Circle Q3 成绩单出炉:在下一盘更大的棋?

深潮Publicado a 2025-11-12Actualizado a 2025-11-13

稳定币第一股 Circle 的 Q3 财报有哪些看点?

撰文:KarenZ,Foresight News

昨晚,稳定币第一股 Circle 公布三季度财报,交出了一份令人瞩目的成绩单,更在生态建设上打出了一套组合拳。同时,Circle 揭示了其在构建 Arc Network 和 CPN 支付网络方面的进展。

以下是本次财报的几大看点:

一、USDC 供应量:相比去年同期增长 108%

截至三季度末,USDC 的流通量达到 737 亿美元,同比增长高达 108%,反映了稳定币市场的整体扩张。

与此同时,USDC 的市场份额达到 29%,相比去年同期提升了 643 个基点。在众多稳定币竞争者中,USDC 已成为仅次于 USDT 的重要玩家,这个份额的增长说明用户对 USDC 的信任度在持续上升。

二、净利润:达 2.14 亿美元,同比增长 202%

这直接带动了公司总营收和储备利息收入的显著提升,达到 7.4 亿美元,同比增长 66%。这其中,储备利息收入贡献 7.11 亿美元,同比增长 60%,成为营收核心支柱,这主要得益于 USDC 流通量的增加。

更值得关注的是利润端的表现。Circle 在第三季度实现净利润 2.14 亿美元,同比增长 202%。这个高增幅一方面来自于业务规模的扩大,另一方面也包括了税收优惠和公司可转换债券公允价值的下降。

其他收入虽规模较小但增速惊人,达 2851.8 万美元,较上年同期的 54.7 万美元增长超 50 倍,主要得益于订阅服务和交易收入的强劲增长。

三、Arc 网络:Circle 正在探索在 Arc 上推出原生代币的可能性

Circle 表示,正在探索在 Arc Network 上发行原生代币的可能性。Circle 在 10 月 28 日推出了 Arc 公链测试网,吸引了超过 100 家公司参与。这些参与者涵盖了银行、支付、资本市场、资产管理公司、科技等多个领域的机构以及数字资产生态系统的多个环节。

Circle 希望 Arc 代币能够推动网络采用,进一步协调 Arc 利益相关者的利益。

四、CPN 支付网络:年化交易量达 34 亿美元

Circle 支付网络 Circle Payments Network(CPN)自今年 5 月底推出以来,已有 29 家金融机构加入,另有 55 家正在审核中,还有 500 家正在筹备加入。当前,CPN 现已支持 8 个国家的资金流动。

基于截至 11 月 7 日的 30 天滚动交易量计算,CPN 的年化交易量可以达到 34 亿美元,显示了机构客户的强劲需求。

此外,Circle 还与 Brex、德意志交易所集团、Finastra、Fireblocks、Hyperliquid、Kraken、Unibanco Itaú和 Visa 等公司建立了新的合作关系,进一步提升了 USDC 在全球支付和金融基础设施中的地位。

五、代币化货币市场基金 USYC:规模达到 10 亿美元

Circle 的代币化货币市场基金 USYC 同样表现出色,从 2025 年 6 月 30 日到 2025 年 11 月 8 日,其规模增长超过 200%,达到约 10 亿美元。这反映出数字资产与传统金融结合的潜力。

六、2025 财年展望

基于 Q3 的强劲表现和市场需求增长,Circle 将其他收入预期从原先的 7500 万 - 8500 万美元上调至 9000 万 - 1 亿美元,主要得益于订阅服务和交易收入的持续增长;RLDC 利润率预期将达到 38%(「收入 - 分销成本」/ 收入),处于此前指引区间的上限;调整后运营费用预期上调至 4.95 亿 - 5.1 亿美元,这说明 Circle 正在加大投入。

如何看待 Circle 最新财报?

这份财报展现出 Circle 在稳定币领域的强势地位和多元化探索的初步成果。这种增长不是单点突破,而是多个维度同时推进,包括供应量、收入、利润、市场份额都在上升。

「其他收入」虽基数较小但增速惊人,订阅服务、交易收入的增长暗示 Circle 正尝试突破「单一利息依赖」,收入结构初现多元化苗头。

同样值得强调的是,今年是 Circle 生态落地的关键节点,Arc 公链测试网落地和支付网络(CPN)规模化扩张反映出 Circle 正在经历一个重要的转变——从单纯的稳定币发行方,逐步演进成为提供综合金融基础设施的平台型公司。USDC 规模的稳健增长为这种演进奠定了基础,而 Arc 生态、CPN 支付网络的发展,则打开了未来更大的想象空间。叠加美国《GENIUS 法案》落地后的合规红利,传统金融机构入场正成为 USDC 流通量增长的新引擎。

不过,这份财报也暴露了 Circle 发展过程中需直面的潜在挑战。

尽管「其他收入」增速迅猛,但储备利息收入占总营收的比重仍接近 96%,公司收入高度依赖 USDC 储备资产产生的利息收益。这种单一的收入结构使其对利率环境高度敏感,若未来市场利率进入下行周期,储备金收入增长将直接承压,进而影响整体盈利水平。而「其他收入」目前占比仍不足 4%,尚未形成能够支撑业绩的独立盈利支柱,收入多元化转型仍需时日。

仔细看财报可以发现,Q3 净利润 2.14 亿美元中,包含了 6100 万美元的所得税优惠(tax benefit,非经常性),以及 4800 万美元的可转换债务公允价值下降收益(非经常性),这两项加起来占净利润的一半。除去这些非经营收益,实际经营利润的亮度会大幅下降。

