从历史来看 401(k) 养老金引入 Crypto 资产

深潮Publié le 2025-08-10Dernière mise à jour le 2025-08-11

养老金买入加密资产相当于“囤币”,等于另外一个“加密资产战略储备”。

撰文:陈默 cmDeFi

2025 年 8 月 7 日,美国总统唐纳德·特朗普签署了一项行政令,允许 401(k) 退休储蓄计划投资更多元化的资产,包括私募股权、房地产以及首次引入的加密资产。

这一政策就像字面上看到的那样,很好解读

  • 为加密市场提供「国家级别」背书,释放推动加密市场成熟的信号。

  • 养老金拓展多元化投资和回报,但引入了更高波动和风险。

在加密领域,这已经足以载入史册。

纵观 401(k) 的发展历程,其关键转折点是在大萧条时期通过养老金改革允许投资股票。尽管历史和经济背景各异,这一变化与当前引入加密资产的趋势有着诸多相似之处。

1/6 · 大萧条前的养老金体系

20 世纪初至 1920 年代,美国的养老金主要以固定收益计划(Defined Benefit Plan)为主,雇主承诺为员工提供退休后稳定的月度养老金。这种模式源于 19 世纪末的工业化进程,旨在吸引和留住劳动力。

这个阶段养老金资金的投资策略高度保守。当时的主流观念认为,养老金应追求安全性而非高收益,受「法律清单」(Legal List)法规限制,主要被限定在政府债券、优质公司债券和市政债券等低风险资产。

这种保守策略在经济繁荣期运行顺利,但也限制了潜在回报。

2/6 · 大萧条的冲击与养老金危机

1929 年 10 月的华尔街股灾标志着大萧条的开端,道琼斯指数从峰值下跌近 90%,引发全球经济崩溃。失业率飙升至 25%,无数企业破产。

虽然养老金基金当时极少投资股票,但危机仍通过间接渠道打击它们。许多雇主企业倒闭,无法履行养老金承诺,导致养老金支付中断或缩减。

这引发了公众对雇主和政府养老金管理能力的质疑,推动了联邦干预。1935 年,《社会保障法》(Social Security Act)出台,建立全国性养老金体系,但私营和公共养老金仍由地方主导。

监管者强调,养老金应避免股票等「赌博」资产。

......

转折开始:危机后经济复苏缓慢,债券收益率开始下降(部分因联邦税收扩张),这为后续变革埋下种子。此时收益率不足的情况逐渐显现,难以覆盖承诺的回报。

3/6 · 后大萧条时期的投资转向与争议

大萧条结束后,特别是二战期间和战后(1940s-1950s),养老金投资策略开始缓慢演变,从保守债券转向包括股票在内的权益资产。这一转变并非一帆风顺,而是伴随着激烈争议。

战后经济复苏,但市政债券市场停滞,收益率降至 1.2% 低点,无法满足养老金的担保回报。公共养老金面临「赤字支付」压力,纳税人负担加重。

同时,私人信托基金开始采用「谨慎人规则」(Prudent Man Rule),该规则源于 19 世纪的信托法,但 1940s 被重新诠释为只要整体「谨慎」,就允许其进行多元化投资以追求更高回报。这一规则最初适用于私人信托,但逐步开始影响公共养老金。

1950 年,纽约州率先部分采纳谨慎人规则,允许养老金投资高达 35% 的权益资产(如股票)。这标志着从「法律清单」向灵活投资的转变。其他州跟进,如北卡罗来纳州在 1957 年授权投资公司债券,并在 1961 年允许 10% 股票配置,到 1964 年增至 15%。

这一改变引发了较大争议,反对者(主要是精算师和工会)认为,股票投资重蹈 1929 年股灾覆辙,将退休资金置于市场波动风险中。媒体和政治家称其为「拿工人血汗钱赌博」,担心经济 downturn 时养老金崩盘。

