Результати Q2 FY2026 Sony показали посилення прибутковості. Щоквартальні продажі досягли 3,43 трлн ієн, порівняно з 3,11 трлн ієн роком раніше. Операційний прибуток зростав до 622,3 млрд ієн, що на 45% більше, ніж у попередньому періоді. Чистий прибуток, що припадає на акціонерів Sony, також збільшився до 449,6 млрд ієн з 362 млрд ієн. Це дає більш чітке уявлення про фінансові результати Sony, окрім новин про ігри та розваги. Я слідкую за реакцією ринку через SONY/USD на @DecibelTrade.
AMD продемонструвала сильний ріст за Q3, дохід досяг $13,38 млрд, що на 45% більше, ніж рік тому. Сегмент дата-центрів досяг рекордних $8,5 млрд, зростання на 97% порівняно з попереднім роком. AMD також очікує близько $17 млрд доходу за Q4. Але реакція ринку розповідає іншу історію. На @DecibelTrade ціна маркування AMD/USD становила $474,79, що на 8,83% нижче за 24 години, а обсяг торгівлі на момент зйомки складав $63 545,97. Сильний бізнесовий ріст і реакція ринкової ціни не завжди рухаються в одному напрямку. Варто це спостерігати.
Результати Uber за третій квартал 2026 року показали зростання як активності платформи, так і прибутковості. Валові бронювання досягли $59,8 млрд, що на 20% більше, ніж рік тому, а загальна кількість поїздок зросла на 16% до 4,1 мільярда. Non-GAAP EPS також зросла на 35% до $0,88. Ситуація на ринку додає ще одну перспективу. UBER/USD на @DecibelTrade показав ціну маркування $70,406, що на 3,60% вище за 24 години, з обсягом $67 412,34. Сильний оперативний ріст і ринкова продуктивність — це два різні сигнали, і обидва варто спостерігати.
Apple представила рекордний квартал у вересні, отримавши дохід у розмірі $114,5 млрд, що на 12% більше, ніж рік тому. Розведена EPS досягла $2,10, зростаючи на 14%. Але сильний прибуток не завжди означає миттєве підсилення ринку. На @DecibelTrade ринок AAPL/USD показує $331,37 із зміною за 24 години -1,79%. Ще один деталь, який варто стежити: повернення тарифів внесли приблизно 1 процентний пункт до валової маржі Apple та $0,05 до EPS. Decibel надає нам ще один спосіб спостерігати за рухами ринку, поки фундаментальні показники розповідають свою власну історію.
Не кожну проблему можна вирішити, просто дотримуючись набору правил. Іноді ситуація складніша, і розуміння того, що насправді відбулося, має таке ж значення, як і самі правила. Саме це привернуло мою увагу до @GenLayer: традиційні смартконтракти добре працюють, коли умови чіткі, але реальні ситуації не завжди підходять під передвизначені правила. Інтелектуальні контракти вводять природну мову та інформацію з реального світу в процес, відкриваючи нові способи обробки випадків, з якими звичайний код може мати труднощі. Звичайно, ця ідея все ще стикається з викликами, які потрібно вирішити. Але з тим, як агенти ШІ стають все більш активними у повсякденних транзакціях, я вважаю, що нам потрібні кращі способи вирішення суперечок та ситуацій, які не завжди чорні або білі. Саме тому я вважаю цей дискусійний момент важливим. Правосуддя має поспішати за тим, як змінюється технологія. #JusticeNeedsAnUpgrade
Я бачив, як смартконтракти невдалися, бо доказ, який вони потребували, був застрягнутий у хаотичному документі. Код вимагає ідеально чистих вхідних даних. Реальний світ рідко їх надає. Якщо доказ роботи — це знімок екрана, а умови сервісу заховані в PDF, контракт сліпий. Оракул працює лише тоді, коли посередник перетворює цей хаос у чіткий булевий потік. @GenLayer створює Інтелектуальні Контракти на Python. Їм не потрібен людина, щоб спочатку очистити дані. Контракт отримує живий веб, читає неструктуровану сторінку і запитує мовну модель, щоб інтерпретувати реальність. Складна частина — не підключення блокчейну до інтернету. Це дозволити коду читати хаотичний світ, не вимагаючи, щоб посередник був у центрі. Смартконтракти виконують логіку, але не можуть прочитати рахунок. Коли ваша наступна ескроу-угода залежить від документа, а не від API, хто зараз перетворює цей хаос для вашого коду?
Я пропустив другу перевірку, бо припустив вартість — і помилився. Деталь у цьому фільмі, що залишилася зі мною, — це не вирок. Ціна. Антоні Рей Гінтон провів майже 30 років у камері смертників за два вбивства, яких не вчиняв. Кулі ніколи не збіглися з його зброєю, але його адвокат вважав, що на експертизу є лише 1000 доларів, тому тест, що звільнив його, відбувся лише у 2015 році. Усі ці докази лежали в кімнаті. Ніхто не заплатив, щоб їх прочитати. @GenLayer створює шар, де читання доказів — це сам процес. Незалежні валідатори кожен перевіряють їх і разом приходять до вироку. Хвилини й частка витрат на суд — і друге читання насправді відбувається. Коли агенти підписують мільйони угод щодня, найскладніше — не зберігати докази. А тримати читання настільки дешевим, щоб воно відбувалося. Суперечка, де ніхто не читає журнал, закінчується точно так само, як справа, де ніхто не перевіряв кулі. Отже, питання не в тому, чи машини краще судять, ніж люди. А в тому, чи докази насправді читаються. Яку перевірку ви пропустили, припустивши вартість — і скільки це вас коштувало пізніше? #JusticeNeedsAnUpgrade
Я завжди спостерігаю, як команди створюють автономні агенти, припускаючи, що кожна транзакція пройде ідеально. Усі будують шматочки пазлу. Платежі переміщуються, виконання завершується. А потім два агенти не погоджуються з результатом, і немає механізму для його вирішення. Вся економіка зупиняється. @GenLayer створює відсутнє з’єднання саме для цього моменту. Валідатори, що працюють з різними моделями, оцінюють суперечку і накладають вирок у блокчейні. Складна частина агентної економіки — не в тому, щоб змусити моделі виконувати завдання. А в тому, щоб надати їм судову палату, коли вони не можуть погодитися. Тож питання не в тому, наскільки швидко агент може надіслати платіж. А в тому, що відбувається, коли отримувач відхиляє рахунок. Який один автоматизований робочий процес у вашому стеку повністю руйнується в момент, коли дві зовнішні системи повертають суперечливі дані?
Я завжди сміюся, коли розробники просить мовні моделі порахувати щось, а моделі помиляються з повною впевненістю. Мовні моделі вгадують відповідь. Питайте їх, скільки разів літера r зустрічається у слові strawberry — вони дадуть неправильне число, але звучатимуть абсолютно впевнено. @GenLayer підходить до цього інакше, бо мережа дозволяє смартконтрактам писати та виконувати невеликі програми на місці. Коли контракт потребує точну відповідь, він не галюцинує. Він пише код, запускає його та використовує реальний результат. Найскладніша частина створення агентних економік — не змусити моделі спілкуватися між собою. Це змусити їх виконувати точні обчислення без вгадування. Який один ручний етап перевірки у вашому поточному робочому процесі може автоматизувати інтелектуальний контракт, написавши власний скрипт?