Cá Voi Shiba Inu Lại Di Chuyển, Nhưng Theo Hướng Nào?

bitcoinistXuất bản vào 2026-03-10Cập nhật gần nhất vào 2026-03-10

Tóm tắt

Hoạt động của cá voi Shiba Inu (SHIB) đã gia tăng mạnh khi các holder lớn chuyển tài sản ra khỏi các sàn giao dịch tập trung (CEX). Dự trữ trên sàn đã giảm xuống mức thấp kỷ lục, trong khi tỷ lệ đốt SHIB tăng mạnh, cho thấy các nhà đầu tư này có thể đang chuẩn bị cho một biến động thị trường đáng kể. Vào ngày 8/3, lượng token ròng rời khỏi các sàn là 166,16 tỷ SHIB, gần gấp đôi so với ngày trước đó. Việc cá voi rút token khỏi sàn làm giảm nguồn cung lưu hành, có thể tạo ra áp lực tăng giá. Đồng thời, tỷ lệ đốt SHIB cũng tăng vọt, có ngày tới 53.950%, với khoảng 337 tỷ SHIB bị đốt trong tuần trước. Những động thái này cho thấy áp lực giảm phát đang gia tăng khi nguồn cung tiếp tục thu hẹp.

Hoạt động của cá voi Shiba Inu (SHIB) đã gia tăng mạnh mẽ khi các chủ sở hữu token lớn chuyển tài sản của họ ra khỏi các sàn giao dịch tập trung (CEX). Dự trữ trên các sàn giao dịch đã giảm mạnh xuống mức thấp kỷ lục, trong khi tỷ lệ đốt SHIB đã tăng tốc đáng kể, cho thấy những nhà đầu tư này có thể đang chuẩn bị cho những biến động thị trường quan trọng. Những diễn biến này đặt ra câu hỏi liệu các cá voi đang định vị trước một đợt phục hồi thị trường tiềm năng hay chỉ đơn giản là tận dụng các đợt giảm giá để tích lũy.

Cá Voi Shiba Inu Thực Hiện Rút Tiền Hàng Loạt Khỏi Sàn Giao Dịch

Shiba Inu đã trải qua một sự thay đổi mạnh mẽ trong hành vi của cá voi, khi hàng tỷ token SHIB gần đây đã được chuyển ra khỏi các sàn giao dịch tiền điện tử. Sự thay đổi này diễn ra tại thời điểm thị trường tiền điện tử nói chung và meme coin nói riêng phải đối mặt với những trở ngại lớn, trong khi Shiba Inu tiếp tục giao dịch không có đà định hướng rõ ràng ngay cả khi giá của nó suy yếu.

Vào ngày 8 tháng 3, nền tảng phân tích on-chain CryptoQuant đã phát hiện một sự sụt giảm mạnh về dòng chảy ròng trên sàn giao dịch, với tổng dòng ra là 166,16 tỷ token SHIB trên các sàn giao dịch lớn, gần gấp đôi so với 88 tỷ token của ngày hôm trước. Thậm chí sớm hơn, vào ngày 6 tháng 3, các sàn giao dịch đã ghi nhận dòng chảy ròng âm 170,53 tỷ token, cho thấycác hoạt động rút tiền quy mô lớn liên tục của cá voi.

Nguồn: Biểu đồ từ CryptoQuant

Các báo cáo từ WhaleScan trên X đã tiết lộ rằng những con cá voi này đã hoạt động được một thời gian, củng cố vị thế của họ trước bất kỳ biến động thị trường lớn nào. Thông thường, khi cá voi chuyển token từ các sàn giao dịch, điều đó có nghĩa là những token đó đang được loại bỏ khỏi lưu thông. Điều này làm giảm nguồn cung token có sẵn để giao dịch trên thị trường, có thể tạo ra áp lực tăng giá nếu nhu cầu tiếp tục tăng.

Hoạt động gần đây của cá voi cũng báo hiệu sự tin tưởng vào Shiba Inu bất chấp các yếu tố cơ bản suy yếu và giao dịch đi ngang gần đây. Đáng chú ý, WhaleScan đã báo cáo rằng do làn sóng token rời khỏi các sàn giao dịch, dự trữ trên các nền tảng tiền điện tử này đã chạm mức thấp kỷ lục 80,9 nghìn tỷ SHIB. Điều này cho thấy trong khi những người nắm giữ yếu (weak hands) đang theo dõi biến động giá ngắn hạn, thì các cá voi đang tích lũy, góp phần vào việc giảm nguồn cung.

Áp Lực Giảm Phát Của SHIB Gia Tăng Khi Tỷ Lệ Đốt Tăng Vọt

Ngoài việc dự trữ giảm, tỷ lệ đốt của Shiba Inu đã tăng tốc đáng kể, tăng 27,4% chỉ trong tuần trước. Đáng chú ý nhất, vào ngày 6 tháng 3, tỷ lệ đốt đã tăng vọt hơn 53.950% chỉ trong 24 giờ, phản ánh mức tăng đáng kinh ngạc của số token đang được loại bỏ khỏi lưu thông.

Kết hợp với hàng tỷ token gần đây đã chảy ra khỏi các sàn giao dịch, Whale Scan đã lưu ý rằng tình trạng thiếu hụt nguồn cung của Shiba Inu ngày càng trở nên rõ ràng và khó có thể bỏ qua. Các số liệu đốt gần đây vẽ nên bức tranh về những người nắm giữ token tìm kiếm giảm phát giữa lúc biến động giá suy yếu.

