從十二歲的奧林匹亞排名表到最快的鏈上交易所：Lighter 創辦人 Vlad 的三十年鋪路

TL;DR

Founders Fund 的合夥人 Joey Krug 講過一句很直白的話：他們投 Lighter，「八成五到九成的理由是 Vlad 跟他找來的那群人」。這集就是在回答為什麼。
Vlad 十二歲開始打學科奧林匹亞，是美國史上少數同時進入物理跟資訊兩支國家隊的人。在那些訓練營裡，他認識了後來 Anthropic 的兩位共同創辦人、Facebook 的第一任技術長。
他十六歲進哈佛、十八歲畢業，理由荒謬到很合理：研究生是學校付你錢，大學生是你付學校錢，所以大學部要盡快解決。
他在宿舍裡自己跑量化策略，進 Citadel 後 Ken Griffin 直接告訴他：這些策略我五六年前就套利光了。
十七歲那年，一群諾貝爾獎得主告訴他神經網路是死路，叫他去做量子。他聽話了，然後十二年後回來做機器學習。
他把「奧林匹亞選手」當成一條沒人在挖的招聘管道，挖出來的實習生後來創了 Cognition、Scale、Perplexity、Modal。
第一家公司 Lunch Club 沒死但也沒大，2022 年他用「公司內部辦 YC」的方式帶著八成工程團隊轉去做 Lighter，然後埋頭做了十八個月才給世界看。

這集是誰在講話

這集是 2026 年 7 月 27 日播出的 Bankless。Bankless 是加密貨幣圈最老牌的深度訪談節目之一，由 Ryan Sean Adams 跟 David Hoffman 主持，這集是 David 在曼哈頓的錄音間跟來賓面對面錄的，開場就直接切進對話中段，所以聽起來有點像你半路推門進去。

來賓是 Vladimir Novakovski，大家都叫他 Vlad，Lighter 的創辦人兼執行長。Lighter 是一個蓋在 Ethereum 上的 zk-rollup 永續合約交易所（perp DEX，讓你在鏈上開槓桿做多做空的地方），用零知識證明（ZK，一種可以證明「我算對了」但不用把過程攤開的密碼學技術）做訂單撮合跟清算的鏈上驗證。2025 年十一月由 Founders Fund 跟 Ribbit Capital 領投了六千八百萬美金，估值十五億，連 Robinhood 都是股東之一。今年七月 Robinhood Chain 主網上線，錢包裡那個永續合約引擎，底下跑的就是 Lighter。

但這集幾乎沒在講產品。這集在講一個人是怎麼被做出來的。

十二歲那張排名表

Vlad 十二歲開始打各種學科競賽。物理奧林匹亞跟資訊奧林匹亞的美國國家隊他都進了，數學那支差一點，三冠沒完成。他說自己是美國最早同時進兩支隊伍的人之一。

比賽長什麼樣子？資訊那個最好懂：給你三題、五小時、連兩天，題目大概像「紐約有兩間披薩店，考慮車流，找最短路徑」，你得真的寫出跑得出答案的程式。數學是三題證明題，物理則多一段實驗。有趣的是他理論部分在訓練營永遠第一，實驗部分老是普通；結果真正上國際賽那年理論失常，實驗拿了世界第二，靠這個撈回一面銀牌。他說那是他第一次意識到，自己真正喜歡的是「跟真實世界資料打交道」這件事。

真正值錢的不是獎牌。是人。物理國家隊訓練營裡有兩位後來創辦 Anthropic 的人，其中一位他熟到現在；資訊那邊有後來 Facebook 的第一任技術長、現在坐在 OpenAI 董事會上的 Adam D'Angelo。

他當時就有一個很冷靜的想法：如果把全國同齡人照能力排個名，這張排名表逐年變動不大，那把它往後投影二十年，前面那批人大概還是前面那批人。所以這些人以後會做出東西，這件事在他十幾歲時就當成前提了。他唯一猜錯的是方向。因為辦競賽的都是學者，所有人的預設出路是當教授，沒人想過會有人去做 Facebook 或 Anthropic。

兩年半念完哈佛的那個「漏洞」

他十六歲進哈佛，十八歲畢業，兩年半。方法是先用十二科 AP 換掉一年，然後每學期修六門課而不是五門再擠出一學期。

問他為什麼要這麼趕，答案完全不熱血：「因為當研究生嚴格優於當大學生。大學生付錢給學校，研究生學校付錢給你。而且可以跨部修課，我修的是一模一樣的課、在一模一樣的校園。」如果他反正要待七年，那就該用兩年半當大學生、四年半當研究生，而不是倒過來。他自己形容這是一個沒人想過的生活外掛。

