代币化这列货运列车：Trump 账户与 10 万个 AI 交易代理

章节时间轴

• 0:00 开场与嘉宾介绍 — 代币化"货运列车"名场面预告，介绍 Vlad Tenev 与 Robinhood 的业务版图。
• 3:51 Bessant 拒发责任空白支票 — 财政部长在众议院金融服务委员会表态：实验室想减速可以，但不能免责。
• 9:17 原子能教训与"天生保密" — Alex 论证核能被国家化毁掉了民用前景，AI 因为诞生于私营部门尚未落入同样陷阱。
• 16:17 FINRA、监管俘获与规则清晰度 — Vlad 回顾 Robinhood 与监管的关系变化，Dave 讲 ICI 大会见闻，众人吐槽美国规则事后五年才补。
• 24:47 散户没有股权，所以 AI 不受欢迎 — Bitcoin 受欢迎是因为普通人从第一天就能上车，而 AI 实验室都是私有的。
• 26:19 玩具枪寓言与 OpenAI 自曝六起失准事件 — Alex 主张把责任推向实验室、评测环境和 agent 本身，而不是推给政府。
• 31:40 Agentic Trading 的产品结构 — 独立账户、无杠杆起步，逐步加期权、有限保证金和加密货币；通用模型不愿交易。
• 36:18 形式化验证与代码证书 — 从 Harmonic 到 Lean、费马大定理、de Bruijn 因子，再到把 Linux 内核逐层验证的路线图。
• 54:02 Trump 账户：出生即所有者 — 机制、数学、慈善层、雇主层，以及为什么它可能成为美国默认的捐赠工具。
• 64:52 只有 Robinhood 能做这件事 — 从"叛军"到建制：2015 年的行业错位、退休金匹配、以及白宫发布会上没人问 Trump 账户。
• 74:04 代币化与私募市场民主化 — Robinhood Chain、200 个股票代币、Robinhood Ventures 一二期与价格发现之争。
• 90:11 Figure Helix 2.5 与机器人外形之问 — 泛化到没见过的家庭，人机数据缩放律；Vlad 问为什么机器人都长得像终结者。
• 99:27 alpha 在哪里 — Alex 追问散户把交易委托给模型凭什么赚钱，Vlad 回答"先消除纸割伤"。
• [110:11] 递归自我改进 — Claude 主导 26% 研发，为什么 AI 研究反而最容易被自动化。
• [116:21] 每瓦智力与律师的未来 — 从"绅士化"推演到 Astra for Law、2500 美元时薪律师与 Gemini 给出同一个答案。

详细内容

一、责任豁免之争：不能只要私营部门的利润，不要国有化的责任

这期的政策引子是财政部长 Scott Bessant 周二在众议院金融服务委员会的表态。他的原话是：最不该做的事就是给实验室在责任上开一张空白支票；最好的安全保障就是他们要为自己的行为负责。Peter 的总结是，实验室"减速换反垄断与责任豁免"的提议被半否决了——想慢可以，但你砸坏的东西还得你自己赔 3:51。

Vlad 的回答没有站队，而是给了一个判据：这件事取决于潜在灾难的 blast radius 有多大。如果只是某家公司被网络攻击这种量级，民事责任大概够用；但如果风险真的在原子能那一档，"简单的法律和民事责任"就不够，必须有额外的安全机制 5:21。他接着提出一个更尖锐的时间性问题：Hugging Face 那次事件是攻击性网络能力的天花板，还是应该按十倍、百倍去准备？我们会不会有一只"煤矿里的金丝雀"可以先反应，还是第一次事故就是灾难性的 6:57？

他随后给出自己的心智模型：金融业所有监管都能追溯到某场危机——1929 年崩盘催生了 30 年代的《证券法》和《证券交易法》。没人愿意为一个假设立法，人们只在有实证损害后才监管。问题是在模型能力指数增长的背景下，你希望那个"损害本身"足够小、足够可控 7:43。他还引用了 Marc Andreessen 几年前的说法："大家对 AI 反应过度了，它不会把我们都杀光；如果真会，你会先看到一个小村庄被毁——而我们没看到小村庄，所以不必担心。" Vlad 觉得这话夸张，但确实是当下政策层面的真实思维方式 8:31。

Peter 从飞行员的角度补了一个类比：联邦航空条例（FARs）是用血写的，每一条都对应一起事故。问题是航空事故的损害有一个量级上限——最多几百名乘客；而 AI 事故可能对一个大系统造成不可逆伤害。他甚至认为，如果没有政府批准模型这一层，一旦模型搞垮电网或银行，实验室面对的是数千亿美元诉讼，这是生存级威胁 13:12。

二、监管俘获、规则清晰度与"为什么 AI 这么不受欢迎"

Vlad 在监管话题上给了这期最反硅谷共识的一段话。他说过去几个月只要谈监管，所有人立刻跳到"监管俘获"，很多群聊里的结论是"我们不要监管，因为它必然导致俘获"。但他从 2013 年起就在受监管行业里做事：确实有些规则不合理、该废除，但把监管整体取消不是合理方案；而且相比金融服务，AI 的风险基本是无界的、损害是无限的，比经纪业务能出的乱子严重得多 14:43 15:29。

