嘉盛是纳斯达克上市公司，总部位于美国，作为纳斯达克上市历经百年的金融巨头StoneX集团的一部分，引领交易行业的发展。嘉盛秉持为客户提供卓越交易平台、专业市场分析与优质服务的宗旨，年复一年地赢得行业与全球交易者的认可。FOREX.com嘉盛迄今已向21个国家地区，服务客户45万+，拥有员工4300+，平均执行速度0.04秒。
作为全球性上市公司。旗下成员公司在美国、英国、日本、新加坡、塞浦路斯、开曼群岛及加拿大等重要监管辖区持有权威牌照，主要受以下机构监管：
选择嘉盛，选择不一样的人生。
欲了解更多品牌相关信息，欢迎百度搜索【嘉盛集团】。
原文来源：Beosin
近年来，GPT-4、Claude、Gemini 等大语言模型已经具备较强的代码理解能力，能够较好地阅读 Solidity、Rust、Go 等智能合约语言，也能识别重入攻击、整数溢出等具有明显代码特征的经典漏洞。这让行业开始思考：是否可以用大模型来辅助甚至替代人工进行合约审计？
由于通用模型对具体项目的业务逻辑了解不足，在面对复杂的DeFi 协议时，误报率较高，也容易漏掉那些需要结合跨合约交互或经济模型才能发现的漏洞。后来，业界提出了加入“Skill”机制的方案——在通用大模型的基础上，注入针对智能合约安全的专项知识库、检测规则和业务上下文，让模型在审计时有更明确的判断依据，而不是仅靠通用能力去判断代码是否存在问题。
即便加入 Skill 增强，AI 审计仍然有明确的适用范围。它擅长已知漏洞模式的扫描和代码规范检查，但对于需要深入理解整体协议设计、跨合约交互逻辑或经济模型的复杂漏洞，目前仍难以有效处理。这类问题仍然需要经验丰富的审计专家来负责，而在涉及复杂计算逻辑的场景中，还需要引入形式化验证提供更强的保障。在此背景下，Beosin 构建了 Skill 增强 AI 基线检查 + 人工深度审计 + 形式化验证的三审计模式，三者各有侧重、互为补充。
本文从已完成人工审计的项目库里，选取了两类复杂度差别较大的合约来做测试案例：一类是逻辑比较独立、功能边界清晰的简单合约，这类项目通常是AI 审计工具训练数据最充足、理论上最占优势的场景；另一类则是涉及多合约交互、复杂状态机或者跨协议依赖的复杂合约，这也正是行业里讨论“AI 能不能替代人工审计”时，最常被拿出来说的高风险场景。
在对比时，我们用完全一样的代码库，先让 AI 独立跑一遍审计，生成报告后再和人工审计报告一条一条对齐。两份报告的产出过程完全互不干扰——人工审计员出报告时根本不知道 AI 的结果，避免相互影响。最后，我们会从以下四个维度来分析结果：
第一组测试，我们选取了一个标准的 BEP-20 代币合约，使用 Solidity 0.5.16 编写。它的逻辑相对独立，功能边界很清晰，没有涉及任何跨合约交互，主要的安全风险都集中在一些常见的、已知的漏洞模式上。这类合约目前理论上是 AI 审计最占优势的场景——训练数据里这类标准代币合约非常多，规则性的漏洞特征也比较明显。
AI 共输出 6 项告警（2 高危、1 中危、3 低危/建议），从数量上看较为可观。低危与建议项基本准确，覆盖了 Solidity 版本过旧、状态变量暴露方式等常见代码规范问题，具有一定参考价值。然而，AI 输出的两项”高危”均构成误判。AI 将 owner 铸币权和权限集中标记为高危漏洞——实际上对于中心化稳定币（USDT 类），owner 拥有铸币权属于预期设计，风险评估应结合多签控制、权限治理机制及合约升级策略综合判断。这类权限结构的合理性，根本上取决于项目的业务模型而非代码本身，AI 缺乏这一层语境，只能基于模式匹配做出判断。
该测试案例显示，AI 能识别权限结构，但无法结合业务语境判断权限是否合理，所以将 USDT 类合约的 owner 铸币权直接标记为”高危漏洞”，这是典型的脱离业务实际逻辑的误判——这类误报可能干扰项目方对真实风险的判断。
第二组测试选取 Code4rena 平台公开报告中的 IPC Protocol 项目（报告链接：code4rena.com/reports/2025-02-recall）。该项目包含 Gateway、SubnetActor、Diamond 代理模式等多个相互依赖的核心组件，安全性高度依赖对协议整体架构和跨组件交互逻辑的深度理解，这是 DeFi 生态中高价值攻击的典型发生场景。下面是AI审计结果：
针对复杂合约，AI 审计共产出 3 项高危、6 项中危告警，从输出体量上并不逊色。但其中相当比例被审计员判定为误报——AI 对缺乏上下文的代码片段做出了错误的风险判断。与此同时，在审计员确认的 9 个 High 级漏洞中，AI 仅完整覆盖 1 项，另有 2 项被发现但定级明显偏低（实为 High，AI 报告为 Medium），其余 6 项完全未被发现。4 个 Medium 级漏洞中，AI 覆盖了 1 项，3 项完全缺失。
这些漏洞的共同特点是：都依赖对协议跨组件状态转变路径的完整推理，而非对单一函数的模式匹配。以人工审计报告中的 H-01（签名重放）为例，漏洞的利用路径需要理解多签验证的设计意图、攻击者如何构造重复签名集合、以及这一行为如何绕过权重阈值。H-06（leave() 函数重入攻击）同样如此：漏洞仅在子网 bootstrap 临界状态下存在，需要理解质押流转、bootstrap 触发条件与外部调用时序三者之间的交叉依赖。类似的深层逻辑漏洞，在 AI 的告警列表中没有任何记录。
该结果显示在复杂合约审计中：AI 的审计能力在于局部代码的模式识别，而协议级漏洞可能存在对整体业务逻辑的理解偏差。当漏洞的触发条件跨越多个合约、多个状态、多个调用层级时，AI 当前的推理能力尚无法有效覆盖。
综合两个案例来看，AI 审计并非没有价值——它在已知漏洞模式的覆盖、代码规范检查、以及部分独立视角的发现上具有实质贡献。但它的价值边界非常清晰：可以作为基线扫描，但不能直接作为安全结论。对于复杂协议，仅依赖 AI 报告做出安全判断，不仅会漏掉风险较高的漏洞，还会因为大量低质量告警占用团队大量筛查时间。这正是Beosin建立专属Skill知识库，以及在审计流程中引入三审计模式机制的核心原因。
为了将把AI 审计纳入基线检查的审计流程，就必须解决其在审计真实 DeFi 协议时误报和漏报率偏高的问题。无论是权限管理、AMM 流动性机制、跨链桥的消息验证，还是借贷协议的清算逻辑，AI 目前都只能根据代码表面的特征做简单匹配，很难结合具体的业务场景和攻防逻辑来判断一段代码到底有没有问题。解决这个问题的核心，是把审计专家多年积累的经验以结构化的方式注入到 AI 的判断过程中，让它具备一定的业务理解能力。
但是需要明确的是，即使引入了Skill 增强，AI 在审计中的定位也不会改变。对于那些涉及多合约交互、经济模型分析以及新型攻击手法的复杂问题，人工审计依然不可替代。Skill 的作用，是在 AI 能处理的范围内（比如识别常见漏洞模式，并有限地理解业务逻辑），把初步扫描的质量提升到一个真正有用的水平，为人工审计提供更有价值的初步结果，而不是制造出一堆需要反复甄别的无效告警。
Beosin 的 Skill 知识库，来源于超过 4000 个已完成人工审计的智能合约项目，由审计专家进行了大量归纳、总结，并逐条提炼和验证整理而成。每一条规则的形成，都完整走完了从漏洞发现到规则落地的全过程：审计师在真实项目中发现安全问题后，会对攻击路径进行完整还原，深入分析根本成因，验证修复方案是否有效，最终把这一整套攻防认知整理成带有上下文判断条件的规则条目，纳入 Skill 库，供后续审计调用。
以下为Skill库中的其中一个规则样本，包含漏洞模式、攻击路径、根本成因与修复建议四个维度上的结构：
[Beosin-AMM_Skill-1] 添加流动性检测通过转账顺序绕过
漏洞模式：合约通过检查Pair中WBNB余额是否超出储备量（balanceOf >= reserve + required）判断是否为添加流动性操作。该检测依赖WBNB先于代币到Pair的假设，但Router的addLiquidityETH函数固定先转ERC-20代币再转WETH，且addLiquidity函数的转账顺序由参数顺序决定。
攻击路径：攻击者只需使用addLiquidityETH（代币固定先转），或调用addLiquidity(Token, WBNB, …)使Token先于WBNB转入Pair。检测时WBNB尚未到达，balanceOf == reserve，检测函数返回false，从而完整绕过“no add liquidity”限制。
根本成因：基于Pair余额快照的检测方式，在设计层面本质上无法可靠地区分swap与add liquidity操作，属于架构性缺陷而非实现Bug。
修复建议：改为禁止非白名单地址直接向Pair转账，所有交易通过合约内置函数完成，从架构层面根除余额快照检测的根本缺陷。
该规则并非对单一代码模式的简单标注，而是对一类攻击的系统性梳理：触发条件如何构成、攻击者沿何路径绕过检测、检测机制在哪个环节存在架构性缺陷，以及修复需要在哪个层面介入。
