穩定幣支付的隱秘中心化景觀：前1000個錢包掌控了85%的交易量

原文标题：从零开始的稳定币支付

原文来源：Artemis

原文編譯：深潮 Techflow

本報告實證分析了稳定币的支付使用情況，涵蓋了個人對個人（P2P）、企業對企業（B2B）以及個人與企業之間（P2B/B2P）的交易。

本報告通過對稳定币支付使用情況進行實證分析，研究了個人對個人（P2P）、企業對企業（B2B）以及個人與企業之間（P2B/B2P）的交易模式。我們利用 Artemis 數據集，該數據集提供了錢包地址的元數據，包括地理位置估算、機構所有權標籤以及智能合約識別。通過發送方和接收方錢包的特徵，我們對交易進行了分類。分析的重點放在以太坊（Ethereum）網路上，該網路承載了全球約 52% 的稳定币供應量。

我們主要研究了兩種主流稳定币：USDT 和 USDC，它們共同佔據了市場份額的 88%。儘管過去一年中稳定币的採用率和監管關注度顯著提高，但一個關鍵問題仍未得到解答：稳定币在支付中的實際使用情況與其他活動相比如何？ 本報告旨在揭示稳定币支付採用的主要驅動力，並為預測未來趨勢提供見解。

1. 背景

近年來，稳定币的採用率顯著增長，其供應量已達到 2000 億美元，目前每月的原始轉帳總量已超過 4 萬億美元。儘管區塊鏈網路提供了完全透明的交易記錄，並且所有交易都可以被分析，但由於這些網路的匿名性以及缺乏關於交易目的（例如，國內支付、跨境支付、交易等）的信息，進行交易和用戶分析仍然十分困難。

此外，在以太坊等網路上使用智能合約和自動化交易會進一步增加分析的複雜性，因為單筆交易可能涉及與多個智能合約和代幣的交互。因此，一個尚未解決的關鍵問題是，如何評估稳定币當前在支付領域的使用情況與其他活動（如交易）之間的占比。儘管許多研究人員正在努力解決這一複雜問題，本報告旨在提供額外的方法來評估稳定币的使用情況，特別是支付用途。

總體而言，評估穩定幣使用情況（尤其是支付用途）有兩種主要方法。

第一種方法是過濾法（filtering approach），該方法使用原始區塊鏈交易數據，並通過過濾技術去除噪音，從而更準確地估算穩定幣的支付使用情況。

第二種方法是對主要的穩定幣支付提供商進行調查，並基於其披露的支付數據來估算穩定幣的活動。

Visa 聯合 Allium Labs 開發的 Visa Onchain Analytics Dashboard 採用了第一種方法。他們通過過濾技術減少原始數據中的噪音，從而提供了更清晰的穩定幣活動信息。研究表明，在過濾了原始數據後，總體月度穩定幣交易量從約 5 萬億美元（總交易量）降至 1 萬億美元（調整後交易量）。如果僅考慮零售交易量（單筆交易金額低於 250 美元的交易），交易量僅為 60 億美元。我們採用了與 Visa Onchain Analytics Dashboard 相似的過濾方法，但我們的方法更專注於將交易明確標記為支付用途。

第二種方法基於公司調查數據，已在《Fireblocks 2025 年穩定幣現狀報告》和《從零開始的穩定幣支付報告》中應用。這兩份報告利用區塊鏈支付市場主要公司的披露信息，估算了穩定幣在支付中的直接使用情況。特別是《從零開始的穩定幣支付報告》提供了穩定幣支付交易量的總體估算，並將這些支付劃分為 B2B（企業對企業）、B2C（企業對個人）、P2P（個人對個人）等類別。報告顯示，截至 2025 年 2 月，年度結算總額約為 723 億美元，其中大部分為 B2B 交易。

本研究的主要貢獻在於應用數據過濾方法來估算鏈上支付中穩定幣的使用情況。研究結果揭示了穩定幣的使用情況，並提供了更準確的估算。此外，我們還為研究人員提供了使用數據過濾方法處理原始區塊鏈數據、降低噪音並改進估算的指導。

