Polymarket Mua Lại Brahma Để Củng Cố Cơ Sở Hạ Tầng DeFi

TheNewsCryptoXuất bản vào 2026-03-19Cập nhật gần nhất vào 2026-03-19

Tóm tắt

Sàn giao dịch dự đoán lớn nhất Polymarket đã công bố mua lại công ty khởi nghiệp crypto Brahma chuyên cung cấp cơ sở hạ tầng DeFi. Theo thông báo ngày 18/3, đội ngũ Brahma sẽ chuyển trọng tâm sang phát triển hệ thống và bộ sản phẩm của Polymarket. Ra mắt năm 2021, Brahma đã xử lý hơn 1 tỷ USD khối lượng giao dịch và sẽ giúp Polymarket giảm ma sát trong tạo ví, nạp tiền và rút token. Thương vụ này cũng có thể thu hút thanh khoản cho các thị trường dự đoán nhỏ trên Polymarket. Brahma đã phát triển ba sản phẩm chính: Strategy Vaults, Brahma Accounts và thẻ Visa Swype.fun - tất cả sẽ ngừng hoạt động trong 30 ngày tới. Đây là động thái mới nhất trong chuỗi mở rộng của Polymarket, bao gồm việc mua lại Dome và Lunch trước đó, cùng hợp tác với Palantir Technologies phát triển nền tảng thể thao sử dụng AI.

Sàn thị trường dự đoán lớn nhất, Polymarket, đã công bố việc mua lại Brahma, một startup tiền mã hóa cung cấp cơ sở hạ tầng tài chính phi tập trung (DeFi). Theo thông báo vào ngày 18 tháng 3, Brahma cho biết như một phần của quá trình chuyển đổi này, đội ngũ của chúng tôi sẽ cam kết phát triển hệ thống và bộ sản phẩm của Polymarket.

Brahma được ra mắt vào năm 2021, và cho đến nay đã xử lý hơn 1 tỷ USD khối lượng giao dịch và có thể được Polymarket sử dụng để giảm thiểu ma sát xung quanh việc tạo ví, gửi tiền và mua lại token.

Việc sở hữu này cũng có thể thu hút thêm tính thanh khoản cho các thị trường dự đoán nhỏ, có khối lượng thấp trên Polymarket. Người sáng lập và giám đốc điều hành của Polymarket, Shayne Coplan, cho biết việc tạo dựng cơ sở hạ tầng đáng tin cậy trên các mạng blockchain và hệ thống tài chính truyền thống là rất khó và không có đường tắt.

Ông nói thêm rằng đội ngũ Brahma đã chứng minh khả năng thiết kế, vận hành và mở rộng các sản phẩm phức tạp cho người dùng tinh vi. Chi tiết tài chính của thương vụ chưa được tiết lộ vào thời điểm đó.

Các Sản Phẩm Của Brahma

Trong bốn năm qua, Brahma đã tạo ra ba sản phẩm chính: Strategy Vaults cho các chiến lược DeFi tự động, Brahma Accounts, tài khoản thông minh cho người dùng DeFi; và Swype.fun, một thẻ Visa liên kết với các vị thế DeFi để chi tiêu trong thế giới thực.

Công ty cho biết mỗi sản phẩm sẽ bị chấm dứt trong vòng 30 ngày tới khi thương vụ mua lại tiến hành. Polymarket đã phát triển nhanh chóng để đạt định giá 20 tỷ USD vào thời điểm thị trường dự đoán tăng trưởng mạnh.

Polymarket đã tiếp tục đầu tư vào việc mở rộng bất chấp sự sụt giảm của thị trường tiền mã hóa nói chung và sự gia tăng mối quan tâm đến AI. Công ty đã công bố vào ngày 10 tháng 3 rằng họ đang hợp tác với Palantir Technologies và TWG AI để tạo ra một nền tảng toàn vẹn thể thao được hỗ trợ bởi AI.

Họ cũng đã mua lại Dome, được Y Combinator hỗ trợ, vào tháng Hai, công ty cung cấp công cụ dành cho nhà phát triển cho các thị trường dự đoán, và Lunch, một công ty chuyên về tuyển dụng và tập hợp đội ngũ cho các startup công nghệ.

