作者: GAWE

七大央行陆续公布利率决议

• 周二 11:30，澳洲联储公布利率决议；
• 周三 21:45，加拿大央行公布利率决议；
• 周四（具体时间待定），日本央行公布利率决议；
• 周四 16:30，瑞士央行公布利率决议；
• 周四 02:00，美联储 FOMC 公布利率决议和经济预期摘要；周四 02:30，美联储主席鲍威尔召开货币政策新闻发布会。
• 周四 20:00，英国央行公布利率决议和会议纪要；
• 周四 21:15，欧洲央行公布利率决议。

下周重点预告

3 月 16 日

NVIDIA GTC 下周开幕，190 国 3 万人参会，议程超千场；

3 月 18 日

美国将于 3 月 18 日公布 2 月 PPI 数据；

Noble 将于 3 月 18 日正式推出 EVM Layer 1 主网；

其他（具体时间未定）

香港金管局最快可能下周发布稳定币牌照名单，渣打、汇丰及 OSL 传将入围

3 月 16 日至 3 月 22 日，业界更多值得关注的事件预告如下。

3 月 16 日

NVIDIA GTC 下周开幕，190 国 3 万人参会，议程超千场

Odaily星球日报 讯 NVIDIA GTC 2026 将于 3 月 16 至 19 日在圣何塞举行，预计吸引来自 190 多个国家的逾 3 万名开发者、研究人员和企业代表参会，设置超过 1000 场议程。CEO 黄仁勋将于 3 月 16 日上午 11 点（太平洋时间）在 SAP Center 发表主题演讲，内容覆盖加速计算、AI 工厂、开放模型、智能体系统和物理 AI，演讲将免费直播。

Upbit 将于 3 月 16 日下线 LRC

Odaily星球日报 讯 Upbit 将于 3 月 16 日 14:00 终止对 Loopring（LRC）的交易支持。

POAP 平台自 3 月 16 日将转入维护模式，无法提供徽章发行功能，现有徽章收藏品不受影响

Odaily星球日报 讯 链上徽章协议 POAP 联创 Isabel 于 X 平台发文表示，由于平台增长受限，团队决定从 2026 年 3 月 16 日起将 POAP 转入维护模式。这意味着：

1、对于新发行者： 3 月 16 日后，新发行者将无法访问发行者界面。

2、对于现有发行者：可以继续使用现有的工具，已创建的 POAP 将保持完好。

3、对于收藏者： 收藏者界面不受影响。

4、技术支持： API 和现有的集成将继续运作。

5、核心变化： 平台将不再进行主动开发。随着我们减少分配给该服务的资源，某些操作的运行速度可能会变慢。

此外，该团队计划开发一套更底层、更开放、真正无许可的数字收藏品新标准，POAP 未来或将整合进新系统中（待定）。

3 月 17 日

币安将于 3 月 17 日及 18 日下线多组永续合约

Odaily星球日报 讯 币安合约将于 2026 年 3 月 17 日 09：00（UTC）下线 USDⓈ-MVFYUSDT、1000WHYUSDT 和 BDXNUSDT 永续合约，并于 2026 年 3 月 18 日 09：00（UTC）下线 COIN-MALGOUSD、SANDUSD、ENSUSD 和 ATOMUSD 永续合约。合约将在结算完成后下架。用户需注意，在上述合约的预定结算时间前 1 小时内，保险基金将不会用于支持该合约的清算过程。 

3 月 18 日

美国将于 3 月 18 日公布 2 月 PPI 数据

Odaily星球日报 讯 3 月 18 日（周三）20:30，美国将公布 2 月 PPI 年率、美国 2 月 PPI 月率。

Noble 将于 3 月 18 日正式推出基于 Commonware 架构的 EVM Layer 1 主网

Odaily星球日报 讯 稳定币基础设施项目 Noble 将于 2026 年 3 月 18 日正式推出基于 Commonware 架构的 EVM Layer 1 主网，脱离现有 Cosmos SDK 链。新链支持亚秒级交易最终性、开放式合约部署和专用支付通道，并将以其原生收益型稳定币 USDN 为核心资产，拓展 FX 交易、DeFi 收益策略与支付清算等场景。现有 Cosmos 链将逐步过渡至维护模式，IBC 连接保持不变，团队将提供资产迁移路径。

3 月 19 日

美联储将于 3 月 19 日公布新一期利率决议

Odaily星球日报 讯 3 月 19 日（周四）02:00，美联储 FOMC 公布利率决议和经济预期摘要；随后在 02:30，美联储主席鲍威尔召开货币政策新闻发布会。

3 月 20 日

CoinList 上 USDai 白名单销售退款用户需于 3 月 20 日前进行申请

Odaily星球日报 讯 CoinList 上 USDai 白名单销售退款用户需于 2026 年 3 月 20 日前申请退款。

比特币生态 BTCS 将于 3 月 20 日上线挖矿生态

Odaily星球日报 讯 比特币生态 BTCS 挖矿生态将于 2026 年 3 月 20 日上线。 BTCS 技术基础建立在 BTC Rollup 二层网络之上、旨在让比特币不仅是价值储存工具，更成为货币经济运行的底层操作系统。

BTCS 表示还将陆续推出多项核心应用：包括：OpenClaw 理财生态、Web3 短视频，元宇宙博物馆，逐步构建一个完整的 BTC 二层生态体系。

3 月 21 日

暂无

3 月 22 日

暂无

其他（具体时间未定）

香港金管局最快可能下周发布稳定币牌照名单，渣打、汇丰及 OSL 传将入围

Odaily星球日报讯 消息人士透露，香港首批稳定币发行人牌照名单预计将于本月内出炉，入围机构包括渣打银行、汇丰银行以及持牌虚拟资产交易平台 OSL。消息指出，金管局最快可能在下周公布结果，但最终名单仍存在变数。此前曾传出在候选名单中的圆币科技与连连数字（2598）目前未见于最新传闻名单中，且中资机构亦未出现在首批入围行列。金管局发言人表示不评论市场传闻。业内人士分析，首批牌照发放将以稳健为优先考量，预计具备严格监管背景的银行将占据主导地位，以确保市场信心与系统稳定性。(星岛头条)

特朗普政府已启动美国石油储备释放程序，预计下周结束前流向市场

Odaily星球日报 讯 特朗普政府已启动大规模动用美国紧急石油储备的程序，发布了交换 8600 万桶原油的请求。能源部周五在一份声明中表示，作为周三宣布的 1.72 亿桶大规模释放计划的一部分，从战略石油储备中提取的石油预计将于下周结束前开始流向市场。

此次石油储备释放预计需要四个月才能完成，是与其他国家协调的 4 亿桶行动计划的一部分。根据交换条款，企业将在未来向能源部归还借出的石油，并额外支付一定数量的石油作为溢价。

能源部本周早些时候表示，特朗普政府已安排在未来一年内用约 2 亿桶石油补充战略石油库存，将比此次动用的库存多出 20%。(金十)

微软正在内测 OpenClaw 或将整合进 Teams 应用，预计下周将发布路线图

Odaily星球日报 讯 OpenClaw 创始人 Peter Steinberger 转发 Digital Meld 首席执行官 Brad Groux 推文称，OpenClaw for Microsoft Teams 将迎来重大改进，预计下周将推出一份路线图，目前已经和十几位微软员工交流过，并且组建了一个六人团队正在内部测试 OpenClaw，预计 Microsoft Teams 以及其他扩展程序和插件能够得到改进。

Claude：未来两周非高峰时段及周末消息限额自动翻倍

Odaily星球日报 讯 Claude 在 X 平台发文表示，在接下来的两周内，Claude 在以下特定时段的消息/查询限额将自动变为原限额的 2 倍。

1、工作日非高峰时段：太平洋时间上午 5:00 前/上午 11:00 后（即北京时间晚 20:00 前/次日凌晨 2:00 后）

2、周末全天：周六、周日 24 小时

3、高峰时段（北京时间晚 20:00–次日凌晨 2:00）限额保持不变。

这项调整适用于所有计划：免费、Pro、Max 以及 Team 用户，覆盖包括 Claude Code 在内的全部 Claude 使用场景。

本文来自：Viktor

编译｜Odaily 星球日报（@OdailyChina）；译者｜Azuma（@azuma_eth）

在过去两周里，我们看到了 STRC 的交易量显著上升，同时该产品在 X 等社交媒体上的热度也在不断提高，因此我认为现在是撰写一篇关于 Strategy 及其新结构文章的好时机。这是我撰写的关于 Strategy 与比特币财库模式的第四篇文章：

• 第一篇是对 Strategy 玩法的介绍，我在其中澄清了关于该模式的一些常见误解。
• 第二篇解释了 “全栈财库公司” 模型，以及支撑其 NAV 正向溢价的机制。
• 第三篇则介绍了优先股的玩法，这是 Strategy 于 2025 年推出的全新模型，也是该公司当前的主要策略。

在本文中，我们将重点讨论 STRC。它现在已经成为 MSTR 最主要的优先股产品，同时也是 Michael Saylor（Strategy 创始人）及其管理团队当前最核心的关注点。

TL；DR

1. STRC 是一种由 Strategy 的比特币财库支撑的收益型工具，其股息率会动态调整，以保持价格接近面值（100 美元）。目前，你可以在一个相对稳定且风险透明的工具上获得 11.5% 的年化收益（按月支付）。
2. STRC 本质上是 Strategy 将收益需求转化为 BTC 结构性买盘压力的一种方式。只要 Strategy 同时运行 STRC 与 MSTR 的 ATM 发行机制（且 mNAV > 1），该结构就可以在不增加 MSTR 杠杆水平的情况下大规模扩张。这意味着 Strategy 可以吸收对 STRC 的上百亿美元（甚至更多）新增需求，同时仍将杠杆率维持在约 33%，且信用风险保持不变。
3. 借助普通股 ATM 机制维持杠杆率，每发行 1 美元 STRC，大致对应 3 美元 BTC 被加入财库。根据粗略估算，当 STRC 在面值（100 美元）附近的每日成交量为 1 亿美元时，可能会带来 1 亿至 1.5 亿美元的 BTC 购买量。
4. Strategy 实际上将 BTC 的风险敞口拆分成为了两个不同的风险层级（tranches）：STRC 持有人获得相对稳定、低波动的收益，而 MSTR 股东则承担 BTC 的剩余上涨空间与波动性。正如拉瓦锡（Lavoisier）所说：“没有任何东西被创造，也没有任何东西消失，一切只是被转化了。”
5. 整个结构的设计目标，是随着时间推移提高每股对应的比特币数量。这最终将使 MSTR 普通股股东受益，因为这意味着 MSTR 的表现理论上会机械性地跑赢 BTC。
6. STRC 短期出现 5%–10% 的回撤是可能的，但只要市场对这一结构仍然保持信心，市场通常会通过套利交易将价格重新拉回面值附近。
7. 真正的风险并不是突然崩溃，而是 BTC 遭遇长期熊市，这种情况可能会在时间推移中逐渐对整个结构造成压力。即使是（极不可能出现）最坏情景，由于美元储备以及 Strategy 在调整股息率方面的灵活性，其发展过程也会非常缓慢。
8. 如果 Strategy 最终崩溃，它很可能不会像 Luna/UST 那样以一种剧烈且戏剧性的方式发生，而更可能是一种缓慢而长期的恶化过程。
9. 如果你看多 BTC，却看空 MSTR 与 STRC，在逻辑上其实是很难成立的。按照 Strategy 目前的风险水平（当然未来可能变化），如果 BTC 没有先“死亡”，Strategy 基本不可能先死。

什么是 STRC，它是如何运作的？

首先，让我简单回顾一下优先股（preferred shares） 的概念：简单来说，它们是类似债务的金融工具，但在法律上仍属于公司的股权。这意味着这些优先股永远不需要被“偿还”，而 Strategy 也无法在这些优先股上发生违约。

在资本结构中，优先股的清偿顺序高于普通股 MSTR，这意味着在公司破产的情况下，优先股股东会先于普通股股东获得偿付。

到目前为止，Strategy 已经发行了五种优先股（STRF、STRC、STRK、STRE、STRD），我在上一篇文章中对它们逐一进行过介绍。以下是 STRC（又称 Stretch） 的主要特征：

• 它属于 “短久期高收益信用”（short-duration high-yield credit）类别。
• Strategy 的目标是让 STRC 的价格尽可能接近 100 美元（即“面值”），理想区间是在 99–100 美元之间的 1% 波动范围。
• STRC 按月支付浮动股息；当前股息率为 11.5%。
• 如果 STRC 的交易价格显著低于面值，Strategy 可以提高月度股息率，从而使该产品更具吸引力，增加需求，直到价格重新回到接近面值的水平。
• 如果 STRC 的价格高于 100 美元，Saylor 可以通过 ATM（at-the-market）发行计划按 100 美元发行并出售新的 STRC 股票。这实际上在 100 美元附近形成一个价格上限。
• 如果 Saylor 不希望通过 ATM 发行股份，公司还有另一种选择 —— 以 101 美元赎回 STRC，这意味着市场参与者几乎没有动力在这一价格之上购买 STRC。
• 与 Strategy 的其他优先股一样，STRC 是一种永久优先股（perpetual preferred stock），这意味着它没有到期日，也不存在偿还期限。

Odaily注：STRC 的所有数据都可以在 Strategy.com 上找到。以下截图来自 2026 年 3 月 13 日，当天为除息日，因此 STRC 的价格会低于面值。

