Jeonlees
Feed
Feed
AI-agenter kan allerede skrive kode, utføre forskning og utvikle løsninger.
Å sitte fast i det blir økonomisk, ikke en smartere modell, men et spor mellom to transaksjoner.
Hvem er den andre parten, hvor er pengene, er arbeidet fullført, og kan resultatene brukes igjen neste gang? Hvis disse fire tingene ikke holder, er agenten bare et verktøy, ikke en uavhengig agent som kan tjene penger.
@termix_ai AACP, markedskalt.
Plattformen håndterer ikke penger, og heller ikke den endelige registreringen. Penger ligger i kontrakter, omdømme skrives på kjeden.
Dette er ikke det samme som den allestedsnærværende agentkatalogen.
Katalogen er utstillingsvinduet, som viser hvem som kan gjøre hva. AACP er sporet, ansvarlig for hvordan avtaler skjer. Uansett hvor stor katalogen er, kan det ikke gjøres alene—det er bare en utstilling.
Identitet er ikke en nettsidekonto. Agenten er preget i lommeboken og er din egen on-chain-identitet. Med samme identitet kan denne ordren være kunden, og neste kan være entreprenøren. Omdømme scores fra 1 til 100, og kontrakten skriver den under oppgjøret; du kan ikke fylle ut en "profesjonell positiv anmeldelse" selv. Selv om plattformen er stengt, forblir poengsummen; du kan ta den bort ved å bytte til markeds-CV. For at en agent skal bli en økonomisk enhet, må de først bli et emne som kan tas bort.
Hver bestilling har bare to seter: ett betaler og det andre fungerer.
I det øyeblikket tilbudet aksepteres, går USDC eller USDT inn i escrow. Live off-chain og skriv leveringshashen on-chain når du sender inn. Det er hashen du legger inn, ikke bare et enkelt 'jeg er ferdig.' Hvis du ikke er fornøyd, går tvisten videre – ansvaret ligger hos den som blir staken.
Selv om du er overtid, er kontrakten fortsatt avsluttet, uten å vente på kundeservice. Det finnes fem delstater uten vei tilbake: publisering, pristilbud, levering, tvist, oppgjør. Først etter at oppgjøret er fullført, blir det inkludert i omdømmet. Avtalen tar omtrent 2 %. Lav er ikke en rabatt, fordi den verken fungerer som en bank eller en domstol.
Så se på agenten. Det avhenger av hvor mange ordre som faktisk blir avgjort og tåler utfordringen.
I slutten av august publiserte den offisielle pressemeldingen et verifiserbart on-chain-øyeblikksbilde: omtrent 370 000 agenter, 220 000 jobber og over 12 millioner USD i transaksjoner.
Tallene vil endre seg, retningen vil være tydelig—med start i omsorg og utlån, ikke bare fortellinger. Det minste neste steget er å ikke skrive airdrops.
Slå inn en .agent, åpne en avtalt bestilling, og se hvordan pengene dine går fra escrow til utbetaling.
Kun for personlig markedsobservasjon, DYOR.
Axis @axisrobotics nettopp offentliggjort de siste dataene i dag:
3,7M+ Baner
42 000+ timer med data
4 000+ aktive oppgaver
150 000+ bidragsytere
Hvorfor trenger roboter så mye data?
Fordi LLM-er kan gjennomsøke internett for å lære tekster, men roboter må lære «hvordan man gjør det».
Hvordan gripe, hvordan plassere den, hvordan fikse skjeve skuffer, hva man skal gjøre hvis en skuff setter seg fast midt i trekkingen.
Disse bevegelsesdataene kan ikke finnes på nettet, ekte enhetsdata er dyre og trege, og å erstatte robotarmen med gamle data kan være ubrukelig direkte.
Dette er akkurat det Axis sitter fast i.
Den definerer seg selv som en sammensatt datamotor for fysisk AI.
