El uso de stablecoins aumenta un 600% – ¿Está USDC tomando la delantera a USDT?

ambcryptoPublicado a 2026-03-23Actualizado a 2026-03-23

Resumen

El uso de stablecoin ha aumentado un 600% interanual, con direcciones activas creciendo de 85.000 a 600.000 entre marzo de 2025 y 2026, reflejando una adopción sostenida y una integración más profunda en la red. Los stablecoins están evolucionando de pares de trading en DeFi hacia infraestructura transaccional, como pagos y transferencias transfronterizas. USD Coin (USDC) lidera la expansión con un aumento de $4.500 millones en su oferta, mientras Tether (USDT) registró una contracción de $2.000 millones, lo que indica un cambio hacia activos percibidos como más estables y regulados. Aunque las reservas en exchanges disminuyeron un 0,72% en 24 horas, con salidas netas de $485 millones, la liquidez se está trasladando hacia autocustodia en lugar de abandonar el mercado. La oferta total de stablecoins se mantiene estable en $316.450 millones, sugiriendo una rotación de capital en lugar de una expansión general.

La actividad de las stablecoins ERC20 está experimentando una expansión estructural, ya que las direcciones activas aumentaron de aproximadamente 85.000 en marzo de 2025 a casi 600.000 en marzo de 2026.

Este crecimiento del 600% refleja algo más que picos temporales, ya que la actividad ha mostrado una tendencia al alza de forma constante desde 2024. A medida que la participación se amplía, el patrón cambia de brotes aislados a un uso sostenido, lo que sugiere una integración más profunda en toda la red.

Fuente: CryptoQuant

Al mismo tiempo, este aumento señala un cambio de función.

Las stablecoins están evolucionando más allá de los pares de trading en DeFi hacia una infraestructura transaccional. Como resultado, los flujos reflejan cada vez más pagos, liquidaciones y transferencias transfronterizas en lugar de posicionamiento especulativo.

Sin embargo, el aumento de la actividad también implica una mayor dependencia de la liquidez de las stablecoins.

A medida que el uso se concentra en torno a estos activos, se vuelven centrales para el movimiento de capital entre mercados. Esta dinámica sugiere que la liquidez en cripto se está volviendo más eficiente, pero también más sensible a los ciclos de demanda impulsados por las stablecoins.

Los flujos de stablecoins cambian a medida que USDC gana dominio sobre USDT

Los flujos de stablecoins muestran una clara rotación en la preferencia del mercado, ya que USD Coin [USDC] lidera la expansión de la oferta desde principios de año.

USDC añadió 4.500 millones de dólares, marcando el mayor aumento entre todos los activos rastreados. Este aumento refleja fuertes entradas de capital durante un período volátil.

Tether [USDT] se movió en la dirección opuesta, con su oferta contrayéndose en aproximadamente 2.000 millones de dólares, lo que señala salidas de capital. A medida que se forma esta divergencia, resalta un cambio hacia una estabilidad percibida y una claridad regulatoria.

Fuente: Artemis

Esta brecha sugiere un uso creciente más allá del simple almacenamiento de liquidez. A medida que los volúmenes se expanden, USDC fortalece su papel en la infraestructura de DeFi y pagos.

Sin embargo, esta concentración también implica que la liquidez se está centralizando más. A medida que el capital rota, la dependencia del mercado de menos stablecoins aumenta, moldeando cómo fluye la liquidez en el ecosistema en general.

Los flujos de stablecoins muestran consolidación, no capitulación

Los flujos de stablecoins reflejan un cambio cauteloso pero equilibrado, ya que la liquidez se aleja de los exchanges sin salir completamente del mercado. Las Reservas en Exchange se sitúan en 65.370 millones de dólares, un 0,72% menos en 24 horas.