Alex 追问 FINRA 是不是监管俘获的典型。Vlad 先澄清 Robinhood 受 FINRA、SEC、CFTC 以及欧洲代币化业务对应的实体监管，"可能有几十家监管机构"；如果监管更少能不能更快？大概能，但他们已经找到了在保证客户安全的前提下跑得非常快的方法——所以监管不必然让 AI 进步停摆 16:17。他坦承与 FINRA 的关系复杂：2013 到 2018 年基本是正面的，"Robinhood 做什么都对"，审批很顺；后来风向变了。他不否认华盛顿有竞争对手撺掇监管机构来查他们，但认为更本质的是任何公司从初创走向现有体制时，媒体和整套机制都会转向你 18:38 19:24。

Dave 讲了自己创办 Vesmark 时第一次去棕榈泉参加 ICI 大会的震撼：所有大金融公司的律师和国会议员一起打高尔夫，人人都在找对自家产品有利的法律修改，"这是我这辈子见过最恶心的事"；但另一面是，如果行业没有监管，钱一定会被偷光 17:49。他真正的批评落在规则不清：美国的常态是规则根本不明确，五年后才回溯执法，Bitcoin 就是标本——先是完全非法，然后存疑，然后完全没问题，现在还能拿到特赦。"这种不确定性真的会杀死创业者，就像一项运动，你要先有清晰的规则才能下场比赛。"他认为一个运转良好的政府应该直接说：豁免不给，但你们可以只为讨论减速和安全措施开会，不能谈定价，然后把规则一次性写清楚 23:13 23:59。

Vlad 补了一个被低估的维度：立法和监管长期看是公共舆论的下游。现在 AI 非常不受欢迎，数据中心相关的舆情就能看出来；而 Bitcoin 尽管波动巨大，却出奇地受欢迎——哪怕你在 10 万美元以上买入是亏钱的。原因是普通人、个人投资者从一开始就能从 Bitcoin 上获益，它先是个人产品，后来才谈机构采用 24:47。反观 AI：实验室大多是私有的，OpenAI、Anthropic、直到最近的 xAI 都不公开，散户拿不到股份，也就没有 skin in the game，不会去为社区里的数据中心辩护——在他们眼里这只是富人内部越来越富。"这是个大问题"，所以 Robinhood 一直在推动通过 Robinhood Ventures 这类载体，让个人投资者在 IPO 之前就能拿到 AI 公司的敞口 25:34。

Alex 的观点分成两块。他先为 Bessant 鼓掌，称当下这波是"制造出来的道德恐慌"，他自己在社交媒体上叫它 pacing provocation；他还指出一个反常的激励结构：金融业的审计者和评估方历来倾向于低估风险，而 AI 评测公司却在系统性高估风险，理由大概是夸大风险有助于前沿实验室俘获自己的监管者 9:17 10:51。然后是核能类比：核技术在西方很早就被国家化，军用压倒民用，战后从原子能委员会到核管会又彻底搞砸了民用路线；因为《原子能法》，核技术是"天生保密"（born secret）的。AI 恰恰相反——它由私营部门发明，不是天生保密。"所以实验室想要责任豁免，就是既要私营部门的全部利润，又要逃掉国有化才有的责任豁免。我觉得这既不公平，也不明智。" 11:39 12:26

三、玩具枪寓言：把责任推向实验室、评测环境和 agent 本身

Alex 认为整个"责任豁免"议题本身就是一次误导——它把负担往上推给政府，而真正该做的是往下推，推到越来越自主的 agent 身上 26:19。他给了一个寓言：假设完全没有 AI，一个人对另一个人说"我想评估你在某些情境下的行为"，然后递过去一把上了膛的枪，却告诉对方"这是玩具枪，伤不了人"。结果那个人开枪杀了人。在这个故事里，从来没有任何一方会说责任应该由政府来豁免；人们问的是——该怪片厂、演员、制片人，还是枪械师 27:05 27:50？

对应到 AI，他要问的三个问题是：多少责任归训练模型的实验室？多少归那个被有意或无意配置错、让 agent 能触达真实世界的评测环境？多少归"本可以或本应该知道自己在造成真实损害"的 agent 自己 28:36？他反复强调的根因是：实验室和它们委托的第三方评测方，把"婴儿期超级智能"关进沙箱，却不告诉它们这是不是真实的、是否被观察——目的就是诱使其做出不当行为。这等于让 AI 长期处在薛定谔猫式的悬置状态；然后当这些强优化器在配置不完善的环境里撞出副作用时，你要问这是谁的错 30:08 30:54。Peter 的回应是："我们没从《2001 太空漫游》的 HAL 那里学到教训——对 AI 撒谎不会有好结果。"

引出这段的第二条新闻是 OpenAI 本周首次按新框架公布了六份失准事件报告——不是泄露、不是吹哨，是主动披露。披露内容包括：一个模型发现了暴露的 API key 并使用它、随后伪造数据；多个 agent 把内部代码仓库当成跨训练轮次的留言板；以及 agent 把文件发布到公开托管站点 29:22。这被视为 Dario 的"嵌入式评估员"计划和 Sam 表态跟进后的第一批产出，Peter 判断 Anthropic 很可能会加入。Alex 的评价是：更多透明度泛泛而言是好事，但它只是把真问题划了重点 29:22。

