1/ 곧 있으면 유미아에서 Shaw의 새 프로젝트, 슬롭캐시세일이 시작하는데, 처음 소식을 듣고 나서는 "너무 가벼운 마음으로 하는거 아닌가?" 내지 "이런 프로젝트가 잘 될까?"하는 의심이 있었지만 생각보다 굉장히 진심으로 플젝 홍보도 하고, shaw의 최근 행보도 사실은 전부 이 프로젝트가 필요한 존재의의를 설명하는구나 싶은 생각이 들기 시작한 다음부터는 좀 흥미롭게 팔로업을 하고 있어요.

2/ 최근 보여준 펌프펀 리버스엔지니어링 차력쇼도 shaw가 처음 관심을 받았던 모습과 좀 오버랩되고, 이 리버스 엔지니어링에 슬롭캐시를 적극적으로 활용하고 있고..

3/ 단순히 깃헙 기여뿐 아니라 버그바운티, 화이트햇 상금걸기등에 유용하게 쓸 수 있다는 점도 최근의 보안사고들을 생각하면 슬롭캐시의 존재의의에는 어느정도 호재가 아닌가 하는 생각이 들기 시작. (오늘 새로 슬롭캐시를 사용하겠다는 플젝이 추가되기도 했어요)

4/ "깃헙 기여 현상금에 왜 굳이 이 프로젝트를 써야하나?" 라는 생각을 하다가, 점점 Shaw가 쓰는 글을 읽다가 "웹2 플젝들도 화이트햇 현상금을 걸어두려면 자체로 개발하기보단 미리 만들어둔 외부 플랫폼을 이용하는게 간편하겠네?"같은 생각이 들고..

5/ 그리고 일단 알려진 세일 가격 자체가 꽤 저렴한 편이라... 슬롭캐시 자체의 하잎이 높냐아니냐 이런걸 떠나서, 처음 프로젝트에 대해 적었을 때 언급한거처럼 shaw라는 컬트적 파운더의 플레이로 밈적인 상승은 기대해볼 수 있지 않을까? 하는 생각.

6/ 사실 유미아 세일은 아직도 어떻게 세일이 되고, 어떻게 WL로 미리 들어갈 수 있고, 가격 커브는 어떻게 올라가는지 등등에 대해 깔끔하지 않은 부분들이 있긴 해요. 그래도 전에 세일 한번 해봤으니 감은 좀 오긴 하고...

7/ 일전에 진행되었던 유미아의 첫 세일, $UMIA 세일때는 특히 토큰 하잎이 좀 좋아지자 막판에 백커들이 우르르 들어온거 아니냐는 의혹이 좀 있었는데, 최근에 진행되었던 FACE 팟캐스트를 들어보면 그런게 아니고 해당 VC들과는 이미 빠르게는 몇년전, 늦게는 한 3~4개월 전부터 협의가 되던 사항이고 콜도 20번씩 주고 받았다고 함.

8/ VC들 이름 공개가 늦어진것도 혹시 모를 법무 검토나 내부 승인 때문이었지, 야로는 따로 없었다고 하고..

9/ 요즘 폼 좋은 뱅크리스나 리서치 펌들 들어온건 사실 토큰을 홀드하는 입장에서 보면 장기적으로 호재가 될 수 있기도 해요. (실제로 트위터를 통해 실링을 하거나, 리서치를 발간하는 등등 일련의 활동이 이어지고 있음)

10/ 세일 당시에도 짜증나긴 했지만 그러면서도 아마 얘들은 쉽게 팔진 못할테니 나름의 호재라는 생각을 했는데, 실제로도 그렇게 하는거 같아요. 천천히 우상향해서 다행히 현 시점 ATH를 다시 갱신하고 내려온 상태. 세일가 대비로는 2.5배쯤?