Beosin目前已形成覆盖Web3主流技术栈的专项skill漏洞库，包括Solidity、Rust、Motoko、FunC、Go及ZK等大类。其核心内容作为内部核心资产不对外公开，目录结构如下：
每个专项库下的Skill都按照漏洞类型分开管理，每一条规则都包含编号、触发条件、攻击路径还原、上下文判断逻辑以及修复建议。整个Skill库会随着每次新型攻击事件的出现和审计实例的积累持续迭代，确保始终与链上真实的威胁环境保持同步。
为量化Skill库对基线扫描质量的实际影响，我们以第二章中的两个测试案例为基准，在相同代码库上分别运行通用AI与Skill增强AI，并对结果进行逐项比对。
案例A · 标准代币合约（BEP-20）对比结果：
案例B · 复杂业务合约（IPC Protocol）对比结果：
对比结果显示，引入 Skill 后，两类合约的检测质量都有明显提升。在标准代币合约场景中，由于加入了业务语境判断能力，高危误报被彻底消除；在复杂业务合约场景中，已知漏洞模式的覆盖率从 11% 提升到 44%，误报率从约 55% 降到约 30%，严重等级判断的准确性也显著改善。这份报告可以作为基线检查，帮助项目方提前了解代码中存在的缺陷。虽然这些问题暂时不会直接造成资金损失，但对后续的项目维护和升级仍有重要的积极作用。
然而，数据也清晰地暴露了 AI 能力的固有边界：即使加入 Skill 增强后，在复杂合约中 High 级漏洞的覆盖率也仅达到 44%。那些需要跨合约状态路径推理、经济激励模型分析，或特定时序条件才能触发的深层漏洞，仍然远远超出 AI 基线扫描的能力范围。这正是我们在引入 Skill 增强之后，审计流程中依然保留完整人工审计环节的根本原因。
除了漏洞特征库之外，我们在审计流程中还增加了一项重要能力：把项目的白皮书作为额外输入，让 AI 对代码实现与白皮书设计之间的一致性进行验证。
具体来说，在代码审计开始前，AI 会系统地解析项目的白皮书、技术规范和需求文档，从中提取角色权限模型、核心业务流程、信任边界定义以及预期行为约束，形成结构化的项目语境摘要。随后，在整个代码审计过程中，AI 会持续参照这个语境进行交叉比对。这一机制在实际使用中带来了两类很有价值的结果：
第一，对于代码中看似存在风险的权限结构，如果白皮书中已经明确说明了其设计意图和约束条件，AI 会据此调整判断，从而有效减少这类误报。
第二，如果代码实现与白皮书的承诺存在明显偏差，比如文档中宣称的滑点保护机制在代码里并未实现，或者治理流程的时间窗口约束没有被正确执行，AI 就会据此发出告警。这类代码与文档不一致的问题，在常规代码扫描中非常容易被忽略，但往往正是潜在的安全隐患所在，同时也帮助项目方尽可能避免，项目实际上线后出现与其预期并不相符的行为。
智能合约一旦部署上链，任何漏洞的代价往往都是不可逆的。Beosin 以人工深度审计 + 形式化验证作为合约审计的基础，重点发现并报告那些已经可能导致资金损失或逻辑运行异常的问题。同时，我们引入了基于专属 Skill 知识库的增强 AI 基线检查，帮助客户更早地发现那些目前还只是缺陷、尚未造成实际危害的代码问题。在此基础上，Beosin 构建了人工深度审计 + 形式化验证 + 增强 AI 基线检查三审计模式，通过三者分层协作，形成覆盖更全面的安全保障体系。
人工审计的核心优势在于对协议整体设计的深度理解，以及从攻击者角度主动分析潜在风险。经验丰富的审计专家负责对项目进行全面的协议级审计，包括跨合约交互逻辑的验证、资金安全的攻击面分析、协议在极端市场条件下的逻辑分析，以及对新型攻击方式的识别与判断。这种协议级的攻防理解高度依赖对Web3生态的长期积累与实战经验，是工具层面目前无法独立完成的。
在此基础上，Beosin 以内部工具链将人工审计的判断结论转化为可量化的数学保证。针对审计专家确认的核心业务逻辑，如：资金流转、价格计算等最高风险的关键路径，Beosin 将 LLM 驱动的形式化规范生成能力深度集成进内部验证工具链，构建了「AI 规范生成 → 形式化穷举验证 → 反例驱动精化」的闭环引擎。工具链首先以 Beosin 积累的审计语料库为知识底座，对人工确认的高风险路径进行攻击面建模，辅助生成形式化不变量与安全属性规范的初始候选集；随后，自动形式化验证引擎对合约的完整状态转换空间进行穷举验证。当验证引擎发现反例时，系统自动区分两类情形：若反例源于规范定义与业务语义的偏差，则将反例上下文回传 AI 模块进行规范精化，驱动下一轮迭代；若反例对应合约代码的真实可利用路径，则直接作为漏洞证据输出，附带完整的攻击路径复现，供审计专家确认并跟进修复。两条路径共同驱动闭环收敛，直至数学意义上确认目标属性对所有可能输入均成立。经该闭环机制验证的关键路径，构成整个合约安全体系中确定性最强的防线，将攻击面压缩至极窄的范围。
同时，Beosin 也将基于 Skill 知识库的增强 AI 基线检查作为一项独立服务提供给客户。与专注于发现高危漏洞的人工深度审计不同，这项服务的定位更接近一份面向开发团队的代码健康报告。AI 基线扫描会对合约代码进行全量覆盖，系统性地梳理出那些当前不会直接造成经济损失，但在项目后续维护和迭代过程中需要开发者关注的潜在问题。例如：使用了过时的依赖库、缺失关键事件声明、不符合最佳实践的状态变量暴露方式，以及可以进一步优化的 Gas 使用模式等。这些问题在当前的业务逻辑下通常不会被攻击者直接利用，但随着协议功能扩展、代码重构或外部依赖更新，其中部分问题有可能逐步演变为真正的安全隐患。三个层次各有侧重、逐层递进，共同构建起对 Web3 项目安全的完整保障体系。
4 月 7 日，密苏里州 Festus 市的选民把 8 名市议员里的 4 名一次性罢免。起因是市议会 3 月底以 6 比 2 通过了一个 60 亿美元的 AI 数据中心项目。该项目由 Clayco 的数据中心开发部门 CRG 主导，占地 360 英亩，终端客户是一家未公开身份的财富 100 强公司（代号 Project Cumulus）。
市议会没开公开听证就签字，当地居民组织 Wake Up JeffCo 随后在圣路易斯县法院起诉市政府和 CRG，针对市长的罢免联署也已启动。据 Tom’s Hardware 的综述，同一时间段，印第安纳波利斯市议员 Ron Gibson 的住宅在 2025 年底遭十几发子弹射击，门口留有「No Data Centers」的纸条。
Festus 不是孤例。前不久，印第安纳波利斯市议员 Ron Gibson 的住宅遭枪手在深夜连射 13 枪，他的 8 岁儿子被枪声惊醒。门口留着一张手写纸条，「不准建数据中心。」FBI 已介入调查。乔治华盛顿大学极端主义研究项目的研究员 Jordyn Abrams 指出，数据中心正在成为反科技、反政府极端分子的攻击目标。
Ron Gibson 枪击案现场
倡导组织 Data Center Watch 在 2025 年 Q2 报告里把组织化反对团体数量从一年前的 142 个（24 个州）更新到 188 个（40 个州）。叫停或延期的项目金额从 640 亿美元涨到 1,620 亿美元。2026 年 4 月 1 日，威斯康星州 Port Washington 通过全美第一个以数据中心为明确对象的公投，66% 的选民赞成给 1,000 万美元以上 TIF 补贴项目加一道强制公投门槛。
这些事件加起来，回答的是同一个问题：AI 产能扩张的真正瓶颈，会不会卡在县市级的选票上。
把过去 23 个月的事件放到美国地图上，能看到两种层级的反弹。一种是州级，已有 8 个州提交或通过数据中心暂停法案，包括缅因州（众议院以 82-62 通过，持续至 2027 年）、佛蒙特州（暂停至 2030 年 7 月）、弗吉尼亚州（由民主党众议员 Irene Shin 提交，暂停至 2028 年）、佐治亚州、马里兰、南达科他、威斯康星、明尼苏达。这一层是立法动作，影响面最大但进度最慢。
另一种是市县级，反弹更密集也更激烈。亚利桑那州 Chandler 市议会在 2025 年 12 月以 7-0 一致否决了 Active Infrastructure 的 25 亿美元项目（游说方是前联邦参议员 Kyrsten Sinema）。同州 Tucson 市议会 2026 年 4 月正在审议数据中心规划限制条例，公开意见征集到月底。得州 Hays County / San Marcos 以 5-2 否决 15 亿美元项目。俄勒冈 Cascade Locks、印第安纳 Chesterton、弗吉尼亚 Catlett Station、密苏里 Peculiar、密歇根 Lansing。据 Data Center Watch 汇总，至少有 10 个州出现过市政级别的直接否决或开发商撤回。
一半以上的高冲突事件集中在中西部和中南部。这一带正是美国电网过去 10 年剩余容量相对充裕的地方，也是前一轮数据中心下沉招商的热点。现在反弹集中在同一片区域，换一个角度看，是供给方从「电厂富余的州」铺过来，碰上了地方政治最敏感的那一层。
