저자: Jay Yu, Pantera Capital 파트너

편집: Shaw, Golden Finance

연산 능력과 데이터 센터 인프라 지출은 이미 수조 달러 규모의 트랙을 형성했으며, 그 규모는 미국 소비 시장에 버금가며 미국 경제 성장의 주요 기둥이 되고 있습니다. 그러나 AI 에이전트가 점차 실물 경제에 침투하면서 연산 능력 수요는 지속적으로 높아지고 있지만, 실제 GPU를 확보하는 프로세스는 여전히 매우 전통적입니다. 시장에는 SF Compute, Vast AI, Runpod 등의 거래 플랫폼이 있지만, 다수의 GPU 노드의 실제 거래는 여전히 각종 커뮤니티 채팅 채널, 장외(OTC) 브로커 및 맞춤형 양자 간 계약을 통해 이루어집니다.

현재 GPU 연산 능력의 금융화 과정은 여전히 초기 단계에 있습니다. 전력과 마찬가지로 연산 능력은 완전히 동질적이거나 상호 교환 가능한 자산이 아니며, 모델 사양(SKU), 시간 및 지리적 위치라는 세 가지 제약을 받습니다. 하지만 5-10년 후를 내다보면, 연산 능력은 전력이나 원유와 같은 원자재 자산으로 진화하여 AI 시대의 경제 생산을 뒷받침하는 글로벌 핵심 자원이 될 가능성이 매우 높습니다. 본 글에서는 이러한 진화 과정을 탐구합니다: 전력 시장에서 연산 능력 시장 구조를 이해하기 위해 어떤 교훈을 얻을 수 있는지, 업계가 구축 중인 다양한 제품 지형, 그리고 연산 능력의 상품화가 지닌 기회와 아직 해결되지 않은 문제들에 대해 논의합니다.

1. 전력 시장에서 배우기

1.1 전력 시장의 구조

연산 능력 시장이 어떻게 진화할지 예측하기 위해, 전력 시장을 참고하는 것이 좋습니다. 연산 능력과 유사하게, 전력은 이질성, 시간 속성, 노드 집중 등의 특징을 가지며, 글로벌 경제 성장의 기반이 됩니다. 1990년대 이후, 미국 전력 시스템은 점진적으로 민영화되었고, 발전, 송전, 배전이 통합된 수직적 공익 사업체들은 지속적으로 분할되었습니다. 독립적인 전력망 운영 기관이 국내 여러 지역의 배전을 담당하게 되었습니다. PJM West(동부 해안), ERCOT North(텍사스), CAISO SP15(남부 캘리포니아)와 같은 대규모 전력 허브는 결국ICE(洲际거래소)와 시카고 상업 거래소(CME)에서 거래 가능한 상품 계약이 되었고, 해당 자산 클래스의 일련의 가격 기준이 되었습니다.

물리적 측면에서 볼 때, 전력 시장은 기본적으로 "전력망, 운영 기관, 노드" 의 3계층 구조를 따릅니다. 최상위 계층은 물리적으로 서로 독립적인 여러 지역 전력망으로 구성됩니다. 각 지역 전력망에는 시스템 운영 기관인 지역 송전 기구(RTO)와 독립 시스템 운영 기관(ISO)이 있습니다. 운영 기관은 많은 로컬 변전소 노드를 관리합니다. 샌프란시스코를 예로 들면, 도시 전력 공급은 엠바카데로, 라킨, 미션 등 여러 변전소 "노드"에 의해 공동으로 보장됩니다. 각 노드의 전력 가격은 노드 한계 가격(LMP) 알고리즘을 사용하여 계산되며, 이 알고리즘은 발전 스케줄, 사용자 수요, 송전 물리적 비용, 전력 흐름의 물리적 법칙 등 여러 제약 조건 하에서 최적화 솔루션을 수행합니다.

노드 한계 가격(LMP) 알고리즘은 1와트 전력의 실물 인도와 PJM-West와 같은 거래 가능한 전력 기준 상품 간의 핵심 연결 고리가 됩니다. 전력의 "허브 가격"과 지수 가격은 기본적으로 일련의 최종 LMP 노드 가격의 가중 평균입니다. 그중 가장 큰 규모의 기준은 결국 충분한 안정성과 유동성을 확보하여 시카고 상업 거래소(CME),ICE(洲际거래소) 등 플랫폼에 상장되어 거래될 수 있게 되었고, 전체 자산 클래스의 참조 가격이 되었습니다.

