分類: 星球日報

原文作者：深潮 TechFlow

谷歌一篇号称「将 AI 内存占用压缩至 1/6」的论文，上周引发美光、SanDisk 等全球存储芯片股超 900 亿美元市值蒸发。

然而论文发布仅两天，算法所「碾压」的对比方——苏黎世联邦理工学院博士后高健扬发布万字公开信，指控谷歌团队在实验中用单核 CPU 的 Python 脚本测试对手、却用 A100 GPU 测试自己，并在投稿前已被告知问题后仍拒绝修正。知乎阅读量迅速突破 400 万，Stanford NLP 官方账号转发，学术界与市场同时震动。

这场争议的核心问题并不复杂：一篇由谷歌官方大规模推广、直接引发全球芯片板块恐慌性抛售的 AI 顶会论文，是否系统性地歪曲了一项已发表的先行工作，并通过刻意制造的不公平实验，塑造了虚假的性能优势叙事？

TurboQuant 做了什么：把 AI 的「草稿纸」压薄到原来的六分之一

大语言模型在生成回答时，需要一边写一边回头翻看之前算过的内容。这些中间结果被临时存在显存里，业内叫做「KV Cache」（键值缓存）。对话越长，这张「草稿纸」越厚，显存消耗越大，成本也越高。

谷歌研究团队开发的 TurboQuant 算法，核心卖点就是把这张草稿纸压缩到原来的 1/6，同时号称精度零损失、推理速度提升最高 8 倍。论文于 2025 年 4 月首次在学术预印本平台 arXiv 发布，2026 年 1 月被 AI 领域顶级会议 ICLR 2026 接收，3 月 24 日由谷歌官方博客重新包装推广。

技术层面，TurboQuant 的思路可以简单理解为：先用一种数学变换把杂乱的数据「洗」成统一格式，然后用预先算好的最优压缩表逐个压缩，最后再用一个 1 比特的纠错机制修正压缩带来的计算偏差。社区独立实现已验证其压缩效果基本属实，算法层面的数学贡献是真实存在的。

争议不在于 TurboQuant 能不能用，而在于谷歌为了证明它「远超竞争对手」，做了什么。

高健扬公开信：三条指控，条条戳中要害

3 月 27 日晚 10 点，高健扬在知乎发布长文，同步在 ICLR 官方审稿平台 OpenReview 提交正式评论。高健扬是 RaBitQ 算法的第一作者，该算法 2024 年发表在数据库领域顶级会议 SIGMOD，解决的是同一类问题——高维向量的高效压缩。

他的指控分三条，每一条都有邮件记录和时间线佐证。

指控一：用了别人的核心方法，全文不提。

TurboQuant 和 RaBitQ 的技术核心有一个关键的共同步骤：在压缩数据之前，先对数据做一次「随机旋转」。这步操作的作用是把原本分布不规则的数据变成可预测的均匀分布，从而大幅降低压缩难度。这是两个算法最核心、最接近的部分。

TurboQuant 作者自己在审稿回复中也承认了这一点，却在论文全文中从未正面说明这一方法与 RaBitQ 的关联。更关键的背景是：TurboQuant 的第二作者 Majid Daliri 在 2025 年 1 月主动联系高健扬团队，请求帮忙调试他基于 RaBitQ 源码改写的 Python 版本。邮件中详细描述了复现步骤和报错信息——换言之，TurboQuant 团队对 RaBitQ 的技术细节知之甚详。

ICLR 的一位匿名审稿人也独立指出两者使用了相同的技术，要求充分讨论。但在最终版论文中，TurboQuant 团队不仅没有补充讨论，反而把原本正文中对 RaBitQ 的（已经不完整的）描述移到了附录。

指控二：无凭无据称对方理论「次优」。

TurboQuant 论文直接给 RaBitQ 贴上了「理论次优」（suboptimal）的标签，理由是 RaBitQ 的数学分析「较为粗糙」。但高健扬指出，RaBitQ 扩展版论文已经严格证明其压缩误差达到了数学上的最优界——这个结论发表在理论计算机科学的顶级会议上。

2025 年 5 月，高健扬团队曾通过多轮邮件详细解释了 RaBitQ 理论的最优性。TurboQuant 第二作者 Daliri 确认已告知全体作者。但论文最终仍保留了「次优」的表述，没有给出任何反驳论据。

指控三：实验对比中「左手绑人、右手持刀」。

这是全文最具杀伤力的一条。高健扬指出，TurboQuant 论文在速度对比实验中叠加了两层不公平条件：

第一，RaBitQ 官方提供了优化过的 C++代码（默认支持多线程并行），但 TurboQuant 团队没有使用，而是用自己翻译的 Python 版本来测试 RaBitQ。第二，测试 RaBitQ 时用的是单核 CPU 且关闭了多线程，而 TurboQuant 用的是 NVIDIA A100 GPU。

这两个条件叠加的效果是：读者看到的结论是「RaBitQ 比 TurboQuant 慢数个数量级」，却无从知道这个结论的前提是谷歌团队把对手绑住手脚之后再比赛跑。论文中没有充分披露这些实验条件的差异。

谷歌的回应：「随机旋转是通用技术，不可能每篇都引」

据高健扬披露，TurboQuant 团队在 2026 年 3 月的邮件回复中表示：「随机旋转和 Johnson-Lindenstrauss 变换的使用已经是该领域的标准技术，我们不可能引用每一篇使用了这些方法的论文。」

高健扬团队认为这是在偷换概念：问题不是要不要引用所有用过随机旋转的论文，而是 RaBitQ 是在完全相同的问题设定下、最先将这一方法与向量压缩结合并证明其最优性的工作，TurboQuant 论文理应准确描述两者的关系。

Stanford NLP Group 官方 X 账号转发了高健扬的声明。高健扬团队已在 ICLR OpenReview 平台发表公开评论，并向 ICLR 大会主席及伦理委员会提交正式投诉，后续还将在 arXiv 发布详细技术报告。

独立技术博主 Dario Salvati 在分析中给出了相对中立的评价：TurboQuant 在数学方法上确实有真实贡献，但与 RaBitQ 的关系远比论文表述的要紧密。

900 亿美元市值蒸发：论文争议叠加市场恐慌

这场学术争议发生的时间节点极为微妙。谷歌 3 月 24 日通过官方博客发布 TurboQuant 后，全球存储芯片板块遭遇猛烈抛售。据 CNBC 等多家媒体报道，美光科技连续六个交易日下跌，累计跌幅超过 20%；SanDisk 单日跌幅达 11%；韩国 SK 海力士跌约 6%，三星电子跌近 5%，日本铠侠跌约 6%。市场恐慌逻辑简单粗暴：软件压缩能把 AI 推理内存需求降低 6 倍，存储芯片的需求前景将遭到结构性下调。

摩根士丹利分析师 Joseph Moore 在 3 月 26 日的研报中反驳了这一逻辑，维持美光和 SanDisk 的「增持」评级。Moore 指出，TurboQuant 压缩的仅是 KV Cache 这一特定类型的缓存，而非整体内存使用量，并将其定性为「正常的生产率改进」。富国银行分析师 Andrew Rocha 同样援引杰文斯悖论认为，效率提升降低成本后反而可能刺激更大规模的 AI 部署，最终拉升内存需求。

旧论文、新包装：AI 研究到市场叙事的传导链风险

据技术博主 Ben Pouladian 分析，TurboQuant 论文于 2025 年 4 月就已公开发布，并非新研究。3 月 24 日谷歌通过官方博客重新包装推广，市场却将其当作全新突破进行定价。这种「旧论文、新发布」的推广策略，叠加论文中可能存在的实验偏差，折射出 AI 研究从学术论文到市场叙事传导链条中的系统性风险。

对 AI 基础设施投资者而言，当一篇论文声称实现了「数个数量级」的性能提升时，首先需要追问的是基准对比的条件是否公平。

高健扬团队已明确表示将继续推动问题的正式解决。谷歌方面尚未对公开信的具体指控作出正式回应。

过去几年，美国加密监管最核心的争议，始终围绕一个底层问题：Token 究竟是不是证券？

如今，答案终于尘埃落定。

近期，从 SEC 出台《Token Safe Harbor》框架，到与 CFTC 联合定义「数字商品」，再到 CFTC 及纽交所等传统金融基础设施对加密资产的接纳，一切都表明美国监管正在系统性地重写游戏规则。

