义乌外贸商家大规模、合规使用稳定币可行吗?

marsbitDipublikasikan tanggal 2025-08-08Terakhir diperbarui pada 2025-08-09

最近几个月,稳定币绝对是金融圈、币圈的当红炸子鸡!美国、中国香港相继通过支持稳定币的立法,互联网巨头、老牌金融机构纷纷下场,要么囤币,要么申牌,仿佛忽如一夜春风来,千树万树梨花开。反观中国内地,目前来看政策仍然未见松动,颇有稳坐钓鱼台的感觉。这其中,一则稳定币在义乌大规模使用的新闻在网络广为传播,援引的消息来源主要是两个:华泰证券研报显示稳定币已成为义乌跨境支付的重要工具,区块链分析公司Chainalysis估算2023年义乌市场链上稳定币流动超百亿美元。

不过有意思的是,当有记者实地走访调研时,大多数商户表示没听说过稳定币、不了解,少数商户表示对稳定币的合规性、成本有疑问,只有极个别的商户明确表示使用过稳定币收款。现场颇有点楼下老大爷回答夏洛特“马什么梅”“马东什么”“什么冬梅”玄学。真实情况如何呢?我们来挖一挖消息的两处来源。

华泰证券研报

依据公开的信息,笔者未能发现有媒体附上华泰证券这份研报的具体名称和来源。不过在小伙伴的帮助下,笔者找到了华泰证券在6月25日发布的一份名为《稳定币将如何影响全球货币体系?》的宏观证券研究报告,在这份共31页的研报中,华泰证券通过8个章节对稳定币在全球的发展前景和风险进行了系统阐述。在报告第8页有这样一处关于稳定币使用场景的表述:

“除直接用于加密资产的交易之外,稳定币在全球商品和服务交易中的占比、作为价值存储的手段、以及居民持有渗透率等维度快速发展。具体看,在世界小商品中心中国义乌,稳定币已成为跨境支付的重要工具。区块链分析公司Chainalysis估算2023年义乌市场链上稳定币流动超百亿美元。”

但是与报告的其他观点论述有数据图表支撑不同的是,这处观点并没有附上数据支撑。

总体来说,报告的可读性还是很高的,以下是笔者摘选的部分观点:

1. 以美国(美元霸权)、欧盟(统一市场)、中国(潜在市场)为代表的货币总量大、立法推动诉求更强的国家,稳定币的市场规模巨大;以韩国为代表的数字经济和虚拟经济发达的国家,以及以新加坡为代表的对外开放程度高对外依赖强的国家,稳定币的渗透率会很高;以土耳其、阿根廷、尼日利亚等新兴市场经济体为代表的货币稳定性低、银行系统不发达、地下经济占比较大、资本流动受限甚至被制裁的国家,稳定币的渗透率也会很高。

2. 面对稳定币发展带来的挑战,主要经济体通常采取发行数字货币或加强对稳定币的监管这两种应对方式。对于中国内地来说,早在2014年就开始对数字货币立项研究并于2019年启动试点。随着稳定币的快速发展,尤其是中国香港今年8月份即将生效的稳定币法案,可能标志着中国转向“两轨并行”的发展路径。今年6月18日央行一把手在陆家嘴论坛的发言也明确表示,区块链和分布式账本等新兴技术推动央行数字技术、稳定币蓬勃发展,也显示出中国央行对稳定币的重视程度明显提升。

3. 香港稳定币立法有望加速港币、离岸人民币乃至人民币稳定币的发展,人民币有进一步升值的动力。做大港币和离岸人民币的“资金池”,丰富其可以投资的利率债等高流动性资产,大力发展跨境业务、数字经济、虚拟经济,增加稳定币使用场景等措施,是香港稳定币成功的关键,也将再度激活人民币国际化的进程。

