First Mover Asia: Ether Price Hits Fresh 11-Month High

CoinDeskPublié le 2023-04-17Dernière mise à jour le 2023-04-17

Résumé

Now we know: Ether's price took off after last week's first-ever enabling of crypto withdrawals from the blockchain's staking mechanism, blowing past $2,000 on fresh enthusiasm that the success of the upgrade could lead to a surge in growth and investor interest.

Good morning. Here’s what’s happening:

Prices: Ether continued its ascent following last week's Shanghai upgrade on the Ethereum blockchain, reaching an 11-month high.

Insights: Sufficiently decentralized ownership and control would prevent any single party from dictating AI development, CoinDesk Chief Content Officer Michael Casey writes.

__________________________________________________________________________________________

For months traders speculated whether the ether (ETH) price would crash following the Ethereum blockchain's milestone Shanghai upgrade, or if it would rally.

Now we know: Ether's price took off after last week's first-ever enabling of crypto withdrawals from the blockchain's staking mechanism, blowing past $2,000 on fresh enthusiasm that the success of the upgrade could lead to a surge in growth and investor interest.

And it's kept rising, gaining on four of the past five days, and hitting a fresh 11-month high on Sunday around $2,141.

The ETH price is now up 77% year-to-date, still trailing the bitcoin (BTC) price gain of 83% in 2023, but catching up fast.

"The market's pessimism regarding Ethereum staking withdrawals proved excessive," as Sean Farrell, head of digital asset strategy at FundStrat, put it last week.

Insights

Web2’s Lesson for AI: Decentralize to Protect Humanity

This is going to sound presumptuous coming from a guy who doesn’t write code, let alone have any direct experience in machine learning or artificial intelligence research.

But I gotta say it: The recent alarmist demand for a six-month pause or even a militarily enforced shutdown in AI research – from people with experience, money and influence in the artificial intelligence industry – is founded on some fundamentally flawed thinking that will encourage the same destructive outcome for humanity that we seek to avoid. That the U.S. government is simultaneously orchestrating a crackdown on the crypto industry, a field of open-source innovation that develops the kind of cryptography and network coordination technologies needed to manage AI threats, makes this an especially dangerous moment for all of us.

These doomsayers are computer scientists, not students of economic history. The issue is not, in and of itself, that an out-of-control AI could evolve to kill us all. (We all know that. For decades, Hollywood has taught us that it is so.) No, the task is to ensure that the economics of AI don’t intrinsically encourage that horrific result. We must prevent concentrated control of the inputs and outputs of AI machines from hindering our capacity to act together in the common interest. We need collective, collaborative software development that creates a computational antidote to these dystopian nightmares.

You’re reading Money Reimagined, a weekly look at the technological, economic and social events and trends that are redefining our relationship with money and transforming the global financial system. Subscribe to get the full newsletter here.

The answer does not lie in shutting down AI innovation and locking ChatGPT creator OpenAI, the industry leader that has taken the field to its current level of development, into pole position. On the contrary, that’s the best way to ensure the nightmare comes true.

Lectures associées

L'alchimie de la richesse personnelle de Sam Altman : Investi dans 400 sociétés, plus de 10 étroitement liées à OpenAI

Sam Altman, PDG d'OpenAI, a bâti une fortune personnelle estimée à 34 milliards de dollars grâce à un vaste portefeuille d'investissements, comprenant environ 400 entreprises, principalement dans les domaines de l'IA, des logiciels, des biotechnologies et de l'énergie. Contrairement à d'autres grands dirigeants, il ne détient pas directement d'actions OpenAI, mais au moins dix de ses sociétés personnelles entretiennent des liens commerciaux ou des partenariats avec OpenAI, créant un réseau complexe d'intérêts potentiellement conflictuels. Parmi ses investissements notables, la société de fusion nucléaire Helion se distingue. Altman y a investi 375 millions de dollars en 2021 et a ensuite poussé OpenAI à signer un accord d'achat d'électricité avec elle. Une récente levée de fonds de Helion a plus que doublé la valeur de sa participation, estimée à au moins 4,1 milliards de dollars. D'autres investissements ont également prospéré grâce à leurs liens avec OpenAI, comme la société de biotechnologie Retro Biosciences (participation évaluée à 258 millions de dollars) et le fabricant de puces Cerebras, dont la valorisation a été multipliée par six après son introduction en bourse liée à un contrat avec OpenAI. Ces connexions ont attiré l'attention des régulateurs américains, avec des enquêtes sur des conflits d'intérêts potentiels. Le président du conseil d'administration d'OpenAI a déclaré que les investissements d'Altman étaient transparents et gérés avec prudence. Malgré les controverses, la stratégie d'investissement d'Altman lui a permis de grimper de plus de 1400 places dans le classement Forbes des milliardaires en deux ans.