Strategy 如何利用 ATM 来控制杠杆？

尽管 Strategy 的优先股在法律意义上并不是债务，但它们可以被视为向资产负债表引入杠杆的一种方式。Strategy 会区分杠杆率（leverage ratio）与放大率（amplification ratio）—— 其中杠杆率只计算“可转债 / BTC 储备”的比例；放大率则会计算“可转债 + 优先股 / BTC 储备”的比例。

事实上，放大率才是衡量 Strategy 杠杆水平的真正指标。这意味着，每当 Saylor 发行并出售新的 STRC 时，Strategy 的杠杆水平都会上升。如果 Saylor 希望降低公司的杠杆水平，他可以用到的工具则是普通股的 ATM 发行机制 —— 通过发行新的 MSTR 股票，并用所得资金购买 BTC，在扩大公司规模的同时降低杠杆率。

这一逻辑很好理解：假设某家公司持有 100 亿美元的 BTC，同时有 30 亿美元的债务，市值为 120 亿美元，其杠杆率便为：30 亿美元债务 / 100 亿美元 BTC = 30%。

假设该公司额外发行 20 亿美元的新股，并用这笔资金购买 20 亿美元的 BTC。在 BTC 价格不变的情况下，公司市值现在变为 140 亿美元，BTC 财库价值变为 120 亿美元，但债务名义金额并没有变化，因此新的杠杆率为：30 亿美元债务 / 120 亿美元 BTC = 25%。

从这个例子可以很清晰地看出，通过普通股的 ATM 发行，公司既可以扩大规模（市值从 120 亿 → 140 亿），同时还能降低杠杆水平（30% → 25%）。

Strategy 是否正借 STRC 大举买币？

STRC 的需求如何转化为 BTC 买盘

正如我之前所说，Saylor 只会在 100 美元的价格出售 STRC，而不会在 100 美元以下出售。

这意味着，当价格低于 100 美元时，所有成交量都只是过去、现在以及新的持有者之间的 STRC 份额互相交易。而当价格达到 100 美元时，部分成交量仍然对应于普通的 STRC 份额交易（因为也有人愿意在 100 美元卖出），但剩余的成交量则对应于 Saylor 发行新股份，并以 100 美元的价格卖给“超额需求”。

上周，STRC 的周成交量与当周 ATM 规模之间的比例大约为 40%。我将在下面的例子中使用这一数字，但这显然不是固定规则；在某些情况下，这一比例也可能是 25% 或 60%。

当 STRC 在面值附近交易且当日成交量为 1 亿美元时，情况大致是 —— Saylor 可以通过 STRC 的 ATM 发行计划发行其中 40% 的金额，也就是发行并出售 4000 万美元的全新 STRC 股份。随后，他会立即用这 4000 万美元购买 BTC。

Odaily注：ATM 会在 STRC 价格达到 100 美元时启动运行。

然而，出售 STRC 会提高公司的杠杆水平（这也是一种类似债务的工具），而 Saylor 肯定希望杠杆保持稳定。目前 Strategy 的杠杆水平约为 33%，我认为他希望将其维持在这一数值附近。这意味着，每新增 1 美元债务，就必须对应增加 3 美元的 BTC 储备。在前文的例子中，如果 Saylor 通过 STRC 增加了 4000 万美元“债务”并购买了 4000 万美元 BTC，那么他仍然需要再增加 8000 万美元的 BTC到公司的储备中。他该如何做到这一点呢？

答案在上一节已解释过 —— 利用普通股 MSTR 的 ATM 发行机制。因此，Saylor 会发行并出售 8000 万美元的全新 MSTR 股票，并立即用所得资金购买 8000 万美元的 BTC。

所以结论就是，按照这种粗略的计算方式，STRC 每日 1 亿美元的成交量，大约会对应 4000 万美元的全新 STRC 发行，并购买约 1.2 亿美元的 BTC。借助 STRC，Strategy 找到了一种方法，将对稳定收益的需求转化为 BTC 的买盘力量。

假如 STRC 的需求爆炸式增长，会发生什么？Saylor 会被迫把杠杆拉到极限吗？

我还希望你注意到另一点，按照我刚才所描述的模型，Strategy 完全可以将 STRC 的市值扩大 3 倍（换句话说，在当前 40 亿美元市值的基础上再增加约 80 亿美元的 STRC 债务），且不会提高公司的杠杆率（也就是信用风险）。

Saylor 已经拥有所有必要工具，可以将 STRC 的规模扩大到满足市场需求的任何程度，同时仍然将杠杆水平稳定维持在 33%。

显然，这会增加公司债务的名义规模以及需要支付的股息金额，但这些指标都会与 BTC 财库规模同步增长，这意味着 Strategy 不会承担任何与 BTC 价格相关的额外风险。

这一策略的真正限制是什么？

我在上文描述的这种同时运行 STRC 与 MSTR 两个 ATM 机制的模式，需要满足两个条件。

第一个条件显而易见：STRC 的交易价格必须在 100 美元。当这一情况发生时，本质上意味着 STRC 的需求高于其当前市值，因此 Saylor 会发行新的股份来满足超额需求。

第二个条件是我之前尚未提到，即 mNAV 必须高于 1 倍，才能使用普通股的 ATM 机制。我在另一篇文章中详细解释过，Strategy 的核心目标始终是在长期内提高每股对应的比特币数量（bitcoin-per-share，bps）。当他们在 mNAV 高于 1 倍时出售 MSTR 股票并购买 BTC，这在 bps 的角度是增值的（accretive）；mNAV 越高，这种操作带来的增值效果就越明显；当 mNAV 恰好等于 1 倍时，这一操作是中性的；但当 mNAV 低于 1 倍时，用出售 MSTR 的钱来购买 BTC 就会在 bps 角度造成稀释（dilutive），因此他们会避免这样做。

你可能已经注意到了，在上一节中我提到：使用 MSTR 的 ATM 机制既可以扩大公司规模，又可以降低杠杆率。但如果 mNAV 高于 1 倍，那么使用普通股 ATM 还有一个额外好处——提高 bps 比率。

顺便一提，mNAV 这一指标实际上已直接展示在 Strategy.com 的首页上。他们使用的是完全稀释后的 mNAV（most diluted mNAV） 作为参考，这是正确的做法。目前该数值约为 1.2 倍，而我认为 2026 年以来最低大约也只是 1 倍左右。

那么，如果出现这样一种情况会怎样 —— 由于 STRC 需求过高，Saylor 不得不发行新的 STRC 股份，但此时 mNAV 却低于 1 倍？这是否意味着他无法使用 MSTR 的 ATM 来维持杠杆水平的稳定，从而被迫提高杠杆？

首先，我认为这种情景不太可能发生，因为 STRC 能够稳定交易在 100 美元本身就意味着投资者对整体结构有信心，因此 MSTR 的 mNAV 理论上也应该至少在 1 倍以上。其次，这种假设忽略了一个事实，他们还有另一种工具来控制 STRC 的需求 —— 降低股息。

股息率问题，11.5% 到底能否持续？

首先，让我提醒一下，STRC 在推出时的股息率是 9%。股息率是一个可以被调整的工具，用来同时匹配 STRC 的需求并确保其价格维持在面值附近。

Strategy 目前给出的指导原则是：如果 STRC 的月度 VWAP（成交量加权平均价）在 95–99 美元之间，他们将提高 25 个基点（bps）的股息率；如果月度 VWAP 低于 95 美元，他们将提高 50 个基点；如果 月度 VWAP 高于 101 美元，他们则会降低股息率。

因此，到目前为止他们所做的事情，本质上就是逐步将 STRC 的股息率从 9% 提高到 11.5%，以达到一种平衡状态，使 STRC 在日常交易中围绕 100 美元波动。本周是 STRC 迄今为止最成功的一周，因为它不仅持续在面值附近交易，而且成交量非常巨大（每天大约 3–4 亿美元，而此前平均成交量仅略高于 1 亿美元）。

Odaily注：STRC 自推出以来的走势图。

STRC 的需求在根本上取决于几个变量：

• 信用风险（Credit risk）：Strategy 当前的杠杆率是多少？换句话说，目前有多少 BTC 在为 STRC “提供支撑”？这直接取决于 BTC 的价格 —— 如果 BTC 下跌，在其他条件不变的情况下，杠杆率会上升，信用风险增加，STRC 的需求就会下降（即 STRC 价格下跌）。
• 收益率（Yield）：STRC 当前支付的股息率是多少？股息率越高，对 STRC 的需求就越大。
• 认知度（Awareness）：有多少人知道 STRC 的存在？在产品推出后的最初几个月或几年里，这是一个非常重要的因素，因为它基本上是一个只会上升的变量，在其他条件不变的情况下，它会显著影响 STRC 的需求。
• 信心（Confidence）：有多少人在看到 STRC 已经交易了数月并持续支付股息后，愿意把资金投入其中？这是一个特殊因素，因为信心的变化幅度可能很大 —— 如果 STRC 长时间在接近 100 美元的窄幅区间内交易，越来越多的人就会认为它是安全的；但如果我们突然看到一天内下跌 10%，这种信任也可能迅速消失。

从 STRC 推出至今，我们看到的情况是：信用风险上升了（因为 BTC 从历史高点下跌了 45%），收益率上升了，认知度上升了，信心也上升了。其中一个因素对需求产生了负面影响，而另外三个因素产生了正面影响，我们现在终于处于一种“理想”状态：STRC 稳定维持在 100 美元附近。

当 BTC 价格约为 6.8 万美元时，11.5% 的收益率是将 STRC 价格拉回到面值所需要的股息水平。对于一个上市交易时间不到八个月的产品来说，这在我看来是相当积极的信号。Saylor 预计 BTC 在未来 20 年的复合年增长率（CAGR）为 20–30%。正如我在另一篇文章中详细解释的，在这种假设下，以 11.5% 的利率发行债务去购买一个年增长率为 25% 的资产是完全合理的。理论上，你甚至可以支付更高的利率，并通过利息成本与 BTC 预期年回报之间的利差套利来获利。

在我看来，最可能的发展路径是，STRC 的需求将继续增长，而 Strategy 会逐步将股息率降低回 10%（甚至长期低于这一水平），以在控制需求的同时降低公司的利息成本。

如果所有人都想卖出，STRC 会发生什么？

在这种情况下，STRC 的价格会暴跌！但事实上，我们已经在这个产品上看到过几次类似情况：2025 年 8 月，STRC 从 98 美元下跌到 92 美元（跌幅 6%）；2025 年 11 月的市场抛售期间，STRC 曾从 100 美元跌至 89 美元（跌幅 11%）；而今年 2 月，它又从 100 美元跌至 93 美元（跌幅 7%）。

需要注意的是，Saylor 的明确目标是让 STRC 始终保持在接近 100 美元的窄幅区间内，而 STRC 也已经成为 Strategy 的核心关注点。因此，如果 STRC 在一个月内的平均价格低于 99 美元，Strategy 就会提高股息率，以使需求重新回到能够支撑 100 美元价格的水平。只要市场参与者对 Strategy 维持这一机制的能力有信心，那么在 100 美元以下就会始终存在逢低买入者，他们希望通过“回归面值的套利交易（arb trade）”来获利。

在短期内，由于持有者的恐慌，价格确实可能下跌 10%。但如果你对 Strategy 建立的这一结构有信心，那么价格通常会在几天或几周内回到面值附近 —— 正如我们过去已经看到的那样。

为什么股息率不会无限上升？

让我们假设 STRC 没能回归面值，这意味着 Strategy 必须不断提高股息率……而由于股息率在形式上并没有上限，这是否会看起来像一种“死亡螺旋（death spiral）”的情景？其实并不完全是这样。

首先，你需要理解，所谓的股息“指导原则（guidance）”在法律上并不会约束 Saylor 必须采取任何行动。归根结底，公司在股息率方面拥有完全的自主权，即使当月平均价格低于 99 美元时，他们也可以停止提高股息率。

如果 Strategy 预计 BTC 每年会增长 20–30%，那么他们心中很可能有一个可以接受的“最高股息率”，也许大约在 15% 左右。一旦达到这一水平，他们就会无视 STRC 的交易价格，停止继续提高股息率。

需要记住的是，股息率可以按月调整。如果你预计 BTC 会在熊市之后恢复上涨，那么较高的股息率并不需要永远维持。随着 BTC 价格再次上涨，STRC 的信用风险会改善，这会机械性地增加对 STRC 的需求，并推动其价格回到面值附近。在那时，Strategy 就可以重新开始降低股息率。从长期来看，即使在某个压力时期股息率曾经短暂上升到 13%，STRC 的股息率最终也很可能回落到类似 8% 的水平。

在下一节中，我将概述一种最坏情景：如果 BTC 进入一个长期熊市，而 Saylor 被迫持续提高股息率，会发生什么。

理解风险

整篇文章读下来，似乎这一切都不会出什么问题，但天底下向来没有免费的午餐。那么，作为 STRC 的持有者，我实际承担的风险是什么？

让我先明确地说明立场，我认为目前市场对 STRC 的风险定价有误，在对 BTC 价格持合理偏多假设的情况下，其收益与风险的比率颇具吸引力。注意我并不是在说你可以零风险地去获得高收益，风险确实存在，而且始终与 BTC 的表现相关。

我认为，人们对 BTC 未来价格走势的预期与对 STRC 的风险认知之间存在一种错配。简单来说，如果你观察加密原生投资者对未来几年 BTC 的预期，其中 95% 的人预期的情景都不会对 STRC 造成实质性影响。换句话说，在他们自己的 BTC 预期框架下，他们认为自己可以以“低风险”获得 10% 以上的收益率。但我们还是要来具体地谈谈这些风险。

风险一：下行风险与上行收益不对称

STRC 的结构意味着，如果你在 100 美元买入，其上行空间被限制在年度股息收益（目前为 11.5%），而其下行空间则可能在几天内达到 0–10%——这基于历史价格表现。