1.2 연산 능력 시장에 대한 몇 가지 가설

지난 30년간의 전력 시장 진화 과정을 되돌아보면, 연산 능력 시장에 대한 몇 가지 가설을 도출할 수 있습니다.

첫째, 연산 능력 시장은 전력 시장과 유사한 구조를 따를 가능성이 높습니다. 실물 인도 측면에서, 전력 시장의 "전력망-운영 기관-노드" 구조에 가장 적합한 비유는 "하드웨어-서비스 제공자-클러스터"입니다. 전력 시장에 물리적으로 독립적인 실체 전력망이 존재하는 것처럼, 연산 능력 시장은 하드웨어 칩 유형으로 구분됩니다. H100, H200, B200, B300 등 서로 다른 칩 카테고리는 각각 독립적이지만(상호 연관된) 가격 기준을 가집니다. "운영 기관" 계층에는 AWS, Nebius, Coreweave, SF Compute, Ornn과 같은 여러 연산 능력 서비스 제공자가 존재합니다. 이들은 시간, 지리적 위치, 하드웨어 모델(SKU)에 따라 구분되는 다양한 클러스터에 대해 차별화된 가격을 설정하며, 이는 전력 시장의 노드에 해당합니다. 그리고 LMP에 가장 가까운 대응 메커니즘은 스케줄링/라우팅 알고리즘입니다. 특정 하드웨어 사양의 리소스 가용성에 따라 동적 인스턴스 가격을 출력합니다.

전력 시장에서 승리하여 결국 카테고리 벤치마크 지수가 된 대상(예: PJM-West, ERCOT-North, CAISO SP15)은 대부분 유동성이 가장 높은 실물 인도 인프라에 의존했으며, 이는 원유 등 원자재 시장의 논리와 일치합니다. 연산 능력 분야에서는 미래에 많은 벤치마크 지수가 등장할 것이며, 결국 승리하는 것은 높은 유동성의 실물 인도 장소에 묶인 지수일 가능성이 높습니다.

또한, 전력 시장에서 거래 주체(발전 측은 공포, 전력 수요 측은 다포)가 때때로 전력 거래소에서 직접 헤지하기도 하지만, 대부분의 거래는 은행과 딜러 산하의 장외 거래 창구를 통해 이루어집니다. 장외 창구는 일정한 가격 차이로 노드 인도를 허브 인도로 전환하고 자체 리스크 노출을 헤지합니다. 이러한 시장 구조는 연산 능력 시장에서도 재현될 가능성이 있습니다. 연산 능력의 실제 거래 주체(신규 클라우드 업체와 AI 기업)는 거래소에서 직접 헤지하기보다는 브로커를 통해 해당 하드웨어 사양 리소스를 조달하는 것을 선호할 수 있습니다.

마지막으로, 연산 능력 시장의 베이시스 리스크는 전력 시장보다 현저히 높을 수 있습니다. 《연방 전력법》은 미국 연방 에너지 규제 위원회(FERC)가 전력 도매 시세를 강제로 공개하도록 요구하지만, 연산 능력 시장에는 이러한 강제 투명성 요구 사항이 없습니다. 이는 연산 능력의 동적 가격(및 지수)이 자체 주문장과 수익 공유, 데이터 조달 계약을 통해 협력하는 신규 클라우드 업체의 주문장에만 의존하여 구축될 수 있음을 의미합니다.

2. 연산 능력 시장의 구조

2.1 추론 수요 스택

전력 시장의 탄생이 전력의 다양한 산업 응용에서 비롯된 것처럼, 연산 능력 시장의 근본적인 동인은 토큰 수요, 특히 추론 토큰 수요에서 비롯됩니다.

현재 추론 기술 스택은 대략 세 가지 독립적인 계층으로 나눌 수 있으며, 이들은 함께 연산 능력 시장의 구조적 다포와 공포를 구성합니다.

