Category 欧易交易所OKX官网

作者：魏玛

人才与能源，正在成为科技公司AI战役中必夺的高地塔。

“这场AI的人才之战，是我见过的最疯狂的人才争夺战！”马斯克在推特上直言。

就在5月28日，这位特斯拉CEO创办的AI初创公司——xAI在官网宣布融资60亿美元，用于打造超级计算机，马斯克称之为“超级计算工厂”。诚然，这需要更多人才。马斯克甚至表示，xAI如果不提供offer，人就被Open AI挖走了。

在这场谁也看不到未来确切形状的人工智能大模型战役中，投资一个靠谱的团队，对于投资公司来说显然是最有力的保障。这也是这场人才争夺战愈演愈烈的重要原因。

不过，“真正优秀的人才通常不会主动找工作，因此需要去挖那些你看好的人才”。OpenAI创始人Sam Altman早年在他的文章中提及。

信息差是这场人才争夺战中决定胜负的关键。

我们的第一篇人才图谱聚焦这个科技巨头们重金押注的领域——具身智能。

如果说这场AI战事的未来难以预测，具身智能或许是其中一种终极形态。英伟达CEO黄仁勋更是表示，下一个AI浪潮将是具身智能。

硅兔尝试梳理了美国大公司，两个AI黄浦军校——谷歌和英伟达的具身智能人才图谱以及在其中的华裔大佬，或许能为希望在其中进行创业或投资的读者提供按图索骥的参考。

「1」根据谷歌和英伟达重点具身智能论文和项目一共梳理114名业界实战大佬，其中谷歌占比60%，英伟达40%，男多（90%）女少（10%）。

「2」8%的研究员学术水平比肩美国科学院院士。59%的研究员属于高水平段位。

「3」78%的研究员最高学历水平为博士，研究生占比18%，本科生仅占比4%。

「4」华裔在谷歌和英伟达具身智能研究员中占比约27%。

「5」斯坦福向谷歌和英伟达输送了最多具身智能大佬，其次是CMU和MIT，三家学校输送的人才占比约1/3。

欲知数据详解及华裔大佬履历见下?

「1」

共计248名研究员参与了谷歌和英伟达具身智能研究，剔除62名未在Google Scholar建档的研究员，剩余186名研究员中，业界力量占六成、学界力量占四成。

具体来看，谷歌独立研究能力更强，英伟达借助了多个顶尖学校的研究资源。参与英伟达机器人研究的高校研究人员达到45人，占比一半（51%）；相较之下，谷歌的这个比例不到三分之一（27人，28%）。

「2」

聚焦业界人才，谷歌和英伟达114位研究员中，男性占比约90%，华裔占比约27%，博士学历占比约78%。

在性别比例和族裔方面，谷歌和英伟达略有差异，谷歌似乎对女性更友好，有11名女性科学家加入，而英伟达只有2名。

英伟达华裔的比例更高，占比达40%，而这一比例在Google只有20%。

「3」

斯坦福向谷歌和英伟达输送了最多具身智能大佬，其次是CMU和MIT，三家学校输送的人才占比约1/3。

114位研究员最高学历毕业的院校总共有51所大学。其中，斯坦福大学有16人，卡内基梅隆大学有14人，麻省理工学院有7人，这三所学校的人数占比约三分之一，而其他大多数学校只有一名学生。

绝大部分研究人员来自美国的院校，但欧洲也有两所学校在具身智能领域产生了重大影响：英国伦敦帝国理工学院和牛津大学，毕业于这两所学校的研究人员共有8人。牛津大学在深度学习方面积累了丰富的经验，并且谷歌收购DeepMind后与牛津大学展开了合作，引入了深度学习领域的专家。例如，AlphaGo的研发团队中就包括了3名牛津大学在职教授以及4位前牛津大学的研究人员。

「4」

8%的业界研究员学术水平比肩美国科学院院士。59%的业界研究员属于高水平段位。谷歌研究员的学术能力相较英伟达更强。

我们采用被引用量和“h”指数来衡量学术水平。“h”指数是一位作者至少具有相同引用次数（h）的最高发表论文数量。例如：某人的h指数是20，这表示他已发表的论文中，每篇至少被引用了20次的论文总共有20篇。

一般来说，h指数在10以上可以被认为是较高水平，h指数18属于高水平，而成为美国科学院院士的一般要求是45以上。

这114名企业研究人员的h指数表现出了他们相当强的研究水平：89%的人的h指数大于10，59%的人的h指数大于18，而有8%的人的h指数甚至超过了45。

进一步比较谷歌和英伟达的学术水平会发现，谷歌研究人员影响力明显要比英伟达高。例如，谷歌企业研究人员引用量平均数和h指数平均数是12596和23，而英伟达的这一组数据为6418和21。

「5」

谷歌和英伟达各有约1/10的具身智能研究员离职加入其他公司。

谷歌70人中有7人离开，占比10%。目前在英伟达、苹果、特斯拉、1x、OpenAI、Figure AI等企业就职，总体上来说离开谷歌的人才较少，绝大多数人才在Google DeepMind工作。

其中，Scott Reed 2016 年加入 Google DeepMind 从事控制和生成模型方面的工作，后加入英伟达成为GEAR 团队的首席研究科学家。

注：谷歌离职研究员及去向

英伟达44名具身智能研究人员有4人离开，占比9%。一人去了谷歌，一人去了Allen Institute for AI研究机构，另外两人选择创业。

Igor Mordatch的研究兴趣包括机器学习、机器人学和多智能体系统，他曾是OpenAI的研究科学家，在斯坦福大学和Pixar动画工作室担任访问研究员。他共同组织了OpenAI学者指导计划，并担任AI4All、Google CS研究指导计划和Girls Inc.的导师和教学助理。离开英伟达后在Google DeepMind担任研究科学家。他发布文章约123篇，Google Scholar h指数51，被引用量18752次。

注：英伟达离职研究员及去向

「6」

“美国科学院院士”学术水平（h指数大于45）的研究员，谷歌得6人，英伟达得1人。他们分别是（按照指数高低）：

谷歌

Nicolas Heess

DeepMind研究科学家。

2011年发表论文《Learning a Generative Model of Images by Factoring Appearance and Shape》，彼时正在攻读爱丁堡大学的神经信息学与计算神经科学博士学位，毕业后在DeepMind工作至今。

早期研究聚焦在机器视觉、机器学习、图形/增强现实/游戏等领域，目前是英国UCL计算机系荣誉教授。

发布约224篇文章 ，Google Scholar h指数65，被引用量48917次。

Martin Riedmiller

DeepMind研究科学家。

1986-1996年在德国University of Karlsruhe（卡尔斯鲁厄大学，现在的卡尔斯鲁厄理工学院）学习计算机专业，并取得博士学位。毕业后他一边在学术界任教，一边创业。

2002年- 2015年先后在University of Dortmund、University of Osnabrueck、University of Freiburg担任教授，带领Machine Learning Lab；2010 -2015年在德国巴登创立Cognit – Lab for learning machines。

2015年加入Google DeepMind全职工作。

他的研究领域聚焦人工智能、神经网络、强化学习等，发布约188篇文章，Google Scholar h指数59，被引用量84113次。

Vikas Sindhwani

Google DeepMind研究科学家，领导着一个专注于解决机器人领域规划、感知、学习和控制问题的研究小组。

他拥有芝加哥大学的计算机科学博士学位和印度理工学院（IIT）孟买分校的工程物理学士学位。

2008年-2015年在IBM T.J. Watson Research Center纽约分部负责机器学习组。2015年加入Google DeepMind工作至今。

担任《机器学习研究交易》（TMLR）和《IEEE模式分析与机器智能交易》的编辑委员会成员；曾是NeurIPS、国际学习表示会议（ICLR）和知识发现与数据挖掘（KDD）的领域主席和高级程序委员会成员。

研究兴趣广泛涉及统计机器学习的核心数学基础，以及构建大规模、安全、健康人工智能系统的端到端设计。

曾获得人工智能不确定性（UAI-2013）最佳论文奖和2014年IBM Pat Goldberg纪念奖；并入围了ICRA-2022杰出规划论文奖和ICRA-2024机器人操作最佳论文奖的决赛。

发布约137篇文章，Google Scholar h指数52，被引用量17150次。

Vincent Vanhoucke

Google DeepMind杰出科学家、机器人技术部门高级总监，在谷歌工作超过16年。

拥有斯坦福大学电气工程的博士学位(1999-2003)和巴黎中央理工学院的工程师学位。

曾领导Google Brain的视觉和感知研究，并负责谷歌语音搜索的语音识别质量团队。共同创立了机器人学习会议（Conference on Robot Learning）。

研究涵盖了分布式系统和并行计算、机器智能、机器感知、机器人和语音处理等多个领域。发布约64篇文章，Google Scholar h指数50，被引用量165519次。

Raia Hadsell

DeepMind研究与机器人技术高级总监，VP of Research。

2014年加入至今。

在Reed College获得宗教学和哲学学士学位后（1990-1994），在纽约大学与Yann LeCun合作完成博士学位研究（2003-2008），集中于使用连体神经网络（今天通常称为“三元损失”）的机器学习、人脸识别算法，以及在野外使用深度学习进行移动机器人研究。论文“Learning Long-range vision for offroad robots”获得了2009年的杰出论文奖。

