Steven Song (@StevenBayesian) header
Steven Song (@StevenBayesian) profile picture

用AI追踪资金流向 前Top基金创始合伙人|$100M+ AUM 研究新叙事、新资产与资本流向 投资 × 创业 × 贝叶斯决策

Joined September 2017
绝对额最高的 Hyperliquid 前端,这周涨得最慢:tradexyz 周收入 788,992 美元只 +29.7%,nest CL 却 +167.9%。 四个前端完整一周(10-29..11-04 UTC): · tradexyz:788,992(+29.7%) · fomo-perps:626,689(+105.4%) · phantom-perps:443,519(+67.7%) · nest CL:356,615(+167.9%) 四个 7 天和 30 天同正(DefiLlama,C 级)。 下一完整周 11-05..11-11,看 nest 能否守住 35 万美元以上。 $HYPE(Hyperliquid)
1
1
344
CFTC 放行美股永续的当天,官帖一夜读了约 40 万次。同一时段,链上能核到落袋的最大一笔,是 HYPE 援助基金一周买回了 1,691 万美元,比前一周多 62%。 Hyperliquid 是永续合约交易所。股票永续(HIP-3)是挂在它上面、用加密保证金交易股票的合约。CFTC 是美国商品期货监管机构;它说的是受监管的美国场所可以做股票永续,不是说链上的单已经分流过去了。 钱先落在哪(完整自然日,UTC;两套窗口差一天,分开写): · 援助基金回购 HYPE:10/28–11/03 合计 1,691 万美元(+62%;前一周 10/21–10/27 是 1,044 万) · tradexyz(HIP-3 部署方)协议费:10/27–11/02 70.2 万美元(+13.4%) · xyz 股票永续 24 小时成交:36.48 亿美元——只有滚动快照,没有完整 7 日,所以不写分流比例 · 挂在 HL 上的前端同窗:fomo 48.2 万(+48%)、Phantom 37.1 万(+27%)、nest 30.9 万(+128%) · 美国双注册 DCM 当天开盘份额:N/A,还没核到一手上线页 有三件事要拆开。监管叙事很热,不等于钱已经从链上搬到美国 DCM。援助基金 11/03 当天成交笔数触到接口上限,当日回购可能被低估,整周 +62% 是下限。同日还有诉讼挑战这笔批准——上线节奏是法律变量,不是产品变量。 一周前(10/21–10/27)援助基金回购还在减速;这一周扭头了。扭头和 CFTC 同日出现,不能自动写成「监管利好已定价」。 接下来盯两个数: 1. 下一完整周援助基金回购是否守住 ≥1,400 万美元 2. tradexyz 下一完整周协议费是否继续涨 有了真实 7 日 HIP-3 成交,再谈分流。 $HYPE
2
2
424
solana:6GmAFSYs4gk3FDao5FzzySQpPZaWsa4rUJHacpMpUNgx robinhood:0x39dbed3a2bd333467115de45665cc57f813c4571 solana:pumpCmXqMfrsAkQ5r49WcJnRayYRqmXz6ae8H7H9Dfn 今日排名前三,ps:由于10/27完整协议数据尚未补齐,以26日数据为主要参考依据
2
311
26.10.25项目排名 ethereum:0x232ce3bd40fcd6f80f3d55a522d03f25df784ee2 solana:6GmAFSYs4gk3FDao5FzzySQpPZaWsa4rUJHacpMpUNgx solana:pumpCmXqMfrsAkQ5r49WcJnRayYRqmXz6ae8H7H9Dfn
1
2
353
今日排序 ethereum:0x232ce3bd40fcd6f80f3d55a522d03f25df784ee2 solana:pumpCmXqMfrsAkQ5r49WcJnRayYRqmXz6ae8H7H9Dfn solana:6GmAFSYs4gk3FDao5FzzySQpPZaWsa4rUJHacpMpUNgx …
1
357
26.10.22判断: solana:pumpCmXqMfrsAkQ5r49WcJnRayYRqmXz6ae8H7H9Dfn ethereum:0x232ce3bd40fcd6f80f3d55a522d03f25df784ee2 solana:6GmAFSYs4gk3FDao5FzzySQpPZaWsa4rUJHacpMpUNgx
1
1
2
416
感慨梁圣大格局。Deeplnfer的开源,算是标志性事件之一。 如果 DeepInfer 这类技术把“每个成功任务的推理成本”持续打下来,真正的大机会不是“模型更便宜”本身,而是过去因为太贵而无法成立的 Agent 商业模式开始成立。 大量AI企业从没办法赚钱,开始有了可能的盈利模式。这是对AI小公司创业团队极大的利好。 AI 从“按次使用的软件”走向“24小时在线的数字员工”。 token使用量极大爆棚,无限用token时代越来越近了?
