Dự Luật Tiền Mã Hóa Bị Trì Hoãn Giữa Lúc Thượng Viện Tập Trung Vào Lạm Phát – Cái Nhìn Nhanh

bitcoinistXuất bản vào 2026-01-22Cập nhật gần nhất vào 2026-01-22

Tóm tắt

Dự luật tiền mã hóa quan trọng tại Mỹ hiện bị trì hoãn do Quốc hội chuyển trọng tâm sang các vấn đề lạm phát và nhà ở. Sự chậm trễ này khiến thị trường crypto lao dốc, với BTC giao dịch quanh 89.927 USD. Coinbase rút lại hỗ trợ vì lo ngại quy định stablecoin hạn chế hoạt động. Một nhóm thượng nghị sĩ đề xuất hướng tiếp cận khác, phân loại một số token như hàng hóa. Dù vẫn có hy vọng đạt thỏa thuận, thời gian ngày càng eo hẹp do áp lực bầu cử.

Hiện đang treo trong tình trạng bấp bênh, một dự luật tiền mã hóa lớn của Hoa Kỳ nhằm thiết lập nền tảng vững chắc hơn cho các nền tảng giao dịch, token kỹ thuật số và stablecoin đã mất đi tình trạng khẩn cấp trong số các nhà lãnh đạo Quốc hội. Sự chú ý chuyển hướng sang nơi khác, một số thượng nghị sĩ có ảnh hưởng đã tạm dừng công việc về nó trong tuần này. Các cuộc đàm phán vẫn tiếp tục sau hậu trường, nhằm khắc phục những phần chưa được giải quyết trước khi tiến lên phía trước.

Các Nhà Làm Luật Tập Trung Vào Nhà Ở

Một số thượng nghị sĩ chuyển sự chú ý sang các kế hoạch nhà ở giá rẻ liên quan đến các ưu tiên của Tổng thống Hoa Kỳ Donald Trump. Động thái này làm giảm cơ hội phê duyệt nhanh chóng luật tiền mã hóa. Thời gian không còn nhiều khi năng lượng chính trị chảy về nơi khác.

Giờ đây, Ủy ban Ngân hàng đã thay đổi lộ trình của mình vì động thái đó, vì vậy cuộc bỏ phiếu dự kiến cho dự luật hiện đã bị trì hoãn. Điều này tạm dừng các nỗ lực xây dựng một hệ thống rõ ràng.

Sự Phản Đối Lớn Từ Ngành Công Nghiệp

Bất ngờ, Coinbase ngừng ủng hộ kế hoạch. Các giám đốc điều hành của họ cho biết đề xuất có thể hạn chế cách thức hoạt động của stablecoin, ảnh hưởng đến các dịch vụ mà mọi người dựa vào. Sự thay đổi đó khiến họ lặng lẽ rút lui. Ngay sau đó, nhóm phụ trách cũng tạm dừng mọi thứ.

Sự thay đổi đó đã phơi bày những căng thẳng ngày càng gia tăng. Không phải mọi ngân hàng đều chào đón sự trỗi dậy của stablecoin. Sự cạnh tranh hiện hữu khi lợi nhuận từ đồng tiền kỹ thuật số có phạm vi tiếp cận rộng hơn. Một số người chơi tài chính nhìn thấy mối đe dọa trong sự tăng trưởng đó.

BTCUSD hiện giao dịch ở mức $89,927. Biểu đồ: TradingView

Phản Ứng Của Ngành Và Ảnh Hưởng Thị Trường

Nỗi sợ hãi lan tràn khắp các sàn giao dịch. Khi các cuộc đàm phán bị trì hoãn, các loại tiền kỹ thuật số bắt đầu giảm giá vì mọi người bắt đầu đặt câu hỏi về việc tranh cãi có thể kéo dài bao lâu nữa – cùng với loại kết quả nào cuối cùng có thể xuất hiện.

