Visa Bentuk Tim Penasihat Stablecoin Seiring Dolar Onchain Menjadi Arus Utama

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

Abstrak

Visa meluncurkan unit konsultasi global baru bernama "Stablecoins Advisory Practice" untuk membantu bank, merchant, dan fintech dalam merancang, meluncurkan, dan mengelola produk stablecoin. Unit ini akan fokus pada pelatihan, perencanaan pasar, dan integrasi teknologi. Langkah ini menunjukkan bahwa stablecoin telah menjadi aset penting dalam sistem pembayaran global, didukung oleh infrastruktur Visa yang telah mencakup lebih dari 130 program kartu terkait stablecoin di 40+ negara dan volume penyelesaian USDC miliaran dolar. Perusahaan mainstream seperti Stripe, PayPal, dan JPMorgan juga semakin mengadopsi stablecoin sebagai solusi pembayaran yang lebih cepat dan murah. Pergeseran ini mulai memengaruhi peran Bitcoin, yang kini lebih dipandang sebagai penyimpan nilai jangka panjang, sementara stablecoin mendominasi penggunaan transaksional. Visa berinvestasi dalam konsultasi stablecoin menegaskan keyakinannya bahwa mata uang on-chain berbasis dolar akan menjadi masa depan transaksi digital.

Visa telah meluncurkan Praktik Penasihat Stablecoin global, unit baru yang akan membantu bank, merchant, dan fintech dalam merancang, meluncurkan, dan mengelola produk stablecoin.

Raksasa pembayaran tersebut mengatakan pada hari Senin bahwa lengan penasihat baru ini akan fokus pada pertanyaan praktis yang diperjuangkan oleh pelaku tradisional, dan menawarkan program pelatihan stablecoin serta tren pasar, perencanaan go-to-market, dan pemberdayaan teknologi untuk integrasi stablecoin.

"Stablecoin mungkin merupakan peluang untuk meningkatkan kecepatan dan menurunkan biaya dalam pembayaran, jadi dengan dukungan Visa, kami sedang mengevaluasi bagaimana teknologi ini dapat masuk ke dalam strategi kami yang lebih luas untuk memberikan nilai yang berarti kepada 15 juta anggota kami di seluruh dunia," kata Matt Freedman, wakil presiden senior, Navy Federal Credit Union.

Langkah ini menunjukkan bahwa dolar onchain sekarang cukup signifikan untuk menjamin lini bisnis khusus mereka sendiri di dalam salah satu jaringan pembayaran terbesar di dunia, dan ini bukanlah taruhan greenfield.

Dengan Praktik Penasihat Stablecoin, Visa membungkus konsultasi di sekitar infrastruktur yang telah mereka bangun secara diam-diam selama beberapa tahun, termasuk lebih dari 130 program kartu yang terhubung dengan stablecoin di lebih dari 40 negara dan volume penyelesaian USDC (USDC) yang diannualisasi miliaran dolar di jaringannya.

*Visa telah meluncurkan Praktik Penasihat Stablecoin global. Sumber: Visa*

Terkait: Visa menggandakan komitmen pada stablecoin di Eropa, Timur Tengah, Afrika dengan kemitraan baru

Pergeseran yang lebih luas ke arah rel stablecoin

Waktunya sesuai dengan pergeseran yang lebih luas dalam cara perusahaan arus utama mendekati crypto. Stablecoin, daripada aset volatile seperti Bitcoin (BTC), menjadi cara default untuk menggunakan blockchain untuk pembayaran.

Stripe telah meluncurkan pembayaran dan akun stablecoin, menawarkannya sebagai opsi yang lebih cepat dan lebih murah untuk kreator dan platform global.

PayPal mendorong token dolar PayPal USD (PYUSD) lebih dalam ke ekosistemnya sendiri, termasuk pembayaran untuk kreator YouTube di Amerika Serikat, dan JPM Coin milik JPMorgan terus berkembang sebagai rel penyelesaian institusional.

Terkait: Spark mengintegrasikan PayPal USD ke dalam pasar pinjamannya yang berbasis stablecoin

Apa artinya bagi peran Bitcoin

Kebangkitan dolar onchain itu mulai menggerus narasi yang dulunya milik Bitcoin. Pada bulan November, CEO ARK Invest Cathie Wood memangkas target harga Bitcoin 2030-nya dari $1,5 juta menjadi $1,2 juta, secara eksplisit menyebut stablecoin mengambil alih beberapa fungsi yang dulunya dia harapkan akan dipenuhi Bitcoin dalam pembayaran dan pasar berkembang.

