Три крупных швейцарских банка впервые провели расчет токенизированными депозитами

cryptonews.ru2025-10-15 tarihinde yayınlandı2025-10-15 tarihinde güncellendi

UBS, PostFinance и Sygnum Bank впервые осуществили реальный расчет с использованием токенизированных банковских депозитов на публичном блокчейне. По данным Reuters, операция была выполнена в рамках пилотного исследования Швейцарской ассоциации банкиров, целью которого стало тестирование нового формата платежей. Этот шаг знаменует переход от пилотных проектов к полноценной реализации, когда реальный капитал и юридически обязательные сделки совершаются через публичную инфраструктуру.

В ходе исследования клиенты переводили токены, представляющие депозиты, между разными банками. Это показало, что токенизированные депозиты могут свободно перемещаться между учреждениями, а не быть замкнутыми в пределах одного банка. Такой механизм снижает контрагентские риски и повышает прозрачность расчетов.

Особенность эксперимента в том, что речь идет не о стейблкоинах, а о токенизированных депозитах с прямой поддержкой банковских балансов. Такой формат может стать альтернативой стабильным монетам, предлагая схожие возможности, но при этом находясь в регулировании и инфраструктуре традиционных банков. Журналисты подчеркивают, что это 1-й случай юридически обязывающего платежа такого типа.

С технической стороны проект показывает возможность мгновенных и окончательных расчетов на общей платформе. В перспективе такие платежи можно будет интегрировать в автоматизированные бизнес-процессы, что приведет к снижению стоимости транзакций и ускорению обработки переводов. Это также открывает путь к круглосуточной работе без ограничений классической банковской системы.

Для местной экономической инфраструры — это важный шаг. Швейцария известна жесткими стандартами комплаенса, и такой эксперимент фактически задает глобальный ориентир. Успешное завершение пилота может подтолкнуть другие страны и банки к разработке собственных токенизированных депозитов и инфраструктур.

Trend Kriptolar

İlgili Okumalar

In Just 11 Days, Claude Rewrote Millions of Lines of Code, an Epic AI Engineering Feat Sparks Fury

In just 11 days, Bun's founder Jarred Sumner used Anthropic's Claude AI models to rewrite its million lines of code from Zig to Rust. This move sparked significant controversy, particularly from Zig's creator, Andrew Kelley, who publicly criticized Sumner's engineering practices and the decision to use AI for such a massive rewrite. Bun, a high-performance JavaScript/TypeScript runtime and rival to Node.js, was originally written in Zig. After Anthropic acquired Bun, the team encountered persistent stability and memory safety bugs in the Zig codebase. These issues, combined with Zig's strict policy against LLM-generated code, led to the decision to rewrite in Rust. The rewrite was executed using Claude AI tools at an estimated API cost of $165,000, dramatically reducing the expected time and financial cost. Andrew Kelley's response was scathing. He blamed the original bugs on poor engineering habits, calling Bun's Zig code a collection of "hacks on top of hacks." He expressed relief that Bun was no longer associated with Zig, fearing it would misrepresent the language and attract low-quality, AI-generated contributions. The tech community is divided; some view Kelley's critique as unprofessional, while others see it as a defense of engineering integrity. A major concern about the AI-driven rewrite is the resulting code quality. The translation from Zig left approximately 27,000 lines of unsafe Rust code, raising fears about long-term maintainability and technical debt. The debate centers on whether this project is a milestone in AI-assisted development or a future maintenance nightmare.

marsbit28 dk önce

In Just 11 Days, Claude Rewrote Millions of Lines of Code, an Epic AI Engineering Feat Sparks Fury

marsbit28 dk önce

From Auto Finance to Bitcoin to AI Engines: An Analysis of Cango's 'What Not to Do' Strategy

