Moon

VIP 陪审团

keep move

Oct 2025

9 正在关注 18 粉丝 430 帖子

付费文章 (6)

查看全部

Claude Code：AI吞噬软件开发的转折点

SemiAnalysis认为Claude Code标志AI Agent时代开启，已占据GitHub 4%提交，Anthropic营收增速超OpenAI。它颠覆软件开发与信息工作，威胁SaaS与微软模式，预示知识经济重构。

0.01 USDC 3 次购买

巨大的泡沫和巨大的财富差距带来的巨大危险

了解财富和金钱之间的区别以及它们之间的关系非常重要，最重要的是：1）当金融财富相对于金钱数量变得非常大时，泡沫是如何产生的；2）当需要金钱导致出售财富以获取金钱时，泡沫是如何破裂的。

0.005 USDC 2 次购买

Hotwire Native 深度解析：推送通知

原生推送通知比较复杂，因为需要正确处理很多环节。以下是我在 Hotwire 原生应用中实现原生推送通知的详细步骤。

0.001 USDC 0 次购买

帖子 Media

Moon

· 18m

拉乌尔·帕尔表示，本轮周期与2017年相似，可能在2026年6月达到峰值。

人工智能、ETF和流动性或将推动加密货币市场规模从3万亿美元飙升至100万亿美元 🚀 #ai #etf #btc #加密货币

https://x.com/Vivek4real_/status/2035237956567671077?s=20

Moon

· 32m

乔迪·维瑟：稳定币的交易量正在激增。稳定币的市值也在激增。

但比特币并未跟上这股势头。

“在稳定币与比特币的历史对比中，这是首次出现这种情况：当稳定币的市值和交易量不断攀升时，比特币却没有随之上涨。”

这种差距正是信号所在。 #usdc #btc

https://x.com/MilkRoad/status/2035371427835342908?s=20

中文 English

0:00 2020年的印钞。我说的是美联储从加息突然转向，“是的，我们不再加息了”，这发生在2022年末，导致了一波大反弹，

0:06 然后说，

0:06 “是的，我们不再加息了”，这发生在2022年末，导致了一波大反弹，

0:10 在ETF推出前，

0:11 比特币和所有加密货币的每一个部分，都涉及到流动性从其他资产转移到最快增值的资产。

0:16 而且，

0:17 通常发生的是，比特币比其他资产跑得更快。好的，这意味着

0:22 任何投机者

0:22 和散户在认为行情结束后，比如解放日，就会去买比特币。

0:26 这很好，但是

0:27 这次他们买的时候，还有另一件事正在发生，那就是防护措施已经启动了。

0:31 我们看到稳定币交易量爆炸性增长，

0:32 稳定币市值也在爆炸性增长。

0:36 而且，这是稳定币与比特币历史上首次，

0:37 稳定币的市值和交易量不断攀升，但比特币并未同步上涨。

0:42 因此我相信，

0:43 当下一阶段开始从低位稳住时，不仅比特币会以更高的贝塔系数上涨，

0:46 因为这次超级增长资产，

0:47 不再反弹，这是一场大宗商品驱动的行情，我认为比特币将从债务资产类别中脱颖而出。

0:51 到时候，全世界的养老基金和个人都会觉得，

0:52 “嘿，如果标普500因为大宗商品牛市干扰而无法上涨，

0:56 那我得找其他能涨的资产，

0:57 于是他们就会开始买比特币。”

1:01 明白了，

1:02 所以你期待比特币与软件股脱钩，预计比特币会开始上涨。

0:00 2020 print. I'm talking about things like a Fed pivot from hiking to all of a

0:06 sudden saying,

0:06 "Yeah, we're done hiking," which was the end of 2022, which led to a big rally

0:10 before we got into

0:11 the ETF. Every single part of Bitcoin and every single part of crypto involves

0:16 something where

0:17 the liquidity moves from one of the other assets into the fastest asset. And

0:22 what always happens

0:22 is Bitcoin comes out faster than everything. Okay, great. So that means that

0:26 any speculators

0:27 retail, when they think it's over, like at Liberation Day, let's go buy Bitcoin

0:31 . That's great. Well,

0:32 this time when they buy it, there's another thing sitting there, which is the

0:36 guardrails are happening

0:37 already. We have exploding volumes and stablecoins. We have exploding market

0:42 cap and stablecoins.

