2026-08-07 星期五

加密貨幣新聞 - 第317頁

最新加密貨幣新聞及深度資訊,即時獲取加密貨幣市場動態、幣圈熱點、價格行情與行業趨勢分析。

不可能三角根本就是伪问题

加密行业构建了强大的密码学系统,但默认状态下却无法保护用户资金的隐私,所有交易和持仓都公开可查,这成为大规模资金入场的主要障碍。文章认为,区块链本质上是一台无人拥有的慢速、昂贵计算机,其核心价值在于提供无需许可的准入和去中心化信任。资金(尤其是稳定币)是天然适合上链的资产,因为账本记录即资产本身。 然而,行业长期关注的“不可能三角”(去中心化、可扩展性、安全性)并非真正瓶颈。实际阻碍在于两大设计缺陷:合法性与隐私。合法性方面,无许可特性导致监管灰色地带,但随着美国《GENIUS法案》等监管框架落地,合规环境正在改善。 更关键的缺陷是“透明度税”。链上所有交易公开,导致用户面临MEV(矿工可提取价值)被抢跑、夹击等风险,这实质上是一种持续的成本。对于家族办公室、大型机构等严肃资本而言,公开资产负债表是无法接受的。隐私并非与合规对立,现代密码学(如零知识证明)允许在不泄露具体数据的情况下证明合规性(如偿付能力、KYC),实现“可证明的合规隐私”。 作者指出,为链上交易添加隐私保护是一次纯粹升级,它将把加密系统从“公开的谷歌表格”转变为能保守秘密的共享机器,从而吸引数万亿规模的机构资金,真正释放区块链的潜力。

链捕手06/20 12:35

不可能三角根本就是伪问题

链捕手06/20 12:35

光芯片,集体扩产

近日,全球光芯片产业链密集出现扩产、投资与供应链绑定动作,以满足AI数据中心对光互连能力激增的需求。 美国方面,Coherent获政府资助扩建德州6英寸磷化铟(InP)产线,产能将提升至4倍,NVIDIA已对其战略投资并锁定未来产能。Lumentum在北卡罗来纳州新建激光器工厂,Nokia则在宾夕法尼亚扩建光子芯片先进测试与封装产能。日本材料商JX Advanced Metals计划大幅投资,将InP衬底产能提升7-10倍。欧洲方面,IQE与Tower Semiconductor达成InP外延片供应协议,推动硅光平台与III-V材料集成;ST计划在法国大幅提升300mm硅光产能;Sivers Semiconductors与格芯合作开发集成激光器的硅光方案。 国内光芯片产业链同样迅猛发展。东山精密旗下索尔思光电宣布投资12亿美元在常州扩建光芯片及光模块产能。三安光电已具备6英寸InP光芯片量产能力,云南锗业亦启动磷化铟单晶片扩产项目。产业链正从模块组装向材料、芯片、封测等全环节延伸。 行业分析指出,无论未来采用可插拔、CPO(共封装光学)还是其他架构,AI算力增长对带宽的需求将持续推高光芯片用量。目前CPO面临技术挑战,可能放缓落地,但光源路线呈现多元化(如硅光+连续波激光器、VCSEL、MicroLED等),将在不同应用场景分层并存。这场全球扩产竞赛实质是各国对AI数据中心光互连时代的关键布局,光子产业链已进入白热化竞争阶段。

marsbit06/20 10:16

光芯片,集体扩产

marsbit06/20 10:16

英特尔 CEO 陈立武首次播客访谈:我们的目标是“5-10 年 10 倍”,押注先进封装、玻璃基板和人工钻石

英特尔CEO陈立武在接受播客访谈时,提出了“5-10年实现10倍回报”的股东回报目标,并系统阐述了其领导下的转型战略。面对传统工艺微缩接近物理极限的挑战,他将突破点聚焦于先进封装技术(如EMIB)、新型基板材料(如玻璃基板)以及氮化镓、碳化硅和人工合成钻石等半导体新材料,旨在通过材料科学与封装创新延续性能增长。 陈立武将转型过程分为“爬、走、跑”三个阶段。目前英特尔处于夯实基础的“爬行”阶段,首要任务是稳固资产负债表、聚焦简化产品线、并倾听客户需求。他特别指出,智能体AI和推理场景的爆发正带动CPU需求强劲回升。 在代工业务方面,他强调这是一门“信任的生意”,核心是提升良率、缺陷密度和周期时间等基础能力,以服务客户并保障美国本土供应链安全。他同时透露,与埃隆·马斯克合作的Terafab项目进展顺利,双方正共同应对AI算力增长带来的半导体基础设施挑战。 陈立武认为,市场目前低估了英特尔的长期潜力。他预计到2030-2032年,外界将真正看到其在PC基本盘之外,于边缘计算、物理AI与智能体AI等新兴市场的价值。通过整合XPU(混合架构)、先进封装与代工能力,为不同工作负载提供定制化芯片解决方案,是其为英特尔锚定的长期战略方向。

marsbit06/20 06:06

英特尔 CEO 陈立武首次播客访谈:我们的目标是“5-10 年 10 倍”,押注先进封装、玻璃基板和人工钻石

marsbit06/20 06:06

AI 成绩单背后,藏着一位华人“出题人”

AI领域重要的基准评测MMLU-Pro、MMMU、MMMU-Pro背后,都站着同一位“出题人”——加拿大滑铁卢大学助理教授陈文虎。 随着大语言模型能力快速提升,旧的评测基准如MMLU逐渐“失灵”,顶尖模型得分趋近满分,难以区分高下。为此,陈文虎团队于2024年推出MMLU-Pro。它通过将选项扩至10个、增加推理题比例、剔除简单题等方式,使模型准确率相较旧基准显著下降16%-33%,成绩波动更小,有效拉开了模型间的真实差距。 在多模态评测方面,陈文虎团队推出的MMMU基准包含1.15万道需结合图像与专业知识的复杂题目,即便是当时最强的GPT-4V和Gemini Ultra准确率也未超过60%。后续的MMMU-Pro则进一步堵住模型仅凭文本猜答案的漏洞,强制其进行真正的多模态理解。 陈文虎的研究方向长期聚焦于复杂信息理解与推理。他曾于谷歌DeepMind参与Gemini多模态模型的研发与评估工作,这让他深谙模型能力增长路径与评估盲区。他创立的“老虎实验室”不仅做评测,也研发视频理解与生成等模型,这种“既做题也出题”的经历,使其能更精准地设计出触及模型能力边界的评估体系。 如今,陈文虎已加入Meta超级智能实验室,继续专注于多模态预训练与评估工作。他的故事反映了在AI浪潮中,众多华人研究者正深度参与并塑造着行业发展的核心基础工作。

marsbit06/20 03:51

AI 成绩单背后,藏着一位华人“出题人”

marsbit06/20 03:51

活动图片