其中最重磅的消息，莫过于 3 月 17 日美国证券交易委员会（SEC）发布加密资产指导意见，明确数字商品、数字收藏品、数字工具、支付型稳定币（GENIUS 法案定义）不属于证券，仅传统证券的代币化形式作为数字证券，将成为唯一明确纳入监管的类别。

这标志着 Gary Gensler 开启的「执法式监管」时代终结，取而代之的是清晰确定的制度框架，也意味着，我们手中的资产正从「灰色地带」加速迈向主流金融体系。

一、身份明确：Token 不再默认是「证券」

客观而言，美 SEC 此次发布的「Token Safe Harbor」框架，与新任主席 Paul Atkins 上任以来的一贯表态高度吻合。

结合 SEC 与 CFTC 明确将 Bitcoin、Ethereum、Solana 及另外 13 种主流代币定义为「数字商品」，代表这些资产将主要受 CFTC 监管，而非遵循证券法，这也标志着 CFTC 和 SEC 的监管范围首次实现清晰划分，「Token 是否是证券」不再停留于模糊的灰色地带。

那未来 Token 和数字证券很可能会分化成两条完全不同的行业路线——未来 SEC 的监管重心将集中在「传统证券的代币化形式」上。

这等于结束了灰色地带，「Token 是否是证券」不再需要模糊的豪威测试（Howey Test）来逐一判定，监管管辖权首次实现了清晰的物理切割。

同时 SEC 还提出一个非常有意思的点，就是投资合同是可以终止的，只要项目方完成其承诺的核心义务，Token 就可以脱离证券属性，说明以后证券就不再是一个静态标签，是可以随项目发展阶段而变化的。

简言之，项目可能从证券变成非证券，也可能从非证券变成证券，在不同阶段游走于 SEC 与 CFTC 的监管范围之间。

如果说身份定义是法律地位的确认，那么纽交所与 CFTC 的新举措，则是实打实的资金面利好。

一方面，纽交所取消 BTC/ETH 的 ETF 期权限额，移除了 25000 份合约的持仓限制；另一方面，CFTC 允许 BTC/ETH/ 稳定币作为保证金，其中 BTC/ETH 按 80% 价值计入，稳定币按 98% 价值计入。

虽然这一抵押率仍不及交易所的 90%-95%（如币安的 BTC 抵押率达 0.95，稳定币基本为 1:1），但已经是重要的开端。传统金融机构和机构玩家能够将加密资产作为保证金进行杠杆和组合交易，有利于加密资产进一步被纳入其资产配置表。

这两件事同步发生，也表明 Crypto 正在加速融入传统金融风险体系，从单一的交易资产拓展出抵押等更多属性。

二、全球稳定币监管提速：锁定支付工具，切割收益属性

在加密资产属性日益明晰的同时，监管层对稳定币的态度也愈发精准。

过去两年，稳定币叙事不断升温，一个很重要的原因就在于它不再只是交易媒介，而越来越像是链上的美元接口、结算工具，甚至在某些情况下，开始承担起类储蓄、类收益账户的功能，这也让稳定币与传统银行体系之间的张力迅速上升。

而本月初，路透社报道称，美国围绕《CLARITY Act》修订的讨论再度陷入僵局，其中一个核心争议点，就是是否应禁止用户仅因持有稳定币而获得收益。按照披露出来的讨论内容，法案文本禁止向消费者支付利息，但在部分版本里，仍允许与支付、忠诚度计划等特定活动挂钩的奖励或激励安排。

也正因为这一区别仍然存在，银行业持续施压，认为即便是「奖励」而非「利息」，也可能实质性抽走存款资金。

在此背景下，3 月 24 日 Circle 盘中一度重挫约 20%，Coinbase 也跌近 10%，从这个角度看，近期市场对稳定币相关公司的股价反应，其实并不难理解。

这应该也和 USDC 的打法有关，USDC 过去一段时间扩张得很快，一个重要打法就是围绕补贴、分润和激励，去争夺交易所、平台和用户的分发渠道，现在如果静态持有给收益这条路被堵住，后面收益大概率不会消失，而是转移到更复杂的结构里，比如活动激励、DeFi、RWA 或交易场景。

这也是为什么，表面上看限制稳定币收益似乎是在收紧，但从更深层的市场结构看，它也可能正在重塑下一轮收益分配的方向——未来真正有竞争力的稳定币，未必是给得最多的稳定币，而可能是流动性最深、接入最广、场景最强、结算效率最高的稳定币。

从这个意义上说，这种监管变化反而未必天然利空 USDT，因为 USDT 长期以来最核心的竞争力，并不是通过给用户「类存款收益」来抢市场，而是依靠全球范围内的流动性、先发网络效应和广泛覆盖能力建立优势。

相反，如果未来「静态持有即得收益」的模式被进一步压缩，那么那些更依赖补贴与激励拉动分发的稳定币路径，反而会面临更大调整压力，路透社也提到，银行担忧稳定币会导致存款外流，甚至有研究预计到 2028 年美国银行体系可能因此流失数千亿美元存款，这恰恰解释了监管为何会对收益型稳定币保持高度警惕。

说到底，美国现在想要的稳定币，不是「链上高息账户」，而是「链上美元接口」，它可以进入支付、清算、跨境流转和金融基础设施，但不希望它直接变成传统银行体系的替代负债工具。

三、预测市场的合规化：成为「真相机器」的代价

如果说 Token 分类与稳定币监管，解决的是资产属性问题，那么预测市场的变化，则更像是监管层开始重新定义 Crypto 与现实世界高敏感事件之间的关系。

过去一年，Polymarket 等预测市场平台在美国大选、宏观数据和地缘政治事件中频繁出圈，也让越来越多人重新意识到，预测市场并不只是「猜大小」的链上娱乐，而可能是一种高度市场化的信息聚合机制。

美 CFTC 主席 Michael Selig 最近在公开讲话中甚至直接表示，希望通过将预测市场与区块链结合起来，让其成为对抗虚假信息、失真叙事和金融排斥的力量，这个表态也被很多人概括为预测市场可以成为「真相机器」。

不过 CFTC 事实上是在加速把预测市场与事件合约纳入重点监管议题，毕竟预测市场一旦开始与真实世界中的政治、体育、娱乐、战争、公共政策等高敏感事件深度绑定，它就不再只是一个纯粹的信息市场，也会迅速触碰到操纵、内幕交易、博彩边界和现实激励错配等问题。

也正因为如此，最近这条线上的动作，几乎都呈现出一个共同特征：一边认可其信息聚合价值，一边加速切割最容易出问题的场景。

例如，Kalshi 已公开表示，将禁止政治候选人在与自身竞选相关的市场中交易，也将阻止职业和大学体育赛事中的运动员、教练、裁判等相关人员参与与自身赛事有关的交易；Polymarket 也在 3 月更新了市场诚信规则，明确禁止利用被窃取信息、非法获取的信息以及其他不当信息来源进行交易，并强化对市场操纵、信息滥用的约束。

客观而言，这些动作背后的逻辑越来越清楚，如果某场比赛、某场选举、某项政策结果对应的盘口足够大，那么理论上，内部人、关联方、利益集团乃至掌握信息优势的人群，都有更强动力去影响结果本身，或者利用未公开信息进行提前交易。

体育和娱乐之所以尤其敏感，正是因为它们高频、大众化、情绪驱动、且事件参与者对结果往往具备更直接影响力，因此极易被监管视作「变相博彩」而非严肃的信息市场。

综合来看，近期美国监管层面的变化，已经不再是简单意义上的打压或放任，而是一套更系统、更分层、更结构化的规则重塑：

• SEC 不再默认把 Token 视作证券；
• CFTC 与 SEC 开始推进更明确的分工与协调；
• BTC、ETH 与稳定币逐步被纳入期权、保证金和风险管理体系；
• 稳定币与预测市场则分别被推向「支付工具」和「受限的信息市场」这两条不同路径；

换句话说，Crypto 不再作为一个模糊整体被处理，而是开始被拆分成不同资产类别、不同功能接口和不同现实场景，分别纳入各自对应的制度框架。

对用户而言，这意味着一个更可预测的环境正在形成；对行业而言，这意味着下一轮竞争不再只是发生在谁更会讲故事之间，而会越来越多地发生在谁更适应新的制度边界、谁更能把链上创新接入现实金融体系。

