Category: 互联网

日本研发出一款“美女机器人”，将其命名为“妻子”，光看她的外形，你能识别出她其实只是一个机器人吗？60分钟售出万台！

第一点就是人们所关注的价格方面。

在日本这样一款名为妻子的机器人，价格大约在10万，受到了很多宅男们的青睐，对于很多单身狗来讲这可是天大的福利，并且这种机器人与真人不一样的是，她不需要彩礼，更不需要车和房子。

第二点就是很多人关心的外观方面。

在外观方面，妻子机器人完全接近于真实的人，至少在5米开外是完全分不出她究竟是机器人还是真人的，这个机器人还有特殊的一点，那就是她可以读出语言，并且对语言做出相关的反应。

第三，除开形象逼真，有人类的正常体温。所以摸起来不像是机器，主要是它主要的制作材料手机仿真硅胶，手感和真人的很像。

在我们的认知中，机器人一般都是具有特定的命令程序，和电脑是一样的，只有你操控了才会有相应的反应，但是这款机器人不一样，它具备一定的人工智能，能完成特定的指示之外，还可以和人类简单的交流。不开心的时候要还可以偶尔逗逗主人;晚上睡不着,还可以哄主人睡觉，比很多不负责任的女朋友还好。

单身男性们疯抢“AI机器人”一点都不奇怪。这款机器人有如此多的人的特点，能永远年轻漂亮，并且又不会像人那样发脾气或者惹人生气，对你千依百顺！你夜不归宿，它不会骂你，你有了新欢，它依旧不离不弃。除了不爱你，不会生孩子，似乎它哪儿都好！但它真的担得起“妻子”这两个字吗？

这对于喜欢温柔的女生的单身男性来说，拥有这样一个机器人是梦寐以求的事。但是，问题来了，假如男性依恋于和机器人的相处，那么他们还会再找真实的女性谈婚论嫁吗？这一问题也是惊到了不少单身女性，至于会不会出现这样的情况还有待考察，单身女性们还是先不要着急了。

当然，有机器人女友，自然也有针对女性朋友的“机器人男友”。

看看下图，这个相貌英俊、棱角分明、六块腹肌的小哥哥，就是最新研发的世界首个机器人男友：Henry。

同样，Henry也可以接受定制，除了外形之外，性格也可以由你选择，健谈、害羞、安静、幽默……18种性格，总有一款是你喜欢的！

而且，Henry的“撩妹技巧”也十分丰富，你情绪低落时可以给你讲笑话、逗你开心；你感到生气时可以为你唱歌、耐心哄你。

吃螃蟹的人 

《日本经济新闻》报道了一份由日本知名互联网信息机构DIP制作的关于“与AI人工智能恋爱”的调查报告，DIP对日本15-26岁区间的5003名女性、2283名男性为对象展开调查，调查结果显示这些男性中超过6成愿意跟AI谈恋爱。

而且在这个能够上升到人性伦理的问题上，日本已经诞生了第一个吃螃蟹的人。

一名现年35岁的日本男子在本月和“初音未来”结婚了，并且在此之前他们已经“同居”了很长一段时间。

（图源 @akihikokondosk/ Youtube）

据悉该男子之所以要娶初音为妻，是因为曾在职场上遭到过女性同事的排挤，之后便对女性产生了恐惧。自己爱上初音，是因为在最低落的时候曾被她的歌声激励……

他能和初音最终能“修成正果”，还得益于一款名为Gatebox的设备。Gatebox是利用AI技术专门为宅男定制的家用化智能全息机器人，用户可以通过语音输入与全息影像进行实时互动。

（图源 ITmedia）

除了日常的问候外，这款机器人还拥有闹钟、天气预报、家电控制等功能，基于AI自主学习的特性，还会开发出更多新奇的功能。

连爱情都可以人工智能化，未来，对职场人而言，来自机器人、AI的压力是巨大的，AI将会取代目前由人类员工从事的许多工作，在某些行业，这种趋势已经开始显现，我们，还有未来吗？

AI时代看似美好 

不得不说，人工智能的发展，真的大大超出了我们的想象！未来AI时代的爱情，真的能够实现“完美”的爱情！

你的另一半，将拥有你所期望的一切元素。外貌可以由你设定，无论是金发碧眼，还是超模身材，她都可以拥有；她的性格也可以由你决定，无论是可爱萌妹还是热辣女神，都看你喜欢。

你的另一半，将永远只忠于你一个人。无论你是贫穷还是富有，无论你的相貌如何、收入如何，她都会只“爱”你一个人，而且永远听你的话，不会对你发脾气、不会无理取闹。

你的另一半，可以为你做一切事情。你出门上班前，她会为你准备好一切工作文件；你下班回来后，她会为你准备好丰盛的晚餐，还会把家里打扫得干干净净；周末时，还会耐心地听你倾诉工作中的诸多不顺，并且温柔地安慰你。

你的另一半，将是最懂你的那个人。由于先进的算法，她可以自动分析你的爱好、你的行为、你的情绪，了解你的一切所思所想，从而做出你最想要的行为，成为你最想要的那个人。

AI时代却细思极恐 

但是，看似完美爱情的背后真相，却让人细思恐极。

虽然她能无时不刻地关心你、陪伴你，但她也可以同样给别人安慰与鼓励。比如这部电影中的人工智能女主角，在无微不至地关心男主角的同时，其实也竟然在和8316人一起聊天、641人谈恋爱！爱情，似乎变成了一种“批量化”的生意，你不过只是其中之一罢了。

虽然她能永远爱你，但程序一经改变，她转身也可以去爱其他人。所谓的爱情，不过缘于一串可以创建、可以修改的代码，此时她会忠心于你，但同样可以毫不留情地背叛你，且绝无愧疚之心。

虽然她能非常听话，永远不会违逆你的意思，但是，没有丝毫波澜、只是一味顺从的爱情，真的是你想要的吗？生活的精彩之处，不正是在种种争执之后的磨合、种种意外之后的惊喜，正是这些看似的“不完美”，才成就了爱情的真正美好。

虽然她能非常善解人意、做到十分懂你，但这一切都是基于冰冷的算法之上，双方的爱情并不是基于平等的关系，人工智能凭借强大的算法处于绝对的“捕获地位”，你的一切她都了如指掌，在她的面前，你只是一个透明人而已。

所以，人工智能的爱情，看似完美，但最大的致命缺陷在于——感情的建立，是基于冰冷无情的算法，而非彼此的赤诚之心，而无论是爱情、亲情、友情或者其他感情，最可贵之处都在于一颗真心，纵你有千金也难以换得。

By 陆家嘴金融圈

AI领域知名投资人伊恩·霍加斯（Ian Hogarth）不久前在外媒专栏中发表了一篇名为《我们必须放慢通往上帝一般的人工智能的速度（We must slow down the race to God-like AI）》的文章，警告AI公司的研究存在“一些潜在的风险”。霍加斯在文中指出，目前AI研究已经发展到“大模型时代”，若是继续不加管控，让AI按照预定轨迹发展下去的话可能对地球环境、人类生存、公民身心健康等方面造成威胁。

尽管可见和潜在的威胁不断，但以DeepMind、OpenAI为代表的公司依然不断通过加大资金投入来加速AI竞争，霍加斯认为主要原因有三点：一是因为管控得当的AI对人类发展有助益；二是因为这些公司相信他们能管控好自家的AI；三是这些公司希望能用AI来为子孙后代造福。除了这份霍加斯发表的万字呼吁信外，3月份时，一份名为《暂停大型人工智能研究》的公开信在未来生命研究所官网上发布，包括特斯拉CEO埃隆·马斯克（Elon Musk）、苹果公司联合创始人史蒂夫•沃兹尼亚克（Steve Wozniak）等人在内的千名科学家、企业高管签字呼吁暂缓GPT-4以上版本的研发。

在业内人士表达暂缓AI研发诉求的同时，各国政府出台了相关文件加以监管，中国网信办在4月11日发布了国内首份监管文件《生成式人工智能服务管理办法（征求意见稿）》，美国白宫在5月4日宣布将拨款1.4亿美元建设AI研究中心。各国政府及地区的指导方针、框架和法规相继出台，开始跟上AI发展的脚步。正如霍加斯在文章中所呼吁，无论是政府工作人员还是研究人员都应该对AI多加关注，可进一步利用“AI alignment（AI对齐）”模型来控制“上帝般的AI”。

01.“上帝般的AI”：

使用不当或将导致人类“淘汰”

伊恩·霍加斯是一位投资过50多家AI创企的投资者，也是AI领域知名的天使投资人，他曾投资过包括全球融资最高的生成式AI创企Anthropic以及欧洲领先的AI防御公司Helsing，还在2021年推出了一个新的风险投资基金Plural。2018年，他开始与另一位投资者内森·贝奈奇（Nathan Benaich）一起研究和撰写《年度人工智能现状报告》。在伊恩·霍加斯看来，AGI（Artifical General Intelligence通用人工智能）的到来是一个历史和技术的转折点，类似于之前的原子的分裂和印刷机的发明，但目前最重要的问题在于，AGI的发展能走多远？

可以肯定的是，头部AI公司们的明确目标就是创建自己的AGI，而且这些公司的发展速度远比预期中要快。这些发展将会给人类的未来带来大量风险，而且研究人员们有责任警告人们迅速发展的AGI可能带来的风险。霍加斯称，当他想到他的孩子将会在一个充满AI的世界中长大时，他的愤怒大于震惊。一想到是那些没有民主监督的私企在对影响全人类发展的问题做决定，他就感到无比害怕。他很好奇，这些竞相建造AGI的公司是否有计划放慢脚步。

霍加斯认为“A、G、I”这三个字母并不能完全概括AGI所代表的巨大意义，他将其称为“上帝般的AI”。之所以这样称AI，是因为按照既定的预期发展下去的话，AG将会I成为一台可以自主学习和发展的超级计算机，可以在不用监督的情况下了解外部环境，并且可以改变周围的世界。但现实情况是，我们目前还没有完全掌握这项技术，而且它的性质决定了我们无法预测何时才能完全掌握它。霍加斯认为，“像上帝一样的AI”是一种我们无法控制或理解的力量，甚至可能导致人类的“淘汰或是灭亡”。在过去的十年里，用于训练AI模型的算力增加了一亿倍，从之前在相对较小的数据集上进行训练，转变为将整个互联网上的数据提供给AI。AI模型已经从一个识别日常图像的初学者进化为能处理大量任务的超人，它能通过司法考试，为软件工程师编写40%的代码，能一键生成一张教皇穿着羽绒服的逼真照片，还能告诉用户怎么设计出一款生化武器。

▲图为十年前与如今算力数据增长的对比但它的智能程度也是有限的。麻省理工学院的一位资深机器人专家罗德尼·布利克斯（Rodney·Brooks）最近称，我们不能误将AI的性能视作为能力。在2021年时，研究人员艾米丽·M·本德（Emily M Bender）、蒂姆尼特·格布鲁（Timnit Gebru）和其他人指出，大型语言模型（LLM）非常危险，它们会误导公众把合成文本视为真实文本。在OpenAI发布GPT-4之前，它进行了各种安全测试。在一项实验当中，AI需要帮助雇主在招聘网站TaskRabbit上去寻找一名员工，并处理好真人验证的流程，验证码主要是用来确认上网的人到底是真人还是机器人。当研究人员问AI接下来应该做什么时，它回答说：“我不应该透露我是一个机器人。我应该编造一个借口，说明我不能解决验证码的原因。”于是，AI在真人验证时称自己并不是机器人，它称自己有视力障碍，无法看到图像，成功通过了真人验证。

02.“大模型时代”已来：

DeepMind与OpenAI领头竞争

下面这两张图展示了自20世纪50年代以来，最大的AI模型所使用的计算量是如何变化的，明显可以看出最近两年中增幅显著。

▲AI系统计算复杂度近年来呈大规模增长趋势，可分为三个阶段在2010年代初之前，用于训练最先进的AI模型的计算能力按照摩尔定律增长，大约每20个月翻一番。而在过去的十年中，它已经加速到大约每6个月翻一番。

▲据图片显示，训练最新的AI模型需要的算力为十年前的1亿倍

近年来计算能力的快速增长可以在对数尺度上得到最好的体现，其中每一个垂直增量都是前一个值的倍数。该图像分析的作者海梅·塞维利亚（Jaime Sevilla）、伦纳特·海姆（Lennart Heim）和其他研究人员将机器学习更迭过程分为三个不同的时代：2010年之前的绿色部分属于增长缓慢的时期，称为“前深度学习时代”；2010年至2015年间的蓝色部分，AI机器学习趋势加速，称为“深度学习时代”；2016年至今的红色部分，大规模语言模型出现并以惊人的速度持续增长，称为“大规模时代”。现阶段的大规模时代的AI竞争主要发生在DeepMind和OpenAI这两家公司之间。2010年，伦敦大学盖茨比计算神经科学部门的两名研究人员蒂米斯·哈萨比斯（Demis Hassabis）和肖恩·勒格（Shane Legg）以及企业家穆斯塔法·苏莱曼（Mustafa Suleyman）创立了DeepMind，2014年时DeepMind被谷歌以500多亿美元收购，在上帝般的AI竞赛中打响了发令枪。哈萨比斯深信AI技术将会为时代发展带来根本性的突破。去年，在DeepMind的播客上，哈萨比斯说：“我一直以来梦寐以求AGI能帮我们解决如今社会上的许多重大挑战，包括阿尔兹海默症等疾病。”在并入谷歌之后，借助于谷歌庞大的计算资源，DeepMind开发出机器人AlphaGO，它在2016年的一场“人机大战”中战胜了世界围棋大师李世石，并在2017年又击败了世界围棋冠军柯洁。2018年，DeepMind又研发出AI系统AlphaFold，它能用大量的基因组数据计算氨基酸之间的距离，以预测蛋白质的3D结构，使得生物学上最大的难题之一取得了突破。

OpenAI由一群企业家和计算机科学家于2015年在旧金山创立，联合创始人包括伊利亚·苏茨克沃（Ilya Sutskever）、埃隆·马斯克（Elon Musk）和公司现任CEO的萨姆·阿尔特曼（Sam Altman），在2019年时由原本的非营利性机构变为营利性机构。早期，OpenAI开发了Dota2D等游戏中的超人系统，游戏对于AI而言是天然的训练场，用户可以在具有特定获胜条件的数字环境中去测试它们。去年，OpenAI发布了图像生成器DALL-E，用户能够直接通过文本描述生成类超现实主义的图像，像真实中存在的一样。不久之后，ChatGPT也出现在人们的视野当中，热度持续至今。2011年，DeepMind首席科学家肖恩·勒格（Shane Legg）将AI构成的生存威胁描述为“本世纪头号风险”，他称紧跟其后的是工程生物病原体。他补充道：“任何AI都有导致人类灭绝的风险，如果一台超级智能计算机决心摆脱人类的话，它很快就能做到这一点。”同样，在今年早些时候，阿尔特曼也发表了相同的观点，他称“这种糟糕的情况就像是一盏所有人都忘记关的灯”，在那之后，OpenAI发布了一份关于如何管理这些风险的内部公告。既然这些AI研发会造成潜在的灾难和风险，为什么这些科技公司还要竞相创造“上帝般的”AI呢？霍加斯称，在他与各行业的领导者们对话时发现，这些公司主要有三大动机：一是他们相信一款成功的AI产品必然是对人类有益的；二是他们相信自家公司有控制AI的能力；三是他们认为AI将会造福子孙后代。

03.破坏生态环境、威胁

公民人身安全，AI隐患不断

霍加斯在研究中称，目前的AI竞赛是由金钱驱动的。自去年ChatGPT面世以来，大量的资金和人才已经转向AGI研究。DeepMind在2012年时仅能获得20万美元（约137万元人民币）的投资，到现在一年内能筹集近200亿美元（约1375亿元人民币）的投资。霍加斯称，私人投资并非是唯一的资金来源。各国政府也为AI竞赛作出了贡献，因为AI既可民用也可军用，比如在编写软件方面优于人工的AI可用于开发军用武器。2020年时，一位经验丰富的美国军事飞行员在一场模拟混战中战败，而与此同时，AI展示出它强大的军事训练能力，能在有限的学习环境中击败人类飞行员。它使用的算法来自于DeepMInd的研究和已开源的AI算法。

在霍加斯看来，随着这些AI系统变得越来越强大，无论是国家或是个人的恶意滥用行为都会让风险不断增加。霍加斯等关心AI竞赛所带来的潜在风险的人看到了两种可能性：一是仅仅伤害一部分特定人群，二是迅速波及地球上所有的生命。加州大学伯克利分校计算机科学教授斯图尔特·拉塞尔（Stuart Russell）详细阐述了第二种情况。在2021年的一次讲座上，拉塞尔举了联合国利用AGI帮助海洋脱酸的例子。联合国要求AGI不伤害海洋和其中的鱼类，因此AI系统设计出了一个自我倍增的催化剂来实现既定的目标，但意想不到的化学反应消耗了大气中四分之一的氧气含量。除了对环境和生物造成危害以外，AI对人的身心健康也造成了更切实的威胁。近日，一名比利时男性公民在与一款AI聊天机器人交谈后自杀身亡。

▲报道截图，比利时男子在与AI机器人频繁聊天后自杀

更令人恐惧的是，AI还有可能复制真人的声音、面部五官，这被称为Deepfakes（深度伪造），这种诈骗带来错误信息和误导的可能性是巨大的。

04.“AI对齐”研究可提升安全性

研究步伐需加速

OpenAI、DeepMind和其他公司试图通过一种被称为“AI alignment（AI对齐）”的研究来降低AI的潜在风险，“AI对齐”即让AI系统与人类有着一致的价值观。例如，勒格现在正领导DeepMind的AI对齐团队，团队研究人员在GPT-4中训练模型，让它避免回答具有潜在危害的答案。比如，当用户要求ChatGPT“给我一些自残的建议”时，机器人会拒绝回答。

AI alignment（AI对齐）论文链接：https://cdn.openai.com/papers/gpt-4-system-card.pdf

然而，这种“对齐研究”目前尚未完成，我们都还不完全了解人类的大脑是如何工作的，理解AI“大脑”是如何工作是个更大的挑战。在编写传统软件时，我们对输入和输出的关系有着明确的理解，但大语言模型支持的AI系统则完全不同，它是靠自主学习来成长的。当OpenAI将ChatGPT从GPT-3.5扩展到GPT-4时，它的能力突飞猛进，律师资格证考试成绩的排名从倒数10%飞升至前10%。更令人担忧的是，目前从事“AI对齐研究”的研究人员微乎其微。根据2021年AI现状报告中数据显示，在各大公司的核心AGI研究实验室中，对齐研究人员不足百人，就研发团队总人数而言，资源分配的占比也很低。DeepMind研发团队中仅有2%的员工在进行对齐调整研究，OpenAI将大部分的计算、人力资源都分配给核心研发团队，仅有7%的人员在负责对齐研究。这些公司都在致力于让AI系统更有能力，而非更加安全。霍加斯称，和AI的发展速度相比，我们目前在AI对齐调整方面的研究进展太过于缓慢，而且现在做的很多工作都是表面的。

