Visa 首席产品官:GENIUS 法案后,稳定币离下一代支付基础设施还有多远?

深潮Опубликовано 2025-06-24Обновлено 2025-06-24

要让稳定币真正成为主流的支付方式,必须建立一个普遍适用且吸引用户积极参与的界面层。

作者:Jack Forestell

整理 & 编译:深潮TechFlow

上周,参议院通过了《美国稳定币国家创新指导与建立法案》(Guiding and Establishing National Innovation for U.S. Stablecoins Act),简称 GENIUS 法案。这一法案的通过是美国在稳定币监管方面迈出的重要一步。在 Visa,我们对此表示支持,并认为稳定币立法可能会成为支付行业历史上的关键时刻。不过,我之所以说“可能”,是因为要实现稳定币的广泛应用,还有许多挑战需要克服。稳定币的出现为数字可编程货币的新时代带来了希望,但距离真正成熟还有很长的路要走。

推动新支付技术的普及并非易事。这需要在全球范围内让买家与卖家、付款人和收款人都能建立信任。而这种信任的建立并非一蹴而就,它需要依赖一整套复杂且紧密结合的能力,比如安全性、可靠性、交易保障、欺诈防护、争议解决、使用便捷性以及持续的技术创新。

为了让稳定币能够成为下一代全球数字支付的核心基础设施,必须满足以下三个关键条件:

第一层:技术基础

需要一个稳健、可扩展、灵活且开放的技术架构,能够以极高的速度和规模安全地执行交易,并且确保零失误、零漏洞和零安全隐患。近年来,区块链技术的快速发展为这一需求提供了可行的解决方案。

第二层:储备支持

稳定币的核心在于其价值和稳定性的可信度。通过监管机构批准并由储备资产支持的稳定币,为这一问题提供了一个可靠的答案。

第三层:界面层

要让稳定币真正成为主流的支付方式,必须建立一个普遍适用且吸引用户积极参与的界面层。

  • 这一层需要为每笔交易的双方提供信任、规则、标准、安全性以及实际的价值。

  • 它需要具备足够的扩展性,能够覆盖全球数十亿用户。

  • 同时,它还需要为用户提供简单便捷的方式,将数字资产转换为他们选择的法定货币(即,用户可以在任何需要的地方轻松使用所获得的价值)。

然而,仅靠稳定币的基础设施本身,无法完全解决这一关键问题。如果缺乏完善的界面层支持,稳定币将难以实现成为主流支付工具的目标。它们可能会在某些特定场景中发挥作用,例如解决小范围的支付问题、支持封闭式系统,或者作为批发资金流动和资本市场的幕后基础设施……但它们难以在主流支付领域实现大规模应用。

Visa 正在努力解决这一问题。作为全球支付行业的领导者,Visa 已经建立了一个全球范围内最具规模、安全性和信任度的界面层。多年来,我们投入了数十亿美元,不断优化这一层,使其能够适应不同的支付形式,并让所有用户都能轻松融入 Visa 生态系统。通过整合我们的基础设施、服务和连接能力,我们为全球数十亿买家和卖家提供无缝、安全的数字支付体验。这种独特的组合被称为“Visa 即服务”堆栈 (Visa as a Service stack)。无论是小型商家还是大型银行和企业,当需要扩展支付解决方案时,Visa 堆栈都是他们的首选。而这一点对于加密货币领域的合作伙伴也同样适用。近年来,我们与领先的加密货币和稳定币平台合作,为它们提供接入 Visa 堆栈的机会,并帮助其实现支付的超规模化。自 2020 年以来,我们已促成了近 950 亿美元的加密货币购买交易,以及超过 250 亿美元的加密货币支出,总计超过 1000 亿美元的资金流动。

很多人会问:“稳定币究竟在解决什么问题?”这是一个非常好的问题。对于全球的消费者和企业来说,他们已经习惯于使用 Visa 的 48 亿张实体卡和近 140 亿个数字 Visa Token,这是他们认为最便捷、可靠的支付和收款方式。Visa 的支付系统提供了极致的支付体验,我们也在持续投资,使其成为最先进、安全和便捷的选择。Visa 用户在支付时无需担心以下问题:

  • 商家是否会接受我的支付?

  • 我是否需要一个专门的钱包?

  • 我的钱包里是否有正确的货币?我是否在正确的区块链上?

  • 这笔交易的 Gas 费用是多少?

  • 我的隐私是否会被保护?是否有人未经许可就能看到我的交易记录和地址?