這其實就是他說自己最愛的那類競賽題：正面看沒解或很難解，側著看兩行就搞定。

Ken Griffin：你晚了五六年

他在宿舍裡就自己在跑策略，想當下一個 Ken Griffin 或 Jim Simons。回測都很漂亮，實盤接近零。後來 Citadel 面試，Ken Griffin 親自花時間跟他聊，順便告訴他真相：那些策略以前有效，現在沒了，因為我在套利它們。

Ken 說服他加入的理由也很值得記：找 alpha 最好用團隊做，不要單幹。原因是市場已經非常接近有效，一個無效率要成立，通常得同時有好幾件事都為真，而一個人的視角很難同時看到全部。多背景的人湊在一起，才容易撞出那些組合。

這跟他在哈佛學到的東西是同一件事的兩種說法：用數學家、哲學家、生物學家的角度輪流看同一個真實問題。關於這種「多視角疊加才是護城河」的討論，之前在找到藏在眼皮底下的寶藏：Chris Begg 談怎麼在一片恐慌裡挖出十年十倍的投資也聊過類似的思路。

離開 Citadel 後他去了 Graham Capital，從零建一個高頻交易部門。他形容那是他第一次「在大公司裡創業」，第一天的工作是打電話問資料商有沒有某個市場的 L2 訂單簿資料。2012 年他從華爾街跳去矽谷，透過朋友見到 Peter Thiel，得到的建議是：先別創業，先搞懂新創怎麼運作。他照做了。十年後 Founders Fund 領投了他發幣前的最後一輪。

被諾貝爾獎得主勸退的那個少年

這是整集我最喜歡的一段。

他少年時參加過 Intel 科學獎（在當年比奧林匹亞更有份量的研究型競賽），題目是用光學而不是晶片來跑神經網路，也就是今天講的光子運算（photonics）。他拿了第十二名，去白宮見了總統、副總統，跟一堆諾貝爾獎得主同場。

那些大人物給他的建議是：機器學習這種東西是死路，小朋友做著玩可以，真想做科學就去做量子。

他的反應是：「我當時想，我算哪根蔥。」於是就轉向了，十二年後才在 Quora 繞回來。

而重點在於，那些人在 2001 年並沒有講錯。網際網路規模的資料還不存在，沒有黏土，你捏不出東西。他們錯的是把「現在不行」講成「永遠不行」。

這件事在他身上其實重複了三次：

技術	他第一次碰的時間	當時為什麼不行	後來
神經網路	高中的光學研究	沒有網際網路規模的資料	十二年後在 Quora 重新做起來
語言模型	2014 年前後的 Quora	當時的模型對預測幾乎沒有幫助	Quora 的問答資料密度其實正是 LLM 的養分
加密貨幣	2012 年讀到 Bitcoin 白皮書	2017 年的技術做不出他要的東西	2022 年 ZK 成熟才動手

他自己講得很狠：Quora 手上是文字資料、而且資訊密度極高，原則上他們是有機會做出第一個好用 LLM 的。但十二年前試過，語言模型對排序模型完全加不了分。差的不是聰明，是時候。

順帶一提，他點出一個產業對比很有意思：科技業做出好東西要大聲宣傳，量化交易做出好東西要裝作自己在做很基本的事，最好讓對手以為你很笨。

他把奧林匹亞變成一條招聘管道

在 Addepar 當工程負責人時，他做的最有價值的事不是產品，是招人。招實習生不是他發明的，他帶進來的是「去奧林匹亞名單裡撈」。

原因很簡單：這是沒人在挖的 alpha。2005 年他在 Citadel 的時候，那個全業界最強的招聘團隊根本不知道奧林匹亞是什麼，他得從第一性原理跟人家解釋這些比賽是幹嘛的。今天全世界的自營交易商都在同一個池子裡搶人，這條 alpha 早就被榨乾了。

這批實習生後來的名單很誇張：Cognition 的 Scott Wu（後來也是他 Lunch Club 的共同創辦人）、Scale、Perplexity、Modal 的共同創辦人，還有一票進了交易公司跟加密項目。他自己說，「對 Addepar 來說還不錯，對那些小孩來說非常好，對我們這些後來天使投資他們的人來說也很好。」講完還補一句，這些人真正的收穫是互相認識，很多公司是從實習生彼此的關係長出來的。

這裡有一個對每個人都適用的判斷：任何 edge 的本質，都是「一種還沒被別人採用的分類方式」。一旦它變成常識，它就不再是 edge。

Lunch Club 錯的不是產品

Lunch Club 是他第一家公司，用資料幫人做專業社交配對。核心洞見其實很漂亮：不能用交友軟體那套雙向配對。交友是每個人都有對象，社交不是，一旦開放讓大家自己送邀請，Marc Andreessen 會收到一百萬封，大學生一封都收不到。真正應該發生的是那個念生物的大學生跟那個念 AI 的大學生被湊在一起。所以系統不讓你選人，系統幫你配。

