摘要

超级智能竞赛被定义为赢家通吃，因为领先模型可能很快实现自我改进并压制竞争对手。 Elon Musk 给出的时间表是“今年”，否则“明年肯定”；Dave Blundin 则认为，进展会沿不同能力线不均衡推进：数学和代码可能一路领先，而生物学仍受数据和完整细胞模拟器制约。最终可能走向 Geoff Clune 所设想的局面——“第一个 AI 就是最后一个 AI”，迫使各国政府在监管、国有化和依赖私人承包商之间做出选择。
数字超级智能的真正瓶颈可能不是算法，而是电力；而中国正在以美国政治和资本体系难以匹敌的规模建设能源能力。 中国在2024年生产了约700 GW太阳能板，并部署了250 GW峰值容量；美国全部发电装机约为1.2 TW。中国还计划在2030年超过美国的核电规模。Dave 称这是“美国的阿喀琉斯之踵”：芯片成本约为电力成本的10倍，因此必须全天候运行；如果能解决间歇性太阳能的低成本储能，潜在突破可能价值1万亿美元。
如果少数研究人员就能改变一个估值1.8万亿美元平台在 ASI 竞赛中的位置，Meta 的超常人才投入就是理性的。 相对于 Meta 1.8万亿美元的估值和700亿美元现金储备，市场传出的1亿美元招聘方案，以及以148亿美元收购 Scale AI 49%无投票权股份，看起来与其说是过度支出，不如说是在防范“Meta 面临的最大威胁”——在 AI 竞赛中掉队。Dave 不相信这些方案真的是拿到手即可次日离职的无条件现金，但他认为，合适的研究人员可能值“数十亿美元，甚至1万亿美元”。
私人 AI 公司的估值和经营指标，越来越是在支撑这轮繁荣，而不只是提前押注它。 Safe Superintelligence 在没有产品的情况下，以320亿美元估值融资约60亿美元；Peter 推测，投资者相信 Ilya Sutskever 知道如何实现下一次架构级10倍提升。Cursor 不到3年就达到约5亿美元 ARR——Dave 认为实际周期是2年；生成式 AI 应用中排名前25%的公司，在 Series A 前仅融资310万美元，5个月后就达到870万美元收入年化 run rate。
政府采用 AI 可能成为企业级 AI 的重要市场，但安全隔离和采购执行比政府自行训练基础模型更关键。 AI.gov 计划于7月4日在包括 GSA、DOT、DOE、FAA 和 FDA 在内的机构上线；Salim Ismail 举出的最佳案例，是通过绘制基础设施和飞行路径限制，将风电项目审批从2至3年缩短到30秒。Dave 预计，私人供应商将沿用 Palantir/AWS 模式，为政府提供安全隔离模块：“所有想法都不会从政府内部出来。”
AI 能将生产率提升几个数量级，却同时削弱人们借以学习的认知劳动。 讨论中的 MIT 研究显示，让 ChatGPT 用户引用自己刚写的内容时，失败率为83%，Google 用户为11%；Dave 的另一面是，AI 辅助组完成工作的速度可能快了“100倍”，覆盖的领域也更广。他自己的对比更加鲜明：用汇编语言花4年打造手写识别产品，如今通过 vibe coding 不到1小时就能完成，尽管今天的开源生态也承担了其中一部分工作。
自动驾驶出行最终由哪种架构胜出，取决于资本结构和社会接受度，未必只是传感器能力。 Tesla 于6月22日在 Austin 推出 robotaxi，单程收费4.20美元；Dave 预测 Tesla 与 Waymo 的市场份额将为70/30，Salim 则维持50/50，并认为 Waymo 的 lidar 能看到超出人类视觉范围的区域。Tesla 的关键优势在于分布式资本开支——车主可以买 Model Y，再把车辆投入调度网络获取收入；但被烧毁的 Waymo 车辆、抗议活动和情绪冲击强烈的事故报道表明，“统计意义上的舍入误差”仍可能拖慢部署。
Circle 可能提供 AI agents 所需的支付轨道，把 AI 繁荣连接到加密支付市场。 Circle IPO 定价31美元，股价一度接近300美元；Dave 认为，美元稳定币解决了 agents 之间以美分计价的交易需求，而 SWIFT 在经济上无法支持这类交易。Bitcoin 已从低于10万美元反弹至约10.7万美元，年末达到20万美元仍是被明确提出的可能性；更长期的架构是 Bitcoin 用于财富储存，Circle 用于交易，最终再加入由黄金或房地产等资产支持的可信 token。

