从宿舍量化基金到“万物经纪商”：Lucas 谈市场微观结构、Variational 与个人护城河Odds on Open

我不觉得真正赚钱是靠押一个一到三年的时间窗口。我觉得，更大的钱来自你在十年的尺度上判断得足够聪明；但问题是，在任何一个当下，没有人真的能看见十年后的未来。另一个经常被低估的事实是：在一家大机构里，拥有客户流（flow）本身就是巨大的优势。很多人以为 HFT 公司或做市商只能靠“更快”赚钱，其实他们还在利用订单流、客户结构和零售交易者的预期损失来形成商业优势。这也是为什么 Jane Street、Jump、Citadel Securities 这类公司能成为非常赚钱的生意。

你在大学时就开了一只量化基金。你犯过最大的错误是什么？

最大的错误，就是当初居然把这只基金开起来了。

在正式开始前我插一句。我看 YouTube 后台，发现大约只有 32% 的观众订阅了频道。如果你喜欢我们的内容，也希望节目继续成长，麻烦点一下订阅。我会尽量用最好的嘉宾和内容回报你们。谢谢。好，回到节目。Lucas，非常感谢你来。

谢谢邀请。

你在大学里创办量化基金。再认真回答一次：最大的错误是什么？

最大的错误还是——一开始就去做这只基金。那是年轻人的一种傲气：直接一头扎进一个既像污水池、又极其迷人的行业，一边做一边学。整个过程完全是过山车，但也正是它把我推上了后来一直延续到今天的职业轨道。

当时你们跑什么策略？

完全市场中性的量化策略。你可以做多、做空，可以做高频或中频；我们是全算法交易，时间尺度相对短，主要靠计算机执行，而且始终尽量把组合维持在市场中性。某种意义上，我们一上来就挑了最难的东西。

是美股、商品，还是别的？能不能举一个当时真实运行的策略？

一开始主要是外汇，后来才进入加密货币。我们常开玩笑说，当年把 crypto 加进来最初甚至有一点“给 LP 一个新故事”的意味——那时候我们对它懂得并不多。我们就是一群二十来岁的年轻人，履历看起来还不错，也有一些大想法。再做一只普通 FX 基金不那么吸引人，但“最早一批量化加密基金”听起来显然更有意思。

最早我们的基础设施几乎为零，只能通过零售经纪商交易，后来才逐渐接到更专业的渠道。策略可以宽泛地叫 statistical arbitrage。比如观察不同市场量之间是否一起运动：可能做多一个、做空另一个，等待配对交易或均值回归发生，同时让整个 book 的 beta 或 delta 尽量保持平坦。高层逻辑不是“赌方向”，而是等待不同时间序列之间的关系回到我们认为合理的位置。

当时 crypto 里的 alpha 很多吗？我最近请 Scott Phillips 来，他提到即使今天 crypto 里仍然有很多价格不敏感的买家和卖家，所以市场低效。你还在大学的那个阶段，真实情况是什么样？

简直是一场灾难，是一个噩梦般的市场——我指的是几乎所有意义上：基础设施、交易所、市场秩序、可交易工具、资本和杠杆的获取，全部都很粗糙。所以也正因为这样，低效极其严重。Ed 和我有时会懊恼：如果当年的我们拥有今天这十年左右的 HFT 和 crypto 经验，我们本来可以从地上捡走更多钱。

那些低效很大程度来自市场太新。人们不知道这些东西该怎么定价，交易所没有成熟连接，也缺少成熟做市商。我们做过跨交易所套利、basis 交易，后来再进入更复杂的量化算法。整个行业都在一边跑一边学，我们只是恰好站在相对靠前的位置。

有没有某一笔交易、某个策略突然赚了巨量的钱，让你们停下来想：“这也太疯狂了”？

说实话，没有。我倒希望有。我们一直有个笑话：如果当时什么都不干，只抱着 crypto 的 beta，可能比我们辛辛苦苦搭基础设施、坚持市场中性赚得更多。Ed 和我都自认是非常糟糕的宏观交易员，所以我们不相信自己能靠挑赢家或判断整体方向赚钱。我们宁愿持续找更稳定的低效。真正好的 alpha pipeline，很多时候不是某天赚一大笔，而是每天都赚一点点。策略当然也会有生命周期，有的短时间很强，随后迅速衰减；但可持续的系统是不断产生小的、可重复的优势。

你们在大学里到底是怎么摸索出来的？这可不是人人都能随便“想明白”的事。

我们那时有一些研究小组——更准确地说，是一群分散在不同实验室里的朋友。我做过微分几何、计算神经科学，也接触了一点机器学习和机器人；Edward 做了不少贝叶斯机器学习之类的研究。我们把实验室和朋友圈里有兴趣的人聚在一起，最开始就是读金融机器学习领域的论文和期刊，然后问：如果把更现代的统计学习、机器学习方法拿到金融市场里，会不会有意思？

接着就是不停试想法。我们拿实习挣的一点点钱、几乎就是零花钱的资本，放到零售经纪商里，开始搭最早的交易基础设施。你问“那个 aha moment 是什么、怎么就把市场打败了？”——其实我们在大学时根本没有把市场“想明白”，也没有真正击败市场。真正重要的是那种敢去试的傲气：当我们看到一些想法确实有点 traction，也能把一群志同道合的人拉进来一起做时，一个 alpha 研究管线就慢慢形成了。

后来你怎么从 Q Capital 去了 Genesis？

Q 从宿舍里的小实验、实习资金，一路做到拿到一些纽约大型基金的 term sheet。很早的时候，有一家大型纽约对冲基金给了我们 term sheet，那一刻我决定退学：如果这些人都觉得我们也许有点东西，那我们可能不只是自己想象中的“杂牌学生团队”。于是我们把全部精力压上去，继续扩张，也做了几轮 GP、LP seed 融资。

