前以太坊基金会成员自立门户:ETHLabs、Fomo 与加密世界的五个镜像
这一期 Uneasy Money,三位主持人围绕五个正在发生的加密故事展开讨论。表面上它们各自独立——一个研究实验室的成立、一笔熊市融资、一场 AI 引发的法庭闹剧、一次针对 MEV 机器人的反向伏击、以及一个被华尔街日报盯上的预测市场平台。但串起这五条线索的,是同一种深层张力:在加密世界里,决定成败的往往不是技术能力本身,而是一个人和一个组织从哪里开始思考问题。
一、ETHLabs:换个办公室能换掉文化吗?
ETHLabs 的使命听起来很大:让以太坊成为全球经济的结算层,加速机构的规模化采用。创始团队是一批前以太坊基金会成员——包括 Barnaby 等名字在生态里并不陌生的研究者。资助方是 BitMint 和 Joe Lubin(ConsenSys 创始人),他们都是 ETH 的大量持有者。
从资助结构来看,这是一笔经济激励对齐得很好的交易:持有 ETH 的人出资支持能提升以太坊价值的研究,研究人员有资金有自由度去做自己擅长的事。Kane 对这个结构持谨慎乐观的态度——即使这个实验室并非完全独立于资助方的影响,多个不同声音的存在本身就是对 EF 单一路线图的有益补充。
但第一个研究选题让人困惑。ETHLabs 的"首秀"不是用户能直接感受到的任何东西,而是一个被他们称为"15分钟终局性问题"的研究方向。三位主持人的反应出奇一致:这到底解决了什么问题?Kane 坦率地说:"我不觉得有人在真正关心这个。"从机构采用的角度看,解决这个问题到底能带来什么好处,ETHLabs 并没有清晰地讲出来。Taylor 补充说,问题不在于选题本身有没有价值——它大概率不是随机选的——而在于你向世界介绍自己时的叙事方式。你不能把一个只有你自己关心的研究问题当成核心沟通信息。
更深层的担忧来自 Taylor:在 EF 待过的人,是否带着 EF 的文化基因一起离开了?
Taylor 的诊断是:EF 有两大系统性病症。第一,没有规模化运营的能力——缺乏清晰的目标设定、优先级的取舍、以及对成功的衡量机制。"有些人在 EF 待了七年了。"第二,对外沟通是完全不可读的。"令人费解的沟通方式绝对是 EF 对外输出的最大特产。"而 ETHLabs 的"15分钟终局性"开场白,恰好同时踩中了这两点——一个只有研究者自己关心的模糊问题,用一种只有研究者自己能理解的方式表达出来。
Kane 觉得这个判断对某些离开 EF 的人可能不够公平。150 人的组织里,总有一部分人在推动改变、渴望用不同的方式做事。给他们独立的工具和资金、不同的激励机制、自由的组织结构——会不会产生不同的结果?这是一个开放问题,答案只能交给时间。
二、Fomo:从"用户想做什么"倒推,而不是从"我们应该做什么产品"出发
如果 ETHLabs 代表了加密世界里一种经典的构建方式——从技术问题和研究兴趣出发,向前推进——那么 Fomo 恰好是这条路径的镜像反转。
Fomo 是一个移动端的链上交易应用。它支持在 Solana、Bitcoin、Zcash 和各类 memecoin 之间跨资产交易,整个过程可以在 60 秒内完成。它天然内置了社交交易功能——关注交易者、复制他们的策略——以至于 Robinhood 正在追赶这个功能,但用 Luca 的话说,"不如他们做得好。"
但这些都不是 Fomo 最特别的地方。最特别的是:Fomo 的网站和应用里,从不说"钱包"这个词。
这个区别听起来像语义游戏,但实际的产品后果是巨大的。当你从"钱包"出发设计产品时,第一优先级是安全和托管——助记词、恢复机制、针对各种丢失场景的边缘方案。这些决策的默认假设是:用户会把他们的全部身家存在你的产品里。一个"巨鲸"可能要存 1000 万美元。你必须为这个场景做好万全准备,而交易体验是所有安全机制都搭好之后才考虑的事情。
