Author: Admin_Up

  • Hong Kong bankers forgo summer break amid AI-fueled fundraising boom

    Hong Kong bankers forgo summer break amid AI-fueled fundraising boom

    Hong Kong’s equity capital markets achieved a record $47.5 billion in fundraising during the third quarter, driven primarily by the artificial intelligence sector, according to a Bloomberg report dated October 3, 2026. Dealmakers involved in these share sales reportedly sacrificed their summer breaks to accommodate the surge in activity.

    Record Quarter for Equity Fundraising

    The $47.5 billion figure encompasses all forms of equity fundraising, including initial public offerings (IPOs), share placements, and block trades. A share placement involves a company directly selling new shares to a select group of investors, while a block trade refers to the sale of a substantial block of existing stock in a single transaction.

    This robust third quarter pushed Hong Kong’s year-to-date equity fundraising total for 2026 above $92 billion. The city is now within striking distance of its all-time annual record of $112.5 billion, set in 2021.

    AI Dominates Market Activity

    Goldman Sachs has projected that equity issuance in 2026 could potentially surpass the regional record established in 2021, with demand for AI-related companies serving as the primary catalyst.

    A particularly noteworthy transaction from the summer was Zhipu AI’s successful $4 billion share placement in July. This deal was part of a broader wave of $5.8 billion in AI financing that occurred within that same week. Significantly, Bloomberg’s report highlighted that this surge in funding largely bypassed traditional Wall Street banks.

    Zhipu AI was not the sole AI-focused entity to tap the market this year. Earlier in 2026, MiniMax Group raised approximately $619 million through its IPO.

    Investor Appetite and Shifting Fee Pools

    For investors, the record-breaking quarter signals a strong appetite for AI-linked equities across Asia. The ability of a single placement to raise $4 billion indicates that institutional buyers are prepared to commit substantial capital to the sector.

    The $5.8 billion week of AI financing, which occurred without the involvement of traditional Wall Street banks, could represent a significant shift. If this trend persists rather than remaining an isolated event, fee pools that have historically benefited large U.S. financial firms may increasingly be directed elsewhere.

    With the year-to-date total exceeding $92 billion, and the 2021 record standing at $112.5 billion, Goldman Sachs’ optimistic outlook for 2026 hinges on continued strong activity in the fourth quarter.

  • Bitdeer Sells 292.3 BTC Mined in a Week, Bets on AI Cloud with Zero Holdings

    Bitdeer Sells 292.3 BTC Mined in a Week, Bets on AI Cloud with Zero Holdings

    Bitdeer Sells All Mined Bitcoin, Maintains Zero Holdings Amid AI Pivot

    New York, NY – Nasdaq-listed Bitcoin mining firm Bitdeer has continued its strategy of selling all newly mined Bitcoin, maintaining zero reserves of the cryptocurrency. In the week ending October 2nd, the company mined 292.3 BTC and sold an equivalent amount, resulting in no net addition to its holdings. This mirrors the company’s approach in previous months, where production is immediately converted to cash.

    Bitdeer is mining approximately 41.8 BTC per day. At the current price of around $84,770 per BTC, the 292.3 BTC mined in the specified week is valued at approximately $24.8 million, based on current market prices rather than actual transaction values.

    This zero-holding strategy is a recent development for Bitdeer. As of the end of 2025, the company held approximately 2,000 BTC. This figure decreased to 1,530 BTC by the end of January 2026, and further dropped to 943.1 BTC by February 13th. In the week of February 20th, the company announced via its official X account that it had sold all 189.8 BTC mined that week, along with the remaining 943.1 BTC from its reserves, officially bringing its holdings to zero.

    At the time of the divestment, Chief Communications Officer Ross Gann stated that the sale of Bitcoin was a liquidity decision, not an abandonment of mining operations. He explained that the company was prioritizing cash flexibility due to evaluating several non-binding acquisition opportunities involving land with power infrastructure. Bitdeer’s statement at the time also emphasized that its decision to sell Bitcoin should not be a cause for broader market concern. Concurrently, the company initiated convertible bond financing.

    Strategic Capital Allocation Towards AI and Power Infrastructure

    The proceeds from these sales are being redirected towards other ventures. Bitdeer’s August operational report (6-K filing with the SEC) details this shift. In August, Bitdeer mined 1,310 BTC with a self-owned hashrate of 79.9 EH/s. Simultaneously, its AI cloud segment reported an annualized recurring revenue (ARR) of approximately $86 million, with 4,328 GPUs deployed and a utilization rate of 92%. This represents an increase from the $76 million ARR reported in June.

    Land and power infrastructure represent another significant area of investment. The company acquired 200 acres of land near its Rockdale, Texas facility, which currently has a capacity of 563 MW. The AI cloud pipeline has a total capacity of 206.5 MW. In Norway, Bitdeer has secured a 16-year lease for its Tydal facility, valued at $4.7 billion, with an option to extend for an additional 8 years, potentially bringing the total value to $8 billion. The company also has an initial 30 MW setup in Bhutan, with plans to expand to 500 MW.

    The company’s second-quarter financial report provided further details on this transformation. At the Tydal facility, the lessee Volta is targeting 121 MW of IT load within the 180 MW park, with Bitdeer retaining 47 MW. In Malaysia, Bitdeer has leased a new 21.7 MW data center, expected for delivery in the first quarter of 2027, which is planned to accommodate 128 NVIDIA GB300 systems. AI cloud revenue for the second quarter reached $14 million, a 284% increase quarter-over-quarter. The company has also revised its full-year mining capital expenditure forecast downwards to between $200 million and $280 million, indicating a clear reallocation of funds towards AI and power infrastructure.