2026 年，未必是 Crypto 彻底摆脱监管的一年，但很可能会成为它真正进入规则分化、价值重估与制度归位的一年。

上周末美股收盘，七只股票年内所有涨幅全被抹平，无一幸免。据 Yahoo Finance 数据，特斯拉年内跌 26.4%，微软跌 15%，Meta 跌 15.2%，英伟达跌 10%，亚马逊跌 9.5%，谷歌跌 9%，苹果跌 2%。从大盘数据来看，标普 500 已经连续五周收跌，为七个月低点，年内累计下跌 5.1%。道琼斯指数当天进入回调区域。这是 2022 年以来最长的连跌纪录。

英伟达 2023 年涨了 239%，现在年内跌 10%。这个数字看起来温和，但如果你在 2025 年 10 月高点买入，实际已经亏了 21.2%。Meta 2023 年涨了 194%，现在距高点跌了 15.2%。三年牛市积累的信仰，在三个月里被逐步瓦解。

2024 和 2025 两年的收益已经在减速，从 107% 到 64% 到 23%。增长放缓了，估值没跟着降。音乐停下的时候，三年间被忽视的风险溢价一次性回来了。

加息预期翻转：从个位数到 52%，只用了三个月

股价跌只是结果。真正翻转的是利率预期。

据 CME FedWatch 数据，2026 年 1 月初，市场还在定价降息，年内加息概率不到 3%。2025 年底的共识是美联储将在 2026 年继续降息。

转折从 2 月 28 日开始。「Operation Epic Fury」行动引发霍尔木兹海峡局势升级，这条承载全球 20% 石油运输的咽喉要道受到直接威胁。布伦特原油 3 月 27 日收于 112.57 美元，年内涨幅达 45%。油价拉动通胀预期，通胀预期又直接改写了利率定价。

3 月 27 日，CME 期货市场首次定价年内加息概率突破 50%，达到 52%。这是 2023 年初以来，市场首次从「降息预期」翻转为「加息预期」。据亚特兰大联储 Market Probability Tracker 数据，25 个基点加息概率已达 19.8%。

从接近零到过半，不到三个月。年初还在讨论降息几次，现在讨论的是加不加息。

微软跌最狠，不是特斯拉

直觉告诉你，Mag 7 里跌得最惨的应该是特斯拉。它波动最大，争议最多。但数据呈现出了另一个现实。

据 Techi.com 和 Motley Fool 综合数据，微软从 2025 年 7 月高点（约 534 美元）跌去了 35.7%，是 Mag 7 中距历史高点跌幅最大的。特斯拉以 26.4% 排第二，英伟达 21.2% 排第三。

但看右边的 Forward P/E 列，故事更复杂。特斯拉的远期市盈率是 145 倍，微软只有 24 倍。微软跌得更多，因为市场对它的预期定价更刚性。大环境一变差，「确定性溢价」反而收缩得最猛。

苹果是七只里最抗跌的，距高点只跌了 5%。但 29 倍的 Forward P/E 意味着这份「安全」并不便宜。

6500 亿美元 AI 资本开支：烧钱不是问题，回报预期才是

Mag 7 在 2026 年给自己开出了史无前例的支票。

据各公司 Q4 2025 财报指引和 Bloomberg 汇总数据，亚马逊、谷歌、微软、Meta 四家公司 2026 年 AI 资本开支预算合计约 6500 亿美元，比 2025 年的 3810 亿美元增长约 67%。每家公司今年的预算都接近或超过过去三年之和。

Capex 开得最大的亚马逊（2000 亿美元）和谷歌（1800 亿美元），年内分别只跌了 9.5% 和 9%。反而是 Capex 更低的微软（1450 亿美元）和 Meta（1250 亿美元），跌了 15% 和 15.2%。花钱最多的跌得最少。

市场惩罚的不是绝对投入规模，是回报可见度。亚马逊的 AI 投入直接服务于 AWS 这个现金流引擎，谷歌的投入通过搜索广告变现路径清晰。微软和 Meta 的 AI 支出落在哪，投资人还在猜，Copilot 的企业渗透率、元宇宙到 AI Agent 的战略转向，都还没兑现成数字。加息周期不等故事讲完。

资金已经在用脚投票

据 State Street Global Advisors 月度资金流数据，2026 年至今，能源、材料、工业等周期性板块的 ETF 净流入达 190 亿美元，占全部板块 ETF 流入的 65%，远高于这些板块 47% 的市场权重。据 Morningstar 数据，自然资源基金 1 月流入 75 亿美元，创板块月度历史新高。

据 ETF Trends 数据，周期性板块年内平均涨幅 +20%，科技板块年内 -6%，标普 500 整体仅 +0.5%。军工 ETF（SHLD）1 月单月净流入超过 10 亿美元，年内涨幅 +20%。科技板块并非完全失血，2 月仍有 60 亿美元流入，但回报远跑输周期性板块。

利率预期一翻转，6500 亿美元的 AI 支出就成了资产负债表上最显眼的那行数字。机构资金已经在搬家，搬去能源和军工。

EY-Parthenon 首席经济学家 Gregory Daco 把当前局面称为「多维扰动」（multidimensional disruption）。他给出的美国衰退概率是 40%。高盛给 30%，穆迪首席经济学家 Mark Zandi 给出的数字接近 50%。

三年超涨，三个月翻转，6500 亿美元悬在加息周期的半空中。Mag 7 蒸发的两万亿美元市值不是某一天的恐慌，市场是在为一个已经结束的周期重新定价吗？

原文作者：深潮 TechFlow

Strategy（原 MicroStrategy）执行主席 Michael Saylor 本周日未发布惯例性的「橙色圆点」比特币购买信号，转而全力推介公司永续优先股 STRC，疑似中断自去年 12 月底以来连续 13 周的比特币增持节奏。这轮增持期间，Strategy 累计买入约 90,831 枚 BTC。公司目前持有 762,099 枚比特币，平均成本约 75,694 美元，而比特币当前报价约 66,389 美元，账面浮亏规模可观。周一的 8-K 文件将确认是否真的暂停购买。

Strategy 可能首次中断了自去年 12 月底以来的每周比特币增持节奏。

据 BeInCrypto 3 月 29 日报道，Saylor 本周日并未在 X 平台发布他标志性的「橙色圆点」（Orange Dot）购买追踪图，而是将全部注意力转向了公司的永续优先股 Stretch（代码 STRC）。过去 13 周里，这一信号已成为交易员判断 Strategy 是否即将增持比特币的可靠风向标：周日发图，周一早间提交 8-K 文件确认购买细节。

这次沉默打破的，是一段极具攻击性的增持周期。

13 周买入 9 万枚 BTC，最后一周已大幅缩量

自去年 12 月底启动的这轮连续增持中，Strategy 累计购入约 90,831 枚比特币。据公司官方数据面板，截至 3 月 22 日，Strategy 持有 762,099 枚 BTC，总成本约 576.9 亿美元，平均买入价约 75,694 美元。

但增持力度在最后几周已明显衰减。据 CoinDesk 报道，3 月 16 日至 22 日当周，Strategy 仅购入 1,031 枚 BTC，耗资 7,660 万美元，均价约 74,326 美元，全部通过普通股 ATM（按市价发行）融资。而前两周的购买规模分别为 17,994 枚（约 12.8 亿美元）和 22,337 枚（约 15.7 亿美元），后者是 2026 年以来的最大单周买入。

从数十亿美元级别的激进扫货，到 7,600 万美元的「毛毛雨」，再到本周可能的暂停，缩量轨迹清晰可见。

Saylor 将聚光灯转向 STRC，420 亿美元 ATM 计划刚刚落地

Saylor 本周日在 X 平台发文称，STRC 在过去 30 天内的波动率低于标普 500 所有成分股和所有主要资产类别，同时提供 11.5%的年化股息收益率。他还在另一条帖子中辩称，维持 STRC 股息所需的比特币年化回报率仅约 2.13%，远低于比特币的历史表现。

这一「推销」动作的时机并非偶然。3 月 23 日，Strategy 刚刚宣布了一项规模达 420 亿美元的新 ATM 发行计划，其中 210 亿美元用于 MSTR 普通股，210 亿美元用于 STRC 优先股，另有 21 亿美元的 STRK 优先股 ATM 额度。