在卡内基梅隆大学机器人研究所做博士后研究，与Drew Bagnell和Martial Hebert合作，然后成为新泽西州普林斯顿市SRI国际公司视觉与机器人组的研究科学家（2009-2014）。

加入DeepMind之后，研究重点放在人工通用智能领域的一些基本挑战上，包括持续学习和迁移学习、用于机器人和控制问题的深度强化学习，以及导航的神经模型。是一个新开放期刊TMLR的创始人和主编，CoRL的执行委员会成员，欧洲学习系统实验室（ELLIS）的成员，也是NAISys（神经科学与人工智能系统）的创始组织者之一。担任CIFAR顾问，并曾担任WiML（机器学习中的女性）执行委员会成员。

发布约107篇文章，Google Scholar h指数45，被引用量36265次。

Nikhil J Joshi

资料有限，在印度印度理工学院（Indian Institute of Technology）获得物理硕士学位，在印度基础研究机构Tata Institute of Fundamental Research 获得分子物理学博士学位。2017年加入Google Brain做软件开发，之前在多家企业任职。Google Scholar h指数45，被引用量8320次。

英伟达

Stan Birchfield

英伟达首席研究科学家和高级研究经理。

2016年加入，主要负责计算机视觉和机器人技术的交叉领域，包括学习、感知、以及人工智能介导的现实和交互。

1999年获得斯坦福大学电气工程博士学位，辅修计算机科学。

毕业后，加入湾区初创公司Quindi Corporation担任研究工程师，开发智能数字音频和视频算法。

2013-2016年，加入微软，负责开发计算机视觉和机器人技术的应用与地面实况导航系统，并领导开发了自动摄像头切换功能。

Google Scholar h指数56，被引用量14315次。

「7」

部分业界华裔大佬

这114名企业研究人员中共有31名华裔，重点介绍12名佼佼者，其中谷歌 4人，英伟达 6人，OpenAI 、1x各1人。

谷歌

Fei Xia（夏斐）

Google DeepMind高级研究科学家。

2016年毕业清华，2021年在斯坦福大学电气工程系获得了博士学位。

读博期间曾在NVIDIA的Dieter Fox，Google的Alexander Toshev和Brian Ichter那里做过研究实习。在斯坦福大学完成博士学位后，于2021年秋季加入Google的机器人团队。

研究兴趣包括大规模和可转移的机器人模拟，长期任务的学习算法，以及环境的几何和语义表示的结合。最近研究方向是将基础模型（Foundation Models）用于智能体的决策过程中。

学术成就包括在ICRA 2023会议上接受了5篇论文，在CoRL 2022会议上接受了4篇论文。

代表工作有GibsonEnv, iGibson, SayCan等，iGibson开发用于机器人学习的大规模互动环境，以及在机器人控制策略中使用模仿学习和模型预测控制（MPC）的结合。Google Scholar h指数为33，引用量为12478。

Andy Zeng

Google DeepMind高级研究科学家。

在UC Berkeley获得了计算机科学和数学的双学士学位，并在普林斯顿大学获得了计算机科学博士学位。2019年博士毕业后加入Google Brain工作，专注于机器学习，视觉，语言和机器人学习。

研究兴趣包括机器人学习，使机器能够智能地与世界互动并随着时间的推移自我提高。

学术成就包括在各种会议上发表的论文，如ICRA，CVPR，CoRL等。

参与的重要项目包括PaLM-E。

Google Scholar h指数为32，引用量为12207。

Tianhe Yu

Google DeepMind研究科学家。

2017年在UC Berkeley获得了计算机科学、应用数学和统计学的最高荣誉学士学位，2022年在斯坦福大学获得了计算机科学博士学位，导师是Chelsea Finn。

2022年博士毕业后加入Google Brain工作，专注于机器学习，视觉，语言和机器人学习。

研究兴趣包括机器学习，感知，控制，特别是离线强化学习（即从静态数据集中学习），多任务和元学习。最近在探索在决策问题中利用基础模型。

学术成就包括在各种会议上发表的论文，如ICRA，CVPR，CoRL等。

参与的重要项目包括PaLM-E。

Google Scholar h指数为25，引用量为7726。

Yuxiang Zhou

Google DeepMind高级研究工程师。

2010年至2018年间在英国伦敦帝国学院攻读计算机科学硕士和博士学位，导师是Stefanos Zafeiriou教授。

2017年9月至2018年3月在Google Brain & DeepMind进行了深度强化学习和机器人学的研究实习，在2018年12月加入Google DeepMind，担任研究工程师。

研究主题包括解决机器人学、第三人称模仿学习、统计变形模型的密集形状研究等。

Google Scholar h指数为17，引用量为3099。

英伟达

Linxi Fan（范林熙）

NVIDIA 高级研究科学家，也是 GEAR Lab的负责人。

在斯坦福大学视觉实验室获得博士学位，师从李飞飞教授。

曾在 OpenAI（与 Ilya Sutskever 和 Andrej Karpathy）、百度 AI 实验室（与 Andrew Ng 和 Dario Amodei 合作）和 MILA（与 Yoshua Bengio 合作）实习。

研究探索了多模态基础模型、强化学习、计算机视觉和大规模系统的前沿。

率先创建了 Voyager（第一个熟练玩 Minecraft 并持续引导其功能的 AI智能体）、MineDojo（通过观看 100,000 个 Minecraft YouTube 视频进行开放式智能体学习）、Eureka（一只 5 指机器人手，执行极其灵巧的任务，如笔旋转）和 VIMA（最早的机器人操作多模态基础模型之一）。MineDojo 在 NeurIPS 2022 上获得了优秀论文奖。

Google Scholar h指数为18，引用量为5619。

Chen-Hsuan Lin

NVIDIA高级研究科学家。

本科毕业于国立台湾大学，获得了电气工程学士学位。在卡内基梅隆大学获得了机器人学博士学位，导师是 Simon Lucey，受 NVIDIA 研究生奖学金支持。

曾在 Facebook AI 研究和 Adobe 研究进行了实习。

致力于计算机视觉、计算机图形学和生成 AI 应用。解决涉及 3D 内容创建的问题感兴趣，包括 3D 重建、神经渲染、生成模型等。

研究获得了 TIME 杂志 2023 年度最佳发明奖。

Google Scholar h指数为15，引用量为2752。

De-An Huang（黄德安）

NVIDIA 研究科学家，专业领域是计算机视觉、机器人学、机器学习、生物信息学。

斯坦福大学获得了计算机科学博士学位，导师是李飞飞和胡安·卡洛斯·尼布尔斯。在卡内基梅隆大学攻读硕士学位期间，曾与Kris Kitani合作，在国立台湾大学攻读本科期间，曾与Yu-Chiang Frank Wang合作。

曾是NVIDIA 西雅图机器人实验室的 Dieter Fox、Facebook 应用机器学习的 Vignesh Ramanathan 和 Dhruv Mahajan、Microsoft 雷德蒙德研究院的 Zicheng Liu 和匹兹堡迪斯尼研究院的 Leonid Sigal 的实习生。

Google Scholar h指数为32，引用量为4848。

Kaichun Mo（莫凯淳）

NVIDIA  Dieter Fox 教授领导的西雅图机器人实验室的研究科学家。

在斯坦福大学获得了计算机科学博士学位，导师是 Leonidas J. Guibas 教授。曾隶属于斯坦福大学的几何计算组和人工智能实验室。在2016年加入斯坦福之前，在上海交通大学计算机科学ACM班获得了学士学位（PS：上海ACM荣誉班直博率高达92%，3次斩获ACM国际大学生程序设计竞赛全球总冠军，培养出640名计算机“最强大脑”）。GPA为3.96/4.30（排名1/33）。

专业领域是3D计算机视觉、图形学、机器人学和3D深度学习，尤其关注对象为中心的3D深度学习，以及针对3D数据的结构化视觉表示学习。

Google Scholar h指数为20，引用量为17654。

Xinshuo Weng

NVIDIA 研究科学家，与 Marco Pavone 合作。

她在卡内基梅隆大学与 Kris Kitani 合作获得了机器人学博士学位（2018-2022 年）和计算机视觉硕士学位（2016-17 年）。本科毕业于武汉大学。

她还曾与 Facebook Reality Lab 的 Yaser Sheikh 合作，担任研究工程师，帮助构建“逼真的远程呈现”。

研究兴趣在于自主系统的生成模型和3D计算机视觉。涵盖目标检测、多目标跟踪、重新识别、轨迹预测和运动规划等任务。开发了 3D 多对象跟踪系统，例如在 GitHub 上获得 >1,300 颗星的 AB3DMOT。

Google Scholar h指数为23，引用量为3472。

Zhiding Yu (禹之鼎)

NVIDIA 机器学习研究小组的首席研究科学家和负责人。

2017年从卡内基梅隆大学获得了电子与计算机工程博士学位，并于2012年从香港科技大学获得了电子与计算机工程硕士学位。于2008年从华南理工大学联合电气工程（冯炳权实验班）本科毕业。

