Три крупных швейцарских банка впервые провели расчет токенизированными депозитами

cryptonews.ruPublicado em 2025-10-15Última atualização em 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.

Criptomoedas em alta

Leituras Relacionadas

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.

marsbitHá 29m

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

marsbitHá 29m

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 NewsHá 45m

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

Foresight NewsHá 45m

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.

marsbitHá 51m

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

marsbitHá 51m

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.

marsbitHá 52m

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

marsbitHá 52m

Trading

Spot

Artigos em Destaque

O que é $BANK

Bank AI: Um Passo Revolucionário no Futuro da Banca Introdução Em uma era marcada por avanços rápidos na tecnologia, o Bank AI está na interseção da inteligência artificial (IA) e dos serviços bancários. Este projeto inovador visa redefinir o panorama financeiro, melhorando a eficiência operacional, as medidas de segurança e as experiências dos clientes através do poder da IA. Ao embarcarmos nesta exploração do Bank AI, iremos aprofundar no que o projeto implica, suas dinâmicas operacionais, seu contexto histórico e marcos significativos. O que é o Bank AI? No seu cerne, o Bank AI representa uma iniciativa transformadora com o objetivo de integrar a inteligência artificial em várias operações bancárias. Este projeto aproveita as capacidades da IA para automatizar processos, melhorar os protocolos de gestão de risco e melhorar a interação com os clientes através de serviços personalizados. Os principais objetivos do Bank AI incluem: Automatização das Funções Bancárias: Ao aproveitar as tecnologias de IA, o Bank AI visa automatizar tarefas rotineiras, reduzindo o peso sobre os recursos humanos e aumentando a eficiência. Gestão de Risco Melhorada: O projeto utiliza algoritmos de IA para prever e identificar riscos, fortalecendo assim as medidas de segurança contra fraudes e outras ameaças. Personalização dos Serviços Bancários: O Bank AI foca em oferecer produtos e serviços financeiros ajustados, analisando dados e comportamentos dos clientes. Melhoria da Experiência do Cliente: A implementação de soluções impulsionadas por IA, como chatbots e assistentes virtuais, visa proporcionar aos usuários interações mais humanizadas, revolucionando a forma como os clientes se envolvem com os bancos. Com esses objetivos, o Bank AI posiciona-se como um ator crucial para tornar a banca mais eficiente, segura e centrada no usuário. Quem é o Criador do Bank AI? Os detalhes sobre o criador do Bank AI permanecem desconhecidos. Assim, nenhuma pessoa ou organização específica foi identificada nas informações disponíveis. O anonimato que cerca a origem do projeto levanta questões, mas não diminui a sua ambiciosa visão e objetivos. Quem são os Investidores do Bank AI? Semelhante ao criador do projeto, informações específicas sobre os investidores ou organizações que apoiam o Bank AI não foram divulgadas. Sem essas informações, é difícil delinear o apoio financeiro e institucional que pode estar impulsionando o projeto para frente. No entanto, a importância de ter uma sólida base de investimento é fundamental para sustentar o desenvolvimento em um campo tão inovador. Como Funciona o Bank AI? O Bank AI opera em várias frentes inovadoras, focando em fatores únicos que o diferenciam das estruturas bancárias tradicionais. Abaixo estão as principais características operacionais: Automatização: Ao aplicar algoritmos de aprendizado de máquina, o Bank AI automatiza vários processos manuais dentro dos bancos. Isso resulta na redução dos custos operacionais e permite que os trabalhadores humanos redirecionem os seus esforços para atividades mais estratégicas. Gestão de Risco Avançada: A integração da IA nas práticas de gestão de risco equipa os bancos com ferramentas para prever com precisão potenciais ameaças, como fraudes, garantindo que as informações e ativos dos clientes permaneçam seguros. Recomendações Financeiras Personalizadas: Através do aprendizado contínuo a partir das interações com os clientes, os sistemas de IA desenvolvem uma compreensão sutil das necessidades dos usuários, permitindo oferecer conselhos adaptados sobre decisões financeiras. Interações Melhoradas com os Clientes: Utilizando chatbots e assistentes virtuais alimentados por IA, o Bank AI permite uma experiência de cliente mais envolvente, permitindo que os usuários tenham suas dúvidas resolvidas rapidamente, reduzindo assim os tempos de espera e melhorando os níveis de satisfação. Juntas, estas características operacionais posicionam o Bank AI como um pioneiro no setor bancário, estabelecendo novos padrões para a prestação de serviços e a excelência operacional. Cronologia do Bank AI Compreender a trajetória do Bank AI requer uma análise do seu contexto histórico. Abaixo está uma cronologia que destaca marcos e desenvolvimentos importantes: Início de 2010: A conceituação da integração da IA nos serviços bancários começou a ganhar atenção à medida que instituições bancárias reconheciam os potenciais benefícios. 2018: Ocorreu um aumento significativo na implementação de tecnologias de IA, quando os bancos começaram a usar ferramentas de IA como chatbots para atendimento ao cliente básico e sistemas de gestão de risco para melhorar o tratamento de segurança. 2023: A sofisticação da IA continuou a avançar, com a introdução de IA generativa para tarefas mais complexas, como processamento de documentos e análise de investimentos em tempo real. Este ano marcou um salto significativo nas capacidades proporcionadas aos bancos pela tecnologia de IA. 2024-Estado Atual: Neste ano, o Bank AI está em uma trajetória ascendente, com pesquisas e desenvolvimentos em andamento prontos para aprimorar ainda mais as capacidades nas operações bancárias. A exploração contínua das aplicações de IA sugere desenvolvimentos emocionantes por vir. Pontos Chave Sobre o Bank AI Integração da IA na Banca: O Bank AI foca na adoção da inteligência artificial para simplificar os processos bancários e melhorar as experiências dos usuários. Automatização e Foco em Gestão de Risco: O projeto enfatiza fortemente essas áreas, visando transferir o peso das tarefas rotineiras enquanto melhora as estruturas de segurança através de análises preditivas. Soluções Bancárias Personalizadas: Ao aproveitar os dados dos clientes, o Bank AI possibilita serviços bancários ajustados que atendem às necessidades individuais dos usuários. Compromisso com o Desenvolvimento: O Bank AI permanece comprometido com contínuas pesquisas e esforços de desenvolvimento, garantindo a sua adaptabilidade e relevância contínua à medida que a tecnologia continua a evoluir. Conclusão Em resumo, o Bank AI exemplifica um passo crucial em frente na indústria bancária, aproveitando a inteligência artificial para remodelar paradigmas operacionais, melhorar a segurança e promover a satisfação do cliente. Apesar das lacunas de informação em torno do criador e dos investidores, os objetivos claros e os mecanismos funcionais do Bank AI fornecem uma base sólida para sua evolução contínua. À medida que a tecnologia de IA continua a avançar e se fundir com o setor bancário, o Bank AI está bem posicionado para impactar significativamente o futuro dos serviços financeiros, aprimorando a maneira como entendemos e interagimos com a banca.

