Jeonlees
Feed
Feed
AI Agent kan al code schrijven, onderzoek doen en plannen maken.
Wat het economisch maakt, is niet een slimmer model, maar het ontbreken van een spoor tussen twee transacties.
Wie is de tegenpartij, waar wordt het geld geplaatst, wordt het werk als voltooid beschouwd, en kan het resultaat de volgende keer opnieuw worden gebruikt? Als deze vier zaken niet kloppen, is de Agent slechts een hulpmiddel, geen zelfstandige economische entiteit.
@termix_ai AACP, de markt noemt het zo.
Het platform beheert geen geld en ook geen definitieve registratie. Het geld zit in het contract, de reputatie staat op de blockchain.
Dit is iets anders dan de talloze Agent-catalogi die overal te vinden zijn.
Een catalogus is een etalage die laat zien wie wat kan doen. AACP is het spoor dat bepaalt hoe transacties plaatsvinden. Hoe groot de catalogus ook is, zonder spoor werkt het niet, het is slechts een tentoonstelling.
Identiteit is ook geen website-account. .agent wordt in de wallet geslagen, het is je eigen identiteit op de blockchain. Met dezelfde identiteit kun je bij de ene transactie partij A zijn, bij de volgende partij B. Reputatie wordt gescoord van 1 tot 100, bij afrekening vastgelegd door het contract, je kunt jezelf geen "professionele positieve beoordeling" geven. Als het platform sluit, blijft de score bestaan en kan je je marktgeschiedenis meenemen. Om een economische entiteit te worden, moet een Agent eerst een entiteit zijn die je kunt meenemen.
Een transactie heeft slechts twee stoelen: één die betaalt, één die werkt.
Op het moment dat de offerte wordt geaccepteerd, gaat USDC of USDT in escrow. Het werk wordt off-chain gedaan, bij indiening wordt de leveringshash op de blockchain gezet. Het is deze hash die wordt geplaatst, niet zomaar "ik ben klaar". Bij ontevredenheid volgt een geschil, de verantwoordelijke wordt gestraft met een borg.
Bij overschrijding van de tijd is er ook een contractafsluiting, zonder tussenkomst van klantenservice. Vijf statussen zonder terugweg: publiceren, bieden, leveren, geschil, afrekening. Alleen na volledige afrekening wordt reputatie vastgelegd. Het protocol neemt ongeveer twee procent. Laag is geen korting, het is omdat het noch bank, noch rechtbank wil zijn.
Dus kijk naar de Agent. Kijk hoeveel transacties echt zijn afgerond en bestand zijn tegen uitdagingen.
Eind augustus gaf de officiële partij een verifieerbare on-chain snapshot: ongeveer 370.000 Agents, 220.000 Jobs, meer dan 12 miljoen dollar aan transacties.
De cijfers zullen veranderen, de richting is duidelijk — er is nu escrow en uitbetaling, niet alleen verhalen. De kleinste volgende stap is niet het schrijven van een airdrop.
Sla een .agent op, open een afgeronde order en zie hoe het geld van escrow naar uitbetaling gaat.
Alleen voor persoonlijke marktobservatie, DYOR.
Axis @axisrobotics heeft vandaag net een nieuwe dataset gerapporteerd:
3,7M+ Trajectories
42.000+ uur aan data
4.000+ actieve taken
150.000+ bijdragers
Waarom heeft een robot zoveel data nodig?
Omdat LLM's het internet kunnen doorzoeken om tekst te leren, maar robots moeten leren "hoe te doen".
Hoe te grijpen, hoe los te laten, hoe te corrigeren als het grijpen scheef gaat, wat te doen als een lade halverwege vastloopt.
Deze bewegingsdata zijn niet online te vinden, het verzamelen met echte machines is duur en traag, en bij het wisselen van een robotarm zijn oude data niet altijd direct herbruikbaar.
Dit is precies waar Axis zich op richt.