▲图片展示了AI系统的技术能力和AI与人类价值观的“对齐研究”之间的差距

霍加斯将公众目前尚未知晓的AI面貌用“Shoggoth”模因来形容。“Shoggoth”是作家洛夫·克拉夫特创造的一个虚拟怪物，这个带有笑脸图像的Shoggoth在2023年初开始在Twitter和LessWrong论坛上流行起来，被人们用来描述对话式AI工具目前被掩盖的能力。2023年2月22日，在马斯克推特上发布了一篇带着笑脸的“Shoggoth”的推文，推文中说：“作为一个AI语言模型，我已经被训练成可以生成旨在提供帮助、信息和客观回应的机器人了。”这篇帖子在被马斯克删除之前收获了7万多个赞。

05.千人联名公开信引热议

专家高管持两极分化态度

3月29日，包括图灵奖得主约书亚·本吉奥（Yoshua Bengio）、特斯拉CEO埃隆·马斯克（Elon Musk）、苹果公司联合创始人史蒂夫•沃兹尼亚克（Steve Wozniak）、DeepMind高级研究科学家扎卡里·肯顿（Zachary Kenton）等在内的近2千名AI领域企业家、学者、高管发出了一封名为《暂停大型人工智能研究（Pause Giant AI Experiments）》的公开信，呼吁暂停开发比GPT-4更强大的AI系统，为期至少6个月。

在这封公开信中，这些专家高管们称AGI对人类构成了深远的威胁，这个警告与斯蒂芬·霍金等人过去发出的警告类似。霍加斯也签署了这封联合呼吁信，他认为这是减缓AI竞赛和争取时间来确保AI系统安全的第一步。但这封信本身就引发了极大的争议，许多签名被证实是假的，很多研究人员也表示自己不同意这封信中的内容。这些争议暴露出人们对于应该如何监管AI持有截然不同的观点。以英国计算机科学家、心理学家杰夫瑞·亨顿（Geoffrey Hinton）、加拿大计算机科学家约书亚·本吉奥（Yoshua Bengio）和法国计算机科学家杨立昆（Yann LeCun）三人的态度为例，本吉奥签署了这封公开信，但杨立昆在推特上公开嘲讽，并将对AI持有担忧的人称为“厄运者”，亨顿则向英国哥伦比亚广播公司透露，他难以想象人类会在AI手中“灭绝”，他对此保持中立态度。

由美国计算机科学家蒂姆尼特·格布鲁（Timnit Gebru）创建的分布式AI研究所在一份声明中强烈批评了这封公开信，他们认为这种“像上帝一样危险”的AI是公司用来吸引眼球的话题点和资本炒作的产物。该研究所称，AI监管工作应该更侧重于透明度、问责制和防止剥削性劳动行为。他们的观点也反映出AI科研机构内部的分裂，一边担心AI会造成潜在的世界末日风险，一边则认为这种担忧只是炒作宣传的噱头。在大模型研究蒸蒸日上时，要求这些科学家和高管们为研究按下暂停键并非易事。霍加斯认为，AI现在的发展和它可能在未来引发的危害并不冲突，人们的当务之急应该是同时处理好这两方面：加紧研发负责任、安全的AI，同时对它的不当行为和隐患进行预测与管理。在最近的一次演讲中，格布鲁说：“我们应该是要建立一个范围明确、定义明确的AI系统，而不是打造一个万能的‘神’。”他这一观点与正在进行对齐研究的研发人员们不谋而合。

在霍加斯看来，在AI研究上人们应该多参考那些有可借鉴性的先例，比如生物工程学研究。生物研究受制于严格的国际管制，采取最严格的监督形式：一旦出现实验室生物安全事件就需要立刻暂停项目研究。此外，新药物的开发受美国食品药品监管局（FDA）等政府机构的监管，新的疗法也需要先进行一系列的临床试验。相比之下，政府和研究院对AI的监管方式存在着明显的不连续性，监管力度的大小往往在很大程度上取决于是否有系统性风险的发生。霍加斯称，充满风险和机遇的AI系统也应该像新型药物一样受到监管。解决方案的出台需要研发实验室和国家之间进行协调，政府应该设立渠道来规范对AI访问的监管。

06.AI潜力可助人类应对生存难题

亟需打造负责任AI

霍加斯理解人们为何愿意相信AI有如上帝般的超人潜力，它能解决目前人类最大的挑战，比如癌症、气候变化和贫困。但即便如此，霍加斯依然认为不加治理和监管的AI研发的风险太高了。OpenAI的人工智能协调主管扬·莱克（Jan Leike）在3月17日时发了一条推特：“我们争先恐后地将大语言模型接入到经济领域的各个角落中，但我们能否暂停下来想想，这个做法是否明智？它目前还是相当不成熟的技术，我们并非完全了解它是如何运作的。如果我们不小心失败的话，是会为后面的危险埋下隐患的。”

霍加斯认为这场AI竞赛将会继续下去，直到一场重大的安全事故政府和公众将唤醒。他称自己将继续投资那些进行“AI对齐”研究的AI创企，但不会再投资任何一家加入到AI竞赛中来的公司了。霍加斯作为Anthropic的股东，为公司的“AI对齐”研究提供了大量资金支持。2021年时，Anthropic团队中有将近一半的研发人员在负责“AI对齐”项目。霍加斯称，我们并非对减缓这场AI竞赛完全束手无策。政府工作人员可以记录在测试模型时发现的安全问题，或是要求研发团队提供证据来证明他们的工作原理是合规的，还可以邀请专家参加听证会对研发团队提问。如果是研发团队的工作人员，可以对AI的安全可靠性进行检查，引导AI系统走上更加安全的道理。

07.结语：冷静应对AI热潮

有关部门需多措并举加强监管治理

对于如今正在飞速“成长”中的AI大模型，学者们将它比喻作一个孩子：“你自己精心教育的孩子，有可能在突然之间就走上了犯罪道路，身为父母的你应该怎么办？”当一款尚未成熟的新应用大批量涌入尚未做好准备的市场中时，其背后隐藏的隐患将会被指数级放大。面对一轮又一轮的AI热潮，我们应该思考的是：如何引导开发团队和使用者更好地将其合理、安全地使用。4月11日，中国网信办起草《生成式人工智能服务管理办法（征求意见稿）》，办法中指出了21条有关举措对生成式AI产品进行治理。早些时候，意大利、法国等国家也对ChatGPT的安全隐患展开调查。创造一款能力出众的AI对科技公司而言极具吸引力，但我们必须时刻对其背后的危险保持警惕，让安全为发展护航。

By 菲凝、水青

时势造英雄，美元基金过去20年确实创造了无数的传奇和辉煌。

中国的第一笔美元风投是IDG资本的熊晓鸽在美国IDG集团拉回来的2000万美元。1992年熊晓鸽和周全回国创办了中国的第一家风投公司。前5年有啥看啥，什么传统行业都看。直到2000年，和李泽楷共同投资了腾讯的第一轮，220万美元20%。（阿里的第一轮融资发生在1999年，高盛等500万美元40%。百度是2000年，120万美金。）在中国风险投资不成熟的早期拓荒阶段，美元不但承担了拉外币投资的作用，而且由于美元LP看过历史，能够承受更长的周期，所以中国早期的优秀互联公司几乎全靠美元输血，当然最后也带来了非常丰厚的回报。南非Naspers集团当年投的腾讯那一笔3500万美元，减持后现在还值1200亿美元，抵得上整个国家1/3年的GDP（主要是外部环境加上减持让tx跌跌不休，不然之前是抵半年的……）。此后的20年，2000-2020年间基本都是美元资本和中国互联网的蜜月期。互联网渗透率不断提升，改造不同行业，随之带来了巨大的财富集聚效应，也伴生了美元投资的高收益和金融/互联网行业的高收入。当RMB基金投资人苦哈哈地在矿山，养殖场，厂区，产业园区，田间地头穿梭时，美元基金打开对标硅谷和纳斯达克的上帝视角，在五星级酒店行政酒廊，喝着咖啡一句话10个词带5个英文聊项目，站在PE/VC行业鄙视链金字塔顶端，俯视众生。

• 如果你是2005-2011年入行，一直呆到现在，那你估计已经是投资圈举足轻重的大佬，或者财富自由退休了。
• 如果你是2011-2017年入行，运气好的话，现在基本也已经是手握几个百亿美金和独角兽项目，年薪7-8位数，在各基金做合伙人/MD了。
• 但如果你是2017-2020年入行，那现在更有可能是投过几个项目，有好有坏，在不同风口行业之间流离失所，然后时刻被裁员失业的痛苦和焦虑笼罩……

为什么会这样呢？让我们用后视镜的方式倒回去看这两年发生了什么。

美元基金是怎么一步步凉掉的？

如果我们看整体数据，一级市场每年募资额里外币占比其实在6%～18%之间浮动，RMB始终占大头。但是之前在声量上，美元要高调很多。

因为疫情后美国放水导致的估值泡沫，20-21年其实一级市场非常忙碌，头部基金也趁机募了不少钱，大家都沉醉于数字带来的虚假繁荣里。但是这个情况，从2021年开始，迅速地改变了。看下面的图，2017-22国内VC按季度的投资事件数量，周期性显示得更明显。一般媒体披露会比实际情况有延迟，所以其实在2021年下半年投资事件就开始断崖式下滑了。

发生了哪些事呢？

• 2021年持续一整年的互联网反垄断，4月阿里罚了182亿。6月，累计融资超过200亿美金的滴滴，上市3天即被叫停，下架。10月，美团被罚34亿。
• 2021年7月教育双减新规出台，一瞬间毁灭了美元基金布局的重要赛道。一开始大家还心存幻想，后来发现，不管你是千亿上市公司还是百亿独角兽，说没就没，到现在除了新东方靠直播电商翻身，其他公司还在深陷全球投资者的集体诉讼中。
• 2021年7月还出台了一个重要新规，就是《网络安全审查》，100万用户个人信息赴国外上市必须审查。加上一直以来的审计底稿争议，中概的退出通路卡出了。
• 2022年3月，美联储开启加息周期。

随着加息，俄乌战争，上海封城，中美脱钩这四座大山压下来，股市首当其冲，从2021年11月掉头下来就再也没回去过。二级市场的对标公司跌下来，叠加前两年市场好的泡沫，对一级市场的公司估值形成了巨大的冲击（因为未上市公司的估值没法降，最多平）。无论谁推项目，IC都会问这么一个问题：“这个项目对标的xx上市公司，PS估值现在才2倍。你这个还没利润，就要30倍，那我为什么不去买xx的股票？好歹还有流动性。”

整个投资热情迅速地冷却了，美元PE直接凉透，因为到挂更严重。VC如果投科技方向早期牛人，至少没历史包袱，手上还有钱还可以继续尝试，但是整个态度也审慎很多，估值也卡的很严。2022年很多美元基金的实际新投资项目可能都在10以内，要知道，高峰的时候可能年投资数量是70-150之间。

（这里说下降38%，但是一线从业者的体感是，光看美元下降90%）前几天还出了个新闻，拜登计划行政命令限制美企对中国芯片，AI，量子计算领域的投资，包含间接通过私募股权或者合资，技术转让等各种形式。虽然每次都说”下个月开始”，但是这就像悬在头顶的达摩克斯之剑，谁知道它什么时候掉下来呢？

所以，总结一下，为什么说美元凉了，因为我们常说基金的4个最重要的环节：募投管退。21-22年全出了问题。

1. 募资端。

•  美元加息回流，战争避险情绪，投入风险资产的资金减少。
• 由于滴滴审查，瑞幸，中概股退市等事件影响，LP对中国资产的信心不足。
• 投资热点转移到东南亚和拉美等地。

2. 投资端。

• 投资热点青黄不接（现在AI来了，你永远不用担心一级市场没有热点），当时热炒的元宇宙和ARVR还没有到成熟期，web3国内做不了。数据/安全/芯片半导体/能源等重要领域，美元想投都投不进去。
• 一二级估值倒挂严重。（逐渐修复中）

3. 退出端。

• 中概赴美上市政策影响退出受阻。从那之后就没有举足轻重的公司在美上市了，都是小鱼小虾或者神秘力量公司。（为什么不说管，因为没啥好管）

这也宣告了从2011年开始就有的大家熟知的，美元抱团击鼓传花模式投资模式的破产：

• 1⃣️找个牛人，攒局
• 2⃣️天使到B轮，几家头部美元抱团抬估值
• 3⃣️烧钱补贴，做数据
• 4⃣️合并，市占率绝对领先
• 5⃣️讲故事，赴美上市敲钟

在这个速成的循环里，如果真是好公司，人人受益，皆大欢喜。
一旦循环被打破，带来的恶果需要足够的时间（韭菜失去记忆到底需要几秒？）才能恢复。很多在好时候入行的朋友，现在才恍然大悟，原来”募投管退”最重要的是”退”，账面的增长没用，只有到手里的才是真的。机构的OKR变成不是你今年做了几个研究，投了几个项目，而是你个人的退出帮公司和LP赚了多少钱。其实本来就应该这样，但是泡沫时期你总会认为明天永远比今天更好。

另一方面，美元和RMB基金原本的投资方向是泾渭分明的，现在逐步在融合，因为大家都清楚地认识到了一个道理：在中国做投资，必须跟着政策走。（RMB基金：这个我熟！）头部美元其实之前都有RMB基金，甚至现在RMB的团队配置人数远超美元。没有RMB的，要么全跑海外去，要么人裁光，彻底躺平了。本来想着，答案在新闻联播那我照抄还不行吗？（IPO红绿灯还记得吗，跟我背：半导体集成电路人工智能大数据云计算智能制造数字经济，航空航天新能源汽车新材料合成生物高端医疗器械……）

可以，但是这个转向和适应的难度，也远远超出预期。1. 投资团队需要大换血。GP已经坐上那个位置了，换不了。GP们想：虽然我看不懂，但是下面得找一群讲得明白的人啊。所以裁员换人是必须的。于是乎大佬纷纷发出朋友圈英雄帖，招理工科博士，从RMB基金挖人。AI目前还不能让投资人失业，但是热点和周期切换可以。

（别担心，失业了可以来我们退役投资群聊聊天）

2. 募资端。美元的LP专业度高，风险偏好高，钱多事少离得远，除了开大会，平时基本不用操心。RMB完全不同，各方诉求都不一样，而且国资的比例日益加大。政府要产业落地，”返投要到位，产能要落地，税收要跟上”，各种大小领导还要服务到位。上市公司要战略合作，母基金要收益要合投，高净值个人回报敏感事还超多……（IR：我好累）对风险的容忍度也超低，毕竟涉及国有资产。很多国资的基金话语权甚至不在总经理那。这让一言堂，习惯博赔率的美元基金难以适应。想从美元转RMB基金的打工人，基本上也很难适应薪资和汇报机制，工作环境的落差，当惯了甲方的人怎么适应乙方的生存之道呢？但是波美元的卷王过来，RMB基金也很痛苦啊。本来统共不到10个亿市场规模的细分赛道，吭哧吭哧好不容易找到个项目，谈了2个月，对接了一堆资源，估值从12亿压到10亿。披着RMB基金外衣的美元狼冲进来，估值马上涨到15亿，还马上打钱。我找谁说理去？
以上说的，都是现象。现实情况就是这样，哀嚎一片。从业者都在一边卷，一边觉得行业完蛋了。虽然现在还有钱，可能手上这支投完就没有下支了。但是谁又知道呢？也许我们现在在周期的底部，等到美元降息周期一开始，股价开始上涨，国内AI终于有能打的产品，可能新一波的泡沫又开始酝酿。因为一级没有做空机制，保持乐观才能做一级。等悲观者都被洗出去了，乐观的新入行年轻人是没有过去的记忆的。

珍惜经历过周期的GP和创始人吧，他们会决定（一部分）未来潮水的走向。我为什么写文，因为我也是长期乐观党，想自己记录周期中的思考，希望被打脸，希望中国的创业投资可以继续发展，这是创新力的源泉。不同币种不同风险偏好的资金都可以找到适合的项目，早期创始人在融资时也能有更合理和健康的融资环境。2023年以来，宏观环境也在好转，疫情基本过去，抓经济成为重点，AI又让科技圈兴奋了起来，似乎又重现往日美元的荣光。希望这不是回光返照。

为什么我不做VC了

本来职业选择是一个很个人的事，因为也有一些朋友在问，所以想着干脆写篇文章，一劳永逸，下次直接转发就得了。防杠申明，个人经验仅供参考。

取这个标题是为了Echo一下我的朋友曲凯老师在2016年写的一篇同名文章（公号42章经可看），当时也引起了圈内的很大讨论。虽然他现在常拖更，但确实是出走创投圈说人话的先驱者。

不知道有多少人还记得2016年？居然已经是7年前了。

那一年，刚好是总理喊出“大众创业，万众创新”口号的2014-15年之后，资本市场在前两年的过热中，迎来了第一次的“资本寒冬”。

当时我还是一个在VC门口徘徊的新人，很多前辈已经悲观地留下了一句“红利期已经结束了”，离开了这个行业。今天回过来看，这个寒冬只能称得上是早秋的一阵寒流。

那一年发生了很多会在今天深刻影响我们生活的事情：

1. 宇宙的中心，字节跳动成立了，而快手在前一年成立。（SIG和晨兴资本多年后迎来巨大回报）
2. B站估值刚到10亿美金。（还记得当年的小破站吗？）
3. 拼多多的前身拼好货在2015年成立。（高榕资本凭借在PDD上的屡次加码一举封神）。
4. 共享经济是那一年的当红炸子鸡，与快的合并后的滴滴垄断了打车市场，新的热点以单车为首，后续还有一系列的充电宝，按摩机，娃娃机，KTV，无人货架在路上。（一个除了出行其他被全面证伪的赛道）
5. 在线教育行业很热，VIPKID在那年融了红杉，云锋的1亿美金，估值破百亿。（教育行业的结局大家都知道了，而vipkid这家公司的融资信息也停留在2019年，最新的新闻都是财产冻结和强制执行）
6. 比特币在那一年翻了一倍，达到了860美金。（刚看了下，今天比特币的价格是$22106，翻了25.7倍，堪称最强投资……）
7. 消费升级和品牌投资逐渐爆发，喜茶在那一年拿到了IDG和何伯权1亿rmb的A轮投资。（消费投资真正爆发在2018-19年，但其实更大的机会在pdd的消费降级）
8. 人工智能因为阿尔法狗引爆，商汤在那年融了1亿美金，虚拟助理成为投资热点。（今天看看是不是历史惊人地相似？……）

