澳大利亚公司 NYBlue 持有超一百万克拉蓝锆石,推出 RWA 代币 ZIRC

深潮Dipublikasikan tanggal 2024-08-08Terakhir diperbarui pada 2024-08-08

Zirc 提供一种完全由蓝锆石支持的加密货币。每个 ZIRC 代币可兑换一克拉蓝锆石,提供稳定且有形的资产。

作者:NYBlue

编译:深潮TechFlow

布里斯班,澳大利亚,2024 年 8 月 7 日,Chainwire

澳大利亚宝石公司 NYBlue Pty Ltd 正在成为重新定义全球宝石市场的关键参与者。该公司的战略计划涉及控制全球蓝锆石供应,这一举措有可能重塑全球宝石市场的价值动态。

本月早些时候,该公司发布了其白皮书,详细说明了当前的预售和随后的公开发行其“真实世界资产”加密货币,之前还宣布其持有超过一百万克拉的稀有宝石。

NYBlue 的主要战略在于系统性地增加其当前持有量,继续收购所有可用的柬埔寨蓝锆石,从而建立对供应链的控制,并可能影响这些珍贵宝石的未来价值。

今天早些时候,公司代表在 CryptoBanters 的 Town Hall 播客中接受了采访,宣布他们的 RWA 代币预售已获得加密社区的广泛关注,自今年早些时候宣布以来引起了相当大的兴趣。

NYBlue 发布的一段视频反问道:“对于你的另一半,什么更合适的表达爱意;一块普通的碳,还是一件比地球更古老、极为稀有且光辉夺目的东西?”

NYBlue 的主要股东 Mitch Brownlie 表示:“我们相信,柬埔寨蓝锆石应该被视为市场上最非凡、最被低估的宝石之一。”

这家澳大利亚公司 NYBlue 由澳大利亚农业科技创始人及前政治顾问 Mitch Brownlie 资助,他最近在各种播客中讨论了该项目,常常将 NYBlue 项目与之前的宝石热潮进行比较,当时非洲宝石“坦桑石”从默默无闻中崛起,与钻石的价值达成平衡。

坦桑石现货价格 - NYBlue 的灵感来源。

NYBlue 从坦桑石市场的历史轨迹中汲取灵感,该市场的价格在三年内经历了十倍的增长。该公司预计蓝锆石也会有类似的轨迹,将其战略与过去的成功相结合,以预测潜在的价值飙升。

NYBlue 之前宣布计划推出其以宝石为支撑的加密货币,代号 ZIRC ,每个代币都由一克拉蓝锆石完全支持并可兑换。这种方法使消费者能够在没有传统加密货币波动风险的情况下受益于蓝锆石的升值。ZIRC 代币的持有者可以随时将其加密货币兑换为宝石,从而确保两种资产之间的稳定、套利强制挂钩。

NYBlue 旨在收购全球大部分优质蓝锆石从而有效地将自己定位为市场的主导力量。这一策略旨在对供应链施加影响,创造出对整个行业蓝锆石市场价值的涟漪效应。

NYBlue 的战略举措并非短期行为;而是一个雄心勃勃的最终目标,旨在在数十亿美元的宝石市场中占据控制地位。NYBlue 拥有约 3 亿美元的宝石藏品,力求在全球范围内重新定义宝石的叙事。这一举措使公司成为一个重要的参与者,可能在未来数年内影响行业格局。

在争取在宝石市场主导地位的过程中,NYBlue 宣布了一项新的、颇具颠覆性的举措;推出一种区块链支持的加密货币,名为 ZIRC,每个单位的区块链都完全由一克拉蓝锆石支持并可兑换。这一创新方法使个人能够参与蓝锆石价值潜在飙升的机会,提供对基础商品的曝光,而不必承担与传统高度波动的加密货币相关的固有风险。

买家可以随时将其 ZIRC 代币兑换为实际宝石,有效消除了代币价值低于宝石市场价格的可能性,为消费者提供了一个有形且安全的资产。这种区块链技术的战略整合不仅增强了透明度和安全性,还使个人能够更民主地参与国际宝石贸易的独特世界。

NYBlue 的预售现已在 Zir.co.nz 上线。

关于 Zirc

Zirc 提供一种完全由蓝锆石支持的加密货币。每个 ZIRC 代币可兑换一克拉蓝锆石,提供稳定且有形的资产。该平台旨在整合区块链技术,以增强透明度和安全性,使个人能够参与宝石市场,而无需承担传统加密货币相关的风险。Zirc 的方法使得蓝锆石的获取更加民主化,并提供了一种背后有真实的资产支持的独特投资机会。

