近期哈里斯动作频繁，博彩平台上对其胜率的预测也不断提升，这位“buff叠满”的候选人是否顺利能赢下美国大选？本篇内容将解读哈里斯最近的“骚操作”以及其政策主张。

辩论表现超出预期

9月10日的美国总统候选人辩论吸引了广泛的关注。这是哈里斯和特朗普两位候选人首次正面交锋，同时也可能是大选前唯一的一次辩论。上次的辩论在一定程度上促成了拜登的退选，进而影响了大选的格局。而此次辩论中，市场普遍认为哈里斯的表现令人印象深刻，超出了外界的预期，而特朗普则反响平平。

辩论结束后，博彩市场也迅速作出了反应。在短短两小时内，哈里斯当选的博彩合约价格从53美元上升至57美元，而特朗普当选的合约价格则从52美元下跌至47美元，双方的差距进一步拉大。这一变化反映出更多人看好哈里斯的胜出，证实了她的辩论表现超出了市场的预期。

在此次辩论中，哈里斯在多个议题上表现出色。首先，她在堕胎问题上直面女性选民的关切，展现了强烈的共情与同理心。其次，在种族问题的讨论中，她通过分享个人经历，表现出对少数族裔的深刻理解与支持。第三，哈里斯注重强调未来发展计划，并有意与拜登保持区别，使她传递出注入新鲜力量与推动变革的希望感。相较而言，特朗普在辩论中的表现相对逊色。他主要关注非法移民、关税政策以及化石能源的供应等议题，尽管这些问题重要，但他的论述缺乏创新，可能难以吸引中间派选民的青睐。

在此背景下，哈里斯也乘胜追击，在社交媒体上邀请共和党候选人特朗普再来一场电视辩论赛，引起了不小的关注，她试图希望通过再战一场的方式，来为自己赢下更多的选票。

竞选办公室遭枪击

在特朗普连续两次被枪杀反而获得了更多支持的背景下，哈里斯近期也经历了同样的遭遇。

美国警方于当地时间9月24日通报，哈里斯位于亚利桑那州的竞选办公室遭遇枪击。办公室的玻璃门和窗户上明显留有四个弹孔。枪击发生在夜间，事发时办公室内无人，未造成人员伤亡。经过初步调查，警方认定这是一场潜在的财产犯罪。

目前对于这场枪杀，市场有两方面解读：

有一种观点认为，这是特朗普支持者发起的报复行动。作为为数不多敢于挑战“深层政府”的人物，特朗普早已成为部分“红脖子”群体心中的英雄。因此，在特朗普多次遭遇刺杀后，这些人可能会选择以暴制暴，挺身而出。

另一种说法则认为，这可能是哈里斯自导自演的一场戏，目的是为了转移公众注意力、混淆视听。因为使用这种针对办公室的简单枪击事件作为报复手段实在是有些“过于愚蠢”，这不仅不会对哈里斯造成任何伤害，反而可能强化“特朗普支持者是暴力分子”的负面形象，从而有利于哈里斯的竞选。

巧合的是，哈里斯竞选办公室的枪击事件似乎与马斯克之前的一句“玩笑话”产生了某种呼应。此前，特朗普在高尔夫球场遭遇第二次枪击后，马斯克曾在X平台上转发了一篇题为《他们为什么要杀死特朗普》的帖子，并附上自己的评论，质疑为何没有人试图暗杀哈里斯，还配上了一个思考表情的emoji。但随后马斯克删除了帖子，并表明这只是一个“玩笑”。

每天比特朗普多花490万，试图用钱砸出美国总统

最新的联邦申报文件显示，哈里斯及其竞选团队与民主党全国委员会的日常支出，远远超过了特朗普及共和党的竞选开销。哈里斯团队在8月份的平均日支出高达750万美元，而特朗普阵营的日均支出则为260万美元。这样算下来，哈里斯每天的竞选开销比特朗普多出整整490万美元。

而且在筹集竞选资金方面，哈里斯也是遥遥领先。根据联邦选举委员会数据显示，哈里斯的竞选团队与民主党在8月份共筹集了3.61亿美元，目前总计筹得了4.04亿美元。相比之下，特朗普的竞选团队同期仅筹集了1.3亿美元，外加让美国再次伟大 (MAGA) 政治行动委员会捐赠的2500万美元，截至8月底，特朗普的竞选资金总额为2.95亿美元。

更多的资金也为哈里斯的竞选增添了一份推动力。

这笔资金将有助于哈里斯扩大全国范围内的竞选团队，雇佣更多政治人才，在全国各地设立办事处，直接与选民接触，宣传自己的施政理念；同时加大广告投放规模，包括电视、报纸、广播和社交媒体等多渠道宣传；最后还可以用于展开更多的民意调查和研究，支持更多的集会和上门拜访等活动，增强选民的好感和印象。

Buff加持但又黑料满满

在正式成为竞选人并与特朗普展开对决之前，哈里斯能够当选为民主党副总统，归功于她身上拥有多重优势：少数族裔背景、移民家庭出身、女性身份、名校毕业、职业律师以及加州首位女性检察长等。可以说，除了LGBTQ群体之外，几乎所有的优势都集中在了哈里斯身上。

哈里斯出生在一个高学历的移民家庭。她的父亲是牙买加裔的黑人，曾任斯坦福大学名誉教授，并且是一位共产主义经济学家（这也使她有时受到批评）。她的母亲则是印度裔的生物学家。此外，哈里斯的丈夫道格·埃姆霍夫具有犹太血统，这使她在犹太选民群体中也能获得一定的支持。

在加拿大蒙特利尔完成高中学业后，哈里斯考入美国的霍华德大学，双修经济学和政治科学。研究生阶段，她成功进入加州大学洛杉矶分校的哈斯汀法学院，并获得法学博士学位。通过律师资格考试后，她顺利加入加州律师公会，并随后担任了旧金山市的检察长。

尽管哈里斯拥有光鲜的个人履历，但其中也存在不少争议。首先，她在担任旧金山检察官期间曾被指责阻挠对娈童案件的审查，此外，她还因“逃学法案”和“零元购法案”等问题受到批评。她的竞选行为同样引发争议，如为了拉拢华裔选民而取中文名“贺锦丽”，以及小三上位，还被指责对拜登家族忘恩负义，利用竞选机会揭露拜登的负面消息。同时哈里斯是一个极度排华、反华的政客，她在担任参议员时对中国发表了多次尖锐言论，推动了一些重要的涉华法案，其中包括臭名昭著的S386法案，被称为“新排华法案”。

哈里斯与特朗普政策的异同

在9月的总统辩论之后，哈里斯的民调优势扩大，领先特朗普1.6%。目前，哈里斯在已确定的阵营中约获得226张选举人票，而特朗普则约有219张选举人票。为了获胜，哈里斯还需要44张选举人票，而特朗普则需51张。

对比两位候选人的政策主张，可以明显看出哈里斯的“温和”政策对市场的影响幅度大概率会小于特朗普。哈里斯通过财政扩张来补贴居民，可能导致短期内发债增加，这对债券资产不利，但同时也会支撑美元。此外，她的加税政策对美股构成压力。而特朗普的政策则相对有利于美股、周期性商品和比特币，但可能会对美元产生干预影响。

在接下来的两个月里，特朗普仍有机会实现反超。美国大选采用“选举人团制度”，因此获得普选票数最多的候选人未必能够当选。根据目前各州的民调支持率，摇摆州的选情比以往更加激烈。

美股，A股利好消息不断，AI势头强劲，Web3整个周期依旧处于牛市周期中。

加密市场总结

1. 9月15日到10月7日期间，BTC经历了一轮大涨，从57000美元左右涨至最高66000美元左右，主要原因在于美国政府降息消息的落地。再加上与Web3相关联的AI板块一直保持强势，且Web3整个周期依旧处于牛市周期中，因此场外资金对加密货币依旧保持看多情绪。

2. 美股走高，美国非农就业数据显著超出预期，就业人口新增25.4万（预期为15万），失业率回落至4.05% ，失业金数据持续保持低位，都为未来整个市场反弹带来利好。

3. 监管方面，美国SEC主席延续一贯策略，并未展现出更收窄的监管策略。但随着美国大选将近，后续Gary Gensler能否继续连任SEC主席依旧不确定，这也为后续加密货币行业发展带来不确定性。

一 市场概览

1.1 FutureMoney Group DePIN 指数

FutureMoney Group DePIN 指数是 FutureMoney 构建的 DePIN 优质组合代币指数，挑选了最具代表性的 24 个 DePIN 项目。相较于上次报告，NAV值有小幅度提升，从9.07涨至10.12；而Spot Price有大幅度增长，原因在于TAO代币的迅猛上涨。从此前300美元左右涨至600美元。

