Малайзия борется с незаконной добычей биткоинов

cryptonews.ruPublicado a 2024-05-26Actualizado a 2024-08-26

По решению суда 19 августа власти Малайзии уничтожили 985 машин для майнинга биткоинов на сумму около 452 500 долларов. Машины, изъятые в ходе правоохранительных операций с 2022 по апрель 2023 года, были раздавлены паровым катком в районе Перак Тенга.

Это действие было предпринято после ареста семи человек, вовлеченных в незаконные операции по добыче биткоинов, которые предположительно крали электроэнергию для обеспечения своей деятельности. Подозреваемые были задержаны отдельно на прошлой неделе, в том числе трое местных жителей и четверо иностранных граждан.

Начальник полиции округа Сепанг ACP Ван Камарул Азран Ван Юсоф заявил, что у этих лиц ранее не было судимостей, но их незаконная деятельность нанесла значительный ущерб стране. По оценкам властей, Малайзия потеряла целых 3,4 миллиарда малайзийских ринггитов (757 миллионов долларов) в период с 2018 по 2023 год из-за кражи электроэнергии, связанной с майнингом биткоина.

Власти Малайзии конфисковали незаконные установки для майнинга биткоинов. Источник: MalayMail

Заместитель министра энергетики и водных ресурсов Акмаль Насрулла Мохд Насир подчеркнул растущую распространенность этой проблемы. Он подчеркнул пагубное влияние кражи электроэнергии для криптодобычи на Tenaga Nasional Berhad (TNB) и страну в целом.

“Кража электроэнергии теми, кто майнит криптовалюту, происходит потому, что они считают, что эта деятельность не может быть обнаружена из-за отсутствия счетчиков в их помещениях. Однако у энергоснабжающих компаний есть различные методы для обнаружения необычного потребления энергии в том или ином районе ”, - сказал Насир.

Lecturas Relacionadas

ARK hace grandes compras de acciones relacionadas con criptomonedas: ¿Menos riesgo o doble presión?

ARK Invest de Cathie Wood compró acciones de empresas cripto por valor de 77 millones de dólares en junio, aumentando su exposición a Coinbase, Circle y Bullish durante una fuerte caída de Bitcoin. La tesis de inversión tradicional sugiere que estas acciones ofrecen una vía regulada para ganar exposición al sector. Sin embargo, un análisis de datos revela que estas acciones presentan una volatilidad significativamente mayor (68%-90%) en comparación con Bitcoin (37.6%). Además, su correlación con el precio de Bitcoin es a menudo baja (0.55-0.58 para algunas), lo que significa que los inversores asumen tanto el riesgo del precio de la criptomoneda como riesgos empresariales específicos, como competencia, resultados financieros o dilución de acciones. MicroStrategy (MSTR) es la excepción, actuando esencialmente como un sustituto apalancado de Bitcoin (beta de 1.59, correlación de 0.85). Otras empresas como Circle, cuya acción se desplomó tras el lanzamiento de un rival estable, o Robinhood, cuyo negocio principal es la intermediación general, muestran perfiles de riesgo muy diferentes e influenciados por factores ajenos a las criptomonedas. Las mineras, por el contrario, han subido gracias a su pivote hacia los servicios de computación para IA. El caso de Strategy ilustra los riesgos adicionales de la estructura de capital, donde la relación valor/activo neto cayó por debajo de 1, forzando posibles ventas de Bitcoin para obtener liquidez. En resumen, invertir en acciones cripto no necesariamente reduce el riesgo; a menudo amplifica la volatilidad o añade riesgos empresariales independientes al ciclo de los precios de los activos digitales.

Foresight NewsHace 24 min(s)

ARK hace grandes compras de acciones relacionadas con criptomonedas: ¿Menos riesgo o doble presión?