    Financial Performance and Debt Concerns

    However, the company’s financial performance reveals a more complex picture. In the second quarter, Bitdeer reported revenue of $228.8 million, a 47% year-over-year increase, and adjusted EBITDA of $31.1 million, up 575% year-over-year. Despite these positive figures, the company posted a gross loss of $8.5 million, resulting in a gross margin of approximately -3.7%.

    This indicates that while adjusted EBITDA, which excludes depreciation and amortization, presents a favorable outlook, the core business is still operating at a loss when the costs of mining equipment and GPUs are fully accounted for.

    The balance sheet also highlights financial pressures. Bitdeer has $496 million in cash against $1.8 billion in long-term debt. The immediate sale of mined Bitcoin is a rapid method to bolster cash flow, but it also means the company lacks any Bitcoin reserves for emergency situations.

    Industry Divergence in Strategy

    The broader industry context offers a compelling comparison. In the first quarter of 2026, publicly traded mining companies including MARA, CleanSpark, Riot, Cango, Core Scientific, and Bitdeer collectively sold over 32,000 BTC, setting a record. Riot Platforms alone sold 3,778 BTC in a single quarter, raising approximately $289.5 million to repay Bitcoin-backed loans.

    MARA, while selling over 20,000 BTC in the first half of the year, was observed by on-chain analytics platform Lookonchain on September 16th to have repurchased 1,292 BTC through FalconX at an average price of $76,347, totaling approximately $98.64 million. This brought MARA’s holdings back to 35,577 BTC.

    While both companies face cash flow pressures, MARA has begun to rebuild its Bitcoin reserves, whereas Bitdeer continues its divestment. This divergence signals a split in how these mining firms are positioning Bitcoin within their strategies.

    Bitdeer’s approach of treating Bitcoin as a cash flow generator rather than a reserve asset is a logical survival strategy given its high debt and negative gross margins. However, the long-term market acceptance of this strategy hinges on its AI cloud segment transitioning from a narrative to profitability.

    The conditions for success are clear: continued growth in AI cloud metrics and a positive gross margin for this segment will validate Bitdeer’s pivot strategy.

  • Cathie Wood’s ‘Follow the Agents’ Strategy: AI’s Evolving Financial Role and Infrastructure Needs

    Cathie Wood’s ‘Follow the Agents’ Strategy: AI’s Evolving Financial Role and Infrastructure Needs

    Cathie Wood, co-founder of ARK Invest, has proposed a new investment strategy termed ‘Follow the Agents.’ This approach encourages investors to closely examine the financial infrastructure that artificial intelligence agents utilize as they transition from merely providing information to making autonomous financial decisions. This significant shift was a key topic at the Robinhood Summit in Houston this week, signaling a potential new demand for specialized machine-to-machine payment systems.

    According to ARK Invest, AI agents may soon require the ability to pay for services like API calls, data access, or compute resources without requiring direct human approval for each transaction. This evolving capability could lead to substantial structural changes in trading volumes and market behavior patterns. Indicating early adoption, Coinbase CEO Brian Armstrong noted that Grok is currently a leading agentic trader client on the exchange.

    Stablecoins and blockchain technology are positioned as potential solutions for facilitating these machine-to-machine transactions. Their inherent 24/7 availability and capacity for handling small-value, high-frequency payments align well with the anticipated needs of AI agent financial activities, such as processing API fees or data purchases.

    However, the emerging landscape for AI agent payments involves competition. Traditional payment systems and closed ecosystems developed by major tech companies are also advancing their capabilities. Companies including Stripe, Visa, Google, and OpenAI are reportedly developing functionalities to support AI agent payments. This creates a dynamic tension between open financial networks, like Ethereum, which offer a shared infrastructure, and the proprietary systems favored by tech giants.

    This discussion echoes themes from a September research report by BlackRock, which also explored AI agents and machine-specific payment systems. Over the next one to two years, more examples and trends in AI agent payment behaviors are expected to emerge, with regulatory oversight and interoperability identified as critical variables.

    Several uncertainties persist regarding the future of AI agent payments. A key question is whether these agents will be subject to Anti-Money Laundering (AML) and Know Your Customer (KYC) frameworks, which could potentially diminish the advantages of stablecoins. Furthermore, the extent to which major AI platforms integrate with specific payment systems, rather than open networks, will significantly influence the adoption of decentralized technologies.

    While stablecoins and blockchain present a compelling case for 24/7, small-value, high-frequency transactions, their practical application will depend on how these competitive and regulatory factors unfold. The interplay between open networks and closed ecosystems, alongside evolving regulations, will ultimately shape the financial infrastructure for autonomous AI agents.

    Why This Matters

    Cathie Wood’s ‘Follow the Agents’ strategy highlights a critical juncture where AI’s increasing autonomy in financial transactions necessitates a re-evaluation of investment strategies. Investors must now monitor the financial infrastructure that AI agents utilize, as their transition to autonomous spending could drive demand for new payment systems, creating a competitive landscape between open and closed ecosystems. The practical adoption of technologies like stablecoins and blockchain for these machine-to-machine payments hinges on regulatory developments and interoperability choices.

