Visa创建稳定币咨询团队,链上美元走向主流

cointelegraph发布于2025-12-15更新于2025-12-15

文章摘要

Visa宣布成立全球稳定币咨询团队,旨在帮助银行、商户和金融科技公司设计、推出和管理稳定币产品。该团队将提供稳定币培训、市场趋势分析、上市计划及技术集成支持,以提升支付速度并降低成本。Visa已与40多个国家合作推出超130个稳定币关联卡项目,其网络年化USDC结算量达数十亿美元。 这一举措反映了主流金融机构对加密货币态度的转变:稳定币正逐渐成为区块链支付的首选工具,而非比特币等波动性资产。PayPal、Stripe和摩根大通等企业也纷纷布局稳定币应用。ARK Invest首席执行官Cathie Wood因此下调了比特币2030年价格预期,认为稳定币在支付和新兴市场中的作用削弱了比特币的部分叙事。Visa的布局表明,稳定币将主导交易性“货币”用例,而比特币则更倾向于作为宏观抵押品和长期价值存储手段。

Visa已成立全球稳定币咨询业务部门,这个新单元将帮助银行、商户和金融科技公司设计、推出和管理稳定币产品。

这家支付巨头周一表示,新咨询部门将聚焦传统机构面临的实际操作难题,提供稳定币培训与趋势分析、市场进入规划以及稳定币整合的技术支持服务。

「稳定币可能成为提升支付速度、降低成本的机遇。在Visa支持下,我们正在评估这项技术如何融入整体战略,为全球1500万会员创造实质价值。」海军联邦信用联盟高级副总裁Matt Freedman表示。

此举表明链上美元已发展至足够规模,值得在全球最大支付网络内设立独立业务线,这并非从零开始的试探性投资。

通过稳定币咨询业务,Visa正将多年低调建设的基础设施转化为咨询服务,包括在40多个国家运营的130多个稳定币关联卡项目,以及网络上年化数十亿美元的USDC结算量。

Visa已启动全球稳定币咨询业务。来源:Visa

相关阅读:Visa通过新合作加大在欧洲、中东、非洲的稳定币布局

向稳定币轨道的全面转向

这一时机契合主流企业对待加密货币的整体转向。稳定币正取代比特币(BTC)等波动性资产,成为区块链支付的首选方式。

Stripe已推出稳定币支付和账户服务,将其作为全球创作者和平台更快速、更低成本的选择。

PayPal正将其PayPal USD(PYUSD)美元代币深度融入自身生态,包括美国YouTube创作者收益结算,而摩根大通的JPM Coin作为机构结算通道持续扩张。

相关阅读:Spark将PayPal USD纳入其稳定币借贷市场

对比特币角色的影响

链上美元的崛起正在侵蚀原本属于比特币的叙事。11月,ARK Invest首席执行官Cathie Wood将2030年比特币价格目标从150万美元下调至120万美元,明确提及稳定币接管了部分她曾预期比特币在支付和新兴市场承担的功能。

这一调整并未否定她对比特币长期「数字黄金」的论断,但承认在实践中,人们更倾向于使用区块链上的美元进行消费或规避失效的本地银行系统,而非波动性较强的实物资产。

Visa的新稳定币咨询业务凸显了这一转变。知名支付处理器开始指导银行和金融科技公司制定稳定币战略,意味着他们押注稳定币将主导交易性「货币」应用场景。与此同时,比特币正逐渐确立其作为宏观抵押品和长期价值储存手段的明确角色。

相关问答

QVisa新成立的稳定币咨询团队主要提供哪些服务?

AVisa新成立的全球稳定币咨询团队(Stablecoins Advisory Practice)主要为银行、商户和金融科技公司提供稳定币产品设计、推出和管理服务,包括提供稳定币培训和市场趋势分析、市场进入规划以及稳定币整合的技术支持。

Q为什么Visa认为稳定币在支付领域具有潜力?

AVisa认为稳定币能够提高支付速度并降低成本,因此通过新成立的咨询团队支持传统金融机构评估如何将稳定币技术纳入其全球战略,为会员提供更有价值的服务。

QVisa在稳定币基础设施方面已经取得了哪些进展?

AVisa已在全球40多个国家推出了超过130个与稳定币相关的卡项目,并在其网络上处理了数十亿美元的年化USDC结算量,这些成果为其新咨询业务提供了坚实基础。

Q主流公司如Stripe和PayPal如何推动稳定币的应用?

