卸任市长,投身加密:纽约前市长推出‘NYC代币’模因币

bitcoinist发布于2026-01-14更新于2026-01-14

文章摘要

2026年1月12日,美国纽约市前市长埃里克·亚当斯推出名为“NYC Token”的加密货币,引发迅速关注和强烈批评。该代币基于Solana区块链,宣称旨在支持教育、打击反犹太主义和反美情绪,收益将用于资助弱势群体的奖学金及区块链培训项目。 代币上市初期隐含市值一度达5.8亿至7.3亿美元,但价格在数小时内暴跌约80%,从0.46美元跌至0.10美元。链上数据显示,流动性在发行后几分钟内被大量抽走,社区质疑存在“拉地毯”骗局。官网缺乏关键文件链接,资金分配及治理细节模糊。 亚当斯曾任内将部分工资转换为比特币和以太坊,但现任市长未支持此项目。法律专家警告,若资金移动损害普通投资者,可能引发监管调查。

纽约市前市长埃里克·亚当斯于2026年1月12日推出名为"NYC代币"的新型加密货币,迅速引发关注与批评。

据报道,亚当斯在时代广场推介该项目,称其旨在支持教育并打击反犹太主义和反美情绪。根据发布会信息,该代币基于Solana区块链构建。

代币发行与宗旨

根据官方宣传及后续声明,代币收益将用于资助弱势群体的奖学金和区块链培训项目。

亚当斯将该代币描述为与纽约城市身份及全球影响力相联系的公民象征。尽管发行时承诺社区福利,但批评者指出关于治理和资金处理的信息披露不足。

市场动态

市场反应剧烈。据报道,交易启动初期代币隐含市值一度达到5.8-7.3亿美元,随后价格暴跌。

交易数据显示价格从0.46美元附近骤降至0.10美元,跌幅约80%。交易量激增后崩溃,导致许多交易者遭受重大损失。

流动性质疑与指控

链上观察员和加密分析师发现代币上市数分钟后出现流动性突然撤离。报告显示数百万美元从交易池中抽离,引发加密社区关于"拉地毯骗局"的指控。

加密货币总市值现报3.1万亿美元 图表来源:TradingView

代币官网因关键文档链接缺失或失效受到批评,且未明确说明资金接收方及决策机制。

亚当斯的加密履历:政治背景

埃里克·亚当斯对数字资产并不陌生。任职期间他曾将部分工资转换为比特币和以太坊,并推行吸引区块链企业落户纽约的政策。

其继任者佐赫兰·马姆达尼市长拒绝参与该代币项目且未予认可。这种政策分歧引发关于前官员是否应利用其公众形象推广私人发行代币的质疑。

纽约市夜景 图片来源:Anthony Nazario/Lonely Planet

公众反应

分析师呼吁提高透明度并敦促审查链上数据。根据区块链追踪报告,索拉纳网络上可公开查见部分转账和流动性抽离操作,这加剧了审查力度。

社区团体和投资者要求更清晰的信息公开,法律专家警告若资金转移损害普通购买者利益,可能引发调查或监管关注。

头图由ThomasShanahan/iStock.com提供,图表来自TradingView

相关问答

Q前纽约市长埃里克·亚当斯于何时推出了名为'NYC Token'的加密货币?

A埃里克·亚当斯于2026年1月12日推出了'NYC Token'。

QNYC Token是基于哪个区块链平台构建的?

ANYC Token是基于Solana区块链构建的。

QNYC Token的推出声称要支持哪些社会目标?

ANYC Token声称要支持教育、打击反犹太主义和反美情绪,并为服务不足的社区提供奖学金和区块链培训项目。

QNYC Token推出后市场价格经历了怎样的变化?

ANYC Token在交易开始后的最初几小时内隐含市值曾达到约5.8亿至7.3亿美元,但随后价格暴跌约80%,从接近0.46美元跌至约0.10美元。

Q为什么NYC Token的推出引发了争议和批评?

ANYC Token的推出引发了争议和批评,主要是因为缺乏关于治理和资金处理的详细信息,流动性被迅速撤出,被指责为'拉地毯'骗局,且官方网站缺少关键文档的链接,透明度问题受到质疑。

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