Loading...
Loading...
AI 不是给你答案，是替你执行系统撰文：TECHUB NEWS 记者 Alma Li 香港报道｜2026年8月30日
12 倍回测曲线 94% 净利出自 5 笔交易，Uweb 八位学员线上拆解 AI 投研的验证之道
核心观点：
8 月 29 日晚，香港 Web3 教育机构 Uweb（University of Web3）举行学员线上分享会，八位学员围绕 AI 投研轮番登台。一份累计收益约 12 倍的量化回测报告被讲者当场拆解，94% 的净利润出自 5 笔交易；期权、贵金属与链上套利的分享者不约而同把重心放在"验证"而非"预测"上。当晚的共识是：AI 的角色不是给出答案，而是执行纪律、审计证据。
比特币正在经历一轮急涨。公开行情数据显示，8 月中旬以来比特币从约 62,800 美元最高升至逾 81,000 美元，近一个月涨幅约 21%，8 月 28 日前后在 8 万美元关口反复拉锯。行情火热，关于工具的讨论随之升温。8 月 29 日（周六）晚间，Uweb 举行本周学员内部分享会，主持人开场即抛出问题：市场剧烈波动的这一周，有没有人用自己手边的 AI 工具做过深度研究。近三个小时里，八位学员轮流开麦，答案各不相同，指向却出奇一致：怎么用 AI 做投研，以及怎么不被 AI（和自己）骗。
五道闸门：一条 12 倍曲线的当场拆解
量化方向分享者岳瑞 Ryan 是当晚数据密度最高的一位。他先展示了一份在 TradingView 上跑出的回测报告：52 笔交易，累计收益约 12 倍。曲线漂亮，但他接下来的动作是把它当场拆掉。
按他的拆解，前 5 笔交易贡献了全部净利润的 94%；把这 5 笔"大赢家"静态剔除，收益从 12 倍缩水至 65%。52 笔中 31 笔盈利，胜率 59%，盈亏比 2.02；平均单笔回报 6.7%，中位数只有 4.3%，他表示更相信后者。把手续费和滑点计回后，差额达十几万美元。他还统计了持有周期与最终回报的相关性，系数仅 0.44。"持有越久赚越多"这个直觉，在这份数据里立不住。
"利润集中度是一盏需要警惕的信号灯。"岳瑞谈到，集中的利润可能只是恰好赶上了某波板块行情，而不是策略本身的功劳。他给回测划了五道闸门：数据完整性、策略逻辑可知性、执行真实性、利润分布、稳健性验证。执行真实性一节他举例：日线收盘价触发的信号，次日未必能以假设价格成交；信号确认时间与执行规则必须事先约定，而不是事后追认。策略还要分别在上涨、震荡、下跌的市场环境里测试，再做样本外验证，否则在他看来"只能称为研究上的假设"。
至于 AI 在其中的位置，他的定义与多数人的想象相反：不是让它生成更漂亮的曲线，而是让它当审计员，产出"降级结论"和"证据缺口"，人负责定义规则与判断边界。"不能用收益率来评判一个策略的好坏。"他还提醒，社交媒体上那些精准的买卖点，大部分藏着未来函数。
给纪律装上外骨骼
第二位分享者林家锐的诊断对象是普通投资者：亏钱不是因为笨，而是三重错位。用他的话说，多数人问的是"这个点位能不能买"，而一次完整的投资至少有四个维度（选标的、判断结构、定进出场、管理仓位），"用一个维度去做四维决策，亏钱是必然的"。另外两重错位是情绪与精力：靠意志力对抗贪嗔痴不可行，靠有限的精力盯不住 7×24 的市场。
解法是把感觉变成系统：把分析周期放大到周线月线、分批进场出场、账户专款专用，然后让 AI 执行纪律。"真正的 AI 不是给你答案，是替你执行系统。"林家锐强调，AI 没有贪嗔痴，凌晨三点市场暴跌、人吓得手抖的时候，它只会按预设规则报出"触及建仓区间"；它最大的价值"不是比人聪明，而是比人更稳"。他给普通人的路径是三步：先学认知再上工具（AI 放大的是已有的认知，规则若是错的，它会帮人高效地错下去）；用一笔亏了也不影响生活的钱跑通全流程；让 AI 当副驾驶，逐步授权，决策和下单先留在人手里。他透露，这套系统自己已经跑了两三年，年化收益约 30%。
当晚第一位登台的璟明把同一命题做成了产品。他开发的"投资工作台"设有多头与空头十余个席位，围绕同一标的做多轮辩论，给出看多或看空、可投或不可投的结论；再由按周运行的投资雷达按信号强度分四档（明确买入、候选、观察、风险预警）筛选标的，回喂给分析终端二次验证；最后叠加一层他自己沉淀的交易规则。若前两层都看多而规则判定不宜买入，系统直接弹出风险提示："标的交易已违反纪律。"从筛选、深度分析到最终决策，三层连成闭环，他称之为用工具约束情绪化交易。开发路径也一并公开：先让 AI 组建带专业技能的"虚拟团队"产出需求文档，再交给 Claude Code 开发，最后用订阅会员的内嵌版本直接跑生产环境。
期权是一张预期报价单
Tracy Cui 换了一个市场维度：期权。她的问题同样不关于预测，而是"在财报、FDA 审批这类重大事件之前，市场到底提前为哪些风险付了钱"。
她把期权理解成"一张未来波动的报价单"：看涨期权变贵，说明市场在意上行空间；看跌期权变贵，说明下行风险被关注；隐含波动率升高只代表预期波动变大，不指向任何方向。信号被她拆成四维：方向、幅度、时间、拥挤度。以拥挤度为例，期权仓位集中在哪个执行价附近，那里大概率就是关键支撑或阻力。岳瑞当场就此提问，她给出简化判断：看成交量在哪个价位集中。
四维信号合流，产出她所称的"事件前预期雷达"，固定输出四个字段：方向、幅度、价格、边界。"它不会把研究强行压缩成一个定死的结论，买或者卖。"事件结束后回头复盘，实际波动落在预期区间之内还是之外，才是研究的重点。她举例：若期权价格隐含财报后正负 10% 的波动区间，实际只波动了 4%，说明结果没有超出预期；波动 12% 才叫预期被打破。"研究的重点不是结果本身，而是结果和预期之间的差。"
