观点:大部分代币化资产,仍是传统金融的链上包装纸

marsbit發佈於 2026-05-25更新於 2026-05-25

文章摘要

当前代币化资产市场增长迅速,但成熟度不足。根据2026年一项对593种代币化资产的调查,77.6%的资产仍属于“包装型”——即代币仅在链上流通,而发行、赎回、托管等核心生命周期环节仍完全依赖传统链下系统,本质是传统资产的数字包装纸。 仅11.1%的资产属于“混合型”,这是市场真正的转型点。这类资产开始将部分关键流程(如转账逻辑、结算、收益累积或部分合规控制)迁移到链上,实现了从“包装”到部分“链上运营”的转变。 真正的“原生型”资产极为罕见,仅占2.7%。它要求资产的全部生命周期(包括发行、赎回、托管和可组合性)都在链上,运营模式彻底重构,目前达标者寥寥无几。 这一框架解释了为何稳定币在体验上远超大多数RWA(现实世界资产):稳定币是设计于链上、运行于链上的金融原语,而多数RWA代币化产品仍是传统流程的数字化外壳。 未来市场的关键分化,将不再围绕“是否代币化”,而在于“资产生命周期有多少真正迁移到了链上”。从“链上分发”迈向“链上运营”,才是下一阶段发展的核心。

作者:Yaroslav Writtle

编译:深潮 TechFlow

深潮导读:RWA 赛道喊了这么久,但 77.6%的代币化资产仍只是"链上包装纸"——代币在链上,发行、赎回、托管全在链下。真正值得关注的是那 11.1%的"混合型"资产,它们正在把部分生命周期搬到链上。这解释了为什么稳定币感觉远超其他 RWA:它们是真正的链上金融原语,而非传统流程的数字外壳。

市场规模增长快于市场成熟度

理解这个市场的有效方式,不是看代币化与否。

而是看:

  • 包装型
  • 混合型
  • 原生型

2026 年一项涵盖 593 种代币化资产的市场调查显示,460 种资产或 77.6%仍被归类为包装型。仅 66 种资产或 11.1%属于混合型,只有 16 种资产或 2.7%达到原生状态。

这才是市场的真实形态。

包装型仍是默认形式

大多数代币化资产改善的是分发,而非基础设施。

代币存在于链上。

生命周期大部分不在。

发行、赎回、托管、转账权限、定价和投资者准入仍严重依赖链下系统。

所以表面增长可能是真实的,但链上自主性依然很低。

混合型才是真正转型开始的地方

混合型是市场中值得关注的部分。

这是生命周期的某些环节开始转移到链上的地方:

  • 转账逻辑
  • 结算流程
  • 收益率累积
  • 部分合规或访问控制

不是完全原生。

但不再只是包装纸。

这个中间类别仍然很小,这就是为什么市场感觉比实际进展更快的原因。

原生型罕见是有原因的

原生资产罕见,因为门槛很高。

要达到那个水平,不仅仅是代币要上链。

运营模式也必须上链。

这包括:

  • 发行和赎回
  • 转账执行
  • 托管假设
  • 与其他系统的可组合性

如今真正达到这个标准的资产寥寥无几。

稳定币看起来仍领先其他资产

这也有助于解释为什么稳定币在结构上仍感觉领先于大多数 RWA。

它们更接近真正的链上金融原语。

许多其他代币化资产仍像是传统流程的数字包装纸,而非真正运行在链上金融系统内的资产。

接下来什么最重要

市场不需要更多证明资产可以上链。

现在更有用的问题是,生命周期的哪些部分真正随之迁移了。

这才是下一轮分化发生的地方。

不是代币化与非代币化之间。

而是仍在链上分发的资产,与开始在链上运营的资产之间。

相關問答

Q文章认为当前代币化资产市场的主要问题是什么?

