Bullish Teams Up with Deutsche Bank for Crypto-Fiat Integration

TheCryptoTimesОпубликовано 2025-10-08Обновлено 2025-10-08

Bullish, a platform for institutional investors in the digital asset space that offers market infrastructure and data services, has teamed up with Deutsche Bank for corporate banking. The firm aims to connect traditional finance with the cryptocurrency sector.

As per the press release, under the agreement, Deutsche Bank will offer a range of banking services to Bullish, focusing on the smooth handling of regular currency deposits and withdrawals for users of Bullish Exchange’s regulated operations in Hong Kong and Germany. 

The partnership aims to incorporate features, including real-time reporting via APIs, instant payment capabilities, and a virtual accounting system designed to enhance transaction monitoring. The agreement also outlines intentions to extend these services to new markets, such as the U.S., as Bullish expands its regulatory reach.

Chris Tyrer, President of Bullish Exchange, described the partnership as a key development for the company’s banking framework, noting it will improve customer access to secure and efficient ways to move funds in and out of the platform using Deutsche Bank’s traditional payment systems.

Kilian Thalhammer, Head of Merchant Solutions at Deutsche Bank, emphasized the bank’s focus on collaborating with firms that prioritize safety, openness, and approaches. He further shared, “Our collaboration with Bullish, a globally recognised leader in regulated virtual asset services, reflects our ambition to act as a Global Hausbank for the emerging digital economy”.

Since its launch in November 2021, Bullish has processed over $1.5 trillion in total trading volume. In 2025, the platform managed an average of more than $2 billion in daily trades, securing a spot among the top ten exchanges for spot trading of Bitcoin and Ether. 

Also Read: Bullish Launches NYDFS-Licensed Spot Trading Platform in US

Mobile Only Image

Похожее

Three Years Later: Looking Back at My Predictions About ChatGPT in 2023

Three Years Later: Revisiting My 2023 Predictions on ChatGPT In March 2023, shortly after ChatGPT's launch, I made 20 predictions about its future. Now, in mid-2026, I've used AI agents to fact-check each one against the latest data. Overall, most major directional forecasts were correct, with only one outright error (incorrectly stating GPT-4 had 100 trillion parameters). Key successes included predicting that RAG and retrieval architectures would become the standard for handling knowledge and hallucinations, that natural language interfaces (LUI) would create a massive new industry layer beyond the models themselves, and that China would develop viable large language models, significantly closing the performance gap with Western counterparts within about three years. Predictions about the absence of mass unemployment, the rise of a new "robot network" for agent communication, and ChatGPT not possessing consciousness also held true in their core arguments. However, the "devil was in the details." Errors frequently involved specific numbers, timelines, or overlooking distributional effects. I tended to overestimate the speed of adoption (e.g., for agent networks) while underestimating the ultimate scale of capabilities or costs (e.g., AI winning IMO gold without tools, or the extreme capital required for frontier models). Other misjudgments included: underestimating how AI would reinforce, not dissolve, information filter bubbles; incorrectly assuming AI-generated content would easily circumvent copyright (it has instead triggered record-breaking settlements); and misidentifying where value would be captured (it accrued overwhelmingly to the compute layer, like Nvidia, not just the application or model layers). Key lessons from reviewing these predictions are: 1) Directional and mechanistic insights are far more reliable than precise numbers or absolute statements. 2) There's a consistent bias to overestimate short-term speed but underestimate long-term magnitude. 3) Errors often lie in missing distributional impacts within a generally correct aggregate trend. 4) Predictions phrased with nuance and caveats aged the best. 5) Some fundamental debates (e.g., on machine consciousness or the ultimate value chain) remain unresolved even after three years. This exercise is less about scoring the past and more about establishing rules for clearer thinking about the next three years of AI.

marsbit1 ч. назад

Three Years Later: Looking Back at My Predictions About ChatGPT in 2023

marsbit1 ч. назад

Three Years Later: Looking Back on My 2023 Predictions for ChatGPT

Looking Back After Three Years: Revisiting My 2023 Predictions on ChatGPT In March 2023, shortly after ChatGPT's debut and before GPT-4's release, I made over twenty predictions about AI's future based on limited information and intuition. Now, in May 2026, I revisited those forecasts using an AI-driven analysis with 41 Opus 4.8 agents to cross-reference them with the latest data. The assessment used symbols: ✅ Correct, 🟢 Mostly Correct, 🟡 Partially Correct, ❌ Incorrect. Overall, the directional judgments held up well, with only one major factual error regarding GPT-4's rumored parameter size (incorrectly cited as 100T). However, nuances and degrees of accuracy revealed more. **What Was Largely Correct:** Predictions about mechanisms and directions proved accurate. The rise of RAG (Retrieval-Augmented Generation) as the standard architecture for combating AI hallucination was confirmed, as was the transformative potential of LUI (Language User Interface) in creating a new industry layer atop GUIs. The emergence of "robot networks" (agent-to-agent communication protocols) and China's rapid catch-up in developing capable large models (closing the performance gap with top models to ~2.7%) were also on point. The analysis affirmed that LLMs lack consciousness and that the Turing Test merely measures perceived intelligence. **What Was Off Target:** Errors often involved specific numbers, over-optimistic timelines, or misjudged distributions. The prediction that value would primarily accrue to the application layer was half-right but missed NVIDIA's dominance as the profitable infrastructure layer. Forecasts about AI circumventing copyright issues and fostering a "global common ground" by averaging human viewpoints were incorrect; instead, major copyright settlements occurred and AI personalization is increasing. Estimates for model training costs ("$5-10 billion cap") were significantly off, underestimating frontier costs and overestimating replication costs. The notion that LLMs could never do complex math without tools was disproven by later models winning IMO gold. **Key Patterns from the Review:** 1. **Direction over precision:** Judgments about mechanisms and trends were more reliable than specific numbers or definitive statements. 2. **Timing bias:** There was a tendency to overestimate short-term speed but underestimate long-term magnitude and transformation. 3. **The distribution blind spot:** Aggregate-level correctness often masked uneven impacts (e.g., on young professionals' employment). 4. **The value of qualifiers:** Predictions framed with caution (e.g., "reportedly," "for now," "prototype in 2-3 years") aged better. 5. **Some debates continue:** Issues like the nature of "emergent abilities" or machine consciousness remain unresolved. This three-year review highlights that while seeing the big picture is crucial, humility regarding specifics, timelines, and disparate impacts is essential for future forecasting.

链捕手3 ч. назад

Three Years Later: Looking Back on My 2023 Predictions for ChatGPT

链捕手3 ч. назад

AI Bubble Warning: AI Investments Are Negative Returns for Most Tech Giants

The article issues a stark warning about a potential AI investment bubble. It notes that while the AI boom shares similarities with the TMT bubble of the late 1990s, its scale is vastly larger, currently driving 93% of U.S. GDP growth. Major hyperscale cloud providers like Microsoft, Alphabet, Amazon, Meta, and Oracle are planning to invest trillions in AI data centers over the coming years. However, calculations based on analyst projections for 2025-2030 reveal a concerning math problem: expected capital expenditure growth far outpaces projected revenue growth. Even under an extremely optimistic scenario of zero costs, the implied return on investment for most of these tech giants (except Amazon) is deeply negative. This suggests that the current trajectory could lead to one of history's largest shareholder value destruction events. The piece outlines two potential escapes: AI generating vastly more revenue than currently anticipated—a near-impossible task—or a significant cutback in the planned investment splurge. The latter scenario could trigger a domino effect, severely impacting the entire tech supply chain (from Nvidia to TSMC), potentially pushing the U.S. economy into recession, and causing a major stock market downturn. The author suggests upcoming high-profile IPOs by companies like OpenAI and Anthropic might represent a transfer of risk from early investors to public market participants. While the peak of the hype cycle might sustain investment through 2026, the fundamental financial dilemma remains unresolved, setting the stage for a potential market correction in 2027 or 2028, similar to the years following Alan Greenspan's "irrational exuberance" warning.

