45天股价腰斩,Circle其实是「DeFi晴雨表」?

marsbit发布于2026-06-29更新于2026-06-29

文章摘要

2026年6月,Circle公司股价在45天内一度腰斩至63美元附近,同时其发行的稳定币USDC流通量较巅峰时期减少约70亿美元,降至736亿。与此形成对比的是,竞争对手USDT的流通量仅微降约3%。 分析师观点认为,Circle的股价与USDC流通量可被视为DeFi活动的“晴雨表”。数据显示,高达75%的USDC集中在加密货币交易所和各类DeFi协议中流转,用于日常支付等真实场景的比例有限。以太坊上前100地址持有超过50%的USDC,凸显了其高度集中性,这更符合DeFi收益耕作的资产特征,而非广泛流通的“数字美元”。 文章指出,USDT在跨境支付、薪资结算等实际用例上构成了更稳固的基本盘,这使其在市场低迷时表现相对坚韧。而USDC的增长则严重依赖DeFi生态的扩张。近期DeFi领域安全事件频发(如Kelp DAO被攻击),导致整体TVL(总锁仓价值)下降,与Circle股价下跌趋势吻合。 为了寻求增长,Circle正积极拓展USDC在更多交易平台(如Hyperliquid)作为结算资产的用例,并推动其在合规支付场景的应用。然而,这些现实世界中的资金流转对USDC发行量的直接拉动效应可能有限。短期内,Circle的走势仍与DeFi能否重建市场信心、解决“风险与收益不对等”的问题密切相关。

原文作者:Eric,Foresight News

2026 年 6 月,Circle 一场看似触底反弹的好戏刚刚上演就画下了休止符。USDC 的流通量截至美国当地时间 6 月 25 日已经下降到 736 亿,距离巅峰跌去 70 亿美元左右,而 Circle 的股价也一度腰斩至 63 美元附近。

看起来,70 亿连 800 亿的 10% 都不到。但作为对比,隔壁 USDT 的流通量最高曾达到 1910 亿左右,现在仍有 1863 亿左右,仅减少了 47 亿,减少的比例甚至不足 3%。

虽然没有任何证据证明 USDC 流通量的下降与 Circle 股价的下跌有直接的关系,但二者的同步以及此前 DeFi 领域的安全事件与 Circle 股价下跌时间点的巧合,意外切中了 Compass Point 分析师 Ed Engel 在今年 1 月就表达的观点:

Circle 是 DeFi 活动的晴雨表。

Engel 彼时认为,Circle 的交易方式与周期性股票类似,从 2025 年 10 月至 2026 年 1 月,USDC 的流通量曲线与 ETH 的价格走势相关系数达到了 0.66。核心的原因就是:75% 的 USDC 都在加密货币交易所、DeFi 协议等场景中流转,真正被用于日常消费、跨境支付等场景的 USDC 远没有想象的高。

翻开 Etherscan USDC 持仓地址排行,首页上有大量的合约持仓地址,这些 USDC 存在于 DeFi、交易所多签钱包、跨链桥等协议或地址中。此外,以太坊上 USDC 前 100 持仓地址就占据了 USDC 超过 50% 的份额,0.32% 的持仓地址就拿走了 93.55% 的总量。大量的 USDC 都被放在协议里,用来获得比银行存款更高的收益。

这样的数据集中度绝非一个用于日常流通的「数字美元」应有的。或许你会拿 USDT 在以太坊上更高的集中度来反驳,但 Web3 行业通过 USDT 来支付工资,外贸行业用 USDT 结算,灰黑产利用 USDT 逃避监管,第三世界国家利用 USDT 来保护存款,这些实际用例非常常见。

虽然不如 USDC 那么「光彩」,但这些场景也构筑了 USDT 的基本盘,也同时使得本应作为加密货币交易对使用最多的稳定币,在市场行情如此低迷的情况下,萎缩程度跑赢了更合规的 USDC。今天曝出的印度当地 USDT 价格已经较正常价格溢价 8% 也佐证了这一观点。

DeFi 整体的 TVL 从 4 月中旬开始下跌,也就是 Kelp DAO 被攻击事件开始,Circle 的股价则是从 5 月中旬开始下跌。虽然开始的时间有所间隔,但后续的走势基本相似。

