العقود الآجلة
وصول إلى مئات العقود الدائمة
TradFi
الذهب
منصّة واحدة للأصول التقليدية العالمية
الخیارات المتاحة
Hot
تداول خيارات الفانيلا على الطريقة الأوروبية
الحساب الموحد
زيادة كفاءة رأس المال إلى أقصى حد
التداول التجريبي
مقدمة حول تداول العقود الآجلة
استعد لتداول العقود الآجلة
أحداث مستقبلية
"انضم إلى الفعاليات لكسب المكافآت "
التداول التجريبي
استخدم الأموال الافتراضية لتجربة التداول بدون مخاطر
إطلاق
CandyDrop
اجمع الحلوى لتحصل على توزيعات مجانية.
منصة الإطلاق
-التخزين السريع، واربح رموزًا مميزة جديدة محتملة!
HODLer Airdrop
احتفظ بـ GT واحصل على توزيعات مجانية ضخمة مجانًا
منصة الإطلاق
كن من الأوائل في الانضمام إلى مشروع التوكن الكبير القادم
نقاط Alpha
تداول الأصول على السلسلة واكسب التوزيعات المجانية
نقاط العقود الآجلة
اكسب نقاط العقود الآجلة وطالب بمكافآت التوزيع المجاني
تخطط Paradigm لإنشاء صندوق بقيمة 1.5 مليار دولار للتوسع في مجالات الذكاء الاصطناعي والروبوتات
باراديغم تسعى لجمع ما يصل إلى 1.5 مليار دولار لصندوق جديد من شأنه توسيع نطاقها إلى التقنيات الحدودية، بما في ذلك الذكاء الاصطناعي والروبوتات، وفقًا لصحيفة وول ستريت جورنال.
تأسست شركة رأس المال المخاطر، التي تتخذ من سان فرانسيسكو مقرًا لها، سمعتها من خلال دعم بروتوكولات الأصول الرقمية وبنية تحتية ويب 3 منذ تأسيسها على يد الشريك السابق في سيكويا مات هوانغ وشارك مؤسس Coinbase فريد إهرسام.
باراديغم، التي تدير أصولًا تبلغ 12.6 مليار دولار اعتبارًا من أواخر 2024، أطلقت مركبة بقيمة 2.5 مليار دولار في 2021 دعمت مشاريع بما في ذلك Uniswap وStarkWare، وتبعتها بصندوق مبكر بقيمة 850 مليون دولار في 2024.
الصندوق المخطط له يأتي في وقت يستمر فيه الاستثمار في الذكاء الاصطناعي والروبوتات بالتسارع في 2026، مما يعكس النمو المتزايد في التصنيع لأنظمة التشغيل الذاتية.
هذا الاتجاه شجع الشركات على السعي وراء الفرص في الذكاء الاصطناعي الفيزيائي، حيث يتم نشر نماذج التعلم الآلي بشكل متزايد مباشرة في الأجهزة والتدفقات الآلية للأعمال.
استثمرت باراديغم 50 مليون دولار في Nous Research وتعاونت مؤخرًا مع OpenAI لتطوير EVMbench، أداة لتقييم أداء الذكاء الاصطناعي في المهام المتعلقة بالبلوكشين.
مستثمرون آخرون من عالم العملات المشفرة اتجهوا أيضًا لتنويع استثماراتهم في مجالات التكنولوجيا المجاورة، سعيًا للاستفادة من التقارب المحتمل بين الشبكات اللامركزية وأنظمة التعلم الآلي.