AI가 모든 소프트웨어 회사를 재평가하는 방식
1. Vanta CEO Christina Cacioppo의 핵심 메시지는 간단하다: 과거엔 80% 성장 + 80% 마진 SaaS가 최고 비즈니스였지만, 지금 시장은 그런 회사를 예전의 1/3~1/4 멀티플로 평가하고 대신 저마진 고성장 AI 기업에 프리미엄을 준다.
2. 하지만 그녀는 이걸 단순한 SaaS 종말이 아니라 “가격 모델 전쟁”으로 본다. 고객은 똑똑해서 토큰 기반 과금에 바로 “Claude 토큰에 4배 마진 붙인 것 아니냐”고 반응하고, 그 순간 앱 기업은 모델 자체와 정면 비교되는 함정에 빠진다.
3. 그래서 Vanta는 지금 AI 비용을 고객에게 전가하지 않고 직접 먹는다. 단기적으로는 마진 희석이지만, 먼저 사용량과 워크플로우 장악률을 올린 뒤 나중에 outcome/output pricing으로 상업화를 푸는 게 맞다고 본다.
4. 이 포인트는 투자적으로 중요하다. 앞으로 SaaS 재평가는 “AI 붙였는가”보다 “토큰 코스트를 삼키면서도 retention과 product wedge를 키울 수 있는가”로 갈 가능성이 높다.
5. Vanta는 자신을 단순 컴플라이언스 툴이 아니라 보안 데이터 레이어이자 에이전트 실행 플랫폼으로 재정의한다. 16,000개 고객, 400개 연동, 이 ‘trust graph’가 AI 에이전트의 진짜 해자라는 주장이다.
6. 제품 방향도 흥미롭다. 예전 SaaS식으로 온보딩 위저드와 고정 UI를 만드는 대신, 파일·스크린샷을 던지면 LLM이 구조를 이해하고 필요한 UI를 즉석 생성하는 식이다. “소프트웨어 안에 Tableau를 넣는 시대가 끝난다”는 시각과 통한다.
7. 사이버보안 쪽 전망도 강하다. AI는 제로데이 자체보다 “17개의 저위험 취약점을 집요하게 체인으로 엮는 능력” 때문에 더 위험해졌고, 결국 보안은 인간 속도가 아니라 머신 속도로 탐지·패치하는 구조로 간다는 얘기다.
8. 이건 Wiz, CrowdStrike류의 상위 엔터프라이즈 보안과, 중견 시장용 경량 자동화 보안 사이에 새로운 세그먼트가 열린다는 뜻이기도 하다. Vanta는 여기서 저가형 but deeply embedded 보안 플랫폼을 노린다.
9. 인재 시장에 대한 발언도 시장 심리를 잘 보여준다. 상위 인재 보상은 5년 전 대비 총보상 기준 10배 정도 뛰었고, 그녀는 “사실 더 벌어져야 한다”고 본다. 지금 AI 시대의 병목은 GPU보다 high-agency operator라는 신호다.
10. 흥미로운 반대편 시각도 있다. 실리콘밸리가 과대평가하는 것은 token pricing, 낮은 마진 자체, 그리고 “우리는 post-train 했다”는 마케팅이다. 실제론 커스텀 모델 학습이 품질보다 투자자용 시그널인 경우가 많다는 지적이다.
11. 유럽 현장 코멘트도 의미심장하다. 프랑스 소프트웨어 회사들이 미국 모델 대신 중국 모델을 쓰는 이유는 반미감정보다 “Trump가 Fable 같은 서비스를 미국 외 국가에 닫아버린 걸 보고 사업 연속성 리스크를 깨달았기 때문”이라고 한다. AI 공급망도 이제 지정학 리스크 자산이다.
12. 가장 큰 장기 테마는 ‘신뢰’다. AI 확산으로 기술 낙관은 높아졌지만 빅테크와 소프트웨어에 대한 신뢰는 오히려 낮아졌고, Vanta는 이 간극을 메우는 인프라가 되겠다는 포지션이다. 결국 AI 시대의 프리미엄은 기능보다 신뢰 증명 체계에 붙을 수 있다.
트레이더/투자자 관점
• 내러티브: AI는 SaaS를 대체하는 게 아니라 SaaS의 과금 방식·마진 구조·제품 UI·보안 운영모델을 전부 다시 쓰고 있으며, 특히 “AI wrapper”보다 데이터 레이어·워크플로우 장악·신뢰 인프라가 더 강한 테마로 부상한다.
• 가격/포지셔닝: 단기적으로는 저마진 고성장 AI가 시장의 사랑을 받지만, 중기적으로는 토큰 비용을 흡수하면서도 retention을 높일 수 있는 기존 SaaS 강자들의 멀티플 복원 가능성을 봐야 한다; 반대로 토큰 마진에 의존한 AI 앱은 압축 리스크가 크다.
• 체크포인트: AI 앱들의 실제 pricing 전환 방식(token→seat→outcome), gross margin 추이, NRR 변화, 보안 자동화 수요 확대, 중국 오픈모델 채택률, AI procurement 규제/데이터 주권 이슈, 그리고 상위 인재 보상 인플레이션이 dilution과 기업가치에 미치는 영향.
https://youtu.be/sQaM5oPlUYs
1. Vanta CEO Christina Cacioppo의 핵심 메시지는 간단하다: 과거엔 80% 성장 + 80% 마진 SaaS가 최고 비즈니스였지만, 지금 시장은 그런 회사를 예전의 1/3~1/4 멀티플로 평가하고 대신 저마진 고성장 AI 기업에 프리미엄을 준다.
2. 하지만 그녀는 이걸 단순한 SaaS 종말이 아니라 “가격 모델 전쟁”으로 본다. 고객은 똑똑해서 토큰 기반 과금에 바로 “Claude 토큰에 4배 마진 붙인 것 아니냐”고 반응하고, 그 순간 앱 기업은 모델 자체와 정면 비교되는 함정에 빠진다.
3. 그래서 Vanta는 지금 AI 비용을 고객에게 전가하지 않고 직접 먹는다. 단기적으로는 마진 희석이지만, 먼저 사용량과 워크플로우 장악률을 올린 뒤 나중에 outcome/output pricing으로 상업화를 푸는 게 맞다고 본다.
4. 이 포인트는 투자적으로 중요하다. 앞으로 SaaS 재평가는 “AI 붙였는가”보다 “토큰 코스트를 삼키면서도 retention과 product wedge를 키울 수 있는가”로 갈 가능성이 높다.
5. Vanta는 자신을 단순 컴플라이언스 툴이 아니라 보안 데이터 레이어이자 에이전트 실행 플랫폼으로 재정의한다. 16,000개 고객, 400개 연동, 이 ‘trust graph’가 AI 에이전트의 진짜 해자라는 주장이다.
6. 제품 방향도 흥미롭다. 예전 SaaS식으로 온보딩 위저드와 고정 UI를 만드는 대신, 파일·스크린샷을 던지면 LLM이 구조를 이해하고 필요한 UI를 즉석 생성하는 식이다. “소프트웨어 안에 Tableau를 넣는 시대가 끝난다”는 시각과 통한다.
7. 사이버보안 쪽 전망도 강하다. AI는 제로데이 자체보다 “17개의 저위험 취약점을 집요하게 체인으로 엮는 능력” 때문에 더 위험해졌고, 결국 보안은 인간 속도가 아니라 머신 속도로 탐지·패치하는 구조로 간다는 얘기다.
8. 이건 Wiz, CrowdStrike류의 상위 엔터프라이즈 보안과, 중견 시장용 경량 자동화 보안 사이에 새로운 세그먼트가 열린다는 뜻이기도 하다. Vanta는 여기서 저가형 but deeply embedded 보안 플랫폼을 노린다.
9. 인재 시장에 대한 발언도 시장 심리를 잘 보여준다. 상위 인재 보상은 5년 전 대비 총보상 기준 10배 정도 뛰었고, 그녀는 “사실 더 벌어져야 한다”고 본다. 지금 AI 시대의 병목은 GPU보다 high-agency operator라는 신호다.
10. 흥미로운 반대편 시각도 있다. 실리콘밸리가 과대평가하는 것은 token pricing, 낮은 마진 자체, 그리고 “우리는 post-train 했다”는 마케팅이다. 실제론 커스텀 모델 학습이 품질보다 투자자용 시그널인 경우가 많다는 지적이다.
11. 유럽 현장 코멘트도 의미심장하다. 프랑스 소프트웨어 회사들이 미국 모델 대신 중국 모델을 쓰는 이유는 반미감정보다 “Trump가 Fable 같은 서비스를 미국 외 국가에 닫아버린 걸 보고 사업 연속성 리스크를 깨달았기 때문”이라고 한다. AI 공급망도 이제 지정학 리스크 자산이다.
12. 가장 큰 장기 테마는 ‘신뢰’다. AI 확산으로 기술 낙관은 높아졌지만 빅테크와 소프트웨어에 대한 신뢰는 오히려 낮아졌고, Vanta는 이 간극을 메우는 인프라가 되겠다는 포지션이다. 결국 AI 시대의 프리미엄은 기능보다 신뢰 증명 체계에 붙을 수 있다.
트레이더/투자자 관점
• 내러티브: AI는 SaaS를 대체하는 게 아니라 SaaS의 과금 방식·마진 구조·제품 UI·보안 운영모델을 전부 다시 쓰고 있으며, 특히 “AI wrapper”보다 데이터 레이어·워크플로우 장악·신뢰 인프라가 더 강한 테마로 부상한다.
• 가격/포지셔닝: 단기적으로는 저마진 고성장 AI가 시장의 사랑을 받지만, 중기적으로는 토큰 비용을 흡수하면서도 retention을 높일 수 있는 기존 SaaS 강자들의 멀티플 복원 가능성을 봐야 한다; 반대로 토큰 마진에 의존한 AI 앱은 압축 리스크가 크다.
• 체크포인트: AI 앱들의 실제 pricing 전환 방식(token→seat→outcome), gross margin 추이, NRR 변화, 보안 자동화 수요 확대, 중국 오픈모델 채택률, AI procurement 규제/데이터 주권 이슈, 그리고 상위 인재 보상 인플레이션이 dilution과 기업가치에 미치는 영향.
https://youtu.be/sQaM5oPlUYs
계좌를 덜 보고 기업을 더 보라
1. 영상의 핵심은 단순하다: 장기 투자자는 가격을 자주 볼수록 손실을 더 자주 체감하고, 그 감정이 결국 리스크 축소와 성급한 매도로 이어져 기대수익을 깎는다.
2. 이 논리는 1995년 Benartzi와 Richard Thaler의 myopic loss aversion에서 출발한다. 사람은 이익보다 손실에 약 2배 민감하고, 실제 보유기간은 길어도 평가주기는 지나치게 짧게 가져간다는 것이다.
3. 같은 S&P500을 들고 있어도 매일 보면 한 해 100번 넘게 “직전보다 손실”을 보지만, 월 1회면 4~5번, 연 1회면 0~1번 수준이라 동일 자산도 체감 난이도가 완전히 달라진다.
4. 실험도 흥미롭다: 1997년 복권 실험에선 결과를 1장씩 본 그룹보다 3장씩 묶어 본 그룹이 더 크게 베팅했고, 2005년 CME 프로 트레이더 실험에선 오히려 학생들보다 이 효과가 더 강했다.
5. 더 현실적인 2016년 실험에선 런던의 헤지펀드·IB 소속 FX 트레이더 150명을 대상으로, 한 그룹은 1초마다 가격을 보고 다른 그룹은 4시간마다만 가격을 보게 했는데, 덜 본 그룹이 위험자산 비중을 더 높게 유지했고 수익도 평균 1.5배 높았다.
6. 투자적으로 중요한 포인트는 “시장과 멀어지라”가 아니다. 가격 노출은 줄이되, 실적 발표, 가이던스, 현금흐름, 부채비율, 산업 규제 변화처럼 투자논리를 바꿀 수 있는 정보는 오히려 더 자주, 더 구조적으로 봐야 한다는 얘기다.
