XRP Đến Từ Đâu? Cựu Giám Đốc Ripple Tiết Lộ Câu Chuyện Chấn Động

bitcoinistXuất bản vào 2026-01-31Cập nhật gần nhất vào 2026-01-31

Tóm tắt

Trong một phiên hỏi đáp trực tuyến, David Schwartz, cựu lãnh đạo Ripple, đã chia sẻ những chi tiết lịch sử hiếm có về nguồn gốc của XRP và Ripple. Ông tiết lộ Arthur Britto, một kiến trúc sư chính của XRP Ledger, có khả năng là người đã nghĩ ra thuật ngữ "drop" cho đơn vị nhỏ nhất của XRP. Schwartz ca ngợi trí tuệ đặc biệt của Britto, người đã đề xuất hai ý tưởng nền tảng: sàn giao dịch phi tập trung được tích hợp trực tiếp vào XRP Ledger và cơ chế pathfinding" để xử lý thanh toán đa nguồn. Về tên gọi Ripple, Schwartz cho biết tên miền ripple.com ban đầu được đăng ký bởi một người hâm mộ ban nhạc Grateful Dead, và công ty đã mua lại nó sau này, không có ý nghĩa sâu xa nào. Khi được yêu cầu bình luận về kỳ vọng giá XRP lên 50 hoặc 100 USD, Schwartz từ chối khẳng định điều không thể. Ông chia sẻ bài học từ quá khứ khi từng cho rằng XRP khó đạt 0.25 USD và Bitcoin khó vượt 100 USD, nhưng thực tế đã chứng minh điều ngược lại.

Một phiên hỏi đáp tương tác giữa các thành viên cộng đồng và David Schwartz đã vén màn thêm một lớp lịch sử ban đầu của XRP và Ripple.

Cuộc thảo luận diễn ra công khai trên nền tảng truyền thông xã hội X, nơi người dùng đặt ra một loạt câu hỏi liên quan đến đơn vị nhỏ nhất của token, các lực lượng sáng tạo đằng sau XRP Ledger, và thậm chí một số chi tiết văn hóa bị lãng quên từ sự hiện diện internet ban đầu của Ripple. Những phản hồi từ Schwartz mang lại những hiểu biết hiếm có về các cá nhân và ý tưởng đã định hình Ripple và Ledger trong những năm hình thành.

Tên Ripple, Drop, Và Vai Trò Của Arthur Britto

Cuộc trao đổi bắt đầu khi một thành viên cộng đồng XRP được biết đến với tên Bird hỏi Schwartz ai là người nghĩ ra thuật ngữ "drop" làm tên cho đơn vị nhỏ nhất của altcoin. Câu hỏi nhằm làm rõ các chi tiết lịch sử cho mục đích tài liệu. Schwartz trả lời rằng ông không thể nói chắc chắn tuyệt đối, nhưng ông tin rằng ý tưởng đến từ Arthur Britto, một trong những kiến trúc sư chính của XRP Ledger.

Schwartz sau đó mở rộng hơn câu hỏi về đặt tên và đưa ra một so sánh cá nhân giữa bản thân và Britto. Ông mô tả bản thân mình có cùng loại trí thông minh như hầu hết mọi người, chỉ là nhiều hơn, nhưng nói rằng Britto sở hữu một thứ hoàn toàn khác biệt, một phẩm chất hiếm có mà những người khác đơn giản là không có.

Một thành viên cộng đồng khác, Toby, chuyển cuộc trò chuyện từ lịch sử kỹ thuật sang sự tò mò văn hóa. Anh ấy hỏi liệu tên Ripple, cũng là tên một bài hát của Grateful Dead, và sự xuất hiện của một Chú Gấu Nhảy múa trên trang lỗi 404 cũ của Ripple có phải là một phần của trò đùa nội bộ sâu xa hoặc nguồn cảm hứng nào không.

Theo Schwartz, mối liên hệ duy nhất mà ông biết đến hoàn toàn là tình cờ. Tên miền ripple.com đã được đăng ký bởi một người hâm mộ Grateful Dead, người đã sở hữu nó vì bài hát, và Ripple sau đó đã mua lại tên miền từ cá nhân đó.