4. 稳定币对跨境金融监管提出挑战,同时面临一定程度的兑付风险。当储备资产价值出现波动、发行主体的信用受到挑战、甚至是发行主体破产的情况下,法币稳定币也可能出现价值脱锚。随着稳定币规模的扩大、对传统金融体系的影响加深,最终可能需要以接受更加严格的监管,甚至部分国有化为代价,换取真正的稳定。

Chainalysis的数据分析

遗憾的是,笔者通过检索内外网,查阅Chainalysis发布的2023年、2024年《加密货币地理报告》,并未发现关于义乌商家使用稳定币的相关表述或数据支撑。

笔者同样对Chainalysis两则报告中关于中国内地与香港的一些数据和观点进行了摘选:

1. 长期以来,稳定币在香港用户收取的加密资产价值占比一直在40%以上,而随着香港关于稳定币立法将于今年8月份正式生效,预计这一比例还会进一步上升。

香港

图1 香港收取的加密资产中稳定币占比高-Chainalysis

2. 数据表明,中国用户利用加密资产来实现财富的保值增值。

香港

图2 2023年1月至2024年6月上证综合指数与OTC流入量比较-Chainalysis

在笔者看来,稳定币是否在义乌大规模使用可能缺乏准确的数据求证,但外贸与稳定币的结合确实具备天然的优势,稳定币支付的即时到账、价值稳定、费率低等特点,解决了广大中小外贸商家的诸多业务痛点。

但是另一方面,考虑到中国内地对于稳定币等加密资产的监管政策,内地外贸商家在交易过程中如果直接使用稳定币存在较为严重的合规问题,甚至有涉刑事风险的可能。

而且,考虑到我国目前的出口退税政策实施往往需要提供银行的结汇单,如果使用稳定币则意味着无法提供这项凭证,进而享受不了出口退税,这对于商家的利润来说是致命的。另一方面,诸如广交会等展会的参展资格通常将出口企业的银行流水记录作为重要参考标准,还有商业银行的放贷审核标准也看重出口企业的银行流水。这些因素都决定了目前来说,稳定币在义乌出口商家的使用规模不会太大。

那么,作为内地的外贸商家,可以如何合规利用稳定币来降本增效呢?目前相对来说比较合规的一种方式是,通过香港公司与内地公司的联动,利用香港的对外贸易便利性和对加密资产的开放性政策,实现传统外贸与加密支付的合规衔接。

港元稳定币及可行的合规利用稳定币外贸模式

8月1日,香港《稳定币条例》将会正式生效,香港政府也将开始受理在香港发行稳定币的牌照申请,这意味着受到香港官方认可的稳定币将会正式上线,港元稳定币将被视为合法的支付手段,港元稳定币与法币之间的兑换也将更加便捷和合规。

1. 港元稳定币100%兑付的硬性要求

香港《稳定币条例》规定,稳定币的发行人必须确保其发行的稳定币有足够的储备资产支撑,确保储备资产的市值不低于已发行流通稳定币的面值。

稳定币发行人应保证稳定币的持有人有赎回的权利,不得阻碍或限制稳定币的赎回,在稳定币赎回时不得收取除合理手续费之外的其他费用。

2. 港元稳定币满足反洗钱、反恐怖融资等合规要求

香港《稳定币条例》规定,港元稳定币的发行方应遵循严格的反洗钱与反恐怖融资要求。

在5月26日香港金管局发布的一份咨询文件中,金管局概述了相关反洗钱与反恐怖融资要求,核心要求包括:

  • 客户尽职调查。以8000港币为基准,达到或超出该基准的购买或赎回交易的客户均需进行尽职调查,包括验证钱包的所有权;
  • 非托管钱包严监管。对非托管钱包的交易行为实施严格监控、限额交易等措施,降低钱包被不法分子利用的风险;
  • 持续监控。利用区块链分析跟踪交易历史并检测非法活动,上报可疑交易活动;
  • 对托管钱包提供商进行尽职调查;
  • 将非法钱包地址列入黑名单。

3. 内地外贸商家合规利用港元稳定币的要点

考虑到目前内地与香港之间关于稳定币的政策差异,笔者认为,内地外贸商家在利用港元稳定币时,把握好以下三个关键点,可以避免大多数的合规风险:

  • 利用香港或其他境外公司主体收取和支付稳定币;
  • 稳定币与法币的合规兑换在香港完成;
  • 法币合规结汇回内地母公司;


Bacaan Terkait

Mengapa Lebih Banyak AI Agent Belum Tentu Berarti Produktivitas yang Lebih Tinggi?

