สนับสนุนโดย
Mining

Terawulf วางแผนเสนอขายบันทึกมูลค่าทำลายสถิติ $3.2 พันล้านเพื่อสนับสนุนการขยายศูนย์ข้อมูล AI

บริษัท Terawulf Inc. (Nasdaq: WULF) ได้ประกาศแผนการระดมทุน 3.2 พันล้านดอลลาร์ผ่านการออกพันธบัตรที่มีหลักประกันสูง — เป็นการจัดหาเงินกู้ครั้งเดียวที่ใหญ่ที่สุดที่บริษัทขุด Bitcoin ที่จดทะเบียนในตลาดหลักทรัพย์เคยพยายามทำ

เขียนโดย
แชร์
Terawulf วางแผนเสนอขายบันทึกมูลค่าทำลายสถิติ $3.2 พันล้านเพื่อสนับสนุนการขยายศูนย์ข้อมูล AI

บทความนี้มาจาก Theminermag ซึ่งเป็นสิ่งพิมพ์การค้าเกี่ยวกับอุตสาหกรรมขุดสกุลเงินคริปโต โดยมุ่งเน้นไปที่ข่าวล่าสุดและการวิจัยเกี่ยวกับบริษัทขุด Bitcoin สถาบัน

Terawulf กล่าวเมื่อวันอังคารว่าการเสนอขายพันธบัตรที่มีหลักประกันสูงซึ่งครบกำหนดในปี 2030 จะถูกทำการตลาดให้แก่ผู้ซื้อสถาบันที่มีคุณสมบัติภายใต้กฎ 144A ของกฎหมายหลักทรัพย์ รายได้จะใช้ในการระยะต่อไปของการพัฒนาที่ Lake Mariner ซึ่งกำลังจะถูกปรับตำแหน่งเป็นแคมปัสขุด Bitcoin แบบไฮบริดและการประจุก AI

ตามข้อมูลของบริษัท พันธบัตรเหล่านี้จะได้รับการรับรองจากบริษัทย่อยของ WULF Compute และได้รับการค้ำประกันโดยสายสิทธิ์อันดับแรกในทรัพย์สินเกือบทั้งหมดของพวกเขา รวมถึงส่วนแบ่งในทุนและบัญชีล็อกบ็อกซ์ที่ถูกกำหนดของ Fluidstack USA I Inc. ก่อนการขยายงานเสร็จสิ้น Google LLC จะให้คำมั่นสัญญาที่จะซื้อหุ้นสามัญของ Terawulf เป็นส่วนหนึ่งของชุดหลักประกัน

การระดมทุนนี้เน้นถึงการเปลี่ยนแปลงของ Terawulf ให้กลายเป็นผู้ให้บริการโครงสร้างพื้นฐานดิจิทัลที่กว้างขึ้นหลังจากการเป็นหุ้นส่วน AI ของตนกับ Fluidstack ซึ่งดำเนินการหน่วยประมวลผลประสิทธิภาพสูงที่ได้รับการสนับสนุนจาก Google ส่วนหนึ่ง ภายใต้ข้อตกลงนั้น Terawulf จะให้บริการงานโหลด AI ของ Fluidstack ที่สถานที่ในนิวยอร์กของตน ซึ่งเป็นการผสานรวมขนาดใหญ่ครั้งแรกของโครงสร้างของเคลาวน์ GPU ภายในเว็บไซต์ขุด Bitcoin แบบดั้งเดิม

Terawulf กล่าวว่าตนจะให้การรับประกันการเสร็จสิ้นโครงการ เพื่อให้การขยายของ Lake Mariner เสร็จสิ้นตามกำหนด ระดับของการออกพันธบัตรที่เสนอจำนวน 3.2 พันล้านดอลลาร์ — ซึ่งมากกว่าการเสนอขายครั้งก่อน ๆ โดยนักขุดสาธารณะอื่น ๆ เช่น IREN หรือ MARA ถึงหลายเท่า — สะท้อนถึงความสนใจของสถาบันที่เพิ่มขึ้นในโครงสร้างพื้นฐานที่เชื่อมโยงกับ AI และการเปลี่ยนแปลงที่ต้องใช้ต้นทุนสูงในหมู่นักขุด Bitcoin ที่หลากหลายมาเป็นการประมวลผลประสิทธิภาพสูง

บทความต้นฉบับสามารถดูได้ here.

แท็กในเรื่องนี้