联系方式

总监

Mitch Brownlie

NYBlue Pty Ltd

redeem@nyblue.com

Bacaan Terkait

Laporan Q1 2026 Ethereum: Biaya Turun, Pengguna dan Volume Transaksi Capai Rekor Tertinggi Sejarah

**Laporan Kuartal I Ethereum 2026: Biaya Turun, Pengguna dan Jumlah Transaksi Capai Rekor Tertinggi** Laporan Ethereum Q1 2026 menunjukkan data yang tampak berlawanan tetapi kritis: jaringan ini mengalami pertumbuhan pengguna, transaksi, dan throughput tertinggi sepanjang masa, sementara biaya transaksi, TVL, volume perdagangan, dan kapitalisasi pasar ETH terdilusi turun. Ini menandai transisi Ethereum ke fase 'biaya rendah untuk skala' setelah peningkatan Fusaka meningkatkan kapasitas data dan membuat ruang blok lebih murah, melepaskan permintaan jaringan (paradoks Jevons). Naratif inti Ethereum bergeser dari blockchain DeFi ke lapisan penyelesaian keuangan global. Ethereum mempertahankan dominasi dalam aset tokenisasi: stablecoin, dana tokenisasi (naik 4.9% QoQ), komoditas tokenisasi (naik 60% QoQ, terutama emas), dan saham tokenisasi. Kehadiran institusi seperti BlackRock, JPMorgan, dan Fidelity semakin memperkuat adopsi. **Data Kunci Q1 2026:** * **Penggunaan (Naik):** Pengguna Bulanan Aktif (MAU): 13.2 juta (+53.5% QoQ). Jumlah Transaksi: 200.4 juta (+38% QoQ). Throughput: 25.78 TPS. * **Nilai & Biaya (Turun):** Biaya Transaksi Lapisan-1: $39.9 juta (-47.9% QoQ). TVL Ekosistem: $316.2B (-11% QoQ). Kapitalisasi Pasar ETH Tercairkan Penuh: $290B (-30.3% QoQ). * **Aset Tokenisasi (Stabil/Tumbuh):** Nilai Pasar: $2034B. Didominasi stablecoin ($1789B), diikuti dana ($194B) dan komoditas ($47B). Ethereum mengorbankan pendapatan biaya jangka pendek untuk ekspansi jaringan, berfokus pada konsolidasi sebagai lapisan penyelesaian default untuk aset keuangan global. Peningkatan kapasitas berkelanjutan (seperti rencana upgrade Glamsterdam) diharapkan dapat lebih mendorong adopsi dan nilai jaringan jangka panjang.

marsbit33m yang lalu

Laporan Q1 2026 Ethereum: Biaya Turun, Pengguna dan Volume Transaksi Capai Rekor Tertinggi Sejarah

marsbit33m yang lalu

Baru Saja Raup Dana Rp 2,7 Triliun, Fei-Fei Li Juga Berinvestasi

Ilmuwan ternama dan mantan peneliti senior DeepMind, Pete Florence, baru saja menggalang dana US$4 miliar (sekitar Rp27 triliun) untuk perusahaannya, Generalist AI. Menariknya, meskipun dikenal sebagai salah satu perintis arsitektur model "dunia nyata" (world model) atau Vision-Language-Action (VLA), Florence secara terbuka menolak label "world model" untuk perusahaannya. Florence, yang dibimbing oleh ahli robotika fisik Rusia Tedrake di MIT, percaya bahwa fokus utama seharusnya pada *tujuan*, bukan sekadar *label*. Tujuannya adalah menciptakan robot yang dapat melakukan tugas fisik apa pun dengan tingkat keberhasilan dan kecepatan tinggi, tanpa memerlukan data spesifik untuk setiap tugas, mirip seperti manusia. Generalist AI telah meluncurkan dua model: GEN-0 (2025) dan GEN-1 (2026). GEN-1 diklaim memiliki tingkat keberhasilan 99% dalam tugas-tugas rumit seperti melipat kardus dan merawat robot, berkat pelatihan dengan data interaksi fisik skala besar yang dikumpulkan melalui sarung tangan mekanis khusus. Kemajuan ini menunjukkan bahwa model fisik mereka mendekati titik balik menuju utilitas komersial, mirip dengan GPT-3 untuk bahasa. Pendanaan putaran ini, yang meningkatkan valuasi perusahaan menjadi US$20 miliar, dipimpin oleh investor seperti NVentures (Nvidia), Bezos Expeditions, NFDG, serta figur ternama termasuk pendiri Xiaomi Bin Lin, pendiri Zoom Eric Yuan, dan ilmuwan terkemuka Fei-Fei Li. Investor percaya pada visi Florence untuk mewujudkan robot serba bisa yang benar-benar berguna dalam kehidupan nyata.

marsbit42m yang lalu

Baru Saja Raup Dana Rp 2,7 Triliun, Fei-Fei Li Juga Berinvestasi

marsbit42m yang lalu

Dua Legenda Hilang dalam Tiga Hari: Bendungan Talenta AI Google, Mulai Jebol?