Festus 的财政规模决定了 60 亿美元这个数字根本不可能由市议会正常消化。据当地报纸 myleaderpaper 引用市政预算文件，Festus FY2025 年度一般基金加公共安全运营预算是 1,764 万美元，FY2024 年度市政总支出是 3,741 万美元，FY2025 末预计储备资金 2,809 万美元。
数据中心项目的 60 亿美元，是这个年度运营预算的约 340 倍，折算到全市 1.32 万居民头上是每人 45 万美元。相对量级上，这不是一笔可以讨论的地方开发项目，而是一座小镇被接入了一条跟自己完全无关的资本管道。
对比 Festus 居民的人均年收入中位数，密苏里州非都市区约 3.5 万美元，更能看清问题。数据中心合同里的任何一个小数点，都大于整个社区一辈子的人均可支配收入。地方官员面对这种数字时，在程序上缺少制衡经验。Festus 市议会决议之所以被舆论指为「没开公开听证」，技术层面是因为这类项目通常走商业保密条款（开发商和终端客户身份都不披露），正常的市议会议事流程无法审议保密合同。这是一个结构性漏洞，不是个别市议员的疏忽。
正因为量级差距，把数据中心合同拆成地方议会能处理的尺度这件事，本身就不成立。这也是为什么过去 12 个月里，反弹路径不是在议事过程内部解决，而是用罢免、诉讼、公投这三种外部武器。Festus 的 4 名市议员被罢免，圣路易斯县法院同时受理居民团体起诉，市长罢免联署启动，是三种路径同时触发的少见案例。
AI 数据中心的电力占用，用美国小城作对照最能感觉出来。一个满负载 200 MW 的 AI 数据中心，按 86% 负载率算年耗电约 1,500 GWh。一个 10 万人的美国小城居民年耗电约 420 GWh（按美国能源信息署 EIA 的年均住宅用电 10.5 兆瓦时每户、每 2.5 人一户折算）。数据中心是小城居民用电的 3.6 倍。这还只是电力一项，没算冷却和配套用水。
水的对比反过来，但反而更直观。按美国地质调查局 USGS 的居民用水典型值（人均 100 加仑每天），一个 10 万人小城居民年用水约 36.5 亿加仑。一个超大规模（hyperscale）AI 数据中心按 谷歌 Council Bluffs（全美最大的 谷歌 数据中心）口径年耗水 5 亿加仑。绝对值看数据中心占小城的 13.7%，但换一个尺度，它相当于 1.4 万人整年喝水的量，落到一座常住人口 1 万到 5 万的小镇，就是把城市供水系统的相当一部分让给一个用户。据 Lawrence Berkeley Lab 2024 年数据中心能耗报告，全美数据中心 2023 年直接冷却用水 170 亿加仑，间接用水（发电）2,110 亿加仑，2028 年直接用水预计翻倍到翻 4 倍。
抗议里听得最多的是「我们的井水会干」。从数字看，这不是情绪化表达。弗吉尼亚劳登县（Loudoun County，全美数据中心最密集的县）2023 年境内数据中心潜在用水 8.99 亿加仑，占全县总用水约 10%，据 Sierra Club 和 Grist 引用的地方水利数据。县一级尚且如此，镇一级的数字只会更极端。
美国数据中心真正已经投产的容量，据 FERC 和 Wood Mackenzie 2025 Q4 数据，约 50 GW。规划管道共 241 GW，其中 33% 处于活跃开发阶段（约 80 GW），另外 67%（约 161 GW）尚未启动。彭博新能源财经 BloombergNEF 预测 2025 到 2030 年美国将新增 97 GW 容量，到 2035 年数据中心用电峰值到 106 GW。所有这些数字共同指向一个事实：绝大部分容量还在规划图纸上，没落地。
据 Sightline Climate 通过 TechRadar 披露的数据，2026 年原计划投产的 16 GW 里有 30% 到 50% 预计被取消或延期。同时，Data Center Watch 的数据显示，从 2024 年 5 月到 2025 年 3 月的 10 个月里，组织化反对使 640 亿美元的数据中心项目被阻止或延期。2025 Q2 单季的这个数字是 980 亿美元，对应 20 个项目。单季受阻金额已经超过前 10 个月的累计总量。
这构成了一个时间错位。资本已经承诺未来五年把美国数据中心容量翻几倍，但新增容量要在县市级审批里一关一关过。规划容量越多，可被反弹拖住的面就越大。Festus 这样的案例之所以能在一个月内从市议会投票升级到罢免和诉讼，不是因为它特殊，而是因为反对组织数量一年增加了 46 个（据 Data Center Watch 2025 Q2 报告），并且跨州分享模板化的法律工具，包括 TIF 补贴公投、分区规划诉讼、议员罢免联署。前沿实验室签的长期电力合约会不会兑现，取决于这些合约落在哪些县、那些县的议事会正在被什么样的居民盯着看。
AI 产能扩张的瓶颈，第一次跳出电力合约谈判桌之外，出现在 1.32 万人投出的罢免票上。
原文作者：sysls
原文编译：AididiaoJP，Foresight News
我最近一直在琢磨在 Hyperliquid 这类去中心化交易所上执行大规模投资组合的事。
理论上讲，如果：
那么：
最终结果是，由于被抢先交易，你承担的成交成本（滑点）会更高。
想象一下，你想以 10 万美元的价格买入 100 万美元的比特币。刚好有人在 10 万美元挂了 100 万美元的比特币卖单。一个抢跑者看到了你的意图，抢在你前面介入，吃掉了那个卖单，然后以 100,100 美元的价格把那 100 万美元的比特币卖给你。多出来的这 100 美元就是本可以避免的滑点，前提是你的意图被隐藏起来了。
理论上，如果把这种情形推到它的「必然结局」，那么几乎任何形式的「严肃交易」在去中心化交易所上都会受到抑制。
然而，我们知道事实并非如此。很多非常专业的玩家带着超额收益在 Hyperliquid 上从事职业交易。因此很明显，「有超额收益的玩家不该在去中心化交易所上交易」这个结论并非那么绝对。
我们能不能从基本原理出发，结合现有证据，为被抢先交易的限度推导出一个直观的边界呢？
很明显，如果你体量很小，并且在像币安这样高度不透明的交易场所交易，你被抢先交易的可能性几乎为零。体量小意味着你的交易足迹（交易量）相对于市场而言微不足道，以至于你几乎是隐形的；并且即使你的行为完全可预测，也没有人能把你具体的交易活动（挂单和成交）与你本人对应起来。
另一方面，在 Hyperliquid 上，最典型的体量大又高度透明的钱包例子就是 HLP 金库本身——那个向 Hyperliquid 上其他交易者提供流动性的公开做市商金库。我相当肯定，存在专门针对 HLP 进行抢先交易的策略，而且这种持续的压力已经实际上把做市阿尔法压缩到了接近于零。
HLP 代表了一个相当极端的例子。首先，它同时具备「体量极大」和「透明度极高」两个特征。说它「体量极大」，是因为它在那些流动性不足的长尾资产中的交易足迹巨大（比如，其交易规模占日均交易量的很大比例）。
再者，它「透明度极高」，因为它主要是个做市商，试图通过提供流动性来达到以溢价平掉现有库存的明确目的。这意味着，只要 HLP 上出现一个「大」仓位，你就知道它最终必然需要平掉这个仓位。更糟的是，你能看到 HLP 的每一个仓位和每一个挂单。这使得每当你看到它需要买入以平掉空头仓位时，你就能调整自己的投资组合以便更便宜地卖给 HLP，反之亦然。
所有这些特性让 HLP 成为抢先交易特别有吸引力的目标，这与交易所交易基金因必须严格遵循指数调仓而被人抢先交易没什么不同。在对冲基金圈子里，你要是真用了「抢先交易」这个词，合规部门肯定会在各个维度把你标记出来；圈内行话是，指数调仓团队非常擅长为这些 ETF 提供一种「通过预判流动性需求并从中赚取溢价」的服务。
在经典意义上的抢先交易中，一个市场参与者提前知道另一个市场参与者要做什么，然后采取一系列行动从这一信息中获利。
举一个（违法）例子：如果我是一名保险代理人，我知道我那位非常富有的客户打算在今天整个交易时段买入 10 亿美元的一只流动性差的股票，那么，在交易时段开盘时，我下一笔 100 万美元的市价买单，同时在收盘时下一笔同样股数的市价卖单。
通过知道我客户的意图和行动，我得以在他之前成交，让他的买入行为推高股价，然后赚取差价。这之所以高度违法，是因为我：
然而，这是一个好例子，因为它清楚地表明，我之所以能获利，仅仅是因为我知道另一个市场参与者的意图和行动，并能预估这些行动的结果，从而让自己处在有利位置。
每一天，抢先交易都以更小的规模、更低的违法程度在发生着。交易算法无需被告知就能近似推断意图，它们利用每个人都能获取的公开信息（挂单、成交、仓位）。然后，它们预估这种近似意图所引发的市场行为的结果，并基于「抢先交易」的预期价值来决定是否采取行动。
由此我们可以推断，你「意图」的透明度和泄露程度，才是你是否会被轻易抢先交易的首要决定因素。