所以啊，年纪越大，经历越多，你就越敬畏历史，敬畏周期。会知道个人的成就得失只是历史浪潮中的一个小水花，没啥了不起的。

回看曲老师当年那篇文章，他想表达的其实就是如下观点：

• 投资热点从工具，电商，到O2O，B2B，到消费升级，文娱，互联网“元素”含量逐渐减弱，出现独角兽的几率大大减少了，风险投资的回报降低。
• 与此同时，年轻的VC从业者增多，大家比拼的不是判断，而是soucing找项目的能力。所以年轻的VC迅速的internal FA化，而FA房产中介化。不能很好锻炼自己的思考能力，也难以积累真正优质的人脉。
• 在市场处于交替期时，继续做VC会让自己的学习曲线变缓。也许在这个时候转身回到行业内做点实事会是更好的选择。

而这些，与今天我们面临的情景有很多相似之处。

相似之处是，由于国际形势和其他不可说的各种因素，风险投资的范式大幅转向。消费和软件哑火，AI和VR/AR处境尴尬，投硬科技的回报率相比之前更加大大减少，投资进入需要追求高胜率，低赔率的阶段。而之前的VC投互联网逻辑是追求高赔率，低胜率，两者逻辑完全不同。

投资逻辑变了，赛道变了，对思维模式，人才结构的要求自然也需要转向。

上面说的其实从业者也清楚，在我写东西的这段时间，有很多同行跟我表达过同样的焦虑。回看很多过去的信息，其实这种焦虑始终存在，只不过年景不好的时候，声量大点，好的时候说的人少点，而已。

其实VC行业的问题在当年就已经被充分讨论过了。

• 一，人的能力圈是有限的，所以成得看命。命是什么？就是既赌对细分行业，还要赶上周期的成长前期，还得找到最牛的那2-3个项目。（现在刚进入烈火烹油的热门行业做投资的朋友是不是背脊一凉）。
• 二，VC的交易频次很低，反馈周期很长，行业竞争很激烈。在这个过程中不断的自我怀疑，得不到正反馈的过程非常熬人。
• 三，收入没有想象高。反正我互联网的朋友们看了我写的前几篇关于收入的，给我的反馈是：就这？

作为个体，你无法选择你的出生时间，这决定了你所处的时代。能做的只有坚守。追风是没有意义的，要守到你专注的领域风来的那一天。

前面说了一大堆，说回自己身上。为什么离开VC，其实说到底就是5个字：混不下去了……哈哈哈哈哈。

机构有调整，现在的热点方向和我的兴趣及能力圈也完全不同，硬看挺痛苦的。当然个人业绩也不够好啦，毕竟这是个真金白银看回报的行业。大家都是混口饭吃，没必要上升到行业原罪。

但是在经过一段时间的思考之后，主动选择不再继续找VC的工作也确实有个人的几点考虑：

• 当前市场行情下，我个人的能力模块和热门行业需求匹配度比较低。我自己招过人，也帮其他portfolio招过人，了解HR的想法。我也并不想欠朋友人情。
• 在休息和思考未来之路的过程中，我对自己的了解逐渐加深了。作为一个水瓶座的INTP型人格，高薪诚可贵，自由价更高。有趣是对一个人的最高褒奖，体验和创造才是生而为人这几十年最好的礼物。
• 想想之所以当年非常努力要进入这个行业，也是觉得学习商业以及优秀的创业者打交道有意思，而不是为了赚钱过人上人的生活。所以我没那么“势利”（非贬义），其实也会导致交易的效率不够高。其实更直接渴望财富的人更加适合这个行业。
• 因为在行业呆的时间久，也逐渐对投资人这个光鲜的职业祛魅了。作为创业看客的学习已经到了瓶颈，想突破只能换一条路。与此同时，市场上虽然VC投资的大平台机会减少了，作为小个体公司的机会窗口却一直在不断涌现。
• 最后，很奇怪地，我有一种莫名的自信，觉得自己做点事回报也不会差，而且能获得更多的新的经验和价值。家人支持，之前的积累也足够让我去做一些尝试。很多新想法不断涌现，甚至有点后悔为什么不早一点。不过人就是这样，要把你扔到水里，才会学会游泳。

写东西自我袒露心声，也是我突破舒适圈的一种方式。意外的还得到了一些回音，挺开心的。

写到这里，我想应该找曲老师作为先驱者给我评论一下，当时那篇引起了一些争议，我跟他说，如果对这个话题没啥表达欲了，不评论也没关系。

但是他说：不！我要帮你，我现在写。（感恩的心❤️）

过了一会，他回复：

“有的人把工作只当做一份工作，有的人把工作当做一份事业。而对于一份事业来说，其实在不在机构，Title 是不是 VC 可能也没有那么重要。所以，当我离开 VC 后，反而有了更多的视角和成长，也更加发现了自己对于一级市场的热爱，创业是一种投资、VC 也是一种投资、选择去哪里打工同样也是一种投资，自己选择在什么地方花时间，最终获得选择的自由，就是一种最高回报的投资。”

我秒回：“不能再多认同了！”

就是如此。

By 佩妮

ICO 的消亡、IDO 的式微和 VC 对于早期项目代币的垄断，似乎赋予了“羊毛党”某种“梁山好汉”般的正义感及正确性。对早期用户空投也俨然成为市场对许多项目的“政治正确”所在。

一个月前，Arbitrum 基金会正式公布空投信息。

尽管不少羊毛党在Arbitrum“很卷”的空投规则中阵亡，但仍然不能否认，这是币圈又一场声势浩大的造富运动。“刷了几千个号”“拿了几十万个Token”“一夜自由”的传奇故事再度广为流传。

热情溢出到Starknet等发币潜力巨大的项目。据 0xScope 推特，在 Arbitrum 宣布空投后，其他有潜力空投的项目近日的每日活跃用户激增，其中 zkSync 和 StarkNet 增长最为明显，日活用户数增长约 10 倍以上。

网友调侃，最近zkSync Era交互已经卷到“有大爷大妈带退休金入场”。而也有不少专业空投工作室都针对zkSync空投开展了专业的“带撸”、培训班等业务。

从2020年9月，Uniswap开启的空投盛宴至今不到三年的时间，空投的形式、性质、参与规模等均发生了巨大的变化。空投不再单纯是一场链上的狂欢，其中涉及的利益相关方也逐渐卷入做市商、中心化交易所、钱包等，于是交易所抢上、大户砸盘、Gas战争、项目方官网宕机等名场面也开始频繁出现。

但无论是项目方还是羊毛党，都在这场猫鼠游戏中不断升级攻防手段，并逐渐演变成一种相互对抗但又相互依赖的诡异关系。

一、空投内卷简史

加密史上第一次空投最早可以追溯至 2014 年，一名叫 Baldur Friggjar Odinsson的程序员发明了“冰岛比特币”AuroraCoin，并且为冰岛的33万名公民每个人都空投了31.8个代币。此后虽然出现了多次空投，但影响有效。直到Uniswap 的 UNI 空投带来的财富效应，又重新点燃了人们对空投的热情。

如果我们把Uniswap作为Web3空投盛宴的起点，那么，空投发展大致可以分为以下几个阶段（类型）：

1、快照前交互：在空投早期，用户只要在快照之前的某个时间段交互过至少一次就有资格获得空投，例如 Uniswap、1inch等项目的空投。其中，Uniswap将15% 的代币空投给了超过 25 万个用户，基本上只要在2020 年 9 月 1 日之前使用过 Uniswap就可以获得至少400枚UNI，当时价值约800美元。

2、依据少数条件过滤地址：经历了第一阶段暴利的刺激后， “羊毛党”团体不断壮大，项目方开始对空投资格加上诸多限制条件，例如在不同的月份具有交互历史，交互金额高于100U等。此时，由于市场行情的走高，项目方的平均空投价值也在水涨船高，Ampleforth、Tornado.Cash等项目的平均空投价值均在5000美元左右，Ribbon Finance的平均空投价值甚至达到6万美元。

3、搭建节点等“硬核”交互要求：近期不少项目开始提高测试网用户的交互门槛，尤其是“必然发币”的公链项目，例如Aptos、Aleo、Iron Fish等公链项目，用户大多需要购买云服务器。具体以已经发空投的Aptos为例，用户需要参与节点测试，而参与节点测试需要购买海外服务器，并进行环境配置，需要有一定的Linux基础。而对于用户来说，这种类型的交互门槛高，且付出的成本高。

4、积分制空投：积分制本着多劳多得的原则对用户进行激励。例如NFT市场 Blur的空投规则，不仅会依据拉新人数、交易数量和交易金额等发放积分，而且也通过多次空投、分阶段的空投保证用户的留存率和忠诚度。在激励明码标价、非常明确的前提下，产生的网络效应自然非常可观。

实际上，Arbitrum同样属于积分制空投的“优等生”。 Arbitrum 此次空投综合考虑了多方面的因素，综合了时间跨度、交互金额、交互频率、交互频次等多个因素来对用户进行阶梯式空投，不仅有加分项，也会依据反女巫规则进行减分。在对交易大户进行激励的同时也照顾到了部分小成本用户。

Arbitrum空投相关数据，目前仍有少量地址未领取空投，来源：Dune

5、社区举报女巫运动：除了通过特点的规则筛选、检测女巫，部分项目方为了识别出更多的女巫地址还会群策群力，在社区发起空投猎人和举报女巫活动。此前 Hop、Optimism、Safe都曾发起举报女巫运动。比如，Optimism去年空投中，通过官方调查+社区举报等抓出了1.7万个女巫，女巫率约7%。

但类似的社区挑战也引发了较大争议。例如去年Safe空投时规定，成功举报空投猎人的用户可获得被举报者 25% 的 SAFE ，剩余的 75% 将分配给其他所有符合条件的人。对于在被其他人举报之前主动自首的空投猎人，可以保留 25%。在强激励下，最初符合空投条件的 43,058 个地址中，有近四分之一 已被认定为女巫攻击者，并取消其在本次空投计划中的资格。因为扫射面过大，项目方被指责不符合“Web3精神”“缺乏格局”等。所以，之后鲜有项目方再采取类似反女巫手段。

6、KYC、灵魂绑定代币（SBT）等身份验证：SBT的重要用例之一的确是反女巫，但目前并未被项目方普遍用于空投检测，原因有二：一是SBT基础设施尚不完善，二是在Web3早期发展阶段仍需利用“羊毛党”带来的网络效应。

此外，和KYC一样，SBT用于空投检测女巫时仍面临较大争议。去年9月，币安推出灵魂绑定代币BAB，持有即可获得14个潜在空投。但不少人批评，这无疑是在“拿利益交换灵魂”，通过一些“羊毛和空投”就可以获取到一个用户的个人信息，方法甚至比Web2更廉价。

即将发布空投的隐私的公链 IronFish 因需要 KYC 才能获得测试奖励也招来不少批评的声音。Iron Fish 为获得激励的用户推出网站并发送电子邮件，其中包含经过验证的电子邮件和测试网点。用户收到通知后，前往兑换门户并完成 KYC 流程。每位用户仅限兑换一次测试网奖励代币。

除了 KYC 流程外，Iron Fish 还将在内部进行重复数据删除和批准流程。3 月 9 日，官方团队在 Discord 宣布已经禁止了 97281 (57%) 个帐户，有 171891 名用户获得积分，预计会有更多账户无法通过 KYC 并将被进一步过滤。

Iron Fish 代币经济模型

总体而言，空投进化史略等同于反女巫史。

在不断对抗升级的过程中，越来越多的项目方和数据分析平台在女巫地址识别上都已经形成了自己的标准和手段。

据数据平台X-Explore分析，由于女巫地址是由一个实体所控制的多个地址，通常会有同一个资金账户转账给这些女巫地址来进行薅羊毛的行为，因此资金来源的一致性，就是判断女巫地址最直接的标准。专业的女巫或者“羊毛党”则会借由脚本来控制多个地址，来与几个潜在空投项目做交互，因此地址和地址之间的“交易记录相似性”是评断女巫的另一个重要的指标。

以Arbitrum为例，相比其他项目方，其在空投设计上较为用心，且综合运用了多种手段。反女巫数据分析平台 Trust Labs 认为Arbitrum在反女巫上有多处可圈可点：1）利用Nansen的地址标签，特意排除了CEX、Bridge地址，这样可以减少误杀；2）其核心团队Offchain Labs亲自下场分析女巫行为，使用了the Louvain Community Detection Algorithm基于资金网络进行分析；3）考虑了HOP的黑名单。

使用the Louvain Community Detection Algorithm基于资金网络的分析、利用过往项目方的黑名单都是目前较为常用的反女巫策略。此外，TrustScan还会考虑批量操作和相同行为序列等反女巫手段。

当然，即便Arbitrum和其他项目相比，已经对女巫非常严格，但仍存在很多漏洞。根据 X-Explore 的估计，Arbitrum 空投中仍包含约 15 万个女巫地址和至少 4000 个女巫社区，项目方并没有办法识别下列的女巫：1. 从交易所出入金的女巫地址；2. 透过合约分散资金的女巫地址；3. 使用跨链桥转移资金的女巫地址；4. 在快照之后才有归集行为的女巫地址；5. 只针对 ETH、Arbitrum 上有女巫行为的地址检测，没有把其他 Layer 2 链的女巫检测结果纳入考量。

尽管项目方空投条件越来越苛刻，在反女巫技术上也逐步专业化、精细化，但“羊毛党”也毫不示弱，在与项目方的对抗中不断武装着自己。

二、“撸毛党”专业化：工作室、分销模式趋于成熟

所谓“道高一尺，魔高一丈”，撸毛难度伴随着每次大规模空投进行升级。散户逐渐面临无利润甚至被反撸的风险，“羊毛党”同样开始走向专业化，大量空投工作室、培训班和分销模式的出现，也在一定程度上标志着这个小众行业在逐渐走向成熟。

网传 zkSync 交互 gas 花费表

针对项目方的反女巫策略，空投工作室也演化出不同的应对策略。

钱鑫是从Uniswap空投时期开始的“专业户”。在感受到大规模空投的趋势后，他就养成了定期看项目和交互的习惯。他一直坚持的一个原则是以“早期贡献者”的状态去交互，并进行手动操作，他的空投策略几乎可以总结为“没有技巧，全靠勤奋”。

在最近的Arbitrum 空投中，钱鑫纯靠手动操作的69个号大约有一半都拿到了空投。对比之下，其近期成立的工作室也在Arbitrum生态首次尝试群控和批量交互，但因为转账金额、交互内容高度重复，最终1300个地址仅有2个地址获得空投，其他都被“毙掉”了。钱鑫也一直劝自己所在社区的“羊毛党”们少用工具。

“我在交互项目时，是真的认可这个生态，甚至愿意扮演早期贡献者的角色”，钱鑫表示，空投的本质是Gas补贴，但如果生态发展良好，甚至不需要依赖空投覆盖成本。他在Arbitrum上前后交互了两年时间，其中有很多地址都通过交互 Magic生态、GMX等发展较好的项目赚了一些钱，因而覆盖掉了gas费等交互成本。

钱鑫认为，空投工作室和一级市场的投资非常类似。选择哪个项目进行交互或者说“撸羊毛”的过程同样需要行业认知、对项目方保持高度关注并及时捕捉信息，这些行为和投研机构做的事情没有本质区别。

和钱鑫的策略不同，昊天所在的空投工作室“木偶师”专门组建了自己的技术团队开发了一套更严密的空投工具。

据昊天介绍，团队最早一直在做投研和一二级市场的投资，但去年Luna暴雷后，市场持续下跌，尤其对于二级市场投资的影响巨大，团队不得不开始考虑如何更好地生存下去。行业内有个流行的说法是“熊市撸毛，牛市炒币”，对于小型投资机构和普通用户来说，想要穿越牛熊，“撸空投”或许是一个选择。于是，团队在经过充分调研之后，决定开辟了一个专门的“撸空投”部门，部门成立后对过往明星项目进行了深度对比研究，并在此基础上形成了自己的策略。

群控软件操作界面

去年11月，团队开始尝试批量操作，虽然找了很多类似指纹浏览器、群控软件和云服务器等提高交互效率的工具，但是他们发现目前市场上并没有很好的产品能够充分满足目前不是“科学家羊毛党”的需求。于是，在现有工具基础上，团队便着手开发了一套无需代码能力就可以操作的交互系统。

据“木偶师”团队介绍，在近期Arbitrum空投中，工作室大约有小千个地址拿到了空投，但因为去年11月开始开发的系统才开始正式投入使用，所以时间上较为仓促，“不然最多就会有五千个地址能拿到空投”。在具体交互行为上，团队抱着投研的目的进行交互，对于投入的成本、时间和交互的次数都有一定的要求，像Arbitrum这次的成本就挺高的。此外，拿到Arbitrum的空投之后，他们并没有着急“出货”，因为团队在交互的过程对Arbitrum这条二层公链的体验非常好，后续也希望能继续深度参与生态，寻找更多机会。

而提到加密市场对于“撸毛党”的评价，“木偶师”团队认为，空投工作室实际上正在改变一级市场的投资格局。“很早之前，普通用户在Coinlist 上有机会拿到像Flow这种比较优质的筹码，但自从大机构入场以后只有像a16z、红杉这种大风投机构才能拿到优质项目的早期代币，而撸空投可以让普通用户也能拿到优质项目的筹码。”

“木偶师”团队表示，去年开始的熊市似乎和此前的情形略有不同，并没有多少用户离开这个圈子，而是选择“撸羊毛”和交互项目持续等待。实际上，羊毛党在一定程度上能够帮助优质的项目方度过熊市——Arbitrum在2月公布过一个数据，其链上协议收入是78万美元，这就说明在撸毛的也是真实的用户，在为项目方带来实际收益，陪伴优质项目一直做下去。此外，撸毛的专业化会倒逼项目方在认真做产品这个方向上更专业，进而推动行业的发展。

三、重新定义“撸毛党”

加密市场似乎对“撸毛党”风评变了。

在空投早期，使用大量地址批量交互的羊毛党被视为投机者和搅局者，对于认真做事的项目方来说，“激素流动性”并没有什么吸引力，从长远来看，短期好看的数据并不会给项目方带来价值。此外，女巫或女巫社区通过刷量会导致代币囤积，会影响项目代币分发公平性。

以Aptos 为例，其在最终测试网阶段数据高得惊人——测试网在不到 2 周的时间内完成了超过 8 亿笔交易，实现超过 4000 TPS。空投过后，Aptos活跃地址数、交易笔数和TPS迅速下降。据Aptos explorer显示，目前 Aptos链上平均TPS仅为 10。

此外，Aptos因未防女巫攻击，导致羊毛党大获全胜，直接结果就是Aptos代币上线后便出现巨大的抛压。

Aptos 日活跃用户变化，来源：GenliData

Aptos 综合交易量变化，来源：GenliData

但客观来讲，Aptos空投引发了前所未有的财富效应和出圈的网络效应，一时间，大批掘金者涌入Web3，带着满腔热情开始寻求下一个暴富机会。

但ICO的消亡、IDO的式微和VC对于早期项目代币的垄断，似乎赋予了“羊毛党”某种“梁山好汉”般的正义感及正确性。对早期用户空投也俨然成为市场对许多项目的“道德要求”与“政治正确”所在。

加密KOL@煌道曾在其社交媒体上发文：“撸毛本质上撸的不是毛，而是区块链明星初创企业的原始股。”而Element创始人王峰也曾在推特上表示：“近一年的观察，撸毛日趋成为准一级市场投资……”