当你从"用户想交易"出发设计产品时,第一优先级是让他们用最快的速度、最低的摩擦开始交易。用户通过 Apple Pay 充 50 美元或 500 美元就能开始——这些不是他们的毕生积蓄。对托管安全的极致追求在 $500 的使用场景下不是第一优先级。于是你的产品选择完全不同:你不需要 8000 种助记词管理方案;你需要的是顺畅的入金通道、快速的跨资产交换、以及让人愿意回来的社交体验。
Fomo 在 2026 年的熊市中融了 7500 万美元——这是最近几个月加密领域最大的一笔融资。更耐人寻味的是,出资方不是 Multicoin 这样的加密原生 VC,而是三家传统的不做加密投资的机构。他们投的叙事不是"又一个加密钱包",而是"Robinhood + 链上资产 + 社交"。
Luca Netz 本人是 Fomo 的早期投资人。他见过创始团队后两分钟就被打动了:"他们说要把这个公司做到上市。我觉得这种妄想般的乐观我很尊重,因为我自己也是这样的人。"他的判断是:Fomo 要么被 Robinhood 以 20-40 亿美元收购,要么独立上市。
Fomo 还带来了一个让所有加密建设者都应该兴奋的数据:据创始团队声称,他们的大量用户不是加密原生用户——他们是第一次接触链上资产的普通人。没有代币、没有空投、没有虚假的挖矿农场。这些人不是为了领空投才假装使用产品,而是真的在用——因为产品本身让他们完成了想做的事。
三、同一个十字路口的两条路
把 ETHLabs 和 Fomo 放在一起看,揭示的是同一种思维方式的差异:
路径 A(ETHLabs 代表的方向):先确定一个技术难题 → 研究解决方案 → 期望最终"有人会需要它"。衡量成功的方式是"是否解决了这个问题"——而这个问题本身的定义权在研究者手里。
路径 B(Fomo 代表的方向):先确定用户要完成什么任务 → 倒推产品功能 → 技术是实现手段。衡量成功的方式是用户是否还在用、是否在增长、是否有真实的交易量。
Taylor 把这个对比讲得最透彻:从"15分钟终局性问题"出发,你怎么衡量成功?解决了——然后呢?而从"让一百万用户完成这个金额的交易"出发,选择正确的优先级就简单得多。你每次做决策时,都有一个清晰的标准来判断对错。
四、AI 垃圾信息的结构性不对称
在 CryptoPunks 的诉讼案中,原告——一个自行代理的个人——提交的所有法律文件都由 AI 生成。问题不是 AI 编造了不存在的案例编号(这是早期模型的问题,现在已比较罕见),而是 AI 会扭曲真实案例的判决结论。引用的案例是真实存在的,但 AI 把它不支持己方主张的判决,说成是支持。
法官的回应出人意料地"复古":命令原告如果想继续诉讼,必须手写所有后续文件。这个决定的逻辑很简单——提高生产垃圾的成本。当 AI 可以让一个人几乎零成本地产生海量"看起来像真的"法律文件时,用物理摩擦来创造门槛,是法官能想到的最直接的防御手段。
Taylor 指出了一个更深层的结构性矛盾:AI 正在让内容生产的成本趋近于零,但内容审查(无论是法官审阅法律文件、安全工程师评估漏洞报告、还是社交媒体审核员过滤虚假信息)的成本无法同步降低。一个人+一个 AI 每天可以产出数百份文件;但每一份都需要一个真人花时间去判断真伪。
这种不对称正在多个领域同时爆发。漏洞赏金平台被 AI 生成的虚假报告淹没——AI 不仅"发现"不存在的漏洞,还会自信地告诉报告者"你找到了它,你做对了,这是关键漏洞"。法院面临同样的困境:降低法律系统的访问门槛是基本正义,但如何在"人人都能起诉"和"不被 AI 垃圾淹没"之间取得平衡?
