“美元” on X: BTC, 账户, 赠送
On 2026-11-15, “美元” was discussed in 39 posts by 38 authors on Chinese-language X, with about 1.4M views (#1 of 24 topics that day). Related keywords: BTC, 账户, 赠送. The posts we collected drew 10,882 likes, replies, reposts and quotes in total. The most engaging post came from @GuoShenCN7 with 2,658 likes and 143 reposts.
Top posts about “美元”
Sorted by views. Showing the top 10.
- 1
🇨🇳 Guo Shen 郭深@GuoShenCN7 · 2026-11-14 21:44谁能用10岁小孩都能听懂的话给我解释一下:为什么比特币在10天内跌了16,000美元,而且期间连一次反弹都没有? https://t.co/iwLn8TGDO7
- 2
Bitcoin AlphaX@BitcoinAlphaX · 2026-11-14 23:40我之前说过,如果 $BTC 跌至 65,000 美元,我就会向 5 个人赠送价值 20,000 美元的比特币。 现在,我们真的跌到这个价位了。 正如我承诺的那样,今天我将向 5 位幸运获奖者赠送价值 20,000 美元的 $Bitcoin。 参与方式: ✅ 点赞 ✅ 转发 ✅ 评论“Bitcoin” 🔔 参与将在 24 小时后截止。祝大家好运!
- 3
飞龙财经@flcjbtc · 2026-11-15 03:04真是滑天下之大稽呀,币安高层还在密谋,目前离黑客被盗的63亿美元窟窿还有近一半没赚回来,3个月内真的能顺利完成此任务吗?接下来各位币圈勇士将如何继续接招? https://t.co/eBuSF7jlCN
- 4
越川@Rakel076 · 2026-11-15 10:58有网友贴出一组卡车场景的对比,看完真的绷不住了 同一个场景,Claude Fable 5.2 用两分钟、花 5 美元,做出了电影感画面。 GPT-6 Astra 跑了 25 分钟、烧掉 96 美元,端出来一辆 4399 画质的方块卡车,车上一车木头还全没了。 照他这组对比,96 刀换来一辆丢了木头的方块卡车,这钱花得也太冤了吧🤣
- 5
深深|观势而行@Yxnh8023 · 2026-11-15 14:09兄弟们,比特币跌到6万美元附近了。 我认真想了一下,未来1—2个月,我觉得无非就三个剧本。 第一个剧本:6.2万美元就是底,直接反弹。 走势:6.2万 → 6.8万 → 7.2万 → 7.5万 这一轮该爆仓的爆了,该止损的也止损了。 如果接下来6.2万美元守得住,BTC重新站上6.8万,甚至突破7万美元,那就有机会继续往7.5万美元走。 第二个剧本:先反弹,再跌一次。 走势:6.2万 → 6.8万 → 6.3万 → 5.8万 说实话,这是我目前最倾向的剧本。 原因很简单,这轮跌得太快了。 第三个剧本:6.2万美元彻底失守,继续深跌。 走势:6.2万 → 6万 → 5.8万 → 5.2万—5.5万 这是最悲观的情况。 如果接下来ETF资金继续流出,美股也不配合,BTC跌破6万美元后又迟迟收不回来,那市场可能还要经历一轮更深的调整。 我个人更倾向第二种:先反弹,再回踩。 但这不代表我认定BTC一定会跌到5.8万美元。 兄弟们,如果让你们选: ① 6.2万就是底,直接反弹 ② 先反弹,再跌到5.8万 ③ 6万守不住,继续往5万走 你们更相信哪个剧本? 本文分析仅供参考。
- 6
MacroYu@MacroYuvo · 2026-11-15 02:15人民币升值太快,央行终于踩刹车了。😃 今天(11月15日),中国央行正式将外汇存款准备金率从4%提高至6%,这是近五年来首次上调。 简单说,就是让银行把更多美元锁在央行,减少市场上可动用的美元,缓解人民币升值压力。 中国长期保持巨额贸易顺差,年底又是出口企业集中结汇的时期。一边是市场的人民币升值动力,一边是央行不希望升值过快。 我的判断:短期升值速度可能放缓,但中期升值趋势未必结束。 央行究竟能压住人民币多久? #人民币 #美元 #汇率
- 7