STRC 是 Strategy 于 2025 年 7 月推出的永续优先股，面值 100 美元，股息按月支付，利率每月可调整±0.25 个百分点。当前年化股息率已升至 11.5%，为连续第七个月上调。CEO Phong Le 此前在 2 月表示，公司正在从依赖普通股发行转向以优先股作为比特币购买的主要融资工具。

据 Yahoo Finance 援引的数据，STRC 约 80%的持有者为加密零售投资者，而非机构投资者。2026 年 3 月，Strategy 通过 STRC 的 ATM 销售筹集了约 12 亿美元用于购买比特币，这是优先股首次超越普通股成为主要融资来源。但这也意味着，STRC 的融资能力直接绑定散户对比特币的信心。

比特币跌至 66,000 美元区间，Strategy 账面深度浮亏

沉默信号出现之际，比特币正处于低迷期。截至发稿前，比特币报价约 6.7 万美元，较 2025 年 10 月约 12.6 万美元的历史高点回撤约 47%。MSTR 股价较 2024 年 11 月峰值下跌约 76% 至 77%。

以 762,099 枚持仓、75,694 美元均价计算，Strategy 的比特币持仓总成本约 576.9 亿美元，而按当前价格计算的市值约 505 亿美元，账面浮亏超过 70 亿美元。

更宏观的背景是，企业比特币购买已高度集中于 Strategy 一家。据 CryptoQuant 本周报告，Strategy 过去 30 天购入约 45,000 枚 BTC，而所有其他企业国库公司合计仅购入约 1,000 枚。Strategy 目前持有企业国库比特币总量的约 76%，其他企业的购买份额已从峰值时的 95%暴跌至 2%。这种被市场宣传为「拓宽机构持仓基础」的趋势，实际上已演变为单一公司的集中风险。

周一 8-K 文件将揭晓答案

周日帖子的缺席不一定意味着购买暂停。Strategy 过去也曾出现过信号变化，公司可能在周一的 8-K 文件中悄悄确认新的购买。此外，Strategy 此前曾在 2025 年 7 月初和 10 月初短暂暂停购买，两次均属临时性调整。

但如果周一文件确认未有新增持仓，这将是自去年 12 月以来的首次正式中断，也可能标志着 Strategy 融资策略的转折点——从不惜一切代价的激进增持，转向稳定 STRC 这一新融资引擎的关键节点。

原创 | Odaily 星球日报（@OdailyChina）

作者｜Azuma（@azuma_eth）

一起意外的数据泄露事件，让世界提前知道了 Anthropic 接下来将要发布的核弹级产品。

《财富》上周四报道表示，Claude 背后的 AI 开发公司 Anthropic 正在训练了一款名为 Mythos 的新模型（内部代号疑似为 Capybara），而该公司在内部将其描述为“迄今为止所开发的最强大的 AI 模型”。审查过相关材料的网络安全研究人员透露，该模型是在一篇遗留在未受保护、可公开搜索的数据缓存中的博客文章草稿（现已不可访问）中发现的，而 Anthropic 则在《财富》询问之后证实了该模型的存在。

Anthropic 方面将 Capybara 描述为一个新的模型层级，相较于 Claude 当前最强大的模型层级 Opus 4.6，Capybara 在软件编码、学术推理和网络安全等测试中得分大幅提高。

早在去年 12 月，Anthropic 便曾做过一场利用 AI 去自主攻击加密货币智能合约的测试，结果证明了可盈利、可复用的 AI 自主攻击在技术上已然可行 —— 详见《成功模拟盗窃460万美元，AI已经学会自主攻击智能合约了》。

如今，随着更强大且有着网络安全特化能力的新模型问世，加密货币的安全攻防形势将会出现哪些变化？为了更透彻地解答这些问题，Odaily 星球日报特意邀请到了业界安全专家、慢雾创始人余弦（X：@evilcos）来为大家解惑。

AI 的安全威胁，比你想象中来得更快

在对话的一开始，余弦便直接表示，业内的许多人还在把 AI 的安全威胁视作“未来时”，但现实进度可能会比行业想象得更快一些 —— AI 对加密安全的影响，不是即将到来，而是早已开始发生。在他看来，AI 对于加密货币安全的影响路径主要有两大类。

第一类是攻击者主动利用 AI 作恶。这既包括过去两年间已在加密行业内泛滥的社交工程攻击，即通过深度伪造视频、伪造音频在社交媒体上发起远程诈骗；也包括更偏“技术流”的直接攻击方案，即基于公开漏洞样本、真实攻击案例以及利用细节，借助 AI 去训练漏洞发现、漏洞利用的方法论 —— 这不仅限于智能合约领域，任何能够基于历史经验进行训练与实操的安全环节，都可能成为 AI 的用武之地。

第二类风险当下相对容易被忽视，但却更值得行业警惕 —— 项目方自己在用 AI 开发，却把新的安全问题一起带进了系统。随着 AI 编程能力的不断升级，从改进生产力的角度来看，越来越多的项目方开始依赖于 Vibe-Coding 进行代码编写。效率的提升确实肉眼可见，可副作用也同样明显，AI 难免会出现“幻觉”，它可能因为依赖污染、错误安装包、错误代码库引用等问题，把隐患直接写进生产环境。

这并非危言耸听。今年 2 月，借贷协议 Moonwell 便因预言机喂价公式错误而被盗 178 万美元，而导致公式错误的直接原因便是该项目依赖 Claude Opus 4.6 编写了存在漏洞的代码，cbETH 的价格被错误设置为 1.12 美元，而当时的实际价格应为约 2200 美元。

在 AI 全方位重塑世界的当下，它不仅仅是黑客手里的武器，同样也可能成为项目方自己“埋雷”的工具。

哪些项目最容易成为 AI 时代的猎物？

如果说 AI 已经进入攻防双方，那么接下来的问题就很现实，谁更容易中枪？

余弦的判断很直接，资金量大的项目，永远是最优先的目标。加密行业的特殊性在于，协议之上会直接承载真金白银，且由于去中心化的理念，合约资金状况对外界往往也是透明的。对于攻击者而言，投入和产出比始终是第一原则，因此只要协议上的 TVL 足够大，它天然就会进入重点打击名单，必然会被攻击者持续性研究、扫描与突破。

除去大资金项目外，另一类高危目标，是刚上线不久、漏洞又比较明显的新项目。 此类项目的资金规模虽然有限，却经常成为“抢跑式攻击”的牺牲品。因为在 AI 的加持下，批量扫描、自动识别、自动利用的链路已经越来越成熟，一些新项目在刚上线不久、资金规模还没完全做大之前，就可能因为明显甚至低级的漏洞，被多支攻击队伍同时盯上。此时比的不是谁更聪明，而是谁更快。谁先下手，谁就可能先拿到收益。

余弦特别提到，还有一类项目同样值得警惕 —— 即那些运行时间很久、已经让市场产生“应该没问题了”错觉的老牌协议。最典型的例子便是去年老牌协议 Balancer 的“翻车”（可参阅：《老牌DeFi沦陷：Balancer V2合约漏洞，超1.1亿美元资产被盗》），很多老牌项目已无事运营多年，也做过了多轮审计，团队和用户都容易形成一种“系统已经足够安全”的惯性认知。但现实却是，越是这种“默认安全”的协议，越可能成为某些攻击团伙长期研究、战略性突破的对象，一旦项目方响应变慢、治理流程冗长，甚至恰逢团队休假、注意力下降，被利用后的损失反而可能更加惨重。

项目方及用户，分别该如何布防？

在对话中，余弦反复强调的一点是，项目方应该更主动地拥抱 AI。原因很简单，外部的攻击者都在用 AI 武装自己，而你如果还停留在“只靠传统人工审计、系统跑了很久应该没事”的思路里，本质上就是在打一场信息差极大的战争。

从生产力发展的角度来看，“用 AI 去写代码”是必然趋势，但问题在于，你不能只想着享受 AI 带来的效率提升，却不愿建立与之匹配的安全流程 —— 越是在研发流程中深度引入 AI，越要在上线前建立更严格的交叉审查与人工把关机制，比如使用多个 AI 模型进行交叉检验，或是让真正有安全经验、懂工程可靠性的角色参与最终审核。

