新加坡的 Web3 大撤离:未来将有哪些变化?

coinvoiceОпубликовано 2025-06-24Обновлено 2025-06-24

撰文:Aiden、Jay Jo

编译:白话区块链

概要

新加坡凭借灵活的监管环境吸引了众多 Web3 公司,被称为「亚洲的特拉华」。然而,空壳公司激增以及 Terraform Labs 和 3AC 等高调公司的倒闭暴露了监管漏洞。

2025 年,新加坡金融管理局 (MAS) 将实施数字 Token 服务提供商 (DTSP) 框架,所有在新加坡提供数字资产服务的公司必须获得许可,仅注册公司不再足以开展数字资产业务。

新加坡继续支持创新,但监管力度显著加强,政府要求更高的责任感和合规性。新加坡的 Web3 公司需发展运营能力或考虑转移至其他司法管辖区。

1. 新加坡监管环境的变化

多年来,全球企业将新加坡称为「亚洲的特拉华」,因其清晰的法规、低企业税率和快速注册流程吸引了全球企业。这种基础同样适用于 Web3 行业。新加坡的商业友好环境自然成为 Web3 公司的理想目的地。MAS 较早认识到加密货币的增长潜力,主动制定监管框架,为 Web3 公司在现有体系内运作提供了空间。

MAS 颁布了《支付服务法》(PSA),将数字资产服务纳入明确的监管体系,并推出监管沙盒,允许公司在特定条件下试验新商业模式。这些措施减少了早期市场的不确定性,使新加坡成为亚洲 Web3 行业的中心。

然而,近期新加坡的政策方向出现变化。MAS 逐渐放弃灵活的监管方式,收紧监管标准并修订框架。数据清晰显示这一转变:自 2021 年以来,超过 500 份许可证申请中,批准率低于 10%。这表明 MAS 大幅提高了审批标准,并在有限的监管能力下采取了更严格的风险管理措施。

本报告探讨这些监管变化如何重塑新加坡的 Web3 格局。

2. DTSP 框架:为何现在推出,变化何在?

2.1. 监管收紧的背景

新加坡在加密行业早期就发现了其潜力,通过灵活的法规和沙盒吸引了大量公司,许多 Web3 公司因此将新加坡视为亚洲基地。

然而,现有体系的局限性逐渐显现。一个关键问题是「空壳公司」模式,即企业在新加坡注册实体,但实际运营在海外,利用《支付服务法》(PSA) 的监管漏洞。当时,PSA 仅要求为新加坡用户提供服务的公司获得许可,部分公司通过在海外运营规避了这一要求。这些公司利用新加坡的制度信誉,却逃避实际监管。

MAS 认为,这种结构使得反洗钱 (AML) 和反恐融资 (CFT) 执法变得困难。企业虽在新加坡注册,但运营和资金流动完全在海外,监管机构难以实施有效监管。金融行动特别工作组 (FATF) 将此称为「离岸虚拟资产服务提供商 (VASP)」结构,警告注册地与运营地不一致导致全球监管漏洞。

2022 年 Terraform Labs 和 Three Arrows Capital(3AC) 的倒闭将这些问题变为现实。这两家公司在新加坡注册了实体,但实际运营在海外,MAS 无法对其进行有效监管或执法,导致数十亿美元的损失,新加坡的监管信誉也受到损害。MAS 决定不再容忍此类监管漏洞。

2.2. DTSP 法规的关键变化与影响

新加坡金融管理局 (MAS) 将于 2025 年 6 月 30 日起实施新的数字 Token 服务提供商 (DTSP) 法规,隶属于《金融服务与市场法》(FSMA 2022) 第九部分。FSMA 整合了 MAS 此前分散的监管权力,形成全面的金融立法,以应对包括数字资产在内的新金融环境。

新法规旨在解决 PSA 的局限性。PSA 仅要求为新加坡用户提供服务的公司获得许可,部分公司通过在海外运营规避了监管。DTSP 框架直接针对这种结构规避行为,所有以新加坡为运营基地或在新加坡开展业务的数字资产公司均须获得许可,无论其用户位于何处。即使仅服务海外客户的公司,若在新加坡运营,也必须遵守。

MAS 明确表示,不会向没有实质业务基础的公司发放许可。到 2025 年 6 月 30 日仍未满足要求的公司必须立即停止运营。这不仅是一次临时执法,而是新加坡向以信任为中心的数字金融中心长期转型的信号。

