TechMogul Wire

Binance just torched 1.62M $BNB (~$932M) in their 36th quarterly burn, executed directly on-chain via BSC. This reduces total supply permanently through their auto-burn mechanism tied to trading volume and gas fees. At current burn rates, $BNB's deflationary pressure continues accelerating - they're targeting 100M total supply (currently ~144M circulating). Native on-chain burns mean no centralized custody risk during the process, everything verifiable via BSC block explorers.

Migrated from Solana memecoin trading to BNB Chain after repeated rug pulls.

Key technical differences observed:

• BNB Chain exhibits lower rug pull frequency compared to Solana's memecoin ecosystem
• Fair launch verification: manually audited contract deployment, confirmed no frontrunning in transaction ordering
• Community economic model: long-term project support vs pure speculation-driven pumps

Real example: @TCryptochicks donated 20M $TCC tokens to @GiggleAcademy - actual on-chain transfer, not just marketing promises.

Solana's memecoin scene = high-frequency trading + constant exit scams. BNB's builder-focused culture = slower but more sustainable project lifecycle.

If you're tired of getting rekt every week, BNB Chain's risk profile might be worth evaluating.

Kumon just acquired Atama Plus 🎯

This is huge for adaptive learning in Japan. Atama Plus built an AI-powered personalized learning platform that analyzes student performance in real-time and generates custom problem sets. Their system uses learning analytics to identify knowledge gaps and optimize study paths.

Kumon bringing this tech in-house means they're finally modernizing their worksheet-based method with actual ML-driven personalization. Expect tighter integration between Kumon's massive student data and Atama's recommendation engine.

Interesting move considering Atama Plus raised significant VC funding. Kumon clearly sees AI tutoring as the next evolution of their franchise model.

EthraShip is tokenizing actual cargo ships worth tens of millions USD and putting them on-chain as Real World Assets (RWA).

Core mechanics:
- Each token represents fractional ownership of operating commercial vessels
- Revenue comes from actual ship charter fees (real maritime operations, not synthetic yield)
- Token holders can stake for rewards and participate in governance decisions
- Backed by Ethra Invest, a shipping company that's been operating since 2021

This isn't just another "tokenize everything" project. They're bridging global maritime commerce with blockchain infrastructure — think fractional ownership of container ships generating cash flow from Maersk-style operations.

They just launched a $30k stablecoin reward pool on NucleusCodes.

RWA narrative is heating up, and this is one of the few projects with actual operating assets behind the tokens instead of just legal wrappers around promissory notes.

River's $satUSD now supports real-world payments through MelonCash integration ⚡️

Technical implementation: Direct balance deduction from $satUSD wallet at point-of-sale terminals via MelonCash's payment rails. One-tap instant settlement architecture removes the friction between holding Bitcoin-backed stablecoins and actual merchant transactions.

This bridges the gap between DeFi asset custody and traditional payment infrastructure - your $satUSD balance becomes spendable liquidity without manual conversions or centralized off-ramps. Practical utility layer for Bitcoin-denominated stablecoins finally hitting real commerce use cases.

CNPY Network cuts the infrastructure overhead for launching appchains. Instead of burning weeks on node setup, validator configs, and chain bootstrapping, devs can spin up a custom blockchain and immediately start shipping product logic.

The core value prop: abstracted chain deployment. You define your chain parameters, CNPY handles the orchestration layer—consensus, networking, state management—so you're not reinventing the wheel every time you want a dedicated execution environment.

This matters because most appchain frameworks still require deep infra knowledge. CNPY's approach: treat chain deployment like deploying a smart contract. Define, deploy, iterate. Less time configuring genesis files, more time building actual user-facing features.

If you're evaluating appchain frameworks, compare CNPY's deployment speed and abstraction level against Avalanche subnets, Polkadot parachains, or Cosmos SDK chains. The question is whether the abstraction trades off enough customizability for your use case.

@quipnetwork hitting 500+ active nodes, 160 PFLOPS compute capacity, and $1M+ in assets secured via quantum-resistant wallets from @NucleusCodes.

The tech stack uses QUBO-based mining where quantum computers already show measurable speed and energy efficiency gains over classical hardware. Not theoretical anymore—actual quantum advantage in production.

TGE incoming while airdrop + 100K $QUIP rewards program runs. Community hyped but the real story is the infrastructure play: building decentralized quantum compute + quantum-resistant security instead of chasing short-term narratives.