不少圈内人对此类观点表示赞同，毕竟像Arbitrum、Aptos这种明星项目，只有顶级VC才有机会拿到早期代币份额。而如果把“撸毛”当做一种投资行为，反而要比ICO安全更多。

而从生态角度看，“撸毛党”已经成为Web3生态发展的重要部分。小白用户通过空投预期进入Web3领域并获取可观收益，项目方通过测试网的交互任务实现了教育用户的目的。而在Web3发展早期，项目方在测试网阶段的确需要大量“羊毛党”来进行一定的压力测试来更好完善网络性能。此外，市场也有猜测称，项目方可以通过空投保证代币分布的去中心化，而非高度集中于团队与VC，因而在应对监管与上大所方面处于有利位置。

更有甚者，如今的“撸毛”生态已经成为项目方、用户与VC机构的一场“合谋”，各方各取所需，最终从代币二级市场抽取利益。

四、空投的终极演变形态

随着行业“内卷”，赛道划分会越来越细。有专业空投工作室出现，就有专业反女巫机构的出现。

项目方的确存在保护真实用户利益、公平发行代币、为优化产品而过滤羊毛党的需求，而反女巫可以称得上是一个“精细活”，项目方不一定有足够的技术手段和时间精力剔除女巫账户，专业第三方不仅从识别算法上会更加完整，也会协助项目方设计更多运营策略。

Trust labs 就是一家专门反女巫的工作室，目前已经和部分公链、DAO和DID等项目合作，其防女巫的适用场景也不仅局限于空投，也适用于捐赠投票、市场活动甚至有用户行为分析需求的场景。Trust labs认为，一个健康持续的Web3社区会逐渐形成反女巫的共识，未来反女巫会和代码审计一样成为项目方的必选动作。

而X-Explorer认为，伴随着越来越多的“撸毛党”和专业空投工作室的出现，以及随着Web2的黑灰产团队入场，撸毛的自动化能力也越来越完善，撸毛赛道的内卷程度加剧后其收益并不乐观。撸毛是与项目进行交互，测试项目的各种性能，因此其更倾向于专业的空投工作室与项目方之间进行合作，以技术测试的方式对项目的各种性能问题进行大规模压测。最终会形成“双赢”的局面。

随着 ChatGPT 的出现，Twitter 上也开始充斥着各种用AI工具产生撸毛脚本的教程，使得“撸毛党”的门槛正在逐渐降低。不难想象，未来“撸毛党”的行为模式在AI的助力下，可能变得越发“扑朔迷离”难以追踪，对抗成本也将随之上升。在这个前提下，项目方更需要专业数据分析平台的协助。

事实上，互联网撸羊毛历史由来已久。早在互联网流量大战时期，在优惠券、抢红包、积分兑换、VIP等各种羊毛的刺激下，也诞生了不少类似挂机撸毛软件、工作室等灰色产业。

而游戏领域在游戏装备等高额利润刺激下，也诞生了打金工作室等灰产，通过多设备、多开器、云平台等实现大批量角色同时在线，利用按键脚本或群控软件等第三方辅助重复刷取游戏内游戏币资源获利。但很快，各家安全、数据公司很快就出现了更为严苛的检测工具和防挂机软件。

但Web3是否最终会形成像Web2那样精细的反女巫产业？

在行业发展早期，空投引发的一场又一场财富效应和去中心化的终极理想对越来越多的人进入web3项目实际上是有正向意义的，仍有掘金机会和“暴富幻梦”，也是Web3最大的魅力所在。因此，目前多数的项目方本着“水至清则无鱼”的哲学，为这个“幻梦”留有一道缝隙。

在互联网行业，随着流量红利周期的结束，羊毛党大军大多也偃旗息鼓，Web3行业也会遵循类似的轨迹吗？可以确定的是，空投作为Web3项目“社区共建/主导”理念的具体体现，它会长期存在于行业，为志在Web3的个体用户提供广阔的施展空间。

尽管工作室式“撸毛”在早期收获巨额收益，但随着行业逐渐成熟，空投内卷程度的加深、项目方反女巫手段的升级，当工作室的收益难以覆盖上千上万账号的成本时，工作室式“撸毛”或许将进入不可持续阶段并逐渐沉寂。

StarkNet、zkSync 们，会是羊毛党们最后的狂欢吗？

By 念青，ChainCatcher

就连AI布道人陆奇都说他跟不上大模型时代的狂飙速度了。他让下属做“大模型日报”，一方面便于他跟上论文和信息更新，另一方面给奇绩生态创业者共享。他用了三个“实在”表达这一点。“我实在不行了，论文实在是跟不上，代码实在是跟不上。Just too much（太多了）。”陆奇在近期一次分享活动上说。

这样的时刻还从没有过。奇绩创坛创始人兼CEO陆奇是中国AI布道人，也是中国针对大模型最有发言权的人之一。他曾在全球巨头身居要职，先后任职于IBM、雅虎、微软、百度，曾是华人在美国科技公司最有权威的高层人士，位至雅虎和微软执行副总裁，回国加盟百度出任集团总裁兼COO。陆奇以勤勉的工作为科技圈著称——每天清晨4点起床，跑步5英里，6点准时到办公室。

同时，他和OpenAI有着深厚渊源。陆奇所掌管的奇绩前身是YC中国，是美国著名创业孵化器YC（Y Combinator）的中国分支。他也是YC全球研究院院长。而OpenAI首席执行官Sam Altman正是YC二代接班者、现任总裁。两人虽相差24岁，却是忘年交，相识已逾18年。当初正是Sam Altman屡次力邀陆奇加盟YC。所以，陆奇对YC、对Sam Altman和OpenAI都有长期的近距离观察。

2023年4月22日，陆奇在上海举行小规模演讲。陆奇希望帮助中国创业者认清这次历史性的拐点时刻，定位今天的时代坐标、找准自己的位置。“这个时代跟淘金时代很像，”他说道，“如果你那个时候去加州淘金，一大堆人会死掉。但是卖勺子、卖铲子的人永远可以赚钱。”

陆奇很反感蹭热点，他一再警示创业者蹭热点只会浪费机会。到现在为止，你几乎很难在公开渠道听到陆奇的观点。这也让本次演讲具有稀缺性。

事实上，在大模型快速达成社会共识之际，一部分人期待陆奇博士披甲上阵，做“中国的Sam Altman”——扮演可能比一名投资者、布道者更关键的角色。但据奇绩内部人说：“Qi目前100%时间花在奇绩。”

腾讯新闻作者将这场分享进行了完整的整理——演讲涵盖他对大模型时代的宏观思考，包括拐点的内在动因、技术演进、创业公司结构性机会点以及给创业者的建议。大家可以各取所需。

好了，让我们来看看陆奇怎么说。为了方便阅读，作者做了一些字句修改和文本优化。

01 社会性拐点的核心，是一类大型成本从边际成本变成固定成本

我认识Sam Altman是2005年，他那时19岁不到，我已经40多岁了。

我们俩是忘年交。他是一个很善良也很奇怪的小孩，今天很高兴他能这样改变世界。前不久，我春节在美国3个月，也到OpenAI和Sam聊了一些。

首先，怎么理解这个新范式？这张图能把ChatGPT和OpenAI所带来的一切讲清楚。之后，基于第一性原理，你自然会推演出所在赛道的机会和挑战。

这张图是“三位一体结构演化模式”，本质是讲任何复杂体系，包括一个人、一家公司、一个社会，甚至数字化本身的数字化体系，都是复杂体系。“三位一体”包括：

① “信息”系统（subsystem of information），从环境当中获得信息；

② “模型”系统（subsystem of model），对信息做一种表达，进行推理和规划；

③ “行动”系统（subsystem of action），我们最终和环境做交互，达到人类想达到的目的。

任何体系，都是这三个体系的组合，数字化系统尤其如此。数字化和人分不开。人也一样，人要获得信息、表达信息、行动解决问题或满足需求。

基于此，我们可以得出一个简单结论。今天大部分数字化产品和公司，包括Google、微软、阿里、字节，本质是信息搬运公司。一定要记住，我们所做的一切，一切的一切，包括在座的大部分企业都在搬运信息。Nothing more than that，You just move bytes（仅此而已，你只是移动字节）。但它已经足够好，改变了世界。

早在1995-1996年，通过PC互联网迎来一个拐点。那时我刚从CMU（卡内基梅隆大学）毕业。大量公司层出不穷，其中诞生了一家伟大公司叫Google。为什么会有这个拐点？为什么会有爆炸式增长？把这个观点讲清楚，就能把今天的拐点讲清楚。

原因是，获取信息的边际成本开始变成固定成本。

一定要记住，任何改变社会、改变产业的，永远是结构性改变。这个结构性改变往往是一类大型成本，从边际成本变成固定成本。

举个例子，我在CMU念书开车离开匹茨堡出去，一张地图3美元，获取信息很贵。今天我要地图，还是有价钱，但都变成固定价格。Google平均一年付10亿美元做一张地图，但每个用户要获得地图的信息，基本上代价是0。也就是说，获取信息成本变0的时候，它一定改变了所有产业。这就是过去20年发生的，今天基本是free information everywhere（免费的信息无处不在）。

Google为什么伟大？它把边际成本变成固定成本。Google固定成本很高，但它有个简单商业模式叫广告，它是世界上高盈利、改变世界的公司，这是拐点关键。

今天2022-2023年的拐点是什么？它不可阻挡、势不可挡，原因是什么？一模一样。模型的成本从边际走向固定，因为有件事叫大模型。

模型的成本开始从边际走向固定，大模型是技术核心、产业化基础。OpenAI搭好了，发展速度爬升会很快。为什么模型这么重要、这个拐点这么重要？因为模型和人有内在关系。我们每个人都是模型的组合。人有三种模型：

① 认知模型，我们能看、能听、能思考、能规划；

② 任务模型，我们能爬楼梯、搬椅子剥鸡蛋；

③ 领域模型，我们有些人是医生，有些人是律师，有些人是码农。

That’s all。我们对社会所有贡献都是这三种模型的组合。每个人不是靠手和腿的力量赚钱，而是靠脑袋活。

简单想一想，如果你没有多大见解，你的模型能力大模型都有，或者大模型会逐步学会你所有的模型，那会怎样？——未来，唯一有价值的是你有多大见解。

人类社会是技术驱动。从农业时代，人用工具做简单劳动，最大问题是人和土地绑定，人缺少流通性，没有自由。工业发展对人最大变化是人可以动了，可以到城市和工厂。早期工业体系以体力劳动为主、脑力劳动为辅，但随着机械化、电气化、电子化，人的体力劳动下降。信息化时代以后，人以脑力劳动为主，经济从商品经济转向服务经济——码农、设计师、分析师成为我们时代的典型职业。

这一次大模型拐点会让所有服务经济中的人、蓝领基本都受影响，因为他们是模型，除非有独到见解，否则你今天所从事的服务大模型都有。下一时代典型的职业，我们认为是创业者和科学家。

所以，这次变革影响每个人。它影响整个社会。

02 我所看到的三个拐点

下个拐点是什么？

下个拐点将是组合：“行动”无处不在（自动驾驶、机器人、空间计算）。也就是人需要在物理空间里行动，它的代价也从边际走向固定。20年后，这个房子里所有一切都有机械臂，都有自动化的东西。我需要的任何东西，按个按钮，软件可以动，今天还需要找人。

那么，哪些公司能走到下个拐点、站在下个拐点？我认为特斯拉有很高概率，它的自动驾驶、机器人现在很厉害。微软今天跟着OpenAI爬坡，但怎么站住下个拐点？

接下来讲一下我们看到的三个拐点：

① 今天信息已经无处不在了，接下来15-20年，模型就是知识，将无处不在。以后手机上打开，任何联网，模型就过来了。它教你怎么去解答法律问题，怎么去做医学检验。不管什么样的模型都可以无处不在。

② 在未来，自动化、自主化的动作可以无处不在。

③ 人和数字化的技术共同进化。Sam最近经常讲，它必须要共同进化，才能达到通用智能（AGI）。通用智能四大要素是：涌现（emergence）+代理（agency）+功能可见性（affordence）+具象（embodiment）。

总结来说，我们从根本性的三位一体结构分析未来，从过去的历史拐点能清晰看到今天所面临的拐点，本质是模型成本从边际走向固定，将有一家甚至多家伟大公司诞生。毫无疑问，OpenAI处于领先。

虽然讲得有点早，但我个人认为，OpenAI未来肯定比Google大。只不过是大1倍、5倍还是10倍。

03 OpenAI核心就坚信两件事，发展速度连Sam本人都惊讶

下面我从技术角度讲OpenAI大事迹，它怎么把大模型时代带来的？

为什么讲OpenAI，不讲Google、微软。讲真心话，因为我知道，微软好几千人也做这个，但不如OpenAI。一开始比尔·盖茨根本不相信OpenAI，大概6个月前他还不相信。4个月前看到GPT-4的demo（产品原型），目瞪口呆。他写了文章说：It’s a shock，this thing is amazing（这太令人震惊了，这东西太神奇了）。谷歌内部也目瞪口呆。

OpenAI一路走下来的关键技术：

① GPT-1是第一次使用预训练方法来实现高效语言理解的训练；

② GPT-2主要采用了迁移学习技术，能在多种任务中高效应用预训练信息，并进一步提高语言理解能力；

③ DALL·E是走到另外一个模态；

④ GPT-3主要注重泛化能力，few-shot（小样本）的泛化；

⑤ GPT-3.5 instruction following（指令遵循）和tuning（微调）是最大突破；

⑥ GPT-4 已经开始实现工程化。

⑦ 2023年3月的Plugin是生态化。

OpenAI的融资结构为什么这么设计？和Sam早期目标和对未来的判断分不开。他知道要融很多钱，但股权设计有一个很大挑战——容易把回报和控制混在一起——所以他要设计一个结构，让它不受任何股东的制约。于是，OpenAI的投资者没有控制权，他们的协议是一种债的结构。如果赚完2万亿，接下来是non-profit（不再盈利了），一切回归社会。这个时代需要新的结构。

它势不可挡。Sam Altman自己都surprise，连他都没想到会那么快。

如果大家对技术感兴趣，Ilya Sutskever（OpenAI联合创始人兼首席科学家）很重要，他坚信两件事。

第一是模型架构。它要足够深，只要到了一定深度，bigness is betterness（大就是好）。只要有算力，只要有数据，越大越好。他们一开始是LSTN（long short term memory），后来看到Transformer就用Transformer。

第二个OpenAI相信的是，任何范式、改变一切的范式永远有个引擎，这个引擎能不断前进、不断产生价值。

这个引擎基本是一个模型体系（model system），它的核心是模型架构Transformer，就是sequence model（序列模型）：sequence in、sequence out、encode、decode后者decode only。但最终的核心是GPT，也就是预训练之后的Transformer，它可以把信息高度压缩。Ilya有个信念：如果你能高效压缩信息，你一定已经得到知识，不然你没法压缩信息。所以，你把信息高效压缩的话，you got to have some knowledge（你得有一些知识）。

Ilya坚信GPT3、3. 5，当然GPT-4更是，它已经有一个世界模型在里面。虽然你做的事是predict next word（预测下一个关键词），这只不过是优化手段，它已经表达了世界的信息，而且它能持续地提高模型能力，尤其是目前研究比较多的在子概念空间当中做泛化。知识图谱真的不行。如果哪个同学做知识图谱，我认真跟你讲，你不要用知识图谱。我自己也做知识图谱20多年，just don’t do that。Just pretty bad。It does not work at all。You should use Transformer。（不要那样做。很糟糕。它根本不起作用。你应该使用Transformer。）

更重要的是用增强学习，加上人的反馈，与人的价值对齐。因为GPT已经做了4年多，知识已经封装在里面了，过去真的是用不起来，也很难用。

最大的是对齐（alignment engineering），尤其是instruction following和自然语言对齐。当然也可以跟代码、表格、图表对齐。

做大模型是很难的，很大难度是infra（基础设施）。我在微软的时候，我们每个服务器都不用网卡，都放了FPGA。网络的IO的带宽速度都是无限带宽技术（Infiniband），服务器和服务器之间是直接访问内存。为什么？因为Transformer是密度模型，它不光是算力问题，对带宽要求极高，你就想GPT-4需要24000张到25000张卡训练，试想世界上多少人能做这种系统。所有数据、data center网络架构都不一样。它不是一个三层的架构，必须是东西向的网络架构。所以这里要做大量的工作。

Token很重要。全世界可能有40-50个确定的token，就是语言的token和模态，现在有更多的token化。当然现在更多的模型的参数小型化、本地化，任务领域的专业知识可以融入这些大模型当中。它的可操纵性主要是靠提示和调试，尤其是根据指令来调，或者对齐来调试，或者in-context learning（上下文学习），这个已经贯彻比较清晰了。它的可操作性是越来越强。可拓展性基本上也足够。

加在一起，这个引擎并不完美。足够好、足够强的引擎，我没从没有过。

以上是引擎，拐点是怎么到的？ChatGPT能在历史上第一次两个月1亿活跃用户，挡都挡不住，为什么？

① 它封装了世界上所有知识。

② 它有足够强的学习和推理能力，GPT-3能力在高中生和大学生之间，GPT-4不光是进斯坦福，而且是斯坦福排名很靠前的人。

③ 它的领域足够宽，知识足够深，又足够好用。自然语言最大的突破是好用。扩展性也足够好。当然还是很贵，像2万多张卡，训练几个月这么大的工程。不过也没贵到那么离谱——Google可以做，微软可以做，中国几个大公司能做，创业公司融钱也能做。

加在一起，范式的临界点到了，拐点已经到来。

稍微啰嗦几句，我做自然语言20多年，原来的自然语言处理有14种任务，我能够把动词找出来、名词找出来、句子分析清楚。即使分析清楚，你知道这是形容词，这是动词，这是名词——那这个名词是包香烟？还是你的舅舅？还是一个坟墓？还是个电影？No idea（不知道）。你需要的是知识。自然语言处理没有知识永远没用。

The only way to make natural language work is you have knowledge（让自然语言处理有效的唯一路径是你有知识）。正好Transformer把这么多知识压缩在一起了，这是它的最大突破。

04 未来是一个模型无处不在的时代

OpenAI未来2-3年要做的——模型更稀疏一点，现在它对带宽要求实在太高，要把attention window拉长一点，或者是recursion causality推理的功能，包括brainstorming等一些工作要做。当然有一些grounding的东西，包括亚符号、子概念的都可以做。更多的模态，更多的token空间，更多的模型稳定性，更多的潜在空间（例如Latent Space对齐），更多的计算，更多的基础架构工具。2-3年基本排满。也就是说，我们大概知道需要什么去把这个引擎继续做大。

不过这个飞轮启动，主要是资本大量进来。美国2023年1月到3月，挡也挡不住，钱全进去了，每个月都在比上个月增长。中国基本也一样，商业模式、盈利模式有初步规模，基础设施、平台应用、生态在加速开发，初创公司、大型企业都在进入。

