Le père de Claude Code révèle : Comment transformer Claude en votre "équipe de développement virtuelle" ?

marsbitPublicado em 2026-01-05Última atualização em 2026-01-05

Resumo

L'auteur Boris Cherny, développeur de Claude Code, partage comment transformer Claude en une « équipe de développement virtuelle » en l'intégrant profondément dans le flux de travail. Il utilise plusieurs sessions Claude en parallèle (5-10) pour différentes tâches, privilégie le modèle le plus performant (Opus 4.5) et insiste sur le mode "Plan" pour définir une stratégie avant de coder. Son équipe maintient une base de connaissances partagée (.claude) pour corriger les erreurs et capitaliser sur les bonnes pratiques. Il automatise les tâches répétitives avec des commandes slash et des sous-agents, et configure des hooks de validation pour que Claude vérifie lui-même son travail (tests, logs). La gestion des permissions est centralisée et sécurisée, et Claude est connecté à d'autres outils (Slack, BigQuery) via MCP. L'objectif est de faire de Claude un partenaire collaboratif et auto-vérifiant, et non un simple outil ponctuel.

Article original: Boris Cherny, développeur de Claude Code

Compilation & édition: Xiaohu AI

Vous avez probablement entendu parler de Claude Code, peut-être même l'avez-vous utilisé pour écrire du code ou modifier des documents. Mais vous êtes-vous déjà demandé : si l'IA n'était pas un "outil à utiliser occasionnellement", mais un membre officiel de votre flux de développement, voire un système de collaboration automatisé - comment cela changerait-il votre façon de travailler ?

Boris Cherny, en tant que père de Claude Code, a écrit un fil Twitter très détaillé, partageant comment il utilise efficacement cet outil, et comment lui et son équipe intègrent profondément Claude dans l'ensemble du processus d'ingénierie dans leur travail pratique.

Cet article va systématiser et expliquer de manière accessible son expérience.

Comment Boris a-t-il fait de l'IA un partenaire automatisé dans son flux de travail ?

Points clés :

Il présente son flux de travail, incluant :

Comment utiliser Claude :

Lancer de nombreuses instances de Claude en parallèle : Ouvrir 5 à 10 sessions en terminal et navigateur pour traiter les tâches en parallèle, et utiliser aussi Claude sur mobile.

Ne pas modifier aveuglément les paramètres par défaut : Claude fonctionne parfaitement tel quel, pas besoin de configuration complexe.

Utiliser le modèle le plus puissant (Opus 4.5) : Bien que un peu plus lent, il est plus intelligent, donc plus simple à utiliser.

Planifier avant d'écrire du code (Mode Plan) : Faire réfléchir Claude avant d'écrire, taux de réussite plus élevé.

Vérifier le format avec des outils après la génération du code, éviter les erreurs.

Comment rendre Claude de plus en plus intelligent :

L'équipe maintient une "base de connaissances" : Chaque fois que Claude écrit quelque chose de faux, l'expérience est ajoutée, et il ne refera plus l'erreur.

Former automatiquement Claude lors de l'écriture des PR : Laisser Claude voir les PR, apprendre de nouveaux usages ou normes.

Transformer les commandes fréquemment utilisées en commandes slash, Claude peut les appeler automatiquement, économisant le travail répétitif.

Utiliser des "sous-agents" pour traiter certaines tâches fixes, comme la simplification de code, la validation de fonctionnalités, etc.

Comment gérer les permissions :

Ne pas sauter les permissions à la légère, mais configurer des instructions sécurisées pour une approbation automatique.

Synchroniser le flux de travail Claude sur plusieurs appareils (navigateur, terminal, mobile).

Le plus important :

Il est impératif de fournir à Claude un "mécanisme de validation", pour qu'il puisse confirmer si ce qu'il a écrit est correct.

Par exemple, Claude exécute automatiquement des tests, ouvre le navigateur pour tester une page web, vérifie si une fonctionnalité fonctionne.

