稳定币支付的隐秘中心化图景：85%交易量由前1000个钱包掌控

原文标题：Stablecoin Payments from the Ground Up

原文来源：Artemis

原文编译：深潮 Techflow

本报告实证分析了稳定币的支付使用情况，涵盖了个人对个人（P2P）、企业对企业（B2B）以及个人与企业之间（P2B/B2P）的交易。

本报告通过对稳定币支付使用情况进行实证分析，研究了个人对个人（P2P）、企业对企业（B2B）以及个人与企业之间（P2B/B2P）的交易模式。我们利用 Artemis 数据集，该数据集提供了钱包地址的元数据，包括地理位置估算、机构所有权标签以及智能合约标识。通过发送方和接收方钱包的特征，我们对交易进行了分类。分析的重点放在以太坊（Ethereum）网络上，该网络承载了全球约 52% 的稳定币供应量。

我们主要研究了两种主流稳定币：USDT 和 USDC，它们共同占据了市场份额的 88%。尽管过去一年中稳定币的采用率和监管关注度显著提高，但一个关键问题仍未得到解答：稳定币在支付中的实际使用情况与其他活动相比如何？本报告旨在揭示稳定币支付采用的主要驱动力，并为预测未来趋势提供见解。

1. 背景

近年来，稳定币的采用率显著增长，其供应量已达到 2000 亿美元，目前每月的原始转账总量已超过 4 万亿美元。尽管区块链网络提供了完全透明的交易记录，并且所有交易都可以被分析，但由于这些网络的匿名性以及缺乏关于交易目的（例如，国内支付、跨境支付、交易等）的信息，进行交易和用户分析仍然十分困难。

此外，在以太坊等网络上使用智能合约和自动化交易会进一步增加分析的复杂性，因为单笔交易可能涉及与多个智能合约和代币的交互。因此，一个尚未解决的关键问题是，如何评估稳定币当前在支付领域的使用情况与其他活动（如交易）之间的占比。尽管许多研究人员正在努力解决这一复杂问题，本报告旨在提供额外的方法来评估稳定币的使用情况，特别是支付用途。

总体而言，评估稳定币使用情况（尤其是支付用途）有两种主要方法。

第一种方法是过滤法（filtering approach），该方法使用原始区块链交易数据，并通过过滤技术去除噪声，从而更准确地估算稳定币的支付使用情况。

第二种方法是对主要的稳定币支付提供商进行调查，并基于其披露的支付数据来估算稳定币的活动。

Visa 联合 Allium Labs 开发的 Visa Onchain Analytics Dashboard 采用了第一种方法。他们通过过滤技术减少原始数据中的噪声，从而提供了更清晰的稳定币活动信息。研究表明，在过滤了原始数据后，总体月度稳定币交易量从约 5 万亿美元（总交易量）降至 1 万亿美元（调整后交易量）。如果仅考虑零售交易量（单笔交易金额低于 250 美元的交易），交易量仅为 60 亿美元。我们采用了与 Visa Onchain Analytics Dashboard 类似的过滤方法，但我们的方法更专注于将交易明确标记为支付用途。

第二种方法基于公司调查数据，已在《Fireblocks 2025 年稳定币现状报告》和《从零开始的稳定币支付报告》中应用。这两份报告利用区块链支付市场主要公司的披露信息，估算了稳定币在支付中的直接使用情况。特别是《从零开始的稳定币支付报告》提供了稳定币支付交易量的总体估算，并将这些支付划分为 B2B（企业对企业）、B2C（企业对个人）、P2P（个人对个人）等类别。报告显示，截至 2025 年 2 月，年度结算总额约为 723 亿美元，其中大部分为 B2B 交易。

本研究的主要贡献在于应用数据过滤方法来估算链上支付中稳定币的使用情况。研究结果揭示了稳定币的使用情况，并提供了更准确的估算。此外，我们还为研究人员提供了使用数据过滤方法处理原始区块链数据、降低噪声并改进估算的指导。

2. 数据

我们的数据集涵盖了 2024 年 8 月至 2025 年 8 月期间以太坊区块链上的所有稳定币交易。分析的重点是涉及两种主要稳定币 USDC 和 USDT 的交易。之所以选择这两种稳定币，是因为它们的市场份额较高且价格稳定性较强，从而降低了分析过程中的噪声。我们仅关注转账交易，排除了铸造（mint）、销毁（burn）或跨链桥（bridge）交易。表 1 总结了我们分析所用数据集的总体情况。

表 1：交易类型汇总

3. 方法与结果

在本节中，我们详细说明了用以分析稳定币使用情况的方法，重点关注支付交易。首先，我们通过区分涉及与智能合约交互的交易和表示 EOA（外部账户）之间转账的交易，对数据进行过滤，并将后者归类为支付交易。此过程详见第 3.1 节。随后，第 3.2 节解释了如何利用 Artemis 提供的 EOA 账户标签数据，将支付交易进一步分类为 P2P、B2B、B2P、P2B 和内部 B 类交易。最后，第 3.3 节分析了稳定币交易的集中度。

