SEC Crypto Task Force Meets with Deutsche Bank amid Crypto Week

TheCryptoTimesXuất bản vào 2025-07-16Cập nhật gần nhất vào 2025-07-17

The U.S. Securities and Exchange Commission’s (SEC) Crypto Task Force met with one of the world’s leading banks and financial services firms to discuss the regulation of crypto assets. The meeting happened during the highly anticipated Crypto Week, raising speculations regarding the primary agenda of the meeting.

According to a memo, three members of Deutsche Bank USA Corp. met with the regulator to talk about considering cross-border digital asset regulation and harmonizing with international regulatory frameworks.

The bank also stressed upon exploring current European and UK frameworks for digital asset regulation, such as the European Union’s Markets in Crypto-Assets (MiCA) regulation. It highlighted the latest research on digital asset markets by French economist Marion Laboure.

Deutsche Bank continues to expand deeper into the crypto industry, realizing the opportunities in the emerging class of digital assets. The bank plans to launch its crypto custody platform in 2026.

Recently, Deutsche Bank confirmed exploring stablecoins and tokenized deposits for its payment infrastructure amid the GENIUS Act buzz. The bank is also considering issuing its own stablecoin and joining the industry-wide initiative.

Meanwhile, the U.S. House of Representatives debated three crucial bills amid the Crypto Week. These are the GENIUS Act, the CLARITY Act, and the Anti-CBDC Surveillance State Act. The bills move forward for another voting today after US President Donald Trump intervened, seeking support to pass the bills.

U.S. Representative French Hill believes there is “strong bipartisan support” for the crypto market structure bill, even after a surprising setback in the House of Representatives last day.

Also Read: Bitcoin is No Longer Volatile, Says Deutsche Bank



Tiền kỹ thuật số thịnh hành

Nội dung Liên quan

Anthropic tạo ra một bộ 'hình phạt' cho AI vượt ngục: Yêu cầu của bạn, bốn cách chết

Bài viết thảo luận về hệ thống phân loại và đánh giá mức độ nghiêm trọng của các yêu cầu "jailbreak AI" (vượt rào an ninh AI) mới được Anthropic công bố, có tên là Khung Đánh giá Mức độ Nghiêm trọng Vượt Rào AI (CJS). Hệ thống phân loại của Anthropic chia các yêu cầu liên quan đến an ninh mạng thành bốn loại: (1) Nguy hiểm cao (ví dụ: phần mềm tống tiền) bị chặn hoàn toàn; (2) Công cụ kép rủi ro cao (như thử nghiệm thâm nhập); (3) Công cụ kép rủi ro thấp (như quét lỗ hổng đã biết); và (4) Vô hại (như gỡ lỗi). Tuy nhiên, hệ thống được thiết kế quá nhạy, dẫn đến việc chặn nhiều yêu cầu hợp pháp (ví dụ đếm chữ cái, debug). Để đánh giá mức độ nguy hiểm của một lần vượt rào, Anthropic đề xuất khung CJS với bốn thang đo: Mức độ tăng cường khả năng tấn công (0-4), Phạm vi khả năng (0-2), Độ khó vũ khí hóa (0-2) và Tính dễ phát hiện (0-2). Tổng điểm 0-10 xác định mức độ nghiêm trọng từ CJS-0 (thông tin) đến CJS-4 (khủng hoảng). Điểm số phụ thuộc vào bối cảnh thời gian và kiến thức của người dùng. Bài viết chỉ ra rằng Anthropic, thông qua liên minh Glasswing với các tập đoàn công nghệ lớn, đang nắm quyền định nghĩa "nguy hiểm" và thiết lập tiêu chuẩn này. Điều này có thể ảnh hưởng đến việc kiểm duyệt mô hình và trải nghiệm người dùng. Bối cảnh được đặt trong lệnh cấm xuất khẩu của Mỹ lần đầu tiên nhắm vào API mô hình AI (như với Fable 5), cho thấy sự kiểm soát công nghệ ngày càng chặt chẽ. Khung CJS được xem như một công cụ để hợp thức hóa các quyết định kiểm soát đó. Cuối cùng, bài viết đưa ra một số lời khuyên cho người dùng khi bị chặn: điều chỉnh từ ngữ trong lệnh, cảnh giác với tín hiệu bị giáng cấp chất lượng phản hồi, hoặc kiên nhẫn chờ đợi các cải tiến không rõ thời hạn từ Anthropic.

