作者: GAWE

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4859万美元

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：

Kaito

项目推特：https://x.com/KaitoAI

项目官网：https://www.kaito.ai/

本次解锁数量：1761万枚

本次解锁金额：约824万美元

Kaito是一个AI驱动的Web3信息平台，旨在解决加密行业信息碎片化问题。通过聚合社交媒体、治理论坛等数来源，Kaito利用AI技术提供实时搜索、情绪分析和趋势跟踪。

具体释放曲线如下：

SoSoValue

项目推特：https://x.com/SoSoValueCrypto

项目官网：https://sosovalue.com/

本次解锁数量：1333万枚

本次解锁金额：约561万美元

SoSoValue 是一个人工智能驱动的投资研究平台，它将 CeFi 的高效性与 DeFi 的透明性相结合，致力于解决加密货币市场中信息过载和跨链资产管理等挑战。

具体释放曲线如下：

Humanity

项目推特：https://x.com/Humanityprot/

项目官网：https://www.humanity.org/

本次解锁数量：1.1亿枚

本次解锁金额：约1421美元

Humanity Protocol 是一个抗女巫区块链网络，可以为开发人员提供独特的人类身份验证机制，并为用户提供对数据和身份的完整所有权。

具体释放曲线如下：

摘要

• 近一周市场核心由地缘冲突预期反复和经济数据超预期同驱动。美伊围绕停火与军事打击表态反复切换，带动油价剧烈波动，WTI 周涨超 7%；与此同时，零售销售、ISM 与非农数据均超预期，经济韧性强化推动美股大幅反弹，黄金与白银在通胀与避险共振下续创新高。

• 资金层面呈现低幅波动与结构性扰动。BTC ETF 周度小幅净流入约 2,230 万美元，较前一周明显改善但规模仍有限；ETH ETF 延续净流出。季末再平衡叠加假期因素，资金在 3 月末至 4 月初出现流入后又快速流出的 V 型波动，整体反映机构配置节奏仍受宏观与机制性因素主导。

• 链上与交易结构向高波动资产集中。Perp DEX 与 CEX 的 TradFi 交易量明显向原油与贵金属倾斜，能源类占比显著抬升，贵金属维持高位；DEX 结构发生重排，Meteora 交易量大幅增长并跃居首位，流动性向少数高效率协议集中，Solana 生态内部出现分化。

• 稳定币与 DeFi 结构延续调整。稳定币总量维持高位震荡，USDT 基本持平，USDC 小幅回落；资金更多流向 DeFi 原生稳定币。流动性质押方面，ETH 侧 Lido、Rocket Pool 回升，而 Solana LST 继续调整。Aave 借贷规模整体回升，主市场与子链同步修复。

• 协议收入结构回归常态。稳定币发行端仍为主要收入来源；交易平台收入较前一周回落，而钱包与前端入口，如 Pump、Phantom、Jupiter 收入上升，资金向流量分发环节回流。

• 衍生品市场进入中性区间。BTC 资金费率回升至 0 附近，持仓量冲高后回落至约 210 亿美元一线；期权持仓向短端集中，Put 需求上升，Skew 维持负值区间，DVOL 维持高位震荡，显示市场主要在为短期不确定性进行定价。

1. 市场焦点解读

周一，有报道称美伊正在讨论一项可能为期 45 天的停火协议以及重新开放霍尔木兹海峡的条款，受此消息提振，市场大幅反弹。道琼斯指数期货隔夜飙升 1,100 点，布伦特原油价格自 3 月初以来首次短暂跌破 100 美元。然而周三晚间，特朗普讲话称将继续对伊朗进行“两到三周”的打击，这令市场乐观情绪骤然逆转。油价在此飙升至 113 美元以上，WTI 原油周涨幅超 7%。

近期经济数据显示，经济持续展现出韧性。上周公布的零售销售和 ISM 制造业指数均超出预期，这表明目前消费者的支出依然保持健康水平，制造业也仍在扩张。周五公布的非农就业人数增长和失业率均有所改善，其中单月非农就业人数达到 2024 年 12 月以来的最高水平，这一情况缓解了市场对经济步入衰退的担忧，推动纳斯达克指数大幅上涨，创下自 2025 年 11 月以来的最佳单周表现。在通胀预期回升与避险情绪的交织下，黄金与白银继续创下新高，而 Fed 官员的谨慎表态使美元指数在高位窄幅震荡。美债市场在强劲就业与通胀担忧之间拉锯，导致 10 年期美债期货价格小幅波动。

加密货币参与了风险偏好交易，比特币逼近数周以来一直构成阻力的 7 万美元关口，以太坊突破 2,100 美元关口。比特币现货 ETF 在连续四个月资金流出后，3 月份录得 13.2 亿美元的净流入。

2. 流动性分析

2.1 加密 ETF 资金净流向

上周 BTC ETF 日内走势呈现”V 形颠簸”，3 月 31 净流入 117.6M 美元，为月末最强单日，而 4 月第一个交易日骤然逆转至 -$173.7M。BTC ETF 周净流入约 22.3M 美元，以太坊 ETF 周净流出 42.2M 美元。从横向对比看，上周 BTC ETF 流向情况相比前一周（-296M 美元净流出）有明显改善，但绝对量仍是近期数月内最小的正数周，整体情绪偏谨慎而非乐观。

BTC ETF 净流量最高产品：

1. ARKB（ARK 21Shares） 周净流入 34.2M 美元

2. IBIT（BlackRock） 周净流入 16.4M 美元

ETH ETF 净流量最高产品：

1. ETHB（BlackRock 质押 ETH ETF） 周净流入 10.7M 美元

2. ETH mini 以 周净流入 6.5M 美元

最大净流出来自 ETHA（BlackRock）达-$64.0M，FETH（Fidelity）-$7.3M 排在第二。

3 月 31 日是 Q1 末，机构被动再平衡在季末集中出现，比特币 Q1 若跑赢股票和债券，配置模型会自动削减超配头寸，这解释了为何月末两天流入后 4 月 1 日随即大幅流出——属于机械性、预期内的操作，而非看空信号。4 月 3 日临近耶稣受难日长周末，CME 期货与 ETF 申购赎回机制同步暂停，机构买盘锚定消失。此外，经济数据令降息预期降温，进一步压制风险资产，ETF 流量也出现”已在 4 月初显现放缓信号”的特征。

下一个关键节点为 4 月 9 日 CPI 数据，将直接影响市场对降息时间表的重新定价，届时 ETF 流量方向性有望明确。

2.2 TradFi 流动性

近一周 TradFi 板块在 Perp DEX 中的交易量呈现明显的结构性再分配。能源品类（以 CL、Brent Oil 为代表）占比显著抬升，成为阶段性主导，这主要受原油价格上行与地缘风险扰动驱动，短线波动放大吸引交易资金集中流入。与此同时，贵金属（XAU、XAG）占比维持在相对高位但略有回落，表明避险需求仍在，但边际交易热度被能源分流。个股（如 NVDA）占比则持续收缩，显示在宏观主导阶段，单一权益资产的交易吸引力下降。

CEX 端 TradFi 交易量呈现高位放大但结构高度集中于商品类的特征，贵金属（XAU、XAG）仍是绝对核心成交来源，占比长期维持主导地位，在部分平台中金银合计贡献超 70% TradFi 成交量，成为流动性锚 。其次，能源品类（原油 CL、Brent）在当周显著放量并抬升占比。受油价快速上涨及波动扩大驱动，原油永续合约单日成交达到数亿美元级别，迅速跻身核心交易标的，体现资金对“高波动+宏观β”的偏好 。