好，现在我们知道了，如果你体量小且在交易平台不透明，你就不用担心被抢先交易，因为没人能判断你的意图。同样地，如果你体量大、在交易平台透明，且意图非常透明（比如 HLP），那你注定会被抢得毫无还手之力。
但这些极端情况对绝大多数交易者来说参考价值不大。我们更关心的是那些「中间地带」。如上所述，最终决定你被抢跑倾向的，是你的意图有多透明。
即使你体量大，并且在不透明的交易所交易，别人要抢先于你也不容易。你的订单会作为日均交易量的一部分，表现为「大单足迹」，但要所有订单都归因到「单一主体」并不简单，除非你的交易方式极其透明——比如，你没有任何随机化操作，你用固定手数或固定名义金额的拆分单交易，或者你以非常确定的模式发送拆分单（比如每 30 秒一次）。
如果你能隐藏你的意图——例如，你交易的规模随机、发送拆分单的时间随机、间隔随机，并且避免挂出相对于日均交易量或订单簿上挂单量而言过大的买单——那么别人就很难把你的订单归因到一个人身上。市场或许能从总体上感知到存在大量买入兴趣，但可能无法将这种买入兴趣归因到某个掌握阿尔法收益的知情方，因此也就不会据此对流动性进行定价。
值得庆幸的是，我们其实可以把这一点推广到透明的交易所上。尽管 Hyperliquid 和 Lighter 上存在大量金库，且它们的运作相对透明，但真正要抢先这些金库的交易，其实并不简单。
结论就是：除非你的体量相当大（比如管理着数亿美元资产的机构金库），你几乎不用担心被抢先交易。
试图在不违法的情况下从抢先交易中获取 alpha 收益，本身就是一种 alpha 策略的实践。你是根据公开信息（挂单、成交、仓位）来对意图进行建模，这本身就要承担模型风险。
挂单、成交和仓位或许可见，但意图不是。一笔挂在那里的限价单，可能代表 alpha 收益，可能代表库存管理，也可能代表对冲。那些假定每一笔订单背后都有 alpha 收益的模型，会被无数次的误判一点点消耗殆尽。
再者，就算假设你能相对准确地提炼出意图。即便如此，alpha 收益本身也不是「全能」的。所有 alpha 收益都带有一定的统计噪声，而你的投资组合不仅暴露在 alpha 收益的统计噪声之下，还要额外承受因误解某些行为为 alpha 收益所带来的模型风险。
你可能会说，如果我盲目地 1:1 复制目标的操作，那我肯定能捕获所有的 alpha 收益——但问题在于，这反而会让你自己暴露在被利用的风险之下。如果你每次都在目标行动时发送同样的买单，那么当目标想卖出时，它可以先挂一笔限价买单，看着你也挂了同样的买单，然后立刻撤单，再反过来卖给你。所以你看，不加思考地抢先交易本身也会带来漏洞。
还应该记住并认识到，alpha 收益是有时间跨度的。有些 alpha 收益转瞬即逝，攻击者自己可能都无法利用（例如高频交易的吃单阿尔法）；还有些 alpha 收益持续时间非常长，攻击者可能因为不愿和你一起承担那么久的风险而放弃（例如数天或数周的再平衡交易）。
最后，即便你身后有一个极其老练的抢先交易者盯着，事实上，它体现出来的影响也不过就是几个基点而已。如果你真的拥有持续的阿尔法收益，很多策略完全能够消化掉这几个基点的额外成本。
即使知道这事没那么简单，作为一个聪明的、能创造 alpha 收益的市场参与者，你的任务依然是隐藏你的意图，让攻击者抢跑你的难度尽可能地大。
你可以做很多事情，复杂程度和有效性各不相同。你首先应该做的，是执着地收集遥测数据和日志，这样你就能量化自己被抢跑的具体「程度」（如果确实存在的话）。你可以通过分析大量样本订单和成交的标记价格、滑点和冲击成本来做到这一点。
然后，一旦有了数据，你就可以采取一系列防御措施。这些措施的一个共同主线是：你应该让你「是否想买还是想卖」、「实际想买或卖多少」、「以多紧急的程度想买或卖」，以及「你是在交易 alpha 仓位还是对冲仓位」，这一切都变得不那么显而易见。
一些模糊你意图的简单方法是：同时挂出双边报价，使用随机规模，在并非总是确定性的时间间隔进行操作。
一种（高层次的、复杂的）能有效模糊你仓位的方法是：将你的投资组合拆分成多个钱包，每个钱包内部保持多空基本中性，并且各自「保证金效率」良好。在每个钱包内部，你既持有产生 alpha 收益的仓位，也持有对冲仓位。有的钱包是 80% 阿尔法仓位加 20% 对冲仓位；另一些则是 80% 对冲仓位加 20% alpha 仓位。随着时间的推移，你轮换每个钱包的「类型」，并且随机地引入新钱包、淘汰旧钱包。
这意味着，如果攻击者只跟踪了其中一个钱包，他们最终跟踪的可能是一个主要做对冲的钱包，从而陷入那些为对冲目的而设的亏损仓位里。如果他们跟踪了所有钱包，你就可以通过一系列相互矛盾的操作来进一步模糊你的真实意图。具体会是什么样，就留给读者自行想象了！
最后，市面上已经存在一些解决此问题的（外部）方案。我个人没用过，但从核心原理上讲，它们通过以下两种方法之一来解决隐私问题：
把订单汇集到一起，先进行内部撮合，然后把剩余部分放到去中心化交易所上执行，最后再将仓位归属回给你——这跟对冲基金里的中央流动性账簿汇总各个策略小组的订单、然后再把仓位分配回去的做法没什么区别。
将你的订单与该方案其他用户的订单一起拆分到多个钱包中，在去中心化交易所上执行，然后再把仓位归属回给你。
如果你是一个交易规模不大的散户，即使在透明的去中心化交易所上交易，你大概也没什么可担心的。抢先交易存在其自身的局限性，使得别人很难真正以你的损失为代价来获利。
话虽如此，随着你的交易规模逐渐增大、alpha 收益质量不断提高，这会自然地激励抢跑者来盯着你。到了那个时候，你就应该投入更多资源来模糊你的意图，让他们的日子尽可能难过。
这个问题无论如何都算不上「已经解决」，对于任何在开放、去中心化、透明的流动性场所进行大规模交易的机构或交易者来说，这将是一场持续不断的「猫鼠游戏」。
在未来 1-3 个月内，全球金融市场的核心锚点已不再是美联储降息的节点，而是地缘政治冲突带来的供给侧冲击。
美伊冲突及中东局势的持续发酵，直接推动了全球原油价格的攀升。这种由油价驱动的实际通胀抬升，正在向企业的成本端无情传导。当前市场尚未完全计入极端冲突（如地面部队介入）的尾部风险。如果这种局面延续至二季度中后期，通胀的韧性将对美联储的货币政策形成巨大掣肘，使得原本宽裕的流动性预期大打折扣。这也直接导致了近期 10 年期美债收益率与长期按揭贷款利率面临极大的上行压力。
表面上看，近期的非农就业数据（NFP）依然强劲，但这掩盖了劳动力市场的结构性疲软。新增就业几乎全靠医疗保健行业（老龄化驱动）与外来移民支撑，而金融与政府部门的就业实际在收缩。美联储内部模型显示，美国劳动力供给增速正趋近于零。这种景气度与实际用工需求的背离，意味着经济软着陆的根基并不如表面般坚固。
日元的快速贬值与日本国债收益率的飙升，是全球资本重新寻找高息安全资产的缩影。在强美元与高通胀预期的双重挤压下，全球资本避险情绪升温，这直接解释了为何近期传统风险资产与加密市场均表现出明显的上攻乏力。
在宏观资金面趋紧的背景下，加密市场内部的数据呈现出极度矛盾的特征——市值在涨，但资金在退，情绪在跌。
本周全球加密货币总市值已达到 2.46 万亿美元，比特币市值占比攀升至 59.2%。然而，现货 ETF 资金流向却显示出传统机构在当前点位的高度博弈与分歧：一方面，美国现货比特币 ETF 曾录得单日 3.58 亿美元的强势净流入，且摩根士丹利（Morgan Stanley）新推出的比特币现货 ETF（MSBT）首日也获得了 3060 万美元的流入；但另一方面，受 FBTC、ARKB 及 GBTC 等基金的获利抛压影响，市场也曾遭遇单日高达 1.245 亿美元的总净流出。 目前，比特币价格维持在 7.1 万美元（约 $71,600 – $71,800）附近高位震荡。链上筹码分布显示，7.5 万美元上方依旧囤积了大量获利盘与套牢盘。在 ETF 宏观增量资金进退反复的当下，仅依靠存量博弈直接突破前高阻力并站上 8 万美元的难度极大。
市场情绪指标（恐慌与贪婪指数）最新报 15，相较上周的 12，市场依然深陷于罕见的“极度恐慌”（Extreme Fear）状态。这与近期美伊谈判破裂预期引发的避险情绪高度吻合，导致大盘一度向下逼近 71,500 美元区间。链上数据的走低也印证了这一恐慌：各大公链的 DEX 成交量普遍收缩，链上交易者纷纷离场观望，整体市场依然处于流动性青黄不接的真空期。避险与观望成为了当前资金的主旋律。
虽然现货 CVD（累积成交量差）出现微弱改善迹象，但期权市场的看跌偏度（Put Skew）持续高企。这意味着专业机构正在大量买入看跌期权进行对冲。对于普通投资者而言，必须高度警惕震荡市中主力资金制造的“向上假突破”——即先拉升触发空头止损，随后迅速砸盘回落的洗盘手法。
在存量博弈的垃圾时间里，了解顶级机构与聪明钱的去向，是寻找下一轮 Alpha 收益的关键。
尽管大盘恐慌，但在一级市场，机构依然在重金押注具有真实收益与底层刚需的赛道。
● RWA（现实世界资产）持续火热： 链上私募信贷基础设施 Valinor 刚完成 2500 万美元种子轮融资，资产代币化平台 Midas 更是拿下 5000 万美元 A 轮融资。R2 Protocol 等项目的上线，表明市场迫切需要将传统金融的无风险收益（如美债）引入链上，为庞大的稳定币资金寻找安全垫。