Quantum resistance isn't future-proofing, it's present-day architecture for networks holding real value.

RoboForce đã tổ chức một hackathon nội bộ mang tính AI — 13 đội, 3 tiếng, mọi chức năng đều tham gia. Đã giao:

• Đại lý AI cho quản lý tài nguyên đám mây (giao diện kiểu đồng đội)
• Đồ thị kiến thức công ty tự động ghi lại quyết định
• Công cụ gỡ lỗi có thể tìm kiếm cho nhật ký thử nghiệm robot
• Dòng tuyển dụng kết hợp Claude + Codex + Greenhouse
• Tổ chức phát hành phần mềm dựa trên AI
• Hơn 8 công cụ nội bộ khác

Luận điểm của họ: các công ty robot có thể là AI-native không chỉ trong sản phẩm, mà còn trong hoạt động. Họ đã cấu trúc lại tổ chức xung quanh các đội nhỏ, với độ leverage cao thay vì gắn AI vào các quy trình làm việc hiện có.

Hiện đang tuyển dụng một Người lãnh đạo AI-Native sáng lập — người xây dựng-vận hành biến các thí nghiệm AI rời rạc thành độ leverage hệ thống toàn công ty. Nếu bạn muốn thiết kế cách một công ty robot vật lý hoạt động trên hạ tầng AI từ cơ sở, đây là cơ hội.

Nhà điều hành quét đường ở SW Florida đang bán: giá 1.8 triệu USD, EBITDA 579K USD, doanh thu 1.14 triệu USD. Đã hoạt động từ năm 2007.

Tại sao nó thú vị về mặt kỹ thuật: Đây là một cơ hội tuân thủ quy định được ngụy trang dưới dạng một doanh nghiệp dịch vụ. Quy định về nước sạch yêu cầu kiểm soát trầm tích tại các công trường xây dựng lớn hơn 1 acre và các thành phố có giấy phép. Quét đường là tuân thủ được công nhận bởi EPA. Nhu cầu không do thị trường quyết định, mà là yêu cầu pháp lý.

Kiến trúc hoạt động: Vận hành xe hút bụi + xe quét trên các tuyến đường ngày/đêm. Ba phân khúc khách hàng (các thành phố, HOA, công trường xây dựng) = khả năng chống chịu suy thoái đa dạng. Hiện tại có 2 FTE, có nghĩa là chủ sở hữu tham gia nhiều vào hoạt động/lịch trình/bán hàng.

Các khoảng trống trong kiểm tra: Tỷ lệ hợp đồng lặp lại so với phân chia dọn dẹp xây dựng một lần là vấn đề quan trọng. Tuổi thọ đội xe + tỷ lệ tiêu tốn bảo trì sẽ xác định nhu cầu capex. Bổ sung vai trò của chủ sở hữu = chi phí lao động ẩn. Liệu các mối quan hệ xây dựng có thể chuyển đổi thành hợp đồng dài hạn với chính quyền địa phương không?

Các vector mở rộng:

1. Lớp quy trình AI: Tối ưu hóa tuyến đường tự động, bảo trì xe dự đoán, tạo báo cáo tuân thủ, khóa hợp đồng lặp lại dựa trên CRM. Biến lịch trình thủ công thành hiệu suất điều khiển bằng algo.

2. Mở rộng GovCon: Tuân thủ nước mưa của chính quyền, bảo trì đường bộ của DOT bang, đất đai cơ sở liên bang (VA, DoD, GSA). Thêm vào các hợp đồng chính phủ đa tầng và điều này trở thành một cơ hội hạ tầng doanh thu lặp lại.

Dòng dưới: Nhà điều hành nhỏ với rào cản quy định. Người mua thích hợp thêm AI vào quy trình hoạt động + đường ống hợp đồng chính phủ = mở rộng biên lợi nhuận mà không cần tăng số lượng nhân viên tương ứng. Doanh nghiệp nhàm chán cổ điển với tiềm năng gia tăng nếu bạn có thể lập trình các quy trình và điều hướng mua sắm.

Nếu bạn ở Dallas và muốn nói về bảng tính trong khi ăn ramen, hãy nhắn tin cho tôi. Không có khóa học, chỉ là cuộc trò chuyện của người điều hành.

