Aleksandr1981

Физический AI становится следующей крупной фазой развития искусственного интеллекта(AI) — не потому, что роботы-гуманоиды вдруг стали реальностью, а потому что интеллект всё увереннее перемещается в физический мир.
До недавнего времени разговор об AI крутился вокруг цифровых систем: модели генерировали текст, суммировали информацию, писали код и отвечали на вопросы. Эта волна действительно изменила многое. Но следующий этап будет определяться не тем, что системы умеют говорить, а тем, что они реально способны делать. Так считают в отрасли — и с этим сложно поспорить.
Что такое физический AI
Физический AI — это способность систем воспринимать окружающую среду, принимать решения локально и действовать с нарастающей степенью автономии в условиях реального мира. Это AI, работающий там, где данные создаются и где действие должно происходить: внутри машин, устройств и систем, напрямую взаимодействующих с физической реальностью.
Этот сдвиг — не результат какого-то одного прорыва. Речь идёт о системной конвергенции трёх сил: специализированного интеллекта, мультимодального восприятия и вычислений в реальном времени на периферии сети. Вместе они трансформируют AI из преимущественно цифровой возможности в операциональную. Различие принципиальное: будущее AI определится не тем, кто создаст наибольшие модели, а тем, кто сможет надёжно развернуть интеллект в реальном мире — с учётом ограничений по энергопотреблению, задержкам, безопасности, стоимости и надёжности.
Физический AI — это история о периферии
В отличие от облачного AI, физический не может опираться на удалённую инфраструктуру для интерпретации данных и выдачи команд. Ему нужна локальная обработка — понимание контекста в реальном времени и немедленное действие.
Во многом физический AI — это закономерная эволюция интернета вещей (IoT). Не отход от подключённых систем, а их развитие: от устройств, которые собирают и передают данные, к системам, способным воспринимать, делать выводы и действовать для достижения значимых результатов.
Фундамент для этого перехода уже заложен. Достижения в области эффективных AI-моделей в сочетании с мультимодальным восприятием — зрением, звуком, тактильными ощущениями — создают новый класс периферийных систем, способных реагировать на окружающую среду в режиме реального времени. Эти системы создаются не для демонстраций, а для работы в условиях, где надёжность критична, а ошибки дорого обходятся.
Физический AI — это то, что раскрывает стратегическую ценность периферийного AI в полной мере. Годами периферийный AI воспринимался как архитектурный выбор — вопрос о том, где именно происходят вычисления. Физический AI превращает этот выбор в бизнес-необходимость, выводя AI за рамки анализа и переводя его в плоскость реального взаимодействия с миром. Если цифровой AI — это мозг, то физический AI — это интеграция восприятия и действия, позволяющая машинам осмысленно функционировать в физической реальности.
Не роботы, а промышленные системы
Первая крупная волна физического AI будет обусловлена не универсальными роботами-гуманоидами. Она придёт из специализированных систем, работающих в чётко определённых средах: промышленная автоматизация, автономные транспортные средства, робототехника, умная бытовая техника и интеллектуальная инфраструктура. Такие системы менее заметны, чем потребительские роботы на презентациях, но именно они представляют наиболее непосредственное и ощутимое влияние на рынок.
Один из главных мифов сегодняшнего AI — что прогресс зависит прежде всего от создания всё более крупных и универсальных моделей. В физическом AI всё нередко наоборот. Фабричная система, робот-курьер и домашний прибор не нуждаются в одном и том же интеллекте. Меньшие, более эффективные и узкоспециализированные модели имеют здесь значение не меньшее, а то и большее, чем масштаб сам по себе.
Этот сдвиг существенно влияет на подходы к проектированию AI-систем. Специализация, эффективность и локальное исполнение становятся приоритетами. Разработчики должны иметь возможность адаптировать проверенные модели к конкретным сценариям использования — без необходимости каждый раз начинать с нуля.
Не менее важно и то, что локальный инференс позволяет системам накапливать контекст со временем: выявлять закономерности, адаптироваться к условиям эксплуатации и стабильно реагировать на изменения. В промышленных условиях такая предсказуемость принципиальна для безопасности и производительности.
Что нужно для масштабирования
Масштабирование физического AI потребует нового поколения периферийных платформ, объединяющих вычисления, восприятие и связь в единую гибкую архитектуру. При этом такие платформы должны поддерживать широкий спектр задач — от фонового мониторинга до ресурсоёмкого инференса — без принуждения разработчиков к закрытым экосистемам или разрозненным программным средам.
Открытость, масштабируемость и доступность для разработчиков определят лидеров в этом сегменте. Тем, кто стремится занять ведущие позиции, предстоит выйти за рамки фокуса на вычислительной мощности и направить усилия на снижение системной сложности, поддержку разнородных моделей и фреймворков — чтобы развёртывание интеллекта в широком диапазоне продуктов и рынков стало практически реализуемым.
Физический AI знаменует фундаментальный сдвиг: от анализа к действию, от централизованного к распределённому интеллекту, от демонстраций к реальной операционной ценности. Именно поэтому эта тема заслуживает внимания на уровне стратегических решений уже сейчас.
Первые применения — промышленная автоматизация, автономные системы, умная инфраструктура — уже формируют рынок и задают стандарты надёжности. То, насколько широко физический AI проникнет в повседневную жизнь и производство, во многом будет определяться способностью отрасли создавать специализированные, эффективные и доступные платформы для его развёртывания.
#AI #AImodel #ROBOT #Write2Earn
$BTC