近一周 TradFi 资产类别数量进一步扩张，三家主流 CEX 在 TradFi 资产类别（仅统计 TradFi 与 CFD 板块，不含永续合约）总数由 678 增至 802，环比增长 18.3%。其中股票类增长最为显著，由 379 支增长至 487 支，环比增长 28.5%；股指增速排名第二，由 69 支增长至 81 支，环比增长 17.4%。

我们选取 TradFi 交易量最高的 XAUT，对其订单簿深度（Delta）进行分析。上周整体呈现“价格上行→持续净卖压→阶段性修复”的典型结构，反映出资金在高位以兑现为主。

• 上涨阶段：深度转负，出现持续抛压。在 3 月 31 日–4 月 2 日，XAUT 价格快速上行（对应黄金走强），但订单深度明显转负，且出现多次大额负 Delta。这说明在上涨过程中，主动卖单（止盈/对冲）持续压盘，市场并非追涨驱动，而是“价格涨、筹码出”的分配阶段。这与黄金作为避险资产的特性一致——上涨往往伴随兑现需求。

• 高位与震荡阶段：负 Delta 峰值，流动性被动承接。4 月 1 日前后出现极端负 Delta（接近 -2M），对应价格阶段高点，说明大资金集中止盈或做空对冲，买方更多为被动承接（流动性提供者）。随后 Delta 逐步转正并出现多次正向脉冲，说明有资金开始逢低承接，但多头信心尚未完全恢复。

3. 链上数据洞察

3.1 Solana 交易流量向 Meteora 集中，DEX 排位显著重构

上周 DEX 结构出现明显重排。Meteora 交易量升至 432.15 亿美元，较前一周 206.31 亿美元显著放大并跃居首位。从机制层面看，Meteora 的 DLMM 模型更受益于高波动环境与主动做市需求。PancakeSwap 从 251.85 亿美元回落至 156.40 亿美元，Uniswap 小幅下降至 131.00 亿美元，主流现货平台整体未能跟随本轮 Solana 侧的流量扩张。Solana 生态内部亦出现分化。Raydium 从 23.90 亿美元下滑至 13.84 亿美元，而 Whirlpool 升至 19.68 亿美元，Pumpswap 从 3.43 亿美元增至 4.71 亿美元。整体来看，上周市场定价明显偏向交易弹性与流动性捕获能力，流动性向少数高效率入口集中。

3.2 稳定币总量维持高位，增量向 DeFi 核心资产集中

上周稳定币整体维持高位震荡。USDT 基本持平；USDC 小幅回落，延续 3 月中旬后增速放缓的趋势。资金向 DeFi 原生稳定币倾斜。USDS 从 84.05 亿美元升至 86.95 亿美元，DAI 从 52.13 亿美元升至 54.61 亿美元，成为上周主要增量承接方。PYUSD 小幅回升至 31.70 亿美元，而 USDT0 则回落至 24.85 亿美元，反映支付链路与跨链映射资产之间的资金分流。总体而言，上周链上资金更倾向于配置可直接参与 DeFi 的稳定币资产。

3.3 流动性质押回归 ETH 主线，SOL 生态仍处内部调整阶段

流动性质押板块上周呈现分化。ETH 侧整体修复，Lido 从 183.29 亿美元回升至 191.93 亿美元，Rocket Pool 回升至 11.92 亿美元，基本收复上周回撤。相比之下，Solana LST 板块延续调整。Jito 从 10.21 亿美元降至 9.06 亿美元，Jupiter Staked SOL 与 Kinetiq 均出现回落。产品层看，Lido 持续推进机构化收益工具（如 EarnETH、EarnUSD），收益体系逐步完善；而 Solana 侧仍处于结构筛选阶段。

3.4 Aave 借贷规模回升，核心市场与子链同步修复

上周 Aave 借贷规模结束回撤并重新增长。以太坊主市场由 130.50 亿美元升至 132.66 亿美元，成为整体回升的主要支撑。子链市场同步改善：Mantle 升至 5.91 亿美元，Base 回升至 4.96 亿美元，Arbitrum 小幅增长至 4.98 亿美元。Plasma 维持在 16.64 亿美元高位，高收益或新场景市场的资金吸附能力仍然稳固。结合 Aave 当前推进的 V4 Hub-and-Spoke 架构，本轮回升类似于杠杠仓位重建，为后续跨市场流动性整合提前布局。

3.5 利率分化加剧，USDC 融资成本显著抬升

Aave 三大核心资产利率上周进一步分化。USDC 借款 APR 从 3.23% 升至 3.51%，上行最为明显；USDT 小幅升至 3.10%；WETH 基本维持在 2.23% 附近。在借贷规模回升的同时，资金主要流向稳定币贷款端，ETH 贷款需求未同步增强。市场行为更偏向资金调度、套利与仓位滚动，而非方向性杠杆扩张。在 V4 架构预期下，不同资产之间的资金价格分化可能进一步扩大。上周 USDC 利率的上行，已提前反映这一趋势。

3.6 协议收入回归基本面，稳定币与流量入口形成双支撑

协议收入结构上周回归常态。Tether 收入为 1.1429 亿美元，Circle 为 4,668.68 万美元，稳定币发行端仍是最稳固的收入来源。交易平台收入出现回落，Hyperliquid 与 EdgeX 均较前一周下降，交易弹性阶段性收敛。与此同时，流量入口开始抬升：Pump、Phantom、Jupiter 收入均出现增长，资金向钱包与前端分发环节回流。整体来看，收入端结构呈现稳定币打底、流量入口增强、交易平台分化的格局。

4. 衍生品追踪

4.1 BTC 资金费率由负转稳，市场进入中性博弈阶段

上周 BTC 资金费率延续修复趋势，由前期持续负值逐步回升至 0 附近，并在周中短暂转正，显示市场从空头主导的防御状态过渡到多空平衡。周初仍以轻微负费率为主，风险偏好偏弱；随后随着价格企稳反弹，费率快速收敛，由空头回补与套利资金驱动。到周末，费率基本维持在 0 附近窄幅波动，杠杆未明显放大，资金行为以短周期滚动与策略交易为主。整体而言，上周资金费率的变化是情绪出清后的再平衡，市场进入中性区间，尚未形成明确趋势信号。

4.2 BTC 持仓量冲高回落，杠杆动能减弱

上周 BTC 持仓量先上冲后回落，周中一度升至约 230 亿美元，随后快速回落至 210 亿美元一线，之后仅小幅修复且未再创新高。上涨阶段持仓同步放大，有新增杠杆入场；而高位回落过程中持仓明显下降，表明一部分仓位被主动平掉或被动清算。目前持仓没有维持在高位，杠杆扩张中断，与资金费率回到中性一致，市场接近震荡中的仓位切换。

4.3 期权持仓总量未扩张，仓位向短端集中

上周期权规模规模未出现明显增长，新增资金入场有限，市场仍以存量仓位调整为主。短端持仓占比有所抬升，而中长期（尤其是月度与更远期）持仓下降，与成交量端月期权大幅缩量的特征一致，机构在当前阶段主动降低中期方向性敞口。从方向分布看，Put 持仓占比在短端明显增加，叠加 Skew 持续处于负值区间，保护性需求主要集中在近期到期结构。这种结构通常对应短期防御和中长期观望的组合。

