Robinhood靠预测市场Q2赚了1.56亿，机会在哪里？ 前两天Robinhood公布了Q2财报，预测市场收入1.56亿美元——超过了加密货币交易收入（1亿美元），也超过了股票交易收入（1.29亿美元），成为当季第二大交易收入来源，仅次于期权。 而一年前，这个数字是300万。作为预测市场曾经的builder，在TG上跑到过700万用户。所以看到这个数字，我不是惊讶，而是——终于。 一、爆发已经发生，而且还在加速 从Dune上的数据可以看到，2025年8月，全球预测市场月交易量约20亿美元。2026年6月，接近500亿美元。 10个月，增长超过25倍。 机构也不再观望。ICE（纽交所母公司）以90亿估值投了Polymarket 20亿美元；Kalshi以220亿估值完成超10亿融资，投资方包括Coatue、Sequoia、a16z、Morgan Stanley。 这些不是早期冒险押注。这是主流金融机构的战略决策。 预测市场正在从加密圈的小众实验，变成一个独立的主流金融品类——同时蚕食体育博彩、金融投机和政治预判三个市场的份额。 目前预测市场平台的格局是两家独大，但本质不同。 根据7月最新数据，Polymarket和Kalshi两家占据约95%的市场份额。 这两家的成功，表面上都是预测市场，但底层的胜负手逻辑完全不同。 - Polymarket的核心是内容创新：创造了政治博彩，给信息定价。它不是做了更好的博彩产品，而是创造了一个新的内容品类——用金钱押注你对世界的判断。政治、选举、加密价格、地缘政治，这些话题让预测市场从赌博变成了一种信息博弈。 - Kalshi的核心是对传统体彩的监管套利。美国体育博彩的牌照很难拿，每个州都有独立的监管要求，门槛极高。但Kalshi绕开了这条路，不把自己定义为体育博彩平台，而是向CFTC申请成为合规的预测市场交易所，用联邦监管覆盖全部50个州。虽然这个监管套利也在好几个州受到挑战，但是在这个法律争议的窗口期，Kalshi仍有不少的套利空间。 所以面对这个红海，后来者有机会吗？ 所有人都在卷平台，但平台已经是最难的战场。平台层是整个生态天花板最高的地方，但也是壁垒最深、冷启动最难的地方。流动性的马太效应极强——越大越深，越小越难。Predict靠的是币安的流量，Robinhood靠的是2700万个有资金的经纪账户，分发渠道是他们差异化的地方。 但残酷的是：平台之争更多是存量之争。如果想要竞争，能不能在运营和合规侧找到独特的优势是很大的基础，绝大部分玩家都没有机会。 但平台之外，生态还在早期。 二、上下游百花齐放，仍处于早期 最近看了下整个生态的现状，也和预测市场的不同类型的玩家进行了交流。 目前的预测市场生态可以大致分为以下几个类型的玩家： 1. 平台层：包括Polymarket、Kalshi、Opinion、predict、Limitless、42space等，收入天花板最高，但实现难度也最高，核心壁垒是流动性。 2. Broker和流量分发层：这是目前增长最快、商业模式最清晰的层次。 核心逻辑很简单：预测市场的流动性集中在少数平台，但分发渠道是分散的。谁能把用户带到面前，谁就能赚到返佣。 Polymarket的Builder Program月交易量已经达到约11亿美元——这意味着每个月有11亿美元的交易量，不是通过Polymarket官网，而是通过第三方分发渠道进来的。Gate、MetaMask、Jupiter，靠的都是已有的用户基础。之前的Robinhood和现在的富途接入Kalshi，本质上也是同一个逻辑：流量变现。 但这一层对创业公司不友好，没有存量流量，很难做。 3. 交易工具、数据和AI代理层：这一类产品主要围绕帮用户分析更清楚和执行更方便。 包括专业交易终端、套利工具、跟单机器人和AI自主交易代理的产品，以及提供市场数据、巨鲸追踪、概率分析等工具。有很多玩家，例如Polysights、Oddpool、Betmoar、Traderline等，商业模式主要包括两块：一类是平台返佣，和broker流量分发层一致；还有一类是订阅收费，用户付费获得更高级的功能。 