Show Notes
本期我们聊一个 2025年已经反复出现的关键词：RWA（真实世界资产上链）。 很多人一听 RWA 就以为是“Web3 新概念”，但它真正解决的是传统金融里最贵、最慢、最麻烦的那一段——清算、结算、托管与信用成本。 这期我们用大白话把它讲明白：为什么有人说“股票上链”不是噱头？它到底能把哪些环节变快、变便宜？钱会被谁赚走？ 我们会从两条线带你入门： Figure：为什么它被当成 RWA 的代表公司？它在做的是金融产品、稳定币，还是一整套链上分发与结算网络？ Robinhood：为什么券商会积极推动“上链”叙事？它想拿走的究竟是哪部分利润池？ 两位主播：Jennifer是INTP，美元VC出身，更偏基本面和长期；Lily是Counsulting+互联网+Web3产品，ENTP，更偏趋势和体感。 新的一年我们打算用姐妹唠嗑的方式，围绕我们正在关注的挣钱机会，把这个节目做成“陪伴型投资播客”，欢迎喜欢的朋友们订阅和评论。 时间戳 00:00 开场与主播介绍 01:08 引入话题：为何此时讨论RWA 02:22 RWA定义与核心价值（效率、去中间化） 03:53 GameStop案例揭示结算痛点 06:11 RWA发展现状与市场格局 09:10 RWA资产类别解析（信贷、美债、商品、股权） 12:44 美股上链三种模式详解 19:10 案例深挖：Figure商业模式与基本面 25:09 Figure未来布局与叙事分析 32:02 案例介绍：Robinhood的RWA路径 34:04 投资逻辑与风险提示 36:00 主播近期心得与生活分享 41:44 结束语与下期预告 免责声明：本节目仅供交流与学习，不构成任何投资建议。市场有风险，决策需独立。
在小宇宙查看该单集文稿
More from Her Alpha | 超额姐妹
震荡市里，Jennifer 想好了一个小红书标题：“好消息挣到钱了，坏消息流量掉了。”但她觉得，平平无奇的市场里依然藏着阿尔法——这期我们聊 AI 制药。 为什么是现在？从 Anthropic、OpenAI 到英伟达×礼来、字节分拆、Isomorphic Labs 的大额融资，科技巨头和大模型公司在过去一年里集中涌向同一个赛道。 Jennifer 从靶点、分子讲起，拆解 AI 真正能加速的两步。Lily 替外行一路追问：“AI 直接生成出来的，不就是药吗？”答案藏在干实验与湿实验的区别里：线上一次生成上万个候选分子，线下实验反而成了瓶颈。 于是我们顺着瓶颈找铲子：DNA 合成里的 Twist、重组蛋白里的国产厂商、自动化实验室里的 Ginkgo 与 Adaptyv。哪一环的 AI 增量已经进了财报，哪一环还只是故事？ 至于 AI 药企本身，Jennifer 直说：这是她的知识盲区，不如简单点买铲子。也欢迎懂行的听众来评论区帮我们补课。 以上内容仅为个人研究与交流，不构成投资建议。
本期简介 比特币一个月反弹约22%，这是牛回了，还是熊市里一次被逼空放大的反弹？我们这次要走在牛市之前，让大家提前做好预案。 这期从人尽皆知的四年周期讲起，非常小白友好。但依旧从供需和技术面给大家拎出来多个监测信号，并且给大家了非常体贴的建议。 7709送走的钱，这次原生家庭补回来。
本期简介 开源大模型已经赢下用量，却没有赢下收入。OpenRouter 上，头部 Token 流量越来越多流向中国开源模型；但同一批流量经过路由、托管、云和 Agent 入口后，真正回到模型公司的钱却很少。但开源不是做慈善，即使开源了，也要努力的收钱。 这期我们从一笔流水账开始拆：OpenRouter 为什么收费，Together AI、Fireworks AI 怎样靠部署赚钱，云厂商拿走什么，以及 DeepSeek 为什么即便开放权重，仍可能依靠部署效率和官方 API 保留成本优势。问题的关键不只是单 Token 定价，而是谁拥有入口、用户心智和收口。 我们负责把账追到底：如果海外流量大多漏给了第三方，开源 Lab 怎样提高商业化渗透？Claude Code 这类 Agent harness 为什么能把模型从“比价商品”变成产品？智谱、DeepSeek、Kimi 和 MiniMax，又分别押注了私有化部署、成本工程、前沿模型和海外 C 端产品。 最后两个人把话题落回投资：二级市场和一级市场在给什么定价，P/ARR 能不能信，社区许可又是否真能把“漏掉的钱”收回来，也请期待我们下一期的大模型公司拆解。
本期简介 2026年8月，具身智能热到全顶着几百亿的估值要去IPO了，宇树/银行通用/自变量/星海图/智平方等等等等，但机器人今天连抓个杯子都还会失败。这些公司能不能上市、上市了要不要买？——在我们反复的自我逼问下，我们出了这一期具身智能播客。 我们这期不聊浅的，从技术开始尽量大白话，把这个“看起来都长两条腿，里面到底差在哪”的行业讲明白。从数据采集、到模型训练、到终端应用，从RT-2、端到端、再到VLA、Scaling Law、和世界模型，一路拆到最现实的问题——机器人还没有完全找到自己的GPT路径，而且数据比大模型难搞得多。 主播这期扎实的聊了30分钟技术（人又学废了），咱们还是得落到投资决策，这部分简介里先不写了，欢迎大家自己去找我们的观点～
播客简介 6月底以来市场多次急跌，"AI泡沫要破"的鬼故事满天飞。这一期盘中闲聊，Jennifer 和 Lily 想给大家做一次心理按摩 这一轮下跌不适合与2000年互联网泡沫对比，真正值得回看的是去年的 DeepSeek Moment。两次恐慌的共同点都不是 AI 需求出了问题，而是市场对巨额资本开支"是否有效率、利润最终归谁"的内生质疑。 我们从博通指引、Meta"出租过剩算力"的发酵讲起，拆解算力租赁价格的数据陷阱、训练与推理的算力叙事反转、token 定价的粗糙与 AI 商业化的巨大空间，再对照 Gavin Baker 两次经典的逆势 call，聊聊产业周期与股价周期为何不同步。 最后送给正在挣扎的科技投资人两条建议：建立产业链分层思维，找到 AI 环节中真正的瓶颈与阿尔法所在；做好仓位管理，用高信念+高纪律对抗情绪与波动，避免在急跌中造成 permanent loss。 时间戳 00:09 开场：主播介绍（Jennifer & Lily）