신규 클라우드 업체 계층(Neocloud layer): Nebius, Coreweave 등의 주체가 실물 데이터 센터를 운영하며 GPU의 판매자입니다.
즉시 호출 계층(On-tap layer): Fireworks, Baseten과 같은 개발자 플랫폼으로, 베어메탈 환경을 기능이 완비된 GPU 실행 환경으로 캡슐화하여 개발자가 직접 작업을 실행하고 필요에 따라 추론 토큰을 얻을 수 있게 합니다. 이 계층은 GPU의 구매자입니다.
애플리케이션 계층(Application layer): Cursor, Perplexity, Rime과 같은 애플리케이션은 위의 추론 플랫폼을 기반으로 개인 사용자와 기업에 최종 제품을 제공합니다. 이 계층은 추론 토큰의 구매자입니다(토큰 서비스의 기본 소비는 GPU 연산 능력입니다).

생태계 내 각 참여자의 GPU 관리 전략은 약간씩 다르지만, 대체로 신규 클라우드 업체는 GPU 시장의 구조적 공포이고, 즉시 호출 계층과 애플리케이션 계층은 다포에 속합니다. 반면, 아마존, 구글과 같은 초대규모 클라우드 업체는 기술 스택의 모든 계층에 자체 제품을 배치합니다. "이익 흐름"에 대한 경험적 추정치가 있습니다. 상위 애플리케이션이 토큰 구매에 100달러를 지출하면, 약 45달러는 즉시 호출 계층으로, 50달러는 신규 클라우드 업체/GPU 리소스 계층으로, 나머지 5달러는 OpenRouter와 같은 라우팅 계층으로 흐릅니다.

2.2 연산 능력 자본 시장 구조

AI 거래 주체라는 이러한 기층 구조적 ‘토큰 이코노믹스’는 연산력 자본 시장의 형성 형태를 결정한다. 연산력 시장의 한 가지 가능한 진화 경로는 다음과 같다: 멀티 포지션 측(개발자 플랫폼, 애플리케이션 레이어)과 숏 포지션 측(신규 클라우드 업체)이라는 두 가지 AI 거래 주체가 SF Compute, Runpod, Compute Exchange 등의 연산력 브로커와 장외 거래 데스크를 통해 특정 하드웨어 사양(SKU)의 거래를 수행한다. 이후 연산력 브로커와 장외 데스크는 재고 관리를 수행하고, 최종 토큰 소비자가 필요로 하는 하드웨어 사양과 표준 H200 연산력 간의 베이시스 리스크를 인수한다. 이들은 Architect, Pluto 등의 연산력 거래소에서 헤지 거래를 진행한다. 거래소의 가격 결정은 협력하는 신규 클라우드 업체, 장외 플랫폼의 오더북 가중 계산을 통해 형성된 기준 가격에 의존한다.

2.3 엔비디아: 컴퓨팅 분야의 '중앙은행'

이 외에도 엔비디아는 최근 자사의 AI 팩토리 컴퓨팅 파워를 일종의 '투자 가능한 자산'으로 만들 계획이라고 발표했습니다. 이 컴퓨팅 파워 금융화 시스템에서 엔비디아는 GPU 기술 스택에 대한 독점적 지위를 바탕으로 컴퓨팅 시장의 '중앙은행'으로 간주될 수 있습니다. 중앙은행은 일반적으로 세 가지 핵심 목표를 가집니다: (1) 경제의 인플레이션 조절; (2) 완전 고용 달성; (3) 최종 대부자 역할. 엔비디아는 실제로 이에 상응하는 역할을 수행하고 있습니다:

인플레이션 조절: GPU 경제에서의 '인플레이션'은 칩의 가치 하락 주기, 특히 현재 최첨단 칩(SOTA) 대비 가치 하락 속도에 비유될 수 있습니다. 엔비디아는 신제품 출시 주기(예: Vera Rubin 칩)를 통제하여 GPU의 장기적인 가치 하락률에 어느 정도 영향을 미칠 수 있습니다.
완전 고용: 엔비디아는 GPU의 '완전 고용'을 추구합니다. 토큰 수요가 GPU 사용률을 높이면 시장에서 더 많은 GPU 구매 수요가 발생합니다. 따라서 엔비디아는 컴퓨팅 파워 금융화를 추진하여 GPU 시간의 유동성을 높이고 궁극적으로 하드웨어 사용률을 끌어올릴 유인이 있습니다.
최종 대부자 역할: 엔비디아는 동시에 최대 25%의 잔존 가치 보장 정책을 내놓았습니다. 신규 클라우드 업체 및 기타 GPU 서비스 제공업체가 유동성 위기에 직면할 경우, 이 정책은 GPU 자산 가치에 대한 구제 및 보험 보장으로 간주될 수 있습니다.

3. 컴퓨팅 시장의 기회와 도전

3.1 컴퓨팅 기술 스택에 따른 제품 형태

컴퓨팅 시장의 금융화 계층이 지속적으로 확장됨에 따라, 업계에는 각각 장점을 가지면서도 동시에 도전에 직면한 몇 가지 주요 제품 범주가 등장할 것으로 예상됩니다.

제품 1: 실물 인도. 이는 실제 GPU 리소스를 최종 수요자에게 전달하는 것을 의미하며, 관련 참여자로는 SF Compute, Hyperbolic, Vast, Runpod, Compute Exchange 등이 있습니다. 이 계층은 하드웨어 기반에 가장 가깝고, 앞서 언급한 다양한 AI 거래 주체와 직접 연결됩니다. 컴퓨팅 하드웨어 사양이 다양하고 복잡하기 때문에, 대부분의 플랫폼은 초기 단계에서 브로커 역할을 하며 컴퓨팅 수요자와 각종 신규 클라우드 업체를 중개하고 수수료를 받습니다⁸. 이 분야의 궁극적인 목표는 컴퓨팅 '현물 거래소'를 구축하는 것입니다. 그러나 GPU 실물 인도 과정에서 지속적이고 안정적으로 품질을 관리하는 것은 매우 어렵습니다. 특히 컴퓨팅 공급이 분산 네트워크에서 이루어지는 플랫폼의 경우 더욱 그렇습니다. 이 계층이 성숙해지려면 기초 자원의 품질을 보증해 줄 Moody's와 같은 평가 기관이 필요할 수 있습니다.

또한, 실물 인도 분야의 경쟁이 치열하지만, 장기적으로 볼 때 가장 지속 가능한 해자(moat)를 구축하기 쉽습니다. 원유, 전력 시장의 사례를 살펴보면, 지수, 거래소, 대출 등의 금융화 사업은 종종 유동성이 가장 좋은 실물 인도 시장을 중심으로 성장합니다. 따라서 성숙한 실물 인도 시스템을 구축하는 것은 매우 가치가 높습니다.

제품 2: 지수 상품. 이는 컴퓨팅 자산 위에 구축된 '지수 곡선'을 의미하며, Ornn, Silicon Data, Compute Desk, Semianalysis 등의 기관이 이 분야를 준비하고 있습니다. 지수 구축은 컴퓨팅 파워의 추가적인 금융화와 거래 가능성을 위한 핵심 단계입니다. 컴퓨팅 지수 상품이 점차 성숙해짐에 따라 '컴퓨팅 시장'이라는 내러티브가 폭발적으로 성장할 것입니다. CME, ICE 등 여러 대형 거래소도 잇따라 컴퓨팅 지수 기관과의 협력을 발표했습니다.

그러나 오늘날까지도 많은 컴퓨팅 지수와 각 독립 GPU 거래 시장 간에는 여전히 큰 가격 차이가 존재합니다. 가격 차이가 발생하는 주요 원인은 두 가지입니다. 첫째, 기초 자산 자체에 차이가 있습니다. 플랫폼마다 컴퓨팅 신뢰성, 중단 가능성, 계약 조건이 크게 다릅니다. 둘째, 각종 컴퓨팅 지수가 의존하는 주문장 데이터가 서로 다르며, 컴퓨팅 업계는 전력과 같은 자산(FERC 규제 대상)과 달리 정보 투명성을 강제하는 규정이 없습니다. 현재 많은 컴퓨팅 지수는 단순히 신규 클라우드 업체로부터 주문장 데이터를 대량 구매하거나, 협력 및 수익 공유 방식을 통해 기본 데이터 세트를 구축하고 있습니다.

