1. 월드컵 팬덤을 노리는
- PredictStreet는 ADI Chain 기반 온체인 예측 시장 플랫폼으로,
- FIFA 월드컵 2026 공식 온체인 예측 시장 파트너
- 단순 예측 서비스가 아닌, 월드컵 팬들의 참여를 온체인 활동으로 연결
2. 온보딩 중심은 PredictStreet Card
- 사용자는 X 계정 연동, 간단 온보딩으로 카드 발급 가능
- PredictStreet Card는 동적SBT 형태의 온체인 프로필
- 즉, 유저의 플랫폼 활동 이력을 기록하고 보여주는 신원/참여 증명 역할
3. 활동은 포인트와 카드 업그레이드로 연결
- 카드 발급 후 개인 대시보드가 활성화
- Daily Pack 오픈, 월드컵 예측 참여, 미션 수행, 리더보드 경쟁으로 포인트 적립
- 누적 포인트와 활동 이력은 ADI Chain 생태계에 기록
- 활동 수준에 따라 카드도 단계적으로 업그레이드
4. 결론
- 크립토 온보딩의 핵심은 기술 설명이 아니라, 참여할 이유를 만드는 것
- 월드컵은 전 세계 유저가 동시에 반응하는 강력한 이벤트
- PredictStreet는 예측 시장 + SBT + 포인트 + 리더보드로 팬덤을 온체인화함
- 관건은 월드컵 트래픽을 지속적 온체인 리텐션으로 전환할 수 있는가
Please open Telegram to view this post
VIEW IN TELEGRAM
❤8
1. AI가 리스크 머니를 흡수
- Brian Armstrong은 BTC에 대해 여전히 디지털 골드 관점을 유지
- 다만 최근 약세 원인으로 AI가 리스크 자본을 빨아들인 점을 지목
- BTC가 망가진 게 아니라 시장의 관심과 자금이 AI·IPO로 이동
- 크립토 내에서도 현재 메타는 스테이블코인, 결제, 에이전트 월렛 쪽
2. 크립토 유스케이스는 AI 에이전트 결제
- Coinbase는 에이전트가 온체인 월렛을 만들고, 구매/결제하는 구조를 봄
- 인간 다음은 AI 고객. 에이전트는 신용카드 만들기 어렵지만, 월렛은 만듦
- 그래서 에이전트 경제의 결제 레이어는 스테이블코인·온체인 결제
3. AI 기업은 너무 커져서 국가 이슈가 됨
- 미국 정부가 AI 기업 지분을 보유하는 시나리오까지 논의
- OpenAI, Anthropic이 경제·국방·노동 핵심 인프라로, 기업 그 이상의 국가 전략자산임
- 문제는 정부가 지분을 갖는 순간, 규제자이자 주주가 되는 이해상충 발생
4. 병목은 모델이 아니라 컴퓨트
- 구글이 SpaceX로부터 대규모 GPU 컴퓨트를 빌림
- 자체 TPU와 데이터센터를 가진 구글조차 외부 컴퓨트를 사야 한다는 건 수요가 상식을 넘었다는 뜻
- 이 지점에서 SpaceX는 AI 시대의 신규 하이퍼스케일러로 재평가
- AI 경쟁은 모델 설계 → 컴퓨트 확보 → 전력·냉각·위성·우주 인프라 경쟁으로 확장
5. 모델 레이어는 Anthropic·OpenAI·Google 3파전
- Anthropic은 Fable·Mythos 5로 다시 프론티어 경쟁 최전선에 등장
- Mythos는 강력하지만 위험한 모델, Fable은 강한 가드레일을 붙인 모델
- Apple은 Siri를 Gemini 기반으로 재설계하는 방향을 택함
- Apple이 모델 경쟁에서 독자 승부를 포기, 컨텍스트와 디바이스 배포망에 집중
Please open Telegram to view this post
VIEW IN TELEGRAM
YouTube
Brian Armstrong on Bitcoin, Anthropic Drops Fable 5 & Mythos 5, NewLimit's $435M Age-Reversal | 264
This episode is a dense Moonshots roundtable on Bitcoin, agentic payments, government stakes in AI companies, the OpenAI IPO, SpaceX’s compute expansion, Apple’s Siri reboot, and longevity biotech.
