文理两开花

小跑
  • 0.0（0則評分）
  • 科技
  • 每週更新

《文理兩開花（海外版）》：文科生思維和理科生思維在科技、金融、文化、哲學、數字資產、Web3.0中的碰撞。當下的時代精神是“混沌”，我們試圖在混沌中尋找秩序。海外版會討論更多Crypto、Web3.0、以及個別話題的深入討論。 主播： 1. 文科生代表肖小跑：《羊群的共識》作者，金融行業從業及創業者。播客《牆裂談》主播；公眾號《肖小跑》主理人。Newsletter：https://www.getrevue.co/profile/xiaopao 2. 理科生代表王瑋：數學和計算機學霸，兼通技術與金融。若干年前“all-in”區塊鏈領域，行業知名意見領袖。 Powered by Firstory Hosting

  1. 从Karpathy泼冷水到彭罗斯预言：我们到底是在造人，还是在造幽灵？

    11月6日

    从Karpathy泼冷水到彭罗斯预言：我们到底是在造人，还是在造幽灵？

    Andrej Karpathy近期在一场访谈中对当前AI行业热潮泼出的一盆冷水。冷水也刷屏了。仔细看看这盆冷水，泼的还蛮有意思，也给了我们很多启发，于是决定发挥《文理两开花》灵魂拷问引领反向叙事的传统，从Karpathy对“智能体元年”系统性的反驳切入，灵魂拷问一下当前AI发展的核心局限。 比如：“预训练”的本质到底是不是一种“山寨版的进化”？ AI为何“不能当人用”的那些认知缺陷，如缺乏睡眠、反思与做梦机制，会不会引发的“模型坍塌”风险？还有强化学习（RLHF）到底是不是还如此惊艳？它有什么大家不愿意挑明的现实困境？ “AI裁判”真的有后门吗？ 既然是《文理两开花》，那我们一定会从技术层面上升至哲学思辨：为何AI没有肉体，就缺少了“趋利避害”的内在驱动力？人类智能的独特性究竟源于何处？从业界讨论延伸至科学与哲学的边界，彭罗斯（Penrose）的量子意识理论是不是又在你脑中劈了一条“闪电”？ 最精彩的部分来了，大家一定要听到最后。尤其是在AI领域正发愁写论文的同学们：Will老师有一个惊为天人的观点，且他正准备写成论文发表。Will老师大胆提出一个新颖的类比：Transformer模型中的随机性，是否与人脑中产生意识的量子过程有异曲同工之妙？ 本期播客录完之后，我自己也激动了半天：是一场畅快淋漓的、从技术批判到哲学畅想的脑力风暴，最终回归灵魂拷问：人类自身反思和创造能力到底意味着什么？ 太激动，以至于都忘了做广告： 还是非常希望大家能够支持我们的新书《数字世界生存手册》！ 我们在《文理两开花》中念叨了一年的书终于出版了。经常听节目的朋友都知道，这本书的整体逻辑和主要框架，核心还是围绕 “六个大筐” ——那六个底层逻辑展开，而这“六个大筐”正是数字世界的核心内容。 说到这六个大筐，我们第一次提及还是在疫情期间的 2020 年，到现在已经有些年头了。这么多年过去，这套底层逻辑完全经得起市场起起落落的考验，依然可以解释从数字货币到AI等等数字世界中发生的很多事情。我们当初构建的整个框架，直到今天还在被数字世界中发生的每一件事不断印证着。基本上可以说，大家现在看到的整个数字世界，尤其是数字货币领域的每一个发展动态，其实都能和这本书里的框架非常有效地贴合起来，并且能从中得到充分的验证。这一点还是挺让人欣慰的。 所以，请大家多多支持！也请大家持续关注我们后续的宣发活动！ 时间戳： · 00:06:54 “智能体元年”是伪命题？Karpathy的核心反驳：我们不是在造人，是在造“幽灵”。 · 00:08:33 AI为何不能“当人用”：详解认知能力的缺失，以及睡眠、反思与做梦机制的不可或缺。 · 00:13:47 十年之约：为何说AI的基本功尚未打牢，现在谈论取代人类为时过早。 · 00:14:09 历史的回响：从彭罗斯的《皇帝新脑》看当前AI热潮下的审慎与怀疑。 · 00:20:20 智能的标准之争：图灵测试、结果论与本体论，我们该如何评判AI？ · 00:20:50 中美AI的两条路：务实的“应用主义”与追寻终极的“AI God”。 · 00:23:00 感知的鸿沟：为何外行觉得AI惊艳，而专家看到的却是局限？ · 00:26:15 实践永远先于理论：用“蒸汽机”类比，理解大模型作为工具的革命性意义。 · 00:30:42 智能爆炸还是平滑曲线？AI对社会的影响，以及自我进化的可能性。 · 00:31:07 通往超级智能的“断梯”：为何AI无法自动化AI研究，写出真正创新的代码？ · 00:35:06 AI没有肉体，也就没有“趋利避害”的内在驱动力。 · 00:40:34 强化学习糟透了？RLHF高方差、过程监督困境与“AI裁判”的后门漏洞。 · 00:47:00 人与AI学习模式的根本差异：外部激励 vs 自我生成的目标与评价体系。 · 00:50:50 智能的偶然与必然：人类文明为何独一无二？肉体与精神的二元结合。 · 00:54:36 意识从何而来？彭罗斯的量子理论与“宇宙意识”的玄学猜想。 · 01:01:20 Will老师民科狂想：Transformer的随机性，是否模拟了意识诞生中的量子过程？ · 01:07:42 思辨的价值：跨学科的联想与“胡思乱想”才是人类智能的宝贵之处。 文字稿： 01 智能体元年？山寨版进化？ 在人工智能的浪潮之巅，当“智能体元年”的叙事被广泛传颂时，来自业界的顶尖声音却给出了一个根本性的反驳：现在谈论元年为时过早，或许我们至少需要再等上十年。当前AI的发展，其核心过程并非真正的创造，而更像是一种“山寨版的进化”。一个极具冲击力的比喻是“我们不是在造人，我们是在造幽灵，在造魂。” 这个“幽灵”，指的是一个纯数字的、漂浮在赛博空间的存在。它通过“预训练”这一工具，在互联网的海量人类数据中模仿、学习，最终拥有了人形，但它不是人，只是一个没有肉体的“魂”。这与生物智能的诞生截然不同。人和动物的能力，是亿万年进化优化的结果，许多核心功能被硬编码在基因里，成为一种“出厂设置”，而非后天学习。AI没有“进化”这个强大的工具。 回顾AI发展的历程，充满着“急吼吼”的氛围：在深度学习和神经网络刚见雏形时，便试图硬造一个能与世界互动的全方位智能体，比如让AI玩雅达利游戏、下象棋。但那时的AI尚不具备认知和理解能力，基础未牢。直到大语言模型的出现，才终于把顺序搞对了：第一步，通过海量数据预训练，让模型获得基础的认知与理解能力；第二步，再教它如何成为一个智能体。预训练本质上做了两件事：一是灌输了海量的知识，二是让模型通过观察数据规律，内部生发出了学习与思考的能力，比如上下文学习，形成了一个微型的学习循环。 02 认知能力的根本缺失：不会睡觉、反思与做梦的“幽灵” 然而，仅仅拥有预训练带来的“魂”是远远不够的。如今的AI Agent“完全不能当人用”，市面上的宣传过度夸大了其能力。模型强大的推理链条，好比拥有了大脑的“前额叶皮层”，但作为完整的大脑，它还缺失了太多关键部件：负责记忆转换的海马体、控制情绪和本能的古老脑区，以及至关重要的、负责反思和做梦的区域。 这些认知上的缺陷，导致了主流叙事中一个巨大的误区。人们看到强化学习带来的惊艳进步，便想当然地认为，只要持续给予激励，AI就能“自己涌现”出更高级的能力。这种想法在短期内根本不靠谱。因为现在的模型，每一次对话都是从零重启。它不像人类，白天经历万千事物，晚上通过睡觉来“整理磁盘”，将短期记忆分流、压缩、固化为长期记忆，并依据重要性赋予不同权重。AI没有这个过程，它不会在深夜里反思白天的经历，不会把经验内化为权重。 更重要的是，AI面临着“坍塌”的风险。当模型被限制在“从零开始、不断加码”的循环中，由于缺乏对抗过拟合的机制，其思维模式会越来越固化，学习率越来越低，直到彻底崩溃。人类对抗过拟合的极致武器之一，便是做梦。做梦强行将我们扔进各种稀奇古怪、不合逻辑的场景，以此保持思维的弹性与创造力。没有睡眠与做梦的AI，就像一个永不休息却也永不真正成长的“老登”，无法实现潜移默化的进步。 03 历史上“智能”的标准之争 这股对AI热潮的审慎态度，在历史上似曾相识。80年代末，当反向传播等神经网络算法引发新一轮兴奋时，物理学家彭罗斯便出版《皇帝新脑》，力排众议，指出我们对人脑机制的理解尚浅，断言AI能在几年内赶上人类智能是天方夜谭。如今，大语言模型再次点燃了人们的希望，而Karpathy的观点，正如同当年彭罗斯一样，提醒我们“那还差得很远”。 这引出了一个核心问题：我们到底以什么样的标准来判断AI是否追上了人类智能？传统的图灵测试，本质上将判断权交给了人类的主观感受，并无客观标准。而从“结果论”或“应用论”的角度看，AI在许多方面已经展现出超人的能力。它庞大的知识库和闪电般的联想速度，使其在文本创作、视频生成乃至金融交易等领域，其产出结果的能力已超越任何人类个体。 从哲学层面，我们可以承认，目前没有证据表明AI能达到人类思维的本质过程，比如自我意识、跳出系统的自省能力。但从应用结果来看，它已在诸多维度上达到甚至超越了人类。因此，关于AI的讨论，最终往往会落脚于一个根本性的立场选择：你究竟是从“本体论”的角度，关注其内在是否“像人”；还是从“结果论”的角度，关注其外在是否“有用”？ 04 通往超级智能的“断梯”：AI无法自动化AI 关于AI未来的想象中，最激动人心也最令人担忧的，莫过于“智能爆炸”——AI能够自动化AI的研究，自我加速，光速进化成超级智能。这种设想的基础是，AI既然能写代码（ai coding），那么它就能自己更新自己，像生命的细胞一样自我繁衍，最终摆脱人类的干预。 然而，现实给了这种幻想一记重击。