● 稳定币与支付基建： The Better Money Company 获得 a16z 领投的 1000 万美元，致力于打造稳定币清算所。结合本周 USDC 增发近 30 亿枚的数据，可以看出合规资金正在积极储备“弹药”，等待入场时机。
在缺乏宏观大叙事的阶段，链上的注意力经济被发挥到了极致。诸如 OmenX、CADE Market 等将现实事件（体育、科技）转化为链上交易标的的预测市场，以及 PumpCA 这种主打“即时上线、低门槛”的 Meme 币发射台，正成为吸收链上游资、创造短期高频博弈场的主要阵地。但这属于高波动的投机乐园，极度考验参与者的风控能力。
宏观环境的反复拉扯，常常会让缺乏体系的“Trader 韭”们在频繁的追涨杀跌中损失本金。在局势明朗之前（预计未来 2-4 周博弈将极其激烈），SUNX 研究院建议高净值用户切换思维，追求稳健的“Saferich”路径。
面对期权市场预示的假突破风险以及地缘政治突发的黑天鹅事件，单边持有现货的风险敞口过大。建议成熟投资者利用 SUNX 的 Futures（合约） 产品建立套期保值仓位。在 7.5 万美元强阻力位附近，通过合理的合约空单锁定现货利润，是震荡市中的专业防守策略。
在低流动性环境中，盘口的滑点会被无限放大。切忌在数据公布瞬间（如本周将公布的关键 CPI 数据）盲目市价追单。投资者应提前在关键支撑位（如 6.5 万美元）挂单，依托 SUNX 行业领先的深度撮合引擎，实现极低滑点的 Fill（成交）。网格交易在当前的宽幅震荡区间内，是获取超额收益的优选工具。
本周 USDC 大量增发，说明巨鳄资金宁愿持有稳定币等待时机。对于普通用户而言，这也是实现“Safeway”财富增长的最佳时期。将闲置的 USDT/USDC 或暂不交易的主流币转入 SUNX Earn（理财） 账户，不仅能规避市场的无序波动，还能获取极具竞争力的年化被动收入。在风暴来临前，手握能生息的现金，就是最大的主动权。
加密市场下周即将迎来短线利好催化——美国参议院将审议与“Clarity”相关的监管清晰度法案。若能顺利推进，有望短暂打破当前的恐慌情绪。
最后，SUNX 研究院在此郑重预警：随着加密市场流量的复苏与 SUNX 品牌全球影响力的扩大，近期市面上频繁出现名称混淆、UI 高度相似的仿冒或“山寨”平台（Copycat Platforms）。这些平台通过虚假的高收益承诺诱导用户转移资产。
请广大用户务必提高警惕，切勿点击社群内不明来源的空投链接，所有交易、理财与合约操作，请唯一认准 SUNX 官方 App 与官方域名。保护好您的本金底线，是在这个高风险、高回报行业中长存的唯一法则。
原文作者：Biteye
曾经，币圈的空投是令人血脉偾张的「暴富神话」，是 Uniswap、ENS、Arbitrum 时代，早期用户与项目方相互成就，布道者与建设者共享红利，构成了一段短暂却真实存在过的“黄金蜜月”。
然而，将时钟拨过 2023 至 2026 年，巨量资本的入场、专业工作室的极致内卷，项目方胃口的无限膨胀，空投赛道彻底变味。
「交互得福报」沦为了「赛博收割场」，撸毛从早期红利变成了一场系统性的反向收割。
散户被重新定义：免费的测试员、低价的流动性提供者、以及源源不断的数据生产者。
在长期规则不透明、预期反复重写的环境中，最终迎来的往往不是奖励，而是被清零、被稀释，甚至被直接淘汰。
本文，我们盘点空投史上 12 个标志性「反撸」项目，复盘信任是如何一步步被消耗殆尽的。
从 HOP 的猎巫名单，到 Blast 的积分套娃，再到 LayerZero 的自首屠杀……这十二个项目方共同书写了一部荒诞而残酷的币圈散户血泪史。
但真相或许更加残酷：这不仅是一场蓄谋已久的收割，更是一场关于投机与贪婪的共业。
长期以来，撸毛圈只关心“发不发币、空投怎么分”，不在意产品是否有真实PMF、能否产生可持续营收。项目方则精准抓住这份贪婪 – 你图空投，他图你的本金和手续费。
如今，空投泡沫破裂，无数人被“反撸”得血肉模糊。这固然惨烈，但也未尝不是一次壮士断腕式的出清。
市场终于被迫回归常识：靠空投预期吸引来的流量终究是镜花水月，真正有PMF的产品才值得投入时间和资金。
这是空投的末日，也是web3的涅槃。那些靠PUA和黑箱起家的项目方，终将被用户用脚投票淘汰；而那些真正愿意与社区共建、回归价值本身的项目，反而会在废墟中赢得更珍贵的信任。
对撸毛人而言，这是一次痛苦的教训，也是一次清醒的转身。
编者按：时隔一周，我们此前提到的多只“加密概念龙头股”均有不同程度的上涨，其中尤以 Circle 涨幅最为明显，再度站上 100 美元以上，长期来看，其目标价扔看到 130-150 美元左右。此外，受能源战争影响，矿企纷纷把握机遇加速转型，因而股价相对波动较小，板块涨幅较为明显。此外，与 AI 相关概念的还有“OpenAI 投资概念股”中的 WLD 财库公司 Eightco Holdings Inc.此外，山寨币财库公司中，继此前表现亮眼的 TRON 之后，TON、BERA、DOGE 相关上市公司近期仍有动作。
以下为 Odaily 星球日报总结整理的上周币股市场信息，所有美股数据皆来自msx.com。
随着下一次比特币减半（预计 2028 年）临近，矿工正面临较 2024 年更为严峻的经营环境，届时区块奖励将由 3.125 BTC 进一步降至 1.5625 BTC，而能源成本上升、全网算力创新高及资本趋紧，使行业利润空间持续收窄。
数据显示，矿企已提前进入“去杠杆”与现金流优化阶段：MARA Holdings 3 月出售逾 1.5 万枚 BTC，Riot Platforms 一季度抛售超 3700 枚 BTC，Cango 出售 2000 枚 BTC 偿还债务，而 Bitdeer 更在 2 月将 BTC 持仓降至零。
行业人士指出，矿工正从“单纯算力竞争”转向“资本与能源管理能力竞争”。GoMining CEO Mark Zalan 表示，“资本纪律比算力扩张更重要”；Cango 方面亦称，未来具备规模化与多元能源布局的运营商将更具生存优势。与此同时，矿企商业模式正在重构，从单一区块奖励收入转向“电力+算力基础设施”模式，包括参与电网调峰、余热利用，以及承接 AI 算力需求等多元收入来源。
贝莱德策略师恢复了对美国股票的超配观点，因其认为中东冲突对全球经济增长造成的冲击“可能得到控制”。在数周前因中东冲突加剧而下调风险、转为中性立场后，由贝莱德投资研究所负责人 Jean Boivin 领衔的策略师团队在当地时间周一的报告中表示，他们一直在关注“两项加大风险敞口的信号”，包括通过霍尔木兹海峡的航运恢复，以及战争对经济影响有限的迹象。他们表示，“我们在这两方面都已看到进展”，近期停火“至关重要”，重回战争的门槛“较高”。贝莱德还强调即将到来的财报季。“即便在冲突期间，企业盈利预期仍在上升，部分得益于人工智能主题”。在美股方面，贝莱德表示，“中东冲突对全球增长的影响可控，加之强劲的盈利预期——尤其是科技板块——使我们维持风险偏好”。
Strategy 单周豪掷 10 亿美元增持比特币，环比激增 203%
根据 SoSoValue 数据，截至美东时间 2026 年 4 月 13 日早上八点，上周全球上市公司（不包含挖矿公司）配置比特币的单周总净买入为 10 亿美元，相比上周增加 36%。
Strategy（原 MicroStrategy) 宣布投入 10 亿美元（相比上周增加 203%)，以$71,902 的价格购买 13,927 枚比特币，总持仓达到 780,897 枚。
日本上市公司 Metaplanet 上周未购买比特币。
此外，另有 1 家公司上周购买比特币。法国比特币公司于 4 月 13 日宣布投入 260 万美元，以$70,168.90 的价格购买 37 枚比特币，总持仓达到 2,925 枚。
截至发稿，统计中的全球上市公司（不含挖矿公司）合计持有比特币总量为 1,047,244 枚，相比上周增涨 1.35%，当前市场价值约为 742.90 亿美元，占比特币流通市值的 5.2%。
Bitmine 上周增持 71524 枚 ETH，质押总量超 333 万枚 ETH
以太坊财库公司 Bitmine Immersion Technologies 披露上周增持 71524 枚 ETH，目前公司加密资产持仓包括 4,874,858 枚 ETH、198 枚 BTC、价值 8500 万美元的 Eightco Holdings 股权，价值 2 亿美元的 Beast Industries 股份。此外，该公司质押的 ETH 总量为 3,334,637 枚（按每枚 ETH 2,206 美元计算，总计 74 亿美元）。
此外，以太坊财库公司 Bitmine 宣布该公司的普通股已于 2026 年 4 月 9 日开市时在纽交所开始交易，股票代码仍为“BMNR”。除了上市升级外，Bitmine 董事会还一致批准扩大公司 2025 年的股票回购计划，将授权总额从 10 亿美元增加到 40 亿美元。
