Bitwise Near ETF：美国首个NEAR协议ETF？
Bitwise 资产管理公司注册 Near ETF，或为美国首个 NEAR 协议 ETF 铺路？
2025年主流加密货币交易所：
- 欧易OKX >>>进入官网<<< >>>官方下载<<<
- 币安Binance >>>进入官网<<< >>>官方下载<<<
Bitwise 资产管理公司最近在美国特拉华州注册了一个名为 "Bitwise Near ETF" 的新实体。虽然这看似一个简单的公司注册，但它可能预示着 Bitwise 计划在美国推出基于 NEAR 协议的交易所交易基金（ETF）。
根据公开的公司文件，Bitwise 的这一举动可以看作是为推出 NEAR ETF 所做的初步准备。Bitwise 首席执行官 Hunter Horsley 在一封电子邮件中证实了这一消息，并表示注册新实体是在美国交易所上市 NEAR 交易所基金的必要步骤。他补充说，Bitwise 将向美国证券交易委员会 (SEC) 申请上市 NEAR ETF，并且新实体是 Bitwise 的全资子公司。
值得注意的是，SEC 近期对加密货币相关 ETF 的审查力度有所加强。自今年年初以来，SEC 不仅对多家加密货币公司提起了法律诉讼，还举行了公开圆桌会议，旨在探讨行业友好型政策。与此同时，也有报道称 SEC 准备在未来几个月内批准多个比特币 ETF。在这样的背景下，Bitwise 注册 NEAR ETF 的举动无疑备受关注。
如果 Bitwise 成功推出 NEAR ETF，这将是美国市场上首个基于 NEAR 协议的 ETF。Bitwise 此前推出的比特币 ETF (BITB) 取得了巨大成功，迅速发展壮大，管理资产规模一度达到 30 亿美元。这无疑为 Bitwise 进军其他加密货币 ETF 市场增添了信心。
NEAR 协议以其促进人工智能开发工具而闻名，并被称为 "AI 区块链"。目前，NEAR 的交易价格约为 2.60 美元，是市值排名第 34 位的加密货币。
此前，Bitwise 曾为其他加密货币 ETF（如狗狗币和 Aptos）创建了特拉华州信托。预计此次 NEAR ETF 的注册也将先于 SEC 的正式 S-1 申请。
总而言之，Bitwise 注册 NEAR ETF 的举动，可能标志着美国加密货币 ETF 市场即将迎来新的发展。如果 SEC 最终批准 NEAR ETF 的上市申请，无疑将为投资者提供更多参与 NEAR 协议生态系统的机会。
相关攻略
上海“数通链谷”成立两年集聚227家区块链企业，总注册资本超百亿元，2025年营收突破270亿元。区块链技术落地超240个应用场景，涵盖中药溯源、健康档案等多个领域。静安区通过“免申即享”服务、专项基金等生态支持，推动产业发展，致力打造全国区块链创新标杆和全球数据产业高地。
说起区块链，很多人会立刻联想到比特币。但区块链远不止于此，它更像是一本公开的、无法篡改的超级数字账本，正在悄然重塑我们信任和交换价值的方式。今天，我们就来深入拆解一下这项革命性技术。 一、定义与特性：它究竟是什么？ 简单来说，区块链是一种融合了分布式数据存储、点对点传输、共识机制和加密算法等多种计算
今天，国家安全部发布的一则重要安全警示，将一个在人工智能领域至关重要但公众相对陌生的核心概念——“词元”（Token），推向了舆论前沿。警示的核心数据令人警醒：其日均调用量已突破140万亿次。在这一庞大的规模下，每一个“词元”都可能成为信息安全链条上的潜在风险点，数据泄露与金融诈骗的隐患正在不断累积
TRC20网络因到账快、手续费低成为USDT充值的常用选择。操作关键在于获取正确充值地址并确保网络匹配，地址需以T开头、共34位。转账前须核对地址、网络及金额，并预留TRX支付手续费。到账延迟可查询交易哈希排查，大额操作前建议小额测试。务必保管私钥，警惕钓鱼风险。
进入加密货币领域，新手需掌握四大核心能力：理解区块链与加密货币基础概念，确保账户与资产安全防护，熟悉交易操作与风险控制，并培养市场分析与信息辨别意识。这些是立足币圈、规避风险、理性参与的根本前提，缺一不可。
热门专题
热门推荐
本文介绍了2026年主流的USDT交易软件，重点分析了币安、欧易和火币三大平台的特点与优势。内容涵盖平台安全性、交易功能、用户体验及费用结构，旨在为不同需求的用户提供选择参考。文中强调选择平台时应综合考虑资产安全、操作便捷性和交易成本，并提醒注意风险管理与合规操作。
本文介绍了USDT交易的基本概念与主流平台选择。USDT作为稳定币，其交易主要通过加密货币交易所进行。选择平台时需综合考虑安全性、流动性、手续费和用户体验。文中列举了当前市场认可度较高的几类交易平台，并提醒用户注意资产安全与合规操作，建议根据自身需求谨慎选择。
哥本哈根大学计算机科学系于2026年3月发布了一项具有里程碑意义的研究（论文编号arXiv:2603 12935v1），揭示了当前主流AI推荐系统可能潜藏的社会偏见风险。这项研究同时指出，一种高效且低成本的解决方案——提示工程，或许能成为破解这一难题的关键。 当您使用求职平台或新闻资讯应用时，背后的
照片模糊了、雨滴遮挡了画面、夜晚拍摄噪点过多……这些常见的图像质量问题，往往让人束手无策。传统的解决方案，就像请来一群专科医生：去模糊、去噪点、去雨滴，各有各的专长，但每个“医生”都需要海量的“临床经验”——动辄数百万张训练图片，才能达到可用的修复水平。 然而，一项由香港科技大学、哈尔滨工业大学深圳
这项由英属哥伦比亚大学（UBC）与Vector人工智能研究院联合主导的前沿研究，于2026年3月以预印本论文（arXiv:2603 12634v1）形式发布。研究团队创新性地提出了“预算感知价值树搜索”（Budget-Aware Value Tree Search，简称BA VT）框架，旨在攻克一个