Ripple CTO David Schwartz將卸任:這對XRP意味著什麼?
Ripple長期擔任CTO的David Schwartz將於年底退休,但將繼續留任董事會,此消息在XRP社群中引發了讚揚與擔憂。
Ripple長期擔任首席技術官(CTO)及XRP Ledger(XRPL)主要架構師之一的David Schwartz,宣布將於今年年底卸下職務,結束超過十年的服務。
他的離職在XRP社群中引發強烈反響。許多人表達了感激、尊敬以及對其持久貢獻的信心。然而,也有人擔憂他的離開意味著「XRP已經失敗」。
Ripple CTO離職引發對XRP未來的疑問
Schwartz於2011年以密碼學家身份加入Ripple,並於2018年升任首席技術官。在X(前稱Twitter)上發表的個人聲明中,他對自己13年的任期表達了感謝。
「是時候在今年年底卸下Ripple CTO的日常職責了。我真的很期待能花更多時間陪伴孩子和孫子,並重拾那些曾經擱置的興趣愛好。」他發文表示。
Schwartz同時強調,儘管他不再擔任CTO職務,但仍會與Ripple保持密切聯繫。
「但請注意,我不會離開XRP社群。你們還沒看到我的最後一面(現在,也永遠不會),」Schwartz補充道。
這位高管透露,他已接受公司董事會席位,並將獲得榮譽CTO(CTO Emeritus)頭銜。這一消息在加密貨幣社群中引發了多元反應。
許多人對Schwartz的貢獻表達感謝與敬意,稱他為「XRP社群傳奇」。
我所認識最聰明(也許也是最幽默)的人。一位真正的加密OG,擁有他人無法看見的信念與遠見——你是傳奇。感謝你為這個產業、為Ripple以及XRP Ledger所做的一切。我們都將永遠感激……
— Brad Garlinghouse (@bgarlinghouse) September 30, 2025
有社群成員甚至預測這意味著XRP將「飛向月球甚至更遠」。然而,並非所有反應都是正面的。
知名加密評論員Crypto Bitlord將此公告解讀為Ripple戰略失敗的承認。Bitlord認為Schwartz離職的時機只會加劇外界擔憂。近期,Swift宣布與ConsenSys合作,這可能會在跨境支付領域對Ripple構成更強競爭。
「CTO卸任去『研究XRP的其他應用場景』(除了Ripple目前專注的領域)。我們已經到了他們開始公開承認失敗的階段,」他發文表示。
他推測,Schwartz加入Ripple董事會可能與首次公開募股(IPO)準備有關,因為XRP已無法再「拋售給散戶」。
「事實:Ripple labs這家公司至今尚未產生任何現金流,除了拋售$XRP給消費者。(沒有人能反駁這個事實)。我在這裡的時間和Joel一樣久,說實話,我只是希望持有者能得到更多。我們將面臨更多競爭,卻沒有明確答案。CTO卸任去享受生活和興趣,這並不算是利多。我現在基本上只能祈禱奇蹟發生,」該用戶解釋道。
與此同時,隨著Schwartz的消息曝光,XRP價格在過去一天內下跌了1.54%。
XRP (XRP) 價格表現。來源: BeInCrypto Markets 然而,這一下跌也可能是由於更廣泛的市場修正,在同一時期內總市值下跌了0.64%。BeInCrypto Markets數據顯示,該altcoin在發稿時報價為2.85美元。
免責聲明:文章中的所有內容僅代表作者的觀點,與本平台無關。用戶不應以本文作為投資決策的參考。
您也可能喜歡
美股錯過了眼前的「好消息」?盈利預期罕見上調,策略師:基本面強得「不像真的」
Seaport Research Partners認為,美股正面臨企業盈利與股價表現的明顯背離:第二季盈利強勁,分析師預期持續上修,但高利率與盈利持續性的擔憂壓抑估值,工業、交通運輸等板塊可能存在錯價機會。不過,如果聯準會重新釋放升息信號,短期內仍可能對股市帶來壓力。
美國中選在即,華爾街押注國會分裂,市場或迎來溫和喘息?
美國中期選舉臨近,華爾街普遍押注民主黨奪回眾議院、共和黨守住參議院的「分裂國會」格局,認為這將限制激進政策、緩解不確定性。歷史數據顯示,自1950年以來,共和黨總統任內出現分裂國會時,美股年均漲幅達13.7%,高於共和黨或民主黨單獨掌控國會時的8.3%和4.9%。若選舉結果偏離預期,市場仍可能劇烈波動。
美股知名投資人Eric Jackson加入盛大科技(SDA.US)顧問委員會 協助公司國際化戰略與投資者關係建設
EMJ Capital 創始人、知名科技投資人 Eric Jackson 正式加入公司顧問委員會。

AI推理時代「光互連」需求爆棚!「站在光裡」的Lumentum (LITE.US)搶跑NPO、擴容OCS 迎接盈利躍升時刻
從底層工程角度來看,光互連需求的增長來自更多計算節點之間更頻繁、更嚴格的數據交換:混合專家模型(MoE)的專家並行需要跨GPU分發和彙總數據;預填充與解碼分離(Prefill–Decode Disaggregation)需要傳輸鍵值快取(KV Cache);複雜智能體工作流增加模型調用、工具執行和數據訪問的併發量。

