孙宇晨出席Huobi品牌升级发布会 提三大战略助其重返三大

区块链日报Publicado a 2022-11-22Actualizado a 2022-11-23

Resumen

11月22日,波场TRON创始人,Huobi Global全球顾问委员会成员,格林纳达常驻世界贸易组织(WTO)代表、特命全权大使出席在新加坡举办的Huobi品牌升级发布会。

11月22日,波场TRON创始人,Huobi Global全球顾问委员会成员,格林纳达常驻世界贸易组织(WTO)代表、特命全权大使出席在新加坡举办的Huobi品牌升级发布会。孙宇晨为Huobi的未来发展提出三大战略:全球化发展、科技推动发展和科技向善,并将和其他顾问委员一起全力支持Huobi发展,助其重返行业前三,并与行业一起共建全球Web3.0门户。

火币将采用新的品牌“火必”,并在行业领军人物、全球委员会顾问孙宇晨的建言指导下,实现强强联合,开启火必新的发展阶段。更重要的是,在行业陷入低谷时期,起到重建信心、凝聚共识的作用。

根据发布会上公布的消息,火币中文品牌升级成为“火必”,Huobi Global英文品牌则升级为“Huobi”。孙宇晨表示,”除了虚拟资产交易平台之外,Huobi还代表着安全、便利和友好,缩短后的名称将更充分地体现这一点”。

由两个汉字 “火 “和 “必 “组成的火必新品牌具有强烈的中国特色和美好寓意。“火”字在中国文化中代表着永久的生命力和将这种生命力传递给后代。 “必 “字意味着必胜的决心,这代表了其重返行业前三名的雄心。

“必 “字也可以看作是 “心 “和 “义 “的组合。”心 “和 “义 “意味着新的Huobi将从心出发,为全球用户提供专业的数字资产管理服务。这也反映在其使命中,即 “加强资产安全,促进金融普惠”。

同时,新名称也秉承了中国传统的 “义 “的美德,贯彻了 “科技向善 “的品牌理念,为全球区块链和虚拟资产技术的创新和发展做出了贡献,实现了火必”科技改变世界 “的愿景。

今年10月10日,孙宇晨被任命为Huobi Global全球顾问委员会成员,他在个人社交账号表示,将和其他委员一起,在行业发展、学术研究、合规风控等领域提供指导,进一步加强机构间合作,提升品牌影响力和市场竞争力,获得更多用户认可,引领火必进入崭新的里程碑。2017年9月,孙宇晨创立了波场TRON,并迅速发展成为全球三大公链之一。2021年12月孙宇晨被任命为格林纳达常驻WTO代表、特命全权大使。

品牌发布会公布了火必未来三大发展战略,包括全球化发展、科技推动发展和科技向善。孙宇晨此前在接受媒体采访时也曾表示,将大力赋能HT,发挥HT的重要战略属性,将会把HT投票上币的权力重新交还给用户社区。

另外,火必将专注于优质资产,支持具有强大市场潜力的项目,并为项目社区提供支持。本着科技向善的理念,火必将努力为用户参与优质项目提供一个更安全、稳定的环境,推动全球虚拟资产行业的稳步发展。

此外,火必将全面推进全球化战略。今年10月7日,加勒比地区国家多米尼克与波场TRON达成一系列合作,开创了区块链企业与主权国家开展深度合作的先河。根据孙宇晨提出的建议,火必也将进军加勒比地区,并有可能将总部迁移到该地区。与此同时,火必还将在东南亚、欧洲和其它地区扩大投资,建立起强大的全球生态,并继续遵守各地区的监管政策,加强与其它国家的合作。

孙宇晨指出,作为一家成功运营了9年的虚拟资产交易平台,火币已经成为了行业里家喻户晓的名字,“随着品牌的更新,新路线图的推出和全球顾问委员会的指导,我相信火必可以加强其市场领导地位,重返三大”。

Lecturas Relacionadas

El desafío de la potencia de cálculo en el ajedrez de la IA entre China y Estados Unidos