Claude Code est un "partenaire", pas un "outil"

Boris transmet d'abord une idée centrale : Claude Code n'est pas un outil statique, mais un partenaire intelligent qui peut collaborer avec vous, apprendre continuellement et grandir avec vous.

Il n'a pas besoin de beaucoup de configuration complexe, il est très performant dès son utilisation. Mais si vous êtes prêt à investir du temps pour construire de meilleures façons de l'utiliser, les gains d'efficacité qu'il peut apporter sont multipliés.

Choix du modèle : Choisir le plus intelligent, pas le plus rapide

Boris utilise le modèle phare de Claude, Opus 4.5 + le mode de réflexion ("with thinking") pour toutes les tâches de développement.

Bien que ce modèle soit plus grand et plus lent que Sonnet :

  • Sa capacité de compréhension est meilleure
  • Sa capacité à utiliser des outils est meilleure
  • Il ne nécessite pas d'être guidé反复, moins d'allers-retours
  • Globalement, il fait gagner plus de temps que l'utilisation d'un modèle rapide
  • Révélation : La vraie productivité ne réside pas dans la vitesse d'exécution, mais dans "moins d'erreurs, moins de retouches, moins d'explications répétées".

1. Mode Plan : Utiliser l'IA pour écrire du code, ne pas se précipiter pour lui faire "écrire"

Lorsque nous ouvrons Claude, beaucoup ont instinctivement tendance à saisir "aide-moi à écrire une interface", "refactorise ce code"... Claude va généralement "écrire quelque chose", mais souvent il part dans la mauvaise direction, omet de la logique, ou même comprend mal le besoin.

Alors que la première étape de Boris n'est jamais de faire écrire du code à Claude. Il utilise le mode Plan — d'abord élaborer une approche de mise en œuvre avec Claude, puis passer à la phase d'exécution.

Comment procède-t-il ?

Lors du démarrage d'une PR, Boris ne laisse pas Claude écrire du code directement, mais utilise le mode Plan :

1. Décrire l'objectif

2. Élaborer un plan avec Claude

3. Confirmer chaque étape

4. Puis laisser Claude commencer à écrire

Chaque fois qu'une nouvelle fonctionnalité doit être implémentée, comme "ajouter une limitation de débit à une API", il confirme étape par étape avec Claude :

  • Faut-il utiliser un middleware, ou l'intégrer dans la logique ?
  • La configuration de limitation de débit doit-elle supporter une modification dynamique ?
  • Faut-il des logs ? Que retourner en cas d'échec ?

Ce processus de "négociation du plan" est similaire à deux personnes dessinant ensemble un "plan de construction".

Une fois que Claude comprend clairement l'objectif, Boris active le mode "édition automatique acceptée", Claude peut modifier le code, soumettre des PR, parfois même sans avoir besoin de confirmation humaine.

"La qualité du code de Claude dépend du fait que vous soyez d'accord avant même d'écrire le code." — Boris

Révélation : Plutôt que de corriger反复 les erreurs de Claude, il vaut mieux dessiner ensemble le plan dès le début.

Résumé

Le mode Plan ne fait pas perdre de temps, il utilise une négociation préalable en échange d'une exécution stable. L'IA, aussi puissante soit-elle, a besoin que "vous expliquiez clairement".

2. Parallélisme multi-Claude : Pas une IA, mais une équipe de développement virtuelle

Boris n'utilise pas qu'un seul Claude. Son quotidien est le suivant :

  • Ouvrir 5 Claude locaux dans le terminal, les sessions attribuées à différentes tâches (comme refactoriser, écrire des tests, déboguer)
  • Ouvrir 5 à 10 Claude supplémentaires dans le navigateur, en parallèle avec le local
  • Utiliser l'app Claude iOS sur mobile, pour lancer des tâches à tout moment

Chaque instance de Claude est comme un "assistant dédié" : certains sont responsables de l'écriture de code, d'autres de la complétion de documentation, d'autres tournent en arrière-plan pour exécuter des tâches de test.

Il a même configuré des notifications système, pour être alerté immédiatement lorsque Claude attend une entrée.

Pourquoi faire cela ?

