Un ingegnere di Google ha guadagnato 1,2 milioni di dollari su Polymarket imbrogliano, ora rischia 50 anni di carcere
I mercati predittivi dovrebbero funzionare perché nessuno conosce il futuro. Questa assunzione è stata appena infranta in un'aula di tribunale federale a New York. Il 27 maggio 2026, i procuratori statunitensi hanno reso pubbliche le accuse penali contro Michele Spagnuolo, un ingegnere del software italiano di 36 anni che lavora per Google e vive in Svizzera. È accusato di aver utilizzato informazioni riservate dell'azienda per guadagnare 1,2 milioni di dollari su Polymarket, segnando il secondo caso penale federale noto collegato a operazioni redditizie su un sito di mercati predittivi.
Qualcosa è cambiato per me quando ho letto correttamente le specifiche di Ghost Orders.
L'istinto è di trattare le funzionalità di privacy nel DeFi come qualcosa di nicchia che i trader dark-pool vogliono, ma irrilevante per gli utenti normali. Ho avuto quella visione per un po'. Poi ho visto abbastanza strumenti di analisi onchain maturare a tal punto che qualsiasi wallet con dimensioni significative diventa leggibile, tracciabile e front-runnable in tempo reale.
Non è più un problema di nicchia. È il bug della trasparenza che colpisce tutti con posizioni reali.
Ghost Orders utilizza la computazione multi-party per orchestrare operazioni simultanee attraverso cluster di wallet, consentendo ai trader professionisti di suddividere grandi ordini in fino a 500 wallet, oscurando la concentrazione delle posizioni mantenendo l'auditabilità crittografica e il controllo non-custodial. La parte non-custodial è importante. La privacy sui CEX esiste perché una terza parte assorbe la tua esposizione. Ghost Orders cerca di ottenere lo stesso risultato senza il rischio controparte. Questa è un'architettura fondamentalmente diversa.
Una beta pubblica è prevista nel Q2 2026. Quindi la funzionalità che tutti stanno prezzando in $GENIUS non è ancora completamente disponibile.
Quell'intervallo tra la narrativa e il prodotto live è esattamente dove rimango cauto. Il design è serio. Se l'esecuzione reale alle condizioni di liquidità live corrisponde al whitepaper, questa è la domanda che sto aspettando di rispondere.
OpenLedger Is Solving the Wrong Problem Or Maybe It's the Only Problem That Matters
I keep coming back to a specific moment in the OpenLedger thesis that most people seem to slide past without stopping. The claim is not that @OpenLedger built a faster model, or cheaper compute, or a smarter inference layer. The claim is that they built the first AI-native blockchain specifically designed to make data, models, and agents transparent, traceable, and rewardable in real time. That sounds like infrastructure. It is infrastructure. But the more I sit with it, the more I think it's actually pointing at something more uncomfortable a question about where economic value in AI really lives, and whether the current industry structure has any intention of answering it honestly. Start from first principles for a moment. When someone trains a general-purpose model, the compute costs are visible, the engineering talent is visible, the fundraise is visible. What is not visible is the vast accumulated layer of human intellectual work that made the model useful in the first place. In many practical AI businesses, the real economic edge may not sit in the model itself it sits in what happened after the model existed. The domain corrections. The specialist annotations. The operational feedback loops from actual usage in messy real-world environments. Healthcare exceptions. Legal edge cases. Enterprise workflows nobody documented cleanly. That labor is embedded invisibly inside systems generating real commercial revenue. And the people who contributed it got paid once, if at all. OpenLedger describes its infrastructure as "Data-as-a-Shared-Service," giving data producers tools to plug into AI supply chains and earn passively as models consume their workbThe analogy they reach for is YouTube-style creator economics and that analogy is interesting precisely because it reveals both the ambition and the gap. YouTube royalties are imperfect, often unfair, frequently gamed. But the underlying structure that ongoing contribution earns ongoing participation — is at least coherent. AI compensation today doesn't even have that. The mechanism OpenLedger built to address this is called Proof of Attribution. It cryptographically binds data contributions to model outputs, records whose data influenced which inference, and distributes rewards accordingly while penalizing low-quality contributions supplying an auditable evidence chain backed by tamper-resistant on-chain records. That is not a light technical claim. The June 2025 PoA whitepaper describes two approaches: influence-function approximations for smaller models, and a second method for more complex architectures. The harder engineering problem is attribution drift when a model gets fine-tuned repeatedly, does the connection between original contribution and eventual output survive? The January 2026 Attribution Engine update was specifically designed to ensure data-output links remain intact even as AI models