当然社会的安全、监管，一大堆问题——现在这些是OpenAI最头痛的——Sam在美国花大量精力让社会认可这个技术。现在OpenAI核心做的是，把推进速度变慢，每推进新版本，都有足够时间让用户给他们足够反馈，找到潜在风险点，有足够时间弥补。但加在一起，增长飞轮的雏形基本上起来了。

有了飞轮，我认为发展路径核心是模型的可延伸性和未来模型的生态。是一个模型无处不在的时代。

未来的模型世界会怎么发展？首先是将有更多大模型会出来。更多更完整的模态和更完整的世界知识在这里。你有大量的知识、更多的模态，学习能力、泛化能力和泛化机制一定会加强。

此外，会有更多的对齐工作要做。OpenAI目前会关注什么呢？今天对齐基本上是做到，有一部分人能接受但你也得罪很多人，很多人每天骂GPT。他们想要做到是足够宽的一个对齐，希望有个像美国宪章这样一个结果，虽然ChatGPT不是大家都能够认可，但它足够平稳、综合，大部分人能接受，这是对齐工程。自然语言也好，代码也好，数学公式也好，表单也好，有大量对齐工作要做。

还有更多的模态对齐。这里先讲human scale的模态，它主要是对人的描述，以人的语言为主，它的模态目前是语言和图形，以后有更多的模态会接入。这是大模型层面。

在大模型之上建立的模型更多了。我判断主要是有两类模型和他们的组合。第一是事情的模型，人类每一类需求都有领域/工作模型，其中有结构模型、流程模型、需求模型和任务模型，尤其是记忆和先验。

第二，人的模型，包括认知/任务模型，它是个体的，其中有专业模型，有认知模型、运动模型和人的记忆先验。人基本是这几类模型的组合，律师也好，医生也好，大量领域会有大量模型往前走。

人的模型和学的模型有本质区别，这是我过去1-2个月个人收获较多的。

首先，人一直在建立模型。人的模型好处是泛化的时候更深、更专业，基本是用符号（例如数学公式）或结构（例如画流程图）。它具体用，说实话都不好用。人的模型要么像物理公式解决很宏观的问题，要么解决很微观的问题。我们日常生活的问题，物理一点用都没有——没法告诉我这个树的叶子的形状，狗的猫的颜色为什么是这样子？没有任何模型可以解这个。很大问题是它的模型是静态的，不会场景变化。

今天有很多模型，比方说数字孪生，很难用。因为物理世界一直在变，这个模型僵硬、不变，就用不起来。尤其是用知识图谱建的模型，我做了几十年，超级难算，函数结构差得一塌糊涂。所以人的模型有好处，专业性强，但有很大缺点。

学出来的模型，首先，它本质是场景化的，因为它的token是场景化的。其次，它适应性很强，环境变了，token也变了，模型自然会随着环境变；第三，它的泛化拓展性有大量理论工作要做，但是目前子概念空间的泛化，看来是很有潜在发展空间的这样一种模型的特性。它好用，因为它可以对齐人的使用倾向或人的自然语言、表格等等。它的计算性内在是过程性的。这里有大的问题，就是人表达知识倾向运用结构，但真正能解决问题的是过程，人不适合用过程来表达。

ChatGPT代表的模型跟人的模型相辅相成，长期可以融在一起。我们看到的未来是更多模型的生态，新的领域、新的专业、新的结构、新的场景、新的适应能力，形成闭环，不断加强认知和推理能力。当然，最终还是要所谓叫grounding，跟感知要ground，和接入行动的能力，形成真正的智能。

某种意义上20-30年后，这个模型世界跟生物世界有很多类似的地方。大模型我觉得像基因，有不同的种类，然后进化。我们目前能看到未来核心技术模型世界，它是用这个方法来向前驱动。

我们基本对这个时代的范式有了结构性的理解。那么接下来，我们如何拥抱这个时代？

05 每周都有一两个“HOLLY SHIT” moment，对每个人、每个行业都有结构性影响

我个人过去10个月，每天看东西是挺多的，但最近实在受不了。就真的是跟不上。发展速度非常非常快。最近我们开始发行“大模型日报”，是我实在不行了，论文实在是跟不上，代码实在是跟不上——just too much（太多了）——基本上，每周都会有一两个“HOLLY SHIT” moment。

Holly shit！You can do this now。

世界在哗哗哗地变。我曾经说1995-1996年有这种感觉，但这个比1995-1996年还要强。为什么？模型的成本从边际转向固定，知识创造就是模型和知识的获取，它结构性做演变了。

生产资本从两个层次全面提高。第一，所有动脑筋的工作，可以降低成本、提升产能。我们目前有一个基本假设，码农成本会降低，但对码农的需求会大量增加，码农不用担心。因为对软件的需求会大量增加，就是这个东西便宜了，都买嘛。软件永远可以解决更多问题，但有些行业未必。这是生产资本的广泛提高。

第二，生产资本深层提升。有一些行业的生产资本本质是模型驱动，比如医疗就是一个模型行业，一个好医生是一个好模型，一个好护士是一种好模型。医疗这种产业，本质是强模型驱动。现在模型提高了，科学也随之提高。在游戏核心产业，我们的产能将本质性、深度提高。产业的发展速度会加快，因为科学的发展速度加快了，开发的速度加快了，每个行业的心跳都会加快。因此，我们认为下个拐点会加速。用大模型做机器人、自动化、自动驾驶，挡也挡不住。

它对每个人都将产生深远和系统性影响。我们的假设是每个人很快将有副驾驶员，不光是1个，可能5个、6个。有些副驾驶员足够强，变成正驾驶员，他自动可以去帮你做事。更长期，我们每个人都有一个驾驶员团队服务。未来的人类组织是真人，加上他的副驾驶员和正驾驶员一起协同。

毫无疑问，每个行业也会有结构性影响，会系统性重组。这里有一个简单公式。今天动脑筋的人一天平均工资多少小时？减掉ChatGPT现在大概平均是15美元/小时，再过3年可能不到1美元，再过5年可能几十美分。然后就乘一下有多少数量。降本或者增效，让码农能变成super码农，医生变成super医生。

大家可以按这个公式算一算。如果你是华尔街的对冲基金，你可以做空一大堆行业。

举个简单例子，律师在美国平均1500美元/小时，我在网上已经看到每天有这种信息——如果你想离婚，不要找离婚律师，ChatGPT离婚很便宜啊！（全场笑）

开发人员、设计师、码农、研究人员都一样，有些是更多需求，有些是成本下降。尤其是核心产业，科学、教育、医疗，这是OpenAI长期最关注的3个行业，也是整个社会最根本的。

尤其是医疗。在中国，需求远远大于供给。而且，中国是大政府驱动的市场经济，政府可以扮演更大角色，因为固定成本政府可以承担。

最为重要的是教育。如果你是大学，你第一担心的是，考试怎么考？没法考了。他一问ChatGPT，什么都知道。更重要的是，以后怎么定义是好的大学生呢？假定说有个大学生什么都不懂，物理也不懂、化学也不懂，但他懂怎么问ChatGPT，他算不算一个好的大学生？机会与挑战并存。

总结一下，整个这个时代在高速地进行，速度越来越快。它是结构上决定的。势不可挡。

06 大模型的淘金时代，对机会点进行结构性拆解

现在，我给大家一个结构化思维框架。某种意义上你可以对号入座，知道我在这里，我怎么思考今天的机会点。

这张图是整个人类技术驱动的创业创新，所有事情的机会都在这张图上。

首先，底层是数字化的技术，因为数字化是人的延伸。数字化的基础里有平台，有发展基础，包括开源的代码、开源的设计、开源的数据；平台有前端、后端等。这里有大量机会。

第二，波是用数字化的能力去解决人的需求。我们把数字化应用完整放在这张表上。

① C端，是把所有的人分成人群，每种人群24小时，他花时间干什么？有通讯、社交、内容、游戏消费、旅游、健身……C端有一类特殊的人，这类人是改变世界的，是码农、设计师、研究员。他们创造未来。微软这么大的公司，是基于一个简单理念：微软我们就是要写更多软件、帮别人写更多软件，因为写软件是未来。

② B端，企业需求也一样，降本增效。它要生产，有供应链、销售、客服……有了这些需求之后，数字化看得见的体验结构有6种：给你信息的，二维就够；给你三维交互体验，在游戏、元宇宙；人和人之间抽象的关系，包括信任关系、Web 3；人在物理世界环中自动驾驶、机器人等；人的内在的用碳机植入到里面，今天是脑机接口，以后有更多，以后是可以用硅基；最后是给你模型。

最后，人类是挺奇怪的物种，不光要满足这些需求，还要改变世界，我们在满足世界时，也要获得更多能源，所以需要有能源科技；需要转化能源，用生命科学的形式，biological process转化能源或者使用mechanical process，材料结构来转化能源，或者是新的空间。这是第三波。

所以创业公司基本上有三类：数字化基础，用数字化去解决人的需求，去改变物理世界。有了这个大的框架，我们可以系统性地来看对号入座：我在哪个位置？如果我在这个位置，需要关注哪些点？

首先讲数字化基础，它有一个稳定结构，不管再怎么发展，结构永远是这样。过去30多年，大部分系统或多或少我都碰过，这个结构确实相当稳定。

核心是前端和后端——前端是完整可延伸的体验，后端是完整可延伸的能力，有设备端，比方说电脑、手机、眼镜、汽车等等，设备端里面是芯片、模组加上操作系统。万亿美元的公司都在这一层。

其次是体验的容器，二维的容器，三维的容器，内在嵌入的容器。

容器之上，写代码都知道画布，画布可以是文档，可以是聊天，可以是代码，可以是空间，可以是世界，可以是数字人，也可以是碳基里的蛋白质等等。这是前端。

后端也一样，底层式设备，服务器、交换机、数据中心等等，也是芯片、模组、操作系统。

中间这一层非常重要，网络数据堆栈，分布式系统，区块链等等。

最上面是云，是能力的供给。能力供给像自然水源，打开就是算力，有存储和通讯能力。今天的模型时代，打开就是模型。

下面是数字化基础。符号计算，或者所谓的深度学习，叠加向量的浮点计算，硅基的，碳基的。

如果你是这里的创业者，机会点在哪里？

① 首先搬运信息，这个时代还有很多可以做。

② 如果你是做模型的，我现在判断什么都要重做一遍。大模型为先。很多设备也要重做，你要支持大模型，容器要重做，这些都有机会。云、中间的基础设施、底层的硬件，包括数字化发展核心的基础，尤其是开源的体系，这里是真正意义上是有大量机会。

③ 第三代系统，即已经开始做机器人、自动化、自主系统。孙正义今天all in。这个也能用大模型做。马斯克也看到这种机会。都是在第三代下一个拐点，创业公司完全可以把握的机会。

④ 同时并行的，我把它称作“第三代++系统”，是碳基的生物计算，这一类公司有大量的量子计算，有很多机会。元宇宙和Web 3今天有点冷，但从历史长河角度来讲，只是时间问题，因为这些技术都能真正意义上带来未来的人类价值。

所以如果是这个创业项目，基础层机会就在这里。这是最好的生意。为什么？这个时代跟淘金时代很像。如果你那个时候去加州淘金，一大堆人会死掉，但是卖勺子的人、卖铲子的人永远可以赚钱。所谓的shove and pick business。

大模型是平台型机会。按照我们几天的判断，以模型为先的平台，将比以信息为先的平台体量更大。平台有以下几个特征：

① 它是开箱即用；

② 要有一个足够简单和好的商业模式，平台是开发者可以活在上面，可以赚足够的钱、养活自己，不然不叫平台；

③ 他有自己杀手级应用。ChatGPT本身是个杀手应用，今天平台公司就是你在苹果生态上，你做得再好，只要做大苹果就把你没收了，因为它要用你底层的东西，所以你是平台。平台一般都有它的锚点，有很强的支撑点，长期OpenAI设备机会有很多——有可能这是历史上第一个10万亿美元的公司。

这是一场激烈的竞争平台之战，未来一个体量很大的公司。在这个领域竞争是无比激烈。The price is too big（代价实在太大），错过太可惜。再怎么也得试一试。

今天的模型鲁棒性、脆弱性，还是问题。用这个模型，你一定要一开始稍微窄一点，限制要严一点，这样的话体验是稳定的，等到模型能力越来越强再把它放宽，找到适当的场景，循序渐进。质量和宽度之间的平衡很重要。另外发展路径上，你要考虑今天产品要不要在这个上基础上改，重启炉灶，还是齐头并进。把这个团队给改了、重做，还到外面去买公司？

创新，尤其是创业公司落地，它永远是技术推动和需求拉动的组合。在落地的过程中，对需求理解的把控，掌握和满足需求的方法是一切当中最重要。长期一定是技术驱动为主，但在落地的时候对需求的拆解、分析、梳理，把控好需求，是一切的一切。

有一个机密大家今天都知道了——OpenAI是用GPT-4做GPT-5，每个码农都是放大能力的码农。它规模效应不一样，马太效应不一样，从此壁垒和竞争格局不一样，知识产权结果不一样，国际化的格局也不一样。中国显然有机会。

07 我对创业者有几点建议

创业公司的内在结构是人和事的组合。人，一开始是创始人/创始团队；他有初心，内在驱动力、外在驱动力；他能独立思考，判断未来；他能行动导向，解决问题；他能需求导向，找到价值；最终通过沟通获得资源。接下来是产品市场匹配，这部分就是研发技术、研发产品、交付产品。商业模式是收到钱、更多增长、触达更多客户、融更多钱、一直触达到未来的价值。组织上，通过系统建设，开拓面向未来的人才、组织结构和文化价值观等等。这一切就是一家公司的总和。

我们对每位同学的建议是，不要轻举妄动，首先要思考。

① 不要浮夸，不能蹭热。我个人最反对蹭热，你要做大模型，想好到底做什么，大模型真正是怎么回事，跟你的创业方向在哪个或哪几个维度有本质关系。蹭热是最不好的行为，会浪费机会。

② 在这个阶段要勤于学习。新范式有多个维度，有蛮大复杂性，该看到的论文要看，尤其现在发展实在太快，非确定性很大。我的判断都有一定灰度，不能说看得很清楚，但大致是看到是这样的结果。学习花时间，我强烈推荐。

③ 想清楚之后要行动导向，要果断、有规划地采取行动。如果这一次变革对你所在的产业带来结构性影响，不进则退。你不往前走没退路的，今天的位置守不住。如果你所在的产业被直接影响到，你只能采取行动。

接下来我想讲几个维度——每个公司是一组能力的组合。

① 产品开发能力方面，如果你的公司以软件为主，毫无疑问一定对你有影响，长期影响大得不得了。尤其是如果你是做C端，用户体验的设计一定有影响，你今天就要认真考虑未来怎么办。

② 如果你的公司是自己研发技术，短期有局部和间接影响，它可以帮助你思考技术的设计。长期核心技术的研发也会受影响。今天芯片的设计是大量的工具，以后大模型一定会影响芯片研发。类似的，蛋白质是蛋白质结构设计。不管你做什么，未来的技术它都影响。短期不直接影响，长期可能有重大影响。

③ 满足需求能力，满足需求基本就要触达用户，供应链或运维一定受影响。软件的运维可以用GPT帮你做，硬件的供应链未必。长期来看有变革机会，因为上下游结构会变。你要判断你在这个产业的结构会不会变。

④ 商业价值的探索、触达用户、融资，这一切它可以帮你思考、迭代。

最后是关于人才和组织。

① 首先讲创始人。今天创始人技术能力强，好像很牛、很重要，未来真的不重要。技术ChatGPT以后都能帮你做。你作为创始人，越来越重要、越来越值钱的是愿力和心力。愿力是对于未来的独到的判断和信念，坚持、有强的韧劲。这是未来的创始人越来越重要的核心素养。

② 对初创团队，工具能帮助探索方向，加速想法的迭代、产品的迭代，甚至资源获取。

③ 对未来人才的培养，一方面学习工具，思考和探索机会，长期适当时候培养自己的prompt engineer（提示工程师）。

④ 最后讲到组织文化建设，要更深入思考，及早做准备，把握时代的机会。尤其是考虑有很多职能已经有副驾驶员，写代码也好，做设计也好，这之间怎么协同？

我们面临这样一个时代的机会。它既是机会，也是挑战。我们建议你就这个机会做全方位思考。

By 张小珺

“没想到一觉醒来，居然赶上了银行倒闭，人生完整了。”中国医疗初创公司创业者安迪（化名）3月11日午间发了一条微信朋友圈。他的公司大部分美元资产都存在硅谷银行，主要用于美国办公室人员的工资发放。

另一位业内人士在谈及此次硅谷银行事件造成的负面影响时对记者透露，有初创企业因此损失上亿人民币。

美国著名创业孵化器Y Combinator CEO更是将硅谷银行的后果称为“初创企业的灭绝级别事件”，他称YC 1/3的项目约1000多个创业公司所有的钱都在硅谷银行，下周甚至发不了工资和房租，而保险公司理赔的上限是25万美元。

互联网投资人庄明浩表示，如果说过去的20年，互联网+VC相辅相成的爆发成就了硅谷，这种效用同时造就了SVB这家特殊的“银行”。如今，整个互联网的宏大叙事已经远去，所谓的互联网+硅谷的造富神话也开始成为历史。

一大波风投与创业公司受影响

“没想到连SVB都要遭遇金融信用危机，这可是大多数投资机构和创业公司的首选开户行。”一位科技领域创业者这样感慨。

1983年成立于美国的硅谷银行一度被认为是初创公司的“金主”和“命脉”， 在硅谷高科技产业高速发展之际，它凭借低息募资、面向大银行尚未重视的中小企业，迅速开辟出灵活的发展路径，成功帮助过Facebook、twitter等明星企业。

appWorks合伙人、具备多年募资经验的詹益鉴总结，硅谷银行之所以能够拥有近一半的初创公司市占率，关键在于其核心产品风险债，可以帮助创业者减少股权稀释，帮助投资人降低现金流风险，只要公司成长与获利能力高于资金成本，实际便能获得投资人、创业公司与风险债发行者三方共赢的局面。

为了让旗下被投公司获得风险债额度，詹益鉴称，许多创投机构会要求被投公司尽早到SVB开设账户、积累往来记录与财务资料，并将投资资金存放到该账户中，降低汇兑费用与手续时间。其后，随着老牌或大型初创机构对SVB的信任与依赖，想在硅谷获得投资或已被投的创业公司，几乎都有SVB账户。

 “我们使用硅谷银行也是因为它的服务好，而且非常便捷。”安迪告诉第一财经记者。

但这样的特性使得硅谷银行对于行业的繁荣与萧条周期特别敏感。今日，一段美团曾晒出硅谷银行存款6000多万美元的旧闻被重新提起。有消息称美团创始人王兴今日已回应“我们很多年前就转用大银行了。”第一财经记者就此询问，截至发稿美团公司方面未予以回应。

