Mỹ Tịch Thu Gần 1 Tỷ Đô La Tiền Mã Hóa của Iran Giữa Chiến Dịch Gây Áp Lực Kinh Tế

TheNewsCryptoXuất bản vào 2026-05-30Cập nhật gần nhất vào 2026-05-30

Tóm tắt

Bộ trưởng Ngân khố Mỹ Scott Bessent thông báo Hoa Kỳ đã tịch thu gần 1 tỷ đô la tiền điện tử liên quan đến Iran. Số tiền này bị tịch thu như một phần của Chiến dịch Economic Fury, bắt đầu từ tháng 3/2025, nhằm gây áp lực tài chính lên Iran thông qua việc đóng băng tài khoản ngân hàng, tịch thu tài sản và hợp tác với các đối tác châu Âu. Theo Bessent, nền kinh tế Iran đang rối loạn với việc phát phiếu thực phẩm, mạng internet bị gián đoạn và nhiều quân nhân không được trả lương. Ông cũng cho biết chính quyền Iran trước đây bị cáo buộc chiếm đoạt hàng trăm triệu đô la mỗi tháng. Con số tịch thu mới công bố cao hơn đáng kể so với các báo cáo trước đó vào tháng 4 về việc đóng băng hàng trăm triệu đô la tiền điện tử.

Vào thứ Sáu, Bộ trưởng Ngân khố Scott Bessent cho biết Mỹ đã tịch thu số tiền mã hóa của Iran trị giá khoảng 1 tỷ đô la. Ông cũng đề cập rằng một số chủ sở hữu ví có thể thậm chí không biết rằng tiền của họ đã bị tịch thu. "Tôi tin rằng chúng tôi đã tịch thu khoảng một tỷ đô la tiền mã hóa của họ", Bessent phát biểu trong bài phát biểu của mình tại Diễn đàn Kinh tế Quốc gia Reagan.

Theo Bessent, các vụ tịch thu này là một phần của Chiến dịch Cơn thịnh nộ Kinh tế (Operation Economic Fury), chiến lược của Hoa Kỳ nhằm gây áp lực tài chính lên Iran. Chiến dịch bắt đầu từ tháng 3/2025 và kể từ đó đã tịch thu tiền mã hóa, đóng băng tài khoản ngân hàng và hợp tác với các đối tác châu Âu để tịch thu tài sản, nhắm vào các tài sản của Iran trên nhiều mặt trận.

Gia Tăng Áp Lực Tài Chính

Theo Bộ trưởng Ngân khố, trước khi Hoa Kỳ can thiệp, chế độ Iran bị cáo buộc đã đánh cắp 400–500 triệu đô la mỗi tháng và phân phối số tiền này cho khoảng 80 hoặc hơn những người thuộc giới tinh hoa.

Ông cho biết, nền kinh tế Iran đang trong tình trạng hỗn loạn, với phiếu thực phẩm được phát ra, mạng internet bị tắt và 40 đến 50% quân đội Iran không được trả lương. Về các cuộc đàm phán hiện tại với Iran, Bessent nói rằng rất khó để làm việc với một cơ cấu lãnh đạo chia rẽ do các cuộc tấn công của Mỹ và Israel vào các thành viên chủ chốt của chế độ.

Con số 1 tỷ đô la mới được tiết lộ này cao hơn đáng kể so với 344 triệu đô la tiền mã hóa đã bị đóng băng sau khi Văn phòng Kiểm soát Tài sản Nước ngoài (OFAC) của Mỹ trừng phạt các ví có liên quan đến Iran vào ngày 24 tháng 4. Nó cũng xấp xỉ gấp đôi so với 500 triệu đô la tài sản tiền mã hóa của Iran mà Bộ Ngân khố thông báo đã tịch thu vào cuối tháng Tư.

Tin Tức Tiền Mã Hóa Nổi Bật Hôm Nay:

Vốn Đầu tư Mạo hiểm (VC) Tiền Mã Hóa Sụt Giảm trong Quý 1/2026 Khi Các Thương Vụ Lớn Cạn Kiệt

ThẻBitcoinBlockchain

Câu hỏi Liên quan

QBộ trưởng Ngân khố Mỹ Scott Bessent đã thông báo điều gì trong bài phát biểu tại Diễn đàn Kinh tế Quốc gia Reagan?