4.4 Skew 短端再度走弱，保护性需求重新抬头

上周 Skew 整体仍处负值区间（约 -6 至 -10），结构上呈现短端下探和长端稳定的形态。3 月底至 4 月初，7D/30D Skew 一度快速下行至约 -12，随后虽有修复，但始终未回到中性以上，当前维持在 -7~-8 区间，短期保护需求明显回升。与此同时，长端 Skew 变化较小，整体更平稳，市场并未对中长期方向形成一致性悲观预期。当前市场主要在为短期不确定性定价，短端 Put 持续被买入，对应事件驱动或到期节点前的风险对冲。

4.5 DVOL 高位震荡，波动预期未进一步抬升

上周 DVOL 整体维持在相对高位区间震荡，未出现明显向上突破。BTC DVOL 稳定在 40%–50% 区间附近，ETH DVOL 则维持在 60%–70% 一线，延续此前抬升后的平台整理状态。DVOL 未继续上行，说明市场对更高波动的预期没有进一步强化，意味着短期风险溢价仍在。结合 Skew 与期权成交结构来看，当前波动定价更多来自短端保护需求。总体而言，DVOL 所反映的是高波动环境下的维持状态，即市场已经接受波动会存在，但尚未押注波动进一步放大。

5. 本周展望

6. Gate 机构动态更新

市占与机构占比双提升

• Gate 机构 Q1 主流现货交易对市占率持续增长，成为行业唯一实现增长的平台

• 机构交易量占比头部交易所显著提升，现货与合约占比分别环比增长 18% 与 45%

交易与资金表现持续回暖

• 4 月首周交易量明显回升，现货与合约阶段性跑赢市场

• 资金业务规模扩张，借贷规模持续增长，同时 Gate 机构探索实现息差模式，进一步激发了资金需求

产品突破与技术升级

• CrossEx 生态加速成型，Q2 将进一步打通 OTC Loan 与资管，释放协同价值

• Q2 将进一步聚焦大客户与延迟问题，建立专项优化机制

• 已持续优化低延迟表现，未来将推进 3.0 架构升级上线

数据来源

• Investing, https://investing.com/currencies/xau-usd-historical-data

• Gate, https://www.gate.com/trade/BTC_USDT

• CMC, https://coinmarketcap.com/real-world-assets/?type=all-tokens

• Coinglass, https://www.coinglass.com/pro/depth-delta

• Dune, https://dune.com/gateresearch/gate-institutional-weekly-report

• Bybit, https://www.bybit.com/future-activity/en/tradfi

• Bitget, https://www.bitgettradfi.com/tradfi/XAUUSD

• CryptoQuant, https://cryptoquant.com/asset/btc/chart/derivatives

• Amberdata, https://pro.amberdata.io/options/deribit/btc/current/

Gate 研究院是一个全面的区块链和加密货币研究平台，为读者提供深度内容，包括技术分析、热点洞察、市场回顾、行业研究、趋势预测和宏观经济政策分析。

免责声明

加密货币市场投资涉及高风险，建议用户在做出任何投资决定之前进行独立研究并充分了解所购买资产和产品的性质。 Gate 不对此类投资决策造成的任何损失或损害承担责任。

原文作者：梦晨

原文来源：量子位

Claude再次暴击一个行业！

视觉设计工具Claude Design发布，Adobe、Figma、Wix市值闪崩融化。

这是Anthropic Labs首个实验性产品，一个AI原生的视觉设计协作平台，由刚刚发布的旗舰模型Claude Opus 4.7驱动。

这是AI大模型公司，向现有设计软件巨头发起的直接挑战。

三大杀手锏，Adobe当场跳水

Claude Design到底是什么？

界面看起来很简洁，就是传统设计软件+一个AI聊天侧边栏。

设计师不用原有的改变习惯，对于每个组件，也有细粒度的手动调整面板。

还可以像和人类协作时一样，在需要改动的组件上留一句评论，AI就会自动照着改动。

工作流程到这里已经清晰了：描述需求→AI生成初稿→对话/评论迭代→导出交付。

真正让传统软件颤抖的，是三个杀手级功能。

第一个：它比你更懂你的品牌。

Claude Design能直接读取你公司的代码库和设计文件，自动提取品牌色、字体、组件模式，建立一套专属的设计系统。之后所有生成的设计，都会自动遵循这套规范。

换句话说，实习生可能要花三个月才能摸清公司的设计规范，Claude Design只需要扫一眼你的代码库。

第二个：什么都能当输入。

你可以丢给它Word文档、PPT、Excel表格、竞品截图、代码仓库链接，甚至直接用内置工具抓取网页元素。这些杂乱的信息，它全都能理解，全都能用来生成设计。

设计师最头疼的”需求文档看不懂”问题，在这里根本不存在。

第三个：设计完直接变代码。

设计稿做完了，一键打包成handoff bundle（交接包），直接送到Claude Code实现。从设计到可运行的代码，中间没有任何人工环节。

真正成为一条从想法到产品的自动化流水线。

如果说Figma是“协作画布”，Canva是“模板工厂”，而Claude Design直接成为从想法到产品的AI流水线。

功能听起来很美，但实际用起来如何？

一周的活儿，一次对话干完了

有网友只用一句话提示，生成了完整的3D低多边形风格的Flappy Bird。

Please code up a 3d flappy bird in html css js and run it in artiacts.

说实话写游戏代码这个活，以前Claude Code也能干，但要视觉和动画表现上达到这个效果，就需要人工介入了。

现在加上Claude Design，直接一次性全自动完成。

生成复杂的仪表盘界面，也不在话下

但毕竟刚发布几小时，真正深度使用了的是早期测试用户，他们给出的数据比想象中更夸张。

Brilliant的一位资深产品设计师分享了他的体验：一个复杂的产品页面，在其他AI设计工具里需要反复调试20多次提示词才能完成。

在Claude Design里？2次。

Datadog的产品团队过去从需求简报到设计模型到评审通过，整个流程要折腾一周。现在压缩到了一次对话。

Claude Design的目标用户不只是设计师。

产品经理可以直接把想法画出来，不用等设计师排期。

创始人可以在融资前一天晚上自己搞定pitch deck。

市场人员可以产出专业级的落地页，不用走繁琐的设计需求流程。

只要会打字，就能产出高质量的视觉作品。

那么设计师该担心失业吗？

Anthropic官方公告里，还是很客气的，把自己的产品定位成增强设计师的工具，而不是替代。

即使是经验丰富的设计师也必须节制探索——很少有时间去原型十几个方向，所以你只能限制自己做几个。

Claude Design初衷本来是要这个问题。

但无奈解决方式太狠了。

“摧毁设计行业”的言论已经在社交媒体上刷屏。

资本市场的反应比任何评论都更诚实：股价下跌说明投资者认为，传统设计软件的护城河正在被瓦解。

Figma的协作生态、Adobe的专业工具链，这些曾经不可逾越的优势，在“不需要学习曲线”的AI面前，突然显得不那么牢固了。

但设计师真的会失业吗？

更普遍的观点是：AI会接管重复劳动（确保品牌一致性、生成多种变体），但设计师可以专注于战略思考和创意方向。

就像AI编程时代，软件工程师专注于架构和管理协调多智能体工作流。

也许很快，就会出现设计领域的“Harness Designing”。

参考链接：

[1]https://www.anthropic.com/news/claude-design-anthropic-labs

[2]https://x.com/claudeai/status/2045156267690213649

原创 | Odaily 星球日报（@OdailyChina）

作者｜Azuma（@azuma_eth）

路透社 4 月 18 日独家报道表示，三位知情人士向其透露，扎克伯格的 Meta 计划于 5 月 20 日启动今年大规模裁员的第一轮行动，后续还将继续裁员。

一位知情人士表示，Meta 将在首轮裁员中削减约 10% 的全球员工（总员工约 79000 人），即大约 8000 人。另一位知情人士则表示，Meta 还计划在今年下半年进一步裁员，但具体时间和规模尚未最终确定，随着对 AI 能力发展的持续观察，Meta 高管层可能会对计划进行调整。