1.2 加密市场数据

9 月 15 日至 10 月 7日，稳定币总体平稳，维持在1590亿美元左右。此外，BTC占加密货币总市值比例也总体平稳，较9月上旬有略微上涨，当前为56.57%。

从Coinglass合约持仓量趋势变化观察，9月15日以来全网BTC合约未平仓头寸有所上升，从9月15日的309亿美元涨至340亿美元。9月15日至9月25日BTC合约持仓量经历第一轮上涨，涨至最高355亿美元，此后在10月1日开始大幅下跌，跌至318亿美元，并在国庆节末期开始继续回升。

全网ETH合约持仓量与BTC合约持仓量走势一致，从9月16日的103亿美元开始拉升，涨至10月1日的125亿美元，并在国庆节期间下跌。截至目前，ETH合约持仓量为115亿美元。

近期受初步降息利好落地、Web3大环境尚无新叙事以及传统金融市场A股政策性利好等要素。过去15天内BTC现货净流出1.62亿美元；合约净流出1.71亿美元。

1.3 CPI等数据以及市场反应对市场的判断

有2个相对利好的宏观数据：

1. 宏观：本次宏观数据反馈较为不错，9月下旬以来，美股三大股指多次集体高开，其中道琼斯指数在9月11日下探40000点以下之后持续上涨，从41153点涨至42261点。

截至9月28日，美国当周初请失业金人数22.5万人，预期22万人，前值修正为21.9万。该数值为近4个月来的低点。根据美国9月末季调CPI指数实际公布为260.28，预期260.33，前值259.92。

盛宝银行的分析师表示，如果美国民主党候选人拜登获胜，那么通胀将被推高。接下来需要重点关注10月中旬的新一轮CPI指数。美国非农就业数据显著超出预期，就业人口新增25.4万（预期为15万），失业率回落至4.05% ，平均每小时工资保持强劲，引发了市场对美联储上月降息50个基点是否明智的质疑。

2. 加密方面：传统市场数据的好转在加密货币领域反应较为弱势，这可能是美股、A股政策性的走高以及中东局势紧张等要素导致场内游资离场。但美股走势中，有个现象值得重视：加密货币概念股领涨美股概念板块，涨幅5.93%。这反映出整个加密货币板块依旧被主力资金长期看多。当前整体走势可以视为不错的观察加仓机会。

3. 值得布局的板块：无论是传统美股市场还是Web3板块，AI都是最为强劲的板块叙事。此外，基于ETH的蓝筹DeFi也正在逐渐受到重视。此外，DePIN板块正在和当前Web3当前被倡导的Consumer逻辑契合。DePIN在冷却4个月左右后，正在展现出新的热度。

二、热点市场新闻

2.1 鲍威尔：如果经济按预期发展，今年将再进行两次降息，共50个基点

美联储主席鲍威尔就经济前景发表讲话表示，美联储并不急于迅速降息，降息过程将“在一段时间内”逐步进行，无需急于行动，将根据数据作出决策。11 月份会议之前，还有两份就业报告和一份通胀报告将公布，最终将在 11 月的利率决策中考虑所有因素。如果经济按预期发展，今年将再进行两次降息，总幅度达到 50 个基点。

2.2 Memecoin的上涨开始蔓延到比特币

$PUPS $ORDI $SATS在$PUPS的带领下，比特币Memecoin（铭文、符文）开始再次受到关注。

2.3 日本将评估加密货币规定，有望为加密货币ETF推出创造条件

日本计划评估其加密货币规定的有效性，这项审查将在接下来的几个月内进行，可能为该国推出加密货币交易所交易基金（ETF）铺平道路。

日本金融厅（FSA）一位官员说，该审查将衡量该国目前在《支付服务法》（PSA）下的加密货币监管方法是否足够。PSA 最初于 2009 年颁布，日本立法者已经多次修改 PSA，以应对数字货币出现引发的金融服务格局的变化。

该法案承认比特币和其他加密货币为合法财产。它还要求加密货币交易所进行注册，并遵守该国的反洗钱（AML）和反恐怖主义融资（CFT）。

与此同时，Aptos Labs 宣布正式收购 HashPalette Inc.目的在于打入日本区块链市场。

2.4 马斯克更换推特头像为美国大选元素个人照片

背景为美国国旗，马斯克头戴“MAKE AMERICA GREAT AGAIN”帽子。

三、监管环境

3.1 本周美国国会首次就去中心化金融（DeFi）举行了听证会

美SEC主席：重申比特币并非证券，强调现有法律赋予SEC监管加密货币的权力

美国证券交易委员会（SEC）主席Gary Gensler在接受采访时再次强调，比特币不是证券，投资者现可通过ETF产品表达对比特币的看法。Gensler拒绝评价特朗普提出的美国比特币战略储备计划，称这是出于其职责和选举季的考虑。他坚持认为现有法律赋予SEC监管加密货币领域的权力，并表示“不喜欢规则并不等同于没有规则”。Gensler还指出，加密货币行业面临信任建立的挑战，多名行业领袖已入狱或破产。他强调，没有投资者保护和信任建立，创新领域难以生存。

本次数据来源于：Coinshare、Coinglass、Coinmarketcap、Sosovalue、X

本文章所述的内容并不构成投资的意见或建议。在作出任何投资决策前，您应考虑自己的财务状况、投资目标及经验、风险承受能力及理解相关产品的性质和风险的能力。

2012年12月初的一天，一场秘密竞拍正在美国滑雪胜地太浩湖（Lake Tahoe）的一家赌场酒店里进行。

太浩湖位于加州和内华达州交界处，是北美最大的高山湖泊，拥有蓝宝石般的湖面和顶级雪道，《教父2》曾在这里取景，马克吐温曾在此地流连忘返，而由于离旧金山湾区只有200多英里，这里常被称为“硅谷后花园”，扎克伯格和拉里·埃里森等大佬也在此圈地占山，兴建豪宅。

秘密竞拍的对象，是一家刚刚成立1个月、仅有3名员工的公司——DNNresearch，创立者是多伦多大学教授杰夫·辛顿（Geoffrey Hinton）和他两名学生。

这家公司没有任何有形的产品或资产，但追求者的身份暗示出了它的分量——四位买家分别是Google、微软、DeepMind和百度。

举行秘密竞拍的Harrah’s酒店，太浩湖，2012年

65岁的辛顿苍老，瘦削，饱受腰椎间盘的疼痛，他坐在酒店703房间的地板上为竞拍设置规则——起价1200万美元，抬价单位至少100万美元。

几个小时后，竞拍者就把价格推到了4400万美元，辛顿有些头晕，“感觉我们像是在拍电影”，于是果断喊停，并决定把公司卖给最后的喊价者——Google。

有意思的是，这场4400万美元竞拍的源头之一，就是来自于6个月前的Google。

2012年6月，Google研究部门Google Brain公开了The Cat Neurons项目（即“谷歌猫”）的研究成果。这个项目简单说就是用算法在YouTube的视频里识别猫，它由从斯坦福跳槽来Google的吴恩达发起，拉上了Google传奇人物Jeff Dean入伙，还从Google创始人Larry Page那里要到了大笔的预算。

谷歌猫项目搭建了一个神经网络，从YouTube上下载了大量的视频，不做标记，让模型自己观察和学习猫的特征，然后动用了遍布Google各个数据中心的16000个CPU来进行训练（内部以过于复杂和成本高为由拒绝使用GPU），最终实现74.8%的识别准确率。这一数字震惊业界。

吴恩达在“谷歌猫”项目临近结束前激流勇退，投身自己的互联网教育项目，临走前他向公司推荐了辛顿来接替他的工作。面对邀请，辛顿表示自己不会离开大学，只愿意去Google“待一个夏天”。由于Google招聘规则的特殊性，时年64岁的辛顿成为了Google历史上最年长的暑期实习生。

辛顿从80年代开始就战斗在人工智能的最前线，作为教授更是桃李满门（包括吴恩达），是深度学习领域的宗师级人物。因此，当他了解了“谷歌猫”项目的技术细节后，他马上就看到了项目成功背后的隐藏缺陷：“他们运行了错误的神经网络，并使用了错误的计算能力。”

同样的任务，辛顿认为自己可以做的更好。于是在短暂的“实习期”结束后，他马上投入行动。

辛顿找来了自己的两个学生——Ilya Sutskever和Alex Krizhevsky，两人都是出生于苏联的犹太人，前者极具数学天赋，后者擅长工程实现，三人密切配合后创建了一个新神经网络，然后马上参加了ImageNet图像识别比赛（ILSVRC），最后以惊人的84%识别准确率夺得冠军 。

