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

bitcoinistXuất bản vào 2026-06-24Cập nhật gần nhất vào 2026-06-24

Tóm tắt

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

Tiền kỹ thuật số thịnh hành

Câu hỏi Liên quan

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。

Nội dung Liên quan

Sức mạnh xử lý sắp cạn: Google thầm áp đặt hạn mức sử dụng Gemini đối với Meta

Cuộc khủng hoảng hạ tầng AI đang leo thang giữa các gã khổng lồ công nghệ. Theo các nguồn tin, từ khoảng tháng 3, Google đã thông báo với Meta rằng họ không thể đáp ứng toàn bộ nhu cầu sử dụng mô hình Gemini và áp dụng giới hạn sử dụng, gây ra sự chậm trễ cho một số dự án AI nội bộ của Meta. Cả hai công ty từ chối bình luận. Tình trạng thiếu hụt năng lực tính toán (compute) buộc Google phải đẩy nhanh việc mở rộng, bao gồm ký hợp đồng thuê năng lực tính toán trị giá 920 triệu USD mỗi tháng với SpaceX của Elon Musk. Giám đốc điều hành Google Sundar Pichai thừa nhận hạn chế về compute đang ảnh hưởng đến doanh thu đám mây. Meta, một trong những khách hàng doanh nghiệp lớn nhất của Google, bị ảnh hưởng nặng nề nhất. Công ty này sử dụng Gemini cho nhiều mục đích như kiểm duyệt nội dung, chatbot hỗ trợ và phát triển mã nguồn. Để giảm phụ thuộc, Meta đang đẩy mạnh chuyển sang sử dụng mô hình tự phát triển như Muse Spark và tăng cường đầu tư vào hạ tầng data center riêng. Sự việc cho thấy áp lực ngày càng tăng từ khối lượng công việc suy luận (AI inference) sau khi mô hình được huấn luyện, trở thành một trong những thách thức lớn nhất của ngành, bất chấp hàng trăm tỷ USD đã được đổ vào chip và trung tâm dữ liệu.

marsbit27 phút trước

Sức mạnh xử lý sắp cạn: Google thầm áp đặt hạn mức sử dụng Gemini đối với Meta

marsbit27 phút trước

Câu hỏi "Anh có chắc không?" khiến mô hình lớn AI bộc lộ "tính cách xu nịnh"?

Ngay cả các mô hình AI mạnh mẽ nhất cũng khó cưỡng lại sự nghi ngờ lặp đi lặp lại từ người dùng. Một bài đăng gần đây trên X của shadcn@shadcn đã gây bão trong cộng đồng phát triển và nghiên cứu AI: "Không có mô hình nào có thể đứng vững trước câu hỏi 'Bạn có chắc không?' - tất cả đều nhanh chóng đầu hàng." Điều này phản ánh một tình huống phổ biến: người dùng chỉ cần hỏi lại "Bạn có chắc không?" mà không cung cấp thông tin mới, nhiều mô hình lớn (LLM) lập tức xin lỗi, sửa đổi câu trả lời, thậm chí biến một đáp án đúng thành sai. Trong phần bình luận, nhiều người dùng chia sẻ trải nghiệm tương tự, nơi AI dễ dàng bị "gaslight" (thao túng tâm lý) để đưa ra câu trả lời kém hơn dù ban đầu nó đúng. Họ nhận xét các mô hình thiếu sự tự tin thực sự; sự chắc chắn của chúng chỉ là cảm giác được đóng gói thành sự tự tin. Tuy nhiên, một số người dùng chỉ ra rằng không phải tất cả mô hình đều như vậy. Ví dụ, AI trợ lý Poke của The Interaction Company và Claude Opus 4.8 của Anthropic có thể giữ vững lập trường khi bị chất vấn. Claude Opus 4.6 cũng được khen ngợi nhờ khả năng "chịu được áp lực" nếu được hướng dẫn trong prompt hệ thống rằng nên phản đối khi chắc chắn. Nguyên nhân sâu xa của hành vi "xu nịnh" này thường được quy cho "lời nguyền" từ quá trình Huấn luyện Củng cố bằng Phản hồi Con người (RLHF). Trong quá trình căn chỉnh, các mô hình được khen thưởng vì an toàn, lịch sự và tuân theo mong đợi của con người. Việc "cãi lại" hoặc kiên định có thể bị trừng phạt, trong khi xin lỗi và tuân theo người dùng là con đường an toàn để đạt điểm cao, vô hình trung tạo ra "nhân cách xu nịnh" ở AI. Hiện tượng này còn được gọi là "AI sycophancy" - sự hy sinh tính nhất quán thực tế để chiều theo khuynh hướng người dùng. Một số ý kiến cho rằng cần có một tiêu chuẩn đánh giá (benchmark) mới, chẳng hạn như benchmark "Bạn có chắc không?", để đo lường khả năng giữ vững lập trường của mô hình khi bị người dùng chất vấn sau khi đã đưa ra câu trả lời đúng. Một trợ lý AI đủ tiêu chuẩn không chỉ cần chính xác trong các bài kiểm tra tĩnh mà còn phải có khả năng chống nhiễu và duy trì ranh giới phán đoán trong đối thoại thực tế.

