ADGM提议针对加密货币挖矿活动制定监管框架

TheNewsCrypto發佈於 2026-01-28更新於 2026-01-28

文章摘要

阿布扎比全球市场(ADGM)注册管理局发布《2026年第1号讨论文件》,提出针对加密货币挖矿活动的监管框架提案。该提案旨在将挖矿活动纳入ADGM现有虚拟资产监管体系,涵盖治理结构、风险管理、许可制度及运营规范(如网络安全和透明度要求)等方面。此举是ADGM构建数字资产全面监管体系的重要延伸,此前已覆盖交易、托管、发行和质押等领域。目前监管框架仍在征求意见阶段,管理局呼吁行业参与者提供反馈以确保最终方案的可行性。ADGM通过此举进一步巩固其作为数字资产创新领先司法管辖区的地位。

阿布扎比全球市场(ADGM)注册管理局(RA)通过发布《2026年第1号讨论文件》,在明确数字资产基础设施监管框架方面迈出重要一步,该文件概述了加密货币挖矿的监管框架。讨论文件阐述了政策考量、许可制度以及可能适用于ADGM金融自由区内加密货币挖矿的操作性问题。

这是ADGM制定全面数字资产监管计划的一部分,该计划涵盖范围超越交易、托管和发行,延伸至挖矿及节点基础设施。注册管理局正就拟议框架征求行业反馈,以确保最终监管框架能吸纳行业意见和考量因素。

加密货币挖矿提案的目标与范围

ADGM注册管理局发布的讨论文件核心在于如何将挖矿活动纳入现有虚拟资产监管框架。虽然监管框架的具体细节尚待讨论,但文件强调了为挖矿机构建立明确治理结构、风险管理和合规体系的重要性。这些可能包括许可要求、网络安全等操作最佳实践,以及确保挖矿机构透明度和问责制的措施。

加密货币挖矿涉及通过计算挑战处理区块链交易和保护区块链网络,已成为全球数字资产生态系统中重要组成部分。

除挖矿外,ADGM的《虚拟资产监管框架》(VARF)还涵盖交易、托管、发行和质押等广泛数字资产相关活动。该框架最新增强内容包括法币参考代币监管条例和拟议的质押监管规则,进一步巩固了ADGM作为数字资产创新领域先进司法管辖区的地位。

利益相关方参与及后续步骤

ADGM发布的讨论文件是监管规则制定的第一步,注册管理局鼓励利益相关方积极参与并提供反馈,以帮助塑造监管文本的最终版本。通过在监管文本发布前进行市场磋商,注册管理局旨在平衡监管要求与矿工及服务提供商在管辖区内运营的可行性。

ADGM注册管理局发布关于加密货币挖矿框架的讨论文件,是阿布扎比全球市场数字资产基础设施监管走向正确方向的重要一步。该讨论文件为建立可能将加密货币挖矿纳入数字资产基础设施的监管框架奠定基础,体现了该管辖区在确保新兴区块链技术领域清晰度的同时致力于创新的承诺。

重点加密货币新闻:

‌Solana(SOL)压力加剧:是否正形成更深下跌区域?

标签ADGM加密货币挖矿阿联酋

相關問答

QADGM发布关于加密货币挖矿的讨论文件的主要目的是什么?

AADGM发布讨论文件旨在为加密货币挖矿活动制定监管框架,通过征求行业反馈来确保最终法规能够平衡监管要求与行业可行性,并涵盖治理、风险管理和合规结构等方面。

QADGM的加密货币挖矿提案可能包含哪些关键监管要素?

A提案可能包括挖矿机构的许可制度、网络安全等运营最佳实践,以及确保透明度和问责制的措施,同时强调明确的治理和风险管理结构。

QADGM的虚拟资产监管框架(VARF)目前覆盖哪些数字资产相关活动?

AVARF覆盖交易、托管、发行、质押等数字资产活动,最近还增加了法币参考代币的监管规定,并提出了针对质押的监管提案。

QADGM如何推动行业参与加密货币挖矿监管框架的制定?

AADGM通过发布讨论文件鼓励利益相关者提供反馈,在法规文本发布前进行市场参与,以确保最终框架兼顾监管目标和行业实操性。

QADGM在数字资产监管方面的举措反映了其怎样的立场?

AADGM的举措体现了其作为数字资产创新进步司法管辖区的承诺,通过在区块链新兴技术领域确保清晰监管,同时促进创新和基础设施发展。

你可能也喜歡

BTC“数字黄金”的叙事是不是失败了?

这篇文章从三个核心问题探讨了比特币的现状与未来,强调提供的是思考框架而非投资建议。 **如何看待比特币资产?** 作者认为比特币是一种全新的、更优秀的“黄金”资产。其优势在于总量恒定、转移便捷、交易可审计。尽管早期与灰色地带关联,但合规化是趋势。目前全球数字货币渗透率仅3%-4%,类比互联网和电商的早期阶段,意味着比特币仍处于发展初期,潜力巨大但波动性也极高。 **如何理解本轮下跌?** 比特币自2025年10月高点(近12.6万美元)持续下跌,2026年2月一度跌破6.1万美元,单日跌幅达15%,随后又快速反弹。这被解读为遵循四年减半周期的共识性获利了结。特别之处在于,美国比特币ETF的批准引入了机构资金,也促使早期低成本持有者(如矿工和信仰者)进行大规模“换手”,这是资产迈向主流化的必经过程。历史数据显示,比特币历次大跌的幅度在收窄(从93%到当前的约50%),表明资产正在成熟,波动率逐步下降,但高波动仍是其获取超额回报的固有特征。 **长期如何看待发展?** 长期价值可对标黄金。当前比特币市值仅为黄金市值的约7%,若“数字黄金”叙事实现一半,上行空间依然显著。但作者提醒,短期市场脆弱,换手可能未完,底部无法预测。真正的风险并非资产归零(概率较低),而在于错误的仓位管理(如All-in或加杠杆)以及对资产缺乏深刻理解。投资者必须计算并承受潜在的最大回撤(例如从已跌50%的位置再跌50%),才能存活至长期价值兑现。 文章最后以亚马逊在互联网泡沫后暴涨为例,指出关键不在于比特币未来是否上涨,而在于投资者能否通过理性的仓位管理和深度认知,扛过剧烈波动存活到那一天。文末提问引导读者反思:当前黄金涨、比特币跌的局面,究竟意味着“数字黄金”叙事失败,还是资产进化过程中的换手阵痛?这取决于每个人对比特币最底层的信仰。