研究兴趣主要集中在深度表示学习、弱监督/半监督学习、迁移学习和深度结构化预测，以及它们在视觉和机器人问题中的应用。

WAD Challenge@CVPR18 中的领域自适应语义分割赛道的获奖者。在 WACV15 获得了最佳论文奖。

Google Scholar h指数为42，引用量为17064。

OpenAI

Mengyuan Yan

技术人员。

2014年获得北京大学物理学学士，2020年获得斯坦福大学电子电器工程博士学位。

Interactive Perception and Robot Learning Lab（IPRL）的成员，该实验室是斯坦福AI Lab的一部分，导师是Jeannette Bohg和Leonidas Guibas。

研究领域包括计算机视觉、机器学习、机器人学和生成模型。

共发布28篇文章，Google scholar h指数15，被引用量4664次。

1X Technologies

Eric Jang

AI副总裁。

2016年毕业于布朗大学硕士，专业是计算机科学。

2016 – 2022年在Google工作，担任机器人高级研究科学家，

研究主要集中在将机器学习原则应用于机器人领域，开发了 Tensor2Robot，这是机器人操作团队和 Everyday Robots 使用的 ML 框架（直到 TensorFlow 1 被弃用）；是Brain Moonshot团队的共同负责人，该团队制作了SayCan。

2022年4月离开Google Robotics，加入1X Technologies（原名Halodi Robotics），带领团队完成了两项重要工作，一个是通过端到端的神经网络，实现了人形机器人EVE的自主性。

7篇论文的第一作者，合著15+以上，Google scholar h指数为23，引用量为11213。写了一本书《AI is Good for You》讲诉人工智能的历史和未来。

「8」

通过重点研究论文和实验项目锁定谷歌和英伟达的具身智能人才。

谷歌重基础模型研究，其具身智能人才参与的重点研究发布包括：

SayCan：能够将高层级任务拆解为可执行的子任务。

Gato：将多模态数据进行token化输入Transformer架构。

RT-1：将机器人轨迹数据输入Transformer架构，得到离散化动作token。

PaLM-E：在PaLM通用模型基础上，进一步提升了多模态性能。

RoboCat：将多模态模型Gato与机器人数据集相结合，使得RoboCat具备在模拟环境与物理环境中处理语言、图像和动作等任务的能力。

RT-2：是RT-1模型与PaLM-E模型的结合，使机器人模型从VLM进化到VLA。

RT-X：在保持原有架构的基础上，全面提升了具身智能的五种能力。

以上模型逐步实现了模型自主可靠决策、多模态感知和实时精准运控能力的结合，同时展现出泛化能力和思维链能力。

综合以上研究论文，共梳理143名谷歌研究员。‍‍‍‍‍‍‍‍‍‍‍‍

英伟达重仿真模拟训练，其具身智能人才参与的实验项目包括：

Eureka：利用大型语言模型进行强化学习的奖励机制设计

Voyager：开放世界中用大语言模型驱动智能体

MimicPlay：通过观察人类动作进行长距离模仿学习

VIMA：多模态指令操控执行通用机器人任务

MinDojo：利用互联网规模级数据建立开放具身智能体

此外，英伟达在2024年重点发力具身智能，官宣成立通用具身智能研究GEAR（Generalist Embodied Agent Research）实验室，主要围绕多模态基础模型、通用型机器人研究、虚拟世界中的基础智能体以及模拟与合成数据技术四个关键领域开展研究，旨在推动大模型等AI技术由虚拟世界向现实世界发展。

本文首先梳理了上述提到的Google核心项目论文共7篇，每篇论文都详细列出了项目研究人员，并清晰地公布了他们的具体工作内容。

英伟达的研究页面公布了参与robotics项目的人员名单，共计54名；另外综合考虑GEAR发布的所有论文作者，共梳理出105名具身智能研究人员。

附录：谷歌、英伟达具身智能百人列表

头条

▌美联储维持利率不变，符合市场预期

美国联邦储备委员会当地时间6月12日公布最新利率决议，将联邦基金利率目标区间维持在5.25%至5.50%不变，符合市场预期。此外，根据美联储发布的点阵图，在19位官员中，有四位官员认为2024年不应降息，七位官员认为将降息一次，八位官员认为将降息两次。

▌美联储点阵图：预计2024年将仅降息一次

美联储点阵图显示，预计2024年年底的联邦基金利率为5.1%，3月料为4.6%；预计2025年年底的联邦基金利率为4.1%，3月料为3.9%；预计2026年年底的联邦基金利率为3.1%，3月料为3.1%；预计长期联邦基金利率为2.8%，3月料为2.6%。

---

行情

截至发稿，据Coingecko数据显示：

BTC最近成交价68219.04美元，日内涨跌幅+1.4%；

ETH最近成交价3559.45美元，日内涨跌幅+1.7%；

BNB最近成交价619.10美元，日内涨跌幅+2.9%；

SOL最近成交价155.03美元，日内涨跌幅+3.8%；

DOGE最近成交价0.1462美元，日内涨跌幅+5.9%；

XPR最近成交价0.4916美元，日内涨跌幅+2.4%。

---

政策

▌美联储政策声明：向2%的通胀目标略有进一步进展

美联储政策声明称，向2%的通胀目标“略有进一步进展”(5月1日声明中则称“缺乏进展”)；预计在对通胀可持续走向2%抱有更大信心之前降息是不合适的；经济继续稳步扩张，就业增长保持强劲，失业率保持在低位；将继续减少持有的公债和抵押贷款支持证券(MBS)。

▌鲍威尔：对通胀放缓到足以降息的信心尚未增强，降息需要等更长时间

美联储主席鲍威尔表示，更近期的通胀数据有所放缓；需要看到更多良好的数据来提振有关抗通胀进程的信心；继续高度关注通胀风险；今年到目前为止，我们对通胀放缓到足以降息的信心尚未增强。 

鲍威尔表示，美国经济在就业和通胀方面已经取得显著进展；通胀率已显著缓和，但仍然过高；经济活动以稳健的步伐扩张；美联储普遍预计GDP增速将较去年放缓；就业增长步伐仍然强劲，但慢于第一季度；FOMC预计劳动力市场将继续保持强劲。 

鲍威尔表示，改变利率路径预测的重大因素是通胀；第一季度通胀进程出现停滞，这意味着降息需要等更长时间；由于通胀进展放缓，降息时机有所推迟；我们必须让数据照亮前路；今天的通胀报告比几乎所有人预期的都要好；FOMC开始认为利率不会回到新冠疫情前的水平。 

鲍威尔表示，整个利率路径都很重要，而不仅仅是首次降息；首次降息对经济至关重要；降息时机对经济来说是一个重要的决定。

▌Terraform Labs同意向美SEC支付44.7亿美元罚款

Terraform Labs与美国证券交易委员会（SEC）达成和解，同意向SEC支付44.7亿美元的罚款。SEC周三提交了一份”拟议的最终同意判决”，要求纽约南区地方法院法官Jed Rakoff批准该计划。根据拟议的判决，Terraform将被追缴35.8亿美元非法所得并支付4.2亿美元的民事罚款，其联合创始人Do Kwon将被禁止担任上市公司的高管或董事。SEC表示，Do Kwon还必须支付2.04亿美元，用于赔偿受到损害的投资者。据此前消息，4月5日，纽约陪审团裁定Terraform和Do Kwon在TerraUSD (UST)、Luna和wLUNA的出售声明中涉嫌欺骗投资者。随后SEC提出了一项动议，要求追缴53亿美元的非法所得和民事罚款。5月底，Terraform及其联合创始人Do Kwon与SEC”达成了原则上的和解”。

---

区块链应用

▌PYUSD已上线Injective网络

Injective网络已集成Paypal旗下稳定币PYUSD，成为首批支持PayPal和Paxos发布的稳定币的L1之一。用户可以将PYUSD从以太坊和Solana转移至Injective，该网络上的dApp可以利用PYUSD进行快速支付、交易、DeFi等。

▌Aethir在以太坊上启动去中心化云计算网络

据一份新闻稿称，区块链项目Aethir正在以太坊主网上启动其去中心化云计算网络，该项目旨在为 AI 模型训练和游戏等密集型任务寻找未充分利用的图形处理单元 (GPU )。该项目最近在节点销售中筹集了 1.2 亿美元。

▌Figure推出区块链私人贷款市场Figure Connect

Figure Technology Solutions推出Figure Connect，这是一种基于区块链的私人信贷市场，旨在通过标准化销售条款和文件提高市场流动性。该平台允许投资者在贷款发放前承诺资金，并使用区块链技术实现更高透明度和不可变性，减少反复的第三方审核。 

目前，Figure Connect已有The Loan Store和Movement Mortgage两家贷款发起人，以及Bayview Asset Management和Saluda Grade两家贷款买家。Figure计划创建一个类似房利美和房地美抵押贷款市场的TBA市场，通过标准化和担保提高流动性并降低利率。 

Figure主席兼创始人Mike Cagney正准备Figure Technology Services的IPO，并担任Figure Markets的CEO，后者是一家即将推出的加密货币和证券交易所。

▌Chainlink CCIP协议已在Gnosis上线

Chainlink的CCIP互操作性协议和自动化服务现已在Gnosis网络上线。Gnosis用户可以使用Chainlink实现云计算功能，并将繁重的计算任务转移到Chainlink网络，同时将gas费用降低高达90%。

