Datavault AI 與 MTB Mining Ltd. 達成 700 萬美元交易,將原礦土轉化為數字資產

GlobeNewswire
11/27

此合作協議體現了人工智能、數字資產創造與地質學的交匯

費城, Nov. 27, 2025 (GLOBE NEWSWIRE) -- 通過 IBN 發佈 – Datavault AI (以下簡稱「Datavault AI」或「公司」) (NASDAQ: DVLT) 是一家提供數據貨幣化、憑證認證、數字互動及現實-世界資產數字化技術的公司。今日,公司宣佈與坦桑尼亞 MTB Mining Limited (MTB) 達成一項價值 700 萬美元的代幣化交易及 30% 永久性特許權使用費合作。Datavault AI 認為,此舉標誌着通過統一交易賬本實現礦產資源驗證、記錄和進入全球商業流通的現代化邁出了首個重要步驟。 此次交易通過將現實世界資產 (RWA) 數字化並實現貨幣化,從而重新定義了「商品」的概念。 在 Datavault AI 專利 Sumerian® 技術的加持下,稀土礦物正被轉化為可驗證、可追溯的數字化資產,並將登陸 International Elements Exchange™ 進行交易。

與 MTB 達成的協議,為實物資產向數字資產轉化提供了範本。

非洲邁入全球賬本

數代人以來,非洲提供的原材料一直是現代工業建設不可或缺的核心資源。 如今,總部位於坦桑尼亞的 MTB 掌握超過 2500 萬噸銅礦儲量及 2.44 平方公里的已探明礦區。 通過與 Datavault AI 的合作,MTB 的資源正以數字化形式邁入全球市場。 每單位銅、金、錫或鑽石都將附有經過驗證的原產地、所有權及價值證明。

此次合作還包括溫莎紅寶石——這種寶石於 2007 年在坦桑尼亞溫扎村附近被發現,一經問世便引起全球廣泛關注。 溫莎紅寶石以其深邃的緋紅色與近乎完美的透明度聞名,堪與頂級緬甸紅寶石媲美。一經問世,即吸引了包括 Van Cleef & Arpels 在內的衆多奢侈品牌關注。 通過 Datavault AI 的 Sumerian® 錨定技術,溫莎紅寶石將附帶不可篡改且可驗證的永久數字簽名。 Sumerian® 錨定技術不僅可為溫莎紅寶石等知名寶石提供鑑定服務,其技術同樣適用於任何貴重寶石。

對坦桑尼亞而言,採礦業佔其出口總值比重巨大,因此數字化且可驗證的資產記錄不僅是一項技術里程碑,更是經濟現代化的重要體現。 這為利用經過驗證的數字資產進行借貸、抵押及跨境貿易開啓了新途徑。

驗證經濟時代來臨

「這一交易在技術和透明度層面具有里程碑意義。 通過將現實世界資產代幣化,我們正在構建合規且透明的渠道,將自然財富在全球範圍內實現貨幣化。」 Datavault AI 首席執行官兼聯合創始人 Nathaniel Bradley 表示。

Bradley 的講話也體現了 Datavault AI 更宏大的使命:公司正在構建數據驅動型經濟的基礎設施,在這一經濟體系中,價值由驗證和可信的信息確立。

儘管 700 萬美元的許可費令人矚目,但更值得關注的是,這一創新數字架構為未來類似交易提供了可能性。 International Elements Exchange 將作為「虛擬精煉廠」運作,將實物資產轉化為可交易、可審計、可貨幣化的數字憑證。

關於 Datavault AI

Datavault AI™ (Nasdaq: DVLT) 正在引領 Web 3.0 環境下人工智能驅動的數據體驗、估值與變現的前沿創新。 該公司基於雲端的平臺以聲學科學與數據科學兩大部門的協作為核心,提供全方位解決方案。 Datavault AI 的聲學部門持有 WiSA®、ADIO® 和 Sumerian® 的專利技術,率先推出業內首創的空間音頻與多通道無線高清音頻傳輸基礎技術,其知識產權覆蓋音頻時序、同步以及多通道干擾消除等。 數據科學部門依託 Web 3.0 技術與高性能計算能力,提供涵蓋體驗式數據感知、估值及安全變現的解決方案。 Datavault AI 基於雲端的平臺為多個行業提供全面解決方案,服務領域涵蓋體育與娛樂、高性能計算軟件許可、活動與場館、生物科技、教育、金融科技、房地產、醫療健康及能源等多個板塊。 Information Data Exchange® (IDE) 通過將現實世界中的物理對象安全綁定至不可篡改的元數據,實現數字孿生及姓名、肖像與形象權 (NIL) 授權,促進誠信且可負責任的 AI 應用發展。 Datavault AI 的技術套件可完全定製,涵蓋 AI 與機器學習 (ML) 自動化、第三方集成、深度數據分析、營銷自動化以及廣告監測等多項功能。 公司總部位於賓夕法尼亞州費城。 如需瞭解更多有關 Datavault AI 的信息,歡迎訪問 www.dvlt.ai。

前瞻性陳述

本新聞稿包含有關 Datavault AI 及其行業的「前瞻性陳述」 (其定義符合經修訂的《1995 年美國私人證券訴訟改革法案》以及其他證券法律對前瞻性陳述的界定),此類陳述存在風險及不確定性。 在部分情況下,您可通過特定關鍵詞分辨哪些內容屬於前瞻性陳述,例如涉及公司的預期、戰略、計劃或意圖時出現的諸如「可能」、「或許」、「將要」、「應該」、「預期」、「計劃」、「預計」、「能夠」、「打算」、「目標」、「預測」、「潛在」、「目標」、「宗旨」、「尋求」、「很可能」或「持續」等關鍵詞,或是此類關鍵詞的否定形式及其他類似表述。 請注意,您在部分新聞稿中未看到與上述樣例完全一致的關鍵詞,並不一定代表您讀到的陳述不屬前瞻性陳述。 此類前瞻性陳述包括但不限於:關於未來事件的陳述;關於 Datavault AI 與 MTB 之間合作關係 (包括潛在的特許權使用費機會) 的陳述;關於礦產代幣化的可行性及其在借貸、抵押以及跨境貿易等領域中應用潛力的陳述;關於 Datavault AI 的商業戰略、長期目標以及商業化計劃的陳述;關於現有與未來技術的陳述;關於規劃中的開發項目以及潛在審批進展的陳述;關於市場接受度以及相關的市場機遇的陳述,以及其他非歷史事實的陳述。 這些陳述基於管理層當前的預期,並非實際業績預測。 這些前瞻性陳述僅供說明目的,不得被任何投資者作為或依賴為對事實或可能性的擔保、保證、預測或確定性陳述。 實際事件和情況難以或無法預見,且可能與假設存在差異。 許多實際事件和情況不在 Datavault AI 的控制範圍內。 這些陳述受與 Datavault AI 業務相關的諸多風險和不確定性的影響,實際結果可能存在重大差異。 這些風險和不確定性可能導致實際業績與預期有所差異,可能的風險和不確定性包括且不限於:宏觀經濟、政治及商業環境變化;Datavault AI 能否實現其與 MTB 合作中擬議交易的預期收益,包括能否從 MTB 處受到任何特許權使用費;Datavault AI 能否將其與 MTB 的交易作為礦產數字化的範本;Datavault AI 能否將礦產數字化擴展至貸款、抵押以及跨境貿易領域;Datavault AI 能否開發併成功推廣相關技術;Datavault AI 能否實現盈利性增長並確保核心員工留存;Datavault AI 開發的技術可能無法按預期的時間表推進或獲得必要批准,甚至完全無法推進進度或獲得批准所帶來的風險;與監管路徑的不確定性相關的風險;Datavault AI 可能高估市場規模、新技術採用意願或對合作過於樂觀帶來的風險;無法複製過往業績的風險;監管與知識產權相關的風險;Datavault AI 在提交給美國證券交易委員會 (以下簡稱為「SEC」) 的文件 (包括以 10-K 表格形式提交的截至 2024 年 12 月 31 日的年度報告) 以及 Datavault AI 不時向 SEC 提交的其他文件中更詳盡描述的其他風險與不確定性 (提交給 SEC 的任何文件均可通過 SEC 官網 www.sec.gov 獲取)。 可能還存在 Datavault AI 當前不知道的其他風險,或 Datavault AI 目前認為不重要的風險,這些風險也可能導致實際結果與前瞻性陳述所包含的內容存在差異。 此外,前瞻性陳述反映了 Datavault AI 截至本通訊發佈之日對未來事件和看法的預期、計劃或預測。 Datavault AI 預計後續事件和發展將導致此類評估發生變化。 然而,儘管 Datavault AI 可能會選擇在未來某個時候更新這些前瞻性陳述,但 Datavault AI 明確表示不承擔更新任何前瞻性陳述的義務。 這些前瞻性陳述不應被視為 Datavault AI 在本新聞稿發佈之後任何日期的評估,任何投資者或相關方均不應據此依賴。 因此,敬請投資者謹慎對待這些前瞻性陳述,避免過度依賴。

企業通訊
IBN
得克薩斯州奧斯汀市
www.InvestorBrandNetwork.com
辦公室電話:512.354.7000
Editor@InvestorBrandNetwork.com

媒體垂詢:
marketing@dvlt.ai


免責聲明:投資有風險,本文並非投資建議,以上內容不應被視為任何金融產品的購買或出售要約、建議或邀請,作者或其他用戶的任何相關討論、評論或帖子也不應被視為此類內容。本文僅供一般參考,不考慮您的個人投資目標、財務狀況或需求。TTM對信息的準確性和完整性不承擔任何責任或保證,投資者應自行研究並在投資前尋求專業建議。

熱議股票

  1. 1
     
     
     
     
  2. 2
     
     
     
     
  3. 3
     
     
     
     
  4. 4
     
     
     
     
  5. 5
     
     
     
     
  6. 6
     
     
     
     
  7. 7
     
     
     
     
  8. 8
     
     
     
     
  9. 9
     
     
     
     
  10. 10