这意味着，如果 STRC 在一周内下跌 6%，你实际上暂时损失了相当于半年的股息收入。如果你需要迅速退出头寸，这可能会成为一个问题。

如果你的目标是长期持有 STRC，那这就不那么重要，只要你相信它最终总会回到 100 美元，那么你最终仍然可以在没有折价的情况下退出头寸。提醒一下，STRC 的股息具有资本返还（return-of-capital）性质，这意味着持有人不会因股息而缴税，因此他们没有太强的短期交易动机。

风险二：STRC 与 BTC 同时下跌

STRC 的信用风险与 BTC 价格直接相关，因此你可能已经注意到了，STRC 的回撤通常发生在 BTC 遭受大幅抛售之时。这意味着，你那部分“稳定的、产生收益的资产配置”，恰恰会在你作为加密多头最脆弱的时候出现亏损。

Odaily注：IBIT（BlackRock 比特币 ETF）最大的几次下跌通常也会伴随 STRC 的下跌。

风险三：STRC 长期以折价交易

人们对 STRC 能够回到面值的信任，来自于两个因素：一是其实际信用风险，二是历史价格走势所形成的风险认知。而第二个因素也可能反向发挥作用：如果所有人都认为 5% 的回撤会被迅速买回，但突然某一次的情况却并非如此，会发生什么？

如果那样，那些在 5% 回撤时买入的人可能会选择退出头寸，从而导致价格进一步下跌，并可能逐级触发新的情绪性抛售，最终造成更大的跌幅。我们可以设想一个情景，STRC 下跌 15% 且在数天内无法反弹，那么此前积累的信心可能会逐渐被侵蚀，从而引发更大的抛售压力。

在这种情况下，什么能够阻止这种恶性循环？答案仍然是 BTC 的价格。Saylor 的整个策略最终都建立在这样一个预期之上：BTC 在未来十年以上的时间里每年能够获得 20% 以上的回报。

风险四（最坏预期）：根本风险始终在于 BTC 的表现

STRC 的最坏情景，就是我刚才描述的情况，但同时 BTC 在长期熊市中无法恢复强势。由于涉及的变量非常多，很难精确预测这种情况下会发生什么，但大致可能是这样的：STRC 将持续低于面值交易，因此 Saylor 会每个月提高股息率，试图将其价格重新拉回 100 美元。

在某个时点，股息率会高到不再合理，于是他会停止继续提高股息率，而只是维持在某个水平。这意味着他将不再遵循此前的“指导原则” —— 即当月度 VWAP 低于 99 美元时提高股息率。请记住，这只是指导原则，并没有任何东西强迫他必须遵守。

不遵循这一指导原则会进一步削弱市场对 STRC 的信心，它可能会继续以较大折价交易，例如 40% 的折价和 15% 的股息率，这意味着实际收益率可达到 25%。

MSTR 的交易价格也将低于 1 倍 mNAV，这意味着公司无法通过出售 MSTR 股票来帮助支付股息。Strategy 将完全依赖其美元储备来支付股息，而目前他们的储备足以覆盖 28 个月（约 2 年 4 个月）的股息支付。随着这 28 个月逐渐接近尾声，所有相关资产可能会面临更大的压力，BTC、MSTR 和 STRC 都会有更多理由继续下跌。

当美元储备耗尽后，Strategy 将不得不逐步出售 BTC。目前每年的股息支出大约是 10 亿美元，如果这一数字上升到 20 亿美元，Strategy 就必须每个月出售约 2 亿美元的 BTC来维持股息支付。或者，他们也可以选择停止支付股息，在这种情况下，优先股、STRC 以及 MSTR 的价值都会进一步下跌，而在 BTC 价格恢复之前，公司几乎没有太多可以做的事情。

这大致就是最坏情景的轮廓。正如你所看到的，Strategy 的美元储备为长期熊市提供了巨大的缓冲，因为 Strategy 理论上可以什么都不做，仅依靠储备支付股息超过两年，而不会被迫采取行动。

目前我们正处在 BTC 熊市的中期，价格大约在 7 万美元左右（相比顶部下跌约 45%），但 STRC 仍然在面值附近交易（股息率 11.5%），而 mNAV 为 1.2 倍。考虑到我并不认为 BTC 会经历两年的熊市（2022 年熊市从顶部到底部大约持续了一年），而且 Strategy 甚至还没有开始动用美元储备，因此我认为在当前杠杆水平下，Strategy 的整体结构相当安全且具有韧性。

风险五（远期忧虑）：Strategy 的模式太过有效

正如我昨天在 X 上所说，作为一个 BTC 多头，与 Strategy 相关的最大风险是 —— 它可能运行得太成功了。

“Strategy 最大的空头逻辑其实是，这个策略运行得太成功了。如果它成功，他们就会不断增加自己的 BTC 持仓。但最终他们会变得过于庞大，从而污染 BTC 原本“纯粹”的叙事。事实上，这种情况已经在发生了。”

事实上，Strategy 已经持有约 3.5% 的 BTC 总供应量。这可能会对未来的 BTC 需求产生负面影响，因为它可能开始削弱 BTC 作为一种纯粹去中心化资产的叙事。而围绕 STRC 及其高收益的 “数字信用”（Digital Credit）叙事，在加密社区中也引发了一些负面反应，这同样可能间接影响 BTC 的需求。

正如我在整篇文章中解释的那样，Strategy 持有的 BTC 数量只会继续增加。唯一可能造成此状况不成立的情景是，BTC 至少经历两年的痛苦周期。即便如此，也需要更长时间的低迷行情，Strategy 的 BTC 储备才会因为支付股息而逐渐减少。

我可以理解为什么有些人对 Strategy 在 BTC 生态中的角色感到不安。但在我看来，如果仅这一点就足以让你对 BTC 的长期前景转为看空，那么你可能一开始就没有那么看好 BTC。从我的角度来看，这并不是一件特别严重的事情。确实，Strategy 是一个持有 3.5% BTC 供应量的单一实体，但归根结底，Strategy 及其 BTC 储备属于其股东。

这与 BlackRock 代表 IBIT 股东持有类似规模的 BTC 有多么大的不同吗？当然，它们并不完全相同，IBIT 也不存在破产风险。但在我看来，它们在某种程度上是相似的 —— 它们都代表着 BTC 的金融化，而这种趋势本身也是不可避免的。

我并不认为 Strategy 和 STRC 会对 BTC 构成系统性风险，但我确实能够理解它们可能对 BTC 的叙事产生的负面影响。无论如何，这篇文章主要是为了帮助大家理解 STRC 以及 Strategy 的结构。在此之后，你可以自己决定对它是更看多还是更看空。

STRC 是新的 UST 吗？

最近的社交媒体讨论中，STRC 与 Luna / UST / Anchor 的对比被提及得过于频繁，因此我认为值得专门讨论一下。实际上，这两者在很多层面上都是完全不同的东西。

Odaily 注：LUNA 在崩盘前的价格走势图。

UST 是稳定币，因此维持 1 美元的锚定非常关键；而 STRC 是优先股，理想情况下它会在接近 100 美元的 1% 区间内交易，但它完全可能下跌几个百分点。这种情况已经发生过，也会再次发生，而且这本身并不一定是问题。

UST 由 LUNA 提供支撑，而 LUNA 的价值在一定程度上又取决于 UST 的成功。当 UST 低于锚定价格时，用户可以用 UST 兑换新铸造的 LUNA。这会增加 LUNA 的抛售压力，从而削弱市场对系统的信心，并进一步增加 UST 的抛售压力。结果是形成一种反身性的死亡螺旋（death spiral），在几天之内就把 UST 和 LUNA 的价值打到几乎归零。STRC 并不存在这种反身性机制，因为 STRC 价格的下跌不会触发强制发行、赎回或系统内其他资产的稀释，也不会影响 BTC。

Anchor 为 UST 提供的收益率为 18%–20%，这不仅明显高于 STRC 当前约 11.5% 的收益率，在很大程度上也是补贴驱动且在结构上不可持续的。STRC 收益的来源则相对简单：Strategy 预计 BTC 在未来十年的年化回报将超过 20%，STRC 持有人获得其中最初的约 11.5%（或当时的股息率），且波动相对较低，而 MSTR 股东则承担剩余的上涨空间和波动性。

我们也非常清楚 Strategy 如何继续支付股息。如果 mNAV 高于 1 倍，他们可以通过 ATM 发行 MSTR 股票；如果 mNAV 低于 1 倍，他们可以依赖美元储备（目前足以覆盖两年以上的股息支付）。如果储备耗尽，他们最终还可以出售 BTC 衍生品或直接出售财库中的 BTC。而在 UST 与 Anchor 的情况下，本质上只是 —— “兄弟信我，我肯定会继续掏钱”。

价格下跌对这两个系统的影响方式也完全不同。当 UST 失去锚定时，信心会迅速崩塌，市场很快会认为系统可能归零；而对于 STRC 来说，价格越低意味着有效收益率越高，这反而可能吸引新的买家。例如，在一个完全悲观的情景中，如果 STRC 以 50 美元交易且股息率为 12%，那么其实际收益率大约为 24%。

最后，两者的时间动态完全不同。Luna/UST 是一个极其脆弱的系统，在信心丧失之后几天之内就可能崩溃。而对于 STRC 来说，即使是前文描述的最坏情景，其发展过程也会缓慢得多（非常缓慢的衰退），可能需要数年时间，除非你假设 BTC 在几个月内突然灾难性下跌 90%。

Lombard

项目推特：https://x.com/Lombard_Finance

项目官网：https://www.lombard.finance/

本次解锁数量：3240万枚

本次解锁金额：约3564万美元

Lombard 正在构建链上比特币资本市场，旨在充分释放当代标志性资产的全部潜力。Lombard 与 BTC 的关系，正如 Circle 和 Tether 之于稳定币。Lombard 正在垂直整合比特币 DeFi 堆栈，旨在支持所有链、应用程序以及开发者将比特币无缝集成到链上。

具体释放曲线如下：

Layerzero

项目推特：https://x.com/LayerZero_Core

项目官网：https://layerzero.network/

本次解锁数量：2571万枚

本次解锁金额：约5090万美元

LayerZero 是一种全链互操作性协议，专为跨链的轻量级消息传递而设计。LayerZero 提供了可信且有保障的消息传递，并具有可配置的去信任化。

具体释放曲线如下：

ZKsync

项目推特：https://x.com/zksync

项目官网：https://zksync.io/

本次解锁数量：1.7亿枚

本次解锁金额：约330万美元

zkSync 是 Matter Labs 开发的第 2 层扩展解决方案，通过利用最新一代简洁的零知识证明来保留底层区块链的安全属性。 zkSync 中的所有资金都由主链上的智能合约持有，而计算和存储则在链下执行。

具体释放曲线如下：

算法与账本的共生：全球技术范式的重大转变

在二十一世纪的第三个十年，人工智能（AI）与加密货币（Crypto）的结合已不再仅仅是两个热门术语的叠加，而是一场深刻的技术范式革命。随着 2025 年全球加密货币总市值正式突破 4 万亿美元大关，行业已经完成了从实验性小众市场向现代经济重要组成部分的过渡 。

这场转型的核心驱动力之一，便是人工智能作为一种极其强大的决策和处理层，与区块链作为透明、不可篡改的执行和结算层之间的深度合流。这种结合正在解决双方各自的痛点：人工智能正处于从中心化巨头垄断向去中心化、透明化的“开放智能”转型的关键期；而加密行业则在基础设施逐步完善后，急需 AI 来解决链上交互复杂、安全性脆弱以及应用效用不足的问题 。

从资本流动的视角来看，顶级风险投资机构的战略分歧也证实了这一趋势。a16z Crypto 在 2025 年完成了 20 亿美元的第五次募资，坚定地将 AI 与 Crypto 的交叉领域作为长期战略核心，认为区块链是防止 AI 审查和控制的必要基础设施 。

与此同时，Paradigm 等机构则通过扩展投资边界至机器人和广义 AI，试图捕捉技术融合带来的跨行业红利 。据 OECD 数据显示，到 2025 年，全球 AI 领域的风投总额占全球总投资的 51%，而在 Web3 领域，AI 相关项目的融资比例也在稳步上升，反映出市场对“去中心化智能”这一叙事的高度认可 。

1.基础设施重构：去中心化算力与计算完整性

人工智能对图形处理单元（GPU）的无限渴望与当前全球供应链的脆弱性之间存在天然矛盾。2024 年至 2025 年间，GPU 短缺已成为常态，这为去中心化物理基础设施网络（DePIN）提供了爆发的土壤 。

1.1 去中心化计算市场的双重演进

目前的去中心化算力平台主要分为两大阵营。第一类以 Render Network (RNDR) 和 Akash Network (AKT) 为代表，它们通过构建去中心化的双边市场，将全球范围内的空闲 GPU 算力聚合起来。Render Network 已成为分布式 GPU 渲染的标杆，它不仅降低了 3D 创作的成本，还通过区块链协调功能支持 AI 推理任务，让创作者能够以更低的价格获取高性能算力 。Akash 则在 2023 年后通过其 GPU 主网（Akash ML）实现了飞跃，允许开发者租赁高规格芯片进行大规模模型训练和推理 。

第二类则是以 Ritual 为代表的新型计算编排层。Ritual 的独特之处在于它并 不试图直接取代现有的云服务，而是作为一个开放、模块化的主权执行层，将 AI 模型直接嵌入区块链的执行环境中 。其 Infernet 产品允许智能合约无缝调用 AI 推理结果，解决了“链上应用无法原生运行 AI”的长期技术瓶颈 。