Get access to metatrends 10+ years before anyone else -…
Get access to metatrends 10+ years before anyone else -…
❤8
1. 기관이 이더리움을 쓸 수 없는 이유
- L1/L2 성능 문제는 상당 부분 해결됨
- 규제도 GENIUS Act, CLARITY Act 등으로 방향성 형성 중
- 남은 핵심 병목은 프라이버시
- 은행·운용사·청산기관은 포지션, 거래상대방, 거래량을 공개할 수 없음
2. 그래서 Canton이 뜨고 있음
- 즉, 기관이 크립토에 맞추는 것이 아니라 "크립토를 기관에 맞추는 것"
- Canton은 기관 금융용 퍼미션드 L1로, 핵심은 선택적 공개
- 거래 당사자는 필요한 정보만 보고, 네트워크에 모든 상태가 노출되지 않음
- 은행이 원하는 건 투명한 블록체인이 아니라 프라이버시 있는 정산망
3. 이게 크립토인가, 금융 DB인가
- 퍼미션드 체인은 결국 누군가 밸리데이터를 허가하고, 배제하고, 멈출 수 있음
- 즉, 최종성·검열저항·무허가성은 퍼블릭 체인만큼 강하지 않음
- "can’t be evil"이 아니라 "won’t be evil"에 가까운 구조
- 법적·평판 리스크로 견제하는 시스템이지, 코드로 통제를 제거한 시스템은 아님
4. 결론
- 기관 온체인은 오지만, 그것이 곧 ETH 같은 퍼블릭 L1의 수혜를 의미하진 않음
- 오히려 기관 자금은 프라이버시·컴플라이언스 특화 인프라로 갈 가능성이 큼
- 퍼블릭 체인의 승부처는 "퍼미션드 금융망이 절대 대체 못 하는 영역이 무엇인가?"임
✍️기관이 원하는 건 크립토의 탈중앙성이 아니라, 더 빠르고 투명하게 감사 가능한 금융 인프라
Please open Telegram to view this post
VIEW IN TELEGRAM
❤8
AI 전쟁의 승자는 구글입니다 source
1. Alex Sacerdote의 주장
- Alex는 유명 기술 중심 헤지펀드 웨일 록 캐피털의 CEO
- 그가 내린 결론은 단순함. AI를 가장 잘 플레이하는 방법은 구글이란 것
- 구글은 Gemini, TPU, 검색, 유튜브, Gmail, Sheets를 모두 가진 유일한 상장사
- 주가는 여전히 매우 싸고, AI로 매출 가속이 가능함
2. AI 승자는 스택을 가진 회사
- AI 스택은 전력 → 칩 → 클라우드 → 파운데이션 모델 → 앱으로 구성
- 초반 승부처는 앱보다 칩과 인프라
- 이후 모델 레이어는 OpenAI, Anthropic, Google 중심의 과점 구조로 좁혀지는 중
- 즉, AI는 누가 컴퓨트, 모델, 배포망을 동시에 갖고 있나의 싸움
3. 구글이 무서운 이유
- Google은 모델만 있는 회사가 아님
- TPU 자체 칩, Search 현금흐름, 유튜브·Gmail·Sheets 배포면을 모두 보유
- AI가 별도 제품이 아니라 기존 서비스 전체에 스며들 수 있음
- 그래서 [AI가 구글 검색을 죽인다] 아닌 [검색이 AI로 다시 가속된다]는 쪽
4. 애매한 SaaS는 압박
- 웨일록의 과거 포트폴리오의 50%가 소프트웨어였지만, 지금은 대부분 줄임
- 기업 예산이 SaaS 구매보다 Anthropic 같은 AI 토큰으로 이동 중이기 때문
- 기존 소프트웨어의 AI 매출은 아직 ~2% 수준이라, 본업을 바꿀 만큼 크지 않음
5. 진짜 병목은 하드웨어
- AI 워크로드는 매년 10배씩 커지며 데이터센터 하드웨어 전체를 밀어붙이는 중
- HBM, 네트워킹, PCB, 전력, 냉각, 광섬유까지 전부 다시 가격 결정력을 얻음
- 과거 상품재였던 하드웨어가 AI 시대에는 핵심 병목으로 재평가
1. Alex Sacerdote의 주장
- Alex는 유명 기술 중심 헤지펀드 웨일 록 캐피털의 CEO
- 그가 내린 결론은 단순함. AI를 가장 잘 플레이하는 방법은 구글이란 것
- 구글은 Gemini, TPU, 검색, 유튜브, Gmail, Sheets를 모두 가진 유일한 상장사
- 주가는 여전히 매우 싸고, AI로 매출 가속이 가능함
2. AI 승자는 스택을 가진 회사
- AI 스택은 전력 → 칩 → 클라우드 → 파운데이션 모델 → 앱으로 구성
- 초반 승부처는 앱보다 칩과 인프라
- 이후 모델 레이어는 OpenAI, Anthropic, Google 중심의 과점 구조로 좁혀지는 중
- 즉, AI는 누가 컴퓨트, 모델, 배포망을 동시에 갖고 있나의 싸움