另外,成本压力对利润的稀释也比较明显。分销、交易及其他成本达 4.48 亿美元,同比增长 74%,成本增速高于营收增速。高额成本直接导致利润空间受到挤压,虽净利润实现大幅增长,但利润率提升幅度与营收增速的匹配度有待优化。从业务逻辑看,这类成本与合作伙伴分成等因素密切相关,短期内难以快速压降,成为制约盈利释放的重要因素。

与此同时,Arc 当前仅仅在测试网阶段,真正能否吸引足够的开发者和用户,推动形成活跃的生态,还需要时间验证。

总体而言,本份财报展现了一家处于快速成长期企业的典型特征:机遇与挑战并存,短期成绩亮眼,长期则取决于战略执行与风险应对能力。随着加密资产与传统金融的融合加速,以及全球对数字美元需求的持续提升,Circle 的故事才刚刚开始。

Lecturas Relacionadas

Claude se volvió 'tonto' en toda la red, y Anthropic aclara el motivo: No es el modelo quien te falla

**Los usuarios de Claude Code se quejaban de que el modelo se volvió más torpe, pero Anthropic aclara: el problema no era el modelo, sino el ajuste de "Esfuerzo".** En marzo, muchos desarrolladores notaron que Claude Code parecía menos competente: omitía leer archivos o ejecutar pruebas. La comunidad criticó fuertemente a Anthropic. La causa real fue un cambio en la configuración predeterminada del nivel de **Esfuerzo (Effort)**, de "alto" a "medio", realizado para reducir la latencia. Este ajuste afectó cuánto trabajo invertía Claude en una tarea, no su conocimiento fundamental. Anthropic explica la diferencia clave entre **Modelo** y **Esfuerzo**: * **Modelo (Sonnet, Opus, Fable):** Representa la "inteligencia" o conocimiento base del modelo (pesos congelados del entrenamiento). Cambiarlo resuelve problemas de "¿puede hacerlo?". * **Esfuerzo (Effort):** Representa la "actitud" o cuánto trabajo está dispuesto a realizar en una tarea específica (leer archivos, ejecutar pruebas, verificar). Un Esfuerzo bajo hace que Claude responda rápido pero pida más contexto; un Esfuerzo alto lo hace investigar y trabajar de forma más autónoma. **Conclusión importante:** Un modelo más pequeño (como Sonnet) con un Esfuerzo alto puede superar a un modelo más grande (como Opus) con un Esfuerzo bajo en muchas tareas. El cambio de marzo demostró que los usuarios a menudo subestimaban el impacto del control de Esfuerzo, culpando erróneamente al modelo. **Marco para solucionar problemas:** 1. Verifica primero el contexto y las instrucciones (prompt). 2. Si Claude se equivoca, pregúntate: **¿Es que "no sabe" o "no se esfuerza lo suficiente"?** * **No se esfuerza (ej., omite pasos):** Aumenta el nivel de Esfuerzo. * **No sabe (ej., errores persistentes a pesar del contexto):** Cambia a un modelo más capaz. La lección es que el uso efectivo de herramientas de IA como Claude Code ya no se trata solo de elegir el modelo más potente, sino de aprender a **gestionar y asignar recursos** (modelo y esfuerzo) de manera inteligente para cada tarea, optimizando tanto el rendimiento como el coste.

marsbitHace 26 min(s)

Claude se volvió 'tonto' en toda la red, y Anthropic aclara el motivo: No es el modelo quien te falla

marsbitHace 26 min(s)

Casi un centenar de jugadores se lanzan al sector de datos embodiment: 44.700 millones de financiación en un año, ¿quién puede ganar dinero realmente "vendiendo datos"?

**Resumen en español europeo:** Más de 90 empresas, incluidas 70 dedicadas a la recopilación, compiten en el emergente campo de los datos de inteligencia encarnada en China. En el último año, 15 proveedores de datos independientes recaudaron aproximadamente 4.470 millones de RMB. El artículo, basado en estadísticas de "Quantum Bit", describe diez aspectos clave del sector: 1. **Métodos de recopilación:** Se dividen en cuatro categorías: teleoperación de robots reales, recopilación sin robot (con captura de movimiento), simulación y destilación de vídeos de internet. La mayoría de las empresas (43%) utilizan múltiples métodos, siendo la teleoperación la ruta única más común (31%). 2. **Perfil de los actores:** Los proveedores de datos independientes son el grupo más numeroso (40%), seguidos por plataformas de datos estatales (26%) y fabricantes de robots (25%). Dos tercios de las empresas son "nativas" del sector. 3. **Capacidad y distribución:** La capacidad anual actual se estima en 1,6-1,8 millones de horas, con el objetivo de multiplicarla por 15-20 en 1-3 años. Las "fábricas de datos" están presentes en 20 provincias, concentrándose en el delta del Yangtsé. 4. **Financiación y etapa:** La financiación del último año para proveedores independientes (44.700 millones RMB) es modesta comparada con la inversión total en inteligencia encarnada. El sector está muy fragmentado, con una sola "unicornio" (Lightwheel AI) que acaparó el 70% de la inversión. 69 fondos han invertido, pero ninguno de forma significativa, mostrando cautela. 5. **Conclusión:** El mercado de datos encarnados es ya una industria independiente y generadora de empleo, pero se encuentra en una fase muy temprana. Aún no está claro si "vender datos" será un negocio rentable, y los próximos 1-2 años serán cruciales para validar el modelo.

marsbitHace 3 hora(s)

Casi un centenar de jugadores se lanzan al sector de datos embodiment: 44.700 millones de financiación en un año, ¿quién puede ganar dinero realmente "vendiendo datos"?

marsbitHace 3 hora(s)

Trading

Spot
活动图片