说白了，就是“别躺平，要勤快一点”。尤其是那些 TVL 已经很高、协议里沉淀着大量用户资金的项目，更应该主动把当前最强的模型能力、安全团队能力结合起来，围绕现有系统重新做一轮安全策略升级。哪怕不是完全依赖 AI，也至少应该理解你的对手正在用什么工具，你自己又该如何应对。这件事在用户认知方面也会是加分项。一个愿意公开拥抱 AI 安全升级、并持续进行风险复检的项目，至少会让市场知道，它没有把历史成绩当作可以偷懒的资本。

相较于还有能力构建体系、投入预算、升级流程的项目方，普通用户在 AI 安全攻防升级面前，处境其实更被动。余弦就此直言道：“对于绝大多数散户来说，这件事（保护自己）确实很难。”

真正有能力在风险发生时快速反应并止损的，往往不是普通意义上的散户，而是那些本身就具备较强信息获取与链上操作能力的人。他们可能已经构建了自己的监控与预警机制，甚至会借助 AI 来自动接收攻击提示。一旦某个池子、某个协议出现异常，就能第一时间撤资、转移仓位，从而完成一定程度的止损，更激进一点的，甚至还能在安全事件爆发时，顺着市场情绪操作获利。

但这类人本质上已经不是普通用户，而是加密语境里的“科学家”。对于更多缺乏监控能力、反应速度和专业判断的用户来说，一旦真正的攻击发生，他们往往就是最末端的买单者。

现实确实很残酷，AI 时代不会自动带来更公平的安全环境，反而可能进一步放大专业用户与普通用户之间的信息差、工具差和反应速度差。站在普通用户的角度，能做的事情可能只有尽量降低自己暴露在高风险协议中的时间与仓位，减少对复杂交互的盲目信任，并对“看起来已经很安全”的叙事保持基本怀疑。

更强大的模型来了，会带来更大的威胁吗？

这是本次采访中最有意思的一个问题。直觉上看，一个在编码、推理、网络安全方面都更强的模型，如果真的落地，似乎只会让潜在攻击者变得更加危险。但余弦的回答却是，这反而是一件好事。

在余弦看来，行业现在最大的误区，是把这类威胁理解为“未来可能发生”。但现实是，很多更强的能力其实当下就已经存在，只是外界看不见（比如 Mythos 这次也是意外才被公众知晓），或者那些真正有能力的团队比市场想象中更低调。

换言之，Mythos 等更强大模型的出现未必意味着风险从零到一地诞生，而是让行业更清楚地意识到，原来很多原本只停留在想象中的攻击能力，现实里早就已经有人在研究、验证，甚至使用。余弦在采访中提到，从漏洞发现到漏洞利用，这本来就是两个不同阶段，而围绕这两件事，顶级模型公司和一些更垂直、更低调的团队（比如会有团队针对智能合约安全对 AI 进行满血版的私有化训练），很可能都已经积累了相当多的成果。

在余弦的逻辑里，更强模型不是单纯的坏消息，而是一场更彻底的筛选机制。如果某个项目连 AI 带来的挑战都无法承受，那么它本身可能就不应该在未来继续成长，因为 AI 会越来越公平地暴露那些原本被侥幸、惯性和信息不对称掩盖的问题。真正能留下来的项目，不是“暂时没被打到”的项目，而是“即使在 AI 时代也经得起打”的项目。

这意味着，AI 对加密行业的影响更像是一次加速出清。漏洞会被更快发现，风险会被更早暴露，攻击也会变得更高频。那些安全能力薄弱、流程粗糙、响应迟缓的项目，未来只会被淘汰得更快。

从长期来看，这未必是坏事。因为 AI 在放大攻击面的同时，也在抬高整个行业的生存标准。它会倒逼项目方升级研发流程、安全体系和响应机制，也会推动行业彻底走出“野蛮生长”的时代。

原文作者：深潮 TechFlow

摩根士丹利在最新 S-1 修正文件中披露，其比特币现货 ETF「MSBT」管理费定为 0.14%，低于市场上所有现有竞争对手。若获 SEC 批准，MSBT 将成为首只由美国大型银行直接发行的比特币现货 ETF。该行旗下财富管理部门管理约 8 万亿美元客户资产，拥有约 1.6 万名财务顾问，Strategy CEO Phong Le 测算，仅 2%的配置比例即可带来约 1600 亿美元资金流入——相当于贝莱德 IBIT 规模的三倍。

摩根士丹利正式向比特币 ETF 市场投下一枚价格炸弹。

据 The Block 报道，摩根士丹利上周五向美国证券交易委员会（SEC）提交了 S-1 修正文件，披露其拟发行的比特币现货 ETF——摩根士丹利比特币信托（Morgan Stanley Bitcoin Trust，代码 MSBT）——年化管理费（Delegated Sponsor Fee）为 0.14%。这一费率低于目前市场上所有同类产品，比 Grayscale 比特币迷你信托（Bitcoin Mini Trust）的 0.15%低 1 个基点，比贝莱德 iShares 比特币信托（IBIT）的 0.25%低 11 个基点。

若获批，MSBT 将成为首只由美国主要银行直接发行并挂牌的比特币现货 ETF，也是自 2024 年 1 月首批十余只同类产品集中上市以来的首个新参与者（Grayscale 迷你信托除外）。纽约证券交易所（NYSE）本周早些时候已发出上市通知，Bloomberg ETF 分析师 James Seyffart 预计 MSBT 最快将于 4 月初上市。

全市场最低费率，一个基点攻击性定价

在比特币现货 ETF 市场，所有产品均直接持有比特币并跟踪其现货价格，费率是为数不多的核心差异化指标之一。摩根士丹利将费率定在 0.14%，不是象征性地参与竞争，而是直接瞄准了最低价格带。

目前主要竞品费率如下：Grayscale 比特币迷你信托 0.15%，Bitwise BITB 为 0.20%，ARK/21Shares ARKB 为 0.21%，贝莱德 IBIT 和富达 FBTC 均为 0.25%，Grayscale 旗舰产品 GBTC 为 1.5%。

费率差异在大额配置和长期持有中效果显著。以 10 万美元投资计算，MSBT 较 IBIT 每年节省约 110 美元管理费；对机构级别的仓位而言，这一差距经年累月形成可观的复利优势。

历史数据已证明费率对资金流向的驱动力。据 The Block 数据，Grayscale 旗舰产品 GBTC 收费 1.5%，自 2024 年 1 月转为 ETF 以来，资产规模已从约 290 亿美元缩水至约 130 亿美元。

Bloomberg ETF 分析师 James Seyffart 在 X 平台回应费率披露时表示，摩根士丹利此举「毫不含糊」（not messing around）。

8 万亿美元财富管理网络

在产品结构高度同质化的比特币现货 ETF 市场，费率只是摩根士丹利牌桌上的筹码之一，其真正的差异化武器在于分销网络。

摩根士丹利旗下财富管理部门管理约 8 万亿美元客户资产，拥有约 1.6 万名财务顾问。该行数字资产策略负责人 Amy Oldenburg 此前透露，目前约 80%的加密 ETF 交易活动来自自主投资者（self-directed investors），而非顾问管理的账户。一款费率全市场最低的自有产品，有望消除顾问推荐比特币配置时的「成本顾虑」，从而打通顾问渠道这一尚未充分激活的增量空间。

Bloomberg ETF 分析师 Eric Balchunas 将摩根士丹利称为「富裕婴儿潮一代资金的终极守门人」。

Strategy（原 MicroStrategy）CEO Phong Le 则从规模角度做了更激进的测算。他在 X 平台发文指出，摩根士丹利财富管理部门管理约 8 万亿美元资产，目前建议客户将 0-4%的投资组合配置于加密资产。按 2%的配置比例计算，潜在资金规模约为 1600 亿美元，相当于贝莱德 IBIT 当前约 550 亿美元管理规模的近三倍。他将 MSBT 称为「Monster Bitcoin」。

不过，Backpack 的 Joe Takayama 提醒称，实际配置比例可能远低于 2%甚至接近零。顾问渠道的大规模激活仍需时间验证。

不止比特币：摩根士丹利的加密全线布局

MSBT 并非孤立产品，而是摩根士丹利系统性进入加密资产领域的一环。

该行于 2026 年 1 月同时提交了比特币和 Solana 现货 ETF 申请，随后又提交了质押以太坊 ETF 申请。2 月 18 日，摩根士丹利申请了国家信托银行牌照，以便直接为客户提供数字资产托管、交易和质押服务。该行目前正式建议客户将 2%-4%的投资组合配置于加密资产，覆盖个人退休账户（IRA）和 401（k）计划。

