美国加密货币监管辩论升温,Hoskinson批评对《清晰法案》的认可

TheNewsCrypto发布于2026-01-19更新于2026-01-19

文章摘要

卡达诺创始人Charles Hoskinson批评瑞波CEO Brad Garlinghouse公开支持《数字资产市场清晰法案》(CLARITY Act),该法案是美国当前为数字资产提供监管定义的重要立法。Hoskinson通过公开直播表示,不完善的立法比监管不确定性更糟糕,并指责该法案未能充分支持小型项目。 目前正在参议院审议的CLARITY法案旨在明确数字资产法律地位及SEC与CFTC的监管职责,但被指存在政策制定缺陷。Garlinghouse则认为法案能为加密货币提供法律清晰度,防止资本和创新外流。 双方争论暴露了加密社区对美国监管方向的分歧:部分人士呼吁渐进式监管改革,另一些人担心现行立法可能偏袒中心化项目而损害去中心化创新。随着立法进程推进,这一分歧反映出美国数字资产监管体系存在的根本问题。

卡尔达诺创始人查尔斯·霍斯金森(Charles Hoskinson)抨击瑞波首席执行官布拉德·加林豪斯(Brad Garlinghouse)公开支持《数字资产市场清晰法案》——这是当前美国为数字资产行业带来监管定义的最重要立法努力。霍斯金森的评论是在X平台的一次公开直播中发表的,反映了加密货币领域主要人物在美国加密货币政策方向和内容上的紧张关系。

目前正在美国参议院审议的《清晰法案》,旨在作为一份综合性指导文件,澄清数字资产的总体法律地位以及美国证券交易委员会(SEC)和商品期货交易委员会(CFTC)作为监管机构的各自立场。不幸的是,目前流传的草案因在政策制定上存在重大缺陷而受到霍斯金森等人的批评。

霍斯金森的论证重点针对加林豪斯的观点,即不完善的立法总比不确定的监管环境要好。霍斯金森大量引用加林豪斯的声明作为其论点的证据,并以此质疑其支持一项他认为未能为小型项目提供足够支持的法案的逻辑。

监管与创新之间的行业分歧

加林豪斯一直是《清晰法案》的直言不讳的倡导者,认为该立法是为整个加密货币市场实现一定程度法律清晰度的必要条件。他多次指出,拥有一套明确的规则对于防止资本和创新流向对加密货币活动更有利的司法管辖区至关重要。

立法者和行业参与者仍在进行谈判,旨在微调法案中的措辞,因为双方都在寻求在这个问题上的中间立场,这将影响数字资产的监管方式。

查尔斯·霍斯金森和布拉德·加林豪斯之间关于《清晰法案》的公开争论,表明了加密货币社区在对待美国监管问题上存在明显裂痕。虽然一些高管呼吁进行渐进式的监管改革以给予市场更大的清晰度,但其他高管则担心当前的立法结构可能侧重于集中化监管,从而不利于去中心化计划。随着这一立法进程的继续展开,加密货币社区的这种分歧揭示了美国数字资产立法结构中存在的根本问题。

重点加密货币新闻:

K33利用比特币持仓推出加密支持借贷服务

标签卡尔达诺, 查尔斯·霍斯金森

相关问答

Q查尔斯·霍斯金森批评瑞波CEO支持《数字资产市场清晰度法案》的主要原因是什么?

A霍斯金森认为该法案存在重大政策漏洞,且对小型项目的支持不足,他反对加林豪斯'有缺陷的立法总比不确定的监管环境更好'的观点。

Q《数字资产市场清晰度法案》的主要目的是什么?

A该法案旨在作为综合性指导文件,明确数字资产的法律地位以及SEC和CFTC作为监管机构的各自职责,为美国数字资产行业提供监管定义。

Q布拉德·加林豪斯支持该法案的核心论点是什么?

