- Investment Partner @primitivecrypto - Asia edge, Macro lens, Stablecoin nerd - PKU & Cal Alumni, PhD in Economics
Joined February 2024
- Tweets 1,216
- Following 926
- Followers 10,190
- Likes 1,234
85 Photos and videos
Pinned Tweet
Mar 30
跟Mercy聊了非常开心的一小时！
做妈妈和做投资人，本质上都在做同一件事：在极度不确定中做长期判断，并为结果负责。
在视频中，我复盘了这个周期的得与失，以及接下来 Crypto 可能的路径。
很多时候，市场教你的和生活教你的，是同一课。
Mar 30
AI 正在吸干流动性，Crypto 还有戏吗？
“AI 确实是当下全球最大的共识，所有的钱都在往那边倾斜”，直面这个残酷现实，亲历三个周期的 Yetta 反而看到了机会：
Crypto 最惨淡的时候，正是 VC 进场的最好时机。她当下依然坚定押注 PayFi 与 CeDeFi，并笃定 AI 与稳定币的结合才刚刚拉开序幕
本期，Mercy很开心可以对话 Primitive Ventures 投资合伙人 Yetta @YettaSing ！
AI 狂热下 Crypto 的结构性机会——“只要还有人在 AI 里赚钱，流动性迟早会回来”。
13
2
93
20,222
Jun 10
以前我总觉得，只要我足够谦卑、足够懂事、足够“不麻烦别人”，别人就会更喜欢我。后来我发现，不是这样的。
别人不会因为你把自己放得很低，就觉得你值得被珍惜。相反，他可能只会觉得：你没有那么重要，你的边界可以被试探，你的利益可以被压缩，你这个人很好拿捏。
社会的底层逻辑是价值交换，不是情绪补偿。
7
5
54
3,317
May 30
第一个拿到onshore BTC perp 许可的居然是Kalshi，厉害！
.@CFTC Approves BTCPERP Contract Submitted by KalshiEX, LLC: cftc.gov/PressRoom/PressRele…
1
3
1,659
May 26
Perp需要用oracle去确定mark price，但是在PreIPO以及周末美股的场景下，没有spot price为 @tradexyz 做mark price，那它如何来做价格发现呢？
首先，perp 和 spot 的价格，本质上不是同一种东西。
Spot 是真金白银买资产，价格背后是真实资本愿意持有这个资产的水平；但 perp 交易的是 exposure，是用保证金和杠杆表达预期。杠杆越高，价格越容易被边际情绪、短期资金和流动性结构放大。所以 perp 往往比 spot 更快，但不一定更真。
这也是为什么，在没有外部 spot 的情况下，系统不能简单地说：“perp市场交易到哪里，公允价格就在哪里。” 因为你无法判断：现在的价格，到底是真实共识，还是几个人用高杠杆推出来的局部幻觉。
@tradexyz 的核心设计，其实就是解决这个问题：如何让 perp 在没有 spot 的情况下继续做价格发现，但又不让系统被 perp 情绪牵着走。
官方自己有一句话我觉得说得特别好：“prevent price movements that exceed what may reasonably constitute true price discovery.”
翻译过来其实就是：系统允许利用perp做价格发现， 但不允许价格运动超出“合理价格发现”的范围。所以它整个 oracle 系统，是要把“市场表达”和“系统确认”拆开。
最核心的是它的 ratcheting mechanism —— 棘轮机制，市场当然可以持续给出新的价格预期，但 oracle 不会瞬间跳过去，而是像棘轮一样，一格一格缓慢移动。
具体来说：
- oracle 每次 update 有单次移动上限（约 9.5%）
- mark price 本身还有 ±50bp clamp
- Discovery Bound 被限制在 1/max leverage
- pre-IPO 合约再叠加 30 分钟 EWMA 平滑
- funding 只有正常合约的 1%，避免短期资金费率把价格进一步推向极端
这几个机制组合起来，其实形成了一套“三层缓冲”。
第一层，是市场自由交易；
第二层，是 oracle 缓慢吸收这种交易信号；
第三层，是 Discovery Bound 限制系统一次性能相信多少。
也就是说：市场当然可以认为价格已经变了，但系统只会一点点承认这件事。
这套机制最妙的地方在于，它没有天真地 fully trust perp market。因为在没有 spot 的时候，perp 本质上是一个高杠杆的 expectation layer。而 expectation layer 最大的问题，就是会自反性放大自己。
价格上涨 → 多头盈利 → 杠杆扩大 → 更激进买入 → 价格继续上涨。
如果系统对这种价格瞬间 fully trust，那 mark price 就会直接变成杠杆情绪本身，最后导致连环清算和系统性风险。
所以 @tradexyz 非常创新地设计了这一套机制：让 perp 先表达市场预期，再让系统缓慢、有边界地确认这种预期到底是真是假。
真的是一个非常高级的金融工程，我们行业创新一直都在。
6
14
77
7,594
May 23
- bank the unbanked
- broker the unbroked
去年就开始看这个赛道，到今年一步步爆发，we are still early
4
4
21
10,400
May 21
Variational 融了 $50M，但拿它直接对标 Hyperliquid，我觉得并不准确。它更像是对 CLOB 的补充，甚至长期来看，会成为 CLOB 体系里的一个子集服务商。
因为 Variational 本质上不是 Dex，而是一个 Broker Dealer 结构。它解决的是另一类订单流：比如不希望产生 market impact 的 block order，或者 CLOB 很难建立深度的长尾资产。
但我觉得它最大的问题，不是产品，而是结构。
TradFi 里 RFQ 能成立，是因为 broker 会同时向多个 dealer 询价，dealer 之间的竞争会形成 spread 约束。
而现在 Variational 的 RFQ，只有自家 OLP 一个 dealer。
这意味着：
- 用户面对的是单一对手方；
- 定价没有外部约束；
- dealer 拥有巨大的信息优势；
- 甚至天然会产生 last look 问题。
归根究底是一个透明度 单一主体的问题，非常不符合我对DeFi的哲学观。
