特朗普支持美国清晰法案,指控大银行破坏GENIUS

TheNewsCrypto發佈於 2026-03-04更新於 2026-03-04

文章摘要

美国前总统特朗普公开支持《美国清晰法案》,指责大型金融机构阻碍创新并削弱国家技术发展。他呼吁立法者尽快通过该法案,以明确加密货币市场规则,避免因监管模糊导致企业外流和人才流失。特朗普强调,清晰的立法能吸引全球投资,平衡创新与投资者保护,防止美国在数字资产监管中失去竞争优势。该法案旨在划分美国商品期货交易委员会(CFTC)和证券交易委员会(SEC)对数字资产的监管范围,降低企业合规成本,并为特定加密活动提供豁免以鼓励创新。目前法案已获两党支持,但最终文本仍在协商中,各方对如何兼顾市场信心与创新自由存在持续讨论。

美国前总统唐纳德·特朗普敦促立法者颁布《美国清晰法案》,该法案将国家的经济实力与明确的加密规则联系起来。在对立法者和行业代表的演讲中,特朗普敦促他们颁布《清晰法案》以澄清加密市场。在演讲中,特朗普指责大型金融机构通过减缓技术进步来破坏国家的创新。

特朗普声称,不明确的规则损害了加密业务的发展,并鼓励人才流向国外。然而,通过明确的立法,国家可以吸引投资并增强其在全球的金融实力。此外,这位前总统敦促立法者避免在没有明确立法支持的情况下进行过度监管。

然而,正如他所描述的那样,基于执法的监管给企业家和成熟企业都带来了不确定性。据他称,立法清晰可以在创新和投资者保护之间取得平衡。特朗普的声明强调了他的观点,即美国在数字资产监管方面有失去竞争优势的风险。他表示,如果其他国家能够在其监管中提供确定性,它们可能会从美国市场吸引资本和人才。

特朗普敦促立法者搁置分歧,帮助他推动《清晰法案》的进展。他表示,该法案已经获得了国会和参议院的两党支持。特朗普的声明强调了关于监管新金融技术的辩论。《清晰法案》得到了那些相信清晰的法律框架可以促进机构和零售参与的人的支持,而其他人则认为结构不良的法律可能成为创新的障碍。

《清晰法案》的监管背景和市场影响

《清晰法案》的目的是确定CFTC和SEC在不同数字资产中的管辖权。据其支持者称,这将有助于降低加密公司的合规成本。分析师指出,监管混乱一直是加密领域各种平台的一个问题。

该法案还为不同的数字资产活动提供了特殊豁免,以鼓励该领域的创新。据一直在跟踪该法案在国会进展的各种市场参与者称,这将有助于建立市场信心。不同的金融机构对该法案的反应各不相同。

其他人认识到法律确定性有促进数字资产融入传统金融体系的潜力。立法者正在就最终法案的措辞进行谈判,并且在最终通过之前,关于各利益相关方反应的辩论仍在继续。

重点加密新闻:

获赦免的BitMEX联合创始人承诺向伦敦数学研究所捐赠2000万英镑

标签区块链CFTC清晰法案唐纳德·特朗普赦免天才法案SEC特朗普美国

相關問答

Q特朗普支持《美国清晰法案》的主要理由是什么?

A特朗普认为该法案能为加密货币市场提供明确的规则,从而吸引投资、增强美国的经济实力,并防止人才外流。

Q特朗普在演讲中指责大型金融机构的什么行为?

A特朗普指责大型金融机构通过阻碍技术进步来破坏美国的创新。

Q《清晰法案》的主要监管目标是什么?

A该法案旨在明确美国商品期货交易委员会(CFTC)和证券交易委员会(SEC)对不同数字资产的监管管辖权。

Q支持者认为《清晰法案》能带来哪些市场益处?

A支持者认为明确的法律框架可以降低加密公司的合规成本,增强市场信心,并促进机构和零售用户参与数字资产。

Q特朗普如何评价当前美国在数字资产监管方面的竞争地位?

A特朗普认为美国正面临失去数字资产监管竞争优势的风险,如果其他国家能提供更明确的监管,可能会从美国市场吸引资本和人才。

你可能也喜歡

Rubin Ultra大减配,英伟达也扛不住内存涨价了?

知名投研机构SemiAnalysis近日报告指出,英伟达已向主要客户预览了其顶级AI芯片Rubin Ultra的最新规格,但相比此前预期出现显著降配。核心变化包括:算力峰值保持与普通版Rubin相同的35 PFLOPs;显存容量降至8层堆叠的192GB,甚至低于普通版的288GB;显存带宽仅微升1TB/s;芯片功耗反而略有提高。Rubin Ultra的主要升级方向转向“扩展互联规模”,支持通过NVLink将最多576张GPU互联成统一计算域,远高于普通版的72张。 报告分析认为,此次调整主要源于HBM(高带宽内存)价格持续快速上涨。以HBM3为例,其价格已从2025年二季度的低点180-220美元,飙升至目前约700-850美元。HBM成本飙升使得Rubin Ultra单机架的物料成本一度从约660万美元升至800万美元。英伟达因此重新评估设计,通过减少昂贵的HBM配置(成本占比从近40%降至28%),将资源更多投入互联能力等方向,优化整体成本结构。 此消息引发市场对HBM需求见顶的担忧。受冲击影响,韩国存储股开盘大跌,SK海力士、三星股价均下挫约8%。市场解读认为,若英伟达此举成为趋势,意味着AI芯片厂商可能开始通过优化设计来降低对高容量HBM的依赖,这或将限制存储厂商未来的提价空间,标志着AI基础设施的“堆料涨价”时代可能接近尾声。

Odaily星球日报28 分鐘前

Rubin Ultra大减配,英伟达也扛不住内存涨价了?

Odaily星球日报28 分鐘前

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。

marsbit1 小時前

生成模型也能端到端训练了?核心竟是一个for循环

marsbit1 小時前

交易

現貨
活动图片