A加林豪斯认为明确的法规可以防止资本和创新流向对加密货币更友好的司法管辖区,法律清晰度对加密货币市场的健康发展至关重要。

Q加密货币社区对美国监管政策存在哪些分歧?

A部分行业领袖呼吁渐进式监管改革以提供市场清晰度,而另一些人担心当前立法结构可能过度偏向中心化监管,不利于去中心化项目的发展。

Q该法案目前处于什么立法阶段?

A《数字资产市场清晰度法案》目前正在美国参议院审议中,立法者和行业参与者仍在就法案具体条款进行协商调整。

你可能也喜欢

OpenAI后训练工程师翁家翌,给Agentic AI提出了新范式假设

OpenAI工程师翁家翌提出名为“启发式学习”的新范式,探索AI通过自主编写和修改代码来提升能力,而非仅依赖训练神经网络参数。 在实验中,他让Codex在明确目标和反馈闭环中,为Atari Breakout等游戏编写纯Python策略代码,通过反复运行、查看日志与回放、定位失败并修改代码,最终使策略在Breakout中达到理论满分。这种“启发式学习”将经验沉淀为可阅读、修改和审计的软件系统,而非难以解释的神经网络权重。 文章对比了启发式学习与深度强化学习的差异:前者更新的是代码结构和规则,具备更好的可解释性、更高的样本效率,并能通过回归测试等方式缓解灾难性遗忘问题。在Atari57游戏的批量测试中,该方法在部分游戏上表现出接近或超越传统强化学习算法的效率,但在需要长程规划的复杂任务中仍存在局限。 该范式的潜在产业意义包括:为机器人控制等场景提供更轻量、可审计的解决方案;提升安全关键系统的可解释性与可维护性;以及为智能体产品提供能力沉淀和共享的新路径。然而,其实用性仍需在更复杂的真实场景中进一步验证。 翁家翌认为,未来更可能是神经网络(负责快速感知等)与启发式系统(负责规则、记忆与安全)结合的分工模式。这预示着AI发展的一条可能路径:在强大编码智能体的辅助下,部分经验可以重新转化为可读、可维护的软件工程资产。

marsbit54分钟前

OpenAI后训练工程师翁家翌,给Agentic AI提出了新范式假设

marsbit54分钟前

你的 Claude 今晚要做梦了,别打扰它

Anthropic在开发者大会上为AI智能体平台引入了“做梦”(Dreaming)功能,这实际上是一种基于历史运行日志的离线批处理与自我优化机制。AI智能体在完成复杂任务后,会利用闲置时间自动回顾大量操作记录,从中提炼有效模式(例如更优的操作路径),并固化为可共享的记忆,从而提升后续任务效率。 类似机制也出现在其他AI产品中,如Hermes Agent的“Curator”功能可自动将经验整理成“Skill”,OpenClaw的“做梦”流程则细分为浅睡、快速眼动和深睡三个阶段,通过多维度加权决定哪些信息应存入长期记忆。 该功能与“记忆”(Memory)技术紧密相关。当前AI能力的核心挑战之一是如何有效管理与利用不断增长的上下文信息。一方面,行业正通过技术创新(如Subquadratic公司宣称的1200万token超长上下文模型)试图扩大信息容量;另一方面,“做梦”这类功能旨在让AI在有限上下文窗口内,主动筛选、巩固重要信息,模仿人类睡眠中的记忆处理过程。 文章指出,科技公司频繁使用“思考”“记忆”“做梦”等拟人化术语来描述AI功能,这不仅是技术类比,更是一种营销策略和认知塑造。它模糊了机器与人的边界,影响用户对产品的感知与期待,并在无形中转移了技术缺陷的责任归属。本质上,AI的“做梦”仍是一种消耗计算资源的自动化数据处理,但其命名方式却让我们更倾向于将其视为拥有内在生命的数字实体。

marsbit56分钟前

你的 Claude 今晚要做梦了,别打扰它

marsbit56分钟前

交易

现货
合约

热门文章

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ADA(ADA)币价的意见。

活动图片