---

加密货币

▌特朗普：比特币挖矿为对抗CBDC的“最后防线”

美国前总统特朗普在Truth Social上发文，称比特币挖矿是对抗央行数字货币（CBDC）的“最后防线”，并强调比特币应在美国开采。此言论发表后，比特币矿业股票在周三普遍上涨。 

TeraWulf股票一度上涨近20%，达到4.13美元，随后回落至3.96美元，比前一天收盘价高出约14%。MicroStrategy和Hive Digital Technologies股票分别上涨约7%和8%，Iris Energy上涨约3%。

▌拜登竞选团队正在商谈通过Coinbase Commerce接受加密货币捐赠

据知情人士透露，美国总统乔·拜登的竞选团队正在与加密货币行业参与者讨论通过Coinbase Commerce接受加密货币捐赠。Coinbase Commerce是一种允许商家接受数十种加密货币的支付服务，它已经为共和党候选人唐纳德·特朗普的竞选团队提供加密捐赠，该竞选团队上个月开始接受数字货币捐款。 

据匿名的消息人士称，此次讨论是拜登竞选团队在选举前探索如何争取加密货币支持者的最新努力。一位消息人士称，拜登团队可能正在寻求通过资金充裕的加密货币支持者获得赞助。一位与政界人士和加密行业领袖合作的消息人士表示：“他们正在关注加密行业的问题，并试图找到快速取胜的方法来表明他们支持该行业，他们想表明自己不是敌人。”

▌昨日IBIT交易量超过10亿美元

据HODL15Capital监测，美国现货比特币ETF昨日（6月12日）数据显示，灰度GBTC未有资金流入或流出。 

此外，昨日IBIT的交易量超过10亿美元。

▌CryptoQuant：本周从矿池到交易所的比特币转账量达到两个月以来最高水平

根据CryptoQuant的报告，由于BTC徘徊在70,000美元左右，本周从比特币(BTC)矿池到交易所的转账达到了两个月来的最高水平。比特币减半导致每日挖矿收入下降，矿工希望通过场外交易(OTC)平台出售比特币，从而获利。6月10日，矿工至少出售了1,200枚比特币，创下两个月以来的最高日交易量。自6月初以来，Marathon Digital已售出1,400比特币，价值9800万美元。报告补充说，矿工的每日收入为3500万美元，较3月份7800万美元的峰值下降了55%。

▌io.net市值突破5亿美元，创历史新高

据最新数据显示，随着io.net（IO）走势上涨，其市值已突破5亿美元，当前触及539,750,385美元，创下历史新高。此外，IO过去24小时交易额达到1,744,035,412亿美元，当前完全摊薄市值FDV已突破28亿美元，达到2,840,791,499美元。

---

重要经济动态

▌摩根大通：美联储9月首次降息的预期存在风险

摩根大通的经济学家表示，周三的消费者通胀报告和美联储会议增加了首次降息会是在9月的风险，不过他们的基线预测仍是11月降息。“总的来说，虽然今年的点阵图中值略有意外，但我们今天下午对美联储的看法并没有太大不同，”摩根大通首席美国经济学家Michael Feroli在报告中写道。“我们继续认为在11月份首次降息，在今天上午之后，风险可能更倾向于9月而不是12月”。

▌美联储8月维持利率不变的概率为91.1%

据CME“美联储观察”，美联储8月维持利率不变的概率为91.1%，降息25个基点的概率为8.8%，降息50个基点的可能性为0.1%。美联储到9月维持利率不变的概率为38.3%，累计降息25个基点的概率为56.6%，累计降息50个基点的概率为5.1%。

▌富达国际：美联储今年可能不会降息

富达国际宏观和战略资产配置全球主管Salman Ahmed强调了他对今年没有降息的基本预测。这位分析师表示：“如果通胀在夏季继续取得进展，或者劳动力市场开始显示出一些压力迹象，我们确实认为今年降息的可能性正在上升。”“尽管如此，美国经济仍然具有弹性，今天发布的通胀数据受到汽车保险和机票分项的影响，这意味着启动降息的门槛仍然很高。”

▌纳指、标普500指数均续创历史新高

美联储连续第七次维持利率不变，鲍威尔称还未到公布降息日期的阶段。美股三大指数收盘涨跌不一，纳指涨1.53%，标普500指数涨0.85%，道指跌0.09%。其中，纳指、标普500指数均续创历史新高。大型科技股多数上涨，特斯拉、英伟达涨超3%，苹果涨超2%，续创新高，盘中一度涨逾6%，总市值超微软；微软涨超1%，奈飞、谷歌、Meta小幅上涨；亚马逊、英特尔小幅下跌。

---

金色百科

▌

Validiums 是一种Layer 2扩展解决方案，旨在通过链下处理交易来优化以太坊的性能。Vailidiums 主要负责通过链下处理大多数交易并仅向主网发送简明证明进行验证来减少以太坊区块链的负载。链下交易处理方法可显著提高吞吐量并减少主网拥堵，从而带来更高效、更经济的以太坊体验。

来源：MetaCat

在本期 Devs on Devs 中，Moving Castles 的 GVN 与 Gaul 团队的Neilson 和 Emergence 的 lermchair 进行了对谈。GVN（正如下面的对话中提到的）是 AW 领域的一个“小丑”或“牛虻”，他以玩笑的方式推动人们完善他们对自治世界的定义，并利用他自己在链上和线上的实验，来寻求真理和探索该领域。在 Moving Castles 和 Trust Support 的帮助下，他参与了 Mascot Stream 3D（一个互动的 Twitch 游戏频道）、Eat Drain Arson（一款基于 MUD 的链上游戏）、Network States （一款与 Small Brain 和 0xHank 共同打造的链上游戏）等项目，以及众多文章，例如《》 。Neilson 和 lermchair 是 Unity 的 MUD 模板、MUD 插件和 Unity 游戏引擎以及 Engine Study、Gaul 和 Emergence 等项目的幕后推动者。Gaul 将很快在 Small Brain Games Discord 频道上进行游戏测试。

在对谈中，三人深入探讨了游戏和自主世界的哲学和社会考量：在设计时考虑易用性和可依赖性是否有意义，或者自主世界是否需要有与新媒介本身一样新颖的交互。他们还讨论了自主性（Autonomy）和自动化（Automation）之间的关系、自主世界的历史先驱，并探讨了链上后果（On-chain Consequences）的概念。

游戏与灵感

Neilson：我认为一个好的对谈起点是灵感，以及我们每个人想要构建什么，以及在构建这个东西时你会关注什么。很多游戏都是这样宣传的：“我正在做……，比如《超级汽车宠物》和《英雄联盟》。所以如果说我做“这个”加上“这个”，总是在以一种非常游戏类型的风格来思考。

GVN：说得好。我们为此努力了很长时间，因为我们在做一件前无古人的事情。一方面，我认为不应该总是用语言来解释你在做什么。但与此同时，我认为游戏设计的一个教训（我们在《Moving Castles 》中学到的）是，从玩家已经熟悉的东西开始其实是件好事，因为这样可以缩短学习曲线。

《Eat, Drain, Arson》的早期截图。一款由 Moving Castles 开发的游戏

Neilson：没错，关键就是预期（Expectations）。这有助于引导玩家进入特定的思维空间。

GVN：是的。我观看了《万智牌》首席设计师之一在游戏开发者大会上的演讲。他提到一件事：搭便车。也就是说，你只能一次引入有限的新信息。他举了一张特洛伊木马牌的例子，他们将其重新命名为阿克洛斯之马，以将其嵌入到他们的世界构建中。玩家理解它，因为它仍然代表了马的概念。但后来，开发人员改变了这张牌的名字。他们称之为皇冠熊或类似的名字。这是完全相同的一张牌。人们会说，“我不明白这张牌怎么玩”。所以我喜欢搭便车这种熟悉术语的想法，因为人们可以立即理解。这是一个有趣的命题：即使你正在构建新的东西，你有多想搭便车于熟悉的游戏类型之上，只是为了让玩家的生活更轻松？

Neilson：不管有没有区块链，你都希望为玩家和自己构建一些东西，比如你在上面构建、扩展或重新混合的东西。区块链几乎让我们回到了最初的原则。

GVN：是的。不过更实际地说，你的灵感是什么？

Neilson：我不知道。我不知道我是否有一个特定的游戏类型给了我灵感。我正在制作一款类似推箱子风格的游戏。我现在玩《超级汽车宠物》太多了。我把这个话题给你。否则这将是一场关于《超级汽车宠物》的对话。

GVN：我下载了《超级汽车宠物》。但我必须说，我并没有上瘾。它并没有吸引我。我不知道为什么，但我玩只是为了了解它。所以也许我上瘾了。

Neilson：你玩过《吸血鬼幸存者》吗？

《吸血鬼幸存者》的截图

GVN：是的。有人告诉我，这位设计师以前设计过老虎机。那你呢 [Lermchair]？你在游戏方面的灵感是什么，或者说通常的灵感是什么？

Lermchair：这个问题的经典答案是：“一切都令人鼓舞”。你不断收集想法，然后偶尔你的想法会相互碰撞，你会得到新的见解。我一直在研究游戏之外的东西。例如，复杂的自适应系统和涌现、自组织和共同进化过程的概念。

