ADI Chain и Shipfinex договорились о токенизации портфеля судов на $500 млн

cryptonews.ruОпубликовано 2026-08-11Обновлено 2026-08-11

Введение

Дубайская платформа Shipfinex и блокчейн-проект ADI Chain из Абу-Даби договорились о партнерстве для токенизации портфеля из примерно 35 судов общей стоимостью $500 млн. Цель — открыть судовладельцам новые каналы финансирования. Судна будут размещены в отдельных SPV, а выпускаемые токены могут представлять кредитные требования, доход от фрахта или иные экономические интересы. ADI Chain предоставит инфраструктуру для распределения токенов и расчетов, при этом первичное размещение и выплаты, как ожидается, будут проводиться в стейблкоинах (дирхамы ОАЭ, доллары США и др.). Партнерство находится на стадии пилотного проекта, регулируемый механизм эмиссии дорабатывается, а публичные выпуски токенов еще не начались. Эта инициатива развивается на фоне растущего глобального рынка токенизированных реальных активов (RWA), объем которого, по некоторым прогнозам, может достичь $4 трлн к 2028 году.

Дубайская платформа токенизации морских активов Shipfinex заключила партнёрство с ADI Chain для токенизации портфеля примерно из 35 судов стоимостью $500 млн. Компании рассчитывают открыть судовладельцам новые каналы финансирования.

По данным компании, суда разместят в отдельных компаниях специального назначения. Выпускаемые токены могут отражать обеспеченные судами кредитные требования, доход от фрахта или другие экономические интересы в отдельных судах.

Базирующийся в Абу-Даби блокчейн-проект ADI Chain специализируется на стейблкоинах и реальных активах. Он предоставит инфраструктуру для распределения токенов и расчётов. Первичное размещение и выплаты, как ожидается, пройдут с использованием стейблкоинов, номинированных в дирхамах ОАЭ, долларах США и других валютах.

Планируемая токенизация охватывает лишь небольшую часть мирового рынка морских перевозок. По данным 2,1 2026Clarksons Research.

Партнёрство пока находится на стадии пилотного проекта и подготовки к запуску: Maritime Asset Tokens публично не выпускались, а регулируемый механизм эмиссии ещё дорабатывают.

Сделка заключена на фоне роста рынка токенизированных реальных активов (RWA). По данным RWA.xyz, по состоянию на 9 августа его общий объём составлял около $38,1 млрд. Лидировали казначейские обязательства США на $16,2 млрд и сырьевые товары на $4,9 млрд.

В опубликованном в понедельник отчёте Standard Chartered глобальный руководитель исследовательского направления цифровых активов банка Джефф Кендрик спрогнозировал, что токенизированные реальные активы могут достичь $4 трлн к концу 2028 года.

Журнал: 10 самых странных объектов, когда-либо токенизированных... включая пердеж

end-content

Связанные с этим вопросы

QС какой компанией Shipfinex заключила партнёрство для токенизации судов?

AДубайская платформа токенизации Shipfinex заключила партнёрство с блокчейн-проектом ADI Chain, базирующимся в Абу-Даби.

QКакую общую стоимость имеет портфель судов, который планируется токенизировать в рамках партнёрства?

AПортфель из примерно 35 судов, планируемых к токенизации, имеет общую стоимость в 500 миллионов долларов США.

QЧто будет представлять из себя токен, выпускаемый в рамках этой инициативы?

AВыпускаемые токены могут представлять обеспеченные судами кредитные требования, доход от фрахта или другие экономические интересы в отдельных судах.

QВ какой стадии находится проект по токенизации судов?

AПартнёрство находится на стадии пилотного проекта и подготовки к запуску. Maritime Asset Tokens ещё не выпускались публично, а регулируемый механизм эмиссии находится в доработке.

QКакой общий объём рынка токенизированных реальных активов (RWA) по данным на 9 августа?

AПо данным RWA.xyz, общий объём рынка токенизированных реальных активов (RWA) по состоянию на 9 августа составлял около 38,1 миллиарда долларов США.

Похожее

Статья Артура Хейза: Ставка на укрепление иены, ENA может вырасти в 5-10 раз в ближайшие месяцы

Артур Хейз в своей статье «Йен-шок» утверждает, что курс иены к доллару готовится к значительному росту. Наиболее вероятным механизмом он считает использование Японией механизма FIMA (репо-операции ФРС для иностранных центральных банков). Это позволит Минфину Японии заложить американские гособлигации в ФРС, получить доллары и выбросить их на рынок для скупки иены, что укрепит японскую валюту. Хейз выделяет три возможных пути укрепления иены, но отвергает первые два (резкое повышение ставки Банком Японии и продажу зарубежных активов японскими институтами) из-за их разрушительных политических и экономических последствий. Третий путь через FIMA он считает предпочтительным для властей США и Японии, так как он создаст огромную долларовую ликвидность, не требуя продажи японцами американских активов. Автор предсказывает, что масштабная печать долларов через FIMA для поддержки иены приведет к резкому росту таких активов, как биткоин и золото. Он также выражает уверенность, что для запуска этого сценария председатель ФРС Джон Уош должен будет созвать соответствующий комитет и снять лимиты по механизму FIMA, чего Хейз ожидает в ближайшее время. В качестве конкретных инвестиционных идей на фоне грядущей ликвидности Хейз, помимо биткоина и недооцененного эфира, называет альткойн Ethena (ENA). Он полагает, что даже небольшой приток ликвидности может восстановить привлекательность стейблкоина USDe (основного продукта протокола Ethena), что способно привести к росту цены ENA в 5-10 раз в течение следующих нескольких месяцев.