为缓和争议,投资比例被严格限制(初始不超过 10-20%),并优先投资「蓝筹股」。后面的一段时间,受益于战后牛市,争议逐渐消失,证明了其回报潜力。

4/6 · 后续发展与制度化

到 1960 年,公共养老金非政府证券占比超 40%。纽约州市政债券持有率从 1955 年的 32.3% 降至 1966 年的 1.7%。这一转变减少了纳税人负担,但也使养老金更依赖市场。

1974 年《雇员退休收入保障法》(ERISA)出台,将谨慎投资者标准应用于公共养老金,尽管初期争议,股票投资最终被接受,但也暴露出一些问题,如 2008 年危机中养老金损失惨重,重燃类似辩论。

5/6 · 信号释放

当前 401(k) 引入加密资产与之前引入股票投资的争议高度相似,两者均涉及从保守投资向高风险资产的跃迁。显然加密资产目前的成熟度更低而波动性更高,这可视为一种更为激进的养老金改革,从这里也释放出一些信号。

加密资产的推广、监管、教育都将前进一个等级,以辅助人们对这类新兴资产的接纳程度、风险意识。

从市场层面来说,股票纳入养老金计划在美股的长牛态势中受益, 加密资产要复制这条路也必须走出稳定向上的市场。同时,由于 401(k) 资金相当于被锁定,

养老金买入加密资产相当于「囤币」,等于另外一个「加密资产战略储备」。

无论从哪个层面来解读,这对于 Crypto 都是巨大的利好。

以下为资料补充,专业人士可跳过

6/6 · 附 - 401(k) 的含义与具体运作机制

401(k) 是美国《国内税收法典》第 401(k) 条下的一种雇主赞助的退休储蓄计划,1978 年首次引入。它允许员工通过税前工资(或税后工资,视具体计划而定)存入个人退休账户,用于长期储蓄和投资。

401(k) 是一种「固定缴款计划」(Defined Contribution Plan),与传统的「固定收益计划」(Defined Benefit Plan)不同,其核心在于员工和雇主共同供款,投资收益或损失由员工个人承担。

6.1 供款

员工可以从每期工资中扣除一定比例作为 401(k) 供款,存入个人账户。雇主提供「匹配供款」,即根据员工供款的一定比例追加资金,匹配金额视雇主政策而定,非强制性。

6.2 投资

401(k) 不是单一基金,而是一个由员工控制的个人账户,资金可投资于雇主预设的「菜单」选项。常见包括:标普 500 指数基金、债券基金、混合配置基金等。2025 年行政令允许加入私募股权、房地产和加密资产。

员工需从菜单中选择投资组合,或接受默认选项。雇主只提供选项,不负责具体投资。

  • 收益归属:投资收益完全归员工所有,无需与雇主或他人分享。

  • 风险承担:若市场下跌,损失由员工自行承担,无兜底机制。

Lectures associées

Trois ans plus tard : Retour sur mon jugement de 2023 concernant ChatGPT

Trois ans après ses prédictions sur ChatGPT en mars 2023, Wang Jianshuo revient sur ses vingt affirmations initiales, évaluées en mai 2026 par des agents IA. Sur les vingt points, la majorité des tendances de fond étaient correctes : l'essor du RAG comme architecture dominante pour l'injection de connaissances, le rôle central de l'interface utilisateur en langage naturel (LUI), l'émergence de protocoles pour un "réseau d'agents", et le rattrapage technologique rapide des modèles chinois. Des erreurs notables portent sur des chiffres précis, comme les 100 billions de paramètres supposés de GPT-4 (en réalité environ 1,8 billion) ou une estimation trop basse des coûts de formation des grands modèles. Certaines prévisions se sont révélées trop absolues ("l'IA ne fera jamais de mathématiques pures") ou ont négligé les disparités (aucune vague de chômage massif, mais un impact sévère sur les jeunes diplômés). L'analyse révèle que les intuitions sur les mécanismes et les directions se sont avérées bien plus fiables que les prédictions numériques ou temporelles, souvent trop optimistes à court terme. La prudence dans les formulations et la reconnaissance des incertitudes se sont montrées précieuses avec le recul. Ce bilan offre des leçons pour les futurs pronostics : privilégier les tendances aux chiffres, anticiper les effets distributifs et accepter que certaines questions demandent plus de trois ans pour être tranchées.