Digital Currency Group 当时是我们的 GP 投资人之一，而它又是 Genesis Trading 的母公司。后来我们正准备把 LP 资本基础再扩大一个量级，大家在办公室里复盘进展。DCG 的人说：“这里看起来协同很多，要不要把 Genesis 的 CEO 直接叫进来聊聊？”就是这么临时的一次会面，变成了几个月的讨论，最后变成我们整个团队加入 DCG 和 Genesis。

（赞助信息） Odds on Open 由 Onyx Capital Group 赞助，它是石油衍生品领域的重要做市商。它们刚推出 Flux 终端第四版：第一，可以流式显示 800 条油品曲线的实时 fair value，包括很难定价的曲线；第二，它们提供自己的仓位数据，你能看到市场多空如何分布，以及这些仓位大致在哪个价格进入。相关入口是 flux.live，链接在节目说明里。

（赞助信息） 如果你有石油敞口，Flux 里这两类信息——难定价曲线的实时 fair value，以及多空仓位和入场价格——是值得看的。赞助信息到这里。

那你具体在 Genesis 做什么？

如果用最简单的一句话说，我搭了他们核心的做市系统。更具体一点，我是工程副总裁，联合创始人 Ed 是量化研究负责人。我们常开玩笑说，自己把 Genesis 从“石器时代”带进了现代。

我们加入时，Genesis 已经有一个非常强大的 OTC 业务簿：它给对冲基金、大型家族办公室、科技公司等做 crypto 和其他衍生品的交易对手方。但交易方式非常老派，像《华尔街之狼》：交易员打电话、在 Bloomberg 和 Telegram 聊天，再在 Coinbase 等场所手动对冲。我们把 Q 的团队和 IP 融进去，把电子交易平台、定价、风险系统、交易所上的 HFT 执行、principal dealer 能力逐步接起来。

从这种“石器时代”切到电子化，具体要做哪些事？

要做的东西非常多，难点还不只是“从零搭系统”，而是你面前已经有一个巨大的、每天不停运转的业务。更像对一个重要系统做 hot swap。想象 Google 要把每天数十亿次搜索从 backend A 切到 backend B，而且原来还有一大群人手工响应——你不能把服务关掉再慢慢重构。你必须先梳理每一段 flow：什么先电子化、什么后迁移，同时不能中断已有流程。

我们把 Q 带来的组件一件件拿出来：电子交易平台、高频执行引擎、交易所连接、风险系统；再去看 Genesis 已经在哪些地方有资金、有哪些交易和对冲关系，即使这些关系背后的基础设施还很原始。然后做映射和 roadmap。与此同时，crypto 市场本身也在高速变化：FTX 当时在崛起，有些场所衰落，perp、basis 交易、Genesis 的 options desk 等都在发展。所以我们既是在迁移系统，也是在追着一个不断变形的市场跑。

最早做的是核心交易平台，让它足够快，连接我们必须连接的 venue；然后把所有交易尽量汇总进一个风险簿和统一风险系统。

高层看，你落到 Genesis 的第一件事是什么，为什么？

还是核心电子交易平台，以及三类连接。第一是外部对冲 venue，比如 Binance、Bybit、当年的 FTX 等；第二是客户，因为 broker-dealer / market making / flow trading 本质是双边业务，大额 block 可能仍然通过语音或消息，但正常流量应该尽可能电子化，我们要搭 single-dealer platform，让 fintech、交易平台乃至其他 dealer 可以直接接入；第三是内部连接，把各业务单元、principal risk、外部 venue 上不断变化的做市仓位、客户交易统一映射进一个 portfolio / risk book。先外部 venue，再内部整合，最后把成熟接口推到客户侧。

从头搭一个 risk book 是什么感觉？听起来会是最复杂的部分之一。

一个很容易被低估的事实是：到最后，这里面有大量工作其实就是会计，只不过是非常高频的会计。你当然会在仓位数据上跑量化模型，算各种风险指标，但底层最终仍然是一个被高度美化的 ledger / accounting system：谁拥有什么仓位、发生了什么交易、风险现在在哪里。

真正麻烦的是旧业务正在实时运行。你不能把整个 desk 停几天，先把仓位导出来，再迁进去，然后重新开门。你必须一边看着市场和客户交易继续发生，一边把旧数据接进来；即便交易员暂时还在打电话或手工交易，也要让他们先把交易录进新系统，确保仓位开始同步。等这个统一视图稳定后，你才能在上面继续搭更聪明的 quant view。

所以搭系统有点像追着散落的数据做 scavenger hunt：数据到底在哪、我们连了哪些 venue、怎样让手工交易员先把仓位同步进同一个大系统。先解决“账对不对”，再谈更高级的量化分析。

在 Genesis 搭这套 desk 时，最让你意外、也最被外界低估的是什么？

最大的一个就是 flow。Genesis 很多时候能给出当时 crypto 市场里最好的价格，但外面同时有 Jump、Jane Street 等极强玩家。别人会问：“你们的 edge 到底是什么？秘密酱料是什么？”答案很大一部分不是某个神秘模型，而是业务规模带来的客户流。

首先，规模本身能降低很多成本。你在外部 venue 的 fee tier 更好，margin 条件可能更优，资本利用率更高，连接和执行也能被摊薄；在少数场景里，大机构甚至还能拿到更优先的 latency / matching 条件。其次，客户流让你可以做 internalization：如果一边客户想买，另一边客户想卖，你不一定要立刻把全部风险扔到外部交易所，可以在组合层面把风险自然净掉。这样既减少成本，也让你更灵活地管理 book。