0:43 And for the first time in the history of stablecoins versus Bitcoin, Bitcoin is

0:46 not rallying as the

0:47 market cap and the volumes of stablecoins are going higher. So I do believe

0:51 that when we get the next

0:52 phase where this stabilizes from lower levels, not only will Bitcoin go higher

0:56 on a higher beta,

0:57 but because the hyperscalers and this time the other growth assets will not be

1:01 bouncing,

1:02 this is a commodity-driven situation. I think Bitcoin will now separate itself

1:06 from that

1:06 debt asset class. And then every pension fund and individual in the world will

1:09 be like,

1:10 "Hey, I got to make my returns if the S&P 500 can't rally because of the stupid

1:14 commodity bull market,

1:16 let me go buy something that does and they'll start buying Bitcoin."

1:18 Gotcha. So you're looking for this decoupling of Bitcoin from software and you

1:23 're expecting

1:23 Bitcoin to start rising in operation.

Moon

· 49m

#Solana 在 2026 年 2 月首次在调整后的稳定币交易量上击败以太坊。
“调整后”=无洗盘交易，无虚假的 #CEX 成交量。仅限真实使用。
大多数人完全错过了看涨信号。 #eth

https://x.com/MilkRoad/status/2035401617386901813?s=20

中文 English

0:00 但是，如果你看看链上交易活动主要发生在哪里，

0:04 SLANA无疑一直是主导力量，无论是从零售

0:08 角度。

0:09 再看机构采用情况，二月份，

0:12 那是SLANA历史上首次超过所有其他链，

0:16 ，

0:16 包括以太坊，在调整后的稳定币交易量上领先。

0:20 调整后的稳定币交易量意味着剔除

0:24 洗盘交易，

0:25 剔除内部中心化交易所交易和其他非自然

0:28 活动。

0:29 所以即使在熊市中，我们依然看到SLANA在重要

0:33 指标上

0:34 持续取得关键进展。

Moon

· 1h

#Coinbase CEO：“最聪明的银行 CEO 们正倾向于稳定币和代币化。” #usdc #rwa

https://x.com/Etherealize_io/status/2035462529627947510?s=20

中文 English

0:00 但我认为现在所有最聪明的大银行CEO

0:03 都在倾向于

0:04 稳定币和加密货币，他们正在整合稳定币

0:08 系统，因为

0:09 它们更快更便宜。

0:10 这样可以节省Swift手续费，更快地转移客户资金。

0:13 他们还

0:14 利用加密给各种基金和资产做代币化，然后

0:17 他们

0:18 为客户提供加密交易，比如他们的高净值客户

0:22 等

0:22 想要接触这些资产的人。

Moon

· 6h

USDC的交易量刚刚反超USDT！

这是自2019年以来的首次。

🔹 2019年：USDT 87% / USDC 13%

🔹 2022年：USDT 54% / USDC 46%

🔹 2024年：USDT 70% / USDC 30%

🔹 2026年：USDT 36% / USDC 64%

7年间形势彻底逆转。

#USDT 在市值方面仍占据领先地位。

但 #USDC 正在真正重要的领域胜出：实际交易量。

机构投资者、AI代理、支付服务商，他们都在选择USDC。

https://x.com/LeonWaidmann/status/2034925922294362386?s=20

Moon

· 10h

跨链结算的速度仍不足以支撑卓越的产品用户体验。

借助 Circle Gateway，开发者可以统一跨链的 USDC 余额，并通过单一 Gateway 余额实现跨链支付。

减少预存资金。
减少余额调整。
更多时间用于产品发布。

文档：https://developers.circle.com/gateway

https://x.com/BuildOnCircle/status/2035017928022925795?s=20

Moon

· 11h

#Lightspeed 的@buckymoore表示，AI应用层真正的机遇在于那些与当前模型提供商所涉领域相距甚远的大型行业——在这些领域中，将客户数据导入模型所需的上下文工程工作极其复杂且繁琐。 #ai

