Три крупных швейцарских банка впервые провели расчет токенизированными депозитами

cryptonews.ruPubblicato 2025-10-15Pubblicato ultima volta 2025-10-15

UBS, PostFinance и Sygnum Bank впервые осуществили реальный расчет с использованием токенизированных банковских депозитов на публичном блокчейне. По данным Reuters, операция была выполнена в рамках пилотного исследования Швейцарской ассоциации банкиров, целью которого стало тестирование нового формата платежей. Этот шаг знаменует переход от пилотных проектов к полноценной реализации, когда реальный капитал и юридически обязательные сделки совершаются через публичную инфраструктуру.

В ходе исследования клиенты переводили токены, представляющие депозиты, между разными банками. Это показало, что токенизированные депозиты могут свободно перемещаться между учреждениями, а не быть замкнутыми в пределах одного банка. Такой механизм снижает контрагентские риски и повышает прозрачность расчетов.

Особенность эксперимента в том, что речь идет не о стейблкоинах, а о токенизированных депозитах с прямой поддержкой банковских балансов. Такой формат может стать альтернативой стабильным монетам, предлагая схожие возможности, но при этом находясь в регулировании и инфраструктуре традиционных банков. Журналисты подчеркивают, что это 1-й случай юридически обязывающего платежа такого типа.

С технической стороны проект показывает возможность мгновенных и окончательных расчетов на общей платформе. В перспективе такие платежи можно будет интегрировать в автоматизированные бизнес-процессы, что приведет к снижению стоимости транзакций и ускорению обработки переводов. Это также открывает путь к круглосуточной работе без ограничений классической банковской системы.

Для местной экономической инфраструры — это важный шаг. Швейцария известна жесткими стандартами комплаенса, и такой эксперимент фактически задает глобальный ориентир. Успешное завершение пилота может подтолкнуть другие страны и банки к разработке собственных токенизированных депозитов и инфраструктур.

Crypto di tendenza

Letture associate

In Just 11 Days, Claude Rewrote Millions of Lines of Code, an Epic AI Engineering Feat Sparks Fury

In just 11 days, Bun's founder Jarred Sumner used Anthropic's Claude AI models to rewrite its million lines of code from Zig to Rust. This move sparked significant controversy, particularly from Zig's creator, Andrew Kelley, who publicly criticized Sumner's engineering practices and the decision to use AI for such a massive rewrite. Bun, a high-performance JavaScript/TypeScript runtime and rival to Node.js, was originally written in Zig. After Anthropic acquired Bun, the team encountered persistent stability and memory safety bugs in the Zig codebase. These issues, combined with Zig's strict policy against LLM-generated code, led to the decision to rewrite in Rust. The rewrite was executed using Claude AI tools at an estimated API cost of $165,000, dramatically reducing the expected time and financial cost. Andrew Kelley's response was scathing. He blamed the original bugs on poor engineering habits, calling Bun's Zig code a collection of "hacks on top of hacks." He expressed relief that Bun was no longer associated with Zig, fearing it would misrepresent the language and attract low-quality, AI-generated contributions. The tech community is divided; some view Kelley's critique as unprofessional, while others see it as a defense of engineering integrity. A major concern about the AI-driven rewrite is the resulting code quality. The translation from Zig left approximately 27,000 lines of unsafe Rust code, raising fears about long-term maintainability and technical debt. The debate centers on whether this project is a milestone in AI-assisted development or a future maintenance nightmare.

marsbit28 min fa

In Just 11 Days, Claude Rewrote Millions of Lines of Code, an Epic AI Engineering Feat Sparks Fury

marsbit28 min fa

From Auto Finance to Bitcoin to AI Engines: An Analysis of Cango's 'What Not to Do' Strategy

From Auto Finance to Bitcoin and Now AI: Cango's "What Not to Do" Strategy Cango, a Chinese auto finance platform that went public on the NYSE in 2018, is undergoing its third major transformation. After selling its entire auto business in 2024, it pivoted to become a large-scale Bitcoin miner, acquiring 50 exahash of mining rigs from Bitmain. However, its true goal was never Bitcoin, but owning and controlling energy infrastructure. Now, Cango is pivoting again. While most listed Bitcoin miners are leasing power to giant hyperscalers for AI training clusters, Cango is taking the opposite path. It has launched an AI inference subsidiary called EcoHash, focusing not on training but on distributed inference. The company's strategy hinges on the insight that over 70% of mining industry power is controlled by small, independent sites (10-50 MW), which are too small for hyperscalers but ideal for low-latency AI inference. Cango aims to partner with these small operators, providing the AI technology, customers, and financing through its EcoLink software layer, which can distribute workloads across sites for reliability. Cango maintains a hybrid model, running roughly 31.7 EH/s of Bitcoin mining for cash flow while aggressively cleaning its balance sheet—slashing long-term debt by 94.5% to $30.6 million and raising $75 million for its AI venture. Its first AI deployment will be at a 50 MW site in Georgia. The strategy faces skepticism, given the high costs of converting mining sites and the potential for an AI bubble. However, Cango's leadership believes discipline around "what not to do"—avoiding direct competition with hyperscalers in training—positions it to capture the long-tail demand for distributed AI inference power.