Tin Tức Crypto Nổi Bật Hôm Nay:

Giá Crypto Giảm, Thị Trường Châu Á Di Chuyển Theo Cùng Hướng

TagsDeFiPolymarketthị trường dự đoán

Câu hỏi Liên quan

QPolymarket đã công bố mua lại công ty khởi nghiệp tiền điện tử nào?

APolymarket đã công bố mua lại Brahma, một công ty khởi nghiệp tiền điện tử cung cấp cơ sở hạ tầng tài chính phi tập trung (DeFi).

QBrahma đã xử lý khối lượng giao dịch bao nhiêu kể từ khi ra mắt vào năm 2021?

AKể từ khi ra mắt vào năm 2021, Brahma đã xử lý hơn 1 tỷ đô la khối lượng giao dịch.

QBa sản phẩm chính mà Brahma đã phát triển là gì?

ABa sản phẩm chính của Brahma là: Strategy Vaults cho các chiến lược DeFi tự động, Brahma Accounts (tài khoản thông minh cho người dùng DeFi) và Swype.fun (thẻ Visa được liên kết với các vị thế DeFi để chi tiêu trong thế giới thực).

QĐịnh giá của Polymarket tại thời điểm bài viết là bao nhiêu?

APolymarket đã phát triển nhanh chóng và được định giá 20 tỷ đô la vào thời điểm đó.

QNgoài Brahma, Polymarket còn mua lại những công ty nào khác gần đây?

ANgoài Brahma, Polymarket còn mua lại Dome (một công ty được Y Combinator hỗ trợ, cung cấp công cụ dành cho nhà phát triển cho thị trường dự đoán) và Lunch (một công ty chuyên về tuyển dụng và xây dựng đội ngũ cho các startup công nghệ) vào tháng Hai.

Nội dung Liên quan

Mô hình sinh đã có thể huấn luyện end-to-end? Cốt lõi chỉ là một vòng lặp for

Mô hình tạo sinh (generative models) từ lâu đã phụ thuộc vào các phương pháp đào tạo nhiều giai đoạn (như diffusion, autoregressive), dẫn đến "exposure bias" - sự khác biệt giữa cách huấn luyện và suy luận. Bài báo "Explorative Modeling" (XM) từ UIUC và Harvard đề xuất một giải pháp đơn giản nhưng mạnh mẽ: thay vì tách quá trình tạo mẫu, hãy tách vòng lặp huấn luyện. Trong mỗi bước huấn luyện, mô hình tạo ra K ứng viên, sau đó chỉ chọn ứng viên gần nhất với dữ liệu thực để cập nhật gradient. Vòng lặp `for` đơn giản này giải quyết vấn đề "mode blurring" - xu hướng của hàm mất mát tái tạo đẩy đầu ra về trung bình của các mode hợp lệ, tạo ra kết quả mờ nhạt. Bằng cách khám phá nhiều ứng viên, mô hình học cách bao phủ nhiều mode khác nhau trong phân phối dữ liệu. Khả năng này được gọi là "biểu đạt tạo sinh" (generative expressivity). Thí nghiệm cho thấy "khám phá" (exploration) trở thành một trục mở rộng quy mô hiệu quả thứ ba, bên cạnh quy mô dữ liệu và tham số. Khi quy mô tăng, lợi ích từ việc khám phá càng lớn, cải thiện hiệu suất FLOP, mẫu và tham số. XM đạt được kết quả tạo ảnh trên ImageNet (FID 1.43 không guidance) ngang bằng các mô hình hàng đầu. Quan trọng hơn, XM cho phép huấn luyện mô hình tạo sinh "end-to-end" thực sự. Trong thí nghiệm điều khiển robot, Explorative Policy chỉ cần một lượt truyền thẳng mạng, đạt hiệu suất tương đương Diffusion Policy cần hàng trăm bước suy luận. Điều này chuyển chi phí tính toán từ giai đoạn suy luận sang giai đoạn huấn luyện, mở ra khả năng cho các mô hình tạo sinh nhanh và hiệu quả hơn. Công trình dựa trên lý thuyết "Mode Forcing" trước đó của nhóm tác giả. Hạn chế hiện tại bao gồm chi phí tính toán cho "Forward XM" trên phân phối nhiều mode và thách thức với mô hình ngôn ngữ tự hồi quy thuần túy.