이 외에도, 거래소 및 실물 인도 사업과 비교했을 때 지수 계층 자체의 상업화 난이도는 더 높습니다. 따라서 지수가 파급력을 만들고 컴퓨팅 시장 시스템에서 없어서는 안 될 부분임에도 불구하고, 지수 사업에만 의존할 경우 기초 실물 시장(가격 데이터 소스)과 상위 거래소(수익 공유 요구)로부터 양방향 압박을 받게 됩니다.

제품 3: 파생상품 거래 플랫폼. 기술 스택의 세 번째 계층은 거래 플랫폼(주로 현금 결제 선물)으로, 지수 상품을 기반으로 컴퓨팅 파워에 대한 헤징(위험 회피) 장소를 제공합니다. Liquid Compute, Architect 등의 프로젝트가 관련 개발을 진행 중입니다. 장기적으로 볼 때 파생상품 분야는 가장 주목받고 상업화 잠재력이 가장 크지만, 현재는 여전히 초기 단계에 있으며 거래량이 충분히 크지 않습니다. 동시에, 현금 결제 플랫폼에서 거래 가능한 대상은 표준화된 H200 컴퓨팅 인스턴스로, 실제 추론 작업을 직접 실행할 수 있는 특정 하드웨어 사양이 아닙니다. 따라서 이러한 거래소에서 주로 거래하는 주체는 장외 거래 창구나 컴퓨팅 브로커로서, 대차대조표상의 컴퓨팅 재고 위험을 헤징하기 위한 목적이지, 최종 AI 수요 주체는 아닙니다.

제품 4: 금융화 수단. 네 번째 제품 범주는 더 광범위하며, 컴퓨팅 파워 자금 조달을 위한 다양한 도구를 의미합니다. 예를 들어 대출 프로토콜, 자금 풀, 그리고 USD.AI와 같은 합성 스테이블코인은 데이터 센터 및 신규 클라우드 업체의 실물 건설 자금을 지원합니다. 미래 시장에는 GPU 시장의 베이시스(basis) 위험을 완화하기 위한 위험 전가 및 보험 유형의 상품도 등장할 것입니다.

위의 각 계층을 종합해보면, 컴퓨팅 업계의 최종 성숙된 형태의 윤곽이 명확해집니다. 승리자는 풀스택 플레이어가 될 것이며, 안정적인 GPU 실물 인도를 구현하고, 자체 실물 주문장을 기반으로 자연스럽게 컴퓨팅 지수를 생성한 다음, 지수를 기반으로 선물 거래소를 구축하여 컴퓨팅 파워를 위험 회피가 가능한 자산 클래스로 만드는 기업입니다. 업계에서 여전히 논쟁이 되는 점은 제품 출시 순서입니다. 최종 승리자는 실물 인도를 먼저 할 것인가, 지수를 먼저 출시할 것인가, 아니면 거래 플랫폼을 먼저 구축할 것인가입니다.

3.2 컴퓨팅 토큰 이코노믹스 최전선 논의

지금까지는 주로 GPU 계층을 중심으로 컴퓨팅 시장을 논의했습니다. 이제 시야를 넓혀 더 광범위한 컴퓨팅 토큰 이코노믹스 관점에서 컴퓨팅 시장을 살펴보고, 역사적 진화, 가치 포착, 그리고 최전선 AI 연구소와의 게임 이론적 관점에서 각각 분석하겠습니다.

역사적 차원에서 볼 때, 컴퓨팅 거래 시장은 완전히 새로운 개념이 아닙니다. 2023년부터 2024년까지 SF Compute, Hyperbolic과 같은 프로젝트가 관련 구상을 제시했으며, Akash, IONet과 같은 분산형 컴퓨팅 플랫폼도 같은 시기에 등장했습니다. 주목할 점은 많은 참여자가 GPU 거래 시장이라는 계층에만 머물지 않았다는 것입니다. 예를 들어 Hyperbolic은 추론 서비스 제공업체로 전환하여 외부에 직접 추론 토큰을 판매하고 있습니다. SF Compute는 자체 클러스터를 구축하고 컴퓨팅 리소스를 직접 운영하기 시작했습니다.

