AMA บน X

การยื่นการเพิกถอนความน่าเชื่อถือ Ethereum เชิงกลยุทธ์ของ Grayscale ทําให้เกิดคําถาม ตามการยื่นต่อสํานักงานคณะกรรมการกํากับหลักทรัพย์และตลาดหลักทรัพย์ของสหรัฐอเมริกา (SEC) Grayscale ได้ถอนการยื่นแบบ 19b-4 เพื่อจดทะเบียนและซื้อขาย ether trust หรือที่เรียกว่า ETHE การพัฒนานี้เกิดขึ้นในช่วงหัวเลี้ยวหัวต่อเมื่อฉันทามติทั่วไปในหมู่ชุมชนคือโอกาสที่ SEC จะไฟเขียว ETF ที่ใช้ ETH นั้นค่อนข้างต่ํา นักวิเคราะห์และตลาดคาดการณ์ได้กําหนดความน่าจะเป็นน้อยที่สุดในการอนุมัติของ ก.ล.ต. โดยบางคนถึงกับแนะนําว่าความเป็นไปได้เป็นศูนย์ หลังจากการถอนตัว James Seyffart นักวิเคราะห์ ETF ของ Bloomberg กล่าวถึงการถอนตัวในโพสต์บนแพลตฟอร์มโซเชียลมีเดีย X "สิ่งนี้น่าสนใจ" Seyffart กล่าว "Grayscale เพิ่งถอนการยื่น 19b-4 สําหรับ ETF ฟิวเจอร์สอีเธอเรียม นี่เป็นการยื่นฟ้องม้าโทรจันในมุมมองของฉันเพื่อสร้างสถานการณ์เดียวกันที่ทําให้ Grayscale ชนะคดี GBTC (อนุมัติจุดปฏิเสธฟิวเจอร์ส)" [ฉันไม่รู้] ทําไมพวกเขาถึงทําสิ่งนี้อย่างตรงไปตรงมา ในความคิดของฉันเช่นกันอาจทําให้ก.ล.ต. เขียนการอนุมัติหรือปฏิเสธสําหรับ ETF ฟิวเจอร์ส ETH และไปจากที่นั่น? บางที ก.ล.ต. อาจพูดคุยกับ Grayscale เกี่ยวกับเรื่องนี้... และสิ่งที่ถูกกล่าวว่าโน้มน้าวให้ Grayscale ถอนตัว? (นี่คือการคาดเดาที่สมบูรณ์) ในขณะที่เหตุผลเบื้องหลังการตัดสินใจยังไม่ชัดเจนการเก็งกําไรยังคงมีอยู่และโอกาสในการอนุมัติก็ลดลงไปอีก ในขณะที่ชุมชน crypto ไตร่ตรองถึงผลกระทบการถอนตัวนี้อาจทําเครื่องหมายการปรับเทียบความคาดหวังใหม่ทั้งหมดเกี่ยวกับ ETF ที่ใช้ ethereum และตัดสินทางกายภาพ #BTC# #HotTopicDiscussion# #GateioBountyCreator#

เกี่ยวกับประสิทธิภาพของ Ethereum Virtual Machine (EVM) ทุกการดำเนินการบน Ethereum mainnet ต้องใช้ Gas จำนวนหนึ่ง หากเราคำนวณทั้งหมดที่จำเป็นในการเรียกใช้แอปพลิเคชันพื้นฐานบนเชน แอปจะล่ม หรือผู้ใช้จะล้มละลาย สิ่งนี้ทำให้เกิด L2: OPRU แนะนำ collator เพื่อรวมธุรกรรมจำนวนมากก่อนที่จะยอมรับ mainnet สิ่งนี้ไม่เพียงแต่ช่วยให้แอปดำเนินการรักษาความปลอดภัยของ Ethereum เท่านั้น แต่ยังทำให้ผู้ใช้ได้รับประสบการณ์ที่ดีขึ้นอีกด้วย ผู้ใช้สามารถส่งธุรกรรมได้เร็วขึ้นและค่าธรรมเนียมถูกลง แม้ว่าการดำเนินการจะมีราคาถูกลง แต่ก็ยังใช้ EVM ดั้งเดิมเป็นเลเยอร์การดำเนินการ คล้ายกับ ZK Rollups, Scroll, Polygon zkEVM ใช้หรือจะใช้วงจร zk ที่ใช้ EVM และ zk Proof จะสร้าง...