以太坊财库公司 The Ether Machine 与 Dynamix 16 亿美元 SPAC 合并案宣告终止
以太坊财库公司 The Ether Machine 与特殊目的收购公司（SPAC）Dynamix Corporation（代码：DYNX）于周五宣布，双方已协议终止此前计划中的 16 亿美元合并交易，原因为市场环境不利。根据向美国证券交易委员会（SEC）提交的文件，The Ether Machine 须在 15 天内向 Dynamix 支付 5000 万美元终止费。
该合并协议于 2025 年 7 月首次披露，原计划将 The Ether Machine 以代码 ETHM 在纳斯达克上市。交易规模方面，协议包含一笔 15 亿美元的全额承诺 PIPE 融资（据称是 2021 年以来同类全普通股融资中规模最大的一笔），以及 Dynamix 信托账户中约 1.7 亿美元资金，合并后公司预计账面持有以太坊超过 40 万枚。
DeFi Development 披露 3 月末持有 222 万枚 SOL 和超 65.6 万枚 dfdvSOL
纳斯达克上市的 Solana 财库公司 DeFi Development 发布 3 月运营报告，披露该公司截止三月末持有 222 万枚 SOL，流动性质押代币 dfdvSOL 持有量已从 513,000 枚增加到超过 656,000 枚。此外，DeFi Development 还表示将继续推进对稳定币协议 Apyx 的战略投资。
SOL Strategies 以 120 万美元交易对价收购 Darklake Labs
Solana 财库公司 SOL Strategies 官方宣布与 Solana 原生零知识技术公司 Darklake Labs 达成最终收购协议，交易总价约 120 万美元，其中约 100 万美元以公司普通股支付。收购交易完成后，Darklake 创始团队将加入 SOL Strategies，包括前 Meta/IBM 工程师 Vitor Py Braga、前 Coinbase 合规高管 Amber Hales，以及 ZK 研究负责人 Tiago Alves，推动 Solana 生态隐私技术发展。
AlphaTON 达成 4300 万美元融资协议，支持 AI 与隐私算力基础设施建设
TON 财库公司 AlphaTON Capital 宣布与 Vertical Data 达成总规模约 4300 万美元战略融资协议，预计将于 2026 年第二季度完成交割。AlphaTON 表示，本次融资合作聚焦 AI 硬件部署，将加速其“隐私计算”与主权 AI 基础设施建设，并支持 AI、数字资产及保密计算的融合发展，据悉其 AI 和隐私计算基础设施也将会为 Telegram、Animoca Brands 等合作伙伴的相关应用提供底层算力支持。
Eightco Holdings 披露持有 9%流通 WLD，OpenAI 投资占总资产 30%
纳斯达克上市公司 Eightco Holdings 发布持仓情况更新，其披露截至 2026 年 4 月 6 日持有资产总价值达 3.21 亿美元，包括：277,222,975 枚 Worldcoin（WLD）、11,068 枚 ETH、对 OpenAI 的 9000 万美元投资、对 Beast Industries 的 2500 万美元投资，以及持有价值 1.1 亿美元的现金和稳定币。
Eightco Holdings 表示目前已持有近 9%的流通 WLD 供应量，是 Worldcoin 生态中最大的公开市场参与者之一，对 OpenAI 的投资占公司总资产约 30%，也为零售投资者提供了通过公开市场间接持有 OpenAI 的途径，该公司首席执行官 Kevin O’Donnell 表示：“持有 Eightco 就像拥有 OpenAI 的一部分。”
美股上市公司 Brag House 股东以 98%高票通过与 Dogecoin 官方实体合并提案
纳斯达克上市公司 Brag House Holdings 宣布，其股东以超过 98%的投票批准与 Dogecoin 基金会官方实体 House of Doge 的合并提案，双方后续计划推出一个连接体育、数字金融与区块链基础设施的上市平台，并且整合 Brag House 在高校体育及媒体领域资源。
Greenlane 批准 200 万美元股票回购计划，BERA 持仓增至 7790 万枚
纳斯达克上市的 BERA 财库公司 Greenlane Holdings 宣布其董事会已批准一项 200 万美元的股票回购计划，此外该公司还发布了全年财务报告，其中披露在增持了 750 万枚 BERA 代币后，截至 2026 年 4 月 7 日的持仓量已增至 7790 万枚，约占当前 BERA 流通供应量的 32%。
2026年4月14日，SUI与BNB生态领先的去中心化 AI 基础设施项目 DeAgentAI 今日宣布成立 AIA 生态基金。该基金将重点布局”AI Agent + Physical AI”融合赛道，致力于孵化和加速下一代具备自主决策能力的 AI 应用生态，推动 AI 技术从链上智能向现实世界延伸。
AIA 生态基金的成立，标志着 DeAgentAI 从单一基础设施提供商向生态投资者角色的战略延伸。依托 DeAgentAI 在 SUI、BSC、BTC 生态中积累的 AI Agent 基础设施能力，以及链上交互量超 1.91 亿的 AlphaX 产品矩阵，AIA 生态基金将为被投项目提供技术、流量与生态资源的全方位支持。
基金核心投资方向聚焦两大领域：
目前，AIA 生态基金已在种子轮完成对两个项目的战略布局：
在深度伪造（Deepfake）泛滥、信息噪声极度过载的 2026 年，单纯的预测已失去稀缺性，”可验证的决策判断”才是 AI 时代的黄金。AliceAI 并非简单的预测工具，它通过去中心化协议将多源、碎片化的非对称信息压缩为单一、不可篡改的决策信号，覆盖加密市场、体育赛事、政治议题及公共事件等场景。
通过 Telegram Bot 这一轻量化入口，AliceAI 提供判断信号推送、自动跟单执行、固定金额下单、自动止损及仓位可视化等核心功能，实现了从”信号产生”到”自动执行”的完整闭环。AIA 生态基金看好 AliceAI 所开创的”可验证判断”这一新范式，认为其有潜力成为预测市场赛道的核心基础设施。
如果说 AI Agent 是灵魂，那么高效的算力硬件就是 Physical AI 的肉体。当前 AI 推理市场正处于需求爆发与成本高企的结构性矛盾之中，通用 GPU 架构在面对大规模 Transformer 推理负载时，存在显著的算力冗余与能效损耗，而这一瓶颈正在成为 AI Agent 大规模落地的核心阻碍。
AIA 生态基金此次布局的 ASIC AI 芯片项目，针对 Transformer 架构的推理计算特征进行了硬件级深度定制。在能效比方面，专用推理路径的设计使芯片在相同功耗预算下能够处理更高密度的 token 吞吐，目标将单位 token 处理成本压缩至现有主流 GPU 方案的十分之一以下，同时大幅降低推理延迟。
更低的推理成本，意味着链上 Agent 的自主决策能够以更高频率、更低门槛实时运行。Physical AI 时代的竞争，本质上是算力效率的竞争。AIA 生态基金选择在种子轮介入，正是基于这一判断：真正的 AI 普惠化，需要从硬件层开始重构。
DeAgentAI 创始人表示：“AI 的进化路径正在从‘对话框里的灵魂’向‘物理世界的肉体’演进。AIA 生态基金的初衷，是打破链上智能与物理现实的边界。我们不只是在寻找好项目，而是在寻找能将用户与未来物理 AI 世界连接起来的‘关键协议’。”
DeAgentAI 是 SUI 与 BNB 生态领先的去中心化 AI 基础设施。通过自主研发的最小熵共识机制（Minimum Entropy Consensus），DeAgentAI 从底层解决了 AI Agent 在分布式环境中面临的身份一致性（Identity）、状态连续性（Continuity）与结果可信性（Consensus）三大核心挑战，致力于打造真正可信赖的链上 AI 智能体生态，致力于打造真正可信赖的链上 AI 智能体生态。
原文作者：Charlie Wells、Paulina Cachero
原文编译：Chopper，Foresight News
那些因免交易费、零碎股和散户概念股而走红，号称 「金融民主化」 的交易应用，正在走向精英化。
Robinhood、eToro、Revolut 与 Public.com，过去总被贴上 「在父母家地下室炒股的年轻人」 这样的标签。如今，这些券商纷纷为投资者提供机场贵宾厅、晚宴、F1 观赛权益。他们推出年费 695 美元的高端信用卡，为账户余额达百万美元的客户提供专属的精英礼宾服务，并进军复杂的税务规划、财富管理，甚至信托账户领域，以此与传统老牌机构一较高下。