3. DTSP 框架下的监管范围重新定义

DTSP 框架要求在新加坡的数字 Token 服务运营商遵守更明确的监管要求。MAS 要求任何被视为「以新加坡为基地」的企业获得许可,无论其用户位置或组织结构如何。此前未受监管的业务类型现被纳入监管范围。

关键示例包括:在新加坡注册但完全在海外运营的公司;以及在海外注册但核心功能 ( 如开发、管理、营销 ) 在新加坡的公司。即使是新加坡居民以持续商业方式参与项目,也可能需遵守 DTSP 要求,无论其是否隶属于正式组织。MAS 的判断标准明确:活动是否在新加坡发生?是否具有商业性质?

这些变化不仅扩大了监管范围,还要求运营商具备实质性运营能力,包括反洗钱 (AML)、反恐融资 (CFT)、技术风险管理和内部控制。运营商需评估其新加坡活动是否受监管,是否能在新框架下维持业务。

DTSP 的实施表明新加坡正在转型,不再仅是利用监管声誉的场所。新加坡现在要求企业承担高于一定门槛的责任和纪律。希望在新加坡继续开展加密业务的公司和个人必须清晰了解其活动,认识 DTSP 标准下的监管影响,并在必要时建立适当的组织结构和运营体系。

4. 总结

新加坡的 DTSP 法规显示出监管机构对加密行业的态度转变。MAS 此前保持灵活政策,帮助新技术与商业模式快速进入市场。然而,此次监管改革不仅是简单的收紧,而是对以新加坡为实际业务基地的实体施加明确责任。框架从开放的实验空间转向仅支持符合监管标准的运营商。

这一变化意味着运营商必须从根本上调整其在新加坡的运营。无法满足新监管标准的公司可能面临艰难抉择:调整运营框架或迁移业务基地。香港、阿布扎比和迪拜等地正以不同方式发展加密监管框架,部分公司可能考虑这些地区作为替代基地。

然而,这些司法管辖区同样要求为本地用户或在其境内运营的服务取得许可,涉及资本要求、反洗钱标准和运营实质性规则。因此,公司应将迁移视为战略决策,而非简单的监管规避,需综合考虑监管强度、监管方式和运营成本。

新加坡的新监管框架可能短期内造成进入壁垒,但也表明市场将围绕具备足够责任感和透明度的运营商进行重构。该体系的有效性取决于这些结构性变化是否可持续且一致。未来机构与市场的互动将决定新加坡能否被认可为稳定可靠的商业环境。


声明:本内容为作者独立观点,不代表 CoinVoice 立场,且不构成投资建议,请谨慎对待,如需报道或加入交流群,请联系微信:VOICE-V。

来源:白话区块链

Похожее

Получение прибыли в течение 7 кварталов подряд: арбитражные сделки на развивающихся рынках превосходят все

Прибыльная торговля на разнице процентных ставок (керри-трейд) на рынках развивающихся стран приносит доход уже седьмой квартал подряд, что стало самой длинной серией успеха с 2008 года. Согласно индексу Bloomberg, стратегия, предполагающая заимствование в долларах США для инвестиций в высокодоходные валюты, с конца 2024 года принесла около 22% дохода, значительно опередив доходность американских казначейских облигаций. Основу прибыли формирует высокая процентная ставка в странах вроде Турции, однако ключевую роль в последний период сыграло ослабление доллара по отношению ко многим валютам развивающихся рынков. Даже несмотря на падение турецкой лиры, высокая доходность по местным облигациям сохранила прибыльность сделок. Несмотря на испытание в августе из-за интервенций на валютном рынке Японии, рынок быстро адаптировался, переключившись на использование евро и швейцарского франка в качестве финансирующих валют, что позволило продолжить тренд. Главными рисками для стратегии остаются будущие действия ФРС США, которые могут изменить динамику доллара, а также чрезмерная популярность самой сделки, что увеличивает риск резкого разворота. Тем не менее, эксперты, такие как команда PGIM, сохраняют уверенность, выделяя перспективные рынки, включая Турцию, Колумбию, Бразилию и страны Африки.

marsbit9 мин. назад

Получение прибыли в течение 7 кварталов подряд: арбитражные сделки на развивающихся рынках превосходят все

marsbit9 мин. назад

Наставник из Цинхуа и ученик из Уортона раскрыли 40-летнюю нерешённую задачу. Основные математические выкладки написаны GPT. Справились бы и вы.

