Elon Musk se penche à nouveau sur les infrastructures IA : Tesla va vendre des "Lego de puissance de calcul"

marsbitPublié le 2026-06-22Dernière mise à jour le 2026-06-22

Résumé

Tesla se lance dans l'infrastructure IA avec le dépôt de la marque "Megapod". Ce système modulaire de matériel pour centre de données IA inclurait serveurs, matériel de traitement IA, équipements réseau, unités de distribution d'énergie et systèmes de refroidissement, le tout conçu pour un déploiement rapide et "prêt à l'emploi". Cette initiative suit la logique des produits existants Megapack (stockage d'énergie) et Megablock. Cette décision intervient moins d'un an après la dissolution de l'équipe Dojo, le supercalculateur d'entraînement IA autrefois développé par Tesla. Plutôt que de concurrencer directement Nvidia sur le marché des puces, Tesla semble cibler les aspects énergétiques et infrastructurels des centres de données IA, une problématique croissante avec l'explosion de la consommation électrique due à l'IA. Le géant automobile et énergétique possède en effet une expertise clé via ses batteries Megapack, déjà achetées en grandes quantités par xAI (autre entreprise de Musk) pour stabiliser l'alimentation électrique de ses clusters d'IA. L'objectif de Megapod serait donc d'offrir une solution intégrée "clé en main", combinant l'approvisionnement en énergie, la gestion thermique et le matériel de calcul. Cette stratégie s'inscrit dans une vision plus large où les entreprises de Musk construisent une plateforme d'infrastructure IA : tandis que SpaceX loue d'énormes capacités de calcul (notamment à Google), Tesla pourrait fournir les systèmes matériels et énergétique...

Tesla se lance également dans les infrastructures IA.

Récemment, Tesla a déposé une marque nommée "Megapod" auprès de l'Office américain des brevets et des marques (USPTO), prévoyant de vendre du matériel modulaire pour centres de données IA.

Selon la description de la marque, il s'agit d'un système matériel modulaire de centre de données pour le calcul IA, comprenant des serveurs informatiques, du matériel informatique pour le traitement des données IA, des équipements réseau, des unités de distribution d'électricité et des systèmes de refroidissement.

Cependant, il y a moins d'un an, Tesla venait de dissoudre l'équipe Dojo, mettant fin à son unique supercalculateur d'entraînement IA développé en interne.

Après avoir abandonné Dojo, voilà que Tesla enregistre une nouvelle marque pour des centres de données IA.

Hmm ? Tesla change-t-elle de stratégie pour continuer à miser sur la puissance de calcul ?

Qu'est-ce que Megapod ?

Les informations actuellement disponibles proviennent de la demande de marque.

Le nom de la marque déposée par Tesla est MEGAPOD, numéro de série 99893717, date de dépôt le 18 juin 2026.

Il s'agit d'une marque verbale standard, visant à s'approprier le nom "MEGAPOD". La base de la demande est "intent-to-use" (intention d'utilisation), ce qui signifie que le produit n'est pas encore commercialisé.

La description dans la demande de marque est assez précise, indiquant que Megapod couvre :

Un système matériel modulaire de centre de données pour le calcul de l'intelligence artificielle, comprenant des serveurs informatiques, du matériel informatique pour le traitement des données d'intelligence artificielle, des équipements réseau, des unités de distribution d'électricité et des systèmes de refroidissement.

Sont également inclus "un système matériel de calcul IA modulaire et autonome", ainsi que "un logiciel téléchargeable pour surveiller, gérer et optimiser les systèmes susmentionnés".

En termes simples, Megapod ressemble à un module de centre de données IA prêt à l'emploi.

Dans une baie, on trouve des serveurs, des équipements réseau, une alimentation électrique et un système de refroidissement, qui peuvent être déployés sur site, branchés et utilisés directement pour l'entraînement et l'inférence IA.

C'est aussi ce qui le relie aux produits existants de Tesla, Megapack et Megablock.

Megapack vend des batteries de stockage d'énergie à grande échelle, Megablock est un système de stockage d'énergie encore plus important et modulaire.

Megapod semble donc appliquer la logique de modularité du système électrique au système de puissance de calcul IA.

Certains internautes ont donc déclaré : Tesla dévoile discrètement un vaste plan d'infrastructure IA.