Perubahan ini tidak membunuh tesis "emas digital" jangka panjangnya untuk BTC, tetapi ini mengakui bahwa, dalam praktiknya, aset yang ingin dibelanjakan orang atau digunakan untuk melarikan diri dari sistem perbankan lokal yang rusak seringkali adalah dolar di blockchain daripada aset pembawa yang volatile.

Bisnis penasihat stablecoin baru Visa menggarisbawahi pergeseran ini. Prosesor bernama besar sekarang melatih bank dan fintech tentang strategi stablecoin, yang berarti mereka bertaruh bahwa stablecoin akan mendominasi kasus penggunaan "uang" transaksional. Pada saat yang sama, Bitcoin sedang menetap ke peran yang lebih terdefinisi sebagai agunan makro dan penyimpan nilai jangka panjang.

Pertanyaan Terkait

QApa yang dimaksud dengan 'Stablecoins Advisory Practice' yang diluncurkan oleh Visa?

AVisa meluncurkan 'Stablecoins Advisory Practice', sebuah unit konsultan global baru yang dirancang untuk membantu bank, merchant, dan perusahaan fintech dalam merancang, meluncurkan, dan mengelola produk-produk stablecoin.

QApa alasan utama perusahaan tradisional seperti bank membutuhkan bantuan dari Visa dalam hal stablecoin?

APerusahaan tradisional sering kali kesulitan dengan pertanyaan-pertanyaan praktis seputar implementasi stablecoin, termasuk pelatihan, perencanaan go-to-market, dan integrasi teknologi, yang semuanya ditawarkan oleh layanan konsultan Visa ini.

QBagaimana Visa menunjukkan bahwa mereka serius dalam bisnis stablecoin sebelum peluncuran layanan konsultan ini?

AVisa telah membangun infrastruktur untuk stablecoin selama beberapa tahun terakhir, termasuk lebih dari 130 program kartu yang terhubung dengan stablecoin di lebih dari 40 negara dan volume penyelesaian USDC yang mencapai miliaran dolar secara tahunan di jaringannya.

QMengapa stablecoin, bukan aset kripto seperti Bitcoin, yang menjadi fokus utama perusahaan mainstream untuk pembayaran?

AStablecoin dianggap sebagai cara yang lebih cepat dan lebih murah untuk pembayaran global dibandingkan aset yang fluktuatif seperti Bitcoin, sehingga menjadi pilihan default bagi perusahaan mainstream untuk menggunakan blockchain dalam transaksi.

QBagaimana kebangkitan stablecoin mempengaruhi narasi dan peran Bitcoin menurut Cathie Wood dari ARK Invest?

ACathie Wood menurunkan target harga Bitcoin untuk tahun 2030, dengan alasan bahwa stablecoin telah mengambil alih beberapa fungsi yang sebelumnya diharapkan dapat dipenuhi Bitcoin, khususnya dalam pembayaran dan pasar emerging, meskipun thesis 'digital gold' untuk Bitcoin dalam jangka panjang tetap dipertahankan.