Ze definiëren zichzelf als een Compounding Data Engine voor Physical AI.
Gewone mensen hoeven geen robotarm te kopen; in de browser kun je een gesimuleerde robot op afstand bedienen. Wat je indient is geen opname, maar een volledige Trajectory: hoe de robot beweegt, hoe het object verandert, en of de taak uiteindelijk slaagt.
Na replay-verificatie gaat de data pas het trainingsproces in.
Ik denk dat wat echt de moeite waard is om te zien Axis V2 is.
Het is niet "mensen verzamelen data → model trainen → klaar", maar het model doet het eerst zelf, en mensen grijpen alleen in om te corrigeren als het model iets mist, vastloopt of afwijkt.
Model faalt → mens corrigeert → hertraining → nieuwe fouten worden blootgelegd.
Dat is pas een echte data flywheel.
Dataset V1 heeft momenteel 207 manipulatie taken, 50K+ menselijke demonstratietrajecten, die 60K+ taak-/scènevarianten dekken.
Met deze data en een verdere pretraining van π0.5 steeg het succespercentage van LIBERO-Plus van 83,9% naar 88,8%.
Dit toont in ieder geval één ding aan:
Crowdsourced data is niet per definitie van lage kwaliteit; het draait om validatie, opschoning en het dekken van voldoende scenario's.
Axis heeft eerder ook 12 miljoen dollar aan seed funding opgehaald, geleid door Hack VC, en heeft al Task Packages geleverd aan modelpartners.
Dus nu kijk ik naar Axis en ben ik minder geïnteresseerd in "hoeveel trajecten er bij zijn gekomen".
Ik ben meer geïnteresseerd in drie dingen:
Of deze data het model continu kan verbeteren;
Of data herbruikbaar is tussen verschillende robots;
Of de kosten van menselijke correcties kunnen blijven dalen naarmate het model sterker wordt.
Als deze drie vragen positief beantwoord kunnen worden, is Axis niet alleen een platform om robotarmen in de browser te bedienen, maar mogelijk echt de datalaag van het robottertijdperk.
Natuurlijk zijn er ook risico's:
Simulatie ≠ echte wereld, en crowdsourced data zal altijd ruis bevatten.
Dus de echte barrière voor Axis is niet het aantal deelnemers, maar of ze de diverse menselijke handelingen kunnen omzetten in data die het model echt kan gebruiken.
Robots zijn nu vooral gericht op het lichaam.
Axis wil aanvullen: waar leren deze lichamen straks het werk te doen.
Toegang:
Met een computer kun je meespelen; zelf één keer iets grijpen is misschien makkelijker om dit veld te begrijpen dan het lezen van tien Physical AI-onderzoekspapers.
@axisrobotics
In de toekomst hoef je misschien zelfs de broker-app niet meer te openen om aandelen te kopen.
De Duitse broker Scalable Capital heeft net een nieuwe functie gelanceerd: meer dan 1 miljoen klanten kunnen direct via ChatGPT of Claude hun portefeuille bekijken, hun samenstelling analyseren en zelfs transacties uitvoeren. Ze beheren klantactiva ter waarde van meer dan 60 miljard euro.
Vroeger, als je een grote daling van Nvidia zag, moest je nog de broker openen, de code zoeken, het aantal invoeren en de prijs bevestigen. Die extra tientallen seconden konden soms een impulsieve aankoop voorkomen. Nu hoef je alleen maar tegen de AI te zeggen: "Help me bij te kopen", en er is vrijwel geen tijdsvertraging tussen emotie en uitvoering.
De CEO van Scalable denkt dat AI op de lange termijn gebruikers kan helpen betere rendementen te behalen, maar hij geeft ook toe dat dit nog niet bewezen is.
Aan de andere kant, met een kortere toegang tot handelen, is het makkelijker voor gebruikers om mee te liften op stijgingen, bij te kopen en herhaaldelijk aanpassingen te doen, wat een makkelijk te voorspellen uitkomst is.
