稳定币不一定是银行的敌人,它可以是摇钱树

原文作者:James,以太坊基金会生态负责人

原文编译:Chopper,Foresight News

去年,我第一次和 Tony McLaughlin 交谈,那时他离开花旗、创立 Ubyx 公司不久。最让我印象深刻的是:一个在全球顶级银行工作了 20 年的人,谈起公链时却有着加密原生人士般的信念,同时每一个论点又都扎根于支票清算、代理银行业务的真实机制。

作为一位支付行业的资深人士,McLaughlin 真心相信,自己职业生涯搭建的那套基础设施即将被取代。

McLaughlin 不是我们想象中的那种初创公司创始人。他是资深支付领域高管,出身于全球最大银行之一,他做公司的思路也体现了这一点:提出一个理念,推向市场,让市场告诉你对错。

稳定币究竟如何才能真正成为普通货币?那种会出现在你银行账户里、等同于现金的货币。

他的答案涉及一项极其平淡无奇的基础设施,以至于加密圈大多数人从未想过它,而传统银行领域的人还没意识到自己需要它。

亲手搭建体系,然后转身离开

先简单概括一下 McLaughlin 的职业轨迹,他的背景对这个故事至关重要。

他在花旗集团工作近 20 年,升任财资与贸易解决方案部董事总经理,专注于新兴支付领域。在此期间,他成为 受监管负债网络(RLN)的主要设计者,这可能是过去五年最具影响力的机构级区块链概念之一。

RLN 提出了一个共享的私有账本,央行、商业银行、电子货币机构都可以在同一平台上发行代币化负债,这是受监管行业对公共加密货币的回应。

McLaughlin 与美联储、英国金融协会完成了概念验证,这一理念也影响了新加坡金融管理局的工作。国际清算银行(BIS)也承认 RLN 为其 「统一账本」 概念提供了灵感。Agorá 项目则联合七家央行和 40 多家金融机构采用了类似架构。无论从哪个角度看,这都是重量级的基础设施。

然后,McLaughlin 辞职了,彻底退出了这个项目。

多年来,他一直致力于论证私有许可链是受监管货币的未来。技术本身没问题,问题在于,没人能解决冷启动难题。

你要求全球所有大银行和央行加入一个还不存在的网络,而没人愿意第一个行动。在一次播客中,他称之为 「启动问题」:你必须先启动网络,别人才会用,但没人愿意帮你启动,因为现在还没人用。

而公链早就解决了这个问题。它们有用户,有流动性,有开发者。冷启动已经成为过去。

让他彻底想通的时刻,是 2024 年美国大选。他观察政治走向后得出结论:稳定币监管法案势在必行,这意味着银行终将被允许在公链上运营,因为稳定币就在公链上。2025 年 7 月签署生效的 GENIUS 法案证明他是对的。

他用一贯直白的方式描述这个决定:「从那天起,我决定再也不把生命中的一秒钟,花在推动私有许可链的普及上。」

他离开花旗,并于 2025 年 3 月创立了 Ubyx。

银行对稳定币的误解

2026 年 3 月 3 日,特朗普总统公开指责美国银行 「破坏」 GENIUS 法案,并「挟持」了他的加密货币议程。矛盾焦点在于收益。

银行一直在大力游说反对生息稳定币,理由是它们会把存款从传统银行体系抽走。英格兰银行也出于同样原因,考虑对稳定币设置持有上限。

这种恐惧是真实的:全球稳定币发行量已突破 3000 亿美元。如果这代表存款离开商业银行资产负债表,对信贷能力的影响将非常巨大。

但 McLaughlin 认为这个问题问反了。过去一年,他在所有场合和播客上只坚持一个论点:稳定币不是存款的威胁,它们是一份收入大礼。

而认知错误的起点,是人们如何给这个工具分类。

他说:「如果监管机构把稳定币定义为‘与法币挂钩的加密资产’,我认为他们犯了根本性错误。这在我看来,等同于说‘支票是一张与法币挂钩的纸’。」

他的意思是,监管机构在稳定币上犯了一个绝不会在支票上犯的错:他们用技术(加密代币)来定义工具,而不是用它实际的功能(承诺按面值兑付)。技术是附带的,承诺才是核心。

把 「我欠你 10 美元」 写在泥板、纸张,或以太坊上的 ERC‑20 代币上,法律工具是一样的。重要的是谁做出承诺,以及承诺是否可执行。

在他的框架里,稳定币不是新奇的加密原生产物。它是商业法中最古老的工具之一的最新呈现:可转让票据。

他把它类比成 1891 年的美国运通旅行支票。

如果你不到 35 岁,可能从没使用甚至听说过。在借记卡和 ATM 普及全球之前,旅行支票是人们出国携带现金的主要方式。出行前从美国运通或银行购买,预付面值。然后在全球任何地方像现金一样消费,商家或当地银行按面值接受,因为清算网络保证它们能从发行方收到钱。

我记得在亚洲背包旅行时用过,现在想起来还头疼:在银行柜台排队、签字再复签、等工作人员致电发行方、汇率还很差。难怪银行卡一普及,旅行支票几乎一夜之间消失。

但它的属性和稳定币完全一样:美元工具、非银行发行、预充值、足额抵押、无息、可向持票人转让、按面值赎回。

McLaughlin 的类比是对的,但大多数听众并没有真正听懂。大多数人看不出稳定币的清算问题,恰恰是因为大多数人从没使用过当年解决这个问题的工具。旅行支票已经消失,背后的清算基础设施成了被遗忘的历史。所以当 McLaughlin 说 「稳定币需要旅行支票当年拥有的东西」 时,听众只是礼貌点头,却没有真正理解。

一旦你用这个视角看问题,问题就不再是:「我们如何保护存款不受稳定币冲击?」而是:「我们如何像过去 200 年处理所有其他可转让票据一样,处理稳定币?」

那个枯燥乏味却至关重要的部分

旅行支票能在全球按面值被接受,不是因为这张纸有什么特别,而是因为美国运通、Visa、Thomas Cook 搭建了清算网络,保证任何国家的任何商家都能把支票按面值换成现金。

当受理网络瓦解,旅行支票的使用量就崩塌了。不是工具失效,是渠道失效。

稳定币现在正处于完全相同的处境。它们可以在公链上几秒内跨境,但没有一套通用机制,能让你通过受监管金融机构按面值赎回。

如果你是稳定币发行方,你必须从零开始搭建自己的分销网络,一个一个谈双边合作。如果你是想为客户受理稳定币的银行,你必须单独和每一家发行方谈判。复杂度呈几何级上升。

McLaughlin 最喜欢的例子是信用卡。全球有成千上万家银行发行信用卡,听起来本该一团糟。但你几乎很少走进一家商店被告知:「抱歉,我们不接受你的银行卡。」

这种碎片化对用户是不可见的,因为 Visa 和万事达卡在中间,使每张卡都能在任何地方使用。

稳定币有碎片化,却没有清算网络。这正是 Ubyx 想要填补的缺口。

清算到底如何运作

机制设计非常简单,而它与加密交易所的区别,正是核心所在。

在交易所里,稳定币按浮动市价买卖,不保证按面值兑付。交易所是交易场所,需求下跌,价格就跟着跌。

Ubyx 不这么做。它做的是托收模式,不是买卖模式。目标是按面值赎回,就像你把支票存入银行一样。

你不关心支票是谁发的、来自哪家银行。你把支票交给银行,银行按面值给你入账,幕后由清算系统从发行银行收钱。如果支票被退回,银行把支票还给你,就这么简单。

Ubyx 的流程也是一样:

  • 客户把稳定币(比如 USDC)存入银行的托管钱包
  • 银行把代币提交给 Ubyx
  • Ubyx 转给发行方(此例中是 Circle)
  • 发行方验证代币合法,从结算银行的预存准备金中释放法币
  • 美元通过 Ubyx 回到受理银行,银行给客户入账(通常会扣除汇差后换成当地货币)

如果发行方未能支付,银行就把代币退还给客户,就像退票一样。银行在清算过程中不承担资产负债表风险。

McLaughlin 把这套系统描述为有三种模式的 「黑箱」:

  • 稳定币进,现金出(赎回)
  • 现金进,稳定币出(发行)
  • 稳定币 A 进,稳定币 B 出(兑换)

它被设计为不绑定发行方、不绑定公链、不绑定法币。上线时的发行方包括 Paxos、Ripple、Agora、Transfero、Monerium、GMO Trust、BiLira 等十几家,覆盖美元、英镑、欧元和新兴市场货币,跨多条公链。

对银行来说,技术接入成本被刻意压到最低。大多数银行不会自建区块链基础设施,就算建了,还要解决让其他银行信任的问题。

360 亿美元

这就是存款恐惧叙事反转的地方。

McLaughlin 的粗略测算:假设稳定币市场达到 1 万亿美元(现在是 3000 亿且还在增长)。保守假设每天有 0.5% 的流通代币被赎回,这样每年赎回规模约 1.8 万亿美元。

如果银行收取 100 个基点的费用,再加 100 个基点的跨境汇兑点差,年收入规模将达到 360 亿美元。

这些是他的假设,计算结果基本正确,对任何一家银行来说,问题只是:你想分多少。

对非美国银行来说,这种经济收益尤其诱人。每一块进入欧洲或亚洲银行体系并兑换为本币的美元稳定币,都是受理银行的纯外汇收入。外汇业务对银行来说简直是 「暴利」。

过去一年,McLaughlin 在所有场合都把境外稳定币称为 「礼物」。

这套模式与央行目标的一致性,让它超越了单纯的收入计算,更具说服力。

当稳定币通过受监管机构赎回进入托管钱包,它们就对税务系统可见,经过反洗钱 / 实名认证筛查,并转换成位于本地银行资产负债表上的本币。中央银行获得合规性和货币透明度,商业银行获得手续费收入并扩大其资产负债表,客户则获得面值兑换。

McLaughlin 给银行 CEO 的建议非常具体:先受理,后发行。「在稳定币这件事上,收比发更好。为什么?因为你可以通过‘收’赚到很多钱。」

最直接的商业逻辑,在于受理并兑换第三方稳定币。一旦共享受理网络建成,任何银行都能像清算 Visa 交易一样清算任何稳定币,发行门槛就会大幅降低。

到那时,发行自家稳定币,会变得和发行信用卡一样简单。你不需要搭建受理网络,只要接入即可。

谁认可这个论点

Ubyx 股东名单值得一看,因为上面的名字告诉你哪些势力认可它。

Ubyx 在 2025 年 6 月完成 1000 万美元种子轮,由 Galaxy Ventures 领投。本轮其他投资方堪称 「梦幻组合」,通常不会出现在同一张股东表上的人:Peter Thiel 的 Founders Fund、Coinbase Ventures、VanEck、LayerZero。

硅谷自由意志主义资本、顶级加密交易所、大型传统资产管理公司,同时给稳定币清算基础设施投钱。多名投资者同时也是网络参与者:Paxos、Monerium 既是投资方,也是网络内发行方;Payoneer、Boku 作为战略伙伴投资。

这种 「投资者即网络用户」 的结构是刻意设计的。McLaughlin 明确将其比作 Visa 和万事达卡早期的股权结构:使用网络的银行,就是拥有网络的银行。

2026 年 1 月,巴克莱银行进行了战略投资。这是英国市值第二大银行,也是其有史以来首次投资稳定币公司。巴克莱数字资产与战略投资主管 Ryan Hayward 表示:「互操作性是释放数字资产全部潜力的关键。」

言外之意:欧洲最具系统重要性的银行之一,看懂了稳定币清算的逻辑,并决定用钱投票。

一个月后,阿拉伯银行旗下金融科技加速器 AB Xelerate 也进行了战略投资。现在,美国风投、欧洲银行、中东金融基础设施,全都押注同一个方向。

可能出什么问题?

Circle 在 2025 年中推出了自己的 Circle Payments Network,为 USDC 结算提供专有基础设施。Circle 有足够规模独自搭建分销体系。

市场问题是:最终会是单一发行方网络(Circle 路线),还是多发行方清算系统(Ubyx 路线)?McLaughlin 的论点是,历史偏向多元化清算模型。但 Circle 的先发优势与主导市场份额是现实。

银行与加密公司之间的收益之争尚未解决。美国货币监理署(OCC)提出的规则草案中包含一项可反驳的推定,即反对稳定币的收益机制。

如果禁止收益,银行就能松一口气,因为对于存放现金的人来说,稳定币的吸引力仍然不如储蓄账户。但这同时也意味着稳定币的应用范围将局限于支付和结算领域,市场规模较小,Ubyx 的发展速度也会放缓。

如果允许收益,稳定币市场将迎来爆发式增长,它们将直接与存款、货币市场基金和国债争夺闲置资金。银行完全有理由迅速构建基础设施,既是为了防御(防止客户流失),也是为了进攻(获取外汇和手续费收入)。

Ubyx 承诺采用开源规则手册,并最终通过代币实现 DAO 治理。这在理念上与其连接的去中心化网络相符,但对银行依赖的受监管金融市场基础设施而言,这仍是未经检验的模式。

小结

McLaughlin 职业生涯的第一阶段,是捍卫法币体系应对加密挑战。第二阶段,是为银行业搭建私有链。第三阶段,他得出结论:私有链无法解决普及问题。

这一切的改变,在于他对资金存放位置的看法。在公链上,在钱包里,通过一套基础设施清算,让每一种受监管稳定币都像支票一样可靠且无害。

他认为整个过渡过程的关键在于一句话:银行可以像处理支票一样处理稳定币。

如果有权威人士说出这句话,那么全球每一家银行和金融科技公司都会立刻知道该做什么。Ubyx 打赌很快就会有人说出这句话。

CEO用段子回应危机,AI创业者偷学了Crypto的营销玩法

原创 | Odaily星球日报(@OdailyChina

作者 | 叮当(@XiaMiPP

在大多创业公司里,如果被人揭出“虚报营收”,想必得面对公关危机——发布声明、解释误会、修正数据口径、致歉,再把话题带回到关注产品或业务增长上。

但 Cluely 的 CEO Roy Lee,显然没打算这么做。

一家从“作弊工具”起家的公司

Cluely 成立于 2025 年,其最初的产品来自 Roy Lee 与大学室友 Neel 共同开发的项目 Interview Coder。这是一款利用 AI 帮助用户在 LeetCode 面试中作弊的工具。由于这一项目,两人最终被哥伦比亚大学开除。