D'autres ont émis l'hypothèse que cela pourrait être lié à la mention par Musk de "l'utilisation de l'électricité excédentaire pour l'IA", voire que Tesla pourrait relier à l'avenir son réseau de superchargeurs, son stockage par batteries et ses nœuds de calcul IA pour former une infrastructure IA distribuée.

Cependant, pour l'instant, Megapod n'est qu'une demande de marque, sans prototype, spécifications, prix ou calendrier de livraison.

Il reste donc encore un long chemin à parcourir avant que Megapod ne devienne un véritable produit.

Cependant, cette marque en elle-même montre que Tesla envisage sérieusement de faire de l'infrastructure IA une catégorie de matériel commercialisable.

Tesla va-t-elle concurrencer Nvidia ?

À première vue, Megapod évoque facilement Nvidia.

Après tout, l'élément le plus cher et le plus critique dans les centres de données IA actuels est le système de calcul intégré de Nvidia.

Par exemple, le GB200 NVL72 est déjà l'un des standards de facto pour les centres de données IA haut de gamme.

Une baie intégrant GPU, CPU, interconnexion haute vitesse, refroidissement liquide et réseau, que les clients achètent et déploient directement pour l'entraînement et l'inférence de grands modèles. Actuellement, les fournisseurs de cloud, les entreprises d'IA et les projets d'IA souverains dans le monde tournent essentiellement autour de ce système.

En d'autres termes, dans le domaine de la "puissance de calcul IA modulaire", Nvidia est déjà le joueur incontournable.

Le Megapod de Tesla vise-t-il alors à grignoter les parts de marché de Nvidia ?

À court terme, pas nécessairement.

Car Tesla est elle-même cliente de Nvidia. Pour entraîner ses modèles FSD, de robotique et d'IA embarquée, Tesla a besoin de nombreux GPU ; xAI, l'entreprise de Musk, achète également massivement des puces Nvidia pour construire ses clusters d'entraînement.

De plus, l'histoire des puces IA conçues par Tesla est assez mouvementée.

Tesla avait misé haut sur le supercalculateur Dojo, espérant utiliser sa puce d'entraînement D1 développée en interne pour soutenir l'entraînement des modèles FSD.

Lors de l'AI Day 2021, Tesla a officiellement présenté Dojo et la puce D1, avec pour objectif d'accélérer l'itération des modèles de conduite autonome grâce à un système d'entraînement maison.

Mais en 2025, l'équipe Dojo a été dissoute, son responsable est parti, certains membres ont rejoint des start-up de puces IA, et les autres ont été redirigés vers d'autres projets de centres de données et de calcul chez Tesla.

Musk a ensuite déclaré que l'entreprise ne devait pas disperser ses ressources en développant deux architectures de puces IA différentes, se concentrant désormais sur l'AI5/AI6 et dépendant davantage de l'écosystème de calcul externe de Nvidia, AMD, etc.

Dans cette optique, la nouvelle initiative de Tesla ne vise pas nécessairement à concurrencer Nvidia sur le marché des GPU, mais pourrait plutôt cibler un autre aspect des centres de données IA : l'alimentation électrique, le stockage d'énergie, le refroidissement, la distribution d'électricité et le déploiement modulaire.

C'est aussi l'un des points faibles actuels des centres de données IA. L'entraînement et l'inférence des grands modèles consomment énormément d'électricité. Les nouveaux centres de données IA manquent non seulement de GPU, mais aussi d'accès au réseau électrique, de capacité de transformation, de systèmes de refroidissement et d'infrastructures pouvant être déployées rapidement.

De nombreux projets ne peuvent pas démarrer même lorsque les puces sont arrivées, souvent bloqués par l'alimentation électrique, la dissipation thermique, les délais de construction et les autorisations de raccordement au réseau.

Et ces problèmes sont justement plus proches des compétences de Tesla dans le domaine de l'énergie.

Le véritable business IA de Tesla pourrait être les batteries

Ces dernières années, lorsque Tesla parlait d'IA, l'attention se portait principalement sur le FSD, Optimus et Dojo.

Mais d'un point de vue commercial, le lien le plus direct entre Tesla et les centres de données IA pourrait être le Megapack.

Megapack est le produit de stockage d'énergie à grande échelle de Tesla, destiné aux réseaux électriques, centrales, secteurs industriel et commercial, et grands projets d'infrastructure.