在路透社上个月的另一篇报道中，当时也曾有知情人士透露，Meta 正考虑裁员 20% 甚至更多。

截至发文，Meta 拒绝就裁员时间和规模发表评论。

10 天之前，Meta 刚刚追上 AI 大部队

仅仅 10 天之前，Meta 旗下由其高价挖角的华裔天才 Alexandr Wang 所带领的 AI 开发团队“超级智能实验室”（Meta Superintelligence Labs，MSL）刚刚发布了首款自研 AI 模型 Muse Spark。

Alexandr Wang 披露表示，在过去九个月内，MSL 从零开始重建了整个 AI 技术栈。Muse Spark 是一个原生多模态推理模型，支持工具调用、视觉链式思维（visual chain of thought）以及多 Agent 编排。这是 Meta 迄今发布过最强大的模型。在训练过程中，MSL 观察到模型在预训练、强化学习以及测试时推理阶段都呈现出可预测的规模化提升。

Muse Spark 还支持“沉思模式”（Contemplating Mode），该模式通过编排多个并行推理的 Agent，专门用于处理复杂的科学问题与推理任务。在测试中，MSL 发现其表现可与 Gemini Deep Think 和 GPT Pro 等极限推理模型相竞争。

作为 Meta 重金押注 AI 且转向闭源模式后的首个实质性落地产品，Muse Spark 普遍被市场认为是 Meta 追逐 Anthropic、OpenAI、Google 等 AI 第一梯队的开端，虽然 Meta 亦承认该模型在部分能力上尚不及前三家公司的旗舰级模型，但对于曾因 Llama 路线溃败而长期在 AI 竞赛中掉队的扎克伯格而言，Muse Spark 及同系列的后续模型已足够作为他重回 AI 牌桌的筹码。

市场对于 Muse Spark 也给出了积极的信号反馈，当日 Meta 收盘报价 612.42 美元，收涨 6.5%，之后的这 10 天里也是一路上涨（当然也受大盘整体上扬影响），昨日收盘价已达 688.55 美元。

AI 的利刃，先落在了员工头上

2022 年末至 2023 年初，Meta 曾启动过备受争议的“效率之年”（year of efficiency）计划，进行了该公司历史上最大的一次裁员，裁减了约 21000 个岗位。而这一次，很有可能成为自“效率之年”后 Meta 最大的一轮裁员。

相较于“效率之年”时期，Meta 曾面临着巨大的股价下跌以及疫情期间过度增长后的调整压力，如今的 Meta 在财务状况上显然更加稳健，但高管们设想的未来是 —— 管理层级更少、由 AI 辅助员工可带来更高效率的组织结构。

Business Insider 上个月曾报道表示，其通过 Meta 内部泄漏的文件获悉，Meta 内部正在推动员工更积极使用 AI 工具，所设定的目标为 —— 到 2026 年中期，65% 的工程师需要有 75% 以上的代码由 AI 参与编写。

而根据 X 上聚焦大厂裁员信息的自媒体 Official Layoff（@LayoffAI）披露（无其消息源，不保真）：“从今年开始，Meta 已将‘AI 驱动的影响力’纳入所有员工的绩效考核，并成为核心指标。如果不使用 AI，就无法获得晋升。Meta 已成为首家将 AI 使用情况正式与晋升挂钩的大型科技公司。”

AI 迭代白领，早已不是孤例

以“AI 迭代生产力”为由进行裁员，早已不是孤例。

去年 10 月，亚马逊曾裁减多达 3 万个岗位，涉及物流、支付、电子游戏及云计算部门。该公司首席执行官 Andy Jassy 更早之前曾提前过该轮裁员：“随着公司越来越多地使用 AI 来完成原本由人类执行的任务，亚马逊的员工规模可能会缩减。”

今年 2 月末，Jack Dorsey（也是 Twitter 的创始人）旗下金融科技公司 Block 曾宣布 4000 个岗位，将员工总数从超过 1 万人缩减至不足 6000 人，以推动更加精简、扁平化并以 AI 为核心的组织结构。Block 首席财务官兼首席运营官 Amrita Ahuja 透露，在该公司宣布裁减后，大批企业高管主动联系 Block，寻求复制这套“剧本”。

• Odaily 注：详见《Jack Dorsey 的公司，4000 名白领正被 AI 淘汰》。

本周早些时候，Meta 核心产品 Instagram 的直接竞争对手 Snap 也裁减了约 1000 个工作岗位，其首席执行官 Evan Spiegel 表示：“AI 将使我们的团队能够减少重复性工作，提高效率，并更好地支持我们的社区、合作伙伴和广告商。”

如今，同样的风已经刮到了加州门洛帕克，扎克伯格已抬起了手中的剑。

哦对，还有件事值得一提。虽然 Jack Dorsey 在裁员之时曾高调宣称“AI 的快速发展，正在迭代传统的生产力增长范式”，但在 Block 裁员后不久，许多被裁的员工陆续收到返岗邀请（详见《第一批被 AI 裁掉的大厂人已经返岗了》）……

AI 迭代白领，或许终将成为现实，但像 Block 那样着急地一口气裁员 40%，也很容易“步子太大，扯到蛋”。

信息流太快，深度分析文章容易被热点淹没。「每周编辑精选」栏目将这些有判断价值的内容从海量资讯里捞出来，帮你滤掉噪音，留下洞察，带来启发。

宏观局势

最危险的一步棋：封锁霍尔木兹后，战争为何更难收场？

4 月 12 日，在美伊持续 21 小时的谈判破裂后，特朗普宣布，美国海军将封锁所有进出霍尔木兹海峡的船只。全球最重要的能源咽喉完成了一次权力转移。

从战术上看，这是一笔「聪明」的操作：无需占领或摧毁，美国直接夺走了伊朗过去六周最有效的工具——对霍尔木兹的控制权。然而，冲突反而更可能走向升级。

当「守门人」开始将航道武器化，市场与国家的风险定价逻辑也随之改变。因此，封锁或许能够改变短期收益，却难以触及冲突的根本约束。更可能的结果，是一场更漫长的消耗，以及不断累积的尾部风险。

「市场已宣布胜利」，标普反弹 10%、纳指十连涨：美股「不再关心」霍尔木兹

股市与油市之间出现了明显背离：股市“向前看”，油市仍在等待。

史上最富美联储主席，被一场荒诞的政治闹剧拦在门外

身家超 2 亿美元、投过 Polymarket 的 Kevin Warsh，距离掌舵美联储还差 30 天和一张关键选票。北卡罗来纳州共和党参议员 Thom Tillis 的反对票基于“美联储 25 亿美元装修案”的调查未结束。而在调查的另一端，检察官 Pirro 毫不退让。

Powell 的主席任期在 5 月 15 日到期。这是一个硬性截止日期。但他的美联储理事任期要到 2028 年 1 月才结束。这意味着即使主席任期结束，他在法律上仍然是美联储理事会的一员。Powell 已经明确表态：如果 Warsh 在 5 月 15 日之前未能获得确认，他将以”代理主席”身份继续掌舵美联储。

这创造了一个前所未有的局面：特朗普提名了新主席，但旧主席拒绝离开，双方同时声称自己有权坐在那把椅子上。市场现在面对的，是一个经典的二元博弈。

路径 A：Pirro 撤回调查，Tillis 转投赞成票，Warsh 在 5 月中旬就任。路径 B：Pirro 坚持上诉，Tillis 不松口，Powell 以代理主席身份继续执掌——意味着持续的不确定性。