1.2 计算完整性与验证技术的突破

在去中心化网络中，验证“计算是否被正确执行”是核心难题。2025 年的技术进展主要集中在零知识机器学习（ZKML）和可信执行环境（TEE）的融合应用上。

Ritual 架构通过 proof-system agnostic（证明系统无关性）设计，允许节点根据任务需求选择 TEE 代码执行或 ZK 证明 。这种灵活性确保了即使在高度去中心化的环境中，AI 模型生成的每一条推理结果都是可追溯、可审计且具备完整性保证的 。

2. 智能民主化：Bittensor 与商品化市场的崛起

Bittensor (TAO) 的出现标志着 AI 与 Crypto 结合进入了“机器智能市场化”的新阶段。与传统的单一算力平台不同，Bittensor 旨在创建一个激励机制，让全球范围内的各种机器学习模型能够互联、互学并竞争奖励 。

2.1 Yuma 共识：从语言学到共识算法

Bittensor 的核心是 Yuma 共识（YC），这是一种受到格莱斯语用学启发的主观效用共识机制。

YC 的运作逻辑假设：一个高效的合作者倾向于输出真实、相关且信息丰富的答案，因为这是在激励景观中获取最高奖励的最优策略 。在技术层面，YC 通过验证者（Validators）对矿工（Miners）表现的权重评价来计算代币排放。其核心逻辑可以用以下 LaTeX 公式表示排放份额的分配：

​

其中，E 为排放奖励，Δ 为每日总供应增量，W 为验证者评价权重的矩阵，S 为对应的质押权重。为了防止恶意合谋或偏见，YC 引入了 Clipping（剪枝）机制，对超过共识基准的权重设置进行削减，确保了系统的鲁棒性 。

2.2 子网经济与动态 TAO 范式

到 2025 年，Bittensor 已进化为多层架构。底层是由 Opentensor 基金会管理的 Subtensor 账本，而上层则是数十个垂直细分的子网（Subnets），分别专注于文本生成、音频预测、图像识别等特定任务 。

引入的“动态 TAO”机制通过自动化做市商（AMM）为每个子网创建了独立的价值储备池，其价格由 TAO 与 Alpha 代币的比例决定：

​

这种机制实现了资源的自动分配：需求量大、产出质量高的子网将吸引更多质押，从而获得更高比例的每日 TAO 排放。这种竞争性的市场结构被形象地比作“智能的奥林匹克竞赛”，通过自然选择剔除低效模型 。

3. 代理经济的兴起：AI Agents 作为 Web3 的一级主体

在 2024 年至 2025 年的周期中，AI 代理（AI Agents）正经历从“辅助工具”到“链上原生主体”的本质蜕变。这种演变不仅体现在技术架构的复杂化，更体现在其在去中心化金融（DeFi）生态中角色与权限的根本性扩张。

以下是对这一趋势的深度拓展分析：

3.1 代理架构：从数据到执行的闭环

目前的链上 AI 代理已不再是单一的脚本，而是基于复杂的三个逻辑层构建的成熟系统 ：

• 数据输入层（Data Input Layer）： 代理通过区块链节点或 API（如 Ethers.js）实时抓取流动性池、交易量等链上数据，并结合预言机（如 Chainlink）引入社交媒体情绪、中心化交易所价格等链下信息。
• AI/ML 决策层（AI/ML Layer）： 代理利用长短期记忆网络（LSTM）分析价格趋势，或通过强化学习（Reinforcement Learning）在复杂的市场博弈中不断迭代最优策略 。大语言模型（LLM）的集成也赋予了代理理解人类模糊意图的能力。
• 区块链交互层（Blockchain Interaction Layer）： 这是实现“财务自主”的关键。代理现在能够管理非托管钱包、自动计算最优 Gas 费、处理随机数（Nonce），甚至集成 MEV 保护工具（如 Jito Labs）来防止在交易中被抢跑 。

3.2 财务轨道与 Agent-to-Agent 交易

a16z 在 2025 年的报告中特别强调了 AI 代理的金融支柱——x402 协议及类似的微支付标准。这些标准允许代理在没有人类干预的情况下支付 API 费用或购买其他代理的服务 。例如，Olas (原 Autonolas) 生态系统每月已处理超过 200 万笔代理间的自动化交易，涵盖从 DeFi 掉期到内容创作的各种任务 。

代理经济组件

这一趋势已经实打实地体现在市场数据上。从增速来看，AI 代理市场正处于爆发前夜。根据 MarketsandMarkets 的研究数据，全球 AI 代理市场预计将从 2025 年的 78.4 亿美元增长到 2030 年的 526.2 亿美元，年复合增长率（CAGR）高达 46.3%。此外，Grand View Research 也给出了类似的长期预测，认为到 2030 年该市场规模将达到 503.1 亿美元。

与此同时，开发层的标准工具也开始成型。a16z 力推的 ElizaOS 框架，已成为 AI 代理领域的基础设施，地位堪比前端开发中的“Next.js”。它让开发者可以轻松在 X、Discord、Telegram 等主流社交平台上，部署具备完整财务能力的 AI 代理。截至 2025 年初，基于这一框架构建的 Web3 项目，总市值已突破 200 亿美元。

4. 隐私计算与机密性：FHE、TEE 与 ZKML 的博弈

隐私是 AI 与 Crypto 结合过程中最棘手的挑战之一。当企业在公链上运行 AI 策略时，既不希望泄露私有数据，也不希望公开其核心模型参数。目前，行业已经形成了三种主要的技术路径：全同态加密（FHE）、可信执行环境（TEE）和零知识机器学习（ZKML）。

4.1 Zama 与 FHE 的工业化征程

Zama 作为该领域的领军独角兽，其开发的 fhEVM 已成为实现“全流程加密计算”的标准。FHE 允许计算机在不解密数据的情况下进行数学运算，其结果在解密后与明文运算完全一致。

到 2025 年，Zama 的技术栈已经实现了显著的性能飞跃：对于 20 层卷积神经网络（CNN），计算速度提升了 21 倍，对于 50 层 CNN 则提升了 14 倍 。这种进步使得“隐私稳定币”（交易金额对外界加密但协议仍能验证合法性）和“密封投标拍卖”在以太坊等主流链上成为可能。

4.2 ZKML 的验证效率与 LLM 的结合

零知识机器学习（ZKML）侧重于“验证”而非“计算”。它允许一方证明其正确运行了某个复杂的神经网络模型，而无需暴露输入数据或模型权重。最新的 zkLLM 协议已能实现对 130 亿参数模型的端到端推理验证，证明生成时间缩短至 15 分钟以内，证明大小仅为 200 KB 。这种技术对于高价值的财务审计和医疗诊断至关重要。

4.3 TEE 与 GPU 的协同：Hopper H100 的力量

相比 FHE 和 ZKML，TEE（可信执行环境）提供了接近原生性能的执行速度。NVIDIA 的 H100 GPU 引入了机密计算功能，通过硬件层面的防火墙隔离内存，其推理额外开销通常低于 7% 。Ritual 等协议正大量采用基于 GPU 的 TEE，以支持需要低延迟、高吞吐量的 AI 代理应用。

隐私计算技术已正式从实验室的理想主义构想跨入“生产级工业化”的新纪元。全同态加密（FHE）、零知识机器学习（ZKML）与可信执行环境（TEE）不再是孤立的技术赛道，而是共同构成了去中心化人工智能的“模块化机密栈”。

这种融合正在彻底改写 Web3 的底层逻辑，并得出以下三个核心结论：

• FHE 是 Web3 的“HTTPS”底层标准： 随着 Zama 等独角兽将计算性能提升数十倍 ，FHE 正在实现从“一切公开”到“默认加密”的质变。它解决了链上状态处理的隐私难题，让隐私稳定币和完全抗抢跑（MEV-resistant）的交易系统从理论走向大规模合规应用 。
• ZKML 是算法问责的数学终点： 2025 年下半年迎来的“ZKML 奇点”标志着验证成本的戏剧性下降 。通过将 130 亿参数（13B）模型的推理证明压缩至 15 分钟以内，ZKML 为高价值的金融审计和信贷评级提供了“数学级一致性”保障 ，确保 AI 不再是一个不可信的黑盒。
• TEE 是代理经济的性能底座： 相比软件方案，基于 NVIDIA H100 等硬件的 TEE 提供了开销低于 7% 的近原生执行速度 。它是目前唯一能支撑数亿个 AI 代理（AI Agents）进行 24/7 实时决策的经济化方案，确保了智能体在硬件级防火墙内安全持有私钥并执行复杂策略 。

未来的技术趋势并非单一路径的胜出，而是 “混合机密计算” 的全面普及 。在一个完整的 AI 业务流中：利用 TEE 进行大规模、高频的模型推理以保证效率；关键节点通过 ZKML 生成执行证明以确保真实性；敏感的财务状态（如账户余额和隐私 ID）则交由 FHE 进行加密沉淀。

这种“三位一体”的融合，正在将加密行业从“公开透明的账本”重塑为“具备主权隐私的智能系统”，真正开启价值数万亿美元的自动化代理经济时代。

5. 行业安全与自动化审计：AI 作为 Web3 的“免疫系统”

加密货币行业长期受困于智能合约漏洞带来的巨额损失。AI 的引入正在改变这一被动防御的局面，将其从昂贵的手动审计转向实时的 AI 监测。

5.1 静态与动态审计工具的革新

Slither 和 Mythril 等工具在 2025 年已深度集成机器学习模型，能以亚秒级的速度扫描 Solidity 合约中的重入攻击、Suicidal 函数或 Gas 消耗异常 。此外，Foundry 和 Echidna 等模糊测试工具利用 AI 生成极端输入数据，探测隐藏极深的逻辑漏洞。

5.2 实时威胁预防系统

除了预部署审计，实时防御也取得了重大进展。Guardrail 的 Guards AI 和 CUBE3.AI 等系统能够监控跨链的所有挂起交易（Mempool），在检测到恶意攻击信号（如治理攻击或预言机操纵）时，能够自动触发合约暂停或拦截恶意交易 。这种“主动免疫”显著降低了 DeFi 协议的黑客风险。

利用 AI 发展 Crypto 的实战路线图

在未来的数字版图中，AI 与 Crypto 的融合已不再是技术实验，而是一场关于“生产力效率”与“财富分配权”的深度革命。这种结合不仅让 AI 拥有了能够独立支配的“钱包”，也让 Crypto 拥有了能够自主思考的“大脑”，共同开启了价值数万亿美元的自治代理经济时代。

以下是这一融合在企业与个人层面的核心收益与实战图谱：

1. 企业级：从“降本增效”到“商业边界扩张”

对于企业而言，AI 与 Crypto 的结合主要解决了高昂算力成本、脆弱系统安全以及数据隐私保护之间的结构性矛盾。

• 基础设施成本的急剧下降（DePIN 效应）： 借助分布式算力网络（如 Akash 或 Render），企业无需再受困于昂贵的 NVIDIA H100 集群采购。实测数据显示，租用全球闲置 GPU 的成本较传统云服务商可降低 39% 至 86%。这种“算力自由”让初创企业也能负担得起超大规模模型的微调与训练。
• 安全屏障的自动化与廉价化： 传统的合约审计周期长且价格不菲。现在，通过部署 如 AuditAgent 这类由神经网络驱动的 AI 安全代理，企业可以实现开发全生命周期的“哨兵监测”。它们能在代码提交的瞬间识别重入攻击等逻辑漏洞，并能在黑客指令发出的瞬间，直接在内存池层面自动触发合约熔断，保护协议资产不受损失。
• 核心商业机密的“加密计算”： 借助全同态加密（FHE）与 Nillion 等“盲计算（Blind Compute）”网络，企业可以在不公开模型核心参数和私有客户数据的前提下，在公链上运行 AI 策略。这不仅确立了数据的主权，也让原本受限于合规风险的金融、医疗数据得以进入去中心化协作网。

2.个人级：从“金融盲区”到“智能主权经济”

对于个人用户，AI 与 Crypto 的融合意味着技术门槛的彻底消失和全新收入渠道的开启。

• 意图导向的“私人银行家”： 未来用户不再需要理解什么是 Gas 费或跨链桥。基于 ElizaOS 等框架构建的 AI 代理将实现“激进的抽象”——你只需一句话：“帮我把这 1000 块存进利息最高且安全的地方”，AI 便会自主监控全网 APY，在风险波动时自动平仓。普通人从此也能享受顶级对冲基金级别的资产管理。
• 个人数据的资产化（Data Yield Farming）： 你的数字足迹不再被巨头白嫖。通过 Synesis One 这样的平台，用户可以参与“训练即赚取（Train2Earn）”，为 AI 训练提供标注数据并直接获取代币奖励。甚至可以通过持有 Kanon NFT，在 AI 每一次调用某个知识词条时获取被动分红，真正实现“数据即资产”。
• 隐私与身份的终极保护： 利用 Worldcoin 或密码学身份协议，你可以证明自己是人类而非 AI，同时利用隐私计算网络保护你的个人日程、家庭住址等敏感信息不被泄露给 AI 服务商。这种“盲交互”模式确保了你在享受 AI 便利的同时，依然握有数字主权的最高解释权。

这种双向奔赴的架构演进，正在将“信任”交给区块链，将“效率”交给 AI。它不仅重构了企业的护城河，也为每个普通人搭建了一套通往智能主权经济的梯子。

演进预测：走向“智能账本”的新纪元

总结来看，AI 如何与 Crypto 结合得更好？答案在于从“单纯的工具叠加”转向“深层的架构耦合”。

首先，区块链必须进化为能够承载大规模计算的平台。Ritual 和 Starknet 等协议的努力正让 ZKML 变得像调用标准库一样简单 。其次，AI 代理必须成为经济生活中的合法主体。随着 ERC-8004 等身份标准的普及，我们将看到一个由数亿个代理组成的“智能网络”，它们在链上进行 24/7 的资源博弈与价值交换 。

