印度加密货币行业寻求在2026年预算案中获得税收减免

TheNewsCrypto發佈於 2026-01-19更新於 2026-01-19

文章摘要

印度即将于2026年2月1日由财政部长西塔拉曼公布新预算案,加密货币行业正积极寻求政策支持。业界主要诉求包括将现行1%的交易TDS(源头扣税)税率降至0.1%,并调整30%的加密货币收益税。行业代表指出,高额税制导致投资者流向海外平台,削弱本土市场流动性与透明度。 业内人士强调,降低税负能提升交易效率并重建投资者信心。同时,Tokenization(代币化)被视为重要发展方向,可通过区块链技术提升透明度、降低成本并实现24小时市场交易。当前全球加密货币市场因特朗普关税政策、美联储利率决策等因素持续波动,投资者转向黄金等避险资产。 (字数:约300字符)

印度正在筹备下一份预算案,国内加密货币市场期盼能从中获得税收减免。2026年预算案定于2026年2月1日由现任财政部长尼尔马拉·西塔拉曼提交。最核心的诉求是降低源头税(TDS)和调整税收政策。这些呼声出现之际,全球加密货币市场正经历剧烈波动。

印度加密货币行业的减免诉求

主要聚焦两大诉求:降低源头税(TDS)和放宽税收政策。印度当局目前对每笔交易征收1%的源头税。业界希望预算案能将税率降至0.1%,指出高额TDS已影响市场流动性和投资者交易效率。

据News18报道,Mudrex首席执行官Edul Patel表示,高额TDS常驱使投资者转向海外平台,从而削弱国内生态系统的透明度。他补充说,降低TDS能减少交易摩擦,促进印度加密货币市场可持续发展。

关于税收减免,ByBit印度地区负责人Vikas Gupta在同一报告中强调,30%的加密货币收益税可能迫使投资者选择低成本的海外平台。他指出调整加密资产收益税率有助于提升投资者信心。

代币化概念探讨

CoinDCX联合创始人Sumit Gupta在CNBC TV18访谈中讨论了代币化概念。他首先指出,美国行业领袖因监管明确性、新金融产品和机构参与度提升而看好明年发展势头。随后他将代币化称为"重要主题",并强调稳定币和区块链资产的应用正在增长。

Sumit Gupta表示,代币化正在提升透明度、降低成本并改善 accessibility。他还提到金融市场上链最终将允许投资者通过区块链技术实现24小时交易。此前他曾提出重振印度加密货币市场的三大要点。

加密货币市场波动

全球加密货币市场当前波动剧烈,BTC和ETH等主流币种大幅贬值。这波波动被归因于特朗普宣布对至少八个欧洲国家加征关税,税率可能高达25%,这将进一步扰乱国际贸易。

美联储降息可能性较低,且美国最高法院即将对特朗普现行关税政策作出裁决,这些因素加剧了全球加密货币市场的波动。投资者甚至开始将资金转向黄金白银等更安全的投资选项。

今日加密货币要闻

嘉楠科技面临纳斯达克退市风险,股价再次跌破1美元

标签加密货币行业 印度

相關問答

Q印度加密货币行业希望在2026年预算中获得哪些主要税收减免?

A印度加密货币行业主要希望获得两项税收减免:一是将交易TDS(源头扣税)从当前的1%降低至0.1%;二是对加密货币收益的30%税率进行修订,以提升投资者信心并防止资金外流至海外平台。

Q为什么印度加密货币行业主张降低TDS税率?

A行业认为高TDS税率影响了市场流动性和投资者的交易效率,导致投资者转向离岸平台,从而降低了国内生态系统的透明度。降低TDS可以减少摩擦,促进印度加密货币市场的可持续发展。

QCoinDCX联合创始人Sumit Gupta在采访中强调了什么重要概念?

ASumit Gupta强调了'代币化'作为一个重要主题,指出代币化能够带来透明度、降低成本并提供便捷的访问方式。他还提到,金融市场上链最终将允许投资者通过区块链技术实现24小时交易。

Q当前全球加密货币市场波动的主要原因是什么?

A当前市场波动主要归因于特朗普宣布对至少八个欧洲国家征收高达25%的关税,这可能进一步扰乱国际贸易。此外,美联储不太可能降息,以及美国最高法院即将对特朗普现行关税税率做出裁决,也加剧了市场的不确定性。

Q印度2026年预算预计何时由谁公布?

A印度2026年预算预计于2026年2月1日由现任财政部长Nirmala Sitharaman公布。

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