总的来看，大多数这类产品本质是穿上了分析师的衣服的Broker，与2不同的是提供了附加价值。不过真正在做独立付费数据生意的，目前还屈指可数，本质上取决于到底哪些数据是有付费场景的。 4. 内容和信息层：是整个生态目前还比较薄弱和被低估的一层。 预测市场本质上是信息博弈——你下注的依据是你对某个事件的判断，而判断需要信息。但整个生态里，专门服务预测市场的深度内容相对比较少，目前有一些Newsletter（如Polymarket News），头部crypto媒体（如The block）、传统商业媒体（如CNBC）。但整体来说还处于相对早期的阶段，没有太多专门围绕预测市场的内容信息层。 5. 垂直和区域层： 专注特定地理市场或垂直场景的平台。由于Polymarket和Kalshi的话题90%是欧美内容，许多其他地区的用户是局外人。 所以有一些项目开始从垂类开始切，且不同的国家地区。如专注非洲市场的Predera，希望通过本地化内容，跑出一个区域性的强势平台。此外，也有纯体育、纯价格涨跌的单一品类预测市场（包括与传统体彩合作的SaaS产品等）。整体逻辑是通过细分市场和垂直化运营来打出优势。 此外，也有预言机、白标预测市场等Infra侧产品（但整体来说，预言机有被平台侧包圆的趋势；此外很多预测市场开始走中心化，使得预言机的生存空间被压缩），以及内容匹配预测市场MurmRay等有趣的方向，也会持续关注看看有没有新的更新。 三、写在最后 几年前build Prediction Market的时候就很看好这个赛道的潜力。 见过预测市场从概念到爆发，也见过它在系统条件不成熟时候的沉寂。Augur 2018年就做出来了，但真正的爆发是Polymarket踩中大选时间窗口之后。 这个赛道不缺想象力，缺的是时机和系统条件。 现在，监管在清晰，机构在入场，分发渠道在打通，用户心智在建立。 预测市场正在进入系统吸收期，不再只是概念。 平台的蛋糕最大，但也最难切。而上下游，还有很多空白、模糊、尝试的空间值得探索。 我会继续关注这个赛道，如果你是预测市场的builder、trader，或者对这个方向有想法，欢迎一起交流。

分享下最新的近况，加入了Foresight Ventures，从毕业前就开始all in了web3，见证了luna事变、nft、gamefi、defi、BTC生态、depin、全链游戏一波又一波叙事，待过VC、也创过业，也算是看尽很多浮沉。 很多朋友问我，曾经放弃了所有大厂offer，怀揣着一颗理想主义 all in web3，结果web3很多赛道都消失了，是什么感受？对此，我的感受是坚守该坚守的，拥抱该拥抱的。 很多人说，Web3不再是曾经理想主义者筑梦的下一代互联网，Web3要没了。我认为，核心是因为Web3的本质不是所有行业的互联网化，Web3的下半场是金融行业的互联网化。 但积极的是，金融科技这个蛋糕足够大，金融的互联网化的阶段足够早，无论是交易还是支付，都有足够大的舞台和空间可以去生根发芽。 Web3变了吗？或许我更愿意称之为回归理性。曾经吹泡沫吹叙事的时代已经过去，留下的更多是更实际做业务和为世界创造真实价值的项目。身边的有一些朋友已经离开了web3，有的去了AI，有的回归了传统互联网。不过也有些朋友仍看好并践行着web3的未来，我也是其中一个。 很开心加入Foresight Ventures，目前主要关注稳定币支付和交易类的项目，欢迎web3的新老朋友们多多交流，也希望能投资更多优秀的项目，与更多有想法的人一起前行，互相报团取暖。 此外，我也非常看好Bitget的UEX战略，BG在美股/大宗/传统资产这块交易体验可以说是行业最领先的，很多交易员朋友和交易机构也经常找我反馈一些产品迭代需求，BG基本上都是光速支持和上线的，用户交易体验拉满。 负责UEX战略时，最大成就感就是，身边的交易员朋友说：“Fred，在你们上买股票/黄金真的太方便了”，也欢迎更多做交易领域的朋友们（量化/主观/个人等）多多交流，一起发财！

