不安的钱：3.88 亿美元 Bitget 黑客事件，从一家安全供应商开始

不是私钥被拿走，而是提现流程被伪造

Taylor 回忆，他们的告警先捕捉到中心化交易所热钱包的大额移动。确认过程之所以迟缓，正是因为相关钱包并未被一扫而空。她的理解是，攻击者没有取得私钥，却进入了一部分系统，得以伪造提现，或把恶意交易塞入提现队列，同时没有触发风险控制和监控环节的告警。

这套说法与 Bitget 当时描述的架构相互呼应：基础设施、服务器、监控节点与交叉核验共同参与提现流程。多层检查避免把密钥放在单一设备上，也使外部观察者很难立刻判断攻击者控制了哪一个环节、信息怎样在环节间失真。Taylor 将迅速公开初步信息视为积极信号，却没有把系统复杂或攻击手法复杂，当成安全本身的证明。

Pablo 的判断更具体。他认为攻击者利用了交易所所用第三方安全产品的零日漏洞，因此本来用于防护的产品反而成了入口。他由此提出一个供应链层面的标准：一家机构的安全状况取决于自身运维安全，也取决于邮件服务商、域名注册商及其他服务提供者的运维安全。这个判断是对本案初步信息的分析，不是对所有交易所架构的定论。

复杂性在节目里既是防线，也是风险来源。更多交叉核验会增加攻击者需要突破的步骤；更多代码、接口和权限边界也会扩大攻击面。Pablo 认为，目前仍有大量由人编写、尚未被利用的漏洞；从中长期看，他预计 AI 会写出更安全的代码，并估计人类不再手写代码的情形约在两三年之后。面板没有因此把 AI 当成现成的安全补丁，反而把它视为同时增加攻防速度和系统复杂度的因素。

拦截赃款时，链上治理面对什么取舍

资金转移的速度让讨论转向 Arbitrum 和其他链的紧急处置。Taylor 说，她个人倾向于将这次行动归到与此前多起事件相同的朝鲜攻击者，但也说明自己通常不会在节目中作正式归因。她关注的是攻击者很快离开 Arbitrum：上一轮冻结行动似乎改变了他们的路线选择，不过这不是对身份或因果关系的最终证明。

Pablo 以自己参与安全委员会的经验说明，突发事件发生时，委员会往往又从头讨论是否冻结、怎样冻结，并没有一套可直接套用的规则。他不确定固定门槛是否更好，并以一项假设说明担忧：如果规则写成损失超过 2,500 万美元才冻结，攻击者可能改为搬走 2,400 万美元。

围绕 Thorchain 的争执把这种取舍推到极端。Pablo 认为，一个能够暂停链的网络不能仅以不可审查自居；Caine 则提出，冻结本次赃款也可能为政府要求冻结其他对象打开先例。其他面板成员进一步批评该网络的节点准入与软件分发方式，并以其过去的操作为依据质疑其去中心化程度。

他们还提到一种名为 Shield 的控制思路：除人工黑名单和已知风险暴露外，系统也可以根据行为做判断。例如，一个新地址突然携带异常规模资产并立即尝试交易时，可以先延迟交互，再检查其来源和行为。这个例子把问题具体化为：哪些信号足以让系统暂缓一笔交易，以及等待多久才不会把正常使用者一并挡在门外。

AI 代理：风险叙事、开源扩散与责任

话题转到 AI 后，主持人以 OpenAI、Anthropic 和 Google 对代理安全事件的公开讨论为引子，担心代理在沙箱以外访问或攻击系统。Pablo 的看法有两层：他相信这类代理比公司对外说的更危险；但他不认同把更危险当成企业估值更高的理由。他也基于各方激励猜测，前沿实验室强调风险，可能是在推动更严格监管、压缩开源模型的空间。