GVN：我认为这也是一个很好的观点。我认为目前很多关于链上游戏/自治世界的讨论都是人们从游戏的角度进行思考。有时我会想，“实际上我们可以超越这一点”。我认为自治世界从社交媒体和相互连接的世界、桥梁的概念中汲取灵感。它们不仅是实体，也是不同类型世界之间的桥梁。Twitter 是一个世界，Discord 也是一个世界。想象一下在这两个环境之间建立桥梁，连接它们，然后在它们周围创造一个更大的世界。也许我们不仅在构建游戏的未来，也在构建一种全新的媒介。

链上涌现（Emergence）

Neilson：我认为“涌现”对我来说仍然是一个目标。我想这就是你一直想要达到的目标，通过设计简单的规则来发现复杂的行为，最终得到非常复杂的模式。这也是我一直在尝试做的：在区块链解决之前，不要乐观地预测接下来会发生什么，因为区块链有所有这些在事物相互作用时可能发生的涌现的复杂行为。我想尝试找到设计规则的空间，从所有其他游戏中汲取灵感，将许多简单的东西设计在一起，然后希望将它们放到一个共享空间中，在那里它们可以开始以更成熟或更复杂的方式行事。所以对我来说，涌现是一个很大的灵感。

Lermchair：你认为“涌现”实际上是可以设计的东西吗？

GVN：是的，我正想问这个问题。

Neilson：我认为这是你努力追求的目标。

GVN：我喜欢 EVE Online 的人们所说的，不保护玩家免受其他玩家的侵害，这是一种培养涌现的方式。你不是为涌现而设计的，而是设计了一种必须针对某些人的挫败感。它不是针对开发人员，而是针对其他玩家。所以你想对挫败感做些什么，然后你就有了解决它的方法。这就是涌现出现的地方。你只是间接地为人们提供工具来修复对他们造成的问题。然后当人们削弱你的术士时，你会感到沮丧，如果你对此无能为力，就会对某种权威产生挫败感。然后你最终会从中创造出一个全新的世界。

Neilson：但我希望世界能从盈余开始。我觉得很多正在构建的东西都是游戏玩法中非常非常直接的经济权衡。当一个世界诞生并让玩家进入其中时，怎么能不立即面对许多链上游戏所面临的所有这些经济现实呢？相反，至少要进入一个空间，让他们不仅仅是为了收集、消费和建造而聚集在一起，而是真正感受到他们可以做的活动过剩，而这些活动不仅仅是为了达到更高的制作水平。需要更长的开发时间和更多的周期才能在世界中找到足够的活动和物品，这样它就不会感觉如此渐进和线性，并到达一个感觉实际上有一系列选择的地方。

GVN：那么你会使用“过剩”来对抗“稀缺”吗，或者……

Lermchair：或者你只是意味着，游戏里面有很多事情可以做？

Neilson：是的。我认为两者都有。从物品数量上看。你开始玩游戏时，不必为经济选择而烦恼，无论是gas、资源还是其他代币。这些都不是你开始玩游戏时的条件，因为你已经感受到了稀缺的压力，所以你不想尝试或玩游戏。因此，盈余可以采取这两种形式，但它也可以采取你在游戏中可以做出的决定过剩的形式，但这并不是“我立即采取这一步，我已经看到我的厄运在第一步就预示着，因为我的数字在减少，我有点走下坡路了”。对吧？希望这是选择和决定的扩大，而不是限制你可以做出的决定。

Lermchair：游戏之外的决策呢？例如，《黑暗森林》中发生的一些最有趣的行为实际上并不在游戏中，而是在游戏之外：人们组建 DAO，这些 DAO 相互开战，创建机器人来自动化游戏。

《黑暗森林》地图

Neilson：当《黑暗森林》这样的游戏规模足够大时，就会出现这种现象。它确实允许出现那些元游戏或社会结构。显然，游戏中已经有一些足够强大的东西来支持这些围绕游戏构建和搭建的东西。所以我认为《黑暗森林》为许多其他项目设定了一个非常高的标准。

GVN：也许这才是真正将世界从模拟世界转变为活生生的世界的原因。同人小说，如《星球大战》、《哈利波特》、《指环王》等，随便什么都可以。传统上，它们之所以如此受欢迎是因为同人小说，因为这个世界本身之外还存在着外部元素或世界的一部分。自主世界所具备的就是让“外部”进入并成为世界的一部分的能力。

Roguelike 游戏和自治世界

Neilson：因为我们有自治世界的吉祥物：“小丑”、“魔术师”本人，我觉得我想利用这个小机会来定义自治世界对你意味着什么。我认为我更多地关注的是它在设计、艺术和文化方面的含义，而不是通过链上游戏开发的视角。

GVN：2008 年，许多人在柏林会面，讨论 roguelike 游戏。“柏林诠释”是一系列关于 roguelike 游戏的规则。他们建造了“roguelike 的殿堂”。一群人致力于定义 roguelike 游戏是什么。读起来很有趣，因为我认为我们在定义自主世界时经历了很多事情。一个有趣的结果是他们写道：“我们无法定义 roguelike，但我们可以建立一个范围，以了解游戏的 roguelike 程度”。所以我认为，首先，有趣的是我们不需要说“这是一个自主世界，这不是一个自主世界”，而是一个范围。我不确定是否可以直接建立一个自主世界。

Neilson：嗯。

GVN：根据我们在 《Moving Castles》 的开发实际经验，我认为大型自治世界是一系列独立的链上游戏，它们之间有桥梁，而不是由工作室开发的单个游戏。

Neilson：这就是为什么我们需要一个柏林自治世界学派、一个旧金山自治世界学派，并且我们需要一些思想流派来开始创建相互交流、互联互通的不同版本。

GVN：黑暗森林是一个自主的世界吗？我不知道。我认为它肯定是按规模划分的。而且我认为它还有很多可以实现的功能，可以使其成为一个更大的环境，同时嵌入不同类型的游戏玩法。

自动化与自治

Neilson：好吧，我认为按照你的思路，我可能一直在思考这个问题，那就是最大限度地提高自主性。你还提到了另一个概念，那就是自动化，也就是你无需思考就能做的事情。自主性在很大程度上是一种自由、个性或摆脱束缚的能力。自主性是一种做决定的能力，或者是一个可以代表他人做决定的个体，或者是一个没有其他约束（找不到更好的词来形容）的能力。但自动化似乎与此相反。Promodium 是关于自动化的，对吧？比如，在游戏中交易自动化设备，然后构建更大的结构，这就是许多自主世界：所有这些不同的指纹部件能够相互自动化，并完成所有这些事情，从而创造出巨大而广阔的世界，这些世界基本上可以独立存在。

来自 Gaul / Engine Study 的截图

GVN：你能否详细谈谈自动化和自主性之间的关系？

Neilson：我想象的转变是，当你在玩游戏时，你会变成一个遵守游戏规则的自动化主体。所以实际上你作为玩家正在玩游戏，而且在某种程度上是自动化的。你失去了自主权，因为你实际上是在决定同意游戏规则。所以从这个意义上来说……

GVN：从某种意义上说，你希望自己开始服从。为了服从游戏创造者的某种愿景，你不得不牺牲自己的自主权或对事物的愿景。

Neilson：是的。你牺牲了生活中的一点点自主权，只是为了遵守一些规则。现在，在这种结构中，你可以自由地实现自动化，但也可以探索这些规则中剩余的自主权，因为游戏的本质仍然是表达。并不是因为你失去了一些自主权，你就失去了表达能力。事实上，你获得了表达能力，因为你处在一个类似的受限环境中，周围还有一堆其他自动化的东西。所以我认为这就是我真正想弄清楚的地方：自动化以及游戏如何自动化你的自主权。我认为一个很大的问题是，我认为很多人喜欢看 Twitch 主播或类社会关系，你可以看着别人玩游戏。你将自己的社交自动化转移到其他为你玩游戏的东西上。你看着别人为你做事。你看着这些自主的个人为你做事。所以我认为这就是你将自己生活的某些部分自动化，交给其他个人或游戏或事物，以便获得一些自主权或失去一些自主权之间的关系。

这是由 Moving Castles 和 Trust Support 在 Twitch 上制作的 Mascot Stream 3D Stream 的截图

GVN：是的。我必须搞清楚自动化，这个世界的自动化和自治都是政治性的。

Neilson：很像一些意大利未来主义的东西。

GVN：七十年代的意大利有一场非常强大的左翼运动、自治运动或工人主义运动。

Neilson：那将会是一个黑暗的兔子洞。

GVN：我认为我们将在游戏中看到这种游戏可以自行运行的想法。在没有 tick 机制或没有自动执行的环境中，这是一个棘手的问题。但我最近经历过的一件事是，我在工作一天后玩塞尔达，当时我非常累。你知道，我只是想，“我想放松一下，我想在我的游戏机上玩这个游戏”。我点了食物，然后开始玩，当食物送到时，我仍然不想考虑任何事情。我想看一些可以自行播放的东西，比如电影，但我也不想离开塞尔达的世界，因为我沉浸其中。我没有精力走出去，沉浸在一个完全不同的世界中。我只是希望我可以将《塞尔达》设置为自动播放，或者我可以让别人分享我的账户并在我吃饭时为我玩。如果你有一个塞尔达多重签名，那就太酷了。我和我的伴侣会这样玩《塞尔达传说》，因为有时候我不在，我想从游戏中得到一些特定的东西，而她也想在游戏中得到其他东西。当我不在的时候，她会到处收集东西、拍照、做饭和制作药水。然后我回来，我得到了所有这些新东西，我觉得能和一个填补游戏空白的人共享一个账户真是太好了，或者说，我错过了游戏中的所有这些东西，因为我对它没有投入太多。