Новое исследование, проведенное учеными из Университета Цинхуа и Уортонской школы бизнеса, разрешает давний вопрос в теории оптимизации. Они доказали, что классический метод градиентного спуска, использующий только предопределенную последовательность шагов обучения (learning rates), имеет принципиальный предел скорости сходимости. Независимо от того, насколько сложной является эта последовательность, скорость сходимости не может превысить **Ω(T^{-1.9319})**, где T — количество шагов. Это означает, что для достижения оптимальной скорости **O(1/T²)**, полученной методом Нестерова с моментом, необходимо изменить саму структуру алгоритма, а не только подбирать шаги. Ключевым аспектом работы является то, что основное доказательство было сгенерировано и доработано в процессе взаимодействия с языковой моделью GPT-5.6 Sol Pro. Исследователи задавали высокоуровневую стратегию «противостоящего оракула» (resisting oracle), а ИИ выполнил нетривиальную математическую работу по построению доказательства. Затем вся цепочка рассуждений была формально верифицирована с использованием системы автоматического доказательства теорем Lean 4, где код успешно прошел компиляцию без каких-либо пропущенных шагов («zero sorry, zero admit»). Этот результат закрывает 40-летний теоретический пробел, показывая фундаментальное ограничение простейшей формы градиентного спуска. Работа также демонстрирует новый подход к исследованиям, где крупные языковые модели выступают в роли активных помощников в сложных математических доказательствах, проверяемых формальными методами.

marsbit18 мин. назад

Наставник из Цинхуа и ученик из Уортона раскрыли 40-летнюю нерешённую задачу. Основные математические выкладки написаны GPT. Справились бы и вы.

marsbit18 мин. назад

Anthropic приносит извинения, факт скрытого снижения интеллекта Claude подтвержден

Claude «поумнел»? Разработчики заметили резкое падение производительности модели. Пользователь argofowl обнаружил, что в Claude Code с версии 2.1.237 высокий уровень логического вывода («high») соответствует значению 10, которое раньше обозначало низкий уровень («low»). Оказалось, Anthropic проводит эксперимент по «сжатию шкалы усилий» в рамках A/B-тестирования, о чем не уведомила пользователей. Позже вскрылась и проблема с Opus 5. Пользователи жалуются на снижение качества: модель стала совершать больше ошибок, давать расплывчатые ответы и повторять шаблонные извинения. Инженер Thariq Shihipar от Anthropic подтвердил, что Opus 5 демонстрирует «нестабильную производительность», и пообещал, что решение этой проблемы является наивысшим приоритетом для команды. Эта ситуация подчеркивает ключевое противоречие в индустрии ИИ: великолепные результаты моделей на тестовых стендах (бенчмарках) часто расходятся с субъективным опытом пользователей, которые отмечают ухудшение работы. Обновления крупных языковых моделей часто происходят непрозрачно, без четких изменений в версиях или логов, что подрывает доверие разработчиков, для которых стабильность является критически важной.

marsbit19 мин. назад

Anthropic приносит извинения, факт скрытого снижения интеллекта Claude подтвержден

marsbit19 мин. назад

Раскрытие правды о леверидже, ликвидности и рисках, скрывающихся за токенизацией активов

Токенизация реальных активов (RWA) часто представляется как простое создание токенов, представляющих традиционные активы, такие как казначейские векселя или акции. Однако, как показывает автор, токенизация — это лишь «штрих-код», а не полная цепочка создания стоимости. Истинная трансформация происходит, когда эти активы интегрируются в экосистему DeFi, обретая ликвидность, возможность использования в качестве залога и управления рисками. Ключевые проблемы включают разрыв во времени между мгновенными расчетами в блокчейне и медленными процессами в традиционных финансах (например, выходные дни на рынках), что создает риск ликвидации. Ликвидность — это не просто общий объем заблокированных средств (TVL), а возможность быстро выйти из позиции в стрессовых условиях. Использование залога (леверидж) раскрывает полезность RWA, но также увеличивает уязвимость системы, требуя более сложных моделей оценки рисков, учитывающих юридическую исполнимость, задержки выкупа и концентрацию активов. Риски RWA следует рассматривать как сеть взаимосвязанных компонентов: эмитент, кастодиан, оракулы, протоколы кредитования. Сбой в одном звене может вызвать кризис ликвидности. Мониторинг должен быть упреждающим, отслеживая такие сигналы, как очереди на выкуп или снижение активности маркет-мейкеров, а не только падение цены. Хотя токенизированные гособлигации стали отправной точкой, будущее за более сложными активами, такими как вычислительные мощности (GPU) или энергоактивы, каждый со своей уникальной структурой рисков. Токенизация акций в сочетании с перпетуальными контрактами создаст мощный, но рискованный рынок, требующий продуманных защитных механизмов: изоляции маржи, лимитов концентрации и динамических дисконтов. В конечном счете, ценность RWA раскрывается не в самом факте токенизации, а в построении вокруг них устойчивой рыночной инфраструктуры, способной выдерживать кризисы. Токен — это лишь код. Реальная ценность создается рынком — машиной, которая обеспечивает ликвидность, леверидж и управление рисками.

