Stablecoin đạt vốn hóa thị trường 300 tỷ USD: Lý do lợi nhuận 10 tỷ USD của Tether mới chỉ là khởi đầu

ambcryptoXuất bản vào 2026-01-26Cập nhật gần nhất vào 2026-01-26

Tóm tắt

Stablecoin đã đạt vốn hóa thị trường 300 tỷ USD, trở thành động cơ lợi nhuận đáng tin cậy nhất trong crypto. Tether ghi nhận lợi nhuận 10 tỷ USD vào năm 2025, minh chứng cho dòng tiền bền vững từ phát hành stablecoin. Ethereum đóng vai trò là lớp định cư chính, với doanh thu từ stablecoin trên nền tảng này đạt khoảng 5 tỷ USD trong năm. ONDO Finance nổi lên như một trung tâm thanh khoản cho tài sản thực (RWA), với TVL đạt 2,5 tỷ USD vào đầu năm 2026, chủ yếu nhờ các sản phẩm trái phiếu và ETF được token hóa. Tăng trưởng TVL của RWA có mối liên hệ chặt chẽ với sự mở rộng nguồn cung stablecoin, phản ánh nhu cầu ổn định dựa trên thanh khoản thay vì các chu kỳ đầu cơ.

Trong khi các hệ sinh thái L1 tiếp tục đuổi theo xu hướng thông qua các chu kỳ tuyên truyền và tuyên bố về thông lượng đầu cơ, lợi nhuận đáng tin cậy nhất của crypto lại tích lũy ở nơi khác.

Stablecoin đã âm thầm phát triển thành động cơ doanh thu thống trị của lĩnh vực, được thúc đẩy bởi quy mô, tính phổ biến và quyền kiểm soát đối với việc giải quyết giao dịch trên chuỗi.

Kết quả là, các tổ chức phát hành đã có thể chuyển đổi lợi thế cấu trúc này thành các dòng tiền bền vững, điển hình là Tether [USDT] tạo ra hơn 10 tỷ USD lợi nhuận vào năm 2025.

Các tổ chức phát hành Stablecoin đã phát triển thành những bộ máy tạo doanh thu quy mô lớn, với Ethereum đóng vai trò là lớp giải quyết giao dịch chủ đạo, neo giữ sự tăng trưởng đó.

Chỉ riêng trong năm 2025, các tổ chức phát hành đã tạo ra khoảng 5 tỷ USD doanh thu gắn liền với nguồn cung dựa trên Ethereum. Doanh thu hàng quý đã mở rộng từ gần 1,2 tỷ USD vào đầu năm lên khoảng 1,4 tỷ USD vào quý 4.

Đồng thời, nguồn cung stablecoin trên Ethereum [ETH] đã tăng gần 50 tỷ USD, vượt mốc 160 tỷ USD.

Khi dự trữ mở rộng, thu nhập dựa trên lợi suất đã tăng lên một cách có thể dự đoán được. Động thái này củng cố sức hút tài chính của Ethereum, làm sâu sắc thêm tính thanh khoản và tăng cường vai trò của nó như là cơ sở hạ tầng tiền tệ cốt lõi trên chuỗi.

ONDO nổi lên như một trung tâm thanh khoản cốt lõi cho RWA được mã hóa

ONDO Finance đang nhanh chóng củng cố vị trí của mình như một nền tảng tài sản trong thế giới thực hàng đầu, với Ondo Finance [ONDO] đẩy tổng giá trị bị khóa (TVL) lên khoảng 2,5 tỷ USD vào tháng 1 năm 2026.

Vào đầu năm 2025, TVL chỉ dao động trên mốc 1 tỷ USD. Kể từ đó, vốn đã tăng tốc mạnh mẽ, được thúc đẩy bởi các sản phẩm lợi suất được mã hóa.

Kho bạc Hoa Kỳ được mã hóa chiếm gần 2 tỷ USD, dẫn đầu là OUSG và Ondo US Dollar Yield [USDY]. Trong khi đó, cổ phiếu và ETF được mã hóa vượt quá 500 triệu USD trên hơn 200 tài sản.

Khi ONDO mở rộng trên nhiều chuỗi, quy mô của nó báo hiệu sự tin tưởng ngày càng tăng của các tổ chức vào RWA trên chuỗi.

