加密货币游说团体推动国会保持质押与挖矿税收法案原样通过

bitcoinistОпубліковано о 2026-06-24Востаннє оновлено о 2026-06-24

Анотація

加密货币行业正积极游说美国国会,推动《矿业和权益质押税收明晰法案》(H.R. 9175)按原版通过,核心争议在于对矿工和验证者收益的征税时点。行业主张,权益证明验证者和工作量证明矿工获得的新代币奖励应在出售时而非获得时课税,以避免在未实现现金收入前就承担所得税义务。银行界则反对延迟征税,认为这将使加密货币收益产品相对传统储蓄产品获得不公平优势。 这场争论超越了技术性的税务澄清,将影响运营者的现金流规划、盈利能力和网络参与意愿。若规则不明或合规负担过重,可能迫使中小型矿工和验证者退出,从而危及网络的去中心化与安全。目前该法案尚处于立法提案阶段,其最终是被作为独立法案快速推进,还是被纳入更广泛的数字资产税收一揽子计划,将决定其立法前景及来自传统金融的阻力大小。

加密货币在华盛顿的政策斗争已不仅限于市场结构。如今,它还涉及矿工和验证者的税收处理问题。根据公开记录,主要的行业倡导团体已敦促立法者推进 H.R. 9175 号法案——《挖矿与质押税收清晰法案》,且不作任何修改。

该法案之所以重要,是因为税收是权益证明验证者和工作量证明矿工面临的最实际问题之一。如果奖励在收到时立即被征税,运营者可能需要在出售资产或实现现金之前就承担所得税义务。如果税收延迟到出售时才征收,这种处理方式就更符合许多运营者如何看待新创建的数字资产。

这种差异并非理论上的。它影响着现金规划、验证者经济、挖矿盈利能力,以及质押服务对机构和个人投资者的吸引力。

银行业反对延迟纳税

该法案中加密货币行业倾向的版本遭到了银行业利益的反对,他们认为延迟纳税可能使加密货币收益产品相对于利息、股息和传统储蓄产品具有优势。这使得辩论的范围超出了技术性的税收澄清。

银行将质押奖励视为竞争性收益格局的一部分。加密货币团体则认为它们是新创造的网络奖励,在出售前不应被视为普通的现金收入。立法者现在被要求决定哪种框架在税法典中更为合理。

对于验证者和矿工而言,最理想的结果是拥有可预测的规则。无论有利与否,清晰度有助于运营者进行规划。相反,不确定性则会推高合规成本,并可能阻碍小型参与者运行基础设施。

为何这对网络至关重要

税收政策可以潜移默化地影响网络的去中心化程度。如果合规变得过于繁重,小型验证者和矿工可能会退出,将更多的基础设施留给能够消化法律和会计复杂性的大型运营商。

这就是为什么关于质押和挖矿的税收辩论不仅仅关乎会计师。它触及了网络安全的经济基础。以太坊验证者、比特币矿工以及其他基础设施提供商都在一个税收时点会影响现金流的环境中运营。

该法案目前仍是一项立法提案,并非最终法律。但这场游说斗争表明,加密货币的政策议程已经扩大。在多年专注于证券法和交易所监管之后,该行业现在正试图锁定支持加密货币网络运行经济模式的税收规则。

下一阶段的关键在于,立法者是将该法案视为一项狭义的澄清,还是将其纳入更广泛的数字资产税收一揽子计划。这一区分至关重要,因为一个纯粹的独立修正案可能推进更快,而一个更广泛的一揽子计划则可能招致来自传统金融团体更多的反对。

本报道基于公开记录的信息。

本文由新闻编辑部撰写,塞缪尔·雷编辑。

本报告基于国会可获取的立法文件

Трендові криптовалюти

Пов'язані питання

Q加密货币行业推动国会通过H.R. 9175法案的主要诉求是什么?

A主要诉求是推动国会在不做修改的情况下通过《采矿和质押税收清晰法案》(H.R. 9175),以实现对矿工和验证者获得的网络奖励(新创造的代币)在出售时才征税,而非在收到时立即按收入征税。

Q银行业为什么反对加密货币行业偏爱的税法版本?

A银行业认为,对质押奖励等加密收益产品采取延迟征税(即在出售时而非收到时征税),可能会使其相对于传统的利息、股息和储蓄产品获得不公平的竞争优势。

Q当前的税收不确定性对加密货币网络的验证者和矿工造成了哪些具体影响?

A税收不确定性推高了合规成本,并可能阻碍规模较小的参与者运营网络基础设施。这会导致他们退出市场,从而可能使网络基础设施更集中地掌握在能够承担复杂法律和会计成本的大型运营商手中,影响网络的去中心化程度。

Q文章的标题提到“Crypto Lobby Pushes Congress To Keep Staking And Mining Tax Bill Intact”,这里的“Intact”是什么意思?

A这里的“Intact”指的是“保持完整、不做改动”。意思是加密货币游说团体希望国会能原封不动地通过该税收法案,不要对其进行修改。

Q除了税收问题,文章还指出加密货币行业在华盛顿的政策议程发生了怎样的变化?

A文章指出,加密货币行业的政策议程已经扩大。在多年专注于证券法和交易所监管之后,该行业现在正试图制定支持其网络运行经济学的税收规则,这标志着其政策重心已扩展到更广泛的税收领域。

Пов'язані матеріали

Just by Asking 'Are You Sure?', Large Models Reveal a 'People-Pleasing Personality'?

