Consensus Hiện trường|Avenir Group cùng Tiger, AMINA, CoinRoutes thảo luận về hiệu suất vốn thể chế và sự phát triển của hạ tầng tài chính

marsbitXuất bản vào 2026-02-11Cập nhật gần nhất vào 2026-02-11

Tóm tắt

Tại Consensus Hong Kong 2026, Avenir Group đã tổ chức một cuộc thảo luận bàn tròn với sự tham gia của Tiger International, AMINA Bank và CoinRoutes về cơ sở hạ tầng giao dịch dành cho tổ chức. Các chuyên gia nhấn mạnh sự chuyển dịch từ mô hình tập trung vào tài sản (Asset-Centric) sang tập trung vào vốn (Capital-Centric) để tối ưu hiệu suất vốn trong môi trường đa tài sản. Các vấn đề chính được nêu bật bao gồm: sự gián đoạn trong phối hợp ký quỹ xuyên tài sản truyền thống và số, hạn chế về thanh khoản và khớp lệnh đa thị trường, cùng yêu cầu về cơ sở hạ tầng tuân thủ nhưng linh hoạt. Giải pháp được đề xuất là xây dựng hệ thống tích hợp, cho phép quản lý vốn thống nhất, đồng bộ hóa quy trình giao dịch - thanh toán và nhúng sẵn tuân thủ. Kết thúc sự kiện, Avenir Group đã ký biên bản ghi nhớ hợp tác chiến lược với các đối tác để cùng thúc đẩy phát triển cơ sở hạ tầng tài chính tương lai, hướng tới nâng cao hiệu quả vốn cho các tổ chức.

Tại hiện trường Consensus Hong Kong 2026, trọng tâm câu chuyện của các nhà đầu tư tổ chức đang chuyển hướng mang tính cấu trúc. Với khuôn khổ pháp lý ngày càng trưởng thành, tài sản mã hóa đã chuyển từ việc phân bổ thăm dò sang tích hợp nhanh chóng vào danh mục đầu tư thể chế; tuy nhiên, quá trình chuyển đổi sang phân bổ đa tài sản này cũng làm nổi bật một chủ đề mới: mặc dù danh mục đầu tư đang mở rộng xuyên biên giới các loại tài sản, ma sát xuyên hệ thống lại đang làm loãng hiệu suất vốn.

Tập đoàn đầu tư Avenir Group, với sứ mệnh thúc đẩy sự hội tụ giữa tài chính truyền thống và tài sản số, quan sát thấy rằng khi quy mô tham gia của các tổ chức mở rộng, mức độ hoàn thiện của cơ sở hạ tầng ngày càng ảnh hưởng đến hiệu suất vốn của họ. Là đối tác chính thức của Consensus Hong Kong 2026, Avenir Group đã khởi xướng một cuộc thảo luận bàn tròn với chủ đề "Cơ sở hạ tầng giao dịch thể chế thế hệ tiếp theo". Các nhà lãnh đạo ngành từ nhà môi giới công nghệ toàn cầu hàng đầu Tiger International, ngân hàng mã hóa được FINMA Thụy Sĩ giám sát AMINA Bank AG ("AMINA Bank") và nền tảng giao dịch thể chế đa tài sản hàng đầu CoinRoutes đã phân tích một cách có hệ thống các nguyên nhân hạn chế hiệu suất vốn thể chế trong môi trường đa tài sản, cùng nhau thảo luận về các hướng phát triển khả thi.

Sự đồng thuận ngành: Tái cấu trúc nền tảng từ "định hướng tài sản" sang "định hướng vốn"

Tại buổi thảo luận, các bên đã đạt được một sự đồng thuận cốt lõi: ngành công nghiệp phải chuyển từ khuôn khổ cơ sở hạ tầng "lấy tài sản làm trung tâm (Asset-Centric)" sang khuôn khổ "lấy vốn làm trung tâm (Capital-Centric)".

