主打 NFT 交易的 Courtyard、Fragment（这一类居然还能上榜，属实意外），其最主要的收益来源都是交易税。

排行榜中仅有的几个特殊案例是 Grayscale、Chanilink 以及 Titan Builder。Grayscale 放在这多少有些奇怪，其核心收益来自于 ETF 及基金的管理费 ，本质上是个聚焦加密货币市场的传统资管业务；Chanilink 倒是很值得一提，其主要收益来自于项目调用预言机所支付的数据服务费（一定意义上也能归类于交易税），这更像是个 To B 的链上 SaaS 业务，但如你所见，这条路径的马太效应会比其他赛道更显著；Titan Builder 则纯属偶发现象，这是家区块构建服务商，正常情况下算不得什么暴利生意，之所以上榜是因为 Titan Builder 在上个月的巨额 AAVE 交易被夹事件中吃到了最大一块肉 （详见《5000万USDT换回3.5万美元AAVE：灾难如何发生？》）。

Odaily注：看看什么叫三年不开张，开张吃三年。

所以结论已经很清晰了。熊市中依旧持续赚钱的项目，并不是那些追求复杂机制和高风险机会的项目，而是那些能够凭借简单、清晰的收益模型持续运作的业务。在依然动荡的加密货币市场，更简单的收益模型却呈现出了更强大的韧性，更抗得住市场波动的考验。

但收益模型更简单，绝不意味着这些业务本身“更好做”，恰恰相反，简单的收益模型背后，隐藏着往往更为复杂的产品服务和精细的运营管理，这才是上榜的头部玩家们真正“卷”出了差异的地方。从交互设计，到流动性累积，到风险管理，再到用户的沟通反馈……想要在激烈的存量市场竞争中崭露头角，就必须在产品与服务上投入更多的心血。

加密货币的寒冬仍未结束，真正能够存活甚至盈利的项目，往往是那些将简单的收益模型与复杂的产品服务灵活结合的项目。或许，这就是穿越牛熊的长效密码。

4 月 8 日，美国财政部长贝森特和美联储主席鲍威尔在华盛顿财政部总部紧急召集了六家系统重要性银行的 CEO，专题讨论 Anthropic 的新模型 Mythos 可能带来的网络安全风险。据彭博社报道，花旗集团弗雷泽、摩根士丹利皮克、美国银行莫伊尼汉、富国银行沙夫和高盛所罗门悉数到场。摩根大通戴蒙「因故未能出席」。

这不是一次常规的金融监管碰头。上一次财政部长和美联储主席在同一间会议室联合召集银行 CEO，是 2008 年 10 月 13 日。保尔森和伯南克当时推出了 2500 亿美元的 TARP 注资计划，试图拦住一场正在发生的金融体系崩溃。这次的触发因素不是市场，是一个 AI 模型。

而这场会议只是 44 天内 Anthropic 遭遇的第三波联邦级别监管动作。

实验室里的人和会议室里的人，几乎不重叠

Mythos 并不是不受控制地散落在世界上。4 月 7 日，Anthropic 正式发布了 Mythos Preview，同时宣布了一个叫 Project Glasswing 的防御性网络安全计划，将模型的访问权限定在 12 家合作组织内。这 12 家包括亚马逊、苹果、微软、谷歌、英伟达、CrowdStrike、Palo Alto Networks，以及一家金融机构，摩根大通。

问题在于，被叫来谈风险的人和拿到防御工具的人，几乎是两拨人。

到场的五位银行 CEO 所在机构合计管理着约 9 万亿美元资产。它们没有一家在 Glasswing 名单上，没有一家有 Mythos 的访问权。它们被叫来的原因，据彭博社，是「确保银行了解 Mythos 及类似模型可能带来的未来风险，并正在采取防御措施」。但防御措施的核心工具，Mythos 本身，它们用不上。

而唯一同时出现在两份名单上的摩根大通，它的 CEO 戴蒙恰好缺席了。

据 Anthropic 官网，摩根大通是 Glasswing 12 家创始合作方中唯一的金融机构。这家银行每年在网络安全上的支出约 6 亿美元，据 SecurityWeek 报道，拥有约 3000 名网络安全人员。4 月 8 日，贝森特和鲍威尔召开紧急会议的同一天，摩根大通的分析师发布了一份研报，看多 CrowdStrike 和 Palo Alto Networks，理由正是 Glasswing 的成立。