7. 여기서 present bias도 연결된다. 가격 확인은 즉각적 자극이라 중독적으로 반복하지만, 10-Q 읽기나 실적 검토는 보상이 늦게 와서 계속 미루게 되고, 결국 투자자는 중요하지 않은 것은 과잉 모니터링하고 중요한 것은 방치한다.
8. 실전 해법은 의외로 행동설계 쪽이다: 가격 알림은 줄이고, 급락 임계치 알림만 남기고, “왜 샀는지”와 “무슨 일이 벌어지면 내 가설이 틀린지”를 미리 적어두면 크래시 때 감정 대신 체크리스트로 대응할 수 있다.
트레이더/투자자 관점
• 내러티브: 이 영상은 “정보를 많이 볼수록 우위”라는 통념을 뒤집고, 투자 성과를 해치는 건 정보 부족보다 가격 노이즈 과잉노출일 수 있다는 행동재무 프레임을 준다.
• 가격/포지셔닝: 장기 롱북 운용자라면 틱 단위 가격은 알파가 아니라 손실회피 트리거일 가능성이 높다. 반대로 포지션의 유지 근거가 되는 실적·가이던스·온체인 펀더멘털·정책 변수는 더 자주 점검해야 한다.
• 체크포인트: 가격 확인 빈도 자체를 줄였을 때 매매회전율, 익절 속도, 손절 기준, 급락일 대응이 어떻게 바뀌는지 기록해볼 것. 특히 크립토라면 가격 앱 확인 횟수보다 토큰 언락, 규제 공지, 프로토콜 수익, 스테이블 유입, ETF 자금흐름 같은 “논리 변경 변수”를 체크리스트화하는 게 더 중요하다.
https://youtu.be/ZnHT6K8k5Sc
1. 영상의 핵심은 단순하다: 장기 투자자는 가격을 자주 볼수록 손실을 더 자주 체감하고, 그 감정이 결국 리스크 축소와 성급한 매도로 이어져 기대수익을 깎는다.
2. 이 논리는 1995년 Benartzi와 Richard Thaler의 myopic loss aversion에서 출발한다. 사람은 이익보다 손실에 약 2배 민감하고, 실제 보유기간은 길어도 평가주기는 지나치게 짧게 가져간다는 것이다.
3. 같은 S&P500을 들고 있어도 매일 보면 한 해 100번 넘게 “직전보다 손실”을 보지만, 월 1회면 4~5번, 연 1회면 0~1번 수준이라 동일 자산도 체감 난이도가 완전히 달라진다.
4. 실험도 흥미롭다: 1997년 복권 실험에선 결과를 1장씩 본 그룹보다 3장씩 묶어 본 그룹이 더 크게 베팅했고, 2005년 CME 프로 트레이더 실험에선 오히려 학생들보다 이 효과가 더 강했다.
5. 더 현실적인 2016년 실험에선 런던의 헤지펀드·IB 소속 FX 트레이더 150명을 대상으로, 한 그룹은 1초마다 가격을 보고 다른 그룹은 4시간마다만 가격을 보게 했는데, 덜 본 그룹이 위험자산 비중을 더 높게 유지했고 수익도 평균 1.5배 높았다.
6. 투자적으로 중요한 포인트는 “시장과 멀어지라”가 아니다. 가격 노출은 줄이되, 실적 발표, 가이던스, 현금흐름, 부채비율, 산업 규제 변화처럼 투자논리를 바꿀 수 있는 정보는 오히려 더 자주, 더 구조적으로 봐야 한다는 얘기다.
7. 여기서 present bias도 연결된다. 가격 확인은 즉각적 자극이라 중독적으로 반복하지만, 10-Q 읽기나 실적 검토는 보상이 늦게 와서 계속 미루게 되고, 결국 투자자는 중요하지 않은 것은 과잉 모니터링하고 중요한 것은 방치한다.
8. 실전 해법은 의외로 행동설계 쪽이다: 가격 알림은 줄이고, 급락 임계치 알림만 남기고, “왜 샀는지”와 “무슨 일이 벌어지면 내 가설이 틀린지”를 미리 적어두면 크래시 때 감정 대신 체크리스트로 대응할 수 있다.
트레이더/투자자 관점
• 내러티브: 이 영상은 “정보를 많이 볼수록 우위”라는 통념을 뒤집고, 투자 성과를 해치는 건 정보 부족보다 가격 노이즈 과잉노출일 수 있다는 행동재무 프레임을 준다.
• 가격/포지셔닝: 장기 롱북 운용자라면 틱 단위 가격은 알파가 아니라 손실회피 트리거일 가능성이 높다. 반대로 포지션의 유지 근거가 되는 실적·가이던스·온체인 펀더멘털·정책 변수는 더 자주 점검해야 한다.
• 체크포인트: 가격 확인 빈도 자체를 줄였을 때 매매회전율, 익절 속도, 손절 기준, 급락일 대응이 어떻게 바뀌는지 기록해볼 것. 특히 크립토라면 가격 앱 확인 횟수보다 토큰 언락, 규제 공지, 프로토콜 수익, 스테이블 유입, ETF 자금흐름 같은 “논리 변경 변수”를 체크리스트화하는 게 더 중요하다.
https://youtu.be/ZnHT6K8k5Sc
이번 사이클의 알파는 어디에 숨었나
1. Arthur Cheong, Rajiv Patel-O'Connor, Smac의 공통된 메시지는 명확했다: 이번 장은 과거처럼 베타에 레버리지만 얹는 시장이 아니라, 분산도(dispersion)가 커지며 진짜 액티브 매니저가 빛나는 장이다.
2. 크립토 x AI는 2023년엔 억지 결합이 많았지만, 최근 1년은 “어디서 실제로 맞물리는가”가 보이기 시작했고, 핵심 키워드는 프라이버시, 자본조달(financing), 머신 간 조정(coordination)이다.
3. AI 에이전트가 꼭 블록체인을 써야 하냐는 질문에는 확답이 없었지만, 소액 결제·머신투머신 거래·내구성 있는 메시지 저장·퍼미션리스 조정 레이어라는 점에서 블록체인이 실험할 가치가 있다는 시각이 나왔다.
4. 구체 사례로는 Nous Research의 Hermes, 프라이버시 중심 inference 라우팅을 하는 Venice AI, GPU 클러스터 금융을 제공하는 포트폴리오사 Upexi/USDA 계열 사례가 언급됐고, Arweave·Filecoin 같은 영구 저장 네트워크의 AI swarm 활용 가능성도 거론됐다.
5. 특히 흥미로운 포인트는 “크립토 AI는 효율성으로 중앙화 AI를 이기기보다, 프라이버시와 퍼미션리스라는 사회적 요구 변화에서 엣지가 생길 수 있다”는 프레임 전환이다.
6. 펀드 운용 측면에선 liquid와 venture를 함께 가져가는 바벨 전략이 여전히 유효하다고 봤고, illiquid 토큰도 확신이 있다면 시간 분산 매수로 충분히 사이즈를 만들 수 있다는 의견이 나왔다.
7. Arthur는 포지션 구축 시 최종 평균단가 기준 5~10% 슬리피지를 예산으로 잡는다고 했는데, 이건 “당일 가격”보다 “큰 추세를 먹는 것”이 중요해진 시장이라는 힌트다.
8. 이번 사이클의 핵심 변화는 crowding이 더 빨라졌다는 점이다. 좋은 아이디어는 여러 펀드가 동시에 발견하고 빠르게 컨센서스가 되지만, 예전과 달리 컨센서스가 됐다고 바로 끝나는 게 아니라, 펀더멘털이 따라오면 계속 오른다.
9. 그 대표 사례로 Hyperliquid와 $HYPE가 언급됐다. Arthur는 HYPE가 1년 넘게 컨센서스였음에도 여전히 아웃퍼폼하는 점을 “드디어 크립토가 펀더멘털을 가격에 반영하는 시장이 되고 있다는 신호”로 해석했다.
10. 동시에 시장은 양극화됐다. 스마트머니는 메이저와 “좋은 미드캡”으로 몰리고, 10배~20배를 원하는 리테일은 10만~5000만달러급 초소형 밈코인으로 내려가며 같은 크립토 안에서도 완전히 다른 게임이 열리고 있다.
11. 그래서 올해는 롱숏 전략의 황금기라는 진단도 나왔다. 강한 펀더멘털 자산은 계속 리레이팅되고, 실패한 프로젝트는 6개월마다 -50%씩 미끄러질 수 있어, 롱과 숏 양쪽에서 돈 벌 기회가 동시에 열린다는 것.
12. 벤치마크에 대해선 여전히 Bitcoin이 사실상 기준점이다. LP 입장에선 ETF로 IBIT를 살 수 있는데, 그걸 못 이기는 크립토 펀드에 왜 돈을 맡기냐는 냉정한 질문이 여전히 유효하다.
13. 벤처 쪽에서는 seed와 pre-seed 기회가 다시 좋아지고 있다는 평가가 나왔다. 성장 단계(growth)는 딜이 너무 적고 경쟁이 심해 오버랩이 크지만, 초기 단계는 2021~2022년의 과열이 꺼지며 오히려 좋은 창업자를 싸게 만날 확률이 높아졌다는 얘기다.
14. 또 하나 중요한 변화는 AI가 초기 팀의 자본 효율을 높이고 있다는 점이다. 과거엔 headcount로 태웠을 자금이 이제는 compute와 API credits로 옮겨가고, 5~10M 달러가 예전보다 훨씬 오래 버티게 해준다.
15. 다만 불확실성도 선명하다. AI 에이전트의 블록체인 활용은 아직 실험 단계이고, 퍼미션리스 금융은 “rogue agent가 가장 먼저 악용할 인프라”가 될 수도 있으며, 크립토 AI의 가치 포착 구조 역시 아직 완전히 증명되지 않았다.
트레이더/투자자 관점
• 내러티브: 이번 사이클은 “다 같이 오르는 불장”보다 “좋은 것만 오르는 초기 강세장”에 가깝고, 크립토 AI도 단순 밈이 아니라 프라이버시·조정·AI 인프라 금융이라는 실제 유스케이스 중심으로 재편될 수 있다.
• 가격/포지셔닝: 컨센서스 자산이라고 무조건 피할 장이 아니라, Hyperliquid 같은 강한 펀더멘털 자산은 crowding 이후에도 추가 리레이팅이 가능하며, 반대로 경쟁력 없는 토큰은 계속 디레이팅될 수 있어 롱숏/상대가치가 유리하다.
• 체크포인트: AI 관련 온체인 수요가 실제로 inference 매출·저장 사용량·에이전트 트랜잭션으로 이어지는지, HYPE류의 고품질 자산이 실적과 수수료로 밸류에이션을 정당화하는지, 그리고 초기 단계 크립토 스타트업이 AI 덕분에 더 적은 인력으로 더 빠르게 PMF에 도달하는지를 봐야 한다.
https://youtu.be/LmSWQM_dmzI
1. Arthur Cheong, Rajiv Patel-O'Connor, Smac의 공통된 메시지는 명확했다: 이번 장은 과거처럼 베타에 레버리지만 얹는 시장이 아니라, 분산도(dispersion)가 커지며 진짜 액티브 매니저가 빛나는 장이다.
2. 크립토 x AI는 2023년엔 억지 결합이 많았지만, 최근 1년은 “어디서 실제로 맞물리는가”가 보이기 시작했고, 핵심 키워드는 프라이버시, 자본조달(financing), 머신 간 조정(coordination)이다.
3. AI 에이전트가 꼭 블록체인을 써야 하냐는 질문에는 확답이 없었지만, 소액 결제·머신투머신 거래·내구성 있는 메시지 저장·퍼미션리스 조정 레이어라는 점에서 블록체인이 실험할 가치가 있다는 시각이 나왔다.
4. 구체 사례로는 Nous Research의 Hermes, 프라이버시 중심 inference 라우팅을 하는 Venice AI, GPU 클러스터 금융을 제공하는 포트폴리오사 Upexi/USDA 계열 사례가 언급됐고, Arweave·Filecoin 같은 영구 저장 네트워크의 AI swarm 활용 가능성도 거론됐다.