Taylor 的预测是,最终解决方案是技术性的:审查端也需要自己的 AI。法官和赏金平台将不得不部署 AI 过滤器来自动标记可疑内容、验证引用、甚至在必要时自动发出罚单。这将是一场"AI 对 AI"的对称战争——就像网络安全里早已发生的攻防军备竞赛一样。
五、Jared from Subway:"代码即法律"的心理骗局
要理解 Jared 的故事,需要先理解什么是 MEV 三明治攻击。在区块链上,交易在被最终确认之前会在一个叫做"内存池"的区域短暂停留。MEV 机器人实时扫描这些待确认的交易,寻找获利机会。
三明治攻击的典型流程是:机器人发现一笔大额的代币兑换订单 → 它抢先下一个自己的买单(支付更高的 Gas 费插队),推动价格向不利于原交易者的方向移动 → 原交易以更差的价格成交后,机器人再下一个反向交易平仓,赚取中间的差价。整个过程全自动,没有人类参与决策。
Jared from Subway 是加密世界最著名的 MEV 机器人操作者之一。它是一个匿名实体(可能是一个人,也可能是一个团队或一家量化交易公司),已经运行了 5-6 年。它的策略非常成熟,据估计累计获利可能达到 1-2 亿美元。它的"公平游戏"包括——夹过 Vitalik Buterin 的交易。
然后有人决定反向狩猎 Jared。
攻击者部署了超过 66 个虚假代币合约和一系列精心设计的交易模式,花了数月时间缓慢培养 Jared 机器人的"信任"。具体手法是:让机器人的监控系统反复观察到那些"如果当时做了就会赚钱"的信号——但先不让它真正动手。当机器人操作者逐渐确信这是一种可以稳定获利的新模式后,他们编写了新的策略来捕捉这些交易。
关键的漏洞在于以太坊的代币授权机制。当 Jared 的机器人在这些陷阱交易中给出对路由合约的授权后,如果交易没有最终完成,这些授权没有被消耗,而是变成了一个开放式的提款许可。攻击者用了数周甚至数月的时间,耐心地收集这些未消耗的授权。当积累的额度足够大时——据报道是约 700 万美元——攻击者一次性执行清算。
故事到这里已经很精彩了。但更精彩的是 Jared 的回应。
Jared 的运营者在社交媒体上发出全大写声明:"OFFICIAL LEGAL UPDATE",威胁要以《计算机欺诈与滥用法案》起诉攻击者,同时提供 50% 的赏金要求退钱。用 Kane 的话说,这同时暴露了几层荒谬:
第一,Jared 是匿名的——去法院意味着必须暴露身份。第二,运营 MEV 机器人在法律上本就不清晰——它位于一个灰色地带,但绝非干净的。第三,如果你在美国运营,主动暴露自己的身份和业务可能是比损失 700 万美元更大的法律风险。第四,CFAA 在这类链上互动中的适用性完全未经检验。
Kane 的这段分析是本期节目最尖锐的心理学洞察。他说,最糟糕的受害者——最令人窒息的那种人——恰恰是其他掠食者。当你偷了一个骗子或一个剥削者的钱时,他们会表现出超乎想象的气愤和委屈。"你怎么可以这样对我?我信任了你!"Taylor 补充了她自己帮受害者找回被盗账号的经历:盗号者在被她找回账号后的第一反应是"你怎么敢!"——完全忘记就在几小时前,这个账号还是他们偷来的。
Taylor 也给出了平衡的判断:攻击者的行为确实是错的。用数月的精心布局来欺骗他人并偷走他们的钱——这在道德上是明确的欺诈,不管受害者是谁。但这不是 Jared 问题的核心。核心是:你不能一边在泥潭里玩 PvP 的游戏,一边在被击败的瞬间举着法律的大旗喊冤。这不是战场规则。如果 Jared 想和攻击者在迪拜打一场、在角斗场里拿剑一决胜负——"我完全接受。"但索赔和诉讼?那不是 MEV 圈子的默认契约。
