稳定币热潮迈入主流,非法使用骤降——零售用户正推动这一转变

ambcrypto发布于2025-12-11更新于2025-12-11

文章摘要

2025年全球稳定币采用迎来转折点,交易量突破4万亿美元,但非法使用量同比暴跌约60%。这一变化源于全球监管强化(如欧盟MiCA框架)和受监管发行人的崛起。零售用户而非机构成为增长主力,推动稳定币用于日常支付、跨境汇款和储蓄保值,尤其在通胀严重的新兴市场。稳定币正从投机工具转型为日常金融基础设施,标志着市场更健康、成熟,并为2026年加密行业奠定新方向。

全球稳定币采用率在2025年迎来转折点。根据TRM实验室最新发布的《加密货币采用与稳定币使用报告》,该类资产正以2021年以来最快速度增长——而与之相关的非法活动却骤降至多年低点。

研究结果揭示了一个正在快速扩张、迅速规范化,且越来越由零售用户而非机构推动的市场。

交易量激增之际,稳定币非法活动锐减

2025年稳定币转账量突破4万亿美元,创下史上最强劲增长周期之一。

尽管交易量激增,但根据TRM数据,稳定币的非法使用同比大幅下降约60%。

这一趋势与先前周期形成鲜明对比——过去稳定币使用量的增长往往与欺诈、逃避制裁和洗钱活动同步上升。

TRM将这一下降归因于两大结构性变化:全球执法力度加强,以及受监管的全额储备发行方的崛起。

随着更多司法管辖区推出稳定币监管框架(包括欧盟通过MiCA法案,以及香港、新加坡、阿联酋和英国等地区),非法行为者难以找到不受审查的操作空间。

推动2025年加密市场复苏的是零售用户而非机构

报告最显著的发现是,零售交易者推动了今年加密货币活动的大部分增长,扭转了2022-2024年机构主导的周期。

TRM指出消费平台用户获取强劲且交易量上升,主要支撑因素包括:

  • 美国零售投资者在观望两年后重返市场
  • 新兴市场使用率急剧上升,特别是储蓄和支付领域
  • 稳定币在受通胀冲击的经济体中替代本地货币

这一转变将稳定币置于更草根复兴运动的中心,个人用户将数字美元用于日常商业、跨境交易和价值存储——而不仅仅是投机交易。

「日常金融」阶段到来

稳定币如今支撑全球大部分加密活动,其应用场景正在拓宽。零售用户越来越倾向于使用稳定币进行汇款、小额支付,以及对冲本国货币波动。

与此同时,金融科技平台和支付中介正以前所未有的速度整合稳定币,扩展合法的链上交易流。

由于稳定币在开放网络上运行,一个地区的采用会加速其他地区的活动——形成全球性的正向反馈循环。

TRM将此阶段描述为「转型期」,稳定币正从投机性加密基础设施转变为日常用户的核心金融基础设施。

更洁净的市场预示更成熟的周期

非法资金流下降与零售参与度上升相结合,表明市场结构正趋于健康化。

稳定币不再被视为不透明的高风险流动性工具,而是逐渐成为受监管、可追溯、广受欢迎的工具,同时吸引消费者和合规机构。

报告指出,这一动态将影响2026年加密货币的发展方向。

若零售需求持续扩大且受监管发行方保持主导地位,稳定币可能成为未来十年全球最重要的支付通道之一。


核心要点

  • 全球稳定币使用正在加速,而非法活动急剧下降,标志着市场走向更成熟和规范化
  • 零售需求——而非机构资金——正推动稳定币采用,重塑2026年加密行业增长轨迹

相关问答

Q根据TRM Labs的报告,2025年稳定币的非法使用量同比下降了多少?

A根据TRM Labs的报告,2025年稳定币的非法使用量同比下降了约60%。

Q报告指出,是什么原因导致了稳定币非法活动的减少?

A报告将非法活动的减少归因于两个结构性变化:全球执法力度的加强,以及受监管、完全备付的发行机构的崛起。

Q2025年加密货币活动的增长主要由哪类用户驱动?这与前一个周期有何不同?

A2025年加密货币活动的增长主要由零售交易者驱动,这逆转了2022-2024年以机构为主的周期。

Q报告提到了哪三个因素支持了消费者平台的用户增长和交易量上升?

A报告提到的三个支持因素是:美国零售用户时隔两年重返市场;新兴市场使用量激增,特别是用于储蓄和支付;在受通货膨胀冲击的经济体中,稳定币正在取代当地货币。

QTRM Labs如何描述稳定币当前的发展阶段?

ATRM Labs将当前阶段描述为一个“转型阶段”,稳定币正从投机性的加密基础设施转变为日常用户的核心金融基础设施。

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。

marsbit57分钟前

OpenAI后训练工程师翁家翌,给Agentic AI提出了新范式假设

marsbit57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。

marsbit59分钟前

你的 Claude 今晚要做梦了,别打扰它

marsbit59分钟前

交易

现货
合约
活动图片