就在上个月,Circle 与 Coinbase 合力将 USDC 推上了 Hyperliquid 结算稳定币的位置,代价是不仅需要各自质押 50 万枚 HYPE,还需要让渡 Hyperliquid 上 USDC 背后储备资产生收益的 90%。这次表面上看起来「三方共赢」的局面背后,实则藏着 Circle 的无奈:作为主战场的 DeFi 已经开始快速萎缩,Kelp DAO 事件重创了 DeFi 的公信力,等待 DeFi 自然提高 USDC 的量已经陷入瓶颈,需要 Circle「自食其力」了。

如果你仔细观察就会发现,USDC 不仅是 Hyperliquid 的结算资产,也是 Lighter 等平台的结算资产。在加密货币领域之外,Circle 也在不遗余力地推动 USDC 「被当成美元使用」。据 Artemis 数据,USDC 的「有机转账量」(即剔除刷量、高频交易、交易所整理钱包等)在 2025 年的数据是 18.3 万亿,USDT 则是 13.2 万亿。

USDC 被广泛用于机构和合规支付等场景是不争的事实,但这些场景所需要使用的 USDC 并没有想象中那么多,资金的流转可能并非始终以 USDC 的形式进行,而是将 USDC 作为「中间状态」,减少了银行或金融机构间流转的时间和资金成本。

换句话说,同样增加 100 亿枚 USDC,可能需要现实中增加数万亿美元的实际资金流转,但在链上可能就是几个大型的 DeFi 协议、Meme 币交易平台或者预测市场。USDC 在现实中的流转再快,使用率再高,USDC 的发行量上不去,收入和利润一样不会增长。

当然,这一切并不足以给 Circle「判死刑」,如果未来 Circle 可以摆脱对 DeFi 的依赖,或者证明实际生活中的使用对 USDC 发行量的增长有显著的推动效果,那么 Circle 的投资逻辑可能会被重写。但短期内,可能还是需要关注 DeFi 能否破除「收益与风险不对等」的桎梏,给市场更多的信心。

相关问答

Q根据文章,分析师Ed Engel为何将Circle称为“DeFi晴雨表”?

A分析师Ed Engel认为Circle的交易方式与周期性股票类似,其股价和USDC流通量的波动与以太坊价格及DeFi活动高度相关。数据显示,从2025年10月到2026年1月,USDC的流通量曲线与ETH的价格走势相关系数达到了0.66。其核心原因是,75%的USDC都在加密货币交易所和DeFi协议等场景中流转,因此Circle的股价和USDC流通量能敏感地反映DeFi市场的整体活跃度和风险偏好。

Q文章中提到USDC与USDT在流通量减少上有什么显著差异?这一差异反映了什么?

A文章指出,USDC流通量从高点减少了约70亿美元,而USDT流通量仅减少了约47亿美元,减少比例远低于USDC。这反映了两种稳定币基本盘的不同:USDT广泛用于支付工资、外贸结算、灰黑产及第三世界国家的储值等实际经济活动,这些场景为其提供了更稳定的需求基础,使其在市场低迷时更具韧性。相比之下,USDC高度集中在DeFi和交易所协议中,对加密货币市场的周期性波动更为敏感。

Q文章如何解释USDC在以太坊上的持仓集中度?这对USDC作为“数字美元”的定位意味着什么?

A文章引用数据指出,以太坊上USDC前100持仓地址占据了超过50%的份额,0.32%的地址就持有93.55%的总量,且首页上有大量合约地址(如DeFi协议、跨链桥)。这种极高的集中度说明大量USDC并非用于日常流通支付,而是被锁定在各种协议中赚取收益。这与一个用于广泛日常流通的“数字美元”应有的分散化特征不符,暗示其当前主要角色是作为DeFi生态中的“生息资产”而非交换媒介。

QCircle为了推广USDC使用,在加密货币领域内外采取了哪些具体措施?

A在加密货币领域内,Circle通过与Coinbase合作,将USDC推上Hyperliquid等平台的结算资产位置,并为此付出了质押代币和让渡大部分储备资产收益的代价。在加密货币领域外,Circle不遗余力地推动USDC“被当成美元使用”,例如用于机构和合规支付场景。数据显示,USDC的“有机转账量”在2025年超过了USDT,这表明其在传统金融流转中作为高效中间状态的应用正在增加。

Q文章认为,短期内影响Circle股价和USDC发展的关键因素是什么?