王局拍案@wangjupaian · 2026-11-15 10:48【人民币涨得太快,央行出手踩刹车?】 今天起,中国央行把银行外汇存款准备金率从4%提高到6%,这是近五年来第一次上调。 简单解释,就是银行每收到100美元存款,以前要拿出4美元交给央行,现在得交6美元。按9月底约1.2万亿美元的外币存款算,相当于多冻结约240亿美元。这笔钱不是被央行直接从市场抽走,而是银行暂时不能自由使用了。 为啥要这么干? 表面看,人民币最近涨得太快,兑美元一度升破6.65,创四年多来新高。出口企业赚了美元,拿到市场上换人民币,卖美元、买人民币的人多了,人民币就容易升值。现在央行让银行少一些美元可以动用,相当于减少市场上的美元供给,给人民币升值踩一脚刹车。 中国汇率的两难,人民币太便宜,担心资金外流;太贵了,出口企业又吃不消。 而央行,最怕的不是人民币涨或跌,而是大家都认准一个方向,一窝蜂地跟着买卖, 到那时,想稳汇率就更难。
- 8
LOADERMAN@Abdelemhsn · 2026-11-15 10:32https://t.co/r7jd8Brl7Y 别挖了别挖了,再挖的话美元都要贬值了
- 9
Yu Jiang@ChiangYu18 · 2026-11-15 12:44卧槽! 卧槽! 用ITIN又薅到一张美国银行账户!! 非美国居民居然也可以申请!! DUC是美国马萨诸塞州数字联邦信用合作社,也是美国规模最大的信用合作社之一。 申请条件:入会资格,只需要向FFA(Financial Fitness)交8美元就能自动获得入会资格,然后就能注册申请DUC银行账户! https://t.co/jLjWMACLR0
- 10
dd滴滴.base.eth@rtk17025 · 2026-11-15 09:20Primus :zkTLS、TEE 与 FHE 的信任边界,以及隐私计算的商业成本 在上一篇中,我分析了 @primus_labs 背后的 QuickSilver 与 Garble-Then-Prove 这两篇研究分别处理零知识证明效率,以及 TLS 数据认证的协议成本 当我们把视角移到 Primus Network,研究重点会变得更加复杂 一套在论文中安全的密码学协议,部署到实际网络后,还需要面对 Attestor 的行为假设、Key Management、Hardware Trust、Protocol Compatibility,以及长期运营成本 Primus 在 2025 年推进 AlphaNet,2026 年又进一步公布 FHE Confidential Vault 与新的密码学研究 这些进展让我开始从三个方向评估 Primus Security Model、Computational Economics,以及 Commercial Adoption 01|MPC Mode 与 Proxy Mode:不同的信任假设 Primus 官方文档将 zkTLS 的主要运行方式区分为 MPC Mode 与 Proxy Mode 两者都希望验证 HTTPS 数据的来源,但在会话密钥管理与 Attestor 的参与方式上存在差异 MPC Mode:共同控制 TLS 会话材料 MPC Mode 让 Client 与 Attestor 通过安全计算协作生成 TLS 所需的会话材料 在符合协议安全假设的情况下,Client 无法独立控制完整的认证流程,也难以自行制造能够通过验证的虚假服务器响应 这种方式通过密码学约束 Client 的行为 但 MPC 需要额外的计算与交互 其中的 RTT(Round-Trip Time)、Bandwidth 与 Circuit Evaluation Cost,都会影响用户体验 如果需要跨国传输,网络延迟可能成为明显瓶颈 Proxy Mode:降低 MPC 开销 Proxy Mode 由 Attestor 转发客户端与目标网站之间的加密流量,并记录相关密文 Client 随后提供与会话记录相对应的证明,让 Attestor 能够确认已披露数据的完整性 这种架构通常能够降低计算负担 但 Attestor 需要可靠地判断自身连接的是否为正确的远程服务器 如果网络路径或服务器身份确认受到攻击,便可能影响数据来源的可信度 因此,Proxy Mode 额外承担了网络层面的安全假设 两种模式各有适用场景 对于要求较高安全保证的资产验证,MPC Mode 可能具备更合适的信任结构 对于大量低价值、高频率的数据认证,Proxy Mode 的效率优势则可能更容易被应用采用 但要比较两种模式的实际安全程度,仍需结合各自的协议版本、Attestor 部署方式与攻击模型 02|TEE:密码学安全模型以外的信任 2025 年 10 月,Primus 推进 AlphaNet,开始引入随机选择 Attestor 的网络设计与 TEE 执行环境 官方文档也描述了与 Phala 相关的 TEE 及 Key Management 机制 Trusted Execution Environment 主要提供硬件隔离与执行完整性保护 通过 Remote Attestation,外部参与者可以在一定安全假设下确认,指定程序运行于符合预期的受保护环境 这对 Attestor Network 具有实际价值 即使 TLS 认证协议本身满足安全证明,也不代表节点运营者的其他操作自然受到相同保护 Attestor 可能接触敏感的会话材料、网络连接状态,以及与证明生成相关的秘密信息 TEE 能够缓解部分节点遭恶意修改或未经授权读取时的风险 不过,这也引入了 Hardware Root of Trust 如果系统依赖特定硬件平台、固件与 Attestation Infrastructure,安全性便需要考虑 Side-Channel Attacks、Firmware Vulnerabilities、Key Revocation 与供应链管理 对于 Primus Network,我会长期观察几个维度 首先是 Attestor Operator Diversity 如果大量节点由少数实体控制,随机抽选能够提供的独立性可能有限 其次是 Hardware and Software Attestation 外部能否检查节点运行的程序版本、测量值及相关验证程序 最后是 Collusion Resistance 当 Client 与 Attestor 合谋,或多个 Attestor 受到共同控制,系统究竟依赖哪些机制降低伪造风险 这些都需要通过实际网络与治理机制进行检验 03|从 zkTLS 延伸到 FHE:Primus 的研究管线 2026 年,Primus 相关研究人员在 USENIX Security 的论文中,进一步探索了隐私消息检索与 Threshold FHE 其中我特别关注 InstantOMR 与 Ajax InstantOMR:降低 Oblivious Message Retrieval 的延迟 InstantOMR 研究的是 Oblivious Message Retrieval(OMR) 在隐私通信系统中,Client 可能需要从大量加密消息中寻找属于自己的内容 如果直接要求用户下载或扫描所有消息,数据传输与计算成本都相当高 如果由 Server 根据接收者身份进行筛选,又可能泄露用户身份或检索兴趣 OMR 希望在保护这类隐私信息的情况下,提高消息检索效率 InstantOMR 结合 TFHE Functional Bootstrapping 与 RLWE-based Operations,改善数据检索的延迟及并行化能力 论文在特定 Streaming Benchmark 中,报告了相较 SophOMR 约 600 倍的延迟改善 研究实现还使用了 Primus-fhe Library 这表明 Primus 团队的 FHE 研究已经涉及可重复使用的软件组件 但 InstantOMR 的 Benchmark 仍属于特定消息检索设置,不能直接套用于任意 FHE Application Ajax:Threshold FHE without Noise Flooding 另一项研究 Ajax,处理 Threshold Fully Homomorphic Encryption 的效率问题 在传统 FHE 中,加密数据可以在不解密的条件下进行计算 但如果单一参与者持有完整的解密权限,整个系统仍存在密钥集中风险 Threshold FHE 将解密权限分散至多个参与者,要求达到相应门槛才能完成解密 这对机构级隐私计算、多方资产管理与分布式金融系统具有潜在用途 Ajax 提出 Mask-Then-Open 技术,改善以往部分 Threshold FHE 系统对 Noise Flooding 的依赖 Noise Flooding 原本可以用于满足某些安全需求,但往往带来更大的噪声参数与计算负担 通过不同的安全设计,Ajax 改善了相关 Key Generation 与 Threshold Decryption 的效率 但 Threshold FHE 主要处理加密状态下的计算与分布式解密 假设运算者提供了错误的计算结果,FHE 本身未必能够提供充分的执行正确性证明 如果应用需要强制验证计算结果,仍须引入合适的 Verifiable Computation 或其他完整性机制 04|Confidential Vault:研究开始进入金融产品 2026 年 8 月,Primus 与 Unitas、United Stables 合作,在 BNB Chain 推出 Confidential Vault 公开设计允许用户将 $U 转换为加密形式的 $EU,并进行隐私转账或参与 Vault 收益策略 它提供了一个观察 FHE 金融产品化的实际案例 传统公链的透明度对公开审计非常有利,但在部分商业场景中,用户未必愿意公开全部交易细节 例如企业 Treasury Management、机构结算、私人资产配置,以及具有保密要求的支付 这些需求涉及不同层次的信息保护 交易金额、交易对手、资产余额与交易模式,都可能是需要控制披露范围的数据 FHE 能够让部分计算直接在密文上执行,减少暴露明文数据的需求 但实际产品仍需要考虑智能合约、密钥权限、资产托管、流动性及收益策略 假如底层 Vault Strategy 出现亏损,FHE 不会消除金融风险 加密计算的安全性也无法替代 