GTreasury Meluncurkan 'Ripple Treasury' – Apakah TradFi Akan Terganggu?

ambcryptoDipublikasikan tanggal 2026-01-29Terakhir diperbarui pada 2026-01-29

Abstrak

GTreasury dan Ripple meluncurkan "Ripple Treasury", sebuah inisiatif strategis yang menggabungkan infrastruktur XRPL dengan perangkat keuangan korporat GTreasury. Kolaborasi ini bertujuan mempercepat pembayaran lintas batas, memberikan visibilitas penuh terhadap kas, dan mendukung aliran dana hingga $12,5 triliun bagi jaringan 13.000 bank. Stablecoin native RLUSD menjadi tulang punggung likuiditas dengan pasokan beredar 388 juta, mencakup 83% dari total pasar stablecoin XRPL yang mencapai $400 juta. Integrasi ini menawarkan penyelesaian transaksi lebih cepat, efisien, dan hemat biaya dibanding sistem tradisional. Kemitraan ini tidak hanya memperkuat adopsi dunia nyata XRPL, tetapi juga berpotensi mengubah operasi perbangkan tradisional dengan memanfaatkan kecepatan blockchain dan likuiditas on-chain.

Awalnya merupakan teknologi untuk mendukung "desentralisasi", kini telah menemukan pijakannya di dunia keuangan. Dengan cara segala sesuatunya terbentuk, masa depan terlihat cerah untuk keuangan terdesentralisasi (DeFi) dan cara kita menangani uang.

Pembayaran secara alami menjadi lahan yang kini ditargetkan oleh sebagian besar blockchain L1 sebagai jembatan dari TradFi ke DeFi. Akuisisi GTreasury senilai $1 miliar oleh Ripple [XRP] tahun lalu, misalnya, merupakan langkah besar yang sejalan dengan strategi ini.

Berdasarkan langkah tersebut, Ripple dan GTreasury kini bekerja sama untuk meluncurkan Ripple Treasury, yang bertujuan untuk pembayaran lintas batas yang lebih cepat dengan menyambungkan rel XRPL ke perangkat lunak treasury kelas enterprise GTreasury.

Seperti yang tercantum di situs web resmi Ripple, tujuan treasury ini adalah untuk merampingkan operasi keuangan bagi jaringan GTreasury yang terdiri dari 13.000 bank, menawarkan visibilitas kas 100% dan mendukung aliran hingga $12,5 triliun.

Pada tingkat makro, langkah ini merupakan dorongan besar lainnya untuk adopsi dunia nyata XRPL. Stablecoin aslinya, RLUSD, mendukung pembayaran ini dengan menyediakan likuiditas on-chain, penyelesaian yang lebih cepat, dan pengalaman yang mulus.

Singkatnya, kemitraan ini menunjukkan bagaimana blockchain dapat melakukan apa yang dilakukan bank tradisional, tetapi lebih cepat, lebih murah, dan lebih efisien. Secara alami, ini memunculkan pertanyaan kunci: Apakah ini langkah "nyata" pertama Ripple untuk mengungguli TradFi?

Ripple Membawa Kecepatan Blockchain ke Bank

RLUSD Ripple menunjukkan dampaknya yang semakin besar di pasar.

Menurut DeFiLlama, pasokan sirkulasinya di XRPL telah melonjak 15,36% dalam 30 hari terakhir, membawa total menjadi 388 juta. Itu berarti 60 juta ditambahkan dalam likuiditas on-chain, siap sebagai cadangan untuk penggunaan dunia nyata.

Dan itu tidak berhenti di situ. Pasar stablecoin total di XRPL mencapai ATH $400 juta, dengan $100 juta ditambahkan sejauh ini pada tahun 2026. RLUSD menyumbang 83% dari itu, memperkuat perannya sebagai tulang punggung likuiditas jaringan.

Dalam konteks ini, dorongan Ripple ke TradFi bukanlah hal yang acak.

Sebaliknya, kehadiran stablecoinnya yang berkembang memposisikan XRPL sebagai jembatan. Bayangkan seperti ini: RLUSD bertindak seperti jalan raya digital, memungkinkan bank memindahkan uang secara instan sambil tetap terhubung ke sistem yang sudah mereka gunakan.