ABộ trưởng Ngân khố Mỹ Scott Bessent thông báo rằng Mỹ đã tịch thu khoảng 1 tỷ USD tiền mã hóa của Iran.

QChiến dịch nào được nhắc đến là chiến lược của Mỹ nhằm gây áp lực tài chính lên Iran, và nó bắt đầu từ khi nào?

AĐó là Chiến dịch 'Economic Fury' (Cơn thịnh nộ Kinh tế), chiến lược gây áp lực tài chính của Mỹ lên Iran, được bắt đầu vào tháng 3 năm 2025.

QTheo bài viết, tình hình kinh tế Iran hiện tại được mô tả như thế nào?

ABài viết mô tả nền kinh tế Iran đang trong tình trạng hỗn loạn, với việc phát phiếu thực phẩm, mạng internet bị ngắt và 40-50% quân đội không được trả lương.

QCon số 1 tỷ USD tiền mã hóa bị tịch thu mới được tiết lộ so với các con số trước đó như thế nào?

ACon số 1 tỷ USD này cao hơn đáng kể so với 344 triệu USD tiền mã hóa bị đóng băng hồi tháng 4 và gấp khoảng hai lần so với 500 triệu USD tài sản tiền mã hóa của Iran mà Bộ Ngân khố thông báo đã tịch thu vào cuối tháng 4.

QLý do nào được Bộ trưởng Bessent đưa ra khi nói về việc đàm phán với Iran hiện nay rất khó khăn?

ABộ trưởng Bessent cho rằng rất khó làm việc với một cơ cấu lãnh đạo bị chia rẽ, do các cuộc tấn công của Mỹ và Israel nhằm vào các thành viên chủ chốt của chế độ Iran.

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.

marsbit8 phút trước

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

marsbit8 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.

marsbit13 phút trước

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

marsbit13 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.

marsbit1 giờ trước

OpenAI không bán tiền dựa trên mô hình đắt nhất

marsbit1 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.

marsbit1 giờ trước

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

marsbit1 giờ trước

Làn sóng tấn công Coldcard thứ 4 nghi ngờ quét sạch 389 Bitcoin: Thorn từ Galaxy

Người dùng ví cứng Bitcoin Coldcard đang được cảnh báo về một đợt tấn công mới nhằm đánh cắp tiền điện tử, chỉ vài ngày sau đợt tấn công đầu tiên. Alex Thorn, Trưởng bộ phận Nghiên cứu tại Galaxy, thông báo đã phát hiện 218 giao dịch đáng ngờ trong vài giờ qua, ảnh hưởng đến 462 địa chỉ và di chuyển khoảng 388,9 Bitcoin. Ông cho biết các giao dịch này có đặc điểm phù hợp với lỗ hổng của Coldcard và tốc độ giao dịch cao gấp khoảng 45 lần bình thường. Hầu hết số tiền bị đánh cắp được chuyển đến các địa chỉ đích mới riêng biệt thay vì tập trung vào một ví. Một số đã được chuyển tiếp lần thứ hai. Nguyên nhân được cho là do lỗi phần mềm chưa từng được phát hiện trước đây trên firmware Coldcard, khiến thiết bị tạo ra seed ví với độ ngẫu nhiên thấp hơn dự định. Ước tính hiện tại có hơn 1.100 ví bị ảnh hưởng với tổng số tiền khoảng 90 triệu USD Bitcoin bị đánh cắp. Người dùng bị ảnh hưởng được khuyến cáo có thể thử chuyển số tiền còn lại sang ví an toàn bằng một giao dịch cạnh tranh với phí cao hơn.

cointelegraph2 giờ trước

Làn sóng tấn công Coldcard thứ 4 nghi ngờ quét sạch 389 Bitcoin: Thorn từ Galaxy

cointelegraph2 giờ trước

Giao dịch

Giao ngay
活动图片

Danh mục Phổ biếnright-arrow

Thẻ Nổi bậtright-arrow