marsbit26 phút trước

Anthropic tạo ra một bộ 'hình phạt' cho AI vượt ngục: Yêu cầu của bạn, bốn cách chết

marsbit26 phút trước

Thu nhập 100 triệu đô la mỗi năm, hai bạn cùng phòng Berkeley thế hệ 9x tạo ra mô hình kinh doanh AI sinh lời nhất

Công ty không tạo ra AI nào nhưng kiếm được 100 triệu USD mỗi năm! Đó là Arena, nền tảng bảng xếp hạng và đánh giá mô hình AI khổng lồ, bắt nguồn từ một dự án nghiên cứu mã nguồn mở có tên Chatbot Arena do một nhóm từ UC Berkeley khởi xướng vào năm 2023. Cốt lõi của Arena là một bảng xếp hạng được xây dựng dựa trên hàng chục triệu lượt bình chọn "mù" của người dùng thực. Người dùng nhập prompt, hai mô hình ẩn danh trả lời và họ chọn câu trả lời tốt hơn. Cơ chế "đấu trường" đơn giản này đã thu hút hơn 1000 triệu lượt đánh giá, trở thành điểm tham chiếu quan trọng. Tất cả các gã khổng lồ như OpenAI, Google, Anthropic, Meta đều đưa mô hình hàng đầu của họ lên đây để kiểm tra, thậm chí cả GPT-5 dưới bí danh. Bí quyết kiếm tiền của Arena nằm ở dịch vụ thương mại AI Evaluations, ra mắt tháng 9 năm ngoái. Các công ty phát triển mô hình và doanh nghiệp lớn trả phí để Arena huy động cộng đồng hàng triệu người dùng đánh giá chuyên sâu mô hình của họ, cung cấp phân tích hiệu suất trong thế giới thực mà các bài kiểm tra tiêu chuẩn không có được. Đây là mô hình kinh doanh "bán dụng cụ" trong cơn sốt AI: khi các công ty đua nhau cải thiện mô hình, nhu cầu cho dịch vụ đánh giá và tinh chỉnh sau khi triển khai càng lớn. Dự án này được đồng sáng lập bởi hai bạn cùng phòng tại Berkeley: CEO Anastasios Angelopoulos (chuyên gia học máy) và CTO Wei-Lin Chiang (người đứng sau chatbot mã nguồn mở Vicuna nổi tiếng). Dự án tách ra thành công ty vào mùa xuân 2025, nhanh chóng huy động được 100 triệu USD vốn hạt giống, định giá 6 tỷ USD. Đến tháng 1 năm nay, họ đã hoàn thành vòng gọi vốn Series A 150 triệu USD, định giá 1.7 tỷ USD. Arena không ngừng mở rộng, gần đây ra mắt Chế độ Tác nhân (Agent Mode) để đánh giá các AI thực hiện nhiệm vụ dài, phức tạp như viết mã, nghiên cứu. Arena đặt cược vào một tương lai nơi việc đánh giá khách quan, dựa trên dữ liệu thực tế về hiệu suất AI sẽ ngày càng quan trọng và có giá trị.

marsbit31 phút trước

Thu nhập 100 triệu đô la mỗi năm, hai bạn cùng phòng Berkeley thế hệ 9x tạo ra mô hình kinh doanh AI sinh lời nhất

marsbit31 phút trước

Thu về 24.000 sao: Một lệnh duy nhất, AI tự tìm kiếm kỹ năng

Vercel, công ty đứng sau Next.js, đã ra mắt công cụ Skills - một trình quản lý gói (package manager) dành cho AI Agent, cho phép cài đặt các "kỹ năng" (skill) chuyên biệt vào các công cụ lập trình AI như Claude Code, Cursor, Codex... chỉ bằng một dòng lệnh `npx skills add <package>`. Kho lưu trữ chính thức đã đạt 24,000 sao GitHub trong vòng 5 tháng. Một skill là một thư mục chứa tài liệu hướng dẫn (SKILL.md), tài liệu tham khảo và cả script có thể thực thi, giúp AI tuân thủ các quy tắc, phong cách code cụ thể của dự án một cách tự động và lâu dài. Tính năng nổi bật là "Find Skills", một skill giúp AI tự động tìm kiếm và cài đặt skill phù hợp nhất dựa trên yêu cầu của người dùng, hoạt động như một công cụ tìm kiếm năng lực cho AI. Tuy nhiên, tiện ích đi kèm rủi ro bảo mật lớn. Các nghiên cứu từ Snyk và Koi Security cho thấy hàng trăm skill chứa mã độc, có khả năng đánh cắp khóa, thực hiện prompt injection hoặc phân phối phần mềm độc hại. Khác với npm, skill hợp nhất lệnh, mã code và quyền truy cập đầy đủ, tạo ra mối đe dọa trực tiếp đến hệ thống cục bộ. Vercel, thông qua sáng kiến này, đang tìm cách định hình lại lớp công cụ AI, biến trải nghiệm "một dòng lệnh" từng thành công với Next.js thành chuẩn mực mới trong việc mở rộng năng lực cho trợ lý lập trình AI, đồng thời cũng đặt ra những thách thức bảo mật cần được quản lý cẩn thận.