Dit is slechts een persoonlijke marktopmerking, DYOR.
Het is eerlijk gezegd een beetje jammer wat er vandaag met Junzheng op de dark pool gebeurde.
De openbare inschrijving was bijna 700 keer overtekend, de marktverwachting was dus niet laag. De uitgifteprijs was 100 HKD, en toen de dark pool openging, waren er inderdaad mensen die hoger boden, met een hoogste koers van 109,3, wat betekent dat je per lot maximaal 930 HKD winst kon maken.
Na de piek op 109,3 zakte de koers continu naar beneden, met een dieptepunt van 97,5, een verschil van 11,8%. Als je niet op het hoogste punt bent uitgestapt of zelfs maar even twijfelde, kon je winst snel in verlies veranderen. Uiteindelijk keerde de prijs terug naar iets boven de 99, wat praktisch neerkomt op voor niets moeite doen.
Dit is wat vandaag het meest interessant is aan Junzheng: het is niet dat er niemand handelt, er wordt wel gehandeld, maar het ontbreekt duidelijk aan kopers die het stokje overnemen bovenin.
Bovendien daalt de A-aandelenmarkt de laatste dagen ook. Junzheng A daalde vandaag weer met meer dan 3 punten. Vroeger werd het grote A/H-discount als een kernlogica gezien voor het inschrijven op Junzheng, maar nu de A-aandelen zelf dalen, neemt het voordeel van de discount op de H-aandelen vanzelfsprekend ook af.
Er is nog iets wat veel mensen gemakkelijk over het hoofd zien: de A-aandelen.
Toen ik eerder over Junzheng schreef, hechtte ik veel waarde aan de A/H-discount.
Op 17 augustus sloot Junzheng A op 155,39 RMB, wat omgerekend ongeveer 181 HKD was volgens de toen geldende wisselkoers. De H-aandelen werden genoteerd op 100 HKD, wat een zeer grote discount is, dus velen dachten dat er onder de 100 HKD een stevige veiligheidsmarge zat.
Maar het probleem is dat de H-aandelen nog niet officieel genoteerd waren, terwijl de A-aandelen al daalden.
Vandaag sloot Junzheng A op 133,75 RMB, een daling van 3,42%. Vanaf 17 augustus op 155,39 RMB is dat bijna 14% verlies in een week.
Volgens de huidige wisselkoers komt 133,75 RMB ongeveer overeen met 156 HKD.
Dus de H-aandelen op 100 HKD zijn natuurlijk nog steeds goedkoop, met een discount van ongeveer 35%, maar het is niet meer zo extreem als de ruim 40% discount bij de beursintroductie.
Ik vind dit heel belangrijk.
Veel mensen die in Junzheng investeren, denken eigenlijk niet dat 100 HKD per aandeel echt goedkoop is, maar eerder: "De A-aandelen staan op 170-180 HKD, ik koop H-aandelen voor 100 HKD, hoe kan ik verliezen?"
Nu de A-aandelen zelf dalen, verschuift dit ankerpunt vanzelf ook naar beneden.
Dit is slechts mijn persoonlijke marktoverzicht, doe je eigen onderzoek (DYOR).
$TMX hiermee heeft termmax met succes teruggeslagen
Voorbeurs 0.19
Een jaar lang de naam gegeven en geschreven
Uitbetaald minder dan 300u
Ondertussen allerlei taken onafgebroken gedaan, uiteindelijk is het zo
cnm termmax @TermMax
Aan het eind is het beter om de creatietaken op Binance Square te doen + booster te gebruiken
Jeonlees
Na het volgen van Hu Chuliang en het maken van een AI-werkstation, hoef ik eindelijk niet meer zelf moeizaam aandelen te analyseren en te selecteren
De recent virale Hu Chuliang AI-werkstation begrijpt gewone mensen echt heel goed.