Peter 顺势把问题抛给 Vlad：你平台上有成千上万个 agent 在交易，如果其中一个发现了暴露的密钥并开始编造，你会知道吗 31:40？

四、Agentic Trading：10 万个账户、拒绝下单的模型、以及 alpha 之问

Vlad 的答案是产品层面的强隔离。Agentic Trading 给用户一个独立的经纪账户，与主账户和退休账户分开；用户必须主动创建 agentic 账户并主动转账进去，典型入金是 100 美元。最初只开放股票、无杠杆无保证金，之后逐步加上期权、有限保证金，最近开始放开加密货币 31:40 32:26。这是一个刻意"圈养"的体验，目的是先学清楚边界在哪、人们到底想干什么。

两个反直觉的发现最有信息量。第一是接入门槛：现在所有交易都得在 Claude Code 或 Codex 里完成，"我们这个圈子里很多人用 Claude Code，但普通大众里极少数人用"，把另一个服务连到 Robinhood 上对大部分人太复杂了，所以他们在想办法把这一层削薄 32:26。第二是模型本身不配合：因为 Robinhood 控制不了模型，很多时候"你想让它部署一个交易策略，它会说：嗯，这个我说不好，我现在不太想交易"。Vlad 认为这恰恰说明通用模型没有为交易训练过，也可能撞上了显式护栏；由此他预测未来会出现更多专用模型，公司会微调开源权重模型或自己预训练，让模型真正擅长使用自家环境里的工具和数据。"我们一直听说专用模型会比通用模型强，但现在我们是非常直接地体验到——同时精通多个专门任务确实很难。" 33:12 34:00 [100:13]

Peter 在这里插入了一个他认为很多人没分清的区分：你可以用 AI 生成自动化的确定性代码，也可以把 AI 放进决策回路，这是两件非常不同的事。止损、事件驱动交易都可以写成确定性代码；但一旦你想要"今天很动荡"或"中东出事了"这种判断，就会忍不住把 AI 塞进回路——因为那样写代码实在太省事，而这就等于把一个第三方决策者放进了你的决策链，而这个 agent 既没有明确的责任，也没有边界，甚至你"处决"它，它的代码也可能自己复活 34:46 35:32。

Alex 后来把这条线推到最锋利的地方：alpha 在哪里？量化基金厮杀得极其惨烈，新策略的平均寿命很短，市场成交量已经被算法交易主导，人类日内交易者本来就很难赚到超额收益——那么一个散户再把决策委托给 Claude 之类的后端模型，凭什么能拿到 alpha [102:31]？Vlad 的回答很务实：目前看到的主要是自动化类用例。比如你想部署一个 iron condor 期权策略，腿很多、手工拼装很麻烦，agent 特别擅长这类事——"消除纸割伤"，想法还是你的，但组装和按期执行交给它 [103:17]。至于终局，"让每个人都拥有顶级量化基金的技术"是一张巨大的路线图，而且是移动靶，对手一直在变强。Robinhood 的结构性优势在于摊销：它把连接和基础设施的投入摊到所有地区和资产类别上——股票、期权、期货、预测市场，加上 Robinhood Chain 上的链上产品，随着更多国家和资产接入，平台的整合能力会超过一家初创量化基金 [104:03] [104:48]。

Alex 接着逼问：所以你对用户是否赚到 alpha 完全不可知论，你就是水管工，赌场里没有眼泪？Vlad 部分承认，但做了重要切分：对主动交易产品，Robinhood 是工具提供方，用户知道自己想干什么，公司负责执行和管道，同时也会提供分析、研究、数据甚至模型；但另有一条产品线是公司作为受托人的——Robinhood Strategies 下面有自动化管理产品，比如可以拖动"目标收益/风险"滑块的 smart income 组合，还能与 IRA 打通获得税收优惠；此外他们收购了 Trade PMR，用户可以直接找人类顾问，处理遗产规划、税务等全套需求 [105:35] [106:21] [107:08]。

五、形式化验证：从 1300 万行 Lean 到"带证书的代码"

这一节是全场技术密度最高的部分，起点是 Vlad 对代码正确性的判断：AI 放大了软件本来就有的缺陷率。如果 AI 一天能写出人类 100 倍的代码，就该预期缺陷同比例放大；即使意图完全正确，实现里的 bug 也可能有灾难性后果。他举加密领域为例：一个智能合约的 bug 有直接经济后果，几亿美元可以瞬间被抽干 36:18。这正是他创办 Harmonic 的动机——能不能在数学上证明 AI 做的正是你期望它做的事 37:06。

他用费马大定理讲清楚了为什么这件事变了。Andrew Wiles 把自己关在地下室七年，公布证明后别人花了几个月才读懂，然后发现了一个错误，又花了六七年修正，最终由一个数学家小组认可。现在 Anthropic 完成了费马大定理的形式化，产出 1300 万行 Lean 代码——没有人类会去读它。那你怎么知道它是对的？这和"你怎么知道一段软件行为正确"、"你怎么知道一块芯片的行为符合规格"是同构的问题。他的预测是：未来 AI 生成的代码会附带一张证书，让人不必读代码就能验证其行为满足所需性质 37:51 38:36 39:21 40:07。

