Show Notes
这期节目是 Cryptoria 全新系列 Beyond Crypto 的第一期。我们不再只聚焦加密货币，这个系列会带你理解 AI、biotech、量化等前沿科技的商业逻辑。本期 Vivienne 和Zhiyang聚焦一个看似矛盾的现象：AI 推理单价两年暴跌 280 倍，同期 Anthropic 单季度收入却超过 115 亿美元。价格在跌，收入在涨，理解这件事，你对未来五年科技格局的判断会完全不同。 1. Beyond Crypto 新系列启动 - Cryptoria 拓展内容方向，开辟 Beyond Crypto 系列，涵盖 AI、biotech、longevity、量化、美股等前沿科技 - 不止于 Crypto，面向更广的前沿科技商业逻辑 2. 边际成本回来了：AI 打破软件三十年的逻辑 - 传统软件商业模式：固定研发成本、无限复制，边际成本趋近于零（Windows Vista 研发估算 50 亿美元，但每多卖一份额外成本几乎为零） - AI 打破这个逻辑：每次推理都有真实服务器运转、真实电费支出，COGS 是实实在在存在的 - ChatGPT 日处理 25 亿次查询、日活 1.9 亿人，哪怕每次只需几分之一分钱，全年推理成本也是天文数字 - 这解释了为什么 OpenAI 年化收入超 250 亿美元仍处于亏损状态 3. AI 四种商业模式 - 按量收费（Token 定价）：用多少付多少，如 OpenAI/Anthropic 的 API；供应商成本透明，但买家无法预测预算 - 订阅制加用量上限：固定月费加额度上限，类似手机套餐；OpenAI 200 美元 Pro 套餐重度用户反而让供应商亏损，没有一家 AI 公司敢做真正的无限使用 - 按结果收费：最新趋势，完成任务才收钱；解决了"AI 越强反而按人头数收入越少"的根本错位；"完成"的定义与实时追踪仍是技术难点 - 混合模式：订阅底价加超量按用量收费；Cursor 用此模式四年做到年化 40 亿美元，2026 年 8 月以 600 亿美元被 SpaceX 全股票收购（SEC 备案实际交割金额，有史以来最大创业公司收购案） 4. Jevons 悖论：价格越低需求越爆 - 1865 年英国经济学家 William Stanley Jevons 发现：蒸汽机效率提升后，英国煤炭消耗 1865 至 1900 年间不降反升翻了三倍 - 历史反复验证：汽车油耗提升总油耗反增、半导体变便宜带出 PC/手机/IoT 芯片用量翻千倍、带宽降价催生视频流媒体 - AI 同样如此：Token 单价跌 280 倍，打开了更多应用场景；AI Agent 多步推理普及（一个复杂任务可能调用几十上百次推理），总算力需求暴涨 - 2026 年推理算力支出已占企业 AI 总预算 55% 以上；Nvidia 股价未因 AI 变便宜而崩，市场理解这个逻辑：便宜带来的是需求爆炸而非萎缩 5. 真正的成本单位不是 Token - Token 不是大宗商品，因为来自 Kimi 的 Token 和来自 Claude 的 Token 本质不同；真正可替代的是"智能"本身，即同等质量的答案 - 真正的计价单位：同等输出质量下，谁花的钱更少 - 决定成本的五个维度：模型体积（权重越大基础成本越高）、推理效率（混合专家架构可大幅降低单次计算量）、内存效率（GPU 缓存占用越小吞吐越高）、服务效率（批处理/前缀缓存等工程优化）、Token 效率（到达正确答案所需步骤越少成本越低） - Kimi K3 单价看似低，但若需要消耗更多 Token 才能得出同等答案，实际推理成本反而更高 6. 