Neilson：我觉得想象这样的场景非常美妙，既在《塞尔达》的世界里，又不一定相互竞争。我认为这又回到了我们如何创造一个让你感觉自己在增加价值的世界。你不会觉得必须面对竞争而感到压抑，而是能够在你共享的单人世界中合作，这是一个非常棒的时刻。

GVN：另一个重要问题是：你的世界有多开放？在《塞尔达传说》中，你拥有一个非常安全的环境。你实际上不能共享账户。但它仍然有效，因为我和我的搭档住在同一个地方。这是一种非常安全的体验，信任你允许进入你的世界的人。然后在另一个范围内。你有一个完全开放的自主世界，每个人都应该能够随时改变它。我们真的希望世界如此开放吗？我们准备好提出设计解决方案了吗，不允许一个可怜的人破坏所有人的体验？我的意思是，这就是游戏所拥有的。《EVE Online》 必须处理这个问题。回到频谱上的自主世界，频谱中有很多点可以开发世界。我认为有趣的是频谱中的所有这些部分如何连接在一起形成整体。

Lermchair：人们很容易认为《塞尔达传说》是一个既可以有多人游戏又可以有单人游戏的世界。但这样想几乎是错误的。世界是非常难以捉摸的东西，以至于电子游戏的世界实际上与游戏本身的规则和设计并没有区别。如果你能够通过客观地定义世界内部和外部的概念来创建模糊的世界边界，这是自主世界的目标之一，那么互操作性就会变得容易。

《塞尔达传说》。图片来源：Polygon

GVN：我认为一个大问题仍然是玩家想从自主世界获得什么。比如，我们开始知道我们作为设计师可能想从中得到什么，但这和玩家想要的一样吗？

Neilson：值得注意的是，我既从游戏设计的背景谈起，也从我如何推销一款游戏谈起。你推销一个幻想、一个梦想或玩家的巅峰体验，真的就是这样。你推销的第一件事是游戏世界是什么，为什么人们会玩它并想继续玩下去。我认为这是最重要的。对我来说，至少一个设计是我脑海中的一幅画面，玩家做一系列他们喜欢做的事情，然后从那里开始。

自治世界的前身

Lermchair：你们认为我们在整个历史中所见过的自主世界的前身是什么？

GVN：这个问题问得好。你觉得呢？

Lermchair：你读过《欢乐工具》吗？这是伊万·伊里奇写的一本小书。伊里奇将收音机描述为一种欢乐工具。收音机被引入中美洲社区后，如果收音机坏了，并不总是有手册或图纸可以修理。然而，由于收音机技术易于获取且足够“欢乐”，人们可以自然地玩耍和互动，这些中美洲社区能够并形成维护这些收音机的传统。这项技术形成了一个社区，以保持其活力。你可以在历史上多次看到这种情况。例如，在 1980 年代，伯克利有一个名为“社区记忆”的项目，它是仓库中的一台主机。它是 Reddit 之类的东西的第一个版本。该项目将终端放在街上，任何人都可以使用它阅读和发布留言板。然后问题就变成了：“我们在公共场所的街道上放置这些非常昂贵的电子设备，它们很容易损坏。你如何确保人们不会毁掉它们”？而创造者得出的答案是，有必要围绕这台电脑组建一个俱乐部或组织，以维护它，让它继续存在。这最终导致了 Homebrew 电脑俱乐部的出现，这也是苹果公司起步的方式。所以总有这样的例子，人们聚集在一起维护某样东西，并让它尽可能长久地存在下去。

社区记忆终端

Neilson：这是一个很好的自主世界定义。你必须保持旺盛的生命力。每个人都在努力。我认为，归根结底，唯一值得构建的自主世界就是这样。我认为人们过于担心让事物存活太久。我认为这是每个游戏都应该努力争取的感觉，社区中的每个人都在保持游戏活力，为游戏注入新元素，创造更多的东西。

Lermchair：开源软件也可以这样。

GVN：我认为这是一个很好的例子，展示了游戏设计在自主世界中应该如何运作。我觉得人们仍然渴望为他人提供解决方案。就像，是的，这就是游戏。这就是我们玩游戏的方式。但我认为我的方法是通过给人们一些值得关心的东西来设计自主世界。首先要明白的是，他们是否关心它？《黑暗森林》之所以如此成功，是因为他们给了人们他们关心的东西，因此必须想出一个解决方案来让他们对世界的想法继续存在。在《迷失》系列的第二季或第三季中，角色们发现了一个地下掩体，里面有一台有倒计时功能的电脑，然后他们必须输入密码，然后按回车键，然后计数器重置。角色们被告知，如果他们不这样做，世界就会灭亡。我认为这对一个自主世界来说是一个有趣的开始，因为游戏不是关于输入代码，而是当角色们开始对它产生矛盾或不同意见时，真正的游戏就发生了。“这是真的吗？” “我们真的应该继续做我们被告知的事情吗？”然后他们组建了派系，这些派系试图决定是否继续或中断这个过程。这就是世界真正活跃起来的地方。所以你有这个并不重要的游戏循环，但我们的任务是，如果我们停止这样做，世界就会灭亡。这就是玩家可以围绕任务创造这个新兴世界的地方。

现实世界的后果

Lermchair：也许把某样东西放到区块链上的好处在于，你会有实际的后果。在以太坊上，我们可以在某个游戏中的某个合约中存入一百万美元，并在传说中说，如果世界末日，合约会失去你所有的钱。如果你在以太坊上死了，你就会失去所有的钱。

GVN：那可能是一件很有趣的事情。你可以假装自己是一个黑客组织，但你会想，“如果你们不每天、整天这样做，我们就会窃取世界上所有的加密货币”，然后看看人们会怎么做。

Lermchair：就像那个模因，如果你在元宇宙中死了，你也会在现实生活中死去。

GVN：我也喜欢关于现实后果的观点，因为我希望在自主世界中看到的一件事是游戏与现实分离的观念的终结。元宇宙试图忘记现实的存在，而是以一种扭曲的、婴儿潮一代的世界观来重建现实。我认为，自主世界实际上就是将游戏与游戏之外的世界联系起来的力量。也许 EVE 就是这样：你可以投资真钱，也可以在船上赔钱。我认为非常有趣的是这种信息的互联性。

Neilson：你怎么知道你正在做的事情会让你感觉良好？失去真金白银的感觉并不好。你怎么知道要遵循什么直觉？

GVN：所以我认为这是一个重要的讨论，因为我觉得我们都在进行实验。我认为大多数人在构建某些东西时都失败了。你如何面对这个问题？你如何从中做出好东西？因为我个人觉得，在 Moving Castles，我们制作了很多原型，有时我们甚至没有发布，但我们从中学到了很多东西。而且我们也了解到有些方向实际上并不是可行的。当我们谈论游戏时，我们可以尝试很多有趣的技术想法，但它们不一定有趣。

Neilson：尝试制作尽可能多的原型并尽可能快地完成，并弄清楚什么是有趣的，这绝对是件好事。然后，更难的一步是确保你的项目不会死在你的硬盘上，并且你要努力在某一天真正按下发布按钮并将其发布出去。我认为有很多很棒的项目和软件只完成了 80%。希望明年有很多人发现这一点并开始构建，真正一路走到终点线，真正将其推向市场。我认为训练自己成为一名开发人员和设计师非常重要，要弄清楚完成某件事需要什么。尽快处理所有垃圾和原型，然后完成某件事。这与开始一个项目非常非常不同。这是一个完全不同的世界，我认为人们直到到达那里才会意识到这一点。所以，是的，希望我们能有人进入这个领域并完成事情，也就是说，开始做事。

撰文：Sage D. Young，Unchained（曾就职于 CoinDesk）

编译：Yangz，Techub News

去中心化社交网络 Farcaster 联合创始人 Dan Romero 周三发布称，Farcaster 以 10 亿美元估值完成 1.5 亿美元 A 轮融资，Paradigm 领投，参投方包括 a16z Crypto、Haun Ventures、Union Square Ventures、Variant Fund、Standard Crypto 等。 自 2023 年 10 月成为无许可社交网络以来，Farcaster 的付费注册用户已达 35 万，网络活动增加了 50 倍。今年，Farcaster 将侧重于日活用户的增长，并将频道和直接消息传递等开发者原语添加到协议中。Dan Romero 表示，「未来几年，我们将在 Farcaster 的愿景上加倍努力，真正将其发展成为一个互联网规模的协议。」

根据 Pixelhack 创建的 Dune Analytics 显示，5 月 20 日 Farcaster 的日活跃用户数达到近 4.5 万人，与 2 月 11 日因推出 Frames（一种将帖子转变为交互式应用的功能）引发的活跃度热潮相比增长了 30%。但这一数据，与 Facebook、TikTok 和 X（前身为推特）等主流社媒巨头相比，相差甚远。