手握USDT却只做Crypto？你可能正在错过下一个财富时代 一、从Crypto到传统资产：机会在哪里 如果你现在还有大量USDT，但只在做Crypto，你可能在错过一整个时代。 这不是一个观点，而是这段时间我自己的一个变化。 之前我也是BTC、ETH、SOL的坚定持有者。 我拿着SOL从20一路走到200多，也带着身边不少朋友上车。 但这两年，我越来越明显地感受到一件事： 在Meme消退，泡沫戳破之后，有价值的token没有那么多了。 加密市场，正在越来越回归传统金融。 与此同时，一个更现实的问题出现了—— 很多身边和我一样渴望通过交易来认知变现的朋友和KOL，手里拿着U，但不知道该何去何从。 我最近开始把更多精力放到传统资产市场，也和国内外的一些二级交易员聊了很多。 一个很一致的结论是： 机会其实一直都有，只是很多已经不在Crypto里了。 除了大家熟知的美股“七姐妹”，还有一些结构性更强的方向，比如： - AI存储 - 光通信 - 半导体上游 这些标的的共同点在于，它们都在同一个叙事之下：AI基础设施。 二、AI基础设施：财富机会的底层逻辑 为什么是AI基础设施，而不是单纯应用层？ 如果把AI当作一个“人”，它在处理问题时，本质上在做三件事： 1. 看资料 2. 计算答案 3. 记录下来 比如我们让AI去区分马斯克和马云，它会先看大量图片，然后分析五官和特征，最后把规律记录下来，在下一次快速判断。 这是一个非常简单的循环，但问题在于： AI要处理的“资料量”，远远超过人类。 人类读书，从小学到博士要十几年，而AI需要在极短时间内完成这个过程。 所以问题变成： AI如何又快又多地读取和处理数据？ 这就进入到一个很核心但经常被忽略的环节：存储。 目前的AI系统，大致可以分为两类： 一种是SSD，可以理解为“仓库”，负责存大量数据； 另一种是DRAM，可以理解为“工作台”，负责高速调用数据。 两者的本质是一个很典型的trade-off： - SSD容量大，但速度相对慢 - DRAM速度极快，但无法长期保存 现实中一个很关键的瓶颈是： GPU有相当一部分时间，其实是在“等数据”。 所以对于AI来说，性能的上限，不只是算力，还有数据调用的速度。 在这个体系里，有一个比较核心的公司是Micron（MU）。 它的主业是DRAM，副业是闪存，同时也在推进HBM（可以理解为更高性能的内存）。 HBM目前的格局是SK海力士、三星和MU三方竞争，而MU是其中唯一的美股标的。 而在闪存方面，其业绩和专门做闪存的闪迪也不相上下。 MU也从之前的300多飙升到了400多，虽然现在有点回落，当其长期价值还是非常看好的。 如果从更长期的视角看AI的发展路径，存储这一环并不是边缘，而是底层基础设施的一部分。 三、为什么有时候我们知道机会，却没有行动 但更有意思的，其实不是“这个标的好不好”，而是另一个问题： 为什么有些朋友也很关注AI，知道这些，但没有参与？ 我和一些朋友聊下来，答案很简单： 除了认知问题之外，很大的原因是路径问题。 一些朋友可能看到了机会，但： - 没有合适的交易路径 - 觉得切换平台很麻烦，在Robinhood、长桥、富途开户很费神。 - 或者干脆就没有行动 最后变成一种很常见的状态： 知道很多，但什么都没做。 四、用同一套资金捕捉跨资产Alpha 我们如何破局？ 对于赚钱来说，一定是你不理财，财不理你。 怎么让交易变得更加丝滑，也是我最近一直在思考的问题。 我自己最近的一个变化，是开始尝试用同一套资金，同时看不同资产。 一部分是在Bitget上做的——因为它是全球第一个提出UEX的，把Crypto和一些传统资产放在同一个交易体系里，用U就能直接切换和交易，非常方便。 当研究透MU这个标的的时候，我第一时间就在Bitget下单了，用U交易一切的感觉真好。 这件事本身不复杂，但带来的改变很直接： 本质上不是在押某一个方向，而是把一件更基础的事情打通了—— 把“发现机会”和“执行交易”放在同一个体系里。 当机会出现的时候，我可以立刻行动的，而不是停留在“研究”和“观望”。 五、全球资产体系正在重构Crypto优势 如果从更大的周期来看，这件事情背后其实是一个结构性的变化： Crypto正在从一个“独立市场”，变成“全球资产体系的一部分”。 这意味着，未来的优势不再是你是否最懂某一个币， 而是你是否具备跨资产捕捉机会的能力。 如果你现在手里还有大量USDT，但只在Crypto里找机会， 那你可能真的在错过一个更大的交易世界。 这也是我最近在思考和实践的一件事： 如何用一套资金，去覆盖更广的资产和机会。 如果你也在看类似的方向，可以一起交流。

