137Labs

RWA賽道在2026年持續擴大規模，真實世界資產上鍊從實驗階段走向生產級應用。Centrifuge作爲crypto-native平臺，專注於構建完整onchain資產管理基礎設施，幫助資產管理者、企業與DeFi協議實現tokenization、流動性和收益閉環。該平臺TVL已超過18億美元，代幣化資產數量突破1768個，並通過近期一系列合作進一步擴大影響力。
本文系統梳理Centrifuge從早期到當前的增長路徑，提煉核心動作與實戰方法論，同時通過專業維度對比分析同賽道代表項目，爲Web3項目在RWA領域提供參考框架。

Robinhood Chain 引爆加密圈：爲什麼 dYdX 一天暴跌40%？
2026 年 7 月，Robinhood 在英國倫敦舉辦了主題爲 《The World is Flat》 的全球發佈會，正式宣佈 Robinhood Chain 公共主網上線。與此同時，公司還一口氣推出股票代幣（Stock Tokens）、鏈上借貸（Robinhood Earn）、AI Agent 自動交易、鏈上永續合約等一系列產品，並同步公佈全球業務擴張計劃。官方將此次發佈稱爲公司迄今爲止“最具雄心的全球化與產品戰略”。

7月初，一則關於Meta正在籌建AI雲計算業務、計劃向外部客戶出售AI算力的消息，讓整個AI基礎設施板塊經歷了一次罕見的劇烈波動。市場的反應頗具戲劇性：Meta股價大漲，而CoreWeave、Nebius等AI算力租賃公司卻遭遇重挫，AMD、美光、閃迪、ASML、臺積電、三星電子、SK海力士等幾乎整個AI硬件產業鏈也同步下跌。表面上看，這只是科技公司增加了一項新的業務，但資本市場真正交易的，並不是Meta是否準備賣GPU，而是一個更深層的問題——AI產業過去兩年賴以成立的底層邏輯，是否正在發生變化。

第一章 灰度重新研究 Solana，釋放了什麼信號？
過去幾年，每當市場提及 Solana，最先想到的往往是兩個關鍵詞——高性能和Meme。
作爲上一輪公鏈競爭中的代表性項目，Solana 憑藉高吞吐、低手續費和快速確認等優勢迅速崛起，也因 BONK、dogwifhat（WIF）、Pump.fun 等現象級應用，成爲上一輪 Meme 熱潮最活躍的生態之一。然而，這種標籤也在一定程度上掩蓋了 Solana 生態更深層次的變化。

最近一兩週，美股市場波動明顯加劇。內存芯片板塊先因美光強勁財報帶動反彈，隨後蘋果產品漲價傳聞與SK海力士赴美融資擴產消息引發回調擔憂。美聯儲6月會議維持利率不變卻釋放鷹派信號，進一步加劇投資者對高估值板塊的謹慎情緒。
本文回顧近期核心事件及其市場影響，並詳細梳理7月重點動態，爲關注美股的投資者提供實用參考。
近期事件覆盤：供給旺盛與需求隱憂並存

2026年6月底，Chainalysis 對外公佈了一套名爲《Blockchain Tracing Ontology（區塊鏈追蹤本體）》的數據框架，希望爲區塊鏈分析建立更加統一的數據描述體系。相比過去發佈的新產品或新功能，這份文件更像是一項行業標準倡議：它試圖重新定義鏈上數據分析的基本概念，併爲區塊鏈追蹤建立一套可解釋、可驗證、可復現的數據模型。
這份提案發布後，很快成爲區塊鏈分析和數字資產合規領域關注的話題。儘管目前仍屬於公開討論和行業倡議階段，但它已經讓人們開始重新思考：鏈上分析是否需要一套更加統一、透明的數據標準。