https://x.com/tbpn/status/2035116995826610423?s=20

中文 English

0:00 是的，很高兴你提到了Cursor和软件工程领域

0:03 因为

0:03 它显然是最成熟的领域，所以我觉得它和法律领域一样很有启发性

0:07 有趣的是

0:07 今天你们，我不确定你们节目开始时有没有提到

0:10 不过比如说

0:11 Cursor启动的模型，对吧？所以首先现在很明显

0:15 这些

0:16 公司都将训练自己的模型，同时

0:19 也是事实

0:19 他们会先用这些开源权重模型，而这些模型现在

0:22 多来自中国，这点

0:22 作为美国公民我不是很认可，我们投资了一家叫

0:26 Reflection AI的公司

0:27 目标就是改变这个局面，但另一方面我确实认为

0:32 Cursor想证明的是

0:33 他们收集的用户数据能让他们建立

0:36 这种强化

0:37 学习循环，允许他们打造出接近最前沿质量的产品

0:40 与此同时

0:42 这些公司似乎仍然把许多最复杂的查询

0:45 发送给

0:46 Codex或更准确地说GPT的云端，显然这其中存在利润空间问题

0:51 这很

0:52 难以竞争，考虑到OpenAI和Anthropic的竞争产品

0:55 的情况

0:56 然后转换到法律领域，我的假设是

0:59 Harvey和

0:59 LaGora也必须做和Cursor一样的事情，所以我认为这是

1:02 现在一个

1:03 绕不开的问题，即后训练的开源模型是否能允许

1:07 结合来自应用提供商

1:08 独特用户反馈，

1:10 这种模式是否足够具有防御性

1:11 所以当我思考那些准备投资的公司时，我其实觉得这对任何

1:16 行业来说都是

1:17 不可避免的挑战，尤其是那些人工智能渗透已经成熟的行业

1:19 比如法律和

1:21 软件工程

1:23 领域

1:24 另一方面，我认为有些行业体量很大，距离模型提供者目前的水平

1:28 还很遥远，

1:29 未来也可能一直如此，同时

1:32 把客户数据导入模型的上下文工程异常

1:32 复杂，需要跨越多个业务部门，还需要大量亲力亲为的前线部署

1:37 的工程师，我认为这类公司才是

1:38 我们真正感兴趣的，因为

1:41 他们的能力不仅具有防御性，

1:42 还能让他们开始和客户形成反馈循环，听到很多客户的秘密

1:44 这些秘密

1:45 会反馈到产品优化中，而这会让其他竞争者难以进入这个市场

1:49 因为如果你服务的是客户，

1:51 他们只会告诉你那些秘密

1:54 对吗

1:56 是的，我觉得Palantir就是这种情况的一个很好的例子

1:58 在AI出现之前，

1:59 我认为我们将看到许多公司以相同的方式崛起，所以投资

2:01 应用层的公司

2:02 他们对这个市场的难点和防御性有非常清晰的理解，

2:05 能够把它

2:06 变成核心竞争力。Gemini 3 Pro是谷歌迄今最智能的模型，

2:10 拥有先进的推理能力，

2:10 下一水平的代码编写和深度多模态理解能力。

0:00 Yeah, so I'm glad you brought up cursor and like the software engineering space

0:03 because

0:03 it's obviously the most mature so I think it's very illustrative as is legal

0:07 and interestingly

0:07 today you guys I'm not sure if you guys covered this in the beginning of the

0:10 show but like the

0:11 model that cursor launched right so so first off you know it's very obvious now

0:15 that these

0:16 companies are going to be training their own models and it's it's it's also the

0:19 case that

0:19 they're going to be starting with one of these open weight models which today

0:22 are Chinese which

0:22 as an American citizen doesn't sit super well with me we are investors in a

0:26 company called

0:27 reflection AI that aims to change that but on the other hand I do think what

0:32 cursor is out to prove

0:33 is that the user data that they're capturing is going to allow them to set up