Liệu tăng trưởng TVL RWA có đang theo các chu kỳ thanh khoản stablecoin?

Tăng trưởng TVL RWA ngày càng theo sát sự mở rộng nguồn cung stablecoin, tiết lộ một mối quan hệ rõ ràng được thúc đẩy bởi thanh khoản.

Khi vốn hóa thị trường stablecoin tăng lên mức 280–300 tỷ USD vào cuối năm 2025, TVL RWA đồng thời mở rộng lên khoảng 16–19 tỷ USD.

Sự tăng trưởng song hành này phản ánh chức năng, không phải sự trùng hợp ngẫu nhiên. Stablecoin đóng vai trò là đường ray giải quyết giao dịch và đầu vào mang lại lợi suất cho kho bạc và cổ phiếu được mã hóa.

Do đó, các nền tảng như Ondo đã tăng gấp đôi TVL vượt 2,5 tỷ USD khi nhu cầu được hỗ trợ bởi stablecoin gia tăng mạnh mẽ.

Vì vậy, xu hướng này báo hiệu sự tin tưởng mang tính cấu trúc, mặc dù việc phát hành stablecoin tạm dừng trong ngắn hạn có thể tạm thời hạn chế đà tăng của RWA.


Suy nghĩ cuối cùng

  • Stablecoin đã trở thành động cơ lợi nhuận đáng tin cậy nhất của crypto, chuyển đổi quy mô giải quyết giao dịch thành các dòng tiền định kỳ trong khi Ethereum củng cố vai trò của nó như là lớp tiền tệ trên chuỗi thống trị.
  • Đồng thời, tăng trưởng RWA vẫn được thúc đẩy bởi thanh khoản, với việc mở rộng TVL theo sát nguồn cung stablecoin, định vị các nền tảng như ONDO trở thành những người hưởng lợi từ nhu cầu được hỗ trợ bởi stablecoin hơn là các chu kỳ đầu cơ.

Câu hỏi Liên quan

QStablecoin đã đạt vốn hóa thị trường bao nhiêu vào cuối năm 2025?

AStablecoin đã đạt vốn hóa thị trường gần 300 tỷ USD vào cuối năm 2025.

QTether (USDT) đã tạo ra lợi nhuận bao nhiêu vào năm 2025?

ATether đã tạo ra hơn 10 tỷ USD lợi nhuận trong năm 2025.

QEthereum đóng vai trò gì trong hệ sinh thái stablecoin?

AEthereum phục vụ như lớp giải quyết thanh toán (settlement layer) chính, đóng vai trò là cơ sở hạ tầng tiền tệ cốt lõi trên chuỗi, nơi đặt hơn 160 tỷ USD nguồn cung stablecoin.

QTổng giá trị bị khóa (TVL) trên nền tảng Ondo Finance (ONDO) là bao nhiêu vào tháng 1/2026?

ATổng giá trị bị khóa (TVL) trên Ondo Finance đã đạt khoảng 2,5 tỷ USD vào tháng 1 năm 2026.

QMối quan hệ giữa sự tăng trưởng của stablecoin và Tổng giá trị bị khóa (TVL) của Tài sản trong Thế giới Thực (RWA) là gì?

ASự tăng trưởng TVL của RWA có mối quan hệ chặt chẽ và phụ thuộc vào tính thanh khoản từ sự mở rộng nguồn cung stablecoin. Khi vốn hóa thị trường stablecoin tăng lên, TVL của RWA cũng mở rộng theo, vì stablecoin đóng vai trò là phương tiện thanh toán và đầu vào tạo lợi nhuận cho các tài sản được mã hóa.