5. 특히 흥미로운 포인트는 “크립토 AI는 효율성으로 중앙화 AI를 이기기보다, 프라이버시와 퍼미션리스라는 사회적 요구 변화에서 엣지가 생길 수 있다”는 프레임 전환이다.
6. 펀드 운용 측면에선 liquid와 venture를 함께 가져가는 바벨 전략이 여전히 유효하다고 봤고, illiquid 토큰도 확신이 있다면 시간 분산 매수로 충분히 사이즈를 만들 수 있다는 의견이 나왔다.
7. Arthur는 포지션 구축 시 최종 평균단가 기준 5~10% 슬리피지를 예산으로 잡는다고 했는데, 이건 “당일 가격”보다 “큰 추세를 먹는 것”이 중요해진 시장이라는 힌트다.
8. 이번 사이클의 핵심 변화는 crowding이 더 빨라졌다는 점이다. 좋은 아이디어는 여러 펀드가 동시에 발견하고 빠르게 컨센서스가 되지만, 예전과 달리 컨센서스가 됐다고 바로 끝나는 게 아니라, 펀더멘털이 따라오면 계속 오른다.
9. 그 대표 사례로 Hyperliquid와 $HYPE가 언급됐다. Arthur는 HYPE가 1년 넘게 컨센서스였음에도 여전히 아웃퍼폼하는 점을 “드디어 크립토가 펀더멘털을 가격에 반영하는 시장이 되고 있다는 신호”로 해석했다.
10. 동시에 시장은 양극화됐다. 스마트머니는 메이저와 “좋은 미드캡”으로 몰리고, 10배~20배를 원하는 리테일은 10만~5000만달러급 초소형 밈코인으로 내려가며 같은 크립토 안에서도 완전히 다른 게임이 열리고 있다.
11. 그래서 올해는 롱숏 전략의 황금기라는 진단도 나왔다. 강한 펀더멘털 자산은 계속 리레이팅되고, 실패한 프로젝트는 6개월마다 -50%씩 미끄러질 수 있어, 롱과 숏 양쪽에서 돈 벌 기회가 동시에 열린다는 것.
12. 벤치마크에 대해선 여전히 Bitcoin이 사실상 기준점이다. LP 입장에선 ETF로 IBIT를 살 수 있는데, 그걸 못 이기는 크립토 펀드에 왜 돈을 맡기냐는 냉정한 질문이 여전히 유효하다.
13. 벤처 쪽에서는 seed와 pre-seed 기회가 다시 좋아지고 있다는 평가가 나왔다. 성장 단계(growth)는 딜이 너무 적고 경쟁이 심해 오버랩이 크지만, 초기 단계는 2021~2022년의 과열이 꺼지며 오히려 좋은 창업자를 싸게 만날 확률이 높아졌다는 얘기다.
14. 또 하나 중요한 변화는 AI가 초기 팀의 자본 효율을 높이고 있다는 점이다. 과거엔 headcount로 태웠을 자금이 이제는 compute와 API credits로 옮겨가고, 5~10M 달러가 예전보다 훨씬 오래 버티게 해준다.
15. 다만 불확실성도 선명하다. AI 에이전트의 블록체인 활용은 아직 실험 단계이고, 퍼미션리스 금융은 “rogue agent가 가장 먼저 악용할 인프라”가 될 수도 있으며, 크립토 AI의 가치 포착 구조 역시 아직 완전히 증명되지 않았다.
트레이더/투자자 관점
• 내러티브: 이번 사이클은 “다 같이 오르는 불장”보다 “좋은 것만 오르는 초기 강세장”에 가깝고, 크립토 AI도 단순 밈이 아니라 프라이버시·조정·AI 인프라 금융이라는 실제 유스케이스 중심으로 재편될 수 있다.
• 가격/포지셔닝: 컨센서스 자산이라고 무조건 피할 장이 아니라, Hyperliquid 같은 강한 펀더멘털 자산은 crowding 이후에도 추가 리레이팅이 가능하며, 반대로 경쟁력 없는 토큰은 계속 디레이팅될 수 있어 롱숏/상대가치가 유리하다.
• 체크포인트: AI 관련 온체인 수요가 실제로 inference 매출·저장 사용량·에이전트 트랜잭션으로 이어지는지, HYPE류의 고품질 자산이 실적과 수수료로 밸류에이션을 정당화하는지, 그리고 초기 단계 크립토 스타트업이 AI 덕분에 더 적은 인력으로 더 빠르게 PMF에 도달하는지를 봐야 한다.
https://youtu.be/LmSWQM_dmzI
YouTube
Where Is The Crypto Alpha Hiding This Cycle?
Is crypto finally rewarding the investors who do the work?
This week, we sit down with three top allocators at DAS Singapore to unpack where the real alpha lives in an early, uneven bull market.
We explore where crypto x AI actually works, building size…
This week, we sit down with three top allocators at DAS Singapore to unpack where the real alpha lives in an early, uneven bull market.
We explore where crypto x AI actually works, building size…
AI가 비트코인 보안을 다시 쓴다
1. Rob Hamilton은 Coldcard 해킹을 “하드웨어월렛 한 회사의 사고”로 보되, 더 큰 그림에서는 AI가 기존 보안 감사보다 훨씬 싸고 빠르게 취약점을 찾기 시작한 첫 공개 신호라고 본다.
2. 그는 Kimmy K3 같은 오픈웨이트 모델로 약 650개 코드베이스를 스캔해 1만개 이상의 findings를 잡았고, 이 중 1,500개가 high 또는 critical이었다고 말한다. 결론은 “비트코인만의 문제가 아니라 소프트웨어 전체가 깨져 있다”는 것.
3. 투자적으로 중요한 포인트는 비트코인 프로토콜 자체보다 지갑, 라이브러리, 인프라, 의존성(dependencies) 레이어가 더 큰 타격면이라는 점이다. Bitcoin Core와 libsecp256k1에는 치명적 문제를 못 찾았고, 오히려 주변 애플리케이션이 약했다는 메시지다.
4. Coldcard 취약점은 “엔트로피”라는 하드웨어월렛의 가장 핵심 가정이 무너진 사건으로, Rob은 이를 “용납 불가한 catastrophic failure”로 규정한다. 단순 버그가 아니라 self-custody 내러티브의 신뢰 프리미엄을 건드린 사고였다.
5. 이 사건 이후 “don’t trust, verify”도 재해석된다. 과거엔 극소수 개발자만 검증할 수 있었지만, 이제는 AI 덕분에 일반 사용자도 어느 정도 검증에 참여할 수 있게 됐고, 반대로 검증하지 않는 리스크는 더 커졌다.
6. self-custody의 시장 구조도 바뀐다. 단일 하드웨어월렛 single-sig는 심리적으로는 단순하지만 단일 실패지점이 될 수 있고, Hamilton은 멀티시그·협업형 커스터디·miniscript·timelock recovery 같은 설계를 더 강하게 밀어야 한다고 본다.
7. “비트코인 해킹이 먼저 눈에 띈 이유는 돈이 즉시 움직이고 온체인에 공개되기 때문”이라는 해석도 중요하다. 은행, 병원, 유틸리티도 이미 비슷하게 뚫리고 있을 수 있지만, 비트코인은 자금 흐름이 투명해서 시장 드라마가 더 빨리 드러난다는 것.
8. 또 하나의 큰 축은 AI 지정학이다. OpenAI·Anthropic은 방어적 보안 작업조차 종종 막았고, 실제 실무에선 중국 오픈 모델이 더 유용했다는 경험담이 나온다. 이것은 단순 모델 성능 비교가 아니라 “미국 클로즈드 모델 vs 중국 오픈 모델”의 규제·자유·산업정책 이슈로 번진다.
9. Hamilton은 미국 빅 AI의 안전 담론을 사실상 시장 독점과 규제 해자 구축 시도로 본다. 오픈소스 AI 규제가 강화될수록, 보안·코딩·에이전트 인프라 쪽에서는 오픈웨이트 생태계와 비미국권 모델의 전략적 가치가 올라갈 수 있다.
10. 흥미로운 대비는 이렇다: Bitcoin Core는 견고했고, 비트코인 주변 기업 소프트웨어는 생각보다 취약했으며, 기존 수만 달러짜리 감사보다 수십~수백 달러 AI 스캔이 더 많은 문제를 찾을 수 있었다. 보안 산업의 가치사슬이 재편될 수 있다는 뜻이다.
트레이더/투자자 관점
• 내러티브: 비트코인 강세와 별개로 “비트코인 인프라 보안 할인”이 붙을 수 있고, 반대로 멀티시그·보험형 커스터디·엔터프라이즈 보안·오픈소스 AI 보안 툴링은 재평가 받을 수 있다.
• 가격/포지셔닝: BTC 자체보다는 하드웨어월렛 단일 벤더 리스크, 커스터디 인프라, 사이버보안 SaaS, AI 보안 에이전트 쪽이 상대적으로 더 큰 포지셔닝 변화 구간이다. “비트코인 프로토콜은 강하지만 엣지 레이어는 약하다”는 구분이 중요하다.
• 체크포인트: 추가 해킹이 비트코인 외부의 은행·전력·의료 인프라로 확산되는지, OpenAI/Anthropic의 보안 정책 변화, 중국 오픈 모델의 성능 추격, Bitcoin 프로젝트들의 멀티시그·miniscript 채택 증가, 그리고 Coldcard/FBI 수사 진행 상황을 봐야 한다.
https://youtu.be/7f4bt_mnAQk
1. Rob Hamilton은 Coldcard 해킹을 “하드웨어월렛 한 회사의 사고”로 보되, 더 큰 그림에서는 AI가 기존 보안 감사보다 훨씬 싸고 빠르게 취약점을 찾기 시작한 첫 공개 신호라고 본다.
2. 그는 Kimmy K3 같은 오픈웨이트 모델로 약 650개 코드베이스를 스캔해 1만개 이상의 findings를 잡았고, 이 중 1,500개가 high 또는 critical이었다고 말한다. 결론은 “비트코인만의 문제가 아니라 소프트웨어 전체가 깨져 있다”는 것.
3. 투자적으로 중요한 포인트는 비트코인 프로토콜 자체보다 지갑, 라이브러리, 인프라, 의존성(dependencies) 레이어가 더 큰 타격면이라는 점이다. Bitcoin Core와 libsecp256k1에는 치명적 문제를 못 찾았고, 오히려 주변 애플리케이션이 약했다는 메시지다.
4. Coldcard 취약점은 “엔트로피”라는 하드웨어월렛의 가장 핵심 가정이 무너진 사건으로, Rob은 이를 “용납 불가한 catastrophic failure”로 규정한다. 단순 버그가 아니라 self-custody 내러티브의 신뢰 프리미엄을 건드린 사고였다.
5. 이 사건 이후 “don’t trust, verify”도 재해석된다. 과거엔 극소수 개발자만 검증할 수 있었지만, 이제는 AI 덕분에 일반 사용자도 어느 정도 검증에 참여할 수 있게 됐고, 반대로 검증하지 않는 리스크는 더 커졌다.
6. self-custody의 시장 구조도 바뀐다. 단일 하드웨어월렛 single-sig는 심리적으로는 단순하지만 단일 실패지점이 될 수 있고, Hamilton은 멀티시그·협업형 커스터디·miniscript·timelock recovery 같은 설계를 더 강하게 밀어야 한다고 본다.
7. “비트코인 해킹이 먼저 눈에 띈 이유는 돈이 즉시 움직이고 온체인에 공개되기 때문”이라는 해석도 중요하다. 은행, 병원, 유틸리티도 이미 비슷하게 뚫리고 있을 수 있지만, 비트코인은 자금 흐름이 투명해서 시장 드라마가 더 빨리 드러난다는 것.