    Broader Context

    This development aligns with ARK Invest’s previous advice to ‘follow the developers,’ emphasizing a consistent focus on the underlying technological and infrastructural shifts driven by AI advancements. The discussion also follows BlackRock’s September research report on AI and digital assets, which similarly explored AI agents and machine-specific payment systems, indicating a broader industry focus on these emerging trends.

  • سیلبرس با طراحی تراشه ۵ نانومتری در مقیاس ویفر، از گلوگاه‌های تامین تراشه هوش مصنوعی عبور کرد

    سیلبرس با طراحی تراشه ۵ نانومتری در مقیاس ویفر، از گلوگاه‌های تامین تراشه هوش مصنوعی عبور کرد

    رقابت در حوزه سخت‌افزار هوش مصنوعی عمدتاً بر سر قطعات کمیاب بوده است. شرکت Cerebras Systems تلاش می‌کند با عدم نیاز به بسیاری از این قطعات، در این رقابت پیروز شود.

    رویکرد متفاوت Cerebras

    تراشه‌های مقیاس ویفری این شرکت از حافظه با پهنای باند بالا (HBM)، بسته‌بندی پیشرفته CoWoS و تولید در فرآیند ۳ نانومتری اجتناب می‌کنند. این‌ها سه گلوگاه اصلی صنعت در حال حاضر هستند. Cerebras مسیری متفاوت را در پیش گرفته است. تراشه‌های WSE-3 و مشتق آن WSE-3T بر اساس فرآیند ۵ نانومتری TSMC ساخته شده‌اند. تمام حافظه این تراشه‌ها به جای استفاده از پشته‌های جداگانه HBM، به صورت SRAM بر روی خود تراشه قرار دارد.

    مشخصات چشمگیر WSE-3

    WSE-3 در مارس ۲۰۲۴ معرفی شد. مشخصات آن بیشتر شبیه به یک طرح شهری است تا یک برگه مشخصات تراشه: ۹۰۰,۰۰۰ هسته هوش مصنوعی، ۴۴ گیگابایت حافظه SRAM روی تراشه و تقریباً ۴ تریلیون ترانزیستور. تمام این‌ها در مساحتی معادل ۴۶,۲۲۵ میلی‌متر مربع جای گرفته‌اند.

    ادعای سرعت بی‌سابقه

    اندرو فلدمن، مدیرعامل این شرکت، استدلال کرده است که این طراحی در جایی که بیشترین اهمیت را برای مشتریان دارد، یعنی سرعت تولید پاسخ توسط مدل‌های هوش مصنوعی، نتیجه‌بخش است. او در ژوئن ۲۰۲۶ این معماری را اینگونه توصیف کرد: “سریع‌ترین استنتاج در جهان به میزان یک مرتبه بزرگی.” یافته‌های تحقیقاتی ادعای فلدمن را به عنوان افزایش سرعت تولید توکن و حذف کندی‌های معمول در طراحی‌های مبتنی بر GPU توصیف می‌کنند.

    سفارش‌های عظیم و رشد درآمد

    تا ژوئن ۲۰۲۶، این شرکت گزارشی از پشتوانه سفارش ۲۵.۴ میلیارد دلاری ارائه داده است. بیش از ۲۰ میلیارد دلار از این مبلغ مربوط به یک قرارداد چندساله با OpenAI است.

    Cerebras همچنین اعلام کرده است که بیش از ۶۰۰ مگاوات ظرفیت مرکز داده، چه فعال و چه قرارداد شده، در اختیار دارد. طبق یافته‌های تحقیقاتی، درآمد این شرکت در سه ماهه دوم سال مالی، تقریباً دو برابر سال گذشته بوده است.

    در سپتامبر ۲۰۲۶، Cerebras موافقت کرد که سیستم‌های CS-4 را برای ظرفیتی حدود ۱۰۰ مگاوات به Gimlet Labs عرضه کند. این شرکت همچنین توافق‌نامه‌ای بلندمدت با General Compute منعقد کرده است که استقرار آن برای سه ماهه اول سال ۲۰۲۷ برنامه‌ریزی شده است.

    تمام این تحولات پس از عرضه اولیه سهام Cerebras در بورس نزدک در ماه مه ۲۰۲۶ صورت گرفته است. از زمان عرضه، این شرکت شروع به گسترش تولید در ایالات متحده و ایجاد مشارکت‌ها برای افزایش ظرفیت عملیاتی کرده است.

    تمرکز بر ظرفیت مراکز داده

    یافته‌های تحقیقاتی نشان می‌دهند که تقاضا برای زیرساخت هوش مصنوعی به طور فزاینده‌ای به فضای مراکز داده، برق و ساخت‌وساز وابسته است، نه صرفاً به در دسترس بودن تراشه‌ها. این موضوع توضیح می‌دهد که چرا Cerebras اکنون به جای تعداد تراشه، در مورد ظرفیت بر حسب مگاوات صحبت می‌کند. رقم ۶۰۰ مگاوات و تعهد حدود ۱۰۰ مگاواتی Gimlet Labs معیارهایی از توان و فضای فیزیکی هستند.

    چالش‌های پیش رو

    برای سرمایه‌گذاران Cerebras، سوال اصلی اجرای تعهدات است. پشتوانه سفارش ۲۵.۴ میلیارد دلاری یک وعده است، نه درآمد، و تبدیل آن به درآمد به ساخت، تأمین برق و راه‌اندازی مراکز داده طبق برنامه بستگی دارد. یافته‌های تحقیقاتی به هزینه‌های راه‌اندازی مراکز داده به عنوان چالشی که شرکت در تلاش برای غلبه بر آن است، اشاره می‌کنند.

