Alexander Good

Alexander Good 是 Post Fiat 的创始人，该平台旨在重新定义后法币及人工智能驱动世界中的经济框架。Alexander 在金融和技术领域的背景，结合他在 区块链 基础设施方面的创新方法，使他成为演进中数字经济领域的重要人物。^[1]​

早年生活与教育

Alexander Good 在金融和技术方面的基础奠定于他的教育和早期职业经历。他毕业于沃顿商学院（Wharton），在那里磨练了分析技能，随后将其应用于金融和技术领域的各种职位。^[2]

职业生涯

花旗集团 (Citi)

2010 年 7 月至 2012 年 4 月，Alexander Good 在纽约大都会区的花旗集团担任销售与交易分析师。他的工作涉及外汇市场，积累了金融市场运作和分析方面的经验，这为他后来从事 数字资产 工作奠定了基础。

Palantir Technologies

2012 年 5 月至 2013 年 12 月，Good 在纽约大都会区的 Palantir Technologies 担任部署策略师。他的工作涉及在资本市场分析中使用数据分析和预测方法。

Balyasny 资产管理公司 (Balyasny Asset Management)

Good 于 2014 年 5 月加入 Balyasny 资产管理公司担任分析师，并一直任职至 2016 年 1 月。他常驻纽约大都会区。

Perpetua Labs

Good 于 2016 年 2 月联合创立了 Perpetua Labs，并担任联合创始人直至 2017 年 9 月。该公司起源于资本市场情报相关工作，并开发了用于广告和市场分析的软件，包括在亚马逊广告生态系统内的应用。

2021 年，Ascential 以 1.5 亿美元收购了 Perpetua。该公司后来被 Omnicom 收购。

GoodAlexander

2018 年 6 月至 2025 年 2 月，Good 在波多黎各的 GoodAlexander 担任交易员。

Post Fiat

Good 于 2024 年 11 月创立了 Post Fiat。该公司运营着一条作为 XRP 分叉开发的 Layer 1 区块链，并整合了链上隐私和 OFAC 合规功能。其基础设施包括一个专为 AI 代理 设计的本体，以便与分布式资本市场中的参与者进行交互。

Post Fiat 将人工智能融入其 区块链 架构中，包括在经济交易中使用大语言模型。该项目研究了 AI 代理 与人类参与者共同参与经济活动的模型。

Good 在 Post Fiat 的工作包括对金融市场、数字经济、区块链 技术和人工智能的研究与写作。他的著作包括《末日论》（Doom Thesis），以及关于 Web4 和代理经济的讨论。^{[1] [2] [3] [4]}

访谈

AI、市场与加密货币 #01

2025 年 10 月 30 日，Good Alexander 出现在由 threadguy 主持的 TG 播客中，访谈涵盖了人工智能、加密货币、金融市场和宏观经济发展。讨论探讨了 AI 在加密货币市场和应用中的整合程度。根据 Alexander 的说法，许多拟议的加密货币在 AI 中的用途尚未达到广泛采用。他引用了执行 AI 推理的 工作量证明 系统（包括 Ambient）作为将计算负载与加密货币网络结合的替代方法的例子。

Alexander 讨论了使用 区块链 网络进行证券交易（包括股票和债券）。他将私人交易系统和更快的结算描述为可能改变某些金融市场结构的领域。访谈还讨论了与机构参与相关的隐私问题，特别是使用允许交易保密同时在监管要求内运行的系统。

稳定币及其与美国金融系统的关系构成了访谈的另一部分。Alexander 将 稳定币 的扩张与对美国政府债务的需求以及 加密货币 市场的活动联系起来。他还认为，持续的扩张将取决于投资者的持续参与以及市场参与者从这些资产中产生回报的能力。

对话还涵盖了更广泛的经济和地缘政治主题，包括美国政府债务、金融监管、中美关系，以及传统金融市场与 加密货币 市场之间的互动。Alexander 描述加密货币与传统金融基础设施的联系日益紧密，并讨论了 AI 系统促进市场参与者之间协调和信息交换的可能性。

访谈以讨论 加密货币 的社会和政治维度结束。根据 Alexander 的观点，加密货币不仅可以被视为一种金融和技术系统，还可以与个人金融自主权以及对中心化经济和政治机构的担忧联系起来。这些观点被呈现为 Alexander 对加密货币在更广泛的经济和社会发展中所扮演角色的解读。^[5]

AI、加密货币与 AGI #02

2025 年 1 月 7 日，Good Alexander 出现在 YouTube 频道 threadguy 的访谈中，内容涵盖人工智能、加密货币、金融市场以及通用人工智能 (AGI) 可能带来的经济影响。Alexander 将 AGI 描述为一种能够设定目标、自主执行任务并改进自身流程的人工智能形式。他将这种模型与旨在根据人类指定指令执行预定义任务序列的 AI 代理 区分开来。

访谈探讨了计算成本与 AI 经济应用之间的关系。Alexander 引入了“智能利润率”（intelligence margin）一词，用于描述运行 AI 系统所需的资源与其活动产生的财务回报之间的关系。他建议，与需要更高计算要求的应用相比，需要较低计算资源的应用可能会更早实现经济可行性。交易被讨论为 AI 可应用于金融分析和决策的领域。

Alexander 还描述了一个涉及 GPT-3.5 和股票市场收益数据的实验。根据他的叙述，他使用该模型分析了财报电话会议记录的情绪，并将其结果与包含财务信息的现有交易策略进行了比较。他表示，在他测试中，模型生成的情绪分析产生的结果优于使用财务数据的策略版本。他也承认在观察后续收益期的这种方法之前，存在训练数据效应和过拟合的可能性。

讨论的另一个概念是“幻觉收益率”（hallucination yield），这是 Alexander 用来描述 加密货币 的 市值 与语言模型根据其可用信息和叙述可能赋予该项目的估值之间的差异。他将这一概念与注意力和信息在加密货币市场中的作用联系起来，认为语言模型可能成为市场参与者接触 数字资产 信息的另一种机制。

访谈还涵盖了金融市场信息可用性的变化。Alexander 讨论了广泛使用 AI 系统可能使市场参与者之间普遍可获得的分析信息差异化程度降低的可能性。他描述了涉及受限信息、信息共享网络以及补偿贡献数据或分析的参与者的机制等替代差异化来源。

Post Fiat 在这些发展的背景下被讨论。Alexander 将该项目描述为一种将 加密货币 基础设施与 AI 驱动的金融及其他网络活动系统相结合的尝试。讨论包括使用不同类型的网络参与者和自动化系统来协调任务和交易。

对话进一步涉及了 AI 与 加密货币 基础设施之间的关系。Alexander 表达了这样一种观点，即 AI 可以应用于现有的 区块链 网络和金融系统，而不是将区块链应用局限于 AI 基础设施的开发。访谈还涵盖了 AI 对内容创作、知识产权、用于模型训练的数据以及后 AGI 环境下经济活动的可能影响。

因此，访谈涵盖了 Alexander 对 AGI、AI 在金融市场中的应用、加密货币 估值、信息经济学以及 Post Fiat 发展的看法。^[6]