incrypted.com
Эмитент стейблкоина $USDT компания Tether предпринимает новую попытку завершить раунд финансирования с оценкой в $500 млрд. По данным The Information, компания вернулась к этой планке после неудачной попытки привлечь средства в начале 2026 года.
Первоначально Tether планировала привлечь от $15 млрд до $20 млрд, однако интерес инвесторов оказался ниже ожиданий. К февралю консультанты снизили целевой объем сделки примерно до $5 млрд на фоне сомнений в прозрачности компании и обоснованности оценки.
Генеральный директор Паоло Ардоино тогда заявил, что заявленная сумма не является обязательной целью. По его словам, компания готова рассматривать различные сценарии привлечения капитала.
Аудит и выход на рынок США
В марте Tether объявила о привлечении KPMG для проведения первого полноценного аудита резервов, обеспечивающих $USDT. Ранее компания публиковала только квартальные отчеты, подтверждающие наличие активов на определенный момент времени.
Параллельно Tether усиливает позиции в США. В январе компания запустила регулируемый стейблкоин USAT, соответствующий требованиям закона GENIUS, включая обеспечение резервами 1:1 и регулярные проверки.
Новый продукт уже получил листинг на крупных биржах и рассматривается как попытка напрямую конкурировать с USDC от Circle на регулируемом рынке.
Несмотря на эти шаги, оценка в $500 млрд вызывает вопросы у аналитиков, пишут авторы материала.
При годовой прибыли около $10 млрд компания намерена достичь оценки в примерно в 50 упомянутых показателей. Это значительно выше ряда крупнейших частных технологических компаний.
Сторонники сделки считают, что доминирование Tether на рынке стейблкоинов и потенциальная интеграция в финансовую систему США могут оправдать такую оценку. Однако ключевым фактором остается принятие регулирования и уровень доверия инвесторов.
Если раунд будет закрыт на заявленных условиях, Tether может войти в число самых дорогих частных компаний мира и усилить давление на конкурентов, включая Circle.
Напомним, мы писали, что Tether выпустила фреймворк для обучения ИИ-моделей на смартфонах и обычных GPU.