从外汇到加密货币,CoinW Carmen Tan出席迪拜Token2049

Odaily星球日报Publicado a 2024-04-03Actualizado a 2024-04-03

Resumen

在这片充满机遇的土地上,CoinW和Carmen将共同书写新的加密篇章,探索更多的可能性。

2023 年 8 月,Carmen Tan 正式出任 CoinW 首席通讯官(Chief Communication Officer),双方在迪拜强强联手,共铸加密盛宴。

从外汇到加密货币,CoinW Carmen Tan出席迪拜Token2049

乘着席卷世界的加密浪潮, Carmen 的故事让人振奋,告诉大家女性也可以闪耀在中心地带。Carmen 在金融领域和区块链领域都有着非凡履历。在加入全球知名的加密货币交易所 CoinW 担任首席传播官之后,Carmen 更将以其独特的女性视角和全球化的经验,助力 CoinW 推进加密货币交易和应用的使命。

CoinW 对 Carmen Tan 的任命,不仅是对她个人能力的认可,更是对其专业知识和领导力的肯定。

Carmen Tan 曾在 Token 2049 新加坡和伦敦、迪拜世界区块链峰会和亚洲加密货币博览会等重要活动中担任特邀演讲者,向行业传播 CoinW 关于加密货币的思考,更致力于加密教育事业和慈善事业的发展。

更令人瞩目的是,Carmen 还代表 CoinW 荣膺东京 Web3 夏季黑客马拉松的杰出小组成员,并被评为 2022 年最佳影响力人物,Carmen Tan 不仅是 CoinW 的骄傲,更是女性力量和迪拜开放精神的完美融合,让每个人都享受金融自由带来的全球化魅力,更是这个时代难得的坚守。

从外汇到加密货币,CoinW Carmen Tan出席迪拜Token2049

CoinW 始终致力于加密货币和区块链领域的教育和宣传,而 Carmen 的加入,无疑将为这一使命注入新的活力。在她入职后,更为强调和重视加密货币的大规模普及之路,提高公众对 CoinW 产品的认识和理解,同时展现加密货币和区块链创新领域的变革潜力。

4 月的 Token 2049 活动日益临近,这是迪拜首次承办该活动。 Token 2049 从香港起步,随后扩展到新加坡,现在来到迪拜,这也再度证实了迪拜对加密货币的积极拥抱与接纳。

CoinW 作为迪拜 Token 2049 的冠名赞助,将一如既往支持 Token 2049 和迪拜区块链的发展。而以 CoinW 首席通讯官身份出席大会的 Carmen,既将再一次发挥她的个人影响力,也将继续支持 CoinW 的国际化战略。

值得一提的是,Carmen 作为马来西亚华人,精通中英文,在加入 CoinW 之前,曾在迪拜 金融科技行业工作多年,她的职业生涯从外汇交易过渡到 Crypto,完成了一次华丽的转身。这一切,与迪拜开放包容的政策环境密不可分:迪拜对加密货币行业的态度非常友好,已经出台 VASP 监管体系,而 CoinW 与迪拜监管部门也一直保持着良好的关系。

CoinW 积极拥抱全球化,拥抱监管,致力于成为更富责任和使命感的中心化交易所。Carmen 的加入,正是这一理念的生动体现。Carmen 认为,迪拜给了她很多机会,可以尝试人生的更多可能性,她也会带着这份信任和机遇,帮助 CoinW 继续在全球加密行业中保持领先。

在区块链的世界里,每一次转身都可能开启新的可能。Carmen Tan 的故事,正是这一理念的最佳诠释。而 Carmen 的故事,也是 CoinW 的故事,更是迪拜的故事。在这片充满机遇的土地上,CoinW 和 Carmen 将共同书写新的加密篇章,探索更多的可能性。

4 月的这场金融科技的盛宴将如何在迪拜上演,让我们拭目以待。

Lecturas Relacionadas

Visión Profunda: La Inferencia Descentralizada no es Hype, es el Campo Clave para Romper el Monopolio Centralizado de la IA