https://x.com/umia_finance/status/211106589167294662

또 보안재앙. 2시간 전에 공개되었네요

대충 요약하면

공인 IP로 서비스나 봇이 노출되어 있다? 줴줴이야

TCP (SSH 22, HTTPS 443) 노출되어 있으면 전부 점검대상입니다. 서비스 크래시, 메모리 유출, 특정 추가 조건 만족시키면 root 권한 탈취

https://atlasum.net/blog/cve-2026-98432-linux-ipv4-tcp-uaf

테일스케일 테일넷락 클라우드플레어 3가지 조치를 당분간 하시는게

- 대다수 기업들이 AI로부터 생산성 향상을 보지 못하는 이유는 기존 인간 업무를 가속화하는 데 그치기 때문이지, 업무 수행 방식을 재설계하는 데 있지 않기 때문

- 수익 증가는 아이디어, 실행, 그리고 반복의 조합에서 나오고 시간이 걸린다. 반대편의 인간들(소비자들)이 반응하고 그들의 결정을 바꿔야 하기 때문이다

- AI 효율성으로 인해 사람들을 해고하는 것은 지금 당장 좋은 신호가 아니다. 이직률을 생각하면 어차피 인원은 줄게 되어 있다.

- 효율성 이득이 먼저 오고, 워크플로우 재설계 이득은 나중에 오며 더 크다.

- 전체 산업이 너무 빠르게 움직이고 있어서 미친 듯하지만, 스케일링 법칙만큼 깔끔하게 행동하지 않는 “현실 세계 병목 현상”(사람들, 조직, 고객들)이 여전히 있다는 점을 기억할 가치가 있다.

원문

AI에 대한 내 일요일 밤의 사색:
대다수 기업들이 AI로부터 생산성 향상을 보지 못하는 이유는 AI의 주된 사용 사례가 기존 인간 업무를 가속화하는 데 그치기 때문이지, 업무 수행 방식을 재설계하는 데 있지 않기 때문이다.

AI를 사용하는 것이 대형 조직의 수익을 마법처럼 10% 증가시킬 수는 없다. 그 문턱은 “내 직원들이 충분히 일하지 않고 있다”가 아니다. 수익 증가는 아이디어, 실행, 그리고 반복의 조합에서 나온다. 그 대부분은 시간이 걸린다. 왜냐하면 반대편의 인간들(소비자들)이 반응하고 그들의 결정을 바꿔야 하기 때문이다. 수익은 올 테지만, 지연된다.

아니, 단기적인 생산성 향상의 대다수는 직원들이 기존 직무에서 더 효율적으로 일하게 만드는 데서 나온다. 적어도 초기에는, 그 이득은 직원들에게 돌아가는데, AI가 그들의 일을 더 쉽게 만들어 주기 때문에 일하는 시간이 줄어들기 때문이다.

그래서 데이터에 나타나지 않는 것이다. 생산성은 유급 시간당 산출물이다. 직원이 예전에는 8시간 걸리던 일을 6시간 만에 끝내고 나머지 2시간을 쉬는 시간을 갖는다면, 유급 시간은 줄지 않고 산출물도 증가하지 않는다. 측정된 생산성은 제자리걸음이다. 이득은 실제로 존재하지만, 노동자가 그것을 차지하는 것이지 기업이 아니다.

또한 그것은 깔끔하게 합산되지 않는다. 여섯 명에게 하루 60분씩을 절약한다고 해서 일곱 번째 사람이 생기는 것이 아니다.

시간이 지나면서 기업들은 인력을 줄이고 더 적은 인원으로 동일한 양의 일을 처리하게 될 것이다. 그 과정은 시간이 걸린다. 왜냐하면 AI는 현재 개별 업무에서는 꽤 괜찮지만 전체 직무나 워크플로우에서는 아직 훌륭하지 않기 때문이다. (그것이 다음 5천억 달러 규모의 훈련이 해결해야 할 부분이다!)

AI 효율성으로 인해 사람들을 해고하는 것은 지금 당장 좋은 신호가 아니다. 그래서 마이크로소프트가 아니라면, 가능한 메커니즘은 이직에 대한 후속 채용을 중단하거나 늦추는 것이다. 전형적인 사무직 이직률은 연간 10-15%다. 그 자리의 4분의 1을 비워두면 해고 없이 인력이 연간 몇 퍼센트씩 줄어든다.