8. 또 하나의 큰 축은 AI 지정학이다. OpenAI·Anthropic은 방어적 보안 작업조차 종종 막았고, 실제 실무에선 중국 오픈 모델이 더 유용했다는 경험담이 나온다. 이것은 단순 모델 성능 비교가 아니라 “미국 클로즈드 모델 vs 중국 오픈 모델”의 규제·자유·산업정책 이슈로 번진다.
9. Hamilton은 미국 빅 AI의 안전 담론을 사실상 시장 독점과 규제 해자 구축 시도로 본다. 오픈소스 AI 규제가 강화될수록, 보안·코딩·에이전트 인프라 쪽에서는 오픈웨이트 생태계와 비미국권 모델의 전략적 가치가 올라갈 수 있다.
10. 흥미로운 대비는 이렇다: Bitcoin Core는 견고했고, 비트코인 주변 기업 소프트웨어는 생각보다 취약했으며, 기존 수만 달러짜리 감사보다 수십~수백 달러 AI 스캔이 더 많은 문제를 찾을 수 있었다. 보안 산업의 가치사슬이 재편될 수 있다는 뜻이다.
트레이더/투자자 관점
• 내러티브: 비트코인 강세와 별개로 “비트코인 인프라 보안 할인”이 붙을 수 있고, 반대로 멀티시그·보험형 커스터디·엔터프라이즈 보안·오픈소스 AI 보안 툴링은 재평가 받을 수 있다.
• 가격/포지셔닝: BTC 자체보다는 하드웨어월렛 단일 벤더 리스크, 커스터디 인프라, 사이버보안 SaaS, AI 보안 에이전트 쪽이 상대적으로 더 큰 포지셔닝 변화 구간이다. “비트코인 프로토콜은 강하지만 엣지 레이어는 약하다”는 구분이 중요하다.
• 체크포인트: 추가 해킹이 비트코인 외부의 은행·전력·의료 인프라로 확산되는지, OpenAI/Anthropic의 보안 정책 변화, 중국 오픈 모델의 성능 추격, Bitcoin 프로젝트들의 멀티시그·miniscript 채택 증가, 그리고 Coldcard/FBI 수사 진행 상황을 봐야 한다.
https://youtu.be/7f4bt_mnAQk
AI의 비밀 데이터 파이프 Grass
1. Andrej Radonjic(Wynd Labs CEO)의 핵심 주장은 단순하다: 이제 AI 경쟁의 병목은 GPU만이 아니라 “공개 웹에 실제로 접근할 수 있는가”이며, Grass는 이를 해결하는 데이터 인프라라는 것.
2. 팬데믹 이후 기업·정부의 웹 인텔리전스 수요가 폭증했고, 동시에 사이트들은 데이터센터 IP와 봇을 강하게 차단하기 시작했는데, 이 충돌이 Grass 같은 residential bandwidth 네트워크의 시장을 만들었다.
3. Grass의 차별점은 “동의 기반(consent)”이다; 과거 스마트TV·VPN·앱 업데이트에 몰래 프록시 기능을 심는 방식과 달리, 사용자가 직접 노드로 참여하고 보상을 받는 구조라 지속 가능성과 규제 리스크 측면에서 우위가 있다는 논리다.
4. 숫자가 인상적이다: Grass는 800만 노드 수준 네트워크를 바탕으로 이미 frontier AI labs에 엑사바이트급 데이터를 공급했고, 내부적으로는 수천 대의 컴퓨트 서버와 대규모 스토리지를 운영 중이라고 설명한다.
5. 중요한 포인트는 AI 랩이 돈을 내는 대상이 “그냥 많은 데이터”가 아니라는 점이다; 텍스트, 코드, 영상, 특정 언어/방언, 특정 도메인(법률·금융·수학)처럼 모델 성능을 실제로 올리는 고신호 데이터와 그것을 빠르게 정제하는 속도가 핵심이라고 본다.
6. 훈련 데이터와 추론 데이터의 경계도 흐려지고 있다; 지금은 pretraining용 크롤링과 inference용 live context retrieval이 나뉘어 있지만, 장기적으로는 실시간 정보가 모델 업데이트와 결합되는 continuous learning 방향으로 수렴할 것이라는 시각이다.
7. 새 제품인 Contents API는 이 논리를 제품화한 사례다; URL 하나만 넣으면 특정 국가 시점에서 해당 웹페이지 콘텐츠를 markdown/text로 뽑아주며, anti-bot·브라우저 렌더링·TLS fingerprint 같은 복잡한 레이어를 API 1콜로 추상화했다.
8. 이건 검색 시장 프레임도 바꾼다; 과거엔 웹 크롤링은 쉽고 검색 인덱싱이 어려웠다면, 지금은 오픈소스 임베딩/벡터 검색은 싸졌고 오히려 “차단당하지 않고 웹을 읽는 능력”이 진짜 moat가 됐다는 주장이다.
9. 로보틱스도 흥미롭다: Grass는 1000억 개 이상 웹 비디오를 인덱싱했다고 말하며, 범용 영상 생성과 달리 로봇 학습은 인간 동작·환경 상호작용처럼 더 정밀한 비디오 필터링이 중요해 새 수요가 열리고 있다고 본다.
10. Andrej는 AI 데이터 비즈니스를 defense tech에 비유한다; 어떤 랩이 어떤 데이터를 사는지 공개되면 향후 6~12개월의 연구 방향과 제품 전략이 노출되기 때문에, 데이터 공급사는 실제로 최전선 정보를 보지만 말할 수 없는 경우가 많다는 얘기다.
11. 수익 구조에서도 흥미로운 점이 있다: 공개된 revenue attestation은 Wynd Labs가 아니라 ownerless한 Grass Foundation 기준이며, 고객 계약·현금 수취·IP 보유를 재단이 담당하고 운영사는 서비스 제공자 역할을 한다는 설명은 토큰-비즈니스 정렬을 의식한 설계로 읽힌다.
12. 다만 리스크도 명확하다; 웹 차단은 더 강해질 수 있고, inference 수요가 커질수록 지리별 노드 밀도·지연시간·품질 유지가 어려워지며, AI 랩이 내재화하거나 특정 데이터 영역이 빠르게 commoditize될 가능성도 배제할 수 없다.
트레이더/투자자 관점
• 내러티브: AI 투자에서 “GPU 다음은 데이터”가 아니라 “접근 가능한 데이터”가 핵심 내러티브로 이동 중이며, 프록시 네트워크·실시간 웹 접근·에이전트 인프라가 독립 섹터로 재평가될 수 있다.
• 가격/포지셔닝: AI 애플리케이션 레이어보다 데이터 파이프라인·웹 액세스·검색 인프라가 더 높은 전략적 가치를 가질 수 있다는 메시지이고, 특히 에이전트 테마 확산 시 residential network 기반 프로젝트는 밸류에이션 재평가 후보가 된다.
• 체크포인트: Grass 노드 수 증가, LCR/Contents API 채택률, Search API 출시, AI 랩 고객 다변화, 로보틱스·멀티모달 데이터 계약, latency 개선, 재단 수익의 지속성·투명성, 그리고 웹 플랫폼들의 anti-bot 정책 강화 여부를 봐야 한다.
https://youtu.be/QT7adhMLMI4
1. Andrej Radonjic(Wynd Labs CEO)의 핵심 주장은 단순하다: 이제 AI 경쟁의 병목은 GPU만이 아니라 “공개 웹에 실제로 접근할 수 있는가”이며, Grass는 이를 해결하는 데이터 인프라라는 것.
2. 팬데믹 이후 기업·정부의 웹 인텔리전스 수요가 폭증했고, 동시에 사이트들은 데이터센터 IP와 봇을 강하게 차단하기 시작했는데, 이 충돌이 Grass 같은 residential bandwidth 네트워크의 시장을 만들었다.
3. Grass의 차별점은 “동의 기반(consent)”이다; 과거 스마트TV·VPN·앱 업데이트에 몰래 프록시 기능을 심는 방식과 달리, 사용자가 직접 노드로 참여하고 보상을 받는 구조라 지속 가능성과 규제 리스크 측면에서 우위가 있다는 논리다.
4. 숫자가 인상적이다: Grass는 800만 노드 수준 네트워크를 바탕으로 이미 frontier AI labs에 엑사바이트급 데이터를 공급했고, 내부적으로는 수천 대의 컴퓨트 서버와 대규모 스토리지를 운영 중이라고 설명한다.
5. 중요한 포인트는 AI 랩이 돈을 내는 대상이 “그냥 많은 데이터”가 아니라는 점이다; 텍스트, 코드, 영상, 특정 언어/방언, 특정 도메인(법률·금융·수학)처럼 모델 성능을 실제로 올리는 고신호 데이터와 그것을 빠르게 정제하는 속도가 핵심이라고 본다.
6. 훈련 데이터와 추론 데이터의 경계도 흐려지고 있다; 지금은 pretraining용 크롤링과 inference용 live context retrieval이 나뉘어 있지만, 장기적으로는 실시간 정보가 모델 업데이트와 결합되는 continuous learning 방향으로 수렴할 것이라는 시각이다.
7. 새 제품인 Contents API는 이 논리를 제품화한 사례다; URL 하나만 넣으면 특정 국가 시점에서 해당 웹페이지 콘텐츠를 markdown/text로 뽑아주며, anti-bot·브라우저 렌더링·TLS fingerprint 같은 복잡한 레이어를 API 1콜로 추상화했다.
8. 이건 검색 시장 프레임도 바꾼다; 과거엔 웹 크롤링은 쉽고 검색 인덱싱이 어려웠다면, 지금은 오픈소스 임베딩/벡터 검색은 싸졌고 오히려 “차단당하지 않고 웹을 읽는 능력”이 진짜 moat가 됐다는 주장이다.
9. 로보틱스도 흥미롭다: Grass는 1000억 개 이상 웹 비디오를 인덱싱했다고 말하며, 범용 영상 생성과 달리 로봇 학습은 인간 동작·환경 상호작용처럼 더 정밀한 비디오 필터링이 중요해 새 수요가 열리고 있다고 본다.
10. Andrej는 AI 데이터 비즈니스를 defense tech에 비유한다; 어떤 랩이 어떤 데이터를 사는지 공개되면 향후 6~12개월의 연구 방향과 제품 전략이 노출되기 때문에, 데이터 공급사는 실제로 최전선 정보를 보지만 말할 수 없는 경우가 많다는 얘기다.
11. 수익 구조에서도 흥미로운 점이 있다: 공개된 revenue attestation은 Wynd Labs가 아니라 ownerless한 Grass Foundation 기준이며, 고객 계약·현금 수취·IP 보유를 재단이 담당하고 운영사는 서비스 제공자 역할을 한다는 설명은 토큰-비즈니스 정렬을 의식한 설계로 읽힌다.
12. 다만 리스크도 명확하다; 웹 차단은 더 강해질 수 있고, inference 수요가 커질수록 지리별 노드 밀도·지연시간·품질 유지가 어려워지며, AI 랩이 내재화하거나 특정 데이터 영역이 빠르게 commoditize될 가능성도 배제할 수 없다.
트레이더/투자자 관점
• 내러티브: AI 투자에서 “GPU 다음은 데이터”가 아니라 “접근 가능한 데이터”가 핵심 내러티브로 이동 중이며, 프록시 네트워크·실시간 웹 접근·에이전트 인프라가 독립 섹터로 재평가될 수 있다.
• 가격/포지셔닝: AI 애플리케이션 레이어보다 데이터 파이프라인·웹 액세스·검색 인프라가 더 높은 전략적 가치를 가질 수 있다는 메시지이고, 특히 에이전트 테마 확산 시 residential network 기반 프로젝트는 밸류에이션 재평가 후보가 된다.
• 체크포인트: Grass 노드 수 증가, LCR/Contents API 채택률, Search API 출시, AI 랩 고객 다변화, 로보틱스·멀티모달 데이터 계약, latency 개선, 재단 수익의 지속성·투명성, 그리고 웹 플랫폼들의 anti-bot 정책 강화 여부를 봐야 한다.
https://youtu.be/QT7adhMLMI4
AI가 먼저 암호를 깰까
1. Ethereum 연구자 Justin Drake의 문제제기는 단순한 공포마케팅이 아니라, 블록체인이 쓰는 ECDSA 타원곡선 서명이 AI 수학 성능 급등으로 양자컴퓨터 Q-Day보다 먼저 깨질 수도 있으니 “bunker mode” 같은 비상 이행 계획을 준비하자는 신호였다.