**Mengapa Lebih Banyak AI Agent Tidak Sama dengan Produktivitas Lebih Tinggi?** Meskipun teknologi memungkinkan kita meluncurkan banyak AI Agent dengan mudah dan murah, produktivitas nyata tidak serta-merta meningkat. Ini karena munculnya konsep "Pajak Orkestrasi"—biaya tersembunyi untuk mengelola, menilai, dan menggabungkan hasil kerja semua Agent tersebut. Pekerjaan ini harus kembali ke satu sumber daya serial yang tidak dapat diduplikasi: perhatian dan penilaian manusia. **Manusia adalah 'GIL' dalam Sistem.** Seperti Global Interpreter Lock (GIL) dalam Python, semua Agent dapat berjalan paralel, tetapi untuk keputusan penting (seperti tinjauan arsitektur, kode, atau penyelesaian konflik), mereka harus "mengambil kunci" dari Anda—sang pengembang. Hukum Amdahl berlaku: percepatan maksimum dari paralelisasi dibatasi oleh bagian kerja yang harus tetap serial, yaitu kapasitas penilaian manusia. Menambah Agent hanya membuat antrian tinjauan lebih panjang, memperbesar beban konteks, dan menyebabkan kelelahan kognitif. **Kelelahan dan Utang Tersembunyi.** Banyaknya Agent yang aktif memberi ilusi produktivitas tinggi, tetapi rasa sibuk itu tidak sama dengan hasil berkualitas. Jika Anda "menyerah secara kognitif" dan tidak meninjau hasil dengan benar, Anda menumpuk utang teknis dan utang kognitif—masalah yang akan muncul nanti. Pajak orkestrasi harus dibayar, baik secara sadar melalui proses yang terencana, atau diam-diam melalui penurunan kualitas. **Solusi: Kelola Perhatian Seperti Sistem Produksi.** Kuncinya adalah merancang alur kerja dengan menghormati batas perhatian manusia sebagai sumber daya langka: 1. **Kontrol Jumlah Agent:** Sesuaikan jumlah Agent dengan kemampuan *review* Anda, bukan dengan apa yang UI izinkan. Batasi ke angka rendah. 2. **Klasifikasi Tugas:** Pisahkan tugas independen (cocok untuk Agent paralel) dari tugas kompleks yang membutuhkan penilaian mendalam (kerjakan secara serial). 3. **Tinjau Secara Berkelompok (*Batch Review*):** Kurangi biaya alih konteks dengan meninjau hasil beberapa Agent sekaligus. 4. **Gunakan Waktu Serial untuk Penilaian:** Fokuskan perhatian hanya pada bagian yang memerlukan penilaian manusia. Biarkan Agent menangani bagian yang dapat diverifikasi otomatis (seperti tes). 5. **Lindungi Waktu Fokus Anda:** Kadang, tindakan paling produktif adalah berhenti mengoordinasi banyak Agent dan fokus pada satu masalah inti. Kemampuan sebenarnya di era AI bukanlah menjalankan banyak Agent, tetapi merancang sistem yang secara sadar mengelilingi dan melindungi kapasitas penilaian serial manusia—sumber daya paling berharga dalam proses pengembangan.

marsbit5m yang lalu

Mengapa Lebih Banyak AI Agent Belum Tentu Berarti Produktivitas yang Lebih Tinggi?

marsbit5m yang lalu

Tiga Tahun Kemudian: Meninjau Kembali Penilaian Saya terhadap ChatGPT di Tahun 2023