marsbit33 мин. назад

Раскрытие правды о леверидже, ликвидности и рисках, скрывающихся за токенизацией активов

marsbit33 мин. назад

Конец математики: 40 ведущих математиков собрались на закрытой встрече OpenAI

Заголовок: Конец математики: 40 ведущих математиков на закрытой встрече в OpenAI Только что получивший Филдсовскую премию Джейкоб Цимерман объявил о переходе в OpenAI для исследований в области безопасности ИИ. В начале августа он и исследователь OpenAI Себастьен Бюбек организовали в штаб-квартире компании закрытый саммит с участием около 40 математиков. Один из докладов назывался «Конец математики». Профессор Дэниел Литт заявил, что мир может прийти к ситуации, где не останется высококачественных математических исследований, а человеческий экспертный опыт в этой области полностью исчезнет. Математик MIT Дрю Сазерленд выразился более прямо: возможно, математики — это первые жертвы, «канарейки в угольной шахте». Математика выбрана в качестве испытательного полигона для ИИ, так как она служит индикатором высоких интеллектуальных достижений. Непосредственным фоном встречи стал поток достижений ИИ в математике. В мае невыпущенная модель OpenAI опровергла «гипотезу единичных расстояний» — давнюю проблему в комбинаторной геометрии, которую Цимерман назвал публикуемым в любом журнале результатом. В августе OpenAI анонсировала 10 новых открытий в математике и информатике, сделанных с помощью ИИ. В Anthropic сотрудник с помощью Claude создал искомые, но никогда не построенные пары ортогональных векторов в 668-мерном гиперкубе, опубликовав результат в виде поста из 24 000 символов. Такие результаты часто обходят традиционный путь публикации (arXiv, рецензирование). Например, предприниматель Дмитрий Рыбин, подбадривая ChatGPT «сделать прорыв», получил от модели контрпример к одной гипотезе о потоках в сетях и опубликовал это в Twitter во время просмотра фильма. На прошлой неделе Anthropic сообщила, что внутренняя версия Claude по настоянию исследователя добилась нового результата в задаче, связанной с гипотезой Римана. Реакция математического сообщества разделилась. В июне было опубликовано «Лейденское обращение», под которым подписались более 3000 математиков, призывающее к ответственному использованию ИИ. Другие выступают за полный отказ от ИИ. Участница саммита и соавтор обращения, профессор Брина Кра, подчеркивает, что суть математики — в понимании, а не только в доказательстве. Математик Мелани Вуд, написавшая «человеческое» доказательство для результата OpenAI о гипотезе единичных расстояний, отмечает, что современные ИИ плохо объясняют самые сложные части доказательств. Немецкий математик Андреас Том, чьи работы дополнило одно из открытий ИИ, считает, что ИИ умно решает проблемы, но новые концепции все еще появляются благодаря человеческому участию. Организатор саммита Бюбек описал четыре возможных будущего: математика станет похожа на разработку ПО (масштабная коллаборация), на физику (усилия сместятся на создание ИИ-«ускорителей»), на кураторство в музее (ИИ генерирует, человек отбирает) или математики массово перейдут в сферу безопасности ИИ. Он подчеркнул, что математика имеет смысл, только когда математики чему-то учатся. Участники не пришли к консенсусу. Цимерман отметил, что у математического сообщества пока нет единой позиции, и цель встречи — начать диалог. Его собственный переход в OpenAI символизирует дилемму, стоящую перед областью. Его следующие шаги могут стать еще более значимым сигналом, чем доклады на этом саммите.

marsbit38 мин. назад

Конец математики: 40 ведущих математиков собрались на закрытой встрече OpenAI

marsbit38 мин. назад

Торговля

Спот
活动图片