Эксперты отметили рост запасов стабильных монет на биржах

cryptonews.ruDipublikasikan tanggal 2024-05-10Terakhir diperbarui pada 2024-09-10

Согласно данным CryptoQuant, с августа на криптовалютных биржах заметно выросли резервы стейблкоинов, особенно USDT. Такой рост обычно рассматривается как признак «ожидания покупок», что может сигнализировать о потенциальном повышении цен на криптовалюты в будущем.

Однако специалист под псевдонимом Yonsei_dent отмечает, что наличие значительных резервов стейблкоинов на торговых платформах также может указывать на неопределенность среди инвесторов. В условиях глобальной экономической нестабильности эти резервы могут не привести к немедленным покупкам, так как участники сделок предпочитают сохранять ликвидность и избегать рисков.

Динамика движения стейблкоинов на биржи часто используется как индикатор настроений рынка. За последние несколько месяцев резервы USDT росли, в то время как такие стейблкоины, как USDC и BUSD, показывали более стабильную динамику. Это может говорить о том, что инвесторы рассматривают USDT как основной инструмент для сохранения капитала на фоне нестабильности.

Если текущая тенденция сохранится, можно ожидать, что в случае улучшения глобальной экономической ситуации или появления позитивных новостей о крипторынке, значительная часть этих резервов может быть использована для покупок.

«Однако важно помнить, что увеличение запасов стабильных монет на биржах не всегда приводит к росту цен. В прошлом бывали случаи, когда подобная ситуация заканчивалась масштабными продажами, что оказывало отрицательное давление на рынок. Поэтому, несмотря на текущий рост резервов, говорить о точных прогнозах на будущее пока рано», — отмечают исследователи. Данные предоставлены CryptoQuant, показывают, что участники рынка все еще сохраняют осторожность и гибкость в принятии решений в условиях неопределенности.

Bacaan Terkait

Artikel Terbaru Li Feifei: Saat Video Generation, Robot, dan NVIDIA Mengaku Sebagai Model Dunia, Kita Membutuhkan Taksonomi

Artikel ini membahas konsep "world model" (model dunia) dalam kecerdasan buatan (AI) yang saat ini banyak digunakan dengan makna berbeda-beda. Fei-Fei Li mengusulkan taksonomi fungsional untuk mengklarifikasi kekacauan ini. Berdasarkan siklus interaksi agen-dunia dalam POMDP (Partially Observable Markov Decision Process), ia mengategorikan model dunia menjadi tiga jenis berdasarkan outputnya: 1. **Renderer (Perender):** Menghasilkan **observasi**, khususnya piksel yang ditujukan untuk mata manusia. Contohnya adalah model video seperti Sora atau sistem interaktif seperti Genie yang menghasilkan gambar berdasarkan input. Fokus utamanya adalah kesetiaan visual, bukan akurasi fisik. 2. **Simulator (Simulator):** Menghasilkan **state (keadaan)**, yaitu representasi dunia yang akurat secara geometri, fisika, dan dinamika. Simulator berfungsi sebagai landasan struktural untuk perhitungan, digunakan oleh profesional (arsitek, desainer) dan program komputer (robot, kendaraan otonom) untuk pelatihan dan pengujian. Contohnya adalah platform seperti NVIDIA Omniverse. 3. **Planner (Perencana):** Menghasilkan **tindakan**. Model ini menentukan langkah selanjutnya yang harus diambil sebuah agen berdasarkan observasi dan tujuan. Ini menutup lingkaran persepsi-aksi. Contohnya adalah model visi-bahasa-aksi (VLA) dan model aksi dunia (World Action Models). Artikel menyoroti bahwa **simulator adalah kunci penghubung** yang paling penting namun kurang mendapat perhatian publik. Simulator bekerja pada tingkat geometri dan fisika yang mendasarinya, sehingga pemahamannya dapat diproyeksikan ke dalam piksel (untuk renderer) atau prediksi konsekuensi tindakan (untuk planner). Tren terpenting saat ini adalah peleburan batas antara ketiga kategori ini, didorong oleh kesadaran bahwa pengetahuan dasar tentang dunia yang dibutuhkan adalah sama. Tujuan akhirnya adalah model dunia terpadu yang dapat beralih di antara rendering, simulasi, dan perencanaan sesuai kebutuhan. Perkembangan ini mendorong kemajuan menuju kecerdasan spasial, di mana mesin tidak hanya memahami bahasa tentang dunia, tetapi juga dapat memahami, membayangkan, bernalar, dan berinteraksi dengan dunia fisik itu sendiri.

marsbit3j yang lalu

Artikel Terbaru Li Feifei: Saat Video Generation, Robot, dan NVIDIA Mengaku Sebagai Model Dunia, Kita Membutuhkan Taksonomi

marsbit3j yang lalu

Trading

Spot
活动图片