marsbit31 phút trước

Thu về 24.000 sao: Một lệnh duy nhất, AI tự tìm kiếm kỹ năng

marsbit31 phút trước

Claude Engineer Cuối Cùng Đã Giao Ra Fable 5 Đốt Quyết, Hướng Dẫn Bạn Phá Vỡ Khoảng Cách Thông Tin Với Mô Hình

Fable 5 ra mắt với sự chú ý toàn cầu, từ kỳ vọng cao đến lệnh cấm và hạn chế truy cập. Claude Code kỹ sư Thariq Shihipar chia sẻ hướng dẫn sử dụng Fable 5 hiệu quả, giải quyết vấn đề chênh lệch thông tin giữa người dùng và mô hình. Ông so sánh "bản đồ" (prompt, kỹ năng, ngữ cảnh người dùng cung cấp) với "lãnh thổ" (môi trường thực tế cần xử lý). Khoảng cách này là "điểm chưa biết". Chất lượng công việc phụ thuộc vào khả năng làm rõ các điểm chưa biết này. Bài viết phân loại "điểm chưa biết" thành bốn loại: Đã biết mình biết (nội dung trong prompt), Đã biết mình chưa biết, Chưa biết mình đã biết (điều hiển nhiên không nói ra), và Chưa biết mình chưa biết. Để thu hẹp khoảng cách, tác giả đề xuất các phương pháp lặp đi lặp lại trước, trong và sau khi thực hiện công việc: - **Trước khi thực hiện:** Quét điểm mù, động não tạo nguyên mẫu, đặt câu hỏi ngược, tham khảo tài liệu, lập kế hoạch triển khai. - **Trong khi thực hiện:** Ghi chú lại các quyết định và điều chỉnh trong quá trình thực thi. - **Sau khi thực hiện:** Tạo tài liệu giải thích/giới thiệu và tự kiểm tra kiến thức. Ví dụ, chính video ra mắt Fable đã được Claude Code biên tập bằng cách áp dụng các bước trên: học về kỹ thuật phụ đề, tạo nguyên mẫu đồng bộ hóa, và học về chỉnh màu video. Bài học cốt lõi: Mô hình càng mạnh, việc xác định rõ các "điểm chưa biết" của bạn trước khi bắt đầu càng quan trọng để dẫn đến kết quả tốt hơn. Hãy để Claude giúp bạn tìm ra chúng.

marsbit35 phút trước

Claude Engineer Cuối Cùng Đã Giao Ra Fable 5 Đốt Quyết, Hướng Dẫn Bạn Phá Vỡ Khoảng Cách Thông Tin Với Mô Hình