marsbitIl y a 2 h

Trois ans plus tard : Retour sur mon jugement de 2023 concernant ChatGPT

marsbitIl y a 2 h

Trois ans plus tard : un retour sur mes prédictions de 2023 concernant ChatGPT

Trois ans après ses prédictions sur le ChatGPT en mars 2023, Wang Jianshuo revient sur ses 20 affirmations initiales. Évaluées en mai 2026 par des agents IA, la plupart de ses intuitions sur les grandes tendances se sont révélées justes : le RAG est devenu l'architecture standard pour intégrer des connaissances, l'Interface Utilisateur en Langage Naturel (LUI) a créé un nouvel écosystème, et les modèles chinois ont presque rattrapé les leaders mondiaux. Des concepts comme les réseaux d'agents et la nature limitée du test de Turing se sont également matérialisés. Cependant, les prévisions quantitatives et les affirmations trop absolues ont souvent échoué. Le paramétrage supposé du GPT-4 (100T) était inexact, et les coûts de développement des modèles ont dépassé les estimations. Il a sous-estimé la vitesse de personnalisation des IA et l'impact distribué sur l'emploi des jeunes. La capture de valeur a surtout bénéficié à la couche matérielle (comme Nvidia), et non aux seules applications. Les leçons clés sont que les mécanismes et les directions sont plus fiables que les chiffres précis, que l'optimisme à court terme doit être tempéré, et que les nuances ("peut-être", "pour l'instant") rendent les prédictions plus robustes. Cette rétrospective souligne l'importance de distinguer les tendances confirmées des questions toujours ouvertes.

链捕手Il y a 5 h

Trois ans plus tard : un retour sur mes prédictions de 2023 concernant ChatGPT

链捕手Il y a 5 h

Du Token à la main-d'œuvre machine : l'IA passe d'outil à « travailleur »

Alors que l'IA écrit du code, traite des tickets clients et révise des documents juridiques, elle ne se contente plus d'être un outil mais devient une source directe de travail. La commercialisation de l'IA évolue ainsi d'un marché de « jetons » (tokens) ou d'heures de GPU vers un nouveau marché : celui de la « main-d'œuvre machine ». Dans ce marché, le jeton n'est qu'une unité de mesure, le GPU un intrant, et le modèle un outil de production. L'objet véritablement tarifé et échangé est le travail économique accompli directement par le logiciel. Le mécanisme de prix de l'IA devrait évoluer des jetons bruts vers des capacités de modèles standardisées, puis vers une main-d'œuvre sectorielle, et enfin vers un marché de résultats programmables. À l'avenir, les entreprises pourraient ne plus se soucier du modèle ou du GPU spécifique utilisé, mais uniquement du fait que la tâche soit livrée dans des délais, avec un taux de précision, une fiabilité et un coût conformes aux standards. Ce changement ne signifie pas un simple remplacement du travail humain. Alors que la machine assume des tâches standardisées et vérifiables, le rôle humain pourrait se déplacer vers la supervision, la responsabilité finale, la gestion du contexte et les jugements critiques. Dans certains cas, les 1% de jugement humain final pourraient gagner en valeur, car ils permettent de débloquer les 99% d'automatisation à grande échelle. Le marché évolue donc vers une couche où le « travail » lui-même devient l'unité stable, standardisée, vérifiable et négociable. La prochaine phase de concurrence ne portera pas seulement sur la puissance des modèles ou le prix du calcul, mais sur la capacité à standardiser, vérifier et tarifer le « travail » accompli, faisant de la main-d'œuvre machine une nouvelle ressource productive que l'on peut acheter, facturer et échanger.

marsbitIl y a 6 h

Du Token à la main-d'œuvre machine : l'IA passe d'outil à « travailleur »

marsbitIl y a 6 h

La réduction de 99% du prix de Xiaomi MiMo n'est pas un coup marketing ! Luo Fuli répond aux détracteurs sur X

