Sàn Giao Dịch Tiền Điện Tử Bithumb Đẩy Lùi IPO Sau Năm 2028 Khi Nỗ Lực Dọn Dẹp Tiếp Tục

bitcoinistXuất bản vào 2026-04-02Cập nhật gần nhất vào 2026-04-02

Tóm tắt

Sàn giao dịch tiền điện tử Hàn Quốc Bithumb đã hoãn kế hoạch niêm yết lần đầu ra công chúng (IPO) đến sau năm 2028, muộn hơn so với mục tiêu ban đầu là năm 2025. Nguyên nhân đến từ một năm đầy rắc rối về tuân thủ, thay đổi hội đồng quản trị và một sự cố nội bộ nghiêm trọng. Vào tháng 2, sàn đã ghi nhầm số dư, hiển thị sai số Bitcoin với giá trị lên tới 40 tỷ USD, làm dấy lên nghi ngờ về độ tin cậy. Cơ quan chức năng Hàn Quốc cũng đã phạt công ty 24 triệu USD và đình chỉ hoạt động 6 tháng do vi phạm quy định chống rửa tiền. Mặc dù CEO Lee Jae-won tiếp tục được cổ đông ủng hộ, Bithumb quyết định dành thời gian đến năm 2027 để củng cố hệ thống kế toán, kiểm soát nội bộ và quản trị trước khi tiến hành niêm yết. Trong bối cảnh đó, đối thủ Upbit cũng đang chuẩn bị cho một đợt IPO trong tương lai gần.

Bithumb hiện đang nhắm đến việc phát hành lần đầu ra công chúng (IPO) vào một thời điểm nào đó sau năm 2028, một sự trì hoãn xa hơn so với mục tiêu ban đầu là năm 2025, sau một năm gặp rắc rối về tuân thủ, thay đổi ban quản trị và một sai sót nội bộ tốn kém đã tạm thời cho thấy số dư giả hơn 40 tỷ USD trên sổ sách của họ.

Theo các báo cáo liên quan đến cuộc họp cổ đông của công ty, sàn giao dịch có trụ sở tại Hàn Quốc cho biết họ muốn dành thời gian sắp tới để sửa chữa hệ thống kế toán và kiểm soát nội bộ trước khi cố gắng niêm yết.

Lỗi Nội Bộ Đặt Ra Những Câu Hỏi Mới

Sự cố gây thiệt hại gần đây nhất của sàn giao dịch xảy ra vào tháng 2, khi họ ghi nhầm cho người dùng khoảng 2.000 Bitcoin thay vì 2.000 won. Sự nhầm lẫn đã nhanh chóng được đảo ngược, và phần lớn số tiền không bao giờ rời khỏi sổ cái nội bộ của Bithumb, nhưng quy mô của lỗi này thật khó để bỏ qua.

Nó biến một sự cố hệ thống thông thường thành một bài kiểm tra niềm tin công khai, và nó xảy ra vào một thời điểm tồi tệ đối với một công ty đang cố gắng thuyết phục các cơ quan quản lý và nhà đầu tư rằng họ đã sẵn sàng cho sự giám sát đi kèm với việc niêm yết cổ phiếu.

BTCUSD giao dịch ở mức $66,362 trên biểu đồ 24 giờ: TradingView

Sai lầm đó diễn ra sau áp lực trước đó từ chính quyền Hàn Quốc. Dưới thời CEO Lee Jae-won, Bithumb đã phải đối mặt với lệnh đình chỉ hoạt động sáu tháng và khoản tiền phạt 24 triệu USD liên quan đến cáo buộc vi phạm chống rửa tiền.

Hiện các cổ đông đã ủng hộ ông Lee tiếp tục nhiệm kỳ hai năm nữa, ngay cả khi công ty tiếp tục đẩy lùi mục tiêu IPO xa hơn. Sàn giao dịch đã từng kỳ vọng niêm yết vào năm 2025, nhưng kế hoạch mới là tập trung chuẩn bị cho đến năm 2027 trước khi bất kỳ quy trình nộp hồ sơ nào được tiến hành.

Hình ảnh: AP

Con Đường Chậm Hơn Đến Thị Trường

Lộ trình mới nhất của Bithumb phù hợp với một mô hình trì hoãn rộng hơn. CFO Jeong Sang-gyun cho các cổ đông biết rằng công ty đang tăng cường chính sách kế toán và kiểm soát nội bộ sau khi đưa Samjong KPMG vào làm cố vấn IPO.

Ngôn ngữ đó chỉ ra công việc thường diễn ra trước khi cửa sổ niêm yết mở ra, chứ không phải sau khi năm mục tiêu đã trôi qua. Sự thay đổi nhịp độ này cũng cho thấy màn ra mắt công chúng của sàn giao dịch hiện phụ thuộc vào việc chứng minh quản trị cơ bản như thế nào, không chỉ là nhu cầu thị trường.

Sàn giao dịch này không phải là công ty duy nhất hoạt động trên thị trường Hàn Quốc với kế hoạch niêm yết trong tầm ngắm. Dunamu, công ty điều hành Upbit, cũng được cho là đang chuẩn bị cho một đợt IPO sau khi hoán đổi cổ phiếu với Naver Financial, với thời điểm có thể là tháng Chín.

Hình ảnh nổi bật từ Moneyseth, biểu đồ từ TradingView

Câu hỏi Liên quan

QSàn giao dịch Bithumb đã dời kế hoạch IPO đến thời điểm nào?

ABithumb hiện đang nhắm đến thời điểm phát hành lần đầu ra công chúng (IPO) sau năm 2028, muộn hơn so với mục tiêu ban đầu là năm 2025.

QSự cố nội bộ nào gần đây đã gây tổn hại nghiêm trọng cho Bithumb?

AVào tháng 2, sàn đã ghi nhận nhầm lẫn bằng cách ghi có cho người dùng khoảng 2.000 Bitcoin thay vì 2.000 Won. Mặc dù lỗi này nhanh chóng được đảo ngược, nhưng quy mô của nó đã làm dấy lên những câu hỏi về độ tin cậy.

QÁp lực từ cơ quan chức năng Hàn Quốc đối với Bithumb là gì?

ADưới thời CEO Lee Jae-won, Bithumb đã phải đối mặt với án phạt 24 triệu USD và bị đình chỉ hoạt động 6 tháng do những cáo buộc vi phạm quy định chống rửa tiền.

QAi đã được cổ đông ủng hộ tiếp tục nhiệm kỳ và trong bao lâu?

ACổ đông đã ủng hộ CEO Lee Jae-won tiếp tục nhiệm kỳ thêm hai năm nữa.

QCông ty nào khác ở Hàn Quốc cũng đang chuẩn bị cho IPO?

ADunamu, công ty vận hành sàn Upbit, cũng được cho là đang chuẩn bị cho một đợt IPO sau khi hoán đổi cổ phần với Naver Financial, với thời điểm có thể là vào tháng 9.

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.

marsbit46 phút trước

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

marsbit46 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.

marsbit52 phút trước

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

marsbit52 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