方法论上，她坚持先给 AI 看证据，让它先列证据表、再下结论，否则"它很容易把一些零散的信息包装成听起来很确定的答案"。她给 AI 分配四个角色：信息整理员、数据分析员、案例检索员和质疑者，最后一岗要求它主动寻找反例。踩坑清单同样来自她的实战：单笔大单不等于方向，看涨期权的成交可能是卖出；高波动率不等于看跌；任何点位都要放进历史分位里看。"做 AI 投研最重要的能力，不是找到一个神奇的指标，而是建立一个不轻易误读信号的检查清单。"
降噪：从财报到微信群
观渡展示了一套财报评分系统，接入真实行情数据，从估值、盈利、成长、风险几个维度加权打分，输出增持、持有、观望、减持四档结论，并现场演示了特斯拉、苹果与美光三只美股。比工具本身更值得记录的是他的三个判断：财报是标准化信息，AI 能处理其中九成；财报只是"排列工具"，用来验证投资逻辑，不代表未来的现金流，"财报好也不代表马上能买入"，因为财报周期与投资周期可能相反；AI 管信息收集、数据处理和逻辑分析，最终决策仍归人，投资要的是独立思考和批判性思维。
小丸子的题目最"土"也最贴身：观点验证雷达，解决"大咖说的都有道理，究竟信谁"。她以贵金属投资为案例：都知道黄金长期看涨，但 1974 年至 1980 年那轮行情里，1973 年入场方向看对的人，要先经历两年价格腰斩，再用 40 个月等到 8 倍涨幅，随后两个月跌回一半。她的雷达把信息分五层降噪：周期套娃（货币周期之上还有货币制度周期，"我们要的是美债的利息，人家要的是我们的本金"）、信息源漏斗（按影响度和可信度给信源分级）、数据校准（自购 Wind 数据接口，以伦敦和纽约市场为主视角）、技术水位（金银比、金铜比等跨市场指标）、情绪温度计。最后一样最接地气：监测微信群的聊天密集度、关键词排行和红包热度，行情好时红包刷屏，行情差时群里沉寂。按她的测算，黄金每日交易规模远超年产量，观察金价的主视角是金融市场的交易规模，而不是新闻里的供需消息。工具的输出不是简单的买或卖，而是每条信息的影响度、可信度与分周期的行动建议，另附载体切换思路：行情好偏期权期货，行情差退回股票和现货。
来自区块链行业的学员 Lulu 分享的多源交叉方法最轻量：信息不是不够，而是太多太碎。把大问题拆成六到八个小问题，每个问题配最合适的信源（搜索管广度、语义检索管理解、新闻管时效、社媒管情绪、网页抓取管正文深度），多源结果合并互证、去重之后才输出结论。她正在内测一套搜索抓取聚合工具，按次计费，一个接口聚合主流搜索引擎与爬虫，失效源自动切换路由。
链上套利：眼见的价差是假的
程序员小白压轴登场，立场最鲜明：极其厌恶不确定性，只找确定性机会。他的题目是用套利思维审计资源、信息与规则之间的错配。
链上部分的案例自带反转：两个去中心化交易所之间肉眼可见约 80 美元的价差，1000 枚 DAI 换手后毛利 80 余美元，看似 12 秒即可落袋；但扣除 gas 费与付给链上区块构建者的"贿赂费"，净利润为负，系统直接跳过这笔交易。眼见的价差是假的，这是他当晚最想传递的教训。他还展示了一笔据称以约 1.7 万美元成本捕获约 45 万美元的链上套利交易，涉及上百次连续操作。由此立起三步验证法：数学上成立、机制上可执行（同一区块内完成低买高卖）、现实中净利润为正。机会被他写成一条公式：可转移的差异，减去全部摩擦成本，再减去无法承受的不确定性。
套利思维也被他推广到生活：拿着美元薪水在低物价地区远程工作、香港上班深圳居住、签证与税制的信息差。"门槛这个东西是有两面性的：我没跨过去，就是我的门槛；我跨过去了，对别人就是门槛。"在他看来，信息公开不等于"同时、同口径、同对象"，AI 的价值在于把公告、新闻这类非结构化数据整理成可审计的结构化信息，而人要做的是对抗性审查。他提醒，AI 的注意力机制天然顺着用户的话头检索，模型又被训练得更讨人喜欢，"它天然就是哄着你的"，所以必须主动让它找反例。
他现场演示的"清算跟随"思路恰好接上了本周行情：监测链上清算地图，密集清算被触发后，空单被强平引发的买入会继续推高价格，形成滚动。这一机制并非纸上谈兵，链上数据分析机构 Glassnode 在公开分析中将本轮比特币上涨的起点部分归因于 8 月 19 日的空头清算。主持人则补充提醒，他此前邀请的做市商讲师曾讲过订单簿上的种种"损招"，藏单、诱多诱空都属常规操作，机制成立不等于赚钱简单。工具层面，小白推荐用 Grok 的自动化定时任务监控推特上的链上信息（Grok 为推特原生产品，抓取上有天然优势），也可通过 Coinglass 的 API 监控全网爆仓量与资金费率。
150 分晋级线之后
这场分享会同时也是一套筛选机制的一环。主持人当晚三次强调首轮晋级线：150 分，不够即淘汰，学员可以通过打卡、发布社交媒体、报名分享补分。他同时预告，比特币上涨的深度研报将于次日公布，学员的链上数据接口权限有望在两周内落地；周日的首场学员项目路演将有六位学员登台；9 月 5 日至 6 日，Uweb 还将在深圳开设 AI 投研实战营线下课程。
Uweb 全称 University of Web3，2022 年由原火币大学（2018 年建校）团队在于佳宁博士牵头下创办，立足香港，面向企业家与投资人开设 Web3 与数字资产课程。当晚的主持人开场时回忆，投资纪律、分账户这些话题，早在"还叫火币大学的时候"就已在课堂上讲过。八年过去，讲台换成了学员，题目从纪律变成了 AI，内核却没有变。
近三个小时，八个人没有一个教"怎么让 AI 预测明天涨跌"，反而不约而同在做同一件事：给 AI 划边界，让它列证据、找反例、执行规则。行情越急，这功课越值钱。用林家锐的话收束全场："你负责定规则，它负责不让你的情绪破坏规则。"
（整理：Alma Li。本文据 2026 年 8 月 29 日 Uweb 学员线上分享会逐字转写稿整理，有删节，未经分享者本人审阅；学员姓名以现场花名及转写为准。）
编辑说明：本文以分享会逐字转写稿为唯一内容来源，转写含混的专有名词、口径不一的数字与口误（如个别行情口述价位）按"宁删不猜"原则处理；讲者自述的案例数据均以归属语保留。主办机构背景与行情数据经上述公开来源交叉核对。文中提及的 9 月 5 日至 6 日深圳线下课程、周日项目路演等安排出自活动现场口播，报名信息以主办方官方渠道为准。