2. Project Eleven의 Alex Pruden, Conor Deegan은 “오늘 당장 Bitcoin·Ethereum의 실사용 암호가 깨진 건 아니다”라고 선을 그으면서도, AI가 이미 Hawk, McEliece 계열 등 일부 스킴을 무너뜨린 사례가 나왔고 A-Day는 사실상 시작됐다고 봤다.
3. 핵심은 “AI 위협 대응”과 “양자컴퓨팅 대응”이 별개가 아니라는 점이다. 결국 둘 다 기존 공개키 암호에서 포스트퀀텀/포스트AI 암호로 마이그레이션하는 같은 작업이며, 아무것도 안 하는 체인이 가장 위험하다는 메시지다.
4. Justin은 해시 기반 암호를 선호했다. 이유는 curves, lattices, isogenies처럼 구조적 수학 가정이 많은 스킴은 AI가 ‘패턴’을 찾을 여지가 있지만, SHA·Blake 계열 해시는 구조가 적어 상대적으로 보수적인 선택이라는 논리다.
5. 반대로 Coinbase의 수석 암호학자 Yehuda Lindell은 “타원곡선이 AI에 더 취약하다는 증거는 없다”고 반박했다. 오히려 역사적으로는 해시 함수가 타원곡선보다 더 자주 깨졌고, NIST도 그래서 주력 PQ 서명으로 lattice 기반 ML-DSA를 밀고 있다.
6. 투자적으로 중요한 포인트는 “어느 암호가 절대 정답이냐”가 아니라 “crypto agility”다. 즉, 한 번 갈아타고 끝이 아니라 향후 새로운 AI/양자 공격과 새 스킴 등장에 맞춰 지속적으로 교체 가능한 구조를 만드는 체인이 프리미엄을 받을 수 있다.
7. 블록체인은 은행·TLS와 다르게 암호가 깨지면 중간 통제자 없이 바로 자산 탈취로 이어진다. Hib Kuo/Dragonfly가 “은행은 재발급으로 복구되지만 블록체인은 소유권 자체가 붕괴할 수 있다”고 한 이유다.
8. Alex의 Q-Day 업데이트는 2030년이 earliest, 2033~2035년이 more likely than not였다. 다만 그는 최근 Google의 magic state, Quantinuum의 오류정정 진전이 “이론뿐”이라는 회의론을 약하게 만들고 있다고 봤고, AI 타임라인은 이보다 훨씬 즉각적이라고 했다.
트레이더/투자자 관점
• 내러티브: 포스트퀀텀은 더 이상 먼 미래 테마가 아니라, AI 보안 리스크와 합쳐진 “크립토 인프라 재설계” 내러티브로 이동 중이다. 보안, 커스터디, MPC, 온체인 업그레이드 거버넌스, 프라이버시 체인 리스크가 한 묶음으로 재평가될 수 있다.
• 가격/포지셔닝: 단기적으로는 BTC·ETH가 당장 위험하다는 뜻보단, “준비된 체인 vs 방치된 체인”의 밸류 차별화가 핵심이다. Zcash처럼 암호 전환 논의가 직접적인 체인, Project Eleven 같은 보안 인프라, 커스터디·보험 결합 플레이가 상대강도를 가질 수 있고, 반대로 거버넌스가 느리거나 업그레이드 합의가 어려운 체인은 할인 요인이 된다.
• 체크포인트: Ethereum·Bitcoin 코어 진영의 PQ 로드맵 진전, NIST 표준 채택 흐름, OpenAI/Anthropic 등 Frontier Lab의 수학·암호 성과, Google·Quantinuum의 오류정정 업데이트, 거래소·커스터디 업체의 crypto agility 도입, 그리고 “public key 노출 UTXO/주소” 규모 변화를 계속 봐야 한다.
https://youtu.be/N7qSzbwejxU
1. Ethereum 연구자 Justin Drake의 문제제기는 단순한 공포마케팅이 아니라, 블록체인이 쓰는 ECDSA 타원곡선 서명이 AI 수학 성능 급등으로 양자컴퓨터 Q-Day보다 먼저 깨질 수도 있으니 “bunker mode” 같은 비상 이행 계획을 준비하자는 신호였다.
2. Project Eleven의 Alex Pruden, Conor Deegan은 “오늘 당장 Bitcoin·Ethereum의 실사용 암호가 깨진 건 아니다”라고 선을 그으면서도, AI가 이미 Hawk, McEliece 계열 등 일부 스킴을 무너뜨린 사례가 나왔고 A-Day는 사실상 시작됐다고 봤다.
3. 핵심은 “AI 위협 대응”과 “양자컴퓨팅 대응”이 별개가 아니라는 점이다. 결국 둘 다 기존 공개키 암호에서 포스트퀀텀/포스트AI 암호로 마이그레이션하는 같은 작업이며, 아무것도 안 하는 체인이 가장 위험하다는 메시지다.
4. Justin은 해시 기반 암호를 선호했다. 이유는 curves, lattices, isogenies처럼 구조적 수학 가정이 많은 스킴은 AI가 ‘패턴’을 찾을 여지가 있지만, SHA·Blake 계열 해시는 구조가 적어 상대적으로 보수적인 선택이라는 논리다.
5. 반대로 Coinbase의 수석 암호학자 Yehuda Lindell은 “타원곡선이 AI에 더 취약하다는 증거는 없다”고 반박했다. 오히려 역사적으로는 해시 함수가 타원곡선보다 더 자주 깨졌고, NIST도 그래서 주력 PQ 서명으로 lattice 기반 ML-DSA를 밀고 있다.
6. 투자적으로 중요한 포인트는 “어느 암호가 절대 정답이냐”가 아니라 “crypto agility”다. 즉, 한 번 갈아타고 끝이 아니라 향후 새로운 AI/양자 공격과 새 스킴 등장에 맞춰 지속적으로 교체 가능한 구조를 만드는 체인이 프리미엄을 받을 수 있다.
7. 블록체인은 은행·TLS와 다르게 암호가 깨지면 중간 통제자 없이 바로 자산 탈취로 이어진다. Hib Kuo/Dragonfly가 “은행은 재발급으로 복구되지만 블록체인은 소유권 자체가 붕괴할 수 있다”고 한 이유다.
8. Alex의 Q-Day 업데이트는 2030년이 earliest, 2033~2035년이 more likely than not였다. 다만 그는 최근 Google의 magic state, Quantinuum의 오류정정 진전이 “이론뿐”이라는 회의론을 약하게 만들고 있다고 봤고, AI 타임라인은 이보다 훨씬 즉각적이라고 했다.
트레이더/투자자 관점
• 내러티브: 포스트퀀텀은 더 이상 먼 미래 테마가 아니라, AI 보안 리스크와 합쳐진 “크립토 인프라 재설계” 내러티브로 이동 중이다. 보안, 커스터디, MPC, 온체인 업그레이드 거버넌스, 프라이버시 체인 리스크가 한 묶음으로 재평가될 수 있다.
• 가격/포지셔닝: 단기적으로는 BTC·ETH가 당장 위험하다는 뜻보단, “준비된 체인 vs 방치된 체인”의 밸류 차별화가 핵심이다. Zcash처럼 암호 전환 논의가 직접적인 체인, Project Eleven 같은 보안 인프라, 커스터디·보험 결합 플레이가 상대강도를 가질 수 있고, 반대로 거버넌스가 느리거나 업그레이드 합의가 어려운 체인은 할인 요인이 된다.
• 체크포인트: Ethereum·Bitcoin 코어 진영의 PQ 로드맵 진전, NIST 표준 채택 흐름, OpenAI/Anthropic 등 Frontier Lab의 수학·암호 성과, Google·Quantinuum의 오류정정 업데이트, 거래소·커스터디 업체의 crypto agility 도입, 그리고 “public key 노출 UTXO/주소” 규모 변화를 계속 봐야 한다.
https://youtu.be/N7qSzbwejxU
AI 트레이드 진짜 끝났나
1. 최근 AI 관련 주식과 크레딧이 동시에 흔들리며 “AI 버블 붕괴” 내러티브가 강해졌지만, Jack과 Max의 기본 시나리오는 ‘종말’이 아니라 과도한 기대가 한 차례 정리되는 과정이다.
2. 가장 중요한 스트레스 신호는 CoreWeave 크레딧으로, 2032년 unsecured bond가 누적 디폴트 확률 50~60%를 시사할 정도로 무너졌고 이는 AI 인프라 빌드아웃이 주식보다 먼저 채권시장에서 의심받고 있음을 보여준다.
3. 다만 SpaceX 실적 콜은 정반대 그림을 던졌다. Elon Musk는 2027년 말까지 13GW 이상, 잠재적으로 20GW 수준의 전력·냉각 인프라를 겨냥한다고 했고, 이것이 사실이면 “칩은 있는데 넣을 데이터센터가 없다”는 베어 논리가 약해진다.
4. SpaceX의 AI 매출은 분기 기준 3배, YoY 830% 증가했고, Anthropic 한 곳에서만 월 12.3억달러 수준의 계약이 들어오며 GPU hour 가격이 대략 5.3달러로 추정된다고 언급됐다.
5. 이 가격이 유지된다면 CoreWeave식 GPU 임대 모델은 지금의 채권 가격보다 훨씬 덜 비관적으로 봐야 하고, 반대로 시장이 맞다면 결국 핵심 변수는 “컴퓨트 가격 붕괴 여부”다.
6. 최근 조정의 직접 트리거는 두 가지였다. Anthropic의 Q3 매출 성장률이 Q2 대비 급감했고, 중국 메모리 업체 CXMT의 증산 이슈로 AI 반도체 이익 성장의 큰 축인 메모리 수익성에 의문이 붙었다.
7. Anthropic 매출은 Q1 47억달러, Q2 116억달러, Q3 168억달러로 절대 매출은 여전히 폭증 중이지만, QoQ 성장률이 147%에서 45%로 둔화되면서 “속도의 둔화”가 시장 심리를 깨뜨렸다.
8. 하지만 이 둔화 해석은 세 갈래다. AI 수요 자체가 가짜일 수도 있고, 수요는 있는데 오픈소스·중국 모델 때문에 가격이 깨지는 걸 수도 있고, 혹은 OpenAI가 다시 점유율을 가져오는 경쟁 구도일 수도 있다.
9. Jack은 세 번째 가능성, 즉 Anthropic 둔화가 곧 AI 전체 붕괴는 아니라는 쪽에 무게를 둔다. 오히려 OpenAI와 xAI 같은 다른 플레이어가 강해진다면 총 컴퓨트 수요는 유지될 수 있다.
10. Ramp 데이터도 흥미롭다. 2026년 9월 기준 Ramp 고객사의 55.9%가 AI 지출을 하고 있고, Anthropic 사용 기업 비중은 43.8%, OpenAI는 40.6%, xAI는 4.1%까지 올라와 “한 명 승자독식”보다 멀티모델 구조가 보인다.
11. 시장 구조상 더 중요한 건 VC와 크레딧의 이해관계 충돌이다. VC는 100배짜리 우측 꼬리 확률에 베팅하면 되지만, 채권자는 안정적 회수와 낮은 디폴트를 원하므로 AI 인프라 파이낸싱이 커질수록 크레딧 시장은 본능적으로 불편해진다.
12. Ares 자료가 지적한 것도 바로 이것이다. AI 빌드아웃은 VC 자금만으로는 안 되고 결국 사모대출, 컨버터블, 보험자금까지 끌어와야 하는데, 이때 신용 투자자는 “무제한 자금이 필요하다”는 말을 가장 싫어한다.
