Ripple Membawa RLUSD Multichain: Stablecoin Meluas ke L2 dengan Wormhole

ambcryptoDipublikasikan tanggal 2025-12-15Terakhir diperbarui pada 2025-12-15

Abstrak

Ripple telah memperluas stablecoin yang diatur AS, Ripple USD (RLUSD), ke jaringan Layer 2 (L2) untuk pertama kalinya menggunakan teknologi Wormhole. Ekspansi multichain ini dimulai dengan uji coba di Optimism, Base, Ink, dan Unichain, memanfaatkan standar NTT (Native Token Transfers) Wormhole untuk mempertahankan penerbitan asli dan mengurangi risiko bridge. RLUSD menjadi stablecoin pertama yang diatur oleh Trust AS yang diluncurkan secara native di ekosistem L2 ini. Dibawah regulasi ketat NYDFS dan aplikasi charter OCC, RLUSD menawarkan jalur compliant untuk ekspansi DeFi institusional. Ekspansi ini juga meningkatkan utilitas XRP dalam likuiditas lintas chain, dengan dukungan wrapped XRP (wXRP) untuk interoperabilitas. Saat ini, sebagian besar RLUSD berada di Ethereum (79.2%), sisanya di XRPL. Langkah ini memperkuat posisi Ripple sebagai penantang dominasi USDC dan memperluas jangkauan globalnya.

Ripple telah memperluas stablecoin yang diatur AS, Ripple USD [RLUSD], ke jaringan Layer 2 untuk pertama kalinya. Ini menandai langkah besar menuju strategi multichain menjelang peluncuran penuhnya tahun depan.

Peluncuran pengujian dimulai di Optimism, Base, Ink, dan Unichain, dan didukung oleh standar Wormhole's Native Token Transfers [NTT] — sistem yang dirancang untuk memindahkan aset antar rantai tanpa mengandalkan token wrapped atau arsitektur bridge tradisional.

Langkah ini memposisikan RLUSD sebagai stablecoin pertama yang diatur oleh Trust AS yang diterapkan secara native di ekosistem L2 ini.

RLUSD Menjadi Multichain dengan Penerbitan Native di L2

Tidak seperti aset yang di-bridge, kerangka NTT Wormhole memungkinkan RLUSD untuk mempertahankan penerbitan dan kontrol native di setiap rantai yang didukung.

Pendekatan ini mengurangi risiko bridge, menjaga integritas likuiditas, dan menciptakan jalur yang sesuai regulasi untuk ekspansi DeFi institusional.

Menurut pengumuman, Optimism berfungsi sebagai titik masuk, dengan Base, Ink, dan Unichain saling terhubung melalui infrastruktur NTT yang sama — memungkinkan Ripple untuk menskalakan RLUSD di berbagai lingkungan tanpa fragmentasi.

SVP Stablecoin Ripple, Jack McDonald, mengatakan ekspansi ini mencerminkan permintaan institusional yang meningkat untuk stablecoin yang sepenuhnya patuh yang dapat berpindah antar rantai dengan pengawasan yang dapat diprediksi.

"Stablecoin adalah gerbang menuju DeFi dan adopsi institusional," katanya. "Dengan meluncurkan RLUSD di jaringan L2 ini, kami menetapkan standar di mana kepatuhan dan efisiensi on-chain bertemu."

Mengapa Regulasi Lebih Penting dari Sebelumnya

RLUSD diluncurkan di bawah Piagam Trust New York Department of Financial Services [NYDFS], salah satu kerangka regulasi paling ketat dalam crypto.

Minggu lalu, AMBCrypto juga melaporkan bahwa Ripple telah mengajukan piagam OCC. Jika disetujui, ini akan membuat RLUSD menjadi stablecoin pertama yang diawasi secara bersamaan di tingkat negara bagian dan federal.

Tidak ada stablecoin besar yang ada, termasuk USDC atau USDT, yang beroperasi di bawah struktur ganda ini.

Ripple kini memegang lebih dari 75 lisensi secara global, dengan persetujuan baru-baru ini di Dubai dan Abu Dhabi semakin memperkuat jangkauan internasional RLUSD.