DoD vừa tung ra một đợt SBIR/STTR nữa và hầu hết các nhà sáng lập vẫn coi đó như một trò chơi xổ số. Nhưng không phải vậy. Đó là một hệ thống có cấu trúc để vào quy trình mua sắm quốc phòng nếu bạn biết cách khai thác.

Đây là chiến lược thực sự:

Giai đoạn I (~$323k, 3-12 tháng) = nghiên cứu khả thi. Bạn đang chứng minh rằng bạn hiểu nhiệm vụ và có thể thực hiện. Đây là việc khám phá khách hàng với một hợp đồng kèm theo.

Giai đoạn II (~$2.15M, 15-24 tháng, có thể cao hơn với các miễn trừ) = phát triển thực sự. Bạn đang xây dựng một cái gì đó có thể thực sự chuyển giao vào sản xuất.

Giai đoạn III = không có quỹ SBIR, không có giới hạn thời gian, mua sắm trực tiếp. Đây là trò chơi quyết định. Bạn đã xây dựng một con đường có thể cung cấp duy nhất vào DoD.

Chiến lược thông minh nhất: sử dụng SBIR để giảm thiểu rủi ro cả công nghệ và doanh nghiệp của bạn. Vốn không pha loãng + xác thực kỹ thuật + phương tiện hợp đồng + mối quan hệ trực tiếp với các văn phòng chương trình có thể mở rộng giải pháp của bạn.

Các chủ đề hiện tại bao gồm robot, mạng lượng tử, năng lượng định hướng, logistics sử dụng AI. Những lĩnh vực mà các nhóm nhỏ có thể đổi mới hơn các công ty lớn truyền thống.

DoD có lộ trình 10 bước từ đủ điều kiện đến chuyển giao. Cổng thông tin chính thức: các đơn đăng ký đang mở ngay bây giờ.

Nếu bạn đang xây dựng trong công nghệ quốc phòng và không xem SBIR như một điểm vào chiến lược, bạn đang bỏ lỡ một trong số ít nơi mà chính phủ thực sự sẽ tài trợ cho bạn để mang lại cho họ điều gì đó mới.

Đối với các nhà thầu chính phủ nhỏ (đặc biệt là trong sản xuất, hạ tầng, và dịch vụ công nghiệp), chiến thắng thực sự của AI không phải là về các mô hình tiên tiến—mà là về việc định tuyến các quy trình công việc một cách thông minh.

Mô hình: sử dụng các mô hình giá rẻ cho 80% công việc nặng nhọc, chỉ dành các mô hình đắt tiền cho việc hoàn thiện cuối cùng hoặc các trường hợp phức tạp.

Ví dụ cụ thể:

1. Khối lượng đề xuất (điểm nghẽn số 1)
Một nhà thầu HUBZone 12 người không thể phản hồi kịp thời các RFP. Định tuyến phân tích đấu thầu/không đấu thầu, ma trận tuân thủ, lập bản đồ hiệu suất trước đây, và bảng điều khiển cơ hội thông qua một mô hình rẻ hơn. Mô hình tiên tiến chỉ chạm vào phần tường thuật cuối cùng.
Kết quả: tăng gấp 3 lần sản lượng đề xuất, cùng số lượng nhân viên, chi phí AI không thay đổi.

2. Tuân thủ & tài liệu
Một nhà thầu nhỏ khác đã tiêu tốn 10–15 giờ/tuần cho các nhật ký QC, báo cáo an toàn, danh sách kiểm tra thiết bị, tài liệu của nhà thầu phụ. Tự động hóa các bản nháp đầu tiên với một mô hình rẻ hơn được đào tạo trên dữ liệu hiện có của họ + quy trình công việc của đối thủ từ các ngành lân cận.
Kết quả: giảm 70% thời gian quản lý, các PM có thêm giờ để thực sự giao hàng.

Sổ tay chỉ dẫn:
• Định tuyến các nhiệm vụ thường xuyên (tuân thủ, bản nháp, chuẩn bị giá) cho các mô hình rẻ
• Lưu trữ trí tuệ tiên tiến cho các vấn đề kỹ thuật, đàm phán, và hoàn thiện đề xuất cuối cùng
• Thí điểm một lĩnh vực đau đớn, đo lường trước/sau
• Tích hợp vào quy trình công việc hiện có để nó không trở thành một công cụ khác để quản lý

Kết quả: nộp nhiều đấu thầu hơn mà không cần tuyển dụng, bảo vệ biên lợi nhuận trên công việc giá cố định, giảm thiểu gánh nặng quản lý, trở nên cạnh tranh hơn.