3. 구글이 무서운 이유
- Google은 모델만 있는 회사가 아님
- TPU 자체 칩, Search 현금흐름, 유튜브·Gmail·Sheets 배포면을 모두 보유
- AI가 별도 제품이 아니라 기존 서비스 전체에 스며들 수 있음
- 그래서 [AI가 구글 검색을 죽인다] 아닌 [검색이 AI로 다시 가속된다]는 쪽
4. 애매한 SaaS는 압박
- 웨일록의 과거 포트폴리오의 50%가 소프트웨어였지만, 지금은 대부분 줄임
- 기업 예산이 SaaS 구매보다 Anthropic 같은 AI 토큰으로 이동 중이기 때문
- 기존 소프트웨어의 AI 매출은 아직 ~2% 수준이라, 본업을 바꿀 만큼 크지 않음
5. 진짜 병목은 하드웨어
- AI 워크로드는 매년 10배씩 커지며 데이터센터 하드웨어 전체를 밀어붙이는 중
- HBM, 네트워킹, PCB, 전력, 냉각, 광섬유까지 전부 다시 가격 결정력을 얻음
- 과거 상품재였던 하드웨어가 AI 시대에는 핵심 병목으로 재평가
YouTube
Why the AI Boom Is Just Getting Started
Alex Sacerdote is the Founder and Portfolio Manager of Whale Rock Capital Management, where he has spent the past two decades investing through major technology platform shifts. In this episode, Alex walks through Whale Rock’s framework for finding the most…
❤6
1. ETH의 핵심은 네트워크 효과
- Erik Voorhees는 ETH를 여전히 컨트랙트의 왕으로 봄
- 이유는 개발자, 스테이블코인, 앱, 유동성이 쌓인 네트워크 효과
- 이건 마케팅으로 만들 수 없는 지표
- L1 경쟁은 많았지만, 진짜 사용처를 보면 ETH가 아직 중심
2. 다른 L1 서사는 결국 분산된 관심
- 빠른 체인, 싼 체인, 새로운 체인은 계속 나옴
- 하지만 개발자와 자본, 스테이블코인은 쉽게 이동하지 않음
- L1 투자는 결국 어디에 자본과 개발자가 남아 있나의 게임
- 이 관점에선 ETH는 아직 왕좌에 있음
3. 문제는 ETH가 아니라 L2 UX
- ETH의 약점은 명확함. L2가 너무 많고, 브릿지와 체인 간 UX가 구림
- 유저 입장에서는 이게 왜 하나의 이더리움 생태계인지 체감하기 어려움
- 즉 ETH의 본질적 문제라기보다, ETH 위의 UX 문제가 더 큼
4. 그래서 Base가 중요함
- Voorhees는 Base가 ETH 위의 대표 L2가 될 가능성을 높게 봄
- Coinbase라는 배포 채널, 빠른 채택, ETH라는 강한 정산 레이어
- ETH가 신뢰 레이어라면, Base는 대중 유저가 실제로 만지는 실행 레이어
5. 조건은 무허가성
- Base의 최대 리스크는 Coinbase의 통제력 남용
- Base가 무허가성을 잃는 순간, 그냥 기업형 데이터베이스임
- 크립토에서 가장 강한 해자는 결국 누구나 들어올 수 있는 개방성
Please open Telegram to view this post
VIEW IN TELEGRAM
❤8
Claude는 코딩툴이 아니다 source
1. Anthropic은 코딩 회사가 아님
- Claude Code가 먼저 터졌을 뿐, 본질은 지능 생산 회사
- 코딩은 ROI가 가장 빠르고 측정이 쉬운 첫 번째 시장
- 모델 지능이 올라가면 적용처는 개발 → 리서치 → 법무 → 금융 → 의료 → 국방 → 교육으로 확장
- 즉, AI의 TAM은 인간 지능이 쓰이는 모든 영역
2. 지금은 Assist → Collaborate → Pioneer 전환 구간
- 2024년 AI는 개인을 도와주는 보조자
- 2025년 AI는 전문가와 함께 몇 시간 단위 작업을 처리하는 협업자
- 다음 단계는 AI가 인간 팀이 수년 걸릴 문제를 직접 개척하는 구간
- 현재는 AI가 도구에서 연구 파트너로 넘어가는 변곡점
3. 벤치마크보다 중요한 건 모델의 질감
- Fable/Mythos 관련 반응에서 중요한 건 점수표가 아님
- 사용자가 체감한 건 의도 추론, 문맥 장악, 장기 사고, 반복 개선 능력
- 이 영역은 기존 벤치마크로 잘 안 잡힘
- 모델이 실제 업무 흐름을 얼마나 대체하느냐가 더 중요
4. 모델이 다음 모델을 만든다
- 프론티어 AI 레이스는 재귀적 가속 구조로 진입