2026 年 6 月 26 日，OpenAI 发布 GPT-5.6 系列模型，推出旗舰模型 Sol、均衡模型 Terra 和高速低成本模型 Luna。与以往单一旗舰模型发布不同，这一次 OpenAI 明显采用了更加成熟的产品矩阵思路：不是只推出“最强模型”，而是同时覆盖高性能、均衡成本和高吞吐三类需求。
根据 OpenAI 官方说明，GPT-5.6 系列重点提升了软件工程、计算机操作、专业知识工作、科学研究和网络安全等能力。目前该系列处于有限预览阶段，通过 API 和 Codex 向少量可信合作伙伴开放，尚未在 ChatGPT 中全面可用。
从一款模型，到一个家族
过去几年，OpenAI 的模型迭代大多围绕单一核心模型展开。即便存在 mini、turbo 或不同推理版本，本质上仍是围绕一个旗舰能力进行延展。
GPT-5.6 的不同之处在于，它一开始就被设计成一个三层模型家族。
Sol 是旗舰模型，面向高难度推理、复杂代码、科研分析、网络安全和长周期 Agent 任务。它承担的是“最强大脑”的角色，适合那些错误成本高、任务链条长、需要深入判断的场景。
Terra 是中端均衡模型，定位类似企业日常主力模型。它不一定追求极限能力，但在性能、稳定性和成本之间取得平衡，更适合知识库问答、办公自动化、企业内部助手、代码辅助、文档处理等高频任务。
Luna 则强调速度和成本效率，适合高并发、大规模、低延迟的应用场景，例如客服机器人、内容分类、批量摘要、实时互动和轻量级自动化流程。
这种设计说明 OpenAI 正在从“模型公司”进一步转向“AI 基础设施公司”。它不再只告诉市场“我有一个最强模型”，而是开始回答企业真正关心的问题：不同业务、不同预算、不同响应速度要求下，应该调用哪一种模型。
为什么是 Sol、Terra、Luna？
这次命名也值得关注。
Sol、Terra、Luna 分别对应太阳、地球和月亮。相比 GPT-4o、o3、o4-mini 这类技术编号，这种命名更具产品感，也更容易被非技术用户理解。
Sol 象征最高能力和核心引擎；Terra 代表稳定、广泛、可靠的中间层；Luna 则暗示轻量、快速、低成本。
这背后其实是一个重要变化：大模型正在从工程师主导的技术产品，变成企业采购、开发者部署和普通用户都能理解的产品体系。
过去用户问的是：“哪个模型最强？”
未来用户问的可能是：“这个任务该用 Sol、Terra 还是 Luna？”
这就像云计算时代，用户不会永远选择最贵的服务器，而是根据任务选择 GPU 实例、CPU 实例、存储优化实例或边缘节点。AI 模型也正在进入类似的资源调度时代。
AI 产品开始进入“分层时代”
OpenAI 的三模型策略并不是孤立事件，而是整个行业的共同趋势。
Anthropic 的 Claude 系列采用 Opus、Sonnet、Haiku 分层；Google Gemini 也有 Ultra、Pro、Flash 等不同定位。OpenAI 推出 Sol、Terra、Luna，意味着头部大模型公司基本都完成了从单一旗舰竞争到模型矩阵竞争的转型。
这说明大模型行业已经越过“单点炫技”阶段，进入“工程化落地”阶段。
在早期，大模型竞争主要看排行榜、上下文长度、推理能力、代码能力和多模态表现。但企业真正部署时，还会考虑更多现实问题：调用成本、延迟、稳定性、吞吐量、权限管理、安全审计、缓存机制、工具调用能力和部署合规。
因此，未来最有竞争力的厂商，不一定只是单项能力最强的厂商，而是能同时提供“旗舰能力 + 成本效率 + 工程可靠性”的平台型公司。
GPT-5.6 的三模型结构，正是这种趋势的体现。
Agent 成为 GPT-5.6 的核心方向
GPT-5.6 最值得关注的方向之一，是 Agent 能力的继续增强。
过去，大模型主要是“问答工具”：用户提出问题，模型生成答案。但 Agent 的目标不同，它不仅要回答问题，还要规划任务、调用工具、操作软件、检查结果、修正错误，并在多个步骤中持续推进目标。
OpenAI 官方提到，GPT-5.6 系列在软件工程、计算机使用和专业知识工作方面有所推进，这些能力正是 Agent 落地的基础。
这意味着，未来 AI 的核心价值不只是“写一段话”或“生成一段代码”，而是完成一个完整工作流。
例如：
用户不再只是让 AI 写邮件，而是让 AI 读取上下文、整理资料、拟定方案、生成邮件、检查措辞，并在用户确认后发送。
开发者不再只是让 AI 写函数，而是让 AI 理解代码库、定位 bug、编写补丁、运行测试、解释改动，并提交合并请求。
安全团队不再只是让 AI 分析漏洞，而是让 AI 协助审计代码、生成修复建议、验证补丁影响，并输出风险报告。
