科技巨头IBM公司今日宣布推出一款面向金融机构和受监管企业的全新区块链数字资产平台。
这一名为Digital Asset Haven的新平台将为银行、企业和政府提供比特币、以太坊、稳定币和代币化资产等加密货币的安全管理服务。
IBM与数字钱包基础设施提供商Dfns SAS合作开发了这一平台,后者专为金融科技和企业客户提供服务。数字钱包充当区块链资产和代币的安全存储设施。钱包本身并不持有资产,而是管理访问和转移加密货币所需的私钥,使用户能够安全地买卖和交易这些资产。
Dfns为超过250个客户管理着1500多万个钱包,提供满足复杂合规、性能和安全要求的服务。
区块链技术通过去中心化、安全和透明的账本系统为加密货币和代币提供支持,该系统记录每一笔交易。它使用密码学创建共享的、不可变的所有权和转移记录,消除了对银行等中央机构的需要。每笔交易都与前一笔交易相关联,使得在不被发现的情况下进行更改变得极其困难。
Digital Asset Haven为区块链交易提供全生命周期管理,从自动化和路由到监控和结算,支持超过40个公共和私有区块链。该平台还集成了第三方身份验证和金融犯罪预防工具,以支持客户身份识别和反洗钱合规要求。
"这个全新的统一平台提供了他们一直要求的韧性和数据治理能力,使政府和企业能够构建下一代金融服务,"IBM Z和LinuxONE总经理Tom McPherson表示。
IBM进一步进军数字资产领域之际,正值银行和企业对加密货币兴趣日益增长。这种增长很大程度上受到围绕稳定币的新法规推动,稳定币是一类与法定货币(如美元)挂钩的加密货币,因此每个代币始终以1美元的价格交易。
该行业的重大转变出现在7月,随着GENIUS法案(美国稳定币国家创新指导和建立法案)的通过,该法案为金融机构和企业如何使用和提供稳定币服务提供了期待已久的监管明确性。
本月早些时候,国际银行联盟组成合作伙伴关系,探索类似稳定币的数字货币。成员包括高盛集团、美国银行、瑞银集团和桑坦德银行。在欧洲,包括荷兰国际集团和裕信银行在内的九家银行组成的联盟上月宣布计划推出专注于欧元的稳定币。
根据CoinGecko的数据,稳定币市场目前由Tether主导,在大约3110亿美元的流通稳定币中占约1830亿美元。
"要将数字资产集成到核心银行和资本市场系统中,底层基础设施必须达到与传统金融轨道相同的标准,"Dfns首席执行官Clarisse Hagège表示。
IBM表示,Digital Asset Haven将在今年最后一个季度通过软件即服务的方式提供,并计划在2026年第二季度支持本地部署。
Q&A
Q1:Digital Asset Haven是什么平台?它主要提供什么服务?
A:Digital Asset Haven是IBM推出的区块链数字资产平台,专为金融机构和受监管企业设计。它主要为银行、企业和政府提供比特币、以太坊、稳定币和代币化资产等加密货币的安全管理服务,包括交易全生命周期管理、自动化路由、监控和结算等功能。
Q2:IBM为什么要推出这个数字资产平台?
A:IBM推出这个平台主要是因为银行和企业对加密货币的兴趣日益增长,特别是在GENIUS法案通过后,为稳定币使用提供了监管明确性。同时,多家国际银行正在探索数字货币合作,市场对安全可靠的数字资产管理基础设施需求增加。
Q3:Digital Asset Haven什么时候能够使用?
A:根据IBM的计划,Digital Asset Haven将在今年最后一个季度通过软件即服务的方式提供,用户可以开始使用。对于需要本地部署的客户,IBM计划在2026年第二季度提供支持。
好文章,需要你的鼓励
萨提亚回忆起90年代在微软评审会上听到的场景。Gates当时说:"软件只有一个品类--信息管理。
南洋理工大学团队开发了Uni-MMMU基准测试,专门评估AI模型的理解与生成协同能力。该基准包含八个精心设计的任务,要求AI像人类一样"边看边想边画"来解决复杂问题。研究发现当前AI模型在这种协同任务上表现不平衡,生成能力是主要瓶颈,但协同工作确实能提升问题解决效果,为开发更智能的AI助手指明了方向。
Anthropic周一发布了旗舰模型Opus 4.5,这是4.5系列的最后一个模型。新版本在编程、工具使用和问题解决等基准测试中表现出色,是首个在SWE-Bench验证测试中得分超过80%的模型。同时推出Claude for Chrome和Claude for Excel产品,分别面向不同用户群体。Opus 4.5还改进了长文本处理的内存管理,支持付费用户的"无限聊天"功能,并针对智能体应用场景进行了优化,将与OpenAI的GPT 5.1和谷歌的Gemini 3展开竞争。
360 AI Research团队发布的FG-CLIP 2是一个突破性的双语精细视觉语言对齐模型,能够同时处理中英文并进行精细的图像理解。该模型通过两阶段训练策略和多目标联合优化,在29个数据集的8类任务中均达到最先进性能,特别创新了文本内模态对比损失机制。团队还构建了首个中文多模态评测基准,填补了该领域空白,为智能商务、安防监控、医疗影像等应用开辟新可能。