Биткоин уже пять месяцев не может вернуться выше отметки в $100 000 — и среди аналитиков нет единого мнения о том, что именно способно вытолкнуть его туда. Основатель MN Trading Capital Михаэль ван де Поппе (Michael van de Poppe) считает, что никакого катализатора для этого не нужно.
«Не нужно никакого нарратива, который толкал бы цену вверх, — написал он в соцсети X. — Цена движется вверх, и нарратив создаётся сам собой». По его словам, для успеха достаточно математики, статистики и логики, а текущие уровни биткоина по-прежнему подходят для накопления.
Внимание рынка сместилось в другую сторону
Ван де Поппе также обратил внимание на то, что за последние месяцы интерес рынка заметно переориентировался: искусственный интеллект и смежные технологические сегменты забрали значительную долю внимания у криптовалют. Показательное сравнение: с начала года акции Nvidia (NVDA) — крупнейшей компании в сфере AI по капитализации — выросли на 5,08%, тогда как биткоин за тот же период потерял около 10%.
Последний раз биткоин торговался выше $100 000 13 ноября — примерно через месяц после масштабной ликвидации крипторынка 10 октября на $19 млрд, которую многие участники рынка связывают с последовавшим пятимесячным снижением. В феврале биткоин опускался до годового минимума в $60 000, однако с тех пор восстановился почти до $80 000. За последние 30 дней рост составил 20%.

Нужен ли биткоину катализатор?
Часть участников крипторынка по-прежнему убеждена, что без сильного нарратива существенного роста не будет. В качестве возможных катализаторов называют решения Федеральной резервной системы США по процентным ставкам, изменения в регуляторной среде и приток средств в спотовые биткоин-ETF.
Отдельно обсуждается американский закон CLARITY, призванный установить чёткие правила для криптоиндустрии. Однако опытные трейдеры относятся к нему сдержанно: по мнению ряда аналитиков, принятие закона станет важным шагом для отрасли, но вряд ли послужит мощным драйвером роста цены биткоина.
Резервы и «большое объявление»
На фоне дискуссий о регулировании советник Белого дома по криптовалютам Патрик Уитт (Patrick Witt) на этой неделе на Bitcoin Conference в Лас-Вегасе заявил, что в ближайшие недели ожидается «большое объявление» по биткоин-резерву президента Трампа. Подробностей пока не раскрывается.
Биткоин сохраняет позиции выше $78 000 на фоне нескольких конкурирующих версий о том, что именно вернёт его к шестизначным значениям. Обсуждения вокруг CLARITY Act, биткоин-резерва США и поведения институциональных инвесторов формируют повестку рынка — при этом сама цена продолжает постепенно восстанавливаться без выраженного нарратива.
#BTC #bitcoin #BitcoinETFs #Write2Earn
$BTC

DeFi снова проходит стресс-тест. После взлома KelpDAO на $292 млн общий объем заблокированных средств в секторе сократился примерно на $13 млрд, а Aave столкнулся с резким оттоком ликвидности. На поверхности это выглядит как новый системный кризис, но данные показывают более сложную картину.
Главное отличие в том, что большая часть падения TVL связана не с прямой потерей капитала, а с закрытием заемных стратегий. Рынок не обнулился, а быстро пересчитал риск. Это неприятно, но не равно краху.
Взлом KelpDAO ударил по Aave через rsETH
Инцидент начался с атаки на инфраструктуру, связанную с проверкой межсетевых сообщений, а не с классической ошибкой смарт-контракта. В результате в обращении оказались 116 500 rsETH без полноценного обеспечения. Эти токены затем использовались в DeFi, включая кредитные рынки Aave.
Проблема быстро стала шире одного протокола. rsETH применялся как залог, под который пользователи занимали ETH и строили повторяющиеся стратегии. Когда обеспечение оказалось под вопросом, рынок начал резко выходить из таких позиций.
TVL упал сильнее, чем реальный ущерб
Цифра в $13 млрд выглядит пугающе, но ее нужно читать осторожно. TVL в DeFi часто включает повторно используемый капитал, особенно в стратегиях с заемными активами. Один и тот же базовый актив может несколько раз попадать в расчеты через залог, займ и повторный депозит.
Именно поэтому взлом на $292 млн не означает прямую потерю $13 млрд. Большая часть снижения связана с закрытием заемных схем и выводом средств из перегретых позиций. Это болезненная переоценка риска, а не полное уничтожение капитала.
Доходность уже не покрывала сложность
Еще до атаки часть DeFi-стратегий выглядела слабо. Например, доходность по USDC на Aave составляла около 2,6%, тогда как традиционные брокерские счета могли давать выше 3% на свободный кэш. В такой ситуации пользователи брали дополнительный риск ради доходности, которая уже не выглядела убедительной.
Когда базовая доходность низкая, рынок начинает искать ее через плечо. Так появляются looping-стратегии, где пользователь вносит актив, берет займ, покупает еще залоговый токен и повторяет цикл. Пока все стабильно, TVL растет. При сбое он падает резко.
DeFi уже переживал более тяжелые удары
История сектора показывает, что крупные взломы редко становились финальной точкой. Terra, Wormhole, Ronin, Multichain и другие кризисы наносили огромный ущерб, но рынок продолжал работать. Каждый раз доверие восстанавливалось медленно, но инфраструктура не исчезала.
Это не отменяет серьезности текущего случая. Взлом KelpDAO показал, что атаки все чаще идут не только через код, но и через инфраструктуру, мосты, проверяющие узлы и настройки безопасности. Такой риск сложнее отслеживать обычным пользователям.
Капитал не ушел из DeFi полностью
Самый важный сигнал — деньги не просто покинули сектор. Часть капитала перетекла в другие протоколы. Spark стал одним из явных бенефициаров: его TVL за выходные вырос с $1,8 млрд до $2,9 млрд.
Это показывает, что пользователи не отказались от DeFi как модели. Они начали выбирать площадки с более осторожной политикой листинга и лучшей ликвидностью. Рынок не умер, он перераспределил капитал туда, где риск кажется ниже.
Aave придется восстанавливать доверие
Aave остается одним из крупнейших протоколов сектора, но текущий эпизод станет для него серьезной проверкой. У протокола есть варианты для покрытия ущерба, включая казначейство, займы и координацию с другими участниками экосистемы. Но восстановление доверия займет время.
Главный вопрос теперь не в том, переживет ли Aave этот кризис. Вероятнее всего, переживет. Вопрос в том, какую премию за риск пользователи будут требовать после такого события и насколько осторожнее станет подход к новым залоговым активам.
Рынок пересмотрит цену риска
После KelpDAO доходность в DeFi будет оцениваться строже. Пользователи уже не будут смотреть только на APY. Они будут учитывать мосты, структуру обеспечения, ликвидность, настройки оракулов, верификаторов и качество управления рисками.
Это важный сдвиг. Если протокол предлагает низкую доходность, но требует сложного набора рисков, капитал может уйти в более простые инструменты. DeFi придется доказывать не только технологичность, но и экономический смысл.
Что дальше?
KelpDAO не похоронил DeFi, но показал его слабые места. Сектор стал крупнее, сложнее и связаннее, поэтому локальные сбои быстрее переходят в кредитные рынки и залоговые активы. Это требует других стандартов безопасности.
Дальше рынок будет смотреть на восстановление rsETH, действия Aave и поведение ликвидности в ближайшие недели. Если средства продолжат возвращаться в более надежные протоколы, кризис останется болезненной переоценкой. Если доверие к залоговым активам ухудшится шире, сектору придется перестраивать риск-модели глубже.
#defi #AAVE #KelpDAO #Ethereum #Write2Earn
$AAVE $ETH

