Bounce: w 2026 roku kluczowy nacisk na rozwój produktów łączących RWA, aukcje oraz zdecentralizowane mechanizmy rynkowe
Foresight News poinformował, że Bounce opublikował artykuł, w którym ogłosił, że w 2026 roku skupi się na rozwoju produktów łączących RWA, aukcje oraz zdecentralizowane mechanizmy rynkowe. Kluczowe priorytety obejmują wzmocnienie użyteczności tokena AUCTION, iteracyjne rozwijanie produktów, wprowadzanie wysokiej jakości projektów (deal flow) oraz poszukiwanie nowych możliwości pojawiających się wraz z ewolucją trendów rynkowych.
Zastrzeżenie: Treść tego artykułu odzwierciedla wyłącznie opinię autora i nie reprezentuje platformy w żadnym charakterze. Niniejszy artykuł nie ma służyć jako punkt odniesienia przy podejmowaniu decyzji inwestycyjnych.
Może Ci się również spodobać
LVMH spadł w tym roku o 37%, kiedyś był największą spółką pod względem kapitalizacji rynkowej w Europie, teraz wypadł z pierwszej dziesiątki.
We wtorek akcje LVMH spadły o 2,6%, a kapitalizacja rynkowa firmy zmniejszyła się do 2010 milionów euro (około 2320 milionów dolarów), nieznacznie poniżej L’Oréal, przez co po raz pierwszy od 2017 roku LVMH wypadł z pierwszej dziesiątki największych firm w Europie. Od początku roku akcje LVMH spadły o 37%, wracając do poziomu z czasów pandemii, kiedy globalne sklepy były zamknięte. W związku ze spadkiem popytu na dobra luksusowe, kilka banków inwestycyjnych obniżyło ocenę LVMH.

Meta wdroży własne chipy AI w pierwszej połowie przyszłego roku, aby obniżyć koszty i zmniejszyć zależność od Nvidia
Meta będzie używać swojego trzeciego pokolenia własnych chipów AI, MTIA 450, w centrach danych od pierwszej połowy przyszłego roku, a czwarte pokolenie jest przewidywane do wdrożenia pod koniec 2027 roku. W ciągu najbliższych 12 miesięcy Meta zobowiązała się do wdrożenia własnych chipów o zapotrzebowaniu energetycznym przekraczającym 1 gigawat. Yee Jiun Song, wiceprezes ds. inżynierii w Meta, podkreślił, że w porównaniu do produktów obecnie dostarczanych przez Nvidia, autorskie chipy Meta są bardziej wydajne podczas uruchamiania modeli AI i mają niższe zużycie energii.