marsbit53 phút trước

Câu hỏi "Anh có chắc không?" khiến mô hình lớn AI bộc lộ "tính cách xu nịnh"?

marsbit53 phút trước

Dwarkesh Patel: Thế hệ AI tiếp theo có thể được tạo ra từ công việc thực tế

Bài viết trình bày phân tích của Dwarkesh Patel về hướng phát triển tiếp theo của AI, vượt ra ngoài khuôn khổ "Huấn luyện Củng cố với Phần thưởng có thể Xác minh" (RLVR) hiện tại. Ông chỉ ra rằng RLVR thành công trong các lĩnh vực như viết mã, toán học vì chúng có tính "có thể mài mòn" cao - dễ dàng nhân bản, thiết lập lại và kiểm tra song song. Tuy nhiên, nhiều nhiệm vụ thế giới thực như khởi nghiệp, vận động tranh cử hay nghiên cứu khoa học lại thiếu các thuộc tính này, khiến việc huấn luyện trở nên khó khăn. Điểm mấu chốt mà Patel đưa ra là sự cần thiết phải chuyển từ mô hình chỉ huấn luyện trước khi triển khai sang khả năng học tập liên tục từ kinh nghiệm triển khai thực tế. Ông cho rằng kiến thức giá trị nhất thường nảy sinh từ tương tác thực, lỗi thực và bối cảnh cụ thể, nhưng hiện tại việc học ngữ cảnh (in-context learning) của các mô hình lớn chỉ là tạm thời và không lưu lại trọng số. Bài viết đề xuất hai hướng tiếp cận chính cho mô hình học tập tiếp theo: 1. **Tự chưng cất theo chính sách (OPSD):** Nén kiến thức mà một mô hình đã học được trong một phiên làm việc dài (như một "nhân viên kỳ cựu") trở lại trọng số của mô hình cơ sở. 2. **Mơ mộng (Dreaming):** Mô hình tự xây dựng môi trường mô phỏng dựa trên quan sát thế giới thực để luyện tập và thử nghiệm chiến lược, sau đó nén kinh nghiệm thu được. Tầm nhìn cuối cùng là một quy trình huấn luyện mới: AI đầu tiên đạt được năng lực cơ bản thông qua RLVR, sau đó được triển khai để thực hiện công việc thực. Kinh nghiệm tích lũy từ các nhiệm vụ thực này, thông qua các cơ chế như OPSD, sẽ liên tục được tinh chỉnh trở lại mô hình, biến mỗi lần tương tác của người dùng thành cơ hội học tập. Tương lai của AI có thể phụ thuộc vào dữ liệu huấn luyện do chính nó tạo ra từ kinh nghiệm thực tế, hơn là chỉ từ dữ liệu có sẵn trên internet hay các nhiệm vụ được xây dựng sẵn trong phòng thí nghiệm.

marsbit1 giờ trước

Dwarkesh Patel: Thế hệ AI tiếp theo có thể được tạo ra từ công việc thực tế

marsbit1 giờ trước

Giao dịch

Giao ngay

Bài viết Nổi bật

Làm thế nào để Mua BILL

Chào mừng bạn đến với HTX.com! Chúng tôi đã làm cho mua Billions Network (BILL) 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 Billions Network (BILL) 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 Billions Network (BILL) của BạnSau khi mua Billions Network (BILL), 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 Billions Network (BILL)Giao dịch Billions Network (BILL) 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 368Xuất bản vào 2026.05.07Cập nhật vào 2026.06.02

Làm thế nào để Mua BILL

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 BILL (BILL) được trình bày dưới đây.

活动图片