Три крупных швейцарских банка впервые провели расчет токенизированными депозитами

cryptonews.ruPublicado a 2025-10-15Actualizado a 2025-10-15

UBS, PostFinance и Sygnum Bank впервые осуществили реальный расчет с использованием токенизированных банковских депозитов на публичном блокчейне. По данным Reuters, операция была выполнена в рамках пилотного исследования Швейцарской ассоциации банкиров, целью которого стало тестирование нового формата платежей. Этот шаг знаменует переход от пилотных проектов к полноценной реализации, когда реальный капитал и юридически обязательные сделки совершаются через публичную инфраструктуру.

В ходе исследования клиенты переводили токены, представляющие депозиты, между разными банками. Это показало, что токенизированные депозиты могут свободно перемещаться между учреждениями, а не быть замкнутыми в пределах одного банка. Такой механизм снижает контрагентские риски и повышает прозрачность расчетов.

Особенность эксперимента в том, что речь идет не о стейблкоинах, а о токенизированных депозитах с прямой поддержкой банковских балансов. Такой формат может стать альтернативой стабильным монетам, предлагая схожие возможности, но при этом находясь в регулировании и инфраструктуре традиционных банков. Журналисты подчеркивают, что это 1-й случай юридически обязывающего платежа такого типа.

С технической стороны проект показывает возможность мгновенных и окончательных расчетов на общей платформе. В перспективе такие платежи можно будет интегрировать в автоматизированные бизнес-процессы, что приведет к снижению стоимости транзакций и ускорению обработки переводов. Это также открывает путь к круглосуточной работе без ограничений классической банковской системы.

Для местной экономической инфраструры — это важный шаг. Швейцария известна жесткими стандартами комплаенса, и такой эксперимент фактически задает глобальный ориентир. Успешное завершение пилота может подтолкнуть другие страны и банки к разработке собственных токенизированных депозитов и инфраструктур.

Criptos en tendencia

Lecturas Relacionadas

In Just 11 Days, Claude Rewrote Millions of Lines of Code, an Epic AI Engineering Feat Sparks Fury

In just 11 days, Bun's founder Jarred Sumner used Anthropic's Claude AI models to rewrite its million lines of code from Zig to Rust. This move sparked significant controversy, particularly from Zig's creator, Andrew Kelley, who publicly criticized Sumner's engineering practices and the decision to use AI for such a massive rewrite. Bun, a high-performance JavaScript/TypeScript runtime and rival to Node.js, was originally written in Zig. After Anthropic acquired Bun, the team encountered persistent stability and memory safety bugs in the Zig codebase. These issues, combined with Zig's strict policy against LLM-generated code, led to the decision to rewrite in Rust. The rewrite was executed using Claude AI tools at an estimated API cost of $165,000, dramatically reducing the expected time and financial cost. Andrew Kelley's response was scathing. He blamed the original bugs on poor engineering habits, calling Bun's Zig code a collection of "hacks on top of hacks." He expressed relief that Bun was no longer associated with Zig, fearing it would misrepresent the language and attract low-quality, AI-generated contributions. The tech community is divided; some view Kelley's critique as unprofessional, while others see it as a defense of engineering integrity. A major concern about the AI-driven rewrite is the resulting code quality. The translation from Zig left approximately 27,000 lines of unsafe Rust code, raising fears about long-term maintainability and technical debt. The debate centers on whether this project is a milestone in AI-assisted development or a future maintenance nightmare.

marsbitHace 29 min(s)

In Just 11 Days, Claude Rewrote Millions of Lines of Code, an Epic AI Engineering Feat Sparks Fury

marsbitHace 29 min(s)

From Auto Finance to Bitcoin to AI Engines: An Analysis of Cango's 'What Not to Do' Strategy

