OCBC lance GOLDX, un fonds d’or physique tokenisé sur Ethereum et Solana, avec Lion Global Investors et DigiFT, visant les institutions et les participants Web3 ; les RWA tokenisés atteignent $29B sur les chaînes. OCBC, avec Lion Global Investors et DigiFT, a présenté GOLDX, une version tokenisée du LionGlobal Singapore Physical Gold Fund sur Ethereum et Solana. Le produit s’adresse aux investisseurs institutionnels et aux personnes fortunées, permettant d’effectuer des achats avec des stablecoins ou de la monnaie fiduciaire et d’assurer la livraison vers des portefeuilles blockchain, offrant une exposition on-chain à environ $525 millions d’actifs en or. OCBC considère GOLDX comme une étape clé reliant la finance traditionnelle à l’écosystème de la finance décentralisée afin d’attirer des participants Web3. Le contexte plus large montre une croissance rapide des actifs du monde réel tokenisés, avec des RWA sur des blockchains publiques dépassant $29 milliards d’ici la mi-avril 2026, tandis que les prix de l’or ont évolué dans une fourchette serrée autour de 4 775–4 831 dollars par once.

OCBC et Lion Global Investors lancent un jeton de fonds adossé à de l’or physique, le GOLDX Token, sur les blockchains Ethereum et Solana, avec OCBC en charge de la conception et Lion Global en charge de la gestion des investissements et de la gouvernance.

Odaily星球日报讯 纳斯达克上市公司 Lion Group 宣布已斥资 800 万美元购入 88.49 枚比特币，该公司还披露截至 12 月 11 日其加密货币持仓还包括 194,727 枚 HYPE 和 10,820 枚 SOL。（Stocktitan）

BlockBeats 消息，12 月 11 日，据官方消息，Marketnode 和 Lion Global Investors 正在将其存放在新加坡金库中的实物黄金代币化，代币化资产将发行在 Solana 网络。

PANews 25 novembre, selon le Shanghai Securities News, l'Autorité de l'intelligence artificielle de Singapour (AISG) a abandonné le modèle Meta Llama dans son dernier projet de modèle linguistique pour l'Asie du Sud-Est, optant pour l'architecture Qwen d'Alibaba. À ce jour, le nombre de téléchargements mondiaux de la série Qwen a dépassé 600 millions. Selon les informations, le "Qwen-SEA-LION-v4" publié par l'AISG le 25 novembre se classe au premier rang du classement des capacités linguistiques en Asie du Sud-Est. Auparavant, les modèles open source représentés par la série Llama de Meta ont montré de mauvaises performances dans le traitement des langues régionales telles que l'indonésien, le thaï et le malais, ce qui a gravement entravé l'efficacité et la performance du développement des applications AI localisées.