Bacaan Terkait

Model Generatif Bisa Dilatih End-to-End? Intinya Hanya Sebuah For Loop

Model generatif seperti model difusi atau autoregresif yang dominan saat ini biasanya tidak melatih seluruh proses generasi secara end-to-end. Mereka dilatih hanya untuk memprediksi satu "langkah kecil" dalam proses, namun saat inferensi, langkah ini harus diulang ratusan atau ribuan kali. Ketidaksesuaian ini menyebabkan masalah "exposure bias," di mana kesalahan menumpuk seiring waktu. Makalah terbaru dari UIUC dan Harvard memperkenalkan paradigma baru bernama **Explorative Modeling (XM)**. Inti dari metode ini sangat sederhana: alih-alih menghasilkan satu sampel, model menghasilkan **K kandidat** dalam setiap langkah pelatihan. Kemudian, hanya kandidat yang paling dekat dengan data target yang dipilih untuk menghitung gradien dan memperbarui model. Mengapa ini berhasil? Dalam tugas generatif, satu input bisa memiliki banyak output yang valid (mode). Fungsi kerugian rekonstruksi tradisional cenderung menyebabkan "mode blurring," di mana model hanya mempelajari rata-rata dari semua mode, menghasilkan output yang tidak realistis. Dengan menghasilkan beberapa kandidat, model dapat "mengeksplorasi" dan menangkap beberapa mode yang berbeda sekaligus, sehingga menghindari rata-rata yang kabur. Penelitian ini menunjukkan bahwa **"eksplorasi" (K) bertindak sebagai sumbu penskalaan ketiga** yang efektif, selain parameter dan data. Eksperimen pada gambar, video, dan bahasa menunjukkan peningkatan kinerja yang monoton dengan peningkatan K, dengan keuntungan yang lebih besar pada skala yang lebih besar. XM dapat meningkatkan efisiensi FLOP hingga 4.1x dan efisiensi sampel hingga 6.2x. Yang lebih menarik, ketika diterapkan secara ekstrem, XM memungkinkan **pelatihan generatif yang benar-benar end-to-end**. Dalam tugas kontrol robot, "Explorative Policy" berbasis XM mencapai kinerja yang setara dengan "Diffusion Policy" yang membutuhkan 100 langkah inferensi, sementara hanya membutuhkan satu langkah inferensi maju. Ini membuktikan bahwa kompleksitas untuk menangani banyak mode dapat dipindahkan dari inferensi ke pelatihan. Meskipun ide "best-of-K" bukan hal baru, kontribusi utama makalah ini adalah penjelasan teoritis bahwa mekanisme ini secara langsung meningkatkan **ekspresivitas generatif** model. Dengan demikian, ini menawarkan cara baru yang ampuh untuk mengatasi tantangan mendasar dalam pemodelan generatif.

marsbit6m yang lalu

Model Generatif Bisa Dilatih End-to-End? Intinya Hanya Sebuah For Loop

marsbit6m yang lalu

Upbit Rebalance 864B SHIB dalam Pergerakan Wallet Internal

Bursa Korea Selatan Upbit melakukan penataan ulang 864 miliar SHIB di antara alamat dompet internalnya, menciptakan pergerakan rantai-blok besar senilai sekitar $4 juta. Pergerakan ini melibatkan transfer 384 miliar SHIB keluar dari dompet panas dan 480 miliar SHIB kembali ke dompet yang sama, tampaknya sebagai bagian dari operasi penyeimbangan kembali (rebalancing) dompet rutin, bukan pelepasan atau penjualan aset oleh bursa. Aktivitas ini terjadi setelah SHIB mengalami reli harga 36%, yang membuatnya lebih mencolok dan ditanggapi dengan sensitif oleh pedagang. Namun, karena perpindahan terjadi antara alamat yang diketahui milik Upbit sendiri, hal ini tidak secara langsung mengubah pasokan di pasar. Artikel ini menekankan pentingnya konteks dan pelabelan dompet yang tepat dalam menafsirkan data on-chain, agar pergerakan besar tidak disalahartikan sebagai sinyal jual atau aksi "paus" yang dapat menyesatkan narasi pasar.

bitcoinist7m yang lalu

Upbit Rebalance 864B SHIB dalam Pergerakan Wallet Internal

bitcoinist7m yang lalu

Maksimal 20 Makalah Per Orang? Aturan Baru ICLR Ditanggapi dengan "Petisi Sarkas" dari Peneliti DeepMind

Apakah ada batas yang wajar untuk jumlah makalah yang dapat disertakan seorang penulis di konferensi AI top? ICLR 2027 memberlakukan aturan baru: maksimal 20 makalah per penulis. Aturan ini dirancang untuk meringankan tekanan pada sistem peninjauan, terutama setelah ICLR 2026 mengalami lonjakan 68% dalam jumlah pengajuan hingga 19.525 makalah. Peraturan ini langsung memicu perdebatan. Dan Roy, seorang peneliti dari Google DeepMind, meluncurkan petisi satir di platform X yang menyerukan pencabutan batas 20 makalah tersebut. Dalam petisinya, dia secara ironis berargumen bahwa batasan ini akan "memperlambat kemajuan AI," terutama di era di mana AI Agent dapat menghasilkan banyak penelitian dan model bahasa besar (LLM) sudah digunakan untuk meninjau makalah. Sindirannya menyoroti kekhawatiran nyata tentang kualitas penelitian dan peninjauan. Poin utamanya adalah: dengan maraknya penggunaan AI untuk menulis dan meninjau makalah, apakah solusinya hanya membatasi jumlah pengajuan? ICLR mendorong ilmu "lebih lambat" dan lebih matang, sementara dinamika saat ini berisiko membanjiri sistem dengan makalah inkremental. Petisi Roy, meski sarkastik, mendorong komunitas untuk merenungkan inti permasalahan ini.