are updated and fine-tuned. That detail matters more than it sounds. Attribution that only survives the first training run is essentially meaningless in production environments where models evolve continuously. But here is where I get stuck. The technical problem of attribution is solvable, at least approximately. The harder problem is incentive structure what happens to contributor behavior once recurring rewards become visible. OpenLedger operates by allowing users to create and contribute to Datanets, which are datasets used to train AI models, with all actions executed on-chain ensuring transparency and fair compensation for contributors. When every contribution is visible and compensation is tied to influence on model performance, people will optimize for metrics rather than quality. That pattern appears in every token-incentivized system that has existed long enough to be gamed. It is not unique to OpenLedger, but it is not a solved problem either. Then there is the enterprise adoption question, which sits underneath all of this quietly. The team teased "OpenFin" in March 2026, describing it as bringing "DeFAI" closer a new product layer potentially merging decentralized finance with the existing AI blockchain infrastructure, creating new utility and revenue streams for OPEN. The direction makes sense strategically. Enterprise AI deployments generate enormous value, and the same attribution logic that applies to dataset contributors applies to model-integrated financial workflows. But enterprise finance teams have a well-documented relationship with open-ended economic obligations: they dislike them intensely. Attribution rights that look like ongoing revenue participation will get reviewed by legal departments very carefully. Whether OpenLedger's architecture can satisfy those reviews in practice, rather than in whitepaper, is genuinely unclear to me. The most technically sophisticated piece on the OpenLedger stack may actually be x402 a payments protocol built and open-sourced in February 2026 that leverages the unused HTTP status code 402 to allow any API endpoint, dataset, or compute resource to express its price in OPEN tokens and settle automatically when another machine accesses it. No human approval. No invoice. The machine making the request reads the 402 response, negotiates on price encoded in the header, and broadcasts a transaction to the OpenLedger network. That is machine-to-machine economic coordination, and it is more consequential than it sounds. Most discussions about AI agents focus on capability. Almost nobody discusses how agents will settle economic claims with each other autonomously. That infrastructure has to exist before agentic systems can actually function inside real commercial environments. OpenLedger token is currently trading 91.6% below its all-time high. Token unlocks begin December 2026 with a 12-month cliff and 36-month linear vesting schedule. The honest read there is that the market has not yet decided whether the technical differentiation translates into adoption. The gap between what they want to build versus where they are today 5 TPS, a $33 million market cap, and a bearish community is the thesis and the risk simultaneously. What I keep returning to is not the token price. It's a structural question about timing. The AI industry right now is in a phase where everyone is racing to make models more capable. Attribution, provenance, contributor compensation these feel like second-order concerns. They will feel that way until a model trained on proprietary data starts generating billions in revenue and the people who built the underlying training environment have no claim on any of it. That moment is probably coming. The legal frameworks aren't ready. The technical infrastructure for tracking contribution trails across evolving models barely exists in production. OpenLedger differentiates itself through its Proof of Attribution system, which addresses the "black box" problem in AI development. The question is not whether that problem is real. It clearly is. The question is whether the window for building this infrastructure is now, or whether it opens only after the crisis makes it unavoidable. That tension has no clean resolution. And that's probably the most useful thing to hold onto when thinking about what @OpenLedger is actually building. @OpenLedger $OPEN #OpenLedger
La maggior parte delle persone sente "utility token" e si disconnette. Lo capisco. La categoria è stata abusata a tal punto che la frase non significa quasi nulla a questo punto.
Ma il modo in cui $OPEN è realmente strutturato mi fa fermare e riflettere due volte.
Ogni volta che un modello viene utilizzato per inferenza, il calcolo viene pagato in OPEN con commissioni divise tra sviluppatori di modelli, staker e contribuenti di dati. Questo non è un gas token. Questo è un meccanismo di condivisione delle entrate che funziona automaticamente ogni singola volta che la rete viene utilizzata. Maggiore è l'attività di inferenza, maggiore è il flusso delle suddivisioni verso i contribuenti. Nessun reclamo manuale. Nessuna distribuzione trimestrale. Solo un regolamento on-chain legato direttamente all'uso reale.