三大护城河：商品化时代谁能守住定价权 - 工作流嵌入深度：涨价 50% 也不换的工具才有护城河；换了要重新培训全团队、失去历史数据和上下文积累；微软 Build 2026 战略本质是把 AI 嵌入操作系统层，让 Agent 在 Windows 注册运行、记忆跨会话积累，用久了迁移成本越高 - 专有数据飞轮：通用模型对所有人一样平庸；在企业内部数据（客户对话、内部文档、历史决策）上持续学习的 AI 越来越精准，竞争对手的通用模型永远追不上；贝莱德 Aladdin 积累几十年金融数据，嵌入 AI 后飞轮转得更快 - 受监管行业信任资产：医疗、法律、金融中 AI 给出的答案还需可审计、可追责；这套合规能力不是买个模型就能有的，靠时间和行业经验积累；Mayo Clinic 的临床 AI 独立验证本身就是竞争对手花钱买不来的信任资产 7. BCG 报告：精准剥层与空洞化 - 空洞化：一家公司收入、客户留存、市场份额看起来完好，但定价权和利润率在悄悄流失，等账面反映出来已太晚 - 精准剥层：AI 原生公司不与大公司正面竞争，而是瞄准整条价值链里利润最高那一层，做成独立产品抽走 - Augury 案例（工业领域）：在工厂设备上安装传感器，用 AI 提供"预测+处方"服务（坏哪个零件、何时停产维修、验证数据），把原本属于设备制造商最赚钱的售后环节直接插入并独立订阅化；工厂还是原来设备，制造商销售数据没变，但售后利润没了 - Sierra 案例（客服领域）：Salesforce 联席 CEO Bret Taylor 创办的 AI 客服平台，接入企业 CRM/订单系统/客户档案，全渠道自主处理问题，只按成功解决的问题收费；专门拿走高频标准化问题（传统客服规模最大、利润最稳那层），复杂判断仍留给企业自己；企业客服人员和系统还在，但最容易规模化的那部分收入已变成 Sierra 的钱；2026 年初年化收入 1.5 亿美元，估值 158 亿美元 8. 中国模型的成本优势：蒸馏与结构性博弈 - 中国模型（Kimi、DeepSeek、Qwen）能低于美国顶级闭源模型定价，核心机制是"蒸馏"：用顶级模型的大量输出训练自己的模型，跳过从零摸索的过程（类比：让新律师研究透顶级律师处理过的上万个案例） - OpenAI/Anthropic 服务条款明确禁止用其输出训练其他模型；美国开源公司须遵守，否则面临法律风险；中国实验室不受跨国民事合同约束 - 荒谬结果：美国开源模型打不过中国开源模型，有时还要反过来借道中国模型，绕了一圈，仍是美国闭源知识经中国蒸馏转手 - 这将持续压低全行业价格天花板，加速智能商品化；成本结构是布局 AI 赛道股票最重要的考量维度之一
时间轴 00:02 开场设问：Token 单价暴跌 280 倍，AI 公司收入为何还在暴涨 01:47 Beyond Crypto 系列介绍：从加密拓展至 AI、biotech、量化 03:45 互联网三十年的秘密：软件边际成本为何趋近于零 05:53 AI 打破旧逻辑：每次推理都有真实算力成本，COGS 真实存在 09:47 AI 四种商业模式：按量、订阅制、按结果、混合 17:47 Jevons 悖论：1865 年蒸汽机的发现，为何价格越低需求越爆 26:35 成本的五个维度：Token 效率才是真正的竞争变量 29:37 智能商品化进行时：微软 Copilot 同时路由多家模型 30:24 三大护城河：工作流嵌入、数据飞轮、受监管行业信任资产 37:05 BCG 空洞化报告：精准剥层，护城河内部看完整外部看已被绕过 39:03 两个真实案例：Augury（工业售后）和 Sierra（AI 客服） 45:28 中国模型的位置：蒸馏机制与系统性成本优势 50:46 总结：三件事：边际成本回来、Jevons 悖论成立、护城河在迁移
关键词: AI成本结构、边际成本、COGS、Token定价、按结果收费、商业模式、Jevons悖论、算力需求、推理成本、大宗商品、护城河、工作流嵌入、数据飞轮、定价权、商品化、精准剥层、空洞化、BCG、Augury、Sierra、Cursor、SpaceX、蒸馏、DeepSeek、Kimi、ChatGPT、Anthropic、Claude、OpenAI、Nvidia、BlackRock、Aladdin、Mayo Clinic、混合专家架构、AI Agent、SaaS、Beyond Crypto 加入我们的听众群，和同频的人一起追踪加密世界的每一个关键时刻。