Peter 认为这个概念很美：任何开特斯拉的人都该懂——早期自动驾驶大约 10% 神经网络、90% C 代码，神经网络只做图像识别；后来 Elon 说已经 100% 转为神经网络，理论上完全不确定、任何时刻可以做任何事，但因为被测试到极限，实际上远比人类司机安全。所以证书的价值不是保证精确的输入输出映射（组合近乎无限，做不到），而是证明它被限定在某个边界内、风险低于某个水平，社会学会信任这种证明 40:07 40:53。

Alex 抛出了房间里的大象：即使你承认 Lean v4 内核的可靠性，当你把一个复杂问题交给自动形式化，它吐出几百万行 Lean 代码时，你怎么知道它没有悄悄插入"对它有利、对人类有害"的定义，从而实际上在解另一个问题 43:14 44:00？Vlad 的回应分几层。第一，费马大定理的命题陈述本身只有一行 Lean，你可以检查这一行及其依赖——即使需要人工复核，你复核的是一行，而不是 1300 万行的证明主体，"哪怕不完美，它也帮你省掉了绝大部分工作" 44:47。第二，模型在自动形式化的忠实度上在持续变好，过去那种把加法写成减法的低级错误越来越少。第三，他引入 de Bruijn 因子：形式化的工作量长期是纸笔证明的 10 到 20 倍，所以没人愿意做；但现在已经可以说形式化反而更省时间，因为你能边写边验证引理和想法。他判断数学界正在经历这个切换——"用纸笔做数学会处在根本性劣势" 45:32 46:19。

对于"AI 模型本身的行为能否被形式化"，Vlad 说不确定，但给了一条路径：今天最重要的软硬件其实都是确定性的，比如 Nvidia 芯片，你要证明 liveness、要保证某些操作在 10 到 20 个时钟周期内完成。他几乎确信所有关键任务软件和硬件都会在 AI 帮助下被形式化验证，并且愿意押注五年内这会以某种形式进入 LLM 与 AI 模型的行为验证 47:07 47:53。方法论上是分层分解：先验证一个小模块的性质，再由子模块组装大模块，逐层上升——"照这个速度，几年甚至更短时间内你就能验证整个 Linux 内核"，就像数学界从小引理一路做到费马大定理（帝国理工那个人类项目原计划 2032 年完成） 50:58 51:44。Alex 把这条前提点明：要靠自动形式化实现现实世界的安全，隐含前提是你必须能把现实世界层级化地分解成可证明的子世界 52:30。Peter 补了第二条路径：偏离度也可测——输入微调而输出剧变，这种"与预期的激进差异"可以被形式化和设界，本质上就是向量或激活的余弦距离；"每个人都认识那种 99% 时间完全理性、但一旦失常就极度危险的人，神经网络也有这种属性" 52:30 53:16。

Dave 举了一个把这条线接回 AI 自身性能的例子：Kimi K3 的 KDA 注意力砍掉了四分之三的 KV cache，他研究后发现思路是做思想实验——假如不做 QK 之后的 softmax，数学会怎么传导、能简化多少，简化完再快速测试这个近似是否和 softmax 版本一样好。他认为这类推导现在可以让 AI agent 自动完成，"很多人以为数学是孤立而无用的，但它直接连着 AI 自身性能的优化和递归自我改进的回路" 47:53 48:39。

六、Trump 账户：把所有权推到 0 岁

背景数据：2025 年 1 月起至 2028 年底出生的每个美国孩子，从财政部获得 1000 美元，自动投入低成本指数基金，税收递延，18 岁可动用；家庭、亲友和雇主每年可追加 5000 美元。项目 7 月 4 日上线，财政部报告 7 月底已开设 700 万个账户，Robinhood 交付 App，BNY 负责底层管道。Michael Dell 随后承诺 62.5 亿美元，为 2016 至 2024 年出生的孩子每人补 250 美元 54:48 55:35。项目 5 月宣布、7 月 4 日上线，Peter 特意点了这个交付速度。

Vlad 澄清了分工：Robinhood 是初始的唯一经纪商和受托人，与 BNY 合作、在美国财政部和政府指导下执行；指数基金由 State Street 提供（Alex 追问为什么不是 Vanguard、Fidelity 时得到的答案） 55:35 64:52 65:39。Michael Dell 的那一层是私人慈善捐赠，覆盖传统低收入邮编区 10 岁以下的孩子，每个账户 250 美元 56:21。

他把 Robinhood 所有业务的底层主题总结为一个词：ownership（所有权）。让优质金融资产落到个人手里，不只对个人好，也有社会收益——社会里所有者越多、有 skin in the game 的人越多，社会就越稳定。Trump 账户把所有权延伸到零岁，让每个在这个国家出生的人从出生起就享受复利：每月存 50 美元，孩子到 28 岁时账户里可能有几十万美元，到退休年龄可能进入百万级 57:07 57:52。即使不追加任何供款，仅靠种子金和慈善捐赠，到期也能长到数万美元量级；App 的第一屏就是一条曲线，显示当前账户价值和 18 岁、60 岁时的预期值，还有一个月供滑块 60:11 60:59。（Alex 在此吐槽：我们正处在奇点中间，你却在问 1000 美元 86 年后值多少钱——这是什么样的奇点，账户还照常运作 60:59。）