A文章认为当前市场的主要问题是,绝大多数(77.6%)所谓的代币化资产实际上只是“链上包装纸”或“包装型”资产。这些资产的代币虽然在区块链上,但其核心的生命周期环节——如发行、赎回、托管、定价和投资者准入——仍然完全依赖传统的链下系统和流程。这导致市场表面的增长并未带来真正的链上自主性。

Q文章将代币化资产分为哪三类?其中哪一类被认为是市场转型的真正开始?

A文章将代币化资产分为三类:包装型、混合型和原生型。其中,“混合型”资产被认为是市场真正开始转型的部分。这类资产开始将部分生命周期环节(如转账逻辑、结算流程、收益率累积)转移到链上,不再仅仅是传统资产的“数字包装纸”,代表了资产从链下向链上运营过渡的中间形态。

Q为什么文章说稳定币在结构上感觉领先于大多数RWA(真实世界资产)?

A文章指出,稳定币在结构上感觉领先于大多数RWA,是因为它们更接近于“真正的链上金融原语”。与许多其他代币化资产不同,稳定币的核心运营和生命周期更多是在链上实现的,而非仅仅是传统流程的数字外壳。这解释了为什么稳定币在现实中比其他RWA应用更广泛、更成熟。

Q根据文章,什么样的资产才能算作“原生型”代币化资产?

A根据文章,要成为“原生型”代币化资产,门槛非常高。这不仅仅意味着资产以代币形式存在于链上,更重要的是其整个运营模式都必须上链。这包括资产的发行与赎回、转账执行、托管假设,以及与其他链上系统的可组合性。目前真正达到这个标准的资产寥寥无几。

Q文章认为下一阶段市场发展的关键分化将发生在哪里?

A文章认为,下一阶段市场发展的关键分化将不再是“代币化与非代币化”之间,而是存在于两类资产之间:一类是仅仅在链上进行分发的资产(即“包装型”),另一类是开始在链上进行实际运营和生命周期管理的资产(即“混合型”和“原生型”)。市场需要关注的是资产生命周期的哪些部分真正迁移到了链上,这将是下一轮价值分化的核心。

你可能也喜歡

Marvell 大涨 32% 后,藏在背后的华人芯片家族浮出水面

Marvell股价单日大涨32.5%,创历史新高,过去一年涨幅达265%。其直接催化因素是英伟达CEO黄仁勋在Computex大会上将Marvell的定制ASIC和光互连技术称为“AI数据中心架构的核心”。这背后浮现出一个华人芯片家族——戴氏兄妹及其家族的产业网络。 戴家三兄妹均毕业于加州伯克利电子工程专业。小妹戴伟立与丈夫Sehat Sutardja于1995年在硅谷创办Marvell。大哥戴伟民于2001年在上海创办芯原股份,成为中国“半导体IP第一股”。二哥戴伟进创办的图芯后来被芯原收购。 过去三十年,戴氏兄妹及其关联家族共创立或深度参与六家公司,其中两家上市,四家被并购。他们精准踩中了半导体产业多次范式切换的节点:从PC时代(无晶圆厂模式、EDA工具)、移动互联网时代(IP授权、嵌入式GPU),到如今的AI与后摩尔时代(芯粒、先进封装、AI专用芯片)。 更深层的是“戴+Sutardja”两个华人家族的联姻与合作,构筑了一张横跨中美、连接产业链多环节的产业网络。戴家在中国半导体生态根基深厚,而Sutardja家族则拥有延伸至东南亚和欧洲的工程师网络与产能调度能力。他们共同投资或孵化了至少15家公司,覆盖芯粒时代所需的IP、互连标准、封装工厂、专用计算芯片等关键层面,形成了一个规模可观、分散但协同的资产组合。 Marvell此轮上涨的逻辑在于抓住了AI数据中心的新瓶颈:定制ASIC和高速互连。而戴+Sutardja家族的产业布局,如芯原(一站式ASIC定制)、Silicon Box(先进封装工厂)、以及被Arm收购的Dream Big(AI SuperNIC)、被高通收购的Alphawave(高速互连IP)等,均与这一逻辑高度重叠。他们走的是一条提供开放标准关键组件、构建核心产能、并通过并购或本土龙头模式实现价值的路径,虽难以诞生下一个平台巨头,却能在产业生态中持续保有重要影响力和多次成功退出的机会。