Peningkatan Utilitas untuk Ripple XRP dan RLUSD

Ekspansi multichain ini dirancang untuk memperkuat peran XRP dalam likuiditas antar rantai.

Hex Trust baru-baru ini menerbitkan wrapped XRP [wXRP] untuk mendukung interoperabilitas, memungkinkan pemegang XRP untuk memasangkan wXRP dengan RLUSD di rantai yang didukung untuk swap, pembayaran, pinjaman, atau aplikasi penghasil hasil.

Data dari DefilLama menunjukkan bahwa Ethereum saat ini memiliki pangsa RLUSD tertinggi [79,2%] senilai lebih dari $1 miliar, sementara 20,8% sisanya berada di XRPL.


Pemikiran Akhir

  • Ekspansi L2 RLUSD menetapkan tolok ukur regulasi baru untuk stablecoin multichain dan memposisikan Ripple sebagai penantang langsung dominasi USDC.
  • Langkah ini meningkatkan utilitas untuk XRP dan RLUSD, menciptakan peran yang lebih dalam untuk Ripple dalam DeFi institusional dan likuiditas antar rantai.

Pertanyaan Terkait

QApa yang diumumkan Ripple mengenai stablecoin RLUSD mereka?

ARipple telah memperluas stablecoin yang diatur AS, Ripple USD (RLUSD), ke jaringan Layer 2 (L2) untuk pertama kalinya. Pengujiannya dimulai di Optimism, Base, Ink, dan Unichain, dengan menggunakan standar Wormhole's Native Token Transfers (NTT).

QApa keunggulan utama penggunaan standar Wormhole's NTT untuk RLUSD?

AStandar NTT memungkinkan RLUSD untuk mempertahankan penerbitan dan kontrol asli di setiap chain yang didukung, mengurangi risiko bridge, menjaga integritas likuiditas, dan menciptakan jalur yang mematuhi regulasi untuk ekspansi DeFi institusional.

QDibawah kerangka regulasi apa RLUSD diluncurkan dan mengapa hal ini penting?

ARLUSD diluncurkan dibawah Piagam Trust New York Department of Financial Services (NYDFS), salah satu kerangka regulasi paling ketat. Ripple juga telah mengajukan piagam OCC, yang jika disetujui akan menjadikan RLUSD stablecoin pertama yang diawasi di tingkat negara bagian dan federal secara bersamaan.

QBagaimana ekspansi multichain ini memperkuat utilitas untuk XRP?

AEkspansi ini memperkuat peran XRP dalam likuiditas lintas chain. Hex Trust telah menerbitkan wrapped XRP (wXRP) untuk mendukung interoperabilitas, memungkinkan pemegang XRP untuk memasangkan wXRP dengan RLUSD di chain untuk swap, pembayaran, pinjaman, atau aplikasi penghasil imbal hasil.

QApa dampak strategis dari peluncuran RLUSD di jaringan L2 ini menurut Ripple?

AMenurut Jack McDonald, SVP Stablecoin Ripple, langkah ini mencerminkan permintaan institusional yang meningkat untuk stablecoin yang sepenuhnya mematuhi peraturan dan dapat berpindah antar chain dengan pengawasan yang dapat diprediksi. Ini menetapkan standar baru di mana kepatuhan dan efisiensi on-chain bertemu.

Bacaan Terkait

Laporan Q1 2026 Ethereum: Biaya Turun, Pengguna dan Volume Transaksi Capai Rekor Tertinggi Sejarah

