代币化资产突破210亿美元,新兴链是否开始崭露头角?

ambcrypto發佈於 2026-01-23更新於 2026-01-23

文章摘要

代币化现实世界资产(RWA)总锁仓价值(TVL)已突破210亿美元,其中美国国债占比最高,达90亿美元以上,大宗商品和私人信贷分别以约37亿和25亿美元紧随其后。尽管以太坊承载了大部分资产,但Arbitrum等新兴链也开始受到关注。据麦肯锡和波士顿咨询集团预测,到2030年,代币化资产规模可能达到2-4万亿甚至16万亿美元。以太坊凭借流动性、成熟生态和开发者支持成为当前首选,但其主导地位能否持续仍存疑,新的RWA需求可能正在其他链上形成。

代币化现实世界资产(RWA)取得重大进展,其总锁定价值(TVL)现已突破210亿美元。虽然以太坊[ETH]承载了这些资产的大部分,但像Arbitrum[ARB]这样相对较小的网络也吸引了众多关注。

超越利基市场地位

最新数据显示,在210亿美元代币化RWA TVL中,美国国债占据主导地位,超过90亿美元。其次是大宗商品,约37亿美元,私人信贷约为25亿美元。

公司债券和机构基金占比也在持续增长,而房地产和私募股权规模较小但同样存在。

除当前数据外,麦肯锡预计到2030年代币化资产规模可能达到2-4万亿美元。此外,波士顿咨询集团预测了更大的16万亿美元市场规模。

显然还存在巨大的扩张空间。

以太坊仍是主战场

虽然RWA市场规模相对较小,但目前大多数代币化资产都在以太坊上。根据Token Terminal数据,该网络承载着近2000亿美元的代币化价值,涵盖稳定币、代币化基金、大宗商品和股票。

目前,稳定币以绝对优势占据最大份额——远超其他类别。

这些数字明显体现了以太坊在代币化基础设施领域的早期领先优势。流动性、成熟的生态系统和开发者支持使其成为目前RWA的首选平台。

但是,这种主导地位能持续多久?

新的RWA需求可能正在其他地方形成...

相關問答

Q目前代币化现实世界资产(RWAs)的总锁定价值(TVL)达到了多少?

A目前代币化现实世界资产的总锁定价值(TVL)已超过210亿美元。

Q在代币化RWAs TVL中,哪类资产占据主导地位?价值是多少?

A美国国债债务在代币化RWAs TVL中占据主导地位,价值超过90亿美元。

Q除了以太坊,还有哪些区块链网络在代币化资产领域受到关注?

A除了以太坊,相对较小的网络如Arbitrum(ARB)也吸引了关注。

Q麦肯锡和波士顿咨询集团对2030年代币化资产市场的规模预测分别是多少?

A麦肯锡估计到2030年代币化资产可能达到2-4万亿美元,而波士顿咨询集团预测了一个更大的市场规模,达到16万亿美元。

Q以太坊在代币化资产中的主导地位得益于哪些因素?

A以太坊的主导地位得益于其流动性、成熟的生态系统和开发者支持,这些因素使其成为代币化现实世界资产的首选平台。

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。

marsbit26 分鐘前

OpenAI后训练工程师翁家翌,给Agentic AI提出了新范式假设

marsbit26 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。

marsbit28 分鐘前

你的 Claude 今晚要做梦了,别打扰它

marsbit28 分鐘前

交易

現貨
合約
活动图片