加密企业Q2财报概览:熊市中「涉密」巨头们表现如何?

FОпубликовано 2022-08-10Обновлено 2022-08-10

Введение

受宏观环境影响,「涉密」巨头们第二季度财务数据均有不同程度下降。

从 7 月下旬开始,上市公司纷纷公布了第二季度的财务报告。上半年,在 Three Arrows Capital 和 Celsius 等大型机构暴雷、监管不断升级、宏观经济持续低迷的大背景下,加密巨头以及与加密行业息息相关的上市公司表现如何?

Block

由 Twitter 创始人 Jack Dorsey 创立的金融科技公司 Block 于前几日公布了二季度财务报告,Block 二季度营收为 44 亿美元,超越预期的 43 亿美元,但仍同比下降 6.6%。此外,Block 旗下 Cash App 第二季度比特币交易量和毛利分别为 17.9 亿美元和 4100 万美元,同比分别下降 34% 和 24%。

此外,第二季度 Block 对比特币计提了 3600 万美元的减值。截至 6 月 30 日,Block 对比特币投资的公允价值为 1.6 亿美元,而其账面价值为 1.13 亿美元。

截至美东时间 8 月 10 日收盘,Block 股价收报 81.13 美元,较 276.57 美元的历史最高收盘价已跌去超 70%。

Robinhood

Robinhood 第二季度财报显示:

二季度,Robinhood 净收入同比增长 6% 至 3.18 亿美元,但低于市场预期的 3.212 亿美元,其中加密数字业务收入 5800 万美元,环比增长了 7%,略高于 5540 万美元的市场预期;

净亏损 2.95 亿美元,环比收窄 25%;

平台月活用户数 1400 万,不及市场预期的 1550 万。

对于 Robinhood 而言,第二季度同样新闻不断。北京时间 8 月 2 日、3 日,Robinhood 分别曝加密部门因违反反洗钱(AML)和网络安全法规被纽约州金融服务管理局(NYDFS) 罚款 3000 万美元和裁员 23% 的消息,之后又否定了会被 FTX 收购的传闻。

Robinhood 今年以来股价最低点相较开年时已腰斩,美东时间 8 月 10 日收盘反弹至 10 美元附近,但较 55 美元左右的历史高收盘价仅剩不到 20%。当前,机构给 Robinhood 的 12 个月平均目标价为 11.42 美元。华尔街对这家公司有 8 个持有评级,6 个买入评级和 3 个卖出评级。

Meta

Meta 第二季度财报显示,旗下元宇宙部门 Reality Labs 二季度收入为 4.52 亿美元,较第一季度的 6.95 亿美元环比下降近 35%,亏损 28 亿美元,较一季度的 29.6 亿美元环比有所收窄。

第二季度内,Meta 在元宇宙方面的发展可谓喜忧参半。二季度内,Meta 先后在 Instagram、Facebook 等应用中测试 NFT 功能,并积极推动基于 AR、VR 的元宇宙设备和体验赛道的发展。7 月,IDC 数据显示,2022 年第一季度全球 VR 头盔的出货量较去年第一季度相比增长了 241.6%, Meta 的 Quest 2 占据了 VR 头盔市场 90% 的份额,其后字节跳动的 Pico 仅占 4.5% 的份额 。

整体而言,Meta 二季度营业收入 288.22 亿美元,较去年二季度同比下降 0.88%,为 Meta 公司史上首次营收同比下滑,分析师预期 289.3 亿美元,一季度营收同比增长 7%。二季度稀释后每股收益(EPS)为 2.46 美元,创 2020 年二季度以来新低,同比下降 32%,分析师预期同比下降 29.6% 至 2.54 美元,一季度同比下降 18%。此外,Meta 二季度净利润 66.87 亿美元,同比下降 14.8%,刷新一季度所创的 2020 年二季度以来新低,一季度同比降 21.3%。

Meta 股价于 2021 年 9 月收盘价一度逼近 380 美元,美东时间 8 月 10 日收盘报 168.53 美元,已跌回 2020 年 4 月初的水平。

Roblox

因元宇宙概念而爆红的美国游戏巨头、沙盒游戏平台公司 Roblox 第二季度财报显示:

二季度,Roblox 收入为 5.912 亿美元,同比增长 30%,但远远低于市场预期的 6.26 亿美元;

二季度预定金额 6.399 亿美元,同比下滑 4%,同样低于市场预期的 6.572 亿美元。

每日活跃用户(DAU)达到 5220 万,同比增长 21%,但较一季度的 28% 增速明显放缓。参与小时数为 113 亿,增长 16%。

Roblox 同时还公布了 7 月的业绩指引:

公司预计,7 月份营收将同比增长 25% 至 27%,至 2.05 亿美元至 2.08 亿美元之间;

预订金额将同比增长 8%-10%,达到 2.43 亿至 2.47 亿美元;

DAU 将达到 5.85 亿,同比增长 26%,游戏参与小时数将同比增长 25% 至 47 亿小时;每 DAU 预订金额将为 4.15 至 4.22 美元,同比下降 12% 至 14%。

美东时间 8 月 10 日 Roblox 收盘报 47.35 美元,较 135 美元附近的历史最高收盘价已跌去近 65%。

英伟达

在去年的加密货币牛市中因以太坊矿业迅速发展而借到了东风的英伟达(NVIDIA)随着以太坊合并的临近以及宏观经济等原因显露了疲态。

据英伟达第二季度财报显示,公司季度营收为 67 亿美元,大幅不及市场预期为 81 亿美元,环比下降 19%,同比增长 3%。游戏业务收入(包括显卡销售收入)同样大幅不及市场预期,季度营收 20.4 亿美元,环比下降 44%,同比下降 33%。

英伟达表示,由于预计到影响销售的宏观经济状况将继续,公司与游戏合作伙伴采取行动调整渠道价格和库存。

今年 5 月美国证券交易委员会(SEC )指控英伟达在 2018 财年的连续几个季度中,该公司未能披露加密挖矿是其销售其为游戏设计的 GPU 带来的实质性收入增长的重要因素。

美东时间 8 月 10 日英伟达股价收盘报 170.86 美元,较近 330 美元的历史最高收盘价接近腰斩。

Twitter

作为 Web3 行业的一个重要信息来源,Twitter 此前与特斯拉 CEO Elon Musk 因收购问题来回拉扯最终走到了对簿公堂的一步。虽然收购与将 Twitter 改造为 Web3 产品的梦想暂未实现,但 Twitter 在对加密货币和 NFT 的探索上却从未止步。

Twitter 第二季度核心指标表现如下:

季度营收 11.77 亿美元,低于市场预估的 13.2 亿美元,同比下降 1.1%。

净亏损 2.7 亿美元,去年同期盈利 6565 万美元,利润同比暴跌 511.27%。

广告收入 10.76 亿美元,低于市场预估的 12.3 亿美元,同比增长 3.2%;订阅和其他收入 1.01 亿美元,同比下滑 27%。

第一季度 DAU(日活跃用户)2.378 亿,同比增长 16.6%。其中美国市场平均日活为 4150 万,同比增长 14.7%;国际市场平均日活为 1.963 亿,同比增长 17.0%。

美东时间 8 月 10 日收盘 Twitter 股价报 42.83 美元,较 77.06 美元的历史最高收盘价跌去 44.42%。

加密货币矿企

CleanSpark

CleanSpark 第二季度收入为 3100 万美元,其中 CleanSpark 挖矿业务占总收入的 90%,净亏损 2930 万美元,亏损环比激增逾 170 倍。CleanSpark 表示将出售其能源业务资产,以完全专注于比特币挖矿。

Marathon Digital

Marathon Digital 第二季度收入 2490 万美元,同比下降 15%;亏损 1.92 亿美元,同比扩大超 76%。Marathon Digital 第二季度开采了 707 枚比特币,环比减少了 44%,同时持有的比特币本季度计提了 1.276 亿美元减值。

Cipher Mining

Cipher Mining 第二季度净亏损 2900 万美元,亏损环比扩大 65.7%。Cipher Mining 在财报中表示,其挖矿的成本每 TH/s 降低了 10 美元。

Похожее

Как определить, является ли видео сгенерированным ИИ? Обзор динамической, прослеживаемой и объяснимой системы детекции

