Eric Trump Explains Family’s Pro-Crypto Shift, Cites ‘Fragile’ Financial System

bitcoinistPublié le 2025-08-26Dernière mise à jour le 2025-08-26

Résumé

US President Donald Trump’s son, Eric Trump, has shared some insight into his shift to the crypto industry, the problems...

Trusted Editorial content, reviewed by leading industry experts and seasoned editors. Ad Disclosure

US President Donald Trump’s son, Eric Trump, has shared some insight into his shift to the crypto industry, the problems with the traditional financial system, and how it was “weaponized” against the Trump family businesses.

Trump Family Pushed Into Crypto

In a recent interview with The Wall Street Journal, Eric Trump detailed how financial institutions “made him” embrace the crypto industry, explaining that after the January 6, 2021, riot at the US Capitol, several banks cut the Trump family off.

Trump shared that hundreds of accounts for the family’s business were shut down without an explicit reason, leaving the Trump Organization “debanked” and “scattering millions across accounts at regional banks before eventually migrating to a new bank,” which he did not name.

“At that time, I realized how fragile the financial system was and how easily it could be weaponized against you,” he affirmed, arguing that the decisions were likely political, leading him to turn to the crypto industry.

According to the interview, Eric Trump, executive vice president at the Trump Organization, began warming up to the industry during his father’s second presidential campaign, as he became aware of the struggles of crypto companies with banking services.

Previously, he told CNBC that being “the most canceled company, probably on Earth,” is what drove the Trump family towards crypto, explaining that his entry into the industry wasn’t a financial bet but “a form of resistance.”

“This whole system was weaponized against them, no different than it had been weaponized against us for different reasons,” Trump told the Wall Street Journal, noting that both conservatives and crypto firms have alleged that banks have denied them services for political or religious reasons.

The Trump administration has made stopping the crackdown on the sector a top priority. Crypto industry leaders have accused the previous administration of using financial exclusion as a weapon against numerous companies and founders, in what many have named “Operation Chokepoint 2.0.”

In December, the Securities and Exchange Commission (SEC) Commissioner Hester Peirce urged the regulatory agency to “stop the chokepoint aspect of government regulation.” Since then, the Commission dropped its “regulation by enforcement” approach, launched its Crypto Task Force, and recently unveiled the “Project Crypto” initiative to modernize securities rules and regulations.

Earlier this month, President Trump addressed this issue, signing an executive order that requires banks to ensure they do not refuse financial services based on political or religious beliefs and directs regulators to review all institutions for any discriminatory practices.

A Gateway To Financial Freedom

Eric Trump also addresses the conflicts of interest allegations, asserting that there’s a separation between the family’s crypto businesses and President Trump’s official businesses. “I literally have nothing to do with Washington, D.C.,” he affirmed.

It’s worth noting that multiple US lawmakers have argued that the Trump family’s crypto ventures, including World Liberty Financial’s (WLFI) USD1 stablecoin and the official TRUMP memecoin, enable corruption and represent a threat to America’s financial system.

Nonetheless, Trump said in the interview that memecoins serve as a “powerful gateway” for newcomers, arguing that “If somebody wants to go in and they want to buy $TRUMP, congratulations, now you have access to Bitcoin, you have access to Ethereum, you have access to USD1, you have access to the United States dollar.”

You just took the first step in actually creating some financial freedom that I think so many people around the world want.

He closed the interview discussing the benefits of tokenizing real-world assets (RWA). “Why is it that if I wanted to refinance Trump Tower, I couldn’t tokenize this asset and put it on the street for billions of people around the world to otherwise invest in it. They love New York. They love Fifth Avenue. They love Trump,” he concluded.

crypto, eth, ethusdt

Ethereum (ETH) trades at $4,558 in the one-week chart. Source: ETHUSDT on TradingView
Featured Image from Unsplash.com, Chart from TradingView.com
Editorial Process for bitcoinist is centered on delivering thoroughly researched, accurate, and unbiased content. We uphold strict sourcing standards, and each page undergoes diligent review by our team of top technology experts and seasoned editors. This process ensures the integrity, relevance, and value of our content for our readers.

Rubmar is a crypto enthusiast who likes learning and improving constantly. She enjoys reporting on the latest news and developments in the crypto industry. Rubmar also enjoys scrapbooking, crafting, simulation games, and watching football.

Lectures associées

Transformer réinventé : Rendre les LLM plus intelligents en modifiant simplement leur architecture

En 2026, alors que l'industrie des grands modèles linguistiques (LLM) se concentre sur l'ajout de paramètres via des architectures comme le *Mixture of Experts* (MoE), une nouvelle étude propose une approche radicalement différente. Les chercheurs de Mila, Cornell et de l'Université de Montréal démontrent que redistribuer les paramètres existants au sein d'un modèle, sans en ajouter, peut significativement améliorer ses performances. Leur constat de départ : dans les Transformers standards, toutes les couches ont la même « capacité » (largeur du réseau feed-forward). Or, des recherches antérieures (sortie anticipée, élagage, interprétabilité) indiquent que ces couches n'ont pas la même importance. Les premières traitent des informations basiques (syntaxe), tandis que les dernières affinent la sémantique, parfois en répétant des conclusions déjà établies. L'équipe teste alors des modèles « effilés » (*Tapered Language Models* - TLMs), où la largeur du réseau feed-forward décroît progressivement des couches profondes vers les couches superficielles, tout en conservant la moyenne originale et donc le nombre total de paramètres et d'opérations. Plusieurs courbes de décroissance sont essayées : linéaire, cosinus et sigmoïde. Les résultats sont frappants. Sur un Transformer de 440M de paramètres, la configuration optimale (décroissance cosinus, largeur initiale x1.5, finale x0.5) réduit la perplexité de 16.28 à 14.44, une amélioration de 1.84 point sans coût supplémentaire. Cette conclusion se généralise à d'autres architectures (à attention à grille, Hope-attention, Titans) et à des modèles plus grands (760M, 1.3B), avec des gains systématiques en raisonnement et prédiction langagière, sans nuire à la gestion de longs contextes. L'explication réside dans l'analyse des sorties : les couches profondes montrent une plus forte similarité avec les informations déjà présentes, confirmant qu'elles « réitèrent » plus qu'elles ne « créent ». Allouer plus de capacité aux premières couches, qui font un travail de fondation plus varié, est donc plus efficace. Cette recherche met en lumière un levier de conception longtemps négligé : la forme de la distribution de la capacité, et non seulement sa quantité. Une simple réallocation des paramètres existants offre ainsi une amélioration significative et gratuite, une perspective applicable potentiellement aux Transformers visuels, aux modèles de diffusion et multimodaux.