Trước đây, mô hình lấy tài sản làm trung tâm, được tối ưu hóa cho một loại tài sản duy nhất, vẫn có thể đáp ứng nhu cầu; nhưng trong thời đại thị trường đa tài sản phức tạp, mô hình này có thể gây ra mức độ tiêu hao hiệu suất vốn nhất định. Khi các tổ chức quản lý song song tài sản truyền thống và tài sản số, sự khác biệt vốn có giữa các tài sản khác nhau, từ biên độ biến động giá đến chu kỳ thanh toán bù trừ, sẽ dẫn đến sự chiếm dụng vốn vô hình và ma sát thực thi. Những điều này không còn chỉ là bất tiện vận hành, mà có thể trở thành rào cản cấu trúc trọng yếu ảnh hưởng đến hiệu suất vốn tổng thể.

Các khách mời bàn tròn đã chia sẻ những hiểu biết sâu sắc từ các khâu khác nhau trong chuỗi giá trị:

· Điều phối hiệu quả sử dụng vốn: Ông Felix Huang Shuojun, Đối tác Toàn cầu của Tập đoàn Tiger International, chỉ ra rằng thị trường truyền thống đã nâng cao tỷ lệ sử dụng vốn thông qua thông suốt ký quỹ; nhưng sự tham gia của tài sản số khiến sự phối hợp này buộc phải gián đoạn. Các hệ thống hiện có phần lớn được thiết kế xoay quanh "cách ly tài sản", chứ không phải là "hiệu suất vốn tổng thể", khiến các tổ chức khó thực hiện điều phối vốn xuyên tài sản trong một khuôn khổ thống nhất.

· Thực thi hiệu quả và liên kết thanh khoản: Ông Ian Weisberger, Giám đốc điều hành kiêm Đồng sáng lập CoinRoutes, bổ sung rằng sự lệch nhịp trong khâu thanh toán bù trừ khiến một lượng lớn vốn ở trong tình trạng nhàn rỗi trong thời gian trống giao dịch. Điều các tổ chức cấp thiết cần là khả năng thực thi thống nhất xuyên thị trường, với các chiến lược đa chân, cũng như khả năng luân chuyển linh hoạt vị thế và rủi ro giữa các loại tài sản khác nhau.

· Cơ sở hạ tầng ưu tiên tuân thủ: Ông Myles Harrison, Giám đốc Sản phẩm của AMINA Bank, nhấn mạnh rằng tuân thủ không phải là mặt đối lập của hiệu quả, mà là tiền đề cho hệ thống vận hành an toàn. Điểm khó nằm ở chỗ ngành thiếu một bộ hạ tầng hỗ trợ nguyên sinh cho đa tài sản, đồng thời sở hữu tính minh bạch cao và khả năng mở rộng, để có thể giải phóng tiềm năng vốn trong khuôn khổ tuân thủ toàn cầu.

Ông Jacob Zhong, Đối tác Quản lý Đầu tư Chiến lược và Hợp tác của Avenir Group, cho biết: "Tổng hợp các thông tin chi tiết của ngành, hướng phát triển của cơ sở hạ tầng đã tương đối rõ ràng. Khi sự tham gia của các tổ chức trong môi trường đa tài sản ngày càng sâu rộng, thị trường ngày càng cần một loại cơ sở hạ tầng có thể thực hiện điều phối vốn thống nhất xuyên tài sản, đồng bộ hóa nhịp độ thực thi và thanh toán giao dịch, đồng thời tích hợp khả năng tuân thủ vào hệ thống nguyên sinh (chứ không phải dạng vá víu sau này). Theo hướng này, một cơ sở hạ tầng đồng bộ hơn và có khả năng thích ứng với quy định đang dần trở thành trụ cột quan trọng để nâng cao hiệu suất vốn, hỗ trợ vận hành quy mô lớn xuyên tài sản."

Cùng xây dựng hệ sinh thái: Thúc đẩy sự phát triển của hạ tầng tài chính thông qua hành động phối hợp

Vào lúc kết thúc thảo luận chuyên đề, Avenir Group đã chính thức ký kết Biên bản ghi nhớ hợp tác chiến lược (MOU) với Tiger Brokers, AMINA Bank và CoinRoutes, nhằm mục đích thảo luận về các tiềm năng hợp tác trong tương lai.