0:36 this reinforcement

0:37 learning loop that does allow them to build something that is like frontier

0:40 quality at the same time

0:42 it appears as though these companies are still sending a lot of their most

0:45 complex queries to

0:46 codecs to or rather GPT into into cloud and there's obviously a margin problem

0:51 there that is pretty

0:52 hard to compete with when you think about the competitive products that open AI

0:55 and anthropic

0:56 have and then when you shift gears to legal my assumption would be that like

0:59 Harvey and

0:59 LaGora will have to do the same thing that cursor's doing and so I think this

1:02 is kind of an elephant

1:03 in the room right now as to whether doing that thing whether post-training open

1:07 models allows

1:08 you to combine with like unique user feedback that you get from being an

1:10 application provider

1:11 is is defensible enough and so when I when I think about like the companies

1:16 that were looking to

1:17 invest in I would actually say that I think that is just going to be an

1:19 inevitable challenge for any

1:21 these industries that hit a maturation point of AI adoption like legal and

1:23 software engineering

1:24 have but on the other hand I think there's some industries where they're very

1:28 large they're far

1:29 enough a field from where the model providers are today and probably will

1:32 continue to be and the

1:32 context engineering to actually get the customer data into the model is just so

1:37 messy it requires

1:38 going across different business functions it requires a lot of like hands-on

1:41 forward deployed

1:42 engineering I think those are the kind of companies that we get really excited

1:44 about because I think

1:45 just being really good at that is not only defensible but it also allows you to

1:49 start to generate this

1:51 like feedback loop with your customers where you hear a lot of their secrets

1:54 and those secrets allow

1:56 you to feed that back into how you make your product better at the expense of

1:58 anyone else playing

1:59 in the space because if you're serving the customer they're only telling you

2:01 those secrets right

2:02 yeah and I think Palantir is like a good example of this in sort of the pre-AI

2:05 era and I think

2:06 we're going to see many companies ascend in that same way and so the companies

2:10 that were investing

2:10 in the application layer I think have a really clear story around how that is

2:14 hard and defensible

2:15 enough that they can make it a core competency Gemini 3 Pro Google's most

2:19 intelligent model yet

2:20 with state-of-the-art reasoning next-level vibe coding and deep multimodal

2:25 understanding

Moon

· 12h

#USDC 的日交易量创下历史新高

https://x.com/artemis/status/2035029269156393124?s=20

Moon

· 12h

Andrej Karpathy 谈基于不可信工作者池的自动搜索：

“我那些将不可信工作者池（融入自动搜索）的设计，实际上有点像区块链。

只不过这里没有区块，而是提交（commits），这些提交可以相互构建，并包含你在改进代码时所做的更改。

所谓的工作量证明，本质上就是通过大量实验来找出有效的提交。”