Dalam tiga hari, Google kehilangan dua tokoh legendaris AI. Noam Shazeer, penulis inti makalah Transformer dan pemimpin bersama Gemini, meninggalkan Google untuk bergabung dengan OpenAI. Dua hari kemudian, John Jumper, pemenang Nobel Kimia 2024 dan pemimpin inti AlphaFold, meninggalkan Google DeepMind untuk bergabung dengan Anthropic. Tren ini diperkuat dengan keputusan mantan anggota pendiri OpenAI, Andrej Karpathy, yang bergabung dengan Anthropic pada Mei. Kehilangan ini mencerminkan tren yang lebih luas: aliran talenta AI puncak dari Google ke OpenAI dan Anthropic. Penyebabnya adalah perbedaan mendasar dalam misi. Bisnis inti Google adalah iklan, sehingga penelitian AI sering kali harus selaras dengan tujuan komersial. Sebaliknya, OpenAI berfokus pada AGI untuk kemanusiaan, sementara Anthropic berfokus pada keamanan AI, memungkinkan peneliti berkonsentrasi penuh pada kemajuan teknologi. Faktor lain termasuk prospek kekayaan dari IPO yang akan datang di OpenAI dan Anthropic, yang menawarkan potensi imbalan ekuitas yang jauh lebih besar dibandingkan dengan raksasa matang seperti Google. Selain itu, penggabungan Google Brain dan DeepMind pada 2023 dianggap gagal menyelesaikan ketegangan antara penelitian jangka panjang dan tekanan komersialisasi. Google masih memiliki aset kuat seperti infrastruktur komputasi dan data, tetapi kehilangan talenta kritis ini merupakan tantangan struktural yang mendalam. Di bidang AI, retensi talenta terbaik ternyata lebih sulit daripada membangun model yang paling canggih sekalipun.

marsbit2j yang lalu

Dua Legenda Hilang dalam Tiga Hari: Bendungan Talenta AI Google, Mulai Jebol?

marsbit2j yang lalu

Di Balik 'Raport' AI, Tersembunyi Seorang 'Pembuat Soal' Tionghoa

Setiap kali model AI terdepan dirilis, industri melihat "laporan nilai" seperti MMLU-Pro, MMMU, dan MMMU-Pro. Tolok ukur ini telah menjadi bahasa umum untuk mengevaluasi kemampuan model. Di baliknya adalah nama seorang peneliti Tionghoa, Chen Wenhu, asisten profesor di University of Waterloo. Dia dan lab TIGERLab-nya menciptakan MMLU-Pro karena MMLU lama tidak lagi efektif—model canggih seperti OpenAI o3 hampir mencapai nilai sempurna. MMLU-Pro, dengan 12.032 soal lebih sulit dan 10 pilihan jawaban, berhasil membedakan kembali kemampuan model. Selain itu, mereka mengembangkan MMMU untuk mengevaluasi model multimodal (teks dan gambar) pada 11.500 soal dari berbagai disiplin ilmu. Bahkan model terkuat seperti GPT-4V hanya mencapai akurasi 56%. MMMU-Pro kemudian dibuat agar model tidak bisa mengandalkan teks saja dan harus benar-benar memahami informasi visual. Chen Wenhu memiliki latar belakang riset dalam pemahaman informasi kompleks. Pengalamannya di Google DeepMind untuk proyek Gemini membantunya memahami celah dalam evaluasi. Labnya juga mengerjakan penelitian model, seperti UniVideo untuk video dan MoCha untuk karakter virtual, yang memperdalam pemahaman mereka dalam merancang tolok ukur yang solid. Kini, dia bergabung dengan Meta untuk fokus pada data pelatihan dan evaluasi multimodal. Karyanya menggarisbawahi kontribusi signifikan peneliti Tionghoa di balik layar dalam membentuk standar evaluasi AI global.

marsbit2j yang lalu

Di Balik 'Raport' AI, Tersembunyi Seorang 'Pembuat Soal' Tionghoa

marsbit2j yang lalu

Trading

Spot
Futures
活动图片