Namun, dengan Ripple Treasury yang sekarang beroperasi, sistem menambahkan rangkaian lengkap alat treasury kelas enterprise seperti manajemen likuiditas, pengawasan risiko, dan pembayaran, membawa kecepatan blockchain langsung ke keuangan tradisional.

Latar belakang ini, kemitraan Ripple–GTreasury bukan hanya sekadar langkah lain untuk mendukung bank. Sebaliknya, ini adalah dorongan strategis ke jantung TradFi, menggunakan stablecoin untuk membuat operasi perbankan lebih efisien.


Pikiran Terakhir

  • Ripple dan GTreasury telah meluncurkan Ripple Treasury untuk mengintegrasikan rel XRPL dengan alat-alat kelas enterprise GTreasury.
  • Ripple memposisikan XRPL sebagai jembatan untuk keuangan tradisional, menggunakan stablecoin untuk membuat perbankan lebih cepat, lebih murah, dan lebih efisien.

Pertanyaan Terkait

QApa yang diluncurkan oleh GTreasury dan Ripple, dan apa tujuannya?

AGTreasury dan Ripple meluncurkan 'Ripple Treasury'. Tujuannya adalah untuk mempercepat pembayaran lintas batas dengan menghubungkan infrastruktur XRPL ke perangkat lunak treasury kelas perusahaan milik GTreasury.

QApa peran stablecoin RLUSD dalam kemitraan Ripple dan GTreasury ini?

ARLUSD berfungsi sebagai tulang punggung likuiditas jaringan XRPL, menyediakan likuiditas on-chain, penyelesaian yang lebih cepat, dan pengalaman yang mulus untuk mendukung operasi keuangan.

QBerapa banyak bank yang akan dilayani oleh Ripple Treasury, dan berapa besar aliran dana yang didukung?

ARipple Treasury bertujuan untuk melayani jaringan 13.000 bank milik GTreasury dan mendukung aliran dana hingga $12,5 triliun.

QBagaimana pertumbuhan pasokan RLUSD dalam 30 hari terakhir menurut data DeFiLlama?

AMenurut DeFiLlama, pasokan beredar RLUSD di XRPL melonjak 15,36% dalam 30 hari terakhir, dengan total mencapai 388 juta, menambahkan 60 juta dalam likuiditas on-chain.

QApa dampak strategis dari kemitraan Ripple-GTreasury terhadap sektor keuangan tradisional (TradFi)?

AKemitraan ini merupakan langkah strategis untuk memasuki inti dari TradFi, menggunakan stablecoin untuk membuat operasi perbankan menjadi lebih efisien, cepat, dan hemat biaya, sehingga berpotensi mengganggu model keuangan tradisional.

Bacaan Terkait

Tunjukkan Padaku "The Lord of the Rings", Karpathy Rekomendasikan Tolok Ukur Baru untuk Evaluasi Model Besar

Karpathy dari Anthropic memperkenalkan "The Lord of the Rings (LOTR) Benchmark", sebuah tolok ukur baru untuk menguji kemampuan model bahasa besar (LLM) dalam tugas pemahaman ruang dan pembuatan kode yang kompleks. Tantangannya adalah meminta LLM (Claude 3.5 Opus dalam demo ini) untuk membaca awal novel "The Lord of the Rings" dan menerjemahkannya menjadi dunia 3D interaktif yang berjalan di browser menggunakan Three.js. Proses ini membutuhkan sekitar 100 juta token, 2 jam, dan 5500 baris kode. Hasilnya adalah animasi 3D sederhana yang menunjukkan karakter dan adegan awal cerita, meskipun masih terdapat kesalahan teknis seperti karakter yang melayang. Benchmark ini diusulkan sebagai pengganti tes "Pelican Riding a Bicycle" SVG yang populer sebelumnya. Tes baru ini dianggap lebih menantang karena tidak hanya menguji pembuatan gambar statis, tetapi juga kemampuan model untuk memahami hubungan spasial, merencanakan proyek besar, menulis kode panjang, dan memelihara konsistensi visual sepanjang waktu. Demo ini memicu respons luas dari komunitas. Banyak pengguna mencoba tugas serupa dengan model lain seperti DeepSeek, menghasilkan proyek seperti model 3D kota New York, konser Kanye West virtual, hingga prototipe game. Hal ini menunjukkan potensi LLM dalam menurunkan ambang batas pembuatan konten 3D dan prototipe yang dapat dimainkan. Diskusi berlanjut tentang apakah tes ini benar-benar mengukur "pemahaman spasial" atau hanya keterampilan penulisan kode Three.js yang baik. Namun, banyak yang setuju bahwa kemampuan model untuk menerjemahkan deskripsi tekstual yang kompleks ke dalam dunia 3D yang koheren merupakan kemajuan signifikan dalam kemampuan penalaran umum mereka. Karpathy telah membuka sumber proyek demo LOTR, mendorong eksplorasi lebih lanjut tentang bagaimana LLM dapat menciptakan, memahami, dan berinteraksi dengan dunia virtual.