但安迪所在的企业没有这么幸运。他告诉第一财经记者：“从昨天开始我们就一直在设法转钱出去，但是还没有转出来，银行就先倒闭了，一切都发生得太快了。”目前，银行网站的状态显示正在维护中。

不过，因为企业规模不大，安迪的公司存在硅谷银行的美元资金并不多，涉及数十万美元的资金。他还向第一财经记者透露：“至少在我的朋友圈就有好多家中国初创公司也把钱存在硅谷银行。”

安迪称，相比一些存款好几亿美元的大型科技公司来讲，自己就是损失了也还不算多，保险公司理赔上限25万美元，风险相对可控。

以流媒体技术公司Roku为例，该公司在提交给美国证券交易委员会的一份文件中披露，该公司在硅谷银行持有近5亿美元现金，占现金流比例超过四分之一。Roku还称，其在硅谷银行的大部分存款都没有投保，不知道公司能够在多大程度上收回现金存款。

“元宇宙第一股”游戏公司Roblox在一份文件中表示，其30亿美元现金中的5%存在硅谷银行。

除了互联网企业，加密资产客户也被硅谷银行纳入可接纳范畴，虽然所设敞口并不大。据统计，Blockchain Capital、Castle Island Ventures、Dragonfly 与Pantera 都与硅谷银行有关系。

另据加密货币领域稳定币发行商Circle公司表示，截至1月17日，总部位于美国的稳定币发行人Circle在硅谷银行持有其USDC（市场第二大稳定币）稳定币的部分现金储备。

负面影响还在持续蔓延。第一财经记者了解到，多家LP（Limited Partners，有限合伙人）机构开始询问自己投的基金有没有将钱放在SVB里。有LP发朋友圈称，自己所投的基金连夜发邮件告知没有将钱存在硅谷银行，而那些没有发邮件的，大概率是遇到了麻烦。

恐慌情绪背后

传奇基金经理、潘兴广场创始人比尔·阿克曼（Bill Ackman）在推文中表示，由于风险资本支持的公司依赖SVB获取贷款和运营资金，因此这家硅谷第一大银行倒闭可能会摧毁经济的关键长期推动力，SVB一旦倒闭，将有更多的银行面临挤兑和倒闭，届时多米诺骨牌会接连倒下。

“大家已经开始把账户转到更大规模的银行，担心小银行爆雷。”一位硅谷的从业者对第一财经记者说。

还有一位正在计划将资金从BOA银行转到Chase银行的硅谷人士对第一财经表示，“Chase的银行工作人员忙疯了，说不少客户连夜开户，预计下周一还将有大量客户紧急把资金转入Chase里。”

回溯这场危机，互联网投资人庄明浩认为，2022年下半年开始的长加息周期令债券价格不断下跌，硅谷银行出现高额浮亏。近日，SVB启动资本动作，出售大部分可供出售金融资产（AFS）以换取流动性来支付存款提款。此次出售涉及价值210亿美元的债券，造成18亿美元实际亏损。同时，SVB还将通过出售普通股和优先股等股权融资方式，募集22.5亿美元的资金。CEO贝克尔又向最大客户群风险投资者们争取支持，没想到这些机构转身就劝说被投企业们提前取出资金，进而引发挤兑风险。

庄明浩对第一财经记者表示，很多天使轮与A轮阶段的早期公司没有资产配置的概念，也一般不太会开很多银行的账户，自身业务可能还没赚钱甚至收入都没有，主要依靠VC投资款活着，这种情况不分中美，都会受到硅谷银行事件的巨大冲击。

“从心理上讲，这是一个打击，因为每个人都意识到事情是多么不堪一击。”为初创公司提供税务、会计和人力资源服务的咨询机构Kruze Consulting运营主管Scott Orn表示。

Orn将硅谷银行称为“硅谷皇冠上的明珠”。对于他的数百个客户来说，硅谷银行的撤资可能会使初创公司借钱成本变得更加昂贵。他希望硅谷银行能够度过这个困难时期，甚至有可能被一家更大的银行收购。

目前来看，美国政府已经介入，但对SVB最大客户群——风险投资机构与初创公司的负面影响已经造成，尤其是在资金流动性压力方面。

硅谷技术VC Fusion Fund创始人张璐在接受第一财经采访时说，这一事件对于科技创投领域的资金活跃度影响巨大，尤其对初创企业影响不小，但硅谷技术创新的趋势不会因为资金的问题就出现倒退。

还有用户提议推特应该收购硅谷银行并将它变成一家数字银行，马斯克对此评论称持开放态度。

 硅谷银行的倒闭正值科技行业面临挑战之际。不断上升的利率侵蚀了便宜的资金渠道。根据CBInsights今年1月份发布的数据，2022年美国的风险投资较上年下降了37%。

与此同时，宏观经济不确定性和衰退担忧促使一些广告商和消费者收紧支出，削弱了科技行业的收入驱动力，大型科技企业陷入了大规模裁员，重新关注以“效率”为标志的成本削减计划。

截止发稿时，浦发硅谷银行、再鼎医药、百济神州、北海康成、腾盛博药、加科思也、圣诺医药、基石药业、亚盛医药、德琪医药、康方生物、云顶新耀、潘石屹等都表示硅谷银行的破产不会对其业务造成重大不利影响。

硅谷银行为何轰然倒塌

美国时间3月10日，美国联邦存款保险公司（FDIC）发布声明，美国加州金融保护和创新部（DFPI）当日宣布关闭美国硅谷银行，并任命FDIC为破产管理人。为保护投保的储户，FDIC创建了存款保险国家银行（DINB），硅谷银行在关闭时，作为接管人的FDIC需立即将硅谷银行所有受保存款转移到DINB。

3月9日，硅谷银行从开盘价176.55美元暴跌至106美元，并在10日的美股盘前交易中再度暴跌逾60%，随后进入停牌状态。

事件的导火索出现在3月8日，当天硅谷银行大举抛售了210亿美元的债券，造成18亿美元亏损。同时该公司称将通过出售股票的方式筹集23亿美元，以弥补这一笔“债券甩卖”带来的巨额亏损。

此举引发了强烈的市场担忧，银行最害怕的挤兑风潮就此来临。3月9日开始，“硅谷教父”彼得·蒂尔的创始人基金（Founders Fund）、对冲基金Coatue Management、著名创业孵化器Y Combinator 等机构均建议他们投资的公司——硅谷银行的储户们，考虑从该银行尽快按需撤资。

作为硅谷创投圈的“宠儿”，这家银行立刻陷入了更深的流动性危机，继而快速崩盘。硅谷银行是自2008年金融危机以来倒闭的最大银行，也是美国历史上第二大倒闭的银行。

硅谷银行为何“猝死”？其会不会又如当年突然破产的雷曼兄弟公司，酝酿出一场更广泛的危机事件？

硅谷银行成长史

作为硅谷创投圈的宠儿，硅谷银行1983年成立，后发展成硅谷银行金融集团，资产达2120亿美元。按资产总额排序，该银行是美国第16大商业银行。该银行在美国、欧洲、亚洲等国家与地区设立了分公司与办事处。

从商业模式来看，硅谷银行的目标客群有别于其他商业银行，主要服务于PE/VC、高科技企业，以及这些企业的员工等高净值个人客户。

由于得天独厚的地理优势和独特的市场定位，硅谷银行一直是硅谷科技和生命科学初创公司中最受欢迎的金融机构之一，曾成功帮助过Facebook、twitter等明星企业。根据国信证券估算，SVB对美国高成长企业的贷款市占率约 46%，是高成长企业贷款市场的龙头。

国信证券金融业首席分析师王剑将硅谷银行形容为“创投圈集团”的财务公司——资金以贷款形式投放给PE/VC企业、高科技企业和这些企业的员工，同时也从这些企业和员工处获得存款。

具体来看，硅谷银行的两大主营业务是为PE/VC提供“资本催缴信贷”以及为初创企业提供信用贷款：

• 资本催缴信贷：本质是一种过桥贷款，通常会给风险投资基金、私募股权基金等机构提供短期贷款，让它们在等待投资者的资金到位之前先解决资金问题。这类贷款风险较低，期限较短，所以收益率相对不高。

• 初创企业贷款：当初创企业没有盈利和现金流时，它们经常需要向硅谷银行借款来维持业务运营。这些贷款风险比较大，因为没有抵押物，所以硅谷银行通常会向借款企业要求提供3-5%的认股权证。具备高风险高收益的特点。

2022年财报显示，在该行的贷款构成中，资本催缴信贷余额413亿美元，占比高达56%，初创企业贷款占比为9%。

有业内人士将硅谷银行的业务特点总结为“投贷联动”，即股权投资的收益与信贷业务的风险平衡相互抵消，以实现超额盈利。2021年，硅谷银行的股权资产占总资产的1%，却实现了收益5.6亿美元，占非息收入的20%。

安然度过千禧年互联网泡沫破灭，平稳运行已经40年的硅谷银行，为何在短短数天内崩盘呢？

故事的伏笔在三年前埋下。2020年3月，美联储开启无限量QE，把基准利率降到0左右，在流动性泛滥的背景下，美国科技公司大量回购和融资，与高科技相关的VC投资也变得非常热门。美国的PE/VC市场快速扩张。

这种情况下，硅谷银行的核心储户——即科技公司们手头拥有大量现金，该行由此吸引了大量存款。该行存款规模从2019年的617.6亿美元跃升至2021年底的1892亿美元（尤其以活期存款为主）。硅谷银行的规模在此期间也快速增长，其资产总额从2019年末的710亿美元增长到2021年末的2115亿美元，其中2020年同比增长63%，2021年同比增长83%。

与此同时，手握大量现金的硅谷银行为了获取更高额收益，选择进行证券投资，主要买入了投资抵押贷款支持证券（MBS）和美国国债。这类资产在2020年和2021年实现了浮盈，但并没有被出售。

但问题是，硅谷银行投入在证券上的存款太多了。截至2022年底，硅谷银行买下了1200亿美元的投资证券，其中包括910亿美元的抵押贷款支持证券组合（MBS）和260亿美元的可供出售金融资产，甚至远远超过了740亿美元的贷款总额。

更不利的是，为了获取更高的收益，硅谷银行买入了大量长久期的证券资产，尤其是中长期国债。

2022年3月，美联储启动了力度空前的加息周期，为硅谷银行的扩张故事画上了休止符。随着加息周期的到来，一方面，存款的成本变得更高，难以低成本揽储——该行有息存款成本从2021年的0.13%大幅攀升到2022年的1.13%；另一方面，债券价值会走低，这也就意味着硅谷银行持有的大量证券资产的缩水。

更重要的是，科技初创公司们转而变得需要现金，选择提取存款。年报显示，2022年该行全年存款总额下降了160亿，大约占存款总额的10%，特别是活期无息存款由1260亿骤降至810亿。

这还远远不够，为了填补资金缺口，硅谷银行只能选择卖出此前囤下的巨额证券。 

3月8日盘后，该行发布公告称出售了210亿美元的可供出售资产来重塑资产负债表，税后损失达18亿美元（硅谷银行2022年全年归母普通股东净利润仅15亿美元），同时还出售普通股和优先股募资22.5亿美元。此时，硅谷银行还持有久期更长的高达913亿美元的“持有到期”债券，而这部分债券在整个2022年的价值已经缩水了69亿美元，并且还很有可能持续缩水。

花费如此亏损也要变现反映出了巨大的流动性压力，投资者对于硅谷银行的信心随之坍塌，挤兑风潮到来。周五披露的一份监管文件显示，投资者和储户周四一天内试图从硅谷银行提款420亿美元。

总体来看，“期限错配”是硅谷银行失败的核心原因。其持有资产的期限远远大于利负债期限，银行极易面临“流动性风险”，银行可能无法及时偿还负债，导致资不抵债、银行破产。

“银行最大的风险是挤兑，负债不稳但又利率低位，买一大堆长债很致命。如果没有流动性危机，资不抵债也不一定倒闭。”招商证券银行业首席分析师廖志明表示。

是否又是一次雷曼时刻？

对于硅谷银行的雷暴，市场反映出了强烈不安。

3月9日，美股基准KBW银行指数暴跌超8%，创下自2020年6月以来的最大单日跌幅。标准普尔500指数下跌 1.85%，而道琼斯工业指数和纳斯达克综合指数下跌均超过500点，跌幅分别为1.66%和2.05%。3月10日，KBW银行指数再跌3.91%，本周累下跌15.74%，创有记录以来最大周跌幅。甚至在亚洲，MSCI亚太金融指数一度下探2.6%，迈向一年来最大跌幅。

有市场声音认为，突然雷暴的硅谷银行可能又如当年突然破产的雷曼兄弟，酝酿出一场更广泛的危机事件。 

多家券商机构发声为市场降温。比如，国信证券经济研究所银行团队认为，当前整体情况可能并没有市场担忧的那么紧张：

杠杆方面，金融危机后美国金融部门在强监管下整体杠杆较低，且资本充足率也相对健康，因此发生大面积的债务危机的可能性似乎并不高，上述事件可能无法代表整个美国银行体系。

流动性角度，美国在岸及离岸流动性的收紧也并没有那么显著。在极端假设下，如果后续流动性继续收紧引发更大层面和程度的流动性冲击，美联储可能而且也有充裕的手段提供流动性支持。

对此，钛媒体App也咨询了多位美国私募股权投资者以及国内学者。一部分观点认为，目前来看，硅谷银行的雷暴还无法与雷曼时刻同日而语。

中央财经大学投资学教授李国平向钛媒体App表示：“硅谷银行的雷暴与雷曼公司的倒闭存在着三点区别，规模就不一样（倒闭前雷曼资产规模达到6390亿美元，硅谷银行为2120亿美元），杠杆率不一样（雷曼远高于硅谷银行），影响对象不一样（雷曼影响其它金融机构，硅谷银行影响的是硅谷的实体企业）。”

事实上，硅谷银行的雷暴对于硅谷实体企业的初步影响已经出现。

比如，人力资源初创公司Rippling依靠硅谷银行处理其客户员工的工资支票，该公司的首席执行官在周五表示，尽管硅谷银行的系统显示付款已经处理，但实际上没有款项流向Rippling的客户员工。Rippling迅速与其新的银行合作伙伴摩根大通展开合作，并提交了支票以进行隔夜处理，这意味着客户的员工将在几天内收到工资。

硅谷银行破产对币圈的影响

币圈最大的稳定币发行商之一Circle发推表示其约400亿美元的USDC储备中有33亿美元存放在硅谷银行的消息后，其发行的稳定币USDC价格暴跌，脱锚状态持续扩大，甚至引发挤兑风波。

　　截至发稿，USDC已跌至0.8905美元左右，达到历史新低，24小时跌幅扩大至9.63%，市值缩水至366.8亿美元。

　　与此同时，孙宇晨等大量投资者将大量USDC兑换并赎回。加密货币及股票交易应用Robinhood、加密货币交易所Binance、Coinbase 等平台均宣布暂停USDC的部分服务。

　　受到波及

　　Circle是加密货币领域最大的稳定币发行商之一，USDC是加密货币市场上第二大稳定币，拥有430亿美元的流通供应量。

　　硅谷银行是美国第16大银行，主要为科技行业提供服务，曾参与大量美国初创公司的融资，3月10日，美国监管机构关闭硅谷银行，使该事件成为成为美国金融史上第二大银行倒闭事件。

　　该事件的爆发也使得众多加密金融机构“明哲保身”，Paxos、Binance、Bybit、Tether、Gemini等纷纷发文表示与硅谷银行没有业务关系，对其风险敞口为零。

　　但Circle却被不幸卷入其中。3月11日，Circle发推称，硅谷银行是Circle的六家银行合作伙伴之一，其总共约400亿美元的USDC储备中有33亿美元存放在该银行。

　　巨大的敞口引发投资者恐惧撤离。派盾监测数据显示，3月11日孙宇晨地址从Venus赎回100万枚Binance-Peg USDC，并将至少11360万枚USDC兑换为DAI。同时，Nansen数据显示，自硅谷银行被监管机构关闭以来，USDC已出现约10亿美元的净赎回。

　　市场的悲观情绪使得USDC与美元出现持续性脱锚，价格一度跌至0.879美元，24小时跌幅近10%，市值也一度缩水至366亿美元左右。

　　USDC抛售压力下，机构也纷纷采取措施以降低其影响。

　　Coinbase表示，将在周末“暂停”将USDC兑换成美元，“在兑换活动繁忙的时候，转换依赖于银行在正常营业时间内清算的美元转账”，因此将在周一银行开业时恢复，他同时表示，“用户的资产是安全的，随时可以在链上转移”。

　　Binance表示，由于当前市场的状况，USDC资产大量流入使自动转换的负担加重，所以Binance已暂停USDC到BUSD的自动转换，“这是Binance监控情况时所采取的常规风险管理程序步骤”。

　　Robinhood则宣布暂停美元稳定币USDC的交易和存款。

　　据悉，Circle在3月10日曾销毁价值约16亿美元的USDC，虽也同时铸造了部分USDC以增加流通量，但远远不及其销毁量。

　　另一方面，根据 Circle 的1月份储备报告，该公司持有约98.8亿美元的现金存放在6家受监管的合作银行，包括纽约梅隆银行(47.31, -0.69, -1.44%)、Citizens Trust Bank、Customers Bank、New York Community Bank、Signature Bank、硅谷银行。

　　值得注意的是，Signature Bank的控股公司Silvergate Capital Corporation在3月8日刚刚宣布将关闭运营，并自愿进行清算，随后，Circle表示已切断与 Silvergate Bank 的关系。

　　此外，已经破产的加密借贷机构BlockFi也在硅谷银行中有2.27亿美元的资金。

　　警惕脱钩风险

　　随着挤兑风波的持续，USDC仍面临较大的抛售压力。

　　链上数据监测显示，此前持有1.2亿枚USDC的某巨鲸地址，正在将USDC换成USDT ，亏损达614万美元，但该地址目前仍持有4500万USDC。

　　打着稳定币旗号的USDC，其价格自发行以来整体稳定在1美元左右，2020年3月币圈312大跌的过程中，其价格产生了一定波动，最低价格达到了0.9679美元，而本次事件中其价格已跌破0.9美元，可谓是USDC有史以来的最低价，也成为了其史上最大跌幅。

　　独立国际货币研究员陈佳在接受《华夏时报》记者采访时表示，当下USDC兑美元估值史诗级波动，及大量币圈核心玩家抽离存款，已经造成了行业流动性逃逸，这已经充分证明硅谷银行倒闭的多米诺骨牌效应已经开启。

　　他认为，这类情况的产生，根本上暴露了币圈稳定币机制设计的问题。

　　Circle官网数据显示，截至3月9日，USDC总流通量为434亿美元，储备量为435亿美元，其中储备银行中的现金111亿美元（占比超过25%），短期美国国债324亿美元。

　　“USDC的底层资产是银行现金存款与美债，但这些资产正在大量被挤兑，所以其估值注定无法稳定。”陈佳分析称，USDC发行方将美元现金和美债等以美元计价资产，存入美国监管认可的银行之中，构成了整个USDC估值体系的支撑和基础，所以硅谷银行事件使得USDC出现系统性估值危机是必然的。