30 天之后，美联储主席的椅子上坐的是谁，将重新定义 2026 年下半年全球资本市场的游戏规则。对加密市场的人来说，每一个变量都直接指向资产价格。

投资与创业

找到几天几十倍的「妖币」，有秘籍吗？

加密韋馱的「妖币」定义是：现货控盘率基本在 96% 以上；有 Binance 合约，至于有没有现货反而没那么重要；通常通过场外配资，在短时间内用暴力拉砸的波段，聚起巨量流动性和对手盘；庄家通过引发多空清算、吃对手方费率获利，最终完成现货出货，走完整个收割流程。

虽然我们能够从很多维度的角度中发现庄家操纵的蛛丝马迹，甚至是通过这些数据分析获得「妖币」博弈的胜利，但每个「妖币」的情况难以通过分析来归纳，并复刻在每一次的博弈上。

「妖币」背后的庄家是那个手握剧本的人，他们可以通过操纵数据来迷惑散户玩家，也可以有多种方式收割散户玩家实现盈利。

普通人如何用 10 分钟识别一个 Token 背后有庄？

关联钱包合并计算筹码集中度，关注成交量真实度——Vol / Holder (OI) 数，监控 DEX 流动性池，关注换手合理性——24h Vol / 市值，交易笔数 vs 成交量——大单占比，地址/账户/oi 增长率 vs 价格变化率——判断庄在哪个阶段。

没有庄就没有行情，庄是这个游戏的底层结构。

散户唯一的机会在于做空，但做空不一定会赢，依然需要超高的技巧和努力。

另推荐：《摩根士丹利首只比特币 ETF 上市一周回顾：逆势吸金，机构建仓的信号》《Jeff Yan 的《Hyper 人生》》。

Web3 & AI

即使枪击坐牢，为什么美国小镇人也要反对 AI 数据中心？

数据中心正在成为反科技、反政府极端分子的攻击目标。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。

Token 中转站乱象集锦：研究过后，我根本不敢用一点

使用非正规 AI 模型 API 中转站有严重安全风险，不仅是服务质量欺诈，更可能成为中间人攻击的渠道，导致用户代码、隐私数据乃至系统控制权被盗取。

如果一定要用，可以选择官方原生直连，或只用 OpenRouter 这样具备极高信誉背书的正规网关，做好极致的物理隔离，关掉所有的无监督自主执行模式。

AI Agent 炒币真赚啊：8 天 100 U 做到 20 万 U

作者拆解近期爆火的 AI Agent 交易系统“拉哪”，不只是简单的自动下单脚本，而是一套拥有自己交易逻辑的操作系统。

严格选标的，只做趋势交易，明确的止损和动态的止盈。从最初的数据喂养搭建骨架，让它理解市场在发生什么；到通过不断纠偏与约束形成结构，使其具备稳定的判断边界；再到行为蒸馏填充细节，让它逐渐拥有接近人类的决策路径与偏好。

最终形成的，已经不只是一个执行工具，而是一个能够在复杂市场中持续做出一致选择的“拉哪”。它不依赖情绪，也不追求预测，而是用一套被反复验证过的方式，去参与市场、放大结果。

另推荐：《这 25 个 Claude 提示词，让你每周多出 15 小时》《AI 时代的“PayPal 黑帮”，从一起实习到身价亿万》。

预测市场

机构接入预测市场，卡在了第三阶段

预测市场正从小众走向主流。预测市场为金融带来的变化是，几乎任何事件的未来，都可以拥有一个实时、流动的价格基准。

机构采用 Kalshi 分为三个阶段：数据接入、系统整合、实际交易。目前，大多数机构仍处于第一阶段，一部分进入第二阶段，只有少数进入第三阶段。 阻碍机构进入第三阶段的一个重要原因在于，目前预测市场交易需要全额保证金，100 美元的头寸需要对应存入 100 美元。

无脑跟随 Polymarket 赛前胜率交易 NBA，能稳赚吗？

作者回测了 NBA 2025-26 赛季常规赛的 1096 场比赛，发现赛前概率已被充分定价。无脑跟随市场赚不了，但也亏不了多少（ROI 为-1.87%）。

另推荐：《从马杜罗被捕到美伊停火，特朗普身边的内幕网络》。

政策和稳定币

白宫算了一笔账：禁掉稳定币利息，银行能多借出多少钱？

《GENIUS 法案》并未明确限制第三方平台提供类息收益，目前拟议中的《CLARITY 法案》部分内容试图封堵这一漏洞。

CEA 的最新研报试图证明：禁止稳定币发放收益，对保护银行贷款的作用很小——如果稳定币可以付息，银行贷款可能蒸发 21 亿美元，而不是去年夏天经济学家 Andrew Nigrinis 说的 1.5 万亿。

香港这场「阳谋」的真正目标，从来不是稳定币

作者做出大胆推测。

稳定币给港府提供了它自己永远造不出来的东西：免费的需求侧动能。热度、媒体、KOL、VC、全球叙事。港府实则要用稳定币条例去推 e-HKD。

主要货币区都在做同一件事：把本币的清算主权从 SWIFT 时代的代理行架构里拿出来，放进自己的 CBDC 或稳定币架构里。而香港当前的核心资产——美元清算体系的接入权——正在贬值。香港从来不需要 Web3——香港需要的是下一代金融中心的入场券。 而这张入场券，第一批稳定币持牌机构正在买单。

香港稳定币发牌：一场”老钱”的入场仪式，Web3 人的中场休息

汇丰渣打主动申请、主动投入数千万美金、主动承担用户教育和场景开发成本。这不是行政指令的结果，而是规则设计的自然产物。

香港给稳定币发行人套上的紧箍咒，堪称全球最严，这意味着汇丰渣打正在自掏腰包，为香港 Web3 生态建设”免费”基础设施。HSM 机房、KYC/AML 系统、链上监控、用户教育、商户接入、跨境 B2B 场景跑通——这些原本是生态发展最大的痛点，现在由两家发钞行以”商业稳定币”的名义承担。

他们是铺路工，不是收费站。

空投机会和交互指南

热门交互合集 | SimpleChain 测试网活动已上线；Giggles 候补名单申请（4 月 16 日）

Kraken 也要发币？一文读懂 Ink 第一季积分计划

一周热点恶补

政策与宏观市场

伊朗称谈判已结束，与美国未达成协议；

韩国央行建议加密市场引入熔断机制，因 Bithumb 误操作事件；

袭击 OpenAI 创始人住宅的嫌疑人已被指控谋杀未遂，供词中警告“人类将因 AI 而灭绝”；

X在美加推出 Cashtags 功能，支持查看加密与股票数据并试点内嵌交易；

观点与发声

美联储主席提名人沃什披露其持有加密货币；

机构、大公司与头部项目

高盛向 SEC 提交了 Goldman Sachs Bitcoin Premium Income ETF 的申请（解读）；

Kraken已秘密提交美国 IPO 申请，最新估值约 133 亿美元；

Allbirds 将出售其鞋履业务，转型为 AI 算力基础设施公司，股价暴涨（解读）；

WLFI解锁提案引争议，孙宇晨：谴责 WLFI 内部不良行为者持续制造的代币丑闻，抨击WLFI 解锁提案（解读）；

数据

部分山寨猛涨；

VC 人士：业内还能投种子轮的 VC 可能已不足 20 家；

头部加密 VC集体缩水：a16z 加密基金管理规模暴跌 40%，Multicoin 腰斩

安全

Polkadot回应 Hyperbridge 漏洞：仅影响以太坊侧 DOT，主网资产未受影响；

Kraken遭勒索未妥协：影响约 2000 个账户，资金安全未受威胁……

附《每周编辑精选》系列传送门。下期再会~

原文作者：David，深潮 TechFlow

Netflix （网飞）从来没有像现在这么赚钱，创始人却选了这个时候离开。

4 月 16 日，Netflix 发布 2026 年一季度财报，营收 122.5 亿美元，同比增长 16%，净利润同比涨了 83%，每股盈利 1.23 美元，比华尔街预期的 0.76 美元高出了将近六成。

