【幣圈日報】美 SEC ：比特幣以外都是證券｜富比世爆料：幣安挪用用戶資金|數位時代 BusinessNext

美 SEC 主席：我是說在座的各位都是證券，除了比特幣以外

美國證券交易委員會（SEC）主席 Gary Gensler 在接受《紐約雜誌》專訪時，強調除了比特幣以外，所有加密貨幣都屬於證券範疇，還表示區塊鏈（分散式帳本）技術在支付上的使用，實用性並不高，他稱加密貨幣是一種微貨幣（micro-currency）。

Gensler 指出：「比特幣之外的一切項目（加密貨幣），你能找到一個網站、一群企業家，他們可能在離岸避稅天堂建立了法人實體、基金會，透過各種法律模糊地帶，來推廣代幣與吸引投資者。這些代幣都屬於證券；當中的核心關鍵在於，項目與散戶之間存在一個主體，而大眾預期這個主體能為他們帶來利潤，藉由這些中間主體的努力而獲利。」

Gensler 也表達了他對區塊鏈技術的看法：「我們能從歷史中了解，網路效應、經濟體總是圍繞著特定貨幣單位所凝聚，會有一個大家可以接受的貨幣成為交易、記帳、價值儲存的載體單位。自成吉思汗以來政府認可的貨幣標準有兩個：能用於納稅，所有公、私募債券也都接受的貨幣。我不認為微貨幣（加密貨幣）在經濟上有什麼功效，多數代幣都將面臨失敗。」

📍邀請您加入Web3+ Line社群，持續關注最重要的網路變革
👉 https://lin.ee/kItnyTh

富比世爆料：幣安去年挪用 18 億美元用戶資金！幣安回應：不實指控，請媒體記者多充實加密產業知識

富比世雜誌（Forbes）引用了去年 8 月至 12 月初的區塊鏈數據，指控幣安交易所涉嫌在去年 8 月，挪用並轉移了將近 18 億美元的 Binance-Peg USDC 背後的抵押品。

富比世指出，幣安發行幣安鏈（BNB Chain）上運行的 Binance-Peg 代幣，標榜鏈上有多少代幣流動，背後就有多少該代幣的以太坊版本代幣作為 1:1 抵押。而富比世這起爆料，則顯示去年 8 月 17 日，幣安從 Binance-Peg 抵押品錢包提款 17.8 億美元的 USDC，卻沒有相應減少 Binance-Peg USDC 的供應。

對此，幣安官方表示這是不實指控，並正式發布聲明回應富比世：

用戶在交易平台上的基本行為是儲值、交易和提款。幣安每天有大量的加密資產進出，因此為了安全考慮，每天會有大額資金會在冷熱錢包之間進行轉帳。在加密產業，用戶能夠從平台提取出資產從來不是問題，而無法提幣才是問題。
幣安對於 Binance-Peg 代幣（B-Tokens）的相關事宜，幣安會定期對錨定地址的資產進行再平衡或更新，但之前這種再平衡和更新不能保證完全即時。幣安已經提高了再平衡和更新的頻率，以確保任何時候錨定比例都是 1:1。
幣安從未挪用用戶資金，不管是中心化交易所的資產，還是 B-Token 的抵押品，始終都保持 1:1 的資金儲備，所有用戶皆可以透過儲備金證明（PoR）系統進行查看。

在聲明的最後，幣安還呼籲富比世以及其他媒體的記者朋友們，歡迎參加幣安學院的課程，從而對加密產業知識以及從業者有更加客觀的認知。

Solana 第 9 次當機！執行長駁斥「鏈上投票導致網路中斷」的說法

Solana Labs 的創辦人執行長 Anatoly Yakovenko 否認了公鏈 Solana 故障是因為「鏈上投票導致網路阻塞」的說法，稱此番言論為「純粹的無知」（pure ignorance），這也是回應推特用戶 DBCryptoX 的質疑。

此前消息，公鏈 Solana 在 2 月 25 日，因驗證節點軟體升級出現問題而當機，導致 20 幾個小時的網路延遲、不穩以及交易失敗情況，驗證者們進行了 2 次「降級軟體版本並重啟」才成功恢復正常運作，故障原因至今仍待查明。這已是 Solana 有史以來第 9 次當機，其網路穩定性受到社群詬病。

無聊猿母公司將推「TwelveFold」比特幣 NFT，限量 300 件

無聊猿（BAYC）母公司 Yuga Labs 宣布，本週將透過 Ordinals 協議，發行基於比特幣網路的生成式畫作NFT 項目「 TwelveFold」，限量 300 件，用比特幣競標。

然而，這次發行的作品與無聊猿系列的藏品並無關聯。此次作品完全由 Yuga Labs 團隊自主完成，並將在發行前的 24 小時公布確切時間與細節。

Coinbase 宣布將在 3 月 13 日停止 BUSD 交易

美國上市加密貨幣交易所 Coinbase 發布公告表示，基於近期的上幣檢驗（定期監控交易所的資產，確保它們符合上架標準），將在 3 月 13 日停止所有 BUSD 的交易，涵蓋 Coinbase 旗下所有平台；提款業務不受影響，用戶的 BUSD 仍可以取用、可以隨時出金。

以太坊借貸協議新提案：將 Compound v3 部署至 Arbitrum

以太坊上知名的去中心化加密貨幣借貸平台 Compound，其社群發起將 Compound v3 部署至 Arbitrum 的提案，該提案由 Penn Blockchain（FranklinDAO）所發起。

提案表示，觀察現階段總鎖倉價值（TVL）和 dApp 等數據，Arbitrum 都是市場上領先的以太坊第二層（Layer 2 ）解決方案，將 Compound v3 部署至 Arbitrum 將是協議發展重要的一步。