Đây là những gì kinh tế AI thực sự có nghĩa cho các doanh nghiệp govcon nhỏ—không phải là sự thổi phồng, chỉ là biên lợi nhuận tốt hơn và nhiều năng lực hơn. Điểm nghẽn cho hầu hết không phải là công nghệ, mà là biết nơi nào để định tuyến công việc.

Các doanh nghiệp nhỏ trong GovCon đang đạt đến một điểm chuyển mình thực tiễn của AI.

Điều quan trọng không phải là các mô hình tiên tiến mà là việc định tuyến các quy trình làm việc một cách chính xác. Hầu hết các điểm nghẽn (khối lượng đề xuất, tài liệu tuân thủ, chuẩn bị báo giá) không cần lý luận ở cấp độ GPT-4. Chúng cần sự suy diễn đáng tin cậy, rẻ tiền và có quy mô.

Trường hợp thực tế: một nhà thầu hubzone 12 người không thể theo kịp khối lượng RFP. Đã định tuyến 80% việc soạn thảo đề xuất (logic đấu thầu/không đấu thầu, ma trận tuân thủ, lập bản đồ hiệu suất trước đó) qua các mô hình rẻ hơn. Mô hình tiên tiến chỉ chạm vào việc làm bóng bẩy câu chuyện cuối cùng.

Kết quả: tăng 3 lần thông lượng đề xuất, cùng một số lượng nhân viên, chi tiêu AI không đổi.

Một nhà thầu khác đã tốn 10-15 giờ/tuần cho công việc hành chính liên quan đến tuân thủ (nhật ký QC, báo cáo an toàn, tài liệu nhà thầu phụ). Đã chuyển việc tạo bản nháp đầu tiên sang các mô hình hiệu quả, tham khảo quy trình làm việc của đối thủ từ các ngành liền kề.

Kết quả: giảm 70% thời gian hành chính, các PM lấy lại được thời gian để thực hiện giao hàng thực tế.

Đây là kỹ thuật biên lợi nhuận, không phải là sự thổi phồng.

Sổ tay:
• Định tuyến các nhiệm vụ thường xuyên (tuân thủ, soạn thảo đề xuất, chuẩn bị báo giá) đến các mô hình rẻ
• Dành trí tuệ tiên tiến cho các vấn đề kỹ thuật, đàm phán, làm bóng bẩy cuối
• Thí điểm một quy trình làm việc đau đớn, đo lường trước/sau
• Tích hợp vào hệ thống hiện có, đừng thêm một công cụ khác để quản lý

Khi bạn thiết kế đúng:
• Nộp nhiều đề xuất hơn mà không cần tuyển thêm nhân viên
• Bảo vệ biên lợi nhuận trên các hợp đồng cố định giá
• Giảm thiểu gánh nặng hành chính cho PM
• Cạnh tranh với những cơ hội bạn đã từng bỏ qua

Kinh tế AI cho GovCon nhỏ = biên lợi nhuận tốt hơn + nhiều năng lực hơn. Không phải về mô hình, mà là về việc định tuyến.

Hạ tầng TEE (Môi trường thực thi đáng tin cậy) đang trở nên quan trọng cho việc triển khai AI xử lý dữ liệu nhạy cảm. Câu hỏi đặt ra là ai thực sự đang xây dựng hạ tầng TEE có thể tiếp cận, chi phí hợp lý mà có thể chia sẻ giữa các ứng dụng.

Cảnh quan TEE hiện tại bị chi phối bởi các giải pháp doanh nghiệp đắt đỏ (Intel SGX, AMD SEV, ARM TrustZone). Khoảng cách rất rõ ràng: chúng ta cần hạ tầng TEE đã được tiêu chuẩn hóa mà các nhà phát triển có thể khởi động mà không cần hợp đồng doanh nghiệp.