  • 我能否获得积分或奖励?

  • 如何访问我的信用额度?

  • 如果遇到问题,我能联系谁?

  • 这笔交易是否安全?

通过 Visa 的支付网络,这些问题都不再是困扰用户的障碍,而这正是我们为全球用户提供的核心价值所在。

绝大多数消费者和企业仍然会选择使用法定货币支付,并享受 Visa 系统带来的便利。而对于那些基于稳定币的支付解决方案,只要它们接入 Visa 的支付网络,也可以为用户提供同样的体验。

那么,稳定币究竟能解决哪些问题呢?在一些特定的场景中,尤其是在新兴市场,稳定币展现出了重要的潜力,主要体现在以下方面:

  • 用户希望持有美元但缺乏便捷获取渠道的情况

  • 当地法定货币波动较大,导致经济不稳定的地区

  • 一些跨境资金流动的需求,例如国际汇款或企业间支付(B2B 支付)

这些场景为 Visa 提供了一个拓展业务的新机会,因为它们涉及到我们目前尚未完全覆盖的资金流动领域。在这些领域,我们计划通过与稳定币平台和合作伙伴,以及全球金融机构的协作,充分利用 Visa 的支付网络优势,提供创新的解决方案。

然而,在发达市场(如美国),消费者和企业是否会选择使用稳定币支付则不那么确定。这是因为发达市场已经拥有丰富的支付选择,例如直接通过银行账户进行“数字美元”支付,这些方式同样便捷且具有竞争力。

GENIUS 法案的通过,为稳定币的监管提供了清晰的框架,这为其进一步推广创造了可能性。Visa 目前已经在稳定币领域的多个方向上积极布局,包括:

  • 部署 Visa 认证和 Visa Token,将稳定币支付平台及其用户与法定货币和 Visa 全球支付网络连接起来;

  • 提供支持稳定币的原生结算服务,使交易更加高效;

  • 基于稳定币技术,开发跨境资金流动解决方案,简化国际支付流程;

  • 为客户提供可编程货币解决方案,探索支付的更多可能性;

  • 此外,还有许多正在研发中的创新功能。

当然,要真正实现稳定币在支付领域的全面应用仍需要时间——而这只是一个起点。

Похожее

Конец математики: 40 ведущих математиков собрались на закрытой встрече OpenAI

Заголовок: Конец математики: 40 ведущих математиков на закрытой встрече в OpenAI Только что получивший Филдсовскую премию Джейкоб Цимерман объявил о переходе в OpenAI для исследований в области безопасности ИИ. В начале августа он и исследователь OpenAI Себастьен Бюбек организовали в штаб-квартире компании закрытый саммит с участием около 40 математиков. Один из докладов назывался «Конец математики». Профессор Дэниел Литт заявил, что мир может прийти к ситуации, где не останется высококачественных математических исследований, а человеческий экспертный опыт в этой области полностью исчезнет. Математик MIT Дрю Сазерленд выразился более прямо: возможно, математики — это первые жертвы, «канарейки в угольной шахте». Математика выбрана в качестве испытательного полигона для ИИ, так как она служит индикатором высоких интеллектуальных достижений. Непосредственным фоном встречи стал поток достижений ИИ в математике. В мае невыпущенная модель OpenAI опровергла «гипотезу единичных расстояний» — давнюю проблему в комбинаторной геометрии, которую Цимерман назвал публикуемым в любом журнале результатом. В августе OpenAI анонсировала 10 новых открытий в математике и информатике, сделанных с помощью ИИ. В Anthropic сотрудник с помощью Claude создал искомые, но никогда не построенные пары ортогональных векторов в 668-мерном гиперкубе, опубликовав результат в виде поста из 24 000 символов. Такие результаты часто обходят традиционный путь публикации (arXiv, рецензирование). Например, предприниматель Дмитрий Рыбин, подбадривая ChatGPT «сделать прорыв», получил от модели контрпример к одной гипотезе о потоках в сетях и опубликовал это в Twitter во время просмотра фильма. На прошлой неделе Anthropic сообщила, что внутренняя версия Claude по настоянию исследователя добилась нового результата в задаче, связанной с гипотезой Римана. Реакция математического сообщества разделилась. В июне было опубликовано «Лейденское обращение», под которым подписались более 3000 математиков, призывающее к ответственному использованию ИИ. Другие выступают за полный отказ от ИИ. Участница саммита и соавтор обращения, профессор Брина Кра, подчеркивает, что суть математики — в понимании, а не только в доказательстве. Математик Мелани Вуд, написавшая «человеческое» доказательство для результата OpenAI о гипотезе единичных расстояний, отмечает, что современные ИИ плохо объясняют самые сложные части доказательств. Немецкий математик Андреас Том, чьи работы дополнило одно из открытий ИИ, считает, что ИИ умно решает проблемы, но новые концепции все еще появляются благодаря человеческому участию. Организатор саммита Бюбек описал четыре возможных будущего: математика станет похожа на разработку ПО (масштабная коллаборация), на физику (усилия сместятся на создание ИИ-«ускорителей»), на кураторство в музее (ИИ генерирует, человек отбирает) или математики массово перейдут в сферу безопасности ИИ. Он подчеркнул, что математика имеет смысл, только когда математики чему-то учатся. Участники не пришли к консенсусу. Цимерман отметил, что у математического сообщества пока нет единой позиции, и цель встречи — начать диалог. Его собственный переход в OpenAI символизирует дилемму, стоящую перед областью. Его следующие шаги могут стать еще более значимым сигналом, чем доклады на этом саммите.