2. 數據

我們的數據集涵蓋了 2024 年 8 月至 2025 年 8 月期間以太坊區塊鏈上的所有穩定幣交易。分析的重點是涉及兩種主要穩定幣 USDC 和 USDT 的交易。之所以選擇這兩種穩定幣，是因為它們的市場佔有率較高且價格穩定性較強，從而降低了分析過程中的噪音。我們僅關注轉帳交易，排除了鑄造（mint）、銷毀（burn）或跨鏈橋（bridge）交易。表 1 總結了我們分析所用數據集的總體情況。

表 1：交易類型彙總

3. 方法與結果

在本節中，我們詳細說明用以分析穩定幣使用情況的方法，重點關注支付交易。首先，我們通過區分涉及與智能合約互動的交易和表示 EOA（外部帳戶）之間轉帳的交易，對數據進行過濾，並將後者歸類為支付交易。此過程詳見第 3.1 節。隨後，第 3.2 節解釋了如何利用 Artemis 提供的 EOA 帳戶標籤數據，將支付交易進一步分類為 P2P、B2B、B2P、P2B 和內部 B 類交易。最後，第 3.3 節分析了穩定幣交易的集中度。

3.1 穩定幣支付（EOA）與智能合約交易

在去中心化金融（DeFi）領域，許多交易涉及與智能合約的互動，並在同一筆交易中組合了多種金融操作，例如通過多個流動性池交換一種代幣為另一種代幣。這種複雜性使得僅針對支付用途分析穩定幣的使用情況變得更加困難。

為簡化分析並提高對穩定幣區塊鏈交易進行支付標記的能力，我們將穩定幣支付定義為任何 ERC-20 穩定幣從一個 EOA 地址轉帳到另一個 EOA 地址的交易（不包括鑄造和銷毀交易）。任何未被標記為支付的交易將被歸類為智能合約交易，包括所有涉及與智能合約互動的交易（例如，主要為 DeFi 交易）。

圖 1 顯示，大多數用戶之間的支付（EOA-EOA）是直接完成的，每個交易哈希值僅對應一次轉帳。同一交易哈希值內的一些多 EOA-EOA 轉帳主要通過聚合器完成，這表明簡單轉帳中使用聚合器的情況仍然較少。相比之下，智能合約交易的分佈則有所不同，其中包含更多的多次轉帳交易。這表明，在 DeFi 操作中，穩定幣通常在不同的應用程序和路由器之間流轉，最終返回到 EOA 帳戶。

圖 1：

*本分析樣本數據涵蓋了 2025 年 7 月 4 日至 2025 年 7 月 31 日期間的交易。

根據表 2 和圖 2，以交易數量而言，支付（EOA-EOA）和智能合約交易（DeFi）比例約為 50:50，而智能合約交易佔交易量的 53.2%。然而，圖 2 顯示，交易量（轉帳總額）比交易數量的波動性更大，這表明主要是機構的大額 EOA-EOA 轉帳導致了這些波動。

表 2：交易類型摘要

圖 2：

圖 3 探討了支付（EOA-EOA）與智能合約交易的交易金額分佈。支付交易和智能合約交易的金額分佈均類似於厚尾正態分佈，平均值約為 100 美元至 1000 美元。

然而，交易金額低於 0.1 美元的交易出現了顯著的峰值，這可能表明存在機器人活動或與虛假交易活動和刷單交易相關的交易操控行為，這一點與 Halaburda 等人（2025 年）和 Cong 等人（2023 年）的描述一致。

由於以太坊的 Gas 費用通常超過 0.1 美元，因此低於該閾值的交易需要進一步仔細檢查並可能從分析中排除。

圖 3：

本次分析使用的數據樣本涵蓋了 2025 年 7 月 4 日至 2025 年 7 月 31 日的交易記錄。

3.2 支付類型

通過使用 Artemis 提供的標籤信息，可以對兩個 EOA（外部帳戶）之間的支付進行進一步分析。Artemis 為許多以太坊錢包地址提供了標籤信息，能夠識別出由機構（例如 Coinbase）擁有的錢包。我們將支付交易分為五類：P2P、B2B、B2P、P2B 和內部 B 類。以下是每個類別的詳細描述。