AStripe推出了稳定币支付和账户服务,将其作为全球创作者和平台更快速、更便宜的选择;PayPal则在其生态系统中深入推广其美元稳定币PYUSD,包括用于美国YouTube创作者的支付。

Q稳定币的兴起对比特币的角色产生了什么影响?

A稳定币的兴起开始侵蚀比特币在支付和新兴市场中的部分叙事功能,导致一些分析师如Cathie Wood调低了比特币的长期价格预测。比特币正逐渐转向宏观抵押品和长期价值存储的角色,而稳定币则主导交易性“货币”用例。

你可能也喜欢

生成模型也能端到端训练了?核心竟是一个for循环

长期以来,深度学习在图像分类、检测等任务上凭借端到端训练取得了巨大成功,但生成模型领域却始终是个例外。当前主流的自回归、扩散模型等训练时只学习预测“一小步”,推理时则需要反复展开数百上千步,这种训练与推理的不一致导致了“暴露偏差”等问题,使得生成模型一直未能实现真正的端到端训练。 最近,一篇来自UIUC与哈佛大学的论文提出了“探索式建模(Explorative Modeling,XM)”新范式,其核心是一个简单到近乎朴素的for循环:在每个训练步骤中,模型生成K个候选样本,然后仅选取其中最接近真实数据的一个样本来计算损失和回传梯度。这种做法巧妙地绕开了传统生成模型中因使用重构损失(如平方误差)而导致的“模态模糊”问题——即模型倾向于输出多个可能答案的平均值,而这个平均值往往不属于任何真实的数据模式。 XM通过这种方式,在不拆分生成过程的前提下,直接提升了模型的“生成表达力”,即模型捕捉数据分布中多个独立模式的能力。论文将“探索”验证为继模型参数量、数据量之后的第三根可扩展轴。实验表明,随着模型规模、数据量和计算量的增大,探索带来的性能收益越发显著,在图像、视频、语言等多种任务上均能带来效率与质量的提升。 更重要的是,当探索程度足够时,XM可以实现真正的端到端生成。在机器人控制等任务中,仅需一次网络前向传播的XM策略,其性能可媲美甚至超过需要上百次前向的扩散模型策略,实现了推理效率的飞跃。 尽管“最佳K样本选择”的思想并非全新,但该研究的贡献在于清晰地揭示了这一简单机制如何直接解决生成模型的核心瓶颈,并为实现高效、端到端的生成模型开辟了新的可能性。随着模型规模的持续扩大,探索这一新维度可能将发挥越来越关键的作用。

marsbit10分钟前

生成模型也能端到端训练了?核心竟是一个for循环

marsbit10分钟前

年薪百万抢电工,Meta急到自己办技校

AI竞赛正面临新的瓶颈:工地。美国正面临严重的电工、建筑工等技术工人短缺,这已成为微软、Meta、OpenAI等公司快速建设超大规模AI数据中心(如OpenAI耗资160亿美元的“星际之门”项目)的“头号障碍”。 尽管AI公司愿支付高薪(如电工年薪可达24-28万美元),远超传统行业,但熟练技工仍供不应求。麦肯锡预测,美国在2023-2030年间需额外培养13万名电工和24万名建筑工,而劳工统计局预计每年仍有8万个电工岗位空缺。这种短缺导致项目延迟,每月可能造成数百万美元的收入损失。 AI数据中心建设复杂,需应对巨大功耗(一座设施耗电堪比数十万户家庭)、复杂的配电系统以及高密度散热(需液冷技术)等挑战,因此亟需大量技术娴熟的工人。 为此,科技巨头开始亲自下场培养人才。例如,Meta投入1.15亿美元建立建筑工人培训学校,提供免费培训及生活补贴,以快速输送工人上岗。OpenAI则与建筑工会合作,提前锁定熟练劳动力。同时,企业也将招聘目光投向高中生,鼓励年轻人投身技工行业。这些举措已见成效,Z世代对技工职业的兴趣显著上升。 然而,更深层的挑战在于电力。AI数据中心用电量正以惊人速度增长,已推高部分地区的电价。此外,数据中心建设是项目制的,建设期需要成千上万的工人,但建成后仅需少量常驻人员。这意味着未来可能面临熟练工人短期过剩、并流向其他行业压低薪资的风险。如何实现劳动力与电力资源的长期平衡,仍是悬而未决的问题。

marsbit1小时前

年薪百万抢电工,Meta急到自己办技校

marsbit1小时前

交易

现货
活动图片