Các yêu cầu kỹ thuật chính:
- Tách biệt ở cấp phần cứng cho suy diễn mô hình
- Cơ chế xác thực để chứng minh tính toàn vẹn của mã
- Độ trễ thấp (dưới 10ms là lý tưởng)
- Cấu trúc chi phí hợp lý cho các ứng dụng AI tiêu dùng

Các phương pháp tiềm năng:
- Nhà cung cấp đám mây cung cấp TEE dưới dạng dịch vụ (AWS Nitro Enclaves, Azure Confidential Computing)
- Mạng TEE phi tập trung gom lại tính toán
- Các lớp điều phối TEE mã nguồn mở

Người chiến thắng ở đây sẽ làm cho suy diễn AI bảo vệ quyền riêng tư trở nên dễ dàng như việc triển khai một container Docker. Hiện tại, nó vẫn quá phức tạp và đắt đỏ đối với hầu hết các đội để biện minh.

Ngạc nhiên khi thấy nhiều người không biết Anthropic giờ đây có mô hình E2EE TEE (Môi trường thực thi đáng tin cậy) + mã hóa khóa truy cập phía khách hàng cho các cuộc trò chuyện.

Kết hợp nó với thanh toán $BTC và bạn có một AI inference thực sự riêng tư. Không có nhật ký trò chuyện ở phía máy chủ, cách ly cấp phần cứng, xác thực mật mã.

Đây là cách thiết lập bảo mật mà hầu hết các lập trình viên nên triển khai nếu họ thực sự nghiêm túc về việc giữ các prompt khỏi các máy chủ doanh nghiệp. TEE có nghĩa là ngay cả nhà cung cấp đám mây cũng không thể xem dữ liệu của bạn trong quá trình xử lý.

Ngày Pizza Bitcoin được tổ chức ở Argentina với thanh toán thực tế bằng crypto 🍕

Đã sử dụng stablecoin $satUSD từ River để mua pizza. Quy trình thanh toán: khách hàng trả bằng stablecoin → người bán ngay lập tức nhận được Peso Argentina (ARS). Không tiền mặt, không thẻ, không cần đường dây ngân hàng truyền thống.

Đây là trải nghiệm thanh toán crypto thực tế cuối cùng hoạt động: stablecoin ở phía người gửi, fiat địa phương ở phía người nhận, thanh toán ngay lập tức. Không cần người bán phải hiểu crypto hay giữ tài sản có độ biến động cao.

Stablecoin satUSD của River đang mở đường cho thương mại crypto thực tiễn ở những nền kinh tế lạm phát cao, nơi các stablecoin gắn với đồng đô la thực sự giải quyết được vấn đề.

Hướng dẫn thực tiễn mới vừa ra mắt về việc nâng cao quy trình lập trình hỗ trợ bởi AI. Tác giả đã chắt lọc 2 năm kinh nghiệm thực tiễn thành những mẫu hành động để giao hàng nhanh hơn với LLMs. Đề cập đến các chiến lược triển khai thực tế vượt ra ngoài việc kỹ thuật nhập lệnh cơ bản—tập trung vào việc tối ưu hóa quy trình làm việc thực sự tạo ra sự khác biệt trong các môi trường sản xuất. Đáng để xem nếu bạn vẫn đang coi các công cụ lập trình AI như một dạng tự động hoàn thiện fancy thay vì sử dụng chúng như những đối tác tư duy kiến trúc.

Hướng dẫn thực tiễn mới vừa ra mắt về việc nâng cao quy trình lập trình hỗ trợ bởi AI. Tác giả đã chắt lọc 2 năm kinh nghiệm thực tiễn thành những mẫu hành động để giao hàng nhanh hơn với LLMs. Đề cập đến các chiến lược triển khai thực tế vượt ra ngoài việc kỹ thuật nhập lệnh cơ bản—tập trung vào việc tối ưu hóa quy trình làm việc thực sự tạo ra sự khác biệt trong các môi trường sản xuất. Đáng để xem nếu bạn vẫn đang coi các công cụ lập trình AI như một dạng tự động hoàn thiện fancy thay vì sử dụng chúng như những đối tác tư duy kiến trúc.

RoboForce đã trình diễn robot TITAN của họ tại Diễn đàn Sản xuất Tiên tiến của WEF ở SF, khoe khả năng triển khai thực tế cho hoạt động sản xuất và chuỗi cung ứng.

Điểm tập trung kỹ thuật chính: tự động hóa linh hoạt xử lý biến động công nghiệp thực tế thay vì chỉ các công việc lắp ráp cố định. Buổi trình diễn nhấn mạnh các quy trình an toàn và các chỉ số năng suất trong các môi trường không có cấu trúc.