P2P 支付：

P2P（個人對個人）區塊鏈支付是指通過區塊鏈網絡直接從一個用戶向另一個用戶轉帳資金的交易。在基於帳戶的區塊鏈（如以太坊）中，這類 P2P 交易被定義為數字資產從一個用戶的錢包（EOA 帳戶）轉移至另一個用戶的 EOA 錢包的過程。所有交易都在區塊鏈上記錄並得到驗證，無需中間機構參與。

主要挑戰：

識別帳戶系統中兩個錢包之間的交易是否確實發生在兩個獨立主體（即個人而非公司）之間，並正確歸類為 P2P 交易是一項主要挑戰。例如，用戶在其自己帳戶之間轉帳（即 Sybil 帳戶）不應被計入 P2P 交易。然而，如果我們簡單地將所有 EOA（外部帳戶）之間的交易定義為 P2P 交易，則可能會將此類轉帳錯誤地歸類為 P2P。

另一個問題是，當一個 EOA 帳戶由公司擁有時，例如中心化交易平台（CEX，如 Coinbase），該 EOA 錢包實際上並非由真實的個人擁有。在我們的數據集中，我們能夠為許多機構和公司 EOA 錢包添加標籤；然而，由於標籤信息並不完整，一些由公司擁有但未記錄在我們數據集中的 EOA 錢包可能被錯誤地標記為個人錢包。

最後，這種方法無法捕捉通過中介機構進行的區塊鏈 P2P 支付——也被稱為「穩定幣三明治」模型。在這種模型中，資金通過利用區塊鏈進行結算的中介機構在用戶之間轉移。具體來說，法幣首先被發送至中介機構，中介機構將其轉換為加密貨幣，然後資金通過區塊鏈網路轉移，最後由接收方的中介機構（可以是同一個或不同的中介機構）將其轉換回法幣。區塊鏈轉帳是「三明治」的「中間層」，而法幣的轉換則構成了「外層」。識別這些交易的主要挑戰在於，它們是由中介機構執行的，中介可能會將多筆交易捆綁在一起以減少 Gas 費用。因此，一些關鍵數據（如確切的交易金額和涉及的用戶數量）僅在中介機構的平台上可用。

B2B 支付：

企業對企業（B2B）交易是指通過區塊鏈網路從一個企業向另一個企業進行的電子轉帳。在我們的數據集中，穩定幣支付是指兩個已知的機構 EOA 錢包之間的轉帳，例如從 Coinbase 轉帳到 Binance。

內部 B 支付：

同一機構的兩個 EOA 錢包之間的交易被標記為內部 B 類交易。

P2B（或 B2P）支付：

個人對企業（P2B）或企業對個人（B2P）交易是指個人與企業之間的電子轉帳，交易可以是雙向的。

通過這種標籤方法，我們分析了支付數據（僅限 EOA-EOA 轉帳），主要結果匯總在表 3 中。數據顯示，67% 的 EOA-EOA 交易屬於 P2P 類型，但它們僅占支付總量的 24%。這一結果進一步表明，與機構相比，P2P 用戶的轉帳金額較低。此外，支付交易量最高的類別之一是內部 B 類，這意味著同一組織內的轉帳佔了很大比例。探討內部 B 類交易的具體含義以及如何在支付活動分析中統計它們，仍然是一個值得研究的有趣問題。

表 3：按支付類別劃分的交易分佈

最後，圖 4 顯示了按每個支付類別劃分的交易金額累積分佈函數（CDF）。從 CDF 中可以清楚地看到，不同類別的交易金額分佈存在明顯差異。大多數 EOA-EOA 帳戶中交易金額低於 0.1 美元的交易為 P2P 類型，這進一步證明這些交易可能更多是由機器人和被操控的錢包驅動的，而非由我們數據集中標記的機構發起。此外，P2P 交易的 CDF 進一步支持了大多數交易金額較小的觀點，而被標記為 B2B 和內部 B 類的交易，其 CDF 顯示交易金額顯著更高。最後，P2B 和 B2P 交易的 CDF 介於 P2P 和 B2B 之間。