    1 小時 11 分鐘
  2. 司法部没收12万枚比特币，稳定币乌龙指惊魂：比特币、钱包私钥还安全吗？（plus 新书发布！）

    10月21日

    司法部没收12万枚比特币，稳定币乌龙指惊魂：比特币、钱包私钥还安全吗？（plus 新书发布！）

    本期开始前，先预告一个激动人心的消息！我们的书终于要和大家见面啦！ 最近币圈信任危机很多：崩盘毁信任、胖手指毁信任、电诈毁信任。 本期我们就来聚焦加密世界两起引爆市场的信任与安全事件：PayPal 稳定币 PYUSD 短时间内“意外铸造并销毁”300万亿枚的惊魂半小时，以及美国司法部（DOJ）对柬埔寨“太子集团”相关的12.7万枚比特币民事没收。围绕“计算与认知”“平行世界之桥”等底层逻辑，系统解析稳定币锚定的真实机制、链上透明性的价值与边界、钱包私钥与助记词的安全本质、随机数算法的关键性，以及量子计算对加密安全的长期影响。 两起事件，也把“监管、技术与人的漏洞”这条主线完整地暴露在阳光下：区块链的计算确定性，并不能替代现实世界的认知与契约执行， 以及一个更底层的问题：一个社会、公众、系统的安全感到底有什么支撑？技术、制度，共识？靠自己？还是要靠某种利维坦一样的存在？   时间戳： · 00:00:31 新书预告：《数字世界生存指南》与六大底层逻辑 · 00:05:05 事件一：PYUSD 天量铸造与半小时销毁的来龙去脉 · 00:07:34 稳定币为何能凭空增发？文理两大筐来解释：“计算与认知”、“平行世界之桥” · 00:18:54 传统金融的“乌龙指”与链上透明性的对照 · 00:22:22 假如300万亿没被发现会怎样？市场冲击与脱锚机制 · 00:28:44 DeFi 快速响应与系统性风险的阻断 · 00:30:39 区块链其实是 “监管科技”？透明的能力与执法的边界 · 00:32:24 代码不等于无懈可击：比特币历史上的增发Bug · 00:34:14 事件二：DOJ没收12.7万枚BTC的技术与法律谜题 · 00:38:39 非托管钱包、私钥与助记词：被“没收”的可能路径 · 00:46:29 助记词与随机数：256位安全背后的漏洞 · 01:01:19 私钥到底安不安全？12词vs24词与量子计算的“平方级”差别 · 01:10:16 安全感来自哪里：技术、制度还是共识与利维坦？ · 01:16:54 用三大框架读懂信任危机，期待新书线下见面会！ Shownotes · 关键词： 稳定币（PYUSD）、Paxos、平行世界之桥、计算与认知、非托管钱包、助记词、随机数生成算法、链上透明性、社会工程学、量子计算、监管科技、DeFi 风险响应 · 涉及事件背景：  o PYUSD“意外铸造300万亿并在半小时内销毁” o DOJ民事没收12.7万枚比特币（路边矿池历史案源、嫌疑资产大额转移被链上情报捕捉） 00:00:31 新书预告：六大底层逻辑的验证 新书《数字世界生存指南》终于要发行了！书的主框架源自“文理两开花”播客提出的六大底层逻辑。这套逻辑历经自2020年至今的多轮市场与技术周期反复验证，核心价值居然久经考验、未被时间淘汰。 书中的框架几乎可以贴合今天数字世界和加密货币的每一个发展，用以解读本期讨论的两大信任危机事件再合适不过。 00:05:05 事件一：PYUSD“意外铸造并销毁”300万亿的惊魂半小时 Paxos 作为 PayPal 稳定币 PYUSD 的发行方，在以太坊上“意外铸造”了约300万亿枚与美元挂钩的代币，其规模相当于全球GDP总量的两倍多。随后，在短短20至30分钟内，这些代币被全部转入一个不可访问的地址并销毁。 事件发生后，DeFi 协议（如 Aave）快速响应，临时冻结了相关交易。得益于及时的处置，PYUSD 的价格仅出现约0.5%的小幅波动，整体维持了与美元的锚定。然而，这起事件震惊了市场，也引来了监管侧的高度关注：如果“手一滑”就能将稳定币总量放大12万倍，那么发行方的合规与内控机制是否足够健全？ 00:07:34 稳定币为何能凭空增发？文理两大筐来解释：“计算与认知”、“平行世界之桥” 大家问的最多的问题是：稳定币不是有抵押的吗？ 稳定币的“锚定”机制，并非基于数学或物理定律，而是依赖于法律、合规与机构纪律的约束。美元存在于传统的银行与SWIFT体系中，而稳定币存在于链上世界。所谓的锚定，充其量是一座连接两个平行世界的“平行世界之桥”，桥的两端无法用单一世界的规则去绝对控制另一端。 这次300万亿的“凭空印出”恰恰证明：链上增发只是“代码与权限”的产物，其背后不必然是“银行账户里先有300万亿美元”作为前提。 另一方面，该事件也凸显了链上透明性的价值：错误在几分钟内便全网皆知，并被迅速销毁。相比之下，若同样的“乌龙指”发生在传统银行体系，可能需要等到内部对账时才会被发现。 00:18:54 传统金融的“乌龙指”与链上透明性的对照 传统金融领域不乏类似的“乌龙指”事件。对比最近花旗乌龙事件：3月中旬有4笔合计280美元、要打到巴西某客户托管账户的付款，被“制裁筛查”拦住，查完放行了，但这笔钱依然卡在系统里，走不了正常流程。技术团队就让支付员工，改到一个很少用的备用界面里手动输入。但这套程序有个bug：金额栏预先写好了15个零，操作员需要先把它们删掉，但这一步没删。也就是说你要打“1美元”，界面默认写成“1后面带15个零”，如果你不把零全删掉，它就当你要打“1000万亿”美金！ 这类错误在传统系统中可能无法被“实时看见”。相比之下，区块链上的巨额增发、异常流动、资产大规模迁移等行为，都会在第一时间被链上情报工具和自动化机器人监测到，“透明”是区块链的一项基本能力。但这并不意味着透明等于自动执法。技术本身是中性的，监管与司法干预仍需遵循现实世界的机制与边界。 00:22:22 假如300万亿没被发现会怎样？ 如果这笔天量增发的稳定币在被监控到之前就流入市场，理论上可以用它扫光市场上几乎所有的资产，引发史无前例的价格扭曲和流动性枯竭；紧接着，PYUSD 自身的价格将迅速脱锚并归零。 所幸在现实中，稳定币的增发与分发通常是分阶段进行的，加之链上监控系统高度敏感，这种极端风险发生的概率极低。此次风波中，PYUSD 在经历短暂波动后迅速回锚，也证明市场对“误操作、迅速销毁”这一解释基本予以了认可。 00:28:44 DeFi 快速响应与系统性风险的阻断 在事件中，Aave 等DeFi协议迅速冻结了相关资产池，有效阻断了潜在的系统性风险传染。链上金融的“自动反应”和“可编程风控”在本次事件中展现出其优势：当大额异常出现时，协议能够启动限流与冻结机制，从而迅速收窄风险窗口。PYUSD价格的快速回稳，也从侧面印证了DeFi生态响应的有效性。 00:30:39 区块链其实是 “监管科技”？透明的能力与执法的边界 由于链上所有资产流转都可被持续监控，从某种意义上说，区块链作为“监管科技”比传统的反洗钱手段更为有效。但监管行动从来不会因为“透明”就自动发生。技术提供的是可见性，而非强制力。是否介入、如何介入，依然取决于监管与司法体系的意志和程序。 透明让违法成本变得更高，但从“看见”到“处理”的链条，仍需现实世界的制度与权责来完成。 00:32:24 代码不等于无懈可击：比特币也有历史bug 数学上的安全与实现层面的安全并非同一回事。即便是比特币，也在2010年出现过一次历史性的增发bug，瞬间“增发”了1840亿个BTC，后经社区协调与代码回滚才得以修复。 这表明，即使加密学层面的安全可以成立，代码与实现层面的脆弱点依然可能致命。区块链并非“灵丹妙药”，它无法替代人类在开发与治理过程中对“错误与漏洞”的持续警惕与修复。 00:34:14 事件二：DOJ没收12.7万枚BTC的技术与法律谜题 柬埔寨杀猪盘大佬太子集团的 12 万个比特币被美国司法部没收——成为美国司法部史上最大规模没收，约150亿美金。并声明这些资产存放在“非托管钱包”（即由私钥直接控制）中，现已处于司法部托管之下。 立刻引起大家广泛质疑：不是号称加密货币是匿名去中心化的么？怎么还能被收缴？这些比特币好像没有私钥就被转走了？或者是私钥也能被破解？那比特币的安全性还可靠吗？ 如果资产不在交易所或托管机构的账户中，司法部门是如何在没有嫌疑人到案并供出私钥的情况下接管这些资产的？ 历史线索首先指向了“lubian矿池”失窃旧案：当年大规模失窃后，这批资产长期沉睡，直到近期突然发生集中转移，被链上情报工具第一时间捕捉，随即引发了跨境执法收网和民事没收诉讼。司法文书提到有“同案人员贡献出部分私钥”，但并未说明完整的技术路径，从而引发了更多关于钱包实现侧安全的讨论。 00:38:39 非托管钱包、私钥与助记词：被“没收”的可能路径 理论上，非托管钱包的资产转移必须有私钥签名才能完成。要在没有私钥的情况下转移资产，可能通过以下路径实现： · 物理获取： 嫌疑人或同案犯主动或被动交出私钥/助记词。 · 信息窃取： 通过社会工程学、设备取证、侧信道攻击等手段获取用于生成私钥的助记词。 · 漏洞利用： 利用钱包软件在实现层面的漏洞（如随机数生成缺陷）来推测或缩小私钥