Foresight NewsHace 24 min(s)

Karpathy lanza su última crítica: una frase silenció a todos los desarrolladores de Agent

Andrej Karpathy, destacado investigador de Anthropic, ha expresado una crítica contundente hacia el frenesí actual en el desarrollo de Agentes de IA. En una reciente presentación, afirmó que el mayor error en el campo es la prisa por forzar a los Agentes a realizar tareas sin comprender primero a fondo los modelos de lenguaje subyacentes. Basándose en su experiencia en un proyecto fallido de 2016, Karpathy subraya que la tecnología de entonces (como el aprendizaje por refuerzo) no estaba preparada, y que el enfoque correcto hubiera sido priorizar la investigación en modelos de lenguaje. Ofrece tres consejos clave: primero, centrarse en mejorar los modelos base antes que en las capacidades de los Agentes. Segundo, reconocer que crear un prototipo es fácil, pero desarrollar un producto viable puede llevar una década, como en los casos de la conducción autónoma o la realidad virtual. Tercero, los Agentes no son el producto en sí, sino que emergerán naturalmente una vez que se consolide la base. Karpathy también propone buscar inspiración en la neurociencia, analizando estructuras cerebrales como el hipocampo o los ganglios basales para comprender mejor la inteligencia. Finalmente, envía un mensaje alentador a desarrolladores independientes y emprendedores: en la frontera de las capacidades de los Agentes, son ellos, y no los grandes laboratorios como OpenAI o DeepMind, quienes llevan la delantera, ya que este es un territorio nuevo donde la agilidad y la experimentación valen más que la experiencia acumulada. Su crítica no es desalentar el trabajo en Agentes, sino instar a construir sobre cimientos sólidos para un progreso real y duradero.

marsbitHace 24 min(s)

Karpathy lanza su última crítica: una frase silenció a todos los desarrolladores de Agent

marsbitHace 24 min(s)

Gu Yuxian, ganador del premio especial de Tsinghua, se une a DeepSeek

Recientemente, DeepSeek ha iniciado una intensa campaña de contratación. En paralelo, se ha observado que **Yuxian Gu**, doctorando de la Universidad de Tsinghua y ganador del Premio Especial para Estudiantes de Posgrado 2025, figura entre los autores del artículo de investigación de DeepSeek V4, lo que confirma su incorporación oficial a la empresa. Gu, quien también ha recibido becas de Apple y Ant Group, es doctorando en el Departamento de Ciencias de la Computación de Tsinghua, bajo la supervisión del profesor Minlie Huang. Su investigación se centra en mejorar la eficiencia a lo largo de todo el ciclo de vida de los grandes modelos de lenguaje (LLM), abarcando tres áreas principales: 1. **Selección de datos para preentrenamiento**: Desarrollo de teorías y algoritmos para optimizar la selección de datos, con trabajos representativos como PDS e Instruction Pre-training. 2. **Destilación de conocimiento en compresión de modelos**: Diseño de métodos para transferir conocimiento de modelos grandes a otros más pequeños y desplegables, siendo MiniLLM su trabajo más destacado. 3. **Arquitecturas de modelos eficientes**: Exploración de nuevos diseños arquitectónicos que reduzcan costes computacionales, como se demuestra en Jet-Nemotron. Con casi 5000 citas en Google Scholar y múltiples publicaciones como primer autor en conferencias de primer nivel (NeurIPS, ICLR, ACL), el trabajo de Gu ha tenido un impacto significativo. Su modelo Jet-Nemotron, por ejemplo, supera en rendimiento a otros modelos de atención completa de vanguardia con un notable aumento de eficiencia. Asimismo, su método de destilación MiniLLM ha sido adoptado por empresas líderes como Google y NVIDIA. Se espera que su incorporación a DeepSeek contribuya al desarrollo de nuevos avances en el campo de la IA.

marsbitHace 50 min(s)

Gu Yuxian, ganador del premio especial de Tsinghua, se une a DeepSeek

marsbitHace 50 min(s)

Trading

Spot
活动图片