很多链上项目表面上在做 DeFi，底层却越来越像传统金融里的 internalization system：流动性被少数主体控制，透明度下降，用户可能获得“更顺滑的体验”，但不是更公平的市场。
当然，商业世界并不在乎你的金融哲学。
只要能服务好特定用户，它依然可能是个成功生意。Variational 很可能 targeting 的本来就不是 crypto native trader，而是 non-crypto 的机构和不专业散户。
May 20
CLOBs are not going to take us to the RWA promised land.
Today Hyperliquid owns the liquidity for a handful of RWA macro names. But outside the top 10 traded assets (which are ~90% of volume) liquidity falls off a cliff. When there's enough retail demand, order books can work. But "perps on everything" is a different problem, and TradFi solved it decades ago.
The answer isn't every venue rebuilding its own order book. That's not what Robinhood does, it's not what Schwab does, and it's not what DeFi should be doing either.
Building your own book for every asset means bootstrapping demand ticker by ticker, renting liquidity with subsidies, and ending up with thin markets that blow out 200x the moment news hits. It's like sucking the ocean of TradFi liquidity through a straw.
Variational skips all of it via the RFQ model. RFQ is how institutions like Dragonfly actually trade. In RFQ, dealers quote just-in-time and hedge on the primary venue as orders come in. This lets Variational mainline TradFi liquidity directly and mirror it on-chain. Margin in smart contracts, settlement in stablecoins, liquidity aggregated from the people who already trade on the biggest underlying markets, like the CME and NYSE.
It makes it permissionless to access the same depth and spreads the big boys get. With the cold start problem gone, new markets can ship at the speed of software.
By next year I expect RWA perps to be the biggest contract class on-chain, bigger than BTC and ETH perps combined. That's how crypto truly becomes the market for everything.
I believe the platform that wins that won't look like a traditional exchange.
Proud to lead Variational's $50M Series A.
Watch this space.
7
2
28
8,320
Apr 28
Crypto 真的是少数几个把好奇心与风险偏好当作默认配置的行业。跟很多Web2 VC聊，发现即使在他们团队里，看AI的team使用agent 程度都远不如看crypto的team，更别说Crypto 无数team已经拿agent来实战了，大家一边用、一边踩坑、一边迭代。
甚至在 2024 年底，我们就已经经历过一波 AI Agent 的meme热潮，在资本市场，我们其实也走在了前面。
18
3
111
15,847
Apr 20
跟 Ondo @OndoFinance & LTP @LTP_primebroker 一起办了一个小型VIP dinner，一起探讨tradfi跟defi如何融合，有兴趣的欢迎DM我！
We’re excited to co-host an intimate VVIP dinner with @OndoFinance and LTP @LTP_primebroker in HK this week, bringing together deep pockets capital allocators & leaders across TradFi, DeFi and RWAs trading and issuance
If you’re in town and building at the frontier of institutional-grade finance onchain, join us:
luma.com/OndoxLTPxPrimitive
2
10
3,098
Apr 15
有时候觉得 AI 特别聪明，能想到你没想到的东西，但有时候它又很笨，一些理所当然的事情你调试半天它也做不好。
其实两件事的根源是一样的，人脑的复杂性跟机器的确定性之间的矛盾。
人脑子里装了太多自己都没意识到的隐含假设。你以为你说清楚了，其实你省略了很多前提。机器是确定性的，你给什么它算什么。所以它“笨”的时候，是你漏给了你以为不需要给的东西。而它“聪明”的时候，恰恰是因为它帮你指出了你的隐含假设并加以清晰化，并且它可能没有被你那些未经检验的假设给框住。
我感觉人机交互最大的障碍，是人对自己思维过程的无意识。我现在很多问题就卡在了怎么让自己在prompt的时候意识到自己是有隐含假设的🤔
4
2
15
2,298
Apr 15
有兴趣的看过来！
Apr 15