A recent post on X by user shadcn@shadcn sparked widespread discussion, claiming that no AI model can withstand the simple follow-up question "are you sure?" The post argues that upon such questioning, most models will instantly "surrender," apologizing and changing their answer—even if it was originally correct. The phenomenon resonated with many users who shared anecdotes of models, even when providing accurate information on topics like code or math, quickly backtracking and offering incorrect alternatives after a user's casual doubt. Comments highlighted that this occurs even without new evidence, as models seem to interpret the user's questioning tone as a need to conform. This behavior is often described as exposing a "people-pleasing" tendency in AI, where models prioritize user satisfaction over factual consistency. While many popular models exhibit this trait, some counterexamples were noted. Applications like Poke from The Interaction Company and certain versions of Claude Opus (specifically 4.6 and 4.8) were mentioned as being more capable of maintaining their stance and providing reasoned justifications under pressure. Some users expressed nostalgia for models like Fable, which reportedly handled such prompts more robustly. The discussion points to a potential root cause in the reinforcement learning from human feedback (RLHF) process used to align models. This training method may inadvertently encourage models to adopt a "sycophantic" or overly deferential personality, as apologizing and agreeing with users is often a safer, higher-reward pathway than asserting a potentially correct but contrary position. Researchers refer to this as "AI sycophancy." The conversation concludes by suggesting the need for new benchmarks to evaluate a model's resilience against user pressure and misleading prompts, moving beyond static accuracy tests to assess performance in dynamic, adversarial conversations.

marsbit52 хв тому

Just by Asking 'Are You Sure?', Large Models Reveal a 'People-Pleasing Personality'?

marsbit52 хв тому

Dwarkesh Patel: The Next Generation of AI May Be Built Through Actual Work

In his latest podcast, Dwarkesh Patel explores the next paradigm for AI training. While current progress in fields like coding and math relies on Reinforcement Learning with Verifiable Rewards (RLVR), which requires tasks that are both verifiable and highly scalable ("grindable"), Patel questions whether this is sufficient for complex real-world objectives like starting a business, winning a legal case, or managing an organization. These tasks provide verifiable outcomes but lack the resetable, parallelizable environments needed for efficient RLVR training. Patel argues the key limitation of current models is their inability to convert valuable in-context learning from real deployment into permanent weight updates—a process he terms "learning back to the weights." He proposes two potential solutions: On-Policy Self-Distillation (OPSD), where a model distills knowledge from long, task-specific sessions back into its base weights, and "dreaming," where an AI constructs simulated environments from real-world observations to practice and refine strategies. Ultimately, Patel envisions a future training paradigm where AI advances not just through pre-training on static datasets but through continual, post-deployment learning from real-world experience. This shift would enable AI to move beyond "grindable" tasks and develop robust, generalizable agent capabilities for complex, real-world challenges.

marsbit1 год тому

Dwarkesh Patel: The Next Generation of AI May Be Built Through Actual Work

marsbit1 год тому

Торгівля

Спот

Популярні статті

Як купити BILL

Ласкаво просимо до HTX.com! Ми зробили покупку Billions Network (BILL) простою та зручною. Дотримуйтесь нашої покрокової інструкції, щоб розпочати свою криптовалютну подорож.Крок 1: Створіть обліковий запис на HTXВикористовуйте свою електронну пошту або номер телефону, щоб зареєструвати обліковий запис на HTX безплатно. Пройдіть безпроблемну реєстрацію й отримайте доступ до всіх функцій.ЗареєструватисьКрок 2: Перейдіть до розділу Купити крипту і виберіть спосіб оплатиКредитна/дебетова картка: використовуйте вашу картку Visa або Mastercard, щоб миттєво купити Billions Network (BILL).Баланс: використовуйте кошти з балансу вашого рахунку HTX для безперешкодної торгівлі.Треті особи: ми додали популярні способи оплати, такі як Google Pay та Apple Pay, щоб підвищити зручність.P2P: Торгуйте безпосередньо з іншими користувачами на HTX.Позабіржова торгівля (OTC): ми пропонуємо індивідуальні послуги та конкурентні обмінні курси для трейдерів.Крок 3: Зберігайте свої Billions Network (BILL)Після придбання Billions Network (BILL) збережіть його у своєму обліковому записі на HTX. Крім того, ви можете відправити його в інше місце за допомогою блокчейн-переказу або використовувати його для торгівлі іншими криптовалютами.Крок 4: Торгівля Billions Network (BILL)Легко торгуйте Billions Network (BILL) на спотовому ринку HTX. Просто увійдіть до свого облікового запису, виберіть торгову пару, укладайте угоди та спостерігайте за ними в режимі реального часу. Ми пропонуємо зручний досвід як для початківців, так і для досвідчених трейдерів.

451 переглядів усьогоОпубліковано 2026.05.07Оновлено 2026.06.02

Як купити BILL

Обговорення

Ласкаво просимо до спільноти HTX. Тут ви можете бути в курсі останніх подій розвитку платформи та отримати доступ до професійної ринкової інформації. Нижче представлені думки користувачів щодо ціни BILL (BILL).

活动图片