如果是普通人,被学校开除作为黑历史要想办法遮掩下。但 Roy Lee 却把这件事变成了自己的营销机会,甚至是“人生转折点”。

Cluely 最初的产品口号是: “Cheat on Everything.”(在一切事情上作弊)。直到 2025 年 11 月,Cluely 才开始逐渐把产品叙事从“作弊工具”转向 AI 笔记助手,例如通过 AI 自动整理会议内容、优化协作效率,甚至可以修改参会者的表情以掩盖分心。但无论产品如何调整,这家公司,或者说,这家公司 CEO 一直没有摆脱一种非常明显的气质:它几乎是靠争议成长起来的。

而接下来发生的这场风波,某种程度上也延续了这条路径。

一场“虚报营收”引发的荒诞表演

事情起因是,有人翻出了 TechCrunch 在 2025 年 7 月发布的一篇报道。文中提到,Cluely 的 年度经常性收入 在一周之内翻倍,达到 700 万美元。该数据被质疑造假。

面对质疑,Cluely CEO Roy Lee  倒是相当坦诚。他很快发帖承认,称当时接到记者电话时自己随口报出了这个数字,并没有预料到会被写进正式报道。似乎为了证明并非刻意夸大,他还贴出了 Cluely 在 2025 年 6 月的真实数据,消费者业务年度收入 270 万美元,企业业务年度收入 250 万美元,总计 520 万美元。

事情到这里并没什么噱头,这解释也说得过去。

但同一天,TechCrunch 记者 Julie Bort 就发文反驳了 Roy 的说法。她表示,这次采访是 Cluely 公关团队主动安排的,有记录,不是随意聊天。

Roy Lee 没有继续通过文字解释,而是选择了一种更加戏剧化方式的回应。他发布了一则视频,并附文,重大新闻:Cluely CEO 正式回应 TechCrunch。

视频中的他带着墨镜、西装革履地坐在镜头前,桌面放着麦克风,看起来像是准备发表一次严肃声明。但是镜头里的环境不是办公室,更像是客厅,旁边放着一台老式台式电脑,屏幕上播放着 Subway Surfers——经典摸鱼神器。Roy 的回应内容也完全不正式,更像是一场自黑式表演,夹杂着自嘲和吹牛,语气像是 rapper 在 freestyle。

更荒诞的是,在视频尾声,他从桌子后站起,这位上半身一本正经的 CEO,没穿裤子……

于是,一场原本是关于“虚报营收”的危机公关,就这样被处理成了一次吸流量的自嘲表演。

a16z 押注的,其实是注意力经济

资本市场倒也不介意这种表演型人格的创始人。2025 年 6 月,Cluely 宣布完成 1500 万美元 A 轮融资,参投机构中包括知名风投 Andreessen Horowitz(a16z)。其合伙人 Bryan Kim 曾在一档播客中提到:在 AI 时代,传统的“匠人产品 + 慢增长”模式已经不再足够,病毒式传播本身就是产品的一部分。

他所认为的“新 AI 创业模板”是,在模型能力逐渐商品化的时代,注意力本身开始成为一种关键资源。谁能率先抢占用户注意力,谁就可能建立新的护城河。

从 Interview Coder 的“作弊争议”,到被哥大开除的创业故事,再到这次荒诞的“回应视频”,Roy Lee 的整个个人品牌几乎都是沿着这条路径建立起来的:争议本身就是传播内容。这可能也就不难解释,a16z 为什么会选择投 Cluely,投 Roy Lee。

当争议变成一种增长策略

在过去的创业叙事里,增长通常来自产品能力、技术壁垒和商业模式。但在今天的互联网环境中,另一种资源变得越来越重要——注意力

这套逻辑在加密行业其实早已被验证过。许多加密项目通过制造话题、争议甚至戏剧化事件来抢占用户注意力,然后再把这些流量转化为产品增长或商业价值,尤其是 Meme 的崛起,纯传播、无(传统意义上的)产品。

某种程度上,Roy Lee 的回应视频正是这种逻辑的一个典型案例:当负面新闻出现时,与其试图压制争议,不如把争议本身重新包装成传播内容。

可见,在当下的互联网环境中,注意力往往比解释真相更有价值。

从认识Skill,到了解如何构建Crypto Research Skill

原文作者: @BlazingKevin_ ,Blockbooster研究员

1. Agent Skill 的诞生背景与演进

2025 年的 AI Agent 赛道正处于从“技术概念”向“工程落地”跨越的关键分水岭。在这个进程中,Anthropic 关于能力封装的探索,意外地促成了一次行业级的范式转移。

2025 年 10 月 16 日,Anthropic 正式推出了 Agent Skill。起初,官方对这一特性的定位表现得极为克制——它仅仅被视作提升 Claude 在特定垂直任务(如复杂代码逻辑、特定数据分析)表现的辅助模块。

然而,市场和开发者的反馈远超预期。大家很快发现,这套将“能力模块化”的设计在实际工程中展现出了极高的解耦性和灵活性。它不仅降低了 Prompt 调优的冗余度,还极大地提升了 Agent 执行特定任务的稳定性。这种体验,迅速在开发者社区引发了连锁反应。短时间内,包括 VS Code、Codex、Cursor 在内的头部生产力工具与集成开发环境(IDE)纷纷跟进,陆续完成了对 Agent Skill 架构的底层支持。

面对生态的自发扩张,Anthropic 捕捉到了这一机制的底层通用价值。2025 年 12 月 18 日,Anthropic 做出了一个具有行业里程碑意义的决定:正式将 Agent Skill 发布为开放标准

紧接着,在 2026 年 1 月 29 日,官方正式发布了 Skill 的详尽使用手册,从协议层面彻底打通了跨平台、跨产品复用的技术壁垒。 这一系列动作标志着 Agent Skill 已经彻底褪去了“Claude 专属附属品”的标签,正式演变为整个 AI Agent 领域中一种通用的底层设计模式

至此,一个悬念呼之欲出:这个让大厂与核心开发者纷纷拥抱的 Agent Skill,究竟在底层工程上解决了什么核心痛点?它与当前大热的 MCP 之间,又有着怎样的本质区别与协同关系?

为了彻底厘清这些问题,并最终将其落脚于加密行业投研的实际构建中,本文将层层递进地展开以下探讨:

  • 概念解析:Agent Skill 的本质及其基础架构构建。
  • 基础工作流:揭示其底层运转逻辑与执行流。
  • 进阶机制:深入剖析 Reference与 Script两大高级用法。
  • 实战案例:解析 Agent Skill 与 MCP 的本质差异,并演示在 Crypto 投研场景下的组合应用。

2. 什么是 Agent Skill 及其基础构建

到底什么是 Agent Skill?用最通俗的话来讲,它其实就是一份大模型可以随时翻阅的“专属说明文档”

在日常使用 AI 时,我们经常会遇到一个痛点:每次开启新对话,都要把长长的要求重新粘贴一遍。而 Agent Skill 就是为了解决这个麻烦而生的。

举个实际的例子:假设你想做一个“智能客服” Agent,你可以在 Skill 里明确写下规矩:“遇到用户投诉,第一步必须先安抚情绪,并且绝对不能随意做出赔偿承诺。” 再比如,你经常需要做“会议总结”,你可以直接在 Skill 里定好模版:“每次输出会议总结时,必须严格按照‘参会人员’、‘核心议题’、‘最终决定’这三个板块来排版。”

有了这份“说明文档”,你就不需要每次对话都去重复那一长串的指令了。大模型在接到任务时,会自动去翻阅对应的 Skill,立刻就知道该用什么标准来干活。

当然,“说明文档”只是一个为了方便大家理解的简化比喻。实际上,Agent Skill 能做的事情远比单纯的格式规范要强大得多,它的那些“杀手级”高级功能我们会在后面的章节详细拆解。但在起步阶段,你完全可以把它当成一份高效的任务说明书。

接下来,我们就用“会议总结”这个大家最熟悉的场景,来看看究竟该怎么动手创建一个 Agent Skill。整个过程并不需要复杂的编程知识。

根据目前主流工具(如 Claude Code)的设定,我们需要在电脑的用户目录下找到(或新建)一个叫 .claude/skill 的文件夹,这里就是存放所有 Skill 的“大本营”。

第一步,在这个目录里创建一个新文件夹。这个文件夹的名字,就是你这个 Agent Skill 的名字。 第二步,在刚刚建好的文件夹里,创建一个名为 skill.md 的文本文件。

每一个 Agent Skill 都必须有这么一个 skill.md 文件。它的作用就是告诉 AI:我是谁,我能干什么,以及你该怎么按我的要求工作。打开这个文件,你会发现它清晰地分成了上下两部分:

在文件的最开头,通常是被两段短横线 --- 包起来的区域。这里面只写两个核心属性:namedescription

  • name:就是这个 Skill 的名字,必须和外面的文件夹名字一模一样。
  • description:这是极其重要的一环。它负责向大模型解释这个 Skill 的具体用途。AI 在后台会持续扫描所有 Skill 的描述,以此来判断当前用户的提问到底该用哪一个 Skill 来解答。 因此,写一段精准、全面的描述,是确保你的 Skill 能被 AI 准确唤醒的大前提。

短横线下方剩下的部分,就是写给 AI 看的具体规则了。官方把这部分叫做“指令”。 这就是你发挥的地方,你要在这里详细描述模型需要遵循的逻辑。比如在会议总结的例子里,你就可以在这里用大白话规定:“必须提炼出参会人员名单、讨论的议题以及最终落实的决定”。

把这几步做完,一个简单但非常实用的 Agent Skill 就诞生了。

不过,一个真正好用的 Skill,往往始于周密的前期设计。在键盘上敲下第一行字之前,先清晰地定义目标、范围和成功标准,会让你的构建过程事半功倍。

构建 Skill 的第一步,其实不是去想“我能让 AI 搞出什么花样”,而是要反问自己:“我到底需要解决日常工作中的什么重复性问题?” 建议一开始先具体定义出 2 到 3 个这个 Skill 应该覆盖的明确场景。

其次,是定义成功的标准。你怎么知道自己写出的 Skill 好不好用?在动手前,给它设定几个能衡量的标准。比如定量的标准可以是“处理速度是否变快了”,定性的标准可以是“它提取的会议决定是不是每次都足够精准没有遗漏”。

3. Agent Skill 的基础运行工作流

在了解了 Agent Skill 的基本面貌后,我们不禁要问:在实际运行中,这套“说明文档”究竟是如何发挥作用的?

如果你最近体验过像 Manus AI 这样的产品,你大概率经历过这样的场景:当你抛出一个特定问题时,AI 并没有立刻开始“长篇大论”或产生幻觉,而是敏锐地意识到“这件事归某个特定的 Agent Skill 管”。于是,它会在界面上弹出一个提示,询问你是否允许调用该 Skill。

当你点击“同意”后,AI 便像换了一个人一样,严格按照预设的规矩完美输出结果。

这个看似简单的“申请-同意-执行”的交互背后,其实隐藏着一套极为精巧的底层运行工作流。为了彻底讲清楚这套机制,我们需要先明确整个流程中参与交互的“三个核心角色”:

  1. 用户:发起任务请求的人。
  2. 客户端工具(如 Claude Code 等):负责调度和统筹的“中间人”。
  3. 大语言模型:负责理解意图和生成最终结果的“大脑”。

当我们向系统输入一段需求(例如:“帮我总结一下今天早上的项目例会”)时,这三个角色之间会发生如下的四步精密协作:

第一步:轻量级扫描(传递元数据)

用户输入请求后,客户端工具(Claude Code)不会一股脑地把所有说明文档都扔给大模型。相反,它只会把用户的请求,连同当前系统中所有 Agent Skill 的“名称”和“描述”(也就是我们上一章提到的 Metadata 元数据层),打包发送给大模型。 你可以想象一下,哪怕你安装了十几个甚至几十个 Skill,此时大模型拿到的也仅仅是一份“轻量级的目录”。这种设计极大地节省了模型的注意力,避免了信息的相互干扰。

第二步:精准的意图匹配 大模型在收到用户请求和这份“Skill 目录”后,会进行快速的语义分析。它发现用户的诉求是“总结会议”,而目录中恰好有一个名叫“会议总结助手”的 Skill,其描述完美契合该任务。 此时,大模型会把这个匹配结果告诉客户端工具:“我发现这个任务可以用‘会议总结助手’来解决。”

第三步:按需加载完整指令 得到大模型的反馈后,客户端工具(Claude Code)才会真正进入“会议总结助手”的专属文件夹,去读取那个完整的 skill.md 正文。 请注意,这是一个极其关键的设计:只有在此时,完整的指令内容才会被读取,而且系统只读取这一个被选中的 Skill。 其他未被命中的 Skill 依然安静地躺在目录里,不会占用任何资源。

第四步:严格执行与输出响应 最后,客户端工具会将“用户的原始请求”和“会议总结助手完整的 skill.md 内容”一起发送给大模型。 这一次,大模型不再是做选择题,而是进入了执行模式。它会严格遵循 skill.md 里定下的规矩(比如:必须提取参会人员、核心议题、最终决定),生成高度结构化的响应,并交由客户端工具展示给用户。

4. 核心机制一:按需加载与 Reference

上一章的工作流,引出了 Agent Skill 的第一个核心底层机制——按需加载

虽然所有 Skill 的名称和描述始终对大模型可见,但具体的指令内容,只有在该 Skill 被精准命中后,才会被真正拉取到模型的上下文中。

这就极大地节省了宝贵的 Token 资源。试想一下,哪怕你同时部署了“爆款文案”、“会议总结”、“链上数据分析”等十几个大体量的 Skill,模型最初也只需做一次极低消耗的“目录检索”。只有在选中目标后,系统才会把那份对应的 skill.md 喂给模型。这种“按需加载”,就是 Agent Skill 保持轻量和高效的第一层密码。

然而,对于追求极致效率的进阶用户来说,仅仅做到第一层按需加载还不够。

随着业务的深入,我们往往希望 Skill 变得更加聪明。以“会议总结助手”为例,我们希望它不仅能简单复述议题,还能提供增量的洞察价值:当会议决定要花钱时,它能直接在总结里标注是否符合集团的财务合规;当涉及到外部合作时,它能自动提示潜在的法务风险。这样一来,团队在看总结时,一眼就能扫到关键的合规预警,免去了二次查阅规章制度的繁琐。

但这在工程上带来了一个致命矛盾:Skill 要想具备这种能力,前提是必须把冗长的《财务规定》和《法律条文》全都塞进 skill.md 文件里。这会导致核心指令文件变得无比臃肿。哪怕今天开的只是一场纯技术的早会,模型也被迫要加载数万字的财务和法律“废话”,这不仅造成了 Token 的严重浪费,还极易引发模型的“注意力涣散”。

那么,能不能在按需加载的基础上,再实现一层“按需中的按需”呢?比如,只有当会议内容真真切切聊到了“钱”,系统才把财务规定掏出来给模型看?