2012年10月，辛顿团队在佛罗伦萨举行的计算机视觉会议上介绍了冠军算法AlexNet，相比谷歌猫用了16000颗CPU，AlexNet只用了4颗英伟达GPU，学术界和产业界彻底轰动，AlexNet的论文成为计算机科学史上最有影响力的论文之一，目前被引次数已经超过12万，而谷歌猫则被迅速遗忘。

DNNresearch公司三人组

曾拿过第一届ImageNet大赛冠军的余凯读完论文后异常兴奋，“像触电了一样”。余凯是一名出生于江西的深度学习专家，刚从NEC跳去百度，他马上给辛顿写邮件，表达了合作的想法，辛顿欣然同意，并索性把自己和两名学生打包成一家公司，邀请买家竞拍，于是便有了开头的那一幕。

拍卖落槌后，一场更大的竞赛展开了：Google乘胜追击，2014年又把DeepMind收入囊中，“天下英雄尽入彀中”；而DeepMind则在2016年推出了AlphaGo，震惊全球；输给Google的百度则下定决心押注AI，十年投入千亿，余凯后来帮百度请来了吴恩达，他自己则在几年后离职创办了地平线。

微软表面上看慢了一拍，但最终却赢下了最大的战利品——OpenAI，后者的创始人就包括辛顿两个学生之一的Ilya Sutskever。而辛顿自己则一直在Google待到2023年，期间荣获ACM图灵奖。当然，跟Google的4400万美元比（辛顿分得40%），图灵奖的100万美元奖金就显得像是零花钱了。

从6月的谷歌猫，到10月的AlexNet论文，再到12月的太浩湖竞拍，差不多6个月的时间里，AI浪潮的伏笔几乎被全部埋下——深度学习的繁荣、GPU和英伟达的崛起、AlphaGo的称霸、Transformer的诞生、ChatGPT的横空出世……硅基盛世的宏大乐章奏响了第一个音符。

2012年从6月到12月的180天，碳基人类的命运被永远改变了——只有极少人意识到了这一点。

液体猫

在这些极少数人中，斯坦福大学教授李飞飞是其中之一。

2012年，当辛顿参加ImageNet比赛结果出炉时，刚生完孩子的李飞飞还在休产假，但辛顿团队的错误率让她意识到历史正在被改写。作为ImageNet挑战赛的创办者，她买了当天最后一班飞机飞往佛罗伦萨，亲自为辛顿团队颁奖[2]。

李飞飞出生于北京，在成都长大，16岁时随父母移民美国，一边在洗衣店帮忙，一边读完普林斯顿。2009年李飞飞进入斯坦福担任助理教授，研究方向是计算机视觉与机器学习，这个学科的目标是让计算机能够像人一样，自己理解图片和影像的含义。

比如，当照相机拍下一只猫时，它只是通过传感器把光线转化成了像素，并不知道镜头里的东西是猫还是狗。如果把照相机比做人类的眼睛，计算机视觉解决的问题就是给照相机装上人的大脑。

传统的方式是将现实世界中的事物抽象为数学模型，比如将猫的特征抽象为简单的几何图形，就能大幅度降低机器识别的难度。

图片来源：李飞飞的TED演讲

但这种思路有非常大的局限性，因为猫很有可能是这样的：

为了让计算机能够识别“液体猫”，杰夫·辛顿、杨立昆（Yann LeCun）等一大批深度学习先驱从80年代就开始了探索。但总会撞到算力或算法的瓶颈——好的算法缺少足够的算力驱动，算力需求小的算法难以满足识别精度，无法产业化。

如果解决不了“液体猫”的问题，深度学习的性感就只能停留在理论层面，自动驾驶、医疗影像、精准广告推送这些产业化场景就只是空中楼阁。

简单来说，深度学习的发展需要算法、算力、数据三驾马车来拉动，算法决定了计算机用什么方式识别事物；但算法又需要足够大的算力来驱动；同时，算法的提升又需要大规模高质量的数据；三者相辅相成，缺一不可。

2000年后，尽管算力瓶颈伴随芯片处理能力的突飞猛进逐步消除，但主流学界对深度学习路线仍旧兴趣寡然。李飞飞意识到，瓶颈可能不是算法本身的精度，而在于缺乏高质量、大规模的数据集。

李飞飞的启发来自三岁孩子认识这个世界的方式——以猫为例，孩子会在大人的教导下一次又一次遇见猫，逐渐掌握猫的含义。如果把孩子的眼睛当作照相机，眼球转动一次等于按一次快门，那么，一个三岁的孩子就已经拍摄了上亿张照片。

把这个方法套在计算机上，假如给计算机不停的看包含猫和其他动物的图片，同时在每张图片背后写下正确答案。计算机每看一次图片，就和背面的答案核对一次。那么只要次数够多，计算机就有可能像孩子一样掌握猫的含义。

唯一需要解决的问题就是：上哪找那么多写好答案的图片？

李飞飞在2016年来到中国，宣布谷歌AI中国中心成立

这就是ImageNet诞生的契机。当时，即便是最大规模的数据集PASCAL，也只有四个类别总共1578张图片，而李飞飞的目标是创建一个包含几百个类别总共上千万张的数据集。现在听起来似乎不难，但要知道那是2006年，全球最流行的手机还是诺基亚5300。

依靠亚马逊众包平台，李飞飞团队解决了人工标注的庞大工作量。2009年，包含320万张图片的ImageNet数据集诞生。有了图片数据集，就可以在此基础上训练算法，让计算机提升识别能力。但相比三岁孩子的上亿张照片，320万的规模还是太少了。

为了让数据集不断扩充，李飞飞决定效仿业内流行的做法，举办图片识别大赛，参赛者自带算法识别数据集中的图片，准确率最高者获胜。但深度学习路线在当时并不是主流，ImageNet一开始只能“挂靠”在欧洲知名赛事PASCAL下面，才能勉强凑够参赛人数。

到了2012年，ImageNet的图片数量扩大到了1000个类别总共1500万张，李飞飞用6年时间补足了数据这块短板。不过，ILSVRC的最好成绩错误率也有25%，在算法和算力上，依然没有表现出足够的说服力。

这时，辛顿老师带着AlexNet和两块GTX580显卡登场了。

卷积

辛顿团队的冠军算法AlexNet，采用了一种名叫卷积神经网络（Convolutional Neural Networks，简称CNN）的算法。“神经网络”在人工智能领域是个极其高频的词汇，也是机器学习的一个分支，其名称和结构都取材自人脑的运作方式。

人类辨识物体的过程是瞳孔先摄入像素，大脑皮层通过边缘和方位做初步处理，然后大脑通过不断的抽象来判定。因此，人脑可以根据一些特征就能判别出物体。

比如不用展示整张脸，大部分人都能认出下图中的人是谁：

神经网络其实就是模拟人脑的识别机制，理论上人脑能够实现的智能计算机也能实现。相较SVM、决策树、随机森林等方法，只有模拟人脑，才能处理类似“液体猫”和“半个特朗普”这种非结构化数据。

但问题是，人脑约有1000亿个神经元，神经元之间的节点（也就是突触）更是多达万亿，组成了一个无比复杂的网络。作为对比，用了16000个CPU组成的“谷歌猫”，内部共有10亿个节点，而这已经是当时最复杂的计算机系统了。

这也是为什么连“人工智能之父”Marvin Minsky都不看好这条路线，在2007年出版新书《The Emotion Machine》时，Minsky依然表达了对神经网络的悲观。为了改变主流机器学习界对人工神经网络的长期的消极态度，辛顿干脆将其改名为深度学习（Deep Learning）。

2006年，辛顿在Science上发表了一篇论文，提出了“深度信念神经网络（DBNN）”的概念，给出了一种多层深度神经网络的训练方法，被认为是深度学习的重大突破。但辛顿的方法需要消耗大量的算力和数据，实际应用难以实现。

深度学习需要不停的给算法喂数据，当时的数据集规模都太小了，直到ImageNet出现。

ImageNet的前两届比赛里，参赛团队使用了其他的机器学习路线，结果都相当平庸。而辛顿团队在2012年采用的卷积神经网络AlexNet，改良自另一位深度学习先驱杨立昆（Yann LeCun），其在1998年提出的LeNet让算法可以提取图像的关键特征，比如特朗普的金发。

同时，卷积核会在输入图像上滑动，所以无论被检测物体在哪个位置，都能被检测到相同的特征，大大减少了运算量。

AlexNet在经典的卷积神经网络结构基础上，摒弃了此前的逐层无监督方法，对输入值进行有监督学习，大大提高了准确率。

比如下图中右下角的图片，AlexNet其实并没有识别出正确答案（马达加斯加猫），但它列出的都是和马达加斯加猫一样会爬树的小型哺乳动物，这意味着算法不仅可以识别对象本身，还可以根据其他物体进行推测[5]。