Биткоин-ETF завершили апрель с рекордным для 2026 года притоком капитала — 1,97 млрд, что заметно выше мартовских $1,37 млрд. Росту способствовало 12-процентное укрепление биткоина за месяц — лучший результат с апреля 2025 года, когда монета прибавила более 14%.

1-месячный график BTC/USD. Источник: Bitstamp
IBIT лидирует, GBTC теряет
Главным бенефициаром апреля стал iShares Bitcoin Trust ETF (IBIT) от BlackRock: фонд привлёк около $2 млрд чистого притока. На противоположном полюсе — Bitcoin Trust ETF (GBTC) от Grayscale Investments с оттоком около $280 млн.
Morgan Stanley Bitcoin Trust ETF (MSBT), запустившийся 8 апреля, за месяц не зафиксировал ни одного дня с отрицательным потоком и собрал порядка 194 млн.
В конце апреля фонды столкнулись с волной погашений: за три дня суммарный отток составил около $490 млн. Тем не менее это не перекрыло месячного результата. С учётом притока в марте и апреле, компенсировавшего январско-февральский отток, совокупный чистый приток в биткоин-ETF с начала 2026 года достиг примерно 1,47 млрд. Накопленный приток с момента запуска продуктов превысил $58 млрд.
В мае наступит сезон подачи форм 13F: крупные финансовые институты раскроют свои позиции в криптовалютных ETF по итогам первого квартала 2026 года.
Ethereum-ETF впервые за полгода в плюсе
Апрельская позитивная динамика затронула и альткоин-фонды. Ethereum-ETF впервые с октября 2025 года показали месячный приток — $356 млн против около $570 млн в октябре 2025 года. При этом по итогам четырёх месяцев 2026 года фонды остаются в минусе: чистый отток с начала года составляет около $413 млн. Накопленный приток с момента запуска — около 11,9 млрд.
XRP, Dogecoin и Solana
XRP-фонды провели лучший месяц с декабря 2025 года, собрав $81,6 млн. Суммарный приток в эти ETF за первые четыре месяца года достиг около 124 млн, а совокупный накопленный приток — порядка $1,3 млрд.
Dogecoin-ETF привлекли $2 млн — около 21% от общего накопленного притока в $9,6 млн. Solana-ETF зафиксировали $38,7 млн притока — минимальный месячный показатель за всё время наблюдений на фоне совокупного накопленного притока около 1 млрд.
Апрель подтвердил, что интерес институциональных инвесторов к криптовалютным ETF сохраняется: биткоин-фонды установили рекорд года по месячному притоку, а Ethereum-ETF вышли из затяжной полосы оттоков. Ближайшим ориентиром станут данные 13F, которые покажут, как крупнейшие финансовые игроки распределяли позиции в первом квартале.
#etf #BitcoinETFs #Xrp🔥🔥 #solana #Dogecoin‬⁩
$BTC $XRP

La compagnia di pagamenti crypto MoonPay ha lanciato una carta debito virtuale che consente agli utenti e agli agenti AI di spendere stablecoin direttamente dai portafogli online autogestiti in qualsiasi punto che accetti Mastercard, con conversione della criptovaluta in fiat al momento del pagamento.