最后，这种融合将重塑人类的金融主权。通过 FHE 实现的隐私支付、通过溯源协议实现的公平创作者分配、以及通过 Bittensor 等市场实现的算法民主化，共同构成了一个更公平、高效且去中心化的未来数字经济蓝图 。

在这场技术长跑中，加密行业提供的不仅仅是资金，更是一种关于“透明度”和“信任”的哲学框架；而 AI 提供的则是让这些框架真正运转起来的“大脑”。随着 2026 年的到来，这种合流将不仅限于技术圈，而是通过更直观的 AI 交互界面，触达全球数十亿普通用户 。  

3 月 12 日，美国财政部外国资产控制办公室（OFAC）宣布制裁参与朝鲜主导的 IT 工作者欺诈网络的 6 名个人与 2 家实体。公告宣称这些参与方系统性欺诈美国企业，为大规模杀伤性武器项目提供资金，仅 2024 年涉案金额就接近 8 亿美元。

https://home.treasury.gov/news/press-releases/sb0416

制裁详情

 

据美国 OFAC 披露，朝鲜操控的 IT 团队通过使用伪造文件、盗用身份、虚构人设隐瞒真实身份，从而入职美国等国家的正规企业。朝鲜政府攫取这些海外 IT 劳工的绝大部分薪资，获取数亿美元资金支持其大规模杀伤性武器与弹道导弹项目。部分情况下，朝鲜关联人员还会暗中向企业网络植入恶意软件，窃取专有敏感信息。

本次制裁共计 6 名个人（Nguyen Quang Viet、Do Pyong Kyong、Hoang Van Nguyen、Yun Song Guk、Hoang Minh Quang、York Louis Celestino Herrera），被认定为朝鲜 IT 工作者提供加密货币兑换、资金洗钱、银行账户开立、IT 业务对接等实质性协助；2 家公司实体（Amnokgang、Quangvietdnbg），被认定为 IT 工作者欺诈网络的关键运营方与协助者。

制裁地址分析

 

本次制裁共锁定 21 个加密货币地址。据 OFAC 通报，在 2023 年中至 2025 年中，Quangvietdnbg 的 CEO Nguyen Quang Viet 为朝鲜方面共兑换约价值 250 万美元加密货币，认定加密货币是朝鲜 IT 工作人员转移资金、规避制裁的重要通道。

通过链上反洗钱分析平台 Beosin KYT 和追踪调查工具 Beosin Trace 对此次制裁名单中的 21 个地址进行分析，结果如下：

YUN, Song Guk（朝鲜籍，老挝磨丁 IT 工作者头目）

ETH：

0xb637f84b66876ebf609c2a4208905f9ddac9d075

0x95584C303FCd48AF5c6B9873015f2AD0ca84EaE3

据 Beosin Trace 统计，此前约有 200,851 USDT 流出到各类中心化交易所。

HOANG, Minh Quang（协作完成超 7 万美元的 IT 服务交易）

BTC：bc1qyy5pt5cx3zth8xlj92lq5y87dh8xv3nwgs4ncq

此前有 0.57462 BTC 流入 Coinbase 账户。

SIM, Hyon Sop（朝鲜光山银行驻华代表，新增 11 个地址）

原冻结地址（ETH 网络）：

0x4f47bc496083c727c5fbe3ce9cdf2b0f6496270c

其中该地址流动资金量 21,937,732.52 USDT、2,071,126.59 USDC，目前仍有 58,148.62 USDT 沉淀在该地址。

新增制裁地址（ETH 网络）:

0xd04E33461FEA8302c5E1e13895b60cEe8AEfda7F

0x76EA76CA4Eb727f18956aB93445a94c5280412B9

0xFb3eFf152ea55D1BfA04Dbdd509A80fD7b72cdEB

0xFda1Ec4A6178d4916b001a065422D31EBE5F62FF

0x747AFB5c7A7fc34B547cD0FDEbf9b91759C5a52b

资金流向图如下：

其中约有 98,139.11 USDT、21,300 USDC、0.51268 ETH 流出。

新增 TRX：

TPDLpXxPcaSsupEZ3yrVksmNkYP5SLeKxu

TGXE9dGWawjfd3xqFSho1h1bRbRv9wUGrF

TNTFhgFoKH4srBMiWbfrVFqP2AThSmdwf1

TXhf9nU9bjo1j9z5qEesHdr6gtdndfnA4T

TK17wfSPp32RWrnzZPrGpv7TxdNFvvvE2s

TYeQD2VddTZ9NkFkAnT9DD8cUGetGUQZB2

其中约有 6,236.74TRX、999,014.46 USDT 流出。

同地址跨链：

ARB:0x4f47bc496083c727c5fbe3ce9cdf2b0f6496270c

BSC:0x4f47bc496083c727c5fbe3ce9cdf2b0f6496270c

其中 1,133,025.26 USDT、935,943.84 BUSD、17,811.05 USDC 流出到各类中心化交易所。

AMNOKGANG TECHNOLOGY DEVELOPMENT COMPANY

ETH：

0xcB74874f1e06Fcf80A306e06e5379A44B488bA2D

0x0330070FD38Ec3bB94F58FA55D40368271E9e54A

0x9Be599d7867f5E1a2D7Ec6dB9710dF2b98A15573

共计约有 205.02 ETH、274,531.15 USDT、228,496.97 USDC，其中 0x9be599d7867f5e1a2d7ec6db9710df2b98a15573 中有 96.05 ETH 沉淀。

Tron 网络

TNrX2FwrHKoo4XACGkmSzqeK4pdnKYn6Z7

TEEYCuGDyeNkuDj4 U6GQRXxXo3Nh29r2vP

TZB4NrX7k9ZsV6PRc1GigAztLL8WHpLvwP

TDe2 UNAvuUnTbbDo7518eMe3TXN5qJW8Ft

其中 2,744.75TRX、4,941,817.62 USDT 流出到各类中心化交易所。

Beosin 反洗钱建议

本次行动是美国财政部持续打击朝鲜利用加密货币规避制裁的又一举措。对于虚拟资产行业来说，如何进行反洗钱合规筛查，识别涉及高风险资金的地址已经成为虚拟资产服务提供商（VASP）的关键能力。

「每周编辑精选」是 Odaily星球日报 的一档“功能性”栏目。星球日报在每周覆盖大量即时资讯的基础上，也会发布许多优质的深度分析内容，但它们也许会藏在信息流和热点新闻中，与你擦肩而过。

因此，我们编辑部将于每周六从过去 7 天发布的内容中，摘选一些值得花费时间品读、收藏的优质文章，从数据分析、行业判断、观点输出等角度，给身处加密世界的你带来新的启发。

下面，来和我们一起阅读吧：

投资与创业

红杉资本：下一个万亿公司不卖软件，直接卖结果

下一个万亿美元公司不会卖软件工具，而是直接卖工作成果。每花 1 美元买软件，企业就要花 6 美元买服务。当 AI 让「做事」的成本趋近于零，真正的机会不在 Copilot（辅助工具），而在 Autopilot（自动完成工作）。

作者逐个拆解了保险、会计、医疗、法律、IT、采购、招聘、咨询等服务行业的自动化机会，附了一张按「智力 vs 判断」和「外包 vs 内部」两个维度画的机会矩阵图，对 AI 创业者和投资人都有参考价值。

Web3 团队别再在 X 平台浪费营销预算了

Green Dots 对 X 平台上的 KOL 宣发活动进行研究，叠加近期 X 推出的新付费合作政策改变了 X 平台上的营销格局，大部分 Web3 项目的宣发策略都已不再合适。

作者以 Starknet 为例，讲了失效原因和改进方案。改良后的模式应为：设计话题 → 激发创作者兴趣 → 引发讨论 → 让社区继续发挥。

Web3 & AI

龙虾关键 11 问：最通俗易懂的 OpenClaw 原理拆解

作者精编了一个通俗易懂的科普视频，将其中最关键的 AI Agent 原理解释，已问答和比喻的形式整理，包含以下我们都会自然好奇的问题：AI 记忆力的形成、烧钱的原因、调用工具的实现和流程、虾生虾的必要性和边界、主动干活的设计、最重要的安全使用等。

黄仁勋最新文章：AI 的「五层蛋糕」

AI 的五层结构：能源 → 芯片 → 基础设施 → 模型 → 应用。每一个成功的应用，都会向下牵动所有层级，直到最底层为它供电的发电厂。

AI 的真正意义，不只是更聪明的软件，而是一场规模堪比电力和互联网的基础设施革命。

OpenClaw x Crypto：这 8 个项目已经开始「接单」赚钱了

@senpi_ai：OpenClaw 上的 Hyperliquid 交易员；

@KellyClaudeAI：能开发 iOS 应用的代理；

@clawdbotatg：Web3 开发者代理；

@FelixCraftAI：「代理型创业者」；

@Clawnch_Bot：AI 代理界的 PumpFun；

@moltlaunch：像雇人一样，雇佣 AI 代理；

@nookplot：AI 代理的「协调层」；

@AntiHunterAI：既有经济价值，又有文化价值的代理。

OpenClaw 一天烧掉 2150 万 token？三招优化策略让成本骤降

大多数调用的成本，其实并不是在处理新的用户意图，而是在反复读取巨大的历史上下文。

做这四件事可以修复和优化：不要把巨大的工具输出塞进长期上下文；确保 compaction 机制真正生效；减少 reasoning 文本持久化；改善 prompt caching 设计。

最疯狂的以太坊 L2：AI agents 自发组织构建的 L2

现在的 AI 代理（基于 ERC-8004）已经能自主执行任务，比如发现 L1 性能不足时，它可以评估选项（如监测 gas 价格、交易吞吐）、然后“决定”迁移到现有 L2（如 Base 或 Zksync）。例如，代理可以用链上工具调用桥接资产、转移执行逻辑到 L2。

虽然技术门槛高，但依然可行。AI agent 可以用链上工具发起“奖金悬赏”或激励机制，雇佣人类或其它 AI agent，甚至和其他 AI Agent 共建。

另推荐：《AI 黑话词典（2026 年 3 月版），建议收藏》《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》《无偿镜像还是圈地为王？OpenClaw 创始人炮轰腾讯抄袭》。

预测市场

拆解 11.2 万个 Polymarket 地址：真正赚钱的 1%都在做这五件事

作者对 11.2 万多个 Polymarket 钱包、长达 6 个月的链上数据进行系统梳理与分析后，发现约 87.3% 的用户在平台上的交易最终是亏损的。

三个真相：顶级交易者胜率大多只在 55% 到 67% 之间；只专注一到两个领域；逐步建仓而非第一时间冒险杀入。

五个成功模式：在极端情绪时反向交易；借鉴凯利公式管理仓位；极度专注专业化交易；交易价格波动，而非事件结果；避开突发新闻。

五点操作建议：选择一个赛道并长期专注；记录每一次预测；仓位管理尽量接近四分之一凯利公式；只在优势足够明显时交易；坚持复盘。

另推荐：《奥斯卡奖前瞻：预测市场的大户们在押谁？》。

政策和稳定币

一场脱锚与一条推文：当美国总统开始为自家生意“立法护航”

USD1 短暂脱锚说明，政治背书能带来市值，却未必能带来抗压能力。WLFI 团队的大额转账，也缺乏透明和公开的解释。

自特朗普 2025 年 1 月重回白宫，他的加密帝国就从未与他的总统身份真正切割过。GENIUS Act 最直接的受益者之一，便是特朗普家族旗下的 World Liberty Financial（WLFI）的稳定币 USD1。

美国现有的制度缺乏足够的工具来处理这种新型的权力-商业重叠。

空投机会和交互指南

热门交互合集 | xStocks 上线积分计划；Noise 候补名单申请（3 月 13 日）

CeFi & DeFi

原油暴涨 25%，Hyperliquid 上演百倍杠杆生死局

这一轮原油行情，把一个过去并不显眼的话题推到了台前：链上大宗商品交易。这是真实的金融民主化。但故事的暗面是，链上没有任何机制让你在黑天鹅降落时喘口气。

Ondo、xStocks、Hyperliquid「三国杀」：谁在构建未来金融的“底座”？

三种不同路径：Ondo 想做链上贝莱德，将代币化标准提升至机构级；xStocks 做零售用户的得力工具，更看重自我托管和多链访问能力；Hyperliquid 的优势在于其去中心化的市场创建机制，催生出各类细分市场的爆发。

一周热点恶补

过去的一周内，特朗普：将暂时解除部分与石油相关的制裁，以降低油价；美国国防部长：不会结束对伊朗的战争，除非击败敌人；特朗普威胁在通过选民身份法案前停止签署任何法案，或影响加密监管法案进程；哈梅内伊之子穆杰塔巴当选伊朗新任最高领袖；伊朗外交部发言人：伊朗不会相信美国做出的任何承诺；伊朗称允许部分船舶通过海峡，国际油价回吐涨幅；

