Мати Гринспен рассказал о грядущей бычьей фазе крипторынка

cryptonews.ru发布于2022-12-25更新于2024-10-25

В настоящее время все больше экспертов прогнозируют, что флагманский криптоактив продолжит укреплять позиции. Основатель Quantum Economics и криптоаналитик Мати Гринспен отметил, что уже в скором времени на рынке может стартовать бычья фаза. При этом ключевым выгодополучателем станет именно биткоин. «Bitcoin растет как снежный ком с тех пор, как был внедрен Taproot», — сообщил исследователь. Taproot — это глобальный апдейт, который реализовали в экосистеме биткоина в конце 2021 года. Он стал своего рода основой, позволившей увеличить скорость обработки транзакций.

По словам специалиста, данное обновление открыло новые возможности для DeFi и NFT в сети главной цифровой монеты. Мати Гринспен считает, что биткоину под силу достичь отметки $100 тыс. Особенно об этом можно будет говорить уверенно, если новый президент США будет благосклонно относиться к сегменту цифровых активов. С другой стороны, специалист не столь оптимистичен относительно перспектив Ethereum.

Исследователь мотивировал свое мнение тем, что главный альткоин пока так и не решил в полной мере проблемы, обусловленные его низкой пропускной способности. Помимо этого на рынке есть много прямых конкурентов, которые в данном аспекте более выгодно выделяются. Также стоит отметить, что в плане капитализации биткоин обошел эфир более чем на $1 трлн.

Специалист также отметил своей скепсис по отношению к сегменту мем-токенов. Он подчеркнул, что представители данного класса активов могут реально в краткосрочной перспективе демонстрировать феноменальную динамику роста. Однако долгосрочные инвесторы не склонны воспринимать подобные аргументы всерьез. В завершение эксперт отметил, что мем-токены — это преимущественно вотчина спекулятивно настроенных трейдеров.

你可能也喜欢

拖更三年,北大校友翁荔最新长文刷屏

前OpenAI副总裁翁荔(Lilian Weng)发表了一篇关于AI扩展定律(Scaling Laws)的深度分析文章。文章指出,这条指导了AI行业数百亿美元投入的核心定律,远比人们想象的更为脆弱。 文章回顾了Scaling Laws的基本思想,即模型性能随规模扩大而可预测地提升。然而,OpenAI与DeepMind在关键问题上得出了相反结论:给定算力,资源应更多分配给模型还是数据?OpenAI的Kaplan团队认为模型增长应更快,而DeepMind的Chinchilla团队则认为应等比增长。后来研究发现,这一分歧源于参数统计口径的差异和实验规模不足,导致Kaplan的结论仅适用于小规模场景。 更关键的是,被行业广泛采纳的Chinchilla最优配比公式本身也存在方法论瑕疵。2024年有团队复现发现,其损失函数因取均值而非求和,导致优化器提前停止,输出并非最优解。此外,用于外推的关键参数精度不足,放大了误差。 文章进一步指出,经典Scaling Laws的根本前提——高质量数据无限供应——正在崩塌。数据重复训练不可避免,新研究引入了惩罚项来修正公式,并发现大模型对数据重复更敏感。这解释了行业为何转向强化学习、测试时计算和合成数据等新路径。 翁荔的博客以其清晰深入的技术解析著称,这篇文章历时三年完成。她于2025年联合创立了新公司Thinking Machines Lab。文章强调,下一代AI的进步不仅依赖算力规模,更取决于对这些基础定律细节更精确的理解与运用。

marsbit1小时前

拖更三年,北大校友翁荔最新长文刷屏

marsbit1小时前

交易

现货
合约
活动图片