Une fois connectés au réseau électrique, les centres de données IA génèrent des fluctuations de consommation très importantes. En particulier lors de l'entraînement à grande échelle sur des clusters GPU, la charge peut augmenter ou diminuer rapidement, ce qui exige une grande stabilité du réseau.

C'est là que les systèmes de stockage d'énergie peuvent jouer un rôle de tampon.

Ils se chargent lorsque le réseau a un excédent d'électricité et se déchargent lorsque la charge des clusters IA augmente ; lorsque les tâches d'entraînement provoquent des fluctuations, le système de stockage peut aider à les lisser.

C'est l'entrée réelle de l'activité énergie de Tesla dans le monde des centres de données IA.

Des documents ont déjà montré qu'entre 2024 et avril 2026, xAI a acheté pour environ 1 milliard de dollars de Megapack Tesla, dont 269 millions de dollars rien qu'en avril 2026.

Cela montre que les principaux coûts des infrastructures IA ne se limitent plus aux puces et serveurs. Le système électrique lui-même devient une partie de la course à l'IA.

Au niveau du nom, de Megapack à Megablock, en passant par Megapod, il y a une continuité évidente.

Un véritable "trilogie mega".

Megapack résout le stockage d'énergie ; Megablock permet un déploiement électrique à plus grande échelle et plus rapide.

Si Megapod devient réalité, il pourrait regrouper serveurs, réseau, alimentation, refroidissement et gestion logicielle en un produit d'infrastructure intégré pour les clients IA.

Cependant, le marché du matériel pour centres de données IA est extrêmement complexe, avec déjà des acteurs établis comme Nvidia, Dell, Supermicro, Vertiv, Schneider, Eaton, etc.

Des baies GPU, à l'intégration des serveurs, aux systèmes de refroidissement liquide, à la distribution électrique et aux onduleurs, chaque niveau présente des exigences techniques élevées et des cycles de validation client longs.

Les atouts de Tesla résident dans la fabrication modulaire, le stockage d'énergie par batterie, le contrôle électrique et la demande interne d'IA au sein de l'empire Musk.

Mais ses faiblesses sont évidentes : une expérience limitée dans la livraison de centres de données d'entreprise, une feuille de route instable pour les puces IA développées en interne, et il est encore incertain que les clients acceptent de confier leurs infrastructures IA critiques à Tesla.

Cependant, Musk a déjà goûté aux bénéfices des gros contrats de calcul de SpaceX.

Selon des rapports, Google paierait à SpaceX 920 millions de dollars par mois pour louer environ 110 000 GPU Nvidia et les composants associés (CPU, mémoire, etc.) pendant 3 ans.

Auparavant, Anthropic avait également signé un contrat pour louer toute la puissance de calcul du centre de données Colossus de SpaceX pour 1,25 milliard de dollars par mois.

Ensemble, ces deux contrats rapportent à SpaceX environ 2,17 milliards de dollars par mois rien qu'en "location de puissance de calcul".

Quoi ? Vous dites qu'une entreprise qui construit des fusées peut gagner plus de deux milliards par mois simplement en louant des GPU inutilisés ??

Être propriétaire bailleur à ce niveau, seul Musk peut le faire.

Cela rend aussi Megapod encore plus intrigant :

D'un côté, SpaceX transforme la puissance de calcul IA en actif louable, de l'autre, Tesla utilise la "trilogie mega" pour s'immiscer dans l'électricité, le stockage, le refroidissement et le déploiement modulaire.

On peut imaginer que Megapod ne deviendra peut-être pas le "Nvidia version Tesla".

Mais alors que toutes les entreprises d'IA manquent d'électricité, de refroidissement et de vitesse de déploiement, ce business est peut-être plus concret que l'histoire de la conduite autonome~

Liens de référence :

[1]https://electrek.co/2026/06/21/tesla-megapod-ai-data-center-hardware/

[2]https://x.com/BullTheoryio/status/2068569421971436011

[3]https://techcrunch.com/2026/06/05/google-will-pay-spacex-920m-per-month-for-compute/

Cet article provient du compte public WeChat "Quantum Bit", auteur : Tingyu

Questions liées

QQu'est-ce que le 'Megapod' que Tesla envisage de commercialiser ?

