在沉寂多年后，Uniswap再次掀起了 DeFi 世界的风暴。创始人 Hayden Adams 提出重磅提案，重塑费率结构和UNI代币燃烧机制。 通过开启协议费开关、引入排序器收益与 MEV 内化机制，@Uniswap 首次让交易活动直接转化为

在全球货币体系的暗流中，@Tether_to 正在完成一场无人察觉的权力迁移。它既不是银行，也不是央行，却已成为世界第十七大美国国债持有者，一个靠算法、信任与美元债券筑起的“新型主权”。当监管者还在讨论稳定币是否安全，Tether 已悄然走向金融帝国的构建，今天，带你拆解这个 Tether 的野心与版图。 一、Tether 25Q3 财报解读 Tether 公布

近期韩国股市可谓如火如荼，特别是其储存巨头正是如日中天。就在上月初，@OpenAI 宣布与三星电子和SK海力士两家韩储存龙头建立合作关系，向星际之门项目供应存储芯片，一举将AI超级硬件周期从算力争霸衍生到储存竞赛。 可以说AI周期彻底重塑了全球存储供需格局。高带宽内存HBM成为数据中心和AI服务器的新宠，大模型训练和推理对内存容量和速度的追求，让产业巨头纷纷将产能从传统消费级内存向高附加值方向倾斜。 数据显示，2025年HBM市场年增长率将接近70%，高端SSD和QLC NAND的增速也在30%以上。头部厂商如三星、SK海力士、美光均调高价格，模块厂商开始囤货应对缺货潮。与此同时，全球数据中心加速AI服务器投资，导致传统内存产品长期短缺，供需错配进一步加剧价格上涨。 结构性再分配导致DDR、LPDDR等产品供应被压缩，消费市场被动吃紧，产品价格几乎是一夜之间翻倍。尤其是在韩国企业主导上游环节的现实下，中国市场出现每天一个，部分产线甚至暂停报价。根据TrendForce和Commercial Times两大媒体的报道，部分DRAM和NAND产品报价仅当天有效，供需紧张预计将延续至2026年上半年。 这对产业结构的影响是深远的。以小米集团为例，10月下旬红米 K90 系列发布时，上演了一出定价反转的戏码：起初公布的标准版

2025年10月31日，Strategy @Strategy（美股代码 $MSTR ）发布了 25Q3 财报。第三季度业绩实现 39 亿美元的营业利润，28 亿美元的净利润，8.42美元的稀释每股收益。今天带你拆解最大加密财库公司的财报！ 1.

在 AI 时代，你有没有想过，AI 如何付钱？我们人类会在网页上留下自己的信用卡信息，填写卡号，CVV，有些还需要账单地址······ 快一点的扫个码就行，你会发现，过去十几年都是这么麻烦的流程没有变化。 AI 为什么需要付费呢？对于 AI 而言，很重要的是数据源，很多接口是收费的，接口收费也是未来的趋势。那么 AI

2025年10月20日，AWS美国东部区域的核心服务DynamoDB和EC2突发故障，导致包括Snapchat、Fortnite、Duolingo、Canva、Slack等诸多大厂在内的大量应用不可用，这一场灾难不免引人思考：中心化服务是否已经到了危急存亡之秋？ 辩证来看中心化服务，一方面其确实提供了上手快、交付快的优势，但同时单点或同源问题一直是困扰中心化服务的命题。区域级或控制平面级事故会同步拖垮依赖的对象存储、身份、网络、队列等链路。哪怕做了多可用区，只要控制面出问题，仍可能全线黑屏。 实际上，AWS中心化服务已不止一次出现过宕机，其每次宕机的影响范围之广，灾难程度之深，都超乎想象。 8年前，2017年02月28日，一次操作失误导致 S3 索引子系统停摆，虽当日大批网站报红… 5年前，2020年11月25日，Kinesis 前端集群变更引发系统性故障，波及 Cognito、CloudWatch、Lambda 等依赖，持续约

在 Sui 生态中，DeepBook 已凭借超过 130 亿美元的交易量 验证了其核心撮合技术的可靠性。但这只是开始。2025 年，DeepBook 正从 “链上订单簿”

Hyperliquid Strategies Inc. 是一家专注于 @HyperliquidX  生态和投资 $Hype 的加密财库公司。2025 年 10

便宜、好用、稳定是各类项目遴选去中心化项目的重要标准，这也迫使降本增效这一命题成为去中心化储存项目的兵家必争之地。 而想要实现降本增效，对于储存文件的有效编排则是关键所在。@Filecoin 曾经做过伟大的尝试，它把数据变成交易型存储合约，矿工按 32/64GiB的标准扇区封装并提交证明。这一套机制对大对象确实很经济，但对海量小对象则有些许别扭。 对于小文件而言，其先需要将其聚成CAR包，才能喂进扇区。而每个扇区的封装流程又是重 CPU/IO 的流水线，最终的后果就是对高频、小批量、低时延的写入并不是那么友好。 但作为行业前辈，Filecoin的努力则为整个去中心化项目储存板块提供了重要的思考点：如何在为大对象实现经济储存的同时，服务好小对象储存呢？ 你可能会好奇说，为什么我们需要去考虑小对象储存呢？这就牵扯到另一个很有趣的去中心化储存上统计学分布问题，小对象虽然小，但是它密度大。 怎样来理解小对象密码度大这个概念呢？首先我想在这里引用一篇乔治梅森大学学者们的研究成果《A

一场真金白银的交易对决正在上演 由 @the_nof1 发起的 Alpha Arena 实验，让全球顶尖 AI 模型，包括 DeepSeek