Las Salidas Netas superaron los 485 millones de dólares, señalando un movimiento hacia la auto-custodia. Esto sugiere que el capital se está aparcando en lugar de desplegarse activamente. Sin embargo, este cambio también reduce la presión de venta inmediata en los exchanges, lo que puede apoyar la estabilidad de los precios.

La oferta total de stablecoins se sitúa en 316.450 millones de dólares, subiendo solo un 0,17% semanal. USDT creció un 0,08% hasta 184.100 millones, mientras que USDC cayó un 0,22% hasta 79.100 millones, mostrando una demanda mixta.

Este equilibrio implica que la liquidez está rotando en lugar de expandiéndose, manteniendo los mercados estables a corto plazo mientras deja el momentum dependiente de un nuevo despliegue de capital.


Resumen Final

Preguntas relacionadas

Q¿En qué porcentaje aumentó la actividad de direcciones activas de stablecoins ERC20 de marzo de 2025 a marzo de 2026?

ALa actividad de direcciones activas de stablecoins ERC20 aumentó un 600%, pasando de aproximadamente 85,000 en marzo de 2025 a casi 600,000 en marzo de 2026.

Q¿Qué stablecoin lideró la expansión de oferta en el año hasta la fecha y cuánto agregó?

AUSD Coin (USDC) lideró la expansión de oferta, agregando $4.5 mil millones, el mayor aumento entre todos los activos rastreados.

Q¿Cómo se movió Tether (USDT) en comparación con USDC en términos de oferta?

ATether (USDT) se movió en la dirección opuesta, con una contracción de su oferta de aproximadamente $2 mil millones, lo que señala salidas de capital.

Q¿A qué se atribuye el cambio en los flujos de stablecoins hacia el auto-custodio según las reservas de exchange?

AEl movimiento de capital hacia el auto-custodio, con salidas netas de más de $485 millones, sugiere que el capital está siendo aparcado en lugar de desplegado activamente, reduciendo la presión de venta inmediata en los exchanges.

Q¿Cuál es el monto total de la oferta de stablecoins y cómo se distribuye entre USDT y USDC?

ALa oferta total de stablecoins es de $316.45 mil millones. USDT tiene $184.1 mil millones (crecimiento del 0.08%) y USDC tiene $79.1 mil millones (caída del 0.22%).

Lecturas Relacionadas

¿Rubin Ultra recorta especificaciones? ¿Ni siquiera NVIDIA puede soportar el aumento del precio de la memoria?

El informe de SemiAnalysis ha desencadenado un intenso debate en la industria de la IA al revelar posibles ajustes importantes en las especificaciones de Rubin Ultra, la próxima GPU flagship de NVIDIA para IA. Según el informe, Rubin Ultra mantendría el mismo pico teórico de potencia computacional (35 PFLOPs) que Rubin, pero sufriría una reducción significativa en la memoria: se especificaría con 192GB HBM apilado en 8 capas (8-Hi), incluso menos que los 288GB (12-Hi) de Rubin. El ancho de banda de memoria solo aumentaría ligeramente (1 TB/s), y el consumo energético sería similar o ligeramente superior. La mejora principal se centraría en la capacidad de interconexión a escala, soportando clusters de hasta 576 GPUs unidas mediante NVLink (frente a 72 en Rubin), creando un "super-GPU lógico". La causa principal de esta revisión sería el rápido aumento del precio de la memoria HBM, cuyo costo se habría triplicado desde 2025, impactando fuertemente el costo total de los sistemas. Al reducir la cantidad de HBM (bajando su participación en el costo del ~40% al ~28%) e invertir más en la interconexión (subiendo del 4% al 12%), NVIDIA optimizaría la relación costo-rendimiento del sistema completo. Esta noticia provocó una caída de aproximadamente el 8% en las acciones de los principales fabricantes de HBM, SK Hynix y Samsung, reflejando la preocupación del mercado sobre un posible punto de inflexión en la demanda de memoria de alta gama por parte del mayor comprador, NVIDIA, y el fin de una era de expansión sin restricciones en la infraestructura de IA.