From Auto Finance to Bitcoin and Now AI: Cango's "What Not to Do" Strategy Cango, a Chinese auto finance platform that went public on the NYSE in 2018, is undergoing its third major transformation. After selling its entire auto business in 2024, it pivoted to become a large-scale Bitcoin miner, acquiring 50 exahash of mining rigs from Bitmain. However, its true goal was never Bitcoin, but owning and controlling energy infrastructure. Now, Cango is pivoting again. While most listed Bitcoin miners are leasing power to giant hyperscalers for AI training clusters, Cango is taking the opposite path. It has launched an AI inference subsidiary called EcoHash, focusing not on training but on distributed inference. The company's strategy hinges on the insight that over 70% of mining industry power is controlled by small, independent sites (10-50 MW), which are too small for hyperscalers but ideal for low-latency AI inference. Cango aims to partner with these small operators, providing the AI technology, customers, and financing through its EcoLink software layer, which can distribute workloads across sites for reliability. Cango maintains a hybrid model, running roughly 31.7 EH/s of Bitcoin mining for cash flow while aggressively cleaning its balance sheet—slashing long-term debt by 94.5% to $30.6 million and raising $75 million for its AI venture. Its first AI deployment will be at a 50 MW site in Georgia. The strategy faces skepticism, given the high costs of converting mining sites and the potential for an AI bubble. However, Cango's leadership believes discipline around "what not to do"—avoiding direct competition with hyperscalers in training—positions it to capture the long-tail demand for distributed AI inference power.

Foresight NewsHace 45 min(s)

From Auto Finance to Bitcoin to AI Engines: An Analysis of Cango's 'What Not to Do' Strategy

Foresight NewsHace 45 min(s)

Strategy's Bitcoin Sales Cap Far Exceeds $1.25 Billion: A Detail the Market Overlooked

The article discusses how MicroStrategy's potential Bitcoin sales go far beyond the announced $1.25 billion "reserve-building capacity." It clarifies a key distinction in the company's "BTC Monetization Program": selling Bitcoin to *build* a new dollar reserve (the $1.25B cap) versus selling to *replenish* the existing USD Reserve after it's used for expenses like preferred share dividends. The recent $216M BTC sale for dividend payments was a "replenishment," leaving the headline $1.25B building quota untouched. The plan actually outlines three potential funding pools from BTC sales: 1) Building the reserve ($1.25B cap), 2) Covering preferred share/ debt costs (no specified cap), and 3) Funding buyback programs (up to $20B). This means the structured sales potential exceeds $30 billion, not including uncapped replenishment sales. The piece argues this marks MicroStrategy's shift from a passive "buy-and-hold" Bitcoin proxy to an actively managed entity using BTC as a balance-sheet tool to manage its complex capital structure (common stock, preferred shares, debt, reserve). This creates new dynamics and potential conflicts, as actions benefiting one part (e.g., selling BTC to pay dividends) may pressure another (e.g., undermining the "never sell" narrative). Investors must now parse the company's specific terminology ("build" vs. "replenish") to understand the true scope of future BTC sales, which is significantly larger than the market initially perceived.

marsbitHace 51 min(s)

Strategy's Bitcoin Sales Cap Far Exceeds $1.25 Billion: A Detail the Market Overlooked

marsbitHace 51 min(s)

Goldman Sachs Report Deconstructs the Competitive Landscape of China's AI Large Models: Who Will Be the Long-Term Winner?

Goldman Sachs analyzes China's AI large language model (LLM) landscape, identifying key players and a strategic shift towards efficiency and global expansion. The report highlights that Chinese open-source/open-weight models are closing the performance gap with top global proprietary models at significantly lower cost, driven by architectural innovations like MoE. This enables a "two-tier" market: a high-end segment (e.g., GLM5.2, Qwen3.7 Max) with pricing at ~$1 per million tokens, and a low-end, price-sensitive global segment. Open-source strategies aid adoption but limit monetization, as deployments via third-party platforms (e.g., AWS Bedrock, Alibaba Cloud) may not generate direct revenue for model creators. The industry is thus moving towards "open-weight + community license" models with revenue-sharing to improve unit economics. Internationally, the focus is shifting from "token maximization" to ROI-driven enterprise adoption, particularly in non-U.S. markets. Major cloud platforms are integrating Chinese models (e.g., DeepSeek, MiniMax). Using a competitive framework based on pricing power, cost advantage, and financial strength, Goldman Sachs identifies **Zhipu AI** and **DeepSeek** as leaders in foundational text models, and **ByteDance** (with Seedance) leading in multimodal/video generation. **MiniMax** and **Kuaishou** are also rated favorably. The firm forecasts China's AI model API/subscription revenue growing from ~RMB 35bn (2026E) to RMB 879bn by 2030.

marsbitHace 52 min(s)

Goldman Sachs Report Deconstructs the Competitive Landscape of China's AI Large Models: Who Will Be the Long-Term Winner?

marsbitHace 52 min(s)