- 좋은 모델은 더 좋은 코딩툴, 더 좋은 연구 보조, 더 좋은 데이터 정제, 더 좋은 학습 파이프라인을 만듦
- 이 순간부터 선두 기업의 우위는 선형이 아니라 복리로 커져 후발주차가 따라올 수 없음
- 필요한 건 자본 이상의 컴퓨트, 인재, 데이터, 내부 툴체인, 모델 운영 경험
5. AI는 인프라·국가안보 테마
- 프론티어 모델은 대부분 비상장이라 직접 투자가 어려움
- 상장시장에서 더 정직한 베팅은 지능의 공급망
- GPU, HBM, DRAM, 네트워킹, 파운드리, 전력, 냉각, 데이터센터가 핵심 축
- AI가 똑똑해질수록 수요는 컴퓨트 병목은 커짐. 그 중 특히 메모리는 구조적 레버리지가 큼
1. Anthropic은 코딩 회사가 아님
- Claude Code가 먼저 터졌을 뿐, 본질은 지능 생산 회사
- 코딩은 ROI가 가장 빠르고 측정이 쉬운 첫 번째 시장
- 모델 지능이 올라가면 적용처는 개발 → 리서치 → 법무 → 금융 → 의료 → 국방 → 교육으로 확장
- 즉, AI의 TAM은 인간 지능이 쓰이는 모든 영역
2. 지금은 Assist → Collaborate → Pioneer 전환 구간
- 2024년 AI는 개인을 도와주는 보조자
- 2025년 AI는 전문가와 함께 몇 시간 단위 작업을 처리하는 협업자
- 다음 단계는 AI가 인간 팀이 수년 걸릴 문제를 직접 개척하는 구간
- 현재는 AI가 도구에서 연구 파트너로 넘어가는 변곡점
3. 벤치마크보다 중요한 건 모델의 질감
- Fable/Mythos 관련 반응에서 중요한 건 점수표가 아님
- 사용자가 체감한 건 의도 추론, 문맥 장악, 장기 사고, 반복 개선 능력
- 이 영역은 기존 벤치마크로 잘 안 잡힘
- 모델이 실제 업무 흐름을 얼마나 대체하느냐가 더 중요
4. 모델이 다음 모델을 만든다
- 프론티어 AI 레이스는 재귀적 가속 구조로 진입
- 좋은 모델은 더 좋은 코딩툴, 더 좋은 연구 보조, 더 좋은 데이터 정제, 더 좋은 학습 파이프라인을 만듦
- 이 순간부터 선두 기업의 우위는 선형이 아니라 복리로 커져 후발주차가 따라올 수 없음
- 필요한 건 자본 이상의 컴퓨트, 인재, 데이터, 내부 툴체인, 모델 운영 경험
5. AI는 인프라·국가안보 테마
- 프론티어 모델은 대부분 비상장이라 직접 투자가 어려움
- 상장시장에서 더 정직한 베팅은 지능의 공급망
- GPU, HBM, DRAM, 네트워킹, 파운드리, 전력, 냉각, 데이터센터가 핵심 축
- AI가 똑똑해질수록 수요는 컴퓨트 병목은 커짐. 그 중 특히 메모리는 구조적 레버리지가 큼
X (formerly Twitter)
Andrew Curran (@AndrewCurran_) on X
The Window Has Closed
❤8
1. 가격은 하락, 지출은 폭증
- AI 모델·추론 비용은 계속 싸지는 중
- 그러나 기업의 AI 지출은 전 구간에서 상승 중
- 상위 1% 기업은 직원 1인당 월 $7.5K 수준
- 상위 10%는 $600+, 중위 기업도 $12까지 증가
- 이건 전형적인 제본스의 역설
2. 가격 경쟁이 아니라 사용량 폭발
- 투자자들은 AI가 싸지면 매출도 줄어든다고 보지만 실제론 반대
- 싸질수록 코딩, 리서치, CS, 세일즈, 콘텐츠, 내부 자동화로 사용처가 늘어남
- AI는 비용 절감 도구가 아니라 업무량을 흡수하는 연산 레이어가 되는 중
3. 아직 인건비 대비 먼지 수준
- 중위 기업의 AI 지출은 직원당 월 $11 수준
- 반면 소프트웨어 엔지니어 월 보상은 $16K
- 상위 1% 기업도 AI 지출이 월 $7.45K로 인건비보다 낮음
- 즉 대부분 기업은 아직 제대로 쓰지도 않은 단계
4. 결론
- 싼 AI는 AI 생태계에 악재가 아님
- 가격 하락보다 사용량 증가가 더 빠르면 총수요는 계속 커짐
- 더 많은 에이전트, 추론, 자동화는 결국 GPU, 메모리, 네트워크, 전력 수요로 연결
- AI 인프라 사이클은 끝물이 아니라, 오히려 소비량이 열리는 초입
✍️AI는 SaaS처럼 좌석 수로 끝나는 시장이 아니라, 전기처럼 사용량으로 커지는 시장. 싸질수록 더 많이 쓰고, 더 많이 쓸수록 인프라 병목은 더 커짐
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
❤6
1. 온체인 프라이버시의 약점
- 지금까지 프라이버시 자산의 문제는 단순했음
- 비공개로 보유하고 전송할 수는 있는데, 그래서 뭘 할 수 있나?
