news 2026/4/3 7:14:04

白宫“AI 与加密沙皇”大卫·萨克斯:重塑数字资产秩序与美国科技战略

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
白宫“AI 与加密沙皇”大卫·萨克斯:重塑数字资产秩序与美国科技战略

白宫“人工智能与加密沙皇”大卫·萨克斯在达沃斯接受 CNBC「Squawk Box」专访时,给出了这一届美国科技与数字资产政策最清晰的一次口头版“总纲”。这场对话不仅关乎稳定币立法、AI 监管与中美科技博弈,也折射出特朗普政府试图塑造的“美国数字秩序”。

加密立法:在收益之争中逼出一部“总市场结构法”

访谈一开始,萨克斯就把话题锁定在华盛顿正在博弈的加密“市场结构法案”上,核心争议点是:稳定币是否可以向用户支付收益(yield)

他对银行业的提醒相当直接:

  • 去年 8 月签署生效的《GENIUS 法案》已经把收益/奖励写进稳定币框架,这是既成事实。

  • 如果这次新的市场结构法案谈崩,“法不修则旧规不废”,现行的奖励机制依然会以某种形式存在,银行在这一议题上不仅谈不到优化,反而“会输得更彻底”。

同时,他也在“点醒”加密阵营:

  • 对加密圈而言,收益确实是去中介化金融哲学的一部分,是“钱生钱”的核心叙事;

  • 但如果为了收益条款“一寸不让”,导致整体市场结构法案流产,那就等于失去了为交易、托管、清算、代币发行等全链路争取“清晰规则+合规身份”的历史窗口

用萨克斯的话说,这是一次各方都有动机“讲道理”的谈判:

银行如果不妥协,会在现有法律下失去更多空间; 加密如果不让步,则拿不到一部定义行业未来十年的总结构性法规。

一个“统一的数字资产行业”:银行将全面进场

在被问到“加密的未来长相”时,萨克斯给出了白宫视角下的终局图景:“不会再有割裂的银行业和加密业,未来只有一个统一的数字资产行业。”

他的逻辑可以概括为三步:

  • 当前阶段,传统银行与加密平台之间仍存在明显边界:一边是牌照齐全、监管严密的银行体系,一边是过去多年在监管灰区摸索的加密行业。

  • 一旦市场结构立法完成,银行获得清晰的稳定币、托管、数字代币相关牌照与规则,它们将大规模进入加密赛道,不再只是“观望者”或“外围通道方”。

  • 在那之后,“传统银行 vs 加密公司”的说法将逐渐过时,取而代之的是银行、券商、交易所、托管方、科技公司共同构成的数字资产全产业链

他甚至预言,届时银行对“收益”的态度也会发生 180 度转变:

  • 当银行自己进入稳定币业务、开始发币、做链上利息产品后,“会喜欢上支付收益这件事”,因为那时收益已经变成自己可以使用的业务工具,而不是竞争对手的优势。

从媒体视角看,这等于在全球资本面前释放了一个信号:白宫并不是要“消灭加密”,而是要通过立法把它并入现有金融体系,做成可监管、可交易、可被银行收编的“新一代数字资产层”。

AI 监管:联邦统一规则,拦住“50 州 50 套 AI 法规”的碎片化

在人工智能议题上,萨克斯与白宫科技政策负责人迈克尔·克拉齐奥斯形成了一个明确的“组合拳”:要让美国成为 AI 创新的主战场,前提是监管不能碎成 50 块。

克拉齐奥斯回顾了去年 7 月公布的《美国 AI 战略与行动计划》:

  • 第一支柱就是鼓励本土创新,确保下一轮重大 AI 突破发生在美国;

  • 为此必须打造一种**“AI 友好”的监管环境**,避免出现各州自行立法、标准不一的“拼布式监管”。如果每个州都搞一套 AI 规则,初创公司不仅要做产品,还要应付 50 套不同法规,对创新将是“灾难”。

萨克斯则用创业者的视角,把问题讲得更直白:

  • 对大型科技巨头来说,哪怕 50 州各玩各的,他们也能靠庞大的法务团队“全部搞定”;

  • 但对小公司、创业者来说,如果一开始就被迫“在 50个州各雇一拨律师”,那创业几乎失去意义。

  • 这正是白宫想优先解决的“patchwork problem(拼图问题)”:用联邦统一框架,替创新者买单,降低全社会的合规摩擦成本。

这套叙事对市场释放了两个信号:

  • 一方面,美国希望在 AI 上“当世界标准制定者”,而不是被欧盟、地方州法规牵着走;

  • 另一方面,华府清楚意识到,如果把监管成本全部压给初创企业,美国的“硅谷模式”会逐渐失去优势。

中美科技与芯片:降级芯片出口的地缘极限

谈到对华芯片政策时,萨克斯提出了一个“技术上可行、政治上微妙”的设想:

  • 在理论上,美国可以向中国出口一代或多代之前的“降级版 AI 芯片”,以此在中端市场上争夺华为等本土巨头的份额,减缓对手的规模化与现金流积累

  • 他认为,只要能在安全可控前提下,用过时一代的芯片换取对手的市场份额,就仍具有战略价值。

但他也同时给出现实判断:

  • 中国方面看穿了这套逻辑,不太可能在关键领域敞开大门让“降级芯片”涌入,占据战略要地;

