特朗普推全民投资计划,每个新生儿送 1000 美元炒股

深潮Dipublikasikan tanggal 2025-06-10Terakhir diperbarui pada 2025-06-10

出生送股票,家长可追投!

作者:金十数据

特朗普周一在白宫主持了一次圆桌会议,宣传共和党全面国内政策法案中的一项重要内容——为每个美国新生儿提供1000美元投资账户的条款。

根据众议院通过的一项试点计划,政府将为2025年1月至2029年1月期间出生的所有美国公民子女设立这些账户,将其称为“特朗普账户”(Trump Accounts)。

政府出资的1000美元将存入一个与整个股票市场挂钩的指数基金,由孩子的法定监护人管理。

每个孩子的账户起始金额为1000美元,监护人或其他私人实体可在孩子的整个生命周期内每年额外捐助最多5000美元。这些资金将投资于跟踪美国股市大盘的指数基金。

账户受益人从18岁起可提取余额的50%。从25岁开始,受益人可以提取全部余额,用于符合条件的用途,包括小企业贷款和高等教育,到30岁时,受益人可以完全控制全部余额,用于任何用途。这类特朗普储蓄账户要求在纳税后进行缴款,并在取款时按长期资本利得或普通联邦收入纳税,这与529高等教育储蓄账户和罗斯个人退休账户的免税合格支取不同。

白宫新闻秘书莱维特(Karoline Leavitt)说:“《美丽大法案》的通过将切实改变全美工薪阶层和中产阶级家庭的生活,因为它提供了历史上最大的减税措施,增加了儿童税收抵免,并创建了令人难以置信的新‘特朗普账户’计划,这将使美国年轻人的生活走上正确的财务道路。”

在周一的活动中,众议院议长约翰逊(Mike Johnson)强调了“特朗普账户”的经济效益,包括增加普通家庭的实得工资和减少小企业的繁文缛节。

周一的活动在白宫国宴厅举行,来自戴尔、优步、Altimeter Capital、ARM Corp、Salesforce、ServiceNow、Robinhood和高盛的高层管理人员参加了活动。

预计首席执行官们将承诺向其员工子女的“特朗普账户”投资数十亿美元。

戴尔科技公司首席执行官戴尔(Michael Dell)出席了周一的圆桌会议,他说:“为每个孩子设立投资账户,将为他们的教育、置业和成家立业提供可观的资金支持。戴尔科技将自豪地为戴尔团队成员的所有子女向这些账户提供一美元对一美元的政府种子投资。”

他还表示:“《和解法案》(Reconciliation Bill)所包含的向全民所有制社会迈进的这一大胆举措,将为国家带来深远的利益。”

这次圆桌会议召开之际,特朗普政府正加紧努力,确保参议院在7月4日之前通过总统的国内政策一揽子计划。

NBC新闻率先报道了这一事件。

根据美国国家卫生统计中心(National Center for Health Statistics)的最新数据,2023年的出生人数为360万,按照目前政府资助1000美元起始资金的形式,“特朗普账户”将花费纳税人36亿美元

但特朗普周一声称,政府出资对纳税人来说“绝对没有成本”,因为这将从《美丽大法案》举措中划出,包括对汇往国外的资金征收3.5%的汇款税。

阿尔法财务顾问公司(Alpha Financial Advisors)首席执行官Ann Reilley告诉雅虎财经,“特朗普账户”对父母或其他监护人来说“没有太大吸引力”,并补充说,“看起来特朗普政府无缘无故地把事情复杂化了”。

理财专家对该计划是否是家长为孩子存入1000美元免费赠品以外的资金的最佳场所持怀疑态度,因为该计划的税收优惠相对有限。

Bacaan Terkait

Ethereum Turun 45% Sejak Awal Tahun – Lalu Mengapa SharpLink dan Paus Masih Membeli?

Meskipun harga Ethereum (ETH) turun 20-45% sejak awal tahun, minat institusional terhadap aset kriptu terkemuka ini tetap kuat. SharpLink, setelah jeda delapan bulan, kembali membeli 5.000 ETH senilai sekitar $7,88 juta, diikuti penambahan 26.324 LSETH senilai $45,54 juta. Total kepemilikannya kini mencapai 876.285 ETH, menunjukkan keyakinan pada utilitas jangka panjang dan pendapatan staking Ethereum, meski menghadapi kerugian belum terealisasi hampir $1,71 miliar. Tren akumulasi ini juga tercermin pada aktivitas "paus" (whale), dengan satu dompet baru mengakumulasi 18.361 ETH senilai $28,9 juta dalam sembilan hari terakhir, menandakan persiapan untuk pergerakan harga di masa depan. Namun, kepercayaan yang kembali bangun ini belum sepenuhnya tercermin dalam permintaan institusional yang lebih luas. ETF Spot Ethereum justru mencatat arus keluar bersih, dengan penarikan $12,85 juta pada 26 Juni. Meski demikian, total aset yang dipegang penerbit ETF masih signifikan, senilai lebih dari $8,38 miliar, yang mengindikasikan penyesuaian posisi berkelanjutan daripada pelepasan total. Pada intinya, akumulasi oleh treasury perusahaan dan paus mendukung prospek jangka panjang Ethereum, tetapi pemulihan berkelanjutan masih bergantung pada membaiknya sentimen pasar dan arus masuk ETF yang lebih kuat untuk mengimbangi tekanan penjualan institusional yang masih ada.