从缫丝业到AI、区块链：如何用科技史思维看 Web3 上篇文章发表之后，很多朋友问我：为什么那么多 Web3 项目，看起来很“对”，却最终失败？ 答案，其实早在科技史里就有。 从中国缫丝业的机械化，到早期互联网，再到 AI 的兴衰，历史一再告诉我——技术能否成功，关键不在它有多先进，而在系统能否吸收它。 我对 Web3 的判断，并不仅仅来自区块链， 而是来自一门几乎没人会和 Web3 联系在一起的学科：科技史。 它教会我的，不是技术会不会赢，而是——什么时候赢、为什么赢，以及为什么大多数“看起来正确”的项目会死。 在清华科技史训练中，我真正内化了两个非常反直觉的认知。 它们直接影响我判断 Web3 的技术周期、项目时机，以及系统性风险。 这些认知不是书本理论，而是我看一个技术会不会成功、什么时候成功、为什么失败的行动指南。 一、技术先进 ≠ 成功，系统吸收才是关键 科技史里有一个经常被忽视、但极其重要的结论： 很多技术失败，不是方向错，而是时间错。 这种模式，在历史中反复出现。 互联网是一个非常典型的例子。 从技术上看，今天互联网的核心骨架，其实在 70–80 年代就已经基本完成： - 1969 年：ARPANET 上线 - 1974 年：TCP/IP 被正式提出（Cerf & Kahn） - 1983 年：ARPANET 全面切换到 TCP/IP - 同期出现 Email、DNS 等关键基础设施 但在接下来的十多年里，互联网仍停留在科研机构和少数技术人员之间，并没有真正普及。 真正的转折，并不是“网络变得更快”，而是协作系统被重构了： 1989–1991 年：HTTP、HTML、URL 被提出 1993 年：Mosaic 浏览器，让普通人第一次“看懂”互联网 1994–1995 年：商业 ISP、广告、电商和用户教育逐步成型 互联网爆发，本质上不是技术突破，而是可用性、标准化和商业机制同时就绪。 AI 的历史路径几乎一模一样。 从思想层面看，AI 非常早熟： 1950 年：图灵测试 1956 年：达特茅斯会议，“Artificial Intelligence”正式提出 1960s：符号推理、搜索算法、早期神经网络出现 但接下来的几十年，AI 长期停留在实验室和小规模演示中。 原因并不复杂，也不是方向问题，而是系统条件严重不匹配： - 算力不足（没有 GPU，极其昂贵的并行计算） - 数据稀缺（没有互联网、没有日志体系） - 存储和部署成本过高 结果就是两次著名的 AI Winter（1970s、1980s）。 不是 AI 不行，而是现实世界还无法承载它。 还有一个我在清华学科学史时印象非常深刻的一个案例，缫丝业进入中国。 上海开始引入机械化缫丝设备时，遭遇了工人的强烈抵制。问题并不在于技术不先进，而在于“技术进步”直接整体替代了原有工人，原本的协作系统无法吸收这次变化。 后来发现广东之前的引进却很成功，秘诀是在广东采取了一种看似“技术退步”的方式： - 机器只负责关键控制环节 - 大量工序重新交还人工。 结果反而更快被接受，并实现规模化扩散。 科技史反复告诉我一件事： 真正的技术爆发，从来不是“更聪明”，而是更可用、更便宜、更容易嵌入既有协作系统。 在 Web3 上，这套认知也非常适用： 上半场失败的很多 Web3 项目，并不是方向错，而是系统条件尚未成熟。 真正重要的，从来不是“去中心化有多彻底”，而是： - 监管是否准备好 - 用户心智是否成熟 - 成本结构是否合理 - 协作方式是否兼容 很多项目死于典型问题：技术是对的，但系统不兼容，当时的用户还完全没有准备好。 