美国证券交易委员会拟禁止FTX高管及前Alameda Research首席执行官担任上市公司职务

bitcoinist發佈於 2025-12-20更新於 2025-12-20

文章摘要

美国证券交易委员会（SEC）对已破产加密货币交易所FTX的三名前高管——Alameda Research前首席执行官Caroline Ellison、Gary Wang和Nishad Singh提出制裁，禁止他们在上市公司担任管理职务。SEC指控他们在2019年至2022年间协助FTX创始人Sam Bankman-Fried欺诈投资者，误导其相信FTX是安全的交易平台，并谎称Alameda与其他客户无异。实际上，Alameda获得了几乎无限额的信贷额度，并使用FTX客户资金进行交易、风险投资及高管个人贷款。三人未承认指控，但同意永久遵守反欺诈条款。Ellison接受10年高管任职禁令，Wang和Singh则为8年。消息公布后，FTX代币FTT短时上涨6%，但价格仍较历史高点下跌99.3%。

美国证券交易委员会（SEC）对前Alameda Research首席执行官Caroline Ellison以及已破产加密货币交易所FTX的前高管Gary Wang和Nishad Singh实施新制裁，这是围绕FTX不当行为的更大案件的一部分。

SEC在欺诈案中锁定FTX核心人物

上周五，该监管机构宣布已向纽约南区美国地方法院提交关于Ellison、Wang和Singh的最终同意判决提案。

针对Ellison和Wang的投诉最初于2022年12月提交，而对Singh的指控则于2023年2月提出。

SEC的文件声称，从2019年5月到2022年11月，Sam Bankman-Fried和FTX通过误导投资者相信该交易所是安全的加密货币交易平台，筹集了超过18亿美元。

据称，他们声称采用了复杂的风险缓解措施来保护客户资产，并坚称由Bankman-Fried和Wang拥有的加密资产对冲基金Alameda Research仅仅是另一个客户，没有任何特殊优势。

与这些陈述形成鲜明对比的是，SEC指控Ellison、Wang和Singh故意采取行动，使Alameda免受这些风险缓解协议的约束。

Ellison同意10年禁业令

监管机构还声称，Alameda获得了由FTX客户存款资助的几乎无限的信贷额度。指控进一步断言，Wang和Singh开发了软件代码，促成了客户资金从FTX转移到Alameda，而Ellison据称在其交易活动中滥用了这些资金。

此外，投诉详细说明了Sam Bankman-Fried在Ellison、Wang和Singh的知情和同意下，将“数亿美元”的客户资金引导至Alameda。

投诉声称，这些资金被用于进一步的创业投资以及向Bankman-Fried和其他高管（包括Wang和Singh）提供个人贷款。

鉴于这些严重指控，Ellison、Wang和Singh已同意最终判决，等待法院批准，但未承认SEC的指控。

他们同意永久禁止违反《1934年证券交易法》第10(b)条概述的反欺诈条款，以及《1933年证券法》的Rule 10b-5和第17(a)条。

与FTX前CEO有恋爱关系的Ellison特别同意接受10年禁止担任任何上市公司高管或董事的禁令，而Wang和Singh则接受了8年的禁令。

日线图显示周五FTT的上涨。来源：TradingView.com上的FTTUSDT

截至发稿时，FTX的原生代币FTT交易价格为0.5086美元，在SEC就此事件发表声明后录得6%的显著涨幅。然而，该加密货币仍远低于交易所崩溃前达到的高点，仅为其历史高点的99.3%。

特色图片来自DALL-E，图表来自TradingView.com

你可能也喜歡

Hyperliquid的合规之路：从无需许可到许可制HIP-3

Hyperliquid（基于HyperCore的去中心化交易基础设施）因其无需许可、用户自托管的特点，与美国针对期货交易的严格市场结构法律（涉及注册交易平台DCM、清算所DCO和经纪商FCM）存在根本冲突，因此一直对美国市场进行地理封锁。为了解决此困境，Hyperliquid成立了政策中心（HPC），积极游说美国监管机构（CFTC、SEC），主张将Hyperliquid视为“中立基础设施”。其核心提议是：允许已受监管的实体（如经纪商、交易平台）在履行其原有KYC、市场监控等合规义务的前提下，利用Hyperliquid的底层技术（如HyperCore）来构建和运营产品，而非要求协议本身改变其无需许可的特性。作为这一合规路径的实例，Hyperliquid已在测试网推出具备许可权限的HIP-3部署者功能。此类部署允许受监管实体创建仅对白名单用户（即已完成KYC的合规用户）开放的市场，并拥有对用户账户执行特定操作（如强制平仓）的权限，从而模仿传统金融中FCM的职责。尽管这些合规市场会形成独立的订单簿，但通过白名单做市商的桥梁作用，它们仍能共享Hyperliquid主市场的流动性。总之，Hyperliquid的战略目标并非直接向美国用户开放其原生免KYC前端，而是通过提供工具，让合规机构能在其底层上构建符合美国法规的产品，从而为美国投资者提供间接参与其生态的合规通道，同时保持协议本身的中立性与开放性。