几个月前，29 岁的 David Easterwood 掏出重达 17 克的 Robinhood 金卡购买牛仔帽时，店员对他说道：「你肯定很有钱。」
他确实如此。这位凤凰城的散户交易者 2019 年刚达龄便注册了 Robinhood，第一笔交易是几股福特，随后是麦当劳等食品公司股票。他表示，自己的账户在 2023 年 「彻底爆发」。根据他向彭博新闻提供的账户截图，自当年 9 月以来，他已获利超过 88.5 万美元。
除了拥有 Robinhood 信用卡，Easterwood 还开通了 Robinhood 礼宾服务，该服务仅对资产超 100 万美元或平台活跃度靠前的用户开放。
「不管我账户里是一百块还是一个亿，」 他说，「我都会留在 Robinhood。」
David Easterwood 用他的 Robinhood 金卡购买了这顶牛仔帽
随着客户群体年龄增长、财富积累，这正是交易平台试图营造的氛围。疫情期间，Robinhood 等平台以低价、「金融民主化」 、迎合散户，塑造了年轻、反权威、反华尔街的形象。
Robinhood 用户的年龄中位数已从五年前的 31 岁升至 36 岁。公司目前有超 30 万客户资产超过 10 万美元，较 2022 年增长逾 250%。
Public 表示，其面向资产 50 万美元以上或高交易活跃度用户的邀请制礼宾服务规模持续扩大。eToro 的会员俱乐部计划提供类似高端权益，去年底会员数突破 72 万，上年同期为 57.9 万。
券商应用的产品演变，既说明曾经的初创新锐正在追赶成熟用户，也反映出许多发达经济体正在形成 K 型分化格局：资金有限的人群只能获得基础服务，而手握大量资产的人，即便财富始于散户概念股，也被金融机构争相抢夺，享受各类优待。
Public.com 于 2025 年在纽约举办一场小型晚宴，邀请会员和内容创作者共同探讨产品更新和即将推出的产品
「我们策略的核心，是确保在平台上积累财富的用户不会离开。」Robinhood Money 副总裁兼总经理 Deepak Rao 表示。这些公司不希望苦心培育的客户流失至高盛、摩根大通、花旗等华尔街大型财富管理机构。
芝加哥大学布斯商学院市场营销学教授 Abigail Sussman 表示，这种转型难度很大，尤其是券商应用转向高端定位，与其最初 「民主化金融」 的品牌形象相悖。
「一个品牌从高端走向大众市场要容易得多。」Sussman 说。高端时尚品牌下沉虽会稀释品牌，但本就具备成熟信誉；而快时尚零售商向上升级则困难重重。「反过来走，要建立高端形象和地位要难得多。」
尽管如此，这些平台仍在全力推进。
Robinhood 为其白金卡及其他高端服务举办的发布会邀请函上写道：「以一流视角体验我们的全新产品，助力每一代人实现财务目标。」 活动在纽约肯尼迪机场 TWA 酒店举行，推出了年费 695 美元、含 99.9% 纯铂材质的信用卡，以及子女信托与托管账户。
Robinhood 首席执行官 Vlad Tenev 于 3 月在纽约发布了 Robinhood 白金信用卡
总部位于伦敦的金融科技公司 Revolut 正大力进军私人银行业务，并计划推出更多针对高余额用户的产品。该公司还在招聘多语种私人银行家，服务高净值人群、交叉销售产品并提供理财建议。
Public 首席运营官 Stephen Sikes 表示，更优质的数据、内容与 AI 工具让人们更愿意自行管理数千万美元资产。公司已聘请礼宾专员与高价值客户交流交易、建立关系、优化体验。
与此同时，eToro 首席执行官 Yoni Assia 表示，平台的高端会员计划将迎来升级。目前，资产 25 万美元以上的最高等级钻石会员可获得精选体育赛事门票、机场贵宾厅使用权，以及一张消费返股票的 Visa 卡。
「最终我希望 eToro 成为你的家族办公室。」Assia 说。
eToro 首席执行官 Yoni Assia
这些新兴平台面临来自华尔街老牌机构的激烈竞争，后者数百年来一直服务富裕人群。它们通过一对一专属服务、私募投资渠道、遗产规划等方式增强用户粘性，维系世代客户。同时，坐拥数万亿美元客户资产的传统银行也在优化自身应用，削弱了纯数字平台的核心优势。在这个行业，出色的体验与营销远不如信任重要。
而信任问题，也曾长期困扰这些数字券商。Robinhood 在疫情期间用户暴增后遭遇重大挫折。2021 年，美国金融业监管局对其处以 7000 万美元罚款，理由包括误导客户、内控缺失等。Robinhood 未承认也未否认相关指控，但表示已做出多项整改。2024 年，eToro 同意支付 150 万美元，以了结美国证券交易委员会关于其无牌照经营经纪与清算业务的指控。
Robinhood 全新白金卡的权益与美国运通、摩根大通的热门产品十分相似：餐饮 5% 返现、每年 250 美元 DoorDash 代金券、酒店与租车 10% 返现、免费 Robinhood 金卡会员，以及每年 250 美元自动驾驶出行补贴。
专注信用卡领域的 Bankrate 首席分析师 Ted Rossman 表示，这款高端卡并未超越竞品。
「说实话，这张卡不如美国运通白金卡或大通蓝宝石卡。」Rossman 称。例如 DoorDash 补贴限制较多，远不如看上去划算。
但 The Points Guy 高级编辑总监 Nick Ewen 指出，Robinhood 卡提供了另一类价值：「其他积分不会增值，而 Robinhood 的设计是让你长期投资增值。」
这也是 32 岁的波兰投资者 John Ostrowski 坚持使用 eToro 卡的原因。他选择消费返还 4% 的奔驰股票，他看重其分红，并表示这张卡带来了一种全新的身份感。
「这是个社交话题，」 他说，「我爸用运通卡，我用 eToro 卡。」
eToro 在迪拜举办的仅限会员参加的活动
然而，即便加上高端光环，新鲜感对部分用户仍不够用。一些平台试图增强粘性的服务反而适得其反。
「他们给我安排了一位注册会计师帮忙报税。」 纽约 42 岁的 Jason Sabshon 说，他符合 Robinhood 礼宾服务资格。平台的逻辑是，合理税务规划能提升投资收益，在投资过程中完成税务处理可减轻报税压力。但 Sabshon 并不买账：「他们说那个人是家我从没听过的公司的，我不太放心。」
来自迪拜的 39 岁男子 Kai Schukowski 拥有多个券商账户，但他表示没有一家像 eToro 这样善待顶级客户。几个月前，他受邀参加了该平台在迪拜歌剧院顶层 Belcanto 餐厅举办的高端活动，现场汇聚顶级交易者与高管，露天酒会可远眺世界第一高楼哈利法塔。
让他印象深刻的是，这场活动高档时尚，竟然真的有富人在场。他说：「他们不只是网红或想出名的人，他们是真正的有钱人。」
原文作者： @BlazingKevin_ ，Blockbooster 研究员
Robinhood 在 2025 年迎来了其业务模式的转折。通过发展财富管理业务，包括推出具有颠覆性费率的 IRA 退休账户、推出高收益现金产品以及全方位的 Robinhood Banking 服务，Robinhood 成功地将其年轻的用户群体从高频的期权和加密货币交易引导向长期的储蓄与投资。
2025 年，Robinhood 的财务数据全面验证了这一战略的成功：全年净营收达到创纪录的 45 亿美元，同比增长 52%；全年净利润达 19 亿美元，同比增长 35%；退休账户托管资产（AUC）在第四季度末达到 265 亿美元，同比激增 102%；平台总资产达 3,240 亿美元，同比增长 68%；全年净存款达 680 亿美元 。
本文将结合数据，剖析 Robinhood 2025 年财富管理业务的发展轨迹，并围绕五个核心维度：获客与资产转移机制、盈利模式演进、生态闭环、品牌重塑，以及运营成本结构，探讨其所占据的战略优势。
传统财富管理通常依赖理财顾问进行高成本的客户获取和关系维护，而 Robinhood 采取了高度互联网化的补贴与激励机制，来打破资产转移的壁垒，从而实现资产管理规模的快速掠夺。
传统的退休账户提供商（如 Fidelity、Charles Schwab）通常依靠品牌声誉和投顾服务来吸引客户，而 Robinhood 则采取了更为直接且激进的策略：现金匹配补贴。用真金白银的奖励来降低用户迁移的心理成本。
对于 Robinhood Gold 会员，平台提供高达 3% 的 IRA 存款匹配（非会员为 1%）。以 2025 年 IRS 规定的 50 岁以下人群 7,000 美元的缴款上限计算，用户每年最高可获得 210 美元的免费匹配资金 。更具侵略性的是，对于从其他券商转移（Rollover）过来的 401(k) 或 IRA 资产，Robinhood 同样提供最高 3% 的匹配奖励。这意味着，一位将 10 万美元 401(k) 资产转入 Robinhood IRA 的用户，可以立即获得 3,000 美元的现金奖励。