ALe 'Megapod' est un système matériel modulaire pour centres de données d'intelligence artificielle que Tesla a déposé comme marque. Il inclurait des serveurs informatiques, du matériel de traitement de données pour l'IA, des équipements réseau, des unités de distribution d'énergie et des systèmes de refroidissement, formant une solution d'infrastructure prête à l'emploi.

QPourquoi l'annonce du Megapod peut-elle sembler surprenante compte tenu des actions récentes de Tesla dans le domaine de l'IA ?

ACela semble surprenant car Tesla a dissous son équipe Dojo, dédiée au supercalculateur d'entraînement d'IA maison, il y a moins d'un an. Après avoir abandonné ce projet clé, le dépôt de la marque Megapod suggère que l'entreprise explore une nouvelle approche modulaire pour l'infrastructure de calcul de l'IA, plutôt que de se concentrer uniquement sur les puces.

QEn quoi le projet Megapod est-il lié aux activités existantes de Tesla dans le secteur de l'énergie ?

ALe Megapod s'inscrit dans la continuité des produits modulaires 'Mega' de Tesla, comme le Megapack (stockage d'énergie) et le Megablock (système de stockage à plus grande échelle). Il applique la même philosophie de modularité au domaine de l'infrastructure informatique, en tirant parti de l'expertise de Tesla en matière de batteries, de gestion de l'énergie et de contrôle électrique.

QLe Megapod de Tesla représente-t-il une menace directe pour Nvidia sur le marché de l'infrastructure d'IA ?

APas nécessairement à court terme. L'article suggère que Tesla, elle-même cliente de Nvidia, ciblerait plutôt les aspects complémentaires d'un centre de données d'IA : l'alimentation électrique, le refroidissement, la distribution d'énergie et le déploiement modulaire rapide. Ces domaines correspondent davantage à ses compétences dans le secteur de l'énergie, plutôt qu'à une concurrence frontale sur les GPU.

QQuel exemple récent illustre le potentiel économique du marché de l'infrastructure de calcul pour l'IA, évoqué dans l'article ?

AL'article mentionne que SpaceX, une autre entreprise d'Elon Musk, génère des revenus mensuels substantiels (environ 2,17 milliards de dollars combinés) en louant sa capacité de calcul (notamment des GPU Nvidia) à des entreprises comme Google et Anthropic. Cela démontre la valeur économique croissante de l'infrastructure de calcul en tant qu'actif, un domaine que le Megapod de Tesla pourrait chercher à adresser.

Lectures associées

La Fed se fait plus agressive, Wall Street capitule, Citi reste « l'ultime résistance » : maintient un assouplissement dès octobre

Face à un tournant inattendu et résolument hawkish de la Fed et au retrait massif des anticipations d'assouplissement sur Wall Street, Citigroup maintient une position contraire, prévoyant une reprise du cycle d'abaissement des taux dès octobre. Lors de la réunion de juin du FOMC, le président Walsh a éliminé toute orientation accommodante, poussant le marché à anticiper environ 37 points de base de hausse de taux d'ici fin 2026. En réaction, des institutions comme Deutsche Bank et Goldman Sachs ont revu leurs prévisions à la hausse, anticipant désormais des relèvements de taux. Citigroup, par la voix de l'équipe d'Andrew Hollenhorst, résiste à cette tendance. Sa prédiction centrale reste une baisse des taux de 25 points de base en octobre, suivie de deux autres baisses similaires en décembre 2026 et janvier 2027. Cette vision s'appuie sur trois piliers : 1. La chute brutale des prix du pétrole élimine un risque majeur de hausse de l'inflation. 2. Les indicateurs du marché du travail, comme les demandes hebdomadaires d'allocations chômage, montrent des signes de faiblesse saisonnière, répliquant les schémas observés en 2024 et 2025. 3. L'inflation sous-jacente selon l'indice PCE est considérée comme une "valeur aberrante", fortement influencée par les prix liés à l'IA et la hausse des marchés boursiers, et ne reflète pas la pression générale sur les prix à la consommation. D'autres mesures de l'inflation apparaissent plus modérées. Ainsi, tandis que la majorité de Wall Street "capitule" face au virage hawkish de la Fed, Citigroup campe sur sa position, jugant que les conditions pour un assouplissement monétaire avant la fin de l'année sont en train de se matérialiser.

marsbitIl y a 1 mins

La Fed se fait plus agressive, Wall Street capitule, Citi reste « l'ultime résistance » : maintient un assouplissement dès octobre

marsbitIl y a 1 mins

Les systèmes ouverts l'emporteront : Pourquoi Ethereum sera le prochain Linux ?