13. 실제로 CoreWeave가 보험업계의 자금을 더 원한다는 FT 보도는 unsecured bond 투자자 입장에서 최악의 메시지다. 새 자금이 더 senior한 구조로 들어오면 기존 채권자의 지위는 더 나빠진다.
14. 한편 주식시장은 아직 완전히 AI 붕괴를 가격에 반영하지 않는다. 반도체와 데이터센터주는 빠졌지만 S&P 500은 버티고 있고, 자금은 헬스케어·보험·Visa 같은 고퀄리티 비AI 종목으로 회전하는 모습이다.
15. 이건 “AI가 죽었는데 시장은 멀쩡하다”기보다, AI 익스포저를 줄인 자금이 다른 대형주로 피신하며 지수 하락을 지연시키는 구조로 읽힌다. 둘은 다르다.
16. 포지셔닝도 역설적이다. 댓글과 분위기는 극단적으로 베어리시하지만, 그만큼 단기 디레버리징이 이미 진행됐고 일부 데이터상 헤지펀드의 순노출은 역사적 저점권이라 “모두가 여전히 과도하게 롱”이라고 보긴 어렵다.
17. Jack은 sell-side의 이익 추정치가 과장됐다는 통념에도 반대한다. 지난 10년 S&P 500 실적 beat rate가 약 77%였다는 점을 들어, 오히려 애널리스트 숫자가 보수적으로 깔려 있을 가능성을 강조했다.
18. 구체적 종목으론 Lam Research를 언급하며, 시장이 AI 장비 수요를 지나치게 낮게 잡고 있고 CFO 코멘트 대비 추정치가 너무 선형적이라면 실적 시즌에 재평가 여지가 있다고 봤다.
트레이더/투자자 관점
• 내러티브: AI는 “끝났냐 vs 안 끝났냐”의 이분법보다, 주식보다 크레딧이 먼저 겁먹은 상태에서 2028년 이후 수익화 가시성이 비어 있는 업종으로 재정의되고 있다.
• 가격/포지셔닝: CoreWeave류 크레딧은 디폴트 공포를 과하게 반영할 수 있지만, 반대로 진짜 위험은 unsecured 구조 열위와 컴퓨트 가격 하락이다. 반도체는 심리상 과매도 신호가 쌓이지만, 2027년 이후 수요 공백 우려가 해소되기 전까지는 멀티플 리레이팅이 제한될 수 있다.
• 체크포인트: Amazon/Oracle/SpaceX의 데이터센터 CAPEX 가이던스, Anthropic·OpenAI 성장률 재가속 여부, GPU hour 가격 추이, 메모리 공급 증가가 마진에 미치는 영향, CoreWeave 차환 조건과 보험자금 유입 구조를 봐야 한다.
https://youtu.be/jvWdaw2Hreg
1. 최근 AI 관련 주식과 크레딧이 동시에 흔들리며 “AI 버블 붕괴” 내러티브가 강해졌지만, Jack과 Max의 기본 시나리오는 ‘종말’이 아니라 과도한 기대가 한 차례 정리되는 과정이다.
2. 가장 중요한 스트레스 신호는 CoreWeave 크레딧으로, 2032년 unsecured bond가 누적 디폴트 확률 50~60%를 시사할 정도로 무너졌고 이는 AI 인프라 빌드아웃이 주식보다 먼저 채권시장에서 의심받고 있음을 보여준다.
3. 다만 SpaceX 실적 콜은 정반대 그림을 던졌다. Elon Musk는 2027년 말까지 13GW 이상, 잠재적으로 20GW 수준의 전력·냉각 인프라를 겨냥한다고 했고, 이것이 사실이면 “칩은 있는데 넣을 데이터센터가 없다”는 베어 논리가 약해진다.
4. SpaceX의 AI 매출은 분기 기준 3배, YoY 830% 증가했고, Anthropic 한 곳에서만 월 12.3억달러 수준의 계약이 들어오며 GPU hour 가격이 대략 5.3달러로 추정된다고 언급됐다.
5. 이 가격이 유지된다면 CoreWeave식 GPU 임대 모델은 지금의 채권 가격보다 훨씬 덜 비관적으로 봐야 하고, 반대로 시장이 맞다면 결국 핵심 변수는 “컴퓨트 가격 붕괴 여부”다.
6. 최근 조정의 직접 트리거는 두 가지였다. Anthropic의 Q3 매출 성장률이 Q2 대비 급감했고, 중국 메모리 업체 CXMT의 증산 이슈로 AI 반도체 이익 성장의 큰 축인 메모리 수익성에 의문이 붙었다.
7. Anthropic 매출은 Q1 47억달러, Q2 116억달러, Q3 168억달러로 절대 매출은 여전히 폭증 중이지만, QoQ 성장률이 147%에서 45%로 둔화되면서 “속도의 둔화”가 시장 심리를 깨뜨렸다.
8. 하지만 이 둔화 해석은 세 갈래다. AI 수요 자체가 가짜일 수도 있고, 수요는 있는데 오픈소스·중국 모델 때문에 가격이 깨지는 걸 수도 있고, 혹은 OpenAI가 다시 점유율을 가져오는 경쟁 구도일 수도 있다.
9. Jack은 세 번째 가능성, 즉 Anthropic 둔화가 곧 AI 전체 붕괴는 아니라는 쪽에 무게를 둔다. 오히려 OpenAI와 xAI 같은 다른 플레이어가 강해진다면 총 컴퓨트 수요는 유지될 수 있다.
10. Ramp 데이터도 흥미롭다. 2026년 9월 기준 Ramp 고객사의 55.9%가 AI 지출을 하고 있고, Anthropic 사용 기업 비중은 43.8%, OpenAI는 40.6%, xAI는 4.1%까지 올라와 “한 명 승자독식”보다 멀티모델 구조가 보인다.
11. 시장 구조상 더 중요한 건 VC와 크레딧의 이해관계 충돌이다. VC는 100배짜리 우측 꼬리 확률에 베팅하면 되지만, 채권자는 안정적 회수와 낮은 디폴트를 원하므로 AI 인프라 파이낸싱이 커질수록 크레딧 시장은 본능적으로 불편해진다.
12. Ares 자료가 지적한 것도 바로 이것이다. AI 빌드아웃은 VC 자금만으로는 안 되고 결국 사모대출, 컨버터블, 보험자금까지 끌어와야 하는데, 이때 신용 투자자는 “무제한 자금이 필요하다”는 말을 가장 싫어한다.
13. 실제로 CoreWeave가 보험업계의 자금을 더 원한다는 FT 보도는 unsecured bond 투자자 입장에서 최악의 메시지다. 새 자금이 더 senior한 구조로 들어오면 기존 채권자의 지위는 더 나빠진다.
14. 한편 주식시장은 아직 완전히 AI 붕괴를 가격에 반영하지 않는다. 반도체와 데이터센터주는 빠졌지만 S&P 500은 버티고 있고, 자금은 헬스케어·보험·Visa 같은 고퀄리티 비AI 종목으로 회전하는 모습이다.
15. 이건 “AI가 죽었는데 시장은 멀쩡하다”기보다, AI 익스포저를 줄인 자금이 다른 대형주로 피신하며 지수 하락을 지연시키는 구조로 읽힌다. 둘은 다르다.
16. 포지셔닝도 역설적이다. 댓글과 분위기는 극단적으로 베어리시하지만, 그만큼 단기 디레버리징이 이미 진행됐고 일부 데이터상 헤지펀드의 순노출은 역사적 저점권이라 “모두가 여전히 과도하게 롱”이라고 보긴 어렵다.
17. Jack은 sell-side의 이익 추정치가 과장됐다는 통념에도 반대한다. 지난 10년 S&P 500 실적 beat rate가 약 77%였다는 점을 들어, 오히려 애널리스트 숫자가 보수적으로 깔려 있을 가능성을 강조했다.
18. 구체적 종목으론 Lam Research를 언급하며, 시장이 AI 장비 수요를 지나치게 낮게 잡고 있고 CFO 코멘트 대비 추정치가 너무 선형적이라면 실적 시즌에 재평가 여지가 있다고 봤다.
트레이더/투자자 관점
• 내러티브: AI는 “끝났냐 vs 안 끝났냐”의 이분법보다, 주식보다 크레딧이 먼저 겁먹은 상태에서 2028년 이후 수익화 가시성이 비어 있는 업종으로 재정의되고 있다.
• 가격/포지셔닝: CoreWeave류 크레딧은 디폴트 공포를 과하게 반영할 수 있지만, 반대로 진짜 위험은 unsecured 구조 열위와 컴퓨트 가격 하락이다. 반도체는 심리상 과매도 신호가 쌓이지만, 2027년 이후 수요 공백 우려가 해소되기 전까지는 멀티플 리레이팅이 제한될 수 있다.
• 체크포인트: Amazon/Oracle/SpaceX의 데이터센터 CAPEX 가이던스, Anthropic·OpenAI 성장률 재가속 여부, GPU hour 가격 추이, 메모리 공급 증가가 마진에 미치는 영향, CoreWeave 차환 조건과 보험자금 유입 구조를 봐야 한다.
https://youtu.be/jvWdaw2Hreg
YouTube
Is The AI Trade Over? | Jack & Max on Panic in AI Credit, SpaceX Earnings, and Semis
This episode is brought to you by Sarmaya Partners. Learn more about Sarmaya’s LENS ETF, their full data and comparison, including performance here: https://sarmayaetf.com/
Is the AI trade finally cracking, or is this just another shakeout before the next…
Is the AI trade finally cracking, or is this just another shakeout before the next…
토큰화 2라운드 프라이버시와 기관 툴이 붙는다
1. 이번 방송의 핵심은 “시장 초록불”보다도, NEAR·Frax·Gearbox·zkSync가 공통적으로 보여준 방향이 같다는 점이다: 토큰화는 이제 파일럿이 아니라 실제 매출, 크레딧, 기관 운영 소프트웨어 단계로 넘어가고 있다.
2. NEAR 팀은 “AI와 금융은 기본값이 confidential이어야 한다”고 강하게 밀었고, 기업이 온체인에 올라오려면 거래내역·자금흐름·급여·재무 정보가 공개체인에 그대로 노출되면 안 된다는 현실적 문제를 정면으로 짚었다.
3. 포인트는 프라이버시가 이상론이 아니라 매출로 연결되기 시작했다는 것인데, 진행자는 NEAR Intents Q3 수익 증가와 confidential perps 전환 이후 흐름을 “privacy is turning into revenue”로 해석했다.
4. Ilia Polosukhin은 AI가 금융의 프론트엔드가 되고, 블록체인은 그 뒤에서 사람·에이전트·기업을 조정하는 정산 레이어가 된다고 설명했고, Alex Shevchenko는 NEAR를 “market of markets”이자 에이전트 경제의 인프라로 포지셔닝했다.
5. NEAR 측의 투자 포인트는 단순 L1 서사가 아니라, Intents로 유동성·주문 흐름을 잡고, near.ai로 private/verifiable inference를 붙이며, 에이전트가 NEAR를 담보·평판·슬래싱 자산처럼 쓰는 경제까지 엮으려는 큰 그림이다.
6. 양자 리스크에 대해서는 Justin Drake의 “bunker mode” 메시지와 달리, Anton은 공포 마케팅보다 멀티 크립토 계정 구조와 포스트퀀텀 서명 스킴 도입 유연성이 더 중요하다고 반박했고, NEAR는 이미 ML-DSA-65 등 전환 준비가 낫다는 점을 강조했다.
7. Frax x Gearbox 파트는 토큰화의 병목이 “자산을 올리는 것”이 아니라 “올린 뒤 쓸 수 있느냐”라는 걸 보여줬다. 기존 RWA는 민트/상환 윈도우 때문에 레버리지 포지션 청산에 최대 120일이 걸릴 수 있었는데, Gearbox의 credit account 구조로 이를 사실상 원클릭 상환 구조로 줄이겠다는 이야기다.
8. 여기서 중요한 건 자산 퀄리티다. Sean Kelley는 이번 구조가 토큰 인센티브 농사가 아니라 Midas의 MF1, M Global 같은 private credit·alternative debt 기반 자산에 붙는다고 설명했고, “토큰화 to nowhere”를 “DeFi utility가 붙은 토큰화”로 바꾸겠다는 의도가 분명했다.