图片来源：AlexNet论文

而产业界感到振奋的是，AlexNet有6000万个参数和65万个神经元，完整训练ImageNet数据集至少需要262千万亿次浮点运算。但辛顿团队在一个星期的训练过程中，只用了两块英伟达GTX 580显卡。

GPU

辛顿团队拿到冠军后，最尴尬的显然是Google。

据说Google在内部也做了ImageNet数据集的测试，但识别精度远远落后于辛顿团队。考虑到Google拥有业界无法企及的硬件资源，以及搜索和YouTube的庞大数据规模，Google Brain更是领导钦点特事特办，其结果显然不具备足够的说服力。

如果没有这种巨大的反差，深度学习可能也不会在短时间内震撼业界，得到认可和普及。产业界感到振奋的原因在于辛顿团队只用了四块GPU，就能达到这么好的效果，那么算力就不再是瓶颈。

算法在训练时，会对神经网络每层的函数和参数进行分层运算，得到输出结果，而GPU恰好有非常强的并行运算能力。吴恩达在2009年的一篇论文中其实证明了这一点，但在和Jeff Dean运行“谷歌猫”时，他们还是用了CPU。后来Jeff Dean专门订购了200万美元的设备，依然不包括GPU[6]。

辛顿是极少数很早就意识到GPU之于深度学习巨大价值的人，然而在AlexNet刷榜之前，高科技公司普遍对GPU态度不明。

2009年，辛顿曾受邀去微软做一个语音识别项目的短期技术顾问，他建议项目负责人邓力购买最顶级的英伟达GPU，还要搭配对应的服务器。这个想法得到了邓力的支持，但邓力的上司Alex Acero认为这纯属乱花钱[6]，“GPU是用来玩游戏的，而不是用来做人工智能研究的。”

邓力

有趣的是，Alex Acero后来跳槽去了苹果，负责苹果的语音识别软件Siri。

而微软对GPU的不置可否显然让辛顿有些火大，他后来在一封邮件里建议邓力购买一套设备，而自己则会买三套，并且阴阳怪气的说[6]：毕竟我们是一所财力雄厚的加拿大大学，不是一家资金紧张的软件销售商。

但在2012年ImageNet挑战赛结束后，所有人工智能学者和科技公司都对GPU来了个180度大转弯。2014年，Google的GoogLeNet以93%的识别准确率夺冠，采用的正是英伟达GPU，这一年，所有参赛团队GPU的使用数量飙升到了110块。

这届挑战赛之所以被视为“大爆炸时刻”，在于深度学习的三驾马车——算法、算力、数据上的短板都被补足，产业化只剩下了时间问题。

算法层面，辛顿团队发表的关于AlexNet的论文，成为计算机科学领域被引用次数最多的论文之一。原本百家争鸣的技术路线成了深度学习一家独大，几乎所有的计算机视觉研究都转向了神经网络。

算力层面，GPU超强并行计算能力与深度学习的适应性迅速被业界认可，六年前开始布局CUDA的英伟达成为了最大的赢家。

数据层面，ImageNet成为图像处理算法的试金石，有了高质量的数据集，算法识别精度日行千里。2017年最后一届挑战赛，冠军算法的识别准确率达到97.3%，超过了人类。

2012年10月底，辛顿的学生Alex Krizhevsky在意大利佛罗伦萨的计算机视觉会议上公布了论文。然后，全世界的高科技公司开始不计成本地两件事：一是买光英伟达的显卡，二是挖光大学里的AI研究员。

太浩湖的4400万美元，给全球的深度学习大神做了一次重新定价。

夺旗

从公开可查的信息看，当时还在百度的余凯的确是第一个来挖辛顿的人。

当时，余凯在百度担任百度多媒体部的负责人，也就是百度深度学习研究院（IDL）的前身。在收到余凯的邮件后，辛顿很快就回复说同意合作，顺带提出了希望百度提供一些经费的愿望。余凯问具体数字，辛顿表示100万美元就够——这个数字低到令人难以置信，只能雇两个P8。

余凯向李彦宏请示，后者爽快地答应。余凯回复没问题后，辛顿可能感受到了产业界的饥渴，就询问余凯是否介意自己问问其他家，比如Google。余凯后来在回忆道[6]：

“我当时有点儿后悔，猜我可能回答得太快了，让辛顿意识到了巨大的机会。但是，我也只能大度地说不介意。”

最终百度跟辛顿团队失之交臂。但对于这个结果，余凯并非没有心理准备。因为一方面辛顿有严重的腰椎间盘健康问题，不能开车，也不能坐飞机，很难承受跨越太平洋的中国之旅；另一方面，辛顿有太多的学生和朋友在Google工作了，双方渊源太深，其他三家本质上就是在陪标。

如果说AlexNet的影响还集中在学术圈的话，那么太浩湖的秘密拍卖则彻底震惊了产业界——因为Google在全球科技公司的眼皮子底下，花了4400万美元买了一家成立不到一个月、没有产品、没有收入，只有三个员工和几篇论文的公司。

最受刺激的显然是百度，虽然在拍卖上折戟，但百度管理层亲眼目睹了Google如何不惜代价投资深度学习，促使百度下定决心投入，并在2013年1月的年会上宣布成立深度学习研究院IDL。2014年5月，百度请来了“谷歌猫”项目的关键人物吴恩达，2017年1月，又请来了离开微软的陆奇。

而Google在拿下辛顿团队后再接再厉，在2014年以6亿美元买下了当年的竞拍对手DeepMind。

当时，马斯克向Google创始人Larry Page推荐了自己投资的DeepMind，为了能带上辛顿一起去伦敦验验成色，Google团队还专门包了架私人飞机，并且改造了座椅，解决辛顿不能坐飞机的问题[6]。

“英国选手”DeepMind在围棋比赛上战胜了李世石，2016年

和Google争夺DeepMind的是Facebook。当DeepMind花落Google后，扎克伯格转而挖来了“深度学习三巨头”之一的杨立昆。为了将杨立昆纳入麾下，扎克伯格答应了他许多苛刻要求，比如AI实验室设立在纽约，实验室与产品团队完全划清界限，允许杨立昆继续在纽约大学任职等等。

2012年ImageNet挑战赛后，人工智能领域面临着非常严重的“人才供需错配”问题：

由于推荐算法、图像识别、自动驾驶这些产业化空间被迅速打开，人才需求量暴增。但由于长期不被看好，深度学习的研究者是个很小的圈子，顶级学者更是两只手数得过来，供给严重不足。

这种情况下，如饥似渴的科技公司只能购买“人才期货”：把教授挖过来，然后等他们把自己的学生也带进来。

杨立昆加入Facebook后，先后有六名学生追随他入职。准备在造车上跃跃欲试的苹果挖来了辛顿的学生Ruslan Salakhutdinov，担任苹果首任AI总监。就连对冲基金Citadel也加入了抢人大战，挖走了当年和辛顿搞语音识别、后来还代表微软参与秘密竞拍的邓力。

此后的历史我们再清楚不过：人脸识别、机器翻译、自动驾驶等产业化场景日行千里，GPU订单雪花一般飘向圣克拉拉的英伟达总部，人工智能的理论大厦也在日复一日的浇筑。

2017年，Google在论文《Attention is all you need》里提出Transformer模型，开启了如今的大模型时代。几年后，ChatGPT横空出世。

而这一切的诞生，都可以追溯到2012年的ImageNet挑战赛。

那么，推动2012年“大爆炸时刻”诞生的历史进程，又是在哪一年显现的呢？

答案是2006年。

伟大

在2006年之前，深度学习的现状可以借用开尔文男爵的那句名言来概括：深度学习的大厦已经基本建成了，只不过在阳光灿烂的天空下，漂浮着三朵小乌云。

这三朵小乌云就是算法、算力和数据。

正如前文所说，由于模拟了人脑的机制，深度学习是一种在理论上非常完美的方案。但问题在于，无论是它需要吞噬的数据，还是需要消耗的算力，在当时都是一个科幻级别的规模，科幻到学术界对深度学习的主流看法是：脑子正常的学者不会研究神经网络。

但2006年发生的三件事改变了这一点：

辛顿和学生Salakhutdinov（就是后来去苹果的那位）在Science上发表了论文Reducing the dimensionality of data with neural networks，第一次提出了有效解决梯度消失问题的解决方案，让算法层面迈出了一大步。