**Résumé** L'histoire démontre que les systèmes ouverts et sans permission finissent par surpasser les alternatives propriétaires, comme l'Internet l'a emporté sur les réseaux privés ou Linux sur Unix. Ce modèle, appelé « le bazar » par rapport à « la cathédrale », repose sur une innovation décentralisée et une coordination légère, autorisant quiconque à contribuer. Ethereum incarne ce principe. Sa victoire à long terme face aux blockchains privées ou de consortium (comme les tentatives avortées dans la finance commerciale) découle de sa **neutralité crédible** : des règles transparentes, universelles, immuables et accessibles à tous. Cette neutralité, associée à une décentralisation historique unique, crée un socle souverain et digne de confiance que les institutions financières ne peuvent ignorer. Contrairement aux systèmes fermés, Ethereum permet une innovation sans permission à chaque niveau. Des standards comme l'ERC-20 ou des applications comme Uniswap y émergent organiquement. Bien que les réseaux privés offrent des avantages initiaux (vitesse, support), ils échouent à long terme car aucune entreprise ne peut rivaliser avec le rythme d'innovation d'un écosystème ouvert mondial, et aucune institution ne veut construire sur l'infrastructure d'un concurrent. C'est pourquoi les acteurs majeurs (BlackRock, JPMorgan, Coinbase, Robinhood) choisissent Ethereum comme couche de règlement fondamentale pour la tokenisation et le DeFi. Les préoccupations réglementaires peuvent être traitées au niveau applicatif (via des tokens avec KYC intégré, par exemple), sans compromettre la neutralité de la couche de base. En résumé, à l'instar de Linux, Ethereum est destiné à devenir le socle ouvert, résilient et dominant de la future infrastructure financière mondiale, car il combine une innovation sans permission avec une neutralité crédible inégalée. La stratégie gagnante est de construire sur cette base, et non contre elle.

Foresight NewsIl y a 10 mins

Les systèmes ouverts l'emporteront : Pourquoi Ethereum sera le prochain Linux ?

Foresight NewsIl y a 10 mins

Le défi du calcul dans la confrontation sino-américaine en matière d'IA

L'écart de puissance de calcul entre les États-Unis et la Chine constitue un défi majeur dans la course à l'IA. Alors que les géants américains comme Meta, Google et xAI déploient des centaines de milliers de GPU haut de gamme (principalement NVIDIA) pour entraîner des modèles de dizaines de milliers de milliards de paramètres, la Chine se concentre encore largement sur les puces d'inférence, moins exigeantes. Les restrictions américaines à l'exportation de puces avancées ont réduit l'accès de la Chine aux meilleures technologies, creusant l'écart. Des estimations indiquent que les capacités de calcul totales des États-Unis sont le double de celles de la Chine, et qu'une seule grande entreprise américaine peut disposer de plus de puissance que l'ensemble du secteur chinois. Cet écart se reflète directement dans les modèles : les plus performants chinois, comme DeepSeek V4 Pro (1.6 trillion de paramètres), sont à la traîne des leaders américains comme le Mythos d'Anthropic (10 trillions), avec un décalage estimé entre 8 et 15 mois. La loi de Scaling Law rend cet écart difficile à combler sans une base de calcul comparable. En réponse, la Chine accélère le développement de GPU locaux (comme Huawei Ascend, Biren, Moore Threads). Bien que leurs performances absolues et surtout leur écosystème logiciel (face au CUDA omniprésent de NVIDIA) restent en retard, des progrès sont visibles. Ces puces répondent d'abord aux besoins d'inférence et commencent à s'adapter progressivement à l'entraînement de modèles, comme l'ont montré des collaborations récentes. Le chemin est long, mais le marché, les talents et les investissements massifs offrent des perspectives. La Chine doit marcher sur ses deux jambes : développer sa filière tout en gérant les restrictions, dans une compétition où la puissance de calcul est devenue l'enjeu central.

marsbitIl y a 16 mins

Le défi du calcul dans la confrontation sino-américaine en matière d'IA

marsbitIl y a 16 mins

La rentabilité des canaux de distribution arrivant à son terme, à quoi peuvent compter les protocoles DeFi pour résister à la récolte par les géants ?