免责声明：本文为活动报道，文中观点与数据均属分享者个人，不构成任何投资建议。
相关公开资料：
1. 香港Uweb商学院纽约游学收官，从监管风向看数字资产合规繁荣（搜狐）
2. Uweb于佳宁：Web3 AI Agents 塑造未来智能经济的关键四大趋势（腾讯新闻）
3. 比特币历史价格走势图（BTC123）
Danny Ryan：华尔街比你想象的更需要去中心化，而以太坊是唯一的答案整理：潘志雄
最让我惊讶的发现是：华尔街实际上强烈需求去中心化。
这听起来很反直觉。我们这些密码朋克和加密原住民在乎去中心化，但大众似乎更倾向于安上炒稳定币或者链上冲土狗（模因币）。似乎没人在乎这个？但华尔街在乎。
Danny Ryan 是 Etherealize 联合创始人、前以太坊基金会核心研究员。他在 Devconnect ARG 2025 上分享了他从协议开发转向机构应用后的深刻见解。
引言：从协议研究到通过「银行视角」看世界
好久不见。上次 Devcon 我缺席了，那是我当时对以太坊唯一能说的事。
我在去中心化系统领域工作了近几年，建设以太坊、研究机制设计、去中心化、安全性和弹性。而现在，我每天都在和银行打交道。这有点奇怪，但实际上非常有趣。我学到了很多，他们也从我们这里学到了很多。比如，我惊奇地发现仍在使用名片，每个人都在使用 LinkedIn，虽然我也没有注册 LinkedIn（我很确定我的同事对此不太高兴），但华尔街依赖仍然是这些工具。
说到华尔街，其实「华尔街」已经不再华尔街了。除了纽约证券交易所还在那里，其他机构大多搬到了艺术品中城。
现状：传统金融市场效率极低
我们通常认为机构市场非常高效，你可能觉得在线即时交易很容易，但实际上高效，股票交易需要一天才能结算（T+1），而这已经是最高效的了。如果你深入观察，会发现机构市场充满了低效和大量的手工步骤。
技术层面极其碎片化。一位资产经理可能用一个软件管理头寸，另用一个软件进行，还要用第三种软件处理合规，这些软件之间还需要复杂的集成。这简直就像「弗兰肯斯坦」一样拼凑起来的灾难性软件队列。有些机构甚至仍在互发传真。结算和其他关键活动持续太长。结算结算需要两天，还是十年前从 T+3 升级到 T+2 的「巨大胜利」。
而在以太坊的世界里，交易和结算是同时发生的，这就是我们与生俱来的优势。
传统系统充满了中间系统性的方风险（Counterparty Risk）。架构祖先了一百多年，它的法律加重在上部之上，相当于再加重在中间人之上。从人类学角度看，他们能建成这样的系统简直是个奇迹。但现在我们有了更好的技术，是时候修复了。
核心洞察：机构切实可行「渴求」去中心化
最让我惊讶的发现是：华尔街（泛指机构）实际上需求去中心化强烈化。
这听起来很反直觉。我们这些密码朋克和加密原住民在互去中心化，但似乎大众更在意安上炒稳定币或者在链上冲土狗（模因币）。似乎没人在乎这个？但华尔街在乎。让我通过他们的视角来为你「翻译」一下原因：
消除对手方风险（Counterparty Risk）：机构得分的视角之一就是「谁会坑我？」从交易对手到关联银行再到基础设施，每一层都存在风险。而基础设施层的去中心化和可信中立性（Credible Neutrality），能够极大地降低甚至消除这种风险。
正常运行时间（Uptime）：这一点至关重要。他们要求 100% 的在线率。以太网坊能够实现，因为有十几个客户端和数千个节点在运行。这并不是偶然，而是意识为之的设计。
稀缺的加密经济安全性（加密经济安全）：世界上只有极少数去中心化系统能够承载「万亿级」资产类别的安全性。我指的不是无数散户的几百块钱，而是全国多达数千亿美元的全球资产。你不可能明天随便启动一个系统就拥有这种级别的安全性。以太坊拥有这种稀缺资源。
成熟的应用层：以太坊已经运行了十年了。如果你和银行聊，只要他们内部懂一点区块链，指的就是 EVM 和 Solidity。他们需要成熟的安全标准和应用标准，而不是明天出现的最新热门软件。
隐私（隐私）：这是我非常看重的一点。为机构建立隐私是推动区块链整体隐私记述的「特洛伊木马」。对于机构来说采用，隐私是入场券（桌注），而不是锦上添花的酷炫功能。如果不解决隐私问题，因为市场升级就无从谈起。机构 A 和机构 B 交易时，不能直接公开头寸，这不符合市场运作规律。幸运的是，以太坊应用密码学（尤其是零知识） ZK）领域投入了当前亿美元，我们在扩展性上的投入（压缩计算）意外地带来了隐私保护的红利。
网络效应与流动性：资本倾向于流向聚集的地方。随着稳定币的大规模普及，以太坊在这方面遥遥领先。
中等基础设施（第 2 层）：这一点非常重要。当我向机构解释第 2 层时，他们非常希望买账。银行希望构建可以定制、可以扩展的系统，但又这些系统能够连接到以太坊这个价值互联网。
当你真正与机构深入交流，完成认知空白后，你会发现：华尔街需要以太坊。
真实世界 vs 投机世界
作为开发者，有时会感到沮丧。你努力构建不可关停、中心化的系统，却被人们围观，由「地下室里的三个人」控制的多签钱包发行的 Meme 代币。你会担心没有人在乎去中心化。
但机构对中心化的需求，实际上是一扇通往真实世界的窗口。如果只是炒作，人们确实至关重要；但如果是要求去退休金、房产契约放上链，真实世界就会强制要求去中心化。在这些场景下，必须呼吸不亚于甚至超过现有系统的安全性。
策略转变：从「简单解释」到「构建更好的产品」
以太坊社区非常擅长构建基础设施和机制设计，但我们需要超越「只要做出来，他们就会来」的心态。
我们不能简单地向机构解释为什么需要去中心化。我们需要假设全球资产上链。怎么办？不是通过简单的代币化，而是构建出比现有系统好的系统，以致全球资产必须转移到上链。
价值协作可以分为两个阶段：
简单的更好（Simply Better）：更快、更便宜、消耗信任中间人、界面更友好。
