加密巨头反对加州5%财富税提案

bitcoinist发布于2025-12-29更新于2025-12-29

文章摘要

加州提出对净资产超过10亿美元的富豪一次性征收5%财富税(包括未实现的纸面收益),引发加密货币和科技行业领袖强烈反对。支持方称该政策可筹集约1000亿美元用于医疗教育等公共服务,且仅影响约200名顶级富豪。反对方警告称,将导致富豪、资金和就业岗位外迁,尤其对资产集中于非流动性资产的创始人造成冲击。双方争议焦点在于税收实际征收可行性、资产估值复杂性及可能引发的资本外流风险。

加密货币和科技领域的领袖们正强烈反对加州提出的一次性5%财富税提案。该措施将针对净资产超过10亿美元的人群,并对账面收益征税——即使资产尚未出售也会被计入征税范围。

支持者称这笔资金将用于医疗项目和其他公共服务。根据官方估计,该计划可能从约200名超级富豪居民中筹集高达约1000亿美元的资金。

税收政策内容

根据该倡议的财政纲要,此项征税将适用于2026年1月1日的净资产,且针对未实现收益——包括股票、公司股权和其他账面估值的资产。

纳税人可选择一次性缴清或分五年分期支付,选择后者需支付利息。例如,拥有200亿美元资产的人根据5%规则将面临约10亿美元的税负。净资产超过2000亿美元的居民可能面临超过100亿美元的税单。

行业反对与警告

据报道,多家知名加密公司和创始人表示该措施将导致人才和资金撤离加州。涉及的高管包括Hunter Horsley、Jesse Powell、Chamath Palihapitiya、Nic Carter、Alexis Ohanian等科技界人士。

他们传递的信息很明确:对账面财富突然征收大额税款可能迫使持有者出售股权或迁移至其他州,他们认为这将导致当地经济失去就业机会和投资。有人指出该规则对财富与初创公司绑定的创始人尤其不利。

图片来源:Unsplash

支持者则持不同观点。他们主张该税收将针对小群体——高净值人群,并为医疗、教育和食品项目提供资金,同时不增加中产家庭的税负。

众议员Ro Khanna被提及作为支持者,他认为这项收入是加强公共服务的一种方式。

数据与不确定性

从某种角度看数据很清晰:巨额资金的5%会快速累积。估计潜在收入高达约1000亿美元。但征收存在不确定性。

每日图表显示加密货币总市值达3万亿美元:TradingView

批评者指出过去财富税产生的收入低于预测,因为部分纳税人迁移或将资产转移至海外。对私营公司和加密货币等波动性资产的估值存在实际挑战,这可能使管理变得复杂。

特色图片来自Pexels,图表来自TradingView

热门币种推荐

相关问答

Q加州提出的财富税提案针对的是哪一类人群?

A该提案针对的是净资产超过10亿美元的极富裕人群,预计将影响约200名加州居民。

Q这项财富税提案的税率是多少?主要针对什么类型的资产?

A提案建议征收一次性的5%财富税,主要针对未实现的收益,包括股票、公司股份和其他纸面估值的资产,即使这些资产尚未出售。

Q科技和加密货币行业的领袖们对这项税收提案的主要反对理由是什么?

A行业领袖们认为,对纸面财富突然征收高额税款会迫使富豪出售股份或搬迁至其他州,这将导致加州失去就业机会和投资,并可能特别影响财富集中于初创企业的创始人。

Q支持者认为这项税收收入将用于哪些方面?

A支持者表示,税收收入将用于医疗保健、教育、食品援助等公共项目,且不会增加中产阶级家庭的税收负担。

Q批评者对这项财富税的可行性提出了哪些担忧?

A批评者指出,历史上类似的财富税实际收入常低于预期,因为纳税人可能搬迁或转移资产至海外。此外,对私有公司和波动性资产(如加密货币)的估值也存在实际操作困难。

你可能也喜欢

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。

marsbit10分钟前

生成模型也能端到端训练了?核心竟是一个for循环

marsbit10分钟前

年薪百万抢电工,Meta急到自己办技校

AI竞赛正面临新的瓶颈:工地。美国正面临严重的电工、建筑工等技术工人短缺,这已成为微软、Meta、OpenAI等公司快速建设超大规模AI数据中心(如OpenAI耗资160亿美元的“星际之门”项目)的“头号障碍”。 尽管AI公司愿支付高薪(如电工年薪可达24-28万美元),远超传统行业,但熟练技工仍供不应求。麦肯锡预测,美国在2023-2030年间需额外培养13万名电工和24万名建筑工,而劳工统计局预计每年仍有8万个电工岗位空缺。这种短缺导致项目延迟,每月可能造成数百万美元的收入损失。 AI数据中心建设复杂,需应对巨大功耗(一座设施耗电堪比数十万户家庭)、复杂的配电系统以及高密度散热(需液冷技术)等挑战,因此亟需大量技术娴熟的工人。 为此,科技巨头开始亲自下场培养人才。例如,Meta投入1.15亿美元建立建筑工人培训学校,提供免费培训及生活补贴,以快速输送工人上岗。OpenAI则与建筑工会合作,提前锁定熟练劳动力。同时,企业也将招聘目光投向高中生,鼓励年轻人投身技工行业。这些举措已见成效,Z世代对技工职业的兴趣显著上升。 然而,更深层的挑战在于电力。AI数据中心用电量正以惊人速度增长,已推高部分地区的电价。此外,数据中心建设是项目制的,建设期需要成千上万的工人,但建成后仅需少量常驻人员。这意味着未来可能面临熟练工人短期过剩、并流向其他行业压低薪资的风险。如何实现劳动力与电力资源的长期平衡,仍是悬而未决的问题。

marsbit1小时前

年薪百万抢电工,Meta急到自己办技校

marsbit1小时前

交易

现货

热门文章

如何购买S

欢迎来到HTX.com!我们已经让购买Sonic(S)变得简单而便捷。跟随我们的逐步指南,放心开始您的加密货币之旅。第一步:创建您的HTX账户使用您的电子邮件、手机号码注册一个免费账户在HTX上。体验无忧的注册过程并解锁所有平台功能。立即注册第二步:前往买币页面,选择您的支付方式信用卡/借记卡购买:使用您的Visa或Mastercard即时购买Sonic(S)。余额购买:使用您HTX账户余额中的资金进行无缝交易。第三方购买:探索诸如Google Pay或Apple Pay等流行支付方法以增加便利性。C2C购买:在HTX平台上直接与其他用户交易。HTX场外交易台(OTC)购买:为大量交易者提供个性化服务和竞争性汇率。第三步:存储您的Sonic(S)购买完您的Sonic(S)后,将其存储在您的HTX账户钱包中。您也可以通过区块链转账将其发送到其他地方或者用于交易其他加密货币。第四步:交易Sonic(S)在HTX的现货市场轻松交易Sonic(S)。访问您的账户,选择您的交易对,执行您的交易,并实时监控。HTX为初学者和经验丰富的交易者提供了友好的用户体验。

3.3k人学过发布于 2025.01.15更新于 2026.06.02

如何购买S

相关讨论

欢迎来到HTX社区。在这里,您可以了解最新的平台发展动态并获得专业的市场意见。以下是用户对S(S)币价的意见。

活动图片