Salakhutdinov（左一）与辛顿（中），2016年

斯坦福大学的李飞飞意识到，如果数据规模难以还原现实世界的原貌，那么再好的算法也很难通过训练达到“模拟人脑”的效果。于是，她开始着手搭建ImageNet数据集。

英伟达发布Tesla架构的新款GPU，并随之推出CUDA平台，开发者利用GPU来训练深度神经网络的难度大幅度降低，望而生畏算力门槛被砍掉了一大截。

这三件事的发生吹散了深度学习上空的三朵乌云，并在2012年的ImageNet挑战赛上交汇，彻底改写了高科技产业乃至整个人类社会的命运。

但在2006年，无论是杰夫·辛顿、李飞飞、黄仁勋，还是其他推动深度学习发展的人，显然都无法预料人工智能在此后的繁荣，更不用说他们所扮演的角色了。

Hinton和Salakhutdinov的论文

时至今日，AI为核心驱动的第四次工业革命又开启了，人工智能的演进速度只会越来越快。如果说我们能得到多少启发，也许不外乎以下三点：

1.产业的厚度决定创新的高度。

ChatGPT横空出世时，“为什么又是美国”的声音此起彼伏。但如果把时间拉长，会发现从晶体管、集成电路，到Unix、x86架构，再到如今的机器学习，美国学界和产业界几乎都是领跑者的角色。

这是因为，虽然关于美国“产业空心化”的讨论不绝于耳，但以软件为核心的计算机科学这门产业，不仅从未“外流”到其他经济体，反而优势越来越大。至今70多位ACM图灵奖的获得者，几乎全部是美国人。

吴恩达之所以选择Google合作“谷歌猫”项目，很大程度上是因为只有Google拥有算法训练所需要的数据和算力，而这又建立在Google强大的盈利能力的基础上。这就是产业厚度带来的优势——人才、投资、创新能力都会向产业的高地靠拢。

中国在自身的优势产业里，也在体现出这种“厚度优势”。当前最典型的就是新能源车，一边是欧洲车企包机来中国车展拜师新势力，一边是日本车企高管频繁跳槽到比亚迪——图什么呢？显然不是只图能在深圳交社保。

2.越是前沿的技术领域，人才的重要性越大。

Google之所以愿意花4400万美元买下辛顿的公司，是因为在深度学习这样的前沿技术领域，一个顶级学者的作用，往往大过一万个计算机视觉专业的应届生。假如当时竞拍成功的是百度或微软，人工智能的发展脉络可能都会被改写。

这种“为了你买下整个公司”的行为，其实非常常见。苹果自研芯片的关键阶段，顺手买了一家PASemi的小公司，就是为了把芯片架构大神Jim Keller挖到手——苹果的A4、AMD的Zen、特斯拉的FSD芯片，都得到了Jim Keller的技术扶贫。

这也是产业竞争力带来的最大优势——对人才的吸引力。

“深度学习三巨头”没有一个是美国人，AlexNet这个名字来自辛顿的学生Alex Krizhevsky，他出生在苏联治下的乌克兰，在以色列长大，来加拿大读书。更不用说如今还活跃在美国高科技公司的众多华人面孔。

3.创新的难度在于，如何面对不确定性。

除了“人工智能之父”Marvin Minsky反对深度学习之外，另一个知名深度学习反对者是加州大学伯克利分校的Jitendra Malik，辛顿和吴恩达都被他冷嘲热讽过。李飞飞在搭建ImageNet时也曾咨询过Malik，后者给她的建议是：Do something more useful（做点更有用的事）。

李飞飞Ted演讲

正是这些行业先驱的不看好，导致深度学习经历了数十年的万马齐喑。即便到了2006年辛顿撕开了一束曙光，三巨头的另一位杨立昆还在反复向学术界证明“深度学习也有研究价值”。

杨立昆从80年代就开始研究神经网络，在贝尔实验室期间，杨立昆就和同事设计了一种名叫ANNA的芯片，试图解决算力问题。后来AT&T由于经营压力要求研究部门“赋能业务”，杨立昆的回答是“我就是要研究计算机视觉，有本事你解雇我”。最终求锤得锤，喜提N+1[6]。

任何前沿技术领域的研究者都必须面对一个问题——如果这个东西做不出来怎么办？

从1972年进入爱丁堡大学算起，辛顿在深度学习的前线已经鏖战了50年。2012年ImageNet挑战赛举办时，他已经65岁了。很难想象他在漫长的时间里面对学术界的种种质疑，需要消解多少自我怀疑与否定。

如今我们知道，2006年的辛顿已经坚持到了黎明前最后的黑暗，但他自己也许并不知道这一点，更不用说整个学术界和产业界。就像2007年iPhone发布时，大多数人的反应可能和时任微软CEO鲍尔默是一样的：

目前，iPhone依然是世界上最贵的手机，而且没有键盘

推动历史的人，往往猜不到自己在历史进程中的坐标。

伟大之所以为伟大，不是因为其横空出世时的惊艳，而是因为它要在无边黑暗中，忍受漫长的籍籍无名与不被理解。直到多年之后，人们才能顺着这些标尺，感叹那时群星璀璨，天才辈出。

一个又一个科学研究的领域里，无数的学者终其一生都不曾窥见希望的微光。因而从某种角度看，辛顿和其他深度学习推动者是幸运的，他们创造了伟大，间接推动了产业界一个又一个成功。

资本市场会给成功定一个公允的价格，历史则记录那些创造伟大的孤独和汗水。

参考资料

[1] 16000台电脑一起找猫，纽约时报

[2] Fei-Fei Li’s Quest to Make AI Better for Humanity，Wired

[3] 李飞飞的TED演讲

[4] 21秒看尽ImageNet屠榜模型，60+模型架构同台献艺，机器之心

[5] 卷积神经网络的“封神之路”：一切始于AlexNet，新智元

[6] 深度学习革命，凯德·梅茨

[7] To Find AI Engineers, Google and Facebook Hire Their Professors，The Information

[8] 深度学习三十年创新路，朱珑

[9] ImageNet这八年：李飞飞和她改变的AI世界，量子位

[10] DEEP LEARNING: PREVIOUS AND PRESENT APPLICATIONS，Ramiro Vargas

[11] Review of deep learning: concepts, CNN architectures, challenges, applications, future directions，Laith Alzubaidi等

[12] Literature Review of Deep Learning Research Areas，Mutlu Yapıcı等

[13] ChatGPT背后真正的英雄：OpenAI首席科学家Ilya Sutskever的信仰之跃，新智元

[14] 10 years later, deep learning ‘revolution’ rages on, say AI pioneers Hinton, LeCun and Li，Venturebeat

[15] From not working to neural networking，经济学人

[16] Huge “foundation models” are turbo-charging AI progress，经济学人

[17] 2012: A Breakthrough Year for Deep Learning，Bryan House

[18] 深度学习：人工智能的“神奇魔杖”，安信证券

[19] 深度学习算法发展:从多样到统一 ，国金证券

作者：Evan Hatch Founder @ worlds.org；编译Liam；来源：SevenUp DAO

10 月 3 日，据外媒报道，纪录片导演 Cullen Hoback 和 HBO 最近重磅宣布纪录片《Money Electric：The Bitcoin Mystery》将曝光比特币背后的缔造者「中本聪」的真实身份。此言论引发业界格外关注与讨论。有人甚至表示，「Cullen Hoback 的发现将震惊世界，甚至震惊美国大选。」

Cullen Hoback 昨日在社媒 X 上表示，「你们中的一些人可能想知道我为什么消失了。好吧，我正在调查另一个失踪的人。好奇谁是比特币的幕后的推手？《Money Electric：The Bitcoin Mystery》将于周二揭晓。这将是一场过山车之旅。」

Cullen Hoback 还表示，「鉴于设计市场预期表现，不会剧透太多细节，距离上映只有几天时间了。」

根据 Polymarket 上的数据显示，在中本聪身份最终揭晓之际，投注者信心参差不齐。Polymarket 交易员评估称，HBO 最新纪录片可能将 Len Sassaman 与比特币的创建联系起来。

目前在 Polymarket 中，投注者更看好 Len Sassaman 而非 Hal Finney 成为潜在的中本聪。目前，Sassaman 以 49% 的赔率领先，而 Finney 的赔率是 14%。Hoback 表示，我不会参与赌注，但我可以确认，我们会确定一个特定的名字。

密码学家 Len Sassaman 曾因开发 PGP 和 Mixmaster 等隐私工具而闻名于世。他对隐私和去中心化的承诺与比特币的核心原则高度一致。

2011 年，Sassaman 在中本聪失踪后不久后不幸去世，这引发了人们关于两人可能为同一人身份的猜测。自 2010 年 12 月 13 日以来，中本聪从未再次上线。

与此同时，人们猜测 Hal Finney 可能就是中本聪，因为 Finney 是继中本聪之后第一个下载并运行比特币软件的人。2009 年 1 月，芬尼还收到了中本聪的第一笔比特币交易，这使他们之间建立了直接的联系。