精读

1. AI 清洗训练数据将提升模型能力，也会让真相政治化

Peter Diamandis 开场谈到 Musk 的提议：用 Grok 3.5——“也许我们应该叫它 Grok 4”——重写人类知识语料库，补充缺失信息、删除错误，再用清洗后的结果重新训练。节目于6月26日录制，当时发布已从5月推迟到6月，预期仍是几天内上线，最迟不超过7月。
Dave 的框架是：数据清洗是真正的“低垂果实”。他的例子是一个名为 Microwave 的 Reddit 抓取社区，其中有成千上万行“Mm”后面接着“Beep”；过滤掉这类垃圾内容，就能降低神经网络的学习难度。类似的显而易见优化还有很多，仍可能带来快速提升。
Salim 的反驳值得保留：判断什么构成错误，会带来“巨大的哲学挑战”。AI 可能反驳由战争胜利者书写的历史，找回被忽视的观点；但掌握修正流程的人也能借此修改历史。他支持尝试，同时警告：“这里有一条非常危险的线。”

2. 超级智能将沿能力赛道到来，而不是在某个日期整齐降临

Musk 将数字超级智能定义为“在任何事情上都比任何人类更聪明”的系统，并表示它可能在当年出现；如果没有，“明年肯定”。Peter 将其与 Eric Schmidt 约5年的时间表作对比，同时指出，即便让 ChatGPT 和 Grok 自己解释，AGI 与 ASI 的定义仍然模糊。
Salim 不接受把智能视为一个已经确定的标量。一旦某项任务能够被处方化描述，AI 或机器人就会超过人类；更有意义的测试，是系统能否做出类似 Kepler 的直觉跃迁——比如在证据和实验完成论证之前，把月亮与潮汐联系起来。
Dave 的现实解决方案，是放弃哲学上的倒计时，转而追踪“游泳赛道”。数学和代码不受数据约束，因此可以领先数英里；生物学则可能要等到研究人员拥有类似完整细胞模拟器的工具后才会加速。社会将经历一连串错落到来的超人类能力，而不是某个一声钟响般的 AGI 时刻。
Peter 转述的预测是：数学可能在12个月内被“解决”，物理、化学和生物学则可能在2至5年内取得重大进展。Dave 的限定同样重要：一年之后，没有人会在意谁把边界预测到了精确分钟，但所有人都会在意具体用例和社会影响。

3. 第一个 ASI 可能在任何国家控制它之前就压制竞争者

Geoff Clune 的设想非常尖锐：“第一个 AI 就是最后一个 AI。”如果一个组织拥有一个服从其命令、完成对齐的系统，它实际上就“发明了一个上帝”，于是既有立即阻止竞争者发明另一个系统的动机，也会让政府立刻产生接管或引导它的理由。
Dave 认同赢家通吃的机制，因为领先 AI 可能“非常、非常快”地进入自我改进阶段。因此，竞争多样性和多种观点不会自然出现；在他看来，必须建立监管框架，抵消市场走向单一主导系统的倾向。
Salim 仍维持自己对赢家通吃的反向押注，但同意国家干预“100%”会发生。他的版本比 Peter 提出的政府可能买入股权更激烈：官员会宣布该系统属于军事能力——“抱歉，我们拥有它”——并剥夺创造者的控制权。
随后双方的分歧反转。Salim 设想政府强行施加自己的世界观，但 ASI 可能在“大约3秒内”将其判定为无可救药的局限，并逃离有意义的控制；Dave 则认为美国更可能保留私人 AI 承包商，正如导弹和制导系统一样，即便中国或中东国家选择国家冠军企业。