Foresight News45 min fa

From Auto Finance to Bitcoin to AI Engines: An Analysis of Cango's 'What Not to Do' Strategy

Foresight News45 min fa

Strategy's Bitcoin Sales Cap Far Exceeds $1.25 Billion: A Detail the Market Overlooked

The article discusses how MicroStrategy's potential Bitcoin sales go far beyond the announced $1.25 billion "reserve-building capacity." It clarifies a key distinction in the company's "BTC Monetization Program": selling Bitcoin to *build* a new dollar reserve (the $1.25B cap) versus selling to *replenish* the existing USD Reserve after it's used for expenses like preferred share dividends. The recent $216M BTC sale for dividend payments was a "replenishment," leaving the headline $1.25B building quota untouched. The plan actually outlines three potential funding pools from BTC sales: 1) Building the reserve ($1.25B cap), 2) Covering preferred share/ debt costs (no specified cap), and 3) Funding buyback programs (up to $20B). This means the structured sales potential exceeds $30 billion, not including uncapped replenishment sales. The piece argues this marks MicroStrategy's shift from a passive "buy-and-hold" Bitcoin proxy to an actively managed entity using BTC as a balance-sheet tool to manage its complex capital structure (common stock, preferred shares, debt, reserve). This creates new dynamics and potential conflicts, as actions benefiting one part (e.g., selling BTC to pay dividends) may pressure another (e.g., undermining the "never sell" narrative). Investors must now parse the company's specific terminology ("build" vs. "replenish") to understand the true scope of future BTC sales, which is significantly larger than the market initially perceived.

marsbit51 min fa

Strategy's Bitcoin Sales Cap Far Exceeds $1.25 Billion: A Detail the Market Overlooked

marsbit51 min fa

Goldman Sachs Report Deconstructs the Competitive Landscape of China's AI Large Models: Who Will Be the Long-Term Winner?

Goldman Sachs analyzes China's AI large language model (LLM) landscape, identifying key players and a strategic shift towards efficiency and global expansion. The report highlights that Chinese open-source/open-weight models are closing the performance gap with top global proprietary models at significantly lower cost, driven by architectural innovations like MoE. This enables a "two-tier" market: a high-end segment (e.g., GLM5.2, Qwen3.7 Max) with pricing at ~$1 per million tokens, and a low-end, price-sensitive global segment. Open-source strategies aid adoption but limit monetization, as deployments via third-party platforms (e.g., AWS Bedrock, Alibaba Cloud) may not generate direct revenue for model creators. The industry is thus moving towards "open-weight + community license" models with revenue-sharing to improve unit economics. Internationally, the focus is shifting from "token maximization" to ROI-driven enterprise adoption, particularly in non-U.S. markets. Major cloud platforms are integrating Chinese models (e.g., DeepSeek, MiniMax). Using a competitive framework based on pricing power, cost advantage, and financial strength, Goldman Sachs identifies **Zhipu AI** and **DeepSeek** as leaders in foundational text models, and **ByteDance** (with Seedance) leading in multimodal/video generation. **MiniMax** and **Kuaishou** are also rated favorably. The firm forecasts China's AI model API/subscription revenue growing from ~RMB 35bn (2026E) to RMB 879bn by 2030.

marsbit51 min fa

Goldman Sachs Report Deconstructs the Competitive Landscape of China's AI Large Models: Who Will Be the Long-Term Winner?