**Laporan Kuartal I Ethereum 2026: Biaya Turun, Pengguna dan Jumlah Transaksi Capai Rekor Tertinggi** Laporan Ethereum Q1 2026 menunjukkan data yang tampak berlawanan tetapi kritis: jaringan ini mengalami pertumbuhan pengguna, transaksi, dan throughput tertinggi sepanjang masa, sementara biaya transaksi, TVL, volume perdagangan, dan kapitalisasi pasar ETH terdilusi turun. Ini menandai transisi Ethereum ke fase 'biaya rendah untuk skala' setelah peningkatan Fusaka meningkatkan kapasitas data dan membuat ruang blok lebih murah, melepaskan permintaan jaringan (paradoks Jevons). Naratif inti Ethereum bergeser dari blockchain DeFi ke lapisan penyelesaian keuangan global. Ethereum mempertahankan dominasi dalam aset tokenisasi: stablecoin, dana tokenisasi (naik 4.9% QoQ), komoditas tokenisasi (naik 60% QoQ, terutama emas), dan saham tokenisasi. Kehadiran institusi seperti BlackRock, JPMorgan, dan Fidelity semakin memperkuat adopsi. **Data Kunci Q1 2026:** * **Penggunaan (Naik):** Pengguna Bulanan Aktif (MAU): 13.2 juta (+53.5% QoQ). Jumlah Transaksi: 200.4 juta (+38% QoQ). Throughput: 25.78 TPS. * **Nilai & Biaya (Turun):** Biaya Transaksi Lapisan-1: $39.9 juta (-47.9% QoQ). TVL Ekosistem: $316.2B (-11% QoQ). Kapitalisasi Pasar ETH Tercairkan Penuh: $290B (-30.3% QoQ). * **Aset Tokenisasi (Stabil/Tumbuh):** Nilai Pasar: $2034B. Didominasi stablecoin ($1789B), diikuti dana ($194B) dan komoditas ($47B). Ethereum mengorbankan pendapatan biaya jangka pendek untuk ekspansi jaringan, berfokus pada konsolidasi sebagai lapisan penyelesaian default untuk aset keuangan global. Peningkatan kapasitas berkelanjutan (seperti rencana upgrade Glamsterdam) diharapkan dapat lebih mendorong adopsi dan nilai jaringan jangka panjang.

marsbit1j yang lalu

Laporan Q1 2026 Ethereum: Biaya Turun, Pengguna dan Volume Transaksi Capai Rekor Tertinggi Sejarah

marsbit1j yang lalu

Baru Saja Raup Dana Rp 2,7 Triliun, Fei-Fei Li Juga Berinvestasi

Ilmuwan ternama dan mantan peneliti senior DeepMind, Pete Florence, baru saja menggalang dana US$4 miliar (sekitar Rp27 triliun) untuk perusahaannya, Generalist AI. Menariknya, meskipun dikenal sebagai salah satu perintis arsitektur model "dunia nyata" (world model) atau Vision-Language-Action (VLA), Florence secara terbuka menolak label "world model" untuk perusahaannya. Florence, yang dibimbing oleh ahli robotika fisik Rusia Tedrake di MIT, percaya bahwa fokus utama seharusnya pada *tujuan*, bukan sekadar *label*. Tujuannya adalah menciptakan robot yang dapat melakukan tugas fisik apa pun dengan tingkat keberhasilan dan kecepatan tinggi, tanpa memerlukan data spesifik untuk setiap tugas, mirip seperti manusia. Generalist AI telah meluncurkan dua model: GEN-0 (2025) dan GEN-1 (2026). GEN-1 diklaim memiliki tingkat keberhasilan 99% dalam tugas-tugas rumit seperti melipat kardus dan merawat robot, berkat pelatihan dengan data interaksi fisik skala besar yang dikumpulkan melalui sarung tangan mekanis khusus. Kemajuan ini menunjukkan bahwa model fisik mereka mendekati titik balik menuju utilitas komersial, mirip dengan GPT-3 untuk bahasa. Pendanaan putaran ini, yang meningkatkan valuasi perusahaan menjadi US$20 miliar, dipimpin oleh investor seperti NVentures (Nvidia), Bezos Expeditions, NFDG, serta figur ternama termasuk pendiri Xiaomi Bin Lin, pendiri Zoom Eric Yuan, dan ilmuwan terkemuka Fei-Fei Li. Investor percaya pada visi Florence untuk mewujudkan robot serba bisa yang benar-benar berguna dalam kehidupan nyata.

marsbit1j yang lalu

Baru Saja Raup Dana Rp 2,7 Triliun, Fei-Fei Li Juga Berinvestasi

marsbit1j yang lalu

Dua Legenda Hilang dalam Tiga Hari: Bendungan Talenta AI Google, Mulai Jebol?