marsbit12m yang lalu

Maksimal 20 Makalah Per Orang? Aturan Baru ICLR Ditanggapi dengan "Petisi Sarkas" dari Peneliti DeepMind

marsbit12m yang lalu

Celah Keamanan Coldcard Picu Pencurian Senilai $89 Juta, Picu Migrasi On-Chain Terbesar Setelah FTX

Kerusakan pada dompet perangkat keras Coldcard mengakibatkan pencurian Bitcoin senilai sekitar $89 juta, memicu migrasi aset besar-besaran di blockchain terbesar sejak runtuhnya FTX. Menurut Galaxy Research, 1.367,05 BTC dicuri dari 4.585 alamat dalam tiga gelombang serangan yang menargetkan dompet dengan frasa pemulihan (seed phrase) yang lemah akibat cacat perangkat lunak. Insiden ini menyebabkan gangguan signifikan pada indikator rantai Bitcoin. Pengguna yang terdampak berbondong-bondong memindahkan aset mereka ke dompet baru yang aman, menyebabkan lonjakan ekstrem dalam aktivitas alamat aktif dan volume transaksi kecil. CryptoQuant mencatat puncak baru dalam transaksi berukuran di bawah 1 BTC dan peningkatan drastis deposit ke bursa, sementara sentimen pasar berubah sangat bearish. Pelacakan dana curian menghadapi tantangan unik: aturan keamanan AI di AS menghambat analisis data investigasi oleh model komersial utama, memaksa peneliti seperti tim Galaxy untuk beralih ke model AI sumber terbuka dari China (seperti GLM 5.2) guna melacak aliran dana dengan cepat. Kasus ini menyoroti dilema dalam penggunaan AI untuk keamanan siber: pembatasan yang melindungi juga dapat memperlambat respons defensif terhadap kejahatan yang bergerak cepat di ruang kripto.

marsbit57m yang lalu

Celah Keamanan Coldcard Picu Pencurian Senilai $89 Juta, Picu Migrasi On-Chain Terbesar Setelah FTX

marsbit57m yang lalu

OpenAI Tidak Lagi Mengandalkan Model Termahal untuk Menghasilkan Uang

OpenAI tidak lagi mengandalkan model termahal untuk menghasilkan uang. Pada 30 Juli, perusahaan mengumumkan penyesuaian harga, menurunkan harga model GPT-5.6 Luna sebesar 80% dan Terra sebesar 20%. Yang lebih penting dari angka penurunan harga adalah pesan intinya: untuk banyak tugas, model terkuat (seperti Sol) tidak selalu diperlukan. OpenAI secara eksplisit merekomendasikan strategi di mana model mahal (Sol) menangani perencanaan dan analisis kompleks, sementara model yang lebih terjangkau (Luna) mengeksekusi tugas, menulis kode, dan menjalankan pengujian. Pergeseran ini mencerminkan perubahan industri AI dari hanya mengejar kecerdasan tertinggi menuju optimisasi biaya dan efisiensi untuk penggunaan skala besar. Anthropic juga mengikuti pola serupa dengan meluncurkan Claude Opus 5 dengan harga setengah dari model andalannya, Fable 5. Kedua raksasa Silicon Valley ini menunjukkan bahwa model flagship kini berfungsi lebih untuk nilai merek dan pembuktian teknologi, sementara model "kendaraan massal" yang lebih murah (seperti Luna, Terra, Opus) yang akan mendorong adopsi komersial luas dan menghasilkan pendapatan utama. OpenAI mengungkapkan bahwa penurunan biaya ini sebagian didorong oleh model AI (Sol) yang mengoptimalkan kode produksi dan alur kerjanya sendiri, menciptakan siklus peningkatan efisiensi yang dapat mempercepat penurunan biaya di masa depan. Intinya, kompetisi AI bergeser dari "siapa yang paling pintar" menjadi "mana yang paling bernilai". Perusahaan tidak lagi membeli satu model tunggal, tetapi merancang sistem dengan beberapa model yang cocok untuk tugas yang berbeda—mirip dengan arsitektur komputasi awan. Tujuan akhir OpenAI adalah membangun ekosistem yang mengunci alur kerja pengembang melalui volume panggilan API yang sangat besar dan biaya yang sangat rendah, sehingga menciptakan daya tarik yang kuat. Ketika AI menjadi murah dan tersebar luas seperti listrik, tertanam dalam setiap proses tanpa diperdebatkan, era sesungguhnya baru dimulai.

marsbit1j yang lalu

Trading

Spot