ambcrypto4j yang lalu

Ethereum Turun 45% Sejak Awal Tahun – Lalu Mengapa SharpLink dan Paus Masih Membeli?

ambcrypto4j yang lalu

Baru Saja, DeepSeek V4 Perbarui DSpark, Kecepatan Inference Meningkat 80%

Baru-baru ini, DeepSeek V4 diperbarui dengan framework *Speculative Decoding* baru bernama **DSpark**, yang diklaim meningkatkan kecepatan inferensi hingga 80%. Pembaruan ini, yang juga disertai open-sourcing framework **DeepSpec**, berfokus pada optimasi teknikal dan peningkatan performa, bukan perubahan arsitektur model inti. DSpark mengimplementasikan **Semi-Autoregressive Generation** untuk menjaga throughput tinggi dan meningkatkan akurasi token yang dihasilkan oleh model draf (*draft model*). Inovasi utamanya adalah **Confidence-Scheduled Verification**, yaitu sistem penjadwalan yang cerdas dan adaptif. Sistem ini menggunakan *Confidence Head* untuk memperkirakan probabilitas penerimaan setiap token kandidat dan secara dinamis menyesuaikan panjang verifikasi berdasarkan beban kerja sistem (*hardware-aware*), sehingga mengalokasikan daya komputasi hanya ke token yang paling potensial. Dalam pengujian di berbagai domain (penalaran matematika, generasi kode, percakapan), DSpark menunjukkan peningkatan signifikan dibandingkan model *state-of-the-art* seperti Eagle3 dan DFlash. Pada kondisi *throughput* yang setara, DSpark meningkatkan kecepatan respons pengguna sebesar 57%-85% untuk model DeepSeek-V4 Flash dan Pro. DeepSpec, yang dirilis bersamaan, adalah *codebase* lengkap untuk melatih dan mengevaluasi model draf *speculative decoding*. Framework ini menyediakan pipeline standar (persiapan data, pelatihan, evaluasi) dan mendukung beberapa algoritma (DSpark, DFlash, Eagle3) serta model target (Qwen3, Gemma), memudahkan peneliti dan insinyur untuk mengembangkan dan menerapkan teknik percepatan inferensi pada model bahasa besar mereka sendiri.

marsbit6j yang lalu

Baru Saja, DeepSeek V4 Perbarui DSpark, Kecepatan Inference Meningkat 80%

marsbit6j yang lalu

Ternyata Beginilah Cara Karpathy Menggunakan Claude?

Sejak bergabung dengan Anthropic, aktivitas Andrej Karpathy di komunitas terbuka berkurang drastis. Baru-baru ini, sebuah dokumen bernama CLAUDE.md yang diklaim sebagai panduan penggunaan Claude milik Karpathy beredar di komunitas. Isinya berisi sejumlah prinsip ketat untuk memandu AI dalam menulis kode, yang bertujuan mengurangi kesalahan umum model bahasa besar (LLM). Prinsip-prinsip utama mencakup: 1) **Baca dahulu sebelum menulis** – pahami struktur dan gaya kode proyek yang ada. 2) **Berpikir sebelum menulis kode** – klarifikasi asumsi, pertimbangkan trade-off, dan uraikan rencana. 3) **Tetap sederhana** – hindari desain berlebihan, abstraksi prematur, dan fleksibilitas yang tidak diperlukan. 4) **Modifikasi terarah** – lakukan perubahan minimal yang sesuai dengan gaya kode asli, jangan melakukan reformatting atau pembersihan yang tidak relevan. 5) **Verifikasi dan uji** – pastikan kode berfungsi seperti yang diharapkan dengan pengujian yang tepat. 6) **Debug secara sistematis** – jangan menebak, selidiki akar masalahnya. 7) **Hati-hati dengan dependensi** – hindari menambah dependensi yang tidak perlu. 8) **Komunikasi yang jelas** – jelaskan apa yang dilakukan dan alasannya. Dokumen ini juga menyoroti pola kegagalan umum seperti abstraksi yang salah, "optimistic path", dan "halusinasi pengetahuan". Meskipun keaslian dokumen ini diragukan, isinya sangat selaras dengan pemikiran Karpathy yang telah banyak mengkritik kelemahan LLM dalam pemrograman. Prinsip-prinsip ini, yang juga telah dijadikan template populer di GitHub, dianggap dapat meningkatkan efektivitas dan mengurangi kesalahan saat menggunakan asisten AI seperti Claude untuk pengembangan perangkat lunak.

marsbit7j yang lalu

Ternyata Beginilah Cara Karpathy Menggunakan Claude?

marsbit7j yang lalu

Trading

Spot
活动图片