marsbit4 ч. назад

AI Bubble Warning: AI Investments Are Negative Returns for Most Tech Giants

marsbit4 ч. назад

From Tokens to Machine Labor: AI is Shifting from Tool to "Worker"

The article "From Token to Machine Labor: AI is Evolving from Tool to 'Worker'" argues that the business model for AI is shifting beyond simply selling computational resources (tokens, GPU hours) or model access. Instead, a new "machine labor market" is emerging, where the core economic transaction is the purchase of economically useful work directly performed by software. The central thesis is that AI pricing will evolve through four stages: 1) raw tokens, 2) standardized LLM capabilities (e.g., text generation), 3) industry-specific labor markets (e.g., legal review, radiology), and finally 4) a programmable results market where tasks like resolving a support ticket are bid on and priced based on outcome. In this future, buyers will care less about *which* model or GPU completes a task and more about whether the work meets specified standards for accuracy, latency, and cost. This transition reframes the impact of AI on human labor. Rather than simple replacement, it suggests a re-coordination where machines handle standardized, verifiable work, freeing humans for roles involving oversight, context management, responsibility, and final judgment. In some cases, this "last 1%" of human input becomes more valuable as it enables the other 99% to be automated. Furthermore, as AI reduces the cost of work, demand may expand, creating larger markets (e.g., 24/7 customer service) rather than just cheaper versions of existing ones. The article concludes that while infrastructure (GPUs, models, tokens) remains crucial upstream, the market is converging on a simpler, tradeable unit: machine labor that can be defined, measured, priced, and procured based on contractible specifications.

marsbit4 ч. назад

From Tokens to Machine Labor: AI is Shifting from Tool to "Worker"

marsbit4 ч. назад

Xiaomi MiMo's 99% Price Cut is Not Marketing! Luo Fuli Posts on X to Refute Critics

The price of Xiaomi's MiMo-V2.5 series API has been permanently reduced by up to 99%, specifically for the "Input (Cache Hit)" cost, which covers users re-reading historical context in long conversations. MiMo's head, Luo Fuli, published a detailed technical blog to clarify that this drastic price cut stems from genuine engineering breakthroughs, not a marketing stunt or a simple price war. The core of the achievement lies in six key engineering optimizations. First, the model architecture adopts a Hybrid Sliding Window Attention (SWA), reducing the memory footprint (KVCache) to 1/7th of a traditional model. Second, a dual-pool memory management system actually utilizes these savings, allowing a single GPU to handle over 5 times more concurrent users. Third, an upgraded prefix caching mechanism achieves a cache hit rate of 93-95% for repeated reads, meaning most such requests bypass GPU computation entirely. Fourth, a self-developed distributed cache (GCache) utilizes idle SSD space on existing GPU servers, eliminating additional storage costs. Fifth, an intelligent scheduling system (LLM-Router) efficiently routes requests to maximize cache reuse and performance. Sixth, Multi-Token Prediction (MTP) accelerates the model's text generation ("output") side. Together, these systemic optimizations dramatically lower the real computational cost per request, enabling the 99% price reduction for cached inputs while reportedly maintaining positive gross margins. Luo Fuli's disclosure aims to shift the narrative from "price war" to a demonstration of substantive AI engineering progress.

marsbit6 ч. назад

Xiaomi MiMo's 99% Price Cut is Not Marketing! Luo Fuli Posts on X to Refute Critics