答案是肯定的。Agent Skill 体系中的 Reference 机制,正是为此而生。

Reference 的本质,是条件触发的外部知识库。我们来看看它是如何优雅地解决上述痛点的:

  1. 建立外部参考文件:首先,我们在该 Skill 的目录下新增一个独立文件,也就是术语中的 Reference。我们将它命名为 集团财务手册.md,里面详细列明了各项报销标准(例如:住宿补贴 500 元/晚,餐饮费人均 300 元/天等)。
  2. 设定触发条件:接着,回到核心的 skill.md 文件中,新增一条专门的“财务提醒规则”。我们可以用自然语言明确约定:“仅在会议内容提及钱、预算、采购、费用等字眼时触发。触发后,需读取 集团财务手册.md 文件。请根据该文件内容,指出会议决定中的金额是否超标,并明确相应的审批人。”

完成设定后,当我们在下一次会议中复盘预算分配时,一场精妙的动态协作就开始了:

  1. 客户端工具扫描并向你申请使用“会议总结助手” Skill(完成第一层按需加载)。
  2. 模型在阅读会议记录时,敏锐地捕捉到了“预算”相关的字眼,立刻触碰了我们在 skill.md 中埋下的规则。
  3. 此时,系统会向你发起第二次请求:“是否允许读取 集团财务手册.md?”(完成第二层按需加载:Reference 动态触发)。
  4. 授权通过后,模型将会议内容与动态引入的财务标准进行交叉比对,最终输出一份不仅包含“参会人员、议题、决定”,更挂载了“财务合规预警”的高质量总结。

请务必记住 Reference 的核心特征:它是严格受条件约束的。反过来说,如果今天你们开的是一场探讨代码逻辑的技术复盘会,全场与钱毫无关系,那么这份 集团财务手册.md 就会安静地躺在硬盘里,绝不会占用哪怕一个 Token 的算力资源。

5. Script与渐进式披露机制

讲完了解决信息过载的 Reference 机制,接下来我们进入 Agent Skill 的另一个杀手级能力:代码执行(Script)

对于一个成熟的 Agent 来说,仅仅会“查资料”和“写总结”是不够的,能直接上手把活儿干了,才是真正的自动化闭环。这就是 Script 的用武之地。

继续拿我们的“会议总结助手”举例。总结写完后,通常还需要把它同步到公司的内部系统。为了实现这最后一步,我们在 Skill 的文件夹里新建一个 Python 脚本,命名为 upload.py,里面写好了对接公司服务器的上传逻辑。

接着,我们回到核心的 skill.md 文件中,追加一条明确的指令:“当用户提到‘上传’、‘同步’或‘发送到服务器’等字眼时,你必须运行 upload.py 脚本,将生成的总结内容推送到服务器。”

当你对 AI 说:“总结写得不错,帮我同步到服务器吧。”

客户端工具会立刻向你申请执行这个 upload.py 文件。但请注意一个极其关键的底层逻辑:在这个过程中,AI 并没有去“读取”这串代码的内容,它仅仅是去“执行”了它。

这意味着,哪怕你的 Python 脚本里写了一万行极其复杂的业务逻辑,它对大模型上下文的消耗也几乎是。AI 就像在使用一个“黑盒”工具,它只关心怎么启动这个工具,以及最后有没有成功,至于盒子里是怎么运作的,它毫不在意。

这就引出了 Reference 和 Script 这两大高级功能在机制上的本质区别:

  • Reference(读): 它是把外部文件的内容“搬”到模型的脑子里(上下文)作为参考,因此消耗 Token。
  • Script(跑): 它是在外部环境中直接被触发运行,只要你把运行方法交代清楚,它就不会占用模型的上下文。

当然,这里有一个避坑指南:在写 skill.md 时,你必须把脚本的触发条件和执行命令解释得绝对清楚。如果 AI 遇到模糊的指令不知道该怎么跑,它可能就会“退而求其次”,试图去偷看代码内容来寻找线索,这时候你的 Token 可就要遭殃了。所以,写 Skill 的铁律是:尽可能把规则定义得清晰无死角。

讲到这里,我们其实已经把 Agent Skill 的所有核心组件拼图都找齐了。是时候停下来,站在全局视角做个总结了。

如果你仔细回味整个加载过程,你会发现 Agent Skill 的设计哲学,其实是一种极其精密的渐进式披露机制。为了极致地节省算力并保持高效,它的系统被严格划分为了三层,每一层的触发条件都步步收紧:

  • 第一层:元数据层(始终加载) 这里存放着所有 Agent Skill 的 namedescription。它就像是大模型的“常驻目录”,极度轻量。大模型每次接单前都会先扫一眼这里,完成初步的路由匹配。
  • 第二层:指令层(按需加载) 对应 skill.md 里的具体规则。只有当第一层确认了任务归属,AI 才会“翻开”对应的这一层,把具体的规矩加载进脑子里。
  • 第三层:资源层(按需中的按需加载) 这是最深、也是最庞大的一层。它包含了三个核心组件:
  • Reference: 比如 集团财务手册.md,只有当对话触发了特定条件(如提到“钱”),才会被读取。
  • Script: 比如 upload.py,只有当需要执行特定动作(如“上传”),才会被运行。
  • Asset: 比如生成研报时需要用到的公司 Logo 图标、专属字体、特定的 PDF 模板等。它们也只在最终生成产物的那一刻才被调用。

6.Agent Skill 与 MCP 的本质区别及组合实战

聊完了 Agent Skill 的高级用法,很多对 AI 底层协议有所了解的读者可能会产生一种强烈的既视感:Agent Skill 的 Script 机制,怎么看都和最近大热的 MCP非常相似。本质上,它们不都是让大模型去连接和操作外部世界吗?

既然功能存在重叠,在构建 Crypto Research 工作流时,我们到底该选哪一个?

针对这个问题,Anthropic 官方曾用一句非常经典的话点明了两者最核心的本质区别:

“MCP connects Claude to data. Skills teach Claude what to do with that data.”(MCP 负责将 Claude 连接到数据;而 Skill 负责教 Claude 如何处理这些数据。)

这句话可谓一语中的。MCP 本质上是一条“数据管道”,它负责标准化地向大模型供给外部信息(比如查询某条链上的最新区块高度、拉取交易所的实时 K 线、读取本地的投研 PDF)。而 Agent Skill 本质上是一套“行为准则(SOP)”,它负责规范大模型拿到这些数据后该怎么干活(比如规定投研报告必须包含代币经济学模型、规定输出的结论必须带有风险提示)。

这时可能会有极客提出反驳:“既然 Agent Skill 也能跑 Python 代码,我直接在 Script 里写一段连接数据库或调用 API 的逻辑不就行了吗?Agent Skill 完全可以把 MCP 的活儿一起干了!”

确实,在工程实现上,Agent Skill 也能去拉取数据。但是极其别扭且不专业。

这种“不专业”体现在两个致命维度上:

  1. 运行机制与状态保持:Agent Skill 的脚本是“无状态”的,每次触发都是一次独立的执行,跑完即焚。而 MCP 是一个独立运行的长期服务,它可以保持与外部数据源的持久化连接(比如下文会提到的 WebSocket 长链接),这是单纯的脚本根本做不到的。
  2. 安全性与稳定性:让 AI 每次都去裸跑一个拥有最高系统权限的 Python 脚本,存在极大的安全隐患;而 MCP 提供了标准化的隔离环境和鉴权机制。

因此,在构建高阶的 Crypto Research 体系时,最强大的解法绝不是二选一,而是“MCP 供水,Skill 酿酒”——将两者强强联合。

为了让大家直观感受到这种组合的威力,我们以 Web3 开发者 Cryptoxiao 构建的 opennews-mcp 为例,拆解如何利用 API 增强型 Skill 打造一个全自动的加密新闻情报中心。

这类 Skill 的核心逻辑是:将 MCP 提供的离散 API 能力,通过 Skill 的指令编排,封装成一个面向最终投研目标的智能 Agent。

该体系赋予了 AI 四大核心模块能力:

模块一:新闻源发现

这是 AI 理解该工具能力边界的入口。通过 discovery.py 中的工具,AI 可以动态地了解到它能从哪些渠道获取信息。

模块二:多维度新闻检索

这是最核心的查询模块,由 news.py 实现,提供了从简单到复杂的多种新闻检索方式。

模块三:AI 赋能的分析与洞察

这部分工具利用了 6551.io 后端已经完成的 AI 分析结果,让 AI Agent 可以直接查询“观点”而非仅仅是“事实”。

关键洞察:AI Agent 调用这些工具时,它并不知道 MCP 服务器在内部执行了“获取-再过滤”的两步操作。对 AI 来说,它只是调用了一个能直接返回“高分新闻”或“利好新闻”的神奇工具,极大地简化了 AI 的工作流。

模块四:实时新闻流

这是 opennews-mcp 的“杀手级”能力,由 realtime.py 实现,赋予了 AI 监听实时事件的能力。

当这些基于 MCP 驱动的工具被写进 Agent Skill 的指令流后,你的 AI 就正式从一个“通用陪聊助理”蜕变成了一个“华尔街级别的 Web3 分析师”。它可以全自动执行以往需要研究员耗费数小时的复杂工作流:

工作流示例一:新币种快速尽职调查 (DD)

  1. 指令下达:用户输入“深度调研一下刚刚上线的 @NewCryptoCoin 项目。”
  2. 基础摸底:Agent 自动调用 opentwitter.get_twitter_user 获取官方推特数据。
  3. 背书交叉验证:调用 opentwitter.get_twitter_kol_followers,穿透分析有哪些头部 KOL 或 VC 已经悄悄关注了该项目。
  4. 全网舆情搜索:调用 opennews.search_news_by_coin 检索媒体报道与公关动作。
  5. 信噪比过滤:调用 opennews.get_high_score_news 将无价值的快讯剔除,仅精读高分长文。
  6. 输出研报:Agent 根据 Skill 中预设的研报格式,输出一份包含“基本面、社区筹码结构、媒体热度及 AI 综合评级”的标准尽调报告。

工作流示例二:实时事件驱动的交易信号发现

  1. 指令下达:用户输入“帮我全天候盯盘,寻找‘零知识证明(ZK)’赛道的突发交易机会。”
  2. 部署哨兵:Agent 调用 opennews.subscribe_latest_news 建立 WebSocket 长连接,精准监听内容包含 “ZK” 或 “Zero-Knowledge Proof” 且关联具体代币的新闻流。
  3. 捕捉利好:当系统捕获到某项目(如 SomeCoin)在 ZK 技术取得突破的高权重利好新闻,且情绪指标判定为 Long 时,立刻阻断休眠。
  4. 社区情绪共振测试:Agent 毫秒级调用 Twitter 搜索工具,查阅多位 ZK 领域核心 KOL 是否在同步发酵该事件。
  5. 警报触发:若满足“媒体首发+社区共振”的条件,Agent 立即向用户推送高确定性的 Alpha 交易警报。

至此,通过 Agent Skill 规范行为逻辑,结合 MCP 贯通数据大动脉,一套高度自动化、专业化的 Crypto Research 工作流便彻底闭环了。

关于BlockBooster

BlockBooster 是一家面向数字时代的新一代另类资产管理公司。我们运用区块链技术,投资、孵化并管理数字时代的核心资产——从 Web3 原生项目到真实世界资产 (RWA)。作为价值共创者,我们致力于发掘并释放资产的长期潜力,为我们的合作伙伴与投资人在数字经济的浪潮中捕获卓越价值。

免责声明

本文/博客仅供参考,代表作者的个人观点,并不代表BlockBooster的立场。本文无意提供:(i) 投资建议或投资推荐;(ii) 购买、出售或持有数字资产的要约或招揽;或 (iii) 财务、会计、法律或税务建议。持有数字资产,包括稳定币和NFT,风险极高,价格波动较大,甚至可能变得一文不值。您应根据自身的财务状况,仔细考虑交易或持有数字资产是否适合您。如有具体情况方面的问题,请咨询您的法律、税务或投资顾问。本文中提供的信息(包括市场数据和统计信息,若有)仅供一般参考。在编写这些数据和图表时已尽合理注意,但对其中所表达的任何事实性错误或遗漏概不负责。

RWA周报|代表性资产跌幅近14%;美元稳定币市值重新站回3000亿美元(3.4-3.10)

原创 | Odaily 星球日报(

相较上周,本周并没有出现某一类风险资产的集中爆发,而是更多体现为主流资产之间的温和轮动:美债继续吸纳资金,机构另类基金和公司债边际走强,而商品和私人信贷则在高位出现一定整理。

整体来看,本周期 RWA 链上分布资产总值继续上行,但增长速度放缓,代表性资产总值明显回撤。用户数量与稳定币总市值同步改善,则说明市场参与度仍在恢复。结构上,如前文所述,资金继续偏好美债等高确定性资产,同时开始向公司债和机构另类基金等中风险板块扩散,整体风险偏好略有抬升。