另外，flow 本身包含信息。比如一些 fintech 客户的上游是大量 retail，订单流在某些时间尺度上会透露价格方向或需求结构。我要强调，不是说“有 flow 就能知道未来”，而是大机构看到的市场截面比小团队丰富得多。这就是为什么我认为“做市商靠速度赢”只是一个不完整的描述。速度很重要，但客户流和规模经济同样重要。

除了 flow，还有什么被低估的 moat？

第二是资本和 balance sheet。你要接很大的 block trade，要先吃进风险；你还要在多个 venue 放保证金，给 hedge position 提供 margin，有时还要先扛到 T+1 的结算，并对客户承担一点 credit risk。Genesis 背后有 DCG 这样的资本基础，这是一种真实优势。第三是信任。OTC 不是匿名点一下按钮就结束，客户在选择 principal counterparty：你会不会履约、资金是否安全、报价是否可靠、发生市场压力时能不能继续交易。品牌、质量、安全和长期关系，在机构金融里都是很硬的护城河。

那后来你们已经把 Genesis 的 OTC desk 电子化了，为什么又出去做 prop shop？

最短的答案是：我的两年 vest 做完了（笑）。那几年其实是 Genesis 的黄金期。大概 2019 到 2021，crypto 业务快速扩张；COVID 刚开始时有一段很颠簸，但随后整个行业像火箭一样上升，Genesis 也长到几百人。

Ed 和我骨子里还是很创业。大学宿舍时我们就折腾过各种蠢点子，从社交网络到无人机配送之类。进一家越来越大的公司两年以后，那种“自己做”的痒又回来了。于是 vest 结束后，我们融资重新出去。

最开始的 Variational 还是一家自营交易公司。你们为什么选择这个模式？

这是把 Q Capital 和 Genesis 两边的教训拼起来。第一，对冲基金这个 business model 有很多特殊摩擦：监管、法律、LP 沟通、red tape、运营开销都很重。prop shop 用自己的 equity capital / balance sheet，想交易什么、怎么调仓，灵活得多。第二，我们很想把团队保持得极小、极 senior、极灵活。Genesis 超过大概 150 人以后，对我们来说就没那么有趣了。Variational 的初始哲学就是：能不能用尽可能少、但经验非常强的人，把事情做得很快。

当时 crypto 的做市和交易还有多少低效？

市场已经成熟很多了。我不同意“crypto 到处都很低效”这种说法。像 Binance 上 BTC 的最顶层盘口，Jane Street、Jump、HRT 这类一线做市商已经长期把竞争做得非常充分。真正还有 alpha 的，是那些相对没被充分覆盖、而我们又有专门知识和差异化基础设施去处理的局部。

一个方向是新的 DeFi venue 和产品。早期有 decentralized options vault、structured product、链上 order book，也有 dYdX、Lyra、Zeta、Aevo 等不同尝试。我们的思路不是和已经极度高效的 top-of-book 正面拼，而是跟着这些 nascent market 的增长，去解决它们天然会有的定价、执行和基础设施低效。另一个方向是 OTC derivatives。Genesis 那套经验让我知道：只要一个产品很难定价、流动性差、又需要信任和 balance sheet，dealer 就可能有很大的空间。比如 altcoin options、结构化产品、各种非标准风险——我们曾经在这些地方赚到很多钱。

这并不是说“只要新就一定有钱赚”。我们感兴趣的是那些传统基础设施跟不上、但真实交易需求已经出现的地方：报价难、对冲难、结算难、交易对手风险高，这些摩擦本身就是做市和基础设施公司的机会。我们在自营阶段会很有纪律地把自己限制在 quant / HFT / derivatives 的能力圈里，而不是把公司变成一个纯粹押方向的大 beta 赌注。

Paul Tudor Jones 最近在 Invest Like the Best 上讲过一个观点：真正巨大的财富往往来自长期骑住一条大趋势，比如 Warren Buffett 或早期 SpaceX 投资者。那你们怎么判断 DeFi、中心化交易所、链上交易这些结构会怎么演进？

我会先把“十年后会怎样”和“接下来一两年做什么”分开。我刚才说，我认为真正的大钱是在十年的尺度上形成的，但任何一个时间点都没人真的看得见十年。现实里，更像是你靠运气、判断力和执行力，连续做对三、四、五个决定，每次只看一两年。我们通常只向前看一两年，再据此决定一家 startup 或一个人的职业眼下应该做什么。

我们进 crypto 就不是一个“我准确预测了十年”的伟大 thesis。Q 一开始是 FX，我们需要差异化，刚好看到 crypto 的增长曲线，这是第一步。那时我并没想“十年后 crypto 会接管一切”——真要看得那么远，我们当时就会多拿一点 beta（笑）。接着在 2018、2019 前后，市场天天讨论机构什么时候进场；我们判断这些机构需要有人服务，于是去 Genesis 做交易基础设施，这是第二步。再后来 DeFi summer 出现，smart contract 第一次大规模被用来把金融活动搬上链，大家开始试 options、NFT 等东西；我们看六个月、十二个月的增长曲线，觉得值得再挥一棒，于是又往 DeFi 深处走。几次一两年的下注如果恰好排在同一方向，十年以后回头看，就会像一条很连贯的长期路线。