Il 61,71% dell'offerta totale di OPEN è allocato all'ecosistema che alimenta i sistemi di ricompensa, gli incentivi per i modelli, le sovvenzioni per gli sviluppatori e le infrastrutture per beni pubblici progettate per tornare a coloro che contribuiscono in modo significativo attraverso dati, modelli, agenti o strumenti. Questa è una maggioranza dell'offerta che si trova dal lato del contribuente del bilancio. Non dal lato dell'investitore. Non dal lato del team.
Se quel design sopravvive al contatto con la vera scala della rete è una vera domanda. Ma l'architettura almeno punta nella giusta direzione: il valore del token cresce perché la rete è genuinamente utilizzata, non perché viene gestita una narrazione.
Quella distinzione conta più di quanto la maggior parte delle persone ammetta in questo momento.
Stavo pensando a cosa si perde realmente tra la decisione di fare trading e il completamento di quel trade.
Non slippage. Non gas. Qualcosa di prima.
L'intento. Nel momento in cui un wallet si muove on-chain, l'informazione è già pubblica. I bot si svegliano. I tracker partono. Il flusso di copie appare prima che l'ordine originale si concluda. Se hai mai piazzato un grande trade on-chain, conosci la sensazione: pochi secondi dopo, i bot ti fanno front-running e il prezzo si muove contro di te prima ancora che il tuo ordine venga eseguito. La maggior parte dei terminali tratta questo come rumore di fondo. Un costo accettato. @GeniusOfficial lo considera il problema reale da risolvere.
Gli Ordini Fantasma utilizzano la computazione multi-party per suddividere grandi trade su fino a 500 wallet temporanei, mascherando l'attività di trading, riducendo l'impatto sul mercato e proteggendo la qualità di esecuzione dai bot MEV completamente. Ciò che mi interessa è il cambiamento di inquadramento che questo crea. L'asset da proteggere non è più solo capitale. È intento. E l'intento in crypto ha un reale valore economico perché nel momento in cui il tuo diventa visibile, il tuo vantaggio inizia a degradarsi.
Se gli Ordini Fantasma reggono costantemente in condizioni avverse su larga scala…... questa è la domanda che conta.
Ma il problema a cui si riferisce è strutturale. E i problemi strutturali che vengono finalmente affrontati tendono a creare una domanda duratura.
OPENLEDGER, $OPEN E LA DOMANDA SUL DATANET: QUANDO L'INFRASTRUTTURA DI ATTRIBUZIONE INCONTRA IL REAL COST
C'è qualcosa che continua a riportarmi a questa conversazione...... Non è il prezzo. Non è il massimo storico a $1.85 e il successivo drawdown. Non è il calendario di sblocco dei token che inizia ad aggiungere pressione di vendita attorno a settembre 2026. È qualcosa di più fondamentale rispetto a tutto questo. La maggior parte dei sistemi AI oggi opera ancora all'interno di scatole nere, con origini dei dati nascoste, creatori dei modelli non accreditati e mancanza totale di ricompense per i contributori. Non è un incidente tecnico. È un accordo economico che era conveniente per chi costruiva i modelli e profondamente scomodo per tutti gli altri. OpenLedger non è il primo progetto a notare questo problema. Ma il modo in cui sta cercando di risolverlo merita di essere considerato con attenzione.
C'è qualcosa che mi frulla in testa su come parliamo dell'equità nell'AI.
Tutti sono d'accordo che l'attuale modello è rotto. Aziende da trilioni di dollari costruite su dati rubati a scrittori, ricercatori, programmatori, esperti del settore, nessuno dei quali ha visto un solo dollaro. Abbiamo accettato tutto ciò perché non c'era infrastruttura per fare qualcosa di diverso.
Questo è il vero problema che Open Ledger sta cercando di risolvere. Non l'attribuzione come esercizio di PR. Non la trasparenza come una spunta per la compliance. Un mainnet live dove i produttori di dati si collegano direttamente alle catene di approvvigionamento dell'AI e guadagnano passivamente mentre i modelli consumano il loro lavoro, ogni traccia di attribuzione on-chain attivando una compensazione reale.
Chiamalo Payable AI. L'idea è semplice. Se la tua conoscenza ha addestrato il modello, partecipi all'economia di ogni output che quel modello produce. Non un pagamento una tantum. Ricorrente.
Se l'esecuzione regge a una scala reale, questa è la domanda onesta. Ma il problema che sta evidenziando non è fabbricato. Il lavoro dei dati che alimenta l'AI moderna è sempre stato sottovalutato. OpenLedger è la prima infrastruttura che ho visto trattare la soluzione di questo come un problema di design economico piuttosto che solo un argomento morale.
Quella distinzione conta più di quanto la maggior parte delle persone si renda conto in questo momento.
Qualcosa che mi è rimasto impresso dopo aver letto degli Ordini Fantasma.
Abbiamo passato anni a costruire blockchain trasparenti come caratteristica. Ogni trade visibile. Ogni wallet tracciabile. Ogni strategia pubblica in tempo reale. Quella trasparenza avrebbe dovuto creare fiducia.
Quello che ha realmente creato è stato un terreno di caccia.
Se hai mai piazzato un grande trade on-chain, i bot ti fanno front-run, e il prezzo si muove contro di te prima ancora che il tuo ordine si riempia. Questo non è un caso isolato. È l'esperienza predefinita per qualsiasi trader on-chain serio che muove size oggi.
Gli Ordini Fantasma utilizzano MPC per suddividere i trade tra fino a 500 wallet per la privacy on-chain, il che significa che l'esecuzione è ancora verificabile crittograficamente, ma l'intento è invisibile fino a quando non è troppo tardi per chiunque per sfruttarlo.
Questa è una filosofia fondamentalmente diversa da tutto ciò che DeFi ha costruito prima. La maggior parte dei protocolli è ottimizzata per una maggiore trasparenza. $GENIUS sta ottimizzando per un'opacità selettiva. Visibile a sufficienza per essere affidabile. Privato a sufficienza per essere commerciabile.
La vera domanda non è se la tecnologia funziona. La domanda è se abbastanza flusso serio si sposta su DeFi affinché la privacy nell'esecuzione diventi il fattore decisivo tra le piattaforme.
Se sì, questa infrastruttura sembra essere in anticipo. Se no, rimane di nicchia.
Non ho ancora quella risposta. Ma trovo la domanda più interessante della maggior parte delle cose che vengono costruite in questo momento.
OpenLedger ($OPEN) e la Domanda Che Nessuno Vuole Rispondere Riguardo alla Responsabilità Legale dell'IA
Da un po' di tempo mi frulla in testa una domanda scomoda. Non riguardo alla tecnologia di OpenLedger, che penso la maggior parte delle persone abbia già capito a un livello superficiale. La domanda che continua a riemergere è diversa. Riguarda il timing. E chi effettivamente sente abbastanza pressione per investire in infrastrutture prima che qualcosa si rompa rumorosamente a tal punto da forzare la questione. Alla fine di gennaio 2026, OpenLedger e Story Protocol hanno annunciato uno standard condiviso on-chain che registra chi possiede opere creative, come possono essere utilizzate e chi viene pagato, con l'infrastruttura di OpenLedger che applica direttamente quelle licenze all'interno dei sistemi di intelligenza artificiale e instradando automaticamente i pagamenti ai titolari dei diritti. A prima vista, sembra una funzionalità di conformità. Un verticale di nicchia per avvocati e team di proprietà intellettuale. Facile da ignorare come rumore di fondo se sei concentrato sull'azione dei prezzi e sulle operazioni di momentum.
Qualcosa a cui penso con $OPEN che la maggior parte delle persone ignora del tutto.
Il token è stato lanciato a oltre $1.20. Oggi è a circa $0.19. Giù di circa l'80% dal picco. Sulla carta sembra un fallimento. Nella pratica potrebbe essere la scoperta del prezzo più onesta che un serio progetto infrastrutturale abbia avuto in questo ciclo.
La capitalizzazione di mercato attuale di OpenLedger si aggira intorno ai 54 milioni di dollari con un volume di scambi giornaliero di 13 milioni di dollari per un progetto che ha un mainnet attivo, un motore di attribuzione funzionante, 27 prodotti costruiti sopra di esso, partnership con Story Protocol e Theoriq, e un fondo di ricerca di Cambridge da 5 milioni di dollari in movimento.
Confronta questo con i token AI senza prodotto e capitalizzazioni di mercato da 500 milioni di dollari e dimmi quale dei due è sottovalutato.
Non sto dicendo che $OPEN salirà domani. Sto dicendo che il divario tra ciò che l'infrastruttura fa realmente e ciò che il mercato attualmente valuta è più ampio di quanto la maggior parte delle persone realizzi. L'unlocking dei token per il team e gli investitori a settembre 2026 è il vero test se la domanda di protocollo cresce abbastanza velocemente da assorbire la nuova offerta, è la domanda con cui ogni holder deve confrontarsi onestamente.
Ma l'infrastruttura raramente diventa così economica dopo che il mainnet è attivo e le partnership sono firmate. Quella combinazione di solito non rimane ignorata per sempre.
IL PARADOSSO DELL'ATTRIBUZIONE: LA PROVA D'ATTRIBUZIONE DI OPENLEDGER È O TUTTO O NIENTE
Ok, lasciami essere onesto all'inizio, quando ho letto per la prima volta di Proof of Attribution, ho pensato "questo è un altro termine alla moda nel crypto avvolto nel branding dell'AI." Sai il tipo. Nome di grande meccanismo, promessa vaga nel whitepaper, lancio del token, fatto. Ma poi sono rimasto seduto con la vera domanda sotto di essa. Chi possiede veramente il valore creato da un modello di AI? E quella domanda non ti lascia in pace una volta che la fai sul serio. Perché ecco cosa sta succedendo davvero adesso nell'AI. La maggior parte dei sistemi opera in black box dove le origini dei dati, i creatori dei modelli e i premi per i contributori rimangono nascosti. Carichi i dati da qualche parte, un'azienda addestra un modello su di esso, quel modello genera milioni di dollari in entrate da inferenza, e tu non ottieni nulla. Non una ricevuta. Non un grazie. Niente. Questo è lo stato predefinito dell'economia AI e quasi nessuno parla di quanto sia strutturalmente strano.
Lasciami dire qualcosa su cui la maggior parte delle persone nel crypto non si sofferma abbastanza.
Quando un progetto dice "programma di riacquisto", la prima domanda dovrebbe sempre essere: finanziato da cosa?
Hype? Vendite dal tesoro? Rounds di investitori travestiti da entrate?
Con @OpenLedger è diverso. L'iniziativa di riacquisto è direttamente finanziata dal flusso di entrate aziendali della fondazione, reddito reale generato da attività commerciali autentiche, non contabilità creativa. E non è simbolico. Oltre il 3,3% del totale $OPEN è già stato accumulato tramite il programma di riacquisto, completamente tracciabile on-chain. Quell'ultima parte è più importante di quanto la gente realizzi.
La maggior parte degli annunci di riacquisto sono comunicati stampa. Questo ha un indirizzo wallet che puoi effettivamente verificare. Questo è un livello di impegno diverso.
Ora non sto dicendo che questo risolve tutto. OPEN è sceso di quasi l'89% dal suo massimo di quotazione e un programma di riacquisto non ribalta quel tipo di movimento da un giorno all'altro. Il recupero del prezzo ha bisogno di domanda, non solo di riduzione dell'offerta.
Ma ecco l'analisi onesta: un team che genera entrate aziendali reali e le reinveste nel token invece di tenerle lì in silenzio... questo è un modello di comportamento da tenere d'occhio.
$BTC ha appena superato i $77K e non è stato organico.
Trump accenna a un accordo di pace con l'Iran, un titolo, una candela dritta verso l'alto.
Il premio per la paura geopolitica si sta evaporando in tempo reale. L'appetito per il rischio è cambiato. Capitale in attesa che insegue il movimento.
Il Bitcoin è ora un asset macro. Non aspetta segnali on-chain quando il mondo cambia.
OpenLedger e il problema del "Debito Dati" di cui nessuno in AI sta parlando
Voglio partire da un punto che la maggior parte delle persone salta. Perché quando la gente parla di AI… parla di modelli. Parametri. Benchmark. Quale LLM ha battuto quale LLM in qualche classifica. La conversazione quasi sempre inizia e finisce lì. Ma continuavo a farmi una domanda diversa mentre passavo attraverso Open Ledger… Da dove proviene il dato? E più importante… chi è stato pagato per questo? Lasciami costruire il quadro lentamente, a modo mio. L'AI sta avanzando a una velocità record, la spesa globale per l'AI era prevista superare i $375 miliardi nel 2025. Quel numero suona eccitante. Ma sotto c'è qualcosa di cui nessuno vuole realmente parlare apertamente.
La maggior parte dei progetti AI ti dice che il modello è intelligente.
Open Ledger ti sta dicendo qualcosa di diverso.
Stanno dicendo che le persone che hanno costruito il modello dovrebbero essere pagate. Automaticamente. Ogni volta che viene utilizzato.
Sembra semplice. Non lo è. Al momento, se i tuoi dati hanno addestrato un modello AI che sta generando milioni di entrate da qualche parte…. non hai idea. Non c'è traccia. Non c'è pagamento. Non c'è nulla.
OpenLedger chiama ciò che stanno costruendo "Payable AI." E il meccanismo dietro di esso, il Proof of Attribution, traccia effettivamente quali dati hanno influenzato quale output e instrada le ricompense OPEN direttamente ai contributori on-chain.
Nessun intermediario. Nessun "fidati di noi." Verificabile crittograficamente.
Non sto dicendo che sia completamente provato su larga scala ancora. Non sono così convinto. Ma l'idea stessa colma un gap che nessun altro sta affrontando seriamente a livello infrastrutturale.
L'economia AI sta generando un valore enorme. Quasi nulla di esso torna agli esseri umani il cui lavoro lo ha reso possibile.
Quel gap non può rimanere aperto per sempre.
Se $OPEN diventa la cosa che lo chiude…. sto ancora osservando.
$OPEN Ha Raggiunto $1.85. Ora È Sotto $0.30. Quella Differenza È Dove Risiede la Vera Storia
C'è un numero che continua a riportarmi indietro quando penso a OpenLedger. $1.85. Quello era il massimo storico, toccato il giorno del lancio nel settembre 2025. Il token è partito intorno a $0.99 e ha raggiunto $1.82 prima di assestarsi. Il volume del primo giorno su Binance da solo ha sfiorato i 182 milioni di dollari. L'airdrop per i HODLer è stato effettuato. Gli exchange lo hanno listato ovunque contemporaneamente. Crypto Twitter lo ha trattato come un'inevitabilità. Oggi OPEN si attesta intorno a $0.28. Questo è circa l'85% sotto il massimo storico. Ecco cosa trovo davvero interessante riguardo a quel numero: non ti dice quello che la maggior parte delle persone pensa che ti dica.
Ogni volta che usi ChatGPT, succede qualcosa di invisibile.
Il lavoro di qualcuno viene consumato. Gli articoli di un scrittore. I dati di un ricercatore. Il codice di uno sviluppatore. Il modello migliora. L'azienda guadagna. Il contributore non riceve nulla.
Questa asimmetria è stata l'accordo silenzioso sotto l'intero boom dell'AI. E per un po', la maggior parte delle persone non se ne è accorta o non le importava.
Penso che stia cambiando.
Il Proof of Attribution di OpenLedger tiene traccia di quali dataset influenzano l'output di un modello e premia i contributori direttamente dal pool dell'ecosistema basandosi sull'effettivo impatto, non su speculazioni o reputazione. Questa distinzione è importante. La maggior parte dei sistemi di "premio ai contributori" nel crypto si basa su punti di partecipazione, vibe o chiunque si sia pubblicizzato di più. OpenLedger sta cercando di legare il compenso a un impatto misurabile sulle performance del modello.
Se reggerà su larga scala è ancora una vera domanda. La matematica dell'attribuzione è davvero difficile. Ma la direzione è giusta.
$OPEN funziona come meccanismo di ricompensa per i contributori di dati attraverso il Proof of Attribution, con utilità che ci si aspetta si espanda man mano che la rete cresce.
L'industria dell'AI ha estratto valore dalla conoscenza umana per anni senza una ferrovia di pagamento in direzione opposta. OpenLedger sta cercando di costruirne una.
Questo è o una nota a margine o un cambiamento fondamentale. Non so davvero ancora quale.
XRP Ledger Diventa Uno Dei Blockchain RWA Che Crescono Più Velocemente
Il XRP Ledger sta rapidamente diventando uno dei più grandi network blockchain per la tokenizzazione degli asset del mondo reale (RWA). Recentemente è passato dalla top 10 alla 4ª posizione nelle classifiche di RWA.xyz, dimostrando quanto velocemente stia crescendo l'ecosistema. All'inizio, XRPL era principalmente conosciuto per i pagamenti e i trasferimenti transfrontalieri. Ma ora sta attirando banche, aziende fintech e emittenti di asset che vogliono transazioni più veloci, commissioni più basse e sistemi finanziari più efficienti. La rete sta già supportando asset tokenizzati come i Treasury statunitensi, i fondi del mercato monetario, i commercial paper e altri prodotti finanziari. Questi sono strumenti finanziari reali portati sulla blockchain, rendendoli più facili da scambiare, trasferire e utilizzare a livello globale.