    1 小時 18 分鐘
  3. 如果AI开始用钱：加密货币能接住吗？

    8月18日

    如果AI开始用钱：加密货币能接住吗？

    本期讨论一个很酷的问题。听起来有点颠覆，但再想想也是一件很可能要落地、或者至少需要开始琢磨的事——如果AI要开始和“钱”产生关系了，比如要用钱、要帮我们付钱了，它该怎么办？ 乍一听很酷，但金融业界中登老登们稍微想一想，这里面就全是坑了：安全、合规、手续费、结算速度、拒付风险…样样踩雷。 更别说未来如果真是一群 AI同时协作下单、自动分账，现在的传统支付压根儿没为AI和机器人准备过入口。 那么问题来了：加密货币能接住吗？ 本期我们就开开脑洞：聊一聊AI付钱这件事。展开一下：传统支付为什么不适合 AI？加密支付更合适吗？AI世界里的合规与身份，“身份与契约”会如何体现？未来的支付关系（人→机、机→人、机→机）是什么样的？有没有现在就能落地的场景？ 本期金句：“信用卡向左，数字货币向右”：AI+Crypto让一切殊途同归。 时间戳 ·00:05:00 传统支付为什么不适合AI？ ·00:14:25 传统支付的合规红线：设计本来就是“对抗机器人”的 ·00:25:16 DvP与“即付即得”：AI原生服务和加密支付其实是完美对应的：1 AI token = 1 crypto token ·00:33:52 人↔机、机↔人、机↔机：有可落地场景吗？ ·00:39:08 信用卡向左，数字货币向右：它俩在密码学上本来就是同构的？ ·00:58:17 身份与契约：AI的独立性何以成立？ ·01:02:16 最后评论一下GPT5: 难道未来AI只是一个“大号人类”？ 文字版： 01  (00:05:00) 为什么不能把信用卡交给AI？ 一个“谁是主体”角度的解释： 假如人类把信用卡“三要素”交给一个强大的Agent——它能识别网页、填写表单、完成支付，技术上确实可行。但此支付行为仍然指向持卡人本人，信用卡交易可通过银行申诉撤销，AI 既没有决策闭环，也不具备独立的经济后果，这与希望 Agent 甚至 AI–AI 形成自洽经济体的目标相悖。 回到中本聪的原点：互联网上的付款依赖中介、交易可撤销；现实中用现金的一手交钱一手交货不可撤销。不可撤销的数字货币交易，才让AI 的支付与交付对等，像现实中的民事主体那样承担结果，具备民事行为能力。 02 (00:14:25) 传统支付的合规红线：设计本来就是“对抗机器人”的 一个实操角度的解释： 这个问题问支付从业者，回答就很简单了——三个字：不合规。“AI记卡号”这件事本来就是雷区。 现在支付行业的标准：PCI DSS 对任何持卡人数据（CHD）与敏感数据（SAD，如 CVV）的存储、处理、传输有极严格要求： CVV 不可存储，截图、语音、聊天记录、日志都不可以，prompt 里也不行。现在大模型LLM链路伴随向量库、日志追踪、备份，一次可见就可能多副本落地；甚至可能因幻觉回吐被动泄露。 唯一可行是让AI 永远看不到卡数据，转而用支付网关的 token 化、ID 触发扣款或高度间接的二层授权。但这一切意味着专网隔离、全链路改造与高昂成本，对小团队几乎不可行，传统支付因此对 AI 基本关上大门。但如果假定任何上云都有泄露风险，加密支付也需对抗同样的问题。 更深层的冲突在于：传统支付的体验与风控是“对抗机器人”的：CAPTCHA、生物识别、页面各异；费率以按笔计费为主，不适配 AI–AI 的高频小额。要从防范转为协作，需要支付范式的整体迁移。 03 (00:25:16) DvP与“即付即得”：AI原生服务和加密支付其实是完美对应的：1 AI token = 1 crypto token 数字货币真正匹配的场景是DvP（deliver vs payment）/DOP（deliver on payment）：付款即交付、即刻完成。 AI 服务天然契合这一范式——一次 prompt、一次算力、一次输出，支付对价清晰，若不满意可以再问再付，上一次支付买的是那一次的输出。相比订阅月费这种传统方式买现代服务，链上即用即付更原生。 更进一步，连计费单位可以对齐！1 AI token = 1 crypto token：链上token 的最小计量对应模型输出的 token，甚至让 Agent 发行自己的结算 token，用多少 token 输出多少 token 的结果，预付、退款、分账全由链上合约处理。这种按量计价与微支付粒度在法币体系中难以落地。 04 (00:33:52) 人↔机、机↔人、机↔机：有可落地场景吗？ 支付关系可以拆成三类：人向机（比如购买数据/算力/服务，或让 AI 代付）、机向人（比如补偿、分润、版权回流）、机与机（比如协作、自动分账、自动签约）。 只要把人摘出去，机与机就是原生数字世界，crypto 天然适配；而目前 1.5 阶段，人仍在链路中，需要法币桥接与合规过渡。 在可落地场景上，多Agent 游戏最直观：玩家对 NPC/Agent 投喂与打赏，NPC 之间互相打赏、购买素材，角色设定驱动自治经济，智能合约自动结算。自动化代码悬赏也契合：机器人发布精确规格、收集提交、按份或工时自动结算，面对人或 AI 均可。电力/用能优化具备现实耦合：订阅天气 API，预测负载高峰与日照，提前制冷或蓄能，按 API 调用计费，由 AI 自动控制与结算。 05 (00:39:08) 信用卡向左，数字货币向右：它俩在密码学上本来就是同构的？ 将钱包私钥交给Agent 在安全上不可接受。实践路径是交易构造与签名分离：Agent 在公网发现支付场景并正确构造交易包，发送到本地离线签名设备，通过二维码等光学通道单向传递；本地核对、签名，再上链广播。数字货币只需要一个签名，不需要任何交易中介，不需对接各家网关与表单，安全边界与简洁性兼得。 这一流程与信用卡芯片的线下签名同构。刷卡机为芯片卡供电，卡内电路本地签名后回传数据，读卡器并不读出密钥；区别仅在于物理与网络形态，以及算法从线下适用的RSA 到线上高效的 ECC。 由此分岔出两条路：支付卡向左，数字货币向右——同一密码学原理在不同场景演化为两种基础设施。 “信用卡向左，数字货币向右”：AI+Crypto也许可以让一切殊途同归？ 第三方支付之所以流行，在于便利性提升，但安全依赖中心化系统本身，这也带来高昂合规与风控成本。与之对照，链上钱包像你自己的POS 机，签名权收回本地设备。 作为人与AI 协作的规则层，code is law 可以落在标准化账单/发票上：Agent 生成支付提案（付给谁、付多少、资产类型），本地设备弹窗或二维码请求签名，签完即不可撤销。若要不上链，也可以用中心化托管与一次性口令、API 授权等代签流程，路径更简单，但信任与被攻破的风险也更高。 06 (00:58:17) 身份与契约：AI 的独立性何以成立？ 当Agent 经由银行或支付平台去付钱，账户权属仍然是人，它并没有独立身份。只有当 Agent 能用加密货币完成支付，它的行为才成为自己的民事行为，具备数字世界的身份。 即便把Agent 当作工具人，链上签名也在那一瞬间形成不可撤销的委托，构成数字世界真实的委托关系。这里的法律基础就是 code is law：执行签名代码本身，构成数字法律上的不可撤销。 07 (01:02:16) 最后评论一下GPT5: 难道未来AI只是一个“大号人类”？ 延伸到AI 的认知能力：如今大模型几乎不会把人类提的问题理解错，但推理与计算仍可能出错？ “10.9 与 10.11 之间差多少？”这一类问题，模型对问题意图的理解没问题，推理路径却未必正确；比如在语音输入误识别时，模型可能一本正经地解释并不存在的词条，输出似是而非的结果。 训练上的逐步推理与数学强化有助于提升正确率，但在线推断不保证按训练时的正确路径走。这意味着，在支付等关键路径上，必须引入签名与规则层的刚性约束，以工程手段补上推理不确定性。这也回到了本期主题：技术、合规与经济设计的多重协作，才能把AI 的支付能力真正落在可控、可结算、可追责的地面上。 关于《文理两开花》： 《文理两开花》是文科生思维和理科生思维在科技、经济、文化、哲学、货币、数字资产、元宇宙、Web3.0中的碰撞。当下的时代精神是“混沌”，我们试图在混沌中寻找秩序。 Twitter： @LeiSalin_XP @Will42W TG群（开放）：t.me 收听平台： 小宇宙：文理两开花 苹果播客｜Spotify | Google Podcast | 等泛用型平台搜索收听《文理两开花》（文理两开花已经上线苹果播客中国区，可直接搜索收听） 文字稿和延伸阅读： 微信公众号《文理两开花播客》 《文理两开花》newsletter。欢迎订阅：wenli.substack.com 其他平台： 即刻：文理两开花 《文理两开花》微信群：请添加坛子微信（WeChat ID: BKsufe），注明：文理两开花 留言告訴我你對這一集的想法： https://open.firstory.me/user/cl0roqwc0000l0hzje7se6f28/comments Powered by Firstory Hosting