**Как определить, является ли видео созданным ИИ? Обзор динамической, отслеживаемой и объяснимой системы обнаружения** За последние два года модели генерации видео, такие как Sora, Google Veo и Kling, достигли кинематографического качества, создавая многосекундные сложные сцены. Это создает растущий разрыв с областью обнаружения, которая отстает, в то время как количество и качество поддельных видео в социальных сетях стремительно растет. В обзоре, принятом на ACL 2026, исследователи переосмысливают цель обнаружения: от простой бинарной классификации («поддельное/настоящее») к **верификации фактологической достоверности**. Задача — проверить, соответствует ли содержание видео (кто, что, где, когда) восприятию и знаниям о реальном мире, включая физические законы и здравый смысл. Авторы выделяют три парадигмы AI-видео: 1. **Локальная манипуляция (LMV):** Изменение части реального видео (например, Deepfake). 2. **Аудиовизуальное редактирование (AVE):** Изменение синхронизации между звуком, речью и видео. 3. **Генеративный синтез видео (GVS):** Полная генерация видео «с нуля» (например, Sora), что представляет наибольшую сложность. Для обнаружения предлагается **четырехуровневая система с двойным визуально-языковым подходом**: * **Уровень 1: Низкоуровневые визуальные сигналы** (артефакты, шум, физиологические сигналы). * **Уровень 2: Пространственно-временная согласованность** (плавность движений, физическая непрерывность). * **Уровень 3: Межмодальная согласованность** (проверка соответствия видео, звука и текста). * **Уровень 4: Рассуждение на уровне знаний о мире** (проверка соответствия фактам, законам физики и здравому смыслу). Фокус методов смещается от первых двух уровней (визуальных) к третьему и четвертому (языковым и смысловым). Обзор подчеркивает, что будущие системы обнаружения должны быть **динамическими, объяснимыми и отслеживаемыми**. Они должны не просто классифицировать, а предоставлять доказательства, связывать выводы с конкретными элементами видео (объектами, событиями) и оставаться устойчивыми к новым генеративным моделям. Это требует объединения усилий компьютерного зрения, обработки естественного языка и исследований многомодальных моделей для создания надежной системы проверки достоверности видео в эпоху продвинутого ИИ.

marsbit27 мин. назад

Как определить, является ли видео сгенерированным ИИ? Обзор динамической, прослеживаемой и объяснимой системы детекции

marsbit27 мин. назад

Новый открытый исходный код NVIDIA MoE: одна строка import, ускорение тонкой настройки в 3,7 раза

NVIDIA представила открытую библиотеку NeMo AutoModel, которая значительно ускоряет тонкую настройку MoE-моделей. Достаточно добавить одну строку импорта в код на основе Hugging Face Transformers v5, чтобы получить прирост производительности до 3.7 раз и сократить использование видеопамяти GPU на 29-32%. Библиотека совместима с API Transformers и вводит три ключевые оптимизации: Expert Parallelism (EP) для распределения параметров экспертов по GPU и снижения нагрузки на память, DeepEP для совмещения вычислений и коммуникаций, а также Transformer Engine для ускорения базовых операций. На примере модели Qwen3-30B-A3B на 8 GPU H100 скорость обучения выросла с 3075 до 11340 токенов в секунду на GPU. Для очень крупных моделей, таких как Nemotron 3 Ultra 550B, NeMo AutoModel позволяет проводить тонкую настройку там, где стандартный Transformers v5 исчерпывает доступную память. Проект доступен на GitHub, предоставляя простой способ ускорения работы с MoE-архитектурами без серьёзных изменений кода.

marsbit27 мин. назад

Новый открытый исходный код NVIDIA MoE: одна строка import, ускорение тонкой настройки в 3,7 раза

marsbit27 мин. назад

Никто не ожидал, что первой сферой применения AI x Crypto станет аудит безопасности