Le contexte de Claude est local, il n'est pas adapté pour "tout faire dans une seule fenêtre". Boris divise Claude en plusieurs rôles traitant en parallèle, réduisant ainsi le temps d'attente et la "mémoire d'interférence".

Il se rappelle aussi via des notifications système : "Claude 4 attend votre réponse", "Claude 1 a terminé le test", gérant ces IA comme un système multi-thread.

Analogie

Imaginez-vous entouré de cinq stagiaires intelligents, chacun responsable d'une tâche. Vous n'avez pas besoin de mener chaque chose jusqu'au bout, il suffit de "changer de personne" aux moments clés, pour maintenir l'avancement fluide des tâches.

Révélation : Traiter Claude comme plusieurs "assistants virtuels", assumant chacun des tâches différentes, peut réduire significativement le temps d'attente et le coût de changement de contexte.

3. Commandes Slash : Transformer ce que vous faites quotidiennement en commandes rapides pour Claude

Certains flux de travail, nous les faisons des dizaines de fois par jour :

  • Modifier le code → commit → push → créer une PR
  • Vérifier l'état de la construction → notifier l'équipe → mettre à jour l'issue
  • Synchroniser les modifications vers plusieurs sessions Web et locales
  • Boris ne veut pas devoir每次 dire à Claude : "S'il te plaît, commit d'abord, puis push, puis crée la PR..."

Il encapsule ces opérations en commandes Slash, comme :

/commit-push-pr

Derrière ces commandes se trouve une logique de script Bash, stockée dans le dossier .claude/commands/, ajoutée à la gestion Git, utilisable par tous les membres de l'équipe.

Comment Claude utilise-t-il ces commandes ?

Lorsque Claude rencontre cette commande, il ne fait pas qu'"exécuter une instruction", il comprend le flux de travail représenté par cette commande, et peut exécuter automatiquement les étapes intermédiaires, pré-remplir les paramètres, éviter les communications反复.

Point de compréhension important

Les commandes Slash sont comme des "boutons automatiques" que vous installez pour Claude. Vous l'entraînez à comprendre un flux de tâches, ensuite il peut l'exécuter en un clic.

"Ce n'est pas seulement moi qui économise du temps avec les commandes, Claude aussi." — Boris

Révélation : Ne saisissez pas反复 les mêmes instructions, abstraire les tâches高频 en commandes, votre collaboration avec Claude peut alors devenir "automatique".

4. Base de connaissances d'équipe : Claude n'apprend pas par Prompt, mais par les gènes de connaissances maintenus par l'équipe

L'équipe de Boris maintient une base de connaissances .claude, et l'ajoute à la gestion Git.

C'est comme une "wiki interne" pour Claude, qui enregistre :

  • Quelle façon d'écrire est correcte
  • Quelles sont les meilleures pratiques convenues par l'équipe
  • Comment corriger lorsqu'on rencontre certains problèmes

Claude référence automatiquement cette base de connaissances pour comprendre le contexte, juger du style de code.

Que faire lorsque Claude fait une erreur ?

Chaque fois que Claude a un malentendu ou écrit une logique erronée, la leçon est ajoutée.

Chaque équipe maintient sa propre version.

Tout le monde édite协同, Claude référence cette base de connaissances en temps réel pour juger.

Par exemple :

Si Claude se trompe toujours sur la logique de pagination, il suffit que l'équipe écrive la norme correcte de pagination dans la base de connaissances, et chaque utilisateur subsequent pourra en bénéficier automatiquement.

La méthode de Boris : Ne pas le gronder, ne pas l'éteindre, mais "l'entraîner une fois" :

Nous n'écrivons pas le code comme cela, ajoute-le à la base de connaissances

La prochaine fois, Claude ne refera plus cette erreur.

Plus important encore, ce mécanisme n'est pas maintenu par Boris seul, mais toute l'équipe contribue et modifie chaque semaine.

Révélation : Utiliser l'IA, ce n'est pas chacun pour soi, c'est construire un système de "mémoire collective".