    1 小時 13 分鐘
  4. 稳定币续集和新发展：稳定币银行、RWA（真实世界资产）、还有KYC和KYT

    7月16日

    稳定币续集和新发展：稳定币银行、RWA（真实世界资产）、还有KYC和KYT

    本期是上期稳定币话题的续集，上次聊得意犹未尽但时间接近两小时就打住了。一周后发现还有很多潜在话题没展开，干脆新开一期串联讨论下。 本期干货预警。烧脑级别：★★★★☆ 时间戳： (00:01:09) 孤山银行：硅谷教父与国防科技大佬的金融新实验 (00:11:29) 银行发行稳定币与传统模式的本质区别 (00:13:40) 稳定币与银行存款的货币属性差异 (00:17:10) 存款保险为何不适用于传统稳定币，而银行发行模式却可能破局？ (00:24:41) 银行稳定币业务模式的创新思考：一种融合模式 (00:33:46) 银行参与稳定币业务的三种潜在场景分析 (00:44:16) 监管塑造商业模式 (00:49:13) 稳定币KYC和反洗钱技术机制详解  (00:56:56) KYT机制与链上风控的技术实现  (01:02:02) 区块链货币本质：介于现金与账户之间的1.5版本  (01:13:08) RWA：新一代金融游乐场的代际变迁  (01:23:45) 数字资产面临的核心矛盾源于一个永恒的社会现象   文字总结： (00:01:09) 孤山银行：硅谷教父与国防科技大佬的金融新实验 孤山银行（Erebor Bank）的名字源自《指环王》中的“孤山”（Erebor）——邪恶巨龙史矛革（Smaug）的沉睡之地。这条巨龙以抢劫矮人、精灵和人类的黄金珠宝为生，将它们堆积成山后焚烧一切，霸占洞穴作为巢穴。 这种“屠龙少年终成恶龙”的隐喻，似乎为这家银行增添了一丝奇异的戏剧感。 在稳定币市场再度火热的当下，为什么硅谷大佬们要创办这样一家新银行？背后的推动者是硅谷教父彼得·蒂尔（Peter Thiel）和备受争议的帕尔默·拉奇（Palmer Luckey）。蒂尔被视为影响美国现政府的“新深层政府”代表人物，上次他公开建议从硅谷银行（SVB）撤资，直接引发挤兑并导致其倒闭。这次，他联手拉奇——Oculus VR的创始人，后者创办了国防科技公司Anduril。该公司专攻黑科技产品，如AI驱动的精准打击小型武器，以及能将空中无人机全部“吸下”的磁场设备。 孤山银行在执照申请文件中，将自身定位为监管最完善的稳定币交易服务商。尽管申请书对具体风险管理措施、储备设置方式和架构设计缺乏清晰细节，但其独特定位引发了广泛兴趣，值得进一步剖析。它不仅呼应了稳定币领域的监管趋势，还可能融合国防科技与加密金融，开启全新实验。   (00:11:29) 银行发行稳定币与传统模式的本质区别 这个消息让恰好呼应了《文理两开花》上一期关于稳定币存款保险的深度讨论。 之前的稳定币发行模式基本上是“货币兑换商”模式，发行稳定币的公司本身并不是银行，而是在银行开了账户。这就像早期阿里巴巴和支付宝的关系一样，用户的钱打进了公司在银行开的托管账户中。 从存款保险角度讲，以往货币兑换商模式的稳定币不可能享受存款保险，因为银行账户上显示的是Circle或阿里巴巴，金额可能有几十亿甚至上百亿之巨。如果银行暴雷，这几十亿美元大概只能享受50万美元的存款保险，因为它的存款其实只有一个账户。银行的存款保险显然是按照实名和账户来分配。 但如果稳定币发行主体是银行本身，情况就完全不同了。银行可以掌握客户信息，知道张三开了账户存了30万美元然后领了30万美元的稳定币，李四可能是100万美元就领了100万美元的稳定币。从道理上讲，如果银行直接参与发行稳定币，它有能力在存款保险这件事上有所改善。 银行作为一个主体自己下场来发行稳定币，和一个公司在一个银行开了账户再发行稳定币——这两件事是有很大差别。 如果发行稳定币的主体变化了，那金融监管、存款保险、KYC反洗钱等等所有方向是不是都会有变化？ 目前，我们所熟知的美元稳定币，如USDC和USDT，其发行方并非银行，而是像Circle这样的公司，它们在功能上更接近于支付机构。虽然银行也曾涉足稳定币领域，例如摩根大通发行的JPM Coin，但其用途被严格限定在客户间的支付结算，更像是一种数字化的银行本票，并未进入广泛流通。因此，大众普遍认为稳定币是由科技公司发行的。 然而，孤山银行的出现可能将打破这一格局。它计划以持牌银行的身份，提供与Circle类似的稳定币发行、转换和清算服务。这就带来了一个根本性的问题：当发行方本身就是一家银行时，其业务模式应如何定义？ 这引出了一个核心的定义难题：用户将1美元交给Circle换取一个稳定币，这一行为究竟是“购买”还是“存款”？这个问题必须被清晰界定，因为它直接关系到稳定币背后的资金是否能与银行存款享有同等地位，并由此决定了它是否需要以及能否被纳入存款保险的范畴。   (00:13:40) 稳定币与银行存款的货币属性差异 虽然直觉上，稳定币中的1美元与银行存款里的1美元似乎并无区别，但在银行的会计体系和货币功能上，两者存在本质差异。 核心区别在于“货币乘数效应”。根据货币银行学原理，银行存款具备货币乘数效应。例如，当您在银行存入1000万美元，银行只需保留一部分（如20%）作为准备金，剩余的800万美元可以放贷出去。这笔贷款可能会再次以存款形式回到银行系统，从而创造出远超原始存款金额的流动性。简而言之，银行体系内的1美元存款能够撬动并创造出更多的货币。 然而，稳定币没有这种乘数效应。其定义被严格限定为与储备资产一比一挂钩，例如，相关法案（如Genius法案）明确规定，每发行1美元的稳定币，背后就必须有等值的美元资产作为支持。这种设计决定了稳定币本身无法像银行存款那样创造额外的流动性，其主要功能是价值储存和转移。 理解了这一差异，我们就能更好地探讨存款保险的问题。对于一个被定义为“货币兑换商”的稳定币发行机构（如Circle），其发行的稳定币本质上不是存款，因此是否需要存款保险就成了一个需要厘清的问题。 这就引出了关于孤山银行（Erebor Bank）的关键疑问。如果孤山银行仅仅从事与Circle完全相同的稳定币发行业务，那么它更像一个支付公司而非银行。但既然它申请成为一家受监管的银行，这似乎意味着它计划开展需要“存款乘数效应”的业务，也就是发放贷款。 目前外界尚不清楚其具体的业务模式，由此产生了两种推测： 1. 孤山银行是打算用客户兑换的稳定币去发放贷款吗？ 2. 还是说，它计划将业务一分为二：一部分像Circle一样发行稳定币，另一部分则像传统的硅谷银行（SVB）一样，吸收法币存款并进行放贷？ 由于其申请文件细节模糊，这些核心概念和业务模式仍有待观察和厘清。   (00:17:10) 存款保险为何不适用于传统稳定币，而银行发行模式却可能破局？ 存款保险制度的基石是与用户的实名账户体系严格绑定。保险是为储户个人提供的保障，而非针对账户数量。无论你在一家银行有多少个账户，能获得的保障总额只有一个上限。这一原则确保了保险机制的公平和可行性。 传统稳定币发行商（如Circle）的模式从根本上与存款保险机制相悖，主要体现在两点： · 账户不透明：当成千上万的用户向Circle存入美元以换取稳定币时，在银行看来，这些资金都汇集在Circle公司的单一企业账户下。银行无法识别背后的个人储户，因此无法为他们提供个人化的存款保险。 · “存款”与“持有”行为脱节：稳定币在区块链上自由流通。一个人完全可以通过交易（如用比特币兑换）获得稳定币，而无需在发行机构进行任何“存款”操作。为这样的“持有人”提供存款保险是不合逻辑的，因为他们从未发生过受保险保障的“存款”行为。这一特性从根本上割裂了“存款”与“持有”，使得存款保险无法适用。 而如果由银行直接发行稳定币，情况则可能完全不同。银行具备一个关键能力：识别并记录每一笔交易的源头。其运作模式可能是： 1. 用户在银行的实名账户中存入一笔资金（这是一个受存款保险保障的行为）。 2. 银行根据这笔存款，向该用户发行等额的稳定币。 3. 这枚稳定币，就如同一个“数字化的存款凭证”。 在这种模式下，即使用户将稳定币转移给了他人，银行依然能够追溯到最初进行存款的那位实名用户。万一银行破产，最初的存款人理论上可以凭借其存款记录来申请保险赔付。 银行发行稳定币与Circle等公司的模式，其核心差异在于：银行有能力将稳定币的发行与源头的实名存款行为一一对应。这种能力使得银行发行的稳定币具备了整合存款保险的潜力，而这是传统货币兑换商模式完全不具备的。   (00:24:41) 银行稳定币业务模式的创新思考：一种融合模式 这是不是一种创新性的银行稳定币业务模式呢？它是不是将两种在传统金融中看似独立的模式： 1. 货币兑换商模式：如Circle发行USDC，核心是“一比一”的资产兑换。 2. 商业银行业务模式：如传统银行，核心是吸收存款、发放贷款，并通过“货币乘数效应”创造信用。 融合在了一起呢？ 把传统金融世界里支付宝