marsbit7 мин. назад

Конец математики: 40 ведущих математиков собрались на закрытой встрече OpenAI

marsbit7 мин. назад

Новая модель Anthropic «слизала» слухи, самый мощный Fable 5 оказался провалом

Антропик готовит выпуск двух новых моделей ИИ под кодовыми названиями Marshmallow («Зефир») и Melon («Дыня»), которые были обнаружены в сторонних приложениях. Предварительные тесты показывают, что Marshmallow превосходит по естественности диалога текущую флагманскую модель Opus, в то время как Melon немного слабее. Их выход ожидается в ближайшее время. Этот анонс происходит на фоне неожиданно низкого рыночного принятия текущего топ-модели Anthropic — Fable 5, выпущенной два месяца назад. Несмотря на статус самого мощного и дорогого решения компании, данные платформы Ramp показывают, что на Fable 5 приходится лишь около 11% расходов предприятий на токены Anthropic. Для сравнения, флагман конкурента OpenAI, GPT-5.6 Sol, занимает 25% доли. Основные причины холодного приема Fable 5 — чрезмерно высокая цена и недостаточное ценностное предложение. Модель стоит в 2 раза дороже Opus 4.8 и в 10 раз дороже Haiku 4.5. При этом выпущенная в конце июля модель Opus 5, которая стоит вдвое дешевле Fable 5, демонстрирует сопоставимую, а в некоторых тестах (например, CursorBench 3.2) даже лучшую производительность, делая ценник Fable 5 неоправданным. Дополнительное давление создает стремительный рост популярности открытых моделей. Согласно данным Vercel AI Gateway, их доля в использовании токенов выросла с 11% в апреле до 62% в августе, при этом на них приходится менее 4% общих расходов предприятий. Таким образом, анонсированные модели Marshmallow и Melon, вероятно, являются стратегическим ответом Anthropic на текущие рыночные вызовы. Компании необходимо предложить решения, которые сочетают в себе высокую производительность, доступную цену и практическую пользу для бизнеса, чтобы стимулировать массовое внедрение, а не оставаться merely «витринной» технологией.

marsbit8 мин. назад

Новая модель Anthropic «слизала» слухи, самый мощный Fable 5 оказался провалом

marsbit8 мин. назад

Через три месяца после смерти собаки Рози ее медицинская история превратилась в компанию по ИИ-медицине

Спустя три месяца после смерти собаки по кличке Рози её история болезни превратилась в стартап Gamgee, получивший финансирование в размере $4 млн. Владелец собаки, специалист по машинному обучению Пол Конингем, использовал ИИ-инструменты (ChatGPT, AlphaFold, Grok) для разработки персонализированной мРНК-вакцины против рака своей собаки, страдавшей от тучноклеточной опухоли. После начального успеха (уменьшения опухолей) болезнь вернулась, и Рози умерла, не дождавшись следующей дозы вакцины. Новая компания Gamgee ставит своей целью автоматизацию и стандартизацию этого процесса для создания индивидуальных мРНК-вакцин для собак с онкологическими заболеваниями. Клинические испытания планируется проводить в Австралии в сотрудничестве с местными университетами. История подчеркивает как потенциал ИИ и персонализированной медицины в ветеринарии, так и ключевую проблему таких методов — необходимость значительно ускорять весь цикл (от проектирования до введения препарата), чтобы успеть помочь пациенту. Инвестиции направлены на подтверждение эффективности метода в рамках регулируемых исследований.