你们最早接触的 DeFi 交易所是什么样？

很粗糙。我对那一代 builder 很尊敬，因为他们都是后来更好产品的垫脚石。那时延迟高、gas 贵、协议设计脆弱，off-chain bridge、oracle 数据等环节都可能出问题，很多细节简直是灾难；但大方向很有吸引力。

dYdX 从 V2、V3 到 V4 的演化就是很好的例子。它早期更偏 hybrid / off-chain，后来逐步把更多部分搬上链，再向更完整的 on-chain order book 演进。和 Binance 相比，这些早期 venue 看起来几乎像一座很难翻的山，但 wallet analytics 已经能看到一大批真实活动：用户手里本来就有链上 USDC、USDT 或其他稳定币，他们想直接在链上执行，而不是每次都绕回中心化基础设施。

这让我们觉得这里真的有东西。那时大家几乎什么都试：fully on-chain order book、off-chain order book、options vault、structured product、拿 NFT 做抵押借贷——源字幕举到一个叫 JPEG 的项目——以及早期的 lending vault；还有一些后来更成熟的 lending / stablecoin 方向的前身。我们的想法是尽量广泛接入。我们不知道哪个会成功，但知道这里一定会跑出一些有意思的东西。

那里面真的有很多钱可以赚吗？

有，但风险也非常高。你会遇到 smart-contract 安全事故，后来还有 Luna、FTX 和大量交易对手爆雷。Luna 在当时也属于那种 Cambrian explosion 式的实验：事后看里面有管理、机制甚至更糟的问题，但最初算法稳定币、循环借贷等方向，本身就是市场在试新的金融结构。

我们一直把 thesis 收得很紧：我们是 prop trading / HFT / quant firm，不是去拿巨大方向性仓位、押 beta 或押某个长期趋势。我们会在几乎每个新方向里先试一点，看什么真的有效。dYdX V3 这类产品曾经非常成功，后来又出现 Hyperliquid 这样的新一代。持续站在这些迭代前沿，让我们逐渐积累了 DeFi 的专门知识，也直接催生了后来做 Variational 的想法。

你们用自己的资本跑 prop shop 已经能赚很多回报，为什么还要转向今天的 Variational？

更细一点的答案是，DeFi 这几年一直有起有落。我们经历的不只是 hack 和 security event，还有 Luna、FTX、交易对手倒下；我们自己也做过很多 options trading。某一阶段我们会赚得很好、扩团队、搭很有意思的基础设施，对某个新平台类别非常兴奋，但六到八个月后它可能就完全死掉。算法稳定币在 Luna 之后基本就是这种命运，一些 venue 和策略后来也彻底消失。把所有冷热周期加总，我们是成功的，但这是一个非常 hot-and-cold 的地方。

穿过这些噪声，我们看到一条越来越稳定的结构线：perps are eating the world。Perp 在上链，也在往其他资产类别扩展，还出现各种 hybrid 设计。我们先看到 dYdX 的成功，后来有 Aevo、Drift 等不同版本，再后来是 Hyperliquid。问题是，到某个阶段所有人又开始做同一件事：再造一个 exchange、再造一个 on-chain order book。这个方向当然很好，Hyperliquid 也证明它能非常成功，但市场的创造力反而开始收敛。

我们在 DeFi 做自营的最后一年到一年半，越来越强烈地问一个问题：为什么没人从 first principles、从用户体验出发，做一个更像 broker 的模型？为什么没有一个平台去聚合流动性，而不是每次都重新造一个 exchange / order book？如果未来还要交易 RWA，这个问题会更明显。我们一直在找这样的产品，没有找到，于是决定自己做。

当时市场具体是什么样？你们最终想把它做成什么？

Variational Protocol 一开始其实有两条很不同、但可以共用底层的 thesis：第一，所有衍生品最终都会越来越多地上链；第二，它会以两种形式发生——面向 retail 的 perp / linear derivatives，以及面向 institution 的 OTC derivatives 上链。我们大概 2024 年开始做协议，2025 年第一批版本上 mainnet，2026 年继续快速扩张。

当时机构 OTC 端仍然极其古老：电话、Telegram、Bloomberg RFQ、双边 counterparty risk，再由不同地区的 ops team 手工结算。对我来说有一种“历史又重演了”的感觉：我在 Genesis 刚解决过一次类似问题，怎么非线性衍生品今天还这么交易？直到今天，crypto 里很多 nonlinear derivatives 的大部分 volume 仍是这么完成。所以第一条腿就是把 manual bilateral OTC 系统化、自动化、上链。

第二条腿来自 Hyperliquid。2024 尤其是进入 2025 前，是它真正开始大幅拿份额的阶段。我们非常尊重他们，也认为他们会继续做得很好；但我们仍然觉得市场有空间，尤其是更广的 listing、RWA，以及一个不以单一 order book 为中心的 broker-like 模型。于是我们尝试用一个协议把两条腿连接起来。

那 swaps 和 perps 的 thesis 又是什么？

Variational 现在已经扩大很多，也成为链上较大的 perp 平台之一，但我们用的是不同的流动性聚合模型。问题一直是：因为模型不同，我们能为用户做哪些传统 exchange 难做的事？比如可以做到用户侧零交易费，可以支持数百个 crypto perp 和 RWA listing，同时通过聚合给出不错的 liquidity 和 execution。

但整个 perp 行业还有一个没解决掉的问题：funding rate。我们改善了流动性、listing，但资金费率仍然会咬你，尤其周末有时会非常夸张。于是我们问：既然 broker-like 模型让我们能接入不同的资产和做市方，有没有一种产品能把 funding-rate 这个核心摩擦去掉？我们的答案是 swap。

Swap 可以理解成一种新的线性衍生品体验：保留 perp 那种“一个余额、可多可空、可杠杆”的便利，同时把资金成本做得更稳定、更接近固定 carry，而不是让 funding rate 随市场失衡剧烈飘动。对我们来说，这是很重要的产品创新。

