Zodia Custody Mở Đường Cho Các Tổ Chức Tiếp Cận Stablecoin Được Quy Định Đầu Tiên Của Úc

TheNewsCryptoXuất bản vào 2026-01-09Cập nhật gần nhất vào 2026-01-09

Tóm tắt

Zodia Custody, một nền tảng lưu ký tiền mã hóa bảo mật cao, đã trở thành công ty lưu ký toàn cầu đầu tiên hỗ trợ AUDM - stablecoin được quy định đầu tiên của Úc, được phát hành bởi Marcopod. Mỗi token được đảm bảo 1:1 bằng AUD thật trong tài khoản ủy thác. Zodia cung cấp giải pháp lưu trữ lạnh an toàn, cho phép các ngân hàng và tổ chức tài chính lớn nắm giữ AUDM mà không cần tự quản lý khóa cá nhân. AUDM, với tư cách là tiền có thể lập trình, hỗ trợ thanh toán thời gian thực, giao dịch xuyên biên giới và các sản phẩm tài chính trên chuỗi. Úc đang thúc đẩy tích hợp stablecoin vào cơ sở hạ tầng tài chính có quy định, với sự hỗ trợ từ ASIC và Ngân hàng Dự trữ Úc, tạo điều kiện thuận lợi cho việc áp dụng thể chế.

Zodia Custody, một kho lưu trữ tiền mã hóa có độ bảo mật cao, đã trở thành nhà giám sát tiền mã hóa toàn cầu đầu tiên hỗ trợ AUDM, stablecoin được quy định đầu tiên của Úc được gắn với đồng đô la Úc. Bước đi này giúp các ngân hàng, quỹ và tổ chức lớn sử dụng stablecoin tại Úc một cách an toàn và bảo mật hơn.

AUDM Đạt Được Dịch Vụ Giám Sát Cấp Tổ Chức Khi Zodia Mở Đường Tiếp Cận An Toàn

AUDM là một stablecoin được gắn theo tỷ lệ 1:1 với đồng đô la Úc. Nó được phát hành bởi Marcopod, nhà phát hành stablecoin được cấp phép đầu tiên của Úc, nắm giữ Giấy phép Dịch vụ Tài chính Úc (AFSL). Mỗi token được hỗ trợ bởi AUD thực, được lưu trữ trong các tài khoản ủy thác tách biệt tại các ngân hàng lớn của Úc. Chúng có thể được sử dụng trong các hợp đồng thông minh và thanh toán tự động. Stablecoin này được ra mắt vào tháng 10 năm 2025 dưới dạng token ERC-20 trên Ethereum với kế hoạch mở rộng sang các blockchain khác.

Zodia hiện cung cấp dịch vụ giám sát lưu trữ lạnh cho AUDM theo các tiêu chuẩn bảo mật cao nhất. Các tổ chức giờ đây có thể nắm giữ AUDM một cách an toàn mà không cần tự quản lý khóa riêng tư. Điều này mang lại sự tin tưởng về mặt quy định cho các ngân hàng và các công ty tài chính lớn. Zodia được hậu thuẫn bởi các tổ chức tài chính lớn và các ngân hàng quốc gia của Úc, điều này làm tăng thêm sự tin cậy.

Về cơ bản, AUDM là tiền có thể lập trình, và nó có thể được sử dụng cho thanh toán và quyết toán thời gian thực, tiền mặt được mã hóa, các sản phẩm tài chính trên chuỗi, giao dịch xuyên biên giới bằng AUD và thanh toán tự động bằng hợp đồng thông minh. Điều này giúp ích cho cả tài chính truyền thống và các doanh nghiệp gốc crypto.

Úc Đẩy Mạnh Stablecoin Vào Cơ Sở Hạ Tầng Tài Chính Được Quy Định

Stablecoin đang di chuyển vào cơ sở hạ tầng tài chính chính thống, và Úc đang định vị mình là một thị trường crypto thân thiện với tổ chức và được quy định. Cơ quan quản lý Úc ASIC gần đây đã đơn giản hóa các quy định về stablecoin, loại bỏ sự cần thiết của một giấy phép dịch vụ tài chính riêng biệt chỉ để xử lý stablecoin. AUDM cũng đã được thử nghiệm thông qua Dự án Acaci của Ngân hàng Dự trữ Úc, tập trung vào quyết toán được mã hóa. Sự rõ ràng về quy định này đã giúp các tổ chức dễ dàng áp dụng AUDM hơn.

Điều này cho thấy Úc đang đưa Stablecoin vào hệ thống tài chính được quy định, và các tổ chức giờ đây có quyền truy cập an toàn và tuân thủ vào tiền kỹ thuật số dựa trên AUD. Stablecoin hiện đang chuyển dịch từ công cụ giao dịch Crypto sang cơ sở hạ tầng thanh toán và quyết toán thời gian thực.

Tin Tức Crypto Nổi Bật:

World Liberty Financial (WLFI) Vật Lộn Để Phục Hồi: Liệu Sự Đổi Chiều Còn Khả Thi?

ThẻAustraliaStablecoinZodia

Câu hỏi Liên quan

QZodia Custody đã trở thành tổ chức lưu ký tiền mã hóa toàn cầu đầu tiên hỗ trợ đồng stablecoin nào?

AZodia Custody đã trở thành tổ chức lưu ký tiền mã hóa toàn cầu đầu tiên hỗ trợ AUDM, đồng stablecoin được quản lý đầu tiên của Úc.

QAUDM là đồng stablecoin được phát hành bởi tổ chức nào và được neo theo tỷ lệ nào?

AAUDM là đồng stablecoin được phát hành bởi Marcopod, tổ chức phát hành stablecoin được cấp phép đầu tiên của Úc, và được neo theo tỷ lệ 1:1 với đô la Úc.

QZodia Custody cung cấp dịch vụ lưu ký nào cho AUDM và lợi ích chính là gì?

AZodia Custody cung cấp dịch vụ lưu ký lạnh (cold storage custody) cho AUDM với các tiêu chuẩn bảo mật cao nhất, cho phép các tổ chức nắm giữ AUDM một cách an toàn mà không cần tự quản lý khóa riêng tư.

QDự án Acaci của Ngân hàng Dự trữ Úc tập trung vào lĩnh vực nào và đã thử nghiệm đồng stablecoin nào?

ADự án Acaci của Ngân hàng Dự trữ Úc tập trung vào các khoản thanh toán được mã hóa (tokenized settlements) và đã thử nghiệm đồng stablecoin AUDM.

QSự phát triển của stablecoin ở Úc cho thấy xu hướng chuyển dịch từ công cụ giao dịch sang cơ sở hạ tầng nào?

ASự phát triển của stablecoin ở Úc cho thấy xu hướng chuyển dịch từ công cụ giao dịch tiền mã hóa sang cơ sở hạ tầng thanh toán và quyết toán thời gian thực.

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.

marsbit14 phút trước

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

marsbit14 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

Giao dịch

Giao ngay
活动图片