报告:RWA 市场规模突破 240 亿美元,2034 年或达 30 万亿

深潮Dipublikasikan tanggal 2025-06-27Terakhir diperbarui pada 2025-06-27

‍Gauntlet 的模型表明,一旦通证化贷款发放达到全球 3 万亿美元市场的 5%,链上私人信贷规模可能超过 2500 亿美元。

原文来源:Cryptoslate

编译:区块链骑士

根据 6 月 26 日发布的一份联合报告,风险建模公司 Gauntlet、分析提供商 RWA.xyz 以及 RedStone 预测,到 2034 年,链上 RWA 市场规模可能高达 30 万亿美元。

研究显示,不含稳定币的通证化现实资产规模已从 2022 年的约 50 亿美元,增长至 2025 年 6 月的 240 亿美元以上,年增长率达 85%,成为 Crypto 领域中仅次于美元挂钩通证的增长最快板块。

据研究报告中嵌入的 rwa.xyz 仪表板显示,私人信贷以 140 亿美元的未偿规模主导市场,而通证化美国国债工具贡献了约 75 亿美元。

该报告对多种采用曲线进行了建模,并得出结论:若在 2030 年至 2034 年期间能够占据全球证券和另类资产 10% 至 30% 的份额,链上市场规模将更接近 16 万亿至 30 万亿美元这一区间。

报告指出,贝莱德、摩根大通、富兰克林邓普顿和阿波罗如今已在公共区块链上发行规模化的基金,这表明通证化在不到两年的时间里已从概念验证阶段发展到实际部署阶段。

在 Morpho 和 Kamino 平台上,收益型国债通证、可重置份额类别以及杠杆式私人信贷循环展示了 DeFi 基础设施如何为传统流动性较差的金融工具创造新的分销渠道和流动性场所。

RedStone 认为,精准定价依赖于融合资产净值快照、监管认证与流动性折扣的预言机架构,这一框架与 DeFi 中常见的实时现货数据源有所不同。

Gauntlet 的模型表明,一旦通证化贷款发放达到全球 3 万亿美元市场的 5%,链上私人信贷规模可能超过 2500 亿美元。

相比之下,若资产管理公司将短期资金中的 2% 分配到区块链基础设施上,国债票据通证的规模可能超过 1 万亿美元。

报告作者预测,可编程合规层(如 Securitize 的 sToken)以及美国、欧洲和亚洲监管清晰度的不断提高,将使养老基金和保险公司能够直接配置通证化产品,从而将可触达的客户群体从 Crypto 原生资本扩展到更广泛的范围。

RedStone 计划每季度更新一次市场规模追踪器,并添加链上 RWA 指数的实时预言机指标。与此同时,Gauntlet 将发布与私人信贷池相关的杠杆式金库的风险参数调整。

该联盟将于 7 月 1 日在戛纳举行的 RWA 峰会上举办进一步简报会,届时将公布详细的资金流入数据以及其 30 万亿美元上限模型所依据的方法论。

报告指出,目前 240 亿美元的规模仅占传统资产 400 万亿美元规模的约 0.006%,但报告认为,机构发行速度和可编程结算优势足以证明未来九年内 30 万亿美元的情景是合理的。