**Análisis profundo: El razonamiento descentralizado no es exageración, es clave para romper el monopolio centralizado de la IA** Ante un hipotético escenario donde un modelo de IA puntero es prohibido en 2026, el artículo argumenta que el **razonamiento descentralizado** es fundamental como protección contra la censura, ya que los modelos de código abierto serían imposibles de eliminar por completo. Sin embargo, construir redes de inferencia descentralizadas viables implica superar **cuatro desafíos principales**: 1. **Escalabilidad:** Ejecutar modelos enormes dividiéndolos en múltiples GPUs (swarm), luchando contra la latencia de red con técnicas como decodificación especulativa. 2. **Verificación:** Probar que el nodo ejecutó el modelo correcto y no una versión más barata. Se analizan opciones como ZKML (lento), pruebas de fraude o huellas estadísticas, todas con concesiones entre integridad, coste y velocidad. 3. **Privacidad:** Proteger el "prompt" del usuario. El sharding por sí solo no garantiza privacidad; se requieren soluciones como Entornos de Ejecución Confiables (TEE) o cifrado totalmente homomórfico (FHE), aunque este último es aún costoso. 4. **Mercado viable:** Identificar clientes reales dispuestos a pagar (empresas, agentes de IA) y crear un mercado sostenible más allá de la especulación con tokens. El artículo revisa proyectos como **Dolphin Network** (pruebas de pesos en vivo), **Inference.net** (verificación estadística), **Morpheus** (TEE) o **Darkbloom** (para Macs), destacando que cada uno aborda los problemas de forma distinta. La **ventaja competitiva** de la inferencia descentralizada no está en la baja latencia (donde lo centralizado gana), sino en tareas por lotes que priorizan el rendimiento agregado y el coste marginal bajo, como la generación de datos sintéticos. Un **valor oculto** a largo plazo es el ciclo de datos: las redes de inferencia pueden generar datos valiosos (por ejemplo, de interacciones con agentes) para entrenar mejores modelos de código abierto, creando un círculo virtuoso con el entrenamiento descentralizado. Finalmente, ofrece una **lista de verificación** para evaluar proyectos, enfatizando la necesidad de una propuesta de valor clara para usuarios no cripto, un equipo con sólidas capacidades técnicas en IA y una comprensión realista de su mercado objetivo.

Foresight NewsHace 2 min(s)

Visión Profunda: La Inferencia Descentralizada no es Hype, es el Campo Clave para Romper el Monopolio Centralizado de la IA

Foresight NewsHace 2 min(s)

La última pieza del puzzle de la ambición cripto de Franklin Templeton

El 22 de junio, Franklin Templeton anunció la adquisición de 250 Digital y la creación de su división de gestión de activos cripto, Franklin Crypto, enfocada en estrategias activas para inversores institucionales. Este movimiento representa la última pieza en la expansión cripto de la gestora, que comenzó en 2018 con un equipo de más de 50 personas. Su cartera de productos incluye el fondo tokenizado BENJI (aprox. 831M USD), lanzado en 2021, y una serie de ETF pasivos como EZBC (Bitcoin, 368M USD), EZET (Ethereum), XRPZ (XRP, 252M USD), SOEZ (Solana con staking) y EZPZ (índice cripto). En junio de 2026 solicitó a la SEC ETFs que reinvierten dividendos en Bitcoin. Más allá de los productos, Franklin Templeton ha invertido en el ecosistema, participando en rondas de financiación para proyectos como Ethena y Crossmint, y colaborando con cadenas como Aptos y Sui. Con Franklin Crypto, la empresa ahora cubre tres áreas: fondos tokenizados, ETF pasivos y gestión activa, dirigidos a clientes institucionales como fondos de pensiones. A modo de comparación, Fidelity, otro gigante tradicional, siguió un camino diferente desde 2014, construyendo su propia infraestructura de custodia. Su ETF de Bitcoin (FBTC) supera los 11.000M USD en activos. Ambos casos reflejan la creciente incursión de la gestión de activos tradicional en el espacio cripto.

Foresight NewsHace 30 min(s)

La última pieza del puzzle de la ambición cripto de Franklin Templeton

Foresight NewsHace 30 min(s)

El mayor rival de Unitree, ¿cómo es que se ha escindido de nuevo?

El principal rival de Unitree, la empresa de robótica china, Zhìyuán, ha creado otra empresa escindida. MiBee Tech, centrada en la adquisición, gestión y distribución de datos para la inteligencia embodied, completó recientemente una ronda de financiación estratégica. Esto refleja la creciente escasez de datos de alta calidad necesarios para entrenar robots humanoides y de uso general. Mientras que modelos de lenguaje grande se entrenan con datos de Internet, los robots requieren datos multimodales del mundo físico. Se estima que solo hay unas 500.000 horas de datos de alta calidad disponibles a nivel mundial, muy por debajo de las necesidades de entrenamiento. MiBee busca abordar este cuello de botella ofreciendo un modelo de "datos como plataforma". La empresa utiliza dos métodos principales: teleoperación con robots reales y una solución de "adquisición sin cuerpo" más económica, con dispositivos portátiles y pinzas de captura. Su motor de procesamiento de datos, MEgo Engine, automatiza tareas como limpieza y etiquetado, aumentando la eficiencia. MiBee también ha establecido un mercado de datos y la iniciativa "Beehive" para crear una red colaborativa de datos en la industria. El éxito de MiBee dependerá de demostrar su neutralidad, ya que comparte origen con Zhìyuán. Debe ganar la confianza de otros fabricantes de robots, incluyendo competidores directos, que necesitan garantías de que sus datos no se compartirán. Además, enfrenta competencia de empresas como JD.com, Lumeng y otras que también buscan solucionar la "hambruna de datos" en robótica. Su objetivo declarado es alcanzar una capacidad de producción de datos de decenas de millones de horas para 2026.

marsbitHace 30 min(s)

El mayor rival de Unitree, ¿cómo es que se ha escindido de nuevo?

marsbitHace 30 min(s)

Trading

Spot
Futuros
活动图片