Dalam tiga hari, Google kehilangan dua tokoh legendaris AI. Noam Shazeer, penulis inti makalah Transformer dan pemimpin bersama Gemini, meninggalkan Google untuk bergabung dengan OpenAI. Dua hari kemudian, John Jumper, pemenang Nobel Kimia 2024 dan pemimpin inti AlphaFold, meninggalkan Google DeepMind untuk bergabung dengan Anthropic. Tren ini diperkuat dengan keputusan mantan anggota pendiri OpenAI, Andrej Karpathy, yang bergabung dengan Anthropic pada Mei. Kehilangan ini mencerminkan tren yang lebih luas: aliran talenta AI puncak dari Google ke OpenAI dan Anthropic. Penyebabnya adalah perbedaan mendasar dalam misi. Bisnis inti Google adalah iklan, sehingga penelitian AI sering kali harus selaras dengan tujuan komersial. Sebaliknya, OpenAI berfokus pada AGI untuk kemanusiaan, sementara Anthropic berfokus pada keamanan AI, memungkinkan peneliti berkonsentrasi penuh pada kemajuan teknologi. Faktor lain termasuk prospek kekayaan dari IPO yang akan datang di OpenAI dan Anthropic, yang menawarkan potensi imbalan ekuitas yang jauh lebih besar dibandingkan dengan raksasa matang seperti Google. Selain itu, penggabungan Google Brain dan DeepMind pada 2023 dianggap gagal menyelesaikan ketegangan antara penelitian jangka panjang dan tekanan komersialisasi. Google masih memiliki aset kuat seperti infrastruktur komputasi dan data, tetapi kehilangan talenta kritis ini merupakan tantangan struktural yang mendalam. Di bidang AI, retensi talenta terbaik ternyata lebih sulit daripada membangun model yang paling canggih sekalipun.

marsbit3j yang lalu

Dua Legenda Hilang dalam Tiga Hari: Bendungan Talenta AI Google, Mulai Jebol?

marsbit3j yang lalu

Di Balik 'Raport' AI, Tersembunyi Seorang 'Pembuat Soal' Tionghoa

Setiap kali model AI terdepan dirilis, industri melihat "laporan nilai" seperti MMLU-Pro, MMMU, dan MMMU-Pro. Tolok ukur ini telah menjadi bahasa umum untuk mengevaluasi kemampuan model. Di baliknya adalah nama seorang peneliti Tionghoa, Chen Wenhu, asisten profesor di University of Waterloo. Dia dan lab TIGERLab-nya menciptakan MMLU-Pro karena MMLU lama tidak lagi efektif—model canggih seperti OpenAI o3 hampir mencapai nilai sempurna. MMLU-Pro, dengan 12.032 soal lebih sulit dan 10 pilihan jawaban, berhasil membedakan kembali kemampuan model. Selain itu, mereka mengembangkan MMMU untuk mengevaluasi model multimodal (teks dan gambar) pada 11.500 soal dari berbagai disiplin ilmu. Bahkan model terkuat seperti GPT-4V hanya mencapai akurasi 56%. MMMU-Pro kemudian dibuat agar model tidak bisa mengandalkan teks saja dan harus benar-benar memahami informasi visual. Chen Wenhu memiliki latar belakang riset dalam pemahaman informasi kompleks. Pengalamannya di Google DeepMind untuk proyek Gemini membantunya memahami celah dalam evaluasi. Labnya juga mengerjakan penelitian model, seperti UniVideo untuk video dan MoCha untuk karakter virtual, yang memperdalam pemahaman mereka dalam merancang tolok ukur yang solid. Kini, dia bergabung dengan Meta untuk fokus pada data pelatihan dan evaluasi multimodal. Karyanya menggarisbawahi kontribusi signifikan peneliti Tionghoa di balik layar dalam membentuk standar evaluasi AI global.

marsbit3j yang lalu

Di Balik 'Raport' AI, Tersembunyi Seorang 'Pembuat Soal' Tionghoa

marsbit3j yang lalu

Trading

Spot
Futures
活动图片