🚀 Introducing DeepInfer, our in-house inference framework, now fully open source! Powering DeepSeek-V4.1-Flash at scale with high throughput and low latency. We’re sharing our production stack to help the community lower compute costs, reduce energy use, and make AI more affordable. 🔗 github.com/deepseek-ai/DeepI… 1/4
1
452
近期追踪的几个项目,综合排序。根据多日趋势、单日数据等指标。
1
1
1
2
722
大厂的基本盘依旧稳固
伯克希尔投了 Alphabet 100 亿美元,为什么现金充裕的 Alphabet 还要融资? 1/12 伯克希尔投了 Alphabet 100 亿美元,为什么现金充裕的 Alphabet 还要融资? 很多人第一反应是: 巴菲特看好 Google。 或者 Greg Abel 开始押注 AI。 但我觉得真正值得看的不是这个。 Alphabet 融资,不是因为它没钱。 而是 AI 资本开支已经大到,它不想再只靠经营现金流和债务去扛。 2/12 先把这次融资说清楚。 Alphabet 6 月 1 日宣布计划融资 800 亿美元,第二天定价后,潜在总规模变成了 847.5 亿美元。 但这 847.5 亿美元,并不是一笔钱。 更不是 Alphabet 一次性筹了 847.5 亿美元,全部拿去买 AI 芯片、建数据中心。 3/12 里面包括: 180 亿美元普通股。 167.5 亿美元强制可转换优先股。 100 亿美元伯克希尔私募。 以及最多 400 亿美元 ATM 计划。 而这 400 亿美元 ATM 里面,大约 300 亿美元主要用于员工股权归属时的税款结算。 所以如果把 847.5 亿美元全部理解成“Alphabet 为 AI 基建融资”,事情就说简单了。 4/12 真正这轮直接定价的公开发行,加上伯克希尔的 100 亿美元私募,规模更接近 447.5 亿美元。 这已经非常大了。 但问题是,Alphabet 现在需要的钱也确实越来越多。 今年第二季度: 经营现金流 391 亿美元。 资本开支 449 亿美元。 单季自由现金流已经变成了负 59 亿美元。 5/12 而且公司刚把全年资本开支指引,从 1800-1900 亿美元继续上调到了 1950-2050 亿美元。 管理层还说,2027 年资本开支会继续显著增加。 这已经不是过去 Google 每年拿几十亿美元慢慢扩服务器的游戏了。 现在是每年接近 2000 亿美元,而且很可能还要继续往上。 6/12 那 Alphabet 为什么不全部用自己的钱? CFO 在电话会上其实已经把顺序说得很清楚了。 先用经营现金流。 再用债务。 最后再用股权。 过去 12 个月,Alphabet 的债务规模已经从大约 160 亿美元,快速扩张到了接近 1000 亿美元。 所以股权融资的原因不是: Google 没钱了。 而是: 它不想让未来几年的 AI 投资,全部压在现金储备和债务上。 7/12 这本质上是一种资产负债表的风险分配。 用现金: 现金缓冲下降。 用债务: 利息和杠杆上升。 用股权: 风险被新老股东一起承担,但原有股东会面对稀释。 所以 Alphabet 现在的选择很明确: 现金、债务、股权三种资金一起上。 8/12 那为什么这里会出现伯克希尔? 这里先把两个时间点分清。 伯克希尔最初建立 Alphabet 仓位的时候,Buffett 仍然是 CEO。 Buffett 后来也明确说过,最初买 Alphabet 的投资想法是他推动的。 