主播： Vivienne (Twitter @Vivienne_smile) Zhiyang (Twitter @zhiyangxyz) Twitter：@0x_cryptoria 小助手微信：trifoliumlabs Cryptoria研究杂志：https://substack.com/@azimuthmagazine
免责声明: 所有观点纯属主播个人意见仅供分享，不构成任何投资建议。加密货币投资风险巨大，在做出任何投资决定前，请先做好充分调查并咨询相关专业人士
More from Cryptoria | Web3&加密说
这是"AI泡沫"系列的第三期。经济学课本里的挤出效应,讲的一直是政府借钱太多,把企业挤出借贷市场。2026年这件事第一次反了过来:Alphabet、亚马逊、Meta、微软、甲骨文五家超大规模科技公司,截至8月10日发债约2200亿美元,是去年全年的3倍多,借钱的胃口大到美国政府发国债都得多付利息。我们从这笔钱出自哪个池子讲起,拆开1.65万亿到3万亿美元的表外负债冰山,听标普、摩根大通、Mawer、IMF几方对"消化不良还是生病"的交锋,再跟进美联储9月加息点名科技巨头、10年期国债收益率破5%、甲骨文CDS利差创新高等最新进展,最后讲清楚这场AI基建狂潮为什么会算进每个人的房贷车贷利率里。
2026年9月，21家全球顶级银行宣布联合发行美元稳定币，摩根大通却选择不加入——它早在2025年就推出了自己的代币化存款JPMD。这两条路看起来都是"上链"，但在资产负债表上，它们是截然不同的东西。这期节目我们追着一笔钱走，从商业银行的货币创造特权，到经济学家讨论了九十年没有落地的"窄银行"方案，再到稳定币如何在无人授权的情况下把这个方案意外实现，最后回到那个现代金融体系里一直没有被公开讨论的问题：谁有权创造货币？ 商业银行的货币创造特权
这是"AI泡沫"系列的第二期。一台两三年就可能被淘汰的GPU，是怎么在银行眼里变成一笔安全资产的？英伟达在2026年8月10日公布了一套新的融资结构，找来Apollo、贝莱德、黑石、Brookfield、高盛、KKR六家华尔街顶级机构，宣称目标撬动超过5000亿美元第三方资金。贝莱德CEO Larry Fink亲口把这套结构和自己四十年前设计的MBS相提并论，称之为"金融工程的下一个前沿"。我们这一期拆开整套机制：保底收入是怎么运作的？残值担保到底担了什么？高盛说的"为算力担保的信贷创造一个市场"，背后是什么？摩根士丹利测算英伟达的表外或有承诺到2028年底可能逼近2000亿美元，这个风险到底是可控还是在滚雪球？节目录制于2026年9月，包含英伟达财报后的最新进展、CoreWeave信用市场剧烈波动的完整故事，以及黄仁勋在高盛会议上那句"如果这算循环，我们应该多来几次"的完整语境。 开场：发明MBS的人，为什么提到了英伟达
这期我们时隔170多期重新聊NFT。主角不是新系列，而是一个叫FWA(Fake World Asset)的协议，名字故意跟这两年最热的叙事RWA(Real World Asset)对着讲。2021年一只Bored Ape地板价接近150个ETH，折合约40万美元，Doodles、Meebit这些热门系列同样起飞；到2024年前后，同一批项目在OpenSea上几乎找不到挂单。这不是需求消失，而是NFT市场从一开始就缺一套做市和定价的基础设施。FWA想做的，是给这些沉睡在钱包里的NFT建一台链上扭蛋机，重新打开一个流动性出口。 1. NFT为什么变成有价无市 NFT交易长期依赖点对点撮合，挂单之后只能等一个具体的人在具体的时间愿意出具体的价格，市场里没有做市商兜底。