加密货币在特朗普新国家网络战略中获得推动

bitcoinist發佈於 2026-03-08更新於 2026-03-08

文章摘要

特朗普政府发布的国家网络安全新战略首次提及加密货币与区块链技术,将其列为需要“保护和保障”的战略性领域,同时要求机构打击利用这些技术进行的犯罪活动。该战略并未将加密技术作为核心支柱,而是将其纳入加强技术及供应链安全的更广泛目标中。文件强调防御性优先,旨在提升系统安全性并遏制洗钱等非法金融行为。 行业人士认为,这一表态象征意义大于实质,虽意味着政府高层的关注,但并未带来具体的市场利好政策。战略将加密技术与人工智能、量子计算等并列,强调保障联邦网络安全是首要任务。 短期内政策影响有限,执法重点仍将集中在混币器、隐私协议及未受监管的交易渠道。尽管缺乏具体细则,此次官方认可可能促使更多联邦资源投入区块链基础设施安全监测及行业合作。当前加密政策仍以打击金融犯罪和保护投资者为主导,后续机构如何执行这一战略将决定其对创新与执法的实际影响。

美国总统唐纳德·特朗普的新国家网络战略提及加密货币和区块链技术,并将其定位为政府必须"保护和保障"的技术,同时指示各机构打击利用这些系统进行的犯罪活动。

提及简短而具体

该战略并未将加密货币列为核心支柱,而是将唯一提及加密货币和区块链的内容纳入关于加强技术和供应链的更广泛目标中。

根据白宫文件,优先事项是防御性的:加强这些系统的安全性,减少不良行为者利用加密货币洗钱或逃避执法的能力。

这一行文字引发了行业观察家的讨论。报告显示,一些人认为这种明确认可具有价值——这是区块链首次被纳入联邦网络规划。

报告称,其他人担心同样的措辞可能被用来证明对政府标记为犯罪基础设施的服务和工具进行更严厉执法是合理的。

行业领袖指出的要点

私营部门声音强调象征意义而非实质内容。根据报告,高管和投资者欢迎这一提及,因为它标志着政府的高度关注。他们也警告说,命名并不等同于为市场活动或投资制定有利规则。

该战略将加密货币与人工智能、量子计算准备和联邦IT现代化等其他优先事项并列。官员们写道,保障联邦网络和关键系统仍然是首要目标,而加密货币被纳入这一安全使命中。

文件还指示各机构打击犯罪网络,这一表述可能被解读为对加密货币助长的非法金融活动采取更严厉行动的许可。

BTCUSD现报67,881美元。图表来源:TradingView

对市场部分领域的可能影响

短期来看,实际影响可能有限。各机构可能会根据现有的执法重点来解读这一表述,这些重点集中在混币器、某些隐私保护协议以及未经监管的出入金渠道上。

依赖监管明确性的市场参与者表示,他们更需要金融监管机构和国会提供具体指导,而非网络安全声明。

尽管如此,在国家战略中提及加密货币可能会改变内部优先级。以前将区块链视为小众问题的机构现在可能将其纳入采购和威胁计划中。

这一变化可能意味着将更多联邦资源用于监控和保障区块链相关基础设施,以及与行业合作进行事件响应。

对政策和市场的影响

此次提及是走向正式认可的一步,而非政策改革。数据显示,对加密货币的法律和监管压力仍然由金融犯罪担忧和投资者保护目标驱动。

支持更严格方法的官员有可以引用的措辞;那些希望帮助行业的人则认为这种认可为合作安全计划打开了大门。

目前,该声明简短而精确。它将加密货币从边缘地带移入了官方网络战略手册。各机构如何根据这一表述采取行动,将决定这一刻对创新、执法或两者兼而有之是否具有意义。

特色图片来自Getty Images,图表来自TradingView

相關問答

Q特朗普的新国家网络安全战略中,对加密货币和区块链技术持何种态度?

A特朗普的新国家网络安全战略将加密货币和区块链技术视为需要'保护和保障'的战略技术,同时要求机构打击利用这些系统进行的犯罪活动。

Q行业领袖对特朗普新网络安全战略中提及加密货币有何看法?

A行业领袖认为这种提及更多具有象征意义而非实质性内容,他们欢迎政府高层的关注,但指出命名并不等同于为市场活动或投资制定有利规则。

Q新网络安全战略可能对加密货币市场的哪些部分产生影响?

A短期内实际影响可能有限,但长期来看,机构可能会将区块链纳入采购和威胁计划,可能导致更多联邦资源用于监控和保护区块链相关基础设施。

Q特朗普的网络安全战略将加密货币与哪些其他技术优先事项并列?

A该战略将加密货币与人工智能、量子准备和联邦IT现代化等其他优先事项并列,强调保护联邦网络和关键系统是首要目标。

Q这份战略文件对加密货币的监管政策会产生什么影响?

A这份文件是向正式承认迈出的一步,而非政策 overhaul。监管压力仍然由金融犯罪担忧和投资者保护目标驱动,但为合作安全计划打开了大门。

你可能也喜歡

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。

marsbit10 分鐘前

生成模型也能端到端训练了?核心竟是一个for循环

marsbit10 分鐘前

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。

marsbit1 小時前

年薪百万抢电工,Meta急到自己办技校

marsbit1 小時前

交易

現貨
活动图片