稳定币最终将达到10万亿美元市值的10个原因

深潮TechFlowОпубликовано 2022-08-09Обновлено 2022-08-09

Введение

稳定币在未来 5-10 年内会有巨大的采用增长的经济/社会原因以及使用案例。

稳定币在未来 5-10 年内会有巨大的采用增长的经济/社会原因以及使用案例。

我十分看好稳定币的市场前景,并认为它们在未来 5-10 年内会有巨大的采用增长,这篇文章是我论点背后的经济/社会原因以及使用案例。

一:与 Tradfi 银行相比,它们是一种非常优越的技术

作为一个同时使用 Tradfi 平台和链上稳定币操作在线业务的人,我可以证明,后者毫无疑问是更好的。

如果你想使用美国银行或富国银行或类似的银行进行国际交易,你将感受到高昂的货币兑换费。如果你想使用 PayPal 或 Payoneer 或 Wise,你可以在技术上避免这种费用/收费,但是当你的转账被冻结/丢失等时,你绝对无法规避需要与他们的支持团队进行数不清的交流,浪费人工时长。

这也不是他们的错,而是不合时宜的传统交易系统。

而有了稳定币,你可以在各种区块链上以不到一分钱的价格发送 USDC 或 DAI,并通过 Etherscan 或 DeBankDeFi 实时确认你的转账已经到达。同时,你也可以进行任何数量和组合的转账,且拥有 100%的会计透明度,等等。

二:对于像阿根廷这样的地方的人来说,其价值非常明显

想象一下,如果你生活在一个货币正在迅速贬值的国家,你只能通过昂贵的灰色市场交易所获得美元,但持有大量的实物现金可能还是危险的。

在这种情况下,以更稳定的货币或资产计价的无需许可、自我托管的的稳定币的效用是显而易见的。

三:新兴市场的汇款和可靠的转账通道

对全球许多移民工人来说,汇款费用是非常可怕的,而在许多新兴市场,汇款的通道是低效和腐败的。

四:链上外汇市场的超效率

支持链上稳定币的技术在各个方面都远远优于 Tradfi, 虽然它目前仍然处于早期阶段,但稳定币迟早会吃掉 Tradfi 的大量市场份额。

五:普通人的货币对冲

同样,如果你生活在货币贬值的地方,那么拥有与美元/黄金/瑞士法郎挂钩的稳定币的能力是非常有价值的。在欧洲,以美元获得报酬的年轻人们就是这方面的完美代表。

六:向持有人提供收益的能力

如上所述,您可以通过稳定币获得(真实的、有机的)收益。到目前为止,其主要采取了提供流动性的形式(您通过向去中心化交易所/外汇市场提供流动性来赚取收益)。

“收益”来自于此,也来自于链上 DeFi 的效率是 Tradfi 的 100 倍。链上协议可以只通过几个开发人员完成 Tradfi 机构需要数千名员工的工作。因此,所有这些节省的钱都可以作为收益转给流动性提供者和代币持有人。还有就是类似于 USDC 式的稳定币,可以将持有的国库券收益传递给持有人,以及其他各种有趣的可能性。

七:防御政府/银行黑天鹅

如果你读过历史,你就会知道像 Cyprus 救助和所有其他此类令人讨厌的事情这样的事情往往会一次又一次地发生在我们平民身上。最近,加拿大卡车司机的事情又引起了相关情绪。

虽然这很复杂的(例如 Tornado Cash),但将你的一些流动资本放在一个只有你能访问的钱包里,其价值应该是显而易见的。

八:防范个人层面的黑天鹅

对于全球许多人来说,被错误逮捕/起诉/勒索/冻结银行账户的威胁是真正的个人层面黑天鹅,

这也这说明了加密货币本身与稳定币的价值——与其把钱放在某个银行不如自己持有货币/私钥放在个人钱包。

九:作为机构的货币工具

就像在线公司和年轻人越来越多地使用链上稳定币一样,传统机构也将越来越多地采用它们。我们已经看到,像 MapleFinance 这样以机构为中心的复杂协议,以及 MakerDAO 采用现实世界资产作为其稳定币 $DAI 抵押品的各种案例。

十:作为现有欧洲美元体系的逻辑产物

解释下,“欧洲美元”与欧元无关,该术语基本上是指完全存在于美国体系之外的美元。

ea9bf7ad7f937c36ac97ff666e3eeb9.png

CDP 稳定币如 $DAI、$FRAX 和 $MAI 基本上等于欧洲美元(即以美元计价的贷款/抵押品/交易单位,存在于美国官方系统之外)。

Похожее

Collector Crypt возвысился как "печатный станок" на блокчейне: менее 1000 DAU, киты обеспечивают 97% доходов