From Auto Finance to Bitcoin and Now AI: Cango's "What Not to Do" Strategy Cango, a Chinese auto finance platform that went public on the NYSE in 2018, is undergoing its third major transformation. After selling its entire auto business in 2024, it pivoted to become a large-scale Bitcoin miner, acquiring 50 exahash of mining rigs from Bitmain. However, its true goal was never Bitcoin, but owning and controlling energy infrastructure. Now, Cango is pivoting again. While most listed Bitcoin miners are leasing power to giant hyperscalers for AI training clusters, Cango is taking the opposite path. It has launched an AI inference subsidiary called EcoHash, focusing not on training but on distributed inference. The company's strategy hinges on the insight that over 70% of mining industry power is controlled by small, independent sites (10-50 MW), which are too small for hyperscalers but ideal for low-latency AI inference. Cango aims to partner with these small operators, providing the AI technology, customers, and financing through its EcoLink software layer, which can distribute workloads across sites for reliability. Cango maintains a hybrid model, running roughly 31.7 EH/s of Bitcoin mining for cash flow while aggressively cleaning its balance sheet—slashing long-term debt by 94.5% to $30.6 million and raising $75 million for its AI venture. Its first AI deployment will be at a 50 MW site in Georgia. The strategy faces skepticism, given the high costs of converting mining sites and the potential for an AI bubble. However, Cango's leadership believes discipline around "what not to do"—avoiding direct competition with hyperscalers in training—positions it to capture the long-tail demand for distributed AI inference power.

Foresight News45 dk önce

From Auto Finance to Bitcoin to AI Engines: An Analysis of Cango's 'What Not to Do' Strategy

Foresight News45 dk önce

Strategy's Bitcoin Sales Cap Far Exceeds $1.25 Billion: A Detail the Market Overlooked

The article discusses how MicroStrategy's potential Bitcoin sales go far beyond the announced $1.25 billion "reserve-building capacity." It clarifies a key distinction in the company's "BTC Monetization Program": selling Bitcoin to *build* a new dollar reserve (the $1.25B cap) versus selling to *replenish* the existing USD Reserve after it's used for expenses like preferred share dividends. The recent $216M BTC sale for dividend payments was a "replenishment," leaving the headline $1.25B building quota untouched. The plan actually outlines three potential funding pools from BTC sales: 1) Building the reserve ($1.25B cap), 2) Covering preferred share/ debt costs (no specified cap), and 3) Funding buyback programs (up to $20B). This means the structured sales potential exceeds $30 billion, not including uncapped replenishment sales. The piece argues this marks MicroStrategy's shift from a passive "buy-and-hold" Bitcoin proxy to an actively managed entity using BTC as a balance-sheet tool to manage its complex capital structure (common stock, preferred shares, debt, reserve). This creates new dynamics and potential conflicts, as actions benefiting one part (e.g., selling BTC to pay dividends) may pressure another (e.g., undermining the "never sell" narrative). Investors must now parse the company's specific terminology ("build" vs. "replenish") to understand the true scope of future BTC sales, which is significantly larger than the market initially perceived.

marsbit51 dk önce

Strategy's Bitcoin Sales Cap Far Exceeds $1.25 Billion: A Detail the Market Overlooked

marsbit51 dk önce

Goldman Sachs Report Deconstructs the Competitive Landscape of China's AI Large Models: Who Will Be the Long-Term Winner?

Goldman Sachs analyzes China's AI large language model (LLM) landscape, identifying key players and a strategic shift towards efficiency and global expansion. The report highlights that Chinese open-source/open-weight models are closing the performance gap with top global proprietary models at significantly lower cost, driven by architectural innovations like MoE. This enables a "two-tier" market: a high-end segment (e.g., GLM5.2, Qwen3.7 Max) with pricing at ~$1 per million tokens, and a low-end, price-sensitive global segment. Open-source strategies aid adoption but limit monetization, as deployments via third-party platforms (e.g., AWS Bedrock, Alibaba Cloud) may not generate direct revenue for model creators. The industry is thus moving towards "open-weight + community license" models with revenue-sharing to improve unit economics. Internationally, the focus is shifting from "token maximization" to ROI-driven enterprise adoption, particularly in non-U.S. markets. Major cloud platforms are integrating Chinese models (e.g., DeepSeek, MiniMax). Using a competitive framework based on pricing power, cost advantage, and financial strength, Goldman Sachs identifies **Zhipu AI** and **DeepSeek** as leaders in foundational text models, and **ByteDance** (with Seedance) leading in multimodal/video generation. **MiniMax** and **Kuaishou** are also rated favorably. The firm forecasts China's AI model API/subscription revenue growing from ~RMB 35bn (2026E) to RMB 879bn by 2030.

