评级机构穆迪发出警告，由稳定币驱动的“加密化”浪潮正对新兴市😁场的货币主权和金融稳定构成日益严峻的挑战。 近日，穆迪🤗在其最新报告中指出，随着稳定币等加密货币的采用率在全球范围内😀加速增长，新兴市场面临货币主权被削弱的风险。在这种“加密化”🙌的趋势下，以美元等法币为锚的稳定币被广泛使用，从而削弱了央行😊对利率和汇率的控制能力。 报告明确表示，如果个人将储蓄🤯从国内银行存款转向稳定币或加密钱包，银行系统可能面临“存款流🙌失”的风险。穆迪称，这种资金外流不仅影响银行的流动性，也对整🙄体金融稳定构成潜在威胁。 数据显示，2024年全球数字😆资产拥有者已达到约5.62亿人，较前一年增长了33%。穆迪强😉调，尽管在发达经济体中，加密资产的普及多由监管明确和投资渠道🎉完善所驱动，但在拉丁美洲、东南亚和非洲等新兴市场，其增长速度😆最快，主要动因来自汇款、移动支付和对冲通胀的需求。 “😊加密化”风险加剧 穆迪认为，“加密化”的核心风险在于其🌟对一国货币政策独立性和金融体系稳定性的侵蚀。 报告称，😀当大量经济活动通过稳定币进行时，央行通过调整利率来管理经济的🤯能力将被削弱。同时，如果美元稳定币成为主流交易媒介，也将直接😆冲击本国货币的汇率稳定。 此外，穆迪警告称，稳定币自身😅也存在系统性风险。 报告指出，尽管稳定币被认为相对安全😎，但其快速增长也引入了系统性漏洞：监管的不足可能引发对储备金⭐的挤兑，一旦发生脱锚，或将迫使政府采取代价高昂的救助措施。 🔥 增长失衡与监管鸿沟 全球加密资产的普及呈现出显著😡的地域不平衡，而监管的滞后加剧了新兴市场面临的风险。 😡穆迪在报告中强调，目前的监管格局极度分散。数据显示，全球仅有🤔不到三分之一的国家实施了全面的数字资产规则，这使得许多经济体😎直接暴露在市场波动和系统性冲击之下。 这种监管鸿沟与增🙄长模式的差异形成了鲜明对比。发达市场的加密采用更侧重于投资，😴而新兴市场民众则更多出于实际需求，如跨境汇款和对冲本国货币的😡通胀风险。 穆迪认为，这种分化既展示了数字资产在普惠金😴融方面的潜力，也凸显了在监管未能跟上的情况下，金融不稳定的风🤯险正在不断累积。返回搜狐，查看更多

北京市:市辖区:(东城区、西城区、朝阳区、丰台区、石景山区、海淀区、门头沟区、房山区、通州区、顺义区、昌平区、大兴区、怀柔区、平谷区、密云区、延庆区)

天津市:市辖区:(和平区、河东区、河西区、南开区、河北区、红桥区、东丽区、西青区、津南区、北辰区、武清区、宝坻区、滨海新区、宁河区、静海区、蓟州区)

河北省:石家庄市:(长安区、桥西区、新华区、井陉矿区、裕华区、藁城区、鹿泉区、栾城区、井陉县、正定县、行唐县、灵寿县、高邑县、深泽县、赞皇县、无极县、平山县、元氏县、赵县、石家庄高新技术产业开发区、石家庄循环化工园区、辛集市、晋州市、新乐市)

唐山市:(路南区、路北区、古冶区、开平区、丰南区、丰润区、曹妃甸区、滦南县、乐亭县、迁西县、玉田县、河北唐山芦台经济开发区、唐山市汉沽管理区、唐山高新技术产业开发区、河北唐山海港经济开发区、遵化市、迁安市、滦州市)

秦皇岛市:(海港区、山海关区、北戴河区、抚宁区、青龙满族自治县、昌黎县、卢龙县、秦皇岛市经济技术开发区、北戴河新区)

邯郸市:(邯山区、丛台区、复兴区、峰峰矿区、肥乡区、永年区、临漳县、成安县、大名县、涉县、磁县、邱县、鸡泽县、广平县、馆陶县、魏县、曲周县、邯郸经济技术开发区、邯郸冀南新区、武安市)

邢台市:(襄都区、信都区、任泽区、南和区、临城县、内丘县、柏乡县、隆尧县、宁晋县、巨鹿县、新河县、广宗县、平乡县、威县、清河县、临西县、河北邢台经济开发区、南宫市、沙河市)

保定市:(竞秀区、莲池区、满城区、清苑区、徐水区、涞水县、阜平县、定兴县、唐县、高阳县、容城县、涞源县、望都县、安新县、易县、曲阳县、蠡县、顺平县、博野县、雄县、保定高新技术产业开发区、保定白沟新城、涿州市、定州市、安国市、高碑店市)

张家口市:(桥东区、桥西区、宣化区、下花园区、万全区、崇礼区、张北县、康保县、沽源县、尚义县、蔚县、阳原县、怀安县、怀来县、涿鹿县、赤城县、张家口经济开发区、张家口市察北管理区、张家口市塞北管理区)

承德市:(双桥区、双滦区、鹰手营子矿区、承德县、兴隆县、滦平县、隆化县、丰宁满族自治县、宽城满族自治县、围场满族蒙古族自治县、承德高新技术产业开发区、平泉市)

沧州市:(新华区、运河区、沧县、青县、东光县、海兴县、盐山县、肃宁县、南皮县、吴桥县、献县、孟村回族自治县、河北沧州经济开发区、沧州高新技术产业开发区、沧州渤海新区、泊头市、任丘市、黄骅市、河间市)

近日，《Nature》杂志的最新一期封面论文引起了广泛关注，🙄研究主题是 DeepSeek-R1。这项研究由梁文锋教授团队👏主导，内容围绕如何通过强化学习来提升大型语言模型（LLM）的😂推理能力。早在今年1月，该研究已在 arXiv 上发布，受到😀学术界的高度评价。 在封面介绍中，《Nature》指出🙄，如果大型模型能够规划解决问题的步骤，往往会得到更好的解决方🤔案。这种推理能力与人类处理复杂问题的方式相似，但在人工智能领👍域实现这一点面临着巨大的挑战。研究团队展示了如何在极少人工干👍预的情况下训练出具备推理能力的模型。 DeepSeek⭐-R1模型的训练采用强化学习策略，模型在正确解答数学问题时会🌟获得高分奖励，而答错则会受到惩罚。通过这样的机制，DeepS🤔eek-R1学会了逐步推理、解决问题，并在给出答案前进行自我⭐验证，从而提高了其在编程和科学研究中的表现。 值得一提🚀的是，DeepSeek-R1被认为是首个经过权威学术期刊同行😴评审的语言模型，这一成就标志着 AI 领域的一个重要里程碑。😀Hugging Face 的工程师 Lewis Tunsta🤗ll 对此表示，这是一个重要的先例，强调了行业规范的重要性，🚀尤其是在评估 AI 系统潜在风险时。 此外，研究团队在👍论文中对模型的训练数据类型和安全性进行了详细说明，避免了对模😎型的拟人化描述，确保研究的严谨性和透明度。这一开放模式得到了😀同行的广泛赞誉，认为有助于提升公众对 AI 的信任。 👏划重点:返回搜狐，查看更多