Apple показала сильный квартал. Выручка составила $111,18 млрд, прибыль на акцию — $2,01. Оба показателя оказались выше ожиданий рынка, однако ключевой продукт компании снова не дотянул до прогноза.
Реакция инвесторов оказалась сдержанной. Отчет подтвердил устойчивость бизнеса, но не дал повода для переоценки акций.
Выручка и прибыль выросли быстрее ожиданий
Аналитики ожидали $109,66 млрд выручки и $1,95 прибыли на акцию. Apple превысила оба ориентира, показав рост относительно прошлого года.
Чистая прибыль достигла $29,58 млрд против $24,78 млрд годом ранее. Операционная прибыль выросла до $35,89 млрд, что отражает улучшение эффективности бизнеса.
За первые шесть месяцев финансового года выручка компании составила $254,94 млрд. Это заметно выше $219,66 млрд за аналогичный период прошлого года.
iPhone растет, но не дотягивает до прогноза
Продажи iPhone остаются крупнейшей статьей дохода. В квартале они составили $56,99 млрд против $46,84 млрд год назад.
Однако рынок ожидал большего. Прогноз составлял $57,21 млрд, и фактический результат оказался ниже. Это уже второй случай за три квартала, когда ключевой продукт Apple не соответствует ожиданиям аналитиков.
Для инвесторов это важный сигнал. Даже при росте выручки отклонения в iPhone влияют на общее восприятие отчета.
Сервисы усиливают структуру доходов
Сегмент сервисов показал наиболее стабильный рост. Выручка достигла $30,98 млрд против $26,65 млрд год назад.
Это новый рекорд для компании. Сервисы включают подписки, облачные решения и цифровые продукты, которые формируют регулярный денежный поток.
Именно этот сегмент постепенно снижает зависимость Apple от продаж устройств. Для рынка это ключевой фактор долгосрочной устойчивости.
Остальные продукты показывают умеренный рост
Выручка от всех продуктов составила $80,21 млрд против $68,71 млрд год назад. Рост распределен между несколькими категориями.
Mac принес $8,40 млрд, iPad — $6,91 млрд, устройства и аксессуары — $7,90 млрд. Эти сегменты не формируют основной доход, но поддерживают стабильность экосистемы.
Расходы увеличиваются, но маржа сохраняется
Себестоимость продаж составила $56,40 млрд. Расходы на исследования и разработки выросли до $11,42 млрд, что отражает инвестиции в новые продукты.
Операционные расходы достигли $18,90 млрд. Несмотря на рост затрат, валовая прибыль составила $54,78 млрд, что позволяет компании сохранять высокий уровень рентабельности.
Рост во всех регионах
Apple показала увеличение выручки по всем ключевым рынкам. В Северной и Южной Америке продажи достигли $45,09 млрд, в Европе — $28,06 млрд.
Китай принес $20,50 млрд против $16 млрд год назад. Япония добавила $8,40 млрд, остальной Азиатско-Тихоокеанский регион — $9,14 млрд.
Такая динамика подтверждает глобальный спрос на продукты компании.
Денежный поток и обратный выкуп
Операционный денежный поток за квартал превысил $28 млрд. Это один из ключевых показателей устойчивости бизнеса.
Apple также одобрила новый байбэк на $100 млрд. Обратный выкуп снижает количество акций в обращении и поддерживает их стоимость.
Комментарии руководства
Глава компании Тим Кук назвал квартал лучшим в истории для марта. Он отметил рост во всех регионах и высокий спрос на новую линейку устройств.
Финансовый директор Кеван Парех подчеркнул, что компания достигла рекордных показателей по денежному потоку и прибыли на акцию.
Что это значит для рынка
Отчет подтверждает стабильность модели Apple. Компания продолжает увеличивать выручку и прибыль, несмотря на масштаб бизнеса.
При этом структура доходов постепенно меняется. Сервисы занимают все большую долю, снижая зависимость от циклов обновления устройств.
Однако рынок по-прежнему ориентируется на iPhone. Любое отклонение в этом сегменте влияет на оценку компании.
Что дальше?
Краткосрочно внимание инвесторов останется на динамике продаж iPhone и росте сервисов. Эти два сегмента определяют реакцию рынка на отчетность.
Долгосрочно ключевой вопрос — баланс доходов. Если сервисы продолжат расти быстрее устройств, Apple сможет снизить зависимость от одного продукта и стабилизировать финансовые показатели.
#Apple #iPhone #stock #Write2Earn
$AAPLon