marsbit51 dk önce

Goldman Sachs Report Deconstructs the Competitive Landscape of China's AI Large Models: Who Will Be the Long-Term Winner?

marsbit51 dk önce

İşlemler

Spot

Popüler Makaleler

$BANK Nedir

Bank AI: Bankacılıkta Devrimsel Bir Adım Giriş Teknolojideki hızlı ilerlemelerin damgasını vurduğu bir çağda, Bank AI, yapay zeka (AI) ve bankacılık hizmetleri kesişiminde yer almaktadır. Bu yenilikçi proje, finansal manzarayı yeniden tanımlamayı, operasyonel verimliliği, güvenlik önlemlerini ve müşteri deneyimlerini AI'nin gücüyle geliştirmeyi hedefliyor. Bank AI yolculuğuna çıkarken, projenin içeriğine, operasyonel dinamiklerine, tarihsel bağlamına ve önemli kilometre taşlarına dalacağız. Bank AI Nedir? Bank AI, yapay zekanın çeşitli bankacılık operasyonlarına entegrasyonunu hedefleyen dönüştürücü bir girişimi temsil etmektedir. Bu proje, süreçleri otomatikleştirmek, risk yönetimi protokollerini geliştirmek ve kişiselleştirilmiş hizmetler aracılığıyla müşteri etkileşimini artırmak için AI'nin yeteneklerinden yararlanmaktadır. Bank AI'nin temel hedefleri şunlardır: Bankacılık Fonksiyonlarının Otomasyonu: AI teknolojilerini kullanarak, Bank AI rutin görevleri otomatikleştirmeyi, insan kaynakları üzerindeki yükü azaltmayı ve verimliliği artırmayı amaçlamaktadır. Geliştirilmiş Risk Yönetimi: Proje, dolandırıcılık ve diğer tehditlere karşı güvenlik önlemlerini güçlendirerek riski tahmin edip tanımlamak için AI algoritmalarını kullanmaktadır. Bankacılık Hizmetlerinin Kişiselleştirilmesi: Bank AI, müşteri verilerini ve davranışlarını analiz ederek, özel finansal ürünler ve hizmetler sunmaya odaklanmaktadır. Müşteri Deneyimini İyileştirme: Chatbotlar ve sanal asistanlar gibi AI destekli çözümlerin uygulanması, kullanıcıların daha insana yakın etkileşimler yaşamasını sağlamayı hedeflemekte, bankalarla etkileşim biçimlerini devrim niteliğinde değiştirmektedir. Bu hedeflerle, Bank AI, bankacılığı daha verimli, güvenli ve kullanıcı odaklı hale getiren önemli bir oyuncu olarak kendini konumlandırmaktadır. Bank AI'nin Yaratıcısı Kimdir? Bank AI'nin yaratıcısı hakkında detaylar bilinmemektedir. Bu nedenle, mevcut bilgilerde belirli bir kişi veya organizasyon tanımlanmamıştır. Projenin başlangıcı etrafındaki anonimlik soruları gündeme getirse de, bunun iddialı vizyonu ve hedefleri üzerinde bir olumsuz etkisi yoktur. Bank AI'nin Yatırımcıları Kimlerdir? Proje yaratıcılarında olduğu gibi, Bank AI'nin yatırımcıları veya destekleyen organizasyonları hakkında da özel bilgiler açıklanmamıştır. Bu bilgiler olmadan, projenin ilerlemesini destekleyen finansal destek ve kurumsal destek hakkında bir çerçeve çizmek zordur. Yine de, böyle yenilikçi bir alanda gelişimi sürdürmek için sağlam bir yatırım temelinin önemi büyüktür. Bank AI Nasıl Çalışır? Bank AI, geleneksel bankacılık çerçevelerinden ayıran benzersiz faktörlere odaklanarak birden fazla yenilikçi alanda faaliyet göstermektedir. İşte temel operasyonel özellikler: Otomasyon: Makine öğrenimi algoritmalarını uygulayarak, Bank AI bankalar içindeki çeşitli manuel süreçleri otomatikleştirir. Bu, operasyonel maliyetleri azaltır ve insan çalışanların daha stratejik faaliyetlere yönelmelerini sağlar. Gelişmiş Risk Yönetimi: Risk yönetimi uygulamalarına AI entegrasyonu, bankaların