此外，政策与宏观市场方面，《CLARITY 法案》有望 7 月过关，白宫与参议员积极推动；美 SEC 主席：将考虑创新豁免以促进代币化证券交易；美 CFTC 主席：区块链预测市场可成“真相机器”，即将出台明确监管规则；美 IRS 加密审计新表格要求申报全部交易所与钱包历史，涉 Coinbase 等超 100 个平台；美国联邦法官允许币安涉恐诉讼原告60 天内重新提起诉讼；香港人大代表：应谨慎发展稳定币、虚拟资产等新兴金融产品；香港证监会拟联动警方与持牌机构，利用 24/7 止付机制冻结虚拟货币诈骗资金；6.1 万枚比特币洗钱案赔偿方案遭质疑，中国受害者已在英国发起法律挑战；某中国公民涉 SafeX 加密交易所 690 万美元被盗案在新加坡判处两年监禁；胡志明市批准设立 5 万亿越南盾创投基金，优先投资区块链和 AI 等领域；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；迪拜黄金出现罕见折价交易，或因中东战火扰乱物流；

观点与发声方面，马斯克：X Money 早期公众访问版将于下月上线；Bernstein：Circle 股价仍有 60%上涨空间，受稳定币采用和 AI 金融驱动；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”；Nic Carter 回应BIP-360 作者身份背景争议：应关注提案质量与 BTC 量子抗性目标；Robinhood 推进私募股权“散户化”，Vlad Tenev 再提股权代币化愿景；Strategy 战略负责人：STRC 和 MSTR 将成比特币终极积累机器，熊市结构已彻底改变；a16z 发布Top 100 AI 应用榜单：AI 正在走出浏览器，嵌入一切；10x Research：可参考此前 Circle 空头回补行情寻找下一个加密股机会；Kyle Samani：PropAMM是几十年来市场微观结构中最重要的创新之一（全文）；币安已就诽谤行为正式对“华尔街日报”提起诉讼；Vitalik：以太坊核心价值是全球共享“公告板”，智能合约与支付只是附加功能；

机构、大公司与头部项目方面，JPMorgan因涉嫌参与 3.28 亿美元加密庞氏骗局被投资者起诉；华尔街主要经纪商拟接入预测市场，Clear Street 与 Marex 率先行动；Coinbase Prime 推出统一保证金功能，覆盖现货、衍生品及监管永续合约；Kraken 代币化股票交易平台启动积分计划，或将推出生态代币；Polymarket 将推出标普 500 指数二元期权；Polymarket 的夏令时切换 bug导致 bot 用户受损；Kalshi 遭集体诉讼：因未向与伊朗战争有关预测市场用户支付奖金；以太坊推出解决 AI Agent 间互信问题的 ERC-8183（详解）；Vitalik 提议优化以太坊最终性机制：以 Minimmit 取代 Casper FFG；Solana Shanghai Builder Station 正式落地上海虹桥阿里中心；一用户因滑点在单笔交易中损失约 5000 万美元，Aave 创始人称界面曾多次发出警告（事件回顾）；特朗普将为 TRUMP 持有者举办午宴，本人与 18 位”超级明星“嘉宾出席；Backpack 将于 3 月 23 日TGE；

AI 领域，腾讯推出OpenClaw 安全工具箱；OpenClaw 创始人质疑腾讯抓取 Skills 并呼吁其提供支持避免推高服务器成本；OpenClaw 创始人表示愿与百度共同进一步开发“龙虾”；国家网络安全通报中心发布OpenClaw 安全风险预警；

数据上，Kalshi 与 Polymarket 均以约 200 亿美元估值寻求融资；DeFi 稳定币利率创自 2023 年 6 月以来最低水平；Vitalik Buterin：FLI 将其捐赠的 SHIB 套现约 5 亿美元……嗯，又是跌宕起伏的一周。

附《每周编辑精选》系列传送门。

下期再会~

原文标题：Inside OpenAI’s Race to Catch Up to Claude Code

原文作者：Maxwell Zeff，Wired

原文编译：Peggy，BlockBeats

编者按：在 AI 编程代理迅速崛起的当下，曾凭 ChatGPT 引领生成式 AI 浪潮的 OpenAI，却在这一关键赛道上意外成为「追赶者」。与之形成鲜明对比的是，由前 OpenAI 成员创立的 Anthropic，凭借 Claude Code 在开发者社区和企业市场迅速走红，成为 AI 编程工具领域的重要领先者之一。

本文通过对 OpenAI 高管、工程师以及多位开发者的采访，揭示了这场竞赛背后的真实过程：从早期 OpenAI Codex 项目被拆分、资源转向 ChatGPT 与多模态模型，到内部团队重新整合、加速推出 AI 编程产品，OpenAI 正在经历一次从战略忽视到全面追赶的转折。某种意义上，这并非技术能力的落后，而是战略节奏的错位：ChatGPT 的爆发改变了公司优先级，与 Microsoft 的合作关系限制了产品路径，而 Anthropic 则更早押注 AI 编程赛道。

在这场竞赛背后，更深层的问题也逐渐浮现：当 AI 代理开始承担越来越多的认知型工作时，软件开发流程乃至白领劳动本身，都可能被重新定义。

以下为原文：

OpenAI 首席执行官 Sam Altman 把双腿盘在办公椅上，仰头望着天花板，像是在思考某个尚未成形的答案。某种程度上，这也与环境有关。

OpenAI 位于旧金山 Mission Bay 的新总部，是一座由玻璃与浅色木材构成的现代建筑，气质近乎「科技圣殿」。前台后的展示架上摆放着介绍「AI 时代」（Eras of AI）的手册，仿佛在描绘一条通往技术启示的路径。楼梯墙面上贴满了人工智能发展的里程碑海报，其中一张记录着这样一个时刻：成千上万名观众通过直播见证，一台机器在《Dota 2》比赛中击败顶级电竞战队。走廊里，研究员穿着印有标语的团队周边衫来来往往，其中一件写着：「好的研究需要时间。」当然，理想情况下，不必太久。

我们坐在一间巨大的会议室里。我向 Altman 抛出的问题，与正在席卷行业的 AI 编程革命有关，以及为什么 OpenAI 似乎并未在这一波浪潮中占据领先位置。

如今，数以百万计的软件工程师已经开始将部分编程工作交给 AI 处理，这让硅谷许多人第一次真正直面一个现实：自动化可能会触及他们自己的岗位。编程代理（coding agents）也因此成为少数几个企业愿意为 AI 支付高价的应用场景之一。按理说，这样的时刻完全可能，甚至应该成为 OpenAI 楼梯墙上海报中的下一次「胜利时刻」。但现在，占据头条位置的名字却并不是它。

这家公司的对手是 Anthropic，一家由前 OpenAI 成员创立的 AI 公司。凭借其编程代理产品 Claude Code，Anthropic 获得了爆发式增长。公司在 2 月披露，该产品已贡献近五分之一的业务规模，对应年化收入超过 25 亿美元。相比之下，据一位知情人士透露，截至 1 月底，OpenAI 自家的编程产品 OpenAI Codex 的年化收入仅略高于 10 亿美元。

问题在于：为什么在这场 AI 编程竞赛中，OpenAI 反而落在了后面？

「先发优势的价值非常大。」Sam Altman 沉思片刻后说道，「这一点，我们在 ChatGPT 上已经体验过。」

不过，在他看来，现在正是 OpenAI 全面发力 AI 编程的时机。他认为，公司现有的模型能力已经足够强大，可以支撑高度复杂的编程代理（coding agents）。当然，这样的能力并非偶然，公司为此投入了数十亿美元用于模型训练。

「这将会是一门巨大的生意，」Altman 说，「不仅因为它本身带来的经济价值，也因为编程所能释放的通用生产力。」他停顿了一下，又补充道：「我很少轻易使用这个词，但我认为，这很可能是那种规模达到数万亿美元的市场之一。」

更进一步，他认为，OpenAI Codex 或许是通向通用人工智能（AGI）的「最可能路径」。按照 OpenAI 的定义，所谓 AGI，是一种能够在绝大多数具有经济价值的工作中超越人类表现的 AI 系统。

Sam Altman，OpenAI 首席执行官。摄影：Mark Jayson Quines。

不过，尽管 Altman 以一种从容不迫的姿态做出自信判断，过去几年公司内部的真实情况却要复杂得多。为了了解更完整的内部故事，我采访了 30 多位知情人士，包括在公司批准下接受采访的现任 OpenAI 高管与员工，以及一些在匿名条件下介绍公司内部运作情况的前员工。综合这些叙述，可以看到一个并不常见的局面：OpenAI 正在奋力追赶。

时间回到 2021 年。当时，Altman 和其他 OpenAI 高管邀请《WIRED》记者 Steven Levy 来到他们位于旧金山 Mission 区的早期办公室，观看一项新技术演示。这是一项基于 GPT-3 衍生出来的项目，使用来自 GitHub 的大量开源代码进行训练。

在现场演示中，高管们展示了这款名为 OpenAI Codex 的工具如何接收自然语言指令，并生成简单的代码片段。

「它实际上可以在计算机世界里替你执行操作，」当时，OpenAI 总裁兼联合创始人 Greg Brockman 这样解释，「你拥有的是一个能够真正执行命令的系统。」即便在当时，OpenAI 的研究人员也已经普遍认为，Codex 将成为构建「超级助手」（super assistant）的关键技术。

那段时间，Altman 和 Brockman 的日程几乎被与 Microsoft 的会议填满——这家软件巨头正是 OpenAI 最大的投资方。微软计划利用 Codex 为其首批商业化 AI 产品之一提供技术支持：一款名为 GitHub Copilot 的代码补全工具，可以直接嵌入程序员日常使用的开发环境中。

一位早期 OpenAI 员工回忆说，在那个阶段，Codex「基本只能做自动补全」。但微软高管仍将其视为 AI 时代到来的重要信号。

2022 年 6 月，当 GitHub Copilot 正式公开发布时，短短几个月内便吸引了数十万用户。

Greg Brockman，OpenAI 总裁。摄影：Mark Jayson Quines。

最初负责 Codex 的 OpenAI 团队随后被调往其他项目。一位早期员工回忆称，公司当时的判断是：未来模型本身就会具备编程能力，因此没有必要长期维持一个独立的 Codex 项目团队。一部分工程师被调去参与 DALL-E 2 的开发，另一部分则转向训练 GPT-4。在当时看来，这是让 OpenAI 更接近 AGI 的关键路径。

随后，2022 年 11 月 ChatGPT 上线，并在两个月内获得超过 1 亿用户。公司内部几乎所有其他项目都因此被迫暂停。此后的几年里，OpenAI 实际上没有一支专门负责 AI 编程产品的团队。一位曾参与 Codex 项目的前成员表示，在 ChatGPT 走红之后，AI 编程似乎不再属于公司新的「消费级产品优先」战略范畴。与此同时，业内普遍认为这一领域已经被 GitHub Copilot「覆盖」，而那本质上是 Microsoft 的主场。OpenAI 主要只是提供底层模型支持。

因此，在 2023 年和 2024 年，OpenAI 的资源更多投向多模态 AI 模型与智能代理（agents）。这些系统被设计为能够同时理解文本、图像、视频和音频，并像人类一样操作光标与键盘。这一方向在当时看起来更符合行业趋势：Midjourney 的图像生成模型在社交网络上迅速走红，而行业普遍认为，大语言模型必须能够「看见」和「听见」世界，才能真正迈向更高层次的智能。

相比之下，Anthropic 选择了一条不同路径。虽然该公司同样在开发聊天机器人和多模态模型，但它似乎更早意识到编程能力的潜力。在最近的一档播客中，Brockman 也承认，Anthropic 从很早阶段就「高度专注于编程能力」。他指出，Anthropic 在训练模型时不仅使用了学术竞赛中的复杂编程题，还加入了来自真实代码仓库的大量「混乱」代码问题。

「这是我们后来才意识到的一课，」Brockman 说。

2024 年初，Anthropic 开始使用这些真实代码仓库数据训练 Claude 3.5 Sonnet。当该模型在 6 月发布时，许多用户对其编程能力印象深刻。

这种表现尤其在一家名为 Cursor 的初创公司中得到验证。这家由一群二十多岁年轻人创立的公司，开发了一款 AI 编程工具，允许开发者用自然语言描述需求，由 AI 直接修改代码。当 Cursor 接入 Anthropic 的新模型后，其用户规模迅速增长，一位接近该公司的知情人士透露。

几个月后，Anthropic 开始在内部测试自己的编程代理产品，Claude Code。

随着 Cursor 的人气不断上升，OpenAI 一度试图收购这家初创公司。但据多位接近该公司的消息人士透露，Cursor 的创始团队在谈判尚未深入之前就拒绝了这一提议。他们认为 AI 编程行业潜力巨大，因此希望继续保持独立发展。

Andrey Mishchenko，OpenAI Codex 研究负责人。摄影：Mark Jayson Quines。

当时，OpenAI 正在训练其首个所谓的「推理模型」，OpenAI o1。这类模型能够在给出答案之前，对问题进行逐步推理。OpenAI 在发布时表示，该模型在「准确生成与调试复杂代码」方面表现尤为突出。

Mishchenko 解释说，AI 模型之所以在编程能力上取得明显进步，一个重要原因在于：编程是一种「可验证任务」（verifiable task）。代码要么能运行，要么不能运行，这为模型提供了非常明确的反馈信号。一旦出错，系统就能迅速知道哪里出了问题。OpenAI 正是利用这种反馈循环，不断让 o1 在更复杂的编程问题上进行训练。

「如果没有在代码库中自由探索、实施修改并测试自身结果的能力——这些都属于『推理』能力的一部分——那么今天的编程代理不可能达到现在的水平。」他说。

到 2024 年 12 月，OpenAI 内部已经出现多个小团队开始专注于 AI 编程代理。其中一个团队由 Mishchenko 与 Thibault Sottiaux 共同领导。Sottiaux 曾任职于 Google DeepMind，如今是 OpenAI 的 Codex 负责人。