大家脑子里大概知道 perp 和 swap 是什么，但并不一定真的理解机械结构。能不能从头解释一下，尤其是为什么你认为 swap 对零售交易者更好？

先从第一性原理看 trading，不限于 on-chain。Spot 最直观：你用 USD 买 Nvidia 股票，或者用一种 crypto 换另一种，你实际持有 underlying。但 spot 的摩擦很多：杠杆很难直接获得；要做空通常得先借券；不同资产意味着不同 collateral 和余额，管理起来很碎。

Perp 为什么爆发？因为它把这些体验统一了。你存一份 USDC，就能在一个账户里交易很多标的，做多、做空、加杠杆。现在不仅 BTC、ETH，Hyperliquid 等平台还把 gold、oil、Nvidia 等 RWA 类标的做成 perp。对用户来说非常简单。

Perp 最大的问题就是 funding rate。它本质上是一种线性衍生品，想跟 underlying 的价格走，但它并不真的交割 underlying，所以需要一个资金费率机制把 derivative 的 mark price 拉回 underlying 的 index price。两者偏得越远，funding 越需要朝某个方向施加更强的激励，让价格重新靠拢。这个机制对 basis trading、市场效率、系统里的隐含杠杆都非常重要，但对持仓者来说，它也会成为一个不断变化的成本；仓位越大、持有越久，影响越明显。

Swap 同样是线性的，也能给你杠杆、做多做空和统一余额，但我们的目标是让它更像持有现货的经济结果，比如 dividend 等收益腿可以被传递，同时资金成本变成比较固定的 carry，而不是不可预测的 funding。传统金融里类似 total return swap：dealer / counterparty 负责保证金和资本形成，客户支付按仓位计算的融资成本。

在我们的平台设计里，预期的 carry 大概是每年 4% 到 5% 左右——接近美元融资成本、SOFR 加上一些成本——属于相对便宜的杠杆来源。除此以外，产品尽量复制 underlying 的总回报，包括股息等，而不是让用户承担 perp funding 的大幅波动。

其实大型传统金融机构交易这类 underlying 时，经常不是直接买 spot，而是持有 TRS portfolio。Archegos Capital 爆仓时大家就看过这种结构：它通过 broker 做 total return swap。为什么机构愿意这么做？因为可以获得杠杆、可以多空，又不用自己处理某些复杂衍生品的动态 funding 问题。

再往高处说，你到底想实现什么？你想让市场最终变成什么样？

我想把 derivatives 搬上链，可以拆成两个支柱。第一，我希望 retail 能在一个地方，以非常高效的方式接触全球各种市场：存一个 USDC balance，就能交易数百个市场，可以是 perp、swap 或两者，而且最终获得接近大型传统金融机构才有的 execution 和 infrastructure 质量。

第二，我已经受够了 OTC derivatives 那种《华尔街之狼》式的手工交易。我希望把它不只是“搬上链”，而是从石器时代带进现代。Stablecoin settlement 已经证明了一部分路径：像 Circle / USDC 等团队正在把银行汇款、FX、跨行结算，从 Fedwire、SWIFT 这种老流程推向实时、24/7、秒级、极低成本的 rails。我想对 derivatives 做同样的事——别再打电话、人工对账、手工电汇；让资本在链上自动结算，让任何地方的人都能获得接近专业平台的效率。

所以你们到底是 broker，还是 exchange？

我们是一个 broker-like platform，不是交易所。最简单的区别就是：我们没有 order book。

再深入一层，exchange 往往像一个中心化 clearing counterparty，大家的风险聚到一个地方。Variational 从第一天就是按刚才那两个目标设计的，所以不同用户、不同交易对手的资本保持分隔。底层更像 RFQ 风格的 broker-like 流动性聚合，同时又能支持机构清算需求。没有中央风险池、没有 order book，所以我们离传统 exchange 模式其实很远。

那 internal market maker 和 external market maker 的差别是什么？

先说做市商在干什么。市场需要随时有人提供 quote、接住订单，然后再想办法把风险卖给另一个 dealer、后来的买家，或者在另一个 venue 上对冲。它提供的是一种“随时可交易”的服务。任何平台最终都需要某种形式的 market maker。

问题是：这项服务产生的经济价值，你让外部做市商拿走，还是把其中一部分做进协议，让系统和用户共享？传统 exchange 会激励 external market maker，它们可能由交易所直接补贴，同时也会努力 monetise flow。它们会寻找对订单流有利的做法，包括利用零售交易者的预期损失；源字幕这里还出现了 “front running” 的说法。对做市公司而言，这完全符合商业逻辑——它们就是要赚钱。Jane Street、Jump、Citadel Securities 等之所以能成为极强的盈利机器，正是因为这门生意本身非常好。

是，很多时候一个季度就是几十亿美元级别。

对，而且做市商也确实提供非常重要的服务。我并不是说它们“不应该赚钱”。我们所谓 internal market maker，是把原本泄漏到外部的部分基础设施和经济价值拉回协议内部，再问：能不能以更低成本完成同样的 liquidity service，并把更好的 execution 反馈给用户，而不是制造一个外部方必须尽量从客户 flow 获利的激励结构？

我对这个生态并没有完全懂。如果有人对你的说法持怀疑态度，他最可能怎么反驳？

如果你对 internal market maker 怀疑，那你其实也应该对所有 broker-like platform 有同样的怀疑。Robinhood、Citadel 在 GameStop 等事件里就被批评过，市场 maker 也常被当成“反派”，因为它们天然站在另一边，尤其是 retail flow 的另一边。这种怀疑是合理的。