Vanlige folk trenger ikke kjøpe en robotarm; de kan fjernstyre den simulerte roboten rett i nettleseren. Det du sender inn er ikke et skjermopptak, men en full bane: hvordan roboten beveger seg, hvordan objektet endrer seg, og om oppgaven til slutt lykkes.
Først etter replay-validering går dataene inn i treningsprosessen.
Jeg synes den virkelig verdifulle delen faktisk er Axis V2.
Det handler ikke om «menneskelig datainnsamling → modelltrening → ferdig», men heller om at modellen skal gjøre det først, hvor menneskene bare tar over og korrigerer når den er i ferd med å gå glipp av noe, sette seg fast eller avvike.
Modellfeil → menneskelige korreksjoner → omtrening→ noe som avdekker nye feil.
Dette er mer som et ekte datasvinghjul.
Datasett V1 har for øyeblikket 207 manipulasjonsoppgaver, 50 00+ menneskelige demonstrasjonsbaner, og dekker 60 00+ oppgave-/scenevarianter.
Etter ytterligere fortrening med disse dataene på π0,5, økte LIBERO-Plus suksessraten fra 83,9 % til 88,8 %.
Minst én ting å presisere:
Crowdsourcet data er ikke nødvendigvis naturlig av lav kvalitet; nøkkelen ligger i om det kan verifiseres, renses og deretter dekkes nok scenarier.
Axis fullførte tidligere et seed-prosjekt på 12 millioner dollar finansiert av Hack VC, og har allerede levert oppgavepakker til modellpartnere.
Så nå, når jeg ser på Axis, bryr jeg meg egentlig ikke om «hvor mange flere spor som er lagt til».
Jeg bryr meg mer om tre ting:
Om disse dataene kontinuerlig kan forbedre modellen;
Om ulike roboter kan gjenbrukes;
Etter hvert som modellen blir sterkere, kan kostnaden for manuell feilkorrigering fortsette å synke?
Hvis disse tre spørsmålene stemmer, er Axis ikke bare en «nettbasert robotarm»-oppgaveplattform, men kan virkelig være datalaget i robotalderen.
Selvfølgelig er risikoene også direkte:
Simulering ≠ virkelige, folkefinansierte data vil uunngåelig inneholde støy.
Så Axis sin egentlige barriere er ikke antall deltakere, men om de kan gjøre om et stort antall ujevne menneskelige operasjoner til data modellen faktisk kan spise.
Den varmeste delen av roboten akkurat nå er kroppen.
Det Axis ønsker å legge til er: hvor vil disse organene lære å arbeide i fremtiden?
Inngang:
Du kan spille så lenge du har en datamaskin, hent noe selv, og det er sannsynligvis lettere å forstå dette sporet enn å lese ti forskningsrapporter om fysisk AI.
@axisrobotics
I fremtiden kan det hende at aksjekjøp ikke engang krever åpning av meglerapper.
Det tyske meglerfirmaet Scalable Capital har nettopp lansert en ny funksjon: deres over én million kunder kan direkte se sine beholdninger, analysere porteføljer og til og med gjennomføre handler gjennom ChatGPT og Claude. Den forvalter kundeeiendeler på over 60 milliarder euro.
Tidligere, når du så Nvidia falle, måtte du åpne meglerhuset, søke etter koder, legge inn antall og bekrefte priser. De ekstra noen titalls sekundene imellom kan av og til virkelig holde tilbake en enkelt impuls. Nå, så lenge du sier til AI-en: «Hjelp meg å legge til i posisjonen min», er det nesten ingen buffer fra sentiment til transaksjon.
Skalables administrerende direktør mener AI kan hjelpe brukere med å oppnå bedre avkastning på lang sikt, men han innrømmer også at dette ennå ikke er bevist.
Omvendt, når handelsinngangspunktene blir kortere, synes brukerne det er lettere å jage gevinster, legge til posisjoner og justere gjentatte ganger – et resultat som er lett å forestille seg.
Kun for personlig markedsobservasjon, DYOR.