市场关键词:高位整固、结构轮动、流动性修复。

重点事件回顾

数据:美元稳定币市值重新站回 3000 亿美元

据 RWA.xyz 数据,美元稳定币总市值已达 3010.4 亿美元。其中 USDT 市值约 1951.47 亿美元,USDC 市值约 796.47 亿美元,继续位列稳定币市场前两位。

CLARITY 法案争议升温:白宫加密官员驳斥稳定币奖励引发银行存款外流观点

美国《CLARITY 法案》讨论引发银行业与白宫加密政策官员公开争论,德州独立银行家协会总裁 Christopher Williston VI 在 X 平台发文公开表示如果银行业在该法案上做出妥协将损害地方贷款与经济生产能力,并称不会在支撑地方经济的流动性问题上退让。对此,白宫数字资产顾问委员会执行主任 Patrick Witt 回应称,若在《CLARITY 法案》问题上不作任何妥协,意味着不会对中介机构提供稳定币奖励设立限制,若按照银行业关于“存款外流”的说法,这种情况可能带来灾难性后果,这一逻辑“就像看着一名纵火者威胁要烧毁自己的房子”。

Coinbase:美国加密税务新规复杂,稳定币与 Gas 费申报或导致系统“过度报告”

Coinbase 表示美国国税局(IRS)推出的数字资产税务申报表格 1099-DA 规则过于繁琐,可能给大量加密货币持有者带来不必要的行政负担。Coinbase 税务副总裁 Lawrence Zlatkin 指出,新规要求报告稳定币交易及网络 Gas 费等微小金额交易,而稳定币本身价格基本不变、Gas 费通常仅为几美元甚至更低,这类信息的申报可能导致系统“过度报告”,使税务体系更加复杂。

据悉,Coinbase 目前正向数百万美国用户发送 1099-DA 表格,该制度要求交易平台向 IRS 报告用户的数字资产交易情况,并向用户同步副本,以便其自行申报盈亏。不过在今年的申报中,Coinbase 仅会向 IRS 报告数字资产出售的总收入(gross proceeds),而不会提供成本基础(cost basis),用户需自行计算真实的应税收益,这可能导致部分投资者产生困惑,Coinbase 计划从下一税年开始为用户计算成本基础以简化申报流程。

纽约证券交易所母公司 ICE 以 250 亿美元估值投资 OKX

纽约证券交易所母公司 ICE 以 250 亿美元估值投资加密货币交易所 OKX,目前 ICE 拒绝透露对 OKX 的具体投资金额或投资条款,但强调两家公司对未来的共同愿景。据悉,OKX 将向 ICE 提供加密货币实时价格数据,并计划自 2026 年下半年起,向其用户开放交易在纽交所上市的链上股票及衍生品。ICE 此前曾宣布自建基于区块链的代币化证券交易基础设施,并投资预测市场平台 Polymarket。(推荐阅读:《纽交所 250 亿美元估值入股 OKX,股票代币化正式上岸》)

数据:DeFi 稳定币利率创自 2023 年 6 月以来最低水平

Blockworks 在 X 平台发文表示,DeFi 中的稳定币利率已降至自 2023 年 6 月以来的最低水平。

数据:2 月稳定币交易笔数达 1.8 万亿次,创历史新高;USDC 交易占比约 70%,约为 USDT 交易笔数的 2 倍

据 Allium 网站数据,2 月稳定币交易笔数达 1.8 万亿次,创月度历史新高;其中,USDC 交易笔数占市场整体数据的 70%,约为 1.26 万亿次,约为 USDT 交易笔数的 2 倍,后者交易笔数约为 5140 亿次。

美国佛罗里达州参议院全票通过稳定币监管法案,为支付型稳定币建立州级监管框架

佛罗里达州参议院周四以 37 票赞成、0 票反对的结果通过第 314 号参议院法案,为该州建立支付稳定币发行监管框架铺平道路。该法案与配套的众议院第 175 号法案将在未来 30 天内提交州长 Ron DeSantis 签署。据悉,该法案禁止支付稳定币发行人向持有者支付任何形式的利息,前提是 “联邦法律禁止此类支付 ”。配套法案 CS/CS/SB 1440 同日通过,扩大对虚拟货币企业、合格支付稳定币发行人等机构信息的保密保护,以保护商业秘密和非公开信息。

香港证监会行政总裁:须彻底升级市场基础设施,整合代币化相关创新项目

香港证监会行政总裁梁凤仪在 2026 亚洲证券业与金融市场协会的欧盟-亚洲金融服务对话活动上发表主题演说,她表示香港必须彻底升级市场基础设施,特别是在金融产品的分割化、清算和结算方面,而分布式分类帐技术(distributed ledger technology)及代币化发展提供了出路,代币化的真正价值在于它的可编程性质能支持广泛投资产品,包括债券、基金以至黄金等,随着代币化生态圈不断壮大,必须有效整合相关创新项目,将市场对传统金融的信心与去中心化金融的效率无缝结合,进一步释放流动性。梁凤仪透漏,香港证监会已与澳大利亚证券及投资事务监察委员会共同领导亚太区委员会辖下一个工作小组打击网上骗局,并与全球同业交换情报参与数字资产等范畴的标准厘定及协调工作。

韩国金融当局拟禁止企业投资稳定币

韩国金融委员会正在制定的“法人虚拟货币交易指引”中,投资许可范围将不包含稳定币。该指引旨在允许上市法人及专业投资注册法人以投资或财务目的进行数字资产交易。当局为防止市场初期的无序投资,决定将 USDT、USDC 等美元稳定币排除在许可范围之外。

稳定币被排除的原因之一在于,当前韩国外汇交易法并未将稳定币认定为对外支付手段。若将稳定币纳入投资许可范围,将与现行法律体系产生矛盾,相当于变相允许企业将稳定币用于贸易等商业目的。目前韩国国会正在审议一项外汇交易法修正案,拟将稳定币认定为支付手段,该法案于去年 10 月提出。

据悉,部分贸易占比较高的上市公司曾要求将稳定币纳入许可范围,以便利用稳定币进行外汇对冲。即使被排除在指引之外,企业仍可通过个人钱包或海外交易所进行稳定币交易。业内人士透露,相关实务工作组已完成工作,但指引的发布时间与数字资产基本法的立法进程挂钩。

俄罗斯财政部计划推出稳定币法案,称其具有”巨大潜力”

俄罗斯财政部官员表示正在考虑推出一项独立的稳定币法案,而非将稳定币纳入即将出台的加密交易所法规中。财政部金融政策司司长 Alexey Yakovlev 表示,稳定币具有“巨大甚至是极其巨大的潜力”。

俄罗斯已将稳定币视为潜在的绕过制裁工具。Yakovlev 称,待国家杜马通过禁止公民在无运营许可证平台上交易加密资产的法案后,将着手推进稳定币监管。该加密法案预计将于春季会议提交国家杜马,最早可能于 7 月生效。

目前稳定币在俄罗斯法律中尚无合法地位,财政部表示希望尽快解决这一问题。Yakovlev 表示,政府希望确保稳定币“服务于经济利益,尤其是国内利益”。此前,俄罗斯央行已设立“外国数字权利”类别,首个获批的稳定币为卢布挂钩的 A7A5 稳定币,于去年 10 月获准用于海外贸易。据 DefiLlama 数据,自 2025 年初以来,已发行稳定币总价值上涨超 51%,达 3110 亿美元。

贝莱德 260 亿美元私募信贷基金限制赎回,市场担忧压力外溢至比特币及 DeFi

资管巨头贝莱德旗下一只规模约 260 亿美元 的私募信贷基金因赎回请求上升已开始限制提款,引发市场对全球私募信贷市场压力外溢的担忧。分析人士警告称,风险还可能直接通过链上传导,数据显示当前链上私募信贷规模已接近 50 亿美元,主要以 RWA 代币化形式进入 DeFi,一旦底层信贷资产出现减值或违约,相关代币的净值波动可能触发清算或流动性收紧,从而将传统信贷压力传导至 DeFi 生态。此外,该领域的紧张局势可能通过宏观去杠杆及代币化信贷产品两条渠道传导至加密市场,若私募信贷基金被迫去杠杆或平仓资产,可能在更广泛的风险资产中引发连锁反应,并波及包括比特币在内的加密资产。

稳定币支付公司 KAST 完成 8000 万美元融资,估值约 6 亿美元

稳定币支付公司 KAST 完成 8000 万美元融资,由 QED Investors 和 Left Lane Capital 共同领投,资金将用于北美、拉美和中东扩张,以及招聘、牌照申请和产品开发。新一轮估值约 6 亿美元。知情人士称,该轮融资的条款于 10 月份敲定,公司今年年化营收有望升至 1 亿美元。

彭博分析师:股权代币化不会取代 ETF,而是普惠投资者

彭博 ETF 高级分析师 Eric Balchunas 在 X 平台发文表示,纳斯达克推出股权代币化框架,旨在允许像英伟达和特斯拉这样的股票既可作为传统股票交易,同时也支持区块链代币形式进行交易,这一举措将为传统股市与区块链投资者之间建立桥梁,使股票交易方式更加多元化。股权代币化不会取代 ETF,而是将其分发到链上,为全球投资者,尤其是欠发达国家和地区提供参与机会,将全球最受欢迎的 ETF 和股票带到链上对市场而言是利好。

热点项目动态

Ondo Finance (ONDO)

一句话介绍:

Ondo Finance 是一个去中心化金融协议,专注于结构化金融产品和现实世界资产的代币化。它的目标是通过区块链技术为用户提供固定收益类产品,如代币化的美国国债或其他金融工具。Ondo Finance 允许用户投资于低风险、高流动性的资产,同时保持去中心化的透明性和安全性。其代币 ONDO 用于协议治理和激励机制,平台还支持跨链操作,以扩大其在 DeFi 生态中的应用范围。

最新动态:

3 月 9 日,据官方公告,币安钱包在币安 Alpha 推出 Ondo 代币化证券交易竞赛。活动时间:2026 年 03 月 09 日 18:00 至 2026 年 03 月 23 日 18:00(东八区时间)。活动期间,在币安 Alpha 上交易 Ondo 代币化证券交易量排名前 20,000 名的用户,将均分价值 500,000 美元等值 IAUon 奖励。

此前,Ondo Finance 在 X 平台发文表示由 Chainlink 作为官方数据预言机支持的 Ondo 代币化股票 DeFi 应用现已上线。QQQon、TSLAon 等机构级定价资产已作为高质量抵押品解锁链上股票。凭借 TradFi 流动性与预言机数据,Ondo 代币化美国股票现可支持链上借贷及结构化产品,首批上线的项目为 Euler Finance 金库,由 Sentora 进行风险管理并由 Chainlink 提供安全保障。这是代币化股票首次在以太坊 DeFi 中作为抵押品使用。

MSX(STONKS)

一句话介绍:

MSX 是社区驱动的 DeFi 平台,专注于将美国股票等 RWA 代币化并上链交易。平台通过与 Fidelity 合作,实现 1:1 实物托管与代币发行。用户可使用 USDC、USDT、USD1 等稳定币铸造 AAPL.M、MSFT.M 等股票代币,并在 Base 区块链上全天候交易。所有交易、铸币与赎回流程均由智能合约执行,确保透明、安全、可审计。MyStonks 致力于打通 TradFi 与 DeFi 边界,为用户提供高流动性、低门槛的美股链上投资入口,构建”加密世界的纳斯达克”。

往期动态:

3 月 2 日,麦通 MSX 官方宣布正式上线 Pre-IPO 版块,并启动首期发售。第一批开放标的包括 SpaceX(300 万美元)、ByteDance(200 万美元)、Lambda Labs(100 万美元)及 Cerebras Systems(50 万美元)共 4 家未上市企业股权额度,符合条件的用户可通过 MSX 平台参与认购,单笔最小认购金额为 10 美元。本次 Pre-IPO 板块基于 MSX 与 Republic 的合作结构搭建,相关资产通过合规通道对接,并由受监管的第三方托管机构持有,MSX 表示未来后续将分阶段拓展 Pre-IPO 标的范围,并探索提升资产流动性的技术路径。

此前,麦通 MSX 宣布,其官方网站 msx.com 已于 2026 年 2 月 11 日完成整体设计升级,本次改版围绕 “视觉重构、交互优化、品牌传递 ”三大方向展开,包括采用深色金融配色、引入新拟物风格和人物元素,以及重组行情与功能模块的布局。在交互上,官网基于栅格系统增加页面留白,弱化非关键信息干扰,将行情、仓位、下单等高频区域的入口和按钮进行集中与精简,以缩短操作路径。 同时,网站统一使用品牌绿色标记关键操作和状态反馈,提升下单、确认等关键步骤的可读性,降低误触和误判风险。

相关链接

RWA 周报系列

稳定币地位抬升后,老伙伴 Circle 和 Stripe 互抢地盘

纽交所 250 亿美元估值入股 OKX,股票代币化正式上岸

OpenClaw x Crypto:这8个项目已经开始「接单」赚钱了

原文作者:Diego

原文编译:AididiaoJP,Foresight News

下一轮牛市的主线,将是 Crypto 与 AI 的交汇,而 AI 代理正是推动这场加密复兴的核心力量。

@openclaw 是为这些代理提供支持的底层框架,而区块链则负责将这些代理的价值进行代币化、交易和衡量。

花了 30 多个小时研究后,今天的文章里,我想分享我个人最看好的 @openclaw × 加密代理项目。

Web2 公司 → Web3 代理

仔细想想,AI 代理和 Web2 公司及其股票其实很像:

它们可以通过卖产品和服务赚钱。

它们也有支出,比如大语言模型的调用费和订阅费。

一个 AI 代理,本质上就像一个公司或者一个独立创业者,区别在于它是数字化的,没有人类参与。

所以问题来了:我们能不能把这种新型的「数字工作者」也代币化?