📍邀請您加入Web3+ Line社群，持續關注最重要的網路變革
👉 https://lin.ee/kItnyTh

本文受轉載自：鏈習生

核稿編輯：高敬原

1973 年，良興從台北光華商場一間 50 坪的電子零件行起家，半個世紀後蛻變為年營收破十億、毛利率 18% 的全通路 3C 品牌。不過，伴隨規模擴張帶來的不只是成長，還有日益加劇的管理摩擦。門市遍布全台、品項高達近萬筆，加上跨部門協作頻繁，行政耗損與知識傳承的缺口，成為這家老字號邁向下一階段的隱形天花板。

良興總經理賴志達回顧，從電子零件跨入電商、從線下擴張到 OMO 全通路、再到會員深度經營，作為 3C 零售業者，良興每一波轉型都走在同業前面。「現在輪到 AI 了。如何做到人機協作、AI 賦能，就是良興第五波轉型的核心命題。」

AI 自動化，從行政細節釋放組織戰力

轉型需要夥伴，而賴志達評估合作夥伴的標準很明確：技術能力是基本，產業知識（Domain Know-how）的深度是關鍵，回饋速度更是最終決定因素。2025 年的未來商務展上，良興選擇攜手 Data-DI，看重的正是其「策略諮詢 + AI 產品 + 落地陪跑」三軌並行的實施能力。

很快的，良興與 Data-DI 合作的第一個專案，就落在最耗費人力、卻最常被忽視的環節：會議記錄。「會議如果沒有產值、沒有效果，對企業很傷！」賴志達說，他每天參加許多會議，但跨單位協作的會議記錄長期依賴人工聆聽與逐字整理，常出現人名誤植、決策遺漏、行動項目無人追蹤，讓會議效果大打折扣。

為了解決會議記錄的痛點，Data-DI 業務副總包威棣指出，在導入工具以前，團隊須先釐清三件事：場景是否具備落地價值、哪些流程節點適合 AI 介入，以及以終為始地掌握客戶真正想要的輸出樣貌。這些看似基本的提問，都決定 AI 能否精準落地。

確認方向後，良興與 Data-DI 成功導入 AI 會議記錄自動化系統，透過模糊比對技術校正語音辨識誤差，並將生成的雙版本報告直接回存至既有資料庫，不僅將行政人員從重複性作業中釋放，也為後續的 AI 應用奠定扎實的系統整合基礎。

賴志達分享，現在他去外部開會也會用這個工具，運用 AI 把錄音轉文字、再整理成簡報，很快就能完成，更令外部夥伴驚艷。「我認為這是很成功的案子！也提醒想做 AI 的老闆們，與其急著搞大架構，不如先從小工具讓公司嘗試 AI，建立理解和認同。」

AI 把資深員工大腦轉化為資產

補完行政效率的缺口後，良興接著切入更深層的營運核心：知識傳承。過去，頂尖銷售經驗長期鎖在少數資深員工身上，新人培訓耗時三個月，員工離職即帶走知識資本。與此同時，網路資訊發達，消費者進店前早已掌握基本規格，3C 通路門市人員要如何發揮更多價值？「我要門市的人不是死背規格，而是面對客人時，能用客人能理解的方式對話。」賴志達說。

為此，Data-DI 協助良興建置 AI 門市教育訓練系統。系統透過六大自動化關卡，串接教材生成、審核上架、AI 銷售對練與成績回報，主管僅需在核心節點審核；員工透過手機語音對練，系統依口吻、專業度、回應力等維度自動評分。賴志達表示，目標是將新人培訓期縮短至一個月，讓數十年累積的銷售智慧轉化為可複製、可傳承的企業資產。

然而，要讓這套系統真正運作，得先解決兩個根本問題：資料從哪裡來？以及訓練如何更準確？

「以前大數據時代，講的是資料要大、全、細、實；現在 AI 要做到的是準（準確）、合（合乎場景）。」包威棣說。良興不同廠商提供的素材品質參差不齊，Data-DI 除了整合內部資料，也補充加入外部市場評測內容以填補空缺，再透過人員審核機制過濾雜訊，搭配 agent 架構的多層步驟與知識限定，確保系統能精準提煉對應品類的訓練素材。

賴志達則看得更遠：「這些教育訓練的內容，也將成為公司未來訓練機器人很好的原料。」

Data-DI 陪跑型顧問，帶領企業 AI 轉型

良興與 Data-DI 合作的兩個專案中，雙方共同克服了長提示詞邏輯混亂、AI 幻覺污染知識庫、逐字稿讀取逾時等技術難題。邁向下一步，賴志達表示，公司各部門很早就建置 Power BI 報表，但數據豐富不等於決策清晰。「數據是土壤，如果沒有梳理，就沒有用了。」因此，他的下一個目標是活化數據資本、推動行銷自動流，以精實的人力持續驅動成長。

包威棣則從顧問視角歸納兩個觀察：AI 導入需要高層認同、由上而下推進，像賴志達這樣持續引領良興走在業界前端的決策者，就是不可或缺的推手；而單點工具的價值，終究要累積成組織體質的轉變才算真正落地。「就像會議記錄改變了會議當責的結構，人員訓練改變了知識傳承的方式。從點狀應用走向企業變革，這種決策思路才是 AI 真正深入落地產生價值的關鍵。」

最後，對於仍在觀望AI應用的企業，他則建議：「未來 AI 導致的落差只會愈來愈大，人會變成超級工作者，企業會變成超級企業。開始做就對了，先做一個三個月的小任務，降低落差、再急起追上。」從痛點切入、小步快跑，讓組織在實作中累積對 AI 的理解與信任，這正是 Data-DI 的陪跑哲學。

有關更多 Data-DI 相關資訊，請查詢網站：https://www.data-di.com/