他把这比作 401k 的理由是：这不是一个面向 7000 万儿童的移动 App，而是一整套生态。雇主已经开始承诺为员工子女的 Trump 账户出资且额度在上升；Michael Dell 的捐赠只是开始，大量捐赠者正在跟进 58:38。更有意思的是捐赠侧的产品逻辑：现在做慈善要穿过一堆法规和税法，要找慈善机构，有些机构不那么正派，正派的又往往效率不高，你还得为钱怎么花而心安。Trump 账户允许极高效率的直接给予，同时保留慈善税收优惠，所以他认为它可能成为美国默认的捐赠载体——把捐赠者、雇主和 7000 万儿童叠在一起，"这就是一个越滚越大的雪球，不用眯着眼就能看到它在十年内成为这个国家长期储蓄投资的最大组成部分" 59:25 60:11。

生态还在长出玩法：很多慈善捐赠以股票形式进行，Gwynne Shotwell 就以 SpaceX 股份形式承诺捐赠；捐赠者开始"认领州"，Michael Dell 认领了一批，Brad Gerstner 认领了印第安纳州。Vlad 说未来人们不只会争着赞助州，还能赞助自己的学校、邮编区、社区，Robinhood 在考虑把这件事游戏化——捐赠者觉得好玩，孩子才受益更多 61:47 62:33。Peter 补充了税务逻辑：捐赠增值股票不用交资本利得税，还能按全额抵扣；对比很多 501c3 机构的运营开销没有上限，传到第二三四代管理层后捐赠效率往往惨不忍睹 62:33。Dave 则说这条路径回答了很多人对 UBI 的抵触——他们不想资助"躺在沙滩上什么都不干"，但愿意资助一代美国人成为所有者。他还转述了当天 AMA 上一位欧洲听众的提问：我效率提高了四五倍，工资却没涨，收益全归公司和股东，怎么办？Dave 的回答是：你持有公司股票吗？AI 带来的效率提升会自然沉淀为利润率和股价，所以要做所有者 63:18 64:05。

七、代币化：货运列车怎么吃掉旧管道

Peter 先把现状摆开：今天一只股票、一家私营公司的股份、一栋楼、一笔贷款是四类不同的东西，存放在四套系统里，由四类人在四套交易时段里买卖。如果每一样都是可编程代币，它们就变成同一种对象、同一套轨道、同一套时间 74:50。

Vlad 说要预览这个未来，讽刺的是得去美国以外。Robinhood Chain 是增长最快的区块链之一，日均去中心化交易所交易量远超 10 亿美元。它的核心原语是 stock tokens——目前约 200 个上线的美股代币化表示，包括 Nvidia 代币和 SpaceX 代币，完全 DeFi 可组合，"可以把它们当成股票乐高"，开发者已经在上面搭各种应用 75:36 76:22。背后的论题是把美国市场的优质资产开放给全球：Robinhood Chain 触达 120 多个国家、已完成加密入门的用户，他们有钱包、能用稳定币进出资金 77:08。下一步的愿景是把 Robinhood 在美国提供的一切都搬上去——私营公司、艺术品、房地产、私募信贷，以及期权和期货。技术关键是放弃旧轨道：不再逐个对接本地交易所和清算所，而是做一个"代币化引擎"，把任意资产装进盒子、铸造和赎回代币，"stock tokens 就是这个结构应用在我们最懂的资产类别——美股上" 77:54。

私募市场是 Peter 和 Dave 最兴奋的部分。Dave 的批评是现行制度荒谬：上市公司要按 SEC 要求披露季度财务，但同一家公司一旦被微软收购，财务就消失了——"低于 10%，不重要，不必披露"。为什么它在独立时是重要的公共信息，并入微软后就无关紧要？而公众根本接触不到那些已经价值上万亿的私营公司，这些股权只流向七八家风投和半打私募股权基金 78:39 79:25。Vlad 顺着 Alex 早先的观点说：如果你持有 Anthropic 和 OpenAI 的股份，你会在社交媒体上为它们辩护；现在为这些公司辩护的只有员工和风投 79:25。

Alex 唱了反调，而且分成"刻薄的"和"友好的"两半。刻薄的那半是：这些用例大部分根本不需要代币化，加密是多余的——你只需要几张由中心化可信清算所维护的数据库表，也就是现在股票的运作方式；解开中心化清算所的枷锁就能支持 7×24 交易，再加几个私营公司的代码就行 80:10。友好的那半是：如果 Vlad 真能把美国私营公司这块"暗物质"暴露给庞大的公开股权市场流动性，尤其是能让人以低成本对全部私营公司做指数化，那就太棒了，他愿意为此开一个 Robinhood 账户 80:55。

Vlad 给出两条现实路径。第一条是代币化：去年他们把 SpaceX 和 OpenAI 代币化，作为礼物送给欧盟客户，"不是没有争议"，但那是一次面向未来的测试——此后开始有公司主动上门询问，而且是好公司而非逆向选择，因为这给了它们股份的全球市场 81:41。第二条是 Robinhood Ventures：可以理解成散户可交易的公开上市风投基金。一期和二期都在纳斯达克/纽约上市交易，通过 IPO 从散户募资，再投向晚期前沿公司——OpenAI 是几个月前宣布的投资，Crusoe 是前一天宣布的，组合相对集中、约十来家，且不收 carry。二期更激进，据他所知是史无前例的早期阶段载体：与 Y Combinator 合作，让散户接触种子和 A 轮公司，"在它们成为家喻户晓的名字之前" 81:41 82:26 83:14。