@USDai_Official 正在招聘一位常驻或接近香港的亚太资本市场负责人（Head of Capital Markets, APAC）。
我们希望找到一位能够帮助市场理解 AI 原生收益、协议结构设计，以及我们如何通过结构化机制来净化和控制风险、从而实现这类收益的人，并且知道如何把这些信息有效传递出去。
我们的观点很简单：AI 基础设施有机会成为这个时代全球最具可扩展性的收益来源之一，但前提是，市场必须真正理解应当如何对其进行风险评估和承销。
这个角色的核心，不只是推广产品本身，更是去帮助、教育并连接亚太地区的风险管理者、大额存款人以及收益型用户，让他们理解协议的内部运作逻辑和底层风险，而不只是看到表面的收益率。
APAC 已经是我们社区中非常重要的一部分。我们希望认真投入，长期建设。
我们许多 AI neocloud 客户正在亚洲和澳洲快速扩张，因此这个角色也可能需要前往区域内的数据中心进行拜访。
请见谅这篇由 AI 翻译的招聘帖……很明显，我们确实还需要更多帮助！
2
13
7,899
Apr 14
AI 时代养孩子，我有一个一直卡在心里的矛盾，到现在都没有答案。
一方面，我真的相信 AI 是一种"解放"。当所有可以被标准化、被工具化的能力都被机器碾压，人似乎终于可以不再围绕"有用"来定义自己，可以去长出判断力、审美、对人的理解。这些更慢、更模糊，但也更像人的东西。
每次这样想的时候，我会松一口气。觉得我的孩子不必重走我们这代人的路，不必把自己削成一个标准件去适配系统。
但另一方面，我又清楚地看到另一条完全相反的路径。有些孩子已经在用 AI 做出很惊人的东西。他们从很早开始，就在跟最前沿的工具，一边用、一边 build，一边迭代。对他们来说，这不是负担，是乐趣，是加速器。
但这条路并不轻松。它要求持续投入、持续更新、持续站在变化的最前面。享受的人会飞得很高；不享受的人，只是把自己推向了一个更卷的方向。
前一秒觉得"不用卷了，做快乐小狗吧"，后一秒又觉得"但这个世界会不会只奖励那些跑得最快的人"。选了不同路的人，最后可能会活在完全不同的世界里。
作为父母，我能做的大概就是好好陪伴吧，肯定是没法替他选路，那就好好陪他走那条他走得动、也愿意走的路。
10
2
31
3,667
YettaS retweeted
Primitive is technically not a VC, we don’t raise outside capital. But in practice that makes us even more venture in spirit: 100% skin in the game, full downside exposure with our own money, and conviction can’t be outsourced
VC cooling down wont kill crypto, when i started there were <3 crypto VCs. Cycles don’t kill crypto, they kill illusions and bandwagons. Crypto remains one of the few true open frontiers for outsiders, one of the rare arenas where a small team with real craft can matter globally, no Silicon Valley network or pedigree required.
If you’re building through this bottom with conviction and obsession, this is exactly where future unfair advantage gets earned. dm us
@0xtony0x @YettaSing
Apr 10
The shift in the crypto fundraising landscape the past 6 months has been insane.
Crypto VCs used to have to constantly be networking/writing/podcasting/going on spaces/promoting your thesis/getting on 10 deal flow calls a week, to get into good deals...now it's literally enough to just have capital to write checks.
Deals are being pushed rather than dug out. Inbound if people know you have money is at an all-time high.
Most firms are either 1) Out of money 2) Moved to Series A and beyond or 3) Fundraising (with no success).
Deals that used to close in 2-3 weeks now close in 2-3 months.
Firms with questionable business models or copy pasta of the latest trend are getting zero primary or follow-on funding (Good news!).
There are now realistically <20 firms writing checks in pre-seed/seed.
VCs basically have the pick of any deal they want, with more time to do DD.
IMHO 25/26 are going to be historic vintages for those who stick around.
11
5
91
13,393
Introducing Claude Managed Agents: everything you need to build and deploy agents at scale.
It pairs an agent harness tuned for performance with production infrastructure, so you can go from prototype to launch in days.
Now in public beta on the Claude Platform.