Wie had dat gedacht? Ze was oorspronkelijk alleen een mode- en beautyblogger, plaatste zomaar een video van haar dagelijkse gebruik van een AI-werkstation op maat, en kreeg direct miljoenen likes en een hele community die het nadoet. Geen show, geen professionele code, gewoon het meest authentieke dagelijkse ontlastingsproces voor gewone mensen, dat is ook de kern waarom het zo doorbrak.
Veel mensen volgden de trend alleen door het uiterlijk na te maken, maar leerden de essentie niet. Hu Chuliang’s eigen gebruik is heel simpel: geen ingewikkelde instellingen, geen code schrijven, alle dagelijkse kleine klusjes en repetitieve taken aan AI overlaten. Thema-analyse, agenda bijhouden, content organiseren, alles wordt automatisch door AI afgehandeld, jij focust alleen op de kerncreatie.
Dat herken ik heel goed, ik werk zelf ook aan een AI-werkstation voor aandelenselectie, en de pijnpunten zijn precies hetzelfde.
Vroeger was het analyseren, aandelen selecteren en marktdata verzamelen echt uitputtend. Elke dag enorme hoeveelheden marktdata, stapels onderzoeksrapporten in PDF, verspreide sectorinformatie, alles handmatig filteren, controleren en samenvatten. Tijdrovend, saai en puur repetitief werk, maar essentieel voor handelsanalyse, onvermijdelijk.
Dat is ook waarom ik met Tencent WorkBuddy aan de slag ging en de virale logica van Hu Chuliang volledig begreep: echt bruikbare AI is nooit een tool, het is een nieuwe collega die je helpt met al het saaie werk.
De meeste AI’s op de markt zitten nog in de fase van "vraag en antwoord".
Je vraagt naar marktdata, indicatoren, analysemethoden, en het geeft alleen theoretische sjablonen. Uiteindelijk moet je zelf nog steeds ’s nachts data ordenen, content samenvatten en gestructureerd analyseren. Eigenlijk gewoon een andere manier van overwerken, precies wat Hu Chuliang afwijst als “ineffectief AI-gebruik”.
Maar WorkBuddy is een totaal andere werkmodus: geen gedetailleerde instructies, geen stapsgewijze begeleiding, geen eigen afwerking nodig.
Mijn huidige workflow voor aandelenanalyse is super relaxed:
Ik stop gewoon de dagelijkse marktdata, sectorrapporten, sectorinformatie en losse aantekeningen in, vertel wat ik nodig heb — batchgewijs relevante info filteren, overtollige data verwijderen, aandelenselectielogica structureren, en een gestructureerde analyse van die dag maken.
De rest van de lastige stappen regelt het volledig zelfstandig.
Automatisch meerdere documenten grondig lezen, relevante marktinformatie selecteren, irrelevante ruis verwijderen, datadimensies ordenen, een helder kader voor aandelenanalyse opzetten.
Ik hoef er niet aan te sleutelen, aan het eind krijg ik direct bruikbare analyse-documenten, samenvattingen van aandelenselectie en gestructureerde resultaten.
Vroeger dacht ik altijd dat dit soort gedetailleerd werk en data-organisatie alleen zelf kon, en dat alleen bazen een persoonlijke assistent verdienen.
Nu is het glashelder: in 2026 zou iedereen zijn eigen AI-assistent moeten hebben.
Of het nu gaat om kantoorwerk, data-organisatie, of onze aandelenanalyse en dataonderzoek, al dat tijdrovende, vervelende en niet-lerende mechanische werk kan direct aan WorkBuddy worden overgelaten.
Het is gespecialiseerd in het oplossen van allerlei saaie klusjes die mensen niet willen doen.
Geen tijd meer verspillen aan repetitief werk, geef de kleine klusjes aan je AI-collega, en concentreer je zelf op de kernbeslissingen en diepgaande reflectie.