가치 분배 사슬 측면에서 보면, 가치는 AI 애플리케이션(Cursor, Harvey, Granola) → OpenRouter와 같은 라우팅 계층 → Fireworks, Baseten과 같은 추론 서비스 제공업체 → 신규 클라우드 업체 및 컴퓨팅 거래 시장(Nebius, Coreweave, SF Compute) → 데이터 센터 운영자 순으로 전달됩니다. 산업 사슬의 중간 위치에 고정되면 양쪽에서 압박을 받기 쉽습니다. 기업은 안정적이고 풍부한 이윤율을 유지하기 위해 상류 또는 하류로 사업을 확장해야 합니다.

마지막으로 게임 이론적 관점에서 토큰 시장에는 무시할 수 없는 세 가지 핵심 변수가 있습니다.

(1) 엔비디아가 칩 공급과 가치 하락 속도를 장악합니다.

(2) Anthropic, OpenAI와 같은 최전선 연구소가 새 모델을 출시하여 추론 토큰 수요를 증가시킵니다.

(3) Kimi, GLM, DeepSeek, Tongyi Qianwen과 같은 오픈소스 모델이 지속적으로 추론 사업의 이윤율을 압박합니다.

세 가지 변수는 함께 GPU와 토큰 시장의 롱-숏 양측 구조적 동인을 구성하며, 어느 한 쪽이 중요한 제품을 출시하면 전체 가격 곡선을 재편할 수 있습니다. 왜냐하면 중요한 사건(예: GPT 5.6 출시)은 AI 토큰의 전체 가치 사슬을 따라 연쇄 반응을 일으켜 토큰 가격과 실물 GPU 가격의 급격한 변동을 초래하기 때문입니다. 따라서 한 기업이 추론 토큰 사업과 실물 GPU 거래 시장을 동시에 운영하는 것은 매우 강력한 경제적 합리성을 가지며, 산업 사슬 상하위 계층의 이윤율 변동 위험을 헤지할 수 있습니다.

결론

역사적으로 볼 때, 원유, 전력과 같은 대규모 상품 시장은 초기 형태가 현재의 컴퓨팅 시장과 매우 유사했습니다. 거래는 중개인을 통한 양방향, 불투명한 장외 거래에 의존했습니다. 이후 실물 인도가 점차 표준화된 프로토콜과 금융 기반 구성 요소(지수, 거래 표준화, 품질 검증 메커니즘 포함)를 형성하고, 결국 완전히 금융화된 자산 클래스로 성장했습니다.

현재 컴퓨팅 업계는 이러한 진화 과정을 재현하고 있습니다. 다양한 프로젝트가 이미 지수, 현금 결제 거래소, 대출, 보험 등의 금융 도구를 실험하기 시작했습니다. 동시에 GPU 실물 거래 플랫폼과 클라우드 서비스 제공업체는 토큰의 전체 가치 사슬을 완전히 확보하기 위해 노력하고 있습니다. 전체 AI 경제를 뒷받침하는 기초 자산으로서 컴퓨팅 파워는 단순한 인프라에서 점차 독립적인 금융 자산으로 진화하고 있습니다.

미래 트랙에서는 산업 사슬의 다양한 계층에 걸쳐, 서로 다른 비즈니스 모델을 가진 여러 유니콘 기업이 탄생할 가능성이 높습니다. 이들은 실물 컴퓨팅 공급, 중개 사업, 대출, 위험 관리를 포괄하며, 동시에 탈중앙화 금융(DeFi)과 전통 금융(TradFi) 자본 시장을 모두 수용할 수 있을 것입니다. 컴퓨팅 파워는 아마도 수십 년 만에 등장한 최초의 새로운 실물 상품일 것입니다. 우리는 그것이 커뮤니티의 산발적인 거래에서부터 완전히 성숙된 자산 클래스로 발전하는 과정을 직접 목격하고 있습니다.

1년 동안 활동이 없었던 지갑이 7시간 전에 581만 USDC를 사용하여 2,570 ETH를 구매했습니다.

인기 기사