marsbit21 phút trước

Mô hình sinh đã có thể huấn luyện end-to-end? Cốt lõi chỉ là một vòng lặp for

marsbit21 phút trước

Mỗi người tối đa 20 bài? Quy định mới của ICLR bị nhà nghiên cứu DeepMind 'mỉa mai' kiến nghị

Tác giả Google DeepMind Dan Roy đã khởi xướng một kiến nghị trào phúng nhằm phản đối quy định mới của hội nghị AI hàng đầu ICLR, giới hạn mỗi tác giả chỉ được đăng ký tối đa 20 bài báo tham dự ICLR 2027. Quy định này được đưa ra do số lượng bài nộp tăng đột biến 68% vào năm 2026, gây áp lực nặng nề lên hệ thống phản biện. Trong bài đăng của mình, Dan Roy giả vờ ủng hộ việc để AI Agent tạo ra càng nhiều nghiên cứu gia tăng càng tốt, và cho rằng giới hạn này sẽ "làm chậm sự phát triển của AI". Anh còn mỉa mai nhận xét rằng "tất cả công việc phản biện giờ đã được giao cho các mô hình ngôn ngữ lớn xử lý", ám chỉ đến một nghiên cứu trước đó phát hiện khoảng 21% ý kiến phản biện tại ICLR 2026 có khả năng cao là do AI tạo ra. Bài viết chỉ ra rằng thông điệp trào phúng của Roy thực chất phản ánh mối lo ngại về một vòng luẩn quẩn: AI tạo ra bài báo hàng loạt, nhà nghiên cứu gửi đi hàng loạt, và phản biện viên lại dùng AI để đánh giá hàng loạt. Qua đó, tác giả đặt câu hỏi liệu biện pháp giới hạn số lượng cứng nhắc có phải là giải pháp tối ưu cho những thách thức căn bản về chất lượng học thuật trong kỷ nguyên AI này.

marsbit27 phút trước

Mỗi người tối đa 20 bài? Quy định mới của ICLR bị nhà nghiên cứu DeepMind 'mỉa mai' kiến nghị

marsbit27 phút trước

OpenAI không bán tiền dựa trên mô hình đắt nhất

OpenAI đã điều chỉnh giá, giảm 80% cho mô hình GPT-5.6 Luna và 20% cho Terra, đồng thời giới thiệu chế độ Fast cho mô hình mạnh nhất Sol. Động thái này, cùng với việc Anthropic giới thiệu Claude Opus 5 với giá bằng một nửa so với flagship Fable 5, đánh dấu sự thay đổi chiến lược quan trọng: các hãng không còn chỉ tập trung bán mô hình mạnh nhất. Thay vào đó, họ khuyến nghị người dùng kết hợp các mô hình theo nhiệm vụ: dùng Sol (đắt, mạnh) để phân tích và lập kế hoạch phức tạp, sau đó giao cho Luna (rẻ, hiệu quả) thực thi. Điều này cho thấy trọng tâm thương mại đang chuyển từ các mô hình flagship (chứng minh năng lực kỹ thuật) sang các mô hình tầm trung, phục vụ cho lượng truy vấn API khổng lồ hàng ngày của doanh nghiệp, nơi hiệu quả chi phí (ROI) và độ ổn định là yếu tố quyết định. Một yếu tố then chốt giúp giảm chi phí là việc chính các mô hình AI (như Sol) tham gia tối ưu hóa mã nguồn và quy trình vận hành của chính chúng, tạo ra một vòng lặp tự thúc đẩy giảm chi phí. Điều này có thể đẩy nhanh hơn nữa đà giảm giá trong tương lai. Cạnh tranh đang chuyển từ "mô hình thông minh nhất" sang "hệ sinh thái hiệu quả nhất". OpenAI muốn biến các mô hình như Luna thành lựa chọn mặc định cho các tác vụ thường ngày, từ đó gia tăng độ phụ thuộc và chi phí chuyển đổi cho doanh nghiệp. Tương tự như ngành điện hay điện toán đám mây, mục tiêu cuối cùng là AI trở thành một tiện ích phổ biến, hoạt động âm thầm và không thể thiếu trong mọi quy trình, thay vì chỉ là một sản phẩm công nghệ đình đám.

