Trump Ủng Hộ Đạo Luật Minh Bạch Hoa Kỳ, Cáo Buộc Các Ngân Hàng Lớn Phá Hoại GENIUS

TheNewsCryptoXuất bản vào 2026-03-04Cập nhật gần nhất vào 2026-03-04

Tóm tắt

Cựu Tổng thống Mỹ Donald Trump đãu kêu gọi các nhà làm luật thông qua Đạo luật Minh bạch Hoa Kỳ, nhằm thiết lập các quy định rõ ràng cho thị trường tiền mã hóa, qua đó tăng cường sức mạnh kinh tế quốc gia. Ông cáo buộc các tổ chức tài chính lớn làm cản trở đổi mới công nghệ và cho rằng sự thiếu minh bạch pháp lý đã đẩy các doanh nghiệp và nhân tài ra nước ngoài. Trump nhấn mạnh luật này sẽ thu hút đầu tư, bảo vệ nhà đầu tư và duy trì lợi thế cạnh tranh của Mỹ. Đạo luật nhận được sự ủng hộ từ cả hai đảng, với mục tiêu phân định rõ quyền hạn của CFTC và SEC, giảm chi phí tuân thủ và khuyến khích đổi mới trong lĩnh vực tài sản kỹ thuật số.

Cựu tổng thống Hoa Kỳ Donald Trump đã kêu gọi các nhà lập pháp thông qua Đạo luật Minh bạch Hoa Kỳ, một đạo luật liên kết sức mạnh kinh tế của quốc gia với các quy định rõ ràng về tiền mã hóa. Trong một bài phát biểu trước các nhà lập pháp và đại diện ngành, Trump thúc giục họ ban hành Đạo luật Minh bạch để mang lại sự rõ ràng cho thị trường tiền mã hóa. Trong bài phát biểu, Trump cáo buộc các tổ chức tài chính lớn đang phá hoại sự đổi mới của quốc gia bằng cách làm chậm các tiến bộ công nghệ.

Trump tuyên bố rằng các quy định không rõ ràng đã gây hại cho sự phát triển của các doanh nghiệp tiền mã hóa và khuyến khích nhân tài chuyển ra nước ngoài. Tuy nhiên, với luật pháp rõ ràng, quốc gia có thể thu hút đầu tư và tăng cường sức mạnh tài chính toàn cầu. Ngoài ra, cựu tổng thống kêu gọi các nhà lập pháp tránh các quy định quá mức mà không có sự hỗ trợ lập pháp rõ ràng.

Tuy nhiên, quy định dựa trên việc thực thi, như Trump mô tả, tạo ra sự không chắc chắn cho cả các doanh nhân và các doanh nghiệp đã thành lập. Theo ông, sự rõ ràng về lập pháp có thể tạo ra sự cân bằng giữa đổi mới và bảo vệ nhà đầu tư. Những tuyên bố của Trump nhấn mạnh quan điểm của ông rằng nước Mỹ đang có nguy cơ mất lợ�i thế cạnh tranh trong việc quản lý tài sản kỹ thuật số. Ông nói rằng nếu các quốc gia khác có thể cung cấp sự chắc chắn trong quy định của họ, họ có thể thu hút vốn và nhân tài từ thị trường Mỹ.

Trump kêu gọi các nhà lập pháp gác lại sự khác biệt và giúp ông thúc đẩy Đạo luật Minh bạch. Ông nói rằng dự luật đã nhận được sự ủng hộ của cả hai đảng từ Quốc hội và Thượng viện. Những tuyên bố của Trump làm nổi bật cuộc tranh luận về việc quản lý các công nghệ tài chính mới. Đạo luật Minh bạch đã được những người tin rằng sự tham gia của tổ chức và cá nhân có thể được hỗ trợ bởi một khuôn khổ pháp lý rõ ràng, trong khi những người khác tin rằng luật được cấu trúc kém có thể trở thành rào cản cho đổi mới.

Bối Cảnh Quy Định và Tác Động Thị Trường Của Đạo Luật Minh Bạch

Mục đích của Đạo luật Minh bạch là xác định thẩm quyền của CFTC và SEC đối với các loại tài sản kỹ thuật số khác nhau. Theo những người ủng hộ, điều này sẽ giúp giảm chi phí tuân thủ cho các công ty tiền mã hóa. Các nhà phân tích chỉ ra rằng sự nhầm lẫn về quy định đã là một vấn đề đối với các nền tảng khác nhau trong lĩnh vực tiền mã hóa.

Ngoài ra còn có một điều khoản về các miễn trừ đặc biệt cho các hoạt động tài sản kỹ thuật số khác nhau để khuyến khích đổi mới trong lĩnh vực này. Theo nhiều người tham gia thị trường đã theo dõi tiến trình của dự luật tại Quốc hội, điều này sẽ giúp xây dựng niềm tin vào thị trường. Các tổ chức tài chính khác nhau đã phản ứng với dự luật theo những cách khác nhau.

Một số khác nhận ra tiềm năng của sự chắc chắn pháp lý trong việc tạo điều kiện tích hợp tài sản kỹ thuật số vào các hệ thống tài chính truyền thống. Các cuộc đàm phán về ngôn ngữ của dự luật cuối cùng đang được các nhà lập pháp tiến hành, và cuộc tranh luận tiếp tục về phản ứng từ các bên liên quan khác nhau trước khi thông qua cuối cùng.

Tin Tức Tiền Mã Hóa Nổi Bật:

Đồng Sáng Lập BitMEX Được Ân Xá Cam Kết 20 Triệu Bảng Cho Viện Toán Học London

TagsBlockchainCFTCĐạo Luật Minh BạchDonald Trump Ân XáĐạo Luật GENIUS SECTRUMPHoa Kỳ

Câu hỏi Liên quan

QDonald Trump ủng hộ điều luật nào liên quan đến tiền mã hóa?

ADonald Trump ủng hộ Đạo luật Minh bạch Hoa Kỳ (U.S. Clarity Act), một đạo luật nhằm thiết lập các quy định rõ ràng cho thị trường tiền mã hóa.

QTheo Trump, các tổ chức tài chính lớn đang gây ra tác hại gì?

ATheo Trump, các tổ chức tài chính lớn đang làm suy yếu sự đổi mới công nghệ (undermining innovation) của đất nước bằng cách làm chậm tiến bộ công nghệ.

QMục đích chính của Đạo luật Minh bạch là gì?

AMục đích chính của Đạo luật Minh bạch là xác định thẩm quyền quản lý của CFTC và SEC đối với các loại tài sản kỹ thuật số khác nhau, nhằm giảm chi phí tuân thủ cho các công ty tiền mã hóa.

QTrump cho rằng tình trạng pháp lý không rõ ràng dẫn đến hậu quả gì?

ATrump cho rằng các quy tắc không rõ ràng đã gây hại cho sự phát triển của các doanh nghiệp tiền mã hóa và khuyến khích nhân tài chuyển ra nước ngoài.

QĐạo luật này đã nhận được sự ủng hộ như thế nào tại Quốc hội?

ATheo Trump, dự luật này đã nhận được sự ủng hộ từ cả hai đảng (bipartisan support) tại cả Hạ viện và Thượng viện.

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.

marsbit21 phút trước

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

marsbit21 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.

marsbit27 phút trước

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

marsbit27 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