Бразильский нефтяной гигант Petrobras готовится добывать биткоины

cryptonews.ruDipublikasikan tanggal 2024-05-24Terakhir diperbarui pada 2025-01-24

Крупные нефтяные компании начинают рассматривать деятельность по майнингу биткоинов. Аналогичные планы вынашивает бразильская государственная компания Petrobras, которая добывает около 3 миллионов баррелей сырой нефти.

Сертифицированный архитектор блокчейна и экономики токенов Марсело Кури, возглавляющий эту инициативу, сообщил, что компания находится «в центре исторического процесса НИОКР», направленного на разработку бизнес-моделей с помощью этой «мощной инновационной структуры для перехода к низкоуглеродным технологиям».

Группа Petrobras, объединённая многопрофильной командой, состоящей из исследователей изменения климата, нефти и экспертов по криптовалютам, также будет стремиться изучить возможности токенизации и Web3.

Petrobras не первая нефтяная компания, которая планирует использовать биткоин в качестве дополнительной деятельности с двойной целью. В 2022 году одна из крупнейших нефтегазовых компаний Exxon Mobil реализовала пилотный проект по использованию сжигаемого газа для питания майнеров биткоинов в Северной Дакоте.

Аргентинская нефтегазовая компания Tecpetrol также занимается добычей биткоинов на нефтяном месторождении Vaca Muerta, где использование побочных продуктов производства экономически нецелесообразно.

Bacaan Terkait

ARK Membeli Saham Perusahaan Konsep Kripto Secara Besar-besaran: Risiko Lebih Rendah, atau Beban Ganda?

ARK Invest, yang dikelola oleh Cathie Wood, secara agresif membeli saham perusahaan terkait crypto senilai $77 juta pada Juni, termasuk Coinbase, Circle, dan Bullish, meskipun Bitcoin mengalami bulan terburuknya dalam empat tahun. Logika investasinya adalah bahwa saham ini menawarkan eksposur yang sesuai aturan terhadap industri crypto tanpa perlu memegang aset kripto secara langsung. Namun, analisis data menunjukkan bahwa saham-saham crypto ini justru lebih volatil daripada Bitcoin itu sendiri. Volatilitas tahunan 30 hari mereka berkisar antara 68%–90%, hampir dua kali lipat volatilitas Bitcoin (37.6%). Selain itu, korelasi dengan harga Bitcoin seringkali rendah (misalnya, Circle hanya 0.55–0.58), artinya sebagian besar pergerakan harganya didorong oleh risiko perusahaan spesifik seperti laporan keuangan, persaingan, atau dilusi ekuitas. Hanya MSTR yang secara kuat melacak Bitcoin (beta 1.59, korelasi 0.85), bertindak seperti alat dengan leverage pada Bitcoin. Coinbase menunjukkan korelasi moderat. Sementara itu, kinerja perusahaan seperti Circle sangat dipengaruhi oleh faktor khusus perusahaan (misalnya, peluncuran stablecoin pesaing), dan Robinhood dilindungi oleh bisnis brokernya yang terdiversifikasi. Perusahaan penambangan seperti RIOT justru naik karena transisi ke layanan komputasi AI, terlepas dari penurunan harga Bitcoin. Kasus MicroStrategy menyoroti risiko tambahan dari struktur ekuitas. Rasio mNAV-nya jatuh di bawah 1, mengancam model bisnisnya untuk menerbitkan saham premium guna membeli lebih banyak Bitcoin, dan bahkan memaksa pertimbangan untuk menjual Bitcoin untuk menutupi likuiditas. Kesimpulannya, membeli saham perusahaan crypto tidak selalu lebih aman daripada memegang Bitcoin langsung. Investor mendapatkan eksposur parsial terhadap harga crypto sambil juga menanggung risiko operasional dan keuangan perusahaan yang dapat memperbesar volatilitas atau sama sekali tidak terkait dengan pasar crypto.

marsbit5m yang lalu

ARK Membeli Saham Perusahaan Konsep Kripto Secara Besar-besaran: Risiko Lebih Rendah, atau Beban Ganda?

marsbit5m yang lalu

Karpathy Baru-Baru Ini Mengkritik: Satu Kalimat Membuat Seluruh Pengembang Agent Diam Seribu Bahasa