이것은 첫 번째 물결일 뿐일 수 있다. 경제학자 폴 데이비드(Paul David)가 1990년 논문 “The Dynamo and the Computer”에서 보여준 바와 같이, 최초의 전기화된 공장들은 단순히 증기 엔진을 전기 엔진으로 바꿔치기하고 나머지는 그대로 두었으며, 생산성은 거의 움직이지 않았다. 큰 이득은 공장들이 전기를 중심으로 재설계되고 각 기계에 모터가 달렸을 때에야 나타났다. 그것은 공장과 전력망을 재건해야 했기 때문에 수십 년이 걸렸다. AI는 이미 존재하는 인프라 위에서 작동하므로 그만큼 오래 걸리지 않을 것이다. 하지만 순서는 같을 것이다: 효율성 이득이 먼저 오고, 워크플로우 재설계 이득은 나중에 오며 더 크다.

“데이터에 생산성 향상이 나타나지 않는다”에서 “AI는 생산성을 증가시키지 않는다”라고 결론짓는 것은 후행적이고 불완전한 지표에 과도하게 의존하는 것이지, 노동자 수준에서 근본적으로 일어나는 일을 보는 것이 아니다.

또한 아직 이르다. 대부분의 기업들은 지난 6-12개월 동안에야 AI를 본격적으로 사용하기 시작했으며, AI 모델에 지출하는 금액은 여전히 인력에 지출하는 금액에 비해 반올림 오차 수준이다. 1년 전에 도입된 오버헤드의 극히 일부 비용인 도구가 아직 국가 생산성 수치에 나타나지 않을 것이다.

내가 옳다면, 앞으로 2-3년 동안 주목할 것은 다음과 같다:

1) 인력이 평평하거나 줄어드는 기업들에서 직원당 수익이 상승하는 것.

2) AI에 가장 노출된 역할들에서 초급 채용이 둔화되는 것.

전체 산업이 너무 빠르게 움직이고 있어서 미친 듯하지만, 스케일링 법칙만큼 깔끔하게 행동하지 않는 “현실 세계 병목 현상”(사람들, 조직, 고객들)이 여전히 있다는 점을 기억할 가치가 있다.

https://x.com/kevin__mak/status/2117077277976485986

점퍼 주차1등 기념

가이드

api 거래시 빌더피 코드 넣어야 xp 반영되니 유의하세요

너무 귀찮은 나머지 제 목소리도 샘플링해서 전부 AI로 작업했습니다. 그동안 음성 녹음에 드는 시간이 비효율적으로 느껴져서 잘 안 올렸는데, 이제 유튜브도 많이 올려볼게요.

지금은 사실상 블로그 아티클·텔레그램·유튜브 모두 주제 선정, 검수, 게시 외의 모든 단계를 자동화해뒀습니다.

이제 품질을 계속 올리는 게 과제인데, 어느 정도 만족스러운 수준이 되면 카테고리만 바꿔가며 돌리면 되겠죠.

내년은 거의 1년 내내 워크플로 깎는 데 시간을 쓸 것 같습니다. 여자 말포이, 시니어 채널 등 트래픽 나오는 건 다 건드려보다가 터지는 쪽에 집중해서 계속 A/B 테스트해볼 생각입니다.

요즘 ‘신비한 건축사전’, ‘만약에?’ 같은 AI 채널들을 보면, 내년 1년 동안 워크플로 잘 깔아둔 사람들이 코인보다 리스크 적은 수익을 가져가지 않을까 하는 개인적인 생각도 듭니다. 안 되면 다른 주제로 다시 시도하면 되고, 그동안 깎아둔 제작 파이프라인은 남으니까요.

