专题研究N:2026年融资区块链项目研目Derivio
专题研究N:2026年融资区块链项目研目Derivio
PANews 3月17日消息,AI 原生交易平台 Derivio 宣布完成 600 万美元融资,投资方包括 YZiLabs 、 CMT Digital 、 Big Brain VC 、 Signum Capital 、 UOB Venture Management 、 Everstake Capital 、 proximity 等机构。 Derivio 表示将围绕 “ agentic trading ” (代理化交易)构建基础设施,利用 AI 代理处理高速、大规模市场与链上数据,以实现更自动化的策略执行和交易决策。
Derivio
,
@derivio_xyz,
Be early. Trade smarter. One terminal. Backed by
@yzilabs
.
Multichainderivio.xyz,
2022年4月 加入,
79 正在关注,
3.9万 关注者
@derivio_xyz
·
3月17日
我们很高兴地宣布:
Derivio已从以下地区筹集了600万美元
@yzilabs
以及其他顶级投资者。
交易的未来是主导性的,我们正在建设轨道。
请阅读我们的完整愿景,请阅读回复📷
@derivio_xyz
·
3月23日
ETH
2,163.07美元
对生态系统来说,Resolv漏洞的今天很艰难。🛡️但极端事件会带来极端的波动。在等待新闻爆出时,突然出现了1700万美元+$ETH买入连锁。 如果你依赖手动界面和滞后图表,就错过了这个窗口。Derivio的定制数据流引擎旨在实时捕捉这些流动性变化和结构异常。⚡️
在#GTC令人难以置信。但在Web3交易中,AI的强大程度取决于为其提供的数据管道。
我们打造了Derivio专有的数据流引擎,正是为了解决这一瓶颈——为代理时代提供实时、高保真度的链上数据。⚡️🛠️
德里维奥
@derivio_xyz
·
3月20日
AI模型越来越快了(#GTC),但传统链上数据仍然滞后。
要解锁真正的代理交易,你需要专门建造的基础设施。这就是为什么Derivio从零开始设计了一个高性能的数据引擎。
更好的数据→更好的信号→无缝执行。
我们很高兴地宣布:
Derivio已从以下地区筹集了600万美元
@yzilabs
以及其他顶级投资者。
交易的未来是主导性的,我们正在建设轨道。
请阅读我们的完整愿景,请阅读回复📷
注:这600万美元反映了我们迄今为止筹集的总资金。 Derivio 是 Binance Labs 孵化第六季的自豪校友——
@yzilabs
(当时是币安实验室)在2024年支持了我们。
感谢投资者持续的支持,并对未来充满期待,继续推动链上金融的前沿。更多更新敬请期待。
人类商人的最后一代
加密市场的运作速度已经超过了手动反应。每天,海量数据、情绪波动和复杂的链上异常在毫秒内被处理。差距......
德里维奥
@derivio_xyz
·
3月11日
1/5 “AI交易只是噱头”这一观点官方已经过时。长期以来,AI在现场市场中被分散的基础设施所拖累。那个时代已经结束。一个关键门槛已经跨越,AI终于可以像以前那样用于交易。这本来就是注定的。原因如下。👇
基础设施已经准备好了。体验新标准:http://derivio.xyz
德里维奥
@derivio_xyz
·
3月11日
回复
@derivio_xyz
5/5 这不是关于什么花哨的“自动盈利机器人”。
它讲述了一个新的交易范式:
独家数据+超低延迟+AI
结果是:交易者能够更快地处理信息,更好地理解市场,并更有信心地行动。
4/5 第三:幻觉修正。
早期模型在复杂的财务推理上遇到困难,常常编造事实。如今的模型在分析超高速数据流、解读市场情绪以及揭示可操作洞察方面表现得更好,但准确率却不高。
德里维奥
@derivio_xyz
·
3月11日
回复
@derivio_xyz
3/5 第二:数据基础设施已经成熟。
人工智能不再需要依赖零碎的信号源、延迟信号或表面输入。
Derivio 的引擎将大量独家、近实时的市场数据直接传输到我们的 AI Copilot 中,为真实的交易智能奠定基础。
德里维奥
@derivio_xyz
·
3月11日
回复
@derivio_xyz
2/5 第一:延迟不再是瓶颈。
过去,当人工智能处理市场数据时,优势已经消失。
在
@derivio_xyz
我们花了数月时间从零开始构建一个定制的数据流引擎,将链上事件到AI处理的延迟压缩到接近物理极限。
这是正确的框架。数万亿代理在链上交易是基本假设。悬而未决的问题是他们会选择哪里。
代理优化以最小摩擦和最佳执行为目标。以代理为主要用户而非人工构建交易基础设施的团队,默认会捕捉该流程。
引用
0x萨米
@0xSammy
·
3月3日
加密货币使人工智能成为可能
迟早大多数人会明白这一点
断层是指价值从数万亿代理链上交易中累积而来
去看看你用的每一个交易工具:
图表、投资组合跟踪、新闻、执行。
现在问:“这台机器的具体版本是专为特工打造的?”
