• BTM
    比原链

    $0.0553130

    +0.000493377+0.90%
  • 24h最高
    $0.0571436
  • 24h最低
    $0.0545456
  • 24h成交量
    511.44万
  • 24h成交额
    511.44万
价格(CNY)24h成交额
  • 时间:2019/10/19 15:00  价格:$0.0555483  成交额:$463.23万
  • 时间:2019/10/19 16:00  价格:$0.0557076  成交额:$458.08万
  • 时间:2019/10/19 17:00  价格:$0.0558631  成交额:$458.53万
  • 时间:2019/10/19 18:00  价格:$0.0559212  成交额:$457.33万
  • 时间:2019/10/19 19:00  价格:$0.0560664  成交额:$457.66万
  • 时间:2019/10/19 20:00  价格:$0.0561015  成交额:$450.79万
  • 时间:2019/10/19 21:00  价格:$0.0561499  成交额:$457.22万
  • 时间:2019/10/19 22:00  价格:$0.0564287  成交额:$459.77万
  • 时间:2019/10/19 23:00  价格:$0.0563861  成交额:$454.80万
  • 时间:2019/10/20 00:00  价格:$0.0566014  成交额:$451.97万
  • 时间:2019/10/20 01:00  价格:$0.0566031  成交额:$449.30万
  • 时间:2019/10/20 02:00  价格:$0.0565895  成交额:$448.32万
  • 时间:2019/10/20 03:00  价格:$0.0567309  成交额:$448.34万
  • 时间:2019/10/20 04:00  价格:$0.0566864  成交额:$450.91万
  • 时间:2019/10/20 05:00  价格:$0.0566338  成交额:$448.04万
  • 时间:2019/10/20 06:00  价格:$0.0567458  成交额:$445.88万
  • 时间:2019/10/20 07:00  价格:$0.0565984  成交额:$444.80万
  • 时间:2019/10/20 08:00  价格:$0.0563416  成交额:$441.08万
  • 时间:2019/10/20 09:00  价格:$0.0564253  成交额:$445.54万
  • 时间:2019/10/20 10:00  价格:$0.0563065  成交额:$442.85万
  • 时间:2019/10/20 11:00  价格:$0.0562154  成交额:$440.72万
  • 时间:2019/10/20 12:00  价格:$0.0561458  成交额:$437.99万
  • 时间:2019/10/20 13:00  价格:$0.0561686  成交额:$434.81万
  • 时间:2019/10/20 14:00  价格:$0.0561405  成交额:$433.84万

比原链交易行情

序号交易平台 交易对/合约价格
24h涨跌幅
24h成交量
24h净流入($)
K线自选
1 BiboxBTMETH
0.000311410
≈ $0.0593000
-0.21% 927.91万 0
2 AOFEXBTMAQ
0.394100
≈ $0.0556469
-1.77% 906.64万 5,862.34
3 AOFEXBTMUSDT
0.0553000
≈ $0.0553000
-1.78% 793.72万 478.53
4 BiboxBTMBTC
0.0000070500
≈ $0.0593000
-1.56% 788.31万 0
5 BiboxBTMUSDT
0.0549000
≈ $0.0557000
+1.46% 530.44万 0
6 DragonExBTMBTC
0.0000070500
≈ $0.0559711
+0.71% 321.57万 0
7 HitBTCBTMUSD
0.0453604
≈ $0.0552710
+13.16% 267.38万 0
8 HitBTCBTMBTC
0.0000057190
≈ $0.0452576
+13.68% 227.75万 0
9 CEXBTMUSDT
0.0607610
≈ $0.0607610
+9.77% 201.24万 0
10 60交易所BTMUSDT
0.0555000
≈ $0.0555000
-2.11% 123.85万 0
11 CoinTigerBTMBTC
0.0000080300
≈ $0.0819976
+5.94% 98.12万 0
12 CoinTigerBTMETH
0.000313720
≈ $0.0575206
+2.19% 61.12万 0
13 比特儿海外版BTMUSDT
0.0555000
≈ $0.0552710
+0.54% 53.86万 0
14 BigOneBTMUSDT
0.0562000
≈ $0.0562000
-5.07% 49.00万 0
15 BitMartBTMBTC
0.0000069600
≈ $0.0549070
-0.57% 40.42万 0
16 OKExBTMUSDT
0.0556000
≈ $0.0552710
+0.36% 40.41万 8,386.43
17 FCoinBTMUSDT
0.0552000
≈ $0.0552000
-2.47% 23.60万 0
18 BitMartBTMETH
0.000208520
≈ $0.0560690
-34.84% 22.02万 0
19 CEXBTMETH
0.000322330
≈ $0.0556599
+0.26% 21.45万 0
20 CEXBTMBTC
0.0000070200
≈ $0.0556391
-0.28% 19.54万 0

比原链资金流向

  • 24h资金流向分布($)

    主力流入0主力流出0净流入0
    净流入
    0
  • 24h资金净流入走势图

  • 10日资金净流入

    10日资金净流入:0

    资金流入资金流出

简介

  • 发行数据

    • 名称:BTM(比原链)
    • 市值:¥397,897,489(第55名)
    • 流通量:1,002,499,275
    • 总量:1,407,000,000
    • 流通率:71.25%
    • 发行时间:2017-08-09
    • 上线平台数:47
    • 上线前十平台数:5
  • 介绍

    Bytom Blockchain Protocol(简称比原链:Bytom)是一种多元比特资产的交互协议,运行在比原链区块链上的不同形态的、异构的比特资产(原生的数字货币、数字资产)和原子资产(有传统物理世界对应物的权证、权益、股息、债券、情报资讯、预测信息等)可以通过该协议进行登记、交换、对赌、和基于合约的更具复杂性的交互操作。连通原子世界与比特世界,促进资产在两个世界间的交互和流转。比原链采用三层架构:应用层、合约层、数据层,应用层对移动终端等多终端友好,方便开发者便捷的开发出资产管理应用;合约层采用创世合约和控制合约进行资产的发行和管理,在底层支持扩展的UTXO模型BUTXO,对虚拟机做了优化,采用自省机制以防止图灵完备中的死搀状态;数据层使用分布式账本技术,实现资产的发行、花费、交换等操作,共识机制采用对人工智能ASIC芯片友好型POW算法,在哈希过程中引入矩阵和卷积计算,使得矿机在闲置或被淘汰后,可用于AI硬件加速服务,从而产生额外的社会效益。使命陈述“我们的任务是连通比特世界与原子世界,建造起一个多元化资产的登记、流通的去中心化网络”。Bytom将极大的推动现有的价值属性的比特信息、比特资产的交换、交互及流动。通过合约和配置,也将产生新的比特资产。Bytom还将以去中心化的形式、基于市场的管理协议去创造应用,并同时为本地和全球的比特经济参与者提供独特的激励。Bytom作为一种媒介,已经充分准备好成为一个促成信息获利的经济体,一个信息资产效能的放大器。在未来,这些信息资产不仅会为现有的日常工作生活所用,也可以成为人工智能、物联网设备的“数据食物”的提供者,以进一步加速其对原子世界的影响力。核心目标1.建造多元化比特资产登记的标准Bytom旨在建立一个全球性开放的Byte Assets登记平台。并让创建和定义、生成一种比特资产更加便捷,也更容易为用户所理解。2.建造多元化比特资产的交互工具从最基本的资产的交换工具(不同形态的数字资产间按协定进行交换、所属权的变更)、Bytom还将支持较为复杂的交互形式,例如 :A 触发工具:资产依照合约规定的投票,产生确定性Y/N布尔结果或数值结果,以激活原子世界的参与方共享数据集;B 预测工具:例如通过零和博弈,双方或多方对赌,产生某场航班是否延迟、两位候选谁将胜出的预测信息 ,将此预测信息用于现实世界的金融对冲、保险等领域。人工智能ASIC芯片友好型POW算法采用对人工智能ASIC芯片友好型POW算法,使得矿机在闲置或被淘汰后,可用于AI加速服务。比特币矿机和人工智能深度学习具有可比性,它们都是依赖于底层的芯片进行大规模并行计算。深度学习算法绝大多数可以被映射为底层的线性代数运算。线性代数运算有两大特点:一是Tensor 的流动非常规整且可预期;二是计算密度很高。这两大特点使得AI深度学习特别弁合做硬件加速。