Dit is de ultieme waarheid achter Hu Chuliang’s virale AI-werkstation: ze heeft alle trends in korte video's, e-commerce en AI perfect geraakt, en begrijpt de fundamentele behoeften van gewone mensen het beste — AI is niet om mee te pronken of voor de show, het is om gewone mensen te ontlasten en te bevrijden. Je hoeft geen topman te zijn, gewone mensen kunnen met AI hun zinloze drukte afschudden.
Ontmoet je nieuwe teamgenoot — WorkBuddy @TencentAI_News
Geef het werk dat je niet wilt doen aan hem, en houd je kernenergie voor jezelf.
#WorkBuddy #MeetYourNewTeammate #LetWorkBuddyDoIt #AIAtWork #WorkSmarter #Productivity #AI选股 #AI工作台 #胡楚靓AI工作台
Na het volgen van Hu Chuliang en het maken van een AI-werkstation, hoef ik eindelijk niet meer zelf moeizaam aandelen te analyseren en te selecteren
De recent virale Hu Chuliang AI-werkstation begrijpt gewone mensen echt heel goed.
Wie had dat gedacht? Ze was oorspronkelijk alleen een mode- en beautyblogger, plaatste zomaar een video van haar dagelijkse gebruik van een AI-werkstation op maat, en kreeg direct miljoenen likes en een hele community die het nadoet. Geen show, geen professionele code, gewoon het meest authentieke dagelijkse ontlastingsproces voor gewone mensen, dat is ook de kern waarom het zo doorbrak.
Veel mensen volgden de trend alleen door het uiterlijk na te maken, maar leerden de essentie niet. Hu Chuliang’s eigen gebruik is heel simpel: geen ingewikkelde instellingen, geen code schrijven, alle dagelijkse kleine klusjes en repetitieve taken aan AI overlaten. Thema-analyse, agenda bijhouden, content organiseren, alles wordt automatisch door AI afgehandeld, jij focust alleen op de kerncreatie.
Dat herken ik heel goed, ik werk zelf ook aan een AI-werkstation voor aandelenselectie, en de pijnpunten zijn precies hetzelfde.
Vroeger was het analyseren, aandelen selecteren en marktdata verzamelen echt uitputtend. Elke dag enorme hoeveelheden marktdata, stapels onderzoeksrapporten in PDF, verspreide sectorinformatie, alles handmatig filteren, controleren en samenvatten. Tijdrovend, saai en puur repetitief werk, maar essentieel voor handelsanalyse, onvermijdelijk.
Dat is ook waarom ik met Tencent WorkBuddy aan de slag ging en de virale logica van Hu Chuliang volledig begreep: echt bruikbare AI is nooit een tool, het is een nieuwe collega die je helpt met al het saaie werk.
De meeste AI’s op de markt zitten nog in de fase van "vraag en antwoord".
Je vraagt naar marktdata, indicatoren, analysemethoden, en het geeft alleen theoretische sjablonen. Uiteindelijk moet je zelf nog steeds ’s nachts data ordenen, content samenvatten en gestructureerd analyseren. Eigenlijk gewoon een andere manier van overwerken, precies wat Hu Chuliang afwijst als “ineffectief AI-gebruik”.
Maar WorkBuddy is een totaal andere werkmodus: geen gedetailleerde instructies, geen stapsgewijze begeleiding, geen eigen afwerking nodig.
Mijn huidige workflow voor aandelenanalyse is super relaxed:
Ik stop gewoon de dagelijkse marktdata, sectorrapporten, sectorinformatie en losse aantekeningen in, vertel wat ik nodig heb — batchgewijs relevante info filteren, overtollige data verwijderen, aandelenselectielogica structureren, en een gestructureerde analyse van die dag maken.
De rest van de lastige stappen regelt het volledig zelfstandig.
Automatisch meerdere documenten grondig lezen, relevante marktinformatie selecteren, irrelevante ruis verwijderen, datadimensies ordenen, een helder kader voor aandelenanalyse opzetten.