A文章认为,短期内影响Circle股价和USDC发展的关键因素是DeFi市场能否恢复信心和增长。目前,USDC的发行量和Circle的收入高度依赖DeFi活动。如果DeFi能够破除“收益与风险不对等”的桎梏,重建市场公信力(例如在类似Kelp DAO安全事件后),吸引更多资金流入,那么USDC的需求和Circle的业绩才可能得到提振。反之,若DeFi持续萎缩,Circle的增长将面临瓶颈。

你可能也喜欢

给Transformer变个形,LLM竟能变得更聪明

一篇名为《给Transformer变个形,LLM竟能变得更聪明》的文章介绍了一项来自Mila、康奈尔大学和蒙特利尔大学研究者的新工作。该研究提出了“锥形语言模型”概念,其核心思想是:在模型总参数量和计算量不变的前提下,不再为所有网络层均匀分配参数,而是让参数容量(如前馈网络宽度)沿着模型深度方向单调递减。 研究发现,传统Transformer等架构对所有层“一视同仁”的参数分配方式可能并非最优。多项前期研究已表明,模型的浅层和深层在功能与重要性上存在差异。研究者通过实验证实,将更多容量集中到模型前段的“头重脚轻”式分配,相比均匀分配或集中于后段的方案,能显著降低模型在验证集上的困惑度,提升预测准确性。 在440M参数的模型上,最优的余弦递减配置(前段宽度为基准1.5倍,后段为0.5倍)使困惑度改善了1.84点。这一结论在多种不同架构和更大规模的模型上也得到了验证,且未损害模型处理长上下文的能力。分析显示,深层网络更多是在“重复强调”已有信息,而非创造新理解,因此前段层更能有效利用额外容量。 这项研究指出了一个长期被忽视的设计维度:参数容量的分布形状本身就是一个有效的优化杠杆。它为提升模型性能提供了一个几乎零成本的思路,无需改变架构或增加参数,仅需重新分配已有参数。研究者认为,这一思路未来可能同样适用于视觉Transformer、扩散模型等其他领域。

marsbit14分钟前

给Transformer变个形,LLM竟能变得更聪明

marsbit14分钟前

Token不经济

这篇文章讨论了当前企业使用AI工具时普遍面临的“Token不经济”现象,即Token消耗成本与产出价值严重不匹配。文章从多个角度分析了此问题的成因。 在供给端,大模型定价策略整体抬升了使用成本。领导者如Anthropic凭借编程优势确立高端定价权,实现“好货不便宜”;追赶者如OpenAI和Google则采取价格竞争;而面向大众的经济型模型市场,因需求量爆炸式增长,价格中枢也在悄然上移。 在技术层面,智能体(Agent)工作流中存在多种结构性消耗,包括:上下文陷阱(历史信息被反复计入)、分词器黑箱(闭源模型更新导致Token计数膨胀)、技能冗余调用(大量Token耗费在无关说明上),以及多Agent协同中的“沟通税”和长任务中的“熵增”。这些技术性损耗对缺乏背景知识的普通用户尤其不友好。 更根本的挑战在于需求端。目前Token的高效应用场景高度局限于编程等数字化水平高的领域,因其能形成低成本、自动化的训练反馈闭环。然而,在大多数传统行业及物理世界任务中,由于数字化程度低、验证成本高昂,AI难以有效落地并创造显著价值,限制了Token产生实际经济收益的范围。 这种“不经济”状态加剧了产业链风险。风险向中游模型厂商集中,其与上游硬件商的“循环融资”可能滋生估值泡沫和金融风险。同时,算力扩张对水、电等资源的争抢,也对社会民生造成挤压。 文章最后指出,缓解“Token不经济”需从供给和需求两端发力。技术上进行精细化优化,如上下文压缩、技能精简和模型路由;商业上则需加强企业内部的Token成本治理,并努力在传统行业中寻找具备可行性的应用场景,跨越数字与物理世界的鸿沟。最终,行业需要回归投资回报率(ROI)这一金标准,推动AI从炫技阶段走向高效、实用的生产阶段。

marsbit37分钟前

Token不经济

marsbit37分钟前

交易

现货
活动图片