BCG:未来五年 RWA 行业规模或达 6000 亿美元

marsbitDipublikasikan tanggal 2024-10-29Terakhir diperbarui pada 2024-10-30

大量来自主要传统金融机构的新研究报告预测未来几年现实世界资产代币化将出现大幅增长和采用。

资产

根据几份来自主要传统金融机构的最新研究报告,未来五年,现实世界资产 (RWA) 代币化将呈现爆炸式增长,到 2030 年,其管理资产规模可能超过 6000 亿美元。

全球咨询公司波士顿咨询集团在 10 月 29 日的一份报告中将 RWA 代币化称为“资产管理的第三次革命”。

BCG 董事总经理兼合伙人 David Chan 表示:“我们看到了代币化基金领域投资者需求不断增长的趋势。”

该论文由 Aptos Labs 和 Invesco 联合撰写,估计代币化基金管理资产在短短七年内即可达到全球共同基金和交易所交易基金 (ETF) AUM 的 1%。

研究人员指出:“这意味着到 2030 年,AUM 将超过 6000 亿美元。”

Cointelegraph 报道称,到 2030 年,该行业可能会增长 50 倍。

“在未来一段时间内,我们预计这一趋势将继续下去,尤其是当受监管的链上货币(如受监管的稳定币、代币化存款和中央银行数字货币 (CBDC) 项目)实现时,”Chan 补充道。

资产

代币化现实世界金融资产的发展。资料来源:BCG

此外,道富环球投资管理公司的另一篇论文指出,债券有望引领代币化现实世界资产的大规模采用,因为债券的结构特征使其成为区块链发行的理想选择。

道富环球投资管理公司的研究人员在 10 月份关于资本市场资产代币化的报告中写道:“债券市场已经成熟,可以采用代币化资产。”

宏观政策研究主管 Elliot Hentov 和宏观政策策略师 Vladimir Gorshkov 表示:“这些工具的复杂性、发行成本的重复性以及中介机构之间的激烈竞争,既支持快速采用,也支持产生重大影响。”

他们补充说,区块链技术可以在“重视交易速度的市场(如回购和掉期)”中发挥重要作用。

报告解释说,债券本质上是具有固定到期日的债务工具,具有三个主要特征,使其非常适合代币化:可以通过代币化降低的经常性成本、可以通过智能合约自动化的复杂性以及可以通过链上转移促进的抵押品使用。

资产

债券市场是代币化已经可见的市场。资料来源:道富银行

报告还指出,私募股权基金表现出较高的变革潜力,但由于现有系统运行良好,公开股权基金的采用潜力较低。

研究人员表示,房地产和个人私募股权代币化面临重大挑战,大宗商品具有直接所有权的潜力,但面临监管限制。

金融稳定委员会本月还发布了一份关于资产代币化的研究报告。它表示,RWA 代币化的采用率较低,但正在增长,其中大多数代币化用于政府债务,其次是债务基金、支付代币和大宗商品的股权。

行业分析平台 rwa.xyz 在 10 月 29 日 X 上的一篇文章中指出,机构和资产管理公司的 RWA 研究论文最近有所增加。

该平台表示,RWA 非链上总价值为 132.5 亿美元,今年迄今增长了 60%。

Bacaan Terkait

Ujian "Gaokao" untuk Kecerdasan Bertubuh Sulit Gila, Manusia 100 Poin, Model Terkuat Hanya 12.8

"Ujian Akhir" Kecerdasan Embodied (Embodied AI) Terlalu Sulit, Manusia 100 Poin, Model Terkuat Hanya 12.8 Kemajuan robotika dengan model AI besar (VLA, model dasar robot) sering tampak mulus dalam demo, namun kemampuan sebenarnya dalam melakukan tugas umum tetap menjadi pertanyaan besar. RoboDojo, tolok ukur evaluasi baru yang dikembangkan oleh tim akademis, memberikan "peta pendakian" yang lebih jelas. Ini adalah benchmark terpadu yang mengevaluasi 30 strategi robot utama di 42 tugas simulasi dan 18 tugas robot fisik nyata. Fokusnya adalah menguji lima kemampuan inti: generalisasi (beradaptasi dengan latar, pencahayaan, dan objek baru), memori, presisi (operasi halus seperti memasang), eksekusi multi-langkah panjang, dan pemahaman semantik terbuka terhadap instruksi baru. Hasilnya menunjukkan jurang yang dalam. Di simulasi, model terbaik (Hy-Embodied-0.5-VLA) hanya mencapai tingkat keberhasilan rata-rata 8.80%. Di dunia nyata, kinerja bahkan lebih menantang: model teratas (π0.5) hanya mencapai 12.8% keberhasilan. Sebagai perbandingan, ahli manusia mencapai 76.03% di simulasi dan 100% di dunia nyata. RoboDojo mengungkap bahwa model robot saat ini belum stabil dan andal. Mereka mungkin pandai dalam satu aspek (misalnya, pengenalan visual atau perencanaan), tetapi gagal dalam aspek lainnya (seperti presisi fisik atau pemahaman semantik terbuka). Penurunan kinerja yang signifikan dari simulasi ke dunia nyata juga menyoroti tantangan ketidakpastian fisik, noise sensor, dan kesalahan kalibrasi. Platform ini, dilengkapi dengan infrastruktur XPolicyLab untuk integrasi model yang terstandarisasi dan sistem evaluasi robot fisik (RoboDojo-RealEval) yang dapat direproduksi, bertujuan untuk menjadi "papan peringkat" komunitas yang obyektif. Dengan demikian, RoboDojo tidak hanya mendiagnosis kelemahan saat ini tetapi juga menyediakan jalur terukur untuk kemajuan menuju robot operasi yang benar-benar serbaguna dan dapat diandalkan.

