SBF的AI投资眼光有多强？拆解SBF如何押中千亿美元赛道

一个正在服刑25 年的囚犯，他在入狱前做出的一笔投资，可能比整个加密货币行业任何一家上市公司的市值都要高。

这不是夸张。 2022 年4 月，Sam Bankman-Fried（SBF）透过旗下的Alameda Research，以5 亿美元投资了一间当时几乎没有多少人听过的AI 公司——Anthropic。当时Anthropic 的估值约为25 亿美元，SBF 拿下了接近8%​​ 的股份。

而截至2026 年2 月，Anthropic 刚刚完成了一轮300 亿美元的融资，估值达到3,800 亿美元，成为全球第三大未上市科技公司，仅次于OpenAI 和SpaceX。如果SBF 当初的股份没有被FTX 破产清算团队出售，那8% 的持股今天的理论价值将超过300 亿美元。

做一个更直观的对比：加密货币行业中被视为龙头的OKB，目前市值仅约20 亿美元。一个囚犯的单笔投资回报，已经远远超过了整个行业最顶尖的交易所代币市值。

这个事实本身就足以让人停下来思考一个问题：一个被判定为诈欺犯的人，为什么能在AI 这条赛道上，比几乎所有加密货币行业的参与者都更早、更准、更狠地下注？

从Jane Street 到Alameda：量化天才的养成路径

要理解SBF 为什么能做出这样的投资判断，首先需要回到他的职业起点。

2014 年，SBF 从麻省理工学院（MIT）毕业后加入了Jane Street Capital——华尔街最顶尖的自营量化交易公司之一。 Jane Street 不是一般的金融机构，它的核心业务是利用数学模型和演算法在全球市场进行高频交易，每年处理的交易量以万亿美元计算。

SBF 在Jane Street 的表现极为出色。据报导，他的上司将他评为同期最优秀的交易员，第一年薪酬就达到30 万美元。到第三年，他即将获得100 万美元的年终奖金，而公司告诉他，如果留下来，十年内他的年收入至少可以达到1,500 万美元。

但更值得注意的不是他赚了多少钱，而是他在Jane Street 学到了什么。

在Jane Street 期间，SBF 负责国际ETF 交易，需要同时理解多个市场之间的价格关联、流动性结构和风险传导机制。他曾经发现一个有趣的交易模式：一家银行的交易员会在下班前集中执行南韩市场的订单，然后把日本市场的交易推给日本的同事处理。这种跨市场、跨时区的微观结构洞察，正是后来他设计FTX 交叉保证金系统和全局风险引擎的思维基础。

更值得一提的是，SBF 在2016 年美国总统大选期间负责公司的选举量化模型。他建立的模型比主流媒体更早预测了特朗普的胜选，但公司仍然在选举夜因为做空标普500 指数而损失了约3 亿美元。这个经历让他深刻理解了一件事：即使模型预测正确，市场的反应方式也可能完全出乎意料。这种「对不确定性的深层理解」，在他后来的投资决策中留下了明显的痕迹。

离开华尔街，进入加密货币

2017 年，SBF 放弃了Jane Street 的百万美元奖金和确定性的职业前景，创立了Alameda Research。他看到的机会很简单：全球不同加密货币交易所之间存在巨大的价差，尤其是日本和韩国市场的「泡菜溢价」——同一枚比特币在不同市场的价格可以相差10% 甚至更多。

对一个在Jane Street 训练过的量化交易员来说，这种价差套利机会几乎是教科书级别的。 Alameda Research 在早期通过跨交易所套利迅速积累了大量资本，成为加密货币市场中最大的做市商之一。

2019 年，SBF 进一步创立了FTX 交易所。与市场上现有的交易所不同，FTX 的核心卖点不是代币种类多或手续费低，而是它在底层技术架构上的创新。

FTX 的技术创新不只是一个交易所？

很多人对FTX 的记忆停留在「诈骗」和「崩盘」上，但如果回到技术层面，FTX 在当时确实引入了多项行业领先的创新。理解这些创新，对于理解SBF 后来为什么会投资Solana、Pyth 和链上订单簿至关重要。传统的加密货币交易所采用「逐仓保证金」制度——每个交易对都需要独立的保证金，用户无法用一个帐户中的所有资产来支撑所有仓位。这种设计对资金效率极差，尤其对机构交易者来说，意味着大量资金被锁定在不同仓位中无法灵活调配。

FTX 推出的全局交叉保证金系统，允许用户将USDC、BTC、ETH、甚至股票代币化资产放在同一个钱包中，统一计算保证金。这意味着一个帐户中的所有资产都可以互相支撑，大幅提高了资本效率。

同时，FTX 的清算引擎采用了渐进式清算机制，而不是像其他交易所那样一旦触及维持保证金就全仓清算。这种设计显著降低了因市场剧烈波动导致的「社会化亏损」（即把爆仓亏损分摊到其他用户身上）的风险。