marsbit6 ч. назад

Торговля

Спот
Фьючерсы

Популярные статьи

Что такое $BANK

Банк ИИ: Революционный шаг в будущее банковского дела Введение В эпоху, отмеченную быстрыми темпами технологического прогресса, Банк ИИ находится на пересечении искусственного интеллекта (ИИ) и банковских услуг. Этот инновационный проект стремится переопределить финансовый ландшафт, повышая операционную эффективность, меры безопасности и качество обслуживания клиентов с помощью ИИ. Приступая к этому изучению Банка ИИ, мы углубимся в то, что включает в себя проект, его операционную динамику, его исторический контекст и значительные вехи. Что такое Банк ИИ? В своей основе Банк ИИ представляет собой преобразовательную инициативу, направленную на интеграцию искусственного интеллекта в различные банковские операции. Этот проект использует возможности ИИ для автоматизации процессов, улучшения протоколов управления рисками иEnhancing взаимодействия с клиентами через персонализированные услуги. Основные цели Банка ИИ включают: Автоматизация банковских функций: Используя технологии ИИ, Банк ИИ стремится автоматизировать рутинные задачи, снижая нагрузку на человеческие ресурсы и повышая эффективность. Улучшение управления рисками: Проект использует алгоритмы ИИ для прогнозирования и выявления рисков, тем самым укрепляя меры безопасности против мошенничества и других угроз. Персонализация банковских услуг: Банк ИИ сосредоточен на предложении индивидуально подобранных финансовых продуктов и услуг, анализируя данные и поведение клиентов. Улучшение клиентского опыта: Внедрение решений на базе ИИ, таких как чат-боты и виртуальные помощники, направлено на предоставление пользователям более человеческого взаимодействия, революционизируя способ, которым клиенты взаимодействуют с банками. С этими целями Банк ИИ позиционирует себя как ключевого игрока в сделании банковских услуг более эффективными, безопасными и ориентированными на пользователей. Кто создатель Банка ИИ? Детали, касающиеся создателя Банка ИИ, остаются неизвестными. Таким образом, ни одно конкретное лицо или организация не были идентифицированы в доступной информации. Анонимность, окружающая начало проекта, поднимает вопросы, но не умаляет его амбициозного видения и целей. Кто инвесторы Банка ИИ? Подобно создателю проекта, конкретная информация о инвесторах или поддерживающих организациях Банка ИИ не была раскрыта. Без этой информации трудно описать финансовую поддержку и институциональную поддержку, которая может продвигать проект вперед. Тем не менее, важность наличия прочной инвестиционной базы является ключевой для поддержания развития в такой инновационной сфере. Как работает Банк ИИ? Банк ИИ работает на нескольких инновационных фронтах, сосредотачиваясь на уникальных факторах, которые отличают его от традиционных банковских рамок. Ниже приведены ключевые операционные особенности: Автоматизация: Применяя алгоритмы машинного обучения, Банк ИИ автоматизирует различные ручные процессы внутри банков. Это приводит к снижению операционных затрат и позволяет работникам перераспределять свои усилия на более стратегические деятельности. Совершенное управление рисками: Интеграция ИИ в практики управления рисками обеспечивает банки инструментами для точного прогнозирования потенциальных угроз, таких как мошенничество, обеспечивая безопасность информации и активов клиентов. Индивидуализированные финансовые рекомендации: Путем непрерывного обучения на основе взаимодействия с клиентами, системы ИИ развивают тонкое понимание потребностей пользователей, позволяя им предлагать персонализированные советы по финансовым решениям. Улучшенные взаимодействия с клиентами: Используя чат-боты и виртуальных помощников на базе ИИ, Банк ИИ обеспечивает более увлекательный клиентский опыт, позволяя пользователям быстро получать ответы на свои запросы, тем самым сокращая время ожидания и повышая уровень удовлетворенности. Все вместе эти операционные особенности позиционируют Банк ИИ как пионера в банковском секторе, устанавливающего новые эталоны для предоставления услуг и операционного совершенства. Хронология Банка ИИ Понимание траектории Банка ИИ требует взгляда на его исторический контекст. Ниже представлена хронология, подчеркивающая важные вехи и события: Начало 2010-х: Концепция интеграции ИИ в банковские услуги начала привлекать внимание, когда банковские учреждения осознали потенциальные преимущества. 2018: Произошел заметный рост внедрения технологий ИИ, когда банки начали использовать инструменты ИИ, такие как чат-боты, для базового обслуживания клиентов и системы управления рисками для улучшения безопасности. 2023: Сложность ИИ продолжала развиваться, при этом генеративный ИИ был представлен для выполнения более сложных задач, таких как обработка документов и анализ инвестиций в реальном времени. Этот год стал значительным шагом вперед в возможностях, которые ИИ-технологии предоставили банкам. 2024-Настоящее состояние: На данный момент Банк ИИ находится на восходящей траектории, с продолжающимися исследованиями и разработками, которые расширяют возможности в банковских операциях. Продолжение изучения приложений ИИ намекает на захватывающие события, которые еще предстоят. Ключевые моменты о Банке ИИ Интеграция ИИ в банковское дело: Банк ИИ сосредоточен на принятии искусственного интеллекта для оптимизации банковских процессов и улучшения пользовательского опыта. Автоматизация и фокус на управлении рисками: Проект сильно акцентирует внимание на этих областях, стремясь сместить бремя рутинных задач, одновременно усиливая системы безопасности с помощью предсказательной аналитики. Персонализированные банковские решения: Используя данные клиентов, Банк ИИ предоставляет индивидуально подобранные банковские услуги, которые учитывают потребности отдельных пользователей. Обязанность по развитию: Банк ИИ остается приверженным постоянным исследовательским и развивающим усилиям, обеспечивая свою адаптируемость и постоянную актуальность по мере того, как технологии продолжают развиваться. Заключение В заключение, Банк ИИ является важным шагом вперед в банковской индустрии, использующим искусственный интеллект для изменения операционных парадигм, повышения безопасности и повышения удовлетворенности клиентов. Несмотря на пробелы в информации о создателе и инвесторах, четкие цели и функциональные механизмы Банка ИИ обеспечивают прочную основу для его постоянной эволюции. Поскольку технологии ИИ продолжают развиваться и сливаться с банковским сектором, Банк ИИ хорошо позиционирован, чтобы существенно повлиять на будущее финансовых услуг, улучшая наш подход к пониманию и взаимодействию с банковским делом.