分布式且无许可的自动搜索 ~= 有用工作量证明这一理念，目前仍停留在高层次的直觉层面，但至少可以说它极具吸引力。

有人需要进一步深入研究。关于尚缺的内容，请参阅 QT。 #ai #加密货币 #区块链

https://x.com/_weidai/status/2035236632161656969?s=20

中文 English

0:00 我认为一个问题是，如果你有一堆节点

0:03 可以进行并行处理，那么你很容易让多个自动研究者

0:06 通过一个公共系统交流什么的。当时我更感兴趣的是

0:09 如何在互联网中有一群不可信的工作者。

0:11 举个例子，在自动研究中，你只是想

0:14 找到那段能训练模型达到非常低验证损失的代码。

0:18 如果有人给你一个候选提交，你很容易验证该提交是否正确。

0:22 很好。比如，有人可能声称他们那段代码优化得更好，

0:26 能给你更好的性能。你可以很容易地检验，

0:29 但可能需要大量工作去检查。不过基本上，

0:32 他们依然可能会撒谎等等。

0:34 所以你基本上面对的是类似的问题，

0:37 其实我设计的含不可信工作者池的系统，

0:40 看起来有点像区块链，因为你不是用区块，

0:43 而是用提交，提交可以相互建立，

0:45 包含你不断改进代码的变更。

0:47 工作量证明基本是做大量试验以找到有效提交。

0:51 那很难。而奖励就是登上排行榜，现在

0:55 没有任何金钱奖励。

0:57 不过我不想把这个比喻推得太远，

1:01 但它本质上有这个问题：

1:03 搜索需要大量计算，但验证候选方案是否优秀很便宜，

1:07 因为你只需训练一次。

1:10 有人可能试了10000次，但你只需要

1:13 验证他们产出的方案有效，

1:16 因为那其他的9990次都失败了。

1:19 总之，长话短说，

1:22 你得设计一个系统，让不可信池的工作者可以

1:25 与可信池工作者协作进行验证。

1:26 整个过程是异步的，可以工作，

1:31 从安全角度来说也安全，

1:33 因为如果有人发任意代码给你执行，那很危险。

1:37 但从根本上说，这是完全可能的。

0:00 think like one issue is if you have a bunch of nodes of

0:03 parallelization available to you, then it's very easy to just

0:06 have multiple auto researchers talking through a common system

0:09 or something like that. When I was more interested in is how

0:11 you can have an untrusted pool of workers out there on the

0:14 internet. So for example, in auto research, you're just trying

0:18 to find the piece of code that trains a model to a very low

0:22 validation loss. If anyone gives you a candidate commit, it's

0:26 very easy to verify that that commit is correct. It's good. Like

0:29 they, someone could claim from the internet that this piece of

0:32 code will optimize much better and give you much better

0:34 performance. You can just check it very easy, but probably a

0:37 lot of work goes into that checking. But fundamentally, they

0:40 can lie and etc. So you're basically dealing with a

0:43 similar kind of, it's almost actually like looks a little bit

0:45 like my, my designs that incorporate an untrusted pool of

0:47 workers, actually look a little bit more like a blockchain a

0:51 little bit, because instead of blocks, you have commits, and

0:55 commits can build on each other, and they contain like changes

0:57 to the code as you're improving it. And the proof of work is

1:01 basically doing tons of experimentation to find the

1:03 commits that work. And that's hard. And then the reward is

1:07 just being on the leaderboard right now, there's no monetary

1:10 reward whatsoever. But I don't want to push the analogy too far,

1:13 but it fundamentally has this issue where you run off search

1:16 goes into it, but it's very cheap to verify that a candidate

1:19 solution is indeed good, because you can just train a single,

1:22 you know, someone had to try 10,000 IZs, but you just have to

1:25 check that the thing that they produced actually works,

1:26 because the 99,000 of them didn't work, you know. And so

1:31 basically, long story short, it's like you have to come up with

1:33 a system where an untrusted pool of workers can collaborate

1:37 with a trusted pool of workers that do the verification. And

1:42 the whole thing is kind of like asynchronous and works and

1:44 and so on. And it's like safe from a security perspective,

1:49 because if anyone sends you arbitrary code and you're gonna

1:51 run it, that's very sketchy and dodgy. So, but fundamentally,

1:55 it should be totally possible.

Moon

· 12h

“是什么让 #Phantom 脱颖而出？”

敬请收听CEO @BChillman 在 @a16zcrypto 播客中的见解 🍿 #钱包

https://x.com/phantom/status/2035039180473213286?s=20

中文 English

0:00 - 让我们更深入聊聊你在 Phantom 的工作。

0:02 对于不了解的人来说，

0:03 Phantom 有什么特别之处？

0:04 它与其他钱包选项有什么区别？

0:07 人们可以随时选择这些钱包。

0:08 - 我们非常重视整体用户体验，

0:12 很多人会混淆界面设计和用户体验，

0:15 只考虑应用在屏幕上的样子。

0:17 但我认为真正让我们与众不同的是

0:18 我们能整体考虑用户旅程，

0:20 用户首次了解加密货币的过程，

0:23 用户如何接受教育，

0:24 如何引导他们使用客服等功能，

0:26 等等。

0:27 另一个不同点是我们能

0:28 把握链上趋势，

0:30 及时出现在用户关注的热点。

加载中...