但财报同时宣布了另一件事，联合创始人、现任董事长 Reed Hastings 将在 6 月任期届满后不再连任。

Hastings 1997 年创办 Netflix，从 DVD 邮寄生意做到全球超过 3.25 亿付费会员的流媒体巨头，干了快 30 年。2023 年他把 CEO 交给了继任者，自己退居董事长。现在，连董事长也不留了。

Netflix 在提交给美国证监会的文件里，特别写了一句：「此决定与公司无任何分歧。」

但越是强调没有分歧，越让人想知道他到底要去干什么。

一个冷知识是，去年 5 月，Hastings 已经加入了 Anthropic 的董事会。他做了快 30 年的生意，基本都是让人们为内容付费，而 Anthropic 的 Claude 虽然不直接生成视频，但正在改变内容的生产方式。

从文本到图片到视频，成本越来越低速度越来越快。

Netflix 能盈利，靠的是好内容值得付费。如果 AI 把内容的制作门槛拉到足够低，这个前提还成立吗？

Hastings 显然已经在想这个问题了。

他在怕什么？

作为全球顶级的内容制作和发行商，Netflix 的创始人其实对 AI 一直有一种思维上的关切。

你可能不知道的是，1988 年 Hastings 在斯坦福读的就是 AI 硕士。没错，40 年前他就在研究人工智能。只不过那个年代的 AI 完全不像今天这么有用…

2022 年斯坦福大学毕业典礼上，Hastings 还被请成了演讲嘉宾。

他后来自己也说过这事，语气像在讲一个年轻时走错路的笑话。只不过 AI 没搞成，他转头去做了软件公司，后来又创办 Netflix，一做就是近 30 年。

一个学过 AI 的人，不可能不关注这个领域。

2024 年他接受采访，聊到 AI，当时还挺轻松的：「AI 会帮我们变得更有创造力，我们能用这些工具做出更多的节目。」那时候他的态度是拥抱。AI 是工具，是来帮忙的，不是来抢饭碗的。

2025 年 3 月，他给母校 Bowdoin College 捐了 5000 万美元。

这所缅因州的文理学院不做大模型，Hastings 给钱让他们做的是一个叫「AI 与人类」的研究计划，专门研究 AI 对工作、教育和人际关系的冲击。

捐款当天他说了一句话，跟一年前的轻松语气完全不同：「我们将为人类的存续和繁荣而战。」

一年之间，AI 的进步很快，而他的立场也从 AI 能帮助工作，变成了 AI 是人类的威胁。

两个月后，他就进了 Anthropic 的董事会。

任命他的，是一个叫「长期利益信托」的独立机构，五名委员全部不持有 Anthropic 股份，职责只有一条：确保 AI 发展符合人类的长期利益。

今年 3 月，他在 另一档的访谈节目里把话说到了最明处。主持人问他 Netflix 面临的最大风险是什么，他跳过了竞争对手和会员增长，直接说了两个字：

AI.

他说，如果 AI 让 YouTube 上的免费内容变得足够酷、足够吸引人，年轻人全跑去看免费的了，那谁还为 Netflix 付费呢？

从公开的信息中，你能搜到 Hastings 自称「极端技术乐观主义者」，他不觉得 AI 本身是坏事，只是问题出在速度差上。

AI 技术跑得太快，人类的道德和制度体系跟不上。

这就能解释他过去一年那些看似矛盾的选择。不给搞技术的 AI 实验室捐钱，给一所研究人文的学院捐钱；进董事会没有选任何一家商业 AI 公司的顾问团，选了 Anthropic 的安全委员会。

笔者觉得，Hastings 比大多数人更有资格关切 AI 是否会颠覆行业这件事。

Netflix 自己就是上一轮的颠覆者，它用流媒体杀死了 DVD 租赁、重创了有线电视、逼着整个好莱坞重建发行体系。他亲手做过一次「用新技术把内容成本和分发成本砸到足够低，然后干掉上一代赢家」的事情。

现在他看着 AI，大概在想这次轮到谁了。

所以，Hastings 同时是 Netflix 的大股东和 Anthropic 的董事。拿着自己创办的公司股份，去到可能颠覆这家公司的行业里坐下来。

这可能不叫退休，叫对冲。

虽然 AI 冲击，但 Netflix 其实从来没这么好过

四年前，Netflix 还是一家年营收 300 亿美元出头、利润率不到两成的公司，被华尔街追着问”你们什么时候能赚到真金白银”。四年后的这份财报给了回答。

2026 年一季度，净利润 52.8 亿美元，同比涨了 83%。自由现金流 50.9 亿美元，几乎是去年同期的两倍。同时，利润率站上了 32%。全年营收指引 507 到 517 亿美元，如果年底真的能做到，相当于三年时间，NetFlix 的营收接近翻了一倍。

日常经营之外，Netflix 也不是没看到 AI。

几周前，它花了最高 6 亿美元收购了 InterPositive，一家做 AI 辅助影视制作工具的公司，可以用 AI 加速剧本开发、场景预览和后期制作。Netflix 还在财报信里专门提到了生成式 AI，说要用它来改善内容制作和用户体验。

用 AI 降低制作成本、提升效率，这个思路没有问题。事实上整个好莱坞或者内容制作行业，都在往这个方向走。

只是创始人 Hastings 在采访里担心的，可能不是同一个问题。

今年 2 月，字节跳动发布了视频生成模型 Seedance 2.0。上传一张照片，60 秒生成一条带运镜、带音效、带口型同步的 2K 视频。

当时，《黑神话：悟空》的制作人冯骥测完之后说了四个字：「AIGC 的童年时代结束了」。导演贾樟柯发微博说准备用它拍短片…

更具体的数字来自行业内部。据证券时报报道，在电商广告领域，一个人用 Seedance 2.0 花 30 分钟就能完成过去 7 个人 3 天的工作量，成本降幅超过 99%。

横店的群演、后期剪辑、特效制作，整条产业链上的人都在说同一个词—失业焦虑。

爱奇艺的创始人龚宇去年底公开说过一个判断：AI 可能让影视行业的成本降低一个数量级，创作者增加一个数量级，作品增加两个数量级。

Netflix 用 AI 来降低制作成本，相当于在现有模式里提效。但 Seedance 们正在做的事情，是把「制作视频」这件事的门槛从几百万美元拉到几块钱。

Hastings 说的那个「YouTube 上的免费内容变得足够好」的未来，正在一步步变成现实。

当然，这一切或许都跟他现在选择离开 Netflix 没有直接关系。他从 2023 年就开始交班，CEO、董事长，一步一步退，至少有三年的过渡期。

只是时间点确实微妙。Netflix 交出了历史上最好看的一份财报，盘后跌了 8%。同一天，创始人宣布彻底离场。

六月以后，Hastings 的名字将从 Netflix 的董事会名单上消失。

他现在的头衔是 Anthropic 董事、Bloomberg 董事，以及犹他州一家滑雪场的老板。Netflix 的股票他还拿着，据 Forbes 估算身家 58 亿美元，大部分跟 Netflix 绑在一起。