marsbit12 分鐘前

marsbit12 分鐘前

三个月两轮，中国版Palantir火了

近日，国内产业级因果智能与高可靠决策AI厂商北京中数睿智科技有限公司完成数亿元战略融资，由中国互联网投资基金、苏创投全国社保基金等机构联合投资，老股东持续加码。这是该公司继三个月前完成亿元级B轮融资后，再次获得大额资金支持。中数睿智由清华博士韩涵于2020年创立，团队脱胎于清华大学，专注于为能源、工业等关键领域构建高可靠、强决策的AI智能体操作系统。公司依托元因果认知理论、因果模型等自主底层技术，着力解决通用大模型在工业场景中存在的幻觉、推演能力不足、决策不可验证等痛点，提供可信、可解释、可闭环的智能决策能力。商业化方面，中数睿智已服务电力、石油、航天等50余家央国企及产业集团，落地超800个高复杂度生产场景，实现了规模化商业落地和营收的快速增长，展现出较强的自我造血能力。其技术路径与商业模式常被业内对标为“中国版Palantir”。本轮融资将用于持续投入底层技术原始创新、拓展市场应用以及引进高端人才。投资方中网投表示，产业级因果智能是培育新质生产力的重要组成部分，支持中数睿智在关键行业深化应用，助力中国在全球物理AI赛道赢得话语权。

marsbit23 分鐘前

marsbit23 分鐘前

AI时代最大的政治经济学命题：机器人越来越能干，人类如何分享价值？

《经济学人》近期评论引发思考：中国在机器人、AI等尖端领域取得突破的同时，居民消费疲软、企业利润承压，这背后触及一个更深层的全球性命题——当机器（尤其是AI）越来越能替代人类劳动时，人类如何分享机器创造的价值？ AI正在改写财富分配的底层逻辑。过去技术进步虽提升效率，但人仍是生产核心，生产率提升能转化为就业与工资增长。然而，AI首次大规模进入认知劳动领域，未来可能替代大量知识乃至决策工作，导致经济成长但直接参与创造的人减少。核心矛盾从“失业”转向“分配”：若劳动被机器替代，而新收入来源未建立，社会可能面临生产能力增强但大众购买力不足的困境。当前全球已出现技术红利与大众收入传导的断点。美国科技巨头市值飙升，但劳动收入占GDP比重长期下降，财富向少数集中。中国同样面临挑战：虽在新能源、机器人等领域进步显著，但需打通“科技创新→企业盈利→居民收入→消费增长”的传导链条，解决收入预期不稳、社会保障不足等根本问题，让生产率红利惠及全社会。未来可能的发展路径包括：传统资本主义（利润归资本，再分配靠税收）、国家资本主义（政府通过持股让全民间接分享收益），以及更具创新性的方式，如建立数字主权基金、全民持股或新型基本收入制度，让社会成员直接分享智能经济创造的增量价值。对中国而言，最大优势不仅在于市场与产业链，更在于协调政策与长期发展的制度能力。未来的重点应是同步推进AI发展与收入分配改革、社保完善、职业再培训等，构建让普通人共享技术进步红利的机制。 AI时代的终极竞争，不仅是技术比拼，更是建立适应智能经济的新分配体系的竞赛。谁能率先让增长成果转化为广泛的社会福祉，谁就能掌握下一轮文明演进的话语权。

marsbit33 分鐘前

marsbit33 分鐘前

连赚7个季度，新兴市场的套利交易跑赢一切

彭博数据显示，以美元融资的新兴市场套利交易已连续七个季度实现正回报，创下2008年以来最长连胜纪录。该策略通过借入美元、日元等低息货币，兑换成土耳其里拉等高息货币进行投资，赚取利差。自2024年底以来，相关指数累计回报约22%，远超美债等资产。回报强劲得益于利差和汇率双向收益。尽管部分货币如里拉对美元贬值，但本地高收益率仍保障盈利。例如在哥伦比亚，债券回报与货币升值叠加收益显著。期间市场经历考验，如2024年8月美日联合干预汇市导致日元急升，但资金迅速转向欧元、瑞郎等融资货币，缓解了冲击。当前市场关注美联储政策动向，这是交易的主要风险点。此外，策略拥挤度上升可能引发踩踏风险。尽管高利率环境持续支撑收益，但拉美、东欧等地维持高利率的部分原因来自外部因素，如地缘局势与能源价格。机构投资者继续看好该策略，但融资货币和标的区域选择出现分化。

marsbit48 分鐘前

marsbit48 分鐘前

清华沃顿师徒破解40年悬案，核心数学全是GPT写的，你上你也行

清华大学与宾夕法尼亚大学沃顿商学院的研究人员合作，利用GPT-5.6 Sol Pro成功解决了一个长达40年的优化理论悬案。他们证明，对于标准的梯度下降算法，仅通过精心设计步长序列（而不改变算法结构），其收敛速度存在一个无法超越的理论下限，即Ω(T^{-1.9319})。这意味著，要达到类似Nesterov动量法那样的最优收敛速度O(1/T^2)，必须修改算法本身。该研究的核心证明由GPT-5.6 Sol Pro在研究人员的高层策略指导下自动完成。为了确保证明的严谨性，研究团队使用Lean 4定理证明器对AI生成的证明进行了形式化验证，最终实现了“零sorry，零admit”的完美验证结果。这项成果首次以严格定理的形式确认了纯步长调优的极限，并且展示了大型语言模型在辅助复杂数学证明方面的潜力。研究代码已开源。

marsbit58 分鐘前