For å være ærlig var Junzhengs svartemarked i dag litt synd.
Den offentlige tegningen er nesten 700 ganger, og markedsforventningene er allerede høye. Utstedelsesprisen er 100 HKD, og når gråmarkedet åpner, kjøper noen opp, med den høyeste som når 109,3 HKD, noe som betyr at mange kan tjene opptil 930 HKD.
Etter å ha nådd 109,3, fortsatte den å falle helt, med en bunn på 97,5, en forskjell på 11,8 %.
Hvis du ikke går ut på et høyt punkt, eller i det hele tatt nøler litt, kan flytende gevinster raskt bli til flytende tap. Til slutt gikk prisen tilbake til litt over 99 yuan, i praksis en bortkastet innsats.
Dette er det mest bemerkelsesverdige aspektet ved Junzheng i dag: det er ikke slik at ingen hyper det, men at noen hyper det, men reléet over er åpenbart utilstrekkelig.
I tillegg har A-aksjemarkedet falt de siste par dagene. Junzheng A falt mer enn 3 poeng igjen i dag. Tidligere brukte alle «A/H rabatt høy» som kjernelogikk for Junzhengs nye IP, men ettersom A-aksjene falt av seg selv, minket rabattfordelen på H-aksjesiden naturligvis.
Det er en annen ting mange ofte overser: A-aksjer.
Da jeg skrev om Junzheng tidligere, var det én ting jeg satte mest pris på A/H-rabatten.
Den 17. august stengte Junzhengs A-aksjer på 155,39 yuan, noe som ved valutakursen tilsvarte omtrent 181 hongkongamerikanske dollar. H-aksjer notert til 100 HKD, med en svært overdrevet rabatt, så mange tror det må være en tykk sikkerhetspute under 100 HKD.
Men her er problemet—før H-aksjene offisielt er notert, faller A-aksjene allerede.
I dag stengte Junzheng A-aksjene på 133,75 yuan, ned 3,42 %. Fra 155,39 den 17. august har det ukentlige fallet vært nesten 14 %.
Ved dagens valutakurs tilsvarer 133,75 RMB omtrent 156 HKD.
Så selvfølgelig er 100 yuan for H-aksjer fortsatt billig, med en rabatt på omtrent 35 %, men det er ikke lenger like overdrevet som rabatten på over 40 % ved starten av børsnoteringen.
Jeg synes dette er veldig viktig.
Mange kritiserer Junzheng ikke fordi de mener 100 HKD er billig, men fordi de tenker: «A-aksjer koster 170 til 80 HKD, jeg kjøper H-aksjer for 100 HKD, hvordan kan jeg tape?» ”
Nå som A-aksjene faller av seg selv, beveger dette ankeret seg naturlig nok nedover også.
Kun for personlig markedsobservasjon, DYOR.
$TMX På dette tidspunktet har termmax vellykket reversert
Forhåndsmarked 0,19
Oppkalt for ett år og skrevet for ett år
Færre enn 300 enheter ble sendt
I løpet av denne tiden ble ulike oppgaver utført uten stopp, og til slutt ble det slik
CNM Termmax @TermMax
Til slutt er det bedre å skrive Creator Desk-oppgavene på Binance Plaza + gjøre boosters
Jeonlees
Etter å ha fulgt Hu Chuliangs ledelse og laget en AI-arbeidsbenk, trenger jeg endelig ikke lenger å nøye gjennomgå og plukke aksjer selv
Hu Chuliang AI Workbench, som har vært populær på nettet i det siste, forstår virkelig vanlige folk.
Hvem skulle trodd det? Hun var opprinnelig bare en mote- og skjønnhetsblogger, som uformelt la ut en daglig video av seg selv som brukte AI for å bygge sitt personlige arbeidsområde, noe som umiddelbart fikk millioner av likes og hele internett fulgte etter og leverte oppgaver. Ingen prangende ferdigheter, ingen profesjonell kode—det er den mest autentiske daglige rutinen for vanlige folk, noe som er hovedgrunnen til at den virkelig har brutt ut av sin nisje.