По неожиданному сценарию, первой областью, где искусственный интеллект (ИИ) реально изменил криптоиндустрию, стала безопасность и аудит. В 2026 году DeFi-сектор столкнулся с растущим давлением: общая стоимость заблокированных средств (TVL) сократилась примерно на 39% с начала года, а хакерские атаки привели к потере около 942 миллионов долларов только за первое полугодие. Распространение продвинутых ИИ-моделей, таких как Claude Mythos, радикально снизило стоимость и требования к навыкам для поиска уязвимостей в смарт-контрактах. Атаки стали масштабными, быстрыми (от обнаружения до эксплуатации — минуты) и нацеленными даже на старые, давно развернутые контракты. Традиционная модель аудита, основанная на разовых отчетах, демонстрирует трещины. Атаки смещаются от чистого кода к эксплуатации логики протоколов, ошибок конфигурации и социальной инженерии (как в случаях с Drift Protocol и KelpDAO). Соучредитель OpenZeppelin заявил, что считает весь DeFi небезопасным из-за сверхчеловеческих способностей ИИ в поиске уязвимостей. В ответ проект и аудиторские компании вынуждены меняться. Возникает спрос на повторные аудиты по новым стандартам. Аудиторские фирмы внедряют собственные ИИ-системы для автоматического анализа и переходят от разовых проверок к непрерывному мониторингу, формальной верификации и встраиванию защиты на этапе разработки (как Skills от OpenZeppelin). Такие ИИ-инструменты, как Firepan, уже находят сложные комбинированные уязвимости, упущенные при многократных ручных аудитах, как в случае с Curve Finance. Эпоха, когда одного аудита было достаточно навсегда, закончилась. Безопасность становится не разовым этапом, а постоянной инфраструктурной затратой. Будущее останется за теми, кто быстрее адаптирует свои услуги к реалиям «гонки вооружений» между ИИ-атаками и ИИ-защитой.

marsbit34 мин. назад

Никто не ожидал, что первой сферой применения AI x Crypto станет аудит безопасности

marsbit34 мин. назад

Никогда бы не подумал, что первым применением AI x Crypto станет аудит безопасности

Данные показывают, что к июню TVL в DeFi упал примерно до $700 млрд, что на 39% меньше показателей начала года. При этом в 2026 году в сфере DeFi произошло 121 хакерское нападение с общим ущербом около $942 млн. С распространением новых инструментов ИИ значительно снизились стоимость и требуемые навыки для поиска уязвимостей в смарт-контрактах. Традиционная модель аудита безопасности сталкивается с серьёзными проблемами. Наступление ИИ-атак происходит быстрее, что сокращает жизненный цикл аудиторских отчётов. Даже прошедшие аудит протоколы, такие как Drift Protocol и KelpDAO, подверглись атакам через уязвимости в логике операций или конфигурации инфраструктуры. В ответ на это проекты начинают пересматривать свою безопасность в соответствии с новыми стандартами эпохи ИИ. Компании, занимающиеся аудитом безопасности, также трансформируются, внедряя системы аудита с поддержкой ИИ и переходя от разовых проверок к постоянному мониторингу и встроенной безопасности. Такие инструменты, как Firepan, уже доказали свою эффективность, находя сложные уязвимости в тщательно проверенных контрактах, например, в Curve Finance. В целом, сфера аудита безопасности переходит от модели, основанной на разовых проверках, к конкурентной модели, требующей постоянных инвестиций. ИИ ускоряет как атаки, так и развитие защитных систем.

链捕手41 мин. назад

Никогда бы не подумал, что первым применением AI x Crypto станет аудит безопасности

链捕手41 мин. назад

На Polymarket произошла эксплуатация уязвимости на сумму $3 млн: пользователи получат полные возмещения после взлома третьей стороны

Платформа прогнозных рынков Polymarket пострадала от взлома, в результате которого было похищено криптоактивов на сумму около $3 млн. Компания заявила, что полностью возместит убытки пострадавшим пользователям. Инцидент произошёл не из-за уязвимости основной архитектуры платформы, а из-за вредоносного скрипта, внедрённого на её фронтенд через взломанного стороннего поставщика. Считается, что атака затронула менее 15 кошельков. Исследователи безопасности охарактеризовали произошедшее как атаку на цепочку поставок, отметив, что базовый протокол Polymarket не был скомпрометирован. Это уже второй инцидент безопасности на платформе за последние два месяца, что подчеркивает растущие риски, связанные с зависимостью от стороннего программного обеспечения. Несмотря на готовность Polymarket компенсировать убытки, подобные атаки становятся серьёзной проблемой для криптоиндустрии, всё больше полагающейся на внешних поставщиков услуг.

TheNewsCrypto44 мин. назад

На Polymarket произошла эксплуатация уязвимости на сумму $3 млн: пользователи получат полные возмещения после взлома третьей стороны

TheNewsCrypto44 мин. назад

Торговля

Спот
活动图片