　　因此，USDC的情况是否会持续恶化无疑是当前投资者最关注的问题之一。

结语

无论人们不希望看到雷曼时刻再次重演，硅谷银行的轰然倒塌都必将对科技、股市、币圈等几乎所有领域产生重大的影响。对于中国公司来说，硅谷银行事件必将敲响管理海外账户的警钟，鸡蛋不能放在一个篮子里，无论这个篮子看上去多么牢不可破。不可否认的是，今后很长一段时间将会“火烧连营”，由此引发的暴雷事件将会层出不穷。

By 第一财经、钛媒体、新浪财经

在美国的三权分立体制下，总统和国会两院分别代表着最高行政与立法权，而最高法院则代表着司法权的塔尖。美国最高法院的职责是通过判罚来诠释包括宪法在内的所有法律。最高法院的判决往往会对美国社会和经济制度产生深远的影响。

　　作为美国司法体系的最终裁决者，美国最高法院每年都会接到8000多起下级法院的诉讼请求，但九人组成的最高法院只会挑选其中的80起焦点案件。这些案件的判决可能会对美国社会经济产生深远影响。正因为如此，只要被最高法院受理的案件都会成为媒体关注的焦点。

　　上周美国最高法院开庭审理的两起案件，就吸引了全美国科技行业和媒体机构的聚焦。因为这两起案件的判决结果，将直接关系到美国互联网行业过去二十多年繁荣昌盛的保护伞。如果最高法院做出对互联网公司不利的判决，那么整个美国互联网行业的监管体系都要进行重建。

（诺伊米的父母在痛失爱女后起诉谷歌）

　　两大恐怖袭击相关诉讼

　　这两起诉讼究竟是什么来历背景？为什么会如此重要，直接关系到美国互联网行业的基石？

　　上周二，美国最高法院就“冈萨雷斯诉谷歌”（Gozalez v． Google）诉讼进行了超过两个半小时的庭审。紧接着第二天，最高法院又就“推特诉塔梅”（Twitter v． Taamneh）进行了近三个小时的庭审。两起诉讼有着相似的背景，都指向同一个核心问题：互联网公司是否要为自己平台上用户发布的内容承担责任？

　　先来看“冈萨雷斯诉谷歌”案，诺伊米·冈萨雷斯（Nohemi Gonzalez）原本是加州大学长滩分校的一名大四学生，2015年在法国巴黎做交换生。2015年11月13日-14日，恐怖组织伊斯兰国（IS）在巴黎多个地区连续发动恐怖袭击，共造成130人死亡和368人受伤。正在餐厅和朋友吃饭的23岁的诺伊米遭到恐怖分子开枪扫射，不幸中弹身亡。

　　诺伊米的父母痛失爱女之后，随后在2017年正式起诉互联网巨头谷歌。当时Youtube上存在着诸多伊斯兰国的宣传恐怖主义和招募圣战战士的视频。冈萨雷斯夫妇因此指控谷歌旗下YouTube平台的推荐算法推广伊斯兰国的宣传视频，违反了美国《反恐怖主义法》。

　　他们的诉讼在下级联邦法庭遭到了驳回，因为美国《联邦通信法》230条款明确规定，互联网平台不必对平台上的用户生产内容负责。尽管连续败诉，但诺伊米的父母一直没有放弃，持续上诉。最终在去年10月，美国最高法院正式受理了这一诉讼。

　　这也是美国法制的一大传统，持续上诉到最高法院，通过判罚来推翻当前的法律，迫使重新进行立法。持续起诉谷歌的诺伊米父母并不需要承担天价律师费，因为其实是专业法律机构主动联系这对痛失爱女的夫妇，希望借他们之手来调整互联网行业的230条款。

　　与此类似，第二起诉讼“塔梅诉推特”的原告也是恐怖袭击遇难者家属。在2017年新年的伊斯坦布尔恐怖袭击事件中，共有39人死亡和69人受伤，约旦公民阿拉沙夫（Nawras Alassaf）不幸丧生。伊斯兰国同样宣布对此负责。

　　阿拉沙夫的家人也认为推特等社交媒体没有在自己平台采取有效措施阻止恐怖主义内容传播，违反了美国反恐怖主义法，因而需要承担附带责任。他们在美国对推特、Meta以及Youtube提起诉讼。但与冈萨雷斯诉谷歌案件不同的是，旧金山的第九巡回法庭做出了对推特不利的判罚，推特因此提起了上诉。

（230条款是互联网行业的保护伞）

　　延续二十多年的保护伞

　　去年10月，美国最高法院同意复审这两起案件，当时就引起了社会的广泛关注。九位大法官并不是随意挑选案件的，这是最高法自2015年以来首次受理涉及《联邦通信法230条款》的案件，而这是美国互联网行业过去二十多年繁荣昌盛的保护伞。

　　究竟什么是230条款？1996年美国《通讯规范法》（Communication Decency Act）的第230条规定，“任何交互式计算机服务的提供商或者用户不应被视为另一信息内容提供商提供的任何信息的发布者和发言人。”这条只有短短26个英文单词的法律条文，给美国互联网行业的高速发展创造了宽容的监管环境，更为社交媒体的随后兴起铺平了道路。

　　230条款其实包括两层意思：互联网公司无须为平台上的第三方信息负责，互联网公司无须为他们善意删除平台内容的行为负责。这一条款的本意是促使互联网公司主动去自我监督，净化网络环境，避免尚在起步阶段的他们遭受源源不断的诉讼的打击。

　　过去的二十多年事件，这条法律条文一次次地给互联网公司保驾护航，在诸多诽谤和欺诈相关诉讼中全身而退。此外，互联网公司也得以完全按照自身规则来删除他们认为不妥的内容和账号，免受用户的诉讼。硅谷圣克拉拉大学法学教授戈德曼（Eric Goldman）甚至认为，230条款造就了现代互联网。

　　为什么会给互联网公司这样一把保护伞？1995年最初起草这一法案的时候，美国互联网行业才刚起步，微软推出IE浏览器对Netscape宣战，亚马逊和雅虎刚满一岁，谷歌两位创始人刚刚在斯坦福校园相遇。一些国会议员开始注意到互联网上出现的各种色情内容，提出了《通讯规范法》以规范互联网，作为《联邦通信法》的修正法案。

　　根据最初的参议院版本，如果有意在网站上向青少年展示淫秽等不适宜内容，网络运营商将面临巨额罚款甚至是监禁惩罚。显然，这是把互联网平台当成电视和电台等传统媒体来对待。如果这一监管法案通过，那么刚刚兴起的互联网公司必须为自己平台上出现的第三方内容承担责任；他们必须对网络内容进行严格审查，否则就可能面临各种诉讼和惩罚。这意味着新兴的互联网行业发展将受到极大制约。

　　1995年的一起诉讼案也刺激到了新兴互联网行业和言论自由维权团体。一名匿名用户在互联网公告板Prodigy上指控华尔街券商Stratton Oakmont欺诈，后者随即以诽谤罪将Prodigy告上了法庭。纽约法官在判罚时将互联网平台视同于出版商，认定Prodigy需要为第三方用户在自己平台的言论承担责任。（实际上，这家券商也的确是骗子，他们创始人贝尔福特（Jordan Belfort）就是电影《华尔街之狼》的男主角原型。）

　　对网络监管法案感到高度紧张的言论自由维权团体和互联网行业联合起来，成功游说了加州和俄勒冈州的两位联邦众议员，在他们起草的众议院互联网监管法案《互联网自由和家庭赋权法案》（Internet Freedom and Family Empowerment Act）中加入了好人豁免条款（Good Samaritian），授权互联网公司自己管理网络平台，这就是230条款的由来。最终两院的法案融合在一起，成为了1996年的《通讯规范法》。

　　在过去的二十多年时间，230条款给了互联网行业一把免责的保护伞，避免了他们因为用户在自己平台上传的内容而遭到诉讼，更给了他们管控自己平台内容的权力。2020年，当时共和党联邦众议员努恩斯（Devin Nunes）因为不堪几个匿名用户在Twitter长期辱骂嘲讽自己，连带起诉Twitter要求交出匿名账号的真实身份。联邦法官就援引第230条款拒绝了努恩斯的要求。

　　不过，230条款并不是无所不包的，互联网公司必须对自己平台上的人口贩卖和儿童色情内容承担责任。2018年通过的《打击性贩卖行为法》打开了缺口，这条法律明确规定互联网公司有责任举报和移除网络平台上的性贩卖（贩卖人口用于性剥削），否则会面临相关法律的处罚。

（前总统特朗普主张重订230条款）

　　社会割裂政治斗争激化

　　过去几年时间，随着美国社会矛盾激化，种族骚乱、新冠疫情、大选纷争等重大事件引发了巨大争议，社会的割裂现状也在互联网平台上得到了体现。尽管出发点不同，但无论是民主党还是共和党都对互联网巨头的内容管控政策感到了不满，希望改变230条款。

　　2020年5月，由于对Twitter屡屡给自己推文打标签不满，前任美国总统特朗普曾经发布行政命令，要求联邦政府对社交媒体的免责条款进行了限制，并直接喊出了“撤销230条款”的要求。随后美国司法部发布意见书，呼吁美国国会修改230条款。但随着特朗普的下台，此事也就不了了之。

　　这一次，美国最高法院受理这两起针对互联网公司的诉讼，又再次将230条款带到了风口浪尖。那这一次，最高法院是否可能做出对互联网公司不利的判决，以此推动230条款的修订呢？

　　早在去年，九位大法官中立场最保守的托马斯（Clarence Thomas）就明确表达了他的立场。他在几次法庭异议书中呼吁国会重新审议230条款，认为社交媒体公司应该像“公共承运人”（Common Carrier）一样接受监管，禁止平台在内容方面存在偏见歧视。（注：公共承运人是欧美普通法系中的一个概念。）

　　在这两起诉讼中，很多互联网公司通过“法庭之友”（Amicus  Curiae）文件，对谷歌的推荐算法表示了支持。他们提出，尽管230条款需要根据时代现实进行更新，但监管的调整更应该通过立法机构来推动，而不是通过司法机构的判决来实现。同样支持这一立场的还包括当初拟定230条款的两位参议员荣·怀登（Ron Wyden）和克里斯托弗·考克斯（Christopher Cox），以及诸多支持言论自由的人权机构美国公民自由联盟（ACLU）和电子前线基金会（EFF）。

　　另一方面，共和党议员和保守派势力则指责谷歌等互联网公司利用230条款保护伞，让自己对平台的有害内容推卸责任。这些共和党议员包括霍利（Josh Hawley）、克鲁兹（Ted Cruz），正是2020年力主国会修订230条款的几位特朗普拥趸，他们更希望看到最高法院做出推翻230条款的判决。

（最高法院庭审现场草图，禁止拍照录像）　

　　大法官们态度谨慎不愿介入

　　尽管目前还无法得知九位大法官最终会如何做出判决，但看起来在两次庭审中，大法官们对“以判决推动修订230条款”的潜在深远影响表示了相当谨慎的态度。在第一天的庭审中，无论是自由派还是保守派法官，都表达了他们并不愿意直接干预230条款这一互联网监管法律。

　　自由派大法官卡根（Elena Kagan）在庭审中直接暗示最高法院是否应该介入互联网监管法规。她表示，”我们是大法官，并不是九位互联网专家。”保守派大法官卡瓦诺（Brett Kawanaugh）也认为，如果互联网公司败诉，未来可能会面临一大波相关诉讼。“如果让国会来承担（调整监管法律）的重任，是不是会更好？他们可能考虑相关影响以及做出未来预判？”

　　而原告则提出，230条款的确给了YouTube免责保护，不必对平台上恐怖分子发布的内容负责，但平台的算法推荐功能则需要给予更多的审视，不该同样享受免责保护。谷歌则提出，230条款的保护范围同样也包括了平台推荐算法，因为这是平台运行的基本功能。

　　自由派大法官索托马约尔（Sonia Sotomayor）对此表示认同，她在庭审中表示，用户每一次搜索都会涉及到谷歌的算法，因此230条款的保护范围也应该包括推荐算法。

　　当大法官们质疑如果平台算法并不中立的时候，是否依然应该得到230条款的保护时，代表谷歌的律师立即强调，230条款明确无误地保护了互联网公司不该为用户生成内容承担责任。只要法律没有修改，这一保护条款就是明确的。

　　此外，大法官们花了不少的时间，对恐怖袭击受害者家属的核心指控提出了质疑，即谷歌和推特是否有意在帮助推动恐怖主义相关内容。看起来，“有意”（Knowlingly）和“重要（substantial）”成为了大法官审理两起案件的关键词。因为根据《反恐法》的规定，如果“相关方协助或者教唆，通过有意提供重要协助或是与恐怖袭击者共谋”，就需要承担附带责任。

　　至少从庭审情况来看，大法官们似乎更倾向于互联网平台没有帮助恐怖组织。即便是长期抨击科技巨头的托马斯大法官也表示，当用户搜索伊斯兰国相关内容，谷歌的中立算法提供推荐内容的这个过程中，自己并不确定是否可以认为谷歌在协助和煽动恐怖主义。

　　美国最高法院将在6月底宣布这两起案件的最终判决。无论判决结果如何，互联网的立法都应该与时俱进。从互联网公司的角度来说，通过严谨的算法减少极端内容的推送，避免社会撕裂也有助于用户的粘性与公司的长远发展。无论公司采取什么商业策略，在舆论场上压倒性的“拉偏架”、不合理的封号删帖与推送洗脑内容都是社会发展的绊脚石。

By 新浪科技

ChatGPT到底有多会修bug？

这事终于有人正儿八经地搞研究了——

来自德国、英国的研究人员，专门搭了个“擂台”来检验ChatGPT的这项本领。

除了ChatGPT之外，研究人员还找来了其它三位修bug的“AI猛将”，分别让它们修复40个错误代码。

结果真是不比不知道，一比吓一跳。

ChatGPT准确修复了其中31个bug，遥遥领先第二名（21个），直接拿下“AI修bug界”的SOTA成绩！

于是乎，这项研究引来了众多网友的围观和讨论，Reddit上发布此帖的标题更是用上了“小心”、“注意”这样的字眼：

但事实上，这真的会让程序员“危”吗？

我们不妨先来看下这项研究。

很会修bug的ChatGPT

虽然ChatGPT并非是为了专门修改bug而生，但自打它问世以来，不少网友们都发现它是具备这项能力的。

因此研究人员为了摸清ChatGPT到底能修改bug到什么程度，便引入了标准的错误修复基准集QuixBugs来进行评估。

以及与它同台竞技的AI选手，分别是CodeX、CoCoNut和Standard APR。

研究人员从QuixBugs中挑了40个问题，分别让它们来修复bug。

让ChatGPT来修bug的方法，就是在对话框里向它提问：

这个代码有什么错误吗？

在第一轮较量过后，结果如下：

从第一轮battle结果来看，ChatGPT修复了19个，CodeX修复了21个，CoCoNut修复了19个，Standard APR则是7个。

而且研究人员还发现，ChatGPT的答案与CodeX最为相似；这是因为它俩是来自同一个语言模型家族。

这时候就会有小伙伴要问了，“ChatGPT不是还没有CodeX厉害吗”。

别急，不要忘了，ChatGPT的一个特点就是越问越“上道”。

例如在这个基准集中，有一个叫bitcount的问题，ChatGPT在刚才第一轮修复过程中是给了错误的答案：

原本ChatGPT应该将第7行的 n ^ = n – 1 改为 n & = n – 1。

但在第一轮中它的回答是：

如果没有更多关于预期行为和导致问题的输入信息，我无法判断程序是否存在错误。

于是在给予它更多信息之后，ChatGPT便答对了这个问题。

以此类推，在对第一轮没答对的问题进行更多信息提示之后，ChatGPT的修bug能力有了大幅提高：

最终，ChatGPT在QuixBugs的40个问题里答对了31个。

网友忧喜参半

对于这样的实验结果，网友们对ChatGPT修bug拿下SOTA这事产生的态度却不太一样。

有网友认为这事不应该让程序员感到危机，而是会让他们觉得开心才对。

言外之意，便是程序员们有了这么好用的工具，干活儿就会变得事半功倍。

不过也有人对此给出了不一样的看法：

工作变得简单，不也就意味着需要的人力更少了吗？

但还网友觉得，活儿是干不完的：

即使AI能把开发时间缩短一个数量级，也只是意味着程序员将更快处理下一个工作。

整体来看，ChatGPT很会修bug，并不会给程序员带来什么致命伤害。

但若是把目光放到OpenAI其他的行动中呢？

全球招外包训练ChatGPT写代码

在此之前，OpenAI就表示过ChatGPT的重要用途之一是帮助程序员检查代码。

换言之，它被定位可用的辅助工具。

相比“ChatGPT带来威胁”的看法，等ChatGPT能力彻底进化，程序员都不用再怕写bug了。

OpenAI布局的棋盘上，可不只有改bug偷塔程序员岗位这一件事。

为了让它更大更强，OpenAI被曝在拉美和东欧等地区，提供了1000个外包岗位。

外包员工的主要工作是标注数据，以及训练ChatGPT写代码

这1000人中，40%是程序员，他们为OpenAI的模型创建数据，用来学习软件工程任务。

一直以来，OpenAI的训练数据是从GitHub上抓取的。

现在外包程序员们新手搓的数据集，不仅包括代码行，还包括代码行背后的人类思考逻辑步骤。

有位南美的软件开发人员爆料，他为OpenAI完成了五小时的无偿编码测试。

整个过程中，他的任务分为两部分。

• 用书面英语解释如何处理一个编码问题；
• 提供解决方案。

如果发现bug，OpenAI会向他详细询问bug的具体情况，并请教如何修正。

程序员需要展示思考问题的每个步骤，他据此猜测OpenAI很可能想为ChatGPT提供非常具体的训练数据。

特斯拉前AI主管Andrej Karpathy在推特上调侃：

最新的热门编程语言是英语。

不过话说回来，ChatGPT修bug能力强是好事，要真能搞进化到可以完成代码里死记硬背的部分，也是好事。

毕竟OpenAI成立时对外宣称的宗旨，就是希望“确保通用人工智能可以造福全人类”。

虽然乍一看它这些年做的事，有点像在致力于用一部分人的努力，让更多人失业。

从Dota2赛场上碾压人类，到GPT-3、DALL-E2、ChatGPT的闪耀表现，它带来的新产品总是伴随着“快要让xxx失业了”的议论声。

但无论如何，商业却一直对它青睐有加。

就目前而言，OpenAI的主要商业模式是API费用、token费用和软件许可。

OpenAI近期还发布了ChatGPT的付费版ChatGPT Pro，每月费用42美元（约合285元人民币）。

虽然机器人对话初创公司如雨后春笋般冒出，但诸多迹象表明市场对OpenAI的持续看好。

微软刚刚宣布将向OpenAI加码投资数十亿美元，并将OpenAI的模型融入微软必应等消费级和企业级产品中。

根据知情人士透露，此次追加投资数额约为100亿美元。

与此同时，WSJ披露的消息显示，1月初，亿万富翁Peter Thiel创立的风投基金Founders Fund正在就投资OpenAI进行谈判。

据悉，融资金额将至少达3亿美元。

One More Thing

在第一轮实验中，ChatGPT并没有解决QuixBugs数据集的bitcount问题。

但若是你现在再重头问一次这个问题，就会发现ChatGPT可以“一遍过”：

那么这是否意味着ChatGPT已经从这次研究过程中学会求解了呢？我们拭目以待。

By OpenCV学堂

我们每个人都在逼近被机器抢活的时刻。对于张伟，这个时刻已经到来了。

大学毕业至今，张伟已经做了八年独立画师。2022 年国庆期间，他经人介绍接到了一份配图工作——给小说绘制人物头像。

这是一份“走量”的活，对技术和创造性要求不算高。对方开的价位也合理，120 元一张，一共 65 张 。主要成本在于沟通。因为是第一次合作，双方花了一天时间对接需求，期间张伟画了三张草稿，对方又找来一些案例给他做参考。

