韩国向企业加密货币投资开放,但设定5%上限

bitcoinist發佈於 2026-01-12更新於 2026-01-12

文章摘要

韩国计划允许企业投资加密货币,拟取消长达九年的禁令。根据金融服务委员会(FSC)草案,上市公司和专业投资者可将最多5%的股本投资于市值前20的加密货币,且需依据国内五大交易所的半年度数据确定合规资产。尽管包括美元稳定币在内的资产符合条件,但其是否被纳入许可范围仍在讨论中。相比美国、日本无此类限制,韩国这一5%上限被业内认为可能抑制资本流入和专业投资公司发展。此外,韩国还计划今年推出现货加密货币ETF,并正在制定稳定币监管框架,但央行与FSC在银行持股比例要求上存在分歧。比特币现价约90,600美元,周内下跌2.5%。

据报道,韩国计划允许企业投资加密货币,此举将推翻已实施九年的禁令。

韩国设定企业加密货币投资上限为5%

根据韩国媒体《韩国商业》的报道,韩国金融服务委员会(FSC)已起草指南,允许上市公司和专业投资者交易加密货币。FSC于1月6日将草案分享给了一个公私联合工作组,据一位金融业高层人士透露,当局预计将在1月至2月间发布最终指南。

自2017年以来,韩国的企业和机构投资者实际上被禁止交易和投资比特币等数字资产,政府当时 citing 投机和洗钱风险。该国的立场在2025年2月开始转变,当时FSC宣布了一项逐步允许机构参与该领域的计划。最新的指南是这一声明的后续行动。

然而,韩国放宽企业加密货币投资并非没有限制。据报道,当局设定了5%的权益资本投资上限,公司只能将这些资金部署到市值排名前20的加密货币中。这些资产将根据从国内前五大数字资产交易所获取的半年度市值数据来确定。

与美元挂钩的稳定币,如USDT和USDC,目前位列前20名,但它们是否会被纳入允许的投资目标仍在讨论中。

虽然韩国计划设定5%的投资上限,但美国或日本等其他国家对企业的投资没有此类限制。一位金融业内部人士对此限制表示担忧,称“海外未见此类投资上限限制,可能会削弱资本流入因素,并阻碍虚拟货币投资专业公司的出现。”

韩国最近还在加密货币行业取得了其他进展。这个东亚国家计划今年推出数字资产现货交易所交易基金(ETF),并参考了活跃在美国和香港的投资工具。

FSC还在制定其数字资产立法的下一阶段,这可能会建立一个针对稳定币的监管框架。据Bitcoinist报道,由于FSC与韩国银行(BoK)之间的争议,该法案迄今已被推迟。

韩国中央银行BoK一直推动要求银行在任何寻求在该国获得批准的稳定币发行商中至少持有51%的股份。虽然FSC同意金融机构应参与韩元稳定币的发行,但该监管机构担心,银行占多数股权的要求可能会限制市场参与和创新。

比特币价格

截至发稿时,比特币交易价格约为90,600美元,过去一周下跌2.5%。

看来加密货币价格最近几天一直在横盘整理 | 来源:TradingView上的BTCUSDT

相關問答

Q韩国金融委员会(FSC)对企业的加密货币投资设置了什么限制?

A韩国金融委员会(FSC)设置了5%的股权资本投资上限,且企业只能投资市值排名前20的加密货币。

Q韩国为何在2017年禁止企业投资加密货币?

A韩国政府当时禁止企业投资加密货币,主要是出于对洗钱和投机风险的担忧。

Q韩国计划何时发布关于企业投资加密货币的最终指南?

A预计最终指南将在1月至2月期间发布。

Q除了投资限制,韩国在加密货币领域还有哪些最新进展?

A韩国还计划在今年推出数字资产现货交易所交易基金(ETFs),并正在制定稳定币的监管框架。

Q韩国央行(BoK)对稳定币发行有什么要求?

A韩国央行要求任何寻求在该国获得批准的稳定币发行方,银行必须持有至少51%的股份。

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。

marsbit8 分鐘前

生成模型也能端到端训练了?核心竟是一个for循环

marsbit8 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