5. Mécanisme d'apprentissage automatique : Les PR elles-mêmes sont les "données d'entraînement" de Claude

Lors des revues de code, Boris mentionne souvent @Claude sur la PR, par exemple :

@.claude ajoute cette façon d'écrire la fonction à la base de connaissances

En coordination avec GitHub Action, Claude apprend automatiquement l'intention derrière cette modification, et met à jour les connaissances internes.

C'est similaire à un "entraînement continu de Claude", chaque revue non seulement fusionne le code, mais améliore aussi les capacités de l'IA.

Ce n'est plus de la "maintenance后期", mais l'intégration du mécanisme d'apprentissage de l'IA dans la collaboration quotidienne.

L'équipe utilise les PR pour améliorer la qualité du code, Claude améliore同步 son niveau de connaissances.

Révélation : Les PR ne sont pas seulement un processus de revue de code, c'est aussi une opportunité d'auto-évolution pour les outils d'IA.

6. Sous-agents (Subagents) : Laisser Claude exécuter modularisé des tâches complexes

En plus du flux de tâches principal, Boris définit également quelques sous-agents (Subagents) pour traiter des tâches auxiliaires courantes.

Les Subagents sont des modules qui s'exécutent automatiquement, comme :

  • code-simplifier : Simplifie automatiquement la structure après que Claude ait écrit le code
  • verify-app : Exécute des tests complets, vérifie si le nouveau code est utilisable
  • log-analyzer : Analyse les logs d'erreur, localise rapidement le problème

Ces sous-agents sont comme des plugins, ils s'intègrent automatiquement au flux de travail de Claude,协作自动运行, sans avoir besoin de prompts répétitifs.

Révélation : Les sous-agents sont les "membres de l'équipe" de Claude, faisant passer Claude d'un assistant à un "commandant de projet".

Claude n'est pas seulement une personne, c'est un petit chef d'équipe que vous pouvez avoir.

7. Paragraphe supplémentaire un : PostToolUse Hook — Le dernier gardien du format de code

Dans une équipe, il n'est pas facile que tout le monde écrive du code avec un style unifié. Bien que Claude ait une forte capacité de génération, il a inévitablement de petits défauts de détail comme une indentation un peu décalée, une ligne vide en trop.

La méthode de Boris est de configurer un PostToolUse Hook—

Pour faire simple, c'est un "crochet de post-traitement" que Claude appelle automatiquement après "avoir terminé la tâche".

Ses fonctions incluent :

  • Corriger automatiquement le format du code
  • Compléter les commentaires manquants
  • Traiter les erreurs lint, éviter que le CI ne plante

Cette étape n'est généralement pas complexe, mais cruciale. Comme exécuter Grammarly une fois de plus après avoir fini d'écrire un article, ainsi l'œuvre livrée est stable et soignée.

Pour les outils d'IA, la clé de la facilité d'utilisation n'est souvent pas la force de génération, mais la capacité de finalisation.

8. Gestion des permissions : Pré-autoriser plutôt que sauter

Boris indique clairement qu'il n'utilise pas --dangerously-skip-permissions — c'est un paramètre de Claude Code qui peut sauter toutes les invites de permission lors de l'exécution de commandes.

Cela semble pratique, mais peut être dangereux, comme supprimer accidentellement des fichiers, exécuter le mauvais script, etc.

Sa solution alternative est :

1. Utiliser la commande /permissions pour déclarer explicitement quelles commandes sont fiables

2. Écrire ces configurations de permissions dans .claude/settings.json

3. Partager ces paramètres de sécurité avec toute l'équipe

C'est comme ouvrir à l'avance une "liste blanche" d'opérations pour Claude, par exemple :

"preApprovedCommands": [

"git commit",

"npm run build",

"pytest"

]

Claude exécute ces opérations directement lorsqu'il les rencontre, sans interrompre à chaque fois.

La conception de ce mécanisme de permissions ressemble plus à un système d'exploitation d'équipe qu'à un outil mono-machine. Il utilise la commande /permissions pour pré-autoriser les commandes bash courantes et sécurisées, ces configurations sont sauvegardées dans .claude/settings.json et partagées par l'équipe.