生态系统的扩展性（Extended Ecosystem）：资产简化、DeFi 组合性等。
我们往往太执着于第 2 点，但我们需要在第 1 点上花更多。目前的机构产品虽然表面优雅、报告功能强大，但底层依然停留在石器时代。通过利用区块链的特性（如原子结算），我们可以让产品本质上在时间上变得更好。只有做好了第 1 点，才能吸引长尾资产进入第 2 点的创新领域。
宽松成功：万亿级资产与市场成长
我们应该以「万亿（Trillions）」为单位来缓慢成功。目前所谓的 RWA（真实世界资产）在以太坊上大约有 180 亿美元。顺便说一句，你去跟机构聊，他们不叫 RWA，就叫「资产（Assets）」。全球资产管理规模估计有 120 万亿美元，我们如果想要全球经济上链，必须动用机构资本。
成功的另一个标准是影响力和市场的进化。
这包括两个阶段：
重新布线（Rewire）：利用以太坊和二层编程结算规则，消除人工检查。对于机构市场来说，以太坊其实已经「很快」了（相比 T+1 结算）。
进化（Evolve）：扩大市场准入。目前的市场补贴高度化，有时是因为法律，有时纯粹是为了搞小圈子游戏。但通过链上产品和 DeFi，我们可以让更多人参与，这是正和游戏（Positive Sum）。机构希望管理更多资产，大众希望获得金融产品。
结语：最重要的工作
我喜欢致力于解决最重要的问题。目前，我每天都在以太坊致力于机构的采用。这包括认识空白，解释了为什么去不要使用那些没有 DeFi、奇怪且封闭的「隐私链」，而是要建立在以太坊上。
我们需要真正地去建设、去设计原生环境、去理解资产流动、法律的复杂性和我们的合规性。如果我们不做，就能把全球经济拱手让人。如果想改变世界，就是时候让世界进入以太坊了。
现场问答 (Q&A)
Q1：在与机构交谈时，关于以太坊去中心化最大的误会是什么？
丹尼：现在的机构越来越明白了，他们有一种 FOMO（错失恐惧症），担心金融科技会抢了他们的午餐。主要的误解可能会被认为是「去中心化」意味着「无天」或者「无法控制访问权限」。实际上，链上环境是高度重视的，你可以设定规则。这种恐惧正在转化为对落后的担忧，这对建设者来说是一个很好的机会。
Q2：对于想进入机构领域的开发者，你有什么建议？
丹尼：就像理解以太坊技术栈一样，华尔街也是一只复杂的巨兽。我的建议是：找个搭档。一个在华尔街现场交易但想学习去中心化的朋友，强强联手。
Q3：随着普及率增加，以太坊是否存在被机构「形象获（Co-opted）」的风险？
Danny：当然有。我们需要在保持以太坊核心的全球化、多元化和全球化的同时，引入全球资产。只要我们还保留「分叉（Forking）」的能力，就不会存在风险。我不是「僵尸化主义者（Ossificationist）」，我认为还有很多工作要做，但在引入资产的过程中必须非常小心。
Q4：如何确保在机构面前传达正确的叙述？
丹尼：我们合力。以太坊基金会需要组建企业组（企业集团）是很好的第一步。但涉及到数百家关键公司和数百万亿资产，不能单打独斗。我们需要在叙述和教育上联合起来，确保在全球各处的谈判桌面上都有我们的声音。
Q5：有什么是你现在知道的，但希望刚开始时就知道的事？
Danny：语言的翻译。比如我和摩根大通前石油业务负责人聊「RWA」，他根本听不懂，因为对他们来说那就是「资产」。还有「原子结算（Atomic Settlement）」，他们没有这个概念，因为在传统金融里，资产交割和资金支付往往是分开的（甚至是为了赚利息财产负债）。需要学会他们的语言，并为他们提供正确的「翻译」。
Q6：有什么东西能让机构眼前一亮？
Danny：Layer 2（L2）。这真的能引起共鸣。相比于在一个公共的大池子里游泳，机构非常喜欢这种既能拥有主权（自己和合作伙伴构建 L2），又能连接到以太坊生态的概念。
Q7：如何看待生态系统的协作？
Danny：过去的一年我太专注于埋头苦干，形成了协作变少了，这需要检讨。随着全球资产上链，不仅仅是基础设施，DeFi、链上借贷、资本、合规堆栈，生态系统的每一刻部分都需要被充分利用。我们这几年建设的一切，都是为了这个。美联储宽松信号减弱致加密货币暴跌……Ryan Lee称“流动性预期崩塌是核心因素”尽管美联储将基准利率下调25个基点（0.25%），但由于鲍威尔主席维持谨慎的宽松基调，加密货币市场呈现暴跌态势。Bitget首席分析师Ryan Lee将此次暴跌评价为"市场对流动性信号过度反应的典型案例"，并分析称"相较于已被市场充分预期的降息，有限的额外宽松前景急剧冷却了投资情绪"。
李分析师解释道："虽然本次降息已被市场完全定价，但鲍威尔主席提及可能仅会在12月再次降息一次，并强调政府停摆和关税冲击等宏观不确定性，从而引发了失望性抛售。"受此影响，投资者迅速缩减风险资产敞口，导致包括加密货币在内的高风险资产整体出现剧烈调整。
他同时指出："年率3%水平的顽固通胀压力及强美元造成的外汇市场波动，进一步削弱了加密货币的短期吸引力"，"作为法币贬值的对冲工具，其高贝塔属性魅力已大幅减退"。李分析师补充强调："加密货币如今已不再定位于法币贬值对冲工具，而是演变为放大股市波动的杠杆型风险资产。"
实际数据显示，近期190亿美元规模的头寸被平仓，浅层市场结构与算法交易共同加速了下跌趋势。李分析师评价称："此次暴跌虽属短期冲击，但长期来看可能成为清理过度杠杆的健康调整过程。"
他进一步预测："若12月将公布的物价指标能确认通胀放缓趋势，以比特币和以太坊为核心的加密货币市场将转向基本面的复苏轨道"，"当机构投资者参与度与明确的宏观方向形成共振时，长期持有者将成为最大受益群体。"
专访 SolvBTC 创始人 Ryan Chow：资产创新，为下一个万亿流动性一探 SolvBTC 视角下的 BTCFi 发展。
受访者：Ryan Chow，SolvBTC 创始人
采访&撰文：Pzai，Foresight News
