¿Las Criptomonedas Llegan al Capitolio? Virginia Occidental Propone Proyecto de Ley de Inversión Estatal

bitcoinistPublicado a 2026-01-16Actualizado a 2026-01-16

Resumen

Los legisladores de Virginia Occidental han propuesto el "Proyecto de Ley de Protección contra la Inflación" (SB 143), que permitiría al estado invertir hasta un 10% de sus fondos del tesoro en activos no tradicionales como oro, plata, stablecoins aprobadas y criptomonedas con una capitalización de mercado superior a 750.000 millones de dólares. Actualmente, solo Bitcoin cumpliría este requisito. El proyecto busca diversificar las reservas estatales y proteger contra la inflación, permitiendo opciones de custodia directa o a través de productos cotizados. Los críticos advierten sobre la volatilidad y los riesgos fiduciarios. La propuesta será revisada por el Comité de Banca y Seguros antes de cualquier votación.

Los legisladores de Virginia Occidental han dado un paso hacia permitir que el estado destine una parte de su efectivo a oro, stablecoins y criptomonedas de gran capitalización. El Proyecto de Ley del Senado 143, presentado el 15 de enero de 2026, se denomina Ley de Protección contra la Inflación y fue presentado por el Senador Estatal Chris Rose.

Detalles de la Ley de Protección contra la Inflación

Según la propuesta, la Junta del Tesoro Estatal podría destinar hasta un 10% de ciertas cuentas del tesoro a una lista limitada de activos no tradicionales.

Esos activos incluirían metales preciosos como el oro y la plata, stablecoins aprobados por los reguladores y monedas digitales que cumplan con un requisito de capitalización de mercado muy alto. El proyecto de ley establece ese umbral en 750.000 millones de dólares promediados durante el año calendario anterior.

La Puerta de la Capitalización de Mercado es Estrecha

Según los informes, solo las criptomonedas más grandes superarían esa barrera. En este momento, eso deja efectivamente a Bitcoin como el único activo digital calificado, dado el requisito de 750.000 millones de dólares. Esta elección se enmarcó como una forma de limitar la exposición a tokens volátiles o marginales.

Cómo el Estado Podría Mantener Estos Activos

El proyecto de ley no exige un único modelo de custodia. En cambio, permite al tesoro mantener metales o criptoactivos directamente, utilizar productos cotizados en bolsa u otras configuraciones de custodia aprobadas. El lenguaje también contempla herramientas como el staking o los ETP como opciones para generar rendimientos, pero adjunta reglas destinadas a reducir los riesgos operativos y de seguridad.

Un Cambio de Política a Nivel Estatal

Rose y sus partidarios presentan la medida como una cobertura contra la inflación y una forma de diversificar las reservas más allá de los bonos y el efectivo. Es probable que los opositores presionen sobre el deber fiduciario, la volatilidad y los riesgos de adoptar activos con fluctuaciones rápidas de precios.

El debate se enmarca en una tendencia más amplia: varios estados de EE. UU. han estado explorando formas de crear reservas estratégicas que incluyan metales preciosos o criptoactivos.

Qué Sucede Después

El SB 143 ha sido asignado al Comité de Banca y Seguros, y se espera una revisión adicional antes de cualquier votación. Los legisladores sopesarán las salvaguardas técnicas, las reglas de informes, y cómo auditar y asegurar las tenencias antes de avanzar en la medida.

Si se implementa, el plan permitiría a Virginia Occidental destinar una porción modesta y limitada (10%) de los fondos calificados a un conjunto reducido de activos destinados a preservar el poder adquisitivo.

Los partidarios argumentan que es un experimento cauteloso; los críticos dicen que el perfil de riesgo de las criptomonedas aún exige cuidado. De cualquier manera, la propuesta forzará una discusión política detallada en Charleston sobre cómo se debe administrar el dinero público cuando hay nuevas herramientas financieras sobre la mesa.

Imagen destacada de Corcoran, gráfico de TradingView

Preguntas relacionadas

Q¿Qué propone el Proyecto de Ley 143 del Senado de Virginia Occidental?

AEl Proyecto de Ley 143, conocido como Ley de Protección contra la Inflación, propone permitir que la Junta del Tesoro del Estado invierta hasta un 10% de ciertas cuentas del tesoro en activos no tradicionales como oro, plata, stablecoins aprobados y criptomonedas de gran capitalización de mercado.

Q¿Cuál es el umbral de capitalización de mercado que debe superar una criptomoneda para calificar según el proyecto de ley?

AEl proyecto de ley establece un umbral de 750 mil millones de dólares, calculado como el promedio del año calendario anterior. Actualmente, solo Bitcoin cumpliría con este requisito.

Q¿De qué maneras podría el estado poseer estos activos según la propuesta?

ALa propuesta permite que el tesoro posea los metales o criptoactivos directamente, utilice productos cotizados en bolsa (ETPs) u otras configuraciones de custodia aprobadas. También contempla el uso de herramientas como el staking para generar rendimientos, con reglas para reducir riesgos operativos y de seguridad.

Q¿Cuáles son los argumentos principales de los partidarios y opositores de esta ley?

ALos partidarios, como el Senador Chris Rose, lo presentan como una cobertura contra la inflación y una forma de diversificar las reservas más allá de los bonos y el efectivo. Los opositores probablemente cuestionarán el deber fiduciario, la volatilidad y los riesgos de adoptar activos con fluctuaciones de precios rápidas.

Q¿Cuál es el siguiente paso para el Proyecto de Ley 143?

AEl proyecto de ley ha sido asignado al Comité de Banca y Seguros, donde se espera una revisión adicional. Los legisladores evaluarán salvaguardas técnicas, normas de información, y cómo auditar y asegurar las tenencias antes de avanzar con la medida.

