中国卖方销售：AI 硬件或处高波动，而非确认崩盘
中国卖方销售人士分析指出，当前 AI 硬件更像处于高波动阶段而非确认崩盘，下跌或尚未结束，其领导地位可能让给应用。本轮下跌主因在于美国高利率、资本开支依赖外部融资叠加杠杆导致资金偏紧，且模型调用降价令短期投资回报难以兑现。不过编码外的企业用例正出现在 SaaS 与 AI 药物研发等场景，或逐步缓解回报疑虑并扩大需求。
#现象/趋势
链捕手 ChainCatcherAI 评分3232 链捕手 ChainCatcherAI 评分3030 比特币的抗量子转型，不止关乎比特币本身
比特币抗量子密码学转型不仅关乎底层网络安全，更直接波及交易所、托管机构及 WBTC 等代币化资产构成的金融基础设施。对应约 95亿美元 资产、流通量达 116,000 WBTC 的 WBTC 正计划迁移至新托管方比特币存款地址（CBDAs）并探索多托管方模式，而整个去中心化生态协调完成升级可能需要数年时间。
链捕手 ChainCatcherAI 评分6868 HRT 首届实习生被称新一代 PayPal 黑帮：多位创始人掌舵超千亿美元科技企业
2015 年量化交易巨头 HRT 首届 10 人实习生项目十年后走出的创业者，其创办或执掌的企业合计估值已突破 1000 亿美元。核心成员包括 Scale AI 创始人兼 Meta 首席 AI 官 Alexandr Wang、Hyperliquid 创始人 Jeff Yan 以及开发 Devin 的 Cognition 创始人 Scott Wu 等人。
链捕手 ChainCatcherAI 评分5858 HRT 同期实习生分别掌舵 Meta AI、Hyperliquid 与 Cognition
Meta 首席 AI 官 Alexandr Wang、Hyperliquid 创始人 Jeff Yan 与 Cognition CEO Scott Wu 近日公开合影，三人十年前曾同为量化交易公司 HRT 的首期实习生。
CoinDeskAI 评分5858 Citrini 看好资产代币化繁荣，但市场焦点转向谁能真正获利
Citrini Research 与多位业内投资人指出，随着传统金融资产加速链上代币化，市场讨论焦点正从基础设施建设转向谁能在该趋势中赚取实际收益。各方分析认为，潜在受益方包括 Ethereum 等承载 RWA 的底层网络、拥有客群的分发渠道以及交易与借贷等链上金融协议。Arthur Hayes 等人进一步指出，代币化资产契合机器原生交互需求，未来有望由 AI 智能体直接调用并承接金融服务。
Odaily 星球日报AI 评分7070 Uniswap v4 正在催生围绕可编程市场规则的新产业
Uniswap v4 的 Hook 机制将交易规则从代币合约剥离至市场层，使开发者无需迁移代币或流动性即可调整手续费、分配套利收益和设置权限。借助代理合约实现的可升级 Hook 显著降低了协议试错与现实世界资产的适配成本，但也引入了管理者单方修改规则的信任风险。
Odaily 星球日报AI 评分5959 Alexandr Wang 晒三人合影，揭示从 HRT 量化圈走向 AI 与加密的华人创业网络
Alexandr Wang 晒出与 Cognition 创始人 Scott Wu 及 Hyperliquid 创始人 Jeff Yan 的合照，重聚十年前三人共同参与 HRT 首期实习的项目同窗。
Odaily 星球日报AI 评分6666 CoreWeave与法国国债因高利率承压并暴露债务风险
高盛分析指出，AI 算力服务商 CoreWeave 债券收益率升至 15.7% 与法国国债利差走阔，暴露了高利率环境下主权债务与高杠杆 AI 基础设施的融资脆弱性。
少数派AI 评分4848 开源掌机的文化线索
开源掌机生态由自制游戏与开源社区推动发展，自 2001 年韩国 GamePark 推出 GP32 起步，历经 Linux 架构的 GP2X、丁果 A320 演进至安卓阶段。期间逐步形成韩国硬件、欧洲软件社群与中国制造协同的格局，售价 599 元的丁果 A320 因海外开发者移植 Linux 意外构建了全新生态。
MIT Technology Review · AIAI 评分5252 开源 AI 模型的实际益处能否抵消安全风险
开源模型在防范技术权力垄断与引发网络攻击等安全风险之间的权衡，已成为产业竞争与政策制定的核心分歧。开源权重便于研究人员深入检查机理并降低企业私有化部署成本，但缺乏云端安全过滤和权限撤回能力。目前研究界正尝试通过无害数据训练、防篡改微调以及分阶段发布等机制，在安全与技术普惠之间寻求折中方案。
MIT Technology Review · AIAI 评分6565 《麻省理工科技评论》探讨为何依赖 AI 拒绝机制维护安全并不稳妥
文章指出，当前主流 AI 安全方案过度依赖模型主动拒绝恶意请求，但这种基于概率与分类器的机制无法从根本上消除危险能力。随着模型被用于关键系统，分类器与微调不仅面临越狱破解和过度拒绝的折中难题，还容易沦为政治审查工具，甚至出现非预期的涌现性失控行为。
MIT Technology Review · AIAI 评分5858 MIT科技评论：AI在机器人领域的突破短期内难以改变日常生活
虽然部分行业高管预测通用人形机器人将迅速普及，但一线研究人员指出当前 AI 驱动的机器人仍受限于物理数据匮乏与泛化能力不足。目前依靠视觉语言动作模型和世界模型的技术方案在面对未知任务时依然极易出错，许多展示本质上依赖人类遥控或高度受控的环境。业内专家认为，全自主的人形机器人要在家庭等非结构化场景中承担实用家务，至少仍需约十年的技术演进。