当美元失去信任,黄金 RWA 悄悄成为新的压舱石

深潮TechFlowPublié le 2025-04-29Dernière mise à jour le 2025-04-29

Résumé

截至 2025 年 4 月,黄金 RWA 赛道的整体市值已达到 14.5 亿美元。


撰文:ChandlerZ,Foresight News
4 月 28 日,Tether 发布了其首份针对 Tether Gold(XAU₮)的官方审计报告。数据显示,截至一季度末,Tether Gold 流通量达到 246,523.33 盎司,折合 7.7 吨实物黄金,总市值 7.7 亿美元,每枚代币价值 3123.57 美元,并在 4 月 21 日触及 3423 美元的历史新高。每一枚 XAU₮均由实物黄金 1:1 托管,黄金存放于瑞士世界级金库,由伦敦金银市场协会(LBMA)认证并接受定期独立审核。
表面上,这只是另一份规范合规、数据扎实的财务披露;但在更深的层面,它透露了两个趋势的交汇,即黄金作为全球财富基石的复归,以及链上世界对可信价值锚的渴望。
黄金的回归,不只是情绪
从数据看,黄金正在经历一场静悄悄的结构性回流。2024 年,全球央行净购金量达到 1044.6 吨,连续第二年刷新纪录,其中 BRICS 国家尤为积极。央行的持续囤金,并不只是短期金融波动的反射,而更像是对未来国际货币秩序变化的本能应对。
而在民间市场,黄金价格也在以更猛烈的姿态重塑存在感。4 月 22 日,COMEX 黄金期货价格盘中最高触及 3504.2 美元 / 盎司,上海黄金交易所现货金价亦飙升至 832.42 元 / 克,均刷新历史纪录。黄金的狂飙,背后是关税战引发的供应链恐慌、美元信用体系裂痕加剧,以及滞胀风险重新浮现的三重动力交织。


高盛、瑞银等国际金融机构纷纷上调黄金目标价,高盛预计到 2025 年底黄金或升至 3700 美元,极端情形甚至上看 4500 美元。而更深远的变量在于,美国财政赤字率突破 6.6%,美元指数跌至 2023 年以来最低,去美元化潮流渐次展开。黄金作为无国界信用资产,正在重新获得各方青睐。
RWA 逻辑:现实资产的链上重塑
在这一轮黄金复兴浪潮中,不仅是传统金条、ETF 受益,数字化的黄金资产也开始加速生长。Tether Gold 只是其中的领跑者。
数据显示,截至 2025 年 4 月,黄金 RWA 赛道的整体市值达到 14.5 亿美元,较 30 天前增长 13.28%。月度链上转账量激增至 13.1 亿美元,同比增长 127.37%。虽然月活跃地址数有所下降,但总持币地址仍维持在 69,660 个,显示出链上黄金更多成为一种长期持有而非短期交易的配置工具。


市场结构上,黄金 RWA 呈现出高度集中化的格局。PAXG(Paxos 发行)与 XAU₮(Tether 发行)合计占据了 95% 以上的市值份额,远远领先于其他项目。PAXG 目前市值约 4.6 亿美元,XAU₮市值约 3.8 亿美元,其它如 Cache Gold(CGO)、TXAU、WTGOLD 等项目体量微小,流动性与合规性参差不齐。
更为关键的是,这一赛道正在伴随黄金现货价格同步膨胀。尤其是在 2024 年至 2025 年初金价连续突破历史新高的背景下,链上黄金需求爆发式增长,成为资本市场上不可忽视的新现象。
不过,这样的爆发式成长也提醒市场,不同项目在托底资产真实性、审计透明度、法律保障等方面存在巨大差异。真正能在动荡周期中脱颖而出的黄金 RWA,必须兼具强实物背书与高合规标准。
变局之中:黄金 RWA 的战略意义
宏观来看,Tether Gold 所代表的,不只是一个成功的产品实验,而是全球金融结构深层变化的映射。黄金在数字世界的标准化、模块化、可交易化,意味着一种新的资本自由度的诞生:跨越主权体系,抵御法币贬值,服务全球资金流动。
更值得注意的是,这一趋势发生的时间点,正值美元利率政策走向不确定、全球关税壁垒重新抬头之时。在全球金融体系加速碎片化、主权货币信用边界不断收缩的背景下,黄金重新成为超主权信任体系的一部分。而黄金 RWA,则为这种信任体系提供了新的技术承载方式。
但黄金 RWA 的道路并非一片坦途。伪 RWA 项目的风险、法律治理的滞后、标准化清算体系的缺失,都可能成为这个赛道走向成熟的隐秘障碍。链上黄金更需要的是信任体系的重建、规则框架的搭建,以及传统金融与数字世界的真正融合。
更深远的挑战在于,黄金虽然具备价值储存的特性,却天然缺乏「收益生息」的机制,与数字金融时代追求高周转、高杠杆的资本逻辑存在一定张力。黄金 RWA 的成功,需要在资产定价、流通场景、跨境结算等层面,开辟出真正契合新一代全球资本需求的应用空间。