    تمرکز مشتریان، دومین نکته‌ای است که باید مورد توجه قرار گیرد. با بیش از ۲۰ میلیارد دلار از پشتوانه سفارش که به OpenAI گره خورده است، سلامت این رابطه واحد وزن قابل توجهی دارد. قراردادهایی مانند Gimlet Labs و General Compute به تنوع بخشیدن به ترکیب کمک می‌کنند، هرچند در مقایسه بسیار کوچکتر هستند.

    در زمینه عملکرد، ادعای فلدمن مبنی بر استنتاج با مرتبه بزرگی، با بررسی مشتریانی که بارهای کاری واقعی را اجرا می‌کنند، مورد ارزیابی قرار خواهد گرفت. حافظه SRAM روی تراشه بسیار سریع است، اما ۴۴ گیگابایت برای هر تراشه یک بودجه ثابت است و نحوه مقیاس‌پذیری سیستم‌ها برای بزرگترین مدل‌ها، میزان پذیرش گسترده این طراحی را تعیین خواهد کرد.

  • پرداخت‌های XRP لجر از ۱۲ میلیون گذشت؛ هوش مصنوعی خریدار خدمات

    پرداخت‌های XRP لجر از ۱۲ میلیون گذشت؛ هوش مصنوعی خریدار خدمات

    خرید خدمات توسط عامل‌های هوش مصنوعی، لجر XRP را به مرز ۱۲ میلیون تراکنش نزدیک کرد

    تراکنش‌های پردازش شده در لجر XRP (XRPL) با نزدیک شدن به ۱۲ میلیون مورد، شاهد رشد چشمگیری بوده است. این افزایش عمدتاً ناشی از خرید خدمات آنلاین، داده‌ها و توان پردازشی توسط عامل‌های هوش مصنوعی است.

    گسترش تجارت خودکار

    رهبران مهندسی در شرکت ریپل (Ripple) گسترش تجارت خودکار را به عنوان پدیده‌ای توصیف می‌کنند که در آن نرم‌افزارها اقدام به خرید توان پردازشی، داده‌ها و خدمات مالی نوظهور می‌کنند. این روند نشان‌دهنده گامی مهم در جهت خودکارسازی و تسهیل مبادلات در فضای دیجیتال است.

    نقش هوش مصنوعی در تراکنش‌های XRPL

    خرید خدمات دیجیتال توسط عامل‌های هوش مصنوعی، نقش بسزایی در افزایش تعداد تراکنش‌های ثبت شده در لجر XRP داشته است. این امر نشان‌دهنده پتانسیل بالای این فناوری در پشتیبانی از اقتصاد نوظهور مبتنی بر هوش مصنوعی است.

  • کتی وود از آرک به هشدار تورم بیل اکمن پاسخ داد

    کتی وود از آرک به هشدار تورم بیل اکمن پاسخ داد

    دو صداي برجسته وال استريت بر سر يك پرسش واحد در حال بحث و جدل هستند: آيا هوش مصنوعي (AI) برنامه فدرال رزرو را مختل مي‌كند؟ بيل اكمن معتقد است كه اين امر ممكن است رخ دهد و تورم را تشديد كند. كتي وود نيز همين نظر را دارد، اما در جهت مخالف.

    مديرعامل و مدير ارشد سرمايه‌گذاري ARK Invest، هشدار اكمن مبني بر احتمال بازگشت افزايش نرخ بهره سپتامبر فدرال رزرو را رد كرد. استدلال او بر دو ادعا استوار است: بازده اوراق قرضه ۱۰ ساله خزانه‌داري در ميانه بلندمدت خود قرار دارد و هزينه‌هاي استنتاج هوش مصنوعي با سرعتی در حال کاهش است که ترس‌های قدیمی تورم را منسوخ می‌کند.

    اين بحث در ۲۵ سپتامبر ۲۰۲۶ آغاز شد، زماني كه اكمن در پلتفرم X (توييتر سابق) پستي درباره افزايش ۲۵ واحد پايه‌اي نرخ بهره توسط فدرال رزرو منتشر كرد و اين اقدام را اشتباهي احتمالي دانست.

    نگراني اكمن اين است كه هزينه‌هاي مربوط به هوش مصنوعي به اين ترمز (افزايش نرخ بهره) واكنش نشان ندهد. اگر تقاضا براي منابع هوش مصنوعي غيرقابل انعطاف باشد، به اين معني كه خريداران صرف‌نظر از هزينه به پرداخت ادامه دهند، افزايش هزينه‌هاي استقراض ممكن است آن را كاهش ندهد. از ديدگاه او، اين امر مي‌تواند يك چرخه تورمي خودتقويت‌كننده را تغذيه كند.

    وود در ۲۹ سپتامبر پاسخ داد. او استدلال كرد كه افزايش نرخ بهره، بازده واقعي (real yields) و رشد قوي‌تر از حد انتظار را منعكس مي‌كند، نه فشار تورمي كه به سيستم نفوذ كرده است.

    وود ديدگاه خود را در جلسه ماهانه “در جريان باشيد” (In The Know) ARK در ماه اكتبر گسترش داد. اولين نقطه داده او تاريخي بود. او گفت كه بازده اوراق قرضه ۱۰ ساله خزانه‌داري در حال حاضر در ميانه خود از سال ۱۷۹۰ قرار دارد.