Odaily星球日报Il y a 20 mins

L'alchimie de la richesse personnelle de Sam Altman : Investi dans 400 sociétés, plus de 10 étroitement liées à OpenAI

Odaily星球日报Il y a 20 mins

Un ancien ingénieur de SpaceX réinvente l'exécution financière à partir des premiers principes

L'infrastructure financière Plan Execution Lab, fondée par l'ancien ingénieur de SpaceX Lex Li, a levé un financement angel, portant sa valorisation à 50 millions de dollars. L'entreprise applique le raisonnement par les principes premiers (First Principles) au secteur financier, identifiant l'exécution – et non la simple transaction – comme la fonction fondamentale du marché pour l'allocation du capital. Alors que les actifs, la liquidité et le règlement migrent sur la blockchain, l'exécution reste fragmentée et dépendante du travail humain. Avec l'avènement des IA et des agents autonomes, la durée de vie des stratégies se raccourcit considérablement. La réponse de Plan Execution Lab n'est pas une meilleure stratégie unique, mais la construction d'un réseau d'exécution ouvert et modulaire. Leur solution repose sur deux piliers : **PlanX**, un protocole d'exécution financière servant d'infrastructure pour la migration des flux des échanges centralisés (CEX) vers le web3, et **Xgent**, un environnement d'exécution autonome (Autonomous Financial Runtime). Xgent permet aux utilisateurs de définir une intention (objectifs, risque, contraintes), qui est automatiquement traduite en un graphe d'exécution, vérifiée et exécutée de manière autonome. L'ambition à long terme est de devenir l'environnement opérationnel de la finance autonome, l'équivalent d'un Bloomberg Terminal pour les agents. L'écosystème sera construit collectivement par des nœuds d'exécution, des fournisseurs de liquidité, des contributeurs de stratégies et des agents autonomes. La conviction fondamentale est que la compétition financière future ne se jouera pas sur la qualité d'une stratégie isolée, mais sur la puissance et la résilience du réseau d'exécution sous-jacent.

链捕手Il y a 48 mins

Un ancien ingénieur de SpaceX réinvente l'exécution financière à partir des premiers principes

链捕手Il y a 48 mins

Un ancien ingénieur de SpaceX utilise les principes premiers pour reconstruire le système d'exécution financière

Plan Execution Lab, fondé par l'ancien ingénieur SpaceX Lex Li, a levé un financement angel évaluant la société à 500 millions de dollars. L'entreprise applique le raisonnement par "principes premiers" à la finance, identifiant l'exécution, et non la simple transaction, comme la fonction centrale des marchés pour l'allocation du capital. Alors que l'actif, la liquidité et le règlement migrent sur la blockchain, la couche d'exécution reste fragmentée et dépendante du travail humain. Avec l'avènement des agents IA, la durée de vie des stratégies se raccourcit, faisant de la capacité d'exécution continue la nouvelle compétence clé. Plan Execution Lab propose deux produits pour reconstruire cette infrastructure : PlanX, un protocole d'exécution financière pour la migration des flux des CEX vers le DEX, et Xgent, un environnement d'exécution autonome. Xgent permet aux utilisateurs de définir leurs intentions (objectifs, risque), qui sont automatiquement traduites en un graphe d'exécution, vérifiées et exécutées. La vision à long terme est de créer l'équivalent d'un "Bloomberg Terminal" pour la finance autonome : un réseau d'exécution ouvert et collaboratif, composé de nœuds (gestion des risques, liquidité, etc.) et d'agents, où la compétitivité proviendra non pas d'une stratégie unique, mais de la puissance du réseau d'exécution lui-même.

marsbitIl y a 49 mins

Un ancien ingénieur de SpaceX utilise les principes premiers pour reconstruire le système d'exécution financière

marsbitIl y a 49 mins

Premier ensemble de données d'entraînement Doc2Repo de longue portée, les agents de code vont au-delà de la correction de bugs pour commencer à créer des dépôts

L'équipe du Gaoling Institute of Artificial Intelligence de l'Université Renmin de Chine a récemment publié DeNovoSWE, le premier grand ensemble de données d'entraînement pour des tâches de génération de code à long terme au niveau du dépôt. Contrairement aux benchmarks précédents centrés sur la correction de bogues (comme SWE-bench), DeNovoSWE se concentre sur la tâche complexe de génération d'un dépôt logiciel complet et exécutable à partir de zéro, en se basant uniquement sur une documentation détaillée. La méthode utilise une approche "Diviser pour régner" et un mécanisme "Critique & Réparation" automatisé par agents multiples pour construire 4 818 instances de tâches de haute qualité. Elle décompose un dépôt cible en "capacités" fondamentales, génère une documentation structurée alignée sur les évaluations (tests), et assure l'absence de fuite d'informations depuis le code source original. Les expériences montrent que l'entraînement avec DeNovoSWE améliore considérablement les performances des agents de code. Par exemple, le modèle Qwen3-30B-A3B-Instruct a vu son taux de réussite passer de 5.8% à 47.2% sur le benchmark BeyondSWE-Doc2Repo. Cela démontre que des données spécifiquement conçues pour les tâches longues et complexes de génération de dépôts sont essentielles pour faire évoluer les agents de code du rôle de mainteneur à celui d'architecte logiciel capable de planifier et d'implémenter des projets complets.

marsbitIl y a 1 h

Premier ensemble de données d'entraînement Doc2Repo de longue portée, les agents de code vont au-delà de la correction de bugs pour commencer à créer des dépôts

marsbitIl y a 1 h

Trading

Spot
Futures
活动图片