Риппл RLUSD стимулирует бычье IPO, пока Уолл-стрит наблюдает за развивающимся ончейн-расчетом.

cryptonews.ruDipublikasikan tanggal 2025-02-19Terakhir diperbarui pada 2025-08-20

Историческое IPO компании Bullish нарушило прецедент с $1,15 миллиарда, полностью урегулированными на блокчейне с использованием RLUSD и ведущих стейблкоинов, открывая новую эру для цифровых рынков капитала.

RLUSD и ведущие стейблкоины установили прецедент урегулирования на блокчейне в IPO Bullish

Стейблкоин Ripple USD (RLUSD), выпущенный на XRP Ledger, сыграл ключевую роль в историческом первичном публичном размещении (IPO) компании Bullish. Платформа цифровых активов объявила 19 августа 2025 года, что получила $1,15 миллиарда в ходе IPO, урегулированные в стейблкоинах. Торгуясь на Нью-Йоркской фондовой бирже под тикером BLSH, Bullish стала первым эмитентом, завершившим урегулирование IPO на блокчейне.

Ripple признала эту веху на платформе социальной сети X:

Поздравляем Bullish с успешным IPO! Часть поступлений от IPO была урегулирована в $RLUSD, выпущенном на XRP Ledger. Это первое публичное размещение, которое перенесло процесс урегулирования на блокчейн и создает прецедент, как стейблкоины могут формировать будущие листинги.

Помимо RLUSD, более широкое урегулирование включало разнообразную корзину стейблкоинов, включая USD Coin (USDC), Euro Coin (EURC), Paypal USD (PYUSD), Global Dollar (USDG), USD CoinVertible (USDCV), EUR CoinVertible (EURCV), USD1, Agora Dollar (AUSD) и EURAU.

Это событие отражает растущее институциональное влияние RLUSD. Заявка на IPO Gemini на Nasdaq от 15 августа показала Кредитное соглашение Ripple, которое позволяет занимать до $150 млн, с кредитами в RLUSD, доступными сверх порога в $75 млн. Между тем, Mesh, компания по инфраструктуре платежей, объявила 12 августа, что RLUSD добавлен в её сеть из более чем 50 токенов, позволяя потребителям платить и принимать его на кассе.

RLUSD является неотъемлемой частью сети Ripple Payments, которая охватывает 90 рынков выплат и поддерживает 55 валют. В отчете от 25 июля Ripple подчеркнула роль стейблкоинов, включая RLUSD, USDC и USDT, в обеспечении быстрых и недорогих платежей в нестабильных регионах с ограниченным доступом к доллару США. Компания отметила: «Стейблкоины, такие как USDC, USDT, RLUSD и более новые токены, ориентированные на регионы, интегрируются в кошельки и платёжные платформы по всему миру — особенно там, где доступ к USD ограничен и существует большая валютная волатильность».

Уверенность рынка в RLUSD была подкреплена его нормативной и резервной структурой. 18 июля Bluechip, независимое рейтинговое агентство, поставило RLUSD на первое место среди стейблкоинов с рейтингом «A», отметив его надежное обеспечение активами, такими как казначейские векселя США, государственные денежные фонды и банковские депозиты, а также контроль со стороны Департамента финансовых услуг штата Нью-Йорк (NYDFS).

Bacaan Terkait

Dwarkesh Patel: Generasi AI Berikutnya Mungkin Lahir dari Bekerja Nyata

Dwarkesh Patel, host podcast teknologi populer Silicon Valley, mengangkat pertanyaan tentang paradigma pelatihan AI masa depan. Ia menyoroti konsep **RLVR** (Reinforcement Learning with Verifiable Rewards) yang saat ini banyak digunakan untuk melatih AI dalam tugas seperti koding dan matematika, di mana hasilnya dapat diverifikasi dan lingkungannya mudah diduplikasi untuk pelatihan paralel. Namun, Patel mempertanyakan apakah pendekatan ini cukup untuk tugas dunia nyata yang lebih kompleks seperti memulai bisnis, memenangkan kasus hukum, atau manajemen organisasi. Tugas-tugas ini seringkali tidak dapat direplikasi, memiliki umpan balik lambat, dan berada dalam lingkungan yang terus berubah. Ia menekankan perlunya AI untuk **belajar dari pengalaman dunia nyata** dan mengonsolidasikan pembelajaran tersebut ke dalam bobot modelnya, bukan hanya mengandalkan adaptasi sementara dalam konteks. Dua arah yang diusulkan adalah: 1. **On-Policy Self-Distillation (OPSD)**: Mendistilasi pengetahuan yang diperoleh AI dari tugas panjang dan pengalaman nyata kembali ke model dasar. 2. **Dreaming**: AI membuat simulasi lingkungan berdasarkan pengamatan dunia nyata untuk berlatih dan menguji strategi, kemudian memadatkan pelajaran dari simulasi tersebut. Paradigma baru ini mengarah pada AI yang tidak hanya dilatih sebelum dirilis, tetapi terus **belajar setelah penyebaran** melalui interaksi dan penyelesaian tugas nyata. Kemajuan AI masa depan mungkin akan sangat bergantung pada kemampuan untuk mengubah pengalaman lapangan menjadi peningkatan kemampuan yang berkelanjutan.

marsbit24m yang lalu

Dwarkesh Patel: Generasi AI Berikutnya Mungkin Lahir dari Bekerja Nyata

marsbit24m yang lalu

Trading

Spot
活动图片