Mange følger bare trenden og kopierer bare flashy grensesnitt, og overser fullstendig essensen. Hu Chuliangs egen tilnærming er spesielt enkel: ingen kompliserte innstillinger, ingen behov for å skrive kode, og han delegerer alle daglige gjøremål og repeterende oppgaver til AI. Temagjennomgang, timeplanlegging, innholdsorganisering—alt håndtert av AI, mens AI-en kun fokuserte på kjerneutvikling.
Jeg forstår dette godt. Jeg har selv jobbet med en AI-arbeidsbenk for aksjeutvelgelse, og smertepunktene henger helt sammen.
Tidligere var det virkelig utmattende å gjennomgå, plukke aksjer og organisere markedsdata. Daglige massive markedsdata, en haug med forsknings-PDF-er og spredte bransjenyheter – filtrering, verifisering og oppsummering av alt manuelt. Tidkrevende, kjedelig og rent repeterende fysisk arbeid er en nødvendighet for å handle anmeldelser – umulig å unngå.
Dette er også grunnen til at jeg ble praktisk involvert med Tencent WorkBuddy og fullt ut forsto logikken bak Hu Chuliangs eksplosive popularitet: virkelig nyttig AI er aldri et verktøy, men en dedikert ny kollega som gjør husarbeidet for deg.
De fleste AI på markedet sitter fortsatt fast i «svar på et spørsmål»-stadiet.
Hvis du spør om markedsdata, indikatorer eller anmeldelsesideer, vil det bare gi en rekke teoretiske maler. Til slutt må du være oppe sent for å organisere data, oppsummere innhold og strukturere anmeldelsen din. For å si det rett ut, er det bare en annen måte å jobbe overtid på, akkurat den samme som den «ineffektive AI-bruken» som Hu Chuliang forlot.
Men WorkBuddy er en helt annen arbeidsmodus: ingen behov for detaljert kommandojustering, trinnvis veiledning eller manuell ferdigstilling.
Min nåværende gjennomgangsprosess for aksjevalg er veldig avslappet:
Jeg pakket direkte de daglige markedsdatatabellene, bransjeforskningsrapporter, sektornyheter og spredte handelsnotater inn i pakken, og forklarte mine behov – batchsortering av effektiv informasjon, rensing av redundante data, organisering av aksjeutvelgelseslogikk og produksjon av en strukturert gjennomgangsoversikt for dagen.
Alle de gjenværende kjedelige trinnene håndteres helt av selskapet.
Leser automatisk flere dokumenter i detalj, filtrerer gyldig markedsinformasjon, filtrerer ut ineffektiv støy, organiserer datadimensjoner og organiserer en tydelig rammeverk for gjennomgang av aksjeutvelgelse.
Jeg trenger ikke gripe inn underveis; den endelige leveringen er ferdige gjennomgangsdokumenter, sammendrag av aksjeutvalg og strukturerte analyseresultater.
Jeg pleide å tro at disse detaljerte oppgavene og dataorganiseringen bare kunne gjøres av meg selv, og at bare sjefen hadde en dedikert assistent.
La oss nå bli helt klare: innen 2026 bør alle ha sin egen AI-assistent.
Enten det gjelder kontorarbeid, organisering av materialer, lagerplukking, gjennomgang eller dataforskning, kan de mest tidkrevende, irriterende og minst vekstkrevende mekaniske oppgavene alle delegeres direkte til WorkBuddy.
Den spesialiserer seg på alle slags travle jobber som mennesker ikke ønsker å gjøre.
Ikke mer å kaste bort mesteparten av tiden på repeterende oppgaver, overlate trivielle oppgaver til nye AI-kolleger, og fokusere kun på kjernevurdering og dyp tenkning er nok.