Karpathy, peneliti inti tim pra-pelatihan di Anthropic, mengejutkan komunitas pengembang AI Agent dengan pernyataan tegasnya: "Kesalahan terbesar di bidang AI saat ini adalah orang-orang terburu-buru memaksa Agent bekerja, tanpa memahami model dasar yang mendasarinya terlebih dahulu." Dia berbagi pelajaran berharga dari proyek "World of Bits" tahun 2016 di OpenAI, yang bertujuan membuat Agent menggunakan komputer, tetapi gagal karena teknologi saat itu (seperti reinforcement learning) belum matang. Menurutnya, fokus yang benar saat itu adalah pada pengembangan model bahasa. Karpathy memberikan tiga saran penting: 1. Berhenti memaksa Agent melakukan segalanya; perbaiki dan pahami model dasarnya terlebih dahulu. 2. Membuat demo mudah, tetapi mengubahnya menjadi produk yang matang membutuhkan waktu hingga sepuluh tahun, seperti yang terlihat pada contoh mobil otonom dan VR. 3. Agent bukanlah produk itu sendiri; kemampuan dasar model lah yang merupakan produk sejati. Agent akan muncul secara alami jika fondasinya kuat. Ia juga mendorong para pengembang untuk belajar dari neurosains, seperti struktur otak manusia (misalnya, hipokampus untuk memori), untuk merancang Agent yang lebih baik. Pesan utamanya adalah: meskipun perusahaan besar seperti OpenAI unggul dalam pelatihan model bahasa besar, dalam pengembangan Agent, pengembang independen dan startup berada di garis terdepan. Tidak ada raksasa teknologi yang memiliki keunggulan lima tahun di bidang ini, sehingga peluang inovasi terbuka lebar bagi mereka yang gesit dan berani mencoba. Intinya, Karpathy tidak melarang pengembangan Agent, tetapi menekankan pentingnya fondasi yang kuat dan kesiapan untuk komitmen jangka panjang.

marsbit25m yang lalu

Karpathy Baru-Baru Ini Mengkritik: Satu Kalimat Membuat Seluruh Pengembang Agent Diam Seribu Bahasa

marsbit25m yang lalu

Pemenang Penghargaan Khusus Tsinghua, Gu Yuxian, Bergabung dengan DeepSeek

DeepSeek saat ini sedang dalam proses rekrutmen besar-besaran untuk berbagai posisi. Pada saat yang sama, versi resmi DeepSeek V4 akan diluncurkan pertengahan bulan ini. Dalam daftar penulis makalah DeepSeek V4, terdapat nama **Yuxian Gu**, seorang doktoral Universitas Tsinghua angkatan 2021 dan penerima Beasiswa Prestasi Khusus untuk Mahasiswa Pascasarjana tahun 2025. Diketahui bahwa **Gu Yuxian telah resmi bergabung dengan DeepSeek**. Gu Yuxian, yang juga pernah mendapatkan Beasiswa Doktoral Apple tahun 2025 dan Beasiswa In-Tech Ant Group, menyatakan bahwa "Inovasi algoritma menjadi kunci untuk menembus hambatan komputasi ketika sumber daya perangkat keras terbatas." Ia adalah doktoral tingkat akhir di Departemen Ilmu Komputer Universitas Tsinghua, dengan gelar sarjana juga dari universitas yang sama. Halaman pribadinya menunjukkan bahwa ia belajar di Kelompok Penelitian AI Interaktif (Conversational AI, CoAI) Universitas Tsinghua, dibimbing oleh Profesor Huang Minlie. Penelitiannya berfokus pada peningkatan efisiensi dalam seluruh siklus hidup model bahasa besar (LLM), mencakup tahap pra-pelatihan, adaptasi, dan inferensi. Ia mengembangkan penelitian dari tiga arah utama: **Penyaringan Data Pra-Pelatihan, Distilasi Pengetahuan dalam Kompresi Model, dan Arsitektur Model yang Efisien.** Di halaman Google Scholar-nya, **kutipan makalah Gu Yuxian telah mendekati 5000**, dengan dua makalah yang dikutip lebih dari 1000 kali. Sebagai penulis pertama, Gu Yuxian telah mempublikasikan banyak makalah di konferensi AI terkemuka internasional seperti NeurIPS, ICLR, dan ACL. Pada tahun 2024, ia dan rekan-rekannya mengusulkan metode distilasi pengetahuan untuk menyuling model bahasa besar menjadi model yang lebih kecil, menciptakan **"MiniLLM"** yang menghasilkan jawaban yang lebih akurat dan berkualitas lebih tinggi. Metode ini telah diadopsi oleh komunitas dan platform industri terkemuka seperti Google, Alibaba, dan NVIDIA. Pada tahun 2025, makalah **"Jet-Nemotron"** memperkenalkan seri baru model bahasa berarsitektur hybrid yang mencapai akurasi model perhatian penuh state-of-the-art (SOTA) sekaligus memiliki efisiensi yang luar biasa.

marsbit51m yang lalu

Pemenang Penghargaan Khusus Tsinghua, Gu Yuxian, Bergabung dengan DeepSeek

marsbit51m yang lalu

Trading

Spot
活动图片