Révélation : L'automatisation de l'IA ne signifie pas la perte de contrôle. Intégrer la stratégie de sécurité dans le processus d'automatisation lui-même, c'est là la véritable ingénierie.

9. Interconnexion multi-outils : Claude = robot polyvalent

Boris ne laisse pas Claude écrire du code uniquement en local. Il a configuré Claude pour qu'il puisse accéder à plusieurs plateformes核心 via MCP (un module de service de contrôle central) :

  • Envoyer automatiquement des notifications Slack (comme les résultats de construction)
  • Interroger les données BigQuery (comme les indicateurs de comportement utilisateur)
  • Récupérer les logs Sentry (comme le suivi des exceptions en ligne)

Comment réaliser cela ?

La configuration MCP est sauvegardée dans .mcp.json

Claude lit la configuration lors de l'exécution, exécute自主 des tâches跨平台

Toute l'équipe partage un ensemble de configuration

Tout cela est réalisé via l'intégration de MCP (le système de contrôle central de Claude) avec Claude, la configuration est sauvegardée dans .mcp.json.

Claude est comme un assistant robotique, qui peut vous aider à :

"Écrire le code → Soumettre une PR → Voir l'effet → Notifier QA → Rapporter les logs".

Ce n'est plus un outil d'IA au sens traditionnel, mais le système神经中枢 de l'ingénierie.

Révélation : Ne laissez pas l'IA travailler uniquement dans "l'éditeur",

Elle peut devenir le planificateur de tout votre écosystème système.

10. Traitement asynchrone des longues tâches : Agent en arrière-plan + plugins + hook

Dans les projets réels, Claude doit parfois traiter de longues tâches, comme :

  • Construction + test + déploiement
  • Génération de rapport + envoi d'email
  • Exécution en cours de script de migration de données

La méthode de traitement de Boris est très ingénierisée :

Trois façons de traiter les longues tâches :

1. Claude, après avoir terminé, utilise un Agent en arrière-plan pour vérifier le résultat

2. Utiliser un Stop Hook, déclenche automatiquement les actions suivantes à la fin de la tâche

3. Utiliser le plugin ralph-wiggum (proposé par @GeoffreyHuntley) pour gérer l'état des longs processus

Dans ces scénarios, Boris utilisera :

--permission-mode=dontAsk

Ou mettra la tâche dans un bac à sable pour l'exécution, évitant ainsi d'interrompre tout le processus à cause d'invites de permission.

Claude n'est pas "surveillé en permanence", c'est un collaborateur dont vous pouvez confier la charge.

Révélation : Les outils d'IA ne conviennent pas seulement aux opérations courtes et rapides, mais aussi aux cycles longs, aux processus complexes — à condition de leur construire un "mécanisme de prise en charge".

11. Mécanisme de validation automatique : La valeur de la sortie de Claude ne dépend pas de sa capacité à se valider elle-même

L'expérience la plus importante de Boris est :

Tout résultat output par Claude doit avoir un "mécanisme de validation" pour vérifier son exactitude.

Il ajoute à Claude un script de validation ou un hook :

  • Après avoir écrit le code, Claude exécute automatiquement des cas de test pour vérifier si le code est correct
  • Simule l'interaction utilisateur dans le navigateur, vérifie l'expérience frontend
  • Compare automatiquement les logs, les indicateurs avant et après l'exécution

Si ce n'est pas validé, Claude modifie automatiquement, ré-exécute. Jusqu'à ce que ce soit validé.

C'est comme si Claude avait son propre "système de feedback en boucle fermée".

Cela améliore non seulement la qualité, mais réduit aussi la charge cognitive humaine.

Révélation : Ce qui détermine vraiment la qualité des résultats de l'IA, ce n'est pas le nombre de paramètres du modèle, mais si vous avez conçu un "mécanisme de vérification des résultats".

Résumé : Ne pas remplacer l'homme par l'IA, mais faire collaborer l'IA comme un humain

La méthode de Boris ne dépend pas de "fonctionnalités cachées" ou de technologie noire, mais utilise Claude de manière ingénierisée, le faisant passer d'un "outil de chat" à une partie efficace d'un système de travail.