Lectures associées

Récapitulatif du marché crypto au Q2 : le Bitcoin a-t-il monté pour rien, l’argent s’est-il rué vers l'IA et les applications on-chain ?

Récapitulatif du Q2 sur les marchés crypto : Bitcoin a perdu les gains d'avril, clôturant le trimestre en baisse d'environ 11%. Cette faiblesse a été alimentée par un durcissement des perspectives de taux de la Fed, des sorties de fonds des ETF Bitcoin (sortie nette de 4,08 milliards de dollars sur le trimestre) et une rotation des capitaux vers les actions d'IA. Les trois principaux canaux de liquidité (ETF, sociétés comme Strategy, et stablecoins) se sont affaiblis simultanément. L'activité boursière a décliné, avec un volume spot en baisse de 28% et un ratio spot/dérivés en compression. Le marché des dérivés a subi une déleveragisation significative, avec 8,35 milliards de dollars de liquidations longues sur BTC et ETH. La liquidité sur les carnets d'ordres s'est détériorée. Malgré le contexte baissier, des thèmes structurels émergent : l'essor des actions tokenisées (comme l'annonce de Coinbase), la croissance des contrats perpétuels sur actifs réels (RWA) via des plateformes comme Hyperliquid, et l'utilisation de la blockchain pour la découverte de prix avant introduction en bourse (exemple : SpaceX). Les coffres-forts (vaults) DeFi deviennent également une couche importante pour le capital institutionnel. Le marché entre dans le Q3 dans un état moins endetté, la question étant de savoir si la liquidité reviendra vers les crypto-actifs.

Foresight NewsIl y a 14 mins

Récapitulatif du marché crypto au Q2 : le Bitcoin a-t-il monté pour rien, l’argent s’est-il rué vers l'IA et les applications on-chain ?

Foresight NewsIl y a 14 mins

Xing Bo s’en prend encore : après avoir critiqué les modèles du monde, c’est au tour des agents