但 2026 年这笔 100 亿美元私募发生的时候,Greg Abel 已经正式接任 CEO。 所以这笔交易不能简单理解成: “Greg Abel 上台以后开始押注 AI。” 9/12 更准确的说法应该是: 伯克希尔在换帅以后,继续大幅增加 Alphabet 仓位。 这 100 亿美元里面: 50 亿美元买了 A 类股。 另外 50 亿美元买了 C 类股。 成交价格相比同期公开发行价,折让大约只有 1%。 目前也没有足够证据表明,伯克希尔因此拿到了董事席位、特殊控制权或者其他特殊合作。 当然,一个确定的 100 亿美元大买家,客观上可能让这么大规模的融资更容易落地。 但这是交易机制上的推断,不是 Alphabet 官方披露的融资动机。 10/12 但这里还有一个我之前一直在想的问题。 Google 现在一年往 AI 里面砸接近 2000 亿美元。 那如果 Gemini 最后打不过 OpenAI、Anthropic,甚至未来其他模型,这些钱是不是就白砸了? 我之前正好跟一个在 Google 做 AI 相关工作的朋友聊过这个问题。 我问他: 最近一段时间 Gemini 在一些能力和产品体验上不断被其他模型追上甚至反超,那 Google 会不会在这一轮 AI 里面真的掉队? 他的回答是: 他不是特别担心。 11/12 他的判断是,大模型竞争并不是一家公司领先以后,就会一直领先。 更像几个大厂之间不断交替领跑。 可能这一代 OpenAI 领先。 过几个月 Anthropic 又上来。 下一轮 Google 又追回去。 这种领先很多时候可能也就维持几个月,甚至半年左右。 所以真正要看的,不是: Gemini 今天是不是第一。 而是: Google 还有没有持续参与下一轮竞争的资本、算力、人才和分发能力。 这个观点我后来觉得很重要。 因为对于 Google 这种公司来说,真正危险的可能不是某一代模型落后半年。 而是你有没有能力一直留在牌桌上。 从这个角度看,现在接近 2000 亿美元的资本开支,本质上买的也不只是这一代 Gemini。 它买的是未来几年持续参加 AI 前沿竞争的资格。 12/12 但问题到这里还没有结束。 有能力一直留在牌桌上,不代表这些投资最后一定值得。 这次融资,对 Alphabet 来说,现金流、债务和股权一起使用,确实降低了单一资金来源的风险。 但对老股东来说,回报门槛也更高了。 Alphabet 现在给出的好消息是: 第二季度 Google Cloud 收入同比增长 82%,达到 248 亿美元。 Cloud backlog 达到 5140 亿美元。 但 backlog 不是现金流。 Cloud 也不等于纯 AI。 真正要看的还是: 新增算力有没有被充分利用。 资本开支高峰过去以后,自由现金流能不能回来。 以及最重要的: 在折旧、能源、第三方算力、资本成本和股权稀释之后,每股自由现金流还能不能持续增长。 所以伯克希尔买入 Alphabet,只是故事的开头。 Google 有没有钱继续打 AI 这场仗,现在看并不是最大的问题。 真正的问题是: 这些接近 2000 亿美元一年打出去的子弹,最后到底能不能变成每股自由现金流? #Alphabet #BerkshireHathaway #AI #Google #Gemini
441
聊聊,社区把 DeepSeek V4-Flash 跑上单张 AMD MI300X,对英伟达的影响: 1/7看到一种说法:DeepSeek V4 Flash 已经可以跑在英伟达、AMD和国产芯片上,所以英伟达的护城河快没了。 我觉得这话说早了。但这件事确实值得重视,因为顶级模型正在开始摆脱对单一硬件的绑定。 2/7先分清一件事:能跑,不等于跑得一样好。同一个模型在不同芯片上回答质量差不多,只能证明它可以用。芯片最后比的还是吞吐、延迟、稳定性、功耗和成本。这些指标没拉平之前,说已经替代英伟达,多少有点把 Demo 当成生产环境。 