Solana在巴西获得机构准入——但为何SOL价格仍停滞不前?

ambcrypto发布于2025-12-18更新于2025-12-18

文章摘要

尽管Valour在巴西B3交易所获批上市Solana(VSOL),为机构投资者提供了受监管的投资渠道,且Solana现货ETF持续录得净流入(日流入约364万美元),但SOL价格仍徘徊在128美元附近,处于122-145美元的横盘区间。市场流动性数据显示123美元附近存在密集清算集群,若比特币继续下跌,SOL可能跌破支撑下探95美元。技术指标RSI(44.03)和MACD显示需求疲软,需突破145美元才可能重新测试170美元甚至200美元阻力位。当前价格走势主要受比特币疲软和市场风险情绪主导,而非Solana生态本身问题。

Valour获得B3批准扩大了机构对Solana的准入,同时ETF持续流入。即便如此,价格走势依然脆弱。

机构投资者通常倾向于不断发展的生态系统,尽管市场疲软导致价格滞后,Solana仍吸引了关注。比特币的反复下跌拖累了市场情绪,并波及主要竞争币。

尽管机构准入扩大,Solana仍保持谨慎且缺乏方向性。截至发稿时,Solana [SOL]徘徊在128美元附近,在122-145美元区间内交易。

横盘整理表明市场处于盘整状态而非趋势性走势。

巴西机构准入渠道拓宽

Valour于12月16日获得批准在巴西B3交易所上市Valour Solana [VSOL]。该上市通过传统经纪和托管渠道,扩展了以巴西雷亚尔计价的受监管Solana投资通道。

此举使Solana与比特币[BTC]、以太坊[ETH]、瑞波币[XRP]和Sui[SUI]共同登陆B3交易所。通过将SOL加入巴西产品线,Valour提升了Solana在拉美关键市场的机构曝光度。

ETF持续流入而交易所供应减少

SoSoValue仪表板数据显示,Solana现货ETF持续录得净流入。单日流入量接近364万美元,总净资产维持在9.2633亿美元附近。

稳定流入与SOL在既定区间内的横盘走势同时发生。

与此同时,SOL代币持续从交易所流出,即时减少了可售供应量。这种分化表明市场存在吸筹行为而非积极的短期持仓。

流动性聚集区使下行风险持续存在

币安清算热力图显示123美元附近存在密集流动性聚集区。该区域增加了持续疲软期间发生短期扫仓的可能性。

若比特币延续跌势,SOL可能失守区间支撑并滑向95美元区域。此类走势更可能由整体市场疲软驱动,而非SOL特定抛售所致。

多头能否收复高位供应区?

图表显示Solana在中位区间交易,买家仍缺乏明确动能。

RSI读数44.03,表明需求疲软且低于50中性线。MACD保持紧缩状态,显示看跌压力正在消退但未完全逆转。

Solana需突破145美元才能收复170美元关口,进而冲击区间高点。更强劲的复苏可能为冲击200美元供应区打开通道。

尽管生态系统持续发展,这些上行路径仍取决于风险情绪的稳定。


最终结论

  • Valour获得B3批准凸显机构对Solana生态系统日益增长的信心
  • 流动性风险与比特币主导的疲软继续影响SOL的短期方向

热门币种推荐

相关问答

QValour在巴西B3交易所上市Solana相关产品对SOL有何影响?

AValour获得批准在巴西B3交易所上市Valour Solana(VSOL)产品,这扩大了巴西投资者通过传统经纪和托管渠道以巴西雷亚尔计价、受监管的Solana投资渠道,提升了SOL在拉丁美洲关键市场的机构可见度。

Q为什么Solana(SOL)价格在128美元附近徘徊且表现疲软?

ASOL价格在122-145美元区间内横盘整理,缺乏明确方向,原因是比特币多次下跌拖累了市场情绪,并波及主要山寨币,导致价格行动脆弱且需求不足,RSI指标显示需求疲弱。

QSolana Spot ETF的资金流入情况如何?

A根据SoSoValue仪表板数据,Solana Spot ETF持续录得净流入,每日流入约364万美元,总净资产接近9.2633亿美元,表明机构资金仍在流入,尽管价格横盘。

QSOL面临哪些下行风险?

ABinance清算热图显示123美元附近有密集的流动性集群,增加了短期下跌的可能性;如果比特币继续下跌,SOL可能失去区间支撑并滑向95美元区域,这主要由更广泛的市场疲软而非SOL特定抛售驱动。

QSolana需要突破什么水平才能开启上涨路径?

ASOL需要突破145美元以重新测试170美元,进而推向区间高点;更强的复苏可能打开通往200美元供应区的路径,但这些上行路径取决于风险情绪的稳定和生态系统增长。

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。

marsbit10分钟前

生成模型也能端到端训练了?核心竟是一个for循环

marsbit10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

热门文章

相关讨论

欢迎来到HTX社区。在这里,您可以了解最新的平台发展动态并获得专业的市场意见。以下是用户对SOL(SOL)币价的意见。

活动图片