Bacaan Terkait

Huang Renxun: Prompt Sudah Usang, Loop adalah Paradigma Baru

**Ringkasan:** **Prompt Sudah Ketinggalan Zaman, Loop adalah Paradigma Baru.** Menurut Huang Renxun (Jensen Huang), pendiri NVIDIA, tugas utama di era AI sekarang bukan lagi menulis perintah (prompt), tetapi **menulis dan mengelola loop (siklus).** **Apa itu Loop?** Loop adalah sistem di mana Anda mendefinisikan suatu tujuan, dan AI menjalankannya secara mandiri—memeriksa hasil, memperbaiki kesalahan, dan mengulangi proses tersebut hingga tugas selesai atau mencapai batas tertentu. Manusia beralih peran dari "pemberi perintah" menjadi **"perancang aturan" atau "arsitek sistem."** **Loop vs. Agent:** Agent adalah "pekerja" yang menjalankan tugas. Loop adalah **mekanisme pengelolaan** yang memungkinkan Agent bekerja terus-menerus tanpa pengawasan manusia. Agent dengan loop menjadi sistem yang dapat berjalan otomatis. **Contoh Penerapan:** Produk seperti Claude Code (dengan fitur /loop, /goal, /schedule) dan OpenAI Codex telah menerapkan konsep ini. Mereka membagi tugas kompleks ke beberapa Agent yang berjalan paralel di lingkungan terisolasi, dengan model terpisah untuk menulis kode dan memvalidasi hasil, memastikan objektivitas. **Bagaimana Memulai Loop?** 1. **Uji Kelayakan:** Pastikan tugas berulang, dapat divalidasi otomatis, dan anggaran token mencukupi. 2. **Mulai dari Loop Minimal:** Bangun sistem dengan pemicu otomatis, keterampilan (skill), file status (STATE.md), dan "gerbang" validasi (seperti pengujian). 3. **Pisahkan Pemeriksa dan Pelaksana:** Gunakan model atau Agent berbeda untuk menulis kode dan memeriksa/mengujinya. Ini kunci untuk kualitas. 4. **Hindari Jebakan Umum:** Tetapkan batas pengulangan dan token, simpan status, hindari tugas yang membutuhkan pertimbangan manusia, dan tetap tinjau perubahan kode (diff). 5. **Ukur Efektivitas:** Metrik utama adalah **biaya rata-rata per perubahan yang diterima.** **Evolusi Paradigma:** Perkembangan AI menunjukkan pergeseran berkelanjutan: 1. **Prompt Engineering** (2023-2024): Fokus pada cara menulis perintah. 2. **Context Engineering** (2024-2025): Fokus pada informasi dan latar belakang yang diberikan ke AI. 3. **Harness Engineering** (2025-2026): Fokus pada lingkungan eksekusi dimana AI dapat menggunakan alat dan sumber daya. 4. **Loop Engineering** (sekarang): Fokus pada merancang sistem siklus otomatis yang berjalan mandiri. Konsep loop memiliki akar akademis, seperti dalam framework **ReAct** (Reasoning + Acting) yang dikembangkan oleh Yao Shunyu dkk., yang menggabungkan penalaran dan tindakan dalam sebuah siklus. **Catatan Penting:** Meskipun menjanjikan, teknologi ini masih awal. Perlu kehati-hatian terhadap biaya token dan kompleksitas. Seperti dikutip Andrej Karpathy, **"Anda dapat mengalihdayakan pemikiran Anda, tetapi Anda tidak dapat mengalihdayakan pemahaman Anda."** Pemahaman mendalam tentang masalah tetap berada di tangan manusia.

marsbit19m yang lalu

Huang Renxun: Prompt Sudah Usang, Loop adalah Paradigma Baru

marsbit19m yang lalu

GPT Merancang GPT

OpenAI akhirnya merilis chip pertamanya, Jalapeño. Meski banyak yang menganggapnya sebagai tantangan bagi Nvidia, inti dari langkah ini justru adalah pengakuan terbuka OpenAI bahwa mereka tidak puas hanya menjadi perusahaan model AI. Mereka ingin mengontrol seluruh proses produksi kecerdasan, dari model, chip, hingga pusat data dan energi. Perbedaan kemampuan model semakin menyempit, namun kesenjangan dalam komputasi justru melebar. Dalam era AI, satuan biaya terpenting bukan lagi harga server atau GPU, melainkan biaya produksi setiap Token. Sebagai penyedia layanan seperti ChatGPT dan API, OpenAI menghadapi kenyataan bahwa semakin sukses produk mereka, semakin besar "pajak inferensi" yang harus dibayarkan ke penyedia hardware eksternal. Jalapeño adalah upaya membangun "pabrik Token" sendiri untuk mengurangi ketergantungan ini. Yang menarik, siklus pengembangan chip Jalapeño hanya sembilan bulan, jauh lebih cepat dari standar industri. Kunci percepatan ini adalah pengetahuan OpenAI tentang beban kerja model nyata. Mereka bahkan menggunakan model AI mereka sendiri untuk mempercepat bagian proses desain dan optimasi chip. Ini menciptakan siklus umpan balik: model yang lebih baik membantu mendesain chip yang lebih baik, yang kemudian menurunkan biaya menjalankan model generasi berikutnya. Jalapeño difokuskan untuk inferensi, bukan pelatihan. Inferensi adalah pengeluaran tunai harian yang masif, terutama dengan berkembangnya Agent dan tugas-tugas rantai panjang. Dengan mengurangi "pajak inferensi" ini, OpenAI dapat meningkatkan margin keuntungan layanannya. Strategi OpenAI semakin mirip dengan Apple: membangun ekosistem tertutup yang terintegrasi, dari model (perangkat lunak intelijen), antarmuka seperti ChatGPT, hingga chip dan infrastruktur fisik. Mereka tidak ingin menjual "sekop" (seperti Nvidia), tetapi memiliki "tambang" dan menjual "kecerdasan" yang dihasilkannya. Pada akhirnya, artikel ini menyimpulkan bahwa aset terpenting di era AI sedang bergeser. Model akan terus berubah seperti "aliran traffic," tetapi infrastruktur produksi—chip, jaringan, pusat data, energi—akan menjadi "tanah" yang dikuasai oleh sedikit pemain. Dengan Jalapeño, OpenAI menyatakan ambisinya: tidak hanya menjadi perusahaan paling cerdas, tetapi mengontrol produksi kecerdasan itu sendiri.