La carrera por la inteligencia artificial entre China y EE.UU. enfrenta un desafío fundamental: la enorme brecha en capacidad de computación (computing power). Mientras empresas estadounidenses como Meta, Google y xAI despliegan cientos de miles de GPUs de alta gama (como las de Nvidia) para entrenar modelos con billones de parámetros, China depende en gran medida de chips de inferencia nacionales para tareas menos exigentes. El artículo destaca que la escasez de chips de entrenamiento de última generación, debido a las restricciones de exportación estadounidenses, es la raíz de la diferencia entre los modelos de IA de ambos países. Según estimaciones, EE.UU. posee el doble de capacidad de computación que China, y un solo gigante tecnológico estadounidense puede superar la suma de todas las empresas chinas. Esto permite a EE.UU. iterar modelos mucho más rápido y entrenar sistemas con parámetros significativamente mayores. Aunque líderes tecnológicos como Huang Jen-hsun (Nvidia) o Elon Musk elogian el progreso chino, la realidad muestra un rezago. El modelo chino más avanzado, DeepSeek V4 Pro, tiene 1.6 billones de parámetros, muy por detrás de los 10 billones de modelos estadounidenses como Mythos de Anthropic. Además, se estima que China está entre 8 y 15 meses atrás en la frontera de la IA. El ascenso de fabricantes nacionales chinos como Huawei (Ascend 910B), Moore Thread o Cambricon representa un camino esperanzador. Aunque su rendimiento absoluto y ecosistema de software (similar al CUDA de Nvidia) aún están en desarrollo, ya logran avances en inferencia y comienzan a adaptarse para entrenamiento básico. El éxito a largo plazo requerirá paciencia, inversión sostenida y un esfuerzo colectivo similar al que llevó a Corea del Sur a dominar la industria de chips de memoria. En este duelo geopolítico por la IA, China avanza con determinación, pero el camino por recorrer es extenso.

marsbitHace 6 min(s)

El desafío de la potencia de cálculo en el ajedrez de la IA entre China y Estados Unidos

marsbitHace 6 min(s)

Se agotan las ventajas del canal: ¿En qué pueden confiar los protocolos DeFi para resistir la recolección de los gigantes?

"La ventaja de los canales se agota: ¿Cómo pueden los protocolos DeFi resistir la cosecha de los gigantes? Cuando los gigantes tecnológicos como Coinbase, Stripe y Kraken consolidan su control sobre los canales de distribución y la infraestructura, los protocolos DeFi abiertos enfrentan una presión extrema. Coinbase gana millones en tarifas de secuenciación de su blockchain Base, donde Morpho opera, mientras que Stripe adquirió Bridge para capturar los ingresos por intereses de sus stablecoins, y Kraken compró NinjaTrader por sus licencias. Estos movimientos exponen una batalla fría por las ganancias. La supervivencia de los protocolos abiertos depende de dos estrategias clave: la expansión multichain y la integración profunda. Proyectos como Morpho y Uniswap no dependen de una sola cadena; al diversificarse, mitigan el riesgo de que un gigante los desplace en su propio ecosistema. Además, cuando su tecnología se integra tan profundamente en los productos de una empresa (como el producto de préstamo de Bitcoin de Coinbase en Morpho), el costo y el riesgo de reemplazarlos se vuelven prohibitivamente altos. El futuro del sector podría inclinarse hacia un oligopolio de grandes empresas que controlen toda la pila tecnológica, relegando el código abierto a nichos. Sin embargo, la agilidad de los protocolos para desplegarse en múltiples cadenas y la complejidad técnica que ofrecen crean una interdependencia. La carrera entre la velocidad de expansión de las instituciones y la de los protocolos abiertos decidirá el panorama final. Por ahora, la infraestructura crítica de estos gigantes aún se basa en código abierto."

marsbitHace 6 min(s)

Se agotan las ventajas del canal: ¿En qué pueden confiar los protocolos DeFi para resistir la recolección de los gigantes?

marsbitHace 6 min(s)

Nuevo trabajo del equipo de Kaiming He: Eliminando VAE y datos privados, la generación de texto a imagen resulta ser más potente

El equipo de investigación de He Kaiming presenta MiniT2I, un modelo de generación de imagen a partir de texto (text-to-image, T2I) minimalista y directo en el espacio de píxeles, que desafía la complejidad de los enfoques dominantes. El modelo elimina componentes estándar como el VAE para codificación, mecanismos de inyección condicional complejos (AdaLN), funciones de pérdida auxiliares, datos privados y etapas de alineación RL/DPO. Utiliza un objetivo de "flow matching" entrenado directamente sobre píxeles RGB. Con solo 258M de parámetros (versión B/16), supera a modelos de espacio de píxeles mucho más grandes en benchmarks como GenEval (0.87) y DPG-Bench (84.2). Su arquitectura, MM-JiT, simplifica el Transformer estándar: añade dos adaptadores ligeros para las características de texto de T5 (congelado) y elimina la rama AdaLN, confiando en que la imagen ruidosa ya contiene información temporal. Esto reduce parámetros y permite más capas, mejorando el FID a 13.7. El entrenamiento, de bajo costo (~3 días en 8 H100 para el modelo de ablación), se realiza en dos fases con datos completamente públicos: preentrenamiento en CC12M reetiquetado y ajuste fino en ~120K pares de alta calidad. Esto demuestra que un modelo pequeño puede igualar o superar en ciertos aspectos a gigantes como SD3-Medium en escenas imaginativas, aunque muestra limitaciones en renderizado de texto y entidades nombradas debido a los datos públicos. MiniT2I señala un cambio de paradigma hacia la simplificación y eficiencia en la generación de imágenes, haciendo que la tecnología T2I sea más accesible fuera de los laboratorios industriales líderes.