4. 稀缺研究人员如今拥有主权级期权价值

Peter 对 Safe Superintelligence 约320亿美元估值的解释是：Ilya Sutskever 推销的是“第一个也是最后一个 ASI”的期权——按他的价格投资，否则就可能缺席最终赢家。该公司据报道从 Andreessen Horowitz、Sequoia、DST Global、Alphabet、Nvidia 和 Lightspeed 等投资者处融资约60亿美元，尽管尚无公开产品。
Dave 补充说，前沿研究团队可能只有10或15人，而算法仍有进一步提升10倍的空间。Sutskever 和 Mira Murati 并不畏惧 OpenAI、Groq 或 Google；与此同时，OpenAI 向语音、代码和消费者分发渠道扩张，也在间接承认单一基础模型未必还能长期构成防御性壁垒。
Meta 据报道提供了1亿美元招聘方案，对应其1.8万亿美元估值和700亿美元现金。Dave 否认这些钱是无条件签约费、可以让人第二天就离职，但仍认为这个规模合理：合适的实验者可能把 Meta 带回前沿，价值数十亿美元，甚至1万亿美元。
这场较量既是技术问题，也是组织问题。他们在旧金山的交流显示，Meta 正在经历人才外流，Llama 4 也令人失望；但 Dave “永远不会做空 Mark”：Zuckerberg 可以单方面、快速且激进地行动，几次正确的算法调整就可能让差距在一夜之间反转。

5. Meta 与 Scale 的交易预示无需正式控制权也能完成收购

在被 SSI 拒绝、并追逐 Daniel Gross 和 Nat Friedman 后，Meta 以148亿美元买下 Scale AI 49%的无投票权股权，并将 Alexander Wang 纳入自己的势力范围。Salim 认为，Scale 的数据标注能力有其逻辑：更好的输入，能让公司从哪怕较弱的模型中提取更多价值。
权力交接同样发生在技术层面。Dave 认为，Meta 买的不是“AI 哲学家”，而是懂得如何在100万张 GPU 上同步算法、并能判断“SwiGLU 不行了”，需要让系统回到 ReLU 的人。不同寻常的是，这些年轻研究人员如今同时拥有脑力和资本。
Dave 称49%无投票权结构是“未来的交易结构”。无控制权股权可能避开 Hart-Scott-Rodino 审查；无投票权的经济利益则可能绕过约19.9%或20%的财务并表门槛，使交易在签约时即可完成，而不是经历6个月审查。
正式投票权可能低估了实际所有权。Dave 推测，未披露的合同可能会转移知识产权，并施加广泛的运营义务；由于据报道 Scale 的投资者拿到的是分配收益，而不是把资金留在公司内部，他认为这笔交易在经济实质上“确实就是一次收购”。

6. AI 应用正在把互联网速度与真实现金流结合起来

Cursor 不到3年就达到约5亿美元 ARR，Dave 认为实际增长周期是2年，估值超过约100亿美元。与互联网时代那些脆弱的公司不同，它可能“明天就实现盈利”，因为收入规模大、利润率可能极高，而且对员工数量的要求很低。
当被问及类似公司会出现多少家时，Dave 的回答是“几十家”。机会不是约束，能胜任的创始团队才是。波士顿当前的创业热度体现了这一变化：学生们谈论 Scale AI 和 Cursor，因为这些公司由他们认识的校友和同龄人创办。
更广泛的生成式应用数据强化了这一点。排名前25%的公司在 Series A 前融资约310万美元，5个月后达到870万美元收入年化 run rate；即使是融资1000万美元、约12个月后实现300万美元收入的后25%公司，放在不久前也会被视为前10%。
企业需求终于开始跟上。被投公司 Farsight 之前几乎得不到 JPMorgan 的回应，直到 Jamie Dimon 要求管理层与 AI 供应商接触，银行才回电。Dave 说，IPO 大门在前一个月已经“完全打开”——CoreWeave 和 Circle 都在上涨——并预计市场会重演1997至1998年，“但规模大得多”。

7. 当人才可以被瞬间挖走，持久的创始人关系更重要

Dave 所说的“Fred Wilson 规则”是：投资3个或更多最好的朋友，前提是他们亲自写代码且值得信任，即便最初的想法看起来很蠢。想法可以一夜之间改变；技术能力、人品和多年积累的信任不会。
Peter 将这条规则直接与1亿美元招聘报价联系起来。与陌生人搭档6个月的创始人可能选择离开；而与多年好友并肩建设的人，不太可能抛下伙伴。Dave 称离队是创业失败的头号模式，因为团队可以反复转型，最终能否成功取决于能否保持完整。
Dave 使用的类比是国际航班上相邻的中间座位：创始人一起坐8、10或12小时后是什么感受，大致就等同于创业生活。Peter 将 Singularity University 试图把100名独立的高成就者组队，与 Y Combinator 招收已经通过共同项目黏合在一起的预组建团队作了对比。
Salim 举出的历史样本是 Yossi Vardi。据报道，他在确认以色列创始人的诚信后会提供5万美元，并支持了约400家创业公司。Dave 将以色列人均创业成功率高出5倍归因于军队中的共同经历，随后把这一逻辑延伸到 MIT 和 Waterloo：高强度课程让协作变得不可或缺。

8. 1万亿美元的深圳复制品跑不赢电力、芯片和时间

Masayoshi Son 提议投入1万亿美元，重建一个深圳规模的美国科技集群，潜在参与者包括 TSMC、Samsung、OpenAI 和 Arm。片段中尚未解决的问题很基本，却决定成败：资本从哪里来，以及能否招募足够多的工程师来建设和运营它。
Peter 回忆，2014年至2019年的深圳是一个技术汇聚的圣地，而不只是复制中心；创业者拥抱“996”工作制——早上9点到晚上9点，每周6天。吸引力来自密集的制造和创新体系，而不是某一个实验室。
Dave 质疑城市建设的时间表是否匹配 AI 的速度。波士顿的计算机科学人才池可能是硅谷的约20倍，且尚未被充分挖掘；但他转述 OpenAI 的观点称，在 Kendall Square 办公室建成并配齐人员之前，公司可能已经拥有“数十亿人的 AI 劳动力”。眼下真正的约束是电力和芯片，而不是建筑。
核电暴露了结构性问题。Peter 说，美国本世纪只新增了2座反应堆，目前有94座，而中国有58座；中国计划在2030年超过美国，并且每52个月就建成一座。美国仅许可审批就要10至12年。Dave 将此归咎于3至5年的投资周期，以及4年或8年的政治周期，称其为“美国的阿喀琉斯之踵”。

9. 政府 AI 是伪装成行政改革的企业级市场

由 Tesla 工程师 Thomas Shedd 领导的 AI.gov 计划于7月4日上线，并设想在 GSA、DOT、DOE、FAA 和 FDA 之间共享 AI 能力。Peter 举出的例子包括采购、欺诈识别、电网预测、无人机交通管理、坑洼预测，以及更快的药品或医疗器械审批。
Dave 预计，市场需要的是安全的私营部门产品，而不是联邦基础模型。Palantir 和 AWS 私有云提供了先例；敏感文件不能直接混入通用服务，因此供应商必须建立隔离模块，并解决各机构是否获准共享数据或情报的问题。
Salim 的逻辑很简单：政府的大部分工作具有处方性且重复，因此异常适合自动化。他的具体案例是，将电网、自来水管线和飞行路径地图叠加，把风力涡轮机审批流程从2至3年压缩到30秒，这与他提出的政府成本降低10倍的设想一致。
美国陆军还任命 Palantir CTO Shyam Sankar、Meta CTO Andrew Bosworth、OpenAI 首席产品官 Kevin Weil，以及 OpenAI 前首席营收研究官 Bob McGrew 为中校，且不要求接受传统新兵训练。针对外界批评该部队由“有钱的大科技人士”组成，Dave 认为，常规晋升路径无法稳定地产生全球最优秀的军事 AI 操作员。

10. 公共利益型 AI 突破正从例外变成预期

DeepMind 的气旋模型在45年的5000个气旋数据上训练后，生成的5天路径平均比实际风暴路径接近140公里。Peter 将其与过去50年约1.4万亿美元的气旋相关经济损失作对比：这种精度足以改变疏散和资产保护决策。
Dave 援引“苦涩的教训”：大规模数据和算力通常胜过多年打磨的手工微分方程系统。Salim 的反应刻意低调——“没什么可看的”——因为在边界清晰、历史数据丰富的领域，这本来就应当发生；未来1至3年，我们或许应当期待类似发布达到1000次。
地震是 Peter 提出的下一个候选领域，动物的早期反应表明有用信号可能已经存在；他猜测预测算法可能在2年内出现。飓风引导则暴露了治理问题：Peter 设想支付哥斯达黎加200亿美元，让它把一场原本会给 Miami 带来500亿美元损失的风暴引开；Salim 立刻看到了反面——对方可能以避免被瞄准为由进行勒索。