Smart Contract Auditing 或资产储备验证 这些风险必须分别处理 05|AutoHoG:90 毫秒与 210 TPS 应该怎么看 2026 年 11 月,Primus 再次公开 AutoHoG 的性能数据 团队披露,在八张 NVIDIA RTX 5090 GPU 的测试环境下 64-bit Confidential Transfer 约需 90 毫秒,吞吐量超过每秒 210 笔操作 其技术方向涉及 Multi-Input Multi-Output Homomorphic Gates,以及针对特定计算电路的优化 对 FHE 研究而言,Bootstrapping 一直是重要的成本来源 通过改善 Gate Evaluation、减少不必要的 Bootstrapping 或重新安排电路结构,可以显著降低部分任务的计算时间 不过,这组 Benchmark 需要谨慎解读 首先,90 毫秒代表指定计算任务下的性能,与公链完整交易的 End-to-End Finality 存在差异 其次,210 TPS 涉及硬件配置、并行化程度及工作负载 最后,八张 RTX 5090 的设备成本、功耗、GPU 利用率与维护费用,都会影响单笔 Confidential Transaction 的经济性 因此,我会更关注 Cost per Successful Confidential Operation 如果只比较 TPS,容易忽略底层计算资源的差异 FHE 的长期竞争力需要结合 Performance per Dollar、Latency Distribution、Hardware Scalability 与服务可靠性进行评估 06|五个尚未完全解决的安全与商业问题 Data Authenticity 与 Data Truthfulness zkTLS 可以证明数据在符合安全假设的条件下来自指定服务器 但如果服务器本身提供错误、不完整或刻意操纵的信息,密码学证明也会忠实地认证这份数据 以 Proof-of-Reserves 为例 确认某个账户持有资产,无法单独证明机构的全部负债、资产归属及偿付能力 因此,zkTLS 更适合用于提供 Authenticated Data Provenance 数据本身能否代表完整事实,仍取决于来源、采样方式与应用设计 Attestor Collusion 如果 Attestor 与 Client 存在合谋风险,系统需要通过节点治理、随机抽选、TEE 与相应的惩罚机制降低风险 但是否具备有效的 Byzantine Fault Tolerance,必须根据实际协议与节点安全模型判断 单纯增加节点数量,不一定能够改善系统对共同控制者的抵抗能力 TLS Compatibility TLS 1.3、ECH、QUIC、HTTP/3、Session Resumption 与 CDN 配置变化,都可能影响 zkTLS 的实现细节 尤其 GTP 原论文的主要测试基于 TLS 1.2 产品能否适应现代浏览器、网站登录流程与不同 TLS 配置,需要持续维护及兼容性测试 Privacy and Unlinkability Selective Disclosure 能够保护部分数据内容 但用户如果反复使用相同 Wallet Address、Account Commitment 或其他公开识别信息,仍可能被跨应用追踪 因此,匿名凭证、Nullifier、Metadata Protection 与 Domain Separation 等设计,在部分高隐私场景中仍然重要 Proof Economics QuickSilver 的高效率 Benchmark,无法直接推导出整个 Primus Network 的单次服务成本 实际成本还包含 Attestor 运行、网络流量、TEE、存储、密钥管理、证明失败重试,以及可能产生的链上验证费用 而 FHE 更需要考虑 GPU、Bootstrapping 与 Threshold Decryption 的计算成本 即使同一套技术在论文中具备良好的 Complexity Improvements,实际运营仍需要建立可持续的 Unit Economics 07|Primus 的商业护城河从哪里来 Primus 于 2025 年 2 月公布合计 650 万美元的 Pre-Seed 与 Seed 融资,投资方包括 Dispersion Capital、Symbolic Capital、VanEck,以及 Samsung Next、Alchemy、Maelstrom 等机构 后续又获得 YZi Labs 的投资与孵化支持 这些资本资源有助于密码学研究、产品开发与生态拓展 但如果从长期企业价值分析,我会将学术资产与商业资产分开评估 QuickSilver、GTP、InstantOMR 与 Ajax 代表研究能力 而付费客户、持续收入、Developer Integrations 