这类任务对模型的要求远高于普通聊天。它需要更强的长期规划能力、更稳定的工具调用能力、更好的上下文管理，以及更低的错误累积率。
因此，GPT-5.6 的真正意义不只是“回答更聪明”，而是更接近“能持续工作”。
推理能力继续增强
近年来，大模型能力提升的主线，已经从简单语言生成转向复杂推理。
GPT-5.6 被定位为面向软件工程、科学研究、专业知识工作和网络安全的模型系列，这些场景都有一个共同特点：问题不是简单问答，而是需要多步骤判断。
例如，软件工程任务往往要求模型理解代码库结构、识别依赖关系、推断错误来源、生成修改方案，并避免引入新 bug。
科学研究任务则要求模型能够阅读复杂材料、处理假设、比较证据、设计实验思路，甚至辅助进行数据分析。
网络安全任务更复杂，因为模型既要帮助防御方提升能力，又必须避免被滥用于攻击行为。OpenAI 的系统卡显示，GPT-5.6 系列在内部网络安全评估中表现很强，因此安全控制和访问限制成为这次发布的重要背景。
这也说明一个现实问题：模型越强，开放方式越复杂。
过去模型能力有限，风险主要集中在错误信息、偏见、幻觉和内容安全。但当模型开始具备更强的代码、网络安全、自动化和工具调用能力时，它就可能影响真实系统。因此，前沿模型的发布不再只是产品问题，也变成了安全治理问题。
成本成为企业竞争的新焦点
GPT-5.6 的另一个重点是成本结构。
根据 OpenAI 官方价格信息，GPT-5.6 按每百万 tokens 计费：Sol 为 5 美元输入 / 30 美元输出，Terra 为 2.5 美元输入 / 15 美元输出，Luna 为 1 美元输入 / 6 美元输出。官方还提到更可预测的 prompt caching 机制，包括显式缓存断点和最低 30 分钟缓存生命周期。
这说明 OpenAI 很清楚企业客户的痛点：真正大规模使用 AI 时，成本不是小问题，而是决定产品能否商业化的核心因素。
一个 AI 应用在 demo 阶段可能只需要调用几百次模型，但进入真实业务后，调用量可能是每天几十万次、几百万次甚至更多。此时，如果所有任务都调用旗舰模型，成本会迅速失控。
因此，三模型结构的价值在于任务分流。
高价值、复杂、低频任务交给 Sol。
日常办公、知识问答、代码辅助交给 Terra。
高频、简单、实时任务交给 Luna。
再配合 prompt caching，企业可以将固定系统提示、长文档上下文、常用规则和知识库内容缓存起来，降低重复输入成本。这对 Agent、企业知识库和长上下文应用尤其关键。
换句话说，GPT-5.6 不只是模型升级，也是在推动 AI 应用从“能用”走向“可规模化经营”。
为什么暂时无法体验？
这次 GPT-5.6 并没有立即向所有用户开放，而是采取有限预览。OpenAI 帮助中心明确说明，预览期间 GPT-5.6 可通过 API 和 Codex 提供给有限可信合作伙伴，但暂时不在 ChatGPT 中开放，并计划在未来几周逐步扩展。
这次限制开放与美国政府对前沿 AI 模型的安全审查有关。Axios、Financial Times、The Guardian 等报道均提到，GPT-5.6 的访问目前受到政府相关要求影响，开放范围较窄，尤其关注网络安全与潜在滥用风险。
这反映出 AI 行业正在进入一个新阶段：顶级模型发布不再只是企业自主决定，还可能受到国家安全、网络安全和产业政策影响。
OpenAI 的态度也比较微妙。一方面，它配合有限发布，说明公司承认前沿模型确实需要更谨慎的部署方式。另一方面，OpenAI 也不希望这种政府审批机制成为长期默认模式，因为过度限制可能影响开发者、企业和防御型安全团队获取先进工具。
这其实是未来 AI 治理的核心矛盾：
如果开放太快，可能带来安全风险。
如果限制太严，又可能削弱创新和防御能力。
GPT-5.6 的发布方式，很可能成为未来前沿模型发布机制的一个重要案例。
未来的大模型竞争，将从模型转向平台
GPT-5.6 的意义，不仅在于模型能力的提升，更重要的是它反映出 OpenAI 的发展方向已经发生变化。
未来竞争的重点，不再只是模型参数、跑分或排行榜，而是：
· 是否拥有完整的模型产品矩阵；
· 是否具备成熟的 Agent 能力；
· 是否能够提供稳定、安全且成本可控的企业解决方案；
· 是否形成覆盖开发者、企业和普通用户的完整生态。
随着 Sol、Terra、Luna 的推出，OpenAI 已经从”发布一个更强模型”迈向”构建一个完整智能平台”。
对于整个 AI 行业而言，这也意味着大模型的发展正进入新的阶段 — — 模型不再只是技术成果，而成为支撑未来数字基础设施的重要组成部分。