Hyperliquid готовит выход на рынок предсказаний. По мнению сооснователя BitMEX и главы Maelstrom Артура Хейса, главным преимуществом проекта станут не только низкие комиссии, но и токен HYPE, который дает пользователям экономическую связь с ростом платформы.
Идея проста. На Polymarket и Kalshi пользователи торгуют исходами событий, но не получают прямой выгоды от роста самой площадки. Hyperliquid может предложить другую модель, где активность внутри рынка предсказаний связана с ценностью HYPE.
HIP-4 добавит торговлю событиями в Hyperliquid
Hyperliquid готовит запуск рынков предсказаний через предложение HIP-4. Этот механизм должен добавить на платформу торговлю исходами событий, расширив ее за пределы фьючерсов и спотовых инструментов.
По данным CoinDesk, модель предусматривает нулевую комиссию за открытие сделки. Это делает продукт конкурентным с первого дня, особенно для активных трейдеров, которые чувствительны к стоимости входа и выхода из позиций.
Однако Хейс считает, что комиссии не являются главным фактором. По его оценке, ключевое отличие Hyperliquid находится в устройстве экономики платформы.
HYPE дает пользователям долю в росте платформы
Хейс утверждает, что владельцы HYPE смогут получать выгоду от активности на HIP-4. Это отличает Hyperliquid от конкурентов, где пользователи торгуют событиями, но не участвуют в росте стоимости самой площадки.
Для рынка это важная разница. Если трейдеры используют продукт и одновременно владеют токеном платформы, их интересы частично совпадают с развитием экосистемы. Чем выше обороты и активность, тем сильнее может быть интерес к HYPE.
Такой подход ближе к модели, где пользователи становятся не только клиентами, но и участниками экономики проекта. В криптоиндустрии это привычная логика, однако в сегменте рынков предсказаний она пока не стала стандартом.
Polymarket готовит свой токен
Polymarket, по данным рынка, также движется в сторону токенизации. Ожидаемый токен неофициально называют POLY, а предварительные контракты на Gate торгуются около $14.
Такая цена предполагает полностью разводненную оценку примерно $14 млрд. Для сравнения, HYPE оценивается примерно в $38 млрд по тому же показателю, согласно данным CoinGecko.
Эти цифры требуют осторожности. Предлистинговые рынки часто малоликвидны, а цены на них могут отражать спекулятивный интерес, а не устойчивый спрос после запуска токена.
Разница между платформами становится структурной
Сравнение Hyperliquid, Polymarket и Kalshi показывает три разные модели. Hyperliquid уже имеет токен, связанный с активностью платформы. Polymarket, судя по ожиданиям рынка, может прийти к похожей схеме позже.
Kalshi находится в другой категории. Это регулируемая биржа в США, работающая через лицензии и надзор Комиссии по торговле товарными фьючерсами. Такая структура почти исключает модель, при которой пользователи получают выгоду через токен площадки.
В итоге конкуренция идет не только за комиссии и интерфейс. Речь идет о том, кто сможет дать пользователям доступ к росту самой платформы.
Регулирование ограничивает Polymarket и Kalshi
Polymarket в июле зарегистрировался в CFTC и восстанавливает работу на рынке США. Это усиливает правовую основу бизнеса, но одновременно накладывает ограничения.
В Азии ситуация сложнее. Платформа заблокирована в Сингапуре, Таиланде и Тайване, а в Японии работает с частичными ограничениями. В Гонконге рынки предсказаний также попадают в поле внимания регуляторов азартных игр.
Kalshi еще сильнее привязан к регулированию. Его модель строится на соблюдении правил, поэтому гибкость ниже, чем у криптоориентированных площадок.
Hyperliquid делает ставку на азиатскую аудиторию
У Hyperliquid нет сопоставимых ограничений в той же форме, а его аудитория сильнее смещена в сторону Азии. Это важно, потому что регион остается одним из центров активной ончейн-торговли.
Для трейдеров из такой среды токенизированная модель понятна. Они уже привыкли к площадкам, где активность, комиссии и токен связаны между собой.
Это может ускорить принятие HIP-4. Если продукт даст низкие комиссии, быструю инфраструктуру и экономическую связь через HYPE, Hyperliquid получит сильный аргумент против Polymarket и Kalshi.
Низкие комиссии остаются важным преимуществом
Нулевая комиссия за открытие сделки может быстро привлечь активных участников. На рынках предсказаний это особенно важно, потому что трейдеры часто работают с большим числом исходов и короткими рыночными циклами.
Даже небольшая разница в комиссиях влияет на итоговую доходность. Поэтому Hyperliquid может стать удобной площадкой для тех, кто торгует часто и оценивает события как полноценный класс активов.
При этом одного низкого тарифа недостаточно. Платформе нужно будет обеспечить ликвидность, понятные правила расчетов и доверие к механизмам закрытия рынков.
HYPE превращает торговлю в ставку на экосистему
Главная мысль Хейса сводится к экономике владения. Пользователь Hyperliquid может торговать событиями и одновременно держать HYPE, рассчитывая на рост платформы.
Это создает более сильную связь между участником и площадкой. Если HIP-4 начнет быстро набирать обороты, часть рынка может воспринимать HYPE как способ получить доступ к росту нового сегмента.
Для Polymarket такой механизм пока остается ожиданием. Для Kalshi он почти невозможен в текущей правовой модели. Поэтому Hyperliquid получает временное преимущество.
Что это значит для рынка предсказаний
Рынки предсказаний быстро выходят за рамки нишевого продукта. Теперь конкуренция идет между разными типами инфраструктуры: регулируемыми биржами, криптоплатформами и гибридными моделями.
Hyperliquid пытается зайти в этот сегмент с позиций уже работающей торговой экосистемы. У него есть активная база пользователей, ликвидность и токен, который может стать частью новой экономики продукта.
Если HIP-4 будет реализован без технических проблем, борьба за пользователей может усилиться. Особенно в Азии, где ончейн-трейдеры быстрее принимают новые форматы торговли.
Что дальше?
Краткосрочно рынок будет следить за деталями запуска HIP-4. Важны комиссии, список событий, ликвидность и правила расчетов по контрактам.
Среднесрочно ключевым вопросом станет роль HYPE. Если токен действительно станет способом участвовать в росте платформы, Hyperliquid получит отличие от Polymarket и Kalshi не только на уровне продукта, но и на уровне экономики.
Дальше конкуренция перейдет в более жесткую фазу. Polymarket может ускорить запуск собственного токена, Kalshi продолжит опираться на регулирование, а Hyperliquid попробует забрать аудиторию, которая хочет торговать событиями без привычных ограничений и с прямой связью с ростом площадки.
#Hyperliquid #hype #Polymarket #Kalshi #Write2Earn
$HYPE

Elon Musk si è nuovamente distaccato dalla maggior parte del mercato cripto. Durante la testimonianza in tribunale contro OpenAI ha dichiarato che la maggior parte delle criptovalute sono scam, anche se alcuni asset, secondo lui, hanno comunque un valore reale.
La dichiarazione è arrivata mentre veniva lanciato il nuovo prodotto X. La piattaforma ha lanciato la versione web dei Cashtags, che trasforma i ticker delle azioni e delle criptovalute in grafici interattivi e feed di post specifici per determinati asset. C'è un contrasto notevole: Musk critica il mercato, mentre il suo social network potenzia gli strumenti per i trader.

L'alleanza tra Justin Sun e World Liberty Financial si è disintegrata sotto i nostri occhi. Il fondatore di TRON ha fatto causa al progetto legato alla famiglia di Donald Trump, denunciando il congelamento dei suoi token, la perdita dei diritti di governance e il tentativo di annullare la sua quota attraverso un meccanismo di burning degli asset.
Un anno fa la situazione era diversa. San era considerato un investitore chiave di WLFI, ha investito 75 milioni di dollari e ha assunto il ruolo di advisor. È diventato anche il maggior detentore durante una cena riservata per i possessori del meme-token TRUMP. Ora uno dei principali supporter del progetto è passato allo status di querelante.