与稳定运行的服务网络,才会逐步形成商业护城河 Primus 已经公布 Proof-of-Reserves 相关产品设计,并提出结合 zkTLS、TEE、zkVM 的 Data Verification and Computation(DVC)架构 这类服务可以采用企业订阅、API Usage 或定制化集成的方式收费 对交易所、金融服务商与机构而言,定期资产证明、数据认证与可审计性具有实际需求 但 Enterprise Sales Cycle 通常较长,客户还会要求可靠的 SLA、合规评估、数据保护及系统集成 相比之下,面向消费者的 zkTLS Application 更关注单次 Proof 的延迟、成功率与使用成本 FHE Confidential Finance 又需要处理 GPU Cost、Liquidity、Capital Efficiency 与 Settlement 三类业务的成本结构与客户群体都有差异 因此,Primus 最终能否形成规模效应,需要观察哪些服务能够产生可持续收入 08|追踪 Primus 的哪些数据 如果未来十二个月要建立一套观察框架,我会优先追踪五个方向 1、MPC Mode 与 Proxy Mode 的实际采用比例 这能够帮助理解开发者愿意在安全假设、通信成本与用户体验之间做出怎样的取舍 2、Production Proving Cost 包括 P50/P95 Latency、Bandwidth、Failure Rate,以及单次成功证明的完整成本 论文中的 6–7 倍提升能否转化为生产环境优势,需要通过真实工作负载验证 3、Attestor Network 的独立性 需要观察节点运营者分布、硬件信任、Remote Attestation、治理机制及实际的安全事件处理能力 4、FHE 的成本效率 例如每笔 Confidential Operation 的 GPU 成本、Throughput per Dollar、Bootstrapping Latency,以及完整金融交易的结算效率 5、企业客户与收入质量 我会特别关注 Paid Integrations、Recurring Revenue、Retention、客户集中度及实际认证需求 这些指标通常比单次活动的使用数据更能衡量长期产品价值 结语 Primus 的技术路线具有鲜明的研究特征 2021 年的 QuickSilver 改善零知识证明成本 2024 年的 Garble-Then-Prove 优化 TLS 数据认证流程 2026 年的 InstantOMR 与 Ajax,则将研究延伸至隐私检索与 Threshold FHE 再加上 Confidential Vault、AutoHoG 与 Primus Network,团队已经开始将不同的密码学研究成果整合进产品 这些技术的安全假设各不相同 zkTLS 处理数据来源认证 ZK 能够在特定关系下提供可验证的计算证据 FHE 允许在加密状态下进行计算 TEE 则提供硬件支持的执行环境保护 当它们被整合到同一套服务中,最终安全性取决于各个组件及其接口的正确性 对我而言,Primus 已经展现出具体而扎实的密码学研究能力 但能否成为长期被开发者与金融机构采用的隐私计算基础设施,还需要经过实际产品、成本结构与企业需求的检验 研究论文决定技术能力的上限,生产环境决定安全与性能是否可靠,持续付费的客户则决定商业模式能走多远 接下来,我会继续关注 Primus 在 zkTLS 与 FHE 产品上的实际采用数据
Who drove the conversation
“美元” over time
| Date | Views | Posts | Rank |
|---|---|---|---|
| 2026-11-18 | 1.1M | 39 | #7 |
| 2026-11-17 | 749.5K | 40 | #13 |
| 2026-11-16 | 1M | 40 | #5 |
| 2026-11-15 | 1.4M | 39 | #1 |
| 2026-11-13 | 1.2M | 39 | #6 |
| 2026-11-12 | 1.2M | 40 | #8 |
| 2026-11-11 | 341.8K | 39 | #7 |
| 2026-11-10 | 920.4K | 40 | #12 |
| 2026-11-09 | 1.4M | 39 | #7 |
| 2026-11-08 | 2.6M | 40 | #4 |
More Finance topics that day
Collected from public posts on Chinese-language X through our X data API. Views and counts reflect the snapshot time and are not live. Methodology