Circle股票反弹150%,USDC供应量创历史新高——事件解析

ambcrypto發佈於 2026-03-17更新於 2026-03-17

文章摘要

Circle(CRCL)股价从2月的低点49.9美元反弹超过150%,达到125.83美元,逆转了2025年底至2026年初的跌势。分析师认为,这一反弹主要得益于其稳定币USDC的广泛采用以及AI代理支付系统的前景推动。USDC供应量在两个月内增长13%,达到创纪录的790亿美元,且10%以上集中在Solana网络上。尽管加密货币市场整体交易收缩,USDC表现出脱钩趋势。此外,花旗研究报告预测,到2028年AI代理将通过稳定币进行交易,Circle已布局相关支付系统。尽管CRCL年内表现优于Robinhood、Coinbase等其他加密股票,华尔街分析师仍普遍给予“持有”评级,目标价看至145美元。

Circle互联网集团股票CRCL从2月份49.9美元的低点反弹超过150%——一个月内实现2.5倍涨幅。仅3月17日单日,该股就上涨9%,收盘报125.83美元。

尽管反弹显著,该股在2025年底和今年年初曾大幅下跌。随着首次公开募股(IPO)热潮消退和加密货币市场暴跌,CRCL从298美元跌至49美元,跌幅达83%。

虽然比特币反弹可能是CRCL上涨的部分原因,但分析师指出Circle稳定币USDC的采用率增长是关键驱动因素。

USDC供应量创790亿美元历史纪录

加密货币分析平台Artemis创始人Jon Ma表示,USDC的采用可能是CRCL第一季度复苏的最大催化剂。

他指出50美元是明显买入区间,并补充道:

Circle股价50美元时机会显而易见。稳定币供应量达730亿美元,同比增长25%。Citrini研究报告指出代理支付将成为2028年的赢家。

来源:Artemis

在二月份的低谷期,USDC供应量约为700亿美元。如今已扩大至790亿美元,两个月内增长13%。

在网络层面,超过10%的USDC供应量集中在Solana[SOL]上。Hyperliquid等交易平台仅过去一个月USDC供应量就增长155%。

值得注意的是,USDC推动创纪录供应量的同时,加密货币交易整体收缩。对分析师而言,这意味着稳定币正在与更广泛的加密货币市场脱钩。

Ma提到的代理支付评论引用Citrini研究报告,该报告推测到2028年AI代理将通过稳定币轨道进行交易并绕过传统中介。

事实上,Circle已经开始布局AI代理支付系统,并认为稳定币可能取代当前全球外汇(FX)市场。

CRCL能否收复关键价位?

在强劲的基本面增长中,CRCL已收复2025年底的大部分失地。若能重回125-160美元价格区间,将彻底抹平2025年下半年所有亏损。

来源:CRCL价格,TradingView

与此同时,比特币复苏也带动其他加密货币股票上涨,包括Robinhood(纳斯达克:HOOD)、Coinbase(纳斯达克:COIN)和Strategy(纳斯达克:MSTR)。值得注意的是,MSTR上涨14%,COIN过去一个月反弹22%。

但按年初至今(YTD)计算,Circle的CRCL仍然跑赢所有竞争对手。尽管实现150%涨幅,华尔街分析师对CRCL的共识评级仍是「持有」,部分机构目标价为145美元。

来源:Google财经(截至3月17日星期二格林尼治时间10:00)

最终总结

  • CRCL股票从2月份49美元低点反弹150%,彻底扭转2026年第一季度亏损
  • 分析师指出USDC采用率激增和AI代理支付是此轮暴涨的关键催化剂

相關問答

QCircle(CRCL)的股价从2月低点反弹了多少百分比?

ACircle(CRCL)的股价从2月低点49.9美元反弹了150%。

Q分析师认为CRCL股价复苏的主要催化剂是什么?

A分析师认为,Circle旗下稳定币USDC的广泛采用以及AI代理支付系统的前景是CRCL股价复苏的主要催化剂。

QUSDC的供应量目前达到了多少,创下了什么记录?

AUSDC的供应量目前已达到790亿美元,创下了历史最高记录(ATH)。

Q除了CRCL,还有哪些加密货币相关股票因比特币反弹而上涨?

A除了CRCL,Robinhood(HOOD)、Coinbase(COIN)和MicroStrategy(MSTR)等加密货币相关股票也因比特币反弹而上涨。

Q华尔街分析师对CRCL股票的共识评级是什么?

A华尔街分析师对CRCL股票的共识评级是“持有”(HOLD),部分分析师给出的目标价为145美元。

你可能也喜歡

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。

marsbit25 分鐘前

OpenAI后训练工程师翁家翌,给Agentic AI提出了新范式假设

marsbit25 分鐘前

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。

marsbit27 分鐘前

你的 Claude 今晚要做梦了,别打扰它

marsbit27 分鐘前

交易

現貨
合約
活动图片