Bullish Teams Up with Deutsche Bank for Crypto-Fiat Integration

TheCryptoTimes2025-10-08 tarihinde yayınlandı2025-10-08 tarihinde güncellendi

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

İlgili Okumalar

Circle Blacklists Zama Protocol Address, Freezing $12.6M In User Funds – Details

Circle has blacklisted a smart contract address for the Zama protocol's Confidential USDC (cUSDC), freezing approximately $12.6 million in user funds. The action, identified by on-chain investigator ZachXBT, targeted a publicly documented contract on Ethereum. Investigations suggest the frozen funds may be indirectly connected to ongoing controversy and legal issues surrounding Overnight Finance, an asset-management protocol. A wallet linked to Overnight Finance had deposited a large sum into the Zama contract amidst governance disputes and allegations of a possible rug pull. This move by Circle, reportedly made without prior warning to Zama, has reignited criticism over transparency and unilateral enforcement by centralized stablecoin issuers. It highlights concerns about how external legal and governance risks can impact unrelated users in interconnected DeFi systems. Circle has not provided an official explanation for the freeze.

bitcoinist36 dk önce

Circle Blacklists Zama Protocol Address, Freezing $12.6M In User Funds – Details

bitcoinist36 dk önce

Why More AI Agents Does Not Equal Higher Productivity?

Editor's Note: As AI Agents become cheaper and easier to use, a new constraint emerges: the cost isn't in launching more Agents, but in the human attention required to manage, judge, and integrate their outputs. This hidden cost is called the "orchestration tax." The article argues that a developer's cognitive bandwidth is the key bottleneck—a serial, non-parallelizable resource akin to a Global Interpreter Lock (GIL). While many Agents can run concurrently, their results ultimately require human judgment for review, conflict resolution, and final integration. Therefore, more Agents don't automatically mean higher productivity; they can simply create longer queues, lead to cognitive fatigue, and create the illusion of busyness without real output. The core solution is to design workflows around this scarce human attention. Key strategies include: scaling the number of Agents to match review capacity (not UI capacity), categorizing tasks (delegating independent ones, keeping complex judgment-heavy ones serial), batch reviewing results to minimize context-switching costs, automating verifiable checks to reserve human judgment for critical decisions, and protecting focused, uninterrupted thinking time. Ultimately, the critical skill is not launching many Agents, but architecting systems that respect the fundamental limit of human attention. Unpaid "orchestration tax" accumulates as both technical and cognitive debt, undermining system understanding and quality. True productivity comes from thoughtfully managing the single-threaded resource—your focus.

marsbit1 saat önce

Why More AI Agents Does Not Equal Higher Productivity?

marsbit1 saat önce

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.

marsbit8 saat önce

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

marsbit8 saat önce

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10 saat önce

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

链捕手10 saat önce

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.

marsbit11 saat önce

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

marsbit11 saat önce

İşlemler

Spot
Futures

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.

145 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.

708 Toplam GörüntülenmeYayınlanma 2025.05.09Güncellenme 2026.05.19

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