Tiga tahun kemudian, pada Mei 2026, penulis meninjau kembali 20 prediksi tentang ChatGPT yang dibuatnya pada Maret 2023, menggunakan AI untuk mengevaluasi akurasinya berdasarkan data terbaru. Secara keseluruhan, arah dan mekanisme prediksi banyak yang tepat. Yang paling akurat adalah tentang RAG sebagai arsitektur standar, LUI (Antarmuka Pengguna Bahasa Alami) sebagai lapisan interaksi baru, munculnya "jaringan robot" (protokol untuk agen AI), dan kemampuan China mengejar ketertinggalan model AI besar. Prediksi bahwa ChatGPT bukan AGI namun langkah besar, tidak menyebabkan gelombang pengangguran massal, serta sifat uji Turing yang hanya mengukur persepsi juga pada dasarnya benar. Namun, prediksi dengan angka spesifik atau pernyataan mutlak sering meleset. Klaim bahwa GPT-4 memiliki 100 triliun parameter sepenuhnya salah. Pernyataan bahwa LLM "tidak mungkin" mengerjakan matematika murni terbantahkan dengan model penalaran yang memenangkan medali emas IMO. Estimasi biaya pelatihan model hanya $5-10 miliar juga jauh dari kenyataan, yang kini mencapai miliaran dolar untuk model terdepan. Beberapa prediksi keliru tentang distribusi dampak, seperti bahwa nilai akan berpindah ke lapisan aplikasi (nyatanya, penyedia chip seperti NVIDIA paling untung), atau bahwa AI akan "menghindari" masalah hak cipta (justru menimbulkan gugatan besar). Kesimpulan utama adalah: dalam memprediksi teknologi yang cepat berubah, mengidentifikasi arah dan mekanisme umumnya lebih bisa diandalkan daripada memberikan angka pasti atau pernyataan mutlak. Prediksi cenderung terlalu optimis tentang kecepatan perubahan jangka pendek, tetapi meremehkan besarnya perubahan jangka panjang. Penting juga untuk mempertimbangkan distribusi dampak, bukan hanya kesimpulan agregat. Pernyataan yang disertai batasan dan keraguan justru lebih tahan uji waktu. Beberapa pertanyaan mendasar masih belum terjawab setelah tiga tahun. Tinjauan ini berfungsi sebagai pelajaran untuk membuat prediksi yang lebih baik di tiga tahun mendatang.

marsbit6j yang lalu

Tiga Tahun Kemudian: Meninjau Kembali Penilaian Saya terhadap ChatGPT di Tahun 2023