dolandırıcılık gibi potansiyel tehditleri doğru bir şekilde tahmin etme araçlarıyla donatılmasını sağlar, böylece müşteri bilgileri ve varlıkları güvence altına alınır. Özelleştirilmiş Finansal Tavsiyeler: Müşteri etkileşimlerinden sürekli olarak öğrenerek, AI sistemleri kullanıcı ihtiyaçlarının daha iyi anlaşılmasını sağlar ve finansal kararlar hakkında özelleştirilmiş tavsiyeler sunar. Geliştirilmiş Müşteri Etkileşimleri: AI destekli chatbotlar ve sanal asistanlar kullanarak, Bank AI daha etkileşimli bir müşteri deneyimi sunar, kullanıcıların sorularını hızlı bir şekilde çözmelerine imkan tanır, bekleme sürelerini azaltır ve memnuniyet seviyelerini artırır. Bu operasyonel özellikler, Bank AI'yi bankacılık sektöründe bir öncü olarak konumlandırmakta ve hizmet sunumu ile operasyonel mükemmeliyet için yeni standartlar belirlemektedir. Bank AI Zaman Çizelgesi Bank AI'nin gidişatını anlamak için tarihsel bağlamına bir göz atmak gerekmektedir. Aşağıda önemli kilometre taşlarını ve gelişmeleri vurgulayan bir zaman çizelgesi bulunmaktadır: 2010'ların Başları: AI entegrasyonunun bankacılık hizmetlerine olan ilgisi arttı, bankacılık kurumları potansiyel faydalarını tanımaya başladılar. 2018: Bankaların temel müşteri hizmetleri ve geliştirilmiş güvenlik yönetimi için risk yönetim sistemlerinde chatbotlar gibi AI araçları kullanmaya başlamasıyla AI teknolojilerinin uygulanmasında belirgin bir artış yaşandı. 2023: AI'nin karmaşıklığı artmaya devam etti ve belge işleme ile gerçek zamanlı yatırım analizi gibi daha karmaşık görevler için üretken AI devreye alındı. Bu yıl, AI teknolojisi sayesinde bankaların sahip olduğu yeteneklerde önemli bir sıçrama yaşandı. 2024-Güncel Durum: Bu yıl itibarıyla, Bank AI yükselişte, devam eden araştırmalar ve geliştirmeler bankacılık operasyonlarındaki yetenekleri daha da artırmaya hazırlanıyor. AI uygulamalarının sürekli araştırılması, heyecan verici gelişmelere işaret etmektedir. Bank AI Hakkında Anahtar Noktalar Bankacılıkta AI Entegrasyonu: Bank AI, bankacılık süreçlerini kolaylaştırmak ve kullanıcı deneyimlerini geliştirmek için yapay zekanın benimsenmesine odaklanmaktadır. Otomasyon ve Risk Yönetimi Vurgusu: Proje, rutin görevlerin yükünü azaltmayı amaçlarken, tahmine dayalı analizlerle güvenlik çerçevelerini geliştirmeye büyük önem vermektedir. Kişiselleştirilmiş Bankacılık Çözümleri: Müşteri verilerinden yararlanarak, Bank AI bireysel kullanıcı ihtiyaçlarına yönelik özelleştirilmiş bankacılık hizmetleri sunar. Gelişime Bağlılık: Bank AI, teknolojinin sürekli evrimi ile uyumlu olmasını sağlamak ve güncel kalmak için sürekli araştırma ve geliştirme çabalarına bağlı kalmaktadır. Sonuç Özetle, Bank AI bankacılık endüstrisinde önemli bir adımı temsil etmekte, yapay zekayı kullanarak operasyonel paradigmaları yeniden şekillendirmekte, güvenliği artırmakta ve müşteri memnuniyetini teşvik etmektedir. Yaratıcı ve yatırımcılar hakkındaki bilgi eksikliklerine rağmen, Bank AI'nin net hedefleri ve işlevsel mekanizmaları, devam eden evrimi için güçlü bir temel sunmaktadır. AI teknolojisi gelişmeye ve bankacılık sektörüyle birleşmeye devam ettikçe, Bank AI finansal hizmetlerin geleceğini önemli ölçüde etkilemeye hazır durumda, bankacılıkla olan anlayışımızı ve etkileşim biçimlerimizi geliştirmektedir.

