法官对Ripple处以1.25亿美元的罚款,并禁止未来的证券违规行为

币界网發佈於 2024-08-08更新於 2024-08-08

币界网报道:

周三(昨天),纽约南区地区法官Analisa Torres命令Ripple支付1.25亿美元的民事罚款,并对未来违反证券法的行为实施禁令。这一决定是在发现Ripple的1278笔机构销售交易违反了证券法规之后做出的。

法官减轻美国证券交易委员会的处罚

12503.5万美元的罚款远低于美国证券交易委员会要求的10亿美元的追缴和判决前利息以及9亿美元的民事处罚。

这一决定是在Torres法官2023年7月的裁决之后做出的,该裁决认定Ripple向机构客户直接销售XRP违反了联邦证券法。然而,她发现Ripple通过交易所向零售客户程序化销售XRP并不构成违规行为。

美国证券交易委员会可能提起上诉

在案件进行期间,美国证券交易委员会曾试图对有关零售销售的裁决提出上诉,但未成功。周三,Torres法官还发布了一项禁止Ripple的禁令。Ripple由Jed McCaleb和Chris Larsen共同创立,于2012年首次亮相,既是一个数字支付网络,也是一种预先开采的数字货币,称为XRP。Ripple的市值低于比特币和以太坊,是第三大加密货币。它的双开源和点对点(P2P)去中心化平台,其网络能够处理任何形式的货币,如英镑、以太坊、日元等。Ripple的用途是什么?Ripple的参与者被称为网关,Ripple由Jed McCaleb和Chris Larsen共同创立,于2012年首次亮相,既是一个数字支付网络,也是一种预先开采的数字货币,称为XRP。Ripple的市值低于比特币和以太坊,是第三大加密货币。它的双开源和点对点(P2P)去中心化平台,其网络能够处理任何形式的货币,如英镑、以太坊、日元等。Ripple的用途是什么?作为一个门户,Ripple的参与者可以从未来违反证券法的行为中阅读本条款。

法官指出,虽然自美国证券交易委员会提起诉讼以来,Ripple没有被发现违反法律,但人们担心Ripple可能会“越界”随着其“按需流动性流动性”流动性一词是指给定资产或证券转换为现金的过程、速度和难易程度。值得注意的是,流动性推测市场价格的保留,最具流动性的资产代表现金。所有资产中流动性最强的是现金本身。·在经济学中,流动性的定义是资产在不实质性影响其市场价格的情况下转换为可用现金的效率和速度。·没有什么比现金更具流动性,而其他资产则代表流动性。现金本身。·在经济学中,流动性是指资产在不实质性影响其市场价格的情况下,如何高效、快速地转化为可用现金。·没有什么比现金更具流动性了,而其他资产则代表了现金他的期限“提供。

该禁令规定,如果Ripple打算出售任何证券,则必须提交注册声明。美国证券交易委员会预计将对2023年7月的裁决提出上诉,因为法官在之前被驳回了中间上诉后已经施加了处罚。根据判决,XRP的价格上涨了3美分,约2%。

你可能也喜歡

英特尔 CEO 陈立武首次播客访谈:我们的目标是“5-10 年 10 倍”,押注先进封装、玻璃基板和人工钻石

英特尔CEO陈立武在接受播客访谈时,提出了“5-10年实现10倍回报”的股东回报目标,并系统阐述了其领导下的转型战略。面对传统工艺微缩接近物理极限的挑战,他将突破点聚焦于先进封装技术(如EMIB)、新型基板材料(如玻璃基板)以及氮化镓、碳化硅和人工合成钻石等半导体新材料,旨在通过材料科学与封装创新延续性能增长。 陈立武将转型过程分为“爬、走、跑”三个阶段。目前英特尔处于夯实基础的“爬行”阶段,首要任务是稳固资产负债表、聚焦简化产品线、并倾听客户需求。他特别指出,智能体AI和推理场景的爆发正带动CPU需求强劲回升。 在代工业务方面,他强调这是一门“信任的生意”,核心是提升良率、缺陷密度和周期时间等基础能力,以服务客户并保障美国本土供应链安全。他同时透露,与埃隆·马斯克合作的Terafab项目进展顺利,双方正共同应对AI算力增长带来的半导体基础设施挑战。 陈立武认为,市场目前低估了英特尔的长期潜力。他预计到2030-2032年,外界将真正看到其在PC基本盘之外,于边缘计算、物理AI与智能体AI等新兴市场的价值。通过整合XPU(混合架构)、先进封装与代工能力,为不同工作负载提供定制化芯片解决方案,是其为英特尔锚定的长期战略方向。

marsbit47 分鐘前

英特尔 CEO 陈立武首次播客访谈:我们的目标是“5-10 年 10 倍”,押注先进封装、玻璃基板和人工钻石

marsbit47 分鐘前

AI 成绩单背后,藏着一位华人“出题人”

AI领域重要的基准评测MMLU-Pro、MMMU、MMMU-Pro背后,都站着同一位“出题人”——加拿大滑铁卢大学助理教授陈文虎。 随着大语言模型能力快速提升,旧的评测基准如MMLU逐渐“失灵”,顶尖模型得分趋近满分,难以区分高下。为此,陈文虎团队于2024年推出MMLU-Pro。它通过将选项扩至10个、增加推理题比例、剔除简单题等方式,使模型准确率相较旧基准显著下降16%-33%,成绩波动更小,有效拉开了模型间的真实差距。 在多模态评测方面,陈文虎团队推出的MMMU基准包含1.15万道需结合图像与专业知识的复杂题目,即便是当时最强的GPT-4V和Gemini Ultra准确率也未超过60%。后续的MMMU-Pro则进一步堵住模型仅凭文本猜答案的漏洞,强制其进行真正的多模态理解。 陈文虎的研究方向长期聚焦于复杂信息理解与推理。他曾于谷歌DeepMind参与Gemini多模态模型的研发与评估工作,这让他深谙模型能力增长路径与评估盲区。他创立的“老虎实验室”不仅做评测,也研发视频理解与生成等模型,这种“既做题也出题”的经历,使其能更精准地设计出触及模型能力边界的评估体系。 如今,陈文虎已加入Meta超级智能实验室,继续专注于多模态预训练与评估工作。他的故事反映了在AI浪潮中,众多华人研究者正深度参与并塑造着行业发展的核心基础工作。

marsbit3 小時前

AI 成绩单背后,藏着一位华人“出题人”

marsbit3 小時前

交易

現貨
合約
活动图片