9. zkSync의 Alex Gluchowski는 Money20/20에서 Prividium Commander를 공개했는데, 이건 기관이 토큰화 자산을 발행·통제·운영하는 “디지털 자산용 컨트롤 플레인”이다. 핵심은 블록체인 자체보다도 사용자 권한, 승인 단계, 감사, 내부 시스템 연동 같은 은행 실무를 며칠~몇 주 단위로 붙일 수 있게 하는 소프트웨어다.
10. Alex G의 가장 강한 메시지는 “파일럿 시대는 끝났고 production으로 간다”였다. 은행은 스테이블코인에 시큰둥해도 tokenized deposits, 24/7 시장, 온체인 결제·정산은 피할 수 없다고 보고 있고, zkSync는 이 전환에서 ZK를 신뢰·무결성 레이어로 팔고 있다.
11. 큰 그림에서 보면, NEAR는 AI+프라이버시+에이전트 경제, Frax/Gearbox는 RWA 크레딧 레일, zkSync는 기관 운영 스택을 담당한다. 서로 다른 프로젝트 같지만, 모두 “온체인 금융이 실제 업무와 매출을 먹는 방식”을 만들고 있다는 점이 공통분모다.
12. 반론도 있다. 프라이버시 체인은 규제와 감시 이슈를 계속 맞을 수 있고, AI 에이전트 상거래는 Amazon 같은 플랫폼이 막고 있으며, 기관 토큰화는 결국 느린 의사결정과 기존 벤더 락인을 뚫어야 한다. 즉 서사는 맞아도 채택 속도는 시장 기대보다 느릴 수 있다.
트레이더/투자자 관점
• 내러티브: 토큰화는 더 이상 “RWA TVL 증가”만으로는 부족하고, 프라이버시·레버리지·기관 운영 툴까지 붙는 2라운드로 넘어간다. AI 에이전트 경제와 confidential finance의 결합도 새 프레임이다.
• 가격/포지셔닝: NEAR는 단순 AI/L1 멀티플보다 Intents 수익화와 프라이버시 내러티브 재평가 구간으로 보이고, ZEC는 sovereign privacy 베타로 계속 민감할 수 있다. Frax/Gearbox는 토큰화 크레딧 레일이 실사용을 만들면 후행 재평가 여지가 있다.
• 체크포인트: NEAR Intents 수익 추이, confidential perps/agent market 사용량, Midas 등 RWA 상품의 Gearbox 레버리지 수요, zkSync Prividium Commander의 실제 기관 고객사 온보딩, 그리고 미국의 스테이블코인·토큰화 규제 진전 여부를 봐야 한다.
https://youtu.be/E8ZUjHRRrMw
1. 이번 방송의 핵심은 “시장 초록불”보다도, NEAR·Frax·Gearbox·zkSync가 공통적으로 보여준 방향이 같다는 점이다: 토큰화는 이제 파일럿이 아니라 실제 매출, 크레딧, 기관 운영 소프트웨어 단계로 넘어가고 있다.
2. NEAR 팀은 “AI와 금융은 기본값이 confidential이어야 한다”고 강하게 밀었고, 기업이 온체인에 올라오려면 거래내역·자금흐름·급여·재무 정보가 공개체인에 그대로 노출되면 안 된다는 현실적 문제를 정면으로 짚었다.
3. 포인트는 프라이버시가 이상론이 아니라 매출로 연결되기 시작했다는 것인데, 진행자는 NEAR Intents Q3 수익 증가와 confidential perps 전환 이후 흐름을 “privacy is turning into revenue”로 해석했다.
4. Ilia Polosukhin은 AI가 금융의 프론트엔드가 되고, 블록체인은 그 뒤에서 사람·에이전트·기업을 조정하는 정산 레이어가 된다고 설명했고, Alex Shevchenko는 NEAR를 “market of markets”이자 에이전트 경제의 인프라로 포지셔닝했다.
5. NEAR 측의 투자 포인트는 단순 L1 서사가 아니라, Intents로 유동성·주문 흐름을 잡고, near.ai로 private/verifiable inference를 붙이며, 에이전트가 NEAR를 담보·평판·슬래싱 자산처럼 쓰는 경제까지 엮으려는 큰 그림이다.
6. 양자 리스크에 대해서는 Justin Drake의 “bunker mode” 메시지와 달리, Anton은 공포 마케팅보다 멀티 크립토 계정 구조와 포스트퀀텀 서명 스킴 도입 유연성이 더 중요하다고 반박했고, NEAR는 이미 ML-DSA-65 등 전환 준비가 낫다는 점을 강조했다.
7. Frax x Gearbox 파트는 토큰화의 병목이 “자산을 올리는 것”이 아니라 “올린 뒤 쓸 수 있느냐”라는 걸 보여줬다. 기존 RWA는 민트/상환 윈도우 때문에 레버리지 포지션 청산에 최대 120일이 걸릴 수 있었는데, Gearbox의 credit account 구조로 이를 사실상 원클릭 상환 구조로 줄이겠다는 이야기다.
8. 여기서 중요한 건 자산 퀄리티다. Sean Kelley는 이번 구조가 토큰 인센티브 농사가 아니라 Midas의 MF1, M Global 같은 private credit·alternative debt 기반 자산에 붙는다고 설명했고, “토큰화 to nowhere”를 “DeFi utility가 붙은 토큰화”로 바꾸겠다는 의도가 분명했다.
9. zkSync의 Alex Gluchowski는 Money20/20에서 Prividium Commander를 공개했는데, 이건 기관이 토큰화 자산을 발행·통제·운영하는 “디지털 자산용 컨트롤 플레인”이다. 핵심은 블록체인 자체보다도 사용자 권한, 승인 단계, 감사, 내부 시스템 연동 같은 은행 실무를 며칠~몇 주 단위로 붙일 수 있게 하는 소프트웨어다.
10. Alex G의 가장 강한 메시지는 “파일럿 시대는 끝났고 production으로 간다”였다. 은행은 스테이블코인에 시큰둥해도 tokenized deposits, 24/7 시장, 온체인 결제·정산은 피할 수 없다고 보고 있고, zkSync는 이 전환에서 ZK를 신뢰·무결성 레이어로 팔고 있다.
11. 큰 그림에서 보면, NEAR는 AI+프라이버시+에이전트 경제, Frax/Gearbox는 RWA 크레딧 레일, zkSync는 기관 운영 스택을 담당한다. 서로 다른 프로젝트 같지만, 모두 “온체인 금융이 실제 업무와 매출을 먹는 방식”을 만들고 있다는 점이 공통분모다.
12. 반론도 있다. 프라이버시 체인은 규제와 감시 이슈를 계속 맞을 수 있고, AI 에이전트 상거래는 Amazon 같은 플랫폼이 막고 있으며, 기관 토큰화는 결국 느린 의사결정과 기존 벤더 락인을 뚫어야 한다. 즉 서사는 맞아도 채택 속도는 시장 기대보다 느릴 수 있다.
트레이더/투자자 관점
• 내러티브: 토큰화는 더 이상 “RWA TVL 증가”만으로는 부족하고, 프라이버시·레버리지·기관 운영 툴까지 붙는 2라운드로 넘어간다. AI 에이전트 경제와 confidential finance의 결합도 새 프레임이다.
• 가격/포지셔닝: NEAR는 단순 AI/L1 멀티플보다 Intents 수익화와 프라이버시 내러티브 재평가 구간으로 보이고, ZEC는 sovereign privacy 베타로 계속 민감할 수 있다. Frax/Gearbox는 토큰화 크레딧 레일이 실사용을 만들면 후행 재평가 여지가 있다.
• 체크포인트: NEAR Intents 수익 추이, confidential perps/agent market 사용량, Midas 등 RWA 상품의 Gearbox 레버리지 수요, zkSync Prividium Commander의 실제 기관 고객사 온보딩, 그리고 미국의 스테이블코인·토큰화 규제 진전 여부를 봐야 한다.
https://youtu.be/E8ZUjHRRrMw
앤트로픽 2조달러의 시험대
1. 패트릭 보일의 핵심 문제제기는 간단하다: GPU를 파는 엔비디아는 forward PER 17배 이하로 싸졌는데, 그 GPU를 사서 모델 돌리는 앤트로픽은 IPO에서 2조달러를 노린다는 건 시장 가격체계가 뒤틀린 것 아니냐는 것.
2. 보일은 AI 비관론자가 아니라 “기술은 유용해도 가격이 너무 비싸면 투자수익률은 망가진다”는 쪽이고, 이번 IPO가 OpenAI·Anthropic 같은 프런티어 AI 랩의 진짜 가치를 처음으로 공개시장에서 테스트하는 사건이라고 본다.
3. 계산은 꽤 잔인하다: 8월 기준 앤트로픽 연환산 매출 650억달러, 여기에 2조달러 밸류를 붙이면 PSR 31배인데, 보일은 닷컴버블 당시 Sun Microsystems의 10배 매출도 과했다는 Scott McNealy 사례를 끌어와 “31배는 더 심하다”고 꼬집는다.
4. 더 중요한 건 DCF 프레임이다: 비용 0, 세금 0, 직원 인건비 0, 전력비 0, 매출 전액을 영원히 주주에게 배당한다는 비현실적 가정에 미 국채금리 수준으로만 할인해도 현재가치는 약 1.27~1.3조달러라서, 2조달러는 현재 매출로는 절대 설명이 안 된다는 결론이다.
5. 그래서 남는 유일한 논리는 TAM인데, 보일은 이걸 “밸류 정당화용 풍선”으로 본다: SpaceX+xAI는 28.5조달러, Anthropic은 30조달러 이상 시장을 제시했다는 보도까지 나오지만, Uber도 상장 때 TAM 12.3조달러를 말했어도 실제 매출은 520억달러 수준이었다.
6. 시장 구조상 더 흥미로운 포인트는 ‘AI 돈의 순환’이다: SoftBank는 111억달러 정크본드를 발행해 OpenAI에 넣고, OpenAI는 SB Energy 데이터센터를 20년 임차하며, Nvidia는 SB Energy 지분 투자와 임대료 보증을 제공하고 자기 칩만 들어가게 하는 구조라서, 업계가 서로의 매출과 밸류를 떠받치는 면이 있다는 것.
7. 앤트로픽도 예외가 아니다: xAI 데이터센터 컴퓨팅 파워에 월 1.25억달러, 연 15억달러를 쓰는데 이는 65억달러 매출의 약 1/4 수준이고, Amazon과 Google은 앤트로픽 투자자이면서 동시에 클라우드·칩 판매자라 밸류 상승이 곧 자기 P&L에도 반영된다.
8. 최근 숫자는 더 미묘하다: 3분기 매출 168억달러, 연환산 672억달러로 보일의 650억달러와 큰 차이는 없지만, 분기 성장률은 2분기 QoQ 150%에서 3분기 45%로 둔화됐고, 작년 영업손실은 80억달러 이상, 향후 클라우드·컴퓨트 지출 약정은 5,180억달러로 알려졌다.
트레이더/투자자 관점
• 내러티브: AI는 계속 쓰이겠지만 “사용 증가 = 랩의 초과이익”이 아니라는 프레임이 중요해졌고, 이번 IPO는 AI 랩의 무한 TAM 서사보다 가격 경쟁·마진 압박·자본순환 구조를 시장이 어떻게 할인할지 보여주는 이벤트다.
• 가격/포지셔닝: 상대가치로 보면 엔비디아는 실적 기반, AI 랩은 기대 기반이라 미스매치가 크고, 앤트로픽 IPO가 약하면 프런티어 랩·데이터센터·AI capex 체인 전체의 멀티플 압축이 나올 수 있으며, 한국에선 SK하이닉스·삼성전자 같은 메모리 체인에도 2차 충격이 번질 수 있다.