- 프라이버시는 기능이었지만, 자본이 머물 이유는 약했음
2. Zama가 내놓은 답
- Zama는 FHE, 즉 완전동형암호를 이더리움에 적용
- 잔액과 전송액이 암호화 상태로 유지되는 컨피덴셜 토큰(cToken)을 발행
- ERC-7984 기반으로 검증 가능성, 컴플라이언스 기능은 유지
- 핵심은 숨기되, 검증 가능한 자산이라는 점
3. 이제 프라이버시 자본도 DeFi로
- Zama 앱이 공식 론칭되며 기존 자산을 실딩해 cToken으로 전환 가능
- cUSDC처럼 잔액·전송액이 비공개인 자산을 만들 수 있음
- 컨피덴셜 DeFi는 6월 23일 오픈, 컨피덴셜 스왑은 Q3 예정
- 즉, 프라이버시가 단순 송금 기능을 넘어 금융 레이어로 확장되는 구간
4. 중요한 건 첫 수익처
- 6월 말 Morpho 위에서 Steakhouse Confidential USDC Prime 볼트가 열릴 예정
- cUSDC 전용 첫 DeFi 수익 볼트로, Steakhouse Financial이 큐레이션하고, Zama 프로토콜이 구동
- 프라이버시를 유지하면서 수익을 내는 온체인 자본시장의 첫 실험
✍️론칭 기념 캠페인 진행 중. 6월 22일까지 USDC를 cUSDC로 실딩하면, FHE 기반 랜덤 추첨을 통해 $1,000(cUSDC)를 지급
Please open Telegram to view this post
VIEW IN TELEGRAM
❤7
AI의 다음 프론티어는 라우터 source
1. 오픈라우터 퓨전이 보여준 것
- 여러 모델을 동시에 돌리고, Judge가 비교한 뒤, Synthesizer가 최종 답변을 합성
- 딥리서치 벤치마크에서 Fusion 조합이 단일 프론티어 모델을 상회
2. 핵심은 더 큰 모델이 아니다
- 개별 모델은 각자 다른 실수를 함. 모델을 묶으면 오류가 상쇄되고, 강점이 합쳐짐
- 성능 향상의 약 75%가 합성, 25%가 모델 다양성에서 나옴
- 지능의 병목은 모델 크기가 아니라 라우팅·비교·검증·합성 구조로 이동
3. 이건 오픈소스 vs 폐쇄형 구도가 아님
- 진짜 구도는 단일 모델 vs 모델 네트워크
- 좋은 모델이 새로 나오면, 네트워크는 그 모델을 경쟁자로 보는 게 아니라 흡수함
- 더 강한 모델이 등장할수록, 단일 기업보다 모델 네트워크가 더 강해지는 구조
4. 지켜봐야 할 변화
- AI 밸류체인은 프론티어 모델 회사만 아니라, 좋은 지능 라우팅을 제공하는 레이어로 확장
- 모델 라우터, 추론 마켓플레이스, 벤치마크·평가 인프라, 에이전트 오케스트레이션, 저비용 추론 호스팅, 기업용 AI 워크플로우가 핵심 레이어
- 반대로 단일 모델 기업의 독점 프리미엄은 장기적으로 압축
5. 결론
- AI는 결국 몇 개의 초거대 모델 회사가 지배한다는 내러티브는 너무 단순
- 여러 모델, 여러 제공자, 여러 데이터, 여러 추론 경로가 연결되고, 사용자는 그 위에서 가장 좋은 답변을 사는 구조
- 크립토로 치면 단일 체인이 아니라 애그리게이터, 라우터, 유동성 허브가 뜨는 그림
1. 오픈라우터 퓨전이 보여준 것
- 여러 모델을 동시에 돌리고, Judge가 비교한 뒤, Synthesizer가 최종 답변을 합성
- 딥리서치 벤치마크에서 Fusion 조합이 단일 프론티어 모델을 상회
2. 핵심은 더 큰 모델이 아니다
- 개별 모델은 각자 다른 실수를 함. 모델을 묶으면 오류가 상쇄되고, 강점이 합쳐짐
- 성능 향상의 약 75%가 합성, 25%가 모델 다양성에서 나옴
- 지능의 병목은 모델 크기가 아니라 라우팅·비교·검증·합성 구조로 이동
3. 이건 오픈소스 vs 폐쇄형 구도가 아님
- 진짜 구도는 단일 모델 vs 모델 네트워크
- 좋은 모델이 새로 나오면, 네트워크는 그 모델을 경쟁자로 보는 게 아니라 흡수함
- 더 강한 모델이 등장할수록, 단일 기업보다 모델 네트워크가 더 강해지는 구조
4. 지켜봐야 할 변화