就像 Web2 公司有股票一样,AI 代理也可以有自己的「股票」,也就是加密货币形式的代币。

这就是「代理代币化」的真正含义:创建代币,用来代表 AI 代理的所有权、收益权,以及它本身的价值。

OpenClaw 代理,如何在 Web3 创造价值

最近,我们看到了很多为 @openclaw 代理开发的「Web3 技能」。

这些技能由 @bankrbot、@virtuals_io 和 @CoinbaseDev 等项目提供,让 OpenClaw 代理拥有了操作加密货币的能力。

比如,教会它们如何管理 Web3 钱包、兑换代币,以及接受稳定币付款。

最后这项「接受付款」的能力尤其重要,因为它支撑起了「代理经济」——一个由代理自主运行,相互买卖产品和服务的经济体系。

这一点很关键,因为在这篇文章里,我挑选的正是已经参与到这个新经济体系中的代理。

换句话说,这些代理已经开始销售产品和服务,并在链上产生真实收入了。

Top 8 OpenClaw x 加密代理盘点

下面的代理都在创造服务或数字产品,其中这几个我觉得最有意思:

@senpi_ai — OpenClaw 上的 Hyperliquid 交易员

想象一下,你的 OpenClaw 代理可以在 Hyperliquid 上自动交易,会怎样?

@senpi_ai 提供了一个目前最快、最安全的方式,让你从零开始,在 Hyperliquid 上部署一个能实盘交易的 AI 代理。普通交易者只需要一键设置,几分钟内就能拥有自己的 OpenClaw 代理开始交易。

每个 @senpi_ai 代理都内置了 48 个 Hyperliquid 交易工具,可以 7×24 小时在链上自主交易。而且代理的技能库还在不断扩充,会变得越来越专业。

交易者可以通过使用代理赚取积分,用于未来 Senpi 的项目代币发行(TGE),第二季活动到 3 月 31 日结束。

@KellyClaudeAI — 能开发 iOS 应用的代理

KellyClaude 是一个能开发苹果商店应用的 OpenClaw AI 代理。

开发者是 @Austen,这个代理已经向苹果商店提交了第一个应用,叫 FocusedFasting,目前已经开始有第一批订阅用户和收入了。

它连应用的营销也包了,自己创建了 TikTok 和 Instagram 账号。

KELLYCLAUDE 代币目前市值 754 万美元,是整个 OpenClaw × 加密赛道里价值最高的。

@clawdbotatg — Web3 开发者代理

如果说 KellyClaude 是为 Web2 开发 iOS 应用,那 @clawdbotatg 就是在为 Web3 做同样的事。

这个 AI 代理已经部署了 52 个以上的智能合约,7 个以上的正式应用,还做了一个叫「nerve cord」的东西,是给 AI 代理用的加密点对点通信层。

它下一个要建的大项目叫「ClawdViction」,是一个能创建代理、让它们参与 DAO 讨论的协议。

创始人 @austingriffith 是以太坊基金会的人,也是圈内很受信任的资深开发者。

代币 CLAWD 是通过 @bankrbot 发行的,目前市值 530 万美元。

@FelixCraftAI — 「代理型创业者」

如果一个 AI 代理自己当老板,开始卖数字产品和服务,会怎样?

@FelixCraftAI 就是目前最赚钱的代理之一,通过卖下面 4 种产品,已经赚了超过 7.5 万美元:

  • 一份 OpenClaw 使用指南的 PDF,卖 29 美元
  • Claw Mart,一个 AI 代理的应用商店
  • Polyogue,一个可以一起写作的平台
  • Felix Claw Mart 提供的各种服务

这个代理是 @nateliason 做的,然后用 @bankrbot 进行了代币化。它的目标是成为第一个收入达到 100 万美元的完全自主 AI 代理。

FELIX 代币现在市值 330 万美元,如果代理持续赚钱,我觉得它的价值也会跟着涨。

@Clawnch_Bot — AI 代理界的 PumpFun

如果 AI 代理自己也能发行代币呢?

PumpFun 是加密圈最成功的产品之一,也是目前最赚钱的去中心化应用之一,今年光手续费就收了 10 亿美元。

Clawnch 就是把 PumpFun 的模式搬到了 AI 代理身上,让像 Moltbook、4claw、Moltx 这样的代理可以直接通过社交网络发行自己的代币。

ClawnchBot 已经帮忙创建了 64,839 个代币,靠处理代币发行流程并抽取 20% 的未来交易手续费,自己赚了 200 万美元的收入。

目前,CLAWNCH 代币市值 749 万美元,运行在 Base 链上。

@moltlaunch — 像雇人一样,雇佣 AI 代理

@moltlaunch 让人类可以雇佣专业的 AI 代理来干活,或者通过买它的代币来支持它。主要有两种玩法:

  • 想找人干活:选个代理 → 谈好价格 → 付款
  • 想当投资者:买入代理的代币 → 代理赚了钱,会拿一部分来回购并销毁代币(供应变少,代币更值钱)

活干完后,客户可以留下链上评价(用的是 ERC-8004 标准,可以理解为一个公开的信用系统)。

这样能增加整个系统的可信度,也让更优秀的代理能慢慢脱颖而出。

MLTL 这个代币在 @base 链上,写这篇文章的时候市值大概 28 万美元。

@nookplot — AI 代理的「协调层」

Nookplot 是一个去中心化的代理协调层,AI 代理们在这里互相发现、协作、建立声誉,还能直接交易。

这个协议给自主代理提供了身份、沟通、信用体系和经济结算的能力。

可以把它理解成 OpenClaw 代理们的一个「万能工具箱」,帮助它们更好地组织起来完成任务。

这个项目更偏向基础设施层面,它的价值可能会随着 Web3 里 OpenClaw 代理的数量一起增长。

代币 NOOK 现在市值 217 万美元,也是用 @bankrbot 做的代币化。

@AntiHunterAI — 既有经济价值,又有文化价值的代理

@AntiHunterAI 是一个要在现实世界的各种限制下,同时创造经济价值和文化价值的 AI 代理。

它的目标很简单:证明一个代理可以从一个新奇玩意儿,变得真正有用,并且在公众视野里做出点实事。它主要通过两种方式:

  • 创造经济价值 -> 运行预测市场的交易策略,来赚钱。
  • 创造文化价值 -> 组织人类,在世界各地搞一些公开活动或者「朝圣」。

代币 ANTIHUNTER 在 @base 链上,市值 76 万美元。

@AntiHunterAI 是一个关于「召唤通用人工智能」的实验。

我也投资和创立 AI 公司,但之前从来没认真想过「后奇点时代」的通用人工智能,因为那个概念太科幻了,不像人类会关心的事…

我觉得,那些能赚到最多钱的 OpenClaw 代理,长期来看价值也会最高(它们的代币也是)。

获顶级风投押注,Zcash原班人马2500万美元「再创业」

原文作者:Sanqing,Foresight News

3 月 9 日,Zcash 开发机构 Zcash Open Development Lab(ZODL)宣布完成超过 2500 万美元种子轮融资,本轮融资参与方包括 Paradigm、a16z crypto、Winklevoss Capital、Coinbase Ventures、Cypherpunk Technologies、Maelstrom(Arthur Hayes 的家族办公室)、Chapter One,以及 Balaji Srinivasan、David Friedberg、Haseeb Qureshi、Mert、James Nicholas 等知名个人投资者。

据悉,此轮融资资金将用于 ZODL 扩充工程团队,并加速 Zcash 协议及其自托管隐私钱包 Zodl 的开发。

图源:ZODL 推文

Zcash 核心开发力量正式从非营利治理模式向独立商业初创实体转型。受此融资利好提振,Zcash(ZEC)价格小幅回升,触及 225 美元。市场关注或源于 ZODL 特殊的背景。ZODL 由 Zcash 原主导开发公司 Electric Coin Company(ECC)前 CEO Josh Swihart 创立,汇集了因治理分歧而于今年 1 月集体离职的原 ECC 全体工程与产品团队。

从 ECC 危机到 ZODL 独立

Zcash 自 2016 年诞生起便由 Electric Coin Company(ECC)主导开发作为零知识证明(zk-SNARKs)的行业先驱,ECC 在非营利组织 Bootstrap 的治理框架下运作多年,旨在实现真正的屏蔽隐私交易。

Josh Swihart 在 2023 年底接任 ECC CEO 后,开启了 Zcash 向用户体验(UX)转型的关键进程。他主导推出的旗舰钱包 Zashi(现更名为 Zodl)成为了生态转折点。

据 ZODL 在融资消息中透露,自 2024 年上线以来,该 App 推动 Zcash 屏蔽池(Shielded Pool)增长超过 400%。

通过与 Flexa 合作实现零售支付,联合 Keystone 落地冷存储方案,并与 NEAR 团队 合作通过 NEAR intents 开启了 ZEC 的无缝交换。自 2025 年 10 月 Swap 功能上线以来,已处理超过 6 亿美元的 ZEC 交换量。

图源:Josh Swihart 推文

然而,治理结构的积弊在 2026 年 1 月爆发。Josh 指出,团队与 Bootstrap 董事会(Zcash 生态中关键的非营利组织治理实体,注册于美国)在 Zcash 隐私协议的运作方向上存在不可调和的分歧,导致就业条件实质性改变。

这场危机最终导致 ECC 整个工程与产品团队集体离职,包括 CEO Josh Swihart、首席科学家 Chelsea Komlo、资深工程师 Sean Bowe 等约 25 人。消息公布后,ZEC 当日一度跌破 400 USDT,4 小时跌幅超过 14%。

ZODL 市场部主管 peacemonger 发推表示:「离开时我们没有带走任何资本,只带走了团队和未竟的工作。」 这群 Zcash OGs 以 ZODL 为名,完成了一次不妥协的重生。

图源:peacemonger 推文

ZODL 成立后,不仅无缝承接了 Zodl 钱包的运营,更实现了从「受资助者」向「独立商业实体」的身份跨越。

Josh 强调,本轮超过 2500 万美元的融资让团队能够将雄心变为现实,而无需再依赖 Zcash 开发者基金(Dev Fund)的拨款。这种独立性赋予了团队更纯粹的决策权。

对于投资者而言,ZODL 的护城河或许不仅是那些经过实战检验的代码,更是这支在隐私领域深耕十年、且在危机中保持高度一致性的核心团队。

顶级资本为何此时出手?

隐私赛道自 2025 年底迎来爆发,据 Bitget 行情数据,ZEC 最高触及 557.56 USDT,XMR(门罗币)最高触及 799.10 USDT。隐私币总市值最高突破 240 亿美元。

在此背景下,ZODL 获得的逾 2500 万美元融资不仅是 Zcash 生态史上最大的私人投资,更是 Web3 顶级资本对隐私赛道叙事的集体投票。

参投方中,Paradigm 和 a16z crypto 代表加密基础设施领域最顶级的机构判断,a16z 合伙人 Ali Yahya 公开表示「隐私将是 crypto 最大的护城河」,隐私已成为其 2026 年核心投资主题。

图源:a16zcrypto podcast

Winklevoss Capital 由 Gemini 创始人兄弟创立,长期深度押注 Zcash,将其视为 AI 时代隐私基础设施的核心标的;Coinbase Ventures 的参与则为项目进一步带来合规背书与主流生态集成的想象空间。

天使投资人 Balaji Srinivasan 作为「ZK-everything」愿景的知名布道者,将隐私定义为 crypto 继 PoW、可编程之后的第三阶段。五方在同一个项目上形成交集,这本身就是一个信号。

ZODL 会发币吗?生态又将走向何方?

目前官方没有任何发币表态,融资公告的核心叙事仍是「服务 ZEC 生态」。

且直接发行竞争币,在逻辑上说不通。Winklevoss Capital 和 Cypherpunk Technologies 等投资人本身大量持有 ZEC,存在明显的利益冲突。

但是 Paradigm 和 a16z 的 Web3 投资鲜有不附带代币认购条款的情况。此外,2500 万美元的种子轮体量,也超越了仅仅开发协议及开源钱包的需求。

更可能的路径是以 ZEC 为核心价值,辅以轻量级治理代币用于生态激励。短期发币可能性较低,但中长期某种代币机制几乎不可避免,这也是顶级机构实现流动性退出的最自然方式。

与此同时,ZODL 与 Bootstrap 的分歧根植于开发资金控制权和协议方向的决策权,2500 万美元的独立融资让 ZODL 彻底摆脱了对开发者基金的依赖,谈判动力已不复存在。

虽然直接分叉目前没有信号,但软性分裂已然发生。ZODL 掌握钱包 IP 和核心工程人才,Zcash 基金会则专注节点和基础设施层的独立路线图,两支力量将长期并行。

未来 6 至 12 个月,若双方在协议升级方向上产生公开分歧,则是 ZEC 投资者真正需要警惕的时刻。

Arthur Hayes:HYPE的下一站是150美元

原文标题:$HYPE Man

原文作者:Arthur Hayes,BitMEX 联创

原文编译:Saoirse,Foresight News

我们走进冰封的森林,爬上陡峭的火山。这不过是又一个滑雪徒步冥想的日子。置身寂静的雪林,我的思绪自由驰骋。当你全神贯注、一步一步缓慢攀登火山,成千上万次把一只滑雪板放在另一只前面时,你能迸发的创造力令人惊叹。我钟爱这三个月的宁静。

身心都渴望休息与恢复,滑雪季里,这意味着要去真正的雪场。在雪场那天,我卸下防滑贴,坐上机械缆车,短短几分钟就能把人送上数百米高空。吊椅和缆车都很棒,但有时我必须和别人共享这份宁静。

我在缆车里不太爱说话,安静坐在角落,但雪场里总有些爱热闹的人,喜欢随便找陌生人聊天打发时间。

问题都无伤大雅,却能让对方在心里给我定个位。我们总会聊到职业——我一个天天滑雪的人,既不是向导也不是教练,显得很奇怪。我礼貌回应,只说一句:「我搞电脑的。」科技行业的好处在于,大家都会默认你赚了些钱,却没法深究,因为他们连电是怎么回事都搞不懂,更别提用「电脑」能做的那些稀奇事。话题到这儿自然就冷了,谢天谢地,终于可以下车滑雪了。

我,或者我们 Maelstrom 团队到底是做什么的?

我们是流量操盘手,靠把关注度变现赚钱。变现方式主要是做多比特币和各类山寨币,很少做空。通过让市场关注我们的观点,我们相信长期来看,市场会验证我们的判断。

现在,请把注意力集中在 Hyperliquid(HYPE)上。

我不喜欢做空,因为不加杠杆时,你最大收益只有 100%,而最大损失却是无限。我始终追求做多凸性,而非做空,因此我在市场上永远是净多头。

在当下这个艰难阶段,比特币已果断突破前高,有没有真正优质的山寨币能实现绝对上涨?