Sự hội tụ giữa tài chính truyền thống và tài sản số không phải là sự tích hợp ở cấp độ công nghệ hoặc sản phẩm đơn lẻ, mà là một quá trình hệ thống tuân thủ mang tính tiệm tiến. Khi phân bổ đa tài sản trở thành chuẩn mực, trọng tâm cạnh tranh giữa các tổ chức đang dịch chuyển — không còn chỉ phụ thuộc vào năng lực tiếp cận thị trường, mà phụ thuộc vào năng lực hệ thống trong việc quản lý thống nhất và điều phối linh hoạt vốn trong khuôn khổ tuân thủ.

Avenir Group kỳ vọng sẽ hợp tác với các tổ chức tài chính và đối tác công nghệ rộng rãi hơn. Thông qua việc thúc đẩy đối thoại và hợp tác trong toàn bộ hệ sinh thái, Avenir Group mong muốn cùng chung tay với các đối tác ngành, cùng thúc đẩy một lộ trình cơ sở hạ tầng mang tính hợp tác và có thể mở rộng hơn, giúp việc nâng cao hiệu suất vốn dần dần đi từ sự đồng thuận ngành thành thực tiễn có thể kiểm chứng.

Về Avenir Group

Avenir Group là một tập đoàn đầu tư mới nổi, chuyên thúc đẩy sự hội tụ giữa tài chính truyền thống và tài sản số, xây dựng cơ sở hạ tầng tài chính hướng tới tương lai. Tập đoàn áp dụng chiến lược tích hợp "đầu tư - ấp ủ - vận hành", bản đồ đầu tư cốt lõi tập trung vào bố trí các lĩnh vực như quản lý tài sản số, nền tảng giao dịch và dịch vụ tài chính, hạ tầng tài chính thanh toán (PayFi) và số hóa tài sản vật chất (RWA), cung cấp các sản phẩm và dịch vụ đạt tiêu chuẩn cấp thể chế cho ngành, liên tục thúc đẩy đổi mới tài chính và phát triển công nghệ mới nổi. Là chủ sở hữu thể chế lớn nhất châu Á của Bitcoin ETF, Avenir Group mở rộng hoạt động kinh doanh trên phạm vi toàn cầu, bao gồm Hồng Kông, Singapore, Tokyo, London, San Francisco, ... Dựa trên năng lực vốn vững mạnh và năng lực vận hành chuyên nghiệp, tập đoàn phấn đấu trở thành trung tâm chiến lược kết nối vốn Đông Tây, thúc đẩy dòng vốn toàn cầu lưu chuyển và hợp tác hiệu quả. Tìm hiểu thêm: https://avenirx.com

Câu hỏi Liên quan

QTại sự kiện Consensus Hong Kong 2026, trọng tâm của các nhà đầu tư tổ chức đang chuyển hướng cấu trúc như thế nào?

ATrọng tâm chuyển từ cấu hình khám phá tài sản mã hóa sang tích hợp nhanh chóng vào danh mục đầu tư tổ chức, với sự chuyển đổi đa tài sản làm nổi bật chủ đề mới: mở rộng danh mục xuyên tài sản nhưng ma sát xuyên hệ thống đang làm giảm hiệu quả vốn.

QAvenir Group đã tổ chức cuộc thảo luận bàn tròn nào và với những đối tác nào?

AAvenir Group tổ chức cuộc thảo luận bàn tròn 'Cơ sở hạ tầng giao dịch tổ chức thế hệ tiếp theo' với các đối tác: tiger International, AMINA Bank AG và CoinRoutes.

QSự đồng thuận ngành về chuyển đổi cơ sở hạ tầng là gì?

ANgành cần chuyển từ khung cơ sở hạ tầng 'lấy tài sản làm trung tâm' sang 'lấy vốn làm trung tâm' để giải quyết các hạn chế về hiệu quả vốn trong môi trường đa tài sản phức tạp.

QCác rào cản chính đối với hiệu quả vốn liên tài sản được nêu ra là gì?