148 просмотров всегоОпубликовано 2024.04.06Обновлено 2024.12.03

Что такое $BANK

Как купить BANK

Добро пожаловать на HTX.com! Мы сделали приобретение Lorenzo Protocol (BANK) простым и удобным. Следуйте нашему пошаговому руководству и отправляйтесь в свое крипто-путешествие.Шаг 1: Создайте аккаунт на HTXИспользуйте свой адрес электронной почты или номер телефона, чтобы зарегистрироваться и бесплатно создать аккаунт на HTX. Пройдите удобную регистрацию и откройте для себя весь функционал.Создать аккаунтШаг 2: Перейдите в Купить криптовалюту и выберите свой способ оплатыКредитная/Дебетовая Карта: Используйте свою карту Visa или Mastercard для мгновенной покупки Lorenzo Protocol (BANK).Баланс: Используйте средства с баланса вашего аккаунта HTX для простой торговли.Третьи Лица: Мы добавили популярные способы оплаты, такие как Google Pay и Apple Pay, для повышения удобства.P2P: Торгуйте напрямую с другими пользователями на HTX.Внебиржевая Торговля (OTC): Мы предлагаем индивидуальные услуги и конкурентоспособные обменные курсы для трейдеров.Шаг 3: Хранение Lorenzo Protocol (BANK)После приобретения вами Lorenzo Protocol (BANK) храните их в своем аккаунте на HTX. В качестве альтернативы вы можете отправить их куда-либо с помощью перевода в блокчейне или использовать для торговли с другими криптовалютами.Шаг 4: Торговля Lorenzo Protocol (BANK)С легкостью торгуйте Lorenzo Protocol (BANK) на спотовом рынке HTX. Просто зайдите в свой аккаунт, выберите торговую пару, совершайте сделки и следите за ними в режиме реального времени. Мы предлагаем удобный интерфейс как для начинающих, так и для опытных трейдеров.

991 просмотров всегоОпубликовано 2025.05.09Обновлено 2026.05.19

Как купить BANK

Обсуждения

Добро пожаловать в Сообщество HTX. Здесь вы сможете быть в курсе последних новостей о развитии платформы и получить доступ к профессиональной аналитической информации о рынке. Мнения пользователей о цене на BANK (BANK) представлены ниже.

活动图片

Топ вопросы

Популярные категорииright-arrow

Популярные тегиright-arrow