我的答案有两部分。第一，我们想把 market making 收进系统，尤其放到 crypto rails 上，让交易和收入更透明，并通过不同机制把价值留在生态里、回到用户或社区。第二，我自己坐过很多位置：buy side、sell side、market maker、Genesis 的 broker-dealer，现在又在 Variational 搭平台。正因为看过这些利益冲突，我们才更想把机制设计在系统内部，把目标放在低成本、高质量 liquidity 上。

Crypto rails 的另一个优势就是透明。链是公开的：大家能看到余额、资本流动，甚至能看到系统每天大致的净 P&L。对一个把做市能力内置的平台来说，这些信息很重要，因为它们能建立信任。Retail 侧又有完全不同的便利：把 USDC 存进一个地方，立刻就能开始交易，用户路径非常简单。

所以我承认怀疑是 warranted 的，但我们不是忽略它，而是把这种怀疑本身当成协议设计的问题：如何让资本、风险和收益更透明，如何避免不必要的外部激励扭曲。

你做过大学里的随机创业、prop shop、hedge fund，现在又做 brokerage；从这种不同视角看 business moat，你觉得什么东西才真正 durable？

我会先把 moat 和 durability 分开。Moat 回答的是“为什么 business A 能长期打赢 business B”：信任是不是 moat、资本是不是 moat、flow 是不是 moat？这些东西难复制、难竞争。Durability 则是另一个问题：这个类别、这项服务本身十年、十五年、二十年后还需不需要存在？

Crypto 很适合说明区别。每个周期，注意力对象都会变：NFT、链上 trading、stablecoin……某个具体产品可能消失，但更耐久的主线是旧金融系统越来越多地迁移到 on-chain rails。金融不会消失；零售交易参与度接近历史高位；机构也一直在采用更快的交易和结算技术。这些是更长周期的趋势。

那你对 crypto 有什么不太流行的看法？

我有一个：cypherpunks 已经完成了他们大部分目标。 很多人因为 Luna、算法稳定币、NFT 等失败，就觉得 crypto 失败了；可如果把视角拉长，行业其实已经渗透进很多地方。Stablecoin 现在甚至普通到像一种 commodity，大家不再因为“某银行或某公司用了 USDC”就震惊。

我很佩服 Circle 做的事。你会看到 USDC 进入手机钱包、支付合作、银行牌照和新的监管框架。2016、2017、2018 年时，如果 Bitcoin 只是被 Bloomberg 或《华尔街日报》认真提到，我们都要庆祝。今天很多 crypto rail 已经变成背景设施。所以我会说：Cypherpunks 赢了，crypto 已经到处都是。

Cambrian explosion 的噪声会让人一直盯着那 98% 失败的实验，却忘了剩下 2% 已经变成主流。未来也许你在 Venmo 或银行里做一笔跨境转账，后台用稳定币结算；也许某个 derivatives position 最终在 Variational 的链上结算。用户甚至不用知道。它可能不是最“性感”的 crypto 营销故事，但这正是金融真正上链的样子。

你最早什么时候接触 Bitcoin？

大概 2016 年，在 Columbia 校园。和行业里很多人比，我其实算晚。我的 crypto 生涯也有很大偶然性：我们本来是 FX fund，只是觉得 crypto 与我们已有能力相邻、增长又快，所以切进去。后来一路做下去、熬过周期，它才看起来像一条很“必然”的职业路径。更有意思的是，后来 24/7 交易、perp、swap 这些链上原生机制又反过来侵入传统金融的体验；我们不是最早进场的人，但确实一路看着这些创新加速，也熬过了好几个周期。

如果 2016 年的你被问“十年以后 crypto 会怎样”，你会怎么预测？

我肯定预测不到今天，而且我甚至会说，crypto 作为底层技术和金融基础设施的成功程度，超过了我当时的想象。中间当然有巨大的 boom-bust、价格波动和失败项目。2016 到 2018 那种 ICO、smart contract 的 Cambrian explosion 里，大量点子失败或者太早。但今天回头看，很多当时“疯狂”的方向已经以另一种形式实现了。

我希望自己当时更有信念、更愿意持有一些 beta（笑）。但我们真正做对的，不是准确预测终局，而是识别每一阶段的增长曲线：这是一个在增长的市场，有基础设施缺口，有交易需求——那就往前走一年，再看下一年的数据和机会。

Odds on Open 这个节目一直在聊 edge——市场里怎样有竞争优势，职业里怎样有竞争优势。年轻人也该把自己当成一个 business，不停建立差异化、更新自己的 moat。但很多人会觉得：“大家都这么聪明，我还能怎么变得不同？”你会怎么建议？

我的答案可能听起来有点危险：要有一点 hubris。 我职业里最大的差异化之一，就是当年有足够的傲气，在 Columbia 校园里说“我们来开一只量化基金”。当然，好奇心和 hard skills 必须有；今天很多年轻人的履历、技术基础都非常强。真正拉开差距的，经常是你是否愿意承担风险、直接跳进去、相信自己至少有可能做成。

我当时完全不知道 Q 会不会成功。我们只是觉得值得试。年轻时承担大一点的、有学习价值的风险，本身就会让你的职业路径变得不同。即使某次失败，它也会变成下一次下注的背景和能力。你要把自己的技能、眼前机会、行业增长曲线和这种“我敢先试”的信心叠在一起，然后继续迭代。