股票有人随时报价接盘，NFT没有，市场情绪一退潮，等待接盘的人就消失了。定价也是老问题：一支股票每秒都有成交价，一个NFT能查到的往往是几个月前的一笔交易，还未必是正常的市场行为。流动性缺失叠加定价缺失，才是这几年大量NFT项目直接归零的根本原因，而不是它们的价值真的消失了。 2. FWA机制拆解：给NFT做一台链上扭蛋机 Bankless主持人David Hoffman把FWA定义为全球统一的NFT自动做市商，逻辑类似Uniswap之于代币：协议本身随时是买家也是卖家，流动性永远在线。核心创新是引入随机性，购买者不是挑一个特定的NFT，而是从大池子里随机抽一个，灵感来自日本从上世纪六十年代就存在的扭蛋机文化。机制围绕三个角色展开。存入者把NFT连同一定数量ETH一起存入资产池，ETH数额完全由自己决定，相当于用真金白银为这个NFT定价，之后无论池子里哪个NFT被抽走，所有存入者都按比例拿到协议费用分成。购买者也就是抽奖的人，支付的价格是池内所有NFT配对ETH的均值，这个价格每时每刻都在变动，随机数由Chainlink的VRF在链上生成，没有人能操纵结果，抽中后可以选择留下NFT，或者换回大部分配套ETH。协议本身从每笔交易抽成，费用100%用于市场回购FWA代币，按官方文档分配为60%给当日购买者、20%给当日存入者、20%永久销毁，使用量因此和代币买压直接挂钩。 3. 定价博弈：为什么自己报价反而更诚实 NFT和传统艺术品一样缺乏客观定价系统，FWA索性不去正面解决，而是让存入者自己定价，并用锁仓的ETH为这个价格背书。定价太低，抽中的人会直接拿走NFT去外部市场套利；定价太高，抽中的人会选择拿走配套ETH，存入者自己吃亏。只有把价格定在接近真实价值的区间，NFT才能在池子里留得更久，也才能赚到更多费用分成。这套机制用激励和风险敞口，让市场自己趋向公允定价，不依赖任何外部预言机。只要定价合理，存入者理论上能在NFT最终被抽走前，通过费用分成把配套ETH的价值慢慢赚回来，而且NFT可以随时取出，并不是被永久锁定。 4. 真实体验与FWAir新发行机制 主播亲测抽一次大约0.06个ETH，折合120美元左右，池子里出现过Nounces这样的热门系列，抽奖的心理很像抓娃娃机或者拆盲盒。FWA协议构建者之一Eric Connor分享了自己的心路：手里攥着Meebit、Doodles这些曾经的一线NFT多年卖不掉，放进FWA之后既能变现又能持续赚手续费，他形容这是这几年在链上最开心的一次体验。FWA的延伸产品FWAir专门针对新发行：艺术家开放一个背书阶段，收集愿意锁仓ETH预约席位的意向买家，新系列随后被投入大池子，和其他已经存在的NFT一起被随机抽取。抽中新系列的人如果选择留下，背书者的ETH原路退回；如果抽中的人选择换回ETH，背书者的ETH才真正被花掉换来这个NFT。这套设计想解决的是传统mint模式里机器人抢跑、艺术家一次性套现后无心做后续生态建设的老问题。 5. 数据、风险与那句火鸡比喻 FWA于2026年7月20日上线，四天内就成为以太坊最大的Gas消耗协议，8月11日代币FWA触及历史高点约4美分，峰值日收入约163万美元，TVL一度超过615万美元。热度消退后代币价格从高点回落超过70%，日收入也大幅下滑，早期活跃很大程度上由代币激励驱动，这也带来了死亡螺旋的担忧。协议构建者Adam自己也承认，这套机制目前仍是一场没有人摸清最优解的实验，那个经典的火鸡比喻，过去表现良好不代表未来没有系统性崩盘风险，同样适用于FWA。相较一般DeFi协议，FWA的风险相对可控，唯一的单点故障是Chainlink，即便出问题也只是没法继续抽奖，用户存入的NFT和资产依然可以随时取出，不存在卷款跑路的风险。真正的考验在于代币激励退潮之后，还有多少人会因为FWA是真实有效的流动性出口而留下来。 6. 