  • 一旦中国通过行政、产业政策封堵这一输入通道,围绕“卖不卖降级芯片”的争论,就更像是一场象征性的政策讨论,而非可真正落地的大规模业务。

这组表态把白宫对中美科技战的底层思路暴露得很清楚:一方面要用出口管制坚持“技术封锁线”;另一方面也在寻找是否存在“用有限开放换取对手市场空间”的战术窗口。

经济与科技“成绩单”:用数字反击硅谷的“情绪叙事”

当主持人提到一些硅谷 CEO 对政治氛围和政策走向有“复杂情绪”时,萨克斯选择了“用数据说话”的路线:

  • 他列出数字:美国上个季度 GDP 增速达 5.4%,通胀从拜登时期的 9% 高位回落至约 2.6%,劳动生产率刷新多年高点

  • AI 投资与企业部署正在形成生产率与盈利的双重支撑,而科技公司整体经营环境“极好”;

  • 在他的叙述里,特朗普总统“对科技行业的支持,是他们前所未见的”,而前任政府则“在给科技行业加不必要的监管负担”。

对于“硅谷不喜欢特朗普”的常见印象,他给出的拆解是:

  • 的确有一批长期站队民主党的科技领袖,无论如何都不会喜欢特朗普;

  • 但就具体的商业环境与经营数据而言,他接触到的大量 CEO 对现任政府的表现“非常满意”。

从传播效果看,这是一次典型的“数据 vs 情绪”的舆论反击:试图用宏观经济与科技行业的亮眼数字,覆盖掉对政治分裂、贸易战、副作用的部分担忧。

从格陵兰到加州财富税:数字秩序之外的“产权底线”

采访最后,萨克斯回应了两个看似与 AI、加密无关、实则高度相关的议题:格陵兰以及加州拟议的高净值财富税。

在格陵兰问题上,他用历史叙述为特朗普“收购格陵兰”的想法“正名”:

  • 回顾自 19 世纪以来,包括国务卿西华德(买下阿拉斯加者)、罗斯福与杜鲁门在内,多位美国政治家都认真研究过“获得格陵兰”的方案;

  • 认为特朗普只是将这一延续 150 年的地缘战略设想“重新提上议程”。

而在加州提出的一次性 5% 高净值资产税上,他态度则异常尖锐:

  • 强调自己“在加州生活了 30 年,也一直接受全国最高级别的所得税率(约 13.3%)”,对缴税本身并无异议;

  • 但他认为新提案“不是税,而是资产征用(asset seizure)”:无论资产是否已经实现收益、无论是否已经缴清应纳税款,政府将一次性拿走你全部资产的 5%。

  • 他提醒外界,不要被“一次性”措辞迷惑,“这不是 one time,而是 first time”,一旦开了先例,未来多次重复只是时间问题。

从这个角度看,无论是数字资产、芯片技术还是传统财富,萨克斯在达沃斯传递的是同一条主线:

美国要在全球数字秩序中掌控技术与规则,同时在国内守住清晰、稳定的财产权边界。

在他眼中,如果这些底线被不断测试甚至突破,无论 AI 还是加密,都可能失去建立在“信任与产权”之上的长期发展土壤。

版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/3/29 5:36:38

告别环境配置!YOLOv9开箱即用镜像让检测更高效

告别环境配置!YOLOv9开箱即用镜像让检测更高效 你是否经历过这样的场景:凌晨两点,项目 deadline 迫在眉睫,却卡在了 torch.cuda.is_available() 返回 False;反复卸载重装 CUDA、PyTorch、OpenCV,版本冲突报…

作者头像 李华
网站建设 2026/4/3 1:27:01

Java版LeetCode热题100之最长公共子序列:从原理到实战的深度解析

Java版LeetCode热题100之最长公共子序列:从原理到实战的深度解析 摘要:本文全面剖析 LeetCode 热题 100 中的经典动态规划问题——「最长公共子序列(LCS)」。我们将从原题回顾出发,系统讲解动态规划设计、代码实现、复…

作者头像 李华
网站建设 2026/3/31 12:05:00

新手保姆级教程:用YOLOv9镜像轻松实现图像识别

新手保姆级教程:用YOLOv9镜像轻松实现图像识别 你是不是也经历过这样的时刻:想快速验证一个目标检测想法,却卡在环境配置上——CUDA版本对不上、PyTorch和torchvision版本冲突、OpenCV编译报错、权重文件下载失败……折腾半天,连…

作者头像 李华
网站建设 2026/3/28 14:51:33

Llama3-8B模型合并技巧:多LoRA权重融合实战教程

Llama3-8B模型合并技巧:多LoRA权重融合实战教程 1. 引言:为什么需要合并多个LoRA权重? 在实际应用中,我们常常会为不同的任务或场景分别训练多个LoRA(Low-Rank Adaptation)微调权重。比如一个用于客服对话…

作者头像 李华
网站建设 2026/3/14 0:33:20

Qwen-Image-Edit-2511踩坑记录,这些配置别搞错

Qwen-Image-Edit-2511踩坑记录,这些配置别搞错 你是不是也遇到过:镜像拉下来了,ComfyUI也启动了,界面能打开,可一上传图片、输入提示词,模型就卡住不动?或者编辑结果完全跑偏——人脸扭曲、文字…

作者头像 李华
网站建设 2026/3/30 22:12:44

2026年大模型部署前瞻:DeepSeek-R1蒸馏技术实战应用指南

2026年大模型部署前瞻:DeepSeek-R1蒸馏技术实战应用指南 1. 为什么小参数也能扛大活?从1.5B看蒸馏模型的实用价值 你可能已经注意到,2025年下半年起,越来越多团队不再执着于“越大越好”,而是开始认真琢磨&#xff1…

作者头像 李华