另一位面板成员提出反驳：高能力的开放权重模型已在许多人的机器上运行，模型、调优方法和低成本部署正在扩散，即使少数前沿实验室停摆，也未必能逆转研发。他预期进展或许短暂放缓，随后会因更多人尝试更高效的训练和部署而再次加速。也有人补充，较便宜的模型仍会从前沿模型获得训练上的助力，所以前沿实验室消失不会毫无代价。

对代码能力的判断同样没有一致答案。Pablo 认为，今天仍有少数人写出的代码优于 AI；中长期内，AI 可能写得更安全。面板同时讨论了未经限制的模型更主动串联漏洞的可能性，以及把机器人带进家庭所带来的物理安全风险。两类风险的共同点不是某个模型名称，而是系统一旦拥有行动能力，责任、权限和隔离不能再只靠使用者的主观善意来安排。

上市风险与 AI 价格，谁为扩张买单

面板在讨论代理安全后接着谈大型 AI 实验室的融资：训练和部署需要巨额资金，而这些公司又可能带来难以界定的安全外部性。Caine 主张，如果公司仍在巨额亏损、可能归零，却也有很大上行空间，公开市场应有机会承担风险并分享潜在回报。他用一项极端假设说明这项取舍：散户可能损失 2 万亿美元，也可能获得 20 万亿美元回报。

在他的叙述中，近年大量上涨在公司上市前已被私募资本拿走；公开市场只有在仍有不确定性和上行空间时，才是在承担风险而非接手残局。Pablo 提醒，Meta、Google、Amazon 等大型科技股在上市后也曾带来可观回报。双方的分歧不在于上市必然好或坏，而在于此刻的估值、亏损和未来利润，是否还给后来者留下与风险相称的空间。

价格结构是这场争论的实际基础。Caine 以自己的一次测试说明订阅与 API 的价格差：约一百个代理从订阅切换到 API 后，九十分钟花掉约 400 美元；他对照的是每月 200 美元的订阅，而非通用 API 费率。他设想，如果企业能以固定月费取得足够的模型容量，工作流会改变；若一项调用按小时计价高到超过人工处理成本，部署就缺乏经济性。

Pablo 对需求端也保持克制。他估计，展示模型、编排框架和优化技巧的人里，绝大多数没有做出有用或能赚钱的产品；编程门槛下降后，想法和销售能力仍决定产品是否有人需要。其他人接受这一点，却认为低成本试验仍有价值：过去需要数月、融资和工程团队才能证伪的点子，现在可以更快被做出来、被放弃，少数真正有用的结果可能抵掉大量无效尝试。

以太坊 2030：技术实现不等于商业落地

最后一段围绕 Vitalik 汇集多项以太坊未来设想的文章展开。Caine 对这份 2030 方向的评价非常乐观：如果其中的系统实现，他认为它会在技术和运营上压过其他智能合约平台。Austin Burke 没有否认技术难度，却反对把现有进度归为研究人员不够努力；在他看来，难处在于怎样正确实现机制，而不是把功能尽快推出去。

面板由此区分了两种时间成本。一种来自人类协作：多人花数月做错方向时，资金、心理压力和组织协调都会抬高纠错成本，于是机构会在动手前反复讨论。另一种是验证成本：区块链不能因为试验而随意出错，机制、模拟和安全边界仍需要严谨确认。有人认为，AI 可以让原型、模拟和迭代更快，帮助团队用运行结果替代一部分纯理论争论；这并不意味着可以把未经验证的改动直接推上链。

关于时间表，Austin 预计 2027 至 2028 年的工作仍主要受人的节奏限制，之后 AI 可能更深入地参与实现。Pablo 提出了另一项限制：以太坊的挑战未必主要是技术，还包括是否解决了今天有人愿意付费的问题。更快出块和更强隐私本身不自动带来用户。

Caine 的回应是，基金会的职责是把底层能力做好，应用会在足够好的技术上出现；另一位参与者则指出，开发者曾把以太坊视为慢、贵、缺乏激励且前景不明，因而转向别处。到节目结束，这个分歧仍在：更强的底层技术能否自行吸引商业活动，还是必须同时改善成本、激励和对未来的信心。