marsbit2m yang lalu

Tunjukkan Padaku "The Lord of the Rings", Karpathy Rekomendasikan Tolok Ukur Baru untuk Evaluasi Model Besar

marsbit2m yang lalu

Membuat Tulang Orakel Berusia Tiga Ribu Tahun Bicara: Sistem Bantuan Penafsiran Pertama yang Meniru Alur Kerja Ahli Manusia

Menyuarakan Tulang Oracle yang Tertidur 3000 Tahun: Sistem AI Pertama Tiru Alur Kerja Ahli Para peneliti dari Universitas Sains dan Teknologi Huazhong dkk. meluncurkan sistem kecerdasan buatan bernama AlphaOracle, sistem bantu pertama yang meniru alur kerja ahli dalam menguraikan dan menafsirkan tulang oracle (jiaguwen). Sistem ini dirancang untuk membantu para ahli menyelesaikan pekerjaan yang rumit dalam memecahkan kode tulang kuno dari Dinasti Shang. AlphaOracle bekerja dengan mensimulasikan proses penelitian ahli: menganalisis evolusi bentuk karakter, memeriksa konteks penggunaan dalam kalimat lengkap dan prasasti serupa, lalu mencari bukti pendukung dalam literatur kuno dan penelitian modern untuk membentuk rantai bukti yang lengkap. Setiap langkah analisis dilengkapi dengan sumber, kandidat jawaban, dan tingkat keyakinan, memudahkan ahli untuk memeriksa ulang. Dari lebih dari 4500 karakter berbeda yang ditemukan, baru sekitar 1500 yang telah berhasil diuraikan. AlphaOracle bertujuan membantu memecahkan sekitar 3000 karakter yang tersisa. Dalam evaluasi melibatkan 86 ahli dan peneliti, 78.7% peserta memberikan penilaian positif, memperkirakan sistem ini dapat menghemat rata-rata 64% waktu analisis. Sistem ini memproses dalam empat langkah utama: 1) Mengurai dan merekonstruksi kalimat dari gambar rubbing; 2) Menganalisis bentuk karakter melalui evolusi dan komponen; 3) Menguji hipotesis dalam konteks kalimat dan prasasti serupa; 4) Mencari dukungan bukti dari literatur klasik dan penelitian modern. Laporan akhir yang dihasilkan menyajikan semua bukti secara terstruktur untuk ditinjau ahli. AlphaOracle tidak dimaksudkan untuk menggantikan keputusan akhir ahli, tetapi bertindak sebagai asisten cerdas yang efisien dalam menemukan petunjuk, mengumpulkan bukti, dan membandingkan interpretasi. Pendekatan ini juga berpotensi diterapkan pada bidang studi aksara kuno lainnya, membuka jalan bagi kolaborasi yang lebih produktif antara kecerdasan buatan dan keahlian manusia dalam mengungkap sejarah.

marsbit14m yang lalu

Membuat Tulang Orakel Berusia Tiga Ribu Tahun Bicara: Sistem Bantuan Penafsiran Pertama yang Meniru Alur Kerja Ahli Manusia

marsbit14m yang lalu

Trading

Spot
活动图片