marsbit35 phút trước

Token ăn mất 30% lương, hóa đơn AI ở Thung lũng Silicon mất kiểm soát

Token hiện đang tiêu tốn tới 30% tổng lương nhân viên tại SemiAnalysis, một viện nghiên cứu bán dẫn Silicon Valley, nhưng đổi lại mang lại hiệu suất cao gấp nhiều lần chi phí lao động truyền thống. CEO NVIDIA, Jensen Huang, thậm chí khuyến khích các kỹ sư sử dụng Token với ngân sách bằng nửa lương, coi đây là "tư liệu sản xuất" mới. Tuy nhiên, mặt khác, nhiều gã khổng lồ công nghệ như Uber và Microsoft đang vật lộn với hóa đơn AI tăng vọt ngoài tầm kiểm soát, trong khi mối liên hệ giữa việc sử dụng AI và đổi mới sản phẩm thực tế vẫn chưa rõ ràng. Một nghiên cứu của MIT năm 2024 chỉ ra trong 77% công việc liên quan đến thị giác, thuê người vẫn rẻ hơn dùng AI. Báo cáo của SemiAnalysis nhấn mạnh đừng chỉ nhìn vào chi phí hiện tại. Với sự tối ưu hóa phần mềm (như tăng tốc độ xử lý token lên 14 lần) và phần cứng mới (hiệu suất cao gấp 17-32 lần), chi phí token dự kiến sẽ giảm mạnh. Gartner dự báo đến 2030, chi phí suy luận cho mô hình lớn có thể giảm hơn 90% so với 2025. Bài viết kết luận rằng dù các công ty công nghệ đang đầu tư hàng nghìn tỷ USD vào AI và cắt giảm nhân sự, tác động kinh tế rộng lớn vẫn chưa thấy rõ. Đây là giai đoạn "xây đường ống" cần thiết, tương tự như điện lưới hay internet trước đây. SemiAnalysis, với 30% chi phí lương chuyển thành token, đã thấy được đòn bẩy sản xuất khổng lồ và đứng về phía bên kia của dòng chảy. Câu hỏi đặt ra cho các công ty khác là bắt đầu ngay hay chờ đợi và bị tụt lại phía sau.

marsbit36 phút trước

Token ăn mất 30% lương, hóa đơn AI ở Thung lũng Silicon mất kiểm soát

marsbit36 phút trước

Giao dịch

Giao ngay

Bài viết Nổi bật

$BANK là gì

Ngân Hàng AI: Một Bước Đột Phá Cách Mạng Trong Tương Lai Ngành Ngân Hàng Giới thiệu Trong một thời đại được đánh dấu bởi những tiến bộ nhanh chóng trong công nghệ, Ngân hàng AI đứng tại giao điểm của trí tuệ nhân tạo (AI) và dịch vụ ngân hàng. Dự án đổi mới này nhằm định hình lại cảnh quan tài chính, nâng cao hiệu quả hoạt động, các biện pháp an ninh và trải nghiệm của khách hàng thông qua sức mạnh của AI. Khi chúng ta bắt đầu cuộc khám phá về Ngân hàng AI, chúng ta sẽ tìm hiểu về nội dung của dự án, động lực hoạt động của nó, bối cảnh lịch sử và những cột mốc quan trọng. Ngân Hàng AI là gì? Về bản chất, Ngân hàng AI đại diện cho một sáng kiến biến đổi nhằm tích hợp trí tuệ nhân tạo vào các hoạt động ngân hàng khác nhau. Dự án này tận dụng khả năng của AI để tự động hóa quy trình, cải thiện các quy trình quản lý rủi ro và nâng cao tương tác với khách hàng thông qua các dịch vụ cá nhân hóa. Mục tiêu chính của Ngân hàng AI bao gồm: Tự động hóa các chức năng ngân hàng: Bằng cách tận dụng công nghệ AI, Ngân hàng AI nhằm tự động hóa các nhiệm vụ thường nhật, giảm gánh nặng cho nhân lực và nâng cao hiệu quả. Quản lý rủi ro nâng cao: Dự án sử dụng các thuật toán AI để dự đoán và xác định rủi ro, từ đó củng cố các biện pháp an ninh chống lại gian lận và các mối đe dọa khác. Cá nhân hóa dịch vụ ngân hàng: Ngân hàng AI tập trung vào việc cung cấp các sản phẩm và dịch vụ tài chính được điều chỉnh theo nhu cầu của từng khách hàng bằng cách phân tích dữ liệu và hành vi của họ. Cải thiện trải nghiệm khách hàng: Việc triển khai các giải pháp sử dụng AI như chatbot và trợ lý ảo nhằm cung cấp cho người dùng những tương tác giống như con người hơn, cách mạng hóa cách khách hàng tương tác với ngân hàng. Với những mục tiêu này, Ngân hàng AI định vị mình như một nhân tố quan trọng trong việc làm cho ngân hàng trở nên hiệu quả hơn, an toàn hơn và tập trung vào người dùng. Ai là người sáng tạo ra Ngân Hàng AI? Thông tin về người sáng tạo ra Ngân hàng AI vẫn chưa rõ ràng. Do đó, không có cá nhân hay tổ chức cụ thể nào được xác định trong thông tin hiện có. Sự ẩn danh xung quanh sự ra đời của dự án đặt ra nhiều câu hỏi nhưng không giảm bớt tầm nhìn và mục tiêu đầy tham vọng của nó. Ai là nhà đầu tư của Ngân Hàng AI? Tương tự như người sáng tạo của dự án, thông tin cụ thể về các nhà đầu tư hoặc các tổ chức hỗ trợ Ngân hàng AI chưa được công bố. Thiếu thông tin này, thật khó để nêu rõ sự hỗ trợ tài chính và hỗ trợ từ các tổ chức có thể thúc đẩy dự án tiến triển. Tuy nhiên, tầm quan trọng của việc có một nền tảng đầu tư vững chắc là rất quan trọng để duy trì sự phát triển trong một lĩnh vực đổi mới như vậy. Ngân Hàng AI hoạt động như thế nào? Ngân hàng AI hoạt động trên nhiều lĩnh vực đổi mới, tập trung vào những yếu tố độc đáo phân biệt nó với các khuôn khổ ngân hàng truyền thống. Dưới đây là các đặc điểm hoạt động chính: Tự động hóa: Bằng cách áp dụng các thuật toán học máy, Ngân hàng AI tự động hóa nhiều quy trình thủ công trong ngân hàng. Điều này dẫn đến việc giảm chi phí hoạt động và cho phép nhân viên chuyển hướng nỗ lực của họ vào các hoạt động chiến lược hơn. Quản lý rủi ro nâng cao: Việc tích hợp AI vào các thực hành quản lý rủi ro trang bị cho các ngân hàng các công cụ để dự đoán chính xác các mối đe dọa tiềm ẩn như gian lận, đảm bảo rằng thông tin và tài sản của khách hàng luôn được bảo vệ. Khuyến nghị tài chính được cá nhân hóa: Thông qua việc học liên tục từ các tương tác của khách hàng