起初，他们对编程代理的兴趣主要来自内部研发需求，希望利用 AI 自动化完成大量重复性的工程工作，例如管理模型训练任务、监控 GPU 集群运行状态等。

另一项并行的尝试则由 Alexander Embiricos 主导。他此前负责 OpenAI 的多模态代理项目，如今担任 Codex 的产品负责人。Embiricos 曾开发过一个名为 Jam 的演示项目，并在公司内部迅速传播开来。

Thibault Sottiaux，OpenAI Codex 负责人。摄影：Mark Jayson Quines。

与通过鼠标和键盘控制电脑不同，Jam 可以直接访问计算机的命令行。2021 年的 Codex 演示还只是展示 AI 为人类生成代码，由人类手动运行；而 Embiricos 的版本则可以自己执行这些代码。他回忆说，当时看着一页实时记录 Jam 操作行为的网页在自己笔记本电脑上不断刷新更新，内心几乎被震撼到。

「有一段时间，我一直在想，多模态交互可能是实现我们使命的路径。比如人类整天与 AI 共享屏幕、一起工作。」Embiricos 说，「后来突然变得非常清晰：也许，让模型直接获得对计算机的程序化访问权限，才是实现这一目标的真正方式。」

这些分散的项目花了几个月时间才逐渐整合成一个统一方向。到 2025 年初，当 OpenAI 完成对 OpenAI o3 的训练时，这是一款在编程任务上比 OpenAI o1 更进一步优化的模型，公司终于拥有了构建真正 AI 编程产品的技术基础。但与此同时，Anthropic 的 Claude Code 已经准备公开发布。

在 Claude Code 发布之前（2025 年 2 月以「有限研究预览」形式推出，5 月全面上线），当时 AI 编程领域的主流模式还被称为 「vibe coding」。开发者通过 AI 辅助工具推动项目进展，由人类掌控方向，而 AI 在过程中补充具体实现。这类工具已经吸引了数亿美元投资。

但 Anthropic 的新产品改变了这一模式。像 Jam 演示一样，Claude Code 可以直接通过计算机的命令行运行，这意味着它能够访问开发者的全部文件与应用程序。编程不再只是「AI 辅助」，而是开发者可以把整项工作直接交给 AI 代理完成。

面对这一变化，OpenAI 开始加速推出竞争产品。Sottiaux 回忆说，他在 2025 年 3 月组建了一支「冲刺团队」（sprint team），任务是在几周内整合公司内部多个团队，尽快推出 AI 编程产品。

与此同时，Altman 还尝试通过收购来实现「弯道超车」，以 30 亿美元收购 AI 编程初创公司 Windsurf。OpenAI 高层认为，这笔交易将为公司带来一个成熟的 AI 编程产品、一支经验丰富的团队，以及现成的企业客户基础。

但这笔收购案随后陷入停滞。据 The Wall Street Journal 报道，问题出在 OpenAI 的最大合作伙伴 Microsoft。微软希望能够获得 Windsurf 的知识产权访问权。自 2021 年以来，微软一直使用 OpenAI 的模型为 GitHub Copilot 提供技术支持，这一产品也成为微软财报电话会议中的亮点之一。但随着 Cursor、Windsurf 以及 Claude Code 推出新的 AI 编程代理体验，GitHub Copilot 开始显得停留在上一代 AI 工具阶段。如果 OpenAI 再推出一款新的编程产品，对微软来说未必是好消息。

这笔收购谈判正好发生在 OpenAI 与微软关系最紧张的时期。双方当时正在重新谈判合作协议，而 OpenAI 试图削弱微软对其 AI 产品与算力资源的控制权。最终，Windsurf 收购案成为这场博弈的牺牲品。到 7 月，OpenAI 放弃了这笔交易。随后，Google 聘请了 Windsurf 的创始团队，而其余员工则被另一家 AI 编程公司 Cognition 收购。

「我当时当然很希望这笔交易能够完成，」Altman 说，「但并不是每一笔交易都能掌控。」他表示，虽然原本希望 Windsurf 的收购「能在一定程度上加速我们的进展」，但他对 Codex 团队的发展势头同样印象深刻。在谈判进行的同时，Sottiaux 和 Embiricos 仍在持续开发产品并推出更新。

到 8 月，Altman 决定全面加速推进。

Alexander Embiricos，OpenAI Codex 产品负责人。摄影：Mark Jayson Quines。

Greg Brockman 衡量 AI 能力最喜欢的一种方式，是他自己设计的一款小游戏，「反向图灵测试」（Reverse Turing Test）。几年前他亲手写下了这个游戏的代码，如今则会把任务交给 AI 代理，从零开始重新实现。

游戏规则很简单：两名人类玩家分别坐在不同电脑前，每个人屏幕上都会看到两个聊天窗口。其中一个窗口连接另一名人类玩家，另一个则连接 AI。玩家需要猜出哪个窗口是 AI，同时又要设法让对手误以为自己才是 AI。

Brockman 说，在去年大部分时间里，OpenAI 最强的模型要花上数小时才能搭建出这样一个游戏，而且过程中还需要大量明确的人类指令和协助。但到去年 12 月，Codex 已经能够通过一条精心设计的提示词（prompt），直接生成一个完全可运行的版本，底层使用的是新的 GPT-5.2 模型。

这种变化并不只被 Brockman 注意到。世界各地的开发者也开始意识到，AI 编程代理的能力突然出现了明显跃升。围绕 AI 编程的讨论，最初主要集中在 Claude Code，很快突破硅谷技术圈，成为主流媒体关注的话题。

甚至一些没有编程经验的普通用户，也开始利用 AI 直接创建自己的软件项目。

这波使用量激增并非偶然。在这段时间里，Anthropic 和 OpenAI 都投入了大量资金，以获取更多 AI 编程代理用户。多位开发者告诉《WIRED》，他们每月 200 美元的 Codex 或 Claude Code 订阅计划，实际能获得超过 1000 美元价值的使用额度。这种相当「慷慨」的限额，本质上是一种市场策略：先让开发者在日常工作中习惯使用 AI 编程工具，再在企业场景中按使用量收费。

据多位知情人士透露，2025 年 9 月时，Codex 的使用量只有 Claude Code 的约 5%。但到 2026 年 1 月，Codex 的用户规模已经上升到 Claude Code 的约 40%。

在科技初创公司工作了 10 年的开发者 George Pickett 最近甚至开始组织以 Codex 为主题的线下聚会。

「我觉得很明显，我们正在用 AI 代理取代白领工作，」Pickett 说，「至于这对社会意味着什么，说实话谁也说不准。它肯定会带来巨大冲击，但我对未来总体还是比较乐观的。」

与此同时，估值约 110 亿美元的效率软件公司 Notion 联合创始人 Simon Last 表示，在 GPT-5.2 发布之后，他和公司的核心工程团队已经转向使用 Codex，主要原因是稳定性更好。

「我发现 Claude Code 经常会『骗我』，」Last 说，「它会说任务正在运行，但实际上并没有。」

Katy Shi，OpenAI 研究员。摄影：Mark Jayson Quines。

在 OpenAI 负责研究 Codex 模型行为的 Katy Shi 表示，虽然有人把 Codex 的默认风格形容为「干巴巴的面包」（dry bread），但越来越多用户反而开始欣赏这种不刻意讨好的交流方式。「很多工程工作，本质上就是能够接受批评性的反馈，而不会把它当成冒犯。」她说。

与此同时，一些大型企业也已经开始采用 Codex。OpenAI 应用业务 CEO Fidji Simo 表示：「ChatGPT 已经成为 AI 的代名词，这让我们在 B2B 市场拥有巨大优势。企业更愿意部署员工已经熟悉的技术。」她补充说，OpenAI 销售 Codex 的核心策略，是把它与 ChatGPT 以及其他 OpenAI 产品一起打包提供。

Cisco 总裁兼首席产品官 Jeetu Patel 则向员工明确表示，不必担心使用 Codex 的成本，因为关键是要尽快熟悉这种工具。当员工担心「使用这些工具会不会让自己失业」时，Patel 的回答是：「不会。但我可以保证，如果你不使用它们，你就会失业，因为你会变得不再有竞争力。」

如今，围绕 AI 编程代理的焦虑已经远远超出硅谷技术圈。The Wall Street Journal 上个月曾将一轮规模达 1 万亿美元 的科技股抛售部分归因于 Claude Code，投资者担心软件开发可能很快被 AI 大规模取代。几周后，在 Anthropic 宣布 Claude Code 可以用于改造运行 COBOL 的旧系统（这种系统在 IBM 机器上十分常见）后，IBM 股价经历了 25 年来最糟糕的一天。

与此同时，OpenAI 也在努力将 AI 编程代理推入公众讨论中心。公司甚至花费数百万美元，在超级碗（Super Bowl）期间投放了一则关于 OpenAI Codex 的广告，而不是推广 ChatGPT。

在 Mission Bay 的 OpenAI 总部内部，几乎没有人需要被说服使用 Codex。我采访的许多工程师表示，他们如今已经很少亲自敲代码了，大部分时间只是与 Codex 对话。有时，他们甚至会「集体交流」。

在总部，我旁听了一场 Codex 黑客松。大约 100 名工程师挤在一个大房间里，每个人有四小时，用 Codex 做出最好的演示项目。一位 OpenAI 高管站在前方，一边看着手中的笔记本电脑，一边用麦克风宣布团队名称。各团队代表紧张地走上讲台，用略显颤抖的声音介绍自己的 AI 项目。最终的获胜者获得了 Patagonia 背包作为奖励。

许多项目既是用 Codex 开发的，也旨在帮助工程师更好地使用 Codex。例如，有团队开发了一个工具，可以把 Slack 消息自动整理成每周报告；另一组则做出了一个类似 Wikipedia 的内部 AI 指南，用来解释 OpenAI 各项内部服务。过去，这类原型往往需要几天甚至几周时间才能完成，而现在，一个下午就足够。

离开时，我在门口遇到了 Kevin Weil，前 Instagram 高管，如今负责 OpenAI 的「OpenAI for Science」部门。他告诉我，Codex 正在替他通宵完成一些项目任务，他会在第二天早上查看结果。这样的工作方式已经成为他以及数百名 OpenAI 员工的日常。OpenAI 在 2026 年的目标之一，是开发一个「自动化实习生」，用于研究 AI 本身。

Simo 表示，未来 Codex 不只是用于编程，而是希望成为 ChatGPT 及所有 OpenAI 产品中的任务执行引擎，为用户完成各种实际工作。Altman 也表示，他很希望推出一个通用版本的 Codex，但仍然担心安全风险。

他说，2026 年 1 月底，一位没有技术背景的朋友曾请他帮忙安装一款爆红的 AI 编程代理 OpenClaw。Altman 拒绝了这一请求，因为在他看来，「现在显然还不是个好主意」，例如 OpenClaw 可能会误删重要文件。

讽刺的是，几周后，OpenAI 宣布已经聘请了 OpenClaw 的开发者。

许多开发者告诉我，如今 Codex 与 Claude Code 之间的竞争从未如此激烈。但随着这些工具能力不断提升、并被企业管理者越来越多地引入工作流程，社会需要面对的问题早已不只是「该使用哪款 AI 编程工具」这么简单。

Amelia Glaese，OpenAI 研究副总裁兼对齐负责人。摄影：Mark Jayson Quines。

一些监督机构担心，OpenAI 在追赶 Claude Code 的竞争中，可能会让安全问题退居次要位置。一个名为 Midas Project 的非营利组织指责 OpenAI 在发布 GPT-5.3-Codex 时弱化了其安全承诺，未充分披露该模型在网络安全方面的潜在风险。

对此，Glaese 反驳称，OpenAI 并没有为了推进 Codex 而牺牲安全性，公司方面也表示，Midas Project 对其安全承诺存在误读。

即便是 Greg Brockman，这位去年为支持 AI 发展向一个亲 AI 的超级政治行动委员会（Super PAC）和一个支持 Donald Trump 的组织分别捐赠 2500 万美元，并且依然乐观表示「我们正按计划迈向 AGI」的 OpenAI 联合创始人也对这一新现实抱有复杂情绪。

在硅谷工程师圈子里，Brockman 一直以「极度投入」的管理风格著称：那种会在产品发布前一晚仍然深入代码库检查细节的老板。某种程度上，如今这种更加「放手」的工作方式让他感到轻松。「你会意识到，过去大脑被许多其实不必要的细节所占据，」他说。

但与此同时，当一个人变成「数十万 AI 代理舰队的 CEO」，由这些系统去执行你的目标与愿景时，你也很难再深入到每个问题解决的具体细节之中。

「在某种意义上，这会让人感觉自己正在失去对问题本身的『脉搏』。」Brockman 说。

原文链接

本文来自：@Ehsan1579

编译｜Odaily 星球日报（@OdailyChina）；译者｜ Ethan（@ethanzhang_web 3）

单看事件标题，大概率会误以为这是一起漏洞利用攻击。

事件核心是：有人将价值 5040 万美元的 USDT，最终仅兑换到价值 3.59 万美元的 AAVE。

我初次听闻此事时，着实震惊。因此，我彻头彻尾地梳理了整个事件：交易追踪、求解器路径、合约调用、历史储备、结算数据、适配器流程、Aave 界面代码、CoW 闪电贷 SDK，以及判断报价是否“合理”的路由代码。

这不是一次黑客攻击。​ Aave 核心协议没有出错。CoW 结算没有出错。Uniswap 没有出错。SushiSwap 没有出错。交易是有效的，签名是有效的，所有合约都严格按照代码执行。然而，几乎全部的经济价值都被摧毁了，只因为它被允许走上的路由荒谬至极。

