跳到主要內容

比特幣,是歷史的倒退!?



比特幣最近台灣才開始紅起來,開始研究這個幣的性質時,也真的了解到,資源沒有真正被平均分散,而是一如以往一樣,資源還是集中在掌握資源人的手上。

對於那些想要賺到一些錢的人,也許在這波淘金熱,賣鏟子會是最佳的賺錢管道。

以下是原文,給大家參考,






諾貝爾經濟學獎得主克魯格曼撰文指出,比特幣是歷史的倒退,比特幣挖礦和挖金礦類似,沒有太大意義。所謂高科技、算法,都是花哨的外表。貨幣的本質應該是促進商業流通的手段,而比特幣除了一串代碼什麼都不是。

以下為原文編譯:

先來看看三則關於“錢礦”的故事。

第一個是真實“錢礦”,位於巴布亞新幾內亞的露天金礦Porgera,也是全球最大的金礦生產商之一。這片礦的人權狀況極端惡劣,對環境污染也很嚴重。但金價即便遭遇今年暴跌,也仍然是十年前的三倍,所以人們仍然熱衷於淘金。

第二個“錢礦”聽起來有點奇怪,位於冰島Reykjanesbaer的比特幣礦。比特幣是一種有價值的電子貨幣,因為……額,很難說清楚為什麼,總之至少現在有人願意買它,是因為他們相信其他人也願意買它。它是仿照黃金製造出來的虛擬貨幣。所以和黃金一樣,比特幣也可以挖礦:通過非常複雜的數學算法和計算能力強大的計算機。至於為什麼位於冰島,主要是因為那裡有來自水電的廉價電力,低溫也有助於冷卻計算機。即便如此,許多真實的資源也被用來創造這種沒有明確用途的虛擬貨幣。

第三個“錢礦”是假設出來的。 1936年,凱恩斯提出增加政府支出能夠促進就業。但和現在一樣,這一建議受到了激烈的反對。所以凱恩斯提出了一個異想天開的替代性方案:政府將大量的錢埋進廢棄的煤礦,讓私人部門投資將這些錢挖出來。

真聰明——但凱恩斯還沒有止步於此。他進一步指出,真實的金礦和他理論中的試驗其實是一樣的。雖然可以通過印鈔機創造出大量廉價的貨幣,但礦商們仍然不辭辛苦地將金子從地底挖出來。這些金子挖出來之後,又立刻被埋了起來,進入諸如紐約聯邦儲備銀行的金庫裡。

我想,當凱恩斯看到三代人過去之後事情依然沒有任何改變,他一定會感到好笑。通過政府支出刺激就業依然被很多人反對;礦商依然樂此不疲地挖金子然後將它們囤積起來(凱恩斯將黃金視為野蠻人的遺跡)。比特幣也加入了這場鬧劇。黃金畢竟還有些實際用途,但耗費大量資源得到的“虛擬黃金”除了一串代碼什麼都不是。

我猜測,亞當斯密要是看到這些一定會很失望。

斯密常常被尊為保守派的大神,他也確實最早提出了自由市場。但經常被忽略的是,他也同樣強調對銀行進行監管,並對紙幣推崇備至。在他看來,貨幣只是促進商業流通的手段,而不是國家繁榮的根源。而紙幣將國家的財富從黃金和白銀的“毫無活力的庫存”中解放出來。

所以,我們為什麼要為了這些毫無活力的黃金庫存破壞巴布亞新幾內亞的高原,又為什麼要為了一串代碼不斷地消耗資源呢?