Kiểm Tra Thực Tế Về Kỳ Vọng Giá XRP

Khi cuộc trò chuyện tiếp tục, trình xác thực XRPL Vet đã yêu cầu Schwartz đưa ra một ví dụ cụ thể từ quá khứ chứng minh phẩm chất đặc biệt mà ông đã quy cho Britto. Schwartz đã phản hồi bằng cách chỉ ra hai ý tưởng lớn bắt nguồn từ Britto: khái niệm về một sàn giao dịch phi tập trung được xây dựng trực tiếp vào XRP Ledger và việc sử dụng pathfinding (tìm đường) để cho phép các khoản thanh toán rút dần từ nhiều nguồn thanh khoản.

Tông giọng của cuộc thảo luận lại thay đổi khi một người dùng khác thúc giục Schwartz công khai nói với những người ủng hộ XRP rằng giá không bao giờ có thể chạm tới các con số như 50 hay 100 đô la. Tuy nhiên, Schwartz đã từ chối đưa ra tuyên bố như vậy.

Ông giải thích rằng mặc dù cá nhân ông không nghĩ rằng các mức giá như vậy là có khả năng, lịch sử đã dạy ông sự thận trọng khi tuyên bố giá crypto không thể làm gì. Ông nhớ lại việc nghĩ rằng XRP khó có thể chạm mức 0,25 đô la và đã bán lượng nắm giữ của mình ở mức 0,10 đô la vì cảm thấy nó quá cao một cách phi lý vào thời điểm đó. Đây là thời điểm mà việc Bitcoin chạm 100 đô la dường như là không thể.

XRP giao dịch ở mức $1.74 trên biểu đồ 1D | Nguồn: XRPUSDT trên Tradingview.com

Câu hỏi Liên quan

QDavid Schwartz đã tiết lộ ai là người đã nghĩ ra thuật ngữ 'drop' cho đơn vị nhỏ nhất của XRP?

ADavid Schwartz cho biết mặc dù không chắc chắn tuyệt đối, nhưng ông tin rằng ý tưởng này đến từ Arthur Britto, một trong những kiến trúc sư chính của XRP Ledger.

QMối liên hệ giữa tên Ripple và bài hát của Grateful Dead là gì theo giải thích của Schwartz?

ASchwartz xác nhận mối liên hệ chỉ là tình cờ: tên miền ripple.com đã được đăng ký bởi một người hâm mộ Grateful Dead vì bài hát, và công ty Ripple sau đó đã mua lại tên miền này từ người đó.

QArthur Britto đã đóng góp những ý tưởng lớn nào cho XRP Ledger theo mô tả của Schwartz?

ASchwartz chỉ ra hai ý tưởng lớn của Britto: khái niệm về một sàn giao dịch phi tập trung được tích hợp trực tiếp vào XRP Ledger và việc sử dụng pathfinding để cho phép các khoản thanh toán sử dụng thanh khoản từ nhiều nguồn khác nhau.

QDavid Schwartz có đồng ý tuyên bố rằng giá XRP sẽ không bao giờ chạm mốc 50 hoặc 100 USD không?

AKhông, Schwartz từ chối đưa ra tuyên bố như vậy. Ông giải thích rằng mặc dù cá nhân ông không nghĩ những mức giá đó là khả thi, nhưng lịch sử đã dạy ông thận trọng khi tuyên bố điều gì là không thể trong thị trường crypto.

QSchwartz đã từng có quyết định nào trong quá khứ mà ông cho là sai lầm liên quan đến giá XRP?

ASchwartz chia sẻ rằng ông đã từng nghĩ XRP khó có thể chạm mốc 0.25 USD và đã bán số XRP nắm giữ ở mức 0.10 USD vì cho rằng giá đó là quá cao một cách phi lý vào thời điểm đó.

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.

marsbit46 phút trước

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

marsbit46 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.

marsbit52 phút trước

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

marsbit52 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