圖 4：

本分析樣本數據涵蓋了 2025 年 7 月 4 日至 2025 年 7 月 31 日期間的交易記錄。

圖 5 和圖 6 展示了每個支付類別隨時間的變化趨勢。

圖 5 聚焦於按周計算的變化情況，顯示所有類別的支付交易量呈現出一致的採用趨勢和周交易量的增長。表 4 進一步總結了 2024 年 8 月至 2025 年 8 月期間的總體變化。

此外，圖 6 展示了工作日與週末之間的支付差異，可以清晰地看到週末的支付交易量有所減少。總體來看，所有類別的支付交易在工作日和週末的使用量隨時間均呈增長趨勢。

圖 5：

圖 6：

表 4：支付交易量、交易次數及交易金額隨時間變化

3.3 穩定幣交易的集中度

在圖 9 中，我們計算了通過以太坊區塊鏈發送穩定幣的主要寄送方錢包的集中度。顯然，大多數穩定幣的轉帳量集中在少數錢包中。在我們的樣本期間，排名前 1,000 的錢包貢獻了約 84% 的交易量。

這表明，儘管 DeFi 和區塊鏈旨在支持和促進去中心化，但在某些方面仍然表現出高度的集中化特徵。

圖 9：

本次分析使用的數據樣本涵蓋了 2025 年 7 月 4 日至 2025 年 7 月 31 日的交易記錄。

4. 討論

顯而易見，穩定幣的採用率正在隨著時間不斷提高，其交易量和交易次數在 2024 年 8 月至 2025 年 8 月期間翻了一倍以上。估算穩定幣在支付中的使用情況是一項具有挑戰性的任務，越來越多的工具正在被開發以幫助改進這一估算。本研究利用 Artemis 提供的標籤數據，探討並估算了記錄在區塊鏈（以太坊）上的穩定幣支付使用情況。

我們的估算結果表明，穩定幣支付佔總交易量的 47%（如果不包括內部 B 類交易，則為 35%）。由於我們對支付分類的限制較少（主要基於 EOA-EOA 轉帳），這一估算可以被視為上限。然而，研究人員可以根據自身的研究目標，進一步應用如交易金額上下限等過濾方法。例如，增加 0.1 美元的最低金額限制可以排除第 3.1 节提到的低金額交易操控。

在第 3.2 节中，通過使用 Artemis 標籤數據進一步將支付交易分為 P2P、B2B、P2B、B2P 和內部 B 類交易，我們發現 P2P 支付僅占總支付交易量的 23.7%（所有原始數據）或 11.3%（不包括內部 B 類交易）。此前的研究指出，P2P 支付大約占穩定幣支付的 25%，我們的結果與之相近。

最後，在第 3.3 節中，我們觀察到，從交易量來看，大多數穩定幣交易集中在排名前 1,000 的錢包中。這引發了一個有趣的問題：穩定幣的使用是作為由中介機構和大型公司推動的支付工具發展，還是作為 P2P 交易結算工具發展？時間將揭示答案。

參考資料

<1> Yaish, A., Chemaya, N., Cong, L. W., & Malkhi, D. (2025). Inequality in the Age of Pseudonymity. arXiv preprint arXiv:2508.04668.

<2> Awrey, D., Jackson, H. E., & Massad, T. G. (2025). Stable Foundations: Towards a Robust and Bipartisan Approach to Stablecoin Legislation. Available at SSRN 5197044.

<3> Halaburda, H., Livshits, B., & Yaish, A. (2025). Platform building with fake consumers: On double dippers and airdrop farmers. NYU Stern School of Business Research Paper Forthcoming.

<4> Cong, L. W., Li, X., Tang, K., & Yang, Y. (2023). Crypto wash trading. Management Science, 69(11), 6427-6454.

原文連結