    نقطه دوم او به هزينه‌هاي فناوري مربوط مي‌شد. وود گفت كه هزينه‌هاي استنتاج هوش مصنوعي سالانه ۹۹.۹۹ درصد در سطوح عملکرد ثابت کاهش یافته است.

    او اين فروپاشي هزينه را به تقاضا مرتبط كرد. وود به افزايش نرخ درآمدي OpenAI از ۲۰ ميليارد دلار به ۷۰ ميليارد دلار به عنوان شاهدي اشاره كرد كه عمليات ارزان‌تر، استفاده بسيار بيشتري را آزاد مي‌كند.

    وود نتيجه احتمالي را “کاهش تورم خوش‌خیم” (benign deflation) توصیف کرد؛ نوعی که در آن قیمت‌ها به دلیل ارزان‌تر شدن تولید کاهش می‌یابند، نه به دلیل فروپاشی تقاضا.

    دو نقطه داده ديگر در پس‌زمينه اين بحث قرار دارند. عرضه پول آمريكا با نرخ تقريبي ۵.۷ درصد در حال رشد است كه منجر به تورم بالاتر نشده است. و ۹۰ درصد از تأمین مالی مراکز داده جهانی به ایالات متحده هدایت می‌شود.

    اردوگاه اكمن نگران است كه فدرال رزرو ممكن است نرخ‌ها را افزايش دهد و تأثير كمي بر هزينه‌هاي هوش مصنوعي ببيند، در حالي كه تورم همچنان باقي بماند و ساير بخش‌هاي اقتصاد درد را جذب كنند. اردوگاه وود معتقد است كه افزايش بهره‌وري و فناوري كاهش‌دهنده هزينه مي‌تواند از رشد پايدار در كنار تورم پايين‌تر يا ثابت حمايت كند.

    نشانه‌هاي روشني براي رصد وجود دارد. يكي اين است كه آيا هزينه‌هاي استنتاج هوش مصنوعي با سرعتی که وود توصیف می‌کند، به کاهش ادامه می‌دهد و آیا این در داده‌های گسترده‌تر قیمت‌ها منعکس می‌شود. ديگري اين است كه آيا ارقام تقاضا مانند نرخ درآمدي OpenAI به افزايش خود ادامه مي‌دهند، كه اين امر ادعاي او مبني بر اينكه هوش مصنوعي ارزان‌تر باعث افزايش حجم مي‌شود نه افزايش قيمت، را تأييد مي‌كند.

    اقدامات بعدی فدرال رزرو نیز اهمیت دارد. اگر سیاست‌گذاران به انقباض ادامه دهند و تورم مهار شود، فرضیه وود قوت می‌گیرد. اگر قیمت‌ها با وجود نرخ‌های بالاتر به افزایش خود ادامه دهند، نگرانی اکمن در مورد بخش منزوی هوش مصنوعی کمتر نظری به نظر می‌رسد.

  • بانکداران هنگ‌کنگ تعطیلات تابستانی را به دلیل هوش مصنوعی و جذب سرمایه بی‌سابقه لغو کردند

    بانکداران هنگ‌کنگ تعطیلات تابستانی را به دلیل هوش مصنوعی و جذب سرمایه بی‌سابقه لغو کردند

    هنگ کنگ رکورد جذب سرمایه در بازارهای سهام را شکست؛ هوش مصنوعی موتور محرکه اصلی

    بازارهای سرمایه سهام هنگ کنگ در سه ماهه سوم سال ۲۰۲۶ (ژوئیه تا سپتامبر) با جذب ۴۷.۵ میلیارد دلار، رکورد جدیدی را به ثبت رساند. هوش مصنوعی نقش اصلی را در این رشد ایفا کرده و فعالان این حوزه کاری، تعطیلات تابستانی خود را برای پاسخگویی به تقاضای فزاینده صرف کردند.

    این رقم ۴۷.۵ میلیارد دلاری شامل تمامی انواع جذب سرمایه از طریق سهام می‌شود: عرضه اولیه سهام (IPO)، واگذاری سهام و معاملات بلوکی. واگذاری سهام به معنای فروش مستقیم سهام جدید توسط یک شرکت به گروهی از سرمایه‌گذاران است، در حالی که معاملات بلوکی به جابجایی حجم بزرگی از سهام موجود در یک تراکنش واحد اشاره دارد.

    این سه ماهه همچنین مجموع جذب سرمایه از ابتدای سال ۲۰۲۶ را از مرز ۹۲ میلیارد دلار فراتر برد. با این رقم، هنگ کنگ در آستانه شکستن رکورد سالانه خود یعنی ۱۱۲.۵ میلیارد دلار که در سال ۲۰۲۱ به ثبت رسیده بود، قرار دارد.

    بانک گلدمن ساکس پیش‌بینی کرده است که حجم انتشار سهام در سال ۲۰۲۶ می‌تواند رکورد منطقه‌ای سال ۲۰۲۱ را پشت سر بگذارد و تقاضا برای هوش مصنوعی نقش کلیدی در این امر ایفا خواهد کرد.