在产品架构上，MSBT 选择 Coinbase 担任托管人和主经纪商，BNY Mellon 负责现金托管和基金行政管理。初始种子投资约 100 万美元，对应 10,000 份创设篮子。Solana ETF 的费率尚未披露，相关文件也未作修订，进展明显慢于 MSBT。

若 SEC 最终放行，摩根士丹利将成为首家直接发行比特币现货 ETF 的美国大型银行。高盛、摩根大通、美国银行等机构旗下均管理着数万亿美元的财富管理资产，目前尚无一家提交自有比特币 ETF 申请，但分析师普遍预期摩根士丹利的举动将加速同业的内部评估进程。

原文标题：Game Theory on Polymarket: The 5 Formulas tested on 72 million trades，作者：Movez（@0xMovez）

编译｜Odaily 星球日报（@OdailyChina）；译者｜Asher（@Asher_ 0210）

在拉斯维加斯大道，老虎机的平均回报率约为 93%，也就是每投入 1 美元，平均只能拿回 0.93 美元；而在 Polymarket 上，交易者却自愿接受低至 0.43 美元的回报，用 1 美元去押注那些赔率甚至比赌场还差的冷门结果。

这并非比喻，而是基于真实数据。研究员 Jonathan Becker 对 Kalshi 上所有已结算市场进行了分析，覆盖 7210 万笔交易、总计 182.6 亿美元的交易量。他所发现的这些规律，同样适用于 Polymarket——相同的机制、相同的偏差，也意味着相同的机会。数据给出的结论很直接，即约 87% 的预测市场钱包最终是亏损的，但那剩下的 13% 并不是靠运气取胜，而是掌握了一套大多数交易者甚至未曾了解的数学方法。

本文将拆解 5 个将赢家与输家区分开的博弈论公式，每一个都配有对应的数学原理、真实案例，以及可直接运行的 Python 代码，一些已经在实战中运用这些方法的交易者包括：

• RN（Polymarket 地址：https://polymarket.com/profile/%40rn1）： 一款 Polymarket 算法交易机器人，基于文中模型在体育市场实现了超过 600 万美元的总利润。

• distinct-baguette（Polymarket 地址：https://polymarket.com/profile/%40distinct-baguette）：通过做市 UP/DOWN 市场，将 560 美元滚仓到 81.2 万美元。

一、期望值：最核心的公式

在 Polymarket 上，每一笔交易本质上都是一次期望值判断。多数交易者依赖直觉，而那 13% 的赢家，则用数学做决策。期望值（EV）衡量的不是单次结果，而是重复多次后的平均回报，用来判断一笔交易是否值得参与。

以一个实际市场为例，“比特币是否会在 2026 年 6 月前达到 15 万美元？”当前 YES 报价为 12¢，对应市场隐含概率 12%。若基于链上数据、减半周期和 ETF 资金流等因素，判断真实概率约为 20%，那么这笔交易即具备正期望值。按此计算，以 12¢ 买入的每一份合约，长期平均可获得 8¢收益；买入 100 份，对应 12 美元成本，期望收益为 8 美元，回报率约为 +66.7%。

但数据表明，大多数预测市场交易者并不会进行这样的计算。在覆盖 7200 万笔交易的样本中，taker（市价买入者）平均每笔亏损约 1.12%，而 maker（挂单者）平均每笔盈利约 1.12%。两者之间的差距不在于信息，而在于耐心——maker 等待正期望值的机会，taker 则更容易冲动交易。

二、错误定价：低价合约陷阱

“冷门偏好”是预测市场中最昂贵的错误之一，交易者往往系统性高估低概率事件，为看似便宜的合约付出过高价格。一个定价为 5¢ 的合约，理论上应有 5% 的胜率，但在 Kalshi 上实际胜率只有 4.18%，对应 -16.36% 的定价偏差；在更极端的情况下，1¢ 合约本应有 1% 的胜率，但对于 taker 而言，实际胜率仅为 0.43%，偏差高达 -57%。

从整体分布来看，市场在中间区间（30¢–70¢）的定价相对准确，但在两端出现明显偏差：低于 20¢ 的合约，实际胜率普遍低于定价隐含概率；高于 80¢ 的合约，则往往胜率高于其价格所反映的概率。

也就是说，市场的低效性主要集中在两端，而这些区间恰恰是情绪化交易最集中的地方。具体来说，有两个公式：

公式一：错误定价（Mispricing, δ）

错误定价用于衡量合约的实际胜率与其隐含概率之间的偏离程度。以 5¢ 合约为例，在所有已结算市场中，假设共有 10 万笔以 5¢ 成交的交易，其中 4180 笔最终结果为 YES，则实际胜率为 4.18%，而价格对应的隐含概率为 5.00%。两者之间的差值为 -0.82 个百分点，相对偏差约为 -16.36%。这意味着，每买入一份 5¢ 合约，实际都在为其支付约 16.36% 的溢价。

公式二：单笔超额收益（Gross Excess Return, rᵢ）

若错误定价反映的是整体偏差，那么单笔超额收益则揭示了每一笔交易的实际回报结构，也正是在这里，行为偏差变得清晰可见。当买入一份 5¢ 合约时，会出现两种结果：若合约命中，收益可达 +1900%（约 20 倍回报）；若未命中，则直接亏损 100%，投入的 5¢ 全部归零。

这正是“冷门偏好”为何具有吸引力的原因，一旦命中，回报极高，容易被记住、被放大、被传播。但从整体来看，其实际命中率低于价格所隐含的概率，而“全部亏损”与“极高收益”之间的非对称结构，在大量交易中会形成负期望值，本质上等同于购买被高估的彩票。

从整体分布来看，这种偏差具有明显的价格梯度，即价格越低的合约，回报越差。例如，作为 taker，在 1¢ 合约上每投入 1 美元，平均只能收回约 0.43 美元；而在 90¢ 合约上，每投入 1 美元，平均可获得约 1.02 美元。价格越便宜，实际交易条件反而越不利。

进一步拆分角色可以发现，这种结构几乎是镜像关系，taker 在低价区间的亏损（最低可达 -57%），正对应着 maker 在同一区间的收益；整体市场的定价偏差，则位于两者之间。换句话说，taker 每亏掉的一分钱，几乎都被 maker 所获得。

从博弈论角度来看，低概率合约通常被系统性高估，高概率合约则往往被低估。真正的策略，并不是追逐冷门，而是卖出冷门、买入高确定性。

三、凯利公式：该下注多少

当发现一笔具备正期望值的交易时，真正的问题才刚刚开始，交易员该下多少？仓位过大，一次亏损就可能抹掉数周收益；仓位过小，即便有优势，增长速度也慢到几乎没有意义。在“全押”和“完全不下”之间，存在一个数学上最优的下注比例，这就是凯利公式。

凯利公式由 John Kelly Jr. 于 1956 年提出，最初用于优化通信信号噪声问题，后来被证明是赌博、交易乃至预测市场中最有效的仓位管理方法之一。职业扑克玩家、体育博彩高手，以及华尔街量化基金，几乎都在使用某种形式的凯利策略。

在预测市场中，由于合约是二元结构（结果为 $1 或 $0），且价格本身就代表概率，凯利公式的应用也更为直接。关键在于理解赔率（b）：若以 30¢ 买入 YES 合约，实际是用 0.30 美元去博取 0.70 美元收益，对应赔率为 0.70 / 0.30 ≈ 2.33；价格为 50¢ 时赔率为 1；10¢ 时为 9；80¢ 时则仅为 0.25。赔率越高，在存在优势的前提下，凯利建议的下注比例也越大。

但一个关键原则是不要使用完整凯利。虽然从数学上看，完整凯利可以最大化长期资金增长率，但在实际执行中，其波动极大，回撤动辄超过 50%。在长周期内或许收益最高，但中途剧烈波动往往让大多数人难以坚持。因此，更常见的做法是采用分数凯利（如 1/2 或 1/4 Kelly）。例如，在稳定胜率条件下，完整凯利虽然最终资金曲线最高，但波动剧烈；1/4 凯利增长更平滑，回撤可控；1/2 凯利则介于两者之间。