ACác rào cản bao gồm: thiếu khung thống nhất để điều phối vốn xuyên tài sản, chênh lệch nhịp độ thanh toán gây lãng phí vốn, và thiếu cơ sở hạ tầng đa tài sản tuân thủ nguyên bản.

QAvenir Group và các đối tác đã cam kết hành động gì sau cuộc thảo luận?

AHọ đã ký kết Biên bản ghi nhớ hợp tác chiến lược (MOU) để thảo luận các hợp tác tiềm năng nhằm thúc đẩy tiến hóa cơ sở hạ tầng tài chính có tính hợp tác và khả mở.

Nội dung Liên quan

Rubin Ultra bị cắt giảm mạnh cấu hình, NVIDIA cũng không chịu nổi giá bộ nhớ tăng?

Tuần qua, một báo cáo từ công ty nghiên cứu SemiAnalysis đã gây xôn xao ngành AI, tiết lộ thông số kỹ thuật của Rubin Ultra - phiên bản cao cấp nhất trong kiến trúc Rubin mới của NVIDIA - đã bị giảm mạnh so với kỳ vọng trước đó. Theo báo cáo, Rubin Ultra sẽ giữ nguyên hiệu suất tính toán lý thuyết đỉnh (35 PFLOPs) so với Rubin thông thường, nhưng dung lượng bộ nhớ (VRAM) bị cắt giảm nghiêm trọng, chỉ còn 192GB (8-Hi), thậm chí thấp hơn Rubin tiêu chuẩn (288GB, 12-Hi). Băng thông bộ nhớ gần như không cải thiện và mức tiêu thụ điện năng thậm chí còn tăng nhẹ. Thay vào đó, nâng cấp chính của Rubin Ultra tập trung vào khả năng mở rộng kết nối hệ thống, có thể liên kết tối đa 576 GPU thành một "siêu GPU logic" duy nhất thông qua NVLink. Nguyên nhân chính của việc giảm cấu hình được cho là do chi phí HBM (High Bandwidth Memory) tăng quá cao, ảnh hưởng đến tính kinh tế chung của hệ thống AI. Giá HBM3 đã tăng mạnh từ mức 180-220 USD (Q2/2025) lên 700-850 USD (Q2/2026). Việc điều chỉnh thiết kế giúp giảm chi phí nguyên vật liệu (BOM) cho một tủ máy từ khoảng 8 triệu USD xuống còn 6,4 triệu USD, chuyển trọng tâm đầu tư từ HBM đắt đỏ sang khả năng kết nối mở rộng. Thông tin này đã khiến thị trường lo ngại về đỉnh cao nhu cầu HBM, dẫn đến cổ phiếu của các hãng sản xuất bộ nhớ hàng đầu như SK Hynix và Samsung giảm khoảng 8%. Động thái của NVIDIA cho thấy ngay cả gã khổng lồ dẫn đầu về sức mạnh tính toán cũng đang bắt đầu tính toán kỹ lưỡng chi phí, đánh dấu sự dịch chuyển trong ngành AI từ việc "tích trữ linh kiện và tăng giá vô tội vạ" sang tối ưu hóa hiệu quả chi phí toàn hệ thống.

Odaily星球日报9 phút trước

Rubin Ultra bị cắt giảm mạnh cấu hình, NVIDIA cũng không chịu nổi giá bộ nhớ tăng?

