Derive: Биткоин перешел к стадии формирования локального дна

cryptonews.ruPublicado a 2025-02-19Actualizado a 2025-10-20

Геополитическая напряженность в торговле между США и Китаем ослабевает, что усиливает оптимизм на рынке цифровых активов и может стабилизировать курс биткоина, полагает глава исследовательского отдела Derive Шон Доусон (Sean Dawson).

Эскалация торговой войны между США и Китаем в начале октября спровоцировала каскад ликвидаций на рынке криптовалют, обрушив цены. Теперь смягчение макроэкономических рисков может запустить восходящее ралли биткоина, отметил эксперт.

Еще одним фактором, который, по мнению Доусона, может привести к устойчивой положительной динамике первой криптовалюты, станет очередное снижение процентных ставок ФРС. В подобном сценарии снижается спекулятивный интерес к традиционным финансовым инструментам, что побуждает инвесторов использовать более рискованные стратегии, включая криптовалюты.

По данным портала СoinMarketCap, за 24 часа биткоин вырос почти на 4%, достигнув локального максимума в $111 100, что вызвало небольшое ралли на более широком рынке альткоинов.

BTCUSDT_2025-10-20_11-21-06.png

«Вероятно, мы видим локальное дно биткоина, который крайне чувствителен к подобным событиям. Если все опасения будут окончательно развеяны, возможно, мы увидим его значительный рост. Однако риск эскалации торговой войны между США и Китаем еще сохраняется, что может спровоцировать дальнейшее падение», — заявил Доусон.

Ранее Гендиректор JAN3 Самсон Моу (Samson Mow) предположил, что следующее бычье ралли биткоина превзойдет скорость роста стоимости золота.

Lecturas Relacionadas

Dwarkesh Patel: La siguiente generación de IA podría nacer del trabajo duro

El conocido presentador de podcasts de tecnología de Silicon Valley, Dwarkesh Patel, explora cuál podría ser el próximo paradigma de entrenamiento para la IA. Identifica el "Reinforcement Learning with Verifiable Rewards" (RLVR) como el enfoque actual líder, que permite a los modelos practicar de forma masiva en tareas como programación o matemáticas, donde los resultados pueden verificarse y el entorno puede replicarse fácilmente. Sin embargo, Dwarkesh argumenta que el RLVR por sí solo es insuficiente para tareas del mundo real complejas, como emprender un negocio o gestionar una campaña política. Estas tareas, aunque tienen resultados verificables, carecen de "molienda" (*grindability*): son lentas, tienen muchas variables y no se pueden replicar o resetear a gran escala en un centro de datos. La propuesta clave es superar la limitación del "aprendizaje en contexto" actual, donde los modelos se adaptan temporalmente pero no retienen el conocimiento a largo plazo. Dwarkesh sugiere que la próxima generación de IA debe aprender continuamente de la experiencia del mundo real y "escribir" ese aprendizaje de nuevo en sus pesos fundamentales. Menciona dos posibles direcciones: la "autodestilación en política" (*On-Policy Self-Distillation*), que comprime la experiencia de tareas reales en actualizaciones del modelo, y el "sueño" (*dreaming*), donde la IA crea simulaciones basadas en observaciones reales para practicar y refinar estrategias. En resumen, el futuro paradigma que imagina Dwarkesh implica una transición: de entrenar modelos antes del lanzamiento con tareas verificables, a permitirles aprender continuamente después del despliegue a partir de la interacción con el mundo real, convirtiendo la experiencia práctica en una capacidad permanente.

marsbitHace 23 min(s)

Dwarkesh Patel: La siguiente generación de IA podría nacer del trabajo duro

marsbitHace 23 min(s)

Trading

Spot
活动图片