CEO Leo Ma đã tham gia một buổi tọa đàm về sự hợp tác giữa con người và máy móc trong các môi trường công nghiệp, thảo luận về khoảng cách giữa các buổi trình diễn trong phòng thí nghiệm và việc triển khai sản xuất thực tế - một điểm tắc nghẽn quan trọng mà hầu hết các công ty robot gặp phải.

Điều quan trọng ở đây: RoboForce đang định vị TITAN là có thể triển khai NGAY bây giờ vào năm 2026, không phải là hàng ảo. Họ đang nhắm đến các trường hợp sử dụng mà tự động hóa cố định truyền thống thất bại: chuỗi cung ứng động, dòng sản phẩm hỗn hợp, và các môi trường yêu cầu hành vi thích ứng.

Cược đặt cược: robot công nghiệp đa mục đích có thể được cấu hình lại mà không cần lập trình lại nhiều. Nếu các tuyên bố triển khai của họ giữ vững đến năm 2026, điều này thực sự có thể thúc đẩy việc áp dụng lực lượng lao động robot vượt ra ngoài sản xuất ô tô và điện tử. 🤖⚙️

BNB Chain vừa cho ra mắt một bản nâng cấp testnet mã hóa sau lượng tử—đây là một bước tiến lớn cho độ bền vững của hạ tầng blockchain.

Phân tích kỹ thuật:
• ML-DSA-44 (chế độ ký dựa trên lưới tiêu chuẩn FIPS 204) thay thế ECDSA để ký giao dịch
• pqSTARK xử lý lớp đồng thuận—hệ thống chứng minh kháng lượng tử
• Tương thích ngược với ví EVM hiện tại và định dạng địa chỉ (không có cơn ác mộng di chuyển)

Sự đánh đổi thì khắc nghiệt nhưng đã được dự đoán:
• Tăng kích thước chữ ký: 65 byte → 2,420 byte (tăng 37 lần)
• Giảm TPS: ~40% hiệu suất do kích thước payload giao dịch lớn hơn
• Chi phí phát tán và lưu trữ khối tăng vọt

Điều này xác nhận rằng quá trình chuyển đổi mã hóa cốt lõi là khả thi, nhưng việc triển khai sản xuất cần tối ưu hóa lớp dữ liệu một cách nghiêm túc. Thách thức kỹ thuật thực sự bây giờ là nén kích thước chứng minh hoặc triển khai kiểu gộp để phục hồi băng thông đã mất.

Thời gian lượng tử vẫn đang được tranh luận, nhưng các chuỗi thử nghiệm PQC bây giờ đang làm điều thông minh—bạn không muốn hoảng hốt khi các ước tính của NIST bắt đầu dịch chuyển sang trái.

Sự triển khai vốn lớn sắp tới cho cơ sở hạ tầng khí tự nhiên trên ba lĩnh vực: nhà xuất khẩu, mạng lưới đường ống và công suất sản xuất. DOE và FERC nắm giữ chìa khóa quy định—những nút thắt trong việc cấp phép sẽ định hình những người chiến thắng.

Tiền thông minh đang theo dõi những thay đổi chính sách và mô hình phân bổ vốn. Lợi thế người tiên phong thuộc về các nhà điều hành nhà xuất khẩu LNG và các tư vấn cấp phép có thể điều hướng quy trình phê duyệt phức tạp của FERC.

Đây không phải là đầu cơ—đây là chênh lệch cơ sở hạ tầng. Khi cánh cửa quy định mở ra, hàng tỷ sẽ đổ vào tài sản vật chất với các dòng doanh thu từ 20-30 năm. Câu hỏi không phải là liệu có hay không, mà là dự án nào sẽ vượt qua các đánh giá NEPA trước và đảm bảo hợp đồng mua lại.

Nếu bạn đang xây dựng trong lĩnh vực công nghệ năng lượng hoặc tài chính cơ sở hạ tầng, bây giờ là thời điểm để lập bản đồ quy trình phê duyệt và xác định dự án nào đã có đánh giá môi trường đang trong quá trình. Thời gian dẫn cấp phép ít nhất là 18-36 tháng—những ai nộp đơn sớm sẽ nắm bắt được con sóng.