稳定币恐慌?教授称银行追逐的是迷思,而非事实

bitcoinist發佈於 2026-01-13更新於 2026-01-13

文章摘要

哥伦比亚商学院教授Omid Malekan驳斥了银行业关于稳定币收益的五个常见误解。他指出,稳定币通常由国债和银行存款全额储备,反而可能促进银行业务而非抽离存款。他强调当前立法争议核心在于储备利息的归属问题——应由银行还是加密发行方获得收益。尽管社区银行以流动性风险为由要求限制稳定币收益分配,但Malekan认为大部分信贷已通过货币市场基金等渠道脱离传统银行体系。美国参议院银行委员会正就市场结构法案进行激烈讨论,争议焦点在于是否允许第三方机构向稳定币持有者分配收益。

哥伦比亚商学院兼职教授Omid Malekan针对银行业对稳定币收益的五个常见误解提出质疑,美国国会本月正推动一项市场结构法案进入审议阶段。

他反驳了稳定币会自动耗尽银行存款或导致贷款崩溃的说法,并指出真正的争议在于谁获得支撑这些代币的储备金利息。

"我对市场结构立法似乎因稳定币收益问题而停滞感到失望,"他表示,"华盛顿流传的大部分担忧都基于未经证实的迷思。"

关于稳定币收益的误解

根据报告,Malekan列举了五个行业观点偏离事实的具体要点。他指出多数稳定币具有全额储备金支持,且发行方通常将储备金存放于国债和银行账户——这种行为反而可能促进而非削弱银行业务。

他还强调美国大部分信贷是通过货币市场基金和私人贷方在社区银行之外发放,因此稳定币与银行信贷间的关联并不像某些行业声明暗示的那样直接。

银行就收益规则向立法者施压

立法者正加紧在委员会审议前解决这些问题。参议院银行委员会计划于2026年1月15日对市场结构文本进行审议,消息人士称谈判代表在是否限制稳定币第三方收益安排方面仍存在分歧。

社区银行和行业协会敦促参议员关闭所谓的"收益漏洞",称不受监管的收益可能吸走存款并增加流动性风险。

BTCUSD 24小时图表交易价$91,860 数据来源:TradingView

利息归属是关键

Malekan将关注点集中在储备资产利息的分配上。根据其观点,政策选择不在于禁止稳定币,而在于决定由银行还是加密发行方获取储备金收益。

若允许发行方向用户分享利息或收益,可能会挤压银行利润——这正是银行在听证会和致立法者信函中强烈表达的观点。

文件起草与最后时刻的博弈

据报道,委员会工作人员正加紧提交两党市场结构文本,并在本周截止日期前协调收益条款措辞。参议员们权衡妥协方案之际,谈判持续至深夜会议,这些方案可能允许某些形式的收益分配,同时防范挤兑风险和银行脱媒。

特色图片来自《全球金融杂志》,图表来自TradingView

相關問答

Q哥伦比亚商学院副教授Omid Malekan对银行业关于稳定币收益的哪些误解提出了挑战?

AMalekan教授挑战了银行业关于稳定币收益的五个常见观点,包括稳定币会自动抽走银行存款或导致贷款崩溃的说法,并指出真正的争议点在于谁获得支持这些代币的储备金利息。

Q根据文章,稳定币的储备金通常存放在哪里?这对银行业有何影响?

A稳定币的储备金通常存放在国债和银行账户中,这种活动实际上可以促进而非削弱银行业务,因为它为银行带来了资金流入。

Q美国参议院银行委员会计划何时对市场结构法案进行标记?

A美国参议院银行委员会计划于2026年1月15日对市场结构法案进行标记。

Q社区银行和贸易团体对稳定币的收益安排提出了什么担忧?

A社区银行和贸易团体担心稳定币的'收益漏洞'可能吸引存款 away,增加流动性风险,因此敦促参议员限制与稳定币相关的第三方收益安排。

QMalekan教授认为政策选择的关键点是什么?

AMalekan教授认为政策选择的关键点不在于禁止稳定币,而在于决定是由银行还是加密发行方获取储备金的收益,这直接影响银行利润和市场结构。

你可能也喜歡

OpenAI后训练工程师翁家翌,给Agentic AI提出了新范式假设

OpenAI工程师翁家翌提出名为“启发式学习”的新范式,探索AI通过自主编写和修改代码来提升能力,而非仅依赖训练神经网络参数。 在实验中,他让Codex在明确目标和反馈闭环中,为Atari Breakout等游戏编写纯Python策略代码,通过反复运行、查看日志与回放、定位失败并修改代码,最终使策略在Breakout中达到理论满分。这种“启发式学习”将经验沉淀为可阅读、修改和审计的软件系统,而非难以解释的神经网络权重。 文章对比了启发式学习与深度强化学习的差异:前者更新的是代码结构和规则,具备更好的可解释性、更高的样本效率,并能通过回归测试等方式缓解灾难性遗忘问题。在Atari57游戏的批量测试中,该方法在部分游戏上表现出接近或超越传统强化学习算法的效率,但在需要长程规划的复杂任务中仍存在局限。 该范式的潜在产业意义包括:为机器人控制等场景提供更轻量、可审计的解决方案;提升安全关键系统的可解释性与可维护性;以及为智能体产品提供能力沉淀和共享的新路径。然而,其实用性仍需在更复杂的真实场景中进一步验证。 翁家翌认为,未来更可能是神经网络(负责快速感知等)与启发式系统(负责规则、记忆与安全)结合的分工模式。这预示着AI发展的一条可能路径:在强大编码智能体的辅助下,部分经验可以重新转化为可读、可维护的软件工程资产。

marsbit24 分鐘前

OpenAI后训练工程师翁家翌,给Agentic AI提出了新范式假设

marsbit24 分鐘前

你的 Claude 今晚要做梦了,别打扰它

Anthropic在开发者大会上为AI智能体平台引入了“做梦”(Dreaming)功能,这实际上是一种基于历史运行日志的离线批处理与自我优化机制。AI智能体在完成复杂任务后,会利用闲置时间自动回顾大量操作记录,从中提炼有效模式(例如更优的操作路径),并固化为可共享的记忆,从而提升后续任务效率。 类似机制也出现在其他AI产品中,如Hermes Agent的“Curator”功能可自动将经验整理成“Skill”,OpenClaw的“做梦”流程则细分为浅睡、快速眼动和深睡三个阶段,通过多维度加权决定哪些信息应存入长期记忆。 该功能与“记忆”(Memory)技术紧密相关。当前AI能力的核心挑战之一是如何有效管理与利用不断增长的上下文信息。一方面,行业正通过技术创新(如Subquadratic公司宣称的1200万token超长上下文模型)试图扩大信息容量;另一方面,“做梦”这类功能旨在让AI在有限上下文窗口内,主动筛选、巩固重要信息,模仿人类睡眠中的记忆处理过程。 文章指出,科技公司频繁使用“思考”“记忆”“做梦”等拟人化术语来描述AI功能,这不仅是技术类比,更是一种营销策略和认知塑造。它模糊了机器与人的边界,影响用户对产品的感知与期待,并在无形中转移了技术缺陷的责任归属。本质上,AI的“做梦”仍是一种消耗计算资源的自动化数据处理,但其命名方式却让我们更倾向于将其视为拥有内在生命的数字实体。

marsbit25 分鐘前

你的 Claude 今晚要做梦了,别打扰它

marsbit25 分鐘前

交易

現貨
合約
活动图片