本质上，凯利公式提供的是一套纪律，先判断是否存在优势（即主观概率高于市场隐含概率），在此基础上，再决定投入多少资金。只有当“是否下注”和“下注多少”同时被数学约束时，交易才真正从博弈走向策略。

四、贝叶斯更新：像专家一样改变想法

预测市场之所以波动，本质上是因为新信息不断进入。关键并不在于最初判断是否正确，而在于当证据发生变化时，如何调整认知。多数交易者要么忽视新信息，要么过度反应，而贝叶斯更新提供了一种“调整多少才合理”的数学方法。

其核心逻辑可以简单理解为新的判断 = 证据对原假设的支持程度 × 原有判断 ÷ 该证据本身出现的总体概率。实际应用中，通常会通过全概率公式展开，得到更便于计算的形式。

以一个典型市场为例，“美联储是否会在 6 月会议降息？”当前市场价格为 35¢，对应 35% 概率，作为初始判断。随后非农数据公布，新增就业仅 12 万（预期 20 万），失业率上升、薪资增速放缓。在这种情况下，若美联储确实会降息，那么出现疲弱就业数据的概率较高，可估为 70%；若不会降息，这类数据出现的概率较低，但仍有可能，可估为 25%。

代入贝叶斯更新后，新的概率约为 60.1%，即从 35% 一次性上修至 60.1%，提升约 25 个百分点。这意味着，一条关键信息就足以显著改变市场判断。

在实际操作中，并不需要每次都完整计算公式。更常用的方法是“似然比”。同一条信息（例如 LR = 3），在不同初始判断下影响并不相同：从 10% 出发，可能提升至约 25%；从 50% 出发，可提升至 75%；而从 90% 出发，则仅提升至约 96%。不确定性越高，信息的影响越大。

真正长期跑赢预测市场的交易者，并不一定是“判断最准确”的人，而是能够在新证据出现时，最快、最合理地调整判断的人。贝叶斯方法，本质上提供的就是这种“调整速度”的刻度。

五、纳什均衡：预测市场中的“扑克公式”

在扑克中，诈唬从来不是拍脑袋的行为，而是一种可以被精确计算的策略。理论上存在一个最优诈唬频率，一旦偏离，熟练的对手就能加以利用。同样的逻辑也适用于预测市场。在 Polymarket 上，“诈唬”对应的是逆势交易——在市场定价出现偏差时，选择站在多数人对立面；而“弃牌”，则类似于作为被动 taker，持续为市场情绪支付溢价。

在 Polymarket 中，maker 与 taker 构成了类似的对抗关系。逆势交易（对抗市场共识）类似于“诈唬”，顺势交易（跟随主流判断）类似于“价值下注”。从均衡角度来看，市场应当让边际参与者在“做 maker”与“做 taker”之间保持无差异，这一状态对应的就是预测市场中的纳什均衡。

但这个均衡并不是固定的，而是会随参与者结构变化而动态调整。数据显示，不同市场类别对应着不同的最优策略：在信息更理性、定价更有效的领域（如金融类市场），逆势空间较小；而在情绪更强、非理性更集中的领域（如娱乐、体育），市场更容易出现定价偏差，从而为逆势交易提供机会。

更重要的是，这一均衡在时间维度上也发生了显著变化。早期（2021–2023 年），taker 反而是盈利群体，最优策略偏向主动成交；而在 2024 年第四季度交易量爆发后，专业做市商大量进入，市场结构发生改变，均衡策略转向以 maker 为主（约 65%–70%）。这正是博弈论的典型结果，当参与者结构发生变化时，最优策略也会随之演化。原本在“新手环境”中有效的策略，在“专业对手”面前可能迅速失效，市场的“打法”也因此不断迭代。

小结

87% 的预测市场钱包最终是亏损的，这并不是因为市场被操纵，而是这些交易者从未真正进行过计算。他们用比老虎机更差的价格买入冷门合约，凭感觉决定仓位，忽视新的信息变化，并在每一次市价交易中为“乐观情绪”付费。

而那 13% 能持续盈利的参与者，并不是运气更好，而是把这 5 个公式当作一整套方法来使用，从判断到执行形成完整流程，并且每一步都建立在 7210 万笔真实交易数据之上。

这种窗口不会一直存在。随着专业做市商进入，市场价差正在被迅速压缩，2022 年 taker 还有约 +2.0% 的优势，如今已经转为 -1.12%。

问题只在于，是跟着一起市场进化，还是继续用 0.43 美元的回报去买 1 美元的彩票。

原文作者：angelilu，Foresight News

「您所在的地区暂不支持服务」。

不知道是第几次看到这行字了。这次我已经做好了所有准备——翻出护照，对着摄像头拍了正面，拍了反面，切换到自拍模式，拍了手持证件照，又跟着页面的提示点头、摇头、眨眼，整个过程大概十分钟，我做得比上次更仔细。然后页面跳转，显示「提交成功，等待审核」。

我等了三天。第四天刷新，状态还是「审核中」。提款功能被冻结，理由是「等待身份核实完成」。我想参与的那个项目认购窗口还有四十八小时就关闭了。

或者，根本没有等待——页面在动手之前就已经识别到的 IP 地址，直接弹出那行字：「您所在的地区暂不支持服务。」什么理由都没有，没有申诉渠道，也没有告诉我还可以怎么做。我不是不想配合，是配合的资格都没有。

这或许是你我都常常碰到的情况，是加密行业里最常见的一堵墙，KYC，Know Your Customer，了解你的客户。KYC 是「合规」这个词最有重量的那一部分：你得证明你是你，才能进来。

过去五年，部分主流交易所逐步将 KYC 外包给 Sumsub、Jumio 等商业身份核验系统，合规成本被「产品化」，并成为持续支出。对于头部平台而言，这部分开销已达到百万至千万美元级别。

多位加密支付行业从业者向 Foresight News 表示，当前行业在 KYC 环节仍高度依赖 Sumsub、Jumio 等第三方服务商，这些方案在全球数据覆盖与合规能力上具有明显优势。

不过，随着交易规模扩大与风控需求提升，部分头部机构已开始探索「自建风控 + 第三方 KYC」的混合模式，以在成本、通过率与风险控制之间取得更优平衡。

然而，无论这堵墙造得多高，地下市场已经给出了自己的定价。而这堵墙的另一边，存在一条完整的地下产业链，专门以低成本击穿这套体系。穿透它的价格是 20 USDT——覆盖交易所要求的全套验证流程：护照或驾照上传、人脸识别、居住地证明，一次打包交付。

50 万人，一个没人统计的市场

本着上有政策，下有对策的原则，我开始在网上搜索「Web3 KYC」，跳出来的不是教程，更多是警示。

CertiK 在 2023 年的一份报告扫描了 20 余个地下 KYC 市场，发现当时的参与成员总数超过 50 万人，专门买卖各类平台的已验证账号，集中在东南亚，群组规模从 4,000 到 30 万人不等。

网络安全公司 ZeroFox 曾统计过，一年时间里，在公开论坛和 Telegram 上发现超过 100 万条 KYC 账号销售帖，涉及 Coinbase Pro、Kraken 等主流合规交易所，售价从 150 至 500 美元不等。

CoinDesk 曾做过的一个调查更直接，直接花钱买了几个账号回来验证。每个账号随附的是真实用户的姓名、家庭住址、出生日期——美国居民的账号甚至包含社会安全号码。然后他们在公开数据库里搜索，找到了四位与账号信息完全匹配的真实人物，向他们发出了书面告知。这些人的反应确是毫不知情，未意识到自己的名字正挂在某个陌生人的交易所账户下，而那个账户的密码，他们从来没有设置过。

技术层面也在同步恶化。根据 Sumsub 发布的 2025 年身份欺诈报告，深度伪造攻击在过去三年增长超过 2000%，现在约占所有身份欺诈尝试的 1/15。

攻击路径形成了三层结构：

• 最低层是用高分辨率屏幕配合偏振镜消除反光，让「播放视频」的画面在光学特征上接近真实拍摄；
• 第二层是 HOOK 注入攻击，直接劫持手机摄像头的系统调用接口，把提前录制好的 4K 视频「喂」进应用的采集窗口——应用「看见」的是摄像头实时输出，实际流入的是一段提前准备好的视频；
• 第三层是一键式 AI 换脸工具，上传照片即可生成，攻击门槛被拉至零。突破一套真人活体认证系统的平均成本：10 美元，投入产出比高达 1400%。