Finney 早期参与比特币及其社区的活动，引发了他就是比特币创造者的猜测。有一种说法认为，Finney 之所以隐瞒身份是为了保护隐私，避免政府审查。

除了 Sassaman 和 Finney，HBO 曝光的中本聪其他可能人选包括著名计算机科学家和密码学家 Nicholas Szabo 和 Blockstream 首席执行官 Adam Back。

此前根据英国法庭的裁决， Craig Wright 并非中本聪，但不知何故，他出现在了名单上。他的概率目前为 2%。伊隆・马斯克也参与了投票，概率不到 1%。

以下这篇文章《密码朋克的历史：Len Sassaman 和 Satoshi》是发布自 2021 年的关于推测 Len Sassamanda 就是作为学者身份、并生活在欧洲比利时的中本聪的近 9000 字的文章。无论是日常作息规律、还是发帖内容都与中本聪创立比特币期间的时间比较吻合。

希望该文章对读者有启发。仅供参考。以下为文章全文。

我们已经失去太多自杀的黑客。如果中本聪就是其中之一呢？

比特币网络上的每个节点上都嵌入了一条讣告。这是一条被黑客入侵的交易数据，用来纪念 Len Sassaman，他本质上已在区块链中永垂不朽。从很多方面来说，这都是一次恰当的致敬。

Len 是一位真正的密码朋克 —— 才华横溢、不羁且理想主义。他一生致力于通过密码学捍卫个人自由，曾担任 PGP 加密和开源隐私技术的开发人员，并在区块链发明者 David Chaum 的指导下担任研究 P2P 网络的学术密码学家。

他也是黑客社区的支柱：是信息安全和加密货币历史上许多重要人物的朋友和影响者。

一、失去中本聪

据说，莱恩有望成为他那个时代最重要的密码学家之一。但在与抑郁症和功能性神经障碍长期斗争后，于 2011 年 7 月 3 日不幸自杀，年仅 31 岁。

他的去世恰逢世界上最著名的密码朋克：中本聪的失踪。在 Len 去世前仅 2 个月，中本聪发来了他们最后的通信：

• 我已转向其他事情并且将来可能不会再出现在这里。

在一年的时间里，中本聪提交了 169 个代码，发表了 539 篇帖子，然后就消失了，没有任何解释。他们留下了一大堆未完成的功能、关于他们对比特币愿景的激烈争论，以及一笔至今仍未动用的 640 亿美元 BTC 财富。

我们已经失去了太多自杀的黑客。亚伦・斯沃茨 (Aaron Swartz)、吉恩・坎 (Gene Kan)、伊利亚・日托米尔斯基 (Ilya Zhitomirskiy ) 、詹姆斯・多兰 (James Dolan)。他们都是污名的受害者，也是一场让技术进步本身付出代价的流行病。想象一下，如果比特币的创造者在他们实现目标之前就去世了。如果这是真的，如果他们得到了应有的关心和尊严，他们会给世界带来什么？

我不太愿意猜测中本聪的身份，因为有关他的讨论通常都是误导性的，甚至是彻头彻尾的愚蠢和不道德的。但是，随着 Craig Wright 欺骗性地宣称自己创造了比特币，我们有必要重新审视这个话题，并重新讨论真正创造了比特币的密码朋克。

无论中本聪是谁，他们都「站在巨人的肩膀上」—— 比特币是密码朋克社区数十年积累的研究和讨论的巅峰。从这个意义上说，Len 无疑是间接贡献者。然而，人们不禁要问，究竟是谁编写了代码、运行了第一个节点，并使用中本聪的假名发帖。

为了综合并实施比特币所基于的无数想法，该人或该群体需要具备独特的专业知识组合，涵盖公钥基础设施、学术密码学、P2P 网络设计、实用安全架构和隐私技术。他们可能深深扎根于密码朋克社区，并与那些对加密货币产生重大影响的人物关系密切。最后，他们需要坚定的信念和黑客精神，才能「撸起袖子」，匿名构建一个现实世界版本的思想，而这些思想之前一直被归入理论层面。

当我思考 Len 的生活时，我看到许多相同的特征，我认为 Len 很有可能是比特币的直接贡献者。

鉴于加密货币受到前所未有的关注，我希望能够让人们关注到我们应归功于的一位「无名英雄」。我还希望我们能够反思解决精神疾病，尤其是功能性神经障碍的重大意义，这些疾病值得更多关注。

二、起源

Len 甚至在年轻时就是一名自学成才的技术专家，对密码学和协议开发情有独钟。尽管 Len 住在宾夕法尼亚州的一个小镇，但 18 岁时他就加入了互联网工程任务组，负责互联网底层的 TCP/IP 协议，后来又负责比特币网络。

「因为聪明，所以总是有点古怪」，Len 十几岁时被诊断患有抑郁症。不幸的是，他在「边缘虐待狂」精神病医生的手中遭受了创伤，这种经历可能会让人不信任所谓的权威人物。

1999 年，Len 搬到了湾区，并很快成为 Cypherpunk 社区的常客。他与 Mojo 和 Bittorrent 的创始人 Bram Cohen 同住，并成为传奇 Cypherpunk 邮件列表的贡献者，中本聪正是在该邮件列表中首次宣布了比特币。其他黑客记得，他聪明而轻松，在 Cypherpunk 会议上追赶松鼠，开着一辆跑车飞驰，车上还贴着一张「免于牢狱之灾」卡，以防被警察拦下。

在旧金山，Len 致力于通过技术和政治直接行动捍卫个人自由和隐私。21 岁时，他因组织抗议政府监控以及监禁黑客德米特里・斯凯拉罗夫而登上新闻头条。

三、强大的加密技术

在他的职业生涯早期，Len 就以公钥加密（比特币的基础）领域的权威而出名。到 22 岁时，他就在会议上发表演讲，并与著名的开源活动家 Bruce Perens 一起创立了一家公钥加密初创公司。

在互联网泡沫破灭后，这家初创公司倒闭了，Len 加入了 Network Associates，帮助开发比特币的核心 PGP 加密技术。在 2001 年 PGP7 发布期间，Len 为 OpenPGP 实现设置了互操作性测试，这使他与许多重要的加密先驱建立了联系。Len 还为 OpenPGP 的 GNU Privacy Guard 实现做出了贡献，并与 PGP 发明者 Phil Zimmerman 合作发明了一种新的加密协议。

• 在介绍比特币时，中本聪表示，他希望比特币能够成为「一种用于货币的东西」，就像强大的加密技术（即 PGP）用于保护文件一样。

• 上一代，多用户分时计算机系统也存在类似的问题。在强大的加密技术出现之前，用户必须依赖密码保护……随后，强大的加密技术开始为大众所用，信任不再是必需的。…… 现在我们该对金钱也实行同样的做法了。

四、哈尔・芬尼

在 Network Associates，Len 与 Hal Finney 一起开发 PGP。芬尼是第二位 PGP 开发人员，并帮助创建了 OpenPGP 互操作性的 RFC 4880 标准。他也是继中本聪之后最早也是最重要的比特币贡献者：

• 芬尼是除中本聪之外，第一个为比特币代码做出贡献并运行比特币节点的人。

• 芬尼是比特币（由中本聪亲自发送）的第一个接收者。

• 芬尼发明了可重复使用工作量证明的概念，比特币的挖矿就是以此为基础的。

• 早在比特币发布之前，中本聪就与芬尼进行了广泛的交流。在他们最后的一篇博文中，中本聪公开表达了对芬尼的敬意。

毫不奇怪，芬尼是中本聪最受欢迎的候选人之一，尽管这意味着芬尼伪造了他与中本聪的大量电子邮件互动，并同时以真名和另一个假身份为比特币做出贡献。在中本聪于 2011 年「离开」后，芬尼仍将继续致力于比特币。

五、邮件转发程序

Len 和芬尼拥有一项非常罕见且相关的技能：他们都是比特币前身邮件转发器技术的开发者。

邮件转发器由 David Chaum 与加密货币一同提出，是一种用于匿名或假名发送信息的专用服务器。在向 Cypherpunk 邮件列表投稿时，使用它们非常普遍，而该列表本身就是基于分布式邮件转发器构建的。

早期的邮件转发程序只是在转发信息的同时隐藏发件人的身份，而后来的协议（如 Mixmaster，最流行的邮件转发程序）则依靠分散节点在 P2P 网络上分发固定大小的加密信息块。比特币的架构与邮件转发程序非常相似，尽管其节点传输的是交易数据而不是消息。1997 年，加密无政府主义者创始人 Tim May 甚至提出了 一种基于邮件转发程序的数字货币。

作为 Mixmaster 的主要开发人员、节点操作员和主要维护者，Len 是邮件转发技术的杰出专家。他还作为 Anonymizer 隐私卫士的系统工程师和安全架构师实施了类似的技术。

