jakiro
作者：黃世亮
我一直勸幾個親戚朋友要將chatgpt用起來，但他們幾個始終都感覺沒必要買付費的，應該就是捨不得吧。我一直說，這點訂閱費就可以用AI幫你賺回來，我一直教其中一位，試圖培養一個成功的案例，但一直沒成功。
很多年前，曾有一位做量化套利的朋友向我兜售他的策略。他講的PPT，核心是一個偏微分方程，我日，完全看不懂。但他說這就是從數學裡煉黃金。
在2017年的時候，ETH的主流私鑰管理辦法不是助記詞，而是keystore(json)文件，我經常將同一組keystore文件導入到myetherwallet和metamask錢包進行調用不同的合約，因為當時以太坊的錢包功能各有千秋，為了實現在不同合約裡套利，經常需要用同一組私鑰導入不同的錢包來使用。
沒辦法，當年的基礎設施太爛了。現在回頭看，那時候沒碰到釣魚網站或者剪貼板木馬，純粹是祖墳冒青煙。這種高危操作，現在就算拿槍指著我，我也絕不敢再幹一次。
在兩年前，ordi等銘文火爆起來，我一直不知道怎麼參與進去套利。有一次非常偶然的機會，在X上看到一帖子說，有很多早就廢了的銘文幣，但在dex竟然還有人掛單買，並帶有截圖，我一看，這不是妥妥的套利機會嗎，我直接去cex買來賣給dex上這個掛單就行了啊。因為銘文類的資產做dex的買賣單還是挺奇怪的，使用PSBT交易，有的人掛好單後，可能就忘了。那一次後，我專門花了很長時間在銘文墳堆裡找垃圾，不過忙到最後也沒賺到幾個sat的btc。
以上三個我經歷過的故事，道出了進入幣圈套利的三個門檻： 數學難、工具難、大神不教（數學模型、工具門檻、經驗壁壘）。
套利 是加密貨幣領域僅次於炒幣&投資的主題吧，我感覺也是大多數普通人進入這個行業極佳的切入點，到現在也還是。
在過去，套利確實存在不低的門檻。但現在有AI了，我嘗試深入使用 AI 尋找套利機會後，非常清晰： 曾經阻擋普通人的那些高牆正在被 AI 迅速抹平。
以下是我關於「AI 如何重構套利」的三點思考。
門檻一：數學模型的「祛魅」
套利的第一大攔路虎，無疑是 數學模型的建立 。
在幣圈蠻荒時代，套利模型簡單粗暴。比如最早的交易所搬磚，就是「加減法」：A 交易所價格低，B 交易所價格高，手動買賣即可獲利。後來的期現套利（永續合約與現貨價差），雖然引入了資金費率和槓桿等概念，但依然停留在「加減乘除」的級別。
然而，隨著行業發展，複雜的衍生品出現了。期權合成、多角套利、鏈上與 CEX 的搬磚，模型變得越來越晦澀。對於沒有數學背景的人來說，單是理解「如何用 Call 和 Put 合成一個現貨」估計要難道99%的人。
現在，AI 成為了最強的數學翻譯官， AI 最擅長的就是處理這些邏輯和公式。我現在無論遇到什麼數學問題，都直接問AI。
以前用excel表格來計算和核實uniswap資金池的成分，現在直接問chatgpt，把參數告訴它立刻給你算的明明白白的。
再舉一個近期我研究的例子。
前段時間 PolyMarket 非常火，比如針對「川普何時披露愛普斯坦名單」的預測。我不熟悉概率類事件的套利模型，於是我直接截了一張圖發給 AI，問它：「這裡面有什麼套利空間？」
AI 瞬間給出了答案，向我解釋了「遠期概率」與「近期概率」的博弈關係，什麼yes+no=1，並列出了所有在特定突發事件下如何操作的數學邏輯。
我就不複製AI的回覆了，你們自己去問。
有AI了，再也不用後悔你讀大一在上高等數學課時睡覺了。
門檻二：工具與環境搭建的「降維」
第二個門檻是 技術工具的使用 。
如果你經歷過 2017 年的 ICO 或 2020 年的 DeFi Summer，你會知道「操作」本身的壁壘有多高。當年的以太坊工具沒有好用的 UI，調用合約需要手動填寫地址和參數；擼空投需要配置防關聯的指紋瀏覽器、IP 代理等。