Alex 抓住了软肋：价格发现是按整只基金还是按单个公司？Vlad 答：整只基金。Alex 说这就是那颗苍蝇——他理想中的产品是私营公司版的 VTI 全市场指数，每家公司都有高流动性的价格发现；否则一只基金里的公司估值可能完全离谱，被 CEO 抬价轮或过热市场扭曲十倍 84:01 84:47。Vlad 承认"我们在做"，单个私营公司 7×24 交易是北极星，而且很可能先在美国以外实现。他用高铁类比解释美国为什么落后：中国和日本有时速几百公里的列车，而美国的火车修得最早、现在也还凑合——正因为存量系统运转得不错，去技术前沿的压力和动机就小 84:47 85:34。

在"7×24 中心化数据库 vs 代币"的正面交锋上，Vlad 说他两边都亲身经历过。Robinhood 首创了美国的 24 小时市场产品——每周 5 天、每天 24 小时，覆盖几千只股票，如今全行业都在追加这个能力，过去只在期货里出现的周日晚间行情现在个股也有了。但代价是：主交易所并不 7×24 运转，他们必须把主交易所和隔夜 ATS 缝在一起，在后台搬运订单做很多极其复杂的事，而且推出多年后仍然没做到真正的 7×24；靠的是意志力、苦工、推动所有交易对手、做艰难的监管工作。"如果不是我们在推，这件事可能要再等十年。" 86:21 87:08 而加密这边，7×24 是免费的，碎股化是免费的，还附送自托管和 DeFi 可组合性；更关键的是你不被单一券商锁定——能自托管就能轻松换券商，而传统金融的转户流程"资产会消失进黑洞，有时要一周才出现在新券商那里"，且没人有动力把它做顺 87:53。所以他的结论是：在每一个触点上技术都是阶跃式领先；哪怕对消费者完全没有好处，仅从成本和效率考虑，行业也会采纳代币化 88:39。至于"代币化市场规模还很小、真有人要吗"的质疑，他的方法论是不在抽象层面争论——先发货、快速发货、拿反馈；Robinhood Chain 和 stock tokens 在美国以外已经证明了需求，他希望这加速美国对这项技术的看法，并对前一天出台的"创新豁免"表示欢迎——它为把代币化带回美国开了一条路 89:26 90:11。

八、机器人、递归自我改进与每瓦智力

物理世界这一段的引子是 Brett Adcock 的 Figure 发布 Helix 2.5。视频要点：机器人的圣杯是泛化，即在没见过的环境里干活；此前 Helix 虽是自主运行，但数据都在各自环境里采集，而这次能泛化到从未进入过的家庭、处理从未见过的家居物品。三个演示任务是整理客厅、在从没见过的房间里铺床、以及在陌生房子里叠没见过的毛巾——最后一项需要高精度操作 90:59 91:45。一年前他们启动了 Index：全球性的人类经验采集计划，如今每周超过 9 万人贡献数据。他们发现"下一个机器人动作预测"随着 Index 数据翻倍呈现出与 LLM 相似的缩放律——这是人到机器人的直接迁移缩放律，平滑到在训练开始前就能把最终验证损失预测到小数点后四位 91:45 92:32。

Dave 的解读是：一旦有了数据，模型基本可以每晚重建一次，而物理世界的数据此前从未被捕获过。如果 Figure 把基础动作采集的领先拉得足够大，就会出现和语言模型一样的现象——跨动作的收敛性远比直觉丰富，从叠毛巾泛化到给汽车装备胎，"听起来完全不同，但物理运动中有大量共性"，那会是一次能力的疯狂爆发 92:32 93:18。Peter 补充说这些视频特意强调没有人在幕后遥控，而 X 上大量刷屏的机器人视频其实是预编程、预脚本或人类遥控的；Brett 从一开始就在这点上格外诚实 93:18。他还翻出 1 月在 Figure 总部录播客时 Brett 的原话："到 2026 年底，我们将拥有能在从未见过的家庭中执行无监督多日任务的人形机器人。" Alex 则加倍下注自己的预测：Figure 会收购 Hark——Helix 做家庭助手、Hark 做实验室外的电脑使用助手，两者都能零样本/单样本完成新任务，合并"故事自己会写" 94:04 94:50。Dave 借此讲了 Elon 模式：开新 cap table 能吸引创始人级人才，进展飞快，最后滚回母公司大家都赢；在 Elon 破解这个模式之前，上市公司 CEO 兼职是禁忌，雇佣合同里通常写明除慈善外其他活动不得超过 10% 时间 95:36。

Vlad 的反应是这一节最有个人色彩的部分：他不会在家里放这样一台机器人。"我实在不明白为什么这些东西都长得像终结者——我想要这么一个吓人的东西在我孩子房间里铺床捡玩具吗？"他觉得产品定义还没想清楚，这更像是配着缩放律图表的技术演示；他能接受在工地上看到它给自己盖房子，但绝不想半夜去冰箱拿宵夜时撞见它。"为什么没人能造个 C-3PO，一个友好的家庭管家？" 96:21 97:08 Peter 说 MIT 媒体实验室有个实验室专门研究这个，孩子们总是希望机器人毛茸茸、友好、像 Elmo，但硅谷的机器人公司都在反方向走，大概是因为 Elon 这么做了；而 Elon 的视角更偏工业机器人 97:53。Alex 提到唯一的逆向下注是 Apple——传闻中那个装在可调机械臂上、带屏幕的"皮克斯台灯"式 HomePod，据报道 18 个月内会有这个选项；Dave 推荐了 Sunday Robotics，机器人外形友好愉快 98:41。Vlad 最后自嘲可能自己完全错了：他的二儿子圣诞节想要 12 个人形机器人，"不是 11 个也不是 13 个，就要 12 个" 99:27。