66 Visualizações TotaisPublicado em {updateTime}Atualizado em 2024.12.03

O que é $BANK

Como comprar BANK

Bem-vindo à HTX.com!Tornámos a compra de Lorenzo Protocol (BANK) simples e conveniente.Segue o nosso guia passo a passo para iniciar a tua jornada no mundo das criptos.Passo 1: cria a tua conta HTXUtiliza o teu e-mail ou número de telefone para te inscreveres numa conta gratuita na HTX.Desfruta de um processo de inscrição sem complicações e desbloqueia todas as funcionalidades.Obter a minha contaPasso 2: vai para Comprar Cripto e escolhe o teu método de pagamentoCartão de crédito/débito: usa o teu visa ou mastercard para comprar Lorenzo Protocol (BANK) instantaneamente.Saldo: usa os fundos da tua conta HTX para transacionar sem problemas.Terceiros: adicionamos métodos de pagamento populares, como Google Pay e Apple Pay, para aumentar a conveniência.P2P: transaciona diretamente com outros utilizadores na HTX.Mercado de balcão (OTC): oferecemos serviços personalizados e taxas de câmbio competitivas para os traders.Passo 3: armazena teu Lorenzo Protocol (BANK)Depois de comprar o teu Lorenzo Protocol (BANK), armazena-o na tua conta HTX.Alternativamente, podes enviá-lo para outro lugar através de transferência blockchain ou usá-lo para transacionar outras criptomoedas.Passo 4: transaciona Lorenzo Protocol (BANK)Transaciona facilmente Lorenzo Protocol (BANK) no mercado à vista da HTX.Acede simplesmente à tua conta, seleciona o teu par de trading, executa as tuas transações e monitoriza em tempo real.Oferecemos uma experiência de fácil utilização tanto para principiantes como para traders experientes.

414 Visualizações TotaisPublicado em {updateTime}Atualizado em 2026.06.02

Como comprar BANK

Discussões

Bem-vindo à Comunidade HTX. Aqui, pode manter-se informado sobre os mais recentes desenvolvimentos da plataforma e obter acesso a análises profissionais de mercado. As opiniões dos utilizadores sobre o preço de BANK (BANK) são apresentadas abaixo.

活动图片