如果你去問礦商,他們會告訴你,紙幣是由政府發行,可能會貶值所以不值得信任。但奇怪的是,雖然大家都談論貨幣貶值,但貶值卻越來越罕見。發達國家的通脹水平非常之低。即使從全球來看,高通脹也極少發生。當然,惡性通脹永遠都會存在。

比特幣的流行或多或少也是由於同樣的原因。再加上它的高科技和算法,比特幣儼然成為未來的趨勢。

但是,不要被這些花哨的外表矇騙了:正在發生的真實情況是,我們正在倒退回那些錢幣仍在你錢包裡叮噹作響的年代。我們正在一路挖礦,挖回十七世紀。





留言

這個網誌中的熱門文章

Vibe Coding:為什麼 Junior 更快上手?Senior 要如何追趕?

現象層面(市場觀察) 最近有篇文章討論 junior & senior 開發者在 AI 時代的角色轉變,非常熱門。 身為 Cympack 產品開發團隊 ,我們也一直關注這個議題,在閱讀這篇文章時觀察到一些有趣的現象,對我們來說,這正好反映出 AI 正在改變開發生態,junior 借力 AI 快速成長、senior 則需要在 「架構思維」 與 「多 agent 協作」 中找到新定位,其中有些啟發(insight) 可以跟大家分享。 為什麼 Junior 更容易上手 vibe coding? 心智負擔低 → Junior 沒有太多傳統 code workflow 的框架包袱 敢於嘗鮮 → Gen Z / 年輕工程師天生習慣用 prompt-based 工具、跟 LLM 互動 少「優雅程式設計」的束縛 → 不太糾結「這樣寫會不會不夠優雅」,反而 embrace 快速迭代、快速出成果 反觀 Senior: 熟悉大型系統設計 有豐富的「工程正統流程」知識(架構設計、測試策略、效能優化、設計模式) 對 AI 生成 code 的品質 / 維護性通常比較保留 部分 10+ 年資深工程師,對 prompt engineering 沒那麼熟練,還在觀望 技能面(未來的關鍵能力) Vibe coding 本質上 = prompt engineering + AI co-pilot 管理能力 能力項目 誰目前比較有優勢? Prompt 撰寫 / AI 互動 Junior 較強(熟悉 chat-based 流程) 系統設計 / 架構把關 Senior 較強 AI 生成 code 驗證 / Bug 察覺能力 Senior 較強(能看出潛在問題) 快速疊代 / Hackathon 式開發 Junior 較強 長期維護性 / 穩定性 Senior 較強 總結 Junior 確實更快適應 vibe coding,並且更習慣以 「chat-based coding」 的工作流開發。 Senior 擁有驗證 AI 產物與系統設計的深度能力,但若不主動練習 vibe coding,長期會逐漸落後於新一波開發潮流。 就如同在 GAI 技術年會分享,希望帶給各位的感受, 『與 AI 協...