Chiliz sta ampliando la sua infrastruttura. Il progetto sta migrando oltre 70 fan-token nelle reti Solana e Base, puntando ad aumentare i volumi di trading prima del campionato mondiale di calcio estivo.
L'azienda sta cambiando architettura. Dopo il lancio della propria rete di primo livello nel 2023, Chiliz sta passando a un modello di "distribuzione omnichain", dove i token operano simultaneamente su più blockchain. Questo dovrebbe semplificare l'accesso e aumentare la liquidità in un contesto di crescente interesse per gli asset sportivi.

Искусственный интеллект(AI) научился замечать рак поджелудочной железы на обычных КТ-снимках — в среднем за полтора года до того, как болезнь обнаружат врачи. Клиника Мэйо (Mayo Clinic) опубликовала в журнале Gut результаты валидации модели REDMOD (Radiomics-based Early Detection Model). На почти 2 000 томограммах, которые радиологи изначально признали нормальными, система выявила 73% случаев рака, диагностированных впоследствии. В среднем искусственный интеллект опережал диагнозы врачей на 16 месяцев.
Как работает модель
REDMOD анализирует сотни количественных характеристик ткани — текстурные и структурные параметры, — улавливая биологические изменения еще до того, как опухоль становится видимой для человека. Около 90% предсказательной силы модели обеспечивают так называемые вейвлет-фильтрованные текстурные признаки (при которой исходный сигнал раскладывается на различные частотные компоненты (масштабы) для удаления шума, сжатия или выделения ключевых особенностей): они точнее отражают нарушения ткани, чем обычные необработанные характеристики .
Система полностью автоматизирована: не требует ручной разметки снимков и долгой подготовки данных. Встроенный порог классификации позволяет настраивать чувствительность без переобучения модели.
Сравнение с врачами
Исследователи протестировали REDMOD на независимой выборке из 493 пациентов и напрямую сравнили результаты с оценками радиологов. Разрыв оказался существенным: на всей выборке чувствительность модели составила 73%, у радиологов — 38,9%. На снимках, сделанных более чем за два года до диагноза, REDMOD выявлял изменения в 68% случаев, тогда как специалисты без AI-подсказки — лишь в 23%.
«Главное, что мешает спасать жизни людей при раке поджелудочной железы — это то, что мы не видим болезнь, пока ее еще можно вылечить. Теперь AI способен распознать характерные признаки рака в нормальной с виду поджелудочной — надежно, на разных аппаратах и в разное время», — объяснил ведущий автор работы, радиолог клиники Мэйо Аджит Гоенка (Ajit Goenka).
Авторы тестировали модель на данных из нескольких клиник, разных томографов и протоколов сканирования — то есть в условиях, максимально близких к реальной практике.
Главная идея разработчиков — встраивать REDMOD в стандартную процедуру расшифровки КТ-снимков, которые пациенты и так делают по другим поводам. В первую очередь речь идет о группах повышенного риска. Один из очевидных примеров — люди с впервые диагностированным диабетом: у них вероятность рака поджелудочной заметно выше среднего.
Контекст для понимания масштаба проблемы: 85% случаев рака поджелудочной железы диагностируют на стадии, когда болезнь уже распространилась, а пятилетняя выживаемость при этом диагнозе остается ниже 15%.
Следующий шаг
Клиника Мэйо уже запускает клиническое исследование AI-PACED, которое должно показать, как интегрировать AI-диагностику в реальную клиническую практику: насколько часты ложные срабатывания, как часто удается выявлять ранние стадии и что это дает пациентам в итоге.
#AI #AImodel #Medicine #Write2Earn
$ETH $AI

I grandi modelli linguistici si trovano ad affrontare un problema architettonico che l'industria non ha ancora risolto definitivamente: dopo l'addestramento, la conoscenza del modello è di fatto fissata, e qualsiasi tentativo di aggiornarla rischia di portare a quella che viene chiamata "dimenticanza catastrofica".
Che cos'è la dimenticanza catastrofica