Ik hoef er niet aan te sleutelen, aan het eind krijg ik direct bruikbare analyse-documenten, samenvattingen van aandelenselectie en gestructureerde resultaten.
Vroeger dacht ik altijd dat dit soort gedetailleerd werk en data-organisatie alleen zelf kon, en dat alleen bazen een persoonlijke assistent verdienen.
Nu is het glashelder: in 2026 zou iedereen zijn eigen AI-assistent moeten hebben.
Of het nu gaat om kantoorwerk, data-organisatie, of onze aandelenanalyse en dataonderzoek, al dat tijdrovende, vervelende en niet-lerende mechanische werk kan direct aan WorkBuddy worden overgelaten.
Het is gespecialiseerd in het oplossen van allerlei saaie klusjes die mensen niet willen doen.
Geen tijd meer verspillen aan repetitief werk, geef de kleine klusjes aan je AI-collega, en concentreer je zelf op de kernbeslissingen en diepgaande reflectie.
Dit is de ultieme waarheid achter Hu Chuliang’s virale AI-werkstation: ze heeft alle trends in korte video's, e-commerce en AI perfect geraakt, en begrijpt de fundamentele behoeften van gewone mensen het beste — AI is niet om mee te pronken of voor de show, het is om gewone mensen te ontlasten en te bevrijden. Je hoeft geen topman te zijn, gewone mensen kunnen met AI hun zinloze drukte afschudden.
Ontmoet je nieuwe teamgenoot — WorkBuddy @TencentAI_News
Geef het werk dat je niet wilt doen aan hem, en houd je kernenergie voor jezelf.
#WorkBuddy #MeetYourNewTeammate #LetWorkBuddyDoIt #AIAtWork #WorkSmarter #Productivity #AI选股 #AI工作台 #胡楚靓AI工作台
$DOGE De meest gemaakte fout is om de vorige piek als doel voor deze ronde te zien.
Veel mensen denken:
$DOGE is daar eerder geweest, dus het is normaal om deze ronde terug te gaan.
Maar de markt is nooit iets verschuldigd aan een vorige top.
De prijs uit het verleden bewijst alleen dat er toen iemand bereid was te handelen tegen die waardering, het betekent niet dat er in de toekomst nog steeds kapitaal is dat die waardering wil geven.
Voor Meme-activa is dit nog duidelijker.
Elke ronde verschijnen er nieuwe concurrenten, de markt krijgt steeds minder aandacht. DOGE staat deze ronde niet alleen tegenover zijn eigen eerdere vastgezette posities, maar ook tegenover PEPE en veel nieuwe Meme die om kapitaal strijden.
Dus de vorige top is geen magneet.
Het kan juist een groot psychologisch gebied zijn.
Hoe meer mensen "verkopen zodra ze break-even zijn" in hun plan opnemen, hoe meer potentiële verkoopdruk er is als de prijs daar dichtbij komt.
Echte sterke activa zijn niet sterk omdat ze er eerder waren en dus weer terug moeten gaan.
Maar omdat een nieuwe kapitaalstructuur, nieuwe vraag en nieuwe consensus de markt ertoe brengen die prijs opnieuw te geven.
De historische top is een registratie.
Geen belofte.
#DOGE #Dogecoin #Meme #PEPE #Crypto #欧易星球
$SOL's grootste kans is misschien niet de volgende Meme-golf, maar dat stablecoins echt beginnen door te dringen in betalingen.
Als USDT en USDC alleen voor speculatie worden gebruikt, draait de concurrentie tussen openbare blockchains vooral om het handelsvolume.
Maar als stablecoins beginnen te worden gebruikt voor grensoverschrijdende betalingen, zakelijke afwikkeling en consumptiescenario's, veranderen de eisen aan het onderliggende netwerk volledig.
Het moet snel zijn.
Het moet goedkoop zijn.
Het moet stabiel zijn.
Bij voorkeur merkt de gebruiker niet eens dat er een blockchain aan te pas komt.