Sa méthode d'utilisation de Claude a plusieurs caractéristiques核心 :

  • Parallélisme multi-sessions : Division des tâches plus claire, efficacité plus élevée
  • Priorité à la planification : Le mode Plan améliore le degré d'alignement des objectifs de Claude
  • Soutien du système de connaissances : L'équipe maintient协同 la base de connaissances de l'IA, itère continuellement
  • Automatisation des tâches : Commandes Slash + sous-agents, faire travailler Claude comme un moteur de processus
  • Mécanisme de feedback en boucle fermée : Chaque output de Claude a une logique de validation, assurant une production stable et fiable

En fait, la méthode de Boris montre une nouvelle façon d'utiliser l'IA :

  • Faire passer Claude d'"assistant de dialogue" à "système de programmation automatisé"
  • Transformer l'accumulation de connaissances du cerveau humain en base de connaissances de l'IA
  • Transformer le processus d'opérations manuelles répétitives en flux de travail automatique scripté, modulaire,协同

Cette approche ne dépend pas de magie noire, mais est une manifestation des capacités d'ingénierie. Vous pouvez aussi en tirer des idées pour utiliser Claude ou d'autres outils d'IA de manière plus efficace et plus intelligente.

Si lors de l'utilisation de Claude vous pensez souvent "il comprend un peu, mais n'est pas fiable", "le code écrit nécessite toujours que je le corrige", peut-être que le problème n'est pas Claude, mais que vous ne lui avez pas encore donné un mécanisme de collaboration mature.

Claude peut être un stagiaire qualifié, ou un partenaire d'ingénierie stable et fiable, cela dépend de comment vous l'utilisez.

Perguntas relacionadas

QQuel est le concept central que Boris Cherny propose pour utiliser Claude Code efficacement ?

ABoris Cherny propose de considérer Claude Code non pas comme un simple outil ponctuel, mais comme un véritable "partenaire d'automatisation" intégré au flux de travail, capable d'apprendre, de collaborer et de grandir avec l'utilisateur, formant ainsi une "équipe de développement virtuelle".

QQuel modèle de Claude Boris recommande-t-il d'utiliser et pourquoi ?

ABoris recommande d'utiliser le modèle phare Opus 4.5 avec le mode de réflexion ("with thinking"), car bien que plus lent, il est plus intelligent, comprend mieux les instructions, utilise mieux les outils, nécessite moins d'allers-retours et permet globalement de gagner du temps en réduisant les erreurs et les retouches.

QQu'est-ce que le "mode Plan" et comment l'utilise-t-il avant de faire écrire du code à Claude ?

ALe "mode Plan" consiste à ne pas demander à Claude d'écrire du code immédiatement, mais à d'abord décrire l'objectif, élaborer un plan d'implémentation détaillé ensemble, confirmer chaque étape, et seulement ensuite laisser Claude écrire le code. Cela permet de s'assurer d'un alignement préalable sur la feuille de route, réduisant ainsi les erreurs de compréhension.

QComment Boris gère-t-il les autorisations et la sécurité lorsqu'il automatise des tâches avec Claude ?

AAu lieu d'utiliser l'option peu sécurisée --dangerously-skip-permissions, Boris utilise la commande /permissions pour déclarer explicitement quelles commandes sont dignes de confiance. Il enregistre ces configurations de permissions pré-approuvées (comme 'git commit', 'npm run build') dans un fichier .claude/settings.json partagé par l'équipe, créant ainsi une liste blanche d'opérations sécurisées.

QQuel est, selon Boris, le mécanisme le plus important pour garantir la qualité des sorties de Claude ?

ALe mécanisme le plus important est le système de "vérification" ou de validation. Claude doit disposer de scripts ou de hooks (comme l'exécution automatique de tests, la simulation d'interactions navigateur) pour vérifier lui-même l'exactitude de son travail. Si la validation échoue, il doit se corriger automatiquement, créant ainsi une boucle de rétroaction fermée qui assure la fiabilité et réduit la charge cognitive humaine.

