参议院多数党领袖约翰·图恩表示《清晰法案》可能不会在四月前通过

TheNewsCrypto发布于2026-03-13更新于2026-03-13

文章摘要

美国参议院多数党领袖约翰·图恩表示,关于加密货币市场结构的《清晰法案》可能推迟至四月后审议。由于立法者正忙于其他紧迫议题,参议院银行委员会将优先处理《拯救美国法案》。该法案旨在明确数字资产监管框架,界定美国证交会(SEC)和商品期货交易委员会(CFTC)等机构的职责。政策分析人士指出,若谈判顺利,法案可能延至2026年通过。业界担忧监管延迟可能导致创新活动转向海外,影响美国在加密货币领域的竞争力。当前立法重点包括稳定币监管与金融 oversight 等议题。

美国参议院多数党领袖约翰·图恩表示,立法者可能会考虑将加密市场结构立法推迟至四月审议。他表示参议院银行委员会可能会稍后讨论该法案,因为立法者目前正忙于处理其他紧迫议题。这项名为《清晰法案》的立法提案旨在帮助立法者厘清美国数字资产与加密货币的监管规则。
立法者提出该法案是为了明确不同监管机构在数字资产及整体金融市场管理中的职责。

埃莉诺·特雷在X平台发文指出,参议院将优先处理《拯救美国法案》,随后再审议加密市场结构法案。图恩表示:“市场结构法案我希望能够尽快推出”,并补充说立法进程“可能不会早于四月份的时间段”。

立法者在发表这些评论时讨论了与稳定币监管和金融监督相关的各种政策问题。行业观察人士密切关注这些进展,因为它们可能对未来加密货币监管产生重大影响。在先前讨论中,立法者已推动这些法案的早期版本在众议院委员会通过。但参议院领导人现在表示,在审议加密货币法案之前将优先处理其他立法事项。

加密货币监管辩论持续进行

唐纳德·特朗普指出,加密货币监管的持续延迟可能会影响美国数字资产市场。据特朗普表示,持续拖延可能让中国等其他国家在全球加密货币市场占据更有利地位。他称立法进程的持续延迟可能导致创新与发展转移到美国境外发生。

监管机构正在努力明确美国证券交易委员会(SEC)和商品期货交易委员会(CFTC)等不同机构在数字资产监管中的职责,以减少数字资产市场及其投资活动中存在的不确定性。尽管预计参议院将进行调整,但立法者对这项立法持乐观态度。如果谈判一切顺利,该法案有可能在2026年晚些时候获得通过。

多位政策分析师认为,若谈判进展顺利,这项立法可能在2026年晚些时候通过。不同机构持续呼吁立法者建立支持数字资产市场创新的明确监管框架。

重点加密货币新闻:

盈利压力加剧 加密货币矿商转向资产策略

标签比特币比特币 (BTC)区块链清晰法案美国参议院US Senate

相关问答

Q美国参议院多数党领袖约翰·图恩对CLARITY法案的通过时间有何预测?

A约翰·图恩表示,加密货币市场结构法案可能不会在4月之前推进,预计将在4月左右的时间段考虑该立法。

QCLARITY法案的主要目标是什么?

ACLARITY法案旨在帮助立法者澄清美国数字资产和加密货币的监管规则,明确不同监管机构在数字资产和整体金融市场管理中的角色。

Q参议院在审议加密货币市场结构法案前会优先处理什么法案?

A根据埃莉诺·特雷特的推文,参议院将首先关注《拯救美国法案》(SAVE America Act),然后再处理加密货币市场结构法案。

Q唐纳德·特朗普对加密货币监管延迟有何看法?

A特朗普认为,加密货币市场监管的持续延迟可能导致创新和发展发生在美国之外,让中国等其他国家在全球加密货币市场中占据更有利位置。

Q政策分析师对CLARITY法案的通过时间有何预期?

A政策分析师认为,如果谈判一切顺利,该法案可能在2026年晚些时候获得通过。

你可能也喜欢

Rubin Ultra大减配,英伟达也扛不住内存涨价了?

知名投研机构SemiAnalysis近日报告指出,英伟达已向主要客户预览了其顶级AI芯片Rubin Ultra的最新规格,但相比此前预期出现显著降配。核心变化包括:算力峰值保持与普通版Rubin相同的35 PFLOPs;显存容量降至8层堆叠的192GB,甚至低于普通版的288GB;显存带宽仅微升1TB/s;芯片功耗反而略有提高。Rubin Ultra的主要升级方向转向“扩展互联规模”,支持通过NVLink将最多576张GPU互联成统一计算域,远高于普通版的72张。 报告分析认为,此次调整主要源于HBM(高带宽内存)价格持续快速上涨。以HBM3为例,其价格已从2025年二季度的低点180-220美元,飙升至目前约700-850美元。HBM成本飙升使得Rubin Ultra单机架的物料成本一度从约660万美元升至800万美元。英伟达因此重新评估设计,通过减少昂贵的HBM配置(成本占比从近40%降至28%),将资源更多投入互联能力等方向,优化整体成本结构。 此消息引发市场对HBM需求见顶的担忧。受冲击影响,韩国存储股开盘大跌,SK海力士、三星股价均下挫约8%。市场解读认为,若英伟达此举成为趋势,意味着AI芯片厂商可能开始通过优化设计来降低对高容量HBM的依赖,这或将限制存储厂商未来的提价空间,标志着AI基础设施的“堆料涨价”时代可能接近尾声。

Odaily星球日报11分钟前

Rubin Ultra大减配,英伟达也扛不住内存涨价了?

Odaily星球日报11分钟前

生成模型也能端到端训练了?核心竟是一个for循环

长期以来,深度学习在图像分类、检测等任务上凭借端到端训练取得了巨大成功,但生成模型领域却始终是个例外。当前主流的自回归、扩散模型等训练时只学习预测“一小步”,推理时则需要反复展开数百上千步,这种训练与推理的不一致导致了“暴露偏差”等问题,使得生成模型一直未能实现真正的端到端训练。 最近,一篇来自UIUC与哈佛大学的论文提出了“探索式建模(Explorative Modeling,XM)”新范式,其核心是一个简单到近乎朴素的for循环:在每个训练步骤中,模型生成K个候选样本,然后仅选取其中最接近真实数据的一个样本来计算损失和回传梯度。这种做法巧妙地绕开了传统生成模型中因使用重构损失(如平方误差)而导致的“模态模糊”问题——即模型倾向于输出多个可能答案的平均值,而这个平均值往往不属于任何真实的数据模式。 XM通过这种方式,在不拆分生成过程的前提下,直接提升了模型的“生成表达力”,即模型捕捉数据分布中多个独立模式的能力。论文将“探索”验证为继模型参数量、数据量之后的第三根可扩展轴。实验表明,随着模型规模、数据量和计算量的增大,探索带来的性能收益越发显著,在图像、视频、语言等多种任务上均能带来效率与质量的提升。 更重要的是,当探索程度足够时,XM可以实现真正的端到端生成。在机器人控制等任务中,仅需一次网络前向传播的XM策略,其性能可媲美甚至超过需要上百次前向的扩散模型策略,实现了推理效率的飞跃。 尽管“最佳K样本选择”的思想并非全新,但该研究的贡献在于清晰地揭示了这一简单机制如何直接解决生成模型的核心瓶颈,并为实现高效、端到端的生成模型开辟了新的可能性。随着模型规模的持续扩大,探索这一新维度可能将发挥越来越关键的作用。

marsbit1小时前

生成模型也能端到端训练了?核心竟是一个for循环

marsbit1小时前

交易

现货
活动图片