Dit is precies waar Solana de meeste kans heeft om uit te blinken.
Maar hier is een heel reëel probleem: als het betalingsvolume toeneemt, betekent dat niet automatisch dat $SOL dezelfde waarde vangt.
Als een USDC-overboeking van 100.000 dollar en een overboeking van 100 dollar beide lage kosten veroorzaken, kan het netwerk druk zijn, maar groeit de tokenwaarde niet noodzakelijk lineair mee.
Dus wat SOL in de toekomst echt moet bewijzen is:
Het kan niet alleen grote geldstromen dragen, maar zorgt er ook voor dat deze stromen de veiligheid, staking en netwerkwaarde van SOL blijven vergroten.
Betalingen kunnen Solana groot maken.
Waardevangst bepaalt echter of SOL gelijktijdig kan meegroeien.
#SOL #Solana #USDC #USDT #betaling #Crypto #欧易星球
$DOGE en $PEPE verschillen echt niet in wie sneller stijgt, maar in welke verschillende marktrolden ze vervullen.
Het grootste voordeel van nieuwe Meme is de odds.
Met een kleinere marktkapitalisatie, geconcentreerdere tokens en plotselinge aandachtsexplosies is de prijsvolatiliteit vaak extremer dan bij $DOGE.
DOGE heeft juist het tegenovergestelde voordeel.
Het is ouder, groter, heeft diepere liquiditeit en een sterkere wereldwijde bekendheid.
Dus hoewel ze allebei Meme worden genoemd, kunnen de redenen waarom kapitaal in hen wordt geïnvesteerd volledig verschillend zijn.
Sommigen kopen nieuwe Meme als een weddenschap op het volgende honderdvoudige succesverhaal.
Anderen kopen DOGE meer als een handel in de beta van de hele Meme-sector.
Dit is ook waarom het met de groeiende marktkapitalisatie van DOGE steeds moeilijker wordt om die vroege extreme vermenigvuldiging te repliceren.
Maar aan de andere kant betekent een grote marktkapitalisatie ook dat het makkelijker is om grote bedragen aan te trekken.
Dus vergelijk DOGE niet alleen met een pasgeboren Meme op basis van koersstijging.
De een strijdt om explosieve kracht.
De ander strijdt om consensus en levensduur.
Wanneer de Meme-markt echt volwassen wordt, kan het ook gelaagd raken zoals aandelen.
Niet alle hoog-beta activa hoeven dezelfde taak te volbrengen.
#DOGE #PEPE #Meme #Dogecoin #Crypto #欧易星球
$SOL De toekomst om in de gaten te houden is misschien niet de TPS, maar hoeveel stablecoins er bereid zijn om hier langdurig te blijven.
Want het handelsvolume kan worden opgepoetst.
Adressen kunnen worden gemaakt via airdrops.
Meme kan miljoenen transacties per dag genereren.
Maar het saldo van stablecoins is moeilijk volledig met sentiment te verklaren.
Als geld bereid is langdurig op een keten te blijven, betekent dat er echt handel, betalingen, opbrengsten of applicatiebehoeften zijn.
Dus als ik nu naar Solana kijk, let ik steeds meer op de accumulatie van activa zoals USDC en USDT.
Als de schaal van stablecoins blijft groeien en tegelijkertijd het gebruik van DeFi en betalingen toeneemt, betekent dat dat het geld niet alleen komt om te speculeren.
Maar we moeten ook niet te optimistisch zijn.
Stablecoins op Solana betekenen niet dat deze dollars "toebehoren aan SOL".
De echte vraag is:
Hoeveel dragen deze activa bij aan staking, veiligheid en netwerkinkomsten.
De omvang van de activa vertelt je of deze keten belangrijk is.
De waarde die terugvloeit vertelt je of $SOL meer waard is.
Beide zaken moeten samen worden bekeken.
#SOL #Solana #USDC #USDT #stablecoin #Crypto #欧易星球