Leituras Relacionadas

Dalio's Latest Warning: Don't Get Carried Away by AI, Real Returns on US Stocks in the Next 5-10 Years Could Be -5% to -10%

Ray Dalio, founder of Bridgewater Associates, warns investors against excessive concentration in AI stocks. He argues the current market, dominated by a few AI giants, mirrors historical patterns where revolutionary new technologies lead to high risk, volatility, and uncertainty. While acknowledging AI's transformative potential, Dalio emphasizes that most investors fail at this stage of the cycle by over-concentrating in a handful of leading companies. He cites inherent risks: companies cannot accurately forecast investment needs or external shocks (e.g., monetary policy, geopolitics, taxes), face potential disruption from future technologies and international competition (notably from China), and experience significant price swings. Dalio's core advice is diversification, calling it his "Holy Grail of Investing." He presents a mathematical case that a well-diversified portfolio of 15-20 uncorrelated, good bets offers a superior risk-adjusted return compared to a concentrated position. Dalio also offers a cautious outlook, suggesting U.S. stocks may deliver real returns of -5% to -10% over the next 5-10 years based on valuation and bubble indicators. He concludes that in the face of high uncertainty, the prudent strategy is not to avoid betting entirely, but to avoid large, concentrated bets where one lacks sufficient informational edge. Instead, investors should build a strategically balanced, diversified portfolio.

marsbitHá 15m

Dalio's Latest Warning: Don't Get Carried Away by AI, Real Returns on US Stocks in the Next 5-10 Years Could Be -5% to -10%

marsbitHá 15m

Rain Valuation Approaches $20 Billion: The Battle for U-Cards Extends to Rewards Systems

Rain, a stablecoin payments infrastructure company, is shifting the competitive focus for U Cards from simple issuance to user retention and repeated usage. On June 15, Rain launched "Rain Rewards," an embedded loyalty program capability within its card-issuing infrastructure. This allows partner businesses—like fintech platforms and neobanks—to configure branded loyalty points, earning rules, redemptions, and merchant promotions directly within their card products. The system, built from the 2025 acquisition of Uptop, ensures points are only issued upon final transaction settlement, preventing liabilities from refunds. Trials, such as with Avalanche Card, reportedly boosted spending by 25% among enrolled users. Founded by Farooq Malik and Charles Yoo-Naut, Rain evolved from a tool for managing Web3 company expenses into a full-stack enterprise platform. It is a Principal Member of Visa and Mastercard, enabling partners to issue stablecoin-backed cards and wallets while leveraging traditional payment networks. Notably, the popular U Card Plasma One is issued by Rain under Visa's authority. Rain also integrates with Visa's stablecoin settlement pilot, using USDC for network settlement. Rain's rapid funding reflects growing institutional interest in stablecoin payment infrastructure. It raised a $245 million Series A in March 2025, a $58 million Series B in August 2025, and a $250 million Series C in January of this year, reaching a $19.5 billion valuation. Annualized transaction volume exceeds $3 billion, serving over 200 partners including Western Union and Nuvei. Beyond cards, Rain is expanding into programmable payments. Its June 2026 "Agent Control Layer" allows businesses to set spending rules—like merchant categories, amounts, and frequency—for AI agents before transactions occur. This positions Rain not as a single product but as an operating system for stablecoin payments, handling everything from card issuance and wallet management to rewards, on/off-ramps, and automated compliance. The goal is to enable seamless, often invisible, real-world spending of on-chain assets.