邮件转发器不仅是比特币的直接技术先驱，也是比特币思想史的基础。在《为何需要邮件转发器》一文中，芬尼认为邮件转发器是匿名数字经济的基础。

邮件转发器代表了这一理念的「底层思想」，即在不暴露真实身份的情况下私下交换信息的能力。通过这种方式，我们可以进行交易、出示凭证并达成交易，而政府或企业数据库不会跟踪我们的一举一动。密码朋克的一个愿景包括使用「数字现金」匿名进行交易的能力…… 这是匿名邮件发挥重要作用的另一个领域。

邮件转发器运营商是第一批认识到加密货币需求的人：如果没有匿名支付手段，邮件转发器就必须由运营商自掏腰包运行。这带来了可扩展性问题，意味着垃圾邮件和滥用是一个持续存在的问题。正因为如此，许多加密货币的基本概念都源于对一种抗滥用、以盈利为目的的邮件转发器的需求：

• 1994 年，芬尼 (Finney) 提出可以通过匿名「coins」和「cash tokens」将邮件转发器货币化。

• 智能合约最初是在防止邮件转发器滥用的背景下被讨论的。Nick Szabo 在 1997 年发表了一篇关于智能合约的有先见之明的论文，其中特别提到了 Mixmaster。

• Ian Goldberg 和 Ryan Lackey（Len 都认识他们）是邮件转发社区的重要人物，他们于 1998 年参与开发了一种名为 HINDE 的未完成加密货币。Ian 后来创建了几个早期的 ecash 客户端，而 Ryan 则成为了 Tezos 的 CSO。

因此，中本聪关于比特币的第二篇文章指出，付费发送电子邮件是比特币的第一个工作用例。

最初它可以用于几乎免费但不完全免费服务的工作量证明应用程序。

它已经可以用于付费发送电子邮件。发送对话框可以调整大小，您可以输入任意长度的消息。

六、Adam Back

在小型邮件转发社区中与 Len 有过交集的是 Blockstream 首席执行官 Adam Back，他是第一个与中本聪进行交流的人。

Back 对加密货币的兴趣始于运营邮件转发器，他为邮件转发器运营商创建了 HashCash 工作量证明系统，以对抗垃圾邮件和 DDOS 攻击。中本聪后来将 HashCash 作为比特币挖矿的基础。

我们知道 Len 直接与 Back 合作，将他列为研究论文和 Mixmaster 备忘录的贡献者。两人都参与了许多 OpenPGP 实现，并在彼此的 PGP 信任网络中相互联系。

有趣的是，Back 本人曾暗示 中本聪 可能是一名邮件转发程序开发人员，并指出开发人员会「实践他们自己的技术」以匿名方式参与加密协议讨论。与讨论过的许多 Cypherpunk 不同，我们知道 Len 通过邮件转发程序为 Cypherpunk 邮件列表做出了大量匿名贡献。

布拉姆・科恩对本文的回应，暗示他和哈尔・芬尼可能曾以假名合作

七、Chaum 与 COSIC

高中毕业后，Len 打工养家，从未有机会上大学。尽管如此，2004 年，他还是获得了「理想的工作」，成为比利时 Leuven 天主教大学计算机安全和工业密码学研究小组 COSIC 的研究员和博士生。

Len 在 COSIC 的博士导师正是「数字货币之父」David Chaum。虽然 Chaum 为整个密码朋克运动和所有加密货币奠定了基础，但很少有人可以说自己曾直接与他合作过。

Chaum 的一些相关成就：

• 他在 1983 年的论文「不可追踪支付的盲签名」中发明了加密货币。

• 区块链的发明，他在 1982 年的论文中详细介绍了区块链除一个元素之外的所有元素的代码，这些元素均在比特币白皮书中详细说明。

• 他的公司 Digicash 创建了第一个电子现金系统。数字假名之间的匿名支付是这一愿景的核心。

「[Chaum] 身处一场似乎势不可挡的运动的中心 —— 货币数字化…… 数字货币时代的不确定因素是匿名性，David Chaum 认为，如果没有匿名性，我们就会陷入困境。」

虽然 Digicash 失败了（部分原因是依赖集中式系统），但 Chaum 希望创建第二种数字货币，以提供匿名性和实用性的结合。

尽管许多人将其失败视为数字现金不可行的证据，但中本聪捍卫了「旧 Chaumian 货币」，同时承认集中化带来的问题。

很多人自动认为电子货币是注定要失败的，因为自 20 世纪 90 年代以来，许多公司都倒闭了。我希望大家能明白，正是这些系统的集中控制性质注定了它们的失败。

八、Len 的研究

Len 在比利时的 COSIC 工作直至 2011 年去世。在此期间，他发表了 45 篇出版物，并担任过 20 个会议委员会职位。

Len 的研究重点是开发具有「实际适用性」和工作代码的隐私增强协议。他的主要项目（由 Bram Cohen 协助）是 Pynchon Gate，这是邮件转发器技术的一种演变，允许通过分布式节点网络进行匿名信息检索，而无需可信的第三方。

这项工作与比特币息息相关 —— 随着 Pynchon Gate 工作的进展，Len 越来越专注于寻找拜占庭故障 （又名拜占庭将军问题）的解决方案，这曾是早期 P2P 网络的主要障碍。

在分布式计算的背景下，拜占庭容错是指网络在节点受到损害或不可靠时仍能保持正常运行的能力。拜占庭容错是安全、分散的加密货币需要解决的最大问题之一，无需双重支付或可信第三方。中本聪最重要的创新是「三重记账」会计系统，该系统使用 Chaum 引入的区块链解决了这个问题。

在 2008 年至 2010 年比特币的发展过程中，Len 在金融密码学领域日益活跃。他加入了国际金融密码学协会，并在金融密码学和数据会议上发表演讲，并在会议上担任委员会成员。后者由罗伯特・赫廷加 (Robert Hettinga) 创立，他是数字现金的早期和杰出倡导者，数字现金是会议上的主要话题。

九、中本聪作为学者

大量线索表明，中本聪在比特币开发期间曾在学术界工作，这一想法得到了比特币基金会创始人加文・安德森 (Gavin Andersen) 的认同。

「我认为他是一名学者，也许是一名博士后，也许是一名教授，只是不想引起注意。」

在暑假和寒假期间，中本聪的代码贡献和评论急剧增加，但在春末和年底逐渐减少，因为那时学者要参加期末考试或评分。

比特币代码的独特构造也表明中本聪有学术背景。比特币被描述为「才华横溢但粗心大意」，避开了单元测试等传统软件开发实践，但展现了尖端的安全架构和对学术密码学和经济学的专家理解。

无论是谁做的，都对密码学有着深刻的理解…… 他们读过学术论文，他们有着敏锐的智慧，并且他们以一种真正的新方式将这些概念结合在一起。

当著名安全研究员 Dan Kaminsky 第一次审查中本聪 的代码时，他尝试用 9 种不同的漏洞对其进行渗透测试，但惊讶地发现中本聪已经预料到并修补了所有漏洞。

「我想到了一些漂亮的 bug，但每次我查看代码时都会发现一行代码可以解决问题…… 我从来没有见过这样的事情。」

这可能表明 中本聪 和 Kaminsky 拥有共同的信息安全经验和专业知识。巧合的是，Len 和 Kaminsky 共同撰写并发表了一篇论文，展示了攻击公钥基础设施的方法。

此外，比特币白皮书以 Cypherpunk 邮件列表中罕见的形式发布 —— 一份 LaTeX 格式的研究论文，其中包含摘要、结论和 MLA 引文等学术内容。相比之下，Bitgold 和 b-money 等其他提案则是非结构化的博客文章。

十、中本聪在欧洲

由于 COSIC 的总部位于 Leuven，因此 Len 在比特币开发期间居住在比利时。这一点十分重要，因为许多事实表明 中本聪 居住在欧洲 —— 这是《纽约客》早期调查的主要焦点。

中本聪的写作风格体现了英式英语的拼写和词汇选择，例如 bloody hard、flat、maths、grey，以及 dd/mm/yyyy 日期格式。不过，中本聪也提到了欧元而不是英镑。

比特币的创世区块还包含当天《泰晤士报 》的头条新闻（「泰晤士报 2009 年 1 月 3 日，财政大臣即将对银行实施第二次救助」）。该标题是印刷版特有的，仅在英国和欧洲发行。2009 年，《泰晤士报》是比利时十大报纸之一，并且「由于其在图书馆中广泛发行且索引详细，因此被学者和研究人员广泛使用」。

