Coinbase用户被锁定:无法购买、出售或转移加密货币

bitcoinist发布于2026-02-12更新于2026-02-12

文章摘要

加密货币交易所Coinbase在公布2025年第四季度财报前数小时发生服务中断,用户暂时无法在平台上买卖或转移数字资产。公司通过社交媒体确认问题并承诺资金安全,随后表示已部署修复措施。服务中断导致Coinbase股价大幅下跌8%,跌至140美元。研究机构Monness Crespi在财报发布前将Coinbase评级从“买入”下调至“卖出”,分析师指出加密货币熊市持续时间较长,并将目标股价设定为120美元,预测2026年至2027年表现将低于市场预期。

加密货币交易所Coinbase (COIN) 在即将发布2025年第四季度财报前数小时,于周三遭遇意外服务中断。

此次中断导致用户暂时无法在平台上购买、出售或转移数字资产,引发客户担忧并给公司股价带来压力。

平台中断冲击Coinbase

Coinbase在X(前身为Twitter)的帖子中承认了该问题,称部分客户无法在平台上进行交易。公司向用户表示正在调查问题,并强调客户资金仍然安全。

不久后,Coinbase支持团队宣布已部署修复方案,团队正在监控平台以确保服务完全恢复。但公司未提供中断的根本原因详情,也未解释导致交易活动中断的具体原因。

Coinbase股票(COIN)在周三交易时段大幅下跌。截至发稿时,该股交易价格为140美元,过去几小时内跌幅达8%。此次下跌正值分析师准备迎接许多人所预期的艰难第四季度财报。

日线图显示COIN估值下跌。来源:TradingView.com上的COIN

COIN目标股价定为120美元

研究公司Monness Crespi在财报发布前采取了明显谨慎的立场。该公司对Coinbase股票进行了双重降级,将其评级从买入下调至卖出。

分析师Gus Gala将先前对2026年稳步复苏的预期描述为“愚蠢”,并引用了加密货币熊市历史上的深度和持续时间。

Monness Crespi现预计疲软态势将在上半年持续,并已将2026年和2027年的预测下调至低于华尔街共识估计的水平。Gala还将该股目标价设定为120美元,暗示后期可能出现更具吸引力的入场点。

特色图片来自OpenArt,图表来自TradingView.com

相关问答

QCoinbase交易所发生了什么服务中断事件?

ACoinbase在周三遭遇了意外的服务中断,导致用户暂时无法在平台上购买、出售或转移数字资产。

Q服务中断发生在什么重要事件之前?

A服务中断发生在Coinbase即将发布2025年第四季度财报的几小时前。

QCoinbase对这次服务问题做出了哪些回应?

ACoinbase在X(前Twitter)上承认了问题,表示正在调查并确保用户资金安全,随后宣布已部署修复措施并监控平台恢复情况。

Q服务中断对Coinbase的股价造成了什么影响?

ACoinbase股价(COIN)在周三交易时段大幅下跌,截至报道时交易价格为140美元,过去几小时下跌了8%。

Q研究公司Monness Crespi对Coinbase股票采取了什么立场?

AMonness Crespi将Coinbase股票评级从买入下调至卖出,设定了120美元的目标价,并预测2026年和2027年的业绩将低于华尔街共识预期。

你可能也喜欢

生成模型也能端到端训练了?核心竟是一个for循环

长期以来,深度学习在图像分类、检测等任务上凭借端到端训练取得了巨大成功,但生成模型领域却始终是个例外。当前主流的自回归、扩散模型等训练时只学习预测“一小步”,推理时则需要反复展开数百上千步,这种训练与推理的不一致导致了“暴露偏差”等问题,使得生成模型一直未能实现真正的端到端训练。 最近,一篇来自UIUC与哈佛大学的论文提出了“探索式建模(Explorative Modeling,XM)”新范式,其核心是一个简单到近乎朴素的for循环:在每个训练步骤中,模型生成K个候选样本,然后仅选取其中最接近真实数据的一个样本来计算损失和回传梯度。这种做法巧妙地绕开了传统生成模型中因使用重构损失(如平方误差)而导致的“模态模糊”问题——即模型倾向于输出多个可能答案的平均值,而这个平均值往往不属于任何真实的数据模式。 XM通过这种方式,在不拆分生成过程的前提下,直接提升了模型的“生成表达力”,即模型捕捉数据分布中多个独立模式的能力。论文将“探索”验证为继模型参数量、数据量之后的第三根可扩展轴。实验表明,随着模型规模、数据量和计算量的增大,探索带来的性能收益越发显著,在图像、视频、语言等多种任务上均能带来效率与质量的提升。 更重要的是,当探索程度足够时,XM可以实现真正的端到端生成。在机器人控制等任务中,仅需一次网络前向传播的XM策略,其性能可媲美甚至超过需要上百次前向的扩散模型策略,实现了推理效率的飞跃。 尽管“最佳K样本选择”的思想并非全新,但该研究的贡献在于清晰地揭示了这一简单机制如何直接解决生成模型的核心瓶颈,并为实现高效、端到端的生成模型开辟了新的可能性。随着模型规模的持续扩大,探索这一新维度可能将发挥越来越关键的作用。

marsbit8分钟前

生成模型也能端到端训练了?核心竟是一个for循环

marsbit8分钟前

年薪百万抢电工,Meta急到自己办技校

AI竞赛正面临新的瓶颈:工地。美国正面临严重的电工、建筑工等技术工人短缺,这已成为微软、Meta、OpenAI等公司快速建设超大规模AI数据中心(如OpenAI耗资160亿美元的“星际之门”项目)的“头号障碍”。 尽管AI公司愿支付高薪(如电工年薪可达24-28万美元),远超传统行业,但熟练技工仍供不应求。麦肯锡预测,美国在2023-2030年间需额外培养13万名电工和24万名建筑工,而劳工统计局预计每年仍有8万个电工岗位空缺。这种短缺导致项目延迟,每月可能造成数百万美元的收入损失。 AI数据中心建设复杂,需应对巨大功耗(一座设施耗电堪比数十万户家庭)、复杂的配电系统以及高密度散热(需液冷技术)等挑战,因此亟需大量技术娴熟的工人。 为此,科技巨头开始亲自下场培养人才。例如,Meta投入1.15亿美元建立建筑工人培训学校,提供免费培训及生活补贴,以快速输送工人上岗。OpenAI则与建筑工会合作,提前锁定熟练劳动力。同时,企业也将招聘目光投向高中生,鼓励年轻人投身技工行业。这些举措已见成效,Z世代对技工职业的兴趣显著上升。 然而,更深层的挑战在于电力。AI数据中心用电量正以惊人速度增长,已推高部分地区的电价。此外,数据中心建设是项目制的,建设期需要成千上万的工人,但建成后仅需少量常驻人员。这意味着未来可能面临熟练工人短期过剩、并流向其他行业压低薪资的风险。如何实现劳动力与电力资源的长期平衡,仍是悬而未决的问题。

marsbit1小时前

年薪百万抢电工,Meta急到自己办技校

marsbit1小时前

交易

现货
活动图片