稳定币市值突破3000亿美元:为何泰达公司100亿美元利润只是开始

ambcrypto發佈於 2026-01-26更新於 2026-01-26

文章摘要

稳定币总市值突破3000亿美元,成为加密货币领域最可靠的盈利引擎。Tether(USDT)在2025年实现超过100亿美元的利润,凸显了稳定币发行机构通过规模优势和链上结算控制权获得的持续现金流。以太坊作为主要结算层,支撑了稳定币的增长,其链上稳定币供应量增长近500亿美元,超过1600亿美元,全年基于以太坊的稳定币收入约达50亿美元。 同时,现实资产代币化(RWA)平台ONDO Finance迅速崛起,总锁仓价值(TVL)在2026年1月达到约25亿美元,其中代币化美国国债占近20亿美元,代币化股票和ETF超5亿美元。RWA的增长与稳定币供应扩张密切相关,稳定币作为结算基础设施和生息资产输入,推动了RWA规模的同步扩大。这一趋势表明,RWA的增长主要由流动性驱动而非投机周期,平台如ONDO直接受益于稳定币带来的需求扩张。

当一层网络生态系统仍在通过叙事周期和投机性吞吐量炒作追逐热点时,加密货币领域最可靠的利润却悄然在其他地方累积。

稳定币已悄然发展成为该领域的主导收入引擎,其驱动力来自规模优势、普适性以及对链上结算的控制权。

因此,发行方成功将这种结构性优势转化为持续现金流,典型例证便是泰达币[USDT]在2025年实现超100亿美元的利润。

稳定币发行方已转型为大规模创收实体,而以太坊作为主导结算层,锚定了这一增长态势。

仅2025年,发行方通过以太坊链上供应量创造了约50亿美元收入。单季度收入从年初的近12亿美元增长至第四季度的约14亿美元。

同期,以太坊[ETH]上的稳定币供应量增长近500亿美元,突破1600亿美元大关。

随着储备规模扩张,基于收益的收入实现可预测增长。这一动态强化了以太坊的金融引力,深化了流动性,巩固了其作为核心链上金融基础设施的地位。

ONDO成为代币化RWA核心流动性枢纽

ONDO Finance正快速巩固其作为领先现实世界资产平台的地位,Ondo Finance[ONDO]推动总锁仓价值(TVL)在2026年1月达到约25亿美元。

2025年初其TVL刚突破10亿美元。此后,在代币化收益产品的推动下,资本呈现加速流入态势。

代币化美国国债占比近20亿美元,主要由OUSG和Ondo美元收益凭证[USDY]引领。同时,代币化股票和ETF覆盖超200种资产,规模突破5亿美元。

随着ONDO向多链扩展,其规模预示着机构对链上RWA的信心日益增强。

RWA的TVL增长是否遵循稳定币流动性周期?

RWA的TVL增长日益与稳定币供应扩张同步,揭示出清晰的流动性驱动关系。

截至2025年末,稳定币市值攀升至2800-3000亿美元区间,同期RWA的TVL扩张至约160-190亿美元。

这种并行增长反映的是功能关联而非巧合。稳定币作为结算通道和生息基础资产,支撑着代币化国债和股票的发展。

因此,当稳定币支撑的需求激增时,Ondo等平台的TVL实现翻倍突破25亿美元。

该趋势表明市场存在结构性信心,不过稳定币发行的短期停滞可能暂时抑制RWA增长势头。


核心观点

  • 稳定币已成为加密货币领域最可靠的盈利引擎,将结算规模转化为持续性现金流,同时以太坊持续强化其作为主导链上货币层级的功能
  • RWA增长始终由流动性驱动,TVL扩张与稳定币供应量紧密联动,这使得ONDO等平台成为稳定币需求驱动的受益者,而非投机周期的产物

相關問答

Q根据文章,Tether在2025年实现了多少利润?

ATether在2025年实现了超过100亿美元的利润。

Q文章中提到,到2025年底,以太坊上的稳定币供应量达到了多少?

A到2025年底,以太坊上的稳定币供应量超过了1600亿美元。

QONDO Finance的总锁定价值(TVL)在2026年1月达到了多少?

AONDO Finance的总锁定价值(TVL)在2026年1月达到了约25亿美元。

Q文章指出,现实世界资产(RWA)的TVL增长与什么因素密切相关?

A现实世界资产(RWA)的TVL增长与稳定币供应量的扩张密切相关,呈现出明显的流动性驱动关系。

Q稳定币在加密货币生态中扮演了什么核心角色?

A稳定币已成为加密货币生态中最可靠的利润引擎,将其结算规模转化为经常性现金流,并作为代币化国债和股票等现实世界资产的结算通道和生息输入。

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。

marsbit20 分鐘前

OpenAI后训练工程师翁家翌,给Agentic AI提出了新范式假设

marsbit20 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。

marsbit22 分鐘前

你的 Claude 今晚要做梦了,别打扰它

marsbit22 分鐘前

交易

現貨
合約
活动图片