一、RWA 火了，但爲什麼大多數項目沒有真正增長？
過去兩年，RWA 幾乎成爲加密行業最確定的主線之一，BlackRock、Franklin Templeton、Apollo、WisdomTree 等傳統金融機構不斷推動基金、國債、信貸、商品等資產進入鏈上世界，市場也普遍期待 RWA 能夠把傳統金融中巨大的資產規模引入加密生態，但如果從用戶增長和鏈上活躍度來看，很多 RWA 項目的實際表現並沒有完全兌現這一敘事，因爲它們解決的是「資產能否被代幣化」的問題，卻沒有真正解決「資產代幣化之後是否有人願意使用」的問題。

美光科技 Micron Technology 在 FY2026 第三財季交出了一份遠超傳統存儲器週期想象力的成績單。對於資本市場而言，這不僅是一季“超預期財報”，更像是一次對 AI 基礎設施投資強度、HBM 供需關係、DRAM 定價權以及存儲行業供給紀律的集中驗證。
公司本季營收達到 414.6 億美元，GAAP 淨利潤爲 282.4 億美元，調整後每股收益爲 25.11 美元；調整後自由現金流達到 183 億美元。高營收、高利潤率與強現金流同時出現，意味着盈利改善並非僅由會計口徑或一次性項目推動，而是價格、產品結構、出貨量和經營槓桿共同作用的結果。

當AI算力競賽進入深水區，市場早已不滿足於“誰能做出更強的芯片”。投資者真正關心的問題變成了：誰能拿到大客戶，誰能交付足夠多的算力，誰又能把高增長真正變成高利潤。
在這樣的背景下，Cerebras Systems（NASDAQ: CBRS）的首份上市後財報，自然被放在了聚光燈下。 從表面數據看，這是一份頗具衝擊力的成績單：季度營收接近2億美元，同比增長接近翻倍；訂單儲備達到約246億美元；下一季度收入指引也高於市場此前預期。對於一家剛剛進入資本市場、主打AI芯片與推理算力服務的公司而言，這些數字足以證明它並非只有技術故事，而是已經開始獲得真實商業需求。

引言：一個時代的權力轉移
2026年6月22日，對於韓國資本市場而言，是一個極具象徵意義的日子。這一天，SK海力士的市值首次超越三星電子，成爲韓國證券市場最具價值的上市公司。對於普通投資者來說，這或許只是資本市場排行榜上的一次名次變動；但對於長期關注全球科技產業的人而言，這一事件所釋放出的信號遠比數字本身更加重要。因爲在過去二十多年裏，三星電子不僅是韓國經濟的象徵，更是整個亞洲科技產業最具代表性的企業之一。無論是在智能手機、半導體、消費電子還是全球品牌影響力方面，三星都長期佔據着難以撼動的領先位置。

6月22日，trade.xyz 在 Hyperliquid HIP-3 市場正式上線 ZHIPU-USDC 永續合約。該合約支持最高10倍槓桿並實現全天候交易。這標誌着 trade.xyz 接入的第二隻港股標的落地，第一隻爲 MINIMAX（Xi Yu Technology / MiniMax Group，HK:0100），於2026年6月18日上線。
快速瀏覽：本文從 ZHIPU 公司背景與 GLM-5.2 技術突破入手，詳解 trade.xyz 合約機制與早期表現，對比 MINIMAX，分析多重驅動因素，進而探討 Hyperliquid HIP-3 生態佈局，最後展望鏈上多元資產定價的長期潛力。這一動作連接了中國領先 AI 企業的技術突破、港股市場表現與鏈上衍生品的高效流動性，爲全球參與者提供了一種便捷方式來獲取中國 AI 相關敞口。