不過，正是因為這些學習曲線極其陡峭，早期的利潤才如此豐厚。
現在有AI了，所有的產品使用問題統統消失了。不懂，問chatgpt，它給的答案太完美了。
在擼羊毛的策略裡，環境搭建對大多數人來說還是一個難點，但現在只要將策略意圖（比如想擼polymarket潛在的空投）發給chatgpt，它就會生成完整的執行方案，包括所有工具的使用方法。
現在這些知識，真的是0門檻了，你只要有意圖就夠了，剩下的就是一步一步照著做，遇到不會的再問AI。
你現在就可以問問AI，幣圈交易所還有類似於邀請新人和交易挖礦（幣安的Alpha）策略，各個交易所都有類似的邀請註冊獎勵策略，這種消耗人頭的策略是很難被壟斷的，你就可以問問AI怎麼去執行。
AI在一些非常簡單和輔助的編程上也可以提供幫助，比如寫一個監控鏈上價格、設計一個可視化數據儀錶盤之類的，以前可能都需要程式設計師來輔助完成的，現在AI都給幹了。
但不要指望AI給你寫代碼，寫出一個量化程序去和現在的各種機器人搶錢，這是不太可能的，AI大概率無法讓你從0開始快速變成量化專家，超級鏈上科學家，但足以讓任何人跨超「不知道怎麼動手」的起始障礙。
現在，AI 讓技術門檻近乎消失。
門檻三：經驗傳承的「解碼」
套利極其依賴經驗。
舉個例子，當幣安10月11日出現 wbETH 和 ETH 的價格出現巨幅下跌，經驗豐富的老手會毫不猶豫地將ETH兌換成 WBETH。這種敏銳度，以前往往需要「師父帶徒弟」，或者自己虧錢摸索幾年。
現在，AI 就是最好的「師父」。
加密圈熱愛分享的大佬大有人在，但真正要從人家的分享當中提煉出可以執行的策略還是要廢不小的功夫，而有AI後，從大佬的支言片語裡提煉黃金出來就輕省多了。
每次看到x上有某個獲利的分享帖時，我都會將帖子直接發給chatgpt，然後附上promt「請分析這段推文。作者提到的這個幣種和協議，歷史上存在哪種套利模式？如果他是對的，背後的邏輯鏈條是什麼？如果要執行這個策略，我需要準備哪些工具？潛在的風險在哪裡？」
我們只需要做一個勤奮的「搬運工」，天天讀文章，讀x，看群裡分享，然後這些原本應該是商業機密的蛛絲馬跡餵給 AI，它就能帶你快速跑通絕大多數成熟的套利邏輯。這種學習效率，是傳統「師徒制」無法比擬的。
最後的堡壘：機會發現
千萬別神話 AI。如果 AI 能自動賺錢，它就不需要你也無需你訂閱了，SamAltman幹嗎還求著你那20美元，要不然就是少數幾個資本巨頭早就搭建好幾百個智能體把市場利潤吸乾了。
現在AI只是極大地降低了執行的成本，但它無法替代「提出問題」和「敏銳感知」的能力。AI 需要你給它指令，需要你告訴它去分析哪裡。那種對市場情緒的感知、對突發事件的敏感度，依然是人類的生存空間。在機會發現的開頭，還要靠我們人的勤奮，這可能也是目前階段我們人的價值。
應該集中定位在「非標品」的套利。對於那些高度標準化、數據公開透明的賽道（比如主流幣的搬磚），量化機器人早就卷到沒利潤了，壓根就不需要chatgpt來發揮什麼作用。可能留下利潤的地方就是那些主流策略和大資金看不上的。
AI 是一把屠龍刀，但如果只是拿它來寫寫周報，它就是廢鐵。 在AI背景下的套利競爭，不再比拼誰的數學更好，也不比拼誰的代碼寫得更溜，而是比拼 誰更勤奮地把市場上的新玩意兒餵給 AI 。 你不需要比量化機構更聰明，你只需要比那些還不知道用 AI 的散戶更快一步——哪怕只快半步，利潤就是你的。
嘗試著設定一個小目標： 用 套利 賺回 AI 的訂閱費。 ChatGPT Pro 加上 Gemini Ultra，一個月成本450美元。爭取給自己再發一個50美元的工資，想辦法每個月從市場裡穩健地賺回這 500 美元。