那怎么知道一条趋势值得骑？

很少有趋势能给你绝对确定性，但有些趋势下面的数据非常强。不要只看一个表面价格，而要问：这个增长能不能被解释？更深一层的数据是不是也在加速？比如 2016、2017 的 crypto，不只是币价涨，你还能看到新用户 onboarding、wallet activation、全球采用、Ethereum 上应用数量等指标一起呈指数式增长。

这和某些 flash-in-the-pan 的狂热不一样。比如某一阶段 NFT 价格很高，并不自动意味着所有底层采用数据都同样健康。我没有一个机械公式，但会寻找那种“越往下挖，数据越好看，而且为什么增长也讲得通”的趋势。

你们开始做 Variational 时也看到了类似东西？

对，DeFi summer 就是。它不像只有几个资产涨价，而像一个新城市突然吸引了创业者：不只是有人提出有趣点子，而是产品开始获得真实 traction。一个 decentralized options vault 可能在几个月里就吸引数万、甚至十几万用户；同时全球有几十、上百个团队在做相似但不同的尝试。你退一步看，会发现这不是一个孤立项目，而是整个生态在增长。我们的判断不是“某个协议一定赢”，而是“这里有真实趋势，我们应该在这里 build”。

今天有没有某个大家还没怎么谈、但你在看的趋势？

现在很难说“没人谈”。大家都 terminally online，每个趋势都被讨论过头，噪声比信号多。Ed 和我这几年也非常专注 Variational，没有像创业早期那样天天戴着“创业者护目镜”扫地平线。但我还是会用刚才那个方法：越往下挖，是否能看到更多真正的指数增长。

我会看 compute market。既然 Variational 的能力之一是 listing 很多市场、聚合流动性，那么 GPU、AI inference、compute infrastructure 未来是不是也能形成更标准化、更可交易的市场？这很有意思。我也很关注美国 energy：推理、数据中心、训练需求都在爆炸，但电力基础设施、资本、融资、监管和建设速度都形成约束。还有，我总会看看 Elon 在做什么（笑）。

如果一条趋势已经跑了很久，还值得下注吗？

这里最重要的，是把资产价格和底层产业的经济活动分开。长期看，股票或 token 的价格，并不等于这个产业是否会扩大，也不等于这个产业是否值得你去创业或工作。这是一个很常见的误区。

汽车是最经典的例子之一。美国汽车产业早期有几十、甚至上百家公司，很多一度都很大，最后真正活下来的极少，GM 是其中之一。你如果在早期随便买一家汽车公司的股票，未必是好投资；但这并不影响“汽车产业将成为巨大产业”这个判断。航空也类似：航空技术和全球航空经济极其重要，但航空公司股票历史上常常是糟糕的资本回报；与此同时，飞行员、发动机、供应链、Boeing、Airbus 等周边和产业基础又能形成巨大的事业和公司。

所以我不想让人把 memory、Nvidia、GPU 的价格，和这些产业本身是否 durable 混成一件事。价格走了很远，不代表底层产业没有继续增长、继续创业的空间。

所以不要因为 Nvidia 已经涨很多，就推断“GPU / AI 基础设施不再有产业机会”；也不要因为某个 crypto 资产经历过几轮大涨，就推断“这个技术生态已经没有下一波创业空间”。Genesis 和 Variational 都不是在 Bitcoin、ETH 第一次上涨之前创立的，我们进入时市场已经有过很多轮行情，但基础设施采用仍然继续增长。

Memory 也可以这样看。新的 memory solution、材料、silicon、制造、onshoring、资本形成，都可能孕育很有意思的公司，但我不会假装自己能因此预测某只股票的 beta。产业趋势、公司商业模式、证券价格是三层不同的问题。用价格替代产业判断，是最容易犯的错之一。

我很喜欢这个区分。那回到个人能力：你当年做 Q Capital，需要很快学懂许多完全陌生的东西。一个人怎样最快成为某个技术领域的“危险人物”——不是世界第一，但足够懂，能行动？

我会给三个部分。第一，先有一个足够扎实、足够广的基础。你不需要一开始就懂 hedge fund 的法律结构、LP、融资、brokerage，也不需要是世界最好的 programmer 或 quant。我自己都不是；Ed 在 quant 能力上可能相当强。但你需要有能让自己继续学习的底座。我当时的底座来自 systems programming、computer science 和其他技术训练。

第二还是 hubris。一个领域看起来太大时，人很容易先把自己吓住：“这东西我不可能学完。”其实你只要开始，一次解决一个问题。Q Capital 最早非常具体的问题就是：“我们到底在哪交易？”零售 broker 可以，但 fee 太高；那怎样上 institutional brokerage？需要一个 entity、需要资本。资本从哪来？先成立 LLC、凑一点钱不够，那就向别人融资；一向别人融资，就进入 regulated activity，需要 fund structure；那就要找 lawyer。下一步又问：找谁？如此不断往下拆。

六个月后你回头看，会发现自己已经知道 hedge fund 的 entity structure 大概长什么样，纽约哪些律师做这个，LP base 通常是什么人，规模和结构有哪些要求。我们从一群几乎不懂 business side 的学生，靠连续解决小问题，很快建立了一个相当完整的 mental model。学习不是先把整个地图背下来，而是沿着真实问题逼自己走完地图。

第三是 network。你每爬一层，都最好知道下一个问题可以问谁。你不一定要认识世界顶级 fund lawyer；有一个上过 law school 的朋友，哪怕不专门做基金，也可以先花 30 分钟告诉你基本框架，让你多走一步。然后你再去找更专业的人。

今天这件事比 2016、2017、2018 更容易，因为 AI 可以部分替代这种最早期的“地图提供者”。你可以先让 LLM 帮你建立 lay of the land、mental model，再知道下一步该向谁问、该深挖什么。总结就是：足够宽的基础能力；有傲气去一个问题接一个问题地解决；再用网络——现在也可以加上 AI——快速补全地图。