« Le temps des canaux faciles est révolu : comment les protocoles DeFi résistent-ils aux géants ? » par Thejaswini M A. Les grandes entreprises technologiques comme Coinbase, Stripe et Kraken, en contrôlant les canaux de distribution (ex: utilisateurs, paiements, échanges), s'approprient désormais la valeur créée en aval. Elles adoptent une stratégie d'« intégration vers le bas » : laisser d'autres innover et prendre des risques, puis acquérir ou construire l'infrastructure sous-jacente une fois le marché rentable, capturant ainsi les revenus. Exemples : Coinbase, avec sa blockchain Base, perçoit tous les frais de séquençage des transactions, même celles des protocoles comme Morpho qui y sont déployés et lui amènent des utilisateurs. Stripe a racheté Bridge pour émettre son propre stablecoin et garder les intérêts des réserves, au lieu de les verser à Circle. Kraken a acheté NinjaTrader pour obtenir immédiatement des licences de courtier. La défense des protocoles DeFi comme Morpho ou Uniswap réside dans le déploiement multichaîne. En n'étant pas dépendants d'une seule blockchain, ils limitent leur vulnérabilité si un géant comme Coinbase favorise un concurrent sur sa propre chaîne. Leur profonde intégration technique et le coût élevé de leur remplacement constituent aussi une barrière. L'avenir pourrait voir une domination totale de quelques géants, reléguant les protocoles open-source à des niches. Cependant, la vitesse d'expansion horizontale (multichaîne) des protocoles rivale avec la vitesse d'expansion verticale des institutions. Des acteurs comme Robinhood choisissent parfois d'intégrer une technologie tierce éprouvée (ex: Lighter) plutôt que de tout développer en interne, ce qui maintient un espace pour les protocoles spécialisés. La bataille pour le contrôle de la valeur et de l'infrastructure sous-jacente définira le paysage.

marsbitIl y a 17 mins

La rentabilité des canaux de distribution arrivant à son terme, à quoi peuvent compter les protocoles DeFi pour résister à la récolte par les géants ?

marsbitIl y a 17 mins

Nouveau travail de l'équipe de Kaiming He : En supprimant le VAE et les données privées, la génération d'images à partir de texte devient encore plus performante

Le domaine de la génération d'images à partir de texte est un marché très compétitif, où les approches dominantes reposent souvent sur des architectures complexes comprenant des encodeurs VAE, d'énormes volumes de données privées et des étapes d'alignement coûteuses. Cependant, l'équipe de Kaiming He propose **MiniT2I**, un modèle de génération texte-image délibérément minimaliste qui remet en question ce paradigme. MiniT2I s'entraîne directement sur les pixels, éliminant le besoin d'un encodeur VAE, ce qui réduit les coûts de calcul et évite les erreurs de reconstruction. Son architecture **MM-JiT**, basée sur un Transformer, supprime les mécanismes d'injection conditionnelle complexes (comme AdaLN) et les fonctions de perte auxiliaires. À la place, elle utilise des adaptateurs texte légers et exploite le bruit de l'image lui-même pour représenter l'information temporelle. Le modèle est entraîné uniquement sur des données publiques en deux phases : un pré-entraînement sur CC12M recaptioned par LLaVA, suivi d'un fine-tuning sur environ 120 000 paires image-texte de haute qualité. Avec seulement 258 millions de paramètres, la version B/16 de MiniT2I surpasse des modèles pixel-space plusieurs fois plus grands sur des benchmarks comme GenEval (0.87) et DPG-Bench (84.2). L'approche démontre qu'il est possible d'obtenir des performances compétitives avec une architecture simplifiée, des données ouvertes et des ressources de calcul académiques, suggérant un possible changement de paradigme dans le domaine. Les limitations actuelles incluent des artefacts aux frontières des patchs, des effets secondaires du CFG à fort coefficient, et des difficultés avec le rendu de texte et des résolutions très élevées.

marsbitIl y a 22 mins

Nouveau travail de l'équipe de Kaiming He : En supprimant le VAE et les données privées, la génération d'images à partir de texte devient encore plus performante

marsbitIl y a 22 mins

Trading

Spot
Futures
活动图片