Nội dung Liên quan

Mô hình sinh đã có thể huấn luyện end-to-end? Cốt lõi chỉ là một vòng lặp for

Mô hình tạo sinh (generative models) từ lâu đã phụ thuộc vào các phương pháp đào tạo nhiều giai đoạn (như diffusion, autoregressive), dẫn đến "exposure bias" - sự khác biệt giữa cách huấn luyện và suy luận. Bài báo "Explorative Modeling" (XM) từ UIUC và Harvard đề xuất một giải pháp đơn giản nhưng mạnh mẽ: thay vì tách quá trình tạo mẫu, hãy tách vòng lặp huấn luyện. Trong mỗi bước huấn luyện, mô hình tạo ra K ứng viên, sau đó chỉ chọn ứng viên gần nhất với dữ liệu thực để cập nhật gradient. Vòng lặp `for` đơn giản này giải quyết vấn đề "mode blurring" - xu hướng của hàm mất mát tái tạo đẩy đầu ra về trung bình của các mode hợp lệ, tạo ra kết quả mờ nhạt. Bằng cách khám phá nhiều ứng viên, mô hình học cách bao phủ nhiều mode khác nhau trong phân phối dữ liệu. Khả năng này được gọi là "biểu đạt tạo sinh" (generative expressivity). Thí nghiệm cho thấy "khám phá" (exploration) trở thành một trục mở rộng quy mô hiệu quả thứ ba, bên cạnh quy mô dữ liệu và tham số. Khi quy mô tăng, lợi ích từ việc khám phá càng lớn, cải thiện hiệu suất FLOP, mẫu và tham số. XM đạt được kết quả tạo ảnh trên ImageNet (FID 1.43 không guidance) ngang bằng các mô hình hàng đầu. Quan trọng hơn, XM cho phép huấn luyện mô hình tạo sinh "end-to-end" thực sự. Trong thí nghiệm điều khiển robot, Explorative Policy chỉ cần một lượt truyền thẳng mạng, đạt hiệu suất tương đương Diffusion Policy cần hàng trăm bước suy luận. Điều này chuyển chi phí tính toán từ giai đoạn suy luận sang giai đoạn huấn luyện, mở ra khả năng cho các mô hình tạo sinh nhanh và hiệu quả hơn. Công trình dựa trên lý thuyết "Mode Forcing" trước đó của nhóm tác giả. Hạn chế hiện tại bao gồm chi phí tính toán cho "Forward XM" trên phân phối nhiều mode và thách thức với mô hình ngôn ngữ tự hồi quy thuần túy.

marsbit9 phút trước

Mô hình sinh đã có thể huấn luyện end-to-end? Cốt lõi chỉ là một vòng lặp for

marsbit9 phút trước

Mỗi người tối đa 20 bài? Quy định mới của ICLR bị nhà nghiên cứu DeepMind 'mỉa mai' kiến nghị

Tác giả Google DeepMind Dan Roy đã khởi xướng một kiến nghị trào phúng nhằm phản đối quy định mới của hội nghị AI hàng đầu ICLR, giới hạn mỗi tác giả chỉ được đăng ký tối đa 20 bài báo tham dự ICLR 2027. Quy định này được đưa ra do số lượng bài nộp tăng đột biến 68% vào năm 2026, gây áp lực nặng nề lên hệ thống phản biện. Trong bài đăng của mình, Dan Roy giả vờ ủng hộ việc để AI Agent tạo ra càng nhiều nghiên cứu gia tăng càng tốt, và cho rằng giới hạn này sẽ "làm chậm sự phát triển của AI". Anh còn mỉa mai nhận xét rằng "tất cả công việc phản biện giờ đã được giao cho các mô hình ngôn ngữ lớn xử lý", ám chỉ đến một nghiên cứu trước đó phát hiện khoảng 21% ý kiến phản biện tại ICLR 2026 có khả năng cao là do AI tạo ra. Bài viết chỉ ra rằng thông điệp trào phúng của Roy thực chất phản ánh mối lo ngại về một vòng luẩn quẩn: AI tạo ra bài báo hàng loạt, nhà nghiên cứu gửi đi hàng loạt, và phản biện viên lại dùng AI để đánh giá hàng loạt. Qua đó, tác giả đặt câu hỏi liệu biện pháp giới hạn số lượng cứng nhắc có phải là giải pháp tối ưu cho những thách thức căn bản về chất lượng học thuật trong kỷ nguyên AI này.

