Circle Q3 成绩单出炉:在下一盘更大的棋?

深潮Publié le 2025-11-12Dernière mise à jour le 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。

Lectures associées

Claude est accusé d’être devenu bête sur tout le web, Anthropic lève le voile : ce n’est pas le modèle qui vous trahit

Le titre «Tout le monde accuse Claude d’être devenu bête, Anthropic révèle la vérité : ce n’est pas le modèle le problème» résume un malentendu répandu parmi les utilisateurs de Claude Code. Beaucoup pensent qu’un modèle plus grand signifie nécessairement une IA plus intelligente, ce qui les pousse à choisir des versions plus coûteuses comme Fable. Cependant, Anthropic a récemment clarifié cette confusion en expliquant la différence cruciale entre deux paramètres : le choix du modèle (Model) et le niveau d’effort (Effort). Le modèle détermine les capacités «gelées» de l’IA, basées sur des poids fixes acquis lors de l’entraînement. Il définit ce que l’IA sait ou ne sait pas faire. En revanche, le paramètre Effort contrôle l’«attitude» de Claude : à quel point il explore les fichiers, exécute des tests, vérifie ses réponses et persévère dans des tâches complexes. Un Effort élevé génère jusqu’à 7 fois plus de tokens qu’un Effort faible, car l’IA effectue plus de travail de fond. En mars, un changement par défaut du niveau d’Effort de «high» à «medium» a causé une impression généralisée que Claude était soudainement «devenu stupide», déclenchant des critiques sur GitHub. Anthropic a ensuite rétabli le paramètre par défaut et a souligné que, souvent, un modèle plus petit avec un Effort élevé peut surpasser un grand modèle avec un Effort faible. La clé est de diagnostiquer les erreurs : si Claude manque de persévérance (ne lit pas les fichiers, abandonne trop tôt), il faut augmenter l’Effort. S’il manque de connaissances malgré un contexte adéquat, il faut changer de modèle. Anthropic compare ainsi les modèles : Sonnet est un généraliste minutieux, Opus un expert rapide, et Fable un spécialiste pour les problèmes les plus complexes. Cet article marque un tournant : l’enjeu n’est plus seulement d’avoir le meilleur modèle, mais de savoir orchestrer intelligemment les agents IA. Bien paramétrer l’Effort et choisir judicieusement le modèle permet d’optimiser les performances et de réduire les coûts. Désormais, la compétence essentielle consiste à «donner du travail à l’IA» de manière efficace, pour exploiter pleinement son potentiel.

marsbitIl y a 26 mins

Claude est accusé d’être devenu bête sur tout le web, Anthropic lève le voile : ce n’est pas le modèle qui vous trahit

marsbitIl y a 26 mins

La Fondation Ethereum pourrait-elle devenir une "mascotte" ? Des organisations diversifiées se partagent désormais ses fonctions

La Fondation Ethereum (EF) est en pleine restructuration. L'équipe de support protocolaire a été dissoute et au moins huit cadres ont démissionné cette année, marquant la plus importante réduction d'effectifs de l'EF à ce jour. Ces départs coïncident avec l'émergence d'organisations indépendantes comme ETHLabs et Ethereum Institutional, qui reprennent des fonctions autrefois assumées par la Fondation. La réforme interne, initiée par le co-fondateur Vitalik Buterin, visait à restructurer l'organisation. Un récent communiqué a annoncé le licenciement de 54 employés, soit 20% du personnel, qualifiant ces postes de non essentiels. Parallèlement, d'anciens membres de l'EF créent de nouvelles entités : ETHLabs se concentre sur la recherche et le développement pour faire d'Ethereum une couche de règlement mondiale, tandis qu'Ethereum Institutional promeut l'adoption institutionnelle de la blockchain. Simultanément, l'EF innove techniquement. Son équipe de sécurité a testé avec succès l'utilisation d'agents IA pour auditer le réseau Ethereum, découvrant une vulnérabilité réelle. Si l'EF affirme que l'IA ne remplace pas les chercheurs, elle pourrait à terme impacter sa structure. Face à ces changements et aux critiques sur sa gouvernance, l'influence centrale de l'EF sur l'écosystème semble diminuer. Certains observateurs suggèrent qu'elle pourrait évoluer vers un rôle plus symbolique, laissant des organisations plus agiles piloter l'adoption à grande échelle et le développement futur d'Ethereum.

marsbitIl y a 53 mins

La Fondation Ethereum pourrait-elle devenir une "mascotte" ? Des organisations diversifiées se partagent désormais ses fonctions

marsbitIl y a 53 mins

Près d'une centaine de joueurs se ruent vers les données incarnées : 44,7 milliards levés en un an, qui peut vraiment gagner de l'argent en "vendant des données" ?

Près d'une centaine d'acteurs se ruent dans le secteur des données d'embodiment : 44,7 milliards de yuans levés en un an, mais qui peut vraiment gagner de l'argent en "vendant des données" ? Le secteur des données pour l'intelligence incarnée (embodiment) est en plein essor, avec 97 acteurs identifiés en Chine, dont 70 dans la collecte et 27 dans l'infrastructure. Sur un an, 15 prestataires de services indépendants spécialisés ont levé environ 44,7 milliards de yuans, un montant modeste comparé aux investissements totaux dans l'embodiment. La collecte s'organise autour de quatre approches principales : téléopération de robots physiques, collecte sans robot (via capteurs de mouvement), synthèse par simulation et distillation de vidéos internet. La plupart des acteurs combinent plusieurs méthodes. Les prestataires indépendants constituent le groupe le plus important (40%), devant les plateformes publiques (26%) et les fabricants de robots (25%). La capacité de production annuelle actuelle est estimée entre 1,6 et 1,8 million d'heures de données, avec un objectif de multiplication par 15 à 20 d'ici 1 à 3 ans. Des "usines à données" sont implantées dans 20 provinces, principalement dans les régions côtières développées. Le financement reste concentré sur des sociétés en phase précoce ; plus de la moitié des prestataires indépendants financés ont moins d'un an. La startup Lightwheel AI se distingue, ayant levé 31 milliards de yuans et atteint une valorisation de plus de 20 milliards de dollars. Cependant, les investisseurs restent prudents, aucun n'ayant effectué de pari massif sur le secteur. En résumé, le marché des données d'embodiment est devenu une piste indépendante et créatrice d'emplois, mais il en est encore à ses débuts. La viabilité commerciale d'un modèle basé sur la seule vente de données n'est pas encore démontrée. Les prochaines années seront cruciales pour vérifier si ces "vendeurs de pelles" peuvent réellement être rentables.

marsbitIl y a 3 h

Près d'une centaine de joueurs se ruent vers les données incarnées : 44,7 milliards levés en un an, qui peut vraiment gagner de l'argent en "vendant des données" ?

marsbitIl y a 3 h

Trading

Spot
活动图片