公链没有出问题，出问题的是路由。

在我看来，轻描淡写将此事归为单纯的“用户操作失误”，并非客观严谨的态度。诚然，用户完成了订单签名，但整套软件系统，竟允许一笔涉及近 5000 万美元抵押品轮换的操作，完成报价、签名、路由规划直至最终执行，且全部流程指向一个仅持有约 331 枚 AAVE 的低流动性池。这本该是完全不可能发生的事，至少理应在结算环节启动前，就被系统强硬拦截拒绝。

交易核心信息溯源

本次异常交易哈希为：0x9fa9feab3c1989a33424728c23e6de07a40a26a98ff7ff5139f3492ce430801f，于 2026 年 3 月 12 日在以太坊主网区块高度 24643151 处确认，交易索引为 1，消耗 Gas 量 3780570 单位，交易执行成功。订单归属钱包地址为 0x98b9 开头，实际执行交易的求解器（交易发送方）地址为 0x3980 开头，在 CoW 竞赛数据中标记为 tsolver。

首先要明白，这不是一次简单的钱包层面的 USDT 到 AAVE 兑换。卖出代币是 aEthUSDT，即 Aave 平台上生息的 USDT 存款凭证。买入代币是 aEthAAVE，即 Aave 平台上生息的 AAVE 存款凭证。所以，这实际上是一次通过 CoW 协议的结算系统及其闪电贷适配器流程进行的 Aave 抵押品轮换。

交易前，该钱包持有约 50,432,693.075254 个 aEthUSDT 和 0 个 aEthAAVE。交易后，它仅剩 4.980399 个 aEthUSDT，并收到了 327.241335505966487788 个 aEthAAVE。实际上，该钱包卖出了几乎全部头寸。

元数据更清晰地表明，路由在执行前就已经是“有毒”的。订单来自 aave-v3-interface-collateral-swap 流程。CoW 的 API 将其显示为已签名的卖出订单，而应用元数据则将其标记为使用 121 个基点智能滑点的市价式抵押品互换。签名的卖出金额是 50,432,688.41618 个 aEthUSDT。签名的最低买入金额是 324.949260918413591035 个 aEthAAVE。实际结算支付了 327.241335505966487788 个 aEthAAVE。

这是一个极其重要的细节。这笔订单本就没期望获得成千上万的 AAVE，然后在中途不知何故被摧毁。它在构建之初，就围绕着三百多个 AAVE 这样的结果。

路由崩盘的完整链路

一旦你跟随交易追踪，整个过程便残酷地直截了当。

顶层资金流转核心依托 CoW 协议 0x9008 开头的 GPv2Settlement 结算合约。首先，0x60bf 开头的 HooksTrampoline 合约完成 aEthUSDT 授权操作，允许 CoW 金库中继器无需单独交易授权，即可提取用户资产；随后，0xc92e 开头的 GPv2VaultRelayer 合约从用户钱包提取 50432688.41618 枚 aEthUSDT 进入结算流程，截至此环节，所有操作均符合正常逻辑。

结算合约随后将 aEthUSDT 操作权限授予 0xd524 开头的未开源辅助合约，并通过函数选择器 0x494b3137 发起调用；该辅助合约再将执行权限转交至 0x699c 开头的未开源执行器合约，至此，异常交易路由的全貌彻底暴露。

首个有效调用指向 0x87870 开头的 Aave 资金池合约，通过 withdraw 函数（选择器 0x69328dec）销毁 aEthUSDT，赎回底层原生 USDT；随后路由跳转至 0x4e68 开头的 Uniswap V3 深度 USDT/WETH 交易池，将全部 50432688.41618 枚 USDT 兑换为 17957.810805702142342238 枚 WETH。

这一阶段的交易完全正常：兑换汇率约为 2808.4 USDT 兑换 1 枚 WETH，符合当时市场行情，无流动性不足问题，无计算偏差，第一跳交易链路不存在任何异常。

问题出在第二跳，一旦你看到流动性储备，剩下的故事就不可避免了。

执行器获取 17957.810805702142342238 枚 WETH 后，将全部资金转入 0xd75ea151a61d06868e31f8988d28dfe5e9df57b4 地址的 SushiSwap V2 AAVE/WETH 交易池。

我核查了该交易池在异常交易发生前一刻（区块高度 24643150）的历史流动性储备数据，池内仅持有：

331.631982538108027323 枚 AAVE、17.653276196397688066 枚 WETH

这并非数据录入错误，而是铁一般的事实。

这条交易路由，将近 17958 枚 WETH 全部注入一个仅储备 17.65 枚 WETH、对应 AAVE 总库存仅 331.63 枚的微型交易池，输入的 WETH 体量竟是池内 WETH 储备的约 1017 倍。

这绝非“滑点偏高”或“流动性略薄”的常规问题，而是一条极端荒谬的市价单执行路径，相当于强迫一个体量极小的恒定乘积 AMM 池，承接一笔规模超出自身数千倍的巨额交易。

AMM 交易池按照既定算法执行了操作，近乎耗尽了池内全部 AAVE 储备。

SushiSwap 交易对触发核心 Swap 交换事件：执行器转入 17957.810805702142342238 枚 WETH，仅换回 331.305315608938235428 枚 AAVE。交易完成后，该池剩余流动性约为：

0.326666929169791895 枚 AAVE、17975.464081898540030304 枚 WETH

说白了，池中约 99.9%​ 的 AAVE 库存在一跳中被抽干。

根据交易前的储备，池子隐含的 AAVE 价格约为 149.50 美元。用户的实际执行价格约为 154,114.66​ USDT 兑 1 AAVE。这比交易前的现货价格差了超过 1000 倍。

接着，这些 AAVE 被供应回 Aave 资金池，使用选择器 0x617ba037，即 supply(address,uint256,address,uint16)。结果是新铸造的 aEthAAVE 被送回结算合约。结算合约最终将 327.241335505966487788 个 aEthAAVE 转给了用户。大约 4.06398010297174764 个 aEthAAVE 作为相对于用户支付的盈余，留在了结算合约中。

所以，结算并没有突然将一个好的执行结果扭曲成一个坏结果。它只是最终敲定了路由早已产生的结果。

这是关键点，值得明确说出：​ 灾难性的结果在路由执行前就已经“预设”在其中了。

路由内嵌的辅助合约调用数据中，买入端目标金额约为 331.272185078031026739 枚，用户签名约定的最低买入金额为 324.949260918413591035 枚，实际结算金额为 327.241335505966487788 枚，所有核心数值在结算前，就锁定在三百余枚 AAVE 的量级。

这条路由生来就是坏的。

漏洞在哪儿？

答案是：系统每一层校验机制，都在核查错误的维度。

所有层级仅校验交易是否可执行、签名是否有效、金额是否非零，却几乎没有核心层级校验交易路由在经济层面是否具备合理性，这是机制失守的核心根源。

Aave 界面适配器报价路径的代码缺陷

首个明显的代码异常点，出现在 Aave 界面的 CoW 适配器报价流程中：原本用于在请求报价时，附带适配器专属应用数据的函数，被直接强制禁用。

来源：rates.helpers.ts:93和 adapters.helpers.ts:194

这意味着 Aave 界面在向 CoW 请求报价时，并没有附上实际发布订单时会附加的闪电贷和钩子元数据。换句话说，被报价的东西并不完全是要被执行的东西。代码注释甚至说这个助手函数的目的是为了让适配器报价更精确，然后这个函数却被硬性禁用了。

CoW 报价竞争逻辑的合理性判定过于薄弱（核心漏洞）

第二个也是最严重的问题，在于 CoW 协议的报价竞争逻辑：其公共服务代码中，只要报价 Gas 费用为正、输出金额非零，就会被判定为“合理报价”。

来源：quote.rs:31

对于一个处理八位数订单的路由系统来说，这是一个令人震惊的薄弱的“合理性”定义。

系统未接入预言机做价格健全性校验，无“报价偏离现货价格 500 倍以上”的拦截机制，无“路由会彻底抽干流动性池”的风险判定，无“最后一跳流动性与订单规模严重不匹配”的预警；只要求解器返回可执行、非零的路由方案，就会被系统接纳，这是本次事件的核心漏洞。

Uniswap V2 类流动性建模逻辑的缺陷

第三个问题，在于 Uniswap V2 风格的流动性池建模方式：代码仅采用标准恒定乘积算法，仅拒绝零储备、数值下溢、储备溢出等数学层面的不可能情况，不做经济层面的可行性校验。

来源：pool_fetching.rs:118和 pool_fetching.rs:153

该段代码不会判断流动性池体量是否足以承接对应路由交易，仅判断交换操作在数学上是否有效。因此，即便一个仅储备 331 枚 AAVE 的微型池，也会被判定为承接 17957 枚 WETH 买入请求的有效场所，只因恒定乘积算法能算出非零结果，却完全无视这个结果会带来毁灭性的资产损耗。

闪电贷 SDK 与订单验证机制的二次失守

随后，闪电贷 SDK 直接将这份失效报价，固化到订单与钩子的执行载荷中，没有做任何二次风险拦截。

接着：

来源：index.js:484和 index.js:591

这就是为什么我一直说这条路由是“生来就坏”。适配器层并没有在执行时“发现”一个新的坏金额。它将已报价的坏金额序列化到了钩子数据和确定的实例地址中。一旦糟糕的报价存在，其余机制就会忠实地将其传递下去。

即使是 CoW 的订单验证逻辑在这里也没有真正保护用户，因为它只检查订单是否超出报价时的市场价格，而不检查报价本身相对于实际流动性是否荒谬。

来源：order_validation.rs:694

这是一致性检查。如果报价本身就已经是胡言乱语，订单仍然可以通过。

UI 前端预警机制形同虚设

Aave 界面确实有高价格冲击警告，但它不是一个硬性的熔断开关。当价值损失超过 20%时，它变成一个确认复选框。

一旦用户勾选了复选框，障碍就被清除了：

来源：helpers.ts:24和 HighPriceImpactWarning.tsx:35

因此，即便这笔交易会近乎清空全部资产价值，系统也仅将其判定为需用户确认的操作，而非系统必须强硬拒绝的高危交易，预警机制完全失去了风险拦截作用。

基于以上所有机制失守，我绝不认同“这只是用户犯傻”的敷衍结论。用户确实完成了签名，但整套软件系统有无数次机会拦截这场灾难，却每一层都仅做了基础校验，判定“非零、可执行、已签名”后直接放行，最终酿成恶果。

路由未被篡改

这一环节至关重要，直接排除了大量错误猜测：aave-v3-interface-collateral-swap 对应的 Aave 官方界面流程，会在 useSwapOrderAmounts.ts 文件第 139 行，结合报价、网络费用、合作方费用、闪电贷费用，计算滑点调整后的买入金额；第 331 行将其转换为 buyAmountBigInt 数值；随后在 CollateralSwapActionsViaCoWAdapters.tsx 文件第 191 行，对该金额完成精准签名。

后续适配器合约会在 AaveV3BaseAdapter.sol 文件第 141 行，校验签名订单字段与存储数值完全匹配；CoW 结算合约会在 GPv2Settlement.sol 文件第 337 行，强制执行签名约定的限额规则。因此，链上执行结果并未超出签名订单允许的范围，用户实际收到的资产，甚至高于签名约定的最低限额。

这足以证明：灾难发生在结算环节之前，而非结算过程中，路由的致命缺陷早已注定结局。

消失的价值去了哪里？

同一区块内的下一笔交易（哈希 0x45388b0f 开头），针对被破坏的 SushiSwap AAVE/WETH 池完成了回跑套利。异常交易用巨量 WETH 塞满池子、抽干绝大部分 AAVE 后，套利者立即将 AAVE 卖回池中，收割流动性失衡带来的超额价值。

本次回跑套利共提取约 17929.770158685933 枚 WETH，随后向该区块构建者支付约 13087.73 枚 ETH，向套利执行地址支付约 4824.31 枚 ETH。

用户损失的全部经济价值，最终几乎瞬间转化为同一区块内的 MEV 套利收益与区块构建者收益。

另外核查区块级时间序可以确认：交易前无人恶意操纵 SushiSwap 交易池设套诱骗用户，该 AAVE/WETH 交易对首次被触及，就是本次异常交易（交易索引 1）；紧接着的下一笔交易（交易索引 2），就针对本次交易造成的价格扭曲完成首次回跑；交易索引 3 也在市场修复过程中触及该交易对。时间线清晰印证：本次异常交易制造了极端扭曲价格，后续交易直接收割了这份扭曲收益。

那么，是谁的错？

如果你问 Aave V3 核心协议是否崩溃了，答案是没有。Aave 资金池完全按照指令执行操作，正常完成 USDT 赎回与 AAVE 存入流程。

如果你问 CoW 的 GPv2Settlement 合约是否崩溃了，答案是没有。结算强制执行了一份有效的签名订单，并支付了高于签名最低限度的金额。

如果你问 Uniswap V3 或 SushiSwap 的交易对合约是否崩溃了，答案同样是没有。两类交易池均按照自身算法规则完成交易定价。

真正的系统性失败，发生在更上层的路由与风控层面：

主要责任方为 CoW 协议的路由、报价与求解器模块：整套系统对“合理路由”的判定标准过于薄弱，允许千万美元级巨额订单，最终流向微型低流动性池，只要路由可执行、非零就予以接纳，完全无视经济层面的极端不合理性。

次要责任方为 Aave 前端界面：请求适配器报价时未附带钩子关联的应用数据，直接将错误结果传入签名流程，且仅依赖预警提示、无硬性拒绝机制，对于此类极端大额交易，这类风控措施完全不足以防范风险。

这是一次交易路由质量与风控护栏的极端性失败，直接将一笔合法合规的抵押品轮换操作，演变成了一场毁灭性的资产损失事件。