marsbit14 phút trước

Mỗi người tối đa 20 bài? Quy định mới của ICLR bị nhà nghiên cứu DeepMind 'mỉa mai' kiến nghị

marsbit14 phút trước

OpenAI không bán tiền dựa trên mô hình đắt nhất

OpenAI đã điều chỉnh giá, giảm 80% cho mô hình GPT-5.6 Luna và 20% cho Terra, đồng thời giới thiệu chế độ Fast cho mô hình mạnh nhất Sol. Động thái này, cùng với việc Anthropic giới thiệu Claude Opus 5 với giá bằng một nửa so với flagship Fable 5, đánh dấu sự thay đổi chiến lược quan trọng: các hãng không còn chỉ tập trung bán mô hình mạnh nhất. Thay vào đó, họ khuyến nghị người dùng kết hợp các mô hình theo nhiệm vụ: dùng Sol (đắt, mạnh) để phân tích và lập kế hoạch phức tạp, sau đó giao cho Luna (rẻ, hiệu quả) thực thi. Điều này cho thấy trọng tâm thương mại đang chuyển từ các mô hình flagship (chứng minh năng lực kỹ thuật) sang các mô hình tầm trung, phục vụ cho lượng truy vấn API khổng lồ hàng ngày của doanh nghiệp, nơi hiệu quả chi phí (ROI) và độ ổn định là yếu tố quyết định. Một yếu tố then chốt giúp giảm chi phí là việc chính các mô hình AI (như Sol) tham gia tối ưu hóa mã nguồn và quy trình vận hành của chính chúng, tạo ra một vòng lặp tự thúc đẩy giảm chi phí. Điều này có thể đẩy nhanh hơn nữa đà giảm giá trong tương lai. Cạnh tranh đang chuyển từ "mô hình thông minh nhất" sang "hệ sinh thái hiệu quả nhất". OpenAI muốn biến các mô hình như Luna thành lựa chọn mặc định cho các tác vụ thường ngày, từ đó gia tăng độ phụ thuộc và chi phí chuyển đổi cho doanh nghiệp. Tương tự như ngành điện hay điện toán đám mây, mục tiêu cuối cùng là AI trở thành một tiện ích phổ biến, hoạt động âm thầm và không thể thiếu trong mọi quy trình, thay vì chỉ là một sản phẩm công nghệ đình đám.

marsbit1 giờ trước

OpenAI không bán tiền dựa trên mô hình đắt nhất

marsbit1 giờ trước

Lương trăm nghìn đô la săn thợ điện, Meta vội vàng tự mở trường dạy nghề

Cuộc đua AI đang vấp phải nút thắt mới: thiếu hụt nghiêm trọng lao động lành nghề như thợ điện và công nhân xây dựng để xây dựng các trung tâm dữ liệu quy mô lớn. Tại Mỹ, dự báo cần thêm 130.000 thợ điện và 240.000 công nhân xây dựng từ 2023-2030 cho hạ tầng AI, trong khi mỗi năm có 80.000 vị trí thợ điện không thể lấp đầy. Các công ty AI sẵn sàng trả lương cao (thợ điện giỏi có thể kiếm 240.000-280.000 USD/năm), nhưng sự chậm trễ xây dựng vẫn gây thiệt hại hàng chục triệu USD. Độ phức tạp của các trung tâm dữ liệu AI, với công suất điện khổng lồ, hệ thống phân phối điện và làm mát phức tạp, đòi hỏi lao động có kỹ năng đặc biệt. Để giải quyết, các gã khổng lồ công nghệ như Meta và Google đang đầu tư hàng trăm triệu USD vào đào tạo. Meta mở trường dạy nghề miễn phí, cung cấp cả trợ cấp sinh hoạt, trong khi OpenAI hợp tác với công đoàn xây dựng. Chiến dịch tuyển dụng nhắm đến cả học sinh trung học, góp phần làm tăng mạnh tỷ lệ Gen Z theo học trường nghề. Tuy nhiên, nhu cầu điện cho AI tiếp tục bùng nổ, chiếm phần ngày càng lớn trong tổng tiêu thụ điện và đẩy giá điện lên cao. Một nghịch lý tồn tại: các dự án xây dựng cần hàng nghìn lao động cùng lúc, nhưng khi hoàn thành chỉ cần số ít vận hành, dẫn đến rủi ro dư thừa lao động lành nghề trong tương lai.

marsbit1 giờ trước

Lương trăm nghìn đô la săn thợ điện, Meta vội vàng tự mở trường dạy nghề

marsbit1 giờ trước

Giao dịch

Giao ngay
活动图片