Lecturas Relacionadas

¿Rubin Ultra recorta especificaciones? ¿Ni siquiera NVIDIA puede soportar el aumento del precio de la memoria?

El informe de SemiAnalysis ha desencadenado un intenso debate en la industria de la IA al revelar posibles ajustes importantes en las especificaciones de Rubin Ultra, la próxima GPU flagship de NVIDIA para IA. Según el informe, Rubin Ultra mantendría el mismo pico teórico de potencia computacional (35 PFLOPs) que Rubin, pero sufriría una reducción significativa en la memoria: se especificaría con 192GB HBM apilado en 8 capas (8-Hi), incluso menos que los 288GB (12-Hi) de Rubin. El ancho de banda de memoria solo aumentaría ligeramente (1 TB/s), y el consumo energético sería similar o ligeramente superior. La mejora principal se centraría en la capacidad de interconexión a escala, soportando clusters de hasta 576 GPUs unidas mediante NVLink (frente a 72 en Rubin), creando un "super-GPU lógico". La causa principal de esta revisión sería el rápido aumento del precio de la memoria HBM, cuyo costo se habría triplicado desde 2025, impactando fuertemente el costo total de los sistemas. Al reducir la cantidad de HBM (bajando su participación en el costo del ~40% al ~28%) e invertir más en la interconexión (subiendo del 4% al 12%), NVIDIA optimizaría la relación costo-rendimiento del sistema completo. Esta noticia provocó una caída de aproximadamente el 8% en las acciones de los principales fabricantes de HBM, SK Hynix y Samsung, reflejando la preocupación del mercado sobre un posible punto de inflexión en la demanda de memoria de alta gama por parte del mayor comprador, NVIDIA, y el fin de una era de expansión sin restricciones en la infraestructura de IA.

Odaily星球日报Hace 9 min(s)

¿Rubin Ultra recorta especificaciones? ¿Ni siquiera NVIDIA puede soportar el aumento del precio de la memoria?

Odaily星球日报Hace 9 min(s)

¿Los modelos generativos también pueden entrenarse de extremo a extremo? El núcleo es un bucle for

El entrenamiento de modelos generativos siempre ha sido un reto debido a la "desviación por exposición" (exposure bias): durante el entrenamiento solo se aprenden pequeños pasos, mientras que la generación requiere cientos de iteraciones, lo que causa acumulación de errores. Esto ha impedido que los modelos generativos sean entrenados de extremo a extremo (end-to-end), a diferencia de otras tareas de aprendizaje profundo. Un reciente artículo de la Universidad de Illinois y Harvard introduce "Explorative Modeling (XM)", un nuevo paradigma que resuelve este problema mediante un bucle simple (for). La idea clave es que, en cada paso de entrenamiento, el modelo genera K candidatos y solo retropropaga el gradiente a partir del candidato más cercano a los datos reales. Este enfoque evita que el modelo converja a un promedio borroso entre múltiples modos (mode blurring), un problema inherente a las funciones de pérdida de reconstrucción típicas. XM identifica una tercera dimensión escalable, además de los parámetros y los datos: la "expresividad generativa". Los experimentos en imágenes, video y lenguaje muestran que aumentar la exploración (K) mejora monótonamente el rendimiento, con ganancias de eficiencia en FLOPs, muestras y parámetros. En tareas de control robótico, una política exploratoria XM iguala o supera a políticas de difusión que requieren 100 veces más cómputo en inferencia. El trabajo sugiere que, a gran escala, la expresividad generativa se convierte en el cuello de botella principal, y XM ofrece un camino para modelos generativos verdaderamente end-to-end, generando muestras de alta calidad en una sola pasada hacia adelante.

marsbitHace 1 hora(s)

¿Los modelos generativos también pueden entrenarse de extremo a extremo? El núcleo es un bucle for

marsbitHace 1 hora(s)

¿Máximo de 20 artículos por persona? La nueva norma de ICLR recibe una «petición» sarcástica de un investigador de DeepMind

Un investigador de DeepMind satiriza la nueva norma de ICLR que limita a 20 artículos por autor. La conferencia de IA ICLR 2027 ha establecido una nueva regla: cada autor solo puede figurar en un máximo de 20 trabajos enviados. Los que excedan este límite serán advertidos y, de no corregirse, algunos serán rechazados aleatoriamente. La justificación es la enorme presión sobre el sistema de revisión, tras un aumento del 68% en los envíos para ICLR 2026 (19,525 trabajos). Dan Roy, investigador de Google DeepMind, respondió con una "petición" irónica en X, pidiendo que se elimine el límite. Su mensaje, cargado de sarcasmo, sugiere que los agentes de IA ahora pueden producir investigaciones incrementales y que, "dado que todo el trabajo de revisión ya lo hacen los grandes modelos de lenguaje", debería animarse a enviar más trabajos, no menos. Su sátira apunta a un problema real: el uso de IA tanto en la autoría como en la revisión. Un análisis de 2025 detectó que aproximadamente el 21% de las revisiones de ICLR 2026 eran probablemente generadas completamente por IA. La broma de Roy plantea una pregunta seria: en un entorno donde agentes generan artículos, autores los envían en masa y revisores potencialmente usan IA, ¿limitar el número de envíos es la solución adecuada? El debate sobre la calidad versus la cantidad, y el papel de la IA en la academia, continúa.

marsbitHace 1 hora(s)

¿Máximo de 20 artículos por persona? La nueva norma de ICLR recibe una «petición» sarcástica de un investigador de DeepMind

marsbitHace 1 hora(s)

Trading

Spot
活动图片