六、Polymarket 与网红营销的堕落
《华尔街日报》报道称,Polymarket 花钱请内容创作者和网红制作推广视频,并在视频中谎报他们的博彩赢钱金额。一个附带细节是:Polymarket 据称向拥有美国受众的创作者支付了更高的报酬——尽管 Polymarket 不被允许在美国运营。
Kane Wark 是 Polymarket 的种子轮投资人,因此他对这个话题有明确的利益冲突。但他没有试图为 Polymarket 辩护 WSJ 的具体指控,而是提供了一个内部视角来解释这种事件通常是怎么发生的。
在加密行业运营项目的人,每天都会收到大量来自"网红经理人"的 Telegram 私信。"嘿兄弟,你需要提升在拉脱维亚的声量,我认识一堆拉脱维亚的网红可以帮你。"这些信息游走在诈骗和真实商业提案之间。典型的工作流程是:项目方联系一个网红中介或代理 → 中介对下游创作者进行协调 → 下游的某个人使用了 AI 或虚假数据来制作内容 → 项目方对最终产出的内容几乎没有控制权。
Kane 自己有亲身的失败经验。在 Infinex 时,他尝试过一次所谓的"clippers"网红营销——"太可怕了,非常糟糕。我再也不会做了。"这就是为什么他认为 Polymarket 的这次风波极有可能不是公司层面的主动行为,而是一次失控的中介营销——一个过于轻信的团队成员被网红营销公司说服,然后下游的人做了不负责任的内容。
但 Taylor 提出了更有价值的视角:WSJ 的报道错过了一个更大的故事。网红营销行业目前正在经历和 SEO / 点击付费广告完全相同的退化曲线。一开始,它有效——品牌能从中获得真实的价值。然后,中间商涌现,灰色市场形成。激励机制推动所有参与者(包括创作者和中介)去最大化短期指标而非真实效果。AI 工具的普及进一步降低了批量生产虚假内容的边际成本。最终,整个渠道对品牌方来说变成负 EV——花出去的钱换不回等值的真实用户或转化。
Taylor 指出,目前每年有数百亿美元的广告预算流入网红营销。这不仅仅是一个"Polymarket 有问题"的故事,而是一个关于整个数字营销基础设施如何系统性失效的故事。WSJ 本可以深入写这个行业的结构性腐败,但他们选择了打一个容易的目标。
考虑到这类对 Polymarket 的集中报道背后往往存在竞争对手的推动(Kane 提到他总是在此类报道出现前收到记者们围绕同一主题的密集询问——"FUD 战役的特征性前兆"),这则报道的动机本身就值得审慎对待。
🎯 核心金句
结语
这一期 Uneasy Money 的五个故事,本质上画了同一个问题的五张不同角度的快照:在加密世界里,胜利属于那些从终点倒推的人,而不是从起点堆叠的人。
ETHLabs 从"我们擅长什么研究"出发,Fomo 从"用户想完成什么任务"出发。Jared 的"代码即法律"自我辩护从"我的操作逻辑上合理"出发,而他的对手从"我怎么让 Jared 进入我想让他进入的状态"出发。AI 法庭文件的滥用者从"AI 能帮我生成文件"出发,而法官被迫从一个前数字时代的对策出发——因为他还没有找到一个能从"如何处理垃圾信息洪流"出发的系统性方案。Polymarket 的网红营销从"我们需要推广"出发,而整个行业正在从"如何最大化短期佣金"这个错误的出发点一路走向堕落。
加密不缺技术。加密缺的是想清楚"为什么要构建"和"为谁而构建"的人。这期节目最有力的论点,恰好藏在了这些看似无关的故事之间——它不是一句明确的结论,而是一种被反复验证的模式。