# Сопутствующие статьи по теме Модель доходов

Новостной центр HTX предлагает последние статьи и углубленный анализ по "Модель доходов", охватывающие рыночные тренды, новости проектов, развитие технологий и политику регулирования в криптоиндустрии.

Jito использует JTX для захвата пользовательского трафика, почему рынок все еще недооценивает?

Jito запустила продукт JTX 14 июля, что меняет её бизнес-модель: теперь она не просто зависит от активности в блок-пространстве Solana, а сама устанавливает цену на пользовательский трафик. Это может привести к значительному пересмотру стоимости токена JTO. По базовому сценарию, если JTX захватит 15% объема торгов на DEX Solana к Q2 2027, это принесет около 58 млн долларов США годового дохода. При консервативной оценке в 30x P/S (мультипликатор цена/выручка) это подразумевает цену JTO в 1,18 доллара (+57% к текущему уровню). Авторы считают, что даже 30x — это осторожная оценка для растущего бизнеса с новой моделью. Вероятностно взвешенный целевой показатель составляет 2,75 доллара (потенциальный рост около 267%). Оптимистичный сценарий (40% вероятность) предполагает долю JTX в 25% и мультипликатор 45x, что даёт цену 5,31 доллара. Пессимистичный сценарий (10% вероятность) предполагает стагнацию доли на уровне 5% и снижение мультипликатора до 15x, что соответствует цене 0,36 доллара. Успех JTX также создает чёткий механизм создания стоимости для токена JTO: ожидается, что до 80% его доходов будет направляться на выкуп и сжигание токенов. В базовом сценарии это может сократить скорректированное предложение на 1,5% за год. Таким образом, несмотря на текущую недооценку рынком, Jito с JTX переходит в категорию компаний, устанавливающих цену на трафик, что открывает значительный потенциал роста.

marsbit07/28 11:10

Jito использует JTX для захвата пользовательского трафика, почему рынок все еще недооценивает?

marsbit07/28 11:10

От автомобильного финансирования к биткойну и AI-двигателю: стратегия Kongo «что не следует делать»

«Извне, должно быть, кажется, что эта компания сошла с ума», — говорит Джульетта. Китайская компания Cango, изначально занимавшаяся автокредитованием, совершила резкие повороты: сначала инвестировала сотни миллионов долларов в биткоин-майнинг, а теперь, когда другие майнеры массово переориентируются на аренду мощностей для обучения ИИ, Cango идёт против тренда. Компания, вышедшая на IPO в Нью-Йорке в 2018 году, прошла три этапа трансформации. В ноябре 2024 года она приобрела майнинговое оборудование Bitmain на 50 EH/s, став «чистой» майнинговой компанией. А в апреле 2025 года запустила дочернюю структуру EcoHash для **инференса ИИ** (логического вывода), а не для обучения моделей. Её стратегия основана на принципе «так же важно понимать, чего не делать». По словам старшего директора по коммуникациям Джульетты Е, цель с самого начала заключалась не в майнинге, а в контроле над **энергоресурсами**. Майнинг стал лишь точкой входа в энергетическую инфраструктуру. Теперь Cango делает ставку на распределённые мощности: в отличие от гиперскалеров, которым нужны крупные центры обработки данных, для инференса ИИ важна низкая задержка, что требует размещения ближе к пользователям. Компания считает, что множество мелких майнинговых площадок (10-50 МВт) идеально подходят для этого. Её платформа EcoLink должна объединить эти разрозненные мощности, предлагая клиентам (например, стартапам) более дешёвые вычисления, чем у крупных облачных провайдеров. При этом Cango не отказывается от биткоина полностью, оставляя часть мощностей (31.7 EH/s) как источник денежного потока для финансирования перехода в ИИ. Компания провела жёсткую оптимизацию, продав большую часть биткоинов и резко сократив долг. Скептики указывают на высокие затраты на преобразование майнинговых мощностей, формирование «пузыря» вокруг ИИ и потенциальные риски для безопасности сети биткоин из-за оттока майнеров. Однако в Cango уверены, что их дисциплинированная стратегия, ориентированная на «длинный хвост» мелких операторов и нишу инференса, позволит занять устойчивую позицию на будущем рынке ИИ.

Foresight News07/11 07:58