Автор: Нэнси, PANews Проект Collector Crypt, связанный с коллекционными карточными играми (TCG), недавно вошёл в топ-10 протоколов по доходам, временно возглавив рейтинг в экосистеме Solana. Это свидетельствует о растущей популярности токенизированных TCG на блокчейне. В 2026 году сектор токенизированных TCG переживает быстрый рост, предлагая улучшенную ликвидность и безопасность по сравнению с физическими картами. Solana доминирует на этом рынке с долей более 80%, во многом благодаря успеху Collector Crypt. Collector Crypt является бесспорным лидером рынка, генерируя значительно больший объем транзакций и доходов, чем конкуренты. В июне его месячный доход составил 13,4 млн долларов. Однако его финансовая устойчивость вызывает вопросы: рентабельность снижается, а 97% доходов обеспечивают всего 14,6% пользователей (крупные игроки, или «киты»). Ключевыми факторами роста платформы являются: 1. Механика «гача» (случайная разблокировка карт), которая стимулирует повторные покупки. 2. Популярные IP, такие как Pokémon, составляющие основную часть продаж. 3. Токен CARDS, чья экономическая модель с выкупами создает эффект «летящего колеса», повышая ценность токена. Несмотря на впечатляющие финансовые показатели, Collector Crypt сталкивается с проблемами: низкая ежедневная активность (менее 1000 пользователей), зависимость от небольшого числа крупных игроков и предстоящие разблокировки токенов CARDS, которые могут оказать давление на рынок. Успех проекта подтверждает потенциал блокчейн-TCG, но для устойчивого роста необходимо привлечение более широкой аудитории.

marsbit20 мин. назад

Collector Crypt возвысился как "печатный станок" на блокчейне: менее 1000 DAU, киты обеспечивают 97% доходов

marsbit20 мин. назад

Первый специалист по компьютерной безопасности Дон Сун присоединяется к Meta

Профессор компьютерных наук Калифорнийского университета в Беркли Дон Сун (Сун Сяодун), известный исследователь в области кибербезопасности и искусственного интеллекта, объявила о присоединении к лаборатории суперинтеллекта Meta (Superintelligence Labs) на должности вице-президента по исследованиям ИИ. Она будет подчиняться непосредственно руководителю лаборатории Нэту Фридману. Сун Сяодун, выпускница физического факультета Университета Цинхуа, лауреат стипендии МакАртура и член ACM, IEEE и Американской академии искусств и наук, широко известна своими основополагающими работами, включая метод динамического анализа заражения данных (Dynamic Taint Analysis). Её исследования охватывают безопасность программного обеспечения, adversarial machine learning и безопасность ИИ-агентов. Она также является соосновательницей Oasis Labs и Virtue AI. Вместе с Сун Сяодун в Meta переходят сооснователи Virtue AI Бо Ли и Санми Койехо, а также другие члены их команды. Это назначение рассматривается как усиление позиций Meta в области безопасности ИИ, особенно в свете растущего внимания к проблемам защиты после инцидента с моделью Anthropic Mythos. Цель Meta — безопасно внедрять ИИ в свои продукты, используемые миллиардами людей. В статье также упоминается, что Дэнни Чжоу, ключевой специалист в области рассуждений ИИ и бывший руководитель команды Gemini Reasoning в Google, присоединился к Meta несколькими месяцами ранее. Его работа над такими методами, как Chain-of-Thought, сыграла важную роль в развитии способностей крупных языковых моделей к рассуждениям.

marsbit53 мин. назад

Первый специалист по компьютерной безопасности Дон Сун присоединяется к Meta

marsbit53 мин. назад

Корейская гонка за криптовалюту: двойной взрыв стейблкоинов и RWA

Корейские финансовые учреждения и интернет-платформы активно развивают блокчейн-инфраструктуру, сосредоточившись на двух ключевых направлениях: стейблкоинах и токенизации реальных активов (RWA). В сфере стейблкоинов идёт борьба за создание регулируемого рынка воны. Банки, финтех-компании и регуляторы определяют правила, стремясь предотвратить отток капитала в долларовые стейблкоины. Крупные банки, такие как KB Financial, Hana Financial и NH Nonghyup, уже проводят пилотные проекты по платежам и трансграничным переводам. Платежные системы (Shinhan Card, BC Card) и интернет-гиганты (KakaoPay, NAVER Pay) интегрируют стейблкоины в свои экосистемы. Криптопроектам следует устанавливать партнерства сейчас, чтобы стать частью будущей инфраструктуры. Направление RWA в Корее развивается быстро и с учётом местной специфики. Помимо традиционных активов, токенизируются активы ключевых отраслей: судостроение (Mirae Asset Securities), оборонная промышленность (Hanwha Investment) и культурный контент (Story Protocol). Правовая база формируется, и уже одобрены первые торговые платформы (NXT, KDX). Криптопроекты могут заполнить пробелы в глобальном распределении, ликвидности и предоставлении инструментов для токенизации. Ключевую роль в распространении среди пользователей играют потребительские платформы. NAVER (планирующая приобрести оператора Upbit) и Kakao (развивающая единый кошелёк) делают блокчейн основой своих сервисов. Toss, обладающий финансовыми лицензиями, также активно внедряет блокчейн. Корейская индустрия цифровых активов находится на переломном этапе. Принятие нормативной базы и активность институциональных игроков создают возможности для проектов, которые смогут наладить реальное сотрудничество и внедрение на местном рынке.