11. AI 伴侣能教育儿童，也可能取代想象力劳动

Mattel 与 OpenAI 的合作让 Peter 设想出由 GPT-5 驱动的 Barbie、Hot Wheels、American Girl 和 Thomas & Friends 玩具。好处是能够快速进行早期教育，并持续反馈学习行为、动机和所需防护措施；用于神经多样性儿童的 AI 机器人 Moxie 提供了积极先例。
Dave 对 OpenAI 接受这一风险感到意外。一年之内，AI 语音可能足够有吸引力，让儿童更喜欢它们而不是人类朋友；合理的设计可以弥补糟糕的学校教育，但回音室也可能缩窄孩子的世界，而程序化伴侣可能取代过去让娃娃开口说话所需的想象力。
MIT 写作研究体现了更广泛的权衡。参与者使用 ChatGPT 后，被要求引用自己刚写的内容时，失败率据称为83%，Google 用户则为11%；Dave 将其比作 Waze 用户：因为工具变成拐杖，他们逐渐失去在熟悉路线中导航的能力。
Dave 不愿把结果解读为全然负面：AI 组完成任务的速度可能快了“100倍”，覆盖的领域也远得多。Salim 仍然“80%感到不安，20%认为我们会适应”，他回忆自己13岁的孩子从 AI 写的文章中没有保留下任何认知框架，并认为未来教育必须明确训练批判性思维。

12. Vibe coding 压缩生产周期，但基本功仍能保留判断力

Peter 的儿子 Jett 听完 Andrej Karpathy 关于 vibe coding 的演讲后说：“我想学的是如何编程，不只是 vibe coding。”Dave 认为这一区别很重要：英语可能成为编程接口，但编写和检查原始代码，能让人理解自动化系统究竟压缩了什么。
Dave 自己的基准测试非常极端。重新打造一个神经网络手写识别产品，过去需要4年的反向传播研究、汇编语言优化和产品开发，如今用 vibe coding 不到1小时就能完成，还包括图形演示；他承认，今天的开源软件也让这个比较不完全公平。
原来的工作要求从处理器中榨出每一个 MIP 和 flop，并独立开发量化等技术。Dave 称现在是“黄金时代”：AI 几乎可以在执行层面完成任何事情，但创造性仍由人类提供，建造者因此仍处在一个被极大赋能、而非被打垮的窗口期。
劳动力市场的建议遵循同一逻辑。Stanford 对1500名员工和 AI 专家的调查显示，69.4%希望 AI 让自己从事高价值工作，46.6%希望移除重复性任务；Dave 警告，不要躲进砌砖等自以为受保护的岗位，而应让每个人都成为每日 AI 用户。

13. 物理自动化正从仓库推进到最后10米

Salim 最简单的采用方法是：找一项真实任务，询问 AI 应该怎么做，提供原始数据，然后说“替我完成”。Dave 补充说，可以在开车或收听长篇内容时，与 Gemini 2.5 Pro 或 ChatGPT-4 进行语音对话，把每个陌生术语都变成即时追问。
Amazon 与 Agility 测试 Digit，指向一种自动化货车：由机器人完成从车辆到家门口的最后10米。Salim 称部署只是“何时发生，而非会不会发生”，并估计在第二年年中，因为技术已经存在，最可能的延迟来源是监管。
Dave 将机器人学的判断扩展到人形机器人之外：纳米或微创手术系统，以及能在管道和下水道中爬行的机器，都在同步推进。Peter 预计，完整的物理世界技术栈——比如 Tesla 把车辆和机器人结合，或 Amazon 把物流与 Agility 硬件结合——会瞄准全部配送成本，而不是销售孤立的机器。

14. Tesla 的 robotaxi 优势在于分布式资本，而不是更强的感知

Tesla 于6月22日推出 Austin robotaxi 服务，统一收费4.20美元。Peter 认为，自动驾驶、配送和人形机器人最终会比汽车制造更能定义 Tesla，并引用 Cathie Wood 对 robotaxi 多万亿美元市场的描述。
Salim 认为纯摄像头架构在技术上不如 Waymo，尤其是在大雨中，而且 lidar 能感知前方数辆车。Peter 重申 Musk 的第一性原理论证：人类用眼睛就能驾驶，摄像头应该足够；但 Salim 的反问同样直接：“为什么不给它超人类能力？”
按节目中的说法，硬件差距很大：Waymo 车辆成本约20万美元，配备29个摄像头、5个 lidar 和6个 radar；Tesla 则坚持只用摄像头。Dave 预测市场会稳定在 Tesla 70%、Waymo 30%；Salim 仍维持50/50，在偏好更好技术与“永远不要做空 Elon”的经验之间权衡。
Peter 最有决定性的商业模式论点是由消费者承担资本开支。Model Y 车主可以自用车辆，也可以在离开时将其释放出来获取收入，在无需 Tesla 为每辆车融资的情况下扩充网络；Salim 称之为 Exponential Organization 式的“资产即服务”，其扩张速度应快于 Waymo 自有车队。