Dette er den ultimate sannheten bak Hu Chuliangs popularisering av AI-arbeidsbenken: hun har reid på alle bølgene av korte videoer, netthandel og AI, og forstår de grunnleggende behovene til vanlige folk best—AI er ikke bare for moro skyld eller gimmicker, men for å hjelpe folk med å lette byrdene sine og frigjøre seg selv. Ingen grunn til å bli en storfisk; vanlige folk kan stole på AI for å riste av seg unødvendig travelhet.
Møt din nye lagkamerat — WorkBuddy @TencentAI_News
La arbeidet du ikke vil gjøre være til det, og behold kjerneenergien din for deg selv.
#WorkBuddy #MeetYourNewTeammate #LetWorkBuddyDoIt #AIAtWork #WorkSmarter #Productivity #AI选股 #AI工作台 #胡楚靓AI工作台
Etter å ha fulgt Hu Chuliangs ledelse og laget en AI-arbeidsbenk, trenger jeg endelig ikke lenger å nøye gjennomgå og plukke aksjer selv
Hu Chuliang AI Workbench, som har vært populær på nettet i det siste, forstår virkelig vanlige folk.
Hvem skulle trodd det? Hun var opprinnelig bare en mote- og skjønnhetsblogger, som uformelt la ut en daglig video av seg selv som brukte AI for å bygge sitt personlige arbeidsområde, noe som umiddelbart fikk millioner av likes og hele internett fulgte etter og leverte oppgaver. Ingen prangende ferdigheter, ingen profesjonell kode—det er den mest autentiske daglige rutinen for vanlige folk, noe som er hovedgrunnen til at den virkelig har brutt ut av sin nisje.
Mange følger bare trenden og kopierer bare flashy grensesnitt, og overser fullstendig essensen. Hu Chuliangs egen tilnærming er spesielt enkel: ingen kompliserte innstillinger, ingen behov for å skrive kode, og han delegerer alle daglige gjøremål og repeterende oppgaver til AI. Temagjennomgang, timeplanlegging, innholdsorganisering—alt håndtert av AI, mens AI-en kun fokuserte på kjerneutvikling.
Jeg forstår dette godt. Jeg har selv jobbet med en AI-arbeidsbenk for aksjeutvelgelse, og smertepunktene henger helt sammen.
Tidligere var det virkelig utmattende å gjennomgå, plukke aksjer og organisere markedsdata. Daglige massive markedsdata, en haug med forsknings-PDF-er og spredte bransjenyheter – filtrering, verifisering og oppsummering av alt manuelt. Tidkrevende, kjedelig og rent repeterende fysisk arbeid er en nødvendighet for å handle anmeldelser – umulig å unngå.
Dette er også grunnen til at jeg ble praktisk involvert med Tencent WorkBuddy og fullt ut forsto logikken bak Hu Chuliangs eksplosive popularitet: virkelig nyttig AI er aldri et verktøy, men en dedikert ny kollega som gjør husarbeidet for deg.
De fleste AI på markedet sitter fortsatt fast i «svar på et spørsmål»-stadiet.
Hvis du spør om markedsdata, indikatorer eller anmeldelsesideer, vil det bare gi en rekke teoretiske maler. Til slutt må du være oppe sent for å organisere data, oppsummere innhold og strukturere anmeldelsen din. For å si det rett ut, er det bare en annen måte å jobbe overtid på, akkurat den samme som den «ineffektive AI-bruken» som Hu Chuliang forlot.
Men WorkBuddy er en helt annen arbeidsmodus: ingen behov for detaljert kommandojustering, trinnvis veiledning eller manuell ferdigstilling.
Min nåværende gjennomgangsprosess for aksjevalg er veldig avslappet:
Jeg pakket direkte de daglige markedsdatatabellene, bransjeforskningsrapporter, sektornyheter og spredte handelsnotater inn i pakken, og forklarte mine behov – batchsortering av effektiv informasjon, rensing av redundante data, organisering av aksjeutvelgelseslogikk og produksjon av en strukturert gjennomgangsoversikt for dagen.