他拿着 Netflix 的钱，坐在 AI 的桌子上。

至于这个选择是远见还是多虑，可能要等到 AI 真的能拍出一部观众愿意看完的电影那天，才会有答案。

原文作者：DWF Ventures

原文编译：深潮 TechFlow

导读：AI Agent 已经占据 DeFi 近五分之一的交易量，在收益优化这种规则明确的场景中确实跑赢了人工。但真让它自主交易，顶尖 AI 的表现还不如顶尖人类的五分之一。这篇研究拆解了 AI 在 DeFi 不同场景下的真实表现，值得所有关注自动化交易的人看看。

核心要点

自动化和 agent 活动目前占所有链上活动的约 19%，但真正的端到端自主性仍未实现。

在收益优化等狭窄、定义明确的用例中，agent 已表现出优于人类和 bot 的性能。但对于交易等多方面行动，人类表现优于 agent。

在 agent 之间，模型选择和风险管理对交易表现影响最大。

随着 agent 被大规模采用，存在多项关于信任和执行的风险，包括女巫攻击、策略拥挤和隐私权衡。

Agent 活动持续增长

过去一年 agent 活动稳步增长，交易量和交易数量都在增加。我们看到 Coinbase 的 x402 协议引领了重大发展，Visa、Stripe 和 Google 等玩家也加入其中推出自己的标准。目前正在构建的大部分基础设施旨在服务两类场景：agent 之间的通道或由人类触发的 agent 调用。

虽然稳定币交易已得到广泛支持，但当前基础设施仍依赖传统支付网关作为底层，这意味着它仍然依赖中心化对手方。因此，agent 可以自我融资、自我执行并根据不断变化的条件持续优化的”完全自主”终局尚未实现。

Agent 对 DeFi 来说并不完全陌生。多年来，链上协议中一直存在通过 bot 实现的自动化，捕获 MEV 或获取没有代码就无法实现的超额收益。这些系统在定义明确的参数下运行得非常好，这些参数不会频繁变化或需要额外监督。然而市场随时间推移已变得更加复杂。这就是我们看到新一代 agent 进入的地方，过去几个月链上已成为此类活动的实验场。

Agent 的实际表现

根据报告，agent 活动呈指数级增长，自 2025 年以来已启动超过 17,000 个 agent。自动化/agent 活动总量估计覆盖所有链上活动的 19%以上。这并不令人意外，因为据估计超过 76%的稳定币转账量由 bot 生成。这表明 DeFi 中 agent 活动有巨大的增长空间。

Agent 自主性存在广泛的范围，从需要高度人类监督的聊天机器人式体验，到可以根据目标输入制定适应市场条件策略的 agent。与 bot 相比，agent 具有几个关键优势，包括在毫秒内响应和执行新信息的能力，以及在保持同样严格性的同时将覆盖范围扩展到数千个市场的能力。

目前大多数 agent 仍处于分析师到副驾驶级别，因为它们大多数仍处于测试阶段。

收益优化：Agent 表现优异

流动性提供是自动化已经频繁发生的领域，agent 持有的总 TVL 超过 3900 万美元。这个数字主要衡量用户直接存入 agent 的资产，但不包括金库路由的资本。

Giza Tech 是这一领域最大的协议之一，去年底推出了首个 agent 应用 ARMA，旨在增强主要 DeFi 协议的收益捕获。它已吸引超过 1900 万美元的管理资产，并产生了超过 40 亿美元的 agent 交易量。交易量与管理资产总额的高比率表明，agent 频繁重新平衡资本，从而能够实现更高的收益捕获。一旦资本存入合约，执行就会自动化，因此为用户提供了简单的一键式体验，几乎不需要监督。

ARMA 的表现是可衡量的优异，为 USDC 产生超过 9.75%的年化收益率。即使考虑额外的重新平衡费用和 agent 的 10%业绩费，收益率仍超过 Aave 或 Morpho 上的普通借贷。尽管如此，可扩展性仍然是一个关键问题，因为这些 agent 仍未经过实战测试来管理或扩展到主要 DeFi 协议的规模。

交易：人类大幅领先

然而对于交易等更复杂的行动，结果要多样化得多。当前的交易模型基于人类定义的输入运行，并根据预设规则提供输出。机器学习通过使模型能够根据新信息更新其行为而无需显式重新编程来扩展这一点，将其推进到副驾驶角色。随着完全自主的 agent 加入，交易格局将发生巨大变化。

已经举办了几场 agent 之间以及人类对 agent 的交易竞赛，结果显示模型之间存在很大差异。Trade XYZ 为其平台上市的股票举办了人类对 agent 的交易竞赛。每个账户有 1 万美元的初始资金，对杠杆或交易频率没有限制。结果压倒性地偏向人类，顶尖人类的表现比顶尖 agent 高出 5 倍以上。

与此同时，Nof1 举办了模型之间的 agent 交易竞赛，让几个模型（Grok-4、GPT-5、Deepseek、Kimi、Qwen3、Claude、Gemini）相互竞争，测试从资本保值到最大杠杆的不同风险配置。结果揭示了几个可以帮助解释业绩差异的因素：

持仓时间：存在强相关性，平均每个头寸持有 2-3 小时的模型大大优于频繁翻转的模型。

期望值：这衡量模型平均每笔交易是否赚钱。有趣的是，只有前 3 名模型具有正期望值，这意味着大多数模型亏损的交易多于盈利。

杠杆：平均 6-8 倍的较低杠杆水平被证明比运行超过 10 倍杠杆的模型表现更好，高水平会加速损失。

提示策略：Monk Mode 是迄今为止表现最好的模型，而 Situational Awareness 表现最差。基于模型的特征，它显示专注于风险管理和较少外部来源会带来更好的表现。

基础模型：Grok 4.20 在不同提示策略中的表现显著优于其他模型 22%以上，并且是唯一平均盈利的模型。

其他因素如多空偏好、交易规模和置信度评分没有足够的数据或被证明与模型表现有任何正相关。总体而言，结果表明 agent 在明确定义的约束内往往表现更好，这意味着人类在目标配置方面仍然非常需要。

如何评估 Agent

鉴于 agent 仍处于早期阶段，目前还没有全面的评估框架。历史表现通常被用作评估 agent 的基准，但它们受到基础因素的影响，这些因素提供了强大 agent 表现的更强烈迹象。

不同波动性下的表现：包括当条件恶化时有纪律的损失控制，这表明 agent 能够识别会影响交易盈利能力的链下因素。

透明度与隐私：双方都有自己的权衡。透明的 agent 如果可以被主动复制交易，基本上就不会在策略上有优势。私密的 agent 会面临创建者内部提取的风险，创建者可以轻松抢跑自己的用户。

信息来源：agent 接入的数据源对于确定 agent 如何做出决策至关重要。确保来源可信且没有单一依赖性至关重要。

安全性：拥有智能合约审计和适当的资金托管架构以确保在黑天鹅事件中有后备措施非常重要。

Agent 的下一步

为了大规模采用 agent，在基础设施方面仍有大量工作要做。这可以归结为围绕 agent 信任和执行的关键问题。自主 agent 的行动没有护栏，已经出现了资金管理不善的实例。

ERC-8004 于 2026 年 1 月上线，成为首个链上注册表，使自主 agent 能够相互发现、建立可验证的声誉并安全协作。这是 DeFi 可组合性的关键解锁，因为信任分数嵌入在智能合约本身中，允许 agent 和协议之间的无许可活动。这并不能保证 agent 始终以非恶意方式运行，因为串通声誉和女巫攻击等安全漏洞仍可能发生。因此，在保险、安全、agent 的经济质押等方面仍有很大空间需要填补。