marsbit45m yang lalu

GPT Merancang GPT

marsbit45m yang lalu

Direktur Eksekutif Sementara Yayasan Ethereum Bicara: Apa Misi Kami?

**Misi Ethereum Foundation (EF): Memperkuat Otonomi dan Ketahanan Ethereum** Ethereum Foundation (EF) secara resmi mendefinisikan misinya: memastikan Ethereum tetap sebagai infrastruktur *permissionless* yang menjamin kedaulatan diri—tahan sensor, terbuka, pribadi, dan aman. Ini adalah jawaban final atas pertanyaan tentang tujuan EF. **Apa yang BUKAN Tujuan EF:** EF bukan untuk kepentingan jangka pendek, popularitas, menyenangkan spekulan, atau menciptakan lembaga keuangan besar yang baru. **Inti Tindakan EF: Mengatasi Kelemahan** EF berfokus memperkuat Ethereum di semua lapisan (protokol, akses, pengguna, kelembagaan) untuk mencegah eksploitasi, kontrol kartel, atau pengawasan otoritatif. Tindakan konkret meliputi: 1. **EF Memimpin dengan Contoh:** Beralih ke gaji dan transaksi dalam ETH/stablecoin asli Ethereum untuk merasakan tekanan produk secara langsung. 2. **Melawan MEV Berbahaya:** Melindungi netralitas Ethereum dengan memerangi *Maximum Extractable Value* (MEV) yang merusak di alur transaksi, mencegah monopoli pembangun blok, dan meningkatkan transparansi. 3. **Prioritas Privasi:** Privasi default yang kuat adalah kebutuhan mutlak. Buku besar publik tanpa privasi adalah platform pengawasan. Ethereum harus menawarkan privasi tanpa syarat terlebih dahulu. 4. **Staking sebagai Infrastruktur:** Staking bukan sekadar produk hasil. EF akan mendukung desain agar staking tetap *permissionless*, terdesentralisasi, dan pribadi, mencegah konsentrasi risiko. 5. **Antarmuka Akses yang Otonom:** Fokusnya adalah membuat pengguna (individu & institusi) lebih mandiri dan kurang rentan terhadap paksaan, bukan mengorbankan nilai inti Ethereum untuk adopsi. **Memanfaatkan Peluang:** EF juga akan membangun masa depan dengan mengejar peluang seperti: * Menjadi infrastruktur global pertama yang tahan serangan kuantum. * Menciptakan tumpukan protokol yang sepenuhnya terverifikasi dan otonom tanpa celah. * Menjadikan Ethereum sebagai "uang digital biasa" yang pribadi dan bermartabat. * Mengintegrasikan agen AI dengan dompet pribadi yang dijalankan pengguna, mempertahankan kedaulatan atas aset dan model. * Membuktikan bahwa infrastruktur netral dapat menangani koordinasi skala besar secara kompetitif untuk aplikasi institusional. * Skalabilitas yang mempertahankan jaminan otonomi. **Tata Kelola Internal:** Artikel juga menyentuh perubahan internal EF, termasuk kepergian beberapa staf dan spin-off proyek tertentu, yang dilakukan untuk menyelaraskan kembali organisasi dengan misi intinya. EF akan mendanai pekerjaan eksternal hanya jika sangat penting dan selaras dengan misi memperkuat otonomi Ethereum, bukan untuk sekadar melanjutkan proyek atau menjaga hubungan. Kesimpulannya, EF berkomitmen penuh untuk membangun Ethereum sebagai infrastruktur netral yang tangguh dan berumur panjang, yang mampu mendukung koordinasi otonom dalam skala besar untuk peradaban masa depan.

marsbit1j yang lalu

Direktur Eksekutif Sementara Yayasan Ethereum Bicara: Apa Misi Kami?

marsbit1j yang lalu

Trading

Spot
Futures
活动图片