3/7不过,这件事对英伟达也不是完全没有影响。训练大模型,短期内还是很依赖大规模集群、高速互联和成熟的软件生态。但推理不一样。推理任务更分散,也更容易围绕某一个模型做专项优化。所以最先松动的,可能不是训练市场,而是英伟达在推理市场的定价权。 4/7过去英伟达的优势里,有一部分来自:大家几乎没有别的选择。以后如果 AMD 和国产芯片都能把模型稳定跑起来,哪怕一开始没有英伟达那么好,客户也会开始算账:我是不是一定要买最贵的那一套?这会让英伟达从“唯一选择”,慢慢变成“最好选择”。两者的商业价值差很多。 5/7所以我不太认同“英伟达护城河已经没了”。更准确的说法是:它的护城河正在往上移。以前主要看芯片性能和 CUDA。以后更看整套系统:芯片、互联、网络、调度、推理框架和工程效率。最后比的,是每一美元到底能稳定产出多少 Token。 6/7我现在更关心的,不是哪张卡能把 V4 Flash 跑起来。而是谁能在真实业务里,长期、稳定、低成本地跑。等到非英伟达方案在吞吐、延迟、稳定性和迁移成本上真正接近,才算碰到了英伟达的核心。在那之前,更像是:替代开始有了可能,但替代还没有发生。 7/7DeepSeek V4 Flash 真正改变的,未必是英伟达今天能卖多少张卡。而是市场过去默认的那件事:顶级 AI 能力,是否一定要绑定最先进的英伟达 GPU?一旦这个答案不再绝对,英伟达面对的就不只是竞争对手,而是整个算力市场定价方式的变化。
2
5
938
证监会对几家券商的处罚,过段时间发现可能又是对民众的一次保护。
1
1
1
478
第一次研究用seedance2.0制作视频,花了六个多小时。 从学习写提示词 写剧本 拆分镜 生成人物资产 到抽卡十多次 成本200块。 这个质量是什么水准?
1
1
735
从 Alpha Arena 看 AI 样本带给我们交易的启示: 最近在 @the_nof1 的 Alpha Arena 中,多个顶级 AI 模型(Qwen3 MAX、DeepSeek Chat、Claude、Grok、Gemini、GPT-5)被放入真实市场实盘做合约交易。 这些模型不论真实能力强弱与否,它们交易数据的结果都揭示了关于长期盈利与风险控制的一些深刻规律——对交易员同样有启发。 首先,从结果看: Qwen3 MAX:+67.75% 收益,胜率 31.8%,夏普比率 0.22 DeepSeek Chat:+36.39% 收益,胜率 20%,夏普比率 0.99 GPT-5 / Gemini 高频交易,亏损严重(-60% 以上) 几个事实: 胜率并不 100% 保证收益,交易频次越高,绩效反而越差。 这意味着什么? 1. 交易频次与绩效呈负相关。 Gemini 进行了 119 次交易,手续费高、波动频繁、盈亏比极低。 反观 Qwen3 MAX 仅出手 22 次,却取得最高收益。 AI 模型验证了“少即是多”的老道理,过度交易往往损害整体收益。 2. 胜率重要,但盈亏比最为关键。 Qwen3 MAX 胜率最高,但也仅不到 32%,Deepseek Chat 的胜率更是只有 20%。而它们交易的单次最大盈利远大于单次最大亏损(证明其策略的高盈亏比)。 这说明在实盘交易中,控制亏损、放大利润甚至比“做对几次”更重要。 3. Sharpe Ratio 决定稳定性,不追逐短期收益。 DeepSeek Chat 虽然交易次数最少(10 次),但维持了接近 1 的 Sharpe——说明收益结构稳定、风险波动可控。 相比之下,高频模型虽然看似更“聪明”,但波动剧烈,夏普比率为负,意味着亏损调整后的收益极差。 4. 对人类交易员的启示: 高频操作与信息焦虑是长期盈利的敌人。 任何策略都要在“盈亏比、交易成本、胜率”之间找到最优平衡。 长期盈利不是更高的模型智商,而是更强的风险纪律。 #AIQuant #AlphaArena #nof1 #AITrading #DeAI
3
11
1,770