Trading

Spot

Artículos destacados

Qué es $BANK

Banco AI: Un Paso Revolucionario en el Futuro de la Banca Introducción En una era marcada por avances rápidos en tecnología, Banco AI se sitúa en la intersección de la inteligencia artificial (IA) y los servicios bancarios. Este proyecto innovador busca redefinir el panorama financiero, mejorando la eficiencia operativa, las medidas de seguridad y las experiencias del cliente a través del poder de la IA. Al embarcarnos en esta exploración de Banco AI, profundizaremos en lo que implica el proyecto, sus dinámicas operativas, su contexto histórico y hitos significativos. ¿Qué es Banco AI? En su esencia, Banco AI representa una iniciativa transformadora destinada a integrar la inteligencia artificial en varias operaciones bancarias. Este proyecto aprovecha las capacidades de la IA para automatizar procesos, mejorar los protocolos de gestión de riesgos y mejorar la interacción con los clientes a través de servicios personalizados. Los objetivos principales de Banco AI incluyen: Automatización de Funciones Bancarias: Al aprovechar las tecnologías de IA, Banco AI tiene como objetivo automatizar tareas rutinarias, reduciendo la carga sobre los recursos humanos y mejorando la eficiencia. Mejora en la Gestión de Riesgos: El proyecto utiliza algoritmos de IA para predecir e identificar riesgos, fortaleciendo así las medidas de seguridad contra fraudes y otras amenazas. Personalización de Servicios Bancarios: Banco AI se centra en ofrecer productos y servicios financieros a medida al analizar datos y comportamientos de los clientes. Mejoramiento de la Experiencia del Cliente: La implementación de soluciones impulsadas por IA, como chatbots y asistentes virtuales, tiene como objetivo proporcionar a los usuarios interacciones más humanas, revolucionando la forma en que los clientes se relacionan con los bancos. Con estos objetivos, Banco AI se posiciona como un jugador crucial para hacer que la banca sea más eficiente, segura y centrada en el usuario. ¿Quién es el Creador de Banco AI? Los detalles sobre el creador de Banco AI siguen siendo desconocidos. Como tal, no se ha identificado a ninguna persona u organización específica en la información disponible. El anonimato que rodea el inicio del proyecto plantea preguntas, pero no resta valor a su ambiciosa visión y objetivos. ¿Quiénes Son los Inversores de Banco AI? Al igual que con el creador del proyecto, no se ha divulgado información específica sobre los inversores u organizaciones que apoyan a Banco AI. Sin esta información, es un desafío delinear el respaldo financiero y el apoyo institucional que podrían estar impulsando el proyecto hacia adelante. No obstante, la importancia de contar con una sólida base de inversión es fundamental para sostener el desarrollo en un campo tan innovador. ¿Cómo Funciona Banco AI? Banco AI opera en múltiples frentes innovadores, centrándose en factores únicos que lo diferencian de los marcos bancarios tradicionales. A continuación, se presentan las características operativas clave: Automatización: Al aplicar algoritmos de aprendizaje automático, Banco AI automatiza varios procesos manuales dentro de los bancos. Esto resulta en la reducción de costos operativos y permite que los trabajadores humanos redirijan sus esfuerzos hacia actividades más estratégicas. Gestión Avanzada de Riesgos: La integración de la IA en las prácticas de gestión de riesgos equipa a los bancos con herramientas para predecir con precisión amenazas potenciales como el fraude, garantizando que la información y los activos de los clientes permanezcan seguros. Recomendaciones Financieras Personalizadas: A través del aprendizaje continuo a partir de las interacciones con los clientes, los sistemas de IA desarrollan una comprensión matizada de las necesidades del usuario, lo que les permite ofrecer consejos adaptados sobre decisiones financieras. Interacciones Mejoradas con los Clientes: Al utilizar chatbots y asistentes virtuales impulsados por IA, Banco AI permite una experiencia más atractiva para el cliente, permitiendo a los usuarios resolver sus consultas rápidamente, reduciendo así los tiempos de espera y mejorando los niveles de satisfacción. En conjunto, estas características operativas posicionan a Banco AI como un pionero en el sector bancario, estableciendo nuevos parámetros para la entrega de servicios y la excelencia operativa. Línea de Tiempo de Banco AI Entender la trayectoria de Banco AI requiere mirar su contexto histórico. A continuación, se presenta una línea de tiempo que destaca hitos y desarrollos importantes: Inicios de 2010: La conceptualización de la integración de la IA en los servicios bancarios comenzó a ganar atención a medida que las instituciones bancarias reconocieron los posibles beneficios. 2018: Se produjo un aumento notable en la implementación de tecnologías de IA cuando los bancos comenzaron a utilizar herramientas de IA como chatbots para el servicio al cliente básico y sistemas de gestión de riesgos para mejorar la seguridad. 2023: La sofisticación de la IA continuó avanzando, con la introducción de IA generativa para tareas más complejas como el procesamiento de documentos y análisis de inversiones en tiempo real. Este año marcó un salto significativo en las capacidades que la tecnología de IA otorgó a los bancos. 2024-Estatus Actual: A partir de este año, Banco AI se encuentra en una trayectoria ascendente, con investigaciones y desarrollos en curso que pronto mejorarán las capacidades en las operaciones bancarias. La continua exploración de las aplicaciones de IA sugiere emocionantes desarrollos aún por venir. Puntos Clave Sobre Banco AI Integración de la IA en la Banca: Banco AI se centra en adoptar inteligencia artificial para optimizar los procesos bancarios y mejorar la experiencia del usuario. Enfoque en Automatización y Gestión de Riesgos: El proyecto enfatiza fuertemente estas áreas, con el objetivo de desplazar la carga de tareas rutinarias mientras mejora los marcos de seguridad a través de análisis predictivos. Soluciones Bancarias Personalizadas: Al aprovechar los datos de los clientes, Banco AI permite servicios bancarios adaptados a las necesidades individuales de los usuarios. Compromiso con el Desarrollo: Banco AI se mantiene comprometido con esfuerzos de investigación y desarrollo continuos, asegurando su adaptabilidad y relevancia continua a medida que la tecnología sigue evolucionando. Conclusión En resumen, Banco AI ejemplifica un paso crucial hacia adelante en la industria bancaria, aprovechando la inteligencia artificial para redefinir los paradigmas operativos, mejorar la seguridad y promover la satisfacción del cliente. A pesar de las lagunas en la información sobre el creador y los inversores, los objetivos claros y los mecanismos funcionales de Banco AI proporcionan una sólida base para su evolución continua. A medida que la tecnología de IA sigue avanzando y fusionándose con el sector bancario, Banco AI está bien posicionado para impactar significativamente el futuro de los servicios financieros, mejorando la forma en que entendemos e interactuamos con la banca.