- AI 밸류체인은 프론티어 모델 회사만 아니라, 좋은 지능 라우팅을 제공하는 레이어로 확장
- 모델 라우터, 추론 마켓플레이스, 벤치마크·평가 인프라, 에이전트 오케스트레이션, 저비용 추론 호스팅, 기업용 AI 워크플로우가 핵심 레이어
- 반대로 단일 모델 기업의 독점 프리미엄은 장기적으로 압축
5. 결론
- AI는 결국 몇 개의 초거대 모델 회사가 지배한다는 내러티브는 너무 단순
- 여러 모델, 여러 제공자, 여러 데이터, 여러 추론 경로가 연결되고, 사용자는 그 위에서 가장 좋은 답변을 사는 구조
- 크립토로 치면 단일 체인이 아니라 애그리게이터, 라우터, 유동성 허브가 뜨는 그림
❤7
1. 핵심은 R&D 자동화
- AI 2027의 가장 중요한 가정은 AI가 AI 연구를 가속한다는 것
- 2026년부터 코딩·리서치 자동화가 본격화
- 인간이 AI를 쓰는 단계에서, AI가 AI를 만드는 단계로 넘어가면 게임이 바뀜
- 이때부터 AI 경쟁은 제품 경쟁이 아니라 자기개선 속도 경쟁
2. 컴퓨트는 새로운 전략자산
- 2026년 글로벌 AI CapEx는 1조 달러, AI 전력 수요는 38GW까지 확대
- 선도 기업은 수백조 원 규모 데이터센터와 수 GW 전력을 필요로 함
- 중국은 칩 열세를 메우기 위해 컴퓨트를 국가적으로 중앙집중화
- AI 패권은 모델 성능만이 아닌 GPU, HBM, 전력, 데이터센터, 보안 총력전
3. 노동시장의 첫 충격은 주니어
- 가장 먼저 흔들리는 건 주니어 개발자와 반복형 지식노동
- AI가 CS 학위에서 배우는 대부분을 수행하면, 단순 실행자는 가치가 급락
- 반대로 AI 팀을 관리하고 검수하고 업무에 통합하는 사람은 몸값이 올라감
- 앞으로의 노동 프리미엄은 AI 조직을 운용하는 능력에 붙음
4. 소프트웨어보다 인프라 사이클
- 가장 강한 병목은 모델 앱이 아니라 컴퓨트·전력·메모리·보안
- 수혜축은 GPU, 메모리, 데이터센터, 전력망, 냉각, 사이버보안, 로봇·방산
- 반대로 AI wrapper, 범용 SaaS, 주니어 노동 대체에 취약한 기업은 압박
- AI 버블을 보려면 PER보다 누가 병목을 소유하는가를 봐야 함
Please open Telegram to view this post
VIEW IN TELEGRAM
❤6
🔌AI 인프라의 진짜 병목은 전력 source
1. 데이터센터는 18개월, 전력 연결은 7년
- 2026년 초 발표된 하이퍼스케일 데이터센터 용량은 190GW
- 하지만 전력망·인허가·건설 제약으로 프로젝트 지연이 속출하면서,
- 발전소까지 직접 짓는 BYOP(Bring Your Own Power) 전략으로 이동
2. AI가 만드는 전력 인프라 슈퍼사이클
- AI 랙 전력밀도는 기존 ~40kW에서 ~600kW로 급증, 향후 1MW까지 올라갈 전망
- 문제는 변압기 납기가 최대 5년, 스위치기어도 60주 이상이라는 것
- 반도체 다음 주병목은 변압기·송전망·전력변환·액체냉각
3. 하드웨어 위에 올라가는 AI 전력 OS
- 전력 가격에 따라 학습 작업을 이동시키고, 배터리를 실시간 충·방전하며,
- 랙별 전력·열 상태를 자동 제어하는 소프트웨어가 등장
- 좋은 사업은 장비를 한 번 파는 회사보다, 물리 인프라에 박혀 운영을 통제하는 회사
4. 결론
- 이번 사이클 알파는 Time-to-Power를 단축하는 병목 해소 기업
- 지금 AI 시대의 곡괭이는 반도체에서 전력으로 넘어가고 있음
- 전자를 더 빨리, 싸게, 안정적으로 랙까지 보내는 기업이 다음 승자
1. 데이터센터는 18개월, 전력 연결은 7년
- 2026년 초 발표된 하이퍼스케일 데이터센터 용량은 190GW
- 하지만 전력망·인허가·건설 제약으로 프로젝트 지연이 속출하면서,
- 발전소까지 직접 짓는 BYOP(Bring Your Own Power) 전략으로 이동
2. AI가 만드는 전력 인프라 슈퍼사이클