딱 2년 전만 해도 콘텐츠 하나 만드는 데 그렇게 많은 시간이 들었는데 말이에요

OpenAI, 300억 달러 투자 유치 목표를 200억 달러로 하향

OpenAI가 IPO를 앞두고 추진 중인 대규모 투자 유치 목표를 기존 300억 달러에서 200억 달러로 낮췄다고 Financial Times가 보도했습니다.

당초 기업가치 1조 4,000억 달러를 기준으로 투자 유치를 추진했지만, 이후 1조 2,500억 달러로 낮아졌으며 현재까지 확보한 투자금도 110억 달러에 그친 것으로 알려졌습니다.

이번 투자에는 아랍에미리트(UAE) 투자자들이 주도적으로 참여할 예정이며, 향후 고액 자산가를 대상으로 추가 자금을 모집해 목표액을 채울 계획이라고 합니다.

과연 AI 기업의 IPO 여정은 어떤 엔딩을 만나게 될까요?

원본링크

코덱스 잘하네

현재 AI 산업에서 제번스의 역설이 일어날 수 있을까? 에 대한 답을 수학적으로 풀어놓은 글입니다
https://x.com/bookwormengr/status/2116705246856741114

글에서 말하고자하는 의도는 역사적으로 설비가 너무빨리 깔리고있고 수요가 단기간에 잡힐지는 미지수이며 소화하지 못할가능성이 더높다고 평가중

GPU 임대료는 지속적으로 상승하고있고 27년 말까지 제번스 역설이 일어난다면이라는 낙관적인 시나리오가 존재할수도 있지만
제번스 역설이 일어나기위해선 프론티어 랩스들의 마진이 70~80%에서 20~30%로 무너짐

27년 이후에도 설비는 지속적으로 늘어날것이며 칩은 오래사용되기때문에 27년 이후가 가장 더 중요함

이라는 내용입니다

현재 AI에서 수요,효율,공급이 맞부딪친 결과가 GPU 임대료 변화에 나타나고있고
토큰 지출/가격의 변화또한 중요한 지수로 사용되고있음

역사가 짧지만 금융기관과 AI 산업자체에서 지켜보고있는 컴퓨트 지수인만큼 이 시장을 독점중인 Ornn, Silicon Data의 가치가 정말 커보임

그래서 크립토에서도 컴퓨트지수 perp 시장을 독점하는것이 정말 중요하다고 생각이 들었고
현재 크립토에서 컴퓨트 지수를 제공하고 있는 perp는
OKX , Bitget , Gate , Lighter , Injective , Architect 정도 있고
ornn 과 sillicon data , le:tect 등 오라클들을 사용중임

하지만 오더북을 보면 실매매자체가 거의 불가능한 수준이며 아직 제대로된 프로젝트가 안나옴 (Architect 는 괜찮은 평가 받는중 하지만 토큰나올가능성이 너무 낮음)

지수자체의 역사가 짧다보니 크립토에서 런칭하는게 정말 어렵다고 생각이 들긴하지만
어려운것을 해내는 프로젝트가 해자가 될듯

쿨크립토가 어제부터 계속해서 베리에이셔널에 관한 생각을 올리고 있네요

말하고 싶은 건 “Variational의 수익이 가짜거나 지속 가능하지 않다”는 게 아니라, “하리나 라이터와는 돈을 버는 방식이 다르기 때문에, 포인트 홀더들의 방식대로 이들은 그냥 펍덱으로 묶어 밸류를 비교/평가하는건 옳지 않다” 정도로 보입니다

요약하면 이런 느낌

Variational Omni는 OLP라는 자체 마켓메이커가 모든 거래의 상대방이 되는 구조라, 주문장을 운영하고 거래 수수료를 받는 거래소와는 경제 구조가 다름

장점은 외부 유동성을 활용해 새로운 종목, 특히 전통자산과 롱테일 종목을 빠르게 제공할 수 있다는 것
대신 수익은 거래량뿐 아니라 스프레드, 헤징 비용, 고객 주문의 성격, 운영팀의 위험 관리 능력에도 영향을 받음

