Visa и Brale: приватные стейблкоин-расчёты на Canton для банков

Что произошло

4 июня 2026 года Visa объявила о сотрудничестве с эмитентом стейблкоинов Brale: вместе они тестируют приватные институциональные расчёты в стейблкоине SBC на блокчейне Canton Network. Идея — дать банкам и платёжным компаниям блокчейн-расчёты без раскрытия чувствительных данных о транзакциях.

Детали

  • Что это. Proof-of-concept: расчёты в SBC — стейблкоине Brale, обеспеченном долларом США, который нативно поддерживается в сети Canton.
  • Зачем Canton. Сеть позиционируется как приватная и заточенная под комплаенс: участники сами контролируют, кому видны детали расчётных операций.
  • Для кого. Банки, платёжные провайдеры, финансовые институты — те, кому нужны скорость и программируемость блокчейна, но без публичной прозрачности каждой сделки.
  • Контекст Visa. В апреле 2026 Visa расширила пилот стейблкоин-расчётов до 9 блокчейнов; во II финквартале 2026 годовой run-rate таких расчётов достиг $7 млрд (+50% к предыдущему кварталу).

Что это значит

Главная боль институционалов с публичными блокчейнами — прозрачность: на обычной сети любой видит суммы и контрагентов. Visa и Brale бьют именно в неё — приватность расчётов как условие входа банков в стейблкоины. Это не розничный продукт и не «крипта для всех», а инфраструктурный шаг: платёжный гигант достраивает мост между традиционными финансами и ончейн-расчётами.

Важно не переоценивать: это пилот, а не запуск. Но направление показательно — крупнейшие платёжные сети двигают стейблкоины из «серой зоны» в регулируемый институциональный контур. Конкуренция за расчётный слой между банками, картами и стейблкоинами только начинается.

Поделиться
Связаться:
Крипто- и data-аналитик, инженер-программист (факультет компьютерных наук ХНУРЭ). В IT с 2008 года: администрировал корпоративный мониторинг в «Vodafone Украина», семь лет разрабатывал и продвигал веб-проекты, пять лет руководил маркетингом на метриках — конверсия, CTR, ROI, LTV.Криптовалютными рынками занимаюсь с 2021 года: ончейн-метрики, токеномика, макроэкономические индикаторы. Разработал собственную data-driven модель анализа рынка на 30+ метрик. Стек — Python (pandas, NumPy, SciPy, matplotlib), математическая статистика и EDA; сбор и сверку данных автоматизирую AI-агентами.Принцип — «Don't trust, verify»: каждая цифра проверена по первоисточнику, ключевые — минимум по двум независимым; прогнозы — только сценарии с условиями. Тезис без данных не публикуется.