    شاخص‌ترین معامله تابستانی متعلق به شرکت Zhipu AI بود که در ماه ژوئیه موفق شد از طریق واگذاری سهام، ۴ میلیارد دلار سرمایه جذب کند. این معامله بخشی از موج گسترده‌تر تأمین مالی ۵.۸ میلیارد دلاری در حوزه هوش مصنوعی در همان هفته بود. گزارش بلومبرگ نشان می‌دهد که این موج تأمین مالی، بانک‌های سنتی وال استریت را دور زده است.

    Zhipu AI تنها شرکت فعال در حوزه هوش مصنوعی نبود که در سال جاری به بازار مراجعه کرد. پیش از این در سال ۲۰۲۶، گروه MiniMax Group نیز در عرضه اولیه سهام خود حدود ۶۱۹ میلیون دلار سرمایه جذب کرده بود.

    برای سرمایه‌گذاران، این سه ماهه رکوردشکن نشان‌دهنده اشتهای قوی برای سهام مرتبط با هوش مصنوعی در آسیا است. زمانی که یک واگذاری سهام به تنهایی قادر به جذب ۴ میلیارد دلار است، به وضوح نشان می‌دهد که خریداران نهادی حاضرند سرمایه‌گذاری قابل توجهی در این بخش انجام دهند.

    هفته تأمین مالی ۵.۸ میلیارد دلاری در حوزه هوش مصنوعی، طبق گزارش بلومبرگ، بدون حضور بانک‌های سنتی وال استریت صورت گرفته است. اگر این روند به یک الگو تبدیل شود و نه یک رویداد منفرد، درآمدهای کارمزدی که پیش از این به شرکت‌های بزرگ آمریکایی سرازیر می‌شد، ممکن است به طور فزاینده‌ای به مقاصد دیگر منتقل شود.

    مجموع جذب سرمایه از ابتدای سال ۲۰۲۶ از ۹۲ میلیارد دلار فراتر رفته و در مقابل رکورد ۱۱۲.۵ میلیارد دلاری سال ۲۰۲۱ قرار دارد. دیدگاه گلدمن ساکس مبنی بر اینکه سال ۲۰۲۶ می‌تواند این رکورد را بشکند، به فعال ماندن سه ماهه چهارم بستگی دارد.

  • ریپل با پشتوانه XRP آسیا را برای تسریع پذیرش XRPL راه‌اندازی کرد

    ریپل با پشتوانه XRP آسیا را برای تسریع پذیرش XRPL راه‌اندازی کرد

    راه‌اندازی XRP Asia با حمایت ریپل و بنیاد XRP Ledger برای گسترش پذیرش در منطقه آسیا-اقیانوسیه

    سازمان XRP Asia با حمایت شرکت ریپل (Ripple) و بنیاد XRP Ledger (XRP Ledger Foundation) راه‌اندازی شد تا پذیرش فناوری XRP Ledger را در سراسر منطقه آسیا-اقیانوسیه گسترش دهد. این سازمان که مقر آن در سنگاپور است، با تمرکز بر آموزش توسعه‌دهندگان، حمایت از استارتاپ‌ها و برنامه‌های اجتماعی، به تیم‌ها کمک خواهد کرد تا برنامه‌های کاربردی خود را به بازار عرضه کنند.

    XRP Asia، پل ارتباطی میان سازندگان در منطقه

    توسعه‌دهندگان و استارتاپ‌ها در سراسر منطقه آسیا-اقیانوسیه اکنون از یک سازمان اختصاصی بهره‌مند خواهند شد که به طور ویژه برای حمایت از آن‌ها در اکوسیستم XRP Ledger فعالیت خواهد کرد. این ابتکار جدید با هدف رفع موانع موجود و تسریع روند نوآوری در این حوزه صورت گرفته است. XRP Asia قصد دارد با ایجاد یک شبکه قوی از متخصصان و کارآفرینان، به رشد و توسعه برنامه‌های کاربردی مبتنی بر XRP Ledger در بازارهای کلیدی آسیا کمک کند. این سازمان برنامه‌های آموزشی جامعی را برای ارتقاء مهارت‌های توسعه‌دهندگان و همچنین برنامه‌های حمایتی هدفمند برای استارتاپ‌های نوپا در نظر گرفته است تا آن‌ها بتوانند ایده‌های خود را به محصولات موفق تبدیل کنند.

  • نیروی ابرهوش آمریکا: ۱۲۰ روز برای گزارش ریسک‌های هوش مصنوعی

    نیروی ابرهوش آمریکا: ۱۲۰ روز برای گزارش ریسک‌های هوش مصنوعی

    واشنگتن نیروی جدیدی دارد، و این بار آسمان را هدف نگرفته است. طبق گزارش بلومبرگ، «نیروی هوش برتر» ۱۲۰ روز فرصت دارد تا گزارشی درباره خطرات هوش مصنوعی تهیه کند.

    این نیرو همزمان با تلاش برای تغییر نام‌گذاری، توافق‌نامه داوطلبانه صنعتی و چارچوب‌بندی امنیت ملی از سوی عالی‌ترین مقام اطلاعاتی کشور وارد عرصه شده است.

    در تاریخ ۲۹ سپتامبر ۲۰۲۶، رئیس‌جمهور ترامپ فرمان اجرایی ۱۴۴۳۴ را امضا کرد که بر اساس آن، سازمان‌های فدرال موظف شدند در ارتباطات رسمی به جای «هوش مصنوعی» (AI) از اصطلاح «هوش برتر» (Super Intelligence) یا «SI» استفاده کنند.

    این فرمان یک ضرب‌الاجل دوم را نیز تعیین می‌کند. پیش‌نویس قانون‌گذاری که «هوش برتر» را تعریف می‌کند، باید ظرف ۶۰ روز ارائه شود که تاریخ سررسید آن تقریباً ۲۸ نوامبر ۲۰۲۶ خواهد بود.

    گزارش ۱۲۰ روزه «نیروی هوش برتر» مسیری طولانی‌تر را طی می‌کند. وظیفه این نیرو ارزیابی خطراتی است که این سیستم‌ها ایجاد می‌کنند.

    پیش از این نیز به این نیرو اشاره شده بود. ترامپ در سخنرانی خود در مجمع عمومی سازمان ملل متحد، حدود ۱۹ تا ۲۲ سپتامبر ۲۰۲۶، به برنامه‌هایی برای «نیروی هوش مصنوعی» اشاره کرد و آن را با «نیروی فضایی» مقایسه نمود. او همچنین پیشنهاد انتصاب یک «مسئول ویژه هوش مصنوعی» (AI Czar) را برای نظارت بر این بخش بدون اعمال مقررات سخت‌گیرانه مطرح کرد.

    جنبه صنعتی این ماجرا نیز در همان روز امضای فرمان اجرایی آشکار شد. شش شرکت بزرگ فناوری، از جمله OpenAI، Anthropic، Google و NVIDIA، «توافق‌نامه کاخ سفید درباره هوش برتر» را امضا کردند.

    این توافق‌نامه شرکت‌ها را متعهد به اجرای کنترل‌های داخلی داوطلبانه بر مدل‌های پیشرفته هوش مصنوعی می‌کند و چهار لایه کنترلی برای این مدل‌ها را مشخص می‌سازد. با این حال، این توافق‌نامه شامل هیچ سازوکار اجرایی یا الزامی برای افشای عمومی نمی‌شود.

    دو روز پس از صدور فرمان و امضای توافق‌نامه، جامعه اطلاعاتی نیز موضع خود را اعلام کرد. در تاریخ ۱ اکتبر ۲۰۲۶، جی کلیتون، مدیر اطلاعات ملی، در مصاحبه‌ای «هوش برتر» را یک مسئله امنیت ملی اعلام کرد. اظهارات وی درست پس از دیداری با رهبران صنعت فناوری بیان شد.

    تحقیقات همراه با این اعلامیه‌ها نشان می‌دهد که شرکت‌ها می‌توانند از توجه فزاینده بهره‌مند شوند و احتمالاً علاقه سرمایه‌گذاری بیشتری را جلب کنند. این تحقیقات همچنین به یک عامل بازدارنده اشاره می‌کند: فقدان سازوکار اجرایی ممکن است سرمایه‌گذارانی را که چارچوب‌های شفاف انطباق و نظارت را ترجیح می‌دهند، منصرف کند.

    تعریف قانونی پیشنهادی برای «هوش برتر»، که حدود ۲۸ نوامبر ۲۰۲۶ موعد ارائه آن است، تعیین خواهد کرد که کدام سیستم‌ها واقعاً تحت شمول اقدامات آتی قرار خواهند گرفت. یک تعریف محدود ممکن است بیشتر هوش مصنوعی تجاری را بدون تغییر باقی بگذارد. در مقابل، یک تعریف گسترده می‌تواند بخش بسیار بزرگ‌تری از صنعت را نسبت به شش امضاکننده توافق‌نامه در بر گیرد.

    گزارش ۱۲۰ روزه درباره خطرات، نشانگر دیگری است که باید مورد توجه قرار گیرد. اگر «نیروی هوش برتر» ارزیابی قابل‌توجهی ارائه دهد، می‌تواند مبنای واقعی برای قانون‌گذاری‌های آتی یا کنترل‌های سخت‌گیرانه‌تر شود.

  • وی‌آی‌اس به دنبال احداث دومین کارخانه در سنگاپور همزمان با اوج تقاضای هوش مصنوعی برای کارخانه اول

    وی‌آی‌اس به دنبال احداث دومین کارخانه در سنگاپور همزمان با اوج تقاضای هوش مصنوعی برای کارخانه اول

    ویس اینترنشنال سمی‌کانداکتور (VIS) به دنبال احداث دومین کارخانه تولید ویفر در سنگاپور است

    شرکت ویس اینترنشنال سمی‌کانداکتور (VIS) در حال بررسی طرح احداث دومین کارخانه تولید ویفر در سنگاپور است. این در حالی است که اولین کارخانه این شرکت در این کشور به تازگی افتتاح شده و ظرفیت آن از پیش رزرو شده است.

    سرمایه‌گذاری مشترک با NXP و تمرکز بر تقاضای هوش مصنوعی

    این اقدام از طریق VSMC، سرمایه‌گذاری مشترک VIS با NXP سمی‌کانداکتور صورت می‌گیرد. دلیل اصلی این توسعه، تقاضای فزاینده برای هوش مصنوعی (AI) است، به ویژه برای تراشه‌های تخصصی که زیرساخت‌های هوش مصنوعی به طور پنهانی به آن‌ها متکی هستند.