marsbit17 мин. назад

Через три месяца после смерти собаки Рози ее медицинская история превратилась в компанию по ИИ-медицине

marsbit17 мин. назад

Вакцина на основе мРНК была слишком медленной, владелец потерял любимую собаку: представлена первая в мире персонализированная противораковая вакцина для собак на базе ИИ

История Пола Конангема и его собаки Рози, страдавшей от рака, облетела мир. Используя ChatGPT и AlphaFold, Пол, специалист по машинному обучению, самостоятельно разработал персонализированную мРНК-вакцину против рака для своего питомца. После первой инъекции опухоль уменьшилась на 75%. Однако Рози не дождалась следующей, адаптированной к новым мутациям вакцины, из-за медленных и сложных процессов её изготовления в существующей системе. Чтобы предотвратить подобные трагедии, Пол основал стартап Gamgee, который привлёк $4 млн инвестиций. Компания создаёт автоматизированную платформу для быстрого (цель — 48 часов) и доступного (цель — $2000 за курс) производства персонализированных мРНК-вакцин для собак. Процесс включает забор образцов, анализ данных с помощью ИИ для выбора мишеней и синтез вакцины. Выбор собак в качестве первой цели обусловлен огромной потребностью (только в США ежегодно диагностируется около 6 млн случаев) и идеальными условиями для отработки технологии: чистые генетические пулы и естественное развитие болезни. Успех Gamgee может заложить основу для медицины будущего «N-of-1» (крайне персонализированной), применяемой впоследствии и для людей. Недавний успех клинических испытаний персонализированной мРНК-терапии Moderna и Merck для лечения меланомы у людей подтверждает перспективность этого подхода. Наследие Рози — это надежда для миллионов собак и возможный прорыв в борьбе с раком.

marsbit21 мин. назад

Вакцина на основе мРНК была слишком медленной, владелец потерял любимую собаку: представлена первая в мире персонализированная противораковая вакцина для собак на базе ИИ

marsbit21 мин. назад

Не следуя за Кремниевой долиной: несколько молодых аспирантов делают ставку на единый мозг для двуногих гуманоидных роботов

В выходные в социальных сетях появилось впечатляющее видео: двуногий гуманоидный робот компании Symbiotic Cognition уверенно управляет картом на трассе, выполняя сложные маневры на высокой скорости с полной синхронизацией зрения, рук и ног. Это демонстрирует продвинутый уровень целостной координации и силового контроля, редко встречающийся в подобных демонстрациях. Основатель компании, Дин Пэнсян (1996 г.р.), и его команда, состоящая полностью из докторантов 2000-х годов рождения, работают над созданием сквозной (end-to-end) модели «мозга» для двуногих гуманоидных роботов. Они выбрали этот сложный и передовой путь, отказавшись от более распространенной модульной (иерархической) архитектуры, где «мозг» (принятие решений) и «мозжечок» (движение) разделены. По их мнению, сквозной подход, подобный эволюции автопилота Tesla, в долгосрочной перспективе является более эффективным и устраняет информационные потери между модулями. Ключевым технологическим отличием является переход от кинематики (траектории движения) к динамике — обучению модели тому, как управлять всем телом с учетом баланса, сил инерции и физического взаимодействия в реальном мире. Их модель работает на уровне целевых положений суставов (Joint Target), непосредственно управляя 29 степенями свободы робота. Для обеспечения стабильности без отдельного «мозжечка» команда разработала механизм двойного协同оптимизации, объединяющий поведенческое клонирование и дистилляцию приоритетов движения (DriftDistill), что наделяет модель одновременно интеллектом задач и интеллектом тела. Основные вызовы — нехватка качественных данных, особенно для скоординированных движений всего тела в реальных условиях. Команда использует такие методы, как TrajBooster, для преобразования траекторий манипуляторов в данные для гуманоидов. Дин Пэнсян ожидает, что коммерчески значимые результаты появятся при наличии миллионов часов данных, и подчеркивает, что ключевые вопросы отрасли еще не решены. Цель команды — не следовать за другими, а задавать новые тенденции в развитии технологий гуманоидных роботов.

marsbit22 мин. назад

Не следуя за Кремниевой долиной: несколько молодых аспирантов делают ставку на единый мозг для двуногих гуманоидных роботов

marsbit22 мин. назад

Торговля

Спот
活动图片