Foresight NewsHá 18m

Rain Valuation Approaches $20 Billion: The Battle for U-Cards Extends to Rewards Systems

Foresight NewsHá 18m

Google TPU Shipments Revised Up by 50%

Recent industry research indicates a significant upward revision in the shipments of Google's TPU (Tensor Processing Unit) chips. Previous expectations for 2027 were set at around 10 million units, but new estimates now point to 15 million units, a 50% increase. This substantial boost directly translates to higher demand across the entire supporting supply chain. Google's TPU clusters utilize a standardized all-optical interconnect architecture. Consequently, key hardware components are deeply integrated and scaled in fixed ratios with the chips. The 15 million TPU target will drive corresponding demand increases for NPO optical engines (roughly a 1:1 match), 1.6T optical modules, OCS optical switches, high-end server power supplies, fiber optics & MPO connectors, and liquid cooling solutions. Among these, liquid cooling is highlighted as the sector experiencing the most significant transformation and offering the most stable potential for excess returns. As next-generation TPU chips reach power levels where traditional air cooling is insufficient, liquid cooling becomes essential. 2026 is forecasted as the first year of substantial adoption for Google's liquid cooling solutions. This shift, coupled with delivery and capacity bottlenecks faced by incumbent overseas manufacturers, is creating a prime window for domestic Chinese suppliers to enter and secure Google's core supply chain. The market size for Google-specific liquid cooling is projected to potentially triple from a baseline of hundreds of billions to around 300 billion units by 2028. The logic for the fiber optic sector is also being rewritten. Once considered a cyclical commodity tied to telecom operator procurement, fiber is now a strategic and scarce resource for AI Data Centers (AIDC). A severe supply-demand imbalance, driven by the long lead time for preform production (18-24 months) and surging demand from cloud giants, is supporting strong performance. Chinese fiber manufacturers are well-positioned to capture a significant share of global AIDC demand, with exports potentially reaching 200-300 million core kilometers in 2026. Overall, the investment focus within the AI computing industry is shifting from pure "chip performance speculation" towards the more certain incremental growth in computing infrastructure and its supporting ecosystem. The upward revision in Google TPU shipments, along with the potential for further doubling by 2028, is seen as solidifying performance visibility for the entire supporting supply chain over the next two years.

marsbitHá 1h

Google TPU Shipments Revised Up by 50%

marsbitHá 1h

What Wall Street Really Wants After the Crypto Story Recedes

The tide of speculative crypto narratives has receded, revealing Wall Street's true objective: building a controlled, yield-generating, and compliant financial pipeline on distributed ledgers. They are migrating core functions onto blockchains, not for decentralization, but for efficiency and new revenue streams. Key developments include BlackRock's BUIDL fund, a tokenized treasury fund acting as a foundational reserve asset, and the rise of Securitize, which is going public and partnering with the NYSE to build a 24/7 digital securities trading and settlement system. This signals a major shift of securities clearing to blockchain technology. To make volatile assets like Bitcoin palatable for institutional investors, firms like BlackRock and Goldman Sachs are creating "covered call" ETFs (e.g., BITA). These products systematically sell options on Bitcoin holdings, transforming price volatility into stable monthly income, effectively repackaging crypto as a yield-bearing asset. Stablecoins are being positioned not as speculative tools but as efficient payment rails. Companies like Stripe and Mastercard are integrating them for instant, low-cost merchant settlements and cross-border card payments, respectively. Critically, new legislation like the GENIUS Act shapes them as non-interest-bearing, heavily regulated extensions of the US dollar system. In summary, Wall Street is quietly constructing a parallel, blockchain-based financial infrastructure featuring tokenized traditional assets, structured crypto yields, and programmable dollar pipelines—all under its control and fully integrated with existing regulatory and credit frameworks.

marsbitHá 2h

What Wall Street Really Wants After the Crypto Story Recedes

marsbitHá 2h

Trading

Spot
Futuros

Artigos em Destaque

Como comprar VIRTUAL

Bem-vindo à HTX.com!Tornámos a compra de Virtuals Protocol (VIRTUAL) 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 Virtuals Protocol (VIRTUAL) 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 Virtuals Protocol (VIRTUAL)Depois de comprar o teu Virtuals Protocol (VIRTUAL), 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 Virtuals Protocol (VIRTUAL)Transaciona facilmente Virtuals Protocol (VIRTUAL) 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.

398 Visualizações TotaisPublicado em {updateTime}Atualizado em 2026.06.02

Como comprar VIRTUAL

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 VIRTUAL (VIRTUAL) são apresentadas abaixo.

活动图片