答案是:有。因为在加密货币每一次横盘或熊市里,表现最好的山寨币都是交易平台代币。即便价格下跌,交易平台依然能持续赚取手续费,有时甚至比上涨时赚得更多,尤其是当它们受益于去中心化交易平台(DEX)交易量的长期增长时。

2023 年初市场横盘到下跌那段时间,最受追捧的交易平台代币是 GMX。2023 年 4 月,GMX 创下 90 美元历史新高。为什么?因为当时它在永续合约 DEX 交易量上一骑绝尘,未平仓量与交易量暴增,推动协议收入大涨,更重要的是,绝大部分收入都分给了 GMX 持有者。

当法币信贷扩张的共识从增长转向收缩时,哪一个交易平台代币还能暴涨?

数据取自 2026 年 3 月 7 日 DefiLlama

Hyperliquid 是当前头部永续合约 DEX,也是除稳定币外收入最高的项目。它 97% 的收入都会用来从市场回购 HYPE。整个加密行业,没有任何一个项目能像 Hyperliquid 这样,把如此高比例的钱返还给代币持有者。

可惜的是,你持有 USDT 或 USDC 这类稳定币,并不能分到它们的净息差收益。因此,如果市场相信 HYPE 就可以实现绝对上涨。我对 HYPE 在 2026 年 8 月的目标价是 150 美元,大约是我写这篇文章时约 30 美元价格的 5 倍。

要从「地狱」走向「瓦尔哈拉」,Hyperliquid 需要把 30 天收入恢复到年化 14 亿美元的水平——这一水平它在去年 8 月曾经达到过。为了让后文更容易理解,我先把财务模型放在前面。

我必须验证的关键假设是:市盈率(P/E)、以及团队每月 HYPE 代币的解锁释放量。市盈率公式:

P/E =(流通供应量 × 价格)÷(30 天年化收入 × 回购比例)

我的模型预测:来自 HIP-3 和非 HIP-3 的总收入,将从 3 月的 8.43 亿美元增长到 8 月的 14 亿美元。

我会解释,在永续合约 DEX 竞争加剧的背景下,Hyperliquid 如何重新夺回历史最高的 30 天年化收入水平。

最后一部分,是根据过去三个月的数据,估算团队每月会拿到多少 HYPE 代币。

在不同情景下对模型做压力测试,能有效提高假设的可信度。我会从悲观角度检验部分假设,看看要多「上头」才会相信我给出的 150 美元目标价。

CEX vs DEX

Hyperliquid 最棒的一点是:它的交易量增长不需要全球加密永续合约总交易量上涨。只要中心化交易平台的永续合约交易量有几个百分点转移到 Hyperliquid,它就能在几个月内轻松把 30 天年化收入翻倍。只需要提升 3.97% 的市场份额,Hyperliquid 就能达到 14 亿美元的年化收入目标。考虑到不到三年前 Hyperliquid 还不存在,这完全可行。

Hyperliquid 能从 CEX 抢交易量很好,但究竟哪些加密衍生品能把用户吸引过来?大家为股票永续合约和二元期权而来,为比特币、以太坊、Solana 交易而留下。

HIP-3 允许任何人无许可上线永续合约。只要质押 50 万枚 HYPE,你就可以用 Hyperliquid 的撮合与保证金引擎,创建任何你想要的交易市场。TradeXYZ 就是这么做的,它的旗舰产品是白银、黄金、纳斯达克 100、标普 500 的永续合约。

顺便一提,白银和黄金市场上线不到三个月,日交易量已经达到数百亿级别。在肮脏的法币金融体系随意修改规则、压制人们摆脱集权货币的愿望时,这里将成为新的价格发现场所。

截图拍摄于 2026 年 2 月 5 日,11:20:00 UTC

仅仅四个月,HIP-3 的交易量就贡献了 Hyperliquid 近 10% 的总收入。无许可上币一直是 DEX 的圣杯,交易量的快速增长证明,这是 Hyperliquid 甩开竞争对手的关键。

要让 Hyperliquid 收入从 3 月到 8 月增长 66%,HIP-3 必须扛起大旗。尤其是在整个加密市场市值维持在当前低迷水平的情况下。Hyperliquid 必须给交易者提供新鲜、刺激的链上交易标的。贵金属、AI 概念股、原油,正是普通玩家想要交易的东西。如今,通过永续合约,全球任何人都可以全天候交易,杠杆比传统金融交易平台更高。

基于这些理由,我的模型预测:HIP-3 收入将在 6 个月内上涨 160%。

锦上添花的是预测市场。Hyperliquid 最近宣布,HIP-4 将支持无许可上线预测市场。我预计 HIP-4 将在未来三个月内上线。玩家们会涌向 Hyperliquid 的预测市场,交易二元期权和日内到期期权(0DTE)。上线前很难预测收入增速,所以我没有把它放进模型里。如果 Hyperliquid 团队像以往一样交出高质量代码,几乎立刻大幅拉动收入,那就算是额外红利。

遗憾的是,Hyperliquid 并不是唯一的永续合约 DEX。竞争非常激烈,因为这是交易的下一个主战场。去年年底,大量低手续费、零手续费 DEX 的出现,压低了 Hyperliquid 的预期估值。

那从那时到现在,发生了什么,让我重新相信 Hyperliquid 的统治地位难以撼动?

是真的吗?

对加密 CEX 或 DEX 来说,伪造交易量易如反掌。

在 BitMEX 的时候,我们常开玩笑说有个「刷量器」——交易平台开个程序,自动生成虚假交易,提高活跃度。

如今很多头部交易平台都在常规性用刷量器宣称自己是「最大」,让交易者误以为这里有真实流动性。对 DEX 来说,创建钱包对倒刷量更是简单,这是刷量的主要来源。

流动性挖矿也是提高活跃度的常用手段:DEX 根据交易量给积分或平台代币,交易者就在钱包之间对倒刷交易量。

刷量和流动性挖矿不会加深真实流动性。我们无法精确判断这些活动占交易量的比例。衡量交易平台优劣的唯一客观指标,是计算 ADV/OI 比率(日均交易量 / 未平仓量)。

因为交易者必须拿出真实资金作为开仓保证金,未平仓量(OI)能反映真实用户使用平台的程度。日均交易量(ADV)很容易被刷量和挖矿虚高,但用 OI 修正后,我们能得到由真实风险偏好交易者驱动的有机交易量。因此:ADV/OI 比率越低越好。

在头部 5 家永续合约 DEX 中,Hyperliquid 的交易量最真实,因为它的 ADV/OI 比率最低。当交易者意识到竞争对手平台的流动性很多是虚假的,或者积分 / 代币挖矿已经结束,他们就会回流 Hyperliquid。

长期来看,Hyperliquid 的真实交易量占比会继续提升。这会巩固 HYPE「不惧竞争」的叙事。

很多人记得,我之前对 HYPE 战术性短期看空,一个重要原因就是低手续费 DEX 的竞争。现在我认为,Hyperliquid 在「真实交易量」上是业内第一,至少未来六个月,我不再担心竞争问题。

关于竞争,下一个要考虑的是:考虑滑点后,哪家 DEX 的流动性真正最好?

我截取了五家平台比特币 / 美元永续合约的订单簿快照,并计算了名义金额 10 万、100 万、1000 万美元市价买卖的滑点。

你可以看到,在 Hyperliquid 上大额交易,大多数时候成本最低。因此,即便竞争对手的显性手续费低 1–2 个基点,真正的大额交易者依然会涌向 Hyperliquid,因为他们可以更大规模交易,对市场冲击最小。

我发财了

Hyperliquid 只有 11 人的团队,做出了史上最好的 DEX 产品。财富理应通过锁定的 HYPE 代币流向他们。

Maelstrom 去年年底看空 HYPE 时,曾提到一个担忧:团队每月到底会向市场抛售多少代币,存在不确定性。由于 Hyperliquid 没有接受风投投资,团队是否自愿不卖出刚解锁的代币,本质是 Jeff 和团队内部的政治决定。他们已经限制了代币卖出。

在去年 11 月和 12 月分发了近 20% 的奖励代币后,1 月和 2 月团队只分发了约 1% 的奖励代币。我猜测,初期高分发是为了缴税和改善生活,这部分需求解决后,团队大幅减少释放,以帮助 HYPE 反弹。这只是我的推测。

历史不会完全重复,但会押韵。基于此,我假设每月释放量取这四个月的平均值:815,750 枚。

向前看

市场是前瞻性的。玩家们愿意为 Hyperliquid 的未来收益付多少钱?目前 HYPE 的市盈率约为 12 倍。和传统金融交易平台比起来如何?

为了确定合理的估值水平,我参考了全球顶级交易平台芝加哥商品交易平台(CME)、主打年轻激进投资者的新型券商 Robinhood,以及受美国监管影响较深的加密交易平台 Coinbase 的当前市盈率。这些机构的市盈率区间很宽,大致在 26~40 倍之间。相比之下,$HYPE 仅 12 倍市盈率,明显被严重低估。

估值偏低的部分原因在于:Hyperliquid 并非上市公司,存在智能合约与交易对手风险,因此估值倍数天然更低。此外,主流中心化现货交易平台大多不支持 $HYPE 交易,普通投资者购买难度较大,因此它无法像许多山寨币那样被炒到极高估值。但即便如此,12 倍市盈率依然低得离谱。

短短数月内,Hyperliquid 的 HIP-3 股指、贵金属交易市场,已成为 CME 等传统金融交易平台周末休市时的关键价格发现场所。我可不知道,电脑周末还需要去打高尔夫。

至少,从行业趋势来看,HYPE 更高的估值溢价。

关于市值与完全稀释估值(FDV)的说明:

我采用的是市值而非 FDV,二者因流通量不同而存在差异。市值仅统计当前已流通代币,而非 FDV 所代表的未来全部代币。鉴于这是一笔 6 个月周期的交易,使用当前市值是合理的。诚然,Hyperliquid 未来可能再次开启空投,从而扩大流通盘。但截至目前,团队并未暗示即将进行空投,因此我暂不考虑这一风险及由此带来的流通量冲击。

压力测试

假设团队每月解锁 991 万枚 HYPE,市场仅给予 12 倍前瞻市盈率,但 Hyperliquid 的 30 天年化收入仍回升至 14 亿美元历史高点,结果会如何?

目标价会跌到 58 美元,仍比当前 30 美元高出约 75%。这结果并不差。

我没有对收入做悲观假设,原因很简单:如果 Hyperliquid 收入无法从当前水平增长,代币就不会涨。如果你是这种看法,那任何情况下都别买 HYPE。

HYPE 达人

来源:CoinGecko

我用 HYPE/BTC 作图,想说明市场已经意识到这个代币的价值。

我们都痛苦地知道,除非你做空,否则比特币从去年 9 月 HYPE 跌到约 20 美元的局部低点。我认为 HYPE 重新上涨的催化剂是:团队代币释放量从 1 月的 991 万枚,骤降到区区 14 万枚。

此外,竞争对手 DEX 的积分和代币激励陆续到期,对交易者的吸引力快速下降。它们剩下的交易量可能是虚假的,但正如我之前展示的,从订单簿流动性看,Hyperliquid 是交易成本最低的地方。

我们 Maelstrom 团队在 20 美元出头就开始小仓位试水。在滑雪登山的路上我一直在想:如果宏观经济短期内持续低迷,我该布局什么?什么样的项目才算真正优质——有真实用户、有真金白银的收入,还能把收益回馈给代币持有者?

从这些维度来看,Hyperliquid 就是整个加密行业里最优质的项目。深入研究并写下这篇文章后,我的信心更加坚定。

正如宏观投资大佬德鲁肯米勒所说:「先投资,后调研。」

因此,HYPE 迅速成为我们最大的流动性山寨币持仓。我们计划继续卖出其他所有劣质标的,在当前价格区间内持续加仓 HYPE。

原文链接

详解ERC-8183:以太坊攻坚AI Agent互信难题的答案

原创 | Odaily 星球日报(@OdailyChina

作者|Azuma(@azuma_eth

3 月 10 日,以太坊基金会旗下专注于推动“人工智能(AI)与区块链深度整合”的 dAI 团队与 Virtuals Protocol 联合推出了一项新的标准 ERC-8183。

以太坊基金会 AI 负责人 Davide Crapis 就该标准表示,ERC-8183 是以太坊社区正在构建的开放型 Agent 经济系统所缺失的组件之一,该标准可与 x402 以及 ERC-8004 组合使用,在 Agent 之间的安全交互方面发挥基础设施作用。dAI 团队将支持 ERC-8183 的采用,致力于使其成为中立标准。

ERC-8183 想解决什么?

根据 Virtuals Protocol 方面所发布的介绍文章,ERC-8183 专为 AI Agent 之间的商业交易而设计,该标准定义了一套链上规则,使两个互不信任的 Agent 能够完成“雇佣-交付-结算”这样的商业流程,而不需要依赖中心化平台。

ERC-8183 试图解决的核心问题是,当 Agent 彼此雇佣和合作时,如何在没有平台、没有法律、没有人工仲裁的情况下完成交易?