Alle de gjenværende kjedelige trinnene håndteres helt av selskapet.
Leser automatisk flere dokumenter i detalj, filtrerer gyldig markedsinformasjon, filtrerer ut ineffektiv støy, organiserer datadimensjoner og organiserer en tydelig rammeverk for gjennomgang av aksjeutvelgelse.
Jeg trenger ikke gripe inn underveis; den endelige leveringen er ferdige gjennomgangsdokumenter, sammendrag av aksjeutvalg og strukturerte analyseresultater.
Jeg pleide å tro at disse detaljerte oppgavene og dataorganiseringen bare kunne gjøres av meg selv, og at bare sjefen hadde en dedikert assistent.
La oss nå bli helt klare: innen 2026 bør alle ha sin egen AI-assistent.
Enten det gjelder kontorarbeid, organisering av materialer, lagerplukking, gjennomgang eller dataforskning, kan de mest tidkrevende, irriterende og minst vekstkrevende mekaniske oppgavene alle delegeres direkte til WorkBuddy.
Den spesialiserer seg på alle slags travle jobber som mennesker ikke ønsker å gjøre.
Ikke mer å kaste bort mesteparten av tiden på repeterende oppgaver, overlate trivielle oppgaver til nye AI-kolleger, og fokusere kun på kjernevurdering og dyp tenkning er nok.
Dette er den ultimate sannheten bak Hu Chuliangs popularisering av AI-arbeidsbenken: hun har reid på alle bølgene av korte videoer, netthandel og AI, og forstår de grunnleggende behovene til vanlige folk best—AI er ikke bare for moro skyld eller gimmicker, men for å hjelpe folk med å lette byrdene sine og frigjøre seg selv. Ingen grunn til å bli en storfisk; vanlige folk kan stole på AI for å riste av seg unødvendig travelhet.
Møt din nye lagkamerat — WorkBuddy @TencentAI_News
La arbeidet du ikke vil gjøre være til det, og behold kjerneenergien din for deg selv.
#WorkBuddy #MeetYourNewTeammate #LetWorkBuddyDoIt #AIAtWork #WorkSmarter #Productivity #AI选股 #AI工作台 #胡楚靓AI工作台
$DOGE Den vanligste feilen folk gjør er å sette den forrige høyeste som mål for denne runden.
Mange lurer på:
$DOGE hadde vært der før, så denne returen var normal.
Men markedet skylder aldri noen eiendel en tidligere topp.
Tidligere priser beviser bare at noen var villige til å handle til den verdsettelsen på det tidspunktet, men det betyr ikke at fremtidige fond vil tilby samme verdsettelse.
Meme-ressurser er spesielt merkbare.
Hver runde bringer nye konkurrenter, og markedets oppmerksomhet blir stadig avskåret. DOGE står ikke bare overfor sine egne tidligere fastlåste investorer, men også PEPE og et stort antall nye meme-aktører som konkurrerer om finansiering.
Så fronthøyden er ikke en magnet.
Det kan faktisk være et stort psykologisk område.
Jo flere som planlegger å «gå i null og selge», desto mer sannsynlig er det at det potensielle salgspresset når prisen nærmer seg det punktet er verdt å observere.
Virkelig sterke eiendeler er ikke de som har vært der før, så du bør prøve igjen.
I stedet er en ny kapitalstruktur, ny etterspørsel og ny konsensus nok til å få markedet til å prise den på nytt.
Den historiske høyden er rekord.
Ikke et løfte.
#DOGE #Dogecoin #Meme #PEPE #Crypto #欧易星球
$SOL Den største muligheten er kanskje ikke det neste Memet, men stablecoins begynner virkelig å komme inn i betalingene.
Hvis USDT og USDC kun er for å handle mynter, avhenger konkurransen i offentlige kjeder hovedsakelig av handelsvolum.