176 Vistas totalesPublicado en 2024.04.06Actualizado en 2024.12.03

Qué es $BANK

Cómo comprar BANK

¡Bienvenido a HTX.com! Hemos hecho que comprar Lorenzo Protocol (BANK) sea simple y conveniente. Sigue nuestra guía paso a paso para iniciar tu viaje de criptos.Paso 1: crea tu cuenta HTXUtiliza tu correo electrónico o número de teléfono para registrarte y obtener una cuenta gratuita en HTX. Experimenta un proceso de registro sin complicaciones y desbloquea todas las funciones.Obtener mi cuentaPaso 2: ve a Comprar cripto y elige tu método de pagoTarjeta de crédito/débito: usa tu Visa o Mastercard para comprar Lorenzo Protocol (BANK) al instante.Saldo: utiliza fondos del saldo de tu cuenta HTX para tradear sin problemas.Terceros: hemos agregado métodos de pago populares como Google Pay y Apple Pay para mejorar la comodidad.P2P: tradear directamente con otros usuarios en HTX.Over-the-Counter (OTC): ofrecemos servicios personalizados y tipos de cambio competitivos para los traders.Paso 3: guarda tu Lorenzo Protocol (BANK)Después de comprar tu Lorenzo Protocol (BANK), guárdalo en tu cuenta HTX. Alternativamente, puedes enviarlo a otro lugar mediante transferencia blockchain o utilizarlo para tradear otras criptomonedas.Paso 4: tradear Lorenzo Protocol (BANK)Tradear fácilmente con Lorenzo Protocol (BANK) en HTX's mercado spot. Simplemente accede a tu cuenta, selecciona tu par de trading, ejecuta tus trades y monitorea en tiempo real. Ofrecemos una experiencia fácil de usar tanto para principiantes como para traders experimentados.

805 Vistas totalesPublicado en 2025.05.09Actualizado en 2026.06.02

Cómo comprar BANK

Discusiones

Bienvenido a la comunidad de HTX. Aquí puedes mantenerte informado sobre los últimos desarrollos de la plataforma y acceder a análisis profesionales del mercado. A continuación se presentan las opiniones de los usuarios sobre el precio de BANK (BANK).

活动图片