2026年6月22日，Marvell Technology正式成爲標普500指數成分股，這一事件表面上看只是一次指數成分股調整，但放在AI基礎設施投資週期、美國半導體產業重估以及資本市場被動資金配置機制的背景下，它更像是Marvell從傳統通信芯片公司向AI數據中心核心供應商轉型後獲得的一次階段性確認。對於Marvell而言，進入標普500不僅意味着公司獲得了美國主流資本市場的“藍籌身份”，也意味着投資者對其未來增長、盈利穩定性和行業地位的要求會明顯提高，因此這一事件既是里程碑，也是一場新的壓力測試。

2026年6月美聯儲議息會議表面上是一場“按兵不動”的會議，因爲聯邦公開市場委員會最終選擇將聯邦基金利率維持在3.50%至3.75%的區間不變，這個結果本身並不意外，也基本符合市場在會議前的主流預期，但真正值得重視的是，美聯儲這一次雖然沒有立刻加息，卻通過經濟預測、點陣圖變化、聲明措辭調整以及新主席凱文·沃什的首次亮相，向市場傳遞出一個非常清晰的信號：美國貨幣政策已經不再圍繞“何時降息”展開，而是重新回到了“是否還需要加息以壓制通脹”的討論框架之中。

前言：
在過去十年的全球SaaS發展史中，Notion是一個非常值得反覆研究的案例，因爲它並不是那種依靠單點功能突破、短期流量爆發或者強銷售體系堆出來的公司，而是通過一套非常複雜但又自然生長的增長系統，從一個小衆效率工具逐漸演化成全球知識管理、團隊協作和工作流搭建平臺。很多產品在增長早期依靠新鮮感獲取用戶，但隨着用戶興趣消退、替代品增多和獲客成本上升，很快就會進入增長瓶頸，而Notion真正特別的地方在於，它並沒有把增長建立在單一渠道上，而是把產品體驗、模板生態、用戶社區、內容傳播和企業協作需求編織成了一張彼此強化的網絡。

導言
2026年6月，日本央行宣佈將政策利率提高至1%，這是日本自1995年以來首次將政策利率提升至這一水平。從絕對數值來看，1%的利率在全球主要經濟體中並不突出，美國聯邦基金利率目前仍維持在4%以上，歐洲主要經濟體的政策利率同樣高於日本，因此如果單純從數字層面觀察，日本的加息似乎並不足以引發全球市場如此廣泛的關注。然而金融市場歷來關注的並非利率水平本身，而是利率所反映出的政策方向和經濟週期變化。對於一個長期處於零利率甚至負利率環境中的經濟體而言，利率從負值逐步上升至1%，意味着支撐其經濟運行長達三十年的貨幣政策框架正在發生深刻變化。

週五清晨，全球資本市場屏息等待納斯達克的鐘聲響起。SpaceX 以 135 美元固定發行價完成史上最大 IPO，募資 750 億美元。開盤價直奔 150 美元，盤中最高衝至 176.52 美元，最終收於約 161 美元，單日漲幅達 19.22%。市值瞬間突破 2.1 萬億美元，Elon Musk 個人財富隨之躍升至萬億富翁行列。這場“火箭級”首秀不僅刷新歷史紀錄，更在短短几天內將市場情緒從狂熱推向週末後的深度審視。

過去一年，具身智能無疑已經成爲全球科技產業最受關注的方向之一。從美國的Figure AI、Physical Intelligence，到中國的智元機器人、銀河通用，資本市場、產業界和學術界幾乎都在圍繞同一個問題展開競爭：誰能夠率先構建出真正意義上的通用機器人智能系統。相比於過去依賴固定程序和預設規則運行的機器人，下一代機器人需要具備理解環境、預測未來、規劃行動以及持續學習的能力，而這恰恰意味着機器人產業的競爭正在從硬件逐步轉向“大腦”。