预测市场就是一个典型例子。 - 2018 年，以太坊上已经出现了去中心化预测市场 Augur； - 但真正的爆发，却发生在多年之后的 Polymarket，踩中了美国大选这一极其特殊的时间窗口。 这也是为什么我认为：Web3 正在从技术先行期进入系统吸收期。 合规、基础设施稳定性和真实使用场景，比理念纯度更重要。交易所用脚投票选择合规上岸，可见一斑。 二、技术变革是权力与协作的渐进重组 科技史带给我的第二个核心判断是： 大多数技术变革，并不是突然的革命， 而是一个渐进替代、持续重组权力和协作关系的过程。 库恩在《科学革命的结构》中提出“范式转移”，但现实几乎从不干净利落： - 旧体系抵抗 - 新旧体系并存 - 灰色地带与过渡形态 真正的赢家，并不是最激进推翻旧体系的人，而是最早理解新范式、并围绕它重组协作结构的人。 把这个判断放到 Web3 中，其实非常清晰。 Web3 的价值并不在于“去中心化更酷”，而在于它是否真正重塑生产关系和分配机制。 从科技史的视角看，Web3 不会一步到位替代 Web2， 而更可能从边缘但真实的场景开始生长，比如： - 跨境支付与结算 - 高杠杆、全球化金融衍生品 - 原生数字资产与开放金融基础设施 Web3 从小众走向大众，本质上不是技术问题，而是制度逐步吸收新技术的过程。 美国、韩国、新加坡、迪拜对 Web3 的态度，就是制度吸收新技术的经典案例。 对 Web3 从业者来说， 理解监管节奏、制度博弈、过渡形态， 往往比写更激进的代码更重要。 正因为有科技史的训练，我在Web3的投资、创业和参与项目时，会反复问自己三个问题： 1. 这个项目是否处在“对的时间”，而不仅是理想主义？ 2. 它是否真正降低了协作成本，而不是只提升局部性能？ 3. 它是否能被现有制度、用户和市场逐步吸收，而不是一次性颠覆一切？ 因此，我倾向关注那些： - 能形成真实价值闭环的产品 - 能在现实世界落地，而不仅在白皮书里 - 能在旧体系与新体系之间找到可行过渡路径 科技史让我明白：真正改变世界的技术，从来不是最激进的，而是最早被系统吸收、并重塑协作方式的。 这就是我理解和参与Web3的最新想法，欢迎大家一起交流。

潮水退去之后，我重新看了一眼 Web3 过去半个月，我反复看到那篇被转疯的文章—— 《I Wasted 8 Years of My Life in Crypto》。 说实话，我完全理解这种情绪。 毕业那年，我放弃了 5 个互联网大厂 offer，选择 all in Web3。 那几年，经历了武汉封城、上海事件。 当时的我，带着满腔热血和赤诚，想加入这个去中心化的新世界，去构建一个“属于我们”的未来。 几年过去，我在Web3的项目方待过，做过 VC，也下场创业；见过 GameFi、NFT、DePIN、BTC 生态一轮轮起飞又坠落。做过预测市场，项目在 Telegram 上跑到过 700 万用户，经历项目的起飞和停止，也看着身边很多聪明人慢慢离场。 一种越来越普遍、却很少被认真说清楚的共识正在形成： Web3 好像没什么“正经事”可以做了。 不是赚不到钱，而是—— 真正有 PMF、有真实营收、能长期演化的项目，太少了。 剩下的大多是高度同质化的流水线项目，靠情绪、靠叙事、靠周期。 但我并不悲观。 或者说，我已经过了需要靠悲观或乐观来判断一个行业的阶段。 我更愿意把现在，看成 Web3 的下半场。 投机依然存在，但只会属于少数；真正的机会，来自对监管、结构、技术错位的理解，而不是再造一个新概念。 站在 2025 年年底，结合我这几年的实践，我只想谈三件——未来值得认真对待的事。 一、Perp DEX 的本质：监管套利，而不是技术浪漫 很多人仍然用“链上衍生品”“去中心化程度”去理解 Perp DEX。 我认为这是一个根本性的误判。 Perp DEX 成立的原因只有一个：监管套利。 - Binance 的成功，本质是套利 Coinbase 的在岸监管 - Hyperliquid 的崛起，本质是套利 CEX 在全球范围内逐步收紧的合规环境 当 CEX 不可避免地走向合规化，合约交易用户的核心需求并没有消失： 匿名性、资金安全、极高杠杆、执行效率。 