marsbit11 мин. назад

Статья Артура Хейза: Ставка на укрепление иены, ENA может вырасти в 5-10 раз в ближайшие месяцы

marsbit11 мин. назад

Китайская команда по генерации данных впервые публикуется в журнале Nature

Гонконгская стартап-компания Vena AI стала первой в Китае и четвертой в мире компанией по генерации данных, опубликовавшей исследование в престижном журнале Nature (за последние 3 года, IF>10). Основатель компании, профессор Лю Цифэн, ранее создал в Гонконгском университете науки и технологий первый в мире кластер H800 SuperPod на тысячу чипов и участвовал в обучении третьей в Китае крупной языковой модели с параметрами в сотни миллиардов. Исследование Vena AI, опубликованное в Nature Communications, посвящено использованию ИИ для прогнозирования рисков и помощи в принятии решений при хирургическом лечении рака почки. Эта работа иллюстрирует ключевую идею компании: развитие ИИ должно идти не только в сторону улучшения способности «отвечать», но и способности «задавать вопросы». Vena AI фокусируется на генерации высококачественных рассуждающих данных (формат cQrA: контекст, вопрос, рассуждение, ответ) для профессиональных областей, что является основой для автономного обучения ИИ. Компания ставит целью создание «большого цикла обратной связи»: данные → модель → токен → данные. В этом цикле агенты ИИ, подобно команде экспертов, автоматически генерируют данные с цепочкой рассуждений, которые затем используются для улучшения моделей. Этот подход преодолевает ограничения традиционной ручной разметки данных. Основанная в июле 2024 года, Vena AI уже привлекла начальное финансирование в размере 50 млн гонконгских долларов под руководством Lenovo Capital. Компания успешно применила свою технологию в четырёх различных отраслях с высокими требованиями к точности (безопасность ценностей, госуправление, страхование, скачки), доказывая её универсальность. По мнению Лю Цифэна, будущее ИИ определяется не самими моделями или данными, а именно такими механизмами самообучения и обратной связи. Эта логика применима как к цифровым агентам, так и к воплощённому интеллекту (роботам), где данные формата cQrA эволюционируют в cTrA (контекст, задача, рассуждение, действие). Миссия Vena AI — сделать так, чтобы ИИ не только «учился по учебнику», но и «решал задачи», создавая основу для следующего этапа эволюции искусственного интеллекта.

marsbit19 мин. назад

Китайская команда по генерации данных впервые публикуется в журнале Nature

marsbit19 мин. назад

Новый фактор масштабирования в текстовом изображении обнаружен командой ByteDance Seed

Исследовательская группа ByteDance Seed обнаружила, что в моделях генерации изображений по тексту (text-to-image) длина подписей (caption) к обучающим изображениям сама по себе не является определяющим фактором для качества модели. Ключевую роль играет фактическое количество информации, связанной с изображением, которое может быть эффективно использовано моделью для обучения. В работе вводится понятие «масштабируемых свойств текстового условия» (scaling properties of text conditioning). Эксперименты показывают, что итоговая ошибка обучения диффузионной модели имеет устойчивую корреляцию с двумя метриками, измеряющими информативность подписи: Grounded Perplexity Gain (GPG) и Effective Detailness (ED). Чем выше эти показатели, тем ниже финальная ошибка модели. Для повышения информативности условий команда предлагает **Structured Prompt (SP)** — структурированное JSON-представление изображения. Оно чётко организует глобальные атрибуты (сцена, стиль), элементы (объекты, их свойства, действия, положение) и отношения между ними, уменьшая неоднозначности. Качество итоговой системы определяется двумя аспектами: 1. **Диффузируемость (Diffusability)**: способность диффузионной модели извлекать визуальную информацию из условия (повышается за счёт SP). 2. **Управляемость (Promptability)**: способность LLM-«промптера» преобразовать запрос пользователя в детализированный и точный SP (повышается за счёт масштабирования LLM и многоэтапного обучения). Финальная система, объединяющая обученный на SP диффузионный модуль и тренированный промптер, демонстрирует значительное улучшение в задачах на композицию, рассуждение и использование мировых знаний по сравнению с моделями, обученными на обычных текстовых описаниях, даже при идентичных архитектуре, данных и вычислительных бюджетах.

marsbit39 мин. назад

Новый фактор масштабирования в текстовом изображении обнаружен командой ByteDance Seed

marsbit39 мин. назад

Торговля

Спот
活动图片