威胁猎人发布的《2025 年全球 KYC 攻击风险研究报告》显示从行业分布看，虚拟货币交易所与钱包支付平台是全部 KYC 攻击的核心靶区，合计占比超过 78%。攻击物料里卖得最多的是「地址证明」类文件，原因简单：它需要频繁更新，而 AI 可以批量生成。

这些数字描绘的画面很清晰：欺诈、身份盗用、有组织的犯罪产业链。把这些数字叠在一起：50 万名参与者，100 万条公开流通的销售帖，Coinbase、Binance US、Kraken 等头部合规交易所的账号均在其中。这不是某个平台的特例，而是整个加密合规体系共同面对的系统性漏洞——只要 KYC 存在，绕过它的市场就存在，而且规模相当。

每一份报告的措辞都很确定，使用的词是「威胁行为者」「地下市场」「非法操作」。但它们有一个共同的视角盲点。全是从外部看的，是监管机构和安全公司的视角，像是在描述一场发生在玻璃后面的火灾。

但没有一篇报告解释，那些每天在 Telegram 上挂着「在线」状态的人，他们究竟是谁，他们怎么看自己在做的事，以及这门生意到底在服务谁。

我决定去找圈子里的人聊聊。

一个地下 KYC 小商贩：两年 600 笔交易

Telegram 上搜索 KYC，几秒钟就能弹出一批账号。

3 月初我随机挑选了一个看上去信得过的 KYC 中间商，不巧，我碰到了一个冷酷 guy，他的回复不超过 5 个字，对我提的各种问题大多以「是的」来直接回复，得到的最多信息就是报价，例如「CoinList 的 KYC 40 U」、「Coinbase 的 KYC 20 U」。

久久没有回音之后，对方发来一条稍长的消息：「所以我们可以一起工作吗？」句子像是从别的语言硬翻过来的，读着像在谈合作，其实大概只是在催单。对话很难进行下去。

于是我转而在链上查他给我的 TRON 链收款地址，这个地址从 2024 年 1 月开始运作，至今累计流入超过 59,243 USDT，共 600 笔收入交易，横跨 26 个月。但净留存是零。

每一笔收入，都在一段时间内被迅速清空，转向同一个上游地址。顺着这条链追下去，他最后转入了 OKX 在 TRON 链上的热钱包。这位帮人绕过 KYC 的中间商，把赚来的每一分钱，都存进了交易所。

一个体量不大的匿名卖家，两年流水接近 6 万美元，600 笔，没有休假，没有淡季，只有打新节奏带来的潮汐式涨落。这还只是其中一个地址，一个卖家，一条链。

这条链在我这没有连起来，线索到这里也就断了。匿名的人不会开口，我需要找一个更愿意说话的人。

一个 KYC 「生意人」：五年，数十个平台

终于在 X 上找到了一位专门做 KYC 服务的「生意人」，经朋友介绍，加上了联系方式，并且他愿意接受采访。

他叫猫鲤，经营着品类丰富的「区块链服务平台」。

谈起 Web3 KYC 服务的方式，猫鲤说「我是根据自己粉丝的需求，去找各种渠道，并且投入时间研究，慢慢将这个业务做起来的」。

猫鲤至今已经做了五年。如今他和一个助理两人运营，大部分商品自动发货。他的产品目录覆盖数十个平台，并且以人民币标价，价格越高，代表这个平台的近期参与人数越多热度越高，或者身份核验的门槛越难绕过。

「设置好后基本是自动化的，更别说现在还有 AI 可以辅助了，」他说，「基本上不会需要太多人来运营。」行情好的时候例外——打新项目扎堆，每天能工作到 12 小时。行情惨淡的时候，他就将时间投入的 X 的运营上。

「人民的小卖部，服务区块链行业的所有粉丝。」他这样描述自己的生意。

他的客户遍布中文区：中国大陆、香港、台湾、马来西亚、韩国、美国。大陆用户的需求最直接——大量打新平台屏蔽中国 IP，护照或身份证传上去，系统自动拒绝，没有申诉渠道，也没有解释。

「他们买账号是为了参与活动，」猫鲤说，每次交付，他都会附上一条固定的风险提示：「由于这是使用他人信息注册的账号，请不要在平台内放置大额资金，小额参与，随进随出。」他提示的「风险」，是账号随时可能被原主找回；使用他人身份信息注册金融账号本身，在大多数司法管辖区也构成身份欺诈。

浮出水面的产业链

一单是怎么完成的？猫鲤描述了完整流程：售前咨询，付费，他联系「符合条件的老外」，老外按照事先培训好的流程操作，完成 KYC，账户转交给买家，买家核查后修改安全设置，结单。

他印象最深的客户是一个韩国人，一个专业孵化团队的负责人，每次下单量都很大。「他总会和项目方一起合作，购买很大量的账号，」猫鲤说，「他跟我聊过，通过我挣了很多的钱。不过我倒是没挣太多，他是挣的资源的钱，KYC 这块我是挣的辛苦钱。」

也就是说，这条产业链也有多个层级，作为需求端的韩国孵化团队，靠账号批量参与项目认购，有利可图。因此才会有猫鲤这样的中间商，再底层的就是提供信息认证的「老外」，按要求完成 KYC，或许就拿走几美元。

「老外」的来源遍及全球——那些在东南亚、东非、拉丁美洲以「网络兼职」名义接单的人，按要求完成点头、摇头、眨眼的动作，拿走等值几美元到几十美元的报酬。

具体分给「老外」的钱有多少，猫鲤没有直说，但一份在俄语论坛上流传的招募帖是这样写的：「只需要你的脸。通过 WhatsApp 完成视频验证。每次 1,500 到 2,000 卢布（约合 17 至 23 美元），一天可以做多次。」

之前 Worldcoin 在柬埔寨和肯尼亚部署球形虹膜扫描设备时，曾短暂让这个现象浮出水面——低于 30 美元的 World ID 黑市随即出现，2024 年泰国当局下令删除已收集的 120 万份虹膜数据，印度尼西亚叫停了 Worldcoin 的全部活动。但 Worldcoin 不过是冰山一角，而且还是有品牌、有记者可以追问的那一面。

定价还有另一套逻辑。「越发达的地区，KYC 的费用越贵，」猫鲤说，「你给的费用都没法买个早饭，人家根本不会配合你去操作。」美国的单子最难，有时候需要客户带着「老外」去纽约线下办证。

他服务的每笔交易都附带售后条款：他只保障「首次登录」成功。「因为我们没法控制每家交易所或者平台的风控规则，他们随时都有可能更改，」买家拿到账号，第一件事是换绑邮箱、设置二次验证、踢出未知设备。窗口期可能只有几个小时。

他也坦言有做不了的情况，「必须每次登录都需要扫脸的账户，就没法制作，老外不可能一直飞到中国来给你扫脸登录。」他补充了一句：「按这个逻辑，就是非常非常严格风控的平台，那通常是不缺用户、不缺数据的平台，也不会有福利特别高的活动，所以很少有人会购买。」

Web3 KYC，一扇装了门框的空门

猫鲤对自己在做的事有清晰的定位。

当被问及加密行业的 KYC，有没有在发挥它应该有的作用时，他说，「KYC 是大家都心知肚明的门槛，平台、用户，都知道自己在干什么。对于真心想参与行业的人来说这不是阻碍，更像是一种筛选方式罢了。」

在他的描述里，这是一笔三方共赢的交易：用户获得了进入平台的机会，交易所获得了新增用户和数据，他从中收取服务费。「三赢的」他说。

这套逻辑有一个细节，藏在他自己的售后提示里：「由于这是使用他人信息注册的账号，请不要在平台内放置大额资金，小额参与，随进随出。」他的「老外」是知情的、有报酬的参与者。但「他人」这个词意味着账号背后坐着一个真实的人，一个随时可以主张权利的人。

但 CoinDesk 的调查显示，在更大的市场里，还有些账号随附的是本人毫不知情的真实居民的姓名、住址和社会安全号码。这些人，不在「三赢」之内。

猫鲤是这个市场里愿意接受采访的一个人。在他的身后，预计有 50 万名参与者，约 100 万条销售帖，和一个还在运转的影子系统。

注：文中涉及的 Telegram 对话记录、链上数据均为作者调查所得。