Khoảng 337 tỷ token SHIB đã được đốt vào ngày 3 tháng 3 tuần trước, khi hệ sinh thái Shibarium chuẩn bị cho bản nâng cấp quyền riêng tư FHE được mong đợi cho Q2 năm 2026. Những diễn biến này chỉ ra rằng áp lực giảm phát của Shiba Inu đang gia tăng khi nguồn cung tiếp tục giảm trên các sàn giao dịch.

SHIB giao dịch ở mức $0.000005 trên biểu đồ 1D | Nguồn: SHIBUSDT trên Tradingview.com

Tiền kỹ thuật số thịnh hành

Câu hỏi Liên quan

QHoạt động của cá voi Shiba Inu (SHIB) gần đây có đặc điểm gì nổi bật?

ACá voi SHIB đã chuyển hàng tỷ token ra khỏi các sàn giao dịch tập trung (CEX), khiến dự trữ trên sàn giảm xuống mức thấp kỷ lục 80,9 nghìn tỷ SHIB.

QViệc cá voi rút token khỏi sàn giao dịch có ý nghĩa gì đối với thị trường?

AHành động này làm giảm nguồn cung token lưu thông, từ đó có thể tạo ra áp lực tăng giá nếu nhu cầu tiếp tục tăng, đồng thời cho thấy sự tin tưởng của các nhà đầu tư lớn vào SHIB.

QTỷ lệ đốt token SHIB (burn rate) thay đổi như thế nào trong tuần qua?

ATỷ lệ đốt SHIB đã tăng 27,4% trong tuần qua, với mức tăng đột biến 53.950% chỉ trong 24 giờ vào ngày 6/3, thể hiện việc loại bỏ một lượng token khổng lồ khỏi lưu thông.

QSự kiện nào trong hệ sinh thái Shibarium có liên quan đến hoạt động đốt token?

ACộng đồng Shibarium đang chuẩn bị cho bản nâng cấp bảo mật FHE dự kiến vào Q2/2026, với 337 tỷ token SHIB đã được đốt vào ngày 3/3.

QCác động thái này cho thấy chiến lược gì của cá voi SHIB?

ACá voi đang tích lũy SHIB và chuẩn bị cho các biến động thị trường tiềm năng, thể hiện sự kiên định với tài sản này bất chấp biến động giá ngắn hạn và xu hướng giảm hiện tại.

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.

marsbit7 phút trước

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

marsbit7 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.

marsbit12 phút trước

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

marsbit12 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.

marsbit1 giờ trước

OpenAI không bán tiền dựa trên mô hình đắt nhất

marsbit1 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.

marsbit1 giờ trước

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

marsbit1 giờ trước

Giao dịch

Giao ngay

Bài viết Nổi bật

Làm thế nào để Mua MOVE

Chào mừng bạn đến với HTX.com! Chúng tôi đã làm cho mua Movement (MOVE) trở nên đơn giản và thuận tiện. Làm theo hướng dẫn từng bước của chúng tôi để bắt đầu hành trình tiền kỹ thuật số của bạn.Bước 1: Tạo Tài khoản HTX của BạnSử dụng email hoặc số điện thoại của bạn để đăng ký tài khoản miễn phí trên HTX. Trải nghiệm hành trình đăng ký không rắc rối và mở khóa tất cả tính năng. Nhận Tài khoản của tôiBước 2: Truy cập Mua Crypto và Chọn Phương thức Thanh toán của BạnThẻ Tín dụng/Ghi nợ: Sử dụng Visa hoặc Mastercard của bạn để mua Movement (MOVE) ngay lập tức.Số dư: Sử dụng tiền từ số dư tài khoản HTX của bạn để giao dịch liền mạch.Bên thứ ba: Chúng tôi đã thêm những phương thức thanh toán phổ biến như Google Pay và Apple Pay để nâng cao sự tiện lợi.P2P: Giao dịch trực tiếp với người dùng khác trên HTX.Thị trường mua bán phi tập trung (OTC): Chúng tôi cung cấp những dịch vụ được thiết kế riêng và tỷ giá hối đoái cạnh tranh cho nhà giao dịch.Bước 3: Lưu trữ Movement (MOVE) của BạnSau khi mua Movement (MOVE), lưu trữ trong tài khoản HTX của bạn. Ngoài ra, bạn có thể gửi đi nơi khác qua chuyển khoản blockchain hoặc sử dụng để giao dịch những tiền kỹ thuật số khác.Bước 4: Giao dịch Movement (MOVE)Giao dịch Movement (MOVE) dễ dàng trên thị trường giao ngay của HTX. Chỉ cần truy cập vào tài khoản của bạn, chọn cặp giao dịch, thực hiện giao dịch và theo dõi trong thời gian thực. Chúng tôi cung cấp trải nghiệm thân thiện với người dùng cho cả người mới bắt đầu và người giao dịch dày dạn kinh nghiệm.

Tổng lượt xem 870Xuất bản vào 2024.12.13Cập nhật vào 2026.06.02

Làm thế nào để Mua MOVE

Thảo luận

Chào mừng đến với Cộng đồng HTX. Tại đây, bạn có thể được thông báo về những phát triển nền tảng mới nhất và có quyền truy cập vào thông tin chuyên sâu về thị trường. Ý kiến ​​của người dùng về giá của MOVE (MOVE) được trình bày dưới đây.

活动图片