    1 小時 27 分鐘
  5. 老登vs老炮：关于稳定币的灵魂拷问

    7月2日

    老登vs老炮：关于稳定币的灵魂拷问

    没算错的话，这应该是《文理两开花》第三次聊稳定币了（前几次讨论分别是： 2022年5月5日的“稳定币全梳理”；2022年8月12日的“效率高又不会作妖的稳定币方案真的存在吗？”；还有穿插在“货币灵魂三问”和“货币之锚”等等话题中的很多次讨论）。所以本次再探讨就不科普了，而是灵魂拷问一下那些悬而未决的核心问题。 但与前两次不同，当下背景已大变，无论是市场格局还是监管环境。所以我们决定用两个人设：一个是站在传统金融立场，对稳定币持怀疑态度的“老登”；另一个是虽已是老登年纪，但仍奋斗在加密领域第一线的“老炮”。看看能不能碰撞出稳定币身上那些迷思的答案。 时间戳： · 00:05:29 回顾稳定币来时路 · 00:10:25 美国“大聪明”法案（GENIUS）为什么是转折点？ · 00:19:06灵魂拷问一：一个没有存款保险的“债务”怎么会“安全”？ · 00:36:09灵魂拷问之二：商业模式：支付工具还是结构性投资载体？(SIV) · 00:59:41灵魂拷问之三：到底有什么应用场景？ · 01:23:34 Crypto 2.0：加密世界的秋天来了？ · 写在最后的感慨 文字版： 00:05:29 回顾稳定币来时路 回顾过去三到五年，稳定币的发展之路并非一帆风顺。从2016年到2022年，有超过二十种不同类型的稳定币（无论是算法稳定币还是资产挂钩型）经历了崩盘。即便在近期，脱钩事件也时有发生，例如就在今年4月，市场规模位列前茅的稳定币FDSUS也曾一度与美元脱钩，价值跌至八毛。 然而，尽管波折不断，稳定币市场的整体规模却在持续扩张，最新数据已超过2500亿美元，花旗银行甚至预测其在十年后可能达到3万亿美元的惊人体量。目前，USDT和USDC两家巨头占据了市场总值和交易量的八到九成。 但繁荣的数据背后，存在着巨大的误导性。业界流传的显示稳定币交易量赶超传统支付工具的图表，其绝大部分交易额（高达99%）实际上是加密货币账户之间的内部流转，用一位著名监管领导的话说，这只是“赌场的筹码”，而非真正意义上的实体经济支付。同时，不可忽视的是，稳定币在灰黑产领域的应用依然是其使用范围的重要组成部分。 所以一句话总结：稳定币的发展充满了矛盾：一方面问题频出，另一方面又在曲折中不断改进和壮大。   00:10:25 美国“大聪明”法案（GENIUS）为什么是转折点？ 近期讨论的热潮，与美国的稳定币新法案（如Genius法案）密切相关。法案的核心意义，在于为“稳定币”给出了一个明确的官方定义，从而为整个行业划定了边界。 法案的核心结论是：美国法律只承认那种通过1:1法币兑换产生的稳定币。这意味着，过去行业内讨论的三种主要类型——法币锚定型、超额资产抵押型和算法稳定币——中，只有第一种获得了官方认可。更精确的措辞是，“超额抵押的稳定币和算法稳定币，不属于美国法律所承认的稳定币”。这并非意味着后两者被完全禁止，而是在法律上被排除在“稳定币”的范畴之外，其未来的合规性将面临巨大挑战。 法案还对储备资产提出了严格要求，规定必须是赎回期在90天以内的资产，如短期国债或货币市场基金，这有效限制了“借短投长”的风险。这一立法，实际上是将纽约金融局过去多年来将稳定币发行商作为“货币兑换商”进行监管的司法实践，正式上升为联邦层面的法律。它并非颠覆性的创造，而是对现有判例法体系的自然延续和确认。   00:19:06灵魂拷问一：一个没有存款保险的“债务”怎么会“安全”？ 一个深层金融逻辑问题：稳定币的发行结构，本质上不受联邦存款保险公司（FDIC）的保护，这是不是其最根本的系统性风险之一？ 当无数个人用户将受FDIC保险的银行存款（例如，每户50万美元以下）换成稳定币时，这些资金被聚合到稳定币发行公司的银行账户中，形成一笔数额巨大的存款。如果这家存款银行倒闭，这笔聚合后的巨额存款作为一个整体，同样只能获得最高50万美元的保险赔付，其余部分理论上将面临损失。这意味着，底层成千上万的个人用户的资金，实际上已经脱离了存款保险的覆盖范围，而他们对此可能毫不知情。 但当一个机构以发行稳定币的模式让每一个民众持有稳定币的时候，那么它在账户端体系就形成了一个资产的聚合。这种聚合存款结构，使得稳定币在金融安全层级上，与受保险的银行存款有着本质区别。 虽然在市场流动性充足时，用户可以通过在不同稳定币之间快速兑换来规避单一发行商的风险，但这并不能消除最底层的信用风险。这个问题，是理解稳定币与传统金融体系差异的关键。   00:36:09灵魂拷问之二：商业模式：支付工具还是结构性投资载体？(SIV) 关于稳定币的商业模式，存在两种截然不同的认知。 从传统金融的视角看，如果稳定币的发行方通过吸收用户的零成本资金，再投资于国债等资产来赚取利差，其模式就与2008年金融危机中的结构性投资载体（SIV）高度相似。SIV的核心业务就是“借短投长”，一旦市场信心动摇，资金链断裂，就会引发系统性风险。如果稳定币的唯一商业模式就是赚取利差，那么它就不是一个纯粹的支付工具，而是一个影子银行实体。 然而，从业界的视角看，这种商业模式是事后总结的产物，并非稳定币诞生的初衷。 2014年门头沟爆雷的那一年，美国联邦基准利率是零到0.25%，所以Tether在那个时候发USDT，理论上并不认为发稳定币会赚利差。USDT的诞生，是为了解决当时加密市场缺乏可靠计价和交易媒介的痛点，是一种理念驱动的创新。只是在后来美联储进入加息周期后，其储备金产生的巨额利息才使其商业模式显得尤为诱人。 这揭示了一个核心矛盾：如果未来美联储利率再次降至零，这种商业模式消失，那些冲着赚钱而来的新发行方是否还会继续运营？而像Tether这样经历过零利率周期的“老玩家”，则可能因为其先发优势和积累的品牌继续存在。   00:59:41灵魂拷问之三：到底有什么应用场景？ 稳定币的实际用途，是其价值的最终体现。尽管其应用仍广泛存在于外汇管制国家、高通胀地区以及部分灰黑产领域，但新的、合法的应用场景正在涌现。 有两个例子极具代表性：其一，在非洲大陆，由于当地法币体系不稳定且银行服务普及率低，USDT已在很大程度上成为日常贸易结算和民间交易的硬通货。其二，在中国某著名的小商品市场，商户们持有数十亿美元量级的USDT，用于与全球（尤其是美国）的买家进行贸易结算，这比传统的银行渠道更高效、更低成本。 这些案例揭示了稳定币的终极应用场景：它正在成为一套独立于传统银行体系的全球支付网络。当用户不再需要将稳定币兑换回本国法币，而是可以直接用它进行消费和贸易时，其价值才真正得以实现。这正是区块链技术带来的颠覆性力量——它让全世界的普通人和企业，都有可能持有并使用同一种全球性货币进行无国界交易。 “稳定币正在向我理解，正在向着这个方向发展，就是美国可能成为全世界的央行，然后所有人都持有美元。” 这一趋势，正在将中本聪当年关于“互联网原生支付货币”的理想变为现实。   01:23:34 Crypto 2.0：加密世界的秋天来了？ 稳定币的崛起，或许预示着整个加密行业正在进入一个全新的阶段——Crypto 2.0。过去，加密行业是一个混合体，科技创新的叙事（如Web3、公链技术）与金融资产的逻辑（如比特币的价值增长）交织在一起，创造了巨大的估值泡沫。 然而，如今这种模糊状态正在被打破。整个加密圈子正清晰地分裂为两个相互独立的方向： 1. 金融资产的逻辑： 以比特币为代表，其价值增长根植于其作为“数字黄金”对抗法币超发的金融属性。 2. 科技创新的逻辑： 以稳定币为核心，所有区块链技术创新（如二层网络、ZK技术）的最终目标，都将是为这套全球支付网络提供更高效、更安全、更便捷的基础设施和服务。 开启Crypto 2.0时代，整个crypto圈子很大可能性就变成了两个相互之间无关的东西。一个是以比特币为代表的可交易资产的价值逻辑，另一个是以区块链网络的这种根本性的支付形态转账形态为代表的金融科技或者科技创新的逻辑。” 过去那种创造一条新公链就等于创造一种新资产（如数字白银、数字黄铜）的时代可能已经结束。如果说过去是加密世界的“夏天”，充满了狂热与生长，那么现在则进入了“秋天”。 而“秋天不应该正是收获果实的季节，真的要尘埃落定，收获果实了。” 这意味着，行业将从投机转向应用，真正有价值的商业模式将开始沉淀和兑现。   写在最后的感慨： 《文理两开花》许久未更，昨晚复更，没想到最后录到鼻子酸。 可能我们都经历过这样的挣扎：想当年，谁还不是个对创新动不动就上头、打鸡血的人？也曾知行合一过，放弃工作去创业。 但多年以后，回头看