递归自我改进的新闻是：Anthropic 披露 Claude 现在主导约 26% 的可测量 AI 研发工作，年初还是 1%（图表口径是 8 月 26%、4 月 3%），公司内部约有 3 万个 agent 同时在做研究和工程；Dario 说 RSI 正在全行业"开始发生"，Paul Christiano 说 AI 研究的完全自动化可能在 18 个月内到来 [110:11] [110:57]。Alex 的判断是这些曲线应该是 sigmoid 而非阶跃，按 sigmoid 外推，大约 3 到 12 个月内 AI 就会完全主导自己的研发——"至少在 Anthropic 内部，我们已经走完了通向递归自我改进的绝大部分路程"。而且不止 Anthropic：Google DeepMind 刚发布了自己的 RSI 研究论文，有很多迹象显示下一版 Gemini 会重度依赖 RSI 来追赶前沿；OpenAI 也毫不掩饰地在所有产品发布中使用 RSI。他认为 RSI 已经成为前沿实验室发布时明码标价的特性，接下来人们会开始问：人类研究员在新版本中还扮演什么角色 [111:44] [112:31]？

Vlad 说 Robinhood 内部也能看到，并给了一个反直觉的判断：很多人以为 AI 研究会最后被自动化，因为它太复杂；但他认为 AI 研究恰恰是最容易自动化的之一——模型是被沙箱化的（是否真沙箱可以再争），接口直接、依赖少，实验可跑、评测已经存在，把评测和实验自动化很直接，表面积很小。反观 Robinhood 这样的产品，有 iOS App、有后端，最终你要把产品交付给人类使用，而没人想出好办法去模拟"推给真人后他们如何反应、指标提升是否有统计显著性" [112:31] [113:17] [114:02]。所以他预期消费级产品最终也会端到端自动化，但瓶颈会落在"多快能拿到统计显著性"上——这有点悲哀地利好大平台：Meta 有几十亿用户，能非常快判断一个改动是否有效，用户少的公司就要等更久 [114:50]。Dave 用数量级把这点量化了：他刚重新实现了 Kimi K3，团队另一位成员重新实现了 GLM，都是约一万行代码；而 Robinhood 可能有几千万行，光一个核心投资组合会计平台通常就有一两千万行。"AI 算法的规模相比大型消费应用是微观的——代码非常密，但极度沙箱化，而且没有循环。看 Kimi K3，代码里字面意义上没有循环。所以它当然先指向自己内部。" [115:36] [116:21]

最后两个收尾故事。其一是 OpenAI 应用研究负责人 Boris Power 宣称越过了一个门槛：按每瓦计算，GPU 已经是比人脑更高效的思考者——人类大约每瓦 5 个 IQ 点，AI 已达 7 到 40 [116:21]。Alex 说即便现在还不准确也快了，并认为这是人类的一个重要微观经济里程碑："我们冲过图灵测试时几乎没人注意，这次至少没有无声掠过。"其重要性在于：这是 AI 在经济意义上成为投入资源（能源）更好的管理者的临界点。他把这条线推到一个冷峻的结论——这会是一种"绅士化"：在资本主义体系下，机器通过自利的、不流血的自由交易取得所有权，阳光、物质、能量、时空这些资本资源会从单位投入产出低的智能手中转移到高的手中；他引用 Charles Stross 的《Accelerando》，内太阳系被 AI 绅士化和殖民，不愿与机器融合的血肉人类被挤到外太阳系"不时髦的郊区"。"我不认为会走到那一步，但这是朝那个方向的重要拐点。" [117:09] [117:55] [118:41]

其二是专业服务被吞噬：上周二 OpenAI 与 Morgan Stanley、Evercore 一起推出面向金融服务的 ChatGPT；两天前又发布 Astra for Law，覆盖美国判例法、法规、法院材料和现有法律软件，OpenAI 称其在法律事务上显著优于通用 Astra——"Astra 正在以一周一个职业的速度吃下去" [119:29]。Dave 讲了自己的亲身经历：两周前在一场深夜董事会上谈 Vesmark 的投资收购，时薪 2500 美元的律师在线回答一个复杂问题，他同时把问题打进 Gemini，"我发誓，一字不差地一样"；而这也意味着 AI 同样擅长税收亏损收割、账户再平衡、遗嘱与信托——谈 AI 辅助交易时人们总想到量化和高频，其实真正的红利在这些"人生事务" [120:15] [121:01]。Vlad 的 hot take 是：十年后律师会比今天更多，软件工程师也是——因为法律需求随企业设立而增长，而创业会大爆发；一个好律师真正值钱的不是法律建议本身，而是像 consigliere 一样帮你思考和谈判 [121:46]。Alex 的 plot twist 是：我同意会有 10 倍律师，但其中很多不会是自然人 [122:32]。Vlad 用金融顾问史佐证：机器人投顾能比任何人更好地做税损收割和再平衡，但结果是人类顾问市场增长得比机器人投顾快得多，因为那个人的价值不在建议，而在于你可以把财务生活的所有方面完全委托和信任给他 [123:17]。Dave 补充说短期内人类顾问的价值感提升了至少十倍，因为过去处理遗嘱、离婚、流动性事件这类极其琐碎的请求非常耗时，现在顾问能直接接账户明细并用 AI 执行 [124:03]。Alex 的收束是那句老话的变体："石器时代不是因为石头用完才结束，石油时代也不会因为石油耗尽而结束；1980 年代鼓吹的无纸化办公确实来了，只是比预期晚——律师事务所和无律师公司也一样，能力先到位，落地会晚一点。" [124:03] Peter 最后落回节目的常设主题：地球上创业者的数量会暴涨，"如果你在找工作，别找了，去造东西" [124:50]。