收尾：假世界资产里越来越多真实资产 池子里已经出现Pokemon卡片这样的实物收藏品，讨论也延伸到手表、名包这类高价值真实资产会不会被搬上链。两位主播的判断是，只要这些资产背后承载的是不可替代的社区价值或稀缺属性，持有者未必有动机把它们投入这样一个随机化的流动性池。名字里带着调侃意味的假世界资产，如今却越来越多地承载真实世界资产，这个反差本身就是这期节目最有意思的注脚。借用David Hoffman的收尾，如果FWA真的能跑通，对整个NFT行业会是一件好事，但这个前提目前还没有被验证。 时间戳 00:02 开场：为什么这次重新聊NFT 01:37 FWA与RWA的呼应，协议为什么在这个时间点出现 03:50 2021年NFT黄金年代：Bored Ape、Doodles、Meebit地板价回顾 05:51 时隔170多期再聊NFT的原因：FWA带来的流动性突破 08:17 NFT与DEX订单簿的根本区别：没有做市商兜底 10:19 定价困局：NFT没有实时成交价格机制 13:31 FWA定位：David Hoffman称其为NFT的全球AMM 15:30 扭蛋机式随机性设计登场 16:54 三个角色：存入者、购买者、协议本身 19:59 协议收费与FWA代币60比20比20的分配机制 20:34 核心疑问：为什么会有人愿意把NFT存进去 22:53 定价机制深挖：让存入者自己报价 25:03 博弈逻辑：定价过高过低都存在套利风险 28:14 主观定价驱动价格发现的总结 29:07 实测体验：抽一次约120美元，Nounces的诱惑 31:39 Eric Connor的故事：从废弃NFT到重新变现 36:10 FWAir新发行机制：颠覆传统mint模式 37:41 背书机制详解：预约席位与随机抽取流程 41:34 数据回顾：上线四天成以太坊最大Gas消耗协议 42:28 代币价格回落超70%，死亡螺旋担忧 43:38 火鸡比喻：过去表现不代表未来没有风险 45:27 相较其他DeFi协议，FWA资产可随时取回的低风险特性 48:21 Pokemon卡片入场，真实资产话题浮现 52:28 收尾：FWA若能成功，会是NFT行业的好事 53:43 节目更新预告：Cryptoria与Beyond Cryptoria计划每周两更 关键词：FWA、Fake World Asset、RWA、NFT、流动性、扭蛋机、AMM、Chainlink VRF、定价机制、价格发现、FWAir、Eric Connor、Adam、David Hoffman、Bankless、死亡螺旋、Nounces、Bored Ape、Doodles、Meebit、Pokemon卡片、火鸡比喻、TVL、以太坊、Cryptoria 加入我们的听众群，和同频的人一起追踪加密世界的每一个关键时刻。 主播： Vivienne (X @Vivienne_smile) Zhiyang (X @zhiyangxyz) Twitter：@0x_cryptoria 小助手微信：trifoliumlabs Cryptoria研究杂志：https://substack.com/@azimuthmagazine 免责声明: 所有观点纯属主播个人意见仅供分享，不构成任何投资建议。加密货币投资风险巨大，在做出任何投资决定前，请先做好充分调查并咨询相关专业人士
这是"AI泡沫"系列五期节目的第一期。2025年9月甲骨文股价单日暴涨36%,创始人Ellison身价几小时暴涨880亿美元——这是真实价值,还是同一笔钱在几家公司间转了一圈的账面幻觉?我们理清2019年至今围绕OpenAI的11笔关键交易,还原出英伟达、OpenAI、甲骨文、CoreWeave、微软、AMD之间反复叠加的"循环之轮",并引出"Keystone Problem"系统性风险,收录黄仁勋、Michael Burry、Noah Smith、Larry Fink四方解读,更新至2026年9月最新进展。