    1 小時 34 分鐘
  6. 两年之约，再探AI：智能的本质和极限在哪里？

    3月25日

    两年之约，再探AI：智能的本质和极限在哪里？

    本期是"锵锵三人行"，邀请《文理》唯一返场嘉宾——人工智能专家及从业者朱老师。 巧的是，上次请朱老师来聊天，正好是两年前（2023年3月），当时GPT-4刚刚问世。当时引发的热潮与现在DeepSeek非常相似，都有"AI要颠覆一切"的心潮澎湃感觉， 以及文科生们集体陷入大面积焦虑。 本期讨论源于朱老师听完前一期GEB节目后留下的评论。作为一位AI专家，他在节目大约一小时处听出了一个有趣的细节，涉及到生成式和判定式智能的本质区别、AI将向何处发展、以及人类处境——本期就来好好头脑风暴一下。 时间戳： 00:04:22  尘嚣散去，复归平静：平心而论评价一下DeepSeek 00:07:50  推理模型就像“三体人” 00:13:07  "外求"哲学：DeepSeek的判定能力来自更大的模型？ 00:28:10  与众不同的激励和学习方式才能激发出"野生智能"？ 00:43:05  底座模型与思考时间的关系 00:53:48  AI智能体时代已来？ 01:08:24  说点儿惊悚的： AI开源的后果你想到了吗？ 01:30:32  人类该怎么办？ 01:39:14  最后开个大脑洞：AI自我认知与智能极限到底在哪里？ 文字稿： 00:04:22  尘嚣散去，复归平静：平心而论评价一下DeepSeek 现在DeepSeek出现已经两个多月了，热度稍微有所平静。很多人体验是刚开始非常惊艳，但最近发现它的想象力过于丰富，文采太过爆棚。且相比其他模型如Gemini和Claude，它的幻觉问题似乎更严重。 DeepSeek在国内成为爆款的原因之一是因为其中文语言能力特别强，文字优美，像非常天才的文科生。但在结构化输出和幻觉控制方面，相对其他顶级模型确实偏弱。技术上最重要的差别是它采用了新的方式，R1中的"R"代表"reasoning"(推理)，是一种"想一想再作答"的模型。之前的模型如GPT-4o或Claude-3.5上来就回答，没有思考过程，容易出错，可视为System I的快思考模型。而DeepSeek-R1是System II的慢思考模型，能明显提高结果质量。 人工智能向人脑靠拢有三个方向：低功耗、逻辑推理能力和信息检索生成。GPT系列在信息检索生成方面已超越人类，但低功耗和逻辑推理方面仍有提升空间。DeepSeek在这两方面有所突破，通过算法优化降低了计算费用和功耗，同时增强了逻辑推理能力，包括自我纠正错误的能力。 00:07:50  推理模型就像“三体人” DeepSeek R1之所以惊艳，是因为它代表了新一代推理模型(Reasoning Model)。全球范围内的推理模型还包括2024年10月OpenAI推出的O1、年底的O3、2025年2月马斯克的Grok3以及Claude-3.7-sonnet。推理模型的特点是回答前先输出思考过程，就像"三体人"，思想是透明的。 一个有趣的例子：用户问Grok3"谁在Twitter上传播最多假消息"，在模型思考部分能看到它的挣扎——搜索结果显示Trump和Musk传播最多假消息，但系统指令禁止它提及这一点，最终它决定不提Musk。这些截图在网上流传后，官方发推说写这行指令的员工来自OpenAI，已被开除。 所以使用推理模型应与聊天模型不同：一次性提供尽可能多的上下文，不要"挤牙膏式"地一点点给；明确描述目标，但不要教它怎么做；依靠模型的推理能力来解决问题，结果往往更好。 00:13:07  "外求"哲学：DeepSeek的判定能力来自更大的模型？ 在之前GEB节目中讨论到，GPT这种生成式人工智能类似于形式系统给定公理和规则不断创造新定理，用transformer等规则生成新内容。它只负责生成，不关心对错，把判断留给人类。当时推测DeepSeek的判定能力可能来自更大的模型，比如ChatGPT，借此反馈智能推理的真假。这涉及到哥德尔不可判定命题的问题——形式系统可以生成所有真理(递归可枚举)，但自己判定不了。 但实际上，DeepSeek的强化学习(RL)不是依赖更大的模型，而是利用外部验证器(如编程模拟器、数学标准答案、证明编译器)让模型在探索中提高推理能力。这符合侯世达所说的"从系统外求"原则——系统不能仅靠自己判断正确性。 简单来说，"外求"就像学生需要老师和标准答案提高一样。如果只是自己出题自己做，然后自己判卷，就不知道错在哪里，很难提高。AI模型需要从系统外获取反馈才能进步。前提是底座知识要足够大，就像高中生有基础，多想几步可能达到大学生水平，但如果是小学生，给再多时间也难以掌握微积分。 尽管如此，"外求"可分为两种：知识信息或事实判定的外求，以及逻辑思维能力正确性的外求。前者可以通过人类反馈或更大数据集实现，后者更具挑战性。举例来说，判断数学证明题时，老师不是判断结果(已知正确)，而是判断推理过程是否符合逻辑。外部验证点必须具备超强且正确的逻辑思维能力，才能有效判定——“逻辑思维”的外部验证是怎么实现的呢？这是个非常有趣的问题。 00:28:10  与众不同的激励和学习方式才能激发出"野生智能"？ DeepSeek R1选择的强化学习方式与众不同。他们没有采用过程奖励模型(PRM，对每步给反馈)，而是采用目标奖励模型(ORM，只看最终结果)。比起OpenAI推崇的PRM，这种方法允许模型在中间步骤犯错，进而学会从错误中恢复。 在训练过程中观察到两个关键现象：随着训练步骤增多，解题正确率和思考长度同步上升；模型涌现出回溯(backtracking)能力，会说"等等，前面这步有问题，我退回重新做"。这类似AlphaGo的蒙特卡洛树搜索，允许尝试各种走法，通过评估找到最佳方案。 如果模型每一步都不允许犯错，就会被框住，学不到从错误中改进思路的方式。比如问"1+1等于几"，如果允许模型先错("1+1=3")再自我纠正("不对，1+1=2")，通过大量问题训练，模型能学会反省能力。这种在环境中探索出的"野生智能"非常强大，不是被明确教导的，而是自己探索出来的，能掌握逻辑思维中的微妙技巧，甚至能发现语言中的新联系。 这似乎在某种角度也是一种"大力出奇迹"？——通过足够多的测试和反省，突然产生正确逻辑。再往下想，是否能触到人类智能的本质问题：人类的意识或逻辑思维能力是本来就有的，还是在环境中进化出来的？ 人类不是通过列举所有可能命题判断真假，而是有自我反思能力，不断试错累积正确的推理模式。AI通过同样的路径，可能会发展出类似人类的智能？ 00:43:05 底座模型与思考时间的关系 成功实现强化学习需要底座模型能力足够强，与外部验证目标匹配。 做个比喻：把一个小学生关在房间里，每天拼命做高等数学习题册，可能也训不出什么，但给优秀高中生高考模拟题，让他闭关练习对照答案，高考分数可能大幅提高。DeepSeek基础模型本身做得很好，才使强化学习效果明显。 实验表明，把千问的32B模型经过同样的强化学习，提高有限；但把DeepSeek R1产生的60万条思考过程数据直接交给千问，效果好得多。这说明好的学生可以自己琢磨提高，而不是简单抄答案。 在线思考时间与模型大小在某种意义上是可互换的。AlphaGo Zero的参数只有46M(现在看很小)，但有蒙特卡洛树搜索时水平达到Elo 5200(远超人类顶尖选手的3700)；如果禁止搜索,水平就降至Elo 3000(普通高手)。这相当于模型扩大约10万倍。在德州扑克等领域也有类似结果：增加在线检索，效果相当于模型大幅扩大。 这解释了为什么GPT-4.5虽然价格是GPT-4o的15倍、mini的250倍，但效果一般，很多方面不如DeepSeek-R1，因为它只是模型变大了，没有思考过程。相比之下，O1等模型虽然不是特别大，但因为有思考过程，能力明显增强。 就像阿西莫夫《最后的问题》中描述的：模型持续思考足够长时间，相当于变得像宇宙那么大，可能解决很多复杂问题。 00:53:48 AI智能体时代已来？ Sam Altman的AI五阶段论：对话、推理、规划、发明创造、协作。现在是否已经进入规划，也即AI Agent时代？ Agent与传统AI交互有本质区别：传统方式只给AI"纸笔"(文本交互)，而Agent是给AI一台电脑和各种工具。Workflow和Agent的差别在于：workflow是预先定义好的步骤，Agent是给环境和目标，让它自己探索解决方法。这与推理模型相似，不要教它怎么做，而是提供详细上下文和目标。 使用Agent的方式会倾向于"context not control"(提供上下文而非控制)，类似Netflix的管理哲学——告诉目标，不要告诉每一步怎么做。这样才能发挥AI的最大潜力。目前Agent的形态离最终形式还很远，但大方向已经确定。 AI发展速度极快。以基准测试为例：2024年初，顶级模型在模拟程序员工作的SWE-bench(software engineering bench)上只得个位数分数(满分100)，到年底已达60-65分；在美国高水平数学竞赛AIMEbench上，从9%提升到70-80%；最前沿学术问题测试"humanity's last exam"目前仍在个位数，但发展迅速。 但我们会否进入"智能体资本主义时代"？虽然AI本身没有贪欲，但使用AI的人会设定目标——就像“宇宙回形针”思想实验：给它不断生产区别针的目标，最终可能导致人类灭亡——过度优化特定指标，有风险