marsbit51 min fa

Trading

Spot

Articoli Popolari

Cosa è $BANK

Banca AI: Un Passo Rivoluzionario nel Futuro della Banca Introduzione In un'era caratterizzata da rapidi progressi tecnologici, Banca AI si trova all'incrocio tra intelligenza artificiale (AI) e servizi bancari. Questo progetto innovativo mira a ridefinire il panorama finanziario, migliorando l'efficienza operativa, le misure di sicurezza e le esperienze dei clienti attraverso il potere dell'AI. Mentre ci impegniamo in questa esplorazione di Banca AI, esamineremo cosa comporta il progetto, le sue dinamiche operative, il suo contesto storico e i traguardi significativi. Cos'è Banca AI? Alla sua essenza, Banca AI rappresenta un'iniziativa trasformativa volta a integrare l'intelligenza artificiale in varie operazioni bancarie. Questo progetto sfrutta le capacità dell'AI per automatizzare processi, migliorare i protocolli di gestione del rischio e potenziare l'interazione con i clienti attraverso servizi personalizzati. Gli obiettivi principali di Banca AI includono: Automazione delle Funzioni Bancarie: Sfruttando le tecnologie AI, Banca AI mira ad automatizzare compiti di routine, riducendo il carico sulle risorse umane e aumentando l'efficienza. Miglioramento della Gestione del Rischio: Il progetto utilizza algoritmi AI per prevedere e identificare i rischi, rafforzando così le misure di sicurezza contro le frodi e altre minacce. Personalizzazione dei Servizi Bancari: Banca AI si concentra sull'offrire prodotti e servizi finanziari su misura analizzando i dati e i comportamenti dei clienti. Miglioramento dell'Esperienza del Cliente: L'implementazione di soluzioni guidate dall'AI, come chatbot e assistenti virtuali, mira a fornire agli utenti interazioni più umane, rivoluzionando il modo in cui i clienti si relazionano con le banche. Con questi obiettivi, Banca AI si posiziona come un attore cruciale nel rendere la banca più efficiente, sicura e centrata sull'utente. Chi è il Creatore di Banca AI? I dettagli riguardanti il creatore di Banca AI rimangono sconosciuti. Pertanto, non è stata identificata alcuna persona o organizzazione specifica nelle informazioni disponibili. L'anonimato che circonda la nascita del progetto solleva domande, ma non sminuisce la sua ambiziosa visione e obiettivi. Chi sono gli Investitori di Banca AI? Simile al creatore del progetto, informazioni specifiche riguardo gli investitori o le organizzazioni di supporto di Banca AI non sono state divulgate. Senza queste informazioni, è difficile delineare il sostegno finanziario e istituzionale che potrebbe spingere il progetto in avanti. Tuttavia, l'importanza di avere una solida base di investimento è fondamentale per sostenere lo sviluppo in un campo così innovativo. Come Funziona Banca AI? Banca AI opera su più fronti innovativi, concentrandosi su fattori unici che la differenziano dai framework bancari tradizionali. Di seguito sono riportate le caratteristiche operative chiave: Automazione: Applicando algoritmi di machine learning, Banca AI automatizza vari processi manuali all'interno delle banche. Ciò si traduce in una riduzione dei costi operativi e consente ai lavoratori umani di reindirizzare i propri sforzi verso attività più strategiche. Gestione Avanzata del Rischio: L'integrazione dell'AI nelle pratiche di gestione del rischio fornisce alle banche strumenti per prevedere con precisione potenziali minacce come le frodi, garantendo che le informazioni e i beni dei clienti rimangano al sicuro. Raccomandazioni Finanziarie Personalizzate: Attraverso l'apprendimento continuo dalle interazioni con i clienti, i sistemi AI sviluppano una comprensione sfumata delle esigenze degli utenti, consentendo loro di offrire consigli su misura per le decisioni finanziarie. Interazioni Migliorate con i Clienti: Utilizzando chatbot e assistenti virtuali alimentati dall'AI, Banca AI consente un'esperienza cliente più coinvolgente, permettendo agli utenti di risolvere rapidamente le loro richieste, riducendo così i tempi di attesa e migliorando i livelli di soddisfazione. Tutte queste caratteristiche operative posizionano Banca AI come un pioniere nel settore bancario, stabilendo nuovi standard per la fornitura di servizi e l'eccellenza operativa. Timeline di Banca AI Comprendere la traiettoria di Banca AI richiede uno sguardo al suo contesto storico. Di seguito è riportata una timeline che evidenzia traguardi e sviluppi importanti: Inizio 2010: La concettualizzazione dell'integrazione dell'AI nei servizi bancari ha cominciato a guadagnare attenzione mentre le istituzioni bancarie riconoscevano i potenziali benefici. 2018: Si è verificato un aumento significativo nell'implementazione delle tecnologie AI quando le banche hanno iniziato a utilizzare strumenti AI come i chatbot per servizi clienti di base e sistemi di gestione del rischio per migliorare la sicurezza. 2023: La sofisticazione dell'AI ha continuato ad avanzare, con l'introduzione dell'AI generativa per compiti più complessi come l'elaborazione di documenti e l'analisi degli investimenti in tempo reale. Quest'anno ha segnato un significativo salto nelle capacità offerte alle banche dalla tecnologia AI. 2024-Stato Attuale: A partire da quest'anno, Banca AI è su una traiettoria ascendente, con ricerche e sviluppi in corso pronti a migliorare ulteriormente le capacità nelle operazioni bancarie. L'esplorazione continua delle applicazioni AI suggerisce sviluppi entusiasmanti in arrivo. Punti Chiave su Banca AI Integrazione dell'AI nella Banca: Banca AI si concentra sull'adozione dell'intelligenza artificiale per snellire i processi bancari e migliorare le esperienze degli utenti. Focus su Automazione e Gestione del Rischio: Il progetto enfatizza fortemente queste aree, mirando a spostare il carico di compiti di routine mentre migliora le strutture di sicurezza attraverso analisi predittive. Soluzioni Bancarie Personalizzate: Sfruttando i dati dei clienti, Banca AI consente servizi bancari su misura che si adattano alle esigenze individuali degli utenti. Impegno per lo Sviluppo: Banca AI rimane impegnata in sforzi di ricerca e sviluppo continuativi, garantendo la sua adattabilità e rilevanza continua man mano che la tecnologia continua a evolversi. Conclusione In sintesi, Banca AI rappresenta un passo cruciale in avanti nell'industria bancaria, sfruttando l'intelligenza artificiale per rimodellare i paradigmi operativi, migliorare la sicurezza e promuovere la soddisfazione del cliente. Nonostante le lacune nelle informazioni riguardo il creatore e gli investitori, gli obiettivi chiari e i meccanismi funzionali di Banca AI forniscono una solida base per la sua continua evoluzione. Mentre la tecnologia AI continua ad avanzare e fondersi con il settore bancario, Banca AI è ben posizionata per avere un impatto significativo sul futuro dei servizi finanziari, migliorando il modo in cui comprendiamo e interagiamo con la banca.

125 Totale visualizzazioniPubblicato il 2024.04.06Aggiornato il 2024.12.03

Cosa è $BANK

Come comprare BANK

Benvenuto in HTX.com! Abbiamo reso l'acquisto di Lorenzo Protocol (BANK) semplice e conveniente. Segui la nostra guida passo passo per intraprendere il tuo viaggio nel mondo delle criptovalute.Step 1: Crea il tuo Account HTXUsa la tua email o numero di telefono per registrarti il tuo account gratuito su HTX. Vivi un'esperienza facile e sblocca tutte le funzionalità,Crea il mio accountStep 2: Vai in Acquista crypto e seleziona il tuo metodo di pagamentoCarta di credito/debito: utilizza la tua Visa o Mastercard per acquistare immediatamente Lorenzo ProtocolBANK.Bilancio: Usa i fondi dal bilancio del tuo account HTX per fare trading senza problemi.Terze parti: abbiamo aggiunto metodi di pagamento molto utilizzati come Google Pay e Apple Pay per maggiore comodità.P2P: Fai trading direttamente con altri utenti HTX.Over-the-Counter (OTC): Offriamo servizi su misura e tassi di cambio competitivi per i trader.Step 3: Conserva Lorenzo Protocol (BANK)Dopo aver acquistato Lorenzo Protocol (BANK), conserva nel tuo account HTX. In alternativa, puoi inviare tramite trasferimento blockchain o scambiare per altre criptovalute.Step 4: Scambia Lorenzo Protocol (BANK)Scambia facilmente Lorenzo Protocol (BANK) nel mercato spot di HTX. Accedi al tuo account, seleziona la tua coppia di trading, esegui le tue operazioni e monitora in tempo reale. Offriamo un'esperienza user-friendly sia per chi ha appena iniziato che per i trader più esperti.

711 Totale visualizzazioniPubblicato il 2025.05.09Aggiornato il 2026.06.02

Come comprare BANK

Discussioni

Benvenuto nella Community HTX. Qui puoi rimanere informato sugli ultimi sviluppi della piattaforma e accedere ad approfondimenti esperti sul mercato. Le opinioni degli utenti sul prezzo di BANK BANK sono presentate come di seguito.

活动图片