marsbit2 giờ trước

OpenAI không bán tiền dựa trên mô hình đắt nhất

marsbit2 giờ trước

Lương trăm nghìn đô la săn thợ điện, Meta vội vàng tự mở trường dạy nghề

Cuộc đua AI đang vấp phải nút thắt mới: thiếu hụt nghiêm trọng lao động lành nghề như thợ điện và công nhân xây dựng để xây dựng các trung tâm dữ liệu quy mô lớn. Tại Mỹ, dự báo cần thêm 130.000 thợ điện và 240.000 công nhân xây dựng từ 2023-2030 cho hạ tầng AI, trong khi mỗi năm có 80.000 vị trí thợ điện không thể lấp đầy. Các công ty AI sẵn sàng trả lương cao (thợ điện giỏi có thể kiếm 240.000-280.000 USD/năm), nhưng sự chậm trễ xây dựng vẫn gây thiệt hại hàng chục triệu USD. Độ phức tạp của các trung tâm dữ liệu AI, với công suất điện khổng lồ, hệ thống phân phối điện và làm mát phức tạp, đòi hỏi lao động có kỹ năng đặc biệt. Để giải quyết, các gã khổng lồ công nghệ như Meta và Google đang đầu tư hàng trăm triệu USD vào đào tạo. Meta mở trường dạy nghề miễn phí, cung cấp cả trợ cấp sinh hoạt, trong khi OpenAI hợp tác với công đoàn xây dựng. Chiến dịch tuyển dụng nhắm đến cả học sinh trung học, góp phần làm tăng mạnh tỷ lệ Gen Z theo học trường nghề. Tuy nhiên, nhu cầu điện cho AI tiếp tục bùng nổ, chiếm phần ngày càng lớn trong tổng tiêu thụ điện và đẩy giá điện lên cao. Một nghịch lý tồn tại: các dự án xây dựng cần hàng nghìn lao động cùng lúc, nhưng khi hoàn thành chỉ cần số ít vận hành, dẫn đến rủi ro dư thừa lao động lành nghề trong tương lai.

marsbit2 giờ trước

Lương trăm nghìn đô la săn thợ điện, Meta vội vàng tự mở trường dạy nghề

marsbit2 giờ trước

Làn sóng tấn công Coldcard thứ 4 nghi ngờ quét sạch 389 Bitcoin: Thorn từ Galaxy

Người dùng ví cứng Bitcoin Coldcard đang được cảnh báo về một đợt tấn công mới nhằm đánh cắp tiền điện tử, chỉ vài ngày sau đợt tấn công đầu tiên. Alex Thorn, Trưởng bộ phận Nghiên cứu tại Galaxy, thông báo đã phát hiện 218 giao dịch đáng ngờ trong vài giờ qua, ảnh hưởng đến 462 địa chỉ và di chuyển khoảng 388,9 Bitcoin. Ông cho biết các giao dịch này có đặc điểm phù hợp với lỗ hổng của Coldcard và tốc độ giao dịch cao gấp khoảng 45 lần bình thường. Hầu hết số tiền bị đánh cắp được chuyển đến các địa chỉ đích mới riêng biệt thay vì tập trung vào một ví. Một số đã được chuyển tiếp lần thứ hai. Nguyên nhân được cho là do lỗi phần mềm chưa từng được phát hiện trước đây trên firmware Coldcard, khiến thiết bị tạo ra seed ví với độ ngẫu nhiên thấp hơn dự định. Ước tính hiện tại có hơn 1.100 ví bị ảnh hưởng với tổng số tiền khoảng 90 triệu USD Bitcoin bị đánh cắp. Người dùng bị ảnh hưởng được khuyến cáo có thể thử chuyển số tiền còn lại sang ví an toàn bằng một giao dịch cạnh tranh với phí cao hơn.

cointelegraph2 giờ trước

Làn sóng tấn công Coldcard thứ 4 nghi ngờ quét sạch 389 Bitcoin: Thorn từ Galaxy

cointelegraph2 giờ trước

Giao dịch

Giao ngay
活动图片

Danh mục Phổ biếnright-arrow

Thẻ Nổi bậtright-arrow