marsbit6j yang lalu

Tiga Tahun Kemudian: Menilik Kembali Penilaian Saya terhadap ChatGPT pada 2023

Tiga tahun kemudian: Meninjau Kembali 20 Prediksi ChatGPT Saya pada 2023 Pada Maret 2023, penulis Wang Jianshuo membuat 20 prediksi intuitif tentang ChatGPT dan AI masa depan. Kini, di Mei 2026, sebuah sistem AI yang terdiri dari 41 agen menganalisis prediksi-prediksi tersebut berdasarkan data terkini. Hasilnya menunjukkan pola menarik. **Yang Terbukti Benar (Secara Umum):** * **RAG dan Arsitektur Pencarian (✅):** Solusi utama untuk pengetahuan dan halusinasi adalah dengan menambahkan "contekan" (RAG), bukan mengubah model. Arsitektur pencarian + LLM kini menjadi standar. * **LUI sebagai Benua Baru (🟢):** Antarmuka Pengguna Bahasa Alami (LUI) adalah lapisan interaksi baru yang besar, melahirkan industri agen dan protokol seperti MCP. * **Jaringan Robot dan Sistem Pengalamatan Baru (🟢):** Agen akan berkomunikasi otomatis dengan bahasa alami. Protokol seperti MCP dan ANP sedang mewujudkannya. * **Model Besar Tiongkok (🟢):** Model-model seperti DeepSeek dan Qwen telah mengejar ketertinggalan performa, meski dengan investasi lebih kecil. * **Tidak Ada Kesadaran, Tes Turing Hanya Ukur Penampilan (🟢):** AI tidak memiliki kesadaran. Tes Turing hanya mengukur ilusi kesadaran. * **Prediksi Lain yang Benar:** ChatGPT bukan AGI, tapi lompatan besar; gelombang pengangguran besar tidak terjadi; tahun besar untuk startup; momen "browser 1994" telah tiba. **Yang Kurang Tepat atau Salah:** * **Parameter GPT-4 (❌):** Prediksi 100 triliun parameter salah. Estimasi terbaru sekitar 1,8 triliun. * **Matematika di LLM (🟡):** Diagnosis bahwa matematika adalah kelemahan intrinsik dan memerlukan alat bantu benar. Namun, pernyataan "tidak mungkin" ditingkatkan terbukti salah, karena model kini bisa memenangkan medali emas Olimpiade Matematika Internasional (IMO). * **Penangkapan Nilai (🟡):** Aplikasi memang berkembang pesat, tetapi nilai terbesar justru ditangkap oleh lapisan komputasi (seperti Nvidia), bukan oleh pembuat model. * **Hak Cipta (🟡):** Konten AI sulit didaftarkan hak cipta, tetapi tidak serta-mata "menghindari" pelanggaran. Gugatan dan penyelesaian besar (misalnya, Anthropic $1,5 miliar) membuktikan risikonya. * **Biaya Model (🟡):** Prediksi "perang lokal" dengan biaya $5-10 miliar untuk model canggih terbukti salah. Biaya pelatihan model terdepan (seperti GPT-5) jauh lebih tinggi, sementara biaya kloning model terbuka justru bisa lebih murah. **Pola dan Pelajaran:** 1. **Arah dan mekanisme lebih dapat diandalkan daripada angka pasti dan pernyataan mutlak.** 2. **Cenderung terlalu optimis untuk jangka pendek (kecepatan), tetapi terlalu konservatif untuk jangka panjang (skala/dampak).** 3. **Kesalahan sering terjadi pada distribusi, bukan pada total.** Contoh: Tidak ada gelombang pengangguran masif, tetapi dampak berat dirasakan oleh lulusan baru. 4. **Pernyataan yang disertai batasan dan ruang ketidakpastian justru lebih tahan uji waktu.** 5. **Beberapa pertanyaan mendasar masih belum terjawab setelah tiga tahun.** Kesimpulannya, prediksi tentang arah besar dan mekanisme cenderung akurat, sementara prediksi spesifik tentang angka, kecepatan, dan distribusi dampak lebih sering meleset. Latihan ini lebih merupakan pelajaran dalam kerendahan hati dan penilaian yang bernuansa daripada sekadar penghitungan skor.

链捕手9j yang lalu

Tiga Tahun Kemudian: Menilik Kembali Penilaian Saya terhadap ChatGPT pada 2023

链捕手9j yang lalu

Peringatan Gelembung AI: Investasi AI Merupakan Pengembalian Negatif bagi Kebanyakan Raksasa Teknologi