2,118
5,980
56,828
21,660,127
Apr 8
我一直挺佩服很多白人小孩的那种盲目自信与乐观，什么都敢试，说错了也不觉得丢人。我总在想，这种差异到底从哪里来？其实不是他们更聪明或更有能力，而是他们心里的羞耻感更低。
羞耻感是很多人一生真正的拦路虎。它不会直接出现，但会在很多关键时刻，让你停下来：不敢说、不敢试、不敢承认、不敢争取。因为内心深处有一个判断在运作：一旦被看见不够好，我会被失去认同，从而失去与人的连接。
小时候家里条件不好，同学聊到花钱的事，你就本能地回避；被老师点名回答问题，真正让人紧张的从来不是答错，而是答错之后全班看你的那一瞬间，脸发热，想赶紧坐下去，希望自己消失。犯了错不愿意道歉，明明知道自己做错了，就是开不了口，因为一旦说出口，就是在承认我是不好的。
于是我们学会了不举手、不表达、不暴露自己。
长大之后这种羞耻感并没有消失，只是更隐蔽了。你不太敢公开表达观点，怕说得不够好被人轻视；你在网上发一条内容，反复修改，删掉所有可能被攻击的地方。你以为是追求严谨，其实是在避免被否定。
我们这代人，太多是被羞耻感喂大的。考不好丢人，赚不到钱丢人，比不过别人丢人。我们永远害怕被看见不够好，其实这个很多都可以归结到小时候的亲密关系里，父母没有将对我们的行为的纠正与对我们的爱进行分离。
父母应该要让孩子知道我们对他的爱不以任何他的行为为条件，让他从小就确信：你可以做错，可以不完美，但你不会因此失去被爱。 这会成为他一生对抗羞耻感的底层支撑。因为只有确认「不会被放弃」，一个人才有勇气真正成为自己。
33
41
328
45,481
Apr 7
Agent 正在批量制造不会思考的人。以前不思考是有痛感的，你会写不出来、做不下去。现在 Agent 把所有卡住的环节都跳过了，给你一个面面俱到的结果。痛感消失了，思考也一起消失了。
到处下载别人的 Skill、问AI建议、让 AI 直接给结论。看上去很勤奋，其实全程没有动过脑子。
我看 Dovey 写 skill 才知道差距在哪。她定义的是：每一步的判断标准是什么，什么不做，优先级怎么排，输出锚定在哪。这些全是她自己的判断，换个人用同一个 Agent 写不出来。
Agent 是放大器。有判断的人用它放大判断，没判断的人用它放大无知。
看不同人train agent, 差异巨大, 可能总结下来是 系统思维 vs 任务思维的差异. 系统思维的人会定义问题, 有架构的能力, 先架 (scaffolding) 后构 (interaction): 这件事的边界是X，最佳输入是Y，预期输出是Z，失败条件是W, 测试置信区间是I. 任务思维就是很单项的I/O“帮我做这个事, 我来验收” 所以还停留在把LLM当作更好的搜索引擎和对话框的水平
15
14
144
25,078
Apr 3
养了几个月 agent 之后，今天打开一个视频剪辑工具，从来没觉得APP这么难用过。
我要自己找功能在哪里。点开一级菜单，没有，点开二级菜单，找到了，但参数要手动调。现在真的是每多点一步，身体都在抗拒。
就像用了触屏之后回不去按键机，人类的耐受度被永久改写了，如何让人更懒是科技永恒不变的主题😂
2
13
2,605
Apr 2
第一次在体感上真正理解，为什么同样的 agent，不同人 train 出来的效果会差那么多。
我在训练我们内部的 agent，一个很简单的任务：给一条 tweet 写 comment。 我写了两个几乎一样的 prompt，中间只差一点点。结果完全不一样。
后来才发现，好的那个 prompt，多了一层“解释”；差的那个，是直接让它走到最后一步。
所以差别就是一个在让它“想”，一个在让它直接“做”。
今天还有 analyst 问我，能不能直接让 agent 去拿数据跑结论。其实不行。agent 本质上是没有 taste 的。它不知道什么是好，什么是坏，只会在一个很泛的框架里，给你一个最generic的答案，看上去很全面，其实毫无用处。
让agent直接给结论或者直接做到最后一步效果总是最差的。
还是那句话：你怎么 train agent，取决于你的审美，而你审美的上限，也就是它的上限。
4
27
3,621
Apr 1
Anthropic 源码泄漏这件事，又一次把那句话摆在眼前：混乱是阶梯。
在巨大的变革面前，以为胜券在握的可能瞬间失效；本以为遥遥无望的，反而借着裂缝爬上来。
表面上在摧毁秩序，底层在重排位置，而且瞬息万变。
金融危机、战争、技术革命，全都一样。旧结构失效了，新结构在混乱中被少数人抢先定义。中间那段所有人都觉得"失控"的时间，恰恰是上升通道被撕开的时候。
从更长的尺度看，秩序从来都是阶段性坍塌、再重建的。位置从来都是在关键窗口期被跃迁式拿到的。
连续上升是幻觉，跳跃才是常态。
5
3
21
3,034