3.1 稳定币支付（EOA）与智能合约交易

在去中心化金融（DeFi）领域，许多交易涉及与智能合约的交互，并在同一笔交易中组合了多种金融操作，例如通过多个流动性池交换一种代币为另一种代币。这种复杂性使得仅针对支付用途分析稳定币的使用情况变得更加困难。

为简化分析并提高对稳定币区块链交易进行支付标记的能力，我们将稳定币支付定义为任何 ERC-20 稳定币从一个 EOA 地址转账到另一个 EOA 地址的交易（不包括铸造和销毁交易）。任何未被标记为支付的交易将被归类为智能合约交易，包括所有涉及与智能合约交互的交易（例如，主要为 DeFi 交易）。

图 1 显示，大多数用户之间的支付（EOA-EOA）是直接完成的，每个交易哈希值仅对应一次转账。同一交易哈希值内的一些多 EOA-EOA 转账主要通过聚合器完成，这表明简单转账中使用聚合器的情况仍然较少。相比之下，智能合约交易的分布则有所不同，其中包含更多的多次转账交易。这表明，在 DeFi 操作中，稳定币通常在不同的应用程序和路由器之间流转，最终返回到 EOA 账户。

图 1：

*本分析样本数据涵盖了 2025 年 7 月 4 日至 2025 年 7 月 31 日期间的交易。

表 2 和图 2 显示，从交易数量来看，支付（EOA-EOA）和智能合约交易（DeFi）的比例大约为 50:50，而智能合约交易占交易量的 53.2%。然而，图 2 显示，交易量（转账总额）比交易数量的波动性更大，这表明主要是机构的大额 EOA-EOA 转账导致了这些波动。

表 2：交易类型汇总

图 2：

图 3 探讨了支付（EOA-EOA）与智能合约交易的交易金额分布。支付交易和智能合约交易的金额分布均类似于厚尾正态分布，平均值约为 100 美元至 1000 美元。

然而，交易金额低于 0.1 美元的交易出现了显著的峰值，这可能表明存在机器人活动或与虚假交易活动和刷单交易相关的交易操控行为，这一点与 Halaburda 等人（2025 年）和 Cong 等人（2023 年）的描述一致。

由于以太坊的 Gas 费用通常超过 0.1 美元，因此低于该阈值的交易需要进一步仔细检查并可能从分析中排除。

图 3：

本次分析使用的数据样本涵盖了 2025 年 7 月 4 日至 2025 年 7 月 31 日的交易记录。

3.2 支付类型

通过使用 Artemis 提供的标签信息，可以对两个 EOA（外部账户）之间的支付进行进一步分析。Artemis 为许多以太坊钱包地址提供了标签信息，能够识别出由机构（例如 Coinbase）拥有的钱包。我们将支付交易分为五类：P2P、B2B、B2P、P2B 和内部 B 类。以下是每个类别的详细描述。

P2P 支付：

P2P（个人对个人）区块链支付是指通过区块链网络直接从一个用户向另一个用户转账资金的交易。在基于账户的区块链（如以太坊）中，这类 P2P 交易被定义为数字资产从一个用户的钱包（EOA 账户）转移到另一个用户的 EOA 钱包的过程。所有交易都在区块链上记录并得到验证，无需中间机构参与。

主要挑战：

识别账户系统中两个钱包之间的交易是否确实发生在两个独立主体（即个人而非公司）之间，并正确归类为 P2P 交易是一项主要挑战。例如，用户在其自己账户之间转账（即 Sybil 账户）不应被计入 P2P 交易。然而，如果我们简单地将所有 EOA（外部账户）之间的交易定义为 P2P 交易，则可能会将此类转账错误地归类为 P2P。

另一个问题是，当一个 EOA 账户由公司拥有时，例如中心化交易平台（CEX，如 Coinbase），该 EOA 钱包实际上并非由真实的个人拥有。在我们的数据集中，我们能够为许多机构和公司 EOA 钱包添加标签；然而，由于标签信息并不完全，一些由公司拥有但未记录在我们数据集中的 EOA 钱包可能被错误地标记为个人钱包。

最后，这种方法无法捕捉通过中介机构进行的区块链 P2P 支付——也被称为「稳定币三明治」模型。在这种模型中，资金通过利用区块链进行结算的中介机构在用户之间转移。具体来说，法币首先被发送至中介机构，中介机构将其转换为加密货币，然后资金通过区块链网络转移，最后由接收方的中介机构（可以是同一个或不同的中介机构）将其转换回法币。区块链转账是「三明治」的「中间层」，而法币的转换则构成了「外层」。识别这些交易的主要挑战在于，它们是由中介机构执行的，中介可能会将多笔交易捆绑在一起以减少 Gas 费用。因此，一些关键数据（如确切的交易金额和涉及的用户数量）仅在中介机构的平台上可用。