marsbitIl y a 4 mins

Transformer réinventé : Rendre les LLM plus intelligents en modifiant simplement leur architecture

marsbitIl y a 4 mins

Token est non économique

Le phénomène de « Token non économique » décrit la situation où les entreprises constatent une consommation élevée de tokens (unités de calcul des modèles d'IA) sans retour sur investissement proportionnel. Des acteurs comme Microsoft, Uber et Amazon ont rencontré des dépassements de budget et une faible qualité de production, les conduisant à resserrer leurs politiques d'utilisation. Cette inefficacité provient de plusieurs facteurs. Côté offre, les prix des tokens augmentent, notamment pour les modèles performants comme ceux d'Anthropic (Claude), tandis que les modèles économiques voient aussi leurs tarifs grimper avec la demande. Côté utilisation technique, des gaspillages structurels existent : pièges du contexte long, opacité des tokenizers entraînant une inflation des coûts, appels redondants à des compétences (skills) peu utiles, et surconsommation liée à la coordination et aux dérives dans les tâches longues des agents multiples. Le problème fondamental réside dans la demande. L'application efficace des tokens reste largement confinée à des scènes numériques comme l'assistance au codage, où la rétroaction automatique permet un apprentissage efficace. Pour des secteurs comme le droit, la vérification humaine reste indispensable, rendant le retour sur investissement plus faible. Le saut vers le monde physique (robotique) est encore plus difficile en raison du coût prohibitif de la validation dans la réalité, contrairement aux environnements simulés. Ces inefficacités concentrent les risques au milieu de la chaîne de valeur de l'IA. Les fabricants de modèles, bien que leurs revenus explosent, restent non rentables et dépendent de financements circulaires complexes avec les fournisseurs de matériel. Par ailleurs, l'expansion frénétique des centres de données nécessaires grève les ressources locales (électricité, eau), affectant les communautés. Pour inverser la tendance, des solutions techniques (compression sémantique du contexte, optimisation des skills, routage intelligent des modèles, contraintes budgétaires strictes pour les agents) et de gouvernance (gestion des coûts, quotas) sont nécessaires. L'essentiel sera de trouver des scénarios d'application à grande échelle où les tokens génèrent une valeur économique claire, au-delà du codage. Le retour à une discipline stricte du retour sur investissement (ROI) sera crucial pour que l'ère des agents intelligents passe du gaspillage à une création de valeur durable.

marsbitIl y a 11 mins

Token est non économique

marsbitIl y a 11 mins

Diversification au-delà des actifs numériques

Le marché actuel des actifs numériques montre un signal clair : à l'approche du pic de fin 2025, les détenteurs à long terme (LTH) du Bitcoin ont commencé à distribuer leurs actifs aux nouveaux entrants. En effet, 37% de l'offre de BTC était active au T4 2025, illustrant une importante redistribution de la richesse. Malgré une correction du marché au T1 2026, la capitalisation hors stablecoins a chuté d'environ 18%, mais l'offre de stablecoins a augmenté, indiquant une rotation du capital vers des instruments similaires au cash plutôt qu'une sortie du marché. Cette maturation du cycle de richesse représente une opportunité structurelle pour les banques privées et les gestionnaires de patrimoine. Les investisseurs institutionnels et les grandes fortunes traditionnelles absorbent désormais l'offre distribuée par les premiers adeptes. Ces derniers, réalisant des profits, cherchent à diversifier leur patrimoine au-delà des actifs numériques et à accéder à l'écosystème complet de gestion de fortune (actions, revenu fixe, marchés privés, prêts). Inversement, les banques attirent de nouveaux capitaux vers les actifs numériques. Cependant, le principal frein reste opérationnel : le transfert efficace de la richesse entre les deux mondes dépend d'une **provenance de patrimoine transparente et vérifiable**. Pour répondre à ce défi de conformité, qui est la couche opérationnelle essentielle, Glassnode a créé Cense en 2023. Cette société fournit aux institutions des documents audités sur l'historique de la richesse numérique des clients, facilitant ainsi l'intégration bancaire et les flux bidirectionnels de capitaux. Une fois la richesse crypto "bancarisée", les avantages sont réciproques : les grandes fortunes peuvent diversifier leurs actifs et gérer leur liquidité, tandis que les banques gagnent une base de dépôts conforme et une source de croissance d'actifs sous gestion. La tendance est à la convergence, où le paysage patrimonial mélangera actifs numériques et traditionnels, soutenu par une infrastructure permettant des mouvements de capitaux fluides.

insights.glassnodeIl y a 1 h

Diversification au-delà des actifs numériques

insights.glassnodeIl y a 1 h

Trading

Spot
活动图片