marsbit53 分鐘前

Marvell 大涨 32% 后,藏在背后的华人芯片家族浮出水面

marsbit53 分鐘前

微软很怕被AI巨头架空

微软与OpenAI的亲密联盟正在瓦解。2026年6月的Build开发者大会上,微软CEO纳德拉发布了七款自研AI模型、AI工作站及企业Agent治理平台,核心目标是摆脱对OpenAI的依赖。 转折点发生在4月27日,双方修订协议:微软对OpenAI模型的独家授权变为非独占,OpenAI可与其他云服务商合作,微软也不再支付收入分成。这意味着微软用130亿美元筑起的护城河被打破,从独家伙伴变为众多云服务商之一。 尽管微软AI业务年化收入达370亿美元,但主要来自为OpenAI等公司提供算力,赚的是基础设施的钱。其直接面向用户的Copilot市场份额却在下滑,用户活跃度不高,微软面临“赚钱但不是主角”的困境。 为此,微软将战略重心转向企业市场。Build大会聚焦开发者和企业,推出了AI工作站、Agent治理平台和安全容器等,旨在构建企业AI的操作系统——即管理、合规和安全运行各类AI模型的平台层。纳德拉押注:当模型本身日益成为可替换的基础设施时,控制企业AI的管理平台将成为新的制高点。 其深层焦虑在于,随着OpenAI和Anthropic筹备上市并获得独立算力,它们对Azure的依赖将降低,可能动摇微软的AI收入根基。因此,微软必须抢在盟友完全独立前,构筑更深层的、不可替代的企业服务生态,以避免从AI时代的驾驶员再次沦为旁观者。

marsbit1 小時前

微软很怕被AI巨头架空

marsbit1 小時前

CPU,悄悄回到了AI算力的舞台中央

过去三年,AI算力的焦点几乎全在GPU上,CPU长期被视为次要的“配套”角色。然而,2026年起,这一叙事开始出现变化。英特尔推出至强6+处理器,强调其在AI基础设施中作为“控制平面”的角色,负责编排、并发与数据流动,而非仅仅是GPU的辅助。 这种转变源于AI工作负载的变化。早期重心是高度并行的大模型训练,GPU占绝对主导。但随着AI进入推理与智能体时代,工作负载转变为部署已训练模型到实际业务中,涉及大量任务调度、多模型协作、并发请求处理和数据流管理。这类编排任务GPU并不擅长,反而成为了新的系统瓶颈。因此,CPU在处理这些“周边算力需求”上变得至关重要。 至强6+的产品定义反映了这一判断:它采用高密度能效核设计,核心数多达288个,重点追求多任务并发吞吐能力,而非传统意义上的单核峰值性能。这瞄准了智能体AI所需的高密度、高能效工作负载。 然而,CPU的“回归”并非英特尔一家之事,也面临多重挑战:英伟达通过Grace CPU等方案试图整合CPU角色;主要云厂商纷纷自研高能效ARM架构CPU;同时,至强6+所依赖的Intel 18A制程也需在良率、性能上与台积电N2等竞争。 总而言之,随着AI从集中训练迈向大规模智能体部署,负责系统编排和数据流动的CPU价值被重新发现和定义。虽然CPU回归AI算力核心舞台的趋势已现,但最终由哪家厂商主导这场回归,答案仍未可知。

marsbit1 小時前

CPU,悄悄回到了AI算力的舞台中央

marsbit1 小時前

交易

現貨
合約
活动图片