总部位于英国的加密货币交易所及钱包服务商Blockchain.com集团控股公司(Blockchain.com Group Holdings Inc.)于周四宣布,已向美国证券监管机构秘密提交首次公开募股(IPO)申请。
目前,此次IPO的具体细节尚未披露,发行股数及预期价格区间均未确定,相关申请正在美国证券交易委员会(SEC)的审查过程中。
Blockchain.com成立于2011年,最初以区块链浏览器起家。区块链浏览器是一种分析工具,允许用户查看全球分布式账本上的交易记录,并追踪资金从起源到当前状态的完整流转路径。随着公司业务的不断拓展,Blockchain.com逐渐发展成为一家加密货币钱包与交易平台,用户可在其平台上买入、持有、出售及交易各类Token。
区块链本质上是一种防篡改的数字数据库,也称为分布式账本。它通过将交易记录安全地分发至多个节点,并以密码学手段保障交易信息的安全,整个过程无需中央机构介入。这种机制类似于银行的金融活动追踪功能,但省去了中间人环节,并支持几乎无法被事后篡改的高安全性交易。
Blockchain.com将自身定位为领先的基础设施公司,目前已创建超过9500万个钱包,平台累计交易规模超过1.1万亿美元,旗下产品覆盖20余个品类,涵盖面向普通用户的交易服务、钱包服务、机构级产品以及区块链数据工具,而非传统的订单簿交易所模式。
此次IPO申请的提交,是近期区块链与加密货币行业上市热潮的组成部分。此前,稳定币发行商Circle互联网集团(Circle Internet Group Inc.)、加密货币交易所Gemini空间站公司(Gemini Space Station Inc.)以及数字资产平台Bullish Inc.等多家头部企业已相继启动IPO程序。
其中,Bullish的IPO还创下了一个颇具意义的先例——该公司安排以稳定币形式接收150万美元的IPO募集款项。稳定币是一种与特定法定货币(如美元)挂钩的加密货币Token,此举标志着加密货币首次作为IPO募资款项的结算方式被正式采用。
此外,加密货币借贷公司Figure Technology Solutions Inc.也于去年提交了IPO申请。
然而,加密货币行业的IPO进程并非一帆风顺。知名加密货币交易所Payward Inc.(即Kraken)已暂停其IPO计划,法国加密货币硬件钱包公司Ledger Inc.也以市场波动性过大为由推迟了上市安排。
Q&A
Q1:Blockchain.com是一家什么公司?主要提供哪些服务?
A:Blockchain.com成立于2011年,总部位于英国,最初是一家区块链浏览器服务商,后发展为加密货币钱包与交易平台。目前,公司旗下拥有20余款产品,涵盖面向普通用户的Token交易、钱包服务、机构级金融产品及区块链数据工具,平台累计创建钱包超9500万个,交易总规模逾1.1万亿美元。
Q2:Blockchain.com的IPO申请目前进展如何?
A:Blockchain.com已向美国证券交易委员会(SEC)秘密提交IPO申请,但目前具体发行细节尚未公开,包括发行股数和预期价格区间均未确定,申请仍在SEC审查阶段。所谓"秘密提交",即公司在正式公开招股前,先以不公开方式向监管机构递交申请文件。
Q3:当前加密货币行业的IPO整体情况怎么样?
A:目前加密货币行业掀起一轮上市热潮,Circle、Gemini、Bullish等多家头部企业已相继推进IPO。其中Bullish首创以稳定币结算IPO募资款项的先例。但也有企业遭遇波折,Kraken暂停了IPO计划,Ledger则以市场波动过大为由推迟上市,整体进程喜忧参半。
好文章,需要你的鼓励
Uber年度失物报告首次纳入无人驾驶出租车数据。过去一年,乘客在Uber平台的机器人出租车中遗留了数千件物品,包括手机、钥匙、钱包等常见物品,以及假牙、15磅溜溜球等奇特物件。乘客可通过App联系客服找回失物,支付15美元即可享受同城配送,或前往车辆停放站自取。Uber表示,将依托现有运营体系为自动驾驶业务提供全面支持,计划2025年底前在全球15座城市开通无人驾驶打车服务。
TREK方法通过引入外部验证解法对AI进行短期校准,解决了GRPO训练在困难题目上因无法探索正确解法区域而陷入瓶颈的问题,在数学推理和智能体任务上均取得明显提升。
Uber周三发布了一款基于现代Ioniq 5改装的数据采集原型车,搭载14个摄像头、8个固态激光雷达和9个雷达,通过英伟达双驱Thor计算机处理数据。Uber计划今年在全球部署500辆此类车辆,每月可采集200万英里高保真驾驶数据,供Avride、Waymo、WeRide等30余家自动驾驶合作伙伴使用。这是Uber自2020年出售自动驾驶部门以来首次自主组装车辆,也是其AV Labs部门的重要进展。
SkillOpt-Lite通过将智能体技能优化形式化为零阶优化问题,提出极简流水线:把执行轨迹存为文本文件,让AI直接用文件系统工具翻日志、找规律、改技能,配合独立验证门控,比复杂的多智能体优化框架跑得更快效果更好,并自然延伸至执行框架自动优化(HarnessOpt),使轻量模型能够超越大模型。