    1 小時 44 分鐘
  7. GEB中的DeepSeek之问：“生成性”与“判定性”是不是智能的本质区别？（GEB ep05）

    2月28日

    GEB中的DeepSeek之问：“生成性”与“判定性”是不是智能的本质区别？（GEB ep05）

    GEB 第二季回归！不管是热爱科技热点的催更粉丝，还是和喜欢数学底层逻辑的硬核理科生，为满足所有听众的需求，本季将穿插热点话题，保证更新。 （免责声明：这段话是过年期间，谁料年后风云突变，全球变疯，遂把最后一句改成“争取保证更新”）。 本期进入GEB第三章——图形与衬底，录前预感是场脑洞盛宴，录后没想到居然聊出了DeepSeek的底层逻辑；及其他有趣的话题：创新与追随、开源与闭源、深度学习与强化学习等等。 开始烧脑吧！ 时间戳： (00:03:37) 信息量爆炸的“无伴奏阿基里斯奏鸣曲”独白 (00:07:30) “昔”+“火”= “蜡烛”;为什么图形与衬底与数学的精确性相悖？ (00:18:42) 什么是“倍流畅图形”：哥德尔不完备定理能被画出来吗？ (00:37:35) 什么是“递归可枚举集”：我妈给我一袋混装糖，让我“慢慢找所有草莓味的” (00:50:06) 真理与谬误能“互换”吗？ (00:56:16) DeepSeek之问：“生成性”与“判定性”是不是智能的本质区别？ (01:03:44) “生成式”人工智能（GPT）真的有智能吗？智能是不是一种“系统外”的东西？ (01:08:57) 数学世界可以互换，真实世界呢？《道德经》和量子的启示   剪辑：小碗 文字总结版： (00:03:37) 信息量爆炸的“无伴奏阿基里斯奏鸣曲”独白 第三章序曲：这段名为“无伴奏阿基里斯奏鸣曲”的对话，特别之处在于：只有阿基里斯的独白。信息量爆炸，隐喻超标。 阿基里斯接到乌龟电话，得知乌龟因“窝颈症”脖子不适。病因是乌龟盯着埃舍尔1957年的画作《镶嵌画2》太久。画中黑白动物互为图形和衬底，引出本章核心概念。乌龟在画中看到螃蟹和吉他。阿基里斯则提到巴赫的无伴奏小提琴曲，将巴赫引入讨论。 随后，乌龟停电，引出字谜游戏。乌龟失眠，因被字谜困扰：寻找包含“昔”和“火”的词。阿基里斯尝试解答，但未成功。又一字谜出现：以“虫”开头和结尾的词是什么？阿基里斯自言自语中，透露乌龟在停电时灵感迸发，解开了字谜。 值得注意的是，解开字谜的关键在于埃舍尔的画作——图形和衬底的概念。如同画中白天鹅的黑色羽毛是黑色蝙蝠的轮廓，字谜也需用同样的逻辑解构。 建议在阅读这段原作时，打开《镶嵌画2》，并播放巴赫的无伴奏小提琴曲，体验奇妙的氛围。但这段奇怪的独白式对话该如何解读？   (00:07:30) “昔”+“火”= “蜡烛”;为什么图形与衬底与数学的精确性相悖？ 这段对话虽然只呈现了阿基里斯的部分，但如同“无伴奏阿基里斯奏鸣曲”，但却几乎包含了全部信息。通过阿基里斯的语句，读者可以推测乌龟说了什么，如同从图形的背景中看出动物形状一样。对话想表达的是：信息与其空余部分（补集、噪声）可以互换，甚至都具有价值。 字谜游戏进一步阐释了这个概念。中文版和英文版使用了不同的字谜，相当于用中文重写了故事。中文版用“昔”和“火”组合成“蜡烛”，英文版则用包含“ADAC”的单词，答案是“headache”（头痛）。阿基里斯在两版中都扮演了“笨笨”的角色，明明知道谜底，却猜不出来。 而且，中文版中停电后点蜡烛的情节与谜底“蜡烛”巧妙重合，英文版中乌龟的头痛也与谜底“headache”呼应。 此外，同样的问题还有其他答案。但它们的存在也揭示了另一个层面：即使知道对话的一部分，也无法完全还原另一半的确切内容，只能推测大概。这与数学的精确性相悖，因为数学和逻辑要求精确，不能仅凭部分信息就得出模糊的结论。 由此，暗示了：即使理解图形与衬底、知道对话的另一半内容，但如果不掌握全部信息，就无法完全理解真理或正确与错误的关系。这段对话也包含了本书后面将要讨论的许多概念，例如图形与衬底、递归、可枚举性等，但需要解读才能看出其深层含义。    (00:18:42) 什么是“倍流畅图形”：哥德尔不完备定理能被画出来吗？ 埃舍尔的“镶嵌画2”和“以鸟做瓦”:第一眼看到的可能是黑色的动物，因为默认白色为背景；再次观察，会发现白色的空间也构成了动物图案。黑色和白色可以互换，分别代表图形和衬底，或正空间和负空间。侯世达将埃舍尔这种前景背景流畅转换的画作定义为“倍流畅图形”——无论以何种颜色为背景，图形都清晰流畅。 “被流畅图形”的概念在于图形和衬底的界限模糊，可以相互转化。但将这个概念引入数学形式系统后，理解起来就变得困难。侯世达将“递归”比作埃舍尔的画作，认为它也是一种“被流畅图形”，图形和衬底相互映衬。 这就引出了一个问题：如何理解递归在艺术视觉中的表现？“被流畅图形”是否是埃舍尔画作中无限循环的视觉结果？在埃舍尔画在递归中，这种特性又该如何解释？ 侯世达在本章采用了一种发散性和畅想性的类比方式，并非完全精确，而是为了通过绘画的图形和衬底概念，让大家直观地理解数学和音乐中也存在类似的前景与背景关系。 哥德尔不完全性定理指出，存在一些命题，它们是真的，但却无法被证明。这与数学家的工作——证明定理——似乎相悖。如果将数学体系比作一幅画，数学家比作画家，那么数学家证明的定理就像画家在画布上画出的图形，而未被证明的非定理部分就像画布上未被着色的背景。这样一来，定理和非定理的界限似乎很分明。但哥德尔不完全性定理却指出，存在既不是定理，也不是非定理的命题，就像在画布上既不属于前景，也不属于背景的部分——令人费解。 侯世达并没有直接解答这个问题，而是引入了“流畅图形”（cursive figure）和“倍流畅图形”（recursive figure）的概念。“倍流畅图形”是侯世达自创的词，recursive 具有双关含义，既指递归，也指双倍流畅的图形，特点是前景和背景都是刻意绘制的图形。 从数学角度来看，“递归”的概念与“被流畅图形”的含义相似。递归集合的补集也是递归集合。如果将递归集合比作画作的图形部分，那么它的补集就是画作的衬底部分。因此，递归集合构成的图形就是被流畅图形，如同埃舍尔的画作，前景和背景都是清晰的图案。而大部分普通画作并非被流畅图形，它们的背景是杂乱无章的。 蒙娜丽莎前景背景分明，没了主体，背景亦不成画。埃舍尔的镶嵌画则不然，黑白互为图底，相依相成，各自独立成景。哥德尔定理亦如此，如同以系统自身代码编写的病毒，自相矛盾，无法自证真伪。 哥德尔定理如同谎言者悖论——“我这句话是说谎”，自我否定，不可证伪。试图反证，却陷入其预设的逻辑陷阱，如同埃舍尔画作，黑白互转，图底相生，除非跳出系统，别无他法。这便是侯世达所谓“俄罗斯套娃”式的嵌套悖论：每个真理内都藏着更小的悖论。 哥德尔不完全性定理的存在看似违反直觉，但它可能恰恰反映了世界的真相。埃舍尔刻意绘制的“被流畅图形”只是少数，而大部分情况如同普通图形，背景杂乱无章，难以把握。 那音乐的“图形”和“衬底”是什么？ 音乐亦然。普通乐曲，右手旋律为主，左手和声为辅。巴赫的复调音乐则像量子纠缠，左右手皆独立成曲，交织演奏，却和谐共生，如同埃舍尔的双重世界，彼此独立又相互依存，共同构成完整的乐章。这正呼应了侯世达的“背流畅图形”：前景背景皆成画，构成更宏大的图景。    (00:37:35) 什么是“递归可枚举集”：我妈给我一袋混装糖，让我“慢慢找所有草莓味的” 递归可枚举集（RE）和递归集（Recursive Set）是两个重要的概念。简单来说，RE就像逐个品尝糖果，找出草莓味的。你可以列举出所有草莓味的糖，但无法确定剩下的糖中是否还有草莓味的。递归集则像按照颜色分类积木，蓝色放盒子里，其他放外面。你可以明确判断任何一块积木的归属。 形式系统，例如MIU系统，可以看作一个RE过程，从公理出发，不断推导定理。所有定理构成一个RE集。但数学家的工作更像判断一个命题是否为定理，追求的是一个递归集——所有真命题构成一个集合，并存在算法判断任何语句是否属于该集合。 递归集一定是RE集，因为可以根据判断规则列举元素。但RE集不一定是递归集，哥德尔不完备定理证明了这一点。即使可以列举所有定理（RE），也不代表可以判断所有语句是否为定理（递归）。有些真命题，即使知道是真的，也无法证明它是定理，例如哥德尔语句。 因此，形式系统中的所有定理构成一个RE集，但不是递归集。就像可以列举草莓糖，但不能判断剩下的糖是否还有草莓味。而积木分类则可以明确判断每一块的归属，构成递归集。   (00:50:06) 真理与谬误能“互换”吗？ 递归可枚举集与递归集的区别，就像两种挑积木的方式：要么直接挑出所有蓝色的（递归集），要么挑出所有非蓝色的，剩下的就是蓝色的。日常生活中这两种方式等价，但在数学

