CoinVoice останнє дізналося, що Multiple Network оголосила про завершення нового раунду стратегічного фінансування, після якого оцінка досягла 100 мільйонів доларів. Інституції, такі як Gate Labs, 071 Labs, IBC Group та інші, брали участь у цьому раунді фінансування, що заклало основу для майбутнього TGE Multiple Network.
Згідно з даними платформи Web3 активів RootData, Multiple Network є мережою прискорення конфіденційності для AI, яка забезпечує захист конфіденційності та прискорення даних на основі технологій P2P та SD-WAN, агрегуючи пропускну здатність розподілених вузлів для забезпечення анонімного зв'язку та зашифрованих служб передачі. Multiple пропонує вищу пропускну здатність і меншу затримку, широко використовується для виклику AI моделей, взаємодії з пошуковими системами, а також для шифрування та прискорення великомасштабних чутливих даних, що підвищує ефективність і безпеку навчання та розуміння AI моделей.
Ця сторінка може містити контент третіх осіб, який надається виключно в інформаційних цілях (не в якості запевнень/гарантій) і не повинен розглядатися як схвалення його поглядів компанією Gate, а також як фінансова або професійна консультація. Див. Застереження для отримання детальної інформації.
Multiple Network завершив новий раунд стратегічного фінансування, до якого приєдналися такі інституції, як Gate Labs та 071 Labs.
CoinVoice останнє дізналося, що Multiple Network оголосила про завершення нового раунду стратегічного фінансування, після якого оцінка досягла 100 мільйонів доларів. Інституції, такі як Gate Labs, 071 Labs, IBC Group та інші, брали участь у цьому раунді фінансування, що заклало основу для майбутнього TGE Multiple Network.
Згідно з даними платформи Web3 активів RootData, Multiple Network є мережою прискорення конфіденційності для AI, яка забезпечує захист конфіденційності та прискорення даних на основі технологій P2P та SD-WAN, агрегуючи пропускну здатність розподілених вузлів для забезпечення анонімного зв'язку та зашифрованих служб передачі. Multiple пропонує вищу пропускну здатність і меншу затримку, широко використовується для виклику AI моделей, взаємодії з пошуковими системами, а також для шифрування та прискорення великомасштабних чутливих даних, що підвищує ефективність і безпеку навчання та розуміння AI моделей.