Crypto.com在用户激增后推出预测市场

TheNewsCrypto發佈於 2026-02-04更新於 2026-02-04

文章摘要

全球加密货币交易所Crypto.com在用户参与度激增后,推出了新型预测市场平台。该平台允许用户对金融、政治和文化等现实事件的结果进行预测交易,将交易功能与信息发现相结合。此举是交易所从传统交易服务向衍生品、质押及预测等多元化服务拓展的战略举措,旨在提升用户参与度并开辟额外收入来源。 预测市场吸引了数据分析型和风险对冲型用户,通过整合至现有交易与支付界面,Crypto.com试图构建一站式加密生态系统。尽管预测市场已有竞争者,但凭借其庞大用户基础和品牌认知度,该平台有望加速市场渗透。 交易所强调用户参与度(而非账户余额)已成为核心指标,预测市场通过触发重复交易周期和网络效应提升平台活力。此次产品发布既体现了对加密市场复苏的信心,也反映了交易所在市场成熟期探索金融、数据娱乐化融合机遇的趋势。

全球交易所Crypto.com通过推出新的预测市场平台继续推进其扩张战略。此前该公司报告称,用户参与度在短期内实现了超过四十倍的指数级增长。

比特币市场动态和Web3趋势关注度的提升表明,用户对多样化加密服务的兴趣日益增长。Crypto.com旨在通过提供事件驱动型市场来把握这一机遇,使用户能够预测金融、政治和文化领域的事件结果。

预测市场使用户能够基于现实世界事件进行合约交易。这些市场将交易功能与信息发现相结合。用户根据预测进行投注,市场行情由集体情绪驱动。

超越传统交易的多元化布局

加密交易所正逐渐摆脱传统交易服务,开始整合衍生品、质押、借贷以及现在的预测市场等新服务。Crypto.com通过此策略强化用户参与度并创造额外收入来源。

预测市场吸引了不同的用户群体:部分参与者专注于数据分析,另一些则寻求对冲工具。这种产品组合拓宽了平台吸引力,并增加了用户在生态内的停留时间。

Crypto.com将新平台整合至现有基础设施中,用户可通过单一界面访问预测市场、现货市场和支付服务。

竞争格局升温

虽然已有部分平台运营预测市场,但Crypto.com拥有庞大的用户基础和品牌认知度,这可能成为加速市场采纳的催化剂。

此次推出预测市场表明该平台对市场复苏和用户参与度充满信心。交易所通常在增长期推出新产品。

用户参与度成为核心指标

交易所运营的成功越来越取决于用户参与度而非账户余额。预测市场等产品促进重复参与,每个预测市场都会触发新的交易周期。

平台还受益于网络效应:更多参与者提升定价准确性和流动性,从而吸引更多用户加入。

Crypto.com将此举措定位为其长期愿景的一部分,旨在构建全能型加密生态系统而非单一服务交易所。

预测市场前景展望

随着数字资产市场成熟,平台开始寻找相邻机遇。预测市场连接了金融、数据和娱乐领域,这种双重使用潜力可能是持续增长的关键。

Crypto.com的推出表明交易所正在适应用户参与度变化——当用户参与急剧增加时,新产品开发随之跟进。

该举措彰显了对加密领域持续参与和Web3用例扩展的信心。

重点加密新闻:

Ondo Finance与MetaMask合作将代币化股票和ETF引入链上

标签加密交易 Crypto用户 Crypto.com 数字资产 Web3

相關問答

QCrypto.com推出预测市场的主要原因是什么?

ACrypto.com推出预测市场主要是因为用户参与度在短期内增长了40倍以上,公司希望利用用户对多样化加密服务的兴趣,通过事件驱动型市场提供金融、政治和文化领域的预测服务,从而增强用户参与度并创造额外收入来源。

Q预测市场的运作机制是怎样的?

A预测市场允许用户基于现实世界事件的结果进行合约交易,用户根据预测下注,市场由集体情绪驱动。这种模式结合了交易功能和信息发现,参与者既可以是专注于数据分析的用户,也可以是寻求对冲工具的用户。

QCrypto.com如何通过新产品实现业务多元化?

ACrypto.com通过推出预测市场,与现有的现货市场、支付服务集成在同一界面,并补充了衍生品、质押和借贷等服务,逐步从传统交易服务转向多元化产品组合,以扩大平台吸引力并增加用户在生态系统内的停留时间。

Q预测市场对Crypto.com的长期战略有何意义?

A预测市场是Crypto.com构建一体化加密生态系统长期愿景的一部分,旨在通过促进用户重复参与和利用网络效应(更多用户提升定价准确性和流动性)来巩固平台地位,而非仅作为单一服务交易所。

Q此次产品发布反映了加密货币行业的哪些趋势?

A此次发布反映了加密货币交易所正通过开发预测市场等相邻机会适应市场成熟化趋势,将金融、数据和娱乐结合,以满足用户参与度激增的需求,并显示出对Web3用例扩展和加密市场持续复苏的信心。

你可能也喜歡

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。

marsbit47 分鐘前

生成模型也能端到端训练了?核心竟是一个for循环

marsbit47 分鐘前

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 小時前

年薪百万抢电工,Meta急到自己办技校

marsbit2 小時前

交易

現貨
活动图片