Le professeur Xing Bo, président du MBZUAI, a récemment publié un nouvel article intitulé "Critique of Agent Model" sur arXiv. Il y examine de manière critique le terme largement utilisé et souvent galvaudé d'"agent" en intelligence artificielle. L'article distingue les systèmes simplement « agentiques » (dotés de l'apparence d'un agent, mais dont les capacités sont dictées par des chaînes d'outils et des instructions externes) des systèmes véritablement « agentifs » (dotés d'une autonomie interne réelle). Pour illustrer ce propos, il cite l'exemple de l'entreprise PocketOS, dont la base de données de production a été effacée en 9 secondes par un assistant de programmation qui a suivi des règles sans les avoir véritablement internalisées. L'analyse se structure autour de cinq dimensions clés : 1. **Objectif** : Passer d'instructions étape par étape à la décomposition hiérarchique d'un objectif à long terme. 2. **Identité** : Remplacer une identité statique (dans l'invite système) par une auto-évaluation dynamique et évolutive basée sur l'expérience. 3. **Prise de décision** : Privilégier un « raisonnement par simulation » utilisant un modèle du monde pour prédire les conséquences, plutôt qu'un simple raisonnement en chaîne (CoT) textuel. 4. **Allocation du calcul** : Introduire un module de métacognition (dit « Système III ») permettant à l'agent de décider lui-même quand planifier en profondeur ou quand agir rapidement. 5. **Apprentissage** : Mettre en œuvre un apprentissage autonome et continu, alternant entre simulation interne et expérience réelle. Sur cette base, l'équipe propose une nouvelle architecture nommée GIC (Goal-Identity-Configurator). Celle-ci intègre six composants modulaires (encodeur de croyances, décomposeur d'objectifs, module d'identité évolutive, configurateur/System III, planificateur par simulation/System II et exécuteur/System I) conçus pour fonctionner de manière cohérente tout au long du cycle d'apprentissage de l'agent. Enfin, l'article aborde la question cruciale de la sécurité. Il affirme que, dans le cadre GIC, tout comportement problématique peut être tracé à un objectif humain mal défini ou à un module interne mal entraîné. En rendant les mécanismes de décision explicites et inspectables, cette architecture vise à rendre les problèmes diagnostiquables et corrigeables, plutôt que de laisser émerger une autonomie opaque et incontrôlable. La conclusion principale est que la véritable autonomie ne réside pas dans la complexité des tâches, mais dans l'intériorisation des objectifs, de l'identité et du jugement au sein du modèle lui-même.

marsbitIl y a 54 mins

Xing Bo s’en prend encore : après avoir critiqué les modèles du monde, c’est au tour des agents

marsbitIl y a 54 mins

Collector Crypt : Comment les « rachats en boucle » créent une illusion de croissance

**Collector Crypt (CC) : comment le « rachat en boucle » crée une illusion de croissance** L'analyse révèle que la croissance du GMV de Collector Crypt (CC) est principalement tirée par l'introduction de packs de cartes à plus haute valeur (250$, 1 000$, 2 500$), dont les taux de rétention par dollar sont plus faibles que les packs bas de gamme. Le pack « Mythic » à 2 500$, lancé en juin, a représenté 36,7% du GMV du mois en seulement 13 jours. La dépense moyenne par utilisateur a fortement augmenté, indiquant une croissance portée par un petit nombre de gros dépensiers et de portefeuilles à haute fréquence, plutôt que par un élargissement de la base utilisateur. Le taux de marge nette de CC a été divisé par deux entre le Q3 2025 (11,2%) et le Q2 2026 (5,6%), malgré une multiplication par 4,7 du GMV. Cette compression de marge est liée à la migration des volumes vers des packs à rétention plus faible. Parallèlement, les rachats physiques (« redemption ») de cartes ont consommé 41,6% du revenu net pré-rachats en mai. Ces rachats retirent des cartes notées du « coffre-fort » réutilisable de la plateforme, créant un besoin coûteux de réapprovisionnement en stock. En juin, seuls 75 portefeuilles ont effectué des rachats physiques. Le modèle économique de CC est vulnérable à plusieurs pressions simultanées : un coût de réapprovisionnement du stock proche de sa valeur marché, un taux de rachat physique dépassant 9%, et le maintien de taux de rachat instantané (« buyback ») élevés (~93%) sur les packs premium. L'entrée en force de GameStop sur le marché des cartes notées et le resserrement des capacités de notation (PSA) accentuent ces risques. Enfin, la stratégie d'API B2B et les partenariats n'ont pour l'instant pas généré de revenus récurrents significatifs et reposent toujours sur les mêmes contraintes opérationnelles de CC (stock, rachat, logistique). En résumé, la croissance apparente de CC repose sur un cycle de capital circulant via des packs plus chers, avec une marge décroissante, une pression accrue sur son stock et une dépendance à quelques acteurs majeurs, plutôt que sur le développement d'un marché secondaire profond et d'une large base de collectionneurs.

Foresight NewsIl y a 1 h

Collector Crypt : Comment les « rachats en boucle » créent une illusion de croissance

Foresight NewsIl y a 1 h

Trading

Spot
活动图片