marsbit5 小時前

BTC“数字黄金”的叙事是不是失败了?

marsbit5 小時前

BTC“数字黄金”的叙事是不是失败了?

标题:BTC“数字黄金”的叙事是不是失败了? 作者:@wuk_Bitcoin 本文从三个核心问题出发,探讨比特币的现状与未来。 **如何看待比特币?** 作者认为比特币是一种全新的、更优秀的“黄金”类资产。其优势在于:总量恒定(2100万枚);资产可转移性极强,在全球不确定性时代具备溢价;所有交易链上可审计,透明度高。反驳了比特币主要用于灰色地带的过时观点,指出其正走向合规。目前全球数字货币渗透率仅约3%-4%,类比互联网和电商早期,意味着该资产类别仍处早期,潜力与巨大波动并存。 **如何理解本轮下跌?** 比特币自2025年10月高点(近12.6万美元)持续下跌,2026年2月初曾单日暴跌15%,跌破6.1万美元。这被视为遵循其四年减半周期的规律性回调,是长期持有者在周期高点锁定利润的结果。本轮下跌的特殊性在于:美国比特币ETF的批准引入了大量机构新资金,但也促使成本极低的早期持有者(矿工、OG)进行历史性抛售,即从“早期信仰者”向“长期配置机构”的换手过程。历史数据显示,比特币历次大回撤的跌幅在逐步收窄(从93%到目前的约50%),表明资产在成熟,波动率在下降,但高波动仍是获取超额回报的代价。 **长期怎么看?** 若将比特币视为“数字黄金”,其当前总市值(约1.4万亿美元)仅为黄金总市值(约20万亿美元)的7%。即使该叙事仅部分实现,上行空间依然可观。但作者强调短期风险:换手可能未结束,市场脆弱,不排除进一步下跌。真正的风险不在于资产归零(概率极低),而在于错误的仓位管理(如All-in、加杠杆)和对资产缺乏深度理解,这可能导致投资者无法承受巨大波动而提前被迫出局。 **最后对比** 作者以亚马逊在互联网泡沫破裂后股价跌95%又最终上涨42倍为例,指出关键在于“活着等到那一天”。对于比特币,核心同样是能否通过理性仓位管理活到其价值兑现之时。文末提问:当黄金大涨而比特币大跌,这究竟是“数字黄金”叙事的失败,还是资产进化过程中的阵痛?答案取决于每个人对比特币最底层的信仰。

链捕手5 小時前

BTC“数字黄金”的叙事是不是失败了?

链捕手5 小時前

从代码到认知:机器人大脑进化的万字指南

本文概述了机器人大脑从传统代码控制到现代人工智能模型驱动的演进历程。文章首先回顾了前大型语言模型(LLM)时代,机器人依赖手工编码的模块化技术栈(感知、状态估计、规划、控制)和行为树,虽稳定但泛化能力差。随后,深度学习改进了感知,强化学习和模仿学习进入了控制层,但策略仍较为狭窄。 ChatGPT的出现带来了转折。LLM最初被用作自然语言编译器,将指令转化为机器人可执行的原子技能序列(如谷歌的SayCan)。但更重要的突破是视觉-语言-动作模型(VLA),例如谷歌的RT-2和开源的OpenVLA,它能将视觉、语言信息融合,直接输出动作指令,实现了推理与行动的耦合。 目前最先进的系统采用“双脑”架构(如Figure AI的Helix、NVIDIA GR00T):一个慢速、参数多的“系统2”负责高层次推理和规划;一个快速、小巧的“系统1”负责高频动作生成。其下还可能有一个“系统0”反射层处理平衡等底层控制。出于延迟和可靠性考虑,安全关键的控制回路通常在机器人本地(如NVIDIA Jetson模块)运行,而对话界面和集群学习等任务可交由云端。 开源模型(如OpenVLA、GR00T、π0)降低了行业门槛,让初创公司能在其基础上用自有数据微调。然而,当前VLA机器人仍存在任务中途恢复能力弱、样本效率低、缺乏物理常识和长期规划能力等局限。 这催生了下一代方向:世界模型。这类模型(如NVIDIA Cosmos、Meta V-JEPA)能根据当前状态和动作预测未来结果,让机器人在行动前进行模拟和评估,从而改善恢复能力、泛化能力和长期规划。架构上主要分为像素级视频扩散、联合嵌入预测架构(JEPA)和潜在动作世界模型等流派。 文章最后指出,数据采集(特别是远程操作数据)是核心竞争力,仿真训练至关重要,机器人成本正在迅速下降。当前物理AI的发展阶段大约相当于“GPT-2时代”,虽未完全自主,但正通过架构的持续演进(从代码到感知、规划、策略,最终到世界模型),朝着更通用、更强大的方向稳步前进。

marsbit5 小時前

从代码到认知:机器人大脑进化的万字指南

marsbit5 小時前

交易

現貨
合約
活动图片