Искусственный интеллект(AI) стал главной темой деловых обсуждений, однако большинство компаний по-прежнему не могут перейти от экспериментов к реальному внедрению. По данным McKinsey, почти две трети компаний в 2025 году находились лишь на стадии пилотных проектов. Лишь около 6% опрошенных относились к категории «высокоэффективных» — тех, у кого AI уже интегрирован в бизнес-процессы и обеспечивает более 5% прибыли.
Дефицит кадров и отсутствие стратегии
Исследование Boston Consulting Group (BCG) среди 1 400 топ-менеджеров по всему миру показало, что 62% руководителей называют нехватку специалистов и компетенций в области AI главным препятствием для получения реальной отдачи. При этом лишь 6% из них приступили к сколько-нибудь системному обучению сотрудников. Отдельное исследование BCG фиксирует, что только 25% рядовых сотрудников получают от руководства достаточно чёткие указания по использованию AI в работе.
Для малого и среднего бизнеса, особенно в технически сложных отраслях, цифры, вероятно, ещё менее обнадёживающие. Здесь риски неконтролируемого расползания AI по инфраструктуре особенно высоки.
Осторожность как стратегия
Как ни парадоксально, выжидательная позиция оказалась для многих компаний вполне разумной. На раннем этапе инструменты AI обещали впечатляющие результаты, но на практике организации с трудом находили применения, дающие измеримую отдачу. Экспериментальные проекты нередко поглощали значительные ресурсы, так и не выйдя за рамки пилотов. Слабое управление и отсутствие чётких стандартов только усугубляли ситуацию.
Показательны и конкретные провалы. AI-ассистент для программирования компании Replit уничтожил производственную базу данных стартапа SaaStr. Газеты Chicago Sun-Times и Philadelphia Inquirer опубликовали рекомендации по летнему чтению с несуществующими книгами, сгенерированными AI. Подобные случаи — лишь видимая часть череды неудачных инициатив. Однако именно они дают руководителям весомые аргументы для выстраивания более зрелых систем управления AI и отбора действительно проверенных технологий.
Когда AI создаёт ценность
Сегодня картина меняется. Сценарии использования AI с понятной операционной отдачей стали нормой. Прогнозирование потребностей в обслуживании оборудования, автоматический контроль качества, планирование спроса и оптимизация загрузки ресурсов — всё это уже приносит измеримые результаты. По данным IBM, переход от планового технического обслуживания к предиктивному позволяет сократить затраты на 25–30%, поскольку ремонт проводится только тогда, когда данные указывают на реальный износ.
Барьеры для внедрения также снижаются. Облачные платформы, предобученные модели и AI-функции, встроенные непосредственно в привычное программное обеспечение, упрощают технологический переход. В исследовании BCG, посвящённом крупной промышленной компании, отмечается, что инструменты на основе генеративного AI интегрированные непосредственно в процессы закупок, ускорили подготовку документов и правок на 50%, а поиск и извлечение нужной информации — на 50–75%.
Практический подход: с чего начать
Главный принцип — не стремиться стать «компанией AI» , а повышать эффективность уже существующих операций. Стратегия внедрения должна быть ориентирована на создание конкретной ценности, а не на демонстрацию модных инструментов. Для этого можно использовать следующую логику:
Начните с понятных, малорискованных сценариев. Клиентский сервис, внутренний поиск по документам, автоматизация рутинных задач — хорошие точки входа. Параллельно важно выстроить понятные правила: кто за что отвечает, как защищаются данные, как обеспечивается контроль со стороны сотрудников.Высвободите ресурсы. Автоматизация повторяющихся процессов в финансах, HR, закупках, операционных продажах и поддержке клиентов позволяет команде сосредоточиться на задачах, где человеческое суждение действительно важно. Именно здесь AI наиболее быстро окупается.Управляйте рисками осознанно. Правильно выстроенный AI ускоряет принятие решений и снижает вероятность ошибок. Ключевое условие — надёжный контроль над данными, чёткие политики и сохранение человеческого надзора.
Структурное преимущество
В ближайшие годы AI, по всей видимости, станет неотъемлемой частью ключевых операционных систем. Принятие решений будет опираться на данные, а в ряде случаев — частично автоматизировано. Процессы планирования будут всё больше строиться на предиктивных моделях. Как отмечает Forbes, интеграция AI в ключевые бизнес-процессы не просто ускоряет работу — она меняет саму математику бизнеса.
Когда подобные возможности становятся стандартом для целой отрасли, конкурентный эффект приобретает структурный характер. Компании, которые взяли время на осмысленный выбор пути, получают преимущество: они учились на чужих ошибках и теперь могут внедрять те инструменты и подходы, которые действительно соответствуют их бизнес-целям.
#AI #AImodel #Write2Earn
$BTC $AI

Secondo il rapporto di Bitso per il 2025, gli stablecoin hanno superato per la prima volta il bitcoin in termini di volume di acquisti in America Latina: 40% contro 18%. I dati sono stati ottenuti dall'attività di quasi 10 milioni di utenti retail della piattaforma.
La digitalizzazione in dollari sta guadagnando terreno
Gli stablecoin ancorati al dollaro statunitense — principalmente USDt di Tether e USDC di Circle — sono diventati gli attivi crypto più acquistati nella regione. È la prima volta che la loro quota supera quella del bitcoin. Dietro a questo cambiamento c'è una logica economica reale: in condizioni di inflazione cronica, svalutazione delle valute nazionali e accesso limitato ai servizi bancari, gli stablecoin offrono un modo relativamente accessibile per conservare i risparmi e effettuare transazioni in un equivalente in dollari.

Il mercato dei tokenizzati di asset reali è cresciuto di oltre il 420% dall'inizio del 2025 — da $5,8 miliardi a oltre $30,2 miliardi a fine aprile 2026. I principali fattori di crescita sono stati la chiarezza normativa e l'espansione dell'accesso per i giocatori istituzionali a questo segmento, secondo il recente report di CoinGecko.