- AI 랙 전력밀도는 기존 ~40kW에서 ~600kW로 급증, 향후 1MW까지 올라갈 전망
- 문제는 변압기 납기가 최대 5년, 스위치기어도 60주 이상이라는 것
- 반도체 다음 주병목은 변압기·송전망·전력변환·액체냉각
3. 하드웨어 위에 올라가는 AI 전력 OS
- 전력 가격에 따라 학습 작업을 이동시키고, 배터리를 실시간 충·방전하며,
- 랙별 전력·열 상태를 자동 제어하는 소프트웨어가 등장
- 좋은 사업은 장비를 한 번 파는 회사보다, 물리 인프라에 박혀 운영을 통제하는 회사
4. 결론
- 이번 사이클 알파는 Time-to-Power를 단축하는 병목 해소 기업
변압기·전력변환·HVDC
현장 발전·ESS
액체냉각
전력·워크로드 오케스트레이션
인허가·건설 자동화
- 지금 AI 시대의 곡괭이는 반도체에서 전력으로 넘어가고 있음
- 전자를 더 빨리, 싸게, 안정적으로 랙까지 보내는 기업이 다음 승자
❤8
1. 지능은 풍부, 물리적 기반은 부족
- AI 모델과 소프트웨어는 빠르게 복제되지만
- 전력·반도체·구리·우라늄·변압기·액추에이터·발사체는 불가
- 앞으로 15년의 초과수익은 기술 자체보다 기술 확장을 막는 병목
2. AI·로봇·에너지·우주는 국가안보 스택
- 데이터센터, 로봇 공장, 반도체 팹, 원전, 희토류 정제, 우주 발사체는 더 이상 일반 산업이 아님
- 정부가 보호하고 보조금을 지급하되, 가격은 민간이 결정하는 기업이 강함
- 반대로 정부가 유일한 고객인 기업은 성장주가 아니라 정치 리스크가 붙은 채권
3. 노동보다 소유권의 가치가 커진다
- AI는 정신노동을, 로봇은 육체노동을 재가격화함
- 인간 노동의 비중이 낮아질수록 부는 자동화된 생산수단의 소유권으로 이동
- 장기채보다 생산설비·전력·원자재·전략 인프라 같은 실물 및 생산자산이 유리
4. 투자 전략은 앱보다 기판
- AI: 모델보다 컴퓨트·네트워크·전력
- 로봇: 완성품보다 액추에이터·배터리·엣지 AI
- 에너지: 발전원보다 송전망·변압기·구리·우라늄
- 우주: 서비스보다 재사용 발사체·궤도 인프라
- 국방: 전통 방산보다 드론·자율시스템·탄약 생산능력
Please open Telegram to view this post
VIEW IN TELEGRAM
❤9
1. 코인마다 가치의 원천이 다름
- BTC·ZEC·XMR: 희소성과 통화 프리미엄
- ETH·SOL·SUI: 경제활동을 가능하게 하는 중립 인프라
- HYPE·LINK·NEAR: 사용량과 네트워크 활동에 가치가 연동
- AAVE·UNI·SKY: 바이백·소각·배분을 통해 현금흐름이 토큰에 귀속
2. 매출보다 중요한 건 토큰 가치 귀속
- 프로토콜이 돈을 많이 번다고 토큰 가격이 반드시 오르는 것은 아님
AAVE: 바이백
HYPE: 토큰 소각
CoW: 리베이트
CRV: 스테이킹 보상
- 매출이 공급 감소나 보유자 수익으로 연결돼야 토큰의 내재가치가 생김
- 반대로 토큰 인센티브, 공급자 수수료, DAO 지출이 크다면 높은 매출도 착시
3. DCF는 가능하지만, 주식은 아님
- 홀더는 주주처럼 자산과 현금흐름에 대한 법적 청구권을 갖지 않음
- 따라서 프로토콜 매출만 볼 것이 아니라, 아래까지 함께 봐야 함
현금흐름이 실제 토큰에 귀속되는가
거버넌스가 언제든 구조를 바꿀 수 있는가
토큰 발행으로 가치가 희석되는가
4. 알트 리레이팅의 기준
- 단순 내러티브에서, 누가 돈을 벌고 그 돈이 누구에게 돌아가는가로 이동
- 결국 프로토콜 매출과 토큰 가치는 별개의 문제
- 둘을 확실하게 연결한 토큰만 DCF의 대상이 됨
Please open Telegram to view this post
VIEW IN TELEGRAM
❤10
1. 현재 AI 투자의 돈줄은 결국 코딩
- 지금 막대한 AI CapEx를 정당화하는 가장 확실한 실수요는 코딩
- 문제는 AI가 발전할수록 소프트웨어 개발비가 급락한다는 것