Dans un article intitulé "La réduction de 99% du prix de MiMo de Xiaomi n'est pas du marketing ! Luo Fuli répond aux détracteurs sur X", Luo Fuli, responsable de MiMo, a publié un billet de blog technique de 5000 mots pour expliquer la baisse drastique des prix de l'API MiMo-V2.5. Contrairement aux interprétations initiales d'une guerre des prix ou d'une stratégie de perte, cette réduction de 99% concerne spécifiquement le coût des entrées en cache ("Input Cache Hit"), c'est-à-dire la relecture du contexte historique dans les conversations longues. Le billet détaille six piliers d'ingénierie ayant permis cette réduction : 1. **Architecture Hybride SWA** : Réduction du volume de la mémoire cache (KVCache) à 1/7 grâce à une attention par fenêtre glissante sur 60 des 70 couches du modèle. 2. **Gestion en double pool** : Allocation efficace de la mémoire pour matérialiser les gains théoriques du SWA, multipliant par 5 le nombre d'utilisateurs simultanés par GPU. 3. **Cache de préfixe optimisé** : Augmentation du taux de réussite du cache à 93-95% en moyenne, évitant de recalculer les contextes répétés. 4. **Système de cache distribué GCache** : Stockage des données sur les SSD des machines GPU existantes, réduisant les coûts de stockage additionnels à zéro. 5. **Système de routage LLM-Router** : Optimisation de l'acheminement des requêtes pour maximiser l'utilisation du cache et améliorer les performances. 6. **Prédiction Multi-Token (MTP)** : Accélération de la génération des réponses du modèle, réduisant également les coûts de sortie. Cette chaîne d'optimisations systémiques a réduit le temps GPU par requête d'un ordre de grandeur, permettant une baisse de prix de 99% tout en maintenant une marge positive. Luo Fuli souligne qu'il s'agit d'un accomplissement d'ingénierie validé en production, et non d'une simple manœuvre marketing, offrant une référence pour réduire les coûts dans le secteur de l'IA.

marsbitIl y a 8 h

La réduction de 99% du prix de Xiaomi MiMo n'est pas un coup marketing ! Luo Fuli répond aux détracteurs sur X

marsbitIl y a 8 h

Analyse rétrospective des opérations magistrales de Cathie Wood sur Circle

Cathy Wood (ARK) a réalisé une opération exemplaire sur l'action Circle, démontrant une maîtrise des mouvements de marché à court terme malgré son approche d'investissement habituellement tournée vers le très long terme. Elle a d'abord acquis près de 4,5 millions d'actions au prix d'introduction de 31 dollars, profitant ainsi de l'envolée initiale due à une faible offre flottante et une forte demande. Lorsque le titre a été propulsé à près de 300 dollars en juin 2025, porté par l'adoption du projet de loi sur les stablecoins (GENIUS Act), Wood a systématiquement vendu par tranches environ 1,7 million d'actions à un prix moyen d'environ 210 dollars, réalisant ainsi des plus-values substantielles. Cette décision était motivée à la fois par des règles internes de rééquilibrage de portefeuille et par l'anticipation de l'augmentation future de l'offre d'actions. Par la suite, face à la chute de l'action (jusqu'à -83% depuis son pic), Wood a racheté progressivement sa position initiale à des prix bien inférieurs (entre environ 50 et 130 dollars), portant son portefeuille à nouveau à environ 4,5 millions d'actions fin mars 2026. L'opération illustre trois principes clés : une conviction forte sur le modèle économique à long terme de Circle (stablecoin USDC), une exécution disciplinée par tranches sans chercher à prédire les sommets ou les creux, et le respect strict de règles de gestion des risques limitant le poids d'un titre dans le portefeuille.

marsbitIl y a 12 h

Analyse rétrospective des opérations magistrales de Cathie Wood sur Circle

marsbitIl y a 12 h

Trading

Spot
Futures
活动图片