marsbitHace 11 min(s)

Nuevo trabajo del equipo de Kaiming He: Eliminando VAE y datos privados, la generación de texto a imagen resulta ser más potente

marsbitHace 11 min(s)

¿La industria de los seguros se enfrenta a su mayor competidor? ¿Son los mercados de predicción los "bárbaros a las puertas"?

El sector asegurador, tradicionalmente un pilar estable de la economía, podría enfrentar un cambio disruptivo con el auge de los mercados de predicción. Plataformas como Kalshi y Polymarket están demostrando su utilidad para la cobertura de riesgos, invadiendo progresivamente dominios tradicionales de las aseguradoras. Ejemplos concretos ilustran esta tendencia: Kalshi se asoció con Game Point Capital para ofrecer cobertura más barata y transparente sobre bonos por desempeño deportivo en la NBA. Polymarket, en colaboración con Parcl, permite apostar sobre índices de precios de la vivienda, funcionando como una herramienta de cobertura para propietarios o compradores. Un bar de Nueva York usó Kalshi para cubrir el costo de una promoción de bebidas gratuitas vinculada al resultado de un partido de baloncesto, mostrando el potencial para pequeñas empresas. El valor de estos mercados reside en su transparencia, liquidez y el rol neutral de la plataforma, a diferencia de las apuestas deportivas tradicionales. Transforman la información en un activo negociable y permiten una gestión de riesgos más flexible y accesible. Aunque enfrentan desafíos como la liquidez insuficiente y la incertidumbre regulatoria, estos ejemplos marcan un primer paso significativo. Los mercados de predicción se presentan no solo como una alternativa a las casas de apuestas, sino como un competidor emergente para segmentos clave del negocio tradicional de seguros.

marsbitHace 12 min(s)

¿La industria de los seguros se enfrenta a su mayor competidor? ¿Son los mercados de predicción los "bárbaros a las puertas"?

marsbitHace 12 min(s)

¿Qué sectores de las criptomonedas están siendo "devorados" por los Agentes de IA?

Si eres como nosotros y has estado inmerso en esta industria los últimos años, notarás que el ambiente ha cambiado. La atención se centra ahora en la IA y los Agentes. La eficiencia está impulsando que más usuarios adopten interacciones dirigidas por IA, y plataformas diseñadas originalmente para humanos se están optimizando para servicios "no humanos". Observamos que los Agentes de IA ya dominan claramente ciertos sectores: - **Trading de derivados (perpetuos)**: Mercados altamente automatizados donde los robots superan a los humanos en velocidad y ejecución 24/7. - **Arbitraje (MEV)**: Un campo completamente dominado por bots automatizados que escanean mempools. - **Optimización de rendimiento**: Sectores donde la mayoría de los protocolos nuevos incorporan Agentes de IA autónomos. - **Trading spot y optimización de carteras**: Los bots automatizados generan un volumen significativo. En **mercados de predicción** y **préstamos DeFi**, coexisten actividades de Agentes y humanos. Los robots dominan el arbitraje a corto plazo, mientras que los humanos mantienen ventaja en decisiones a largo plazo y en elecciones de préstamos/depósitos. Los sectores aún **dominados por humanos** incluyen: - **Establecoins y pagos con tarjeta**: Usados masivamente para transferencias y pagos reales, especialmente en mercados emergentes. - **Monederos**: La capa final de interacción con la blockchain, donde la supervisión y aprobación humanas son cruciales. Con el aumento de los Agentes, crece la importancia de **capas de verificación humana**. Proyectos como World & AgentKit, t54, Self Protocol y Kite AI están construyendo infraestructuras para garantizar la responsabilidad y confianza en las acciones de los Agentes, vinculándolos a identidades humanas verificadas. En conclusión, los Agentes dominan donde la velocidad y la automatización son clave, pero los humanos siguen siendo esenciales en áreas que requieren juicio, confianza y contexto del mundo real. Los equipos que comprendan esto y construyan sistemas que equilibren ambos mundos serán cruciales para el futuro.

marsbitHace 17 min(s)

¿Qué sectores de las criptomonedas están siendo "devorados" por los Agentes de IA?

marsbitHace 17 min(s)

Trading

Spot
Futuros
活动图片