这笔账在经济上是否划算？我们可以从获客成本（CAC）与客户终身价值（LTV）的角度来拆解。截至 2025 年底，客户在退休账户转移和缴款上已累计获得超过 5 亿美元的匹配资金 。这笔支出被 Robinhood 视为获客成本。由于退休账户具有极高的粘性（通常持有几十年），这笔资产不仅能带来长期的净利息收入（NIM）和潜在的投顾费，还能锁定用户成为 Gold 会员（年费 50 美元）。相比于传统券商动辄数百美元且流失率较高的获客成本，Robinhood 用 3% 的补贴换取了数十年的高粘性资产，其 LTV 远大于 CAC。
仅仅有补贴是不够的，如果转移过程繁琐，用户依然会望而却步。Robinhood 利用技术手段极大地降低了用户从传统券商转移的门槛。
通过集成自动化客户账户转移服务（ACATS），Robinhood 实现了跨券商资产的无缝转移 。用户只需在 App 内输入原券商账户信息，甚至无需手动清算原有资产，Robinhood 的清算系统即可在后台自动完成资产的划转。对于部分券商收取的转出费用（通常为 75 美元），Robinhood 也会在符合条件的情况下予以报销。这种”一键搬家”的体验，彻底打破了传统机构依赖繁琐流程建立的资产转移壁垒。
过去，华尔街对 Robinhood 的质疑主要集中在其高度依赖订单流付款（PFOF）和高频交易。这种模式在牛市中吸金能力极强，但在熊市中却极为脆弱。2025 年，Robinhood 成功实现了向更稳定的资管盈利模式的演进。
通过提供极具竞争力的现金收益率，Robinhood 将”现金管理”从传统银行的低收益陷阱中解放出来，从而吸纳了海量存款。
2023 年末，Robinhood Gold 会员的未投资现金 APY 一度高达 5.0%，远超当时全国储蓄账户平均利率 。随着美联储降息，APY 逐步调整（截至 2026 年初为 3.35%），但仍远高于大型银行的活期存款利率 。2025 年第四季度，Robinhood 的 Cash Sweep 余额同比增长 26%，达到 328 亿美元 。
这笔庞大的生息资产为 Robinhood 带来了可观的净利息收入。2025 年第四季度，其净利息收入同比增长 39% 至 4.11 亿美元，这主要得益于生息资产和证券借贷活动的增长 。在特定利率周期下，这种”赚取息差”的模式提供了极强的利润底盘。
Robinhood Gold 订阅服务（每月 5 美元或每年 50 美元）是其盈利模式演进的核心。它以月费换取高息、深度投研报告、3% 的 IRA 匹配金以及 3% 全类别返现的信用卡。这本质上是一种将金融服务 SaaS 化的尝试。
截至 2025 年第四季度末，Robinhood Gold 订阅用户数达到创纪录的 420 万，同比增长 58%，在 2,700 万资金客户中的渗透率超过 15% 。这种订阅模式极大地提高了用户粘性和单用户平均收入（ARPU）。第四季度 ARPU 同比增长 16% 至 191 美元，第三季度 ARPU 更是同比飙升 82% 。
下表展示了 Robinhood 营收结构的演变：
年轻用户不喜欢下载多个 App 来管理财务。Robinhood 深刻洞察了这一点，正在打造一个涵盖投资、储蓄、消费和借贷的超级应用。
2025 年，Robinhood 推出或升级了多项产品，形成了一个完整的生态闭环：
将高频的投机性交易与低频的退休定投、日常消费无缝衔接在同一个 App 中，是 Robinhood 的杀手锏。
Robinhood 拥有传统资管机构梦寐以求的巨大流量（截至 2025 年底拥有 2,700 万账户）。其核心策略是：利用高频交易（如 Meme 股、加密货币）和高收益现金作为流量入口，然后顺滑地交叉销售（Cross-sell）低频但高价值的财富管理产品。
例如，当一个 22 岁的 Gen Z 用户因为想要交易狗狗币而下载 Robinhood 时，他会被 5% 的现金收益率吸引开通 Gold 会员；随后，App 会通过精准的推送，告知他”作为 Gold 会员，你开通 IRA 可以获得 3% 的白送匹配金”；当他的资产积累到 10 万美元时，系统又会推荐”每年仅需 $250 的智能投顾服务”。
这种从”流量漏斗”到”资产沉淀”的转化路径，使得 Robinhood 能够以极低的边际成本获取高净值客户。
为了让用户放心将几十年的退休金托付于此，Robinhood 巧妙地利用了传统金融的安全网来为自己的创新产品背书。
这种”比传统银行更安全”的叙事策略，极大地消除了年轻用户对新兴 Fintech 平台的信任疑虑。
Robinhood 能够提供 3% 的 IRA 匹配和 $250 封顶的投顾费，其底气不仅来自对 LTV 的信心，更源于其远优于传统机构的人效和底层技术成本。
Robinhood 没有庞大的线下网点和理财顾问团队。其所有的投顾服务（如 Robinhood Strategies 推荐的 ETF 组合）均高度自动化，依赖算法模型进行资产配置和再平衡。
这种”轻资产”模式带来了惊人的人效比。根据公开数据，截至 2025 年底，Robinhood 员工总数约为 2,900 人 。以全年 45 亿美元的营收计算，其人均创收高达 155 万美元。相比之下，拥有数万名员工的传统金融巨头，其人均创收往往只有这一数字的一半甚至更低。
Robinhood 早在 2018 年就摆脱了对第三方清算机构（如 Apex Clearing）的依赖，建立了自研的清算系统。这一基础设施投资在资产规模爆发的 2025 年展现出了巨大的运营杠杆。
当 AUC 从 1,930 亿美元飙升至 3,240 亿美元时，由于清算系统是自研且高度自动化的，其处理额外交易和资产划转的边际成本几乎可以忽略不计。根据宏观趋势数据，Robinhood 2025 年全年的运营费用为 23.79 亿美元 ；尽管营收激增 52%，但运营费用的增长相对可控，这直接推动了全年 GAAP 净利润达到 19 亿美元，调整后 EBITDA 利润率大幅提升。
Robinhood 财富管理业务成功的核心驱动力，是其年轻用户群体投资行为的深刻转变。
根据 ARK Invest 的研究，Robinhood 的用户群体中，Gen Z 和千禧一代的占比高达 63%，而这一比例在 Charles Schwab 仅为 14%，在 Vanguard 也相对有限 。Robinhood 用户的中位数年龄约为 32 至 35 岁（2025 年数据），而 Schwab 等传统券商的客户平均年龄则超过 50 岁。
这种结构性优势还体现在平台资产密度上。目前，Schwab 的每客户平均托管资产（AUC）约为 25 万美元，远高于 Robinhood 当前约 1.2 万美元的水平 。然而，这一差距的本质是年龄差距。随着 Robinhood 的年轻用户群体逐渐步入财富积累的高峰期，这一差距将逐步缩小。
Robinhood CEO Vlad Tenev 在 2025 年末指出，一个趋势正在发生：19 岁的 Gen Z 年轻人正在积极开设退休账户 。
这一趋势有数据支撑。根据 USA Today 引用的最新储蓄数据，Gen Z 的退休储蓄率已连续多年上升，2025 年达到 6.2%，高于 2024 年的 5.9%，而其他所有年龄段的储蓄率均在下降 。Fidelity 的数据显示，Gen Z 投资者将高达 95% 的 IRA 缴款投入 Roth 账户，显示出对长期税务优化的清醒认知 。
未来几十年，预计将有约 124 万亿美元的资产从婴儿潮一代转移到千禧一代和 Gen Z 手中 。由于 Robinhood 在年轻人群体中拥有压倒性的市场份额，当这些年轻用户继承财富时，他们极大概率会选择将资金留在自己熟悉且体验更好的 Robinhood 生态中，而不是转移到父母使用的传统券商。
2025 年是 Robinhood 发展史上的分水岭。它成功地撕掉了”仅限散户炒作的赌场”的标签，蜕变成为一个全面、成熟且极具竞争力的”超级金融应用”。
这一转型的核心逻辑在于，Robinhood 深刻理解了其用户群体的生命周期价值。一个 22 岁的 Gen Z 用户，今天可能只是用 Robinhood 买几只 ETF；明天，他会开设一个 IRA 账户并享受 3% 的匹配奖励；后年，他会将工作中的 401(k) 滚入 Robinhood；再过几年，当他的资产规模增长到 10 万美元时，他会开通 Robinhood Strategies 享受封顶费率的专业投顾服务；最终，当他从父母处继承一笔遗产时，他会自然而然地将其存入 Robinhood Banking。
通过侵略性的获客机制、稳定的经常性收入模式、一站式的生态闭环、重塑的信任品牌以及极致的低成本结构，Robinhood 已经为承接这笔”人类历史上最大规模的代际财富转移”做好了完美的基础设施准备。
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 - - 从区块链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。