    افتتاح اولین کارخانه و رزرو کامل ظرفیت

    اولین کارخانه ۳۰۰ میلی‌متری VSMC در تامپینز سنگاپور در تاریخ ۲۸ سپتامبر ۲۰۲۶ افتتاح شد و انتظار می‌رود تولید در سه ماهه اول سال ۲۰۲۷ آغاز شود. این بازه زمانی اهمیت دارد، زیرا ظرفیت اولیه این تأسیسات از قبل به طور کامل رزرو شده است و مشتریان متعهد به دریافت محصولاتی هستند که هنوز تولید نشده‌اند.

    افزایش ظرفیت به دلیل تقاضای مشتریان

    لوه فانگ، رئیس هیئت مدیره VIS، اعلام کرد که تقاضای مشتریان باعث شده تا ظرفیت اولین تأسیسات فراتر از حد انتظار افزایش یابد. این فشار، شرکت را بر آن داشت تا ارزیابی برای احداث کارخانه دوم را آغاز کند.

    سرمایه‌گذاری عظیم در اولین کارخانه

    اقتصاد اولین سایت کوچک نیست. برآورد سرمایه‌گذاری برای این کارخانه بین ۶.۷ تا ۷.۸ میلیارد دلار آمریکا تخمین زده می‌شود. طبق این طرح، کارخانه تامپینز تا سال ۲۰۲۹ به ظرفیت تولید ۴۴ هزار ویفر در ماه خواهد رسید و انتظار می‌رود حدود ۱۶۰۰ شغل ایجاد کند.

    ساختار سرمایه‌گذاری مشترک

    این سرمایه‌گذاری مشترک به صورت ۶۰ درصد برای VIS و ۴۰ درصد برای NXP تقسیم شده است. این ساختار به VIS سهم کنترلی و به NXP جایگاهی تضمین شده در دسترسی به ظرفیت تولید می‌دهد.

    تمرکز بر گره‌های تولیدی بالغ

    VSMC بر فرآیندهای تولید بین ۴۰ تا ۱۳۰ نانومتر تمرکز دارد. این گره‌های تولیدی بالغ، به معنای هندسه‌های بزرگتر و قدیمی‌تر تراشه هستند، برخلاف فرآیندهای پیشرفته که برای شتاب‌دهنده‌های اصلی هوش مصنوعی استفاده می‌شوند.

    هوش مصنوعی فیزیکی: فرصت جدید

    رافائل سوتومایور، مدیرعامل NXP، این تأسیسات را حول یک ایده خاص تعریف کرده است. وی اظهار داشت که این کارخانه به طور قابل توجهی به فعال‌سازی “هوش مصنوعی فیزیکی” در بخش‌هایی از جمله خودروسازی و کاربردهای صنعتی کمک خواهد کرد.

    “هوش مصنوعی فیزیکی” به هوشی اشاره دارد که در ماشین‌هایی که با دنیای واقعی تعامل دارند، نه در پنجره چت‌بات‌ها، زندگی می‌کند. خودروها، تجهیزات کارخانه‌ای و سیستم‌های صنعتی همگی در این دسته قرار می‌گیرند.

    تنگنای ظرفیت و رقابت در بازار

    فوری‌ترین سیگنال، مربوط به تنگنای ظرفیت است. اگر اولین کارخانه VSMC قبل از شروع تولید در سه ماهه اول سال ۲۰۲۷ به طور کامل رزرو شود، خریداران تراشه‌های گره بالغ ممکن است با محیطی رقابتی‌تر برای تأمین مواجه شوند.

    ارزیابی کارخانه دوم

    برای VIS و NXP، کارخانه دوم هنوز در مرحله ارزیابی قرار دارد. هیچ جدول زمانی، رقم سرمایه‌گذاری یا هدف ظرفیتی برای آن در جزئیات منتشر شده تاکنون ذکر نشده است، بنابراین باید آن را به عنوان یک طرح در نظر گرفت نه یک تعهد قطعی.

    مقیاس سرمایه‌گذاری و چشم‌انداز بلندمدت

    اعداد و ارقام مربوط به اولین کارخانه، مقیاس این سرمایه‌گذاری را نشان می‌دهد. تأسیساتی با هزینه تقریبی ۶.۷ تا ۷.۸ میلیارد دلار آمریکا که تا سال ۲۰۲۹ به ظرفیت تولید ۴۴ هزار ویفر در ماه می‌رسد، یک شرط‌بندی بلندمدت است که فرض بر این است که سایت دوم نیز باید با آن مطابقت داشته باشد یا توجیهی برای آن ارائه دهد.

    ریسک‌ها و نکات قابل توجه

    ریسک‌هایی وجود دارد که باید مورد توجه قرار گیرند. اولین کارخانه هنوز باید فرآیند راه‌اندازی خود را اجرا کند، شروع تولید در سه ماهه اول سال ۲۰۲۷ را محقق سازد و طبق برنامه به سمت هدف سال ۲۰۲۹ مقیاس‌بندی شود.

    در همین حال، سنگاپور از مشاغل و سرمایه‌گذاری‌های مرتبط با سایت اول سود خواهد برد. احداث کارخانه دوم این حضور را عمیق‌تر خواهد کرد، اگرچه جزئیات هرگونه تأسیسات مشابه هنوز مشخص نشده است.

    نکات کلیدی برای پیگیری ساده هستند. به دنبال تصمیم رسمی در مورد کارخانه دوم، هرگونه ارقام سرمایه‌گذاری به‌روز شده و اینکه آیا کارخانه تامپینز تولید را طبق برنامه مورد انتظار سه ماهه اول سال ۲۰۲۷ آغاز خواهد کرد، باشید.