Odaily星球日报9 phút trước

Mô hình sinh đã có thể huấn luyện end-to-end? Cốt lõi chỉ là một vòng lặp for

Mô hình tạo sinh (generative models) từ lâu đã phụ thuộc vào các phương pháp đào tạo nhiều giai đoạn (như diffusion, autoregressive), dẫn đến "exposure bias" - sự khác biệt giữa cách huấn luyện và suy luận. Bài báo "Explorative Modeling" (XM) từ UIUC và Harvard đề xuất một giải pháp đơn giản nhưng mạnh mẽ: thay vì tách quá trình tạo mẫu, hãy tách vòng lặp huấn luyện. Trong mỗi bước huấn luyện, mô hình tạo ra K ứng viên, sau đó chỉ chọn ứng viên gần nhất với dữ liệu thực để cập nhật gradient. Vòng lặp `for` đơn giản này giải quyết vấn đề "mode blurring" - xu hướng của hàm mất mát tái tạo đẩy đầu ra về trung bình của các mode hợp lệ, tạo ra kết quả mờ nhạt. Bằng cách khám phá nhiều ứng viên, mô hình học cách bao phủ nhiều mode khác nhau trong phân phối dữ liệu. Khả năng này được gọi là "biểu đạt tạo sinh" (generative expressivity). Thí nghiệm cho thấy "khám phá" (exploration) trở thành một trục mở rộng quy mô hiệu quả thứ ba, bên cạnh quy mô dữ liệu và tham số. Khi quy mô tăng, lợi ích từ việc khám phá càng lớn, cải thiện hiệu suất FLOP, mẫu và tham số. XM đạt được kết quả tạo ảnh trên ImageNet (FID 1.43 không guidance) ngang bằng các mô hình hàng đầu. Quan trọng hơn, XM cho phép huấn luyện mô hình tạo sinh "end-to-end" thực sự. Trong thí nghiệm điều khiển robot, Explorative Policy chỉ cần một lượt truyền thẳng mạng, đạt hiệu suất tương đương Diffusion Policy cần hàng trăm bước suy luận. Điều này chuyển chi phí tính toán từ giai đoạn suy luận sang giai đoạn huấn luyện, mở ra khả năng cho các mô hình tạo sinh nhanh và hiệu quả hơn. Công trình dựa trên lý thuyết "Mode Forcing" trước đó của nhóm tác giả. Hạn chế hiện tại bao gồm chi phí tính toán cho "Forward XM" trên phân phối nhiều mode và thách thức với mô hình ngôn ngữ tự hồi quy thuần túy.

marsbit1 giờ trước

Mô hình sinh đã có thể huấn luyện end-to-end? Cốt lõi chỉ là một vòng lặp for

marsbit1 giờ trước

Mỗi người tối đa 20 bài? Quy định mới của ICLR bị nhà nghiên cứu DeepMind 'mỉa mai' kiến nghị

Tác giả Google DeepMind Dan Roy đã khởi xướng một kiến nghị trào phúng nhằm phản đối quy định mới của hội nghị AI hàng đầu ICLR, giới hạn mỗi tác giả chỉ được đăng ký tối đa 20 bài báo tham dự ICLR 2027. Quy định này được đưa ra do số lượng bài nộp tăng đột biến 68% vào năm 2026, gây áp lực nặng nề lên hệ thống phản biện. Trong bài đăng của mình, Dan Roy giả vờ ủng hộ việc để AI Agent tạo ra càng nhiều nghiên cứu gia tăng càng tốt, và cho rằng giới hạn này sẽ "làm chậm sự phát triển của AI". Anh còn mỉa mai nhận xét rằng "tất cả công việc phản biện giờ đã được giao cho các mô hình ngôn ngữ lớn xử lý", ám chỉ đến một nghiên cứu trước đó phát hiện khoảng 21% ý kiến phản biện tại ICLR 2026 có khả năng cao là do AI tạo ra. Bài viết chỉ ra rằng thông điệp trào phúng của Roy thực chất phản ánh mối lo ngại về một vòng luẩn quẩn: AI tạo ra bài báo hàng loạt, nhà nghiên cứu gửi đi hàng loạt, và phản biện viên lại dùng AI để đánh giá hàng loạt. Qua đó, tác giả đặt câu hỏi liệu biện pháp giới hạn số lượng cứng nhắc có phải là giải pháp tối ưu cho những thách thức căn bản về chất lượng học thuật trong kỷ nguyên AI này.

