扫描下载APP
其它方式登录
文章汇总了EigenLayer、Falcon Finance和Kamino三个项目本周的代币解锁情况，包括各自解锁数量与金额，并简述其协议定位：EigenLayer聚焦以太坊再质押安全扩展，Falcon Finance提供通用抵押基础设施，Kamino则基于集中流动性做市机制提升资本效率。
荷兰区块链周活动聚集全球区块链开发者，WEEX Labs参与并探讨AI与加密技术融合，推动跨领域合作与创新生态发展。
文章探讨世界杯作为场景入口，推动Web3钱包向Agentic Wallet演进：AI Agent不再仅是聊天助手，而是理解用户自然语言意图、拆解链上操作路径的交互中介；钱包角色从功能菜单转向意图解释器，并需在效率与安全间建立清晰授权边界，强调用户对Agent行为的可见性、可控性与可撤销性。
伯恩斯坦研报指出AI正从聊天机器人时代迈入智能体（agentic AI）时代，CPU在数据中心中从GPU配角跃升为主角，驱动服务器CPU可寻址市场2030年达2230亿美元，较2025年增长6倍；报告看好海光信息、AMD、Arm等CPU相关厂商，强调CPU在任务编排、调度与能效中的核心作用。
文章分析生成式AI发展三年半以来的市场分歧与泡沫争议，指出当前已进入第四轮质疑周期，核心矛盾在于巨额资本开支持续攀升、现金流恶化与实际产出回报不匹配，同时Agentic AI新范式虽打开算力需求空间，但token调用虚高、企业ROI不明朗、巨头估值透支未来等问题构成三道深层裂缝。
AI产业正经历从实验室技术到企业自动化的转变，智能体成为核心共识，同时面临监管收紧和成本下降的双重挑战。
GitHub 在 2026 年因 AI Agent 流量激增遭遇频繁宕机与架构危机，单周代码提交量达 2.75 亿次（年化增长 14 倍），远超原有基础设施承载能力；核心问题在于人类协作系统被 AI 自动化工作流重构，导致认证数据库过载、服务紧耦合、流量保护缺失，并倒逼 Copilot 从订阅制转向按用量计费。
文章系统阐述了Agentic Engineering（智能体工程）这一新型开发范式，作者通过个人实践展示如何利用AI Agent重构软件开发与知识工作流程：以plan.md为核心进行结构化规划，用语音输入、多会话并行、Claude与Codex分工协作、上下文增强（笔记/会议/代码库）、可复用技能沉淀等方式提升生产力，并反思执行成本下降后人类价值应转向问题定义、方向判断与最终决策。
智谱与MiniMax同为港股上市的中国大模型公司，营收规模和亏损水平相近，但截至2026年5月29日，智谱市值达7000亿港元，远超MiniMax的2634亿港元，差距超4000亿港元。市场估值分化主因叙事差异：智谱被锚定在Agentic AI和编程能力主线，获高溢价；MiniMax虽用户增长快、海外拓展强，但缺乏聚焦交易主题，估值相对承压。
文章探讨Agentic Economy（智能体经济）时代的核心瓶颈并非AI模型能力，而是面向高频、小额、自动化机器间交易的结算基础设施。AEON作为代表性创业公司，基于稳定币和x402等协议构建AI Agent专属结算层，已实现超3.4亿美元交易额，覆盖20个新兴市场、5000万商户，并获800万美元融资，致力于解决身份错配与规模错配问题，推动AI自主支付落地。
Ondo Finance创始人兼CEO Nathan Allman意外离世，其推动的现实世界资产（RWA）代币化战略——尤其是美债、美元收益资产及美股ETF链上化——面临传承考验；总裁Ian De Bode接任CEO，凭借传统金融与机构服务背景，有望延续产品落地与合规扩张路径，项目将接受从‘创始人驱动’向‘可持续金融基础设施’转型的压力测试。
Ondo Finance创始人兼CEO Nathan Allman意外离世，其推动的现实世界资产（RWA）代币化战略——聚焦美债、美元收益资产、股票及ETF上链——面临传承考验；总裁Ian De Bode接任CEO，凭借传统金融与机构服务背景，有望延续产品落地与合规扩张路径，短期情绪承压，中长期取决于业务连续性与机构合作进展。
Ondo Finance创始人兼CEO Nathan Allman意外离世，其生前推动代币化现实世界资产（RWA）发展，成功将美国国债、美股及ETF代币化并接入传统金融基础设施，与SEC达成监管共识，获DTCC、贝莱德、高盛等机构合作；公司由已实际履职两年的总裁Ian De Bode接任，组织延续性较强。
马克·库班对比特币态度历经三次反转：2019年公开质疑其价值，2021年转为高配比特币并积极推广加密应用，2021年因Iron Finance暴雷受挫，2025年因美伊冲突期间比特币未如预期对冲风险而清仓八成持仓，反映其投资决策高度依赖短期宏观事件与价格表现。
Codex的/goal模式结合GPT-5.5 High与Fast Mode，在机械可解释性研究任务中仅用1小时56分钟完成博士需80小时的工作，效率提升40倍，标志AI已具备目标驱动、自主拆解与循环迭代的科研能力，预示AGI实际落地及递归自我改进加速到来。