• 체크포인트: 증권신고서 공개 시 실제 매출총이익률·stock comp 제외 여부·CAPEX/컴퓨트 약정 처리 방식·현금흐름 정의를 봐야 하고, IPO 밴드가 1.5조~2조달러 어디서 형성되는지, OpenAI·xAI·DeepSeek류의 가격 인하 경쟁이 계속되는지, 그리고 AI 랩들의 매출 성장 둔화가 일시적일지 구조적일지가 핵심이다.
https://youtu.be/66djoASwPMs
1. 패트릭 보일의 핵심 문제제기는 간단하다: GPU를 파는 엔비디아는 forward PER 17배 이하로 싸졌는데, 그 GPU를 사서 모델 돌리는 앤트로픽은 IPO에서 2조달러를 노린다는 건 시장 가격체계가 뒤틀린 것 아니냐는 것.
2. 보일은 AI 비관론자가 아니라 “기술은 유용해도 가격이 너무 비싸면 투자수익률은 망가진다”는 쪽이고, 이번 IPO가 OpenAI·Anthropic 같은 프런티어 AI 랩의 진짜 가치를 처음으로 공개시장에서 테스트하는 사건이라고 본다.
3. 계산은 꽤 잔인하다: 8월 기준 앤트로픽 연환산 매출 650억달러, 여기에 2조달러 밸류를 붙이면 PSR 31배인데, 보일은 닷컴버블 당시 Sun Microsystems의 10배 매출도 과했다는 Scott McNealy 사례를 끌어와 “31배는 더 심하다”고 꼬집는다.
4. 더 중요한 건 DCF 프레임이다: 비용 0, 세금 0, 직원 인건비 0, 전력비 0, 매출 전액을 영원히 주주에게 배당한다는 비현실적 가정에 미 국채금리 수준으로만 할인해도 현재가치는 약 1.27~1.3조달러라서, 2조달러는 현재 매출로는 절대 설명이 안 된다는 결론이다.
5. 그래서 남는 유일한 논리는 TAM인데, 보일은 이걸 “밸류 정당화용 풍선”으로 본다: SpaceX+xAI는 28.5조달러, Anthropic은 30조달러 이상 시장을 제시했다는 보도까지 나오지만, Uber도 상장 때 TAM 12.3조달러를 말했어도 실제 매출은 520억달러 수준이었다.
6. 시장 구조상 더 흥미로운 포인트는 ‘AI 돈의 순환’이다: SoftBank는 111억달러 정크본드를 발행해 OpenAI에 넣고, OpenAI는 SB Energy 데이터센터를 20년 임차하며, Nvidia는 SB Energy 지분 투자와 임대료 보증을 제공하고 자기 칩만 들어가게 하는 구조라서, 업계가 서로의 매출과 밸류를 떠받치는 면이 있다는 것.
7. 앤트로픽도 예외가 아니다: xAI 데이터센터 컴퓨팅 파워에 월 1.25억달러, 연 15억달러를 쓰는데 이는 65억달러 매출의 약 1/4 수준이고, Amazon과 Google은 앤트로픽 투자자이면서 동시에 클라우드·칩 판매자라 밸류 상승이 곧 자기 P&L에도 반영된다.
8. 최근 숫자는 더 미묘하다: 3분기 매출 168억달러, 연환산 672억달러로 보일의 650억달러와 큰 차이는 없지만, 분기 성장률은 2분기 QoQ 150%에서 3분기 45%로 둔화됐고, 작년 영업손실은 80억달러 이상, 향후 클라우드·컴퓨트 지출 약정은 5,180억달러로 알려졌다.
트레이더/투자자 관점
• 내러티브: AI는 계속 쓰이겠지만 “사용 증가 = 랩의 초과이익”이 아니라는 프레임이 중요해졌고, 이번 IPO는 AI 랩의 무한 TAM 서사보다 가격 경쟁·마진 압박·자본순환 구조를 시장이 어떻게 할인할지 보여주는 이벤트다.
• 가격/포지셔닝: 상대가치로 보면 엔비디아는 실적 기반, AI 랩은 기대 기반이라 미스매치가 크고, 앤트로픽 IPO가 약하면 프런티어 랩·데이터센터·AI capex 체인 전체의 멀티플 압축이 나올 수 있으며, 한국에선 SK하이닉스·삼성전자 같은 메모리 체인에도 2차 충격이 번질 수 있다.
• 체크포인트: 증권신고서 공개 시 실제 매출총이익률·stock comp 제외 여부·CAPEX/컴퓨트 약정 처리 방식·현금흐름 정의를 봐야 하고, IPO 밴드가 1.5조~2조달러 어디서 형성되는지, OpenAI·xAI·DeepSeek류의 가격 인하 경쟁이 계속되는지, 그리고 AI 랩들의 매출 성장 둔화가 일시적일지 구조적일지가 핵심이다.
https://youtu.be/66djoASwPMs
ETH는 너무 많이 찍히고 있나
1. Jerome de Tychey는 현재 이더리움의 스테이킹 보상 곡선이 “보안 예산”을 넘어서 과도한 ETH 스테이킹을 유도하고 있고, 이는 ETH 홀더 희석과 실행층 자본 고갈로 이어진다고 주장했다.
2. 핵심은 EIP-8363으로, 현행 “연간 발행량 = 166 × 스테이킹된 ETH의 제곱근” 구조를 바꿔 스테이킹 비율이 50%에 가까워질수록 보상이 급격히 줄어드는 테이퍼형 곡선을 도입하자는 제안이었다.
3. 이 논쟁이 중요한 이유는 ETH의 투자 케이스가 단순히 “생산자산이라 이자 준다”가 아니라, 실제로는 현재 스테이킹 수익률 2.5%에서 공급 희석 약 0.9~1%를 빼면 실질 수익이 1%대 중반에 불과하다는 점이 드러났기 때문이다.
4. 현재 약 1.22억 ETH가 유통 중이고 스테이킹 비율은 약 36%, Jerome 측은 현 추세면 2028년 전후 50%를 넘길 수 있다고 보며, 50% 초과는 “보안 증가”보다 “유동성 고갈과 네트워크 장악 저항력 약화”가 더 큰 문제라고 본다.
5. 여기서 투자 포인트는, 스테이킹이 많을수록 좋은 게 아니라는 프레임 전환이다. 너무 많은 ETH가 스테이킹되면 DeFi·대출·시장 유동성에 쓰일 네이티브 ETH가 줄고, 결국 ETH는 신뢰중립 자산보다 LST·ETF 같은 파생 래퍼 의존 자산으로 변할 수 있다.
6. 반론도 강하다. 보상을 낮추면 자본이 ETH를 떠나 Solana 등 다른 체인으로 이동할 수 있고, 솔로 스테이커가 먼저 죽을 수 있으며, 스테이킹 서비스 제공자·LST·ETF 사업자의 경제성이 흔들린다.
7. Jerome은 오히려 현 구조가 더 솔로 스테이커에 불리하다고 본다. 프랑스 사례처럼 스테이킹 보상에 세금을 내면, 발행 희석과 과세를 감안한 실질 수익은 더 낮아져 “높아 보이는 명목 수익률”이 착시일 수 있다는 논리다.
8. 흥미로운 대목은 이 논쟁이 단순 토크노믹스 수정이 아니라, 이더리움의 포스트퀀텀 전환과도 연결된다는 점이다. 2029년 전후를 목표로 검증 구조 자체를 다시 짜야 할 수 있어, 지금이 발행 구조까지 손볼 정치적 창구라는 시각이 나온다.
트레이더/투자자 관점
• 내러티브: ETH는 더 이상 “울트라사운드 머니” 자동복귀 자산이 아니라, 발행 구조·L2 수수료 구조·스테이킹 포화가 동시에 얽힌 거버넌스 자산으로 재평가받는 국면이다.
• 가격/포지셔닝: 중장기적으로 발행 감축 합의가 생기면 ETH의 희석 디스카운트가 줄며 밸류에이션 리레이팅 논리가 생길 수 있지만, 단기적으로는 LST·스테이킹 인프라·관련 ETF 기대를 흔드는 악재로도 작용할 수 있다.
• 체크포인트: 스테이킹 비율 40%→50% 접근 속도, ETF/ETP의 스테이킹 허용 확대, Lido 등 주요 사업자의 입장 변화, 다음 포크 논의에서 issuance reform 재상정 여부, 그리고 L2 수수료·blob 수요가 ETH 소각을 얼마나 회복시키는지 확인해야 한다.
https://youtu.be/w0N5U7N7JxY
1. Jerome de Tychey는 현재 이더리움의 스테이킹 보상 곡선이 “보안 예산”을 넘어서 과도한 ETH 스테이킹을 유도하고 있고, 이는 ETH 홀더 희석과 실행층 자본 고갈로 이어진다고 주장했다.
2. 핵심은 EIP-8363으로, 현행 “연간 발행량 = 166 × 스테이킹된 ETH의 제곱근” 구조를 바꿔 스테이킹 비율이 50%에 가까워질수록 보상이 급격히 줄어드는 테이퍼형 곡선을 도입하자는 제안이었다.
3. 이 논쟁이 중요한 이유는 ETH의 투자 케이스가 단순히 “생산자산이라 이자 준다”가 아니라, 실제로는 현재 스테이킹 수익률 2.5%에서 공급 희석 약 0.9~1%를 빼면 실질 수익이 1%대 중반에 불과하다는 점이 드러났기 때문이다.
4. 현재 약 1.22억 ETH가 유통 중이고 스테이킹 비율은 약 36%, Jerome 측은 현 추세면 2028년 전후 50%를 넘길 수 있다고 보며, 50% 초과는 “보안 증가”보다 “유동성 고갈과 네트워크 장악 저항력 약화”가 더 큰 문제라고 본다.
5. 여기서 투자 포인트는, 스테이킹이 많을수록 좋은 게 아니라는 프레임 전환이다. 너무 많은 ETH가 스테이킹되면 DeFi·대출·시장 유동성에 쓰일 네이티브 ETH가 줄고, 결국 ETH는 신뢰중립 자산보다 LST·ETF 같은 파생 래퍼 의존 자산으로 변할 수 있다.
6. 반론도 강하다. 보상을 낮추면 자본이 ETH를 떠나 Solana 등 다른 체인으로 이동할 수 있고, 솔로 스테이커가 먼저 죽을 수 있으며, 스테이킹 서비스 제공자·LST·ETF 사업자의 경제성이 흔들린다.
7. Jerome은 오히려 현 구조가 더 솔로 스테이커에 불리하다고 본다. 프랑스 사례처럼 스테이킹 보상에 세금을 내면, 발행 희석과 과세를 감안한 실질 수익은 더 낮아져 “높아 보이는 명목 수익률”이 착시일 수 있다는 논리다.
8. 흥미로운 대목은 이 논쟁이 단순 토크노믹스 수정이 아니라, 이더리움의 포스트퀀텀 전환과도 연결된다는 점이다. 2029년 전후를 목표로 검증 구조 자체를 다시 짜야 할 수 있어, 지금이 발행 구조까지 손볼 정치적 창구라는 시각이 나온다.
트레이더/투자자 관점
• 내러티브: ETH는 더 이상 “울트라사운드 머니” 자동복귀 자산이 아니라, 발행 구조·L2 수수료 구조·스테이킹 포화가 동시에 얽힌 거버넌스 자산으로 재평가받는 국면이다.
• 가격/포지셔닝: 중장기적으로 발행 감축 합의가 생기면 ETH의 희석 디스카운트가 줄며 밸류에이션 리레이팅 논리가 생길 수 있지만, 단기적으로는 LST·스테이킹 인프라·관련 ETF 기대를 흔드는 악재로도 작용할 수 있다.
• 체크포인트: 스테이킹 비율 40%→50% 접근 속도, ETF/ETP의 스테이킹 허용 확대, Lido 등 주요 사업자의 입장 변화, 다음 포크 논의에서 issuance reform 재상정 여부, 그리고 L2 수수료·blob 수요가 ETH 소각을 얼마나 회복시키는지 확인해야 한다.
https://youtu.be/w0N5U7N7JxY