Paolo Ardoino, CEO của Tether, công bố dữ liệu ngày 14/3/2026 cho thấy người gửi lớn nhất trên mạng lưới Tether (USDT) chỉ chiếm 4,97% tổng khối lượng giao dịch. Số liệu dựa trên dữ liệu từ Chainalysis và Artemis trong 12 tháng tính đến ngày 31/1/2026, cho thấy hoạt động USDT được phân tán rộng rãi giữa người dùng thay vì tập trung vào các tổ chức lớn.
Trong khi đó, người gửi lớn nhất của một stablecoin cạnh tranh chiếm tới 23,34% khối lượng, phản ánh mức độ tập trung cao hơn. Theo Ardoino, sự chênh lệch này chứng minh USDT được sử dụng bởi cộng đồng người dùng toàn cầu rộng lớn.
Ông cũng cho biết hơn 550 triệu người—chủ yếu tại các thị trường mới nổi—đang sử dụng USDT cho thanh toán, tiết kiệm và chuyển tiền, cho thấy stablecoin đang dần trở thành hạ tầng tài chính quan trọng ngoài hệ thống ngân hàng truyền thống.
Disclaimer: The information on this page may come from third parties and does not represent the views or opinions of Gate. The content displayed on this page is for reference only and does not constitute any financial, investment, or legal advice. Gate does not guarantee the accuracy or completeness of the information and shall not be liable for any losses arising from the use of this information. Virtual asset investments carry high risks and are subject to significant price volatility. You may lose all of your invested principal. Please fully understand the relevant risks and make prudent decisions based on your own financial situation and risk tolerance. For details, please refer to
Disclaimer.
Verwandte Artikel
Tether startet Cross-Platform BitNet LoRA Framework für AI-Training auf Consumer-Geräten
Teethers QVAC-Division kündigte am 17. März 2026 die Einführung des weltweiten ersten plattformübergreifenden LoRA-Feinabstimmungs-Frameworks für Microsofts BitNet-Modelle (1-Bit-LLMs) an, das KI-Training und Inferenz mit Milliarden-Parametern auf Consumer-GPUs und Smartphones ermöglicht.
CryptopulseElite2Std her
Tether startet KI-Trainingsrahmen für Smartphones und Consumer-GPUs
Tether hat ein neues KI-Trainings-Framework gestartet, das die Feinabstimmung großer Sprachmodelle auf Consumer-Geräten wie Smartphones und Non-Nvidia-GPUs ermöglicht. Mit Microsofts BitNet-Architektur und LoRA-Techniken bietet es erhebliche Einsparungen bei Speicher- und Rechenkosten und unterstützt verschiedene Chipsets. Dieser Fortschritt entspricht dem Trend von Kryptowährungsunternehmen, die in KI- und Computing-Infrastruktur expandieren.
TapChiBitcoin2Std her
Gate Tagesberichte (18. März): SEC und CFTC verdeutlichen, dass die meisten Token keine Wertpapiere sind; Tether führt neues KI-Framework ein
Der Bitcoin-Preis schwankt in der Nähe von 74.140 US-Dollar, die US-SEC und die CFTC haben neue Richtlinien veröffentlicht, die klarstellen, dass die meisten Kryptowährungen keine Wertpapiere darstellen und den Markt eine klare Orientierung bieten werden. Tether hat ein KI-Feinabstimmungs-Framework eingeführt. Der Markt beobachtet weiterhin die Auswirkungen hoher Zinssätze und geopolitischer Spannungen auf die Wirtschaft.
MarketWhisper3Std her
AI ist nicht mehr das Patent von Tech-Giganten! Tether startet QVAC – ist die Zeit der persönlichen LLM für jeden gekommen?
Tether kündigte an, dass seine KI-Infrastruktur QVAC Fabric das weltweit erste plattformübergreifende BitNet LoRA Fine-Tuning-Framework einführt, das das Training großer Sprachmodelle auf Consumer-Hardware ermöglicht. Diese Technologie ermöglicht es Geräten wie Smartphones, Modell-Fine-Tuning durchzuführen, senkt die KI-Entwicklungskosten erheblich, dezentralisiert KI und ermöglicht die Nutzung überall und jederzeit in der Zukunft.
ChainNewsAbmedia13Std her
Tether bringt weltweit erstes mobiles „Milliarden-Level-AI-Trainings-Framework" auf den Markt, iPhone und Samsung können LoRA ausführen
Das QVAC-Department von Tether hat am 17. März das weltweit erste LoRA-Feinabstimmungs-Framework mit Unterstützung für Microsofts BitNet-Architektur eingeführt, das den Speicher- und Rechenbedarf von KI-Modellen erheblich reduziert und lokalisiertes Training auf Mobiltelefonen ermöglicht. Die Technologie ermöglicht es Benutzern, personalisiertes Lernen durchzuführen, ohne Daten hochzuladen, und schützt damit die Privatsphäre. Tests zeigen, dass moderne Smartphones eine effektive Feinabstimmung von Modellen mit einer Milliarde Parametern durchführen können, was das Anwendungspotenzial des Edge Computing vorantreibt.
動區BlockTempo15Std her
