今日XRP新闻:托管解锁释放10亿代币进入流通,接下来会发生什么?

ambcrypto發佈於 2026-03-03更新於 2026-03-03

文章摘要

3月1日,以太坊和瑞波网络出现大规模资金流动。先是3亿美元USDC在以太坊上转移,随后瑞波分两批从托管账户中释放共计7亿枚XRP(先2亿后5亿),加上之前一笔3亿XRP解锁,近期总释放量达10亿XRP。这些流动均来自机构级托管储备,属于计划内的资金调配而非市场抛售。同步的多链流动性转移可能预示机构正在为结算或资金配置做准备。目前XRP流通供应量稳定增长至610.9亿,但交易所流入量保持平稳,衍生品市场未出现剧烈波动,持仓量和多空比率均显示市场情绪中性。整体表明近期流动性流动处于受控状态,未对市场价格结构造成冲击。

3月1日出现大额转账,表明以太坊[ETH]和瑞波[XRP]网络上的托管控制储备金存在协同活动。

最初,3亿美元的USDC在以太坊钱包间流动,显示出机构级别的流动性管理。

随后注意力转向瑞波,2亿XRP通过结构化释放从托管账户转出。

紧接着又有5亿XRP从托管中释放。虽然此类释放遵循瑞波定期的资金库操作,但时机选择将新供应量投入了相对薄弱的市场。

最后一次解锁量为3亿XRP。

瑞波的转账总计达7亿XRP,凸显了资金库驱动的流动性分配规模。

加上早先3亿美元的以太坊交易,累计资金流动接近约10亿美元。

这些转账来自托管储备,代表受控的资金库分配而非冲动性市场抛售。

同时,以太坊和瑞波的同步流动暗示了更广泛的流动性布局。

大型实体在为结算活动或机构分配做准备时,通常会跨链重新配置资金。因此,近乎同步的托管释放表明这是有意的资金调动。

此类协同流动往往预示着流动性状况的变化,因为主要参与者在为即将到来的市场活动做准备。

XRP供应显示链上流动性变化

瑞波的托管机制继续通过结构化月度解锁来调节XRP供应。每月有10亿XRP解锁,未使用部分返回托管。

截至3月2日,流通供应量达到610.9亿XRP,较1月底的607.5亿有所上升,符合典型的2-3亿净释放模式。

然而交易所流入量保持稳定,这表明是内部资金库流动而非公开市场分配。

与此同时,3亿美元的USDC转账可能反映了DeFi流动性再平衡。

因此,XRP托管活动和USDC流动都凸显了受控的机构流动性布局,而非破坏性市场供应。

市场对XRP流动性流动反应有限

早先的托管活动后,衍生品数据显示XRP市场的投机反应有限。未平仓合约维持在22.4亿美元附近,远低于2025年7月109亿美元的峰值。

这种稳定表明近期资金流动并未引发激进杠杆扩张。

同时多空比率保持在1.04的平衡状态,反映期货交易者持中性立场。资金费率徘徊在0.01%附近,进一步表明缺乏方向性压力。

现货市场活动也有所降温,24小时内交易量下降25.1%。

这些信号共同表明,在机构资金流吸收近期转账而未破坏价格结构的情况下,流动性仍然得到缓冲。

最终总结

相關問答

Q3月1日,Ripple从托管账户中释放了多少XRP?

ARipple在3月1日分两批从托管账户中释放了总计7亿枚XRP,其中先释放了2亿枚,随后又释放了5亿枚。

Q除了XRP,还有哪种加密货币出现了大额转移?转移的金额是多少?

A除了XRP,以太坊网络上出现了3亿美元的USDC稳定币大额转移。

Q文章中提到这些大额转移是 impulsive market selling(冲动性市场抛售)吗?为什么?

A不是。文章明确指出,这些转移来自托管储备,代表了受控的国库资金分配,而非冲动性的市场抛售。

Q根据文章,XRP的期货市场对这次托管解锁反应如何?

AXRP期货市场的反应有限。未平仓合约维持在22.4亿美元,远低于峰值;多空比率保持平衡为1.04;资金费率接近0.01%,表明没有方向性压力,投机活动并未激增。

QRipple的托管机制是如何运作的?

ARipple的托管机制通过结构化的月度解锁来调节XRP供应。每个月会有10亿枚XRP解锁,而未使用的部分则会重新返回到托管账户中。

你可能也喜歡

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 小時前

年薪百万抢电工,Meta急到自己办技校

marsbit1 小時前

OpenAI 不靠最贵的模型卖钱了

OpenAI近期调整了API定价策略,旗舰模型GPT-5.6 Luna降价80%,Terra降价20%,而顶级模型Sol未降价但新增了更快的“Fast”模式。此次调整的核心并非单纯的价格战,而是标志着OpenAI首次引导用户根据任务需求选择不同模型,而非一味追求最强模型。官方建议复杂任务可由Sol进行规划,再由Luna等成本更优的模型执行。 此举与Anthropic近期推出半价替代旗舰的Claude Opus 5策略相似,显示硅谷领先公司正形成默契:旗舰模型(如Sol、Fable)的角色正从直接盈利转向树立技术品牌和探索上限,而商业化走量和利润则主要由中端及性价比模型(如Luna、Opus)承担。这类似于汽车等行业“旗舰立形象,走量车型赚利润”的模式。 更深层的变化在于成本下降的驱动力。OpenAI透露,此次降价部分得益于由Sol模型自身参与优化底层生产内核,实现了效率提升与成本降低,开启了“模型优化模型”的自我加速循环。 行业竞争焦点正从“谁最聪明”的单项性能比拼,转向为企业提供基于任务重要性、出错成本、规模等因素的“模型组合”最优解,追求整体ROI。这类似于云计算按数据冷热使用不同存储的策略。 OpenAI的长期战略日益清晰:其真正目标并非依靠单一模型的高毛利,而是通过极低的调用成本构建庞大的开发者生态与调用量,形成类似操作系统或云平台的渗透率与用户粘性。当API调用成本低至可被忽略,AI将如水电般无缝嵌入所有业务流程,其发展也将从追求智能巅峰的“产品时代”,进入驱动全面自动化与效率的“基础设施时代”。

marsbit1 小時前

OpenAI 不靠最贵的模型卖钱了

marsbit1 小時前

交易

現貨
活动图片