- 비용 1/100로 떨어지면 개발력은 더 이상 해자가 아님
2. AI가 소프트웨어를 키우는 동시에 파괴
- 누구나 더 많은 기능을 더 싸게 만들 수 있다면 소프트웨어 공급과 경쟁은 폭증
- 이는 AI 사용량에는 호재지만, SaaS의 가격 결정력과 마진에는 악재
- 오늘 AI 투자를 떠받치는 고객군이 오히려 AI 때문에 먼저 무너질 수 있다는 역설
3. 진짜 위험은 수요 붕괴 아닌 공백
- 장기적으로는 의료·로보틱스·바이오·국방·과학 연구가 막대한 컴퓨팅 수요를 만듦
- 다만 코딩 수익성이 꺾이는 시점과 새로운 수요가 본격화되는 시점 사이에 공백이 생기면,
- 이미 구축된 AI 인프라는 단기 과잉투자로 돌변
4. 그래도 단순한 AI 버블론은 부족
- CapEx는 SaaS 매출만 보고 집행되는 투자가 아님
- 비용 하락이 사용량을 더 늘리는 제번스 효과, 지식노동 시장 침투, 패권 경쟁까지 얽힘
- 앱 레이어의 붕괴가 곧바로 반도체·전력 투자 붕괴를 의미하지는 않음
5. 결국 봐야 할 것
- AI의 성공은 이미 확정됨. 이 부분은 더 이상 논쟁의 여지가 없음
- 문제는 코딩 다음 수요가 CapEx 과잉이 드러나기 전에 도착하느냐
- 장기 방향은 맞더라도, 과정에서 강한 붐앤버스트는 충분히 공존할 수 있음
Please open Telegram to view this post
VIEW IN TELEGRAM
❤4
1. AI 병목은 이동 중
- GPU → 전력·냉각 → HBM을 거쳐, 이제는 데이터 이동이 문제
- GPU가 많아져도 칩과 랙 사이 연결이 느리면 연산 효율이 떨어짐
- AI 클러스터가 커질수록 네트워크와 인터커넥트의 중요성은 커짐
2. 연결성 수혜주는 한 바구니가 아님
- 네트워크·아키텍처: AVGO, ANET
- 랙 내부 연결: ALAB, CRDO
- 광통신·부품: LITE, COHR
- 같은 AI 연결성 테마라도 실제 수혜 강도는 크게 다름
3. 진짜 병목은 마진에서
- 매출만 늘고 마진이 그대로면 단순 증설 수혜
- 마진 확대, 장기계약, 수주잔고, 공급 부족이 함께 나와야 진짜 가격 결정력
- AAOI처럼 매출은 급증해도 마진이 따라오지 않는 기업은 구분해야
✍️다음 AI 리레이팅은 더 많은 칩을 만드는 기업보다, 그 칩들을 하나의 시스템으로 연결하는 기업
Please open Telegram to view this post
VIEW IN TELEGRAM
❤7
1. 폰지는 아니다
- STRC 가격이 100달러 아래로 떨어진다고 BTC를 강제로 팔아 상환해야 하는 구조는 아님
- STRC는 만기 없는 영구 우선주이며, 일반적인 마진콜이나 상환 의무도 없음
2. 그러나 초기 전략과 지금은 다름
- 0~2% 전환사채와 NAV 프리미엄을 활용해 BTC를 매입한 초기 전략은 영리함
- 문제는 현재. 현금흐름이 없는 BTC를 사기 위해 연 11%대 현금배당을 부담하는 건 고비용 캐리 트레이드
3. 진짜 리스크는 자본시장 폐쇄
- BTC 하락 → MSTR 프리미엄 축소 → 증자 효율 저하 → STRC 가격 하락 → 배당률 상승 → 현금 부담 증가 → 추가 희석 또는 BTC 매각
- 강제청산보다 이 느린 악순환이 더 위험
4. 결국 BTC만 보는 투자가 아님
- 스트래티지는 BTC가 오르기만 하면 되는 구조가 아님
- BTC가 충분히 빨리 올라야 하고, 동시에 신규 주식과 우선주를 계속 발행할 수 있어야 함
5. 결론
- 스트래티지는 폰지가 아니라, 자본시장 접근성에 의존하는 재귀적 BTC 레버리지
- MSTR과 STRC를 산다는 건 BTC뿐 아니라 세일러의 자금조달 능력까지 함께 베팅하는 것
✍️MSTR의 존재 자체는 BTC에 긍정적일 수 있지만 , STRC 확장은 BTC 시장의 테일리스크를 지속적으로 키움
Please open Telegram to view this post
VIEW IN TELEGRAM
❤7