166 Toplam GörüntülenmeYayınlanma 2024.04.06Güncellenme 2024.12.03

$BANK Nedir

BANK Nasıl Satın Alınır

HTX.com’a hoş geldiniz! Lorenzo Protocol (BANK) satın alma işlemlerini basit ve kullanışlı bir hâle getirdik. Adım adım açıkladığımız rehberimizi takip ederek kripto yolculuğunuza başlayın. 1. Adım: HTX Hesabınızı OluşturunHTX'te ücretsiz bir hesap açmak için e-posta adresinizi veya telefon numaranızı kullanın. Sorunsuzca kaydolun ve tüm özelliklerin kilidini açın. Hesabımı Aç2. Adım: Kripto Satın Al Bölümüne Gidin ve Ödeme Yönteminizi SeçinKredi/Banka Kartı: Visa veya Mastercard'ınızı kullanarak anında Lorenzo Protocol (BANK) satın alın.Bakiye: Sorunsuz bir şekilde işlem yapmak için HTX hesap bakiyenizdeki fonları kullanın.Üçüncü Taraflar: Kullanımı kolaylaştırmak için Google Pay ve Apple Pay gibi popüler ödeme yöntemlerini ekledik.P2P: HTX'teki diğer kullanıcılarla doğrudan işlem yapın.Borsa Dışı (OTC): Yatırımcılar için kişiye özel hizmetler ve rekabetçi döviz kurları sunuyoruz.3. Adım: Lorenzo Protocol (BANK) Varlıklarınızı SaklayınLorenzo Protocol (BANK) satın aldıktan sonra HTX hesabınızda saklayın. Alternatif olarak, blok zinciri transferi yoluyla başka bir yere gönderebilir veya diğer kripto para birimlerini takas etmek için kullanabilirsiniz.4. Adım: Lorenzo Protocol (BANK) Varlıklarınızla İşlem YapınHTX'in spot piyasasında Lorenzo Protocol (BANK) ile kolayca işlemler yapın.Hesabınıza erişin, işlem çiftinizi seçin, işlemlerinizi gerçekleştirin ve gerçek zamanlı olarak izleyin. Hem yeni başlayanlar hem de deneyimli yatırımcılar için kullanıcı dostu bir deneyim sunuyoruz.

754 Toplam GörüntülenmeYayınlanma 2025.05.09Güncellenme 2026.06.02

BANK Nasıl Satın Alınır

Tartışmalar

HTX Topluluğuna hoş geldiniz. Burada, en son platform gelişmeleri hakkında bilgi sahibi olabilir ve profesyonel piyasa görüşlerine erişebilirsiniz. Kullanıcıların BANK (BANK) fiyatı hakkındaki görüşleri aşağıda sunulmaktadır.

活动图片