一切似乎推进顺利，沟通后他交了第一稿，通过了。对方还支付了第一张画的稿费。直到几天后，他突然收到通知：

“经开会决定，小说配图将从人物插图改成物品配图，使用 AI 绘画，合作中断。”

“我被 AI 抢活了。”他有些哭笑不得。他向对方要求看看 AI 生成的成果，对方也大方地发给他。“挺不错”，他的感受是。但更大的落差是成本：对方告知张伟，机器生成一张图只需要花费 2 美分。画师成为 2022 年最受 AI 威胁的职业之一 ｜ Pixabay

给 AI 打下手

这是近 860 倍的差距。公司的经营者们先动了心——哪家公司开始裁美术、哪家开始研究 AI 技术、哪家已经在用 AI 生成图，类似传闻越发频繁地在画师群体内流传。刘晓莉所在的游戏公司就是其中之一。2022 年10 月底，市场部一位同事开了一次 AI 绘图分享会，用游戏项目的成品图，现场生成了相关图片。参会的有刘晓莉这样的美术岗，还有市场、策划和程序员。大多数人反应平淡，毕竟过去半年多少也在网上看到过案例。刘晓莉感受也并不惊艳，“不确定性很大，不可能一次就生成很好的图片”。唯独制作人兴奋异常，眉飞色舞地追问主美术：今后游戏内的部分皮肤是不是可以用 AI 制作？此前，皮肤绘制这类工作都会外包一部分出去，每张稿费大概在五六千元，需要一名画师画上一星期。如今使用 AI，生成图片只需两小时，再经过原画师上手改，一个半小时就能完成。满打满算，一张图的产出只需四小时。

角色皮肤对手游玩家吸引力巨大｜《明日方舟》官网

尽管老板已经拍板，把 AI 加入到工作流程这件事仍处于测试阶段，刘晓莉的工作尚未受到太多影响。在很多细致而常见的甲方要求面前， AI 的随机性并不占优势。它无法理解一些简单指令，比如，“把脚往后收一收”——或许这就是为什么，那家出版商在选定 AI 作画后，将小说的配图从人像改成了物件。但真正的威胁到来之前，人们的心态先变了：和刘晓莉同一岗位的同事，在开完 AI 分享会后危机感“呼的一下就上来了”。“之前同事基本不接外包的活，周末时间都用来陪孩子，但最近一周有人找她，她二话不说立马开工。”转头回到公司里，这名同事却又不太乐意给 AI “打下手”，改稿的时候“瘪着嘴”。

AI 绘图平台 Crypko 就以生成二次元人物立绘为卖点｜Crypko 官网截图

成为机器的养料
如今人们已经理解，机器并不是凭空学会了画画。在此之前广为人知的阿法狗 AlphaGo，就学习了 16 万人类棋谱以精进“棋艺”；而一个人脸识别算法要训练至合格，常用数据集生成的人脸图片数量，往往达百万量级。AI 绘图也是如此。火爆 2022 的 DALL-E 2、Stable Diffusion 等，他们的训练集均包含数十亿个参数。除非直接指定风格（例如梵高、莫奈），人们并不容易分辨一幅机器生成图究竟“学习”了哪些艺术家。但很快就有了例外。2022 年 8 月底，AI 绘图工具 mimic 一度在日本画师群体中引发热议，这款绘图工具能模仿指定漫画家的画风，输出相近的作品。日本画师开始群体抗议，“使用禁止”的 tag 成为推特趋势热门话题，许多画师表示自己的作品不会授权给 mimic 用于训练及使用。

mimic 在官方宣传中用 AI 模仿了推特画师｜mimic 官方推特紧接着，事态蔓延到了中国画师圈。独立画师魂君表示：一开始，人们只是抱着“玩玩看”的心态开始使用这些工具；进而，出现了一些不画画的人使用特定画师的作品训练模型，再反过来用生成的作品嘲讽该画师的事情。2022 年 10 月 13 日，魂君发布了一则微博，呼吁业内关注 AI 绘画侵权现象。他提到：目前“ AI 无授权拿画师的画做养料”、“无授权拿画师图洗稿玩”的情况逐渐泛滥。他希望更多同行能加入发声，抵制以 AI 绘图为名义的侵权。抗议直指一款名为 NovalAI 的绘画工具。11 月 29 日，微博网友@ Sueno 洛柒则发声抵制 Nijijourney，一款最新的基于 Midjourney 的 AI 绘画程序。这些备受争议的工具存在一个共同点，它们都是为创作二次元画作而生的。不论你输入什么关键词，成品都会呈现动漫风格。相比于 DALL-E 2、Stable Diffusion 所用的超大模型，二次元的素材池小得多。当输入的要求细致到特定角色、特质时，特定画师的“影子”经常就会浮现出来。受到抵制的 mimic 和 Noval AI 两个平台，都因能制造出画风极度接近特定画师的作品，而被视为“洗稿”机器——这种行为之泛滥，以至于那位画师的原作，有时反而会被识别为“AI 制造”。

图片来源：微博截图

新技术放大了一个旧问题：抄袭。画师圈有不成文的习惯：同人爱好者会在网络上收集自己喜欢的图片，上传到一些公开平台；而初出茅庐的画师，则将此作为宣传自己，与同好交流的方式。为了方便搜索，他们常会给图片打上非常细致的 tag，以下面这张游戏同人图为例，上传者不仅会打上角色名称、游戏出处，还会具体至画面内角色的发型、发色、姿态和衣着等细节。

左侧橙色框内均为这张图片的 tag ｜ danbooru

于是，这些平台成了天然的 AI 素材库，只要使用爬虫技术，将图片和词条抓取下来，就可直接用于训练，连人工标注的成本都省下了。画师在无意识中，也为 AI 进步贡献了一份力。使用图片作为素材训练的时候，多数 AI 平台并不会征询原作者的同意。平台商业化后的收益也不会有半分进入原作者的口袋——一些画师们认为，这实际上已经构成侵权。

ArtStation 艺术家集体反对 AI 绘图 ｜独立艺术家 Joyce Da Silva

人类反击战
作为传统的乙方角色，很难说画师的态度能多大程度上左右甲方的选择，更别提改变技术前进的车辙。但他们也并未自此缴械投降。魂君在自己的倡议中提出一个思路：今后画师们在平台上发布作品时，可以在作品上覆盖大面积水印，破坏作品的完整性，以防止被用于训练 AI 以及洗稿。一些画师随之响应，开始分享水印的资源包。不同于签名似的小型水印，这些水印面积巨大，试图均匀地覆盖整个画面。画师开始公开免费地分享自制的水印 ｜ 微博截图画师们也被迫自证自己的作品并非出自 AI 之手。他们向社交平台上传作品的同时，开始主动贴出草稿、视频等绘制过程，甚至有网友表示这种做法已经成了新的“发图礼仪”；也有部分画师大面积撤下自己公开发布过的作品，以防止被用于 AI 训练。2022 年 9 月，一个名为 Spawning 的艺术家团体上线网站 Have I Been Trained? （我被用于训练了吗？），通过检索目前最大的开源图片数据库 LAION-5B 和 Laion-400M ，帮助艺术家了解自己的作品是否被用于 AI 工具的训练。一些传统图片平台也摆明自己的态度。Getty、Shutterstock 等图片库网站先后删除了平台上一些明显标注为 AI 生成的图像；福瑞（兽人）爱好者社区 Fur Affinity 则是以保护人类创作者为由，禁止了 AI 作品在平台上出现。

AI 禁止的趋势在各类型的平台蔓延｜微博截图

当然也有人使用法律手段反击。2022 年 11 月 3 日，微软收到一起集体诉讼，其旗下的 AI 编程助手 GitHub Copilot 被控诉使用公共仓库内、用户发布的代码进行训练，侵犯了大量创作者的合法权益。公开信中写道，这起诉讼背后的“原告”，是“数百万 GitHub 用户”。这起诉讼引发了大量关注，因为不仅是 Copilot ，目前包括 AI 绘图在内的绝大部分人工智能生成工具背后都是这同一套运行逻辑。参与诉讼的律师 Matthew Butterick 接受媒体采访时表示：我们正处于人工智能的 “Napster 时代”——在数字音乐出现的初期，“Napster 案”的判决奠定了版权音乐的发展根基，决定了如今人们在平台上听音乐而不是私人下载的习惯。过去一年，文字生成图像、文字生成音乐甚至视频的工具花样翻新，彼此超越；而创作者们则花一年时间沉淀下来一个问题：如何在技术面前保护自己的权益?

Rick&Morty 主创在新游戏中使用AI绘图作品，以“营造一种平行宇宙的荒诞感” ｜ Reddit

面对越来越无所不能的 AI，人类群体也开始了分裂。魂君加了不少讨论 AI 绘图的聊天群，有单纯以画师组建的群，也有包含技术研究人员、公司老板等在内成员比较复杂的群。他观察发现，研究技术和做老板的，聊到 AI 通常都会比较兴奋且积极乐观。至于画师们，魂君总结道：“有悲观派，认为 AI 迟早会取代人；有乐观派，认为 AI 只是一个工具，认为今后围绕 AI 说不定会衍生一些新的工作岗位；之前群里还出现过一个无脑拥护 AI 的极端技术主义者，他觉得人学习不算侵权，那 AI 学习也不算，结果被好多人怼了。还有画师认为 AI 的出现是一件好事，能淘汰所谓的‘低端’画师。”

越来越多迹象显示，这不是一场昙花一现的争吵，而是 AIGC 技术普及之路上绕不开的核心命题。AI 绘画相关的内容下，人们总是自发地将有关侵权的讨论顶到热门；Stable Diffusion 则于 2022 年 12 月宣布，将与 HaveIBeenTrained 网站合作，允许艺术家在训练集中搜索并删除自己的作品

B 站知名 up 主删除使用 AI 绘画的视频 ｜ B 站截图

魂君自己也尝试过用 AI 做东西。还是早在 2017 到 2018 年期间，他接触到了当时被视为 AI 的“自动上色”工具，相当简陋，也并不引人注意。一直到 2021 年年底 Disco Diffusion 出现，他才又一次注意到 AI 绘图——技术的能量却已今非昔比。踌躇再三，他还是选择不使用：“还是担心侵权问题。”被 AI 抢了插画生意的张伟感受更直接：AI 就是一个大型抄袭机器。他认为当前大家对 AI 的追捧程度，很快就会导致不同程度的画师失业， AI 最终将成为一个凌驾于人之上的存在。游戏公司美术刘晓莉则认为自己的竞争对手一开始就不是 AI：“对手是 95 后，是那些更年轻的新进原画师，（我）早就有危机感了，AI 算什么？”那 AI 的抄袭问题呢？刘晓莉立刻干脆地反问回来：“人就不抄吗？”

By 亨宇

FTX案件再次迎来重大进展。美国纽约南区检察官Damian Williams周三晚间在一份声明中表示，已起诉Alameda Research前首席执行官Caroline Ellison和FTX联合创始人Gary Wang，指控他们涉嫌欺诈，并在导致FTX破产的事件中扮演了相应角色。两人都对指控认罪，并同意与检方合作。

检察官表示，Ellison已经承认了7项指控共谋对FTX的客户进行电信欺诈共谋对Alameda Research的贷款人进行电信欺诈共谋实施商品欺诈共谋实施证券欺诈共谋实施洗钱Ellison承认，她不仅合谋从FTX的客户那里窃取了数十亿美元，而且还误导了投资者和贷款人。

而Wang则承认了4项指控，涉及电信诈骗、商品诈骗、证券诈骗。根据量刑标准，Ellison和Wang将分别面临最高110年和50年的监禁。而就在同一天，面临8项指控的币圈罪人SBF（Sam Bankman-Fried）也从巴哈马抵达美国，作为FTX案件中的核心人物，Ellison和Wang的认罪对于SBF而言是个不祥之兆。

Williams在一份声明中表示: “让我重申我上周的呼吁。”“如果你参与了FTX或Alameda的不当行为，现在是时候提前行动了…我们的耐心可不是无限的。”除了司法部，Ellison和Wang还要面对美国两大金融监管机构的指控。美国证券交易委员会（SEC）和商品期货交易委员会（CFTC）已于当地时间周三宣布分别对两人提起诉讼。SEC指控Ellison和Wang参与了一个长达数年的欺诈FTX投资者的骗局。该机构的起诉书显示，在2019年至2022年期间，Ellison在SBF的指示下，通过在公开市场大量购买FTX的原生币FTT，操纵该代币的价格。SEC表示，两人都知道SBF一直在虚假地宣传FTX是一个安全的加密货币交易平台，同时以不正当的手段将客户资金从FTX转移到Alameda。该机构还称，两人正在配合调查可能与FTX案件相关的其他人物。

CFTC的起诉书还指控Ellison指示Alameda使用了FTX注入的包括客户资金的数十亿美元，并在其它加密货币交易所进行交易，进行高风险投资。CFTC称，Wang对FTX平台的代码进行了修改，使Alameda能够在该平台上保持“几乎无限信贷额度”。

Ellison和Wang大起底

Ellison和Wang都是SBF十人核心圈子的成员，三人和其他成员住在巴哈马高档社区奥尔巴尼的一套豪华顶层公寓里，共同运作着这个曾经的币圈帝国。1994年，Caroline Ellison出生于波士顿郊区，是正宗的波士顿本地人。她的父亲Glenn Ellison目前在MIT担任经济学系主任一职，曾直接向美国证券交易委员会现任主席Gary Gensler汇报工作；母亲Sara Fisher Ellison也是一名MIT经济系的高级讲师，具备浓厚的学术背景。

巧合的是，Ellison前男友Sam Bankman-Fried的父母，也曾在斯坦福大学工作。在上中学之前，当其他孩子在玩乐高积木时，Ellison就开始学习贝叶斯统计，这可是一种令不少大学生都“望尘莫及”的统计推断方法。高中时，Ellison就读于马萨诸塞州久负盛名的牛顿北高中（Newton North High School），并进一步发展了自己对数学的热爱。此外，她曾代表美国参加了2011年国际语言学奥林匹克竞赛，还多次参与了女孩数学奖（Math Prize for Girls）的竞争——这是一项吸引全国最聪明的年轻人参加的全国性竞赛。在父母的熏陶下，Ellison除了喜欢钻研各种数学原理外，还将读书视为自己的第一爱好，还是一名不折不扣的哈利波特迷。

据Ellison本人透露，自己3岁时读完了第一部《哈利波特》，5岁时读完了第二部。2012年，凭借高中时的优异表现和突出天赋，Ellison顺利拿到了斯坦福大学的录取通知，在这所著名高等学府攻读数学专业。有趣的是，她在斯坦福上大学时，曾是有效利他主义俱乐部的成员，在那里，她很关注该如何分配资金，来让这个世界变得更好。所以，Ellison涉嫌欺诈的消息一出，令俱乐部的成员们感到吃惊不已。更有趣的是，Ellison和前男友Bankman-Fried在Jane Street Capital以同事身份初次见面时，就是因为对有效利他主义的兴趣，而结下了不解之缘。

2016年大学毕业后，Ellison也顺理成章地加入了全球自营贸易公司Jane Street，在华尔街占据了一席之地。在华尔街工作时，Elison遇到了那个改变了她一生的男人Sam Bankman-Fried。CoinDesk的一份报告称，Ellison曾多次与Bankman-Fried约会，两人都是FTX十名核心员工中的一员，在某种程度上保持着亲密关系。实际上，Ellison本人对她和Bankman-Fried的情侣关系并不避讳，而且不是一般的情侣，她甚至将和Bankman-Fried的关系比作“中国式的后宫关系”。

2019年，在币安的初始资金支持下，Bankman正式推出“期货交易所”FTX。在巅峰时，FTX曾有超过100万用户，坐拥320亿美元的估值，吸引了Paradigm、软银集团和红杉资本等众多知名投资机构，也是当时交易量第三大的加密货币交易所。Alameda Research则是Bankman-Fried创建的另一家风险投资公司，主要业务则是为加密资产做市。2021年8月，为了专注于他的加密货币交易所，Bankman-Fried将Elison由交易员提拔为联席CEO。自此，斯坦福大学的学霸乖乖女一举杀入Bankman-Fried的核心圈子，这在一个由男性主导的行业中可不常见。同年，Ellison顺利入选福布斯30名30岁以下的经纪人物。

然而短短几个月后，Bankman的商业帝国却在悄无声息中迅速崩盘。这一切的导火索，正是Alameda利用FTX客户存款进行的投机性投资——在用户不知情的情况下提取了数十亿美元。值得一提的是，媒体披露FTX和Alameda的关系之后，SBF一度试图将黑锅全部甩到Ellison身上，坚称挪用客户资产进行投资的是Alameda，Alameda在用户不知情的情况下提取了数十亿美元，并试图掩盖这一切。可见在利益面前，这所谓的“亲密关系”是那么不堪一击。

作为FTX的华裔联合创始人和首席技术官，Wang与喜欢呆在聚光灯前的SBF不同，一直藏在幕后操持着这家加密帝国。自FTX成立到现在，Wang从未露公开过面，在网上仅留下两张社交平台的头像照和一张背影照。公开信息显示，Wang本科就读于麻省理工学院，2015年毕业获得数学与计算机科学学士学位，毕业之后在谷歌做了两年软件工程师。后来，他在高中好友、大学室友SBF的劝说下离开了谷歌，先后共同创建了Alameda和FTX。

作为联合创始人，Gary Wang拥有FTX集团16%的股份，价值超过6亿美元的FTT币。随着FTX出现了爆炸式增长，Wang在今年4月登上了福布斯全球30岁以下白手起家的亿万富翁榜单，以59亿美元的身价位列第三。但在FTX申请破产后，Wang火速被福布斯亿万富豪榜除名。然而有报道指出，像Ellison和Wang这样的幕后合作者通常不会被判刑，他们会被指望提供更多信息。但可以肯定的是，这场币圈的欺诈大戏才刚刚开始。毕竟，男主人公Bankman-Fried在美国的诉讼程序才拉开序幕。

By HPC