RAG 和 Prompt 原理超簡單解說!想知道 AI 怎麼找答案看這篇

這篇文章是給對於你已經開始使用所謂的 ChatGPT / Claude / Gemini 之類的 AI 服務,甚至是 Siri (嘿丟,他也是一種 AI 應用服務喔) 簡單來說是非 技術人員, PM,小白,想要趕快惡補的人 ,直接花十分鐘可以看完的一篇科普業配文章。 或者是概念僅止於,AI 這東西會幻想,會有誤差,會對於生活有些幫助但沒有幫助的人們,做個簡單又不是太簡單的介紹,希望用一個非常入門的方式讓你們有個了解。 當然,這篇文章目的很簡單, 就是引流 ,如果你身邊有已經對於 Web 技術開發的人員,歡迎報名分享給他,年末出國不如學一技在身,參加今年我們舉辦最後一場 RAG 實作工作坊,報名連結 , https://exma.kktix.cc/events/ai-for-dev-course-rag-2 注意: 接下來每個大段落結束都會有一段工商導入,但文章絕對精彩,請注意! 為了讓各位容易想像,我們將整個世界的資訊,先濃縮到這本『西遊記』的世界觀當中,我們整個世界都在這個 『西遊記』 ,而 大型語言模型 我們用 『書精靈』 來描述。 PS. 我們先預設各位,應該都有聽過,西遊記!如果沒有聽過西遊記的,請右轉出去,謝謝! 先來談談向量 在《西遊記》的世界裡,我們可以把 向量想像成一種「內容座標」 ,讓系統知道每個角色、場景、法術等的 「位置」和「距離」 。向量幫助語言模型知道不同內容之間的關聯程度。 向量就像內容的「距離」和「位置」 比方說,唐三藏的 「位置」(向量)會接近「佛經」和「取經」 的概念,因為他一路上都是為了取經而前進。孫悟空的 向量位置則會更靠近「金箍棒」和「七十二變」 這些概念,因為這些是他的特徵。 相似內容靠得更近:像「佛經」和「取經」會靠近唐三藏的向量,因為它們彼此有很強的關聯。 相差較大內容會離得較遠:像「取經」和「妖怪」「妖怪的寶藏」就距離比較遠,因為妖怪的寶藏和取經的目標關聯性不大。 是誰決定的這些位置? 簡單來說,這些位置和關係是模型自己學出來的。語言模型會閱讀大量的資料和這世界觀的資訊,觀察哪些詞語經常一起出現,根據「共同出現的頻率」來決定它們的關係,並且自動生成向量。例如: 如果模型看到 「唐三藏」 總是和 「取經」 一起出現,它就會讓「唐三藏」的向量靠近「取經」。 ...

Vibe Coding 協作到自建 Dev Agent?從 Claude / Codex 到 OpenHands

過去一年,越來越多工程師開始 把 AI 真正帶進工作流程 。從一開始用 ChatGPT、Claude 來問語法問題,到後來很多人愛上 Cursor,直接在編輯器裡讓 AI 幫忙改 code、補 test case、甚至自動整理 PR。這樣的開發體驗,已經大大改變了我們寫程式的方式。 更現實的是,在很多企業內部、政府單位、或涉及機密資料的專案裡, 其實根本不能直接用 Cursor 或雲端 LLM 工具。   畢竟這些服務通常會把資料傳到雲端模型做處理,萬一專案裡有未公開的技術、敏感客戶資料,或是受限於法規 (像金融、醫療、政府標案) ,直接用雲端 AI 工具就會踩 紅線 。  因此,許多團隊反而更希望 「自己架一套 Dev Agent」 ,可以在內網執行,資料完全掌握在自己手上,該整合的內部工具、該讀的私有 repo、該串的 CI/CD pipeline,全部客製化、安全可控。 這時候,像 OpenHands 這樣的開源 Dev Agent 框架就特別有價值。它的出發點不是單純的 AI 助手,而是讓你能夠打造出一個真的可以跑在自己環境裡、可以理解整個開發流程的 AI 工程師。從建置到部署,從 CLI 操作到瀏覽器查詢, 從多檔案編輯到自動測試,全部都能自己完成,甚至還能針對不同專案調整專屬的工作流。 對很多開始探索 AI 協作開發的團隊來說,這是一條 從 「AI 幫你寫一段程式」,走向「AI 幫你解決一整個任務」 的進化路徑。而且,還是在可控、可自定義、安全的環境裡完成的。 🧩 主要概述 OpenHands 是由 All‑Hands AI 開發的開源「軟體開發代理人平台」,能模仿人類工程師從建立程式、修改程式碼、執行指令,到瀏覽網頁、呼叫 API……等一整套開發流程 它提供雲端(OpenHands Cloud)與本地 Docker 運行版本,用戶能配置 LLM(如 Claude、OpenAI、Gemini…) 📚 核心特性與怎麼使用 代理人的工具能力 支援代碼編輯、命令行、執行環境、網頁瀏覽、API 呼叫—接近人類開發者完整技能。其中 OpenHands Cloud 版本提供 $50 試用額度讓大家方便使用,又或者如果自己本機有 docker 的話,可以自己Local 版本透過 Docker 自架環境。 ...