Peringatan Gelembung AI: Investasi AI Membawa Pengembalian Negatif bagi Sebagian Besar Raksasa Teknologi Demam AI kini memasuki tahap pemeriksaan keuangan. Raksasa cloud seperti Microsoft, Alphabet, Amazon, Meta, dan Oracle berencana menginvestasikan ratusan miliar dolar ke pusat data AI dalam lima tahun ke depan. Namun, analisis terhadap proyeksi pendapatan dan pengeluaran modal (capex) hingga 2030 mengungkap masalah: tingkat pengembalian investasi implisit diperkirakan sangat negatif bagi semua perusahaan kecuali Amazon, bahkan dalam skenario optimis ekstrem. Ini menunjukkan bahwa jika tren saat ini berlanjut, boom AI bisa menjadi salah satu peristiwa perusakan nilai pemegang saham terbesar. Ada dua jalan keluar: pendapatan yang jauh melebihi ekspektasi saat ini, atau pengurangan rencana investasi. Jalan pertama tampaknya mustahil, karena membutuhkan tambahan pendapatan triliunan dolar. Jalan kedua—pemotongan investasi—akan berdampak luas, meruntuhkan harga saham perusahaan-perusahaan teknologi global dan dapat mendorong ekonomi AS ke resesi, mengingat 93% pertumbuhan PDB AS belakangan ini didorong oleh investasi teknologi. IPO perusahaan AI seperti OpenAI dan Anthropic tahun ini bisa menjadi mekanisme transfer risiko, memindahkan ketidakpastian dari pemilik awal kepada investor ritail dan dana pensiun. Sementara euphoria pemasaran mungkin bertahan hingga setelah IPO tahun 2026, tekanan matematika yang tak terelakkan mungkin memaksa raksasa cloud mengumumkan pemotongan investasi pada 2027 atau 2028, mirip dengan jeda tiga tahun antara peringatan "irrational exuberance" Alan Greenspan pada 1996 dan pecahnya gelembung dotcom pada 2000.

marsbit10j yang lalu

Peringatan Gelembung AI: Investasi AI Merupakan Pengembalian Negatif bagi Kebanyakan Raksasa Teknologi

marsbit10j yang lalu

Dari Token ke Tenaga Kerja Mesin: AI Sedang Berubah dari Alat Menjadi 'Pekerja'

Dari Token ke Tenaga Kerja Mesin: AI Berubah dari Alat Menjadi "Pekerja" AI mulai menulis kode, menangani tiket dukungan pelanggan, dan meninjau dokumen hukum. Artikel ini mengusulkan kerangka baru: komersialisasi AI sedang bergerak menuju "pasar tenaga kerja mesin". Dalam pasar ini, token hanyalah unit pengukuran, GPU adalah bahan baku, dan model adalah alat produksi. Objek yang benar-benar ditetapkan harganya dan diperdagangkan adalah kerja ekonomi yang diselesaikan langsung oleh perangkat lunak. Mekanisme penetapan harga AI akan berkembang dari token mentah, kemampuan model yang terstandarisasi, tenaga kerja yang terspesialisasi industri, hingga pasar hasil yang dapat diprogram. Di masa depan, perusahaan mungkin tidak lagi peduli model atau GPU mana yang menyelesaikan suatu tugas, tetapi lebih pada apakah tugas itu diselesaikan dalam batas latensi, akurasi, keandalan, dan biaya yang ditentukan. Implikasinya, dampak AI pada pasar tenaga kerja manusia tidak hanya sekadar penggantian. Saat mesin mengambil alih lebih banyak pekerjaan yang dapat distandardisasi dan diverifikasi, peran manusia mungkin bergeser ke pengawasan, penanggung jawab, manajemen konteks, dan keputusan akhir. Dalam beberapa kasus, penilaian manusia untuk 1% akhir justru menjadi lebih berharga karena dapat membuka kunci 99% otomatisasi skala besar. Pasar AI adalah pasar ekspansif. Ketika biaya kerja turun, permintaan tidak tetap. Jika interaksi dukungan pelanggan menjadi lebih murah, perusahaan dapat menawarkan layanan 24/7, menciptakan pasar interaksi pelanggan yang lebih besar. Persaingan tahap berikutnya di pasar AI mungkin bukan lagi sekadar pertarungan kemampuan model atau perang harga daya komputasi, tetapi tentang siapa yang dapat pertama kali menstandarisasi, memverifikasi, dan menetapkan harga "pekerjaan", akhirnya menjadikan tenaga kerja mesin sebagai faktor produksi baru yang dapat dibeli, diselesaikan, dan diperdagangkan.

marsbit10j yang lalu

Dari Token ke Tenaga Kerja Mesin: AI Sedang Berubah dari Alat Menjadi 'Pekerja'

marsbit10j yang lalu

Trading

Spot
Futures
活动图片