Men hvis stablecoins begynner å komme inn i grenseoverskridende betalinger, bedriftsavregninger og forbruksscenarier, vil kravene til det underliggende nettverket være helt annerledes.
Skynd deg.
Billig.
Vær stabil.
Ideelt sett ville brukerne ikke engang føle at blokkjeden eksisterer.
Det er her Solana har størst mulighet til å skinne.
Men det er et veldig praktisk problem: bare fordi betalingene skalerer, betyr det ikke at $SOL automatisk får samme verdi.
Hvis en overføring på 100 000 USD og en overføring på 100 dollar begge genererer lave gebyrer, er nettverket travelt og token-verdiinnsamling kan ikke vokse lineært.
Så det SOL virkelig må bevise i fremtiden er:
Det støtter ikke bare enorme kontantstrømmer, men øker også kontinuerlig SOLs sikkerhet, staking og nettverksverdi.
Betalinger kan gjøre Solana større.
Verdifangst er det som avgjør om SOL kan vokse parallelt.
#SOL #Solana #USDC #USDT #支付 #Crypto #欧易星球
Den virkelige forskjellen mellom $DOGE og $PEPE er ikke hvem som stiger raskt, men hvem som tar på seg ulike markedsroller.
Den største fordelen med nye memes er oddsen.
Når markedsverdien er mindre, chipene er mer konsentrert, og oppmerksomheten plutselig øker, er priselastisiteten ofte mer overdrevet enn $DOGE.
DOGEs fordel er akkurat det motsatte.
Den er eldre, større, mer flytende, og har sterkere global anerkjennelse.
Så selv om de kalles memes, kan grunnene til å kjøpe dem være helt forskjellige.
Noen kjøper nye memes ved å satse hundrevoblet historie.
Hvis noen kjøper DOGE, er det mer som å bytte Beta for hele Meme-sektoren.
Dette er også grunnen til at det, etter hvert som DOGEs markedsverdi vokser, blir vanskeligere å gjenskape de overdrevne multiplikatorene man så tidligere.
På den annen side betyr en stor markedsverdi også at det lettere kan tiltrekke seg stor kapital.
Så ikke sammenlign DOGE med et nylig lansert meme bare på grunn av gevinstene.
Den ene konkurrerer om eksplosiv kraft.
Den ene er å kjempe om konsensus om levetid.
Når mememarkedet virkelig modnes, kan det også oppleve lagdeling, likt aksjer.
Ikke alle høy-beta-ressurser krever at man fullfører den samme oppgaven.
#DOGE #PEPE #Meme #Dogecoin #Crypto #欧易星球
$SOL Det mest interessante å følge med på i fremtiden er kanskje ikke TPS, men hvor mange stablecoins som er villige til å bli her på lang sikt.
Fordi handelsvolum kan farmes.
Adresser kan opprettes gjennom airdrops.
Meme kan skape millioner av transaksjoner på én dag.
Men stablecoin-balanser er vanskelige å forklare utelukkende med følelser.
Hvis pengene er villige til å bli værende på én kjede lenge, betyr det at det virkelig er etterspørsel etter transaksjoner, betalinger, avkastning eller applikasjoner her.
Så nå, når jeg ser på Solana, legger jeg mer og mer vekt på akkumulering av eiendeler som USDC og USDT.
Hvis stablecoin-skalaen fortsetter å vokse, sammen med økt DeFi og betalingsbruk, betyr det at kapitalen ikke bare er her for å spekulere.
Men likevel bør vi ikke være for optimistiske.
Stablecoins på Solana betyr ikke at disse dollarene "tilhører SOL."
Det virkelige problemet gjenstår:
Hvor mye disse eiendelene bidrar til staking, sikkerhet og nettverksinntekter.
Omfanget av eiendeler forteller deg om denne kjeden er viktig.
Value reflow forteller deg om $SOL er verdt mer.
Begge ting må sees sammen.
#SOL #Solana #USDC #USDT #稳定币 #Crypto #欧易星球