B2B 支付：

企业对企业（B2B）交易是指通过区块链网络从一个企业向另一个企业进行的电子转账。在我们的数据集中，稳定币支付是指两个已知的机构 EOA 钱包之间的转账，例如从 Coinbase 转账到 Binance。

内部 B 支付：

同一机构的两个 EOA 钱包之间的交易被标记为内部 B 类交易。

P2B（或 B2P）支付：

个人对企业（P2B）或企业对个人（B2P）交易是指个人与企业之间的电子转账，交易可以是双向的。

通过这种标签方法，我们分析了支付数据（仅限 EOA-EOA 转账），主要结果汇总在表 3 中。数据显示，67% 的 EOA-EOA 交易属于 P2P 类型，但它们仅占支付总量的 24%。这一结果进一步表明，与机构相比，P2P 用户的转账金额较低。此外，支付交易量最高的类别之一是内部 B 类，这意味着同一组织内的转账占了很大比例。探讨内部 B 类交易的具体含义以及如何在支付活动分析中统计它们，仍然是一个值得研究的有趣问题。

表 3：按支付类别划分的交易分布

最后，图 4 显示了按每个支付类别划分的交易金额累积分布函数（CDF）。从 CDF 中可以清楚地看到，不同类别的交易金额分布存在明显差异。大多数 EOA-EOA 账户中交易金额低于 0.1 美元的交易为 P2P 类型，这进一步证明这些交易可能更多是由机器人和被操控的钱包驱动的，而非由我们数据集中标记的机构发起。此外，P2P 交易的 CDF 进一步支持了大多数交易金额较小的观点，而被标记为 B2B 和内部 B 类的交易，其 CDF 显示交易金额显著更高。最后，P2B 和 B2P 交易的 CDF 介于 P2P 和 B2B 之间。

图 4：

本分析样本数据涵盖了 2025 年 7 月 4 日至 2025 年 7 月 31 日期间的交易记录。

图 5 和图 6 展示了每个支付类别随时间的变化趋势。

图 5 聚焦于按周计算的变化情况，显示所有类别的支付交易量呈现出一致的采用趋势和周交易量的增长。表 4 进一步总结了 2024 年 8 月至 2025 年 8 月期间的总体变化。

此外，图 6 展示了工作日与周末之间的支付差异，可以清晰地看到周末的支付交易量有所减少。总体来看，所有类别的支付交易在工作日和周末的使用量随时间均呈增长趋势。

图 5：

图 6：

表 4：支付交易量、交易次数及交易金额随时间变化

3.3 稳定币交易的集中度

在图 9 中，我们计算了通过以太坊区块链发送稳定币的主要发送方钱包的集中度。显然，大多数稳定币的转账量集中在少数钱包中。在我们的样本期间，排名前 1,000 的钱包贡献了约 84% 的交易量。

这表明，尽管 DeFi 和区块链旨在支持和促进去中心化，但在某些方面仍然表现出高度的集中化特征。

图 9：

本次分析使用的数据样本涵盖了 2025 年 7 月 4 日至 2025 年 7 月 31 日的交易记录。

4. 讨论

显而易见，稳定币的采用率正在随着时间不断提高，其交易量和交易次数在 2024 年 8 月至 2025 年 8 月期间翻了一倍以上。估算稳定币在支付中的使用情况是一项具有挑战性的任务，越来越多的工具正在被开发以帮助改进这一估算。本研究利用 Artemis 提供的标签数据，探讨并估算了记录在区块链（以太坊）上的稳定币支付使用情况。

我们的估算结果表明，稳定币支付占总交易量的 47%（如果不包括内部 B 类交易，则为 35%）。由于我们对支付分类的限制较少（主要基于 EOA-EOA 转账），这一估算可以被视为上限。然而，研究人员可以根据自身的研究目标，进一步应用如交易金额上下限等过滤方法。例如，增加 0.1 美元的最低金额限制可以排除第 3.1 节提到的低金额交易操控。

在第 3.2 节中，通过使用 Artemis 标签数据进一步将支付交易分为 P2P、B2B、P2B、B2P 和内部 B 类交易，我们发现 P2P 支付仅占总支付交易量的 23.7%（所有原始数据）或 11.3%（不包括内部 B 类交易）。此前的研究指出，P2P 支付大约占稳定币支付的 25%，我们的结果与之相近。

最后，在第 3.3 节中，我们观察到，从交易量来看，大多数稳定币交易集中在排名前 1,000 的钱包中。这引发了一个有趣的问题：稳定币的使用是作为由中介机构和大型公司推动的支付工具发展，还是作为 P2P 交易结算工具发展？时间将揭示答案。

参考资料

<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.

原文链接