特朗普在美联储主席面试后称赞克里斯·沃勒‘非常出色’,将在数周内做出选择

cointelegraph发布于2025-12-19更新于2025-12-19

文章摘要

美国总统特朗普在近期记者会上对支持加密货币的美联储主席提名人克里斯·沃勒表示赞赏,称其“非常出色”,并透露将在未来几周内公布最终人选。特朗普表示候选人名单已缩小至三到四人,并认为每位都是合适人选。目前预测平台Polymarket数据显示,加密货币友好的白宫顾问凯文·哈塞特以53%概率领先,沃勒以14%位列第三。沃勒曾公开表示对加密货币支付持开放态度,认为无需担忧其脱离传统银行体系运作。加密货币行业密切关注美联储主席人选,因美联储利率政策对加密市场具有显著影响——降息时投资者往往转向比特币等高风险资产。

美国总统唐纳德·特朗普在近期记者会上对支持加密货币的美联储主席提名人克里斯·沃勒给予积极评价,最终人选悬念持续引发猜测。

"我认为他非常出色。我的意思是,他长期在该领域任职。这是我深度参与并密切关注其职业生涯的人选,他是个非凡的人物,"特朗普在周四的记者会上表示。

沃勒近期被视为对加密货币相对支持,他在2025年8月怀俄明区块链研讨会演讲中曾表示,对于在传统银行体系外运作的加密支付"无需担忧"。

特朗普称候选名单上"每个人都是好选择"

根据加密预测平台Polymarket数据,沃勒当前获选概率为14%,位列第三顺位。支持加密货币的白宫经济顾问凯文·哈塞特以53%概率领先,前美联储理事凯文·沃什以28%概率紧随其后。

美国总统唐纳德·特朗普预计将在未来几周公布美联储主席人选。来源:YouTube

特朗普表示候选人名单已缩减至三至四人。"老实说,我认为每位都是合适的选择"。

当被问及美联储理事米歇尔·鲍曼是否在候选名单时,特朗普未直接回应,但称其为"杰出人士"。Polymarket当前给鲍曼的获选概率为2%。

特朗普称预计"未来两三周内"公布决定。"不确定是否在年底前,但会很快"。

加密行业密切关注美联储主席人选进展

加密行业始终密切关注特朗普提名美联储主席的进展,随着美联储货币政策角色对加密市场整体状况的影响日益凸显,近月相关讨论持续升温。

相关报道:全球债务市场显示美元主导地位呈周期性波动,美联储表示

由美联储设定的利率水平被广泛认为对加密货币市场具有显著影响。

当利率下调时,由于债券和定期存款等传统投资吸引力下降,投资者往往转向加密货币等高风险资产。

杂志专题:重大疑问:比特币能否在十年停电中存活?

相关问答

Q特朗普对美联储主席候选人Chris Waller有何评价?

A特朗普在新闻发布会上称赞Chris Waller'很棒',称他'长期任职且事业成就卓越',并形容他是'一个了不起的人'。

Q根据预测平台Polymarket,谁是最可能被提名为美联储主席的人选?

A根据Polymarket预测,白宫经济顾问Kevin Hassett以53%的概率领先,其次是前美联储理事Kevin Warsh(28%),Chris Waller以14%的概率位列第三。

QChris Waller对加密货币持什么态度?

AChris Waller在2025年怀俄明区块链研讨会上表示,对加密货币在传统银行系统之外运作'没有什么可害怕的',被认为相对支持加密货币。

Q特朗普预计何时宣布美联储主席的最终人选?

A特朗普表示将在'未来几周内'宣布决定,并提到'可能不会在年底前,但很快会公布'。

Q为什么加密货币行业密切关注美联储主席的提名?

A因为美联储通过利率设定影响货币政策,利率降低时投资者可能转向高风险资产如加密货币,因此美联储主席的人选对加密货币市场条件有重要影响。

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。

marsbit22分钟前

生成模型也能端到端训练了?核心竟是一个for循环

marsbit22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。

marsbit2小时前

年薪百万抢电工,Meta急到自己办技校

marsbit2小时前

交易

现货
活动图片