Có thể hữu ích nếu chờ đợi mang lại những quy tắc sắc nét hơn. Tuy nhiên, kéo dài quá lâu có nguy cơ làm các ngân hàng thêm bối rối, khiến họ không chắc chắn về thời điểm hành động.

Các Hướng Đi Riêng Biệt Xuất Hiện

Đi trước xu hướng, một số nhà lập pháp đang nhắm đến một cách tiếp cận mới, nơi một số token kỹ thuật số thuộc các quy tắc hàng hóa. Phiên bản này, được nhóm Nông nghiệp Thượng viện chia sẻ một cách kín đáo, có thể đi theo con đường riêng của nó – thời gian không rõ ràng.

Hình ảnh: AI-CIO

Trong khi những người khác tranh luận về phân loại, bản dự thảo này né tránh sự tắc nghẽn chính và đề xuất một tuyến đường thay thế xuyên qua địa hình quy định.

Một con đường vẫn có thể tiến lên phía trước, ngay cả khi đề xuất của Ủy ban Ngân hàng bị mắc kẹt. Tuy nhiên, chạy hai phiên bản cùng một lúc làm dấy lên lo ngại – làm thế nào để hợp nhất chúng nếu cả hai đều được đưa ra tranh luận?

Dự Luật Tiền Mã Hóa: Điều Gì Có Thể Xảy Ra Tiếp Theo

Ít người tin rằng nó đã chết, mặc dù thời gian trôi qua rất nhanh. Bầu cử đang đến gần; sự chú ý phân tán. Thỏa thuận phải đến sớm, nếu không sẽ không có gì bám trụ.

Một số thành viên Quốc hội lặng lẽ nói rằng việc đẩy vào cuối tháng Hai có thể giết chết cơ hội, tuy nhiên những người ủng hộ vẫn gặp nhau sau lưng để điều chỉnh đề xuất và thu hút thêm phiếu bầu.

Hình ảnh nổi bật từ Unsplash, biểu đồ từ TradingView

Câu hỏi Liên quan

QTại sao dự luật tiền điện tử của Mỹ bị trì hoãn?

ADự luật bị trì hoãn do sự chú ý của các nhà lập pháp chuyển sang các vấn đề khác, đặc biệt là kế hoạch nhà ở giá rẻ theo ưu tiên của Tổng thống Trump, làm giảm cơ hội thông qua nhanh chóng.

QSự thay đổi lập trường của Coinbase ảnh hưởng thế nào đến dự luật?

ACoinbase ngừng ủng hộ dự luật vì lo ngại đề xuất có thể hạn chế cách thức hoạt động của stablecoin, ảnh hưởng đến dịch vụ người dùng. Điều này khiến nhóm phụ trách dự luật tạm dừng công việc.

QPhản ứng của thị trường trước sự chậm trễ của dự luật là gì?

ASự chậm trễ trong đàm phán khiến giá các loại tiền điện tử bắt đầu giảm do các nhà đầu tư lo ngại về thời gian tranh cãi kéo dài và kết quả cuối cùng.

QCó những hướng tiếp cận thay thế nào cho dự luật tiền điện tử?

AMột số nhà lập pháp đang xem xét cách tiếp cận mới, nơi một số token kỹ thuật số thuộc quy định về hàng hóa, do Ủy ban Nông nghiệp Thượng viện đề xuất, như một con đường thay thế.

QTriển vọng trong tương lai của dự luật này là gì?

AMặc dù thời gian không còn nhiều do bầu cử đang đến gần, nhưng ít người tin rằng dự luật đã chết. Các nhà vận động vẫn lặng lẽ gặp gỡ để điều chỉnh đề xuất và thu hút thêm phiếu ủng hộ, nhưng cần đạt được thỏa thuận sớm.

Nội dung Liên quan

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.

marsbit45 phút trước

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

marsbit45 phút 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.

marsbit51 phút trước

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

marsbit51 phút 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