这些需求，在合规 CEX 里只会被系统性压缩。 于是出现了一条非常清晰、但过去一直跑不通的迁移路径： 专业交易者和巨鲸，从 CEX → 链上 Perp DEX。 需求一直都在。 dYdX 试过链上订单簿，GMX 用 AMM 绕过性能瓶颈。 但现实很残酷—— 当用户发现自己在链上承担的是相似的爆仓风险，却拿不到 CEX 级的流动性和撮合效率，迁移意愿会迅速归零。 2022 年 FTX 崩溃后，GMX、dYdX 的确经历过一轮数据爆发，但很快就再次沉寂。 问题从来不是“链上衍生品有没有需求”，而是产品形态始终不对。 Hyperliquid 的意义正在于此。 它做的不是“更去中心化”，而是直接绕开现有公链的性能天花板： 自建应用链、完全链上订单簿、毫秒级撮合，把交易体验直接对齐 CEX。 本质上，它不是在做一个“协议”，而是在做一个完整的交易系统： 券商、交易所、清算、结算，全都握在自己手里。 结果已经不需要再解释： 日交易量一度冲到百亿美金，累计交易量超过数万亿，收入甚至超过不少二线 CEX。 这说明一件事： 链上衍生品从来不缺需求，缺的是一个愿意为交易体验牺牲架构理想的产品。 HIP-3 之后，任何质押足够 HYPE 的人都可以在链上创建自己的衍生品市场，这一步非常关键。 它意味着 Perp DEX 不再只服务加密原生资产，而是开始承载任意共识资产。 当然，这个赛道也注定不会寡头垄断。 由于渠道和地域差异，Perp DEX 的竞争格局更可能复刻 CEX： Binance : OKX : Bybit ≈ 3 : 1 : 1。 Aster、Lighter 等玩家已经在不同维度蓄势，其中Aster在钱、资源和渠道方面得天独厚，有不小的优势。 Perp DEX 的竞争，从来不是「谁更去中心化」， 而是谁能在监管夹缝中，给专业交易者提供一个“可持续的灰度空间”。 唯一悬在头上的，是监管这把达摩克利斯之剑。 但至少在 2028年下一任美国总统竞选之前，这仍然是一条时间窗口非常明确的赛道。 二、RWA × Perp：资产不是关键，流动性才是 RWA 这两年被讲得太多，也被误解得太多。 真正已经被市场验证的 RWA 只有一类： 美债、黄金、指数， 这些流动性极强、共识高度集中的资产。 而房地产、私募股权、各种低流动性资产的“上链”，本质上只是换了一种所有权登记方式，并没有解决信息不对称、估值、退出机制这些核心问题。 真正有意思的方向，是 RWA × 永续合约。 永续合约天然适合承载高杠杆、高频交易和流动性需求。 当它与宏观数据、利率、通胀预期、信用利差等资产结合时，本质上是在构建一套链上的宏观金融工具箱。 如果进一步叠加 AI agent 做自动化策略和组合化交易，这就不再是“交易某一个资产”，而是在提供结构化金融产品。 从我看到的情况来看，目前绝大多数 RWA 团队还停留在“资产发行”这一层。 真正同时理解交易、策略和 AI 的团队，反而极其稀缺。 这不是问题，而是机会。 三、预测市场：我依然看好，但前提是正视它的残酷现实 我对预测市场有很深的情感投入。 前后做过两个预测市场项目，其中一个在 Telegram 上跑到过 700 万用户。 虽然最终没有持续运营下去，但也让我对这个赛道保持足够的敬畏。 预测市场的核心壁垒，从来不是玩法， 而是流动性和合规。 现在的预测市场，大致分为两类。 一类是体育预测。 这是已经被 Web2 验证过 PMF 的市场，用户需求真实且稳定，天花板也足够高。真正的门槛不在产品，而在合规、牌照和运营能力。明年的世界杯，很可能是一个关键时间窗口。 另一类是事件预测。 Polymarket 靠政治事件起家，Kalshi 在合规路径上走得更深。 它们的吸引力在于：“You can bet on anything。” 但现实也很残酷——在 TVL、品牌和合规三件事上，领先身位已经非常明显，后来者正面竞争的胜率并不高。 那机会在哪里？ 