投资者Chris Burniske表示，加密货币市场处于“美丽的早期牛市”状态，但有一个陷阱

币界网Dipublikasikan tanggal 2024-08-10Terakhir diperbarui pada 2024-08-10

币界网报道：

风险投资家兼投资者Chris Burniske认为，加密货币市场正在为大规模牛市做准备。

数字资产风险投资公司Placeholder的一位合伙人告诉他在社交媒体平台X上的297500名粉丝，他相信加密货币在本周的市场调整后，由于全球流动性即将增加，正在为大幅上涨做好准备。

然而，投资者警告称，在牛市反弹之前，市场波动可能会持续到9月。

“情绪重置和杠杆率飙升，而大多数优质加密资产的低点明显高于2023年。与此同时，全球央行即将被迫放松政策——第三季度可能会出现更多动荡，但不管早期牛市的情况如何。”

该分析师还认为，Solana（SOL）在本周期的表现可能优于比特币（BTC）和以太坊（ETH）。

“每个周期我都倾向于把大部分注意力放在一个主要的弱势群体身上。在2014-17年是BTC，在2018-2021年是ETH，在2022年到现在是SOL…

当某件事是一个好斗但与众不同的失败者时，我个人对这种动态更感兴趣…

从弱势到成熟的过渡是我做得最好的地方。所以，有一天，我可能会把大部分注意力放在SOL以外的事情上。与此同时，所有加密货币仍然处于劣势，因此我支持所有认真的努力，尽管每个周期都强调了相对优异的表现。”

上个月末，Burniske表示，每只SOL 1000美元的目标价格在未来可能看起来“保守”。

在撰写本文时，Solana的交易价格为154.53美元，在过去24小时内下跌了4.35%。

不要错过任何一个节拍-订阅以直接将电子邮件提醒发送到您的收件箱查看价格行动在X、Facebook和Telegram上关注我们冲浪每日Hodl Mix

生成图像：DALLE3

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.

marsbit43m yang lalu

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

marsbit43m yang lalu

CEO Intel Lip-Bu Tan Wawancara Podcast Pertama: Target Kami "10x dalam 5-10 Tahun", Fokus pada Packaging Canggih, Substrat Kaca, dan Berlian Sintetis

CEO Intel Pat Gelsinger menguraikan visi ambisiusnya untuk menciptakan pengembalian 10 kali lipat dalam 5-10 tahun ke depan. Strateginya berfokus pada penguatan pilar bisnis inti (seperti CPU untuk AI cerdas dan inferensi), sambil secara agresif berinvestasi pada teknologi pendobrak batas. Kunci utamanya adalah kemasan lanjutan (seperti EMIB), material baru (termasuk substrat kaca dan wafer berlian sintetis), serta membangun fondasi yang kuat untuk bisnis penempaan (foundry) dengan menekankan kepercayaan, hasil produksi, dan waktu siklus. Dia juga menyoroti kemitraan dengan Elon Musk dalam proyek Terafab dan keyakinannya bahwa potensi penuh Intel, yang melampaui PC ke komputasi tepi dan AI fisik, akan terlihat jelas pada tahun 2030-2032. Gelsinger menekankan pendekatan "merangkak, berjalan, berlari" untuk transformasi perusahaan.

marsbit46m yang lalu

CEO Intel Lip-Bu Tan Wawancara Podcast Pertama: Target Kami "10x dalam 5-10 Tahun", Fokus pada Packaging Canggih, Substrat Kaca, dan Berlian Sintetis

marsbit46m 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.

marsbit52m yang lalu

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

marsbit52m 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.

marsbit3j yang lalu