交易堆栈的每一层都会被重建。而且几乎还没人在建造它。
德里维奥
@derivio_xyz
·
3月3日
我们回来了吗?
引用
公牛理论
@BullTheoryio
·
3月2日
突破:BTC突破68,000美元,ETH突破2,000美元。
比特币在短短50分钟内上涨了5%,市值增加了600亿美元。
480万观看量是有原因的。🫡“丰裕GDP”论是正确的——人工智能会降低成本,扩大市场,复利提高生产率。
但大家都在争论人工智能究竟是终结世界还是拯救世界。
没人问:这些有主导性的经济活动到底跑向哪里?🧵
太明显了。如果人工智能实际上并没有毁灭世界呢?
股市刚刚抹去了-8000亿美元的市值,因为人工智能“接管世界”正成为共识观点。这种观点太明显了。而“显而易见”的交易实际上从未真正获胜......
显示更多回复
德里维奥
@derivio_xyz
·
2月25日
现在把这个应用到所有金融市场。每一个交易终端、每一个执行层、每一个界面,都是为盯着屏幕的人类设计的。
经纪人不需要像素渲染的蜡烛图。他们需要低延迟的执行和结构化的数据。那个
显示更多
德里维奥
@derivio_xyz
·
2月25日
大家都在争论人工智能对经济是利好还是利空。
更好的问题是:
谁在建设代理经济实际运行的基础设施?
文章说得很对:代理性商业重构了市场。经纪人降低费用,改善价格发现,增加交易量。但代理人并不抽象地进行交易。
他们需要为机器构建执行基础设施——API、数据管道、结算层。不是仪表盘。不是纽扣。
德里维奥
@derivio_xyz
·
2月25日
这已经在发生了。预测市场通过发送CLIs,使代理人能够从终端本地交易。
没有界面。没有浏览器。只是机器的结构化访问。重建已经开始——而且并不是大多数人关注的地方。
建造。为了。特工们。”
Polymarket 刚刚发布了一个 CLI,让代理可以原生访问预测市场。
这就是转变。
每个执行层都是为机器重建的,而不是为人类。
接下来是交易终端。
引用
安德烈·卡帕西
@karpathy
·
2月25日
CLI之所以非常令人兴奋,正是因为它们是“遗留”技术,这意味着AI代理可以原生且轻松地使用它们,通过整个终端工具包进行组合和交互。
比如让你的Claude/Codex代理安装这个新的Polymarket的CLI,并要求任何x.com/SuhailKakar/st......
中国黄金储备刚刚达到3.696亿美元——自2022年底以来增长了260%。
央行的积累速度是几十年来未曾见过的。
黄金是交易。
加入行动。交易黄金$XAU关于德里维奥👇
IBM刚刚崩盘了10%,因为AI可以重构COBOL。
好好想想。
人工智能不仅仅是一个功能。
它正在重写软件的构建、维护和分发方式。
在AI时代,客服不会用仪表盘——他们会用基础设施。
Derivio正在为这一转变做准备。
引用
小兵卫信
@KobeissiLetter
·
2月24日
突发新闻:IBM股票,$IBM在Anthropic宣布Claude能够简化COBOL代码后,该比例下降至-10%以上。
我们所处的时代正变得越来越关键。
人工智能代理将成为区块链最大的用户。
人类会提示。AI会执行。
特工与特工之间的交易。流动性路由。Arbing的跨度。实时支付数据费用。
他们不睡觉。他们优化了。
问题不是人工智能是否使用加密货币。
关键是谁建造了轨道。
预测:不到90天,所有非AI原生的交易终端都将显得古老。
代理人会更聪明地选择路线。执行得更快。优化费用。
Derivio 正在构建代理原生层。
没有它,根本无法竞争。
引用
尼基塔·比尔
@nikitabier
·
2月12日
预测:不到90天,所有我们认为安全无扰的渠道将被淹没,以至于无法在任何功能上使用:iMessage、电话、Gmail。
而我们也无法阻止它。
人工智能代理很快将比人类交易更多。
基础设施不能仅仅是对人类友好。
它必须是AI原生的。
设计为速度,机器可读,默认自动化。
这正是Derivio正在打造的。
德里维奥
@derivio_xyz
·
2月4日
用户体验是为人类准备的。接下来的十亿用户则不会。
引用
瑞安·塞赞·亚当斯 - rsa.eth🦄
@RyanSAdams
·
2月4日
链上AI代理将获得超过10万亿美元的加密货币。
如果你看涨了OpenClaw,那就是看涨加密货币。
👀赛博卡车按下“X”键
你觉得那是意外吗?
传闻
@Tesla
x
@SpaceX
继续增长——而SpaceX刚刚收购了xAI。
机器人+能源+智
三柱。1个飞轮。
特斯拉正在成为系统超级大国!
去$TSLADerivio上的曝光👇