85%交易量由千個錢包掌控:穩定幣支付的隱密中心化圖景
- 核心观点:稳定币支付使用量增长,但高度集中。
- 关键要素:
- 稳定币支付占交易量47%,P2P仅占24%。
- 前1000钱包贡献约84%的交易量。
- 支付交易与智能合约交易量占比约50:50。
- 市场影响:揭示支付真实采用情况,挑战去中心化叙事。
- 时效性标注:中期影响。
原文作者:Artemis
原文編譯:深潮TechFlow
本報告實證分析了穩定幣的支付使用情況,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。

本報告透過對穩定幣支付使用進行實證分析,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 資料集,該資料集提供了錢包位址的元數據,包括地理位置估算、機構所有權標籤以及智慧合約標識。透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% 的穩定幣供應量。
我們主要研究了兩種主流穩定幣:USDT 和USDC,它們共同佔據了市場份額的88%。儘管過去一年中穩定幣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:穩定幣在支付中的實際使用情況與其他活動相比如何?本報告旨在揭示穩定幣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,穩定幣的採用率顯著增長,其供應量已達2,000 億美元,目前每月的原始轉帳總量已超過4 兆美元。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慧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慧合約和代幣的互動。因此,一個尚未解決的關鍵問題是,如何評估穩定幣目前在支付領域的使用情況與其他活動(如交易)之間的比例。儘管許多研究人員正在努力解決這個複雜問題,但本報告旨在提供額外的方法來評估穩定幣的使用情況,特別是支付用途。
整體而言,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,並透過過濾技術去除噪聲,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者進行調查,並基於其揭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。他們透過過濾技術減少原始數據中的噪聲,從而提供了更清晰的穩定幣活動資訊。研究表明,在過濾了原始數據後,整體月度穩定幣交易量從約5 兆美元(總交易量)降至1 兆美元(調整後交易量)。如果只考慮零售交易量(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 類似的過濾方法,但我們的方法更專注於將交易明確標記為支付用途。
第二種方法是基於公司調查數據,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揭露信息,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整體估算,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資料過濾方法來估算鏈上支付中穩定幣的使用。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,我們也為研究人員提供了使用資料過濾方法處理原始區塊鏈資料、降低雜訊並改善估算的指導。
2.數據
我們的資料集涵蓋了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,是因為它們的市場份額較高且價格穩定性較強,從而降低了分析過程中的噪音。我們只關注轉帳交易,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資料集的整體情況。
表1:交易類型總計

3.方法與結果
在本節中,我們詳細說明了用以分析穩定幣使用情況的方法,並專注於支付交易。首先,我們透過區分涉及與智慧合約互動的交易和表示EOA(外部帳戶)之間轉帳的交易,對資料進行過濾,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 節說明如何利用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交互,並在同一筆交易中組合了多種金融操作,例如透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 位址轉帳到另一個EOA 位址的交易(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,大多數使用者之間的支付(EOA-EOA)是直接完成的,每個交易雜湊值僅對應一次轉帳。同一交易雜湊值內的一些多EOA-EOA 轉帳主要透過聚合器完成,這表明簡單轉帳中使用聚合器的情況仍然較少。相較之下,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式和路由器之間流轉,最終返回EOA 帳戶。
圖1:

*本分析樣本資料涵蓋了2025 年7 月4 日至2025 年7 月31 日期間的交易。
表2 和圖2 顯示,從交易數量來看,支付(EOA-EOA)和智能合約交易(DeFi)的比例約為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:交易類型總計

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常態分佈,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,因此低於該門檻的交易需要進一步仔細檢查並可能從分析中排除。
圖3:


本分析所使用的資料樣本涵蓋了2025 年7 月4 日至2025 年7 月31 日的交易記錄。
3.2 支付類型
透過使用Artemis 提供的標籤訊息,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)區塊鏈支付是指透過區塊鏈網路直接從一個用戶轉移資金到另一個用戶的交易。在基於帳戶的區塊鏈(如以太坊)中,這類P2P 交易被定義為數位資產從一個用戶的錢包(EOA 帳戶)轉移到另一個用戶的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,使用者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,例如中心化交易所(CEX,如Coinbase),該EOA 錢包實際上並非由真實的個人擁有。在我們的資料集中,我們能夠為許多機構和公司EOA 錢包添加標籤;然而,由於標籤資訊並不完全,一些由公司擁有但未記錄在我們資料集中的EOA 錢包可能被錯誤地標記為個人錢包。
最後,這種方法無法捕捉透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,資金透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,然後資金透過區塊鏈網路轉移,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 付款:
企業對企業(B2B)交易是指透過區塊鏈網路從一個企業向另一個企業進行的電子轉帳。在我們的資料集中,穩定幣支付是指兩個已知的機構EOA 錢包之間的轉賬,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賬,交易可以是雙向的。
透過這種標籤方法,我們分析了支付資料(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,但它們僅佔支付總量的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 可以清楚看到,不同類別的交易金額分佈有明顯差異。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:

本分析樣本資料涵蓋了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 聚焦於按週計算的變化情況,顯示所有類別的支付交易量呈現一致的採用趨勢和週交易量的成長。表4 進一步總結了2024 年8 月至2025 年8 月期間的整體變化。
此外,圖6 展示了工作日與週末之間的支付差異,可以清楚地看到週末的支付交易量有所減少。整體來看,所有類別的支付交易在工作日和週末的使用量隨時間呈成長趨勢。
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,我們計算了透過以太坊區塊鏈發送穩定幣的主要發送方錢包的集中度。顯然,大多數穩定幣的轉帳量集中在少數錢包。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 和區塊鏈旨在支援和促進去中心化,但在某些方面仍然表現出高度的集中化特徵。
圖9:

本分析所使用的資料樣本涵蓋了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開發以幫助改善這項估算。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),此估算可被視為上限。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 節所提及的低金額交易操控。
在第3.2 節中,透過使用Artemis 標籤資料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 支付僅佔總支付交易量的23.7%(所有原始資料)或11.3%(不包括內部B 類)。先前的研究指出,P2P 支付約佔穩定幣支付的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。
參考文獻
- Yaish, A., Chemaya, N., Cong, LW, & Malkhi, D. (2025). Inequality in the Age of Pseudonymity. arXiv preprint arXiv:2508.04668.
- Awrey, D., Jackson, HE, & Massad, TG (2025). Stable Foundations: Towards a Robust and Bipartisan Approach to Stablecoin Legislation. Available at SSRN 5197044.
- 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.
- Cong, LW, Li, X., Tang, K., & Yang, Y. (2023). Crypto wash trading. Management Science, 69(11), 6427-6454.
更多資訊請見:


