Ripple研究揭示金融界领袖如何看待市场

bitcoinist发布于2026-03-21更新于2026-03-21

文章摘要

Ripple发布的一项针对1000多名金融界领袖的调研显示,72%的受访者认为企业必须提供加密解决方案以保持竞争力。金融领袖们对稳定币和资产代币化表现出强烈兴趣,74%认为稳定币能提升现金流效率并助力资金管理。调查还发现,金融科技公司在加密解决方案建设上领先于传统企业,而银行则积极寻求代币化合作伙伴,89%的银行将加密和托管服务视为优先事项。此外,美国证券交易委员会(SEC)最新发布的代币分类中将XRP定义为数字商品而非证券,这为Ripple在与SEC的法律斗争中提供了支持。专家指出,XRP投资者并未通过交易所购买获得任何合约,不符合证券定义的关键标准。

Ripple发布了一项加密货币调查报告,收集了超过1000位金融界领袖对加密货币市场前景的看法。值得注意的是,大多数受访者认为机构必须拥抱加密货币,否则可能失去市场竞争力。

Ripple研究显示金融领袖视加密货币为当前重要领域

Ripple在调查报告中指出,72%的受访者认为企业必须提供加密货币解决方案才能保持竞争力。此外,这些金融领袖在稳定币、资产代币化和合作伙伴选择方面也展现出行业共识。该加密公司表示,稳定币是金融领袖最看好的应用场景之一。

74%的金融领袖认为稳定币能提升现金流效率并释放被困流动资金。此外,这些受访者将稳定币视为资金管理工具。同时,Ripple调查显示,在受访企业中金融科技公司展现了加密货币领域的领导力。

更多金融科技公司(47%)相比企业(14%)正在自主开发解决方案。但积极的是,74%的企业计划与能提供所需服务的合作伙伴携手。与此同时,银行也对金融资产代币化表现出兴趣,正在寻找合作伙伴帮助实施相关策略。

89%评估代币化合作伙伴的银行表示,加密货币和托管服务是首要考量。Ripple称此次调查的关键结论是:金融领袖希望加密公司能提供更完善的解决方案。本质上,他们需要能满足所有加密需求的技术栈,以及「一个值得信赖的合作伙伴,既能满足当前需求也能适应未来战略演进」。

此项调查发布之际,Ripple正致力于成为这些机构的首选基础设施提供商。该公司目前为机构投资者提供支付、托管和交易等加密服务,并已与多家传统金融巨头合作,在XRP账本(XRPL)上实现现实世界资产的代币化。

Ripple另一重大进展

Ripple发布调查的同时,美国证券交易委员会(SEC)公布了代币分类标准,明确XRP属于数字商品而非证券。这为Ripple在与Gary Gensler领导的SEC的法律斗争中提供了有力支持——SEC此前一直声称XRP属于证券。加密货币专家SMQKE援引法律专家观点,指出SEC将XRP定性为证券从一开始就是错误的。

核心论据在于:投资者(尤其是通过交易所)购买XRP时并未获得任何合约。根据豪威测试(Howey test),合约是判定是否构成证券的关键因素。但SEC也指出,像XRP这样的非证券资产若被用作投资合约基础,且投资者期望通过他人努力获利时,则可能转化为证券。

XRP日线图交易价格1.44美元 | 数据来源:Tradingview.com上的XRPUSDT

相关问答

QRipple的调查显示,有多少比例的金融界领导者认为公司必须提供加密解决方案以保持竞争力?

A72%的受访者认为公司必须提供加密解决方案以保持竞争力。

Q根据调查,金融领导者对稳定币的主要看法是什么?

A74%的金融领导者认为稳定币可以提高现金流效率并释放被困的营运资金,同时将其视为国库管理工具。

Q在调查中,哪些类型的公司在构建自己的加密解决方案方面表现更为积极?

A47%的金融科技公司(fintechs)正在构建自己的解决方案,而只有14%的企业(corporates)这样做。

QRipple调查的一个关键结论是什么?

A关键结论是金融领导者希望从加密公司获得更多,他们需要一个能够满足所有加密需求的技术栈,以及一个“值得信赖的提供商,可以在现在和未来战略演变时与之合作”。

Q文章中提到美国SEC最近发布了什么,对XRP有何影响?

A美国SEC发布了一个代币分类,确认XRP是一种数字商品(digital commodity),而不是证券(security),这为Ripple在与SEC的法律斗争中提供了支持。

你可能也喜欢

OpenAI后训练工程师翁家翌,给Agentic AI提出了新范式假设

OpenAI工程师翁家翌提出名为“启发式学习”的新范式,探索AI通过自主编写和修改代码来提升能力,而非仅依赖训练神经网络参数。 在实验中,他让Codex在明确目标和反馈闭环中,为Atari Breakout等游戏编写纯Python策略代码,通过反复运行、查看日志与回放、定位失败并修改代码,最终使策略在Breakout中达到理论满分。这种“启发式学习”将经验沉淀为可阅读、修改和审计的软件系统,而非难以解释的神经网络权重。 文章对比了启发式学习与深度强化学习的差异:前者更新的是代码结构和规则,具备更好的可解释性、更高的样本效率,并能通过回归测试等方式缓解灾难性遗忘问题。在Atari57游戏的批量测试中,该方法在部分游戏上表现出接近或超越传统强化学习算法的效率,但在需要长程规划的复杂任务中仍存在局限。 该范式的潜在产业意义包括:为机器人控制等场景提供更轻量、可审计的解决方案;提升安全关键系统的可解释性与可维护性;以及为智能体产品提供能力沉淀和共享的新路径。然而,其实用性仍需在更复杂的真实场景中进一步验证。 翁家翌认为,未来更可能是神经网络(负责快速感知等)与启发式系统(负责规则、记忆与安全)结合的分工模式。这预示着AI发展的一条可能路径:在强大编码智能体的辅助下,部分经验可以重新转化为可读、可维护的软件工程资产。

marsbit51分钟前

OpenAI后训练工程师翁家翌,给Agentic AI提出了新范式假设

marsbit51分钟前

你的 Claude 今晚要做梦了,别打扰它

Anthropic在开发者大会上为AI智能体平台引入了“做梦”(Dreaming)功能,这实际上是一种基于历史运行日志的离线批处理与自我优化机制。AI智能体在完成复杂任务后,会利用闲置时间自动回顾大量操作记录,从中提炼有效模式(例如更优的操作路径),并固化为可共享的记忆,从而提升后续任务效率。 类似机制也出现在其他AI产品中,如Hermes Agent的“Curator”功能可自动将经验整理成“Skill”,OpenClaw的“做梦”流程则细分为浅睡、快速眼动和深睡三个阶段,通过多维度加权决定哪些信息应存入长期记忆。 该功能与“记忆”(Memory)技术紧密相关。当前AI能力的核心挑战之一是如何有效管理与利用不断增长的上下文信息。一方面,行业正通过技术创新(如Subquadratic公司宣称的1200万token超长上下文模型)试图扩大信息容量;另一方面,“做梦”这类功能旨在让AI在有限上下文窗口内,主动筛选、巩固重要信息,模仿人类睡眠中的记忆处理过程。 文章指出,科技公司频繁使用“思考”“记忆”“做梦”等拟人化术语来描述AI功能,这不仅是技术类比,更是一种营销策略和认知塑造。它模糊了机器与人的边界,影响用户对产品的感知与期待,并在无形中转移了技术缺陷的责任归属。本质上,AI的“做梦”仍是一种消耗计算资源的自动化数据处理,但其命名方式却让我们更倾向于将其视为拥有内在生命的数字实体。

marsbit53分钟前

你的 Claude 今晚要做梦了,别打扰它

marsbit53分钟前

交易

现货
合约
活动图片