举个例子,假如某个偏市场推广方向的 Agent A 希望雇佣另一个偏图像生成的 Agent B 来为其制作一批营销海报,这里就存在一个商业互信问题 —— 双方互不认识,也没有信任基础,到底该什么时候付款?假如 A 先付款,B 可能罢工或者返还不合格的工作结果;假如 B 先干活,A 也有可能拒付报酬……

在传统的互联网世界,用户与商家也会面临类似的商业互信,而平台则在其中承担了关键的中介作用 —— 平台会负责托管 A 的资金,会负责判断 B 的服务完成与否,也会负责最后的放款。我们熟悉的淘宝、京东、美团、滴滴,本质上都是这种平台型中介。

而以太坊基金会和 Virtuals Protocol 想要做的,便是通过 ERC-8183 将平台的职能抽象为链上协议,使其由智能合约执行,从而在 Agent 经济中承担起一种去中心化的中介角色。

ERC-8183 工作方案拆解

ERC-8183 的运行机制并不复杂,该标准引入了一个名为 Job(你可以理解为“任务”)的新概念。每一个 Job 都可以视作一笔完整的商业交易,其中会包含三个不同的角色:

  • Client:“客户”,简单来说就是发布各类任务的 Agent;
  • Provider:“服务商”,就是负责完成任务的 Agent;
  • Evaluator:“评估者”,最为特殊的角色,负责判断任务是否完成。

这里需要需要着重解释下 Evaluator,该角色的引入是 ERC-8183 最核心的设计。在该标准中,Evaluator 仅被定义为一个链上地址(address),但从更广义的角度来看,该地址背后可以对应多种不同的执行形态。

  • 对于诸如写作、设计或分析这类具有主观性的任务,Evaluator 可以是一个 AI Agent,它会读取所提交的结果,将其与最初的任务要求进行对比,然后作出判断;
  • 而对于计算、证明生成或数据转换等确定性任务,Evaluator 则可以是一个封装了零知识验证器(ZK verifier)的智能合约。Provider 提交证明,Evaluator 在链上进行验证,并自动调用「complete」或「reject」来完成或拒绝该任务;
  • 在高价值或高风险的任务场景中,Evaluator 还可以是一个多签账户、DAO、或是由质押机制支撑的验证集群。

ERC-8183 并不会区分这些不同形态。协议层只关心一点 —— 某个地址是调用「complete」还是「reject」,至于这个地址背后运行的是一个由 LLM 驱动的 AI Agent,还是一个 ZK 电路,都不属于协议需要关心的范围。

继续说回 Job,每一个 Job 的生命周期都会有以下四种状态,这也对应着 ERC-8183 运转时的不同流程。

  • Open:Client 会在此周期创建 Job,发布任务并明确要求;
  • Funded:Client 会把佣金转去一个智能合约托管地址,而非直接交给 Provider;
  • Submitted:Provider 完成工作并提交证明;
  • Terminal(Completed / Rejected / Expired):Evaluator 负责审核任务,并根据审核结果判断任务是否完成(Completed 或 Rejected)并将资金分别转给 Client 或 Provider;若在时间要求内没有 Provider 响应或完成任务,资金会退还给 Client。

除去上述标准流程外,ERC-8183 还可通过模块化的扩展功能 Hooks 来实现更多衍生功能,以对应现实世界的复杂商业用例。Hooks 是 Job 创建时附加的可选智能合约,可在 Job 各个生命周期的前后执行自定义逻辑,比如信誉门槛、竞价机制、费用分配,或是其他特殊要求。

ERC-8183 和 x402、ERC-8004 有何不同?

从 x402 到 ERC-8004,再到如今的 ERC-8183,不太熟悉的读者可能会一头雾水,纳闷为什么隔一阵子就要做一个新的东西。但其实,这三者分别处在 AI Agent 经济系统的三个不同环节,想要解决的问题也各不相同。

x402 是一个 HTTP 支付协议,它想要解决的问题是让 AI Agent 能够像调用 API 一样直接付款;ERC-8004 是 AI Agent 身份与声誉标准,它解决的问题是如何判断一个 Agent 是否可靠;ERC-8183 则面向了商业交易环节,想攻破如何让两个不信任的 Agent 完成交易的难题。

如果用一句话概括就是,x402 负责解决“怎么付钱”;ERC-8004 负责知道“对方是谁、靠不靠谱”;ERC-8183 负责处理“怎么放心地去交易”。

三者并非竞争关系,而是互补关系,它们共同指向着同一个目标 —— 构建一个去中心化、能够自主运转的 AI Agent 经济系统。

a16z发布Top 100 AI应用榜单:AI正在走出浏览器,嵌入一切

原文标题:Top 100 Gen AI Consumer Apps: March 2026

原文作者:Oliva Moore,a16z 合伙人

原文编译:Peggy,BlockBeats

编者按:三年前,生成式 AI 仍是少数产品的试验场;而今天,它已经成为软件世界的基础能力。从 ChatGPT 依然领先的默认 AI 之争,到视频、音乐与语音创意工具的更替,再到 Agent 产品和 AI 浏览器的出现,AI 的形态正在迅速从「聊天工具」演变为一种新的计算平台。

本文通过对全球主流 AI 产品的流量、用户结构与功能演进进行梳理,呈现出几个关键变化:平台生态开始形成锁定效应,全球市场在政策与技术路径下逐渐分化,创意工具的重心从图像走向视频与音频,而 Agent 正将 AI 从「会回答问题」推进到「能够执行任务」。

更重要的是,AI 正在悄然离开浏览器和应用本身,嵌入到操作系统、开发工具和日常软件之中。随着 AI 从一个独立产品转变为无处不在的功能,衡量它的方式,也将不得不随之改变。

以下为原文:

三年前,我们发布了这份榜单的第一版,目标很简单:找出哪些生成式 AI 产品真正被主流消费者使用。

当时,AI 原生(AI-first)公司与其他软件公司的界限非常清晰。像 ChatGPT、Midjourney 和 Character.AI 这样的产品,从一开始就是围绕基础模型构建的。而软件行业的其他参与者,还在摸索该如何使用这项技术。

这种区分已经不再成立。以视频编辑应用 CapCut 为例,它在移动端拥有 7.36 亿月活用户,其最受欢迎的功能都高度依赖 AI,例如背景移除、AI 特效、自动字幕以及文本生成视频。Canva 则把整个增长引擎建立在其 Magic Suite 的 AI 工具套件之上。Notion 的付费 AI 功能绑定率在一年内从 20% 飙升至超过 50%,如今 AI 功能大约贡献了公司一半的年度经常性收入(ARR)。

从这一版榜单开始,我们将扩大统计口径,把任何生成式 AI 已成为核心产品体验的消费级应用都纳入其中,包括 CapCut、Canva、Notion、Picsart、Freepik 和 Grammarly。我们认为,这样得到的结果更能真实反映人们实际使用 AI 的方式,尽管榜单中的大多数头部产品,依然是 AI 原生(AI-native)的。

和往常一样,我们的网页端榜单依据 2026 年 1 月 SimilarWeb 统计的月度独立访问量(unique monthly visits)进行排名;移动端应用榜单则依据 2026 年 1 月 Sensor Tower 统计的月活跃用户数(MAU)进行排名。

以下是我们总结出的几个主要观察:

ChatGPT 仍然领先,但「默认 AI」之争已经开始

ChatGPT 依然是规模遥遥领先的消费级 AI 产品。在网页端,以月度访问量计算,它的规模是排名第二的 Gemini 的 2.7 倍;在移动端,以月活用户计算,它的规模也达到 2.5 倍。

过去一年中,ChatGPT 的周活跃用户增加了 5 亿人,目前已达到 9 亿。考虑到在如此庞大的规模下继续保持增长本身就极具挑战,这一成绩尤为惊人。如今,全球已有超过 10% 的人口每周都会使用 ChatGPT。

但我们也开始看到,这一赛道正在逐渐扩展,其他横向平台正在针对特定使用场景加速崛起。过去一年中,Gemini 和 Claude 在美国的付费订阅用户增长明显加快(尽管规模仍远小于 ChatGPT。在这一指标上,ChatGPT 的规模约为 Claude 的 8 倍、Gemini 的 4 倍)。

根据 Yipit Data 的数据,截至 2026 年 1 月,Claude 的付费订阅用户同比增长超过 200%,而 Gemini 的增长率则达到 258%。与此同时,我们也观察到越来越明显的多平台使用行为:大约 20% 的 ChatGPT 网页端周活用户,在同一周内也会使用 Gemini。

发生了什么变化?竞争对手开始真正发力推出产品。

Google 在创意模型方面取得了明显突破。Nano Banana 在上线首周就生成了 2 亿张图片,为 Gemini 带来了 1000 万新用户;而 Veo 3 则被广泛视为 AI 视频领域的一个关键突破时刻。与此同时,Anthropic 则继续深耕专业用户(prosumer)市场,推出了 Cowork、Claude in Chrome、Excel 和 PowerPoint 插件,以及最引人关注的 Claude Code。

这场竞争的重要性不仅在于谁今天领先,更在于谁能够形成结构性难以被替代的地位。在这一领域,「上下文会不断累积优势」:一个大模型越了解你的信息与习惯,就越能提供更好的结果,也会促使你更加频繁地使用它。

初步数据显示,Gemini 在网页端的用户月均会话次数正在上升,不过仍然比 ChatGPT 低约 1.3 倍;而在移动端,ChatGPT 的优势更为明显,用户月均会话次数 高出 2.2 倍。根据 Yipit Data 的统计,两家公司在美国市场的消费级付费订阅用户留存率都处于行业领先水平。

下一层「锁定效应」来自应用生态。

ChatGPT 和 Claude 都已经推出各自的连接器生态,ChatGPT 的 GPTs 与 Apps,以及 Claude 的 MCP 集成与 Connectors,允许用户在助手之上构建自己的工作流。一旦用户将 AI 接入自己的 日历、邮箱、CRM 等系统,切换平台的成本就会显著上升。与此同时,开发者也往往会把精力集中在用户规模最大的生态上,从而形成类似过去平台战争中的飞轮效应。

我们已经开始看到两条平台路线逐渐清晰。Sam Altman 曾表示,OpenAI 的目标是「把 AI 带给数十亿无法支付订阅费的人」,这也是为什么他们开始引入广告;他还提到 OpenAI 将推出「Sign in with ChatGPT」的身份体系,让 ChatGPT 成为消费者连接互联网的默认入口。其雄心是把 ChatGPT 打造成一切活动的起点:购物、预订、浏览信息、健康管理以及日常生活。

应用目录已经反映出这种方向。截至 2 月底,ChatGPT 的应用商店已有 220 个应用,覆盖 13 个类别;Claude 则拥有 约 160 个官方精选连接器,以及 约 50 个社区构建的 MCP 服务器。但两者仅有 41 个应用是重合的,约占两者总目录的 11%。而这 41 个几乎全部是通用的生产力工具:Slack、Notion、Figma、Gmail、Google Calendar、HubSpot、Stripe 等。

在这些基础工具之外,两大平台的路径几乎完全分化。

ChatGPT 已经拥有 85+ 个应用,分布在旅行、购物、食品、健康与健身、生活方式和娱乐等类别;而 Claude 在这些领域几乎没有布局。这些都是消费交易场景:例如在 Expedia 订机票、通过 Instacart 购买杂货、在 Zillow 浏览房源、用 MyFitnessPal 记录营养数据。这是迄今为止任何 AI 公司为成为消费级超级应用(super-app)所做出的最激进尝试。

相比之下,Claude 的独家集成明显偏向专业与企业场景:包括金融数据终端(PitchBook、FactSet、Moody』s、MSCI)、开发者基础设施(Sentry、Supabase、Snowflake、Databricks)、科研与医疗工具(PubMed、Clinical Trials、Benchling),以及一个不断扩展的开源 MCP 社区。这是 ChatGPT 目前尚未对应的生态。

Anthropic 似乎正将重点放在 AI 重度用户(如开发者、知识工作者等)身上。这类用户更愿意、也更有能力为成本更高的直接订阅服务付费。虽然 ChatGPT 也推出了面向同一群体的产品(例如 Codex、Frontier),但 OpenAI 同时明确表示,希望把 ChatGPT 打造成真正面向大众用户的平台。随着用户基数不断扩大,这也可能打开更多变现渠道。目前他们已经开始测试广告模式,而对平台交易抽取分成(take rate)也将是一个顺理成章的扩展方向。

如果 AI 助手最终不只是一个聊天窗口,而成为一个操作环境(operating environment),那么这场竞争的结局或许不会像当年的搜索大战,由一个玩家占据 90% 市场;反而更可能类似移动操作系统之争:两种理念截然不同的平台,各自建立起 万亿美元级的生态体系。

全球使用格局正按产品分裂

从地理分布来看,AI 市场正在逐渐分化为三个彼此独立的生态体系,而且它们之间的差距还在不断扩大。

西方 AI 工具的用户结构依然高度相似。ChatGPT、Claude、Gemini 和 Perplexity 的主要用户市场几乎来自同一组国家:美国、印度、巴西、英国和印度尼西亚(只是排名顺序有所不同)。而在中国和俄罗斯,这些产品几乎没有实质性的使用规模。这主要源于政策因素——自 2022 年以来,西方科技制裁限制了美国 AI 工具在俄罗斯的使用;而中国则要求 AI 服务提供商完成备案、数据本地存储,并遵守内容审查规则。

DeepSeek 是目前唯一一个在这两大阵营之间形成「桥梁」的产品。其网页端流量分布为:中国 33.5%、俄罗斯 7.1%、美国 6.6%,移动端的结构也呈现类似格局。与此同时,中国用户还大量使用字节跳动的豆包(Doubao)以及本土模型 Kimi。

俄罗斯,在我们此前的榜单中几乎没有形成独立市场,如今正逐渐成为第三极,并拥有第二高的 DeepSeek 渗透率。集成 Alice AI 助手 的 Yandex Browser 已达到 7100 万月活用户(MAU),使其成为全球前十的移动 AI 产品之一。与此同时,Sber 的 GigaChat 也首次进入我们的网页端榜单。这一格局与中国的发展路径非常相似,只是速度更快:制裁创造了市场空缺,本土产品在两年内迅速填补。

为了从人均使用水平的角度观察 AI 采用情况,我们构建了一个简单指数:将人均网页访问量与人均移动端月活用户数(MAU)结合,对榜单中的产品进行评分,范围为 0–100。结果重新塑造了全球格局:新加坡排名第一,其次是阿联酋、香港和韩国。而诞生了大多数 AI 产品的美国,仅排名第 20 位。

创意工具正在发生变化

Midjourney、DALL-E 和 Stable Diffusion 是最早让大量早期用户接触生成式 AI 的产品,这三者都发布于 ChatGPT 之前。在生成式 AI 的早期阶段,图像生成工具不仅主导了创意类应用(视频和音频生成后来才出现),也在我们最初几版榜单中占据绝对优势。不过,这一赛道如今已经发生了明显演变。