这些线索给我们留下了一个悖论：它们表明中本聪是欧洲人，但拥有必备技能并了解比特币主要影响的人很可能是美国人。密码朋克社区的大部分成员都联合召开会议和聚会，这也是为什么来自美国尤其是旧金山的人比例过高的原因之一。同样，可以获得尖端专业信息安全和加密经验的工作也集中在美国。

奇怪的是，尽管 Len 是美国人，但他使用的英式英语与中本聪 一模一样。

分析中本聪的发帖历史，可以发现他是一位欧洲「夜猫子」，白天下班或放学后就从事比特币工作。中本聪还曾表示，挖矿难度的增加发生在「昨天」，但如果他住在美国，那情况就不一样了。

假设 中本聪 过着与比特币无关的生活，那么他在工作或学习期间大部分时间都不在家里的电脑前工作…… 如果中本聪生活在 BST 时区，那么他大部分时间都在晚上工作，经常工作到凌晨

当我们检查 Len 的推文历史时，我们发现 中本聪 的帖子和代码提交的时间戳与 Len 自己的深夜活动时间非常吻合。

十一、P2P 网络

虽然比特币不是第一个加密货币，但它是第一个基于完全 P2P 分布式网络的加密货币。中本聪第一次提到比特币时就强调了这一点的重要性：

我一直在研究一种完全点对点的、不需要可信第三方的新型电子现金系统。

丹・卡明斯基表示，为了创建比特币，中本聪需要「了解经济学、密码学和 P2P 网络」，而 Len 则对这三个学科以及它们在数字货币中的应用有着异常早的深入了解。

在旧金山期间，Len 与最广泛使用的 P2P 协议 BitTorrent 的创建者 Bram Cohen 一起生活和合作。在此期间（2000-2002 年），Bram 开发了一个名为 MojoNation 的革命性 P2P 网络，该网络使用「Mojo 代币」数字货币，使其成为首批公开发行的数字货币之一。

在 MojoNation 的 P2P 经济中，「代币」可以用于交换文件存储，这些文件将被加密并编码为「区块」，上传到托管公共账本的分布式节点网络，这让人想起比特币自己的分布式双边会计系统。Mojo 不仅仅是一种内部会计代币，而是一种完整的货币 —— 它可以兑换美元，反之亦然。关于代币经济学的一些早期讨论涉及 Mojo 代币的机制。

一个 Mojo 单位代表整个系统当前功能的一部分。如果你现在为我工作，我会给你 token，将来当网络规模更大时，这些 token 将代表更大蛋糕的一部分，因此当你花费它们时，它们的价值会增加。

中本聪以非常相似的方式讨论了代币经济学：

它有可能形成一个正反馈循环；随着用户的增加，价值也会上升，这可以吸引更多的用户来利用不断增长的价值。

尽管富有远见，但 MojoNation 的经济模型很快就因恶性通货膨胀而崩溃。中本聪有意识地设计了比特币，通过内置通货紧缩和不依赖中央「铸币」服务器来避免这种命运。

2001 年，布拉姆推出了 BitTorrent。作为中心化 Napster 的 P2P 替代品，BitTorrent 预示了比特币自己的分布式节点拓扑和共识系统，以及协议级激励系统。BitTorrent 不仅在技术层面上对 Gnutella 等网络进行了创新，还利用了经济激励和博弈论。

Len 很有先见之明地告诉 Bram，「BitTorrent 将使他比 [Napster 创始人] Sean Fanning 更伟大」。中本聪后来在解释完全去中心化网络的必要性时提到了 Napster 。

政府擅长切断 Napster 等集中控制网络的领导，但 Gnutella 和 Tor 等纯 P2P 网络似乎还能保持自己的地位。

巧合的是，Len 和 Tor 创始人 Roger Dingledine 都参与了 Mixminion 邮件转发协议的开发，在 Black Hat 大会上共同发表演讲，并共同创立了 HotPETS 会议。

2002 年，Len 和 Bram 共同创办了 CodeCon 会议，重点关注「具有实用代码的高度实用项目」。在 2005 年的 CodeCon 上，芬尼通过经过修改的 BitTorrent 客户端介绍了可重复使用的工作量证明，该客户端发送 P2P 数字货币。一位评论员将其描述为：

… 世界上第一个透明服务器，它可以促进分布式、协作的 RPOW 服务器世界。

数字货币是首届 CodeCon 上的一个热门话题，其中包括 Adam Back 的 HashCash 演示以及 Zooko 介绍的 Mnet，后者是 MojoNation 的完全开源和去中心化的继任者。Mojo 不隶属于任何一家公司，可以独立审计，而 中本聪认为这两点都 至关重要。

MojoNation 联合创始人 Zooko Wilcox 和 Jim McCoy 也成为了比特币和加密货币先驱的灵感来源。Zooko 是中本聪 的首批合作者之一，也是 Digicash 的 David Chaum 的员工，在 Bitcoin.org 上发布比特币 v0.1 时，中本聪 附上了 Zooko 博客的链接。Zooko 后来创立了以隐私为重点的主要加密货币 Zcash。他创建了经常被讨论的「Zooko 三角」框架。

「Zooko 三角是网络协议参与者名称通常被认为具有的三个属性的三难困境」

麦考伊 (McCoy) 也是加密货币领域的重要影响力人物，数字货币集团 (Digital Currency Group) 的瑞安・塞尔基斯 (Ryan Selkis) 表示，他相信麦考伊可能是中本聪。

十二、黑客行动主义

即使以密码朋克社区的标准来看，Len 和 Satoshi 都具有特别强烈的意识形态信念和对开放知识的承诺。

我希望你不要一直谈论我…… 也许可以谈谈开源项目，并给予你的开发贡献者更多的荣誉

中本聪通过免费开源草根项目分发比特币的「黑客行动主义」方法与他们的前辈形成了鲜明对比。Chaum、Stefan Brand、eCash 和其他人采取了截然不同的方法：申请专利、成立封闭源代码风险投资公司，并试图通过企业合作推动采用。

这与 Len 对 PGP、Mixmaster、GNU Privacy Guard 等开源项目的广泛贡献以及他在 Shmoo Group 等团体中的丰富志愿者经验相似。

中本聪多次暗示他们的意识形态倾向，称比特币「对自由主义者的观点非常有吸引力」，并且可以「在军备竞赛中赢得一场重大战役，并在几年内获得一片新的自由领土」。

Len 同样热衷于捍卫开放知识和技术进步，避免受到企业和政府的干涉。

追求知识是人类的基本组成部分。在我看来，任何形式的事先限制都是对我们思想和意识自由的侵犯。因此，我不仅希望我们能够避免过度限制性的下意识立法…… 我不希望看到任何人建立一个可能被误用于此目的的框架。

十三、结局

正如中本聪用假名创造了比特币一样，Len 在某种意义上被迫生活在自己的角色之下。2006 年发生事故后，Len 的非癫痫发作和功能性神经问题日益严重，这加剧了他自青年时代以来一直与之抗争的抑郁症。

作为污名的受害者，Len「感觉他必须继续保持自己那个超级能干的人的假象」，并且「非常害怕」他每况愈下的健康状况会终结他的工作并令他关心的人失望。

尽管面临这些挑战，Len 仍坚持工作，直到去世前几个月，为论文做出贡献，甚至在达特茅斯发表演讲。可悲的是，他成功地向生活中的几乎所有人隐瞒了他处境的严重性。

很少有人知道事情发展到了什么程度…… 我反复听到的一句话是「我们从来不知道，看起来他过得很好」。

正如 Len 在他之前的想法的基础上进行构建一样，人们感觉到他致力于构建能够比他更持久的事物，这也是他致力于开源和开放知识的原因之一。

这是我们的遗产，我们的研究成果和想法，它们将带来历史上人类从未有机会获得的知识，我们将把这些知识传给子孙后代。我们需要确保我们不会陷入无法将研究成果分享给他人的困境，确保这些成果不会被锁在知识产权律师的保险库里。

2011 年 Len 去世，这对密码朋克和整个科技界来说都是一个巨大的损失，这一事实反映在随后涌现的大量回忆和同情中。其中一条评论让我印象深刻：「pablos08」在 Hacker News 上发表的一篇文章。

我和 Len 成为了朋友，在那个年代，我们都是密码朋克的共谋者，当时那还是一个蛮荒的时代。我们重新构想了我们的世界，这个世界充斥着密码系统，这些系统将以数学方式强制执行我们珍视的自由。匿名邮件转发器可以保护言论不受报复；洋葱路由器可以确保没有人可以审查互联网；数字现金可以实现完全自由的经济。我们有计划的去中心化和分发一切。我们设想未来可能遇到的问题会面临复杂而深奥的威胁 —— 我们设计未来协议来抵御这些威胁。所有这些都是极客乌托邦式的学术实践。我倾向于保持这种状态，但 Len 想要亲身实践。

密码朋克编写代码。