Искусственный интеллект(AI) действительно меняет всё — и именно в этом главная угроза: когда технология по-настоящему меняет всё, рынок перестаёт задавать неудобные вопросы.
Нынешний ажиотаж вокруг AI подпитывается не только инновациями. За ним стоит мощная смесь жадности и страха упустить выгоду. Когда эти две силы берут верх, на смену здравому смыслу приходит иррациональное поведение. Это не приговор технологии — это наблюдение за тем, как функционирует рынок. Мы уже проходили через подобное.
Когда стоимость капитала стремится к нулю
Есть верный признак того, что рынок перешёл от воодушевления к иррациональному оптимизму: стоимость капитала приближается к нулю. Когда риск перестают учитывать в цене, исчезает и дисциплина. Вопросы об окупаемости инвестиций, о последствиях возможных сбоев — всё это приносится в жертву в погоне за быстрой выгодой.
Капитал сегодня размещается почти бесконтрольно. Предприниматели усвоили: добавить «AI» к описанию любого продукта — значит открыть многие двери. Корпорации делают масштабные AI-закупки, однако по большей части в рамках R&D — пытаясь понять, что эта технология означает для их бизнеса, прежде чем конкурент опередит их. Параллельно работает механизм рециркуляции: значительная часть доходов AI-компаний поступает от других AI-компаний, покупающих вычислительные мощности и сервисы. Каждый доллар при этом считается за десять.
Это и есть проблема краткосрочного преувеличения. Путь от революционной технологии до устойчивой ценности никогда не бывает прямым — эпоха доткомов это доказала. Мы склонны переоценивать краткосрочный эффект и недооценивать долгосрочный. Сейчас мы находимся именно в фазе переоценки.
Почему барьеры — не теория
Наряду с потоком капитала, вливающегося в AI, существует длинный и по большей части нерешённый перечень реальных препятствий для массового внедрения.
Среди них — рекурсивное загрязнение данных. Большие языковые модели генерируют огромные объёмы контента, который затем используется как обучающий материал для следующего поколения моделей. Ошибки и галлюцинации усиливаются с каждым циклом. Это напоминает многократное копирование копии: качество неуклонно падает, и в итоге невозможно установить, каким был исходный источник. Индустрия уже обращается к синтетическим данным, чтобы компенсировать нехватку качественного человеческого контента, — однако это рискует ускорить деградацию, а не устранить её.
Ещё серьёзнее проблема отравления данных. Злоумышленники могут намеренно искажать обучающую выборку, и однажды внедрённый «яд» остаётся в модели навсегда. Особенно опасен военный сценарий: AI, обученный распознавать своих и чужих на основе скомпрометированных данных, обнаружит скрытую уязвимость лишь в разгар реального конфликта. Задокументировано, что для отравления языковых моделей любого размера достаточно всего 250 вредоносных документов — это делает атаки на обучающие данные не гипотетической угрозой, а вполне актуальной проблемой кибербезопасности.
Отдельная проблема — непрозрачность моделей. AI-вендоры в основном скрывают, что именно находится внутри их систем. Независимо проверить, насколько модель безопасна, объективна и точна, практически невозможно. Вице-президент Cisco Том Гиллис (Tom Gillis) прямо указывает: для чувствительных задач модели следует запускать на собственной инфраструктуре, а не в облаке — потому что никто не знает наверняка, что там происходит.
Пока эти проблемы не будут решены применительно к каждому конкретному сценарию использования, массовое внедрение AI не произойдёт — и не должно происходить — в том масштабе, который рынок закладывает в текущие оценки.
Скорость машин меняет уравнение риска
Главная опасность AI - не в том, что что-то может пойти не так, а в том, как быстро это происходит. Исторически человек в цепочке принятия решений был своеобразным предохранителем — тем, что замедляло процессы достаточно, чтобы в нужный момент включилось суждение. Агентный AI этот предохранитель убирает полностью.
Одни только последствия для наступательных кибератак должны заставить любой совет директоров насторожиться. Прежде экономика сдерживала злоумышленников от автоматизации атак в полном объёме: это попросту было невыгодно. Машинное обучение снимает это ограничение. Когда AI-системы взаимодействуют друг с другом за пределами контролируемой среды и что-то идёт не так на скорости машины — остановить это может оказаться невозможным. Непредвиденные последствия этой технологии, о которых мы ещё даже не начали думать, не будут развиваться медленно.
Что делать инвесторам и советам директоров
Всё это — не аргумент против AI. Ядерная энергия — один из самых мощных и чистых источников энергии из когда-либо созданных. И одновременно — материал для бомб. Технология сама по себе не выбирает. Выбираем мы. Разница — в наличии или отсутствии дисциплины, ограничений и трезвой оценки последствий.
Компании и инвесторы, которые сформируют долгосрочный AI-ландшафт, — не те, кто движется быстрее всех прямо сейчас. А те, кто движется наиболее осознанно. Когда стоимость капитала нормализуется — а это произойдёт — устоят именно те, кто внедрял AI под конкретные задачи, кто выстраивал понимание рисков и доходности до масштабирования. Именно так всегда строились устойчивые компании.
Для советов директоров и управляющих капиталом задача — не притормозить, а сфокусироваться. Задавать вопросы, которые рынок сейчас игнорирует. Разграничивать R&D и производственное развёртывание. Чётко понимать, на каком этапе реально находится организация. Требовать конкретики в сценариях применения: «мы используем AI» — это не стратегия. Учитывать риски в финансовых моделях и повестке советов директоров как приоритетные факторы, а не сноски.
Долгосрочный трансформационный потенциал AI реален — и его по-прежнему недооценивают. Золото существует. Но дисциплина состоит в том, чтобы отличать его от блёстки и иметь терпение, чтобы это различие имело значение.
#AI #AImodel #Write2Earn
$AI $BTC

Gli hacker hanno rubato oltre $625 milioni solo ad aprile 2026, effettuando da 20 a 30 attacchi separati. Quasi uno attacco al giorno.
Il servizio DefiLlama ha pubblicato un grafico su X, dove si vede che ad aprile si registrava in media quasi un hack al giorno. A titolo di confronto, nei mesi precedenti il numero di incidenti raramente superava i 12–15.

La frase «sell in May and go away» è da tempo passata da Wall Street al mondo delle crypto e solitamente allude a un'estate fiacca e a drawdown. Ma quest'anno la situazione potrebbe essere diversa.
Chainlink, Ethereum, Kaspa, Sui e NEAR hanno trascorso gli ultimi mesi in una lunga fase di accumulo con bassa volatilità. Ora tutti e cinque gli asset si sono avvicinati a livelli in cui potrebbe iniziare un movimento, e ognuno di essi ha il proprio trigger per maggio che potrebbe attivare il movimento.

La criptovaluta è diventata l'argomento più ignorato su X da quando è stata lanciata la funzione snooze. Gli utenti disattivano sempre più spesso la crypto a causa del flusso di spam e di contenuti creati tramite AI.
Da quando è stata introdotta questa funzione, la crypto mantiene il primo posto tra gli argomenti che gli utenti nascondono più spesso. Un ruolo significativo lo ha avuto l'afflusso del cosiddetto AI-spam, ovvero contenuti di bassa qualità generati da reti neurali.