marsbit1 giờ trước

Mỗi người tối đa 20 bài? Quy định mới của ICLR bị nhà nghiên cứu DeepMind 'mỉa mai' kiến nghị

marsbit1 giờ trước

OpenAI không bán tiền dựa trên mô hình đắt nhất

OpenAI đã điều chỉnh giá, giảm 80% cho mô hình GPT-5.6 Luna và 20% cho Terra, đồng thời giới thiệu chế độ Fast cho mô hình mạnh nhất Sol. Động thái này, cùng với việc Anthropic giới thiệu Claude Opus 5 với giá bằng một nửa so với flagship Fable 5, đánh dấu sự thay đổi chiến lược quan trọng: các hãng không còn chỉ tập trung bán mô hình mạnh nhất. Thay vào đó, họ khuyến nghị người dùng kết hợp các mô hình theo nhiệm vụ: dùng Sol (đắt, mạnh) để phân tích và lập kế hoạch phức tạp, sau đó giao cho Luna (rẻ, hiệu quả) thực thi. Điều này cho thấy trọng tâm thương mại đang chuyển từ các mô hình flagship (chứng minh năng lực kỹ thuật) sang các mô hình tầm trung, phục vụ cho lượng truy vấn API khổng lồ hàng ngày của doanh nghiệp, nơi hiệu quả chi phí (ROI) và độ ổn định là yếu tố quyết định. Một yếu tố then chốt giúp giảm chi phí là việc chính các mô hình AI (như Sol) tham gia tối ưu hóa mã nguồn và quy trình vận hành của chính chúng, tạo ra một vòng lặp tự thúc đẩy giảm chi phí. Điều này có thể đẩy nhanh hơn nữa đà giảm giá trong tương lai. Cạnh tranh đang chuyển từ "mô hình thông minh nhất" sang "hệ sinh thái hiệu quả nhất". OpenAI muốn biến các mô hình như Luna thành lựa chọn mặc định cho các tác vụ thường ngày, từ đó gia tăng độ phụ thuộc và chi phí chuyển đổi cho doanh nghiệp. Tương tự như ngành điện hay điện toán đám mây, mục tiêu cuối cùng là AI trở thành một tiện ích phổ biến, hoạt động âm thầm và không thể thiếu trong mọi quy trình, thay vì chỉ là một sản phẩm công nghệ đình đám.

marsbit2 giờ trước

OpenAI không bán tiền dựa trên mô hình đắt nhất

marsbit2 giờ trước

Lương trăm nghìn đô la săn thợ điện, Meta vội vàng tự mở trường dạy nghề

Cuộc đua AI đang vấp phải nút thắt mới: thiếu hụt nghiêm trọng lao động lành nghề như thợ điện và công nhân xây dựng để xây dựng các trung tâm dữ liệu quy mô lớn. Tại Mỹ, dự báo cần thêm 130.000 thợ điện và 240.000 công nhân xây dựng từ 2023-2030 cho hạ tầng AI, trong khi mỗi năm có 80.000 vị trí thợ điện không thể lấp đầy. Các công ty AI sẵn sàng trả lương cao (thợ điện giỏi có thể kiếm 240.000-280.000 USD/năm), nhưng sự chậm trễ xây dựng vẫn gây thiệt hại hàng chục triệu USD. Độ phức tạp của các trung tâm dữ liệu AI, với công suất điện khổng lồ, hệ thống phân phối điện và làm mát phức tạp, đòi hỏi lao động có kỹ năng đặc biệt. Để giải quyết, các gã khổng lồ công nghệ như Meta và Google đang đầu tư hàng trăm triệu USD vào đào tạo. Meta mở trường dạy nghề miễn phí, cung cấp cả trợ cấp sinh hoạt, trong khi OpenAI hợp tác với công đoàn xây dựng. Chiến dịch tuyển dụng nhắm đến cả học sinh trung học, góp phần làm tăng mạnh tỷ lệ Gen Z theo học trường nghề. Tuy nhiên, nhu cầu điện cho AI tiếp tục bùng nổ, chiếm phần ngày càng lớn trong tổng tiêu thụ điện và đẩy giá điện lên cao. Một nghịch lý tồn tại: các dự án xây dựng cần hàng nghìn lao động cùng lúc, nhưng khi hoàn thành chỉ cần số ít vận hành, dẫn đến rủi ro dư thừa lao động lành nghề trong tương lai.

marsbit2 giờ trước

Lương trăm nghìn đô la săn thợ điện, Meta vội vàng tự mở trường dạy nghề

marsbit2 giờ trước

Giao dịch

Giao ngay
活动图片