การศึกษาเกี่ยวกับปัญหาสภาพคล่องล่อลวงคนเพื่อทำกำไรในยุค Layer 2 เมื่อ Ethereum เปลี่ยนไปสู่แนวทางการขยายที่มุ่งเน้น Layer 2 และการเกิดขึ้นของเครื่องมืออย่าง RaaS ทำให้บล็อกเชนสาธารณะจำนวนมากพัฒนาอย่างรวดเร็ว หลายองค์กรหวังที่จะสร้างบล็อกเชนของตนเองเพื่อเป็นตัวแทนของผลประโยชน์ที่แตกต่างกันและมองหาการประเมินมูลค่าที่สูงขึ้น อย่างไรก็ตาม การเกิดขึ้นของบล็อกเชนสาธารณะจำนวนมากทำให้การพัฒนาของระบบนิเวศไม่สามารถตามทันจังหวะของบล็อกเชนสาธารณะ ส่งผลให้โครงการจำนวนมากมีมูลค่าตกต่ำลงในช่วง TGE. กับ OP

การวิเคราะห์ความลึกของโครงการ AI Layer 1: นวัตกรรมทางเทคโนโลยีและความเคลื่อนไหวของแพลตฟอร์มที่เป็นตัวแทนทั้งห้า ด้วยการพัฒนาเทคโนโลยีปัญญาประดิษฐ์อย่างรวดเร็ว สถาปัตยกรรมบล็อกเชนแบบดั้งเดิมจึงไม่สามารถตอบสนองความต้องการด้านการประมวลผลที่มีประสิทธิภาพสูงและการจัดการข้อมูลที่ซับซ้อนได้ ซึ่งส่งผลให้เกิดแพลตฟอร์มบล็อกเชน Layer 1 ที่ถูกปรับแต่งโดยเฉพาะสำหรับ AI ขึ้นมา ซึ่งมีลักษณะหลากหลายทั้งในด้านสถาปัตยกรรมทางเทคนิค, บริบทการใช้งาน และโมเดลธุรกิจ บทความนี้วิเคราะห์ลึกลงไปใน 5 โครงการ AI Layer 1 ชั้นนำ ได้แก่ Bittensor, Vana, Kite AI, Nillion และ Sahara. Bittensor：โครงสร้างพื้นฐานเครือข่าย AI แบบกระจายศูนย์ Bittensorในฐานะที่เป็นผู้สำรวจในด้าน AI บนบล็อกเชนในช่วงแรก มีความมุ่งมั่นที่จะสร้างเครือข่ายการทำงานร่วมกันของปัญญาประดิษฐ์แบบกระจายอำนาจที่เปิดกว้าง เป้าหมายของมันคือการทำลายกำแพงการรวมศูนย์ในกระบวนการพัฒนาปัญญาประดิษฐ์แบบดั้งเดิม,

การวิเคราะห์ความลึกของโปรเจกต์ AI Layer 1: การสร้างใหม่ของการผสมผสานระหว่างบล็อกเชนและปัญญาประดิษฐ์ ด้วยการพัฒนาอย่างรวดเร็วของเทคโนโลยี AI สถาปัตยกรรมบล็อกเชนแบบดั้งเดิมจึงยากที่จะตอบสนองความต้องการของแอปพลิเคชัน AI สําหรับการประมวลผลประสิทธิภาพสูงและการประมวลผลข้อมูลที่ซับซ้อน สิ่งนี้นําไปสู่การเพิ่มขึ้นของแพลตฟอร์มบล็อกเชนเลเยอร์ 1 ที่ปรับให้เหมาะสมสําหรับ AI ซึ่งมีความหลากหลายในแง่ของสถาปัตยกรรมทางเทคนิคสถานการณ์การใช้งานและรูปแบบธุรกิจ บทความนี้วิเคราะห์เชิงลึกเกี่ยวกับโครงการ AI Layer1 ที่นำหน้า 5 โครงการ ได้แก่ Bittensor, Vana, Kite AI, Nillion และ Sahara AI Bittensor：โครงสร้างพื้นฐานเครือข่าย AI แบบกระจายศูนย์ Bittensor ในฐานะที่เป็นผู้สำรวจในด้าน AI บนบล็อกเชนที่เริ่มต้น ได้มุ่งมั่นที่จะสร้างเครือข่ายการทำงานร่วมกันของปัญญาประดิษฐ์แบบกระจายอำนาจที่เปิดกว้าง เป้าหมายของมันคือการทำลายอุปสรรคที่มีอยู่ในด้านการพัฒนา AI แบบศูนย์กลาง เพื่อให้ผู้เข้าร่วมมากขึ้นสามารถร่วมกันมีส่วนร่วมได้