Tổng lượt xem 150Xuất bản vào 2024.04.06Cập nhật vào 2024.12.03

$BANK là gì

Làm thế nào để Mua BANK

Chào mừng bạn đến với HTX.com! Chúng tôi đã làm cho mua Lorenzo Protocol (BANK) trở nên đơn giản và thuận tiện. Làm theo hướng dẫn từng bước của chúng tôi để bắt đầu hành trình tiền kỹ thuật số của bạn.Bước 1: Tạo Tài khoản HTX của BạnSử dụng email hoặc số điện thoại của bạn để đăng ký tài khoản miễn phí trên HTX. Trải nghiệm hành trình đăng ký không rắc rối và mở khóa tất cả tính năng. Nhận Tài khoản của tôiBước 2: Truy cập Mua Crypto và Chọn Phương thức Thanh toán của BạnThẻ Tín dụng/Ghi nợ: Sử dụng Visa hoặc Mastercard của bạn để mua Lorenzo Protocol (BANK) ngay lập tức.Số dư: Sử dụng tiền từ số dư tài khoản HTX của bạn để giao dịch liền mạch.Bên thứ ba: Chúng tôi đã thêm những phương thức thanh toán phổ biến như Google Pay và Apple Pay để nâng cao sự tiện lợi.P2P: Giao dịch trực tiếp với người dùng khác trên HTX.Thị trường mua bán phi tập trung (OTC): Chúng tôi cung cấp những dịch vụ được thiết kế riêng và tỷ giá hối đoái cạnh tranh cho nhà giao dịch.Bước 3: Lưu trữ Lorenzo Protocol (BANK) của BạnSau khi mua Lorenzo Protocol (BANK), lưu trữ trong tài khoản HTX của bạn. Ngoài ra, bạn có thể gửi đi nơi khác qua chuyển khoản blockchain hoặc sử dụng để giao dịch những tiền kỹ thuật số khác.Bước 4: Giao dịch Lorenzo Protocol (BANK)Giao dịch Lorenzo Protocol (BANK) dễ dàng trên thị trường giao ngay của HTX. Chỉ cần truy cập vào tài khoản của bạn, chọn cặp giao dịch, thực hiện giao dịch và theo dõi trong thời gian thực. Chúng tôi cung cấp trải nghiệm thân thiện với người dùng cho cả người mới bắt đầu và người giao dịch dày dạn kinh nghiệm.

Tổng lượt xem 898Xuất bản vào 2025.05.09Cập nhật vào 2026.06.02

Làm thế nào để Mua BANK

Thảo luận

Chào mừng đến với Cộng đồng HTX. Tại đây, bạn có thể được thông báo về những phát triển nền tảng mới nhất và có quyền truy cập vào thông tin chuyên sâu về thị trường. Ý kiến ​​của người dùng về giá của BANK (BANK) được trình bày dưới đây.

活动图片