我认为仍然有三个切口值得关注： - 预言机，目前可用的只有UMA，而且支持的链很有限，只有polygon、base、以太坊这几个； - 聚合器，可以将不同预测市场的事件聚合起来，快速参与。不过聚合器的未来可以类比dex聚合器的未来，聚合器想成功核心还是需要市场竞争格局比较分散，可能要wait and see。 - 体育垂类预测市场，明年的世界杯是一个大的胜负手，如果在合规和运营方面都能搞定的话，体育类预测市场有机会出现新的leading player。预测市场不一定非要“什么都能赌”，在一个足够大的垂直领域做到极致，反而更容易形成护城河。 题外话：AI 不是新赛道，而是下半场的效率红利 很多人仍然把 AI × Web3 当成一个独立赛道看。 在我看来，这是典型的“上半场思维”。回顾最早一批打着 AI × Web3 旗号的项目，很多停留在发了 token 之后，就再没有然后。 AI 真正的作用，不是再造一个新协议，而是把原本只有极少数专业交易者、研究员、量化团队才能玩的东西，规模化、产品化。 在传统AI市场里，lovable帮助人类一键生成产品原型，cursor 则把研发效率成倍放大。 而在Web3里，真正跑出PMF的场景，无论是CEX/DEX、Perp DEX、借贷等各类defi项目，还是预测市场，它们都有一个共同点： 产品本身并不稀缺，稀缺的是持续做出正确决策的能力。 这正是 AI 最擅长的地方。 在 Perp DEX 里，真正决定长期收益的从来不是开仓按钮，而是风控、仓位管理、策略组合和执行效率。 市场中判断力本身就很稀缺，但更稀缺的是——稳定、可复用、可放大的判断力。AI 不是取代人，而是把少数人的判断力，变成可以被组合、被放大的资产。 协议决定下限，智能化决定上限。 AI × 交易/资产管理，或许正是Web3下半场里，一个更现实、也更值得下注的方向。 写在最后 回头看，这个行业辜负过谁吗？ 是那些满腔热血、想改变世界的人， 还是那些想一夜暴富的人？ 这个行业好像辜负了很多人，也好像并没有辜负任何人。 它只是比我们想象的，开始更慢，也更冷静。 Web3 的下半场， 不再奖励第一个讲故事的人， 而是奖励那些真正理解系统如何运转、 也愿意为长期结构负责的人。 如果你对交易、流动性和长期主义的事情感兴趣， 而不是只想赶一波叙事红利， 那么也许—— 现在反而是一个更安静、也更诚实的起点。

The biggest bottleneck in the creator economy isn’t creativity — it’s the lack of a system that transforms insights into scalable value. Creators generate thousands of ideas: hot takes, predictions, opinions, frameworks. But most of them disappear into the feed within minutes. Zero structure. Zero longevity. Zero value capture. What if a creator’s opinion could become: - a structured signal - a community interaction layer - a measurable market - and an economic asset?

Huge thanks to everyone who joined our AI x Web3 Stanford University Tour with the @solana Foundation and @OnePieceLabs . Loved sharing stories around building and investing. Excited for what’s ahead with Nextmate.fun — stay tuned.