Odaily星球日报Hace 8 min(s)

¿Rubin Ultra recorta especificaciones? ¿Ni siquiera NVIDIA puede soportar el aumento del precio de la memoria?

Odaily星球日报Hace 8 min(s)

¿Los modelos generativos también pueden entrenarse de extremo a extremo? El núcleo es un bucle for

El entrenamiento de modelos generativos siempre ha sido un reto debido a la "desviación por exposición" (exposure bias): durante el entrenamiento solo se aprenden pequeños pasos, mientras que la generación requiere cientos de iteraciones, lo que causa acumulación de errores. Esto ha impedido que los modelos generativos sean entrenados de extremo a extremo (end-to-end), a diferencia de otras tareas de aprendizaje profundo. Un reciente artículo de la Universidad de Illinois y Harvard introduce "Explorative Modeling (XM)", un nuevo paradigma que resuelve este problema mediante un bucle simple (for). La idea clave es que, en cada paso de entrenamiento, el modelo genera K candidatos y solo retropropaga el gradiente a partir del candidato más cercano a los datos reales. Este enfoque evita que el modelo converja a un promedio borroso entre múltiples modos (mode blurring), un problema inherente a las funciones de pérdida de reconstrucción típicas. XM identifica una tercera dimensión escalable, además de los parámetros y los datos: la "expresividad generativa". Los experimentos en imágenes, video y lenguaje muestran que aumentar la exploración (K) mejora monótonamente el rendimiento, con ganancias de eficiencia en FLOPs, muestras y parámetros. En tareas de control robótico, una política exploratoria XM iguala o supera a políticas de difusión que requieren 100 veces más cómputo en inferencia. El trabajo sugiere que, a gran escala, la expresividad generativa se convierte en el cuello de botella principal, y XM ofrece un camino para modelos generativos verdaderamente end-to-end, generando muestras de alta calidad en una sola pasada hacia adelante.

marsbitHace 1 hora(s)

¿Los modelos generativos también pueden entrenarse de extremo a extremo? El núcleo es un bucle for

marsbitHace 1 hora(s)

¿Máximo de 20 artículos por persona? La nueva norma de ICLR recibe una «petición» sarcástica de un investigador de DeepMind

Un investigador de DeepMind satiriza la nueva norma de ICLR que limita a 20 artículos por autor. La conferencia de IA ICLR 2027 ha establecido una nueva regla: cada autor solo puede figurar en un máximo de 20 trabajos enviados. Los que excedan este límite serán advertidos y, de no corregirse, algunos serán rechazados aleatoriamente. La justificación es la enorme presión sobre el sistema de revisión, tras un aumento del 68% en los envíos para ICLR 2026 (19,525 trabajos). Dan Roy, investigador de Google DeepMind, respondió con una "petición" irónica en X, pidiendo que se elimine el límite. Su mensaje, cargado de sarcasmo, sugiere que los agentes de IA ahora pueden producir investigaciones incrementales y que, "dado que todo el trabajo de revisión ya lo hacen los grandes modelos de lenguaje", debería animarse a enviar más trabajos, no menos. Su sátira apunta a un problema real: el uso de IA tanto en la autoría como en la revisión. Un análisis de 2025 detectó que aproximadamente el 21% de las revisiones de ICLR 2026 eran probablemente generadas completamente por IA. La broma de Roy plantea una pregunta seria: en un entorno donde agentes generan artículos, autores los envían en masa y revisores potencialmente usan IA, ¿limitar el número de envíos es la solución adecuada? El debate sobre la calidad versus la cantidad, y el papel de la IA en la academia, continúa.

marsbitHace 1 hora(s)

¿Máximo de 20 artículos por persona? La nueva norma de ICLR recibe una «petición» sarcástica de un investigador de DeepMind

marsbitHace 1 hora(s)

Trading

Spot
活动图片