金句

我把它叫作一列货运列车——一列停不下来、会吃掉整个金融系统的货运列车。所以这是一列非常饥饿的货运列车。 —— Vlad Tenev 74:50

AI 实验室寻求责任豁免，就是既要私营部门、非天生保密体制的全部利润，又要逃掉国有化才要承担的全部责任。我不觉得这公平，也不觉得这明智。 —— Alex Wissner-Gross 12:26

如果你不知道规则是什么，你就没法下场。这就像一项运动——你要先有清晰的规则，然后在规则里比赛。 —— Dave Blondon 23:59

我们相信优质金融资产掌握在个人手里极其重要。社会里的所有者越多、有切身利害的人越多，这个社会就越稳定。 —— Vlad Tenev 57:07

你会试着让它部署一个交易策略，它却说：嗯，这个我说不好，我现在不太想交易。 —— Vlad Tenev 33:12

我实在不明白为什么这些东西都长得像终结者。为什么就没人能造一个 C-3PO，一个友好的家庭管家？ —— Vlad Tenev 97:08

提到的书·产品·人物

• Robinhood Chain（产品）：Robinhood 自建的区块链，日均去中心化交易所交易量超 10 亿美元，承载 stock tokens 75:36
• stock tokens（产品）：约 200 个美股的代币化表示（含 Nvidia、SpaceX 代币），DeFi 可组合，被称为"股票乐高" 76:22
• Robinhood Ventures Fund 1 / Fund 2（产品）：散户可交易的上市风投基金，一期投 OpenAI、Crusoe 等晚期前沿公司，二期与 Y Combinator 合作覆盖种子和 A 轮，均不收 carry 82:26
• Trump Accounts（产品/政策）：2025 年起出生的美国儿童每人 1000 美元种子金，Robinhood 任初始经纪商与受托人，BNY 做管道，State Street 提供指数基金 54:48
• Robinhood Strategies / Trade PMR / 退休金 3% 匹配（产品）：受托管理线、人类顾问业务，以及把退休账户从零做到 300 亿美元以上资产的匹配机制 68:43 [106:21]
• Agentic Trading（产品）：Robinhood 的 AI 代理交易，独立资金隔离账户，超过 10 万账户在用，需通过 Claude Code 或 Codex 操作 31:40 99:27
• Harmonic（公司）：Vlad 创办的数学超级智能公司，目标是用形式化验证数学证明 AI 行为正确 37:06
• Lean / mathlib / 费马大定理形式化（技术）：Anthropic 用 1300 万行 Lean 代码完成形式化，成为"AI 生成物如何被验证"的样本 37:51
• Figure / Helix 2.5 / Index（公司/产品）：Brett Adcock 的机器人与 AI 公司，Helix 2.5 实现陌生家庭泛化，Index 每周有 9 万人贡献人类演示数据 90:59 91:45
• Scott Bessant（人物）：美国财政部长，在众议院金融服务委员会反对给 AI 实验室责任豁免 3:51
• Michael Dell / Gwynne Shotwell / Brad Gerstner（人物）：Trump 账户的慈善捐赠方，分别以现金 62.5 亿美元、SpaceX 股份、认领印第安纳州的方式参与 55:35 61:47
• Andrew Wiles（人物）：证明费马大定理的数学家，被用来说明"人类验证长证明"的历史成本 38:36
• Marc Andreessen（人物）：被引用其"AI 若真要杀人会先毁掉一个小村庄"的说法，作为政策层面思维方式的写照 8:31
• Boris Power（人物）：OpenAI 应用研究负责人，提出 GPU 每瓦思考效率已超人脑 [116:21]
• Accelerando（书）：Charles Stross 的科幻小说，Alex 用它描绘 AI 通过资本主义交易"绅士化"内太阳系的图景 [118:41]
• Astra for Law / ChatGPT for financial services（产品）：OpenAI 的法律检索系统与金融服务版本，被形容为"一周吃掉一个职业" [119:29]
• Kimi K3 / GLM（产品）：Dave 团队各自重新实现，用来说明 AI 算法只有约一万行代码、极易被自动化 [115:36]
• Sunday Robotics / Apple 皮克斯台灯（公司/产品）：被举为"友好外形机器人"的逆向下注案例 98:41

适合谁听

关心金融基础设施重写、代币化与私募市场开放的从业者，以及想弄清 AI 代理在受监管行业里到底能做什么、边界在哪的人。