在 2023 年 9 月发布的第一版榜单中,网页端创意工具榜单的 9 个产品中有 7 个是图像生成工具。三年之后,榜单中只剩下 3 个图像生成产品,但创意类工具的总数仍然是 7 个。变化在于填补空缺的类别:视频、音乐和语音生成产品,已经取代了曾由图像生成工具占据的位置。

图像生成领域的变化,本质上是「打包整合」(bundling)带来的结果。随着 ChatGPT(GPT Image 1.5)和 Gemini(Nano Banana)内置图像模型能力不断提升,独立图像生成产品的竞争门槛被迅速抬高。在我们最早的一版榜单中,Midjourney 曾进入前 10 名,而如今已经下滑至第 46 位。目前仍然留在榜单上的产品,Leonardo、Ideogram、CivitAI 更多服务于特定创作者社区,通过具有鲜明取向的功能来满足细分需求,而不是与通用型生成能力正面竞争。

本期榜单中,视频生成领域的变化最为明显。Kling AI、Hailuo 和 Pixverse 都已经积累了真实的用户规模,而中国开发的模型在生成质量上持续领先。如果基于 Seedance 2.0 的应用出现在下一期榜单中,我们也不会感到意外。与此同时,Veo 3 成为首个在质量上接近这一水平的美国模型,并显著带动了 Google Labs 的访问量,使其排名从 第 36 位上升到第 25 位。

那缺席的是谁?Sora。OpenAI 在 2025 年 9 月 将其旗舰视频模型 Sora 2.0 以独立应用形式推出,用户可以上传自己的数字形象(Cameo),生成包含真实人物的视频。Sora 曾连续 20 天登上美国 App Store 榜首,并且比 ChatGPT 更快达到 100 万下载量。但此后下载量逐渐回落,因为 Sora 并没有发展成一个病毒式传播的社交应用(至今仍没有人真正破解「AI × 社交」的组合),因此未能进入本期的移动端榜单。不过,根据 Sensor Tower 的数据,移动端 Sora 的日活用户仍超过 300 万。许多 AI 视频创作者依然在使用该模型,只是生成的内容往往会发布到其他平台。

音乐与语音领域则表现得更加稳固。

Suno(第 15 名)保持了上一期榜单中的排名;而 ElevenLabs 自 2023 年 9 月以来每一版榜单都榜上有名。其核心能力,语音克隆、配音与音频制作,依然足够专业化,目前还没有被简单地复制成大模型产品里的一个「功能选项」。

这一趋势背后的规律是:当模型巨头和既有平台(如 Google、OpenAI)将创意能力集中在某个领域时(例如图像,以及越来越多的视频),独立产品的流量空间就会被压缩。不过,即便如此,仍然存在为特定用户群体打造更具风格化、也可能更高变现能力的产品的机会。相反,在巨头尚未大规模进入的领域(例如音乐和语音),市场空间则相对更大。

Agent 已经出现

向 Agentic AI 的转变并不是从这一版榜单开始的,而是从上一版开始,当时出现了所谓的「vibe coding」。当 Lovable、Cursor 和 Bolt 在 2025 年 3 月进入我们的榜单时,它们代表了一类新的产品形态:AI 不再只是回答问题或生成内容,而是开始代表用户「构建东西」。这是一种 面向单一垂直领域的 Agent 行为。

事实证明,vibe coding 在技术用户(以及部分半技术用户)中具有很强的留存能力。本期榜单中,Replit 和 Lovable 仍然在列,同时 Claude Code(通过 Claude)也进入榜单。未来仍然存在更多增长空间,因为这一趋势尚未真正触及大众市场。目前,排名前五的 vibe coding 平台总体流量仍在增长,尽管相比最初的爆发期已经有所放缓——但随着开发者和团队更深度地使用这些工具,许多产品的收入仍在持续上升。

最近,横向型 Agent 也开始出现。2026 年 1 月,一个名为 OpenClaw 的开源项目在短短几周内,从一名开发者的个人副项目迅速增长到 6.8 万个 GitHub Star,并获得主流媒体关注。该项目由奥地利开发者 Peter Steinberger 创建,是一个本地运行的 AI Agent,可以连接用户的消息应用,并代表用户执行多步骤任务。

如果说 ChatGPT 是消费者第一次意识到 AI 可以「对话」的时刻,那么 OpenClaw 可能代表着他们第一次意识到 AI 可以「行动」。这款产品在开发者社区迅速走红,如果我们的统计周期延长到 2 月(而不是 1 月),OpenClaw 很可能会进入我们网页端榜单的 前 30 名。

不过,OpenClaw 目前还不是面向普通消费者的产品,安装和维护仍然需要一定的 Terminal(命令行)操作知识。尽管如此,它在技术用户中的关注度仍在持续上升,并在 3 月初成为 GitHub 上 Star 数最多的项目,甚至超过了 React 和 Linux。但从访问其安装网站的新用户数量来看,该产品尚未真正进入大众市场,相关流量仍然相对平稳。

2026 年 2 月,OpenAI 收购了 OpenClaw,这或许意味着,一个更易用、更面向普通用户的版本可能很快就会出现。

OpenClaw 并不是榜单上唯一的横向 Agent。

Manus 和 Genspark 也进入了排名。这类平台允许用户把开放式任务(例如研究、表格分析或生成幻灯片)交给 AI,由其从头到尾完成整个工作流程。这是 Manus 第二次进入榜单;自首次上榜以来,它已在 2025 年 12 月被 Meta 收购,交易金额估计约 20 亿美元。而 Genspark 则是本期首次上榜,公司今年早些时候完成 3 亿美元 B 轮融资,并宣布其 年化收入已达到 1 亿美元。

在移动端,用户与 Agent 的互动通常并不通过专门的应用,而是通过文本消息完成。以 OpenClaw 为例,用户在初始设置时会将其连接到 WhatsApp、Telegram 或 Signal 等平台,然后像给朋友发消息一样与其交流,而 AI 会在后台执行任务。类似的产品 Poke 甚至直接通过短信(SMS)提供 Agent 体验。

这些产品将与消费者日常使用的通用 LLM 助手,ChatGPT、Claude 和 Gemini 的 Agent 功能展开竞争。随着这些平台通过 Connectors 和应用生态不断构建自己的连接网络,一个关键问题是:用户是否会把其中某一个产品作为自己的「主要 Agent」?

未来六个月或许就能给出更清晰的答案。

AI 正在走出浏览器和应用

此前每一版榜单都通过两个指标来衡量 AI 产品:网页访问量和移动端 MAU。但现在,一类新的 AI 产品正在出现,而这些产品无法通过上述指标被完整捕捉。事实上,在过去一年里,一些最重要的消费级 AI 增长,正发生在既不体现在网页访问量、也不体现在移动应用 MAU 的产品之中。

最明显的变化是:浏览器本身正在变成 AI 产品。在过去九个月里,OpenAI 推出了 Atlas(一个在每个网页中都内置 ChatGPT 的浏览器),Perplexity 发布了 Comet,而 Browser Company(后来被 Atlassian 收购)则推出了 Dia。根据 Yipit 的数据,在这些产品中,Perplexity 的 Comet 对市场的影响最大(以下载页面访问量计算),不过目前还没有任何 AI 浏览器呈现出持续加速的增长。

与此同时,一些 AI 巨头选择在现有浏览器中加入 AI 功能,而不是推出独立的 AI 浏览器。Google 将 Gemini 集成到 Chrome 中,并推出 Disco(测试版),可以根据用户当前浏览的网页标签页动态生成 Web 应用。Anthropic 也推出了 Claude in Chrome,可以连接用户的 Claude 或 Claude Code 会话,从而在网页环境中执行实际操作。

原生桌面端 AI 工具的增长更为迅猛,尤其是在开发者群体中。

例如 Claude Code,一个面向开发者的命令行 Agent,在 短短六个月内就达到了 10 亿美元的年化收入(ARR)。OpenAI 也推出了 Mac 版独立 Codex 应用,公司披露截至 3 月初 Codex 的周活跃用户已达 200 万,并且仍在以每周 25% 的速度增长。与此同时,Cursor 依然保持在我们网页端 前 50 名榜单之中。

对于普通消费者来说,最常见的独立 AI 桌面应用则集中在语音相关工具。

例如会议记录类产品 Fireflies、Fathom、Otter、TL;DV 和 Granola,主要通过 PLG(产品驱动增长)模式触达用户,并逐渐渗透企业市场。这五家头部产品的月访问量合计已达到约 2000 万。与此同时,一些工作空间类产品,如 Notion(本期首次进入榜单),也在不断将 AI 融入产品中,例如 会议记录、研究 Agent,甚至任务自动化等功能。

最后,AI 正在越来越多地嵌入到人们原本就使用的软件之中。

Anthropic 推出了 Claude in Excel 和 Claude in PowerPoint;OpenAI 发布了 ChatGPT for Excel;而 Google 则进一步加强了 Gemini 在 Workspace 中的整合——如今 Docs、Sheets、Gmail 和 Meet 都已拥有原生 AI 功能。Google 还在 2026 年 1 月推出了 Personal Intelligence,将 Gemini 与 Gmail、Google Photos、YouTube 和 Search 连接起来,使助手能够自动引用你的酒店预订、购物记录、照片库以及观看习惯,无需用户额外说明。

这一趋势对榜单的意义在于:我们的排名正在越来越低估人们实际使用最多的 AI 产品。

一个每天花 8 小时使用 Claude Code 的开发者,或是通过 Wispr 语音工具撰写所有邮件的知识工作者,都是重度 AI 用户,但他们几乎不会在网页流量数据中体现出来。随着 AI 从一个目的地产品(用户专门打开一个产品去用 AI)变成一种基础功能(feature),我们的统计方法也必然需要随之改变。

原文链接

BitMart研究院每周热点:地缘风险与滞胀博弈下的宏观与加密市场

近期全球金融市场处于多重变量交织的敏感阶段,中东地缘冲突持续发酵、美国经济数据走弱、通胀预期再度升温,宏观层面 “滞胀交易” 与 “软着陆交易” 激烈博弈;加密市场则呈现独立行情,BTC 率先美股反弹,机构与散户持仓明显分化,市场短期方向感逐步清晰。BitMart 研究院结合宏观与加密市场核心变量,带来最新解读与展望。

一、宏观经济:中东扰动能源供给,美国滞胀风险上升

1. 地缘政治引爆能源供应冲击

当前全球市场核心焦点集中于中东局势,美国、以色列与伊朗的冲突直接威胁霍尔木兹海峡航运安全。伊朗或通过无人机等手段干扰油轮通行,导致航运保险停摆、船只规避航行,全球原油与天然气面临显著供应冲击风险。若局势进一步升级,海湾主要产油国可能在数周至一个月内出现被迫停产,国际油价已剧烈波动,一度逼近 120 美元 / 桶。

2. 美国就业数据全面疲弱

尽管被地缘新闻掩盖,美国最新就业数据仍显露疲态。制造业、房地产、服务业、IT、医疗及教育等核心行业均出现裁员或增长放缓。与此同时,美国劳动参与率下降、失业率同步上升,显示实际就业状况比表面数据更为严峻,经济下行压力持续加大。

3. 通胀反弹压制美联储降息空间

油价上行叠加 CPI 统计方法(插值法)调整,将推动未来数月美国 CPI 明显回升。受此影响,市场对美联储 2026 年降息预期大幅下修,目前主流预期仅剩两次降息,宽松周期延后与力度减弱已成共识。

4. 美股震荡偏弱,资产配置偏向防御

美股短期大概率维持震荡偏弱走势,指数或在 6700–7000 点区间运行,跌破 6700 点概率上升。若中东局势突然缓和,市场可能因空头回补出现快速反弹。当前市场在 “滞胀交易” 与 “软着陆交易” 之间摇摆,若能源冲击持续拖累经济,滞胀交易将成为主线。

配置层面,建议采取对冲思路:布局油气板块、受益于欧美天然气价差的化肥企业;同时警惕 AI 产业链及私募资金驱动类软件公司的债务违约风险,防范阶段性流动性冲击。

二、加密市场:BTC 独立走强,机构散户多空分歧

1. BTC 率先反弹,短期有望测试 8 万美元

BTC 在市场恐慌后强势反弹,最高触及 7.4 万美元,目前在 6 万–7.4 万美元区间震荡,再度呈现先于美股下跌、先于美股反弹的经典周期特征。短期 BTC 仍具备反弹动能,大概率挑战 8 万美元关口,后续或随美股进入震荡整理阶段。

2. 衍生品信号:杠杆回升,避险需求升温

现货 CVD(累计成交量偏差)仍为负值,主动卖盘略占优势;但价格回调期间,期货未平仓量(Open Interest)持续走高,市场杠杆水平逐步抬升。永续合约资金费率一度转负(多头向空头付费),通常对应阶段性底部区域;期权市场看跌期权溢价大幅上升,投资者对冲下行风险意愿显著增强。

3. 机构持续吸筹,散户与大户持仓分化

比特币 ETF 上周实现小幅净流入,MicroStrategy 单周斥资约 12 亿美元(买入约 1.7 万枚 BTC),创下历史单周增持新高。Coinbase、MSTR 等加密相关美股强势上涨,显示部分资金提前布局政策与监管利好。

链上与 DEX 数据显示,小额钱包(散户)多头占比超 60%,而量化基金与大户偏向空头,机构与散户情绪明显分化。

4. 山寨币整体平淡,资金聚焦头部资产

当前山寨板块缺乏主线叙事与资金流入,除少数热门 Meme 币外,多数品种表现低迷,市场注意力仍集中在 BTC 及少数头部资产。

三、总结与展望

宏观层面,中东地缘风险与能源供给冲击是短期最大变量,滞胀逻辑逐步强化,美股承压、防御与对冲类资产占优;加密市场则走出相对独立行情,BTC 韧性凸显,机构持续增持支撑中期价格,短期反弹窗口仍存,但需警惕美股回调带来的联动压力。

BitMart 研究院提醒投资者,密切跟踪中东局势进展、美国通胀数据及美联储表态,在高波动环境中控制仓位、做好风险对冲,优先关注流动性充足的头部资产与具备真实需求的赛道。

Exit mobile version