Foresight News1 ч. назад

Корейская гонка за криптовалюту: двойной взрыв стейблкоинов и RWA

Foresight News1 ч. назад

Как определить, является ли видео сгенерированным ИИ? Обзор динамической, прослеживаемой и объяснимой системы детекции

**Как определить, является ли видео созданным ИИ? Обзор динамической, отслеживаемой и объяснимой системы обнаружения** За последние два года модели генерации видео, такие как Sora, Google Veo и Kling, достигли кинематографического качества, создавая многосекундные сложные сцены. Это создает растущий разрыв с областью обнаружения, которая отстает, в то время как количество и качество поддельных видео в социальных сетях стремительно растет. В обзоре, принятом на ACL 2026, исследователи переосмысливают цель обнаружения: от простой бинарной классификации («поддельное/настоящее») к **верификации фактологической достоверности**. Задача — проверить, соответствует ли содержание видео (кто, что, где, когда) восприятию и знаниям о реальном мире, включая физические законы и здравый смысл. Авторы выделяют три парадигмы AI-видео: 1. **Локальная манипуляция (LMV):** Изменение части реального видео (например, Deepfake). 2. **Аудиовизуальное редактирование (AVE):** Изменение синхронизации между звуком, речью и видео. 3. **Генеративный синтез видео (GVS):** Полная генерация видео «с нуля» (например, Sora), что представляет наибольшую сложность. Для обнаружения предлагается **четырехуровневая система с двойным визуально-языковым подходом**: * **Уровень 1: Низкоуровневые визуальные сигналы** (артефакты, шум, физиологические сигналы). * **Уровень 2: Пространственно-временная согласованность** (плавность движений, физическая непрерывность). * **Уровень 3: Межмодальная согласованность** (проверка соответствия видео, звука и текста). * **Уровень 4: Рассуждение на уровне знаний о мире** (проверка соответствия фактам, законам физики и здравому смыслу). Фокус методов смещается от первых двух уровней (визуальных) к третьему и четвертому (языковым и смысловым). Обзор подчеркивает, что будущие системы обнаружения должны быть **динамическими, объяснимыми и отслеживаемыми**. Они должны не просто классифицировать, а предоставлять доказательства, связывать выводы с конкретными элементами видео (объектами, событиями) и оставаться устойчивыми к новым генеративным моделям. Это требует объединения усилий компьютерного зрения, обработки естественного языка и исследований многомодальных моделей для создания надежной системы проверки достоверности видео в эпоху продвинутого ИИ.

marsbit1 ч. назад

Как определить, является ли видео сгенерированным ИИ? Обзор динамической, прослеживаемой и объяснимой системы детекции

marsbit1 ч. назад

Новый открытый исходный код NVIDIA MoE: одна строка import, ускорение тонкой настройки в 3,7 раза

NVIDIA представила открытую библиотеку NeMo AutoModel, которая значительно ускоряет тонкую настройку MoE-моделей. Достаточно добавить одну строку импорта в код на основе Hugging Face Transformers v5, чтобы получить прирост производительности до 3.7 раз и сократить использование видеопамяти GPU на 29-32%. Библиотека совместима с API Transformers и вводит три ключевые оптимизации: Expert Parallelism (EP) для распределения параметров экспертов по GPU и снижения нагрузки на память, DeepEP для совмещения вычислений и коммуникаций, а также Transformer Engine для ускорения базовых операций. На примере модели Qwen3-30B-A3B на 8 GPU H100 скорость обучения выросла с 3075 до 11340 токенов в секунду на GPU. Для очень крупных моделей, таких как Nemotron 3 Ultra 550B, NeMo AutoModel позволяет проводить тонкую настройку там, где стандартный Transformers v5 исчерпывает доступную память. Проект доступен на GitHub, предоставляя простой способ ускорения работы с MoE-архитектурами без серьёзных изменений кода.

marsbit1 ч. назад

Новый открытый исходный код NVIDIA MoE: одна строка import, ускорение тонкой настройки в 3,7 раза

marsbit1 ч. назад

Торговля

Спот
活动图片