Influence as an Asset: The Future of KOL Monetization 1. The Essence of KOL Monetization in Web3 At its core, a KOL’s value comes from three things: attention, trust, and the ability to turn influence into value. - Attention: people actually spend time following you. - Trust: people believe your judgment is real and reliable. - Convertibility: that trust can be turned into action, purchases, or other measurable outcomes. In other words, KOL monetization is really about turning trust and influence into something people can trade or invest in. 2. Why Traditional Models Fall Short The takeaway: influence is poorly priced, fan participation is underutilized, and platforms control all settlement and liquidity. 3. Nextmate.fun’s Core Idea Opinions are assets. Influence can be marketized. Instead of measuring value by “content” or “follower count,” we measure it by conviction — how strongly an opinion is believed. Why this matters: 1. A KOL’s real asset is their judgment. 2. Markets have fuzzy signals on what’s “right.” 3. We provide a mechanism to turn influence into a tradable, priceable signal. Every opinion a KOL publishes becomes a conviction pool — basically, a market for that opinion. Fans can join early, take positions, and profit if their judgments are correct. Early participation gets better entry prices. Both KOLs and fans can earn based on the accuracy of opinions. This is why the real innovation of Nextmate.fun isn’t just a “prediction market” wrapper. It’s about making influence liquid and tradable. Influence is no longer just soft power — it’s an investable, monetizable asset.

The real power of creators comes from their fans’ participation and shared belief. Nextmate.fun is coming!

What matters most in an AI Agent for creators? As someone who’s been creating content for 6+ years, here are my thoughts 👇 The era of traffic dividends on social platforms is over. The real moat for creators isn’t occasional viral hits—it’s the ability to consistently produce valuable content. The problem with today’s AI tools Most AI content feels the same: generic, soulless, “AI-flavored.” Not a tech issue—but a misunderstanding of what creators truly need. What creators actually want: - AI that writes like me, not like everyone else - A voice that readers instantly recognize as mine - Identity, not templates Influxy’s approach After 20+ iterations, we found the key is not speed but style modeling: 1. Language habits (tone, rhythm, phrasing) 2. Thinking patterns (logic & structure) 3. Emotional style (humor, intensity, warmth) Because the real battle is personalization vs. standardization. Generic AI makes everyone sound alike. The future belongs to those with a unique voice. My prediction Creators will split into two groups: 1. Distinct personal IPs — with unique voices & deep thinking 2. Standardized content producers — replaceable by generic AI Which side you’re on depends on whether your AI tool can truly extend your voice. At Influxy, our goal is simple but ambitious: To give every creator their own AI Agent— not a template, but a partner that understands your DNA. AI shouldn’t erase your voice. It should extend your identity as a creator.

Many people say AI products don’t really have a moat. Here’s my take. More and more people realize that general-purpose AI agents aren’t widely used. So where does the moat for an AI product actually lie? I see two core aspects. First is deep vertical specialization. General AI is easy to copy, but AI that deeply understands a specific industry is different. - Legal: Harvey isn’t just a chatbot—it understands case logic, document structures, and compliance requirements. - Finance: Intelligent compliance review knows rules and audit flows. - Supply chain: Demand forecasting and production AI understands SKUs, delivery cycles, and exception handling. - Content & social: Influxy helps KOLs quickly generate content, manage brand style, and intelligently match partnership opportunities. - Healthcare: Diagnostic AI must master medical terminology, pathology logic, and regulatory requirements. Second is deep workflow integration. The moat isn’t in the AI itself—it’s in embedding it into daily workflows. Once AI becomes indispensable, the cost to replace it is high. It can connect upstream data sources with downstream execution systems, act as a role collaborator, form trigger-feedback loops, or combine models, retrieval, rule engines, and function calls into a maintainable “business chain.” The biggest trap in AI product development is building just a UI wrapper. True moats come from deeply understanding industry pain points, seamless integration with systems, and securing a unique position in the ecosystem. To judge if an AI product is truly building a moat, look for signals: Does it deliver measurable value—improving efficiency, reducing errors, shortening processes, increasing conversions or revenue? Is it truly needed in the workflow, not just “nice to have”? Does it get smarter and more cost-effective with use? #AIstartup #VerticalAI #Moat #Workflow #DataNetworkEffects #ContentAI #KOLTools