纽交所母公司ICE完成对Polymarket的6亿美元投资——详情

bitcoinist发布于2026-03-29更新于2026-03-29

文章摘要

洲际交易所(ICE)——纽约证券交易所(NYSE)的母公司,已完成对预测市场平台Polymarket的6亿美元直接投资。这是继2025年10月首次投资10亿美元后,ICE对该平台的进一步注资,总投资额已达16亿美元,并计划最终投资总额达20亿美元。 此次投资包括收购现有持有者最多4000万美元的证券。尽管预测市场行业近期面临监管压力(全美约11个州禁止其运营),且竞争对手Kalshi以220亿美元估值完成10亿美元融资,ICE的大额投资仍被视为对该行业的重大认可。 此外,Polymarket因内幕交易问题多次受到审查,近期更新了市场诚信规则,明确禁止政治人物、候选人及体育界内部人士利用未公开信息进行交易,以提升市场透明度和公平性。

最新动态显示,纽约证券交易所(NYSE)母公司洲际交易所(ICE)宣布已完成对预测市场平台Polymarket新一轮6亿美元的直接现金投资。此举符合该公司早先承诺向全球最大预测市场平台之一投资高达20亿美元的规划。

ICE对预测市场投资额增至16亿美元

3月27日周五,纽交所母公司洲际交易所披露已完成对加密预测市场平台Polymarket的新一轮6亿美元直接现金投资。该笔资金将作为预测市场平台股权融资轮的参与投资。

根据公告,ICE还预计从部分现有持有人处收购最多4000万美元的Polymarket证券。如前所述,此次注资与洲际交易所去年底与平台达成的20亿美元投资安排相衔接。

来源:洲际交易所

2025年10月,ICE已完成对Polymarket的10亿美元初始直接现金投资,加上本次6亿美元交易,目前其承诺投资额已达16亿美元。随着对Polymarket的押注持续加大,洲际交易所的投资为蓬勃发展的预测市场行业提供了重要的机构背书。

多方报道显示,Polymarket最强劲的竞争对手Kalshi近期以220亿美元估值完成10亿美元融资,反映出预测市场行业的崛起。不过该行业在过去几个月遭遇了一些监管障碍,尤其在美国州级层面。

尽管2025年获得美国商品期货交易委员会(CFTC)批准,Polymarket(及其他预测市场平台)仍被禁止在美国部分州提供事件合约。全美约有11个州已对预测市场平台采取法律行动,指控其在其司法管辖区内非法运营。

Polymarket制定用户内幕交易规则

在联邦层面Polymarket也并非一帆风顺,过去数月内幕交易问题已多次引发严格审查。特别值得注意的是,该问题已引发国家安全担忧,因担心政府内部人员可能利用机密信息在预测市场进行交易。

此前,该预测市场平台更新了其"市场诚信"规则,预先禁止政客、候选人及体育界内部人士参与相关市场交易。新规明确禁止利用窃取或机密信息进行交易——若该行为违反信托义务或保密责任(符合经典内幕交易标准)。

这些新防护措施虽在严格审查后出台,但将有助于减少市场操纵行为,最终使预测市场的运作更公平透明。

每日时间框架下的加密市场总市值 | 来源:TradingView上的TOTAL图表

相关问答

Q纽约证券交易所的母公司洲际交易所(ICE)对Polymarket的最新投资金额是多少?

A洲际交易所(ICE)完成了对Polymarket的6亿美元直接投资。

QICE对Polymarket的总投资承诺金额是多少?

AICE对Polymarket的总投资承诺金额为20亿美元,目前已投资16亿美元。

QPolymarket的主要竞争对手是谁?其估值是多少?

APolymarket的主要竞争对手是Kalshi,其最近完成了10亿美元的融资,估值达到220亿美元。

Q美国有多少个州对预测市场平台采取了法律行动?

A美国有11个州对预测市场平台采取了法律行动,指控它们在其管辖范围内非法运营。

QPolymarket为应对内幕交易问题采取了哪些措施?

APolymarket更新了其'市场诚信'规则,明确禁止政客、候选人和体育界内部人士在相关市场上交易,并禁止利用窃取或机密信息进行交易,以违反信任或保密义务(经典的内幕交易标准)。

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。

marsbit51分钟前

生成模型也能端到端训练了?核心竟是一个for循环

marsbit51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。

marsbit2小时前

年薪百万抢电工,Meta急到自己办技校

marsbit2小时前

交易

现货
活动图片