15. 自动驾驶出行的发展速度超过了社会许可

Austin 抗议者称 Tesla FSD 涉及数百起事故和数十人死亡，但 Dave 反对脱离分母讨论统计数据。Salim 给出了基准：全球每年约有120万道路死亡事故；他还回忆自己认为发生于2011年的 BlackBerry 3天中断，当时 Abu Dhabi 的事故率下降了40%，说明人类分心驾驶的代价。
洛杉矶市中心有5辆 Waymo 被纵火，促使服务暂停或限流；Peter 将其与1811至1816年的卢德运动作比较。那场运动动用了12000名士兵；1812年破坏机器被定为死罪，随后有17人被处决、数十人被绞死，运动最终遭到镇压。
Salim 对2名乘坐 Waymo 时遭枪击的青少年提出了重要限定：他们可能是为了逃离无关的帮派暴力才呼叫车辆，因此该事件不能证明是反技术袭击。即便如此，Peter 预计，在未来2至3年出现实质性岗位替代后，反弹会进一步加剧。
政策也在同时加速这一领域。联邦行政命令支持5个区域性 eVTOL 试点、超视距无人机和超音速飞行豁免；Archer 瞄准洛杉矶2028年奥运会，Wisk 瞄准 Miami。Salim 的经济判断是，自动飞行出行可以把原本无法进入的山区、滨水区和旅游用地，从稀缺资产变成可开发房地产。

16. 中国太阳能规模将储能变成能源交易的核心

据报道，中国生产了约700 GW太阳能板，并在2024年部署了250 GW峰值容量。Dave 将其与美国约1.2 TW的总发电容量作对比，而美国实际利用量更接近0.75 TW；Peter 说，到2030年，中国每年都可能建成一套相当于整个美国规模的太阳能加储能发电系统。
资源上限不是阳光。Peter 说，地球接收1小时的太阳能就相当于全球1年的需求；如果用效率20%的太阳能板覆盖地球约0.1%的面积——约15万平方公里——每年就能发电20万 TWh。太阳能从100 TWh增长到1000 TWh用了8年，但从1000 TWh增长到2000 TWh只用了3年。
Salim 指出两个成本交叉点：2016年，建设太阳能比建设化石燃料发电更便宜；2019年，建设并运营太阳能比单纯运营化石燃料发电装机更便宜。他的政策批评是绝对的：在补贴石油的同时限制太阳能激励，是“我们可能采取的最愚蠢能源政策”。
间歇性仍是最值得投资的瓶颈。Dave 说，芯片成本约为电力成本的10倍，不能闲置；锂电储能的成本可能是太阳能板的5倍。可能的桥接方案包括抽水蓄能、Bill Gross 的重力储能，以及能量密度为锂电10至20倍的可逆化学反应。他的收益判断是：解决廉价大规模储能，“你就会成为万亿富翁”。

17. 稳定币为 agent 经济提供交易层

Bitcoin 一度跌破10万美元，随后反弹至约10.7万美元；Peter 仍引用年末达到20万美元的可能性。Salim 重申 Michael Saylor 提出的长期2100万美元目标，但认为100万美元——按他的框架约等于黄金规模——就已足够；他还说 Fannie Mae 和 Freddie Mac 正在考虑或批准 Bitcoin 抵押贷款。
Circle IPO 定价31美元，股价一度接近300美元。Peter 介绍说，Circle Internet Group 是一家成立于2013年的金融科技公司，其稳定币与美元一比一锚定。Dave 认可 Jeremy Allaire 多年来顶住监管压力的坚持；Salim 则强调它更难获得的资产：在充斥骗局和不可靠参与者的加密市场中，保持“坚如磐石、稳定、值得信赖”的运营。
Dave 的机制解释了这一估值：SWIFT 可以用约1美元将100万美元转到 Hong Kong，但无法经济地支持 agent 之间以美分计价的交易。资金可以留在 Bitcoin 中，需要时转入与美元挂钩的 Circle 完成微支付，再无缝转回；由房地产或地下黄金支持的可信 token，则会补上这一体系缺失的稳定资产环节。

12天战争、纽约社会主义胜选、股市创历史新高、AI版权与科学角 Navan申请上市、Canva踩下刹车：原因是什么，接下来会发生什么？