在加密货币的历史长流中，比特币作为最长的河一直在资产普及方面发挥至关重要的作用，而近年来不管是合规方向还是链上生态构建，比特币生态都在产生非常强劲的增长。但在生态构建上，不同于其他生态的整齐划一，比特币经历了多轮分叉，在扩容的技术路线上也各有分化。在资产上，由于比特币原生的资产扩展性匮乏，现有的托管方案也各有千秋，导致每个生态的流动性相对分裂，需要进行一定的整合。
而 Solv 作为早期涉及资产创新（例如 ERC-3525 半同质化通证）的协议之一，在 2022 年底便开始关注新资产发行的相关机遇，而比特币最终成为了团队的青睐。今年四月以来，SolvBTC 充分整合了 BTC、BTCB 等资产，成功将超过 20000 个 BTC 在近 10 个生态上引入并流通。随着 Babylon 等再质押协议的正式上线，以及更多比特币相关收益场景的构建，SolvBTC 将为 BTCFi 迎来更充分的爆发做准备。未来 BTCFi 相关生态会如何发展？SolvBTC 又将在其中起到何种作用？本期 Foresight News 对 SolvBTC 联合创始人 Ryan Chow 进行了专访，以此一探 SolvBTC 视角下的 BTCFi 发展。
金融创新步入资产端
在金融创新上，Ryan 表示，「在加密货币的金融创新上，分为算法创新和资产创新。上一周期的算法创新主要体现在稳定币和 Aave、Compound 等协议创新上，我可以称之为 1.0 版本。随后 DeFi 开始转而关注资产创新，例如聚焦于 RWA 的 Ondo、引入衍生品收益的 Ethena、还有 EigenLayer/Babylon 等再质押层都是为了将多种资产（收益）引入加密领域。」加密市场的增长离不开这些创新，而在现在市场项目的整体内卷环境之下，资产创新便成为了生态突破的关键。而选择底层资产便成为很多团队的第一要务。好的底层资产可以成为飞轮效应的催化剂和强心针，也可以成为未来繁荣的第一步。
在选择资产上，Ryan 的团队之前在 DeFi 赛道上多有建树，「一开始我们在观察包括 BTC、ETH 和稳定币等比较有潜力的赛道，后面因为比特币减半、传统资金入场等因素，我们也考虑专注到比特币这个单一资产类别上去进行构建。」他还坦言，铭文资产和 BTC Layer2 等叙事也为 BTCFi 带来了一定的资产创新。「在我的定义下，BTCFi 特指的是整个比特币的泛生态发展，简单来说就是怎么用好比特币、怎么用好比特币的主链这条链来去创造新的资产、怎么服务好比特币，能够去有更多使用场景，更多消费场景，更多生息场景。这些都是 BTCFi 生态的一部分。所以铭文符文我觉得其实还是是算在这里面的。最起码我们可以看到大量的用户，他们炒作完铭文符文赚到的钱其实都是持有比特币，并且在寻找下一步的比特币能够做什么事情的这么一个过程中。所以我认为，铭文、符文和 BTCFi 其实是相辅相成的，它们都在同一个生态系统内，相互影响。」
在比特币生态中，一个稳定的底层资产是流通繁荣的基石。而在过去十年加密货币的发展中，比特币作为数字黄金已成功地确立了其价值存储的地位。然而，如果仅仅作为一种静态资产，比特币的潜力将永远无法获得充分释放。流动性不仅是比特币生态系统蓬勃发展的关键，更是比特币本身价值得以充分体现和增长的核心驱动力。曾经，WBTC 在 2020 年 DeFi Summer 中崭露头角，并开始确定了生态中的地位。但最近，孙宇晨与 BitGo 的微妙联系开始引发加密行业对 WBTC 的质疑。与此同时，比特币 L2 的发展也正如火如荼，Ryan 对此表示，「这些比特币 L2 事实上成为了之前铭文、符文等资产的低成本炒作辅助。」从这些资产出发，链上的基础流动性构建也正有诸如 wBTC、cbBTC 等资产进行承接，「经过四年的发展，这些 DeFi 的规模当中 100 亿美元是来自 WBTC 的。这其实已经是非常不错的一个数字了。所以就说 WBTC 其实他就已经吃到这个红利，并且已经占据了一席之地。」未来 Ryan 相信，随着传统机构的大举进场和 BTCFi 的生态发展，「我们一直相信 BTCFi 会随着资产规模的增长带来一波爆发，所以 SolvBTC 就是为了承接爆发所带来的万亿流动性所诞生的。」
多点入手，精益求精
在探讨 SolvBTC 是如何解决 BTCFi 领域面临的挑战时，Ryan 探讨了三个问题：「第一个问题是安全储备，这个问题应该是最重要的。我们都能看到诸如 tBTC 等比特币储备也在强调安全性，而我们在保证去中心化和链上透明的同时也会与可信的托管商（如 Fidelity）进行合作。第二个问题是用户需要交易上的低摩擦成本，比如多链的流动性提供和互操作性，这一方面需要复杂的技术创新来支撑。第三个问题是如何为用户构建收益基础设施，这一方面我们构建了 Ce-DeFi 的模型，并通过技术架构让用户可以打包任何相关资产，例如量化和期权的收益。其实在过去的四年时间里，我们会看到整个 DeFi 规模大概是在 800 到 1000 亿。」
通过漫长曲折的资产创新探索和链上实践，Solv 选择专注于 BTC staking ，并已成为这一领域 TVL 最高的平台。SolvBTC 凭借其高共识度，已拥有超过 20 万用户和超过 20,000 枚的 BTC 储备量，总市值突破 10 亿美元，在 CoinMarketCap 上排名 Top 60，是目前全网共识度最高的 BTC 资产之一。在链上储备中排名全球第四，仅次于以太坊、TON 和 BNB Chain，并且超过了多数 BTC ETF，排名全球第六。
在底层资产安全性上，「我们构建了基于流动性共识层（LCN）的弹性存储能力，并通过智能合约实现 1:1 的透明化对应。在资产背书上，我们也采用了「核心区」和「观察区」的风险分层设计。观察区允许用户将自己相对冷门的资产（如 tBTC、FBTC 等）在观察区进行存款，核心区的向下兼容在保证了整体安全性的同时也提高了用户资产的流通性。底层基建上，我们构建了一个复杂而巧妙的后端架构以确保用户的资产安全。另外我们还借鉴 Rollup 的设计方式，引入了证明机制以确保取款过程，另外我们通过 Chainlink CCIP 来构建 SolvBTC 的全链流动性。」