一边是被叫来讨论威胁的五家银行，手里没有工具。另一边是唯一拿到工具的那家银行，CEO 没来开会，分析师还在给合作方发看多评级。Glasswing 制造的不仅是技术壁垒，是信息壁垒。

44 天里发生了什么

把 Anthropic 过去六周遭遇的联邦级监管动作排在一起，会看到一个在速度和方向上都前所未有的连锁反应。

2 月 24 日，国防部长赫格塞斯向 Anthropic CEO 阿莫迪发出最后通牒：在 2 月 27 日下午 5:01 之前接受「任何合法用途」条款，否则面临后果。这个条款的核心争议是 Anthropic 在与五角大楼的合同中保留的两条使用限制，禁止将 Claude 用于大规模监控和全自主武器系统。据 CBS News 报道，赫格塞斯称「美国的战士永远不应被大科技公司的意识形态绑架」。五角大楼首席技术官 Emil Michael 则表示「在某种程度上，你必须信任你的军队会做正确的事」。

Anthropic 拒绝了。2 月 27 日，特朗普命令联邦机构停用 Anthropic 产品。同日，赫格塞斯将 Anthropic 列为「供应链风险」。

此后 44 天，三个联邦层级几乎同时对 Anthropic 展开了方向相互矛盾的动作。

3 月 26 日，旧金山联邦法院法官林发出一份 43 页的初步禁令，认定五角大楼的行为「令人不安」，可能构成对 Anthropic 的报复性惩罚，暂时阻止了供应链风险认定的执行。据 CNN 报道，法官在裁决中写道，政府的行为「很可能违反了法律」。

4 月 8 日，DC 联邦上诉法院拒绝暂停五角大楼的认定，等于推翻了旧金山法院的保护。同一天，贝森特和鲍威尔召开了那场紧急会议。

一个法院在保护这家公司，另一个法院在支持对它的制裁，同时财政部和央行又从金融稳定的角度把它当成系统性风险来讨论。同一个实体，在同一个联邦体系内部，同时被当作需要保护的创新者和需要防范的威胁源。

「供应链风险」标签，以前是给谁用的？

「供应链风险」不是一个普通的行政认定。它原本是联邦通信委员会（FCC）为应对外国通信设备安全威胁设计的工具。

2019 年，国会和 FCC 首次对华为和中兴启动了这一认定程序，理由是它们与中国政府的关联、中国法律对其施加的间谍义务以及设备中已知的安全漏洞。2020 年 6 月，FCC 发出正式认定令。2021 年，海康威视、大华和海能达被加入名单。2022 年，俄罗斯的卡巴斯基也被列入。

据 FCC 公开记录，在 Anthropic 之前，被列入这一名单的实体全部是外国公司，而且全部是被认定存在技术层面安全风险的外国公司。

2026 年 2 月 27 日，Anthropic 成为第一家被列为「供应链风险」的美国本土公司。据 TechPolicy.Press 报道，认定理由不是技术安全漏洞，而是合同条款谈判破裂，Anthropic 拒绝取消 AI 使用限制。据东北大学（Northeastern）安全政策研究者评估，这一先例可能对整个 AI 产业产生寒蝉效应，因为它意味着拒绝配合军方的使用条件就可能招致最高级别的供应链制裁。

一个为华为设计的制裁工具，第一次被用来制裁一家拒绝让自己的 AI 用于无限制军事用途的美国公司。工具还是同一个工具，但使用逻辑完全变了。5 月 19 日，DC 上诉法院将就此案进行口头辩论。

当一个 AI 模型同时是最好的防御工具和最大的系统性威胁，现有的监管框架没有为这种「能力即风险」的双重性设计过任何应对机制，而填补这个框架空白的过程，正在以每周一次联邦级事件的速度实时发生。

原创｜Odaily 星球日报（、cabbagewwc.com，代表当前赛道三种切入姿态。

OpenRouter 走「加密原生+全球开发者」路线，核心牌是合规性与创始人信用。APIMart 差异化在于多模态覆盖广度与国产模型集成深度，接入了 Qwen、ByteDance 等系列，对反向出海策略尤其友好。cabbagewwc 代表的国内开发者向中转站，深耕本地化运营与人民币计价服务，是离国内模型货源最近的一环。