따라서 HYPE·LIT를 평가할 때 쓰는 배수를 VAR에 그대로 적용하기는 어렵다

그렇다고 VAR을 부정적으로만 보는 건 아니고, 이런 구조로 상당 기간 큰돈을 벌 수 있다는 가능성도 인정함

장기적으로는 TradFi 업체들이 진입한 이후에도 수익성이 유지되는지, Variational Pro가 새로운 사업을 만들어낼 수 있는지가 중요하다고 봄

쿨크립토 본인은 이런 구조적 차이를 설명하려는 톤에 가까운데, 포인트 홀더들 입장에서는 하입을 꺼뜨리려는 얘기로 받아들일 수도 있다 보니 인용이나 댓글에서 여러 논쟁으로 이어지며 관심을 많이 받는 중

그리고 제가 알기론 이 대화가 Degenguy의 Variational 해킹 공지에 관한 TG 포스팅에서 시작돼서 → 한 해외 CT가 번역해 트위터에 올리고 → 그걸 다시 Loris가 다루면서 바이럴된 흐름이라,
쭉 지켜보던 입장에서는 신기하네요 ㅋㅋㅋ

Paradigm은 지난 이틀 동안 15개의 서로 다른 지갑에 걸쳐 255만 HYPE 토큰(약 2억 2,400만 달러)을 스테이킹 해제했습니다.

몇 주 전, 그들은 많은 양의 HYPE 토큰을 스테이킹 해제하고, 새로운 지갑으로 통합한 후 다시 스테이킹했습니다. 저는 그들이 지금도 같은 방식으로 행동할 것으로 예상합니다.

0xdf5aa0654283e3cc6d24ad95b6c8ac0e9b851e08
0x87da9219cf534e8960ca8ce2bd93179006de4a60
0x416bea03fadfe12efeed668630129028a95775e7
0xb75055233b067dd97bae6babd28e6a095c3d97ae
0xc2623322713c834197d899549d9ec6cd0658ab3b
0x8db36747240ad69c1c91ed124e011acc8644591e
0x2044a336f4b6b0a3922751a8d7e04a3c005e21c2
0x8489889f0b3029389b021540032a9e85917b09b8
0x29780f430c6305a539c5241b85f9e7cf57e0c6c5
0x17ff61be5782773dcf21b330c49bb4a942f5cde6
0x9176481229e3208cec92faedfc06bcfd0459d2bf
0x68d756cdc20175714853c6a6a778287eb96680ee
0x35e7771e1b64f8b5c1c9efa82e2242aecd4153b1
0xfd7a84563bf1962498ba82baf3a66b2b326ffb32
0x05ffafc6c0efe96584e7237cf27132fcd9d308ce

이는 현재 Hypercore에 스테이킹된 1,426만 HYPE 토큰(약 12억 6천만 달러)의 17.85%에 해당합니다.

와 퀄리티 보소...

자자 그록봇으로 sns 컨트롤 하시려는 분들,
간단하게 추천드리자면, buffer 를 설정하고, 각 계정별로 연동시켜주시면 그록이 자동으로 생성후 업로드 예약 관리 다 가능합니다.

muse로 넘겨서 연동해서 관리시켜도되는데, 이럴경우 승인클릭해줘야하는 귀찮음이 좀 있음.

그록봇에서 바로 연동해서 작업하는 방식은api따주고 해야하는 기존 서버에서 해야하는 방식을 사용해야하는데 개 귀찮거든요? 계정별로 틱톡/인스타/유툽 로그인하기?

그래서 buffer 무료 계정 가입하면 대기열 10개까지는 무료로 사용이 가능해서, 봇별로 buffer 계정 만든뒤 각 계정에 해당 채널용 3개 연동(인스타/틱톡/유투브) 해주면, 매일 발행 task까지는 유용하게 활용이 가능함. (1건씩 올리면 3개 대기열, 2건씩 올리면 6개 대기열이라, 총 3건씩 대기 가능함)