作为去中心化社媒协议的佼佼者，Farcaster 要如何实现这一目标？为此，Unchained 对 Farcaster 的两位联合创始人 Dan Romero 和 Varun Srinivasan 进行了。两位创始人就一系列话题发表了自己的看法，包括他们即将实施的去中心化计划、他们目前对加密货币社交网络格局的看法，以及在 Coinbase 工作期间的收获。以下是此次采访的要点总结。

问：Farcaster 的去中心化频道（channels）即将推出，可以为我们介绍更多相关信息吗？

Dan Romero：我们相信，无论是以订阅的形式还是要求用户购买特定资产获得访问权，允许频道创建者选择社区是否设置某种经济模式是必要的，这种灵活性可以带来更高质量的输出。成为社区 mod 已不再是吃力不讨好的工作，输出高质量的内容可以获得相应的报酬。

这就是频道的优势。它与 subreddit 类似，但创建者拥有该频道，且可以灵活地对其进行管理，能以任何合适的方式增加经济效益。

问：现在的频道和正在开发的去中心化频道有什么区别？

Dan Romero：现在的频道是中心化管理的，存于 Warpcast 数据库中。但频道内容、cast（类似于推文或 Reddit 帖子）都在协议上，所以是无需许可的，而频道的元数据和策展能力并不是协议的一部分。它们只存在于 Warpcast 中。

Varun Srinivasan：如果你创建并设置了一个（去中心化）频道，那么所有数据、所有东西，包括从频道图标到信息源，都可以在多个不同的客户端上运行。所有数据都是去中心化的，任何人开发的应用都可以展示相同版本的频道。而且，频道创建者实际上可以控制自己的频道，也就是说，如果创建者想把它的所有权交给朋友，是可以的。或者说，在积累了一批粉丝后，创建者想把它卖给别人，也是 ok 的。频道创建者有这么做的自由。

问：你们为 Farcaster 的去中心化治理花费了多少精力？ 

Varun Srinivasan：我们的去中心化治理模式非常有效，即所谓的粗略共识和代码运行（rough consensus and running code）。IETF 就是用它来创建 TCP-IP 等所有网络标准的。它之所以如此强大，是因为没有僵化的结构。它的逻辑也非常简单，即如果你能创建一些有用的东西，并让大多数人相信它是有用的，那么你就可以发布它。

有人负责管理 Farcaster Hub（网络中存储数据的节点）。有人负责开发与 Hub 对话的应用，以提取和生成数据。还有使用这些应用的用户。这三个群体相互制衡。 ……（因此）你必须推出这三个群体中大多数人都认为不错的东西。否则，他们便会以实际行动表明自己的偏好。Hub 运营商可以运行旧的版本。应用可以选择不同的 Hub。用户也可以选择不同的应用。所有这些最终起到的制衡作用，可以防止有人强行通过一些有损网络广泛利益的东西。

Dan Romero：目前，我们专注于保持治理的简单化，增加每日活跃用户总数，然后推出真正有用的开发。我们可以花大量时间建立复杂而迂回的治理结构，但这无助于实现我们的目标。

问：从中心化交易所 Coinbase 到决心建立去中心化社交网络的期间，最重要的理念是什么？

Dan Romero：尽管人们对推特在马斯克接手后的发展表示担忧，但推特的网络效应比我（最初）认为的更有粘性。我们在 2021 年进入市场，当时我们发现，「人们在加密货币领域大谈去中心化，大谈生态中对其他应用的需求」。然后我们就天真地以为，「太好了，真的会有人想玩新的东西。」，然而事实证明，（用户）宁愿继续使用现有的产品。

我们真的想为人们提供真正有用的产品。这在过去几年的时间里深切改变了我们的想法……最终，我们获胜的唯一方法不会是因为架构，在很大程度上，应是打造人们喜爱的产品。 

Varun Srinivasan：在刚起步的阶段，我们就意识到了我们会消耗同样多的时间来吸引用户和开发者。 我们很快意识到，开发应用和社交产品真的非常非常难。光是开发 Warpcast（Farcaster 客户端），我们就花了大概 20 个人一年的时间。在没有用户的情况下，期望其他团队在第一天就出现并决定花费 100% 的时间来开发 Farcaster 是不现实的。

只有通过建立客户端、讲述故事、吸引用户加入，才能让 Farcaster 对开发者的价值与日俱增，这才是最有用的。当然这并不是说，为我构建某个 SDK、某个工具链或添加某个功能。而是，你能让使用这个产品的人数翻 10 倍吗？这是自早期以来我们思维模式的最大转变。 

问：两位从 Coinbase 的工作经历中学到了什么，是否可以用来指导 Farcaster 的发展？

Dan Romero：根据我在 Coinbase 的经验，我坚信普通人并不关心你正在构建的所有东西。他们只想要一个好用的应用，而这一切都要从用户登入开始。事实上，甚至在这之前就已经开始了，即如何定位产品并向他们解释。 

我们可以在这方面做得更好。Farcaster 和 Warpcast 目前的问题会让人们感到困惑。我们甚至不是在与金融科技应用竞争，我们必须与世界上最好的社媒应用竞争。

那么，一旦用户进入了这款应用，它是否足够有趣，能让用户愿意再来？很多加密货币用户喜欢对加密货币应用进行比较，现实情况是，如果你的应用不那么有趣，他们就会回到 TikTok 或 YouTube。

Varun Srinivasan：我从 Brian Armstrong 那里学到的另一点是，无论基元发生什么变化，都要始终专注于构建人们想要的东西。他说，事情永远不会像看起来得那么好，也永远不会像看起来得那么差。Coinbase 一直取得成功的一个原因是，无论市场是处于低谷还是高峰，Coinbase 始终坚持输出和构建。我们在加密货币领域经历了多个周期，亲眼目睹了这一战略的实施，我们知道，长期专注才是真正的制胜之道。

问：加密货币社媒生态目前有 Farcaster、Lens、Nostr 和 Friend.Tech 等参与者，两位如何看待当前的格局？

Dan Romero：与拥有数十亿用户的 Facebook 等中心化社媒相比，加密货币的用户总数并不重要。我们谈论的是所有去中心化社媒的数万名用户（合计），他们与每天使用加密货币的 10 万名用户可能是同一群人。

我们感兴趣的是如何将加密货币应用 10 万的用户量一步步地增长到 10 亿。我不认为关注竞争对手有什么用。问题的关键是：人们想要什么？人们觉得什么有趣？如果你能让用户觉得内容有趣、好玩，从而每天都来使用，那么开发者就会随之而来。其他任何事情都不重要。

Varun Srinivasan：这些竞争对手走的路都略有不同，而我们的目标也非常明确，即在加密货币领域开展业务，允许用户搭建自己的社区，允许开发者为这些用户创建应用。

作者：Crypto_Painter 来源：X，@CryptoPainter_X

这轮牛市：

1. 涨的慢，没有展现出过往牛市那样的赚钱效应；

2. 流动性差，除BTC以外的大部分高市值山寨均没有走出新高；

3. 缺乏流量，社交媒体关注度远低于过往牛市；

系统性的讲讲这3点：

1. 这轮牛市是否比过往牛市涨的慢？

判断这轮牛市涨的快还是慢？这是一个技术层面的问题，对于价格上涨的动能，并不是单纯看其变动的速度，而是要看其持续性；

举个例子，假设一轮牛市需要1年的时间走完，那么如果这路牛市在这一年的前11个月都在低位震荡，却在最后一个月走出了300%的涨幅，然后见顶，进入熊市，你会这把这种行情叫做牛市嘛？

虽然最后一个月涨的非常快，但是这种行情并不能代表着市场中有持续的需求，只能被视为主力操盘，多见于小市值山寨币的行情中，这种牛市出现的目的只有一个：拉高出货；

所以对于BTC来说，我们需要看到的牛市是一个具有长期持续性，买盘不断涌现，价格不断升高的长期过程，这种结构对应了需求的长期旺盛，说明人们是在货真价实的进行：买入、持有、长期持有的这一过程；

我们可以分别从3个维度来分析每一轮牛市的价格增速；

他们分别是：牛市持续的时间、牛市带来的涨幅以及牛市进程中的动能；

如图所示：

为了能够和当下这轮牛市做一个公平的对比，我在这里统一采用相同结构区间来计算价格的平均每日涨幅%；

对应区间均为一轮牛市的早期酝酿阶段，也就是从最低点到价格刚突破新高并在之前的历史高点附近震荡时的这段行情；

用这期间的价格涨幅除以其持续的天数，可以得出，最近3轮牛市的早期趋势阶段，其上涨速度确实是在逐步下降的，分别是1.10%、0.71%和当下0.65%的平均每日涨幅；

也就是说，即使当下的BTC立即走出突破新高的疯牛行情，在这轮牛市的早期酝酿阶段，其上涨速度也永远的低于前两轮牛市了，更不用说如果BTC当下继续维持震荡，这个0.65%的数值还会随着时间继续降低了；