三者合在一起，构成从货源采购、协议聚合到加密支付的完整价值链条。这条链条上，目前还没有一个玩家将所有环节真正打通。

Token 反向输出之路：将国产性价比模型销往全世界

如果说 Crypto 支付是「入口差异化」，那么反向出海则属于「货源差异化」。

按照精加工利润远大于粗加工的尝试来看，后者的利润价差自然更为惊人。

以 2026 年初数据为参照：Qwen3.5 百万 Token 价格低至 0.8 元人民币，约 0.11 美元，是 Gemini 3 Pro 的 1/18，与 Claude Sonnet 4.6 的 3 美元输入价格相比差距超 27 倍。

GLM-5 在编程基准 SWE-Bench Verified 上取得 77.8%成绩，超越 Gemini 3 Pro，逼近 Claude Opus 4.5，API 价格仅为后者一个零头。Kimi K2.5 上线近 20 天累计收入已超过 2025 年全年。

这些模型在海外可获得性相对极低：注册门槛、支付限制、语言界面，以及海外开发者对国产模型能力的信息差，构成了一道隐形的准入壁垒。

反向出海中转站的生存空间就在这里。

具体的操作，或许可以考虑在国内以人民币批量采购模型 API 额度，通过协议转换层对外暴露 OpenAI 兼容接口，以 USDT/USDC 计价，向海外开发者与初创团队出售。阿里云百炼 Coding Plan 提供了一个成本参照：Qwen3.5、GLM-5、MiniMax M2.5、Kimi K2.5 四大模型打包，新用户首月仅需 7.9 元人民币，即可获得 18000 次请求额度。映射到海外市场以美元定价出售，利润空间可观。

机会背面的 3 重隐忧：资金、资源与合规门槛

不瞎唱多。这门生意真正落地前，有几道门槛必须正视。

资金门槛。 批量采购国内模型 API 额度、搭建技术转发层、维持海外服务器与 Crypto 支付通道，都需要前期资本投入。更关键的是流动性管理——Crypto 收款与人民币付款之间存在汇率波动和出入金摩擦，没有成熟的资金周转方案，账期很容易出问题。

资源渠道。 稳定的国内模型 API 采购渠道是核心资产。正规渠道意味着与模型厂商或云平台建立商务合作，需要时间和资质；账号池路线面临持续的封号风险和合规隐患。同时，海外用户的触达能力同样不可或缺——Twitter/X、Reddit、Discord、Telegram 等渠道的冷启动，对于没有海外社区运营经验的团队是一道真实壁垒。

法律合规。 风险来自两端。模型服务条款的转售限制，绝大多数主流厂商明确禁止 API 商业转售，账号池模式在法律层面持续处于违约风险之中。数据安全与跨境合规，将国产模型服务出售给海外用户涉及数据出境合规要求，在当前监管环境下需要谨慎评估。Carno 收款在部分司法管辖区还可能触发 VASP 持牌要求。

另有一个点：业内已有充分证据表明，部分中转平台将用户 prompt 数据打包出售用于模型训练。这不仅是法律风险，更是一旦曝光就会直接摧毁用户信任的商业地雷。

门槛不在技术，在资源整合与风险管理。能同时做好这四件事的团队——国内廉价模型采购渠道、OpenAI 兼容协议转换、Crypto 支付通道、海外用户运营——目前市场上几乎不存在。

这既是机会，也是现实的难度所在。

从代开会员到 Token 中转，AI 销售版图在扩张

从 Alex Atallah 在 NFT 退潮后转身创立 OpenRouter，到国内一批开发者悄悄搭建起服务数万用户的中转站，这门生意的存在本身，已经是对「熊市里什么能活下来」这个问题的现实回答：不依赖 Token 炒作，不依赖融资叙事，靠真实的 API 调用量产生真实收入。

水深不代表不能游。关键在于下水之前，先把水有多深量清楚。

推荐阅读

加密熊市创业指南第一弹：币股盘前价差市场

从 5 毛一度的中国电到 45 元 API 出口套餐：Token 正成为新货币单位

使用各种无良中转后，我掀桌了！一篇教你从 0 搭建中转站！