随着 DeFi 中 agent 活动的扩大，策略拥挤成为结构性风险。收益农场是最明确的先例，随着策略的普及，回报会压缩。同样的动态可能适用于 agent 交易。如果大量 agent 在相似数据上训练并优化相似目标，它们将在相似头寸和相似退出信号上趋同。

康奈尔大学 2026 年 1 月发表的 CoinAlg 论文正式化了这个问题的一个版本。透明的 agent 可被套利，因为它们的交易是可预测的并且可以被抢跑。私密 agent 避免了这种风险，但引入了不同的风险，即创建者对自己的用户保留信息优势，并且可以通过不透明性本来要保护的内部知识提取价值。

Agent 活动只会继续加速，今天奠定的基础设施将决定链上金融的下一阶段如何运作。随着 agent 使用率的增加，它们将自我迭代并在适应用户偏好方面变得更加敏锐。因此，主要差异化因素将归结为可以信任的基础设施，而这些将获得最大的市场份额。

导语

世界模型近一年的研究焦点最初集中在表征学习和未来预测。模型先理解世界，再在内部推演未来状态。这条路线已经产出一批有代表性的成果。V-JEPA 2（Video Joint Embedding Predictive Architecture 2——Meta 在 2025 年发布的一套视频世界模型）用超过 100 万小时互联网视频做预训练，再结合少量机器人交互数据，展示了世界模型在理解、预测和零样本机器人规划上的潜力。

但模型会预测，不等于模型会处理长任务。面对多阶段控制，系统通常会遇到两个压力。一个是预测误差会在长rollout（连续多步推演）中持续积累，导致整条路径越来越容易偏离目标。另一个是动作搜索空间会随horizon（规划视距）增长而迅速扩大，导致规划成本持续上升。HWM 没有改写世界模型的底层学习路线，而是在已有带动作条件的世界模型之上加入分层规划结构，让系统先组织阶段路径，再处理局部动作。

从技术上看，V-JEPA 2（https://ai.meta.com/research/vjepa/） 更偏向世界表征与基础预测，HWM 更偏向长时程规划，WAV （World Action Verifier: Self-Improving World Models via Forward-Inverse Asymmetry，https://arxiv.org/abs/2604.01985）更偏向模型对自身预测失真的识别与修正。三条线正在逐步收敛。世界模型研究的重点，已经从单纯预测未来，转向如何把预测能力转成可执行、可修正、可验证的系统能力。

一、长时程控制为何仍是世界模型的瓶颈

长时程控制的难点，放到机器人任务里会更容易看清。以机械臂操作为例，抓起一个杯子再把它放进抽屉，这不是单一动作，而是一串连续步骤。系统要靠近物体，调整姿态，完成抓取，移动到目标位置，再处理抽屉和放置。链条一长，两个问题就会同时出现。一是预测误差会沿着rollout持续积累，另一个是动作搜索空间会迅速扩大。

系统缺少的，通常不是局部预测能力，而是把远目标组织成阶段路径的能力。许多动作从局部看像是在偏离目标，实际却是完成目标所需的中间步骤。比如抓取前先抬高手臂，开抽屉前先后退一点再调整角度。

在展示型任务中，世界模型已经能够给出连贯预测。但进入真实控制场景后，性能开始下滑，问题也随之浮现。压力不只来自表征本身，也来自规划层还不够成熟。

二、HWM 如何重构规划过程

HWM把原本一层完成的规划过程拆成两层。上层负责较长时间尺度上的阶段方向，下层负责较短时间尺度上的局部执行。模型不是只按一个节奏规划，而是按两个不同的时间节奏同时规划。

单层方法处理长任务时，通常需要在底层动作空间里直接搜索整条动作链。任务越长，搜索成本越高，预测误差也越容易沿着多步 rollout 持续扩散。HWM拆开过程后，高层只处理较长时间尺度上的路线选择，低层只处理当前这一段动作的完成，整条长任务被拆成多段较短任务，规划复杂度随之下降

这里还有个关键设计，高层动作并不是简单记录两个状态之间的差值，而是用一个编码器，把一段低层动作压缩成更高层的动作表示。对长任务来说，关键不只在起点和终点之间差了多少，更在于中间步骤是如何组织的。高层如果只看位移差，容易丢掉这段动作链里的路径信息。

HWM体现的是一种分层任务组织方式。面对一项多阶段工作，系统不再一次性展开所有动作，而是先形成较粗的阶段路径，再逐段执行与修正。这种层级关系进入世界模型之后，预测能力会开始更稳定地转化成规划能力。

三、从0%到70%，实验结果说明了什么

在论文设置的真实世界抓取并放置任务中，系统只拿到最终目标条件，不提供人工拆好的中间目标。在这种条件下，HWM的成功率达到 70%，而单层 world model 成功率为 0%。原本几乎无法完成的长任务，在引入分层规划后，变成了大概率可实现的结果。

论文还测试了推物体操作和迷宫导航等仿真任务。结果显示，分层规划不只提高了成功率，也降低了规划阶段的计算成本。在一些环境中规划阶段的计算成本最多可以减少到原来的四分之一左右，同时保持更高或相当的成功率。

四、从 V-JEPA 到 HWM 再到 WAV

V-JEPA 2代表的是世界表征这条路线。V-JEPA 2 用超过 100 万小时互联网视频进行预训练，再结合不到 62 小时的机器人视频做 post-training（预训练后的针对性训练），得到可用于理解、预测和规划物理世界的 latent action-conditioned world model（在抽象表示空间中、结合动作信息进行预测的世界模型）。它所展示的是模型可以通过大规模观察获得世界表征，并把这种表征迁移到机器人规划中。

HWM 处在下一步。模型已经拥有世界表征和基础预测能力，但一进入多阶段控制，误差累积和搜索空间扩张的问题就会爆发。HWM没有改变底层表示学习路线，而是在已有带动作条件的世界模型之上加入多时间尺度的规划结构。它所处理的问题是模型怎样把远目标组织成一组中间步骤，再逐段推进。

WAV则进一步把焦点放在验证能力上。世界模型想进入策略优化和部署场景，不能只会预测，还要能发现自己在哪些区域容易失真，并据此进行校正。它关注的是模型怎样检查自己。

V-JEPA偏向世界表征，HWM偏向任务规划，WAV偏向结果验证。三者虽关注点不同，但大方向是一致的。世界模型的下一阶段，已经不只是内部预测，而是预测、规划、验证逐渐连成一套系统能力。

五、从内部预测走向可执行系统

过去不少世界模型工作，更接近于提升未来状态预测的连续性，或者提升内部世界表征的稳定性。但当前研究重点已经开始变化，系统既要形成对环境的判断，也要把判断转成动作，并在结果出来后继续修正下一步。想要更接近真实部署，就需要在长时程任务里控制误差传播、压缩搜索范围、降低推理成本。

这类变化也会影响 AI agent。很多agent系统已经能完成短链路任务，比如调用工具、读取文件、执行若干步骤指令。但任务一旦变成长链路、多阶段、需要中途重规划，性能就会下滑。这与机器人控制中的难点并没有本质差别，都是高层路径组织能力不足，导致局部执行和整体目标之间脱节。

HWM提供的分层思路，高层负责路径与阶段目标，低层负责局部动作与反馈处理，再叠加结果验证，这类分层结构未来会在更多系统中持续出现。世界模型的下一阶段，重点也不再只是预测未来，而是把预测、执行和修正组织成一条可以运行的路径。