这么看起来的话，本轮牛市确实涨的慢。

接下来我们再看看价格动能：

如图所示，下面3张图表分别对应了2017、2020、2024年BTC价格首次破新高后，在ASR-VC趋势指标上的表现：

2017年3月

2020年12月

2024年3月

一眼看上去似乎能够发现明显的不同；

前两次价格突破历史新高后都出现了不同程度的深度回调，但这些回调有一个特点，就是他们没有破坏原有上行通道的趋势强度，图中的绿色中轨线始终保持着上行，而当下的行情中，日线级别的绿色通道中轨出现了几乎走平的状态，这是历史上从未出现过的情况；

另一方面，值得注意的是，前两次价格经过深度回调后，在第二次或第三次向历史前高进行测试的时候就顺利实现了突破，从而走出新的强势多头行情，而当下的情况却是连续出现多次测试，均未能走出强势多头行情；

结论：从这个层面上来讲，我们当下经历的这轮牛市早期酝酿阶段在趋势动能上远不如前两轮牛市。

虽然这并不意味着这轮牛市可能见顶了，但是从一轮牛市整体结构的角度上来看，本轮牛市的基础没有打好，需求不够持续，所以才导致了在前高位置震荡如此之久；

那么基础薄弱的原因是什么呢？

接下来我们再从流动性角度来进行对比！

2. 这轮牛市的总体流动性是否比过往牛市差？

虽然总体流动性水平不能绝对反映价格的涨跌，但流动性水平可以决定价格拉升的上限；

观察加密货币市场的总体流动性水平，主要通过场内流动性和场外流动性两个方面来进行；

场内流动性一般指已经通过法币兑换成稳定币或加密货币的资产，反映在图表上就是稳定币的总市值；

而场外流动性一般指全球流动性，更具体的可以表现为美元净流动性，反映在图表上就是美联储的资产负债表减去一系列美元财政账户的存款项；

首先，我们来看场内流动性，也就是稳定币的市值在过去两轮牛市中的表现，因为USDC与DAI出现的时间较晚，我们先单纯从USDT开始看；

如图所示，为了符合当下BTC价格位于前高附近随时准备突破的市场节奏，我们对比上轮牛市同时期的USDT市值水平，他们分别是：历史前高时的USDT市值与当下牛市即将突破历史新高前的USDT市值水平；

可以看到，上轮牛市在彻底突破20000大关前，USDT的市值对比2017年牛市见顶时的市值水平，已经有了187亿美元的涨幅，说白了就是，价格回到同一个位置时，USDT已经比当初多了187亿美元了；

这187亿美元的额外流动性，就是上轮牛市在早期打下的基础，考虑到BTC的价格与当下不同，我们还要关注USDT市值在这个时期内的涨幅，可以看到，上轮牛市彻底突破历史新高前，USDT的市值已经出现了1680%的增幅了！

然后再看当下这轮牛市，同样条件下，USDT的市值增长达到了385亿美元，但涨幅仅有52.16%，注意，虽然市值总量确实比上轮牛市高，但BTC的价格可完全不同了；

也就是说，因为BTC的历史前高不同，所需要进行突破的流动性必然也不同；

我们简单的用价格比例进行换算：

$69000 / $20000 = 3.45

187亿 x 3.45 = 645亿

也就是说，如果当下这轮牛市要实现与上轮牛市同样的突破行情，当下我们需要USDT的市值相对上轮牛市顶点水平高出645亿美元；

也就是说，当下市场增加的这额外的385亿美元是不够的，这轮牛市的总体流动性相对上轮牛市也是不足的；

你肯定会说“你不算上其他稳定币，这不耍流氓么？”

好，接下来我们计算USDT+USDC+DAI三大稳定币的表现再看看：

如图所示，我不仅加上了USDC和DAI，还加上了BTC的现货ETF净流入，可以看到当下这轮牛市的场内流动性增加确实多了不少，达到了509亿美元；

而上轮牛市彻底突破前的场内流动性增加达到了220亿美元；

如果按照同样的比例比较上轮牛市：

220亿 x 3.45 = 759亿

而我们当下这轮牛市的流动性积累只有509亿美元；

759亿 – 509亿 = 250亿

也就是说，当下这轮牛市想要复刻上轮牛市走出前高附近震荡几周后就直接突破的行情，还需要至少250亿美元的流动性增量；

很明显，正是因为缺了这个250，所以我们当下这轮牛市才会在前高附近半死不活的震荡了整整一个季度！

也就是说，当下这轮牛市的流动性积累，确实不足！

但是问题也来了，缺了这个250，是不是就无法突破了？

我个人认为，不一定，重点在于流动性能否保持继续增加，也就是说，假如未来还要震荡3个月，但在这3个月期间，“稳定币+ETF+香港ETF”带来的流动性增量逐渐达到了200亿以上的水平，那么我们就能很顺利的彻底突破历史前高，远离这个让人恶心的不要不要的区间了；

但是，当下的情况确实不容乐观，因为稳定币的增加已经陷入停滞了，而ETF的净流入在经过一周短暂的爆量后，能否继续走出持续性的流入，还是未知数；

下图显示了最近三个月以来稳定币的市值走势及ETF的每周净流入水平：

看得出来，稳定币总市值的增长已经明显停滞了，后续很可能会开始选择方向，若总市值保持横盘还好，最怕的就是稳定币市值开始缩水流出，这会对本轮牛市造成极大的威胁；

同时由于稳定币没有了新增流动性，但最近一个月ETF的净流入开始恢复，从而导致了在稳定币市值没有大幅变化的情况下，BTC价格开始逐步反弹的行情；

你可能会好奇为什么最近一到周末BTC就会进入极端缩量横盘的走势，上面这张图表解释了这个现象的成因，因为场内稳定币资金已经完成了博弈，BTC的价格更容易受到ETF的影响，所以只有在美股开盘期间才会恢复流动性；

所以，当下最需要关注的便是稳定币市值是否能够走出新方向，向上走的话，一定是等来了什么宏观数据上的长期利好，BTC便能在额外流动性逐步充足的情况下出现对当下这个区间的正式突破；

向下走的话，那么必然会导致更加长期的震荡与回调，说白了就是，目前的BTC闯关速度过快，来到了BOSS（历史前高）面前发现打不过，必须要再充值250亿美元增强战力才行，不愿放弃的BTC选择在BOSS房门口打怪练级，直到充值足够金额后就会发起最终的挑战；

结论：本轮牛市与过往牛市确实不同，前期走的太快，导致当下只能用时间换空间，若能在当前区间维持足够久，且流动性继续增加，那么最终依然能够突破，若不小心跌破区间且流动性开始缩水外流，那么牛市很可能提前终结；

既然提到了宏观，接下来该说场外流动性，也就是美元净流动性了；

关于这部分因为涉及到了太多宏观内容，我只能单纯的做一个对比，如图所示：

我们还是采用与场内流动性类似的对比方法，可以看到，上轮牛市在最终突破历史前高时，外部环境下的美元净流动性已经增加了14330亿美元，达到了33.25%的增幅；

而当下这轮牛市早期不仅没有出现外部美元净流动性的增长，反而还出现了8571亿美元的缩减，达到了12.22%的缩水。

这似乎刚好可以解释为什么当下这轮牛市场内流动性的积累远不如上轮牛市，很明显，外部环境并不是一个流动性富足的状态；

但即使如此，如果仔细看蓝色的美元净流动性曲线，最近一年的整体表现是震荡上行，也就是说，虽然整体流动性不足，但至少最近一年是处于缓慢增长的状态；

而BTC在如此恶劣的外部环境下，依然走出了短暂新高的行情，说实话，如果过去那轮牛市里从美元分流到BTC的流动性的比例只有（220/14330）1.5%的话，当下这轮牛市的分流比例有可能达到了（509/5692）8.9%！

这代表着传统资本对于BTC的信任程度与青睐程度达到了一个新的水平！

从这个角度来说，本轮牛市确实也与过往牛市不同，大环境很差，全班考的都不好，但BTC至少还能排在前5名，尤其是英伟达取得全班第一的情况下，BTC表现的已经很不错了！

流动性的环节就到此为止了，还有一点就是关于媒体关注度的问题

3. 当下这轮牛市与过往牛市相比，是否关注的人更少了？

先抛结论，答案为是！

对于加密货币行业的从业者或交易者来说，似乎BTC是这两年来全球关注的重心，但事实上，至少从数据层面上来说，结果很令人失望；

如图所示，这是最近5年来油管上所有从事BTC相关频道的视频浏览量，你能清晰的看到，属于BTC的高光时刻是2021年的牛市，而当下这轮牛市，不论是关注度还是话题热度都不如从前了！

一个令人难过的事实：当BTC突破69000的历史新高时，在油管上的热度还不如当初FTX暴雷时的高。。。

但是如果我们还是按照先前价格突破历史新高时的方式来对比的话，数据上还是要比过去好很多的，这说明，如果未来BTC的价格若能继续走出强势的行情，一度突破10万美元大关时，这些沉寂已久的韭菜们还是会回来的！

结论：从社交媒体的角度来看，本轮牛市与过往牛市没有太大的区别，BTC已经实现了社交媒体常态化，尤其是在当下这个逐渐美股化的市场中，广大韭菜的关注已经远没有过去牛市那么重要了。