marsbit1j yang lalu

Ujian "Gaokao" untuk Kecerdasan Bertubuh Sulit Gila, Manusia 100 Poin, Model Terkuat Hanya 12.8

marsbit1j yang lalu

ANSEM Naik 3 Kali Lipat dalam Seminggu: Kebangkitan dan Jebakan Meme Solana

ANSEM, sebuah meme coin di Solana, melonjak hampir 299% dalam seminggu, memicu kebangkitan minat pada meme coin di ekosistem tersebut. Data dari DeFiLlama menunjukkan peningkatan signifikan dalam volume perdagangan mingguan di platform seperti Pump.fun, dengan meme coin kembali menyumbang lebih dari 20% volume perdagangan mingguan Solana untuk pertama kalinya sejak pertengahan Mei. Namun, di balik tren pemulihan ini tersembunyi risiko besar. Lingkungan perdagangan meme coin sangat cepat dan tidak setara. Robot sniper dan dompet canggih seringkali mengakumulasi sejumlah besar token segera setelah peluncuran, hanya untuk menjualnya saat investor retail masuk, menjadikan para pendatang baru sebagai pihak yang menanggung kerugian. Penelitian dari Galaxy menunjukkan rata-rata waktu holding meme coin saat ini hanya 100 detik, jauh lebih cepat dari siklus sebelumnya. Laporan akademis dan data dari platform seperti MemeTrans mengungkapkan bahwa sebagian besar proyek meme coin memiliki tingkat manipulasi yang tinggi, dengan akun terkoordinasi sering mengendalikan persentase supply yang besar, dan banyak token menunjukkan tanda-tanda wash trading atau pump artifisial. Kebangkitan yang dipicu ANSEM menimbulkan pertanyaan: apakah ini tanda awal pemulihan berkelanjutan atau sekadar fenomena sementara? Pemulihan berkelanjutan memerlukan volume perdagangan harian yang konsisten tinggi dan pangsa meme coin yang mendekati 30% di Solana. Jika sebaliknya, perhatian mungkin tersebar ke banyak tiruan (copycat), volume perdagangan turun, dan minat beralih kembali ke aset kripto utama, menjadikan ANSEM sekadar sorotan sesaat. Sementara meme coin di Solana terbukti kuat dalam menarik perhatian dan pengguna baru, industri perlu menemukan cara untuk memutus siklus manipulasi oleh robot dan pemain besar agar tidak terus merugikan investor retail.

Foresight News1j yang lalu

ANSEM Naik 3 Kali Lipat dalam Seminggu: Kebangkitan dan Jebakan Meme Solana

Foresight News1j yang lalu

Model Gambar Generatif 'Mangga' Zuck Kalah Telak dari GPT Image 2, Tanpa Diajari, Ia Belajar Sendiri Cara Revisi

Meta Labs (MSL) meluncurkan model generasi gambar terbarunya, Muse Image dengan nama kode "Mango". Model ini menempati peringkat kedua dalam arena perbandingan Arena AI, di bawah GPT Image 2 dari OpenAI. Keunggulan utamanya bukan hanya pada kualitas gambar, tetapi pada kemampuannya sebagai *agent* yang dapat berpikir dan merevisi karyanya sendiri. Muse Image mampu mencari informasi online untuk referensi, menghasilkan kode untuk elemen seperti QR code, dan—yang paling mencolok—melakukan koreksi mandiri setelah gambar dibuat, sebuah perilaku yang muncul sendiri selama pelatihan. Model ini terintegrasi erat dengan ekosistem Meta. Pengguna dapat menyebut (@) nama pengguna Instagram publik untuk memasukkan wajah orang tersebut ke dalam gambar yang dibuat, sebuah fitur yang menimbulkan pertanyaan privasi karena diaktifkan secara default. Muse Image juga terhubung dengan model bahasa Muse Spark ("Alpukat"), memungkinkan pembuatan konten yang lebih kompleks seperti game web. Untuk video, Meta memperkenalkan Muse Video yang masih dalam pratinjau, menduduki peringkat ketiga di Arena. Kekuatan utama Meta terletak pada distribusi. Muse Image sudah diintegrasikan ke Meta AI, Instagram, WhatsApp, dan akan menyusul ke platform lainnya, menjangkau miliaran pengguna. Setiap gambar yang dihasilkan dilengkapi watermark digital "Content Seal" untuk identifikasi. Dengan strategi ini, Meta tidak hanya bersaing pada kualitas model, tetapi juga pada kemudahan akses dan integrasi AI ke dalam kehidupan digital sehari-hari.

marsbit2j yang lalu

Model Gambar Generatif 'Mangga' Zuck Kalah Telak dari GPT Image 2, Tanpa Diajari, Ia Belajar Sendiri Cara Revisi

marsbit2j yang lalu

Trading

Spot
活动图片