那你自己是从什么 network 出来的？

我来自 Oklahoma 的 Norman，一个大学城。我很幸运，父亲是 entrepreneur，对我影响很大，但我们的生活相当 middle class。我去 Columbia 时，在纽约几乎一个人都不认识。可能父母有一个朋友的朋友在校园附近之类，但对我来说基本就是从零开始。

很巧，Ed 是我到校园后最早认识的人之一，我们宿舍就在旁边。我的 network 不是某天“拿到”的，而是从很自然的聊天开始：聊得来、有共同兴趣，再认识下一群人，一点点滚大。Columbia 后来成了重要节点，但它可以被很多东西替代：大学、工作、线上 meet-up、论坛。每次只往上爬一阶。

我们第一只基金的资本也不是因为我来自什么富裕家庭、认识一堆 hedge fund 大佬。早期纽约基金愿意跟我们聊，很多时候只是因为团队里有人在那里实习过：他去问自己的 boss，boss 再介绍给上一级；我们去做 presentation，表现不错，再被介绍给更高一级。你就是这样一层一层问出来。这里还是需要一点 confidence 和 hubris——你得开口。我的起点其实很普通。

那互联网，再加上现在任何人都能用的 LLM——某种意义上像随身带着“世界上最有知识的人”——会让机会更平等，还是反而强化那些富裕家庭、boarding school 出身孩子的 moat？

我认为 LLM 在个人层面带来的拉平作用大于集中作用。要快速了解一个领域、让一个“专家顾问”在耳边帮你建立地图，现在不再那么依赖你原来认识谁，也不一定非得去最好的私校或大学。互联网先做了一轮，LLM 又把 self-education 的门槛往下推了一大截。

当然，另一个完全不同的问题是：AI 创造的经济利益最后流向谁。大型 lab、platform，以及少数美国股票可能会聚集非常多财富，这会牵涉资本阶层、劳动、政治和社会分配。我不太想公开站在某个立场上。但把这和“个人能不能得到教育、能不能自我启动”分开看，我认为后者的 equal opportunity 比互联网之后任何时候都更强。

我整场其实都在说同一件事：要有一点 hubris，自己承担责任，一步一步去 build。AI 让这种自我启动比过去任何时候都更可行。

对，这对我也很疯狂。我还觉得有些年轻人非常会建立“personal moat”，比如他们在 Telegram 和各种论坛里形成了惊人的 network，因此得到的机会完全不成比例。

对，能接触到的机会量简直不可思议。

最后一个问题。我们前面提过，但我想把它说得非常具体：建立 personal moat、建立那种对成功很重要的差异化，最重要的一件事是什么？

我会回答，但先反问你一个问题。你刚才说的 Telegram network 是怎么来的？你现在节目上有这么多很强的嘉宾，这个 network 最初从哪里开始？

我 20 岁时，最先采访的是一个朋友的朋友。他做 junk removal，一年收入大概一百万美元。之前我在一场活动上听过 Harry Stebbings，看到一个 podcast 能带来什么，我非常着迷。于是我开始稳定地做采访。后来很幸运，请到 Augustine LeBron；那时 Jane Street 正因为印度的 insider-trading 新闻被大量讨论，那一期一下爆了。

我发现自己对 hedge fund、quant、trader 这些东西真的更感兴趣，而这个方向当时几乎没人持续做内容。于是我每周采访这些人，重新做了品牌，也会在节目后继续跟嘉宾聊、发短信、保持联系。对我来说很疯狂的是，一年前我们可能才一千个订阅，现在跨平台大概 55K，而且还在很快增长。

而且说起来很好笑，我从来没在自己的播客里被这样采访过（笑）。

那我就把刚才想说的浓缩成几件事。最重要的一条，其实就在你的故事里：你有足够的 hubris、confidence——叫什么都可以——去试。你一开始不可能知道“我会做一个很大的播客，会请到 Jane Street 的人和一大堆厉害嘉宾”。光是敢想它可能发生，本身就有一点傲气。

Telegram network 从哪里开始？从第一条 message。播客从哪里开始？从第一次 interview。基金从哪里开始？从你先去做第一个真实动作。没有人第一天就知道自己会做成一个巨大 podcast、一个巨大网络、一个巨大 fund；你只需要相信它有可能，可能到值得你下注一次，而且相信自己确实有一点东西可以贡献。

所以如果你把问题改成“个人成功、个人 moat 最重要的基础是什么”，第一是有信心开始。你不去 ping Telegram 上的人，不邀请嘉宾，不录第一期——哪怕第一期制作得不好——那你按定义就不可能成功。尤其创业，你必须先进入场内。

第二是继续寻找 exponentials。VC 圈很爱说这个，但它确实有用：在一艘下沉的船上 build 太难了；顺风时很多事情会容易得多。找你真正感兴趣的东西，再找一个背后有真实指数增长的市场，把两者交叉起来。然后当然还需要 hard work，也需要一点 luck，而且要把自己放在能接住好运的位置。

没有什么是预先写好的。我们的路径也是一步一步挣出来的：一条 message 接一条 message，一期 podcast 接一期 podcast；或者几个学生有一个疯狂想法，从 Columbia 退学，再靠实习关系一层层找人融资。你就是这样走到某个今天看起来“很厉害”的地方。最有趣的一点是：我们每个人都可以写自己的故事。

我太喜欢了。非常感谢你来 Odds on Open，这次聊天太棒了。

谢谢，很开心的一次聊天。