未来十年的投资逻辑：寻找Web3与AI时代的“收税人”
本文回顾了过去十年的投资经验，指出应用层竞争激烈而“收税层”（基础设施）回报丰厚。作者认为在Web3和AI时代，应关注具备“税权”的底层设施。文章详细分析了三个核心方向：数字美元的利差税（如Circle、Ondo Finance）、AI时代的物理刚需税（如Vertiv、Oklo核电）以及AI Agent的身份与分发税（如World、Bittensor），并给出了寻找10倍标的的投资公式。
相关文档
Web3最赚钱的地方，大家都嫌麻烦
文章通过一个年轻人从炒币亏损到转做钱包对账与风控的经历，指出Web3真正长期的商业机会不在资产价格投机，而在合规、对账、托管、风控和用户支持等'麻烦事'中。作者引用BIS研究说明链上交易量存在幻觉，分析了身份权限、对账、风控、托管和规则变化五类价值所在，并为普通人提供了数据研究、企业对账、安全权限、开发者工具、合规教育五条入行路径，以及30天服务验证法和项目收入六栏拆解等实用方法论，强调'价格让人兴奋，流程才会让钱留下来'。
Bittensor 是 AI 时代的比特币吗？
本文通过 Bittensor 创始人 Jacob 在清华大学的演讲，深入探讨了 Bittensor 如何将 Bitcoin 的底层逻辑应用到 AI 领域。文章提出了“激励计算”的概念，即用真金白银的金融激励替代传统算法中的数字奖励，构建自适应的去中心化计算系统。通过代码生成、模型训练、GPU 租赁等五个实际案例，展示了 Bittensor 如何利用市场机制调动全球算力与智力资源，实现比传统中心化实验室更高的效率。
这轮牛市有何不同？如何布局
作者大宇认为当前已处于牛市初期，从周期规律、宏观流动性、币圈内生情绪三方面论证牛市已来。本轮牛市最大变化是资金来源：机构资金主导，重点看好链上金融基础设施及有真实收入、有回购的真实价值类项目（如HYPE、UNI、AAVE、MORPHO、ETHFI等），MEME仍是重头戏但建议买平台币而非具体MEME，同时警惕不上不下的VC币。采用杠铃策略布局，预计还有20%左右回调，是上车机会。
从Web3到AI：提前下注的人凭什么赢
Stripe以超70亿美元收购OpenRouter，创始人Alex Atallah曾在OpenSea创造类似战绩。本文分析了从Web3迁移到AI的一批人的共同特质：对基础设施缺口、新入口和共识形成前机会的敏感度。包括Crypto.com买下AI.com抢Agent入口、Stable Diffusion打破闭源护城河、FTX Future Fund人才流向Anthropic等案例。但Aschenbrenner的基金爆仓证明：看对技术方向与赚到钱是两回事，判断力决定方向，杠杆管理才决定输赢。
Hermes 链上分析师工作流构建指南
本文介绍了作者如何利用 AI 智能体 Hermes 构建一套自动化的链上数据分析（Onchain Forensics）流程。该流程通过 x402 支付协议集成了 Nansen、DexScreener、Tokenomist 等工具，能够自动追踪钱包持仓、识别巨鲸买卖行为并生成可视化报告。文章展示了具体的技能组合配置、运行成本分析及实际应用案例，体现了利用 AI Agent 进行低成本、高效率加密货币投资的实践。
CRCL 一文看懂——原创观点汇总
本文详细分析了合规稳定币（特别是USDC）作为美元与美债第二增长曲线的商业潜力。文章阐述了稳定币的规模效应、合规优势以及CIRCLE（CRCL）在AI时代作为金融基础设施的定位。作者认为USDC将成为链上支付与Agent通信的硬通货，并从商业模式、估值误区、未来收入来源（如链上SWIFT、外汇交易、企业服务等）角度论证了CRCL的投资价值。
为了让 AI 管家学会交易，我直接爬取了 42万字投资大佬的文章喂给它
作者尝试通过向 AI 管家“贾维斯”投喂 42 万字 Web3 投资大佬的文章，来提升其投资分析能力。文章详细记录了使用爬虫工具 XCrawl 配合 OpenClaw，快速抓取 Chris Dixon 博客并清洗成 Markdown 格式喂给 AI 的全过程。最终，AI 成功学习并输出了具有专业框架的投资策略。文中还探讨了 XCrawl 在反爬、清洗和集成方面的技术优势。
How to Build the Most Powerful AI Trading System (Hedge Fund Infrastructure)
文章阐述了如何构建对冲基金级别的 AI 交易系统。作者指出，AI 模型本身不是瓶颈，缺乏基础设施才是关键：散户 AI 缺少数据、算力和交易执行三大层。数据层需避免幸存者偏差和前视偏差；算力层需要集群化回测；交易层需全天候执行。通过 MCP 协议，可将 Claude、ChatGPT 等 AI 接入 QuantGPT 终端，获得机构级数据仓库、云端研究算力和实盘交易能力，以远低于 Bloomberg 终端（约 3 万美元/年）的成本（49-149 美元/月）构建完整 AI 交易系统。
我天天用微软，却一直以为它是免费的——美股七姐妹拆解·第三期：微软
本文是美股七姐妹拆解系列第三期，作者从大学生视角出发，探讨微软的商业模式。文章解释了为何用户感觉微软产品免费却仍在付费（厂商预装授权、学校权益等），分析了Windows的生态锁定与转换成本、企业办公服务的订阅收费逻辑，以及护城河的构成：软件设备生态、企业流程积累和云服务。文章还讨论了Azure与AWS的云计算竞争，以及Copilot等AI功能能否带来新增长——作者认为关键在于能否真正减少操作、稳定完成任务，而非'内置AI'标签本身。
Web3最贵的学费，是看错风险
本文通过一个凌晨差点转账投资高风险项目的真实场景，探讨Web3投资中的风险管理。作者指出Web3的风险远不止币价波动，还包括托管风险、合约漏洞、流动性缺失、诈骗杀猪盘等。文章以FTX崩盘为例分析托管真相，提出'五本账'项目评估框架（产品、收入、代币、权限、退出），强调仓位管理应基于个人财务状况而非固定比例，并给出七天研究流程。核心观点是：先保护存活率，再讨论收益；看不懂就不投，不是损失而是有效结果。
折腾A股量化几年后，我决定慢慢放弃了
作者回顾了自己从本科时期进入A股，到学习量化交易、搭建完整量化系统的经历。在多年实盘运行后，他发现自己赚到的钱与投入的时间精力严重不成正比，且量化并未真正排除主观情绪的干扰。最终让他淡出A股的不是亏损，而是机会成本：同期纳斯达克100指数涨幅远超他的A股策略收益，而他作为拥有香港身份、可便利投资美股的人，完全没必要把自己限制在A股。作者感悟到投资并非努力竞赛，选对市场和资产比努力更重要，A股量化研究不再是他资产配置的重心。
我的低谷与转折：从数藏到Web3 Agency再到AI创业
作者回顾了自己的职业历程：大学期间通过实习和家教月入过万，大三在数藏公司实习赶上牛市赚到第一个百万，同时运营公众号和交易群积累粉丝并变现。2023年毕业后入职美团，后辞职All in Web3，在二线交易所工作期间转型做KOL Agency，第二个 月即获得150万订单，尝到Build in public的红利。今年行业冷淡遭遇低谷：发胖、公众号被封、客户断崖式下跌。七月中旬入职新公司成为市场部第一名员工，筹备C端和B端产品推广，重新燃起对AI的热爱，走出低谷，感恩生活。