在解决资产本身所带来的挑战之外，用户的使用场景也是资产运营所需要着重考量的，在这一部分 Ryan 表示，「现有的使用场景主要集中在链上交易这方面，例如用户可以通过 SolvBTC 进行一般购买，并通过该资产实现借贷，还可以通过 Pendle 等协议进行资产拆分。另外通过 SolvBTC，用户可以参与到各公链上的收益机会并获得奖励积分。」另外，最近 Babylon 的质押启动也为比特币资产提供了更广阔的应用空间，而 SolvBTC 早在之前便已启动了其 Babylon 相关质押池，Ryan 在专访中也表达了对 Babylon 合作的青睐：「在再质押赛道上，我们一直很喜欢 Babylon 所构建的比特币新资产类型。而 SolvBTC 作为拥有较大比特币储备的协议，我们也创立了专门的 SolvBTC.BBN 质押池，让用户可以直接参与到再质押收益中。我们也相信再质押可以足够承接百亿美元规模的资产收益。另外我们也构建了与 Ethena 合作的 SolvBTC.ENA 质押池，继而为比特币持有者解锁丰富的收益情景。」
事实上，SolvBTC.BBN 也成为了最大规模的 Babylon LST，总发行量已经超过 3000 个，参与用户数突破 3 万人。另外基于强劲的覆盖了主流的区块链生态系统的多链流通生态，该 LST 不仅支持多链铸造，还支持链间高效互通，是唯一支持多链铸造、跨链互通的 Babylon LST；而在链上，SolvBTC 也已与 20 多个 DeFi 协议完成集成，为用户提供丰富的 DeFi 应用和收益机会。是当前唯一充分完整构建了 DEX 流动性、集成了 Lending 协议并支持优质收益挖矿机会的 BTC LST。
迎接下一个万亿流动性
万亿流动性的未来正在涌入，而这些流动性如何包装为链上资产也是一个亟待解决的瓶颈，在此 SolvBTC 希望通过传统机构的入场选择之一——ETF 作为切入口，引入机构在链上收益上的真实需求。另外 Ryan 也表示希望 Solv 参与到比特币储备资产的价值制定上，提高对机构的吸引力。「未来我们也一直希望能引入千亿乃至万亿美元的流动性到比特币生态之中，我们与 BNBChain 和 Base 等链保持了良好合作关系，共同推动 SolvBTC 的采用。另外正如刚刚所讲到的，我一直相信 BTCFi 的爆发会撬动万亿美元规模的资产流通。在这个过程中涉及到三个资产的核心需求，第一个是金融服务，第二个是生息方向，第三个是铭文符文的交易上。今年我们看到比特币更加破圈了，而比特币生态因为各种因素，使得这些基建的准备和各种各样的金融服务基础设施等等搭建变的越来越成熟，所以不管是资产端还是生态端，双边都在今年出现了一个爆发。SolvBTC 的目标是全面覆盖这几个需求，在金融服务上构建全链流动性、在生息上引入 Babylon 的质押。」
除了整合 EVM 生态上的 BTC 流动性，SolvBTC 还计划打通多元化资产渠道。在未来的半年内，SolvBTC 会正式推出 BTC 主网资产的去中心化映射方案。SolvBTC 还将与传统的金融机构和 BTC ETF 积极合作，以引入大量的机构流动性进行构建。
几乎每一个质押项目都会面临真实需求的拷问，而 Ryan 也认为「在之前很多人说我们协议只有积分排放能够吸引用户，但我想我们也可以通过这些需求将价值转移到产品和商业本身上来。我认为 SolvBTC 是现在链上最大的一种比特币储备方案，储备量将近 2 万个比特币，而且规模仍然在持续的扩张。我们其实觉得我们平台上同时其实提供着大量的用户可以一键切换去获得收益的一种能力。而且我一直觉得它将会是在这些收益当中最大的那一个，因为它确实具备最容易被人理解，并且容量最大的这个能力。」
最后，Ryan 表示，「我一直相信 SolvBTC 会毫无疑问的成为 BTCFi 的入口级门户。并且我们也正在走向哪里。我们一直希望 SolvBTC 能够成为让用户所能更好参与 BTCFi 的门户。整体来说我们的目标其实也非常明确：我们希望能把 BTCFi 的生态在这个周期来引爆，最近一个月我觉得这个势能还在继续。并且因为各种各样的 BTCFi 的一些生态项目的出现，其实这个感觉已经越来越强烈。然后这过程中 Solv 其实是希望扮演的是最大的比特币链上的储备，跟一个 BTCFi 的入口这样的一个角色。所以我们虽然目前已经可以说算是最大的，但我们其实仍然还有很多努力需要做。对我们来说我觉得现在是 10 亿美金，其实到可能 50 亿、100 亿美金，甚至几百亿美金都是一个合理的区间。我们能看到真实需求市场的容量，能接收到这样的一个预期。所以这一点上是我们当前需要去努力扮演的一个角色。」我们也希望在 BTCFi 盛放的前夜，SolvBTC 能够砥砺前行。彭博社：FTX前高管Ryan Salame将承认刑事指控PANews 9月7日消息，据彭博社援引知情人士报道，前 FTX 高管 Ryan Salame 将于今日（美国时间）就加密货币交易所倒闭的刑事指控认罪。Salame 在去年 11 月 FTX 破产前曾担任 FTX Digital Markets 联席首席执行官。这是第四个认罪的 FTX 高管，距离 SBF 将要受审不到一个月。
上月曾报道，FTX前高管RyanSalame正与美国联邦检察官谈判认罪。撰文：TECHUB NEWS 记者 Alma Li 香港报道｜2026年8月30日 12 倍回测曲线 94% 净利出自 5 笔交易，Uweb 八位学员线上拆解 AI 投研的验证之道 核心观点： 8 月 29 日晚，香港 Web3 教育机构 Uweb（University of Web3）举行学员线上分享会，八位学员围绕 AI 投研轮番登台。一份累计收益约 12 倍的量化回测报告被讲者当场拆解，94% 的净利润出自 5 笔交易；期权、贵金属与链上套利的分享者不约而同把重心放在"验证"而非"预测"上。当晚的共识是：AI 的角色不是给出答案，而是执行纪律、审计证据。 比特币正在经历一轮急涨。公开行情数据显示，8 月中旬以来比特币从约 62,800 美元最高升至逾 81,000 美元，近一个月涨幅约 21%，8 月 28 日前后在 8 万美元关口反复拉锯。行情火热，关于工具的讨论随之升温。8 月 29 日（周六）晚间，Uweb 举行本周学员内部分享会，主持人开场即抛出问题：市场剧烈波动的这一周，有没有人用自己手边的 AI 工具做过深度研究。近三个小时里，八位学员轮流开麦，答案各不相同，指向却出奇一致：怎么用 AI 做投研，以及怎么不被 AI（和自己）骗。 五道闸门：一条 12 倍曲线的当场拆解 量化方向分享者岳瑞 Ryan 是当晚数据密度最高的一位。他先展示了一份在 TradingView 上跑出的回测报告：52 笔交易，累计收益约 12 倍。曲线漂亮，但他接下来的动作是把它当场拆掉。 按他的拆解，前 5 笔交易贡献了全部净利润的 94%；把这 5 笔"大赢家"静态剔除，收益从 12 倍缩水至 65%。52 笔中 31 笔盈利，胜率 59%，盈亏比 2.02；平均单笔回报 6.7%，中位数只有 4.3%，他表示更相信后者。把手续费和滑点计回后，差额达十几万美元。他还统计了持有周期与最终回报的相关性，系数仅 0.44。"持有越久赚越多"这个直觉，在这份数据里立不住。 "利润集中度是一盏需要警惕的信号灯。"岳瑞谈到，集中的利润可能只是恰好赶上了某波板块行情，而不是策略本身的功劳。他给回测划了五道闸门：数据完整性、策略逻辑可知性、执行真实性、利润分布、稳健性验证。执行真实性一节他举例：日线收盘价触发的信号，次日未必能以假设价格成交；信号确认时间与执行规则必须事先约定，而不是事后追认。策略还要分别在上涨、震荡、下跌的市场环境里测试，再做样本外验证，否则在他看来"只能称为研究上的假设"。 至于 AI 在其中的位置，他的定义与多数人的想象相反：不是让它生成更漂亮的曲线，而是让它当审计员，产出"降级结论"和"证据缺口"，人负责定义规则与判断边界。"不能用收益率来评判一个策略的好坏。"他还提醒，社交媒体上那些精准的买卖点，大部分藏着未来函数。 给纪律装上外骨骼 第二位分享者林家锐的诊断对象是普通投资者：亏钱不是因为笨，而是三重错位。用他的话说，多数人问的是"这个点位能不能买"，而一次完整的投资至少有四个维度（选标的、判断结构、定进出场、管理仓位），"用一个维度去做四维决策，亏钱是必然的"。另外两重错位是情绪与精力：靠意志力对抗贪嗔痴不可行，靠有限的精力盯不住 7×24 的市场。 解法是把感觉变成系统：把分析周期放大到周线月线、分批进场出场、账户专款专用，然后让 AI 执行纪律。"真正的 AI 不是给你答案，是替你执行系统。"林家锐强调，AI 没有贪嗔痴，凌晨三点市场暴跌、人吓得手抖的时候，它只会按预设规则报出"触及建仓区间"；它最大的价值"不是比人聪明，而是比人更稳"。他给普通人的路径是三步：先学认知再上工具（AI 放大的是已有的认知，规则若是错的，它会帮人高效地错下去）；用一笔亏了也不影响生活的钱跑通全流程；让 AI 当副驾驶，逐步授权，决策和下单先留在人手里。他透露，这套系统自己已经跑了两三年，年化收益约 30%。 当晚第一位登台的璟明把同一命题做成了产品。他开发的"投资工作台"设有多头与空头十余个席位，围绕同一标的做多轮辩论，给出看多或看空、可投或不可投的结论；再由按周运行的投资雷达按信号强度分四档（明确买入、候选、观察、风险预警）筛选标的，回喂给分析终端二次验证；最后叠加一层他自己沉淀的交易规则。若前两层都看多而规则判定不宜买入，系统直接弹出风险提示："标的交易已违反纪律。"从筛选、深度分析到最终决策，三层连成闭环，他称之为用工具约束情绪化交易。开发路径也一并公开：先让 AI 组建带专业技能的"虚拟团队"产出需求文档，再交给 Claude Code 开发，最后用订阅会员的内嵌版本直接跑生产环境。 期权是一张预期报价单 Tracy Cui 换了一个市场维度：期权。她的问题同样不关于预测，而是"在财报、FDA 审批这类重大事件之前，市场到底提前为哪些风险付了钱"。 她把期权理解成"一张未来波动的报价单"：看涨期权变贵，说明市场在意上行空间；看跌期权变贵，说明下行风险被关注；隐含波动率升高只代表预期波动变大，不指向任何方向。信号被她拆成四维：方向、幅度、时间、拥挤度。以拥挤度为例，期权仓位集中在哪个执行价附近，那里大概率就是关键支撑或阻力。岳瑞当场就此提问，她给出简化判断：看成交量在哪个价位集中。 四维信号合流，产出她所称的"事件前预期雷达"，固定输出四个字段：方向、幅度、价格、边界。"它不会把研究强行压缩成一个定死的结论，买或者卖。"事件结束后回头复盘，实际波动落在预期区间之内还是之外，才是研究的重点。她举例：若期权价格隐含财报后正负 10% 的波动区间，实际只波动了 4%，说明结果没有超出预期；波动 12% 才叫预期被打破。"研究的重点不是结果本身，而是结果和预期之间的差。" 方法论上，她坚持先给 AI 看证据，让它先列证据表、再下结论，否则"它很容易把一些零散的信息包装成听起来很确定的答案"。她给 AI 分配四个角色：信息整理员、数据分析员、案例检索员和质疑者，最后一岗要求它主动寻找反例。踩坑清单同样来自她的实战：单笔大单不等于方向，看涨期权的成交可能是卖出；高波动率不等于看跌；任何点位都要放进历史分位里看。"做 AI 投研最重要的能力，不是找到一个神奇的指标，而是建立一个不轻易误读信号的检查清单。" 降噪：从财报到微信群 观渡展示了一套财报评分系统，接入真实行情数据，从估值、盈利、成长、风险几个维度加权打分，输出增持、持有、观望、减持四档结论，并现场演示了特斯拉、苹果与美光三只美股。比工具本身更值得记录的是他的三个判断：财报是标准化信息，AI 能处理其中九成；财报只是"排列工具"，用来验证投资逻辑，不代表未来的现金流，"财报好也不代表马上能买入"，因为财报周期与投资周期可能相反；AI 管信息收集、数据处理和逻辑分析，最终决策仍归人，投资要的是独立思考和批判性思维。 小丸子的题目最"土"也最贴身：观点验证雷达，解决"大咖说的都有道理，究竟信谁"。她以贵金属投资为案例：都知道黄金长期看涨，但 1974 年至 1980 年那轮行情里，1973 年入场方向看对的人，要先经历两年价格腰斩，再用 40 个月等到 8 倍涨幅，随后两个月跌回一半。她的雷达把信息分五层降噪：周期套娃（货币周期之上还有货币制度周期，"我们要的是美债的利息，人家要的是我们的本金"）、信息源漏斗（按影响度和可信度给信源分级）、数据校准（自购 Wind 数据接口，以伦敦和纽约市场为主视角）、技术水位（金银比、金铜比等跨市场指标）、情绪温度计。最后一样最接地气：监测微信群的聊天密集度、关键词排行和红包热度，行情好时红包刷屏，行情差时群里沉寂。按她的测算，黄金每日交易规模远超年产量，观察金价的主视角是金融市场的交易规模，而不是新闻里的供需消息。工具的输出不是简单的买或卖，而是每条信息的影响度、可信度与分周期的行动建议，另附载体切换思路：行情好偏期权期货，行情差退回股票和现货。 来自区块链行业的学员 Lulu 分享的多源交叉方法最轻量：信息不是不够，而是太多太碎。把大问题拆成六到八个小问题，每个问题配最合适的信源（搜索管广度、语义检索管理解、新闻管时效、社媒管情绪、网页抓取管正文深度），多源结果合并互证、去重之后才输出结论。她正在内测一套搜索抓取聚合工具，按次计费，一个接口聚合主流搜索引擎与爬虫，失效源自动切换路由。 链上套利：眼见的价差是假的 程序员小白压轴登场，立场最鲜明：极其厌恶不确定性，只找确定性机会。他的题目是用套利思维审计资源、信息与规则之间的错配。 链上部分的案例自带反转：两个去中心化交易所之间肉眼可见约 80 美元的价差，1000 枚 DAI 换手后毛利 80 余美元，看似 12 秒即可落袋；但扣除 gas 费与付给链上区块构建者的"贿赂费"，净利润为负，系统直接跳过这笔交易。眼见的价差是假的，这是他当晚最想传递的教训。他还展示了一笔据称以约 1.7 万美元成本捕获约 45 万美元的链上套利交易，涉及上百次连续操作。由此立起三步验证法：数学上成立、机制上可执行（同一区块内完成低买高卖）、现实中净利润为正。机会被他写成一条公式：可转移的差异，减去全部摩擦成本，再减去无法承受的不确定性。 套利思维也被他推广到生活：拿着美元薪水在低物价地区远程工作、香港上班深圳居住、签证与税制的信息差。"门槛这个东西是有两面性的：我没跨过去，就是我的门槛；我跨过去了，对别人就是门槛。"在他看来，信息公开不等于"同时、同口径、同对象"，AI 的价值在于把公告、新闻这类非结构化数据整理成可审计的结构化信息，而人要做的是对抗性审查。他提醒，AI 的注意力机制天然顺着用户的话头检索，模型又被训练得更讨人喜欢，"它天然就是哄着你的"，所以必须主动让它找反例。 他现场演示的"清算跟随"思路恰好接上了本周行情：监测链上清算地图，密集清算被触发后，空单被强平引发的买入会继续推高价格，形成滚动。这一机制并非纸上谈兵，链上数据分析机构 Glassnode 在公开分析中将本轮比特币上涨的起点部分归因于 8 月 19 日的空头清算。主持人则补充提醒，他此前邀请的做市商讲师曾讲过订单簿上的种种"损招"，藏单、诱多诱空都属常规操作，机制成立不等于赚钱简单。工具层面，小白推荐用 Grok 的自动化定时任务监控推特上的链上信息（Grok 为推特原生产品，抓取上有天然优势），也可通过 Coinglass 的 API 监控全网爆仓量与资金费率。 150 分晋级线之后 这场分享会同时也是一套筛选机制的一环。主持人当晚三次强调首轮晋级线：150 分，不够即淘汰，学员可以通过打卡、发布社交媒体、报名分享补分。他同时预告，比特币上涨的深度研报将于次日公布，学员的链上数据接口权限有望在两周内落地；周日的首场学员项目路演将有六位学员登台；9 月 5 日至 6 日，Uweb 还将在深圳开设 AI 投研实战营线下课程。 Uweb 全称 University of Web3，2022 年由原火币大学（2018 年建校）团队在于佳宁博士牵头下创办，立足香港，面向企业家与投资人开设 Web3 与数字资产课程。当晚的主持人开场时回忆，投资纪律、分账户这些话题，早在"还叫火币大学的时候"就已在课堂上讲过。八年过去，讲台换成了学员，题目从纪律变成了 AI，内核却没有变。 近三个小时，八个人没有一个教"怎么让 AI 预测明天涨跌"，反而不约而同在做同一件事：给 AI 划边界，让它列证据、找反例、执行规则。行情越急，这功课越值钱。用林家锐的话收束全场："你负责定规则，它负责不让你的情绪破坏规则。" （整理：Alma Li。本文据 2026 年 8 月 29 日 Uweb 学员线上分享会逐字转写稿整理，有删节，未经分享者本人审阅；学员姓名以现场花名及转写为准。） 编辑说明：本文以分享会逐字转写稿为唯一内容来源，转写含混的专有名词、口径不一的数字与口误（如个别行情口述价位）按"宁删不猜"原则处理；讲者自述的案例数据均以归属语保留。主办机构背景与行情数据经上述公开来源交叉核对。文中提及的 9 月 5 日至 6 日深圳线下课程、周日项目路演等安排出自活动现场口播，报名信息以主办方官方渠道为准。 免责声明：本文为活动报道，文中观点与数据均属分享者个人，不构成任何投资建议。 相关公开资料： 1. 香港Uweb商学院纽约游学收官，从监管风向看数字资产合规繁荣（搜狐） 2. Uweb于佳宁：Web3 AI Agents 塑造未来智能经济的关键四大趋势（腾讯新闻） 3. 比特币历史价格走势图（BTC123）