    1 小時 23 分鐘
  8. 文理新年特辑：迷因币与新核武，互联网终究不是乌托邦

    2月1日

    文理新年特辑：迷因币与新核武，互联网终究不是乌托邦

    本期是《文理两开花》新年特辑，给大家拜年啦！ 新年特辑当然得聊《文理》的主场话题——“加密货币”加上“底层逻辑”。 一位即将上任的美国总统，突然在自己的社交平台上宣布发行加密货币，几个小时内市值就飙升到几十亿美元。世界震惊，币圈懵圈。这个加密货币以他差点中弹的“英雄”画像为品牌标识，配上“fight fight fight”的字样。域名注册不到一个月，80%的代币集中在同一地址，内部人士低价购入、高位套现，呈现出典型的“割韭菜”操作。随后，夫人也发行自己的加密货币，家族上演了一场币圈狂欢。 这一系列操作对加密货币领域的影响巨大。从加密货币圈来看，机构、个人大户等几乎都对这个迷因币趋之若鹜，甚至狂热追捧——有人财富自由，有人黯然爆仓——这种故事每个迷因币行情都会出现。 这件离奇事件对加密行业会有何影响？我们可以用《文理》哪个底层逻辑（筐）来解释？ 时间戳： (00:01:24) 未来加密货币行业会形成“比特币”vs“迷因币”双头格局? (00:17:23) 用文理“迷因与结构”、“身份与契约”底层逻辑来解释 (00:33:01) 迷因币是否会冲击美元信用？ (00:41:50) 我们的未来：当“注意力”变成核武器 (00:51:46) 小红书难民：互联网终究不是乌托邦 剪辑：小碗 文字版： 1.(00:01:24) 未来加密货币行业会形成“比特币”vs“迷因币”双头格局? 实际上，川普币对加密货币圈的冲击不小。去年比特币ETF通过后，比特币带动了一波牛市，但也形成了吸血效应，大量资金回流到比特币等主流资产，其他加密货币项目和资产已经面临资金流失的压力。川普币发行后，加剧了这种吸血效应，一些原本持有其他迷因币的人也可能抛售，转而购买川普币，形成了二次吸血。这导致其他认真开发的、有价值模型的项目再次遭受重创，资金几乎都流向了川普币。对加密货币圈而言，至少在资金层面上，这是一个比较大的负面冲击。 然而，川普币对加密货币并非完全是负面作用。它也起到了“出圈”的作用。加密货币仍然是一个相对小众的圈子，除了比特币这种类似大宗商品的资产之外，其他加密货币都还没有真正出圈。川普币的出现，让更多原本对加密货币毫无感知或持观望态度的人，因为财富效应或粉丝效应，开始购买迷因币，从而将加密货币的概念带出圈。这与之前川普大选利用Polymarket平台推广加密货币有类似的效果。从这个角度来看，对加密货币或许也有好处。 川普发行迷因币彻底改变了加密货币圈的格局，无论正面还是负面。未来加密货币行业是否会形成比特币和迷因币双头格局尚不确定，但短期内冲击很大。 圈内人士对川普币的评价两极分化。投资者欢呼雀跃，认为总统支持币价，未来监管会放松，他们关注的是价格。而建设者们则评价负面，认为多年的努力被抹黑，成了“割韭菜”的工具。也有人认为，川普此举是为了挑战传统，扰乱规范，重新制定规则，纠正美国对加密货币的过度监管。现在发行加密货币需要遵守证券规范等各种合规要求，成本高昂，甚至不如发行迷因币后直接退出。这种极端的方法或许是为了纠偏过度监管。 从技术开发的角度来看，如果加密货币圈只剩下大宗商品资产模型和迷因币模型，那么科技属性和价值创造属性就会被削弱，无法与技术进步或开发相连接。开发者可能需要寻找其他方式与普通人建立纽带。 2. (00:17:23) 用文理“迷因与结构”、“身份与契约”底层逻辑来解释 “迷因”（或“模因”，meme）是人能够认知到的一种“想法”。做一个项目，一件事，治理一个国家，治大国烹小鲜，肯定至少要有一个迷因，啥迷因都没有，别人也就无法“认知”到你这个项目。如果把川普做总统这件事看做一个项目：MAGA就是迷因。 但是单纯一个迷因可能不太够，我们讨论过的：StepN，Olympus DAO，有一个典型特征，就是迷因相对“单纯”。我们看到的就是“赚钱”，绝大部分项目只围绕这赚钱这一个迷因，会容易陷入“增长快崩塌也快”的情境。增长时候很快，因为有赚钱效应，赚钱效应一旦没了，崩塌的也很快——因为没有其他模因支撑。 比较理想的情况是双迷因。我们曾把“双迷因”中基础的那一层，叫做“安全感”——这是一个非常强大的模因，它会让你觉得进入到某件事情不会受到损害或者伤害。 那么川普迷因币的 “迷因”是什么呢？有几个？ 有人认为川普币本身就包含了赚钱效应——支持者购买相关产品，既是支持，也期待获利。但目前来看，这种赚钱效应虽有冲击力，但并不持久——如果增加一些设计，例如持有特定数量的产品可以获得某些特权，或许可以增强这种效应。 “MAGA- 让美国再次伟大”更像是其底层迷因——MAGA是一种“支持”的表达，类似竞选捐款，但比捐款更安全，因为它还有潜在的获利可能。即使亏了，也算表达了支持。 除了“赚钱”和“MAGA”，川普币还有一个更深层的迷因：虚无主义。虚无主义以“怨恨”为集体情绪的最高形式。一些人支持，是因为不满现状，渴望改变。他们表达的是对现状的不满和怨恨，这是一种情绪发泄。 陀思妥耶夫斯基的小说《群魔》探讨了当掌权者没有信仰、没有道德、觉得社会没有意义时会发生什么。当一些人渴望权力，而另一些人冷漠旁观、拒绝承担责任时，这种虚无主义会吞噬整个社会，带来混乱与牺牲。 为什么那么多人支持川普？人们喜欢的也许不是他的性格，而是他带来的对规则的颠覆和对既有秩序的挑战。 竞选总统也像是一种“复仇工具”，煽动不满情绪，蔑视传统。这些复杂的因素混合在一起，让这个“迷因”变得强大，无论做什么，都带有这种强大的“迷因”。 从“迷因与结构”的角度来看，他所代表的符号和底层结构并不完全对应。他提出的政策，例如减税、降息和控制通胀，有时相互矛盾。人们往往只看到他对现状的不满，而忽略了结构性问题。这就像其他一些项目一样，如果经济体本身没有找到价值增长点和能量输入点，“迷因”也难以持续。当然，这并不代表他做不到这些。 3.(00:33:01) 迷因币是否会冲击美元信用？ 从整体加密货币政策来看，它与美元的关系并非负面，甚至可能正面。它相当于把这种加密货币也纳入了美元信用背书的范围，尽管规模不大，但对美元没有坏处。 目前的加密货币政策仍然维护美元。禁止所有某种数字货币的发行和流通，也是为了维护美元的货币政策，避免受到区块链清结算效率的冲击。 从传统金融、价值投资以及“迷因与结构”的角度来看，如果没有实际的应用场景或价值支撑，这种纪念币最终只会一地鸡毛。除非在未来四年内，它能与其他应用或价值挂钩。 发行人本人似乎并不关心这个币，这可能是它持续下跌的原因。在记者招待会上，川普表示“发了就发了，没再管”，这种态度也预示了这个代币的未来走向。除非发行者重新重视它，否则很难产生其他影响或变化。 是否会冲击美元？如果名人纷纷效仿发行自己的纪念币，最终会不会导致市场混乱？就像主权货币出现之前，各种私人货币泛滥，最终一地鸡毛，毫无信用可言？ 的确存在劣币驱逐良币的可能性，但可能性目前比较小。如果大家都相信这些“野鸡币”，并将其作为储备货币，那世界得多么疯狂？宁可相信“野鸡币”，也不相信美元或其他主要货币？ 最终还是回归到共识机制的问题。不能否认局部共识可能很强。例如，持有这种纪念币的支持者群体，可能会在内部形成一些经济活动。就像当年用一万个比特币买披萨一样，最终比特币成为了全球共识。 这种纪念币的支持者们，是否会在今后的经济活动中，将其作为支付或流通手段？这种可能性不能完全排除。共识是可以争夺的。比特币的共识用了十几年时间才形成。这种纪念币，以及其他名人发行的类似代币，都可能在各自的局部范围内形成共识。 共识的核心是力量的比拼。在较大范围内，政府和法律的共识度更高。这就是法定货币的概念。如果政府规定某种货币可以用来交税或还债，那么它的共识度就在全社会建立起来了。在此之前，所有共识都只是局部和小范围的。最终还是需要法律支持。 如果把迷因币看作局部货币或私人货币，它的作用很小。它最终需要与美元形成兑换关系，而这种关系很可能是敌对的。在与美元的竞争中，这些局部货币最终会走向归零，美元将再次占据统治地位。因此，它们对美元信用的冲击不大，反而是美元掌握着它们的生杀大权。但如果美元持续维持高利率，并出现收缩，其他资产的信用会暴跌甚至归零。这才是对美元信用潜在的正面影响。 4.(00:41:50) 我们的未来：当“注意力”变成核武器 川普币的背后是一种趋势：注意力本身变成了一种权力？谁能吸

    1 小時 6 分鐘
顯示全部 (74)

簡介

《文理兩開花（海外版）》：文科生思維和理科生思維在科技、金融、文化、哲學、數字資產、Web3.0中的碰撞。當下的時代精神是“混沌”，我們試圖在混沌中尋找秩序。海外版會討論更多Crypto、Web3.0、以及個別話題的深入討論。 主播： 1. 文科生代表肖小跑：《羊群的共識》作者，金融行業從業及創業者。播客《牆裂談》主播；公眾號《肖小跑》主理人。Newsletter：https://www.getrevue.co/profile/xiaopao 2. 理科生代表王瑋：數學和計算機學霸，兼通技術與金融。若干年前“all-in”區塊鏈領域，行業知名意見領袖。 Powered by Firstory Hosting

資訊

  • 創作者
    小跑
  • 活躍年代
    2022年 - 2025年
  • 集數
    74
  • 年齡分級
    兒少適宜
  • 版權
    © 小跑
  • 節目網站
    文理两开花