COVID 期間跑得不錯，之後就進入高原期，沒死，但也沒起來。

他事後的復盤用的是一個三交集框架：夠大的市場、你真的在乎的使命、你們真的擅長做的東西。Lunch Club 三個裡踩中兩個，市場那一項其實從頭就不夠大，只是被 COVID 撐了一下。

怎麼 pivot 不把團隊搞散

2022 年要轉方向，環境爛透了：加密上一輪剛崩、AI 還沒起來、Robinhood 跟 Coinbase 都腰斬。他很坦白地說，如果不是創投願意支持這次轉向，從零開始不可能。

他的做法是在公司內部辦一場小型 YC：不宣布「我們現在改做這個」，而是同時養三個題目，讓最好的想法自己贏出來，再把落選題目裡有用的部分併回 Lighter。結果是八成工程團隊留下來。

留住團隊之後，是十八個月完全不對外講話的硬工程。因為要同時做到低延遲、低成本、安全、可驗證，這件事沒人做過。但他們不是關在山洞裡：這段期間持續跑會議、找交易員看原型、拿回饋。所以技術一好，手上就有一百個熟到不能再熟的交易員在等著測，不是那種點進來五分鐘就走的人。

這段是整集對創業者最有實用價值的部分。多數 pivot 失敗不是因為新方向錯，是因為宣布轉向的那一刻團隊心就散了。

Lighter 到底想幹嘛

他不太願意給一句話定位，只給五根柱子：低成本、低延遲、安全、可驗證、可組合。

其中兩根值得展開。可驗證那根他講得最重：有可驗證性，就不會有 Madoff，不會有 FTX。這是加密貨幣最初的承諾，但中心化交易所給不了，而過去能給的鏈上方案又慢又貴。

可組合那根則是新的。DeFi 協議之間互相組合早就不是新聞，新的是 DeFi 跟傳統金融的組合：代幣化股票、永續合約、選擇權放在同一張資產負債表上互相抵充。這條線跟之前寫過的Securitize 上市第一天就把自家股票丟上鏈是同一件事的兩端。

問他五年後長什麼樣，他引 Jensen Huang：我們不做五年計畫，我們想的是明天要做什麼。他說自己大概只看得清一兩季，剩下就是聽客戶講話然後繼續蓋。

至於傳統金融什麼時候會進來，他的判斷很冷靜：傳統金融跟著錢走。你不能拿著一個更好的捕鼠器去跟一家做了一百五十年、跑著幾兆美金量的機構說「你換過來吧」，這行不通。他們會先在邊角試，像 ICE 去策略投資 Polymarket 那樣，因為預測市場本來就是他們沒有的新地盤，試新地盤才敢用新技術。銀行導入 AI 也是一樣的路徑，先在幾個角落用，用著用著就變成主體。

他最後對 ZK 的評價是：大部分工程是拿 X 換 Y，偶爾會出現一種技術讓你 X、Y、Z 同時變好，那種東西一個世代出現一次。AI 那次叫 transformer，加密貨幣這次叫 ZK 證明。這個判斷是不是成立，看的其實不是他怎麼說，是 Lighter 的量能不能撐住，這點跟Hyperliquid 那套「萬物交易所」的終局藍圖要面對的是同一張考卷。

我從這集拿走的三件事

第一，太早等於錯。那些諾貝爾獎得主在 2001 年沒有講錯，他們只是把「現在的條件不支援」誤讀成「這條路不通」。Vlad 的模式是把想法先放著，等基材成熟再回來拿，神經網路等了十二年，加密貨幣等了五年。多數人的問題不是眼光，是沒有耐心把好想法先寄放起來。

第二，edge 的保鮮期比你想的短。奧林匹亞招聘這條 alpha 從無人知曉到人人在挖，也就十幾年。任何你現在覺得「只有我看得懂」的東西，都在被計時。

第三，pivot 是組織技術而不是策略技術。決定改方向那一刻不難，難的是怎麼讓一群人願意一起改。內部辦 YC 那招，任何規模的團隊都抄得動。

我自己最有共鳴的其實是那個哈佛的漏洞。同一個人，在題目上找側面解法，在人生上也找側面解法，在市場上還是找側面解法。這種一致性大概才是投資人願意押的東西。至於我，看完這集立刻算了一下自己有沒有什麼「側面解法」可以用，結論是我連正面解法都還在排隊。

這類 podcast 的整理我會持續放在 wilsonhuang.xyz，訂閱一下就不會漏掉。

Sources: