저자: 블랙록

편집: 진써차이징(金色财经)

서문: 9월 23일, 블랙록은 연구 논문 "머신 네이티브 경제: 디지털 자산이 지능, 상업, 컴퓨팅 파워를 연결하는 방법"을 발표하여 AI와 디지털 자산 사이의 점증하는 연관성을 살펴보고, AI의 광범위한 채택이 디지털 자산 경제 분야에서 새로운 수요, 새로운 용도, 새로운 응용을 촉진할 수 있는 이유를 설명했다. 다음은 전문 내용이다.

요약

AI의 비범한 성장은 이 시대 가장 상징적인 기술 테마이다. 이와 동시에 디지털 자산의 부상은 금융 인프라에 특히 중요한 영향을 미치는 병행하는 기술 테마이다. 역사적으로 이 두 테마는 대체로 각자의 평행한 궤도를 따라 발전해 왔지만, AI 시스템이 금융·경제 네트워크와 상호작용하는 능력이 계속 강화되면서 이제 교차하기 시작하고 있다. 본 논문은 이 점점 긴밀해지는 관계를 살펴보고, AI의 광범위한 채택이 디지털 자산 경제에서 저평가된 수요·효용·응용 성장의 원천이 될 수 있는 이유를 설명한다.

이 융합의 핵심에서 AI와 디지털 자산은 모두 공통의 기반에서 비롯된다. AI는 머신 네이티브 지능을, 디지털 자산은 머신 네이티브 화폐를 대표한다. 에이전틱 AI의 부상과 함께 이러한 정합성은 특히 중요해진다. 에이전틱 AI란 제한된 인간 개입 하에 외부 도구 및 인프라와 상호작용하고, 정해진 목표를 중심으로 다단계 작업을 계획하고 실행할 수 있는 시스템을 말한다. 블록체인은 지능과 경제 활동을 연결하는 프로그래머블 인프라를 제공한다. 이러한 능력은 AI를 콘텐츠 생성에서 현실 세계의 행동으로 진전시키며, 여기에는 구매 완료와 금융 거래 개시가 포함된다.

구체적으로 우리는 세 가지 핵심 중첩 영역을 살펴본다.

대규모 언어 모델과 블록체인은 유사한 토큰화 아키텍처를 갖는다. 대규모 언어 모델은 인간 언어를 토큰(token)으로 분할하고 이를 수치화하여 인코딩함으로써 모델이 해석하고 처리할 수 있게 한다. 블록체인 역시 경제적 가치와 권리를 디지털 자산 토큰(token)으로 표현하며, 그 설계 목표는 기계가 검증 가능한 이전과 결제이다. 둘의 기능은 서로 다르지만, 두 프로세스 모두 현실 세계의 입력을 기계가 네이티브로 사용할 수 있는 형식으로 변환한다.
에이전틱 상업에는 머신 네이티브 결제 채널이 필요하다. 에이전틱 AI와 기계 간 결제의 부상은 블록체인 및 기타 프로그래머블 결제 인프라에 대한 수요를 높일 수 있다. 스테이블코인, 네이티브 암호화폐 자산 및 기타 온체인 자산은 이러한 채널에서 결제와 정산을 수행하는 머신 네이티브 도구 역할을 할 수 있다. ACH와 카드 네트워크 등 기존 채널은 이미 상당한 수준의 자동화를 지원하지만, 계좌 개설 요건과 정산 경제성으로 인해 프로그래머블 실행이 필요한 7×24시간, 극소액 거래에는 적합하지 않을 수 있다. x402와 ACP 등 신흥 프로토콜은 블록체인 네트워크 위에 배포되고 있으며, 전통 결제 채널과의 연동 방안과 병행하여 더 복잡한 에이전틱 워크플로를 위한 거래·정산 계층을 구축하고 있다.
컴퓨팅 파워가 디지털 자산의 신흥이자 잠재적으로 거대한 시장이 되고 있다. 컴퓨팅 파워, 즉 AI 시스템을 훈련하고 실행하는 데 필요한 처리 능력은 점점 더 중요한 경제 자원이 되고 있다. 애널리스트들은 2030년까지 하이퍼스케일 클라우드 서비스 제공업체의 클라우드 사업 매출이 연간 1조 달러를 넘어설 수 있다고 추정한다. 에이전트 능력이 강화되고 지속 시간이 길어질수록 컴퓨팅 파워 용량에 대한 표준화된 권리 주장은 디지털 자산의 자금 조달과 프로그래머블 결제 측면에서 중요한 사용 사례가 될 수 있다.

종합하면, 이러한 발전은 AI를 디지털 자산 채택의 구조적 촉매로 만들고, 디지털 자산을 AI 경제의 잠재적 촉진자로 만든다: AI는 정보를 해석하고 행동을 지시하며, 블록체인은 기계가 읽을 수 있는 자산과 프로그래머블 결제를 제공한다. 이 관계는 여전히 저평가되어 있으며, 디지털 자산이 점점 더 자율적인 디지털 경제의 핵심 인프라로서의 역할을 확대할 수 있다.

AI와 디지털 자산의 토큰화는 현실 세계의 입력을 머신 네이티브 표현으로 변환한다

아키텍처 차원에서 AI와 디지털 자산의 토큰화는 유사한 역할을 수행한다. 즉, 정보와 경제적 권리를 이산적이고 표준화된, 기계가 네이티브로 처리할 수 있는 표현으로 변환하는 것이다. AI 토큰은 정보를 인코딩하고, 디지털 자산 토큰은 가치, 소유권 또는 경제적 권리의 단위를 대표한다. 대규모 언어 모델(LLM)에서 토크나이저는 인간이 읽을 수 있는 텍스트를 더 작은 단위(일반적으로 단어, 하위 단어 또는 문자)로 분할하고 이를 수치 식별자에 매핑한다. 이어서 임베딩 계층은 이러한 식별자를 모델이 계산에 사용할 수 있는 벡터 표현으로 변환한다. 모델은 수치 형태의 토큰 ID를 생성하고, 이를 다시 인간이 읽을 수 있는 텍스트로 디코딩한다. 입력 텍스트를 표준화된 수치 단위로 지속적으로 변환함으로써, LLM은 현대 칩이 뛰어난 고도 병렬 계산을 활용하여 대규모 입력 스트림을 효율적으로 처리할 수 있다.

블록체인은 가치 저장과 경제적 권리에 대해 기능적으로 유사하지만 기술적으로는 다른 프로세스를 채택한다. 디지털 자산 토큰화란 현금, 펀드 지분, 증권 또는 기타 소유권 주장 등 금융 자산 또는 실물 자산(RWA)을 분산 원장에 기록된 표준화된 디지털 토큰으로 표현하는 과정을 말한다. 스테이블코인 등 기존 온체인 자산은 스마트 컨트랙트 거래를 통해 이전될 수 있다. 거래 차원에서 이러한 자산은 기계가 읽을 수 있는 거래 데이터와 거버넌스 규칙을 통해 표현된다. 네트워크 검증은 거래의 합법적 유효성을 승인하고, 스마트 컨트랙트 또는 거래 스크립트는 해당 자산 고유의 권한과 조건을 부과한다. 이러한 메커니즘은 함께 토큰 잔액을 이전함으로써 원장을 갱신한다. 거래가 기록되고 네트워크 합의 규칙 하에 충분한 최종성을 확보하면, 그것은 네트워크의 규범적 원장 상태의 일부가 된다.

블록체인 워크플로에서 스마트 컨트랙트는 거래 로직을 실행하고 금융 자산에 특화된 규칙을 부과한다. 자금세탁방지(AML), 고객확인(KYC) 및 에이전트확인(KYA) 점검은 일반적으로 오프체인에서 수행되는데, 이는 신원 및 컴플라이언스 데이터를 오프체인에서 평가하고 검증 결과를 온체인에 전달하여 거래 적격성을 판정할 수 있기 때문이다. 토큰화된 RWA의 경우, 이러한 통제는 권위 있는 오프체인 등록 시스템에 의존하면서도 폐쇄형 데이터베이스와 수동 대사(對査)에 대한 의존도를 줄이는 더 넓은 법적·규제 서비스 프레임워크 내에 있다.

그림 1: 대규모 언어 모델과 블록체인 거래에서의 토큰화 프로세스 개요

이러한 병행 워크플로(하나는 인간의 맥락을 인코딩하고, 다른 하나는 경제적 권리를 인코딩함)는 지능형 시스템과 거래 실행이 계속 융합됨에 따라 더욱 중요해진다. 두 시스템 모두 구조화된 기계 판독 가능 표현을 사용하므로, LLM 기반 AI 에이전트는 많은 파편화된 전통 시스템을 다룰 때보다 블록체인 데이터와 더 직접적인 인터페이스를 구축할 수 있다. 반대로, 자산 클래스 전반의 더 높은 표준화 수준은 맞춤형 통합에 대한 의존도를 줄이고 에이전트가 더 복잡한 다중 자산 워크플로를 더 쉽게 오케스트레이션할 수 있게 한다. 프로그래머블 인터페이스를 통해 에이전트는 승인된 거래를 실행하고 결제를 검증하기 전에 잔액과 규칙을 평가할 수 있으며, 인적 프로세스에 대한 의존도는 제한적이다.

비트코인 정책 연구소의 최근 연구는 이 프레임워크에 대한 초기 지지를 제공한다. 보고서에 따르면, 통제된 시뮬레이션에서 모델 출력은 전반적으로 일상 결제에는 스테이블코인을, 장기 가치 저장에는 비트코인을 선호했다. 이러한 발견은 실제 관찰된 에이전트 행동이 아니라 시뮬레이션된 모델 응답을 반영하지만, 스테이블코인이 거래 화폐 역할을 하고 비트코인이 가치 저장 수단 역할을 하는 잠재적인 AI 네이티브 화폐 아키텍처를 가리킨다. 다음 절에서 살펴보겠지만, 이 공유된 머신 네이티브 기반은 의미 있는 에이전트 결제 사용 사례를 뒷받침할 수 있으며, 일부 전통 금융 채널은 이러한 사용 사례에서 효율성이나 경제성이 낮을 수 있다.

머신 네이티브 거래에는 전용으로 구축된 에이전트 결제 프로토콜이 필요하다

AI 에이전트의 능력이 강화되고 현실 응용이 확장됨에 따라, 이들은 기계 속도의 상업 활동을 위해 네이티브로 설계된 결제 및 자산 인프라를 점점 더 필요로 한다. 암호화폐 네이티브 블록체인 채널은 특히 7×24시간 운영되는 고빈도, 1센트 미만의 기계 간(M2M) 거래에 적합하다. 여기에는 API 호출, 주문형 데이터, 사용량 기반 과금 컴퓨팅 파워가 포함된다. 동시에, 개조된 전통 결제 시스템은 에이전트를 인간이 운영하는 기업 및 소비자와 연결할 때(즉, 기업 대 기계 B2M, 소비자 대 기계 C2M) 여전히 중요할 것이다.

스테이블코인, 네이티브 암호화폐 자산, 토큰화된 실물 자산 및 기타 프로그래머블 도구는 거래와 디지털 소유권(담보로 사용 포함)을 지원할 수 있으며, 연중무휴 운영 기반 위에서 필요한 세분성을 충족할 수 있다. 더 넓게 보면, 토큰화는 자산 클래스 전반에 걸쳐 표준화된 기계 판독 가능 표현을 제공하여 금융 인프라의 맞춤형 통합을 줄이고, 에이전트가 점점 더 복잡한 워크플로를 더 효율적으로 오케스트레이션할 수 있게 한다.

많은 기존 결제 채널은 높은 거래량, 낮은 단일 금액의 에이전트형 거래에 적합하지 않으며, 그 이유는 다음과 같다.

계좌 개설, 자격 증명 발급 및 승인 프로세스에 인적 개입이 필요할 수 있다.
가맹점 수수료로 인해 극소액 거래가 비경제적이 될 수 있다.
결제 및 최종성 측면의 제약: 대부분의 ACH 거래량은 영업일 1일 이내에 결제되고, 카드 승인은 거의 즉각적이지만 가맹점 결제와 분쟁 최종 확정에는 더 오랜 시간이 걸릴 수 있다.
기계가 생성하는 거래량이 증가함에 따라 확장성 측면의 제약이 존재할 수 있다.

에이전트 결제 프로토콜은 MCP와 A2A 등 기반 표준 위에 구축되며, 이러한 표준은 에이전트를 외부 시스템 및 서로 연결한다. **MCP(모델 컨텍스트 프로토콜, Model Context Protocol)**는 Anthropic이 2024년 11월에 출시했으며, AI 애플리케이션이 외부 데이터와 워크플로에 접근하는 방식을 규범화한다. **A2A(Agent2Agent)**는 Google이 2025년 4월에 발표했으며, 에이전트가 플랫폼 간에 통신하고 협업할 수 있게 한다.

MCP와 A2A를 사용하는 에이전트는 결제가 수반되는 복잡한 워크플로를 완료하기 위해 여러 에이전트 결제 프로토콜을 활용한다. x402는 Coinbase가 개발한 개방형 결제 프로토콜로, HTTP 402 "결제 필요(Payment Required)" 상태 코드를 사용하여 기계가 개시하는 결제를 지원한다. 이 프로토콜은 블록체인에 구애받지 않으며, USDC 등 스테이블코인이 초기 주요 사용 사례 중 하나로, 고속 M2M 거래의 잠재적 표준으로 점차 자리 잡고 있다. 7×24시간, 거의 실시간, 검증 가능한 결제를 제공함으로써 x402는 자원 제공자의 거래상대방 리스크 노출을 줄이고, 결제 확인 직후 요청된 데이터나 서비스를 제공할 수 있다. x402는 디지털 화폐(온체인 지갑에 보유된 스테이블코인 포함)를 사용하므로, 인적 개입 없이 고빈도 소액 거래를 지원할 수 있다. 결제가 무허가 네트워크 위에서 발생할 때, 더 높은 사용량은 블록 공간과 검증자 서비스에 대한 수요를 높여 네이티브 암호화폐 자산으로 이어지는 잠재적 전달 채널을 형성할 수 있다. 가치 포착의 정도는 각 네트워크의 수수료, 스테이킹 및 가스 대납 설계에 달려 있다.

다른 신흥 표준은 에이전트형 거래를 기존 결제 채널과 연결하고, 신뢰할 수 있는 금융 실행을 위한 가드레일을 구축한다. Stripe와 Tempo가 개발한 머신 결제 프로토콜(MPP)은 API 및 기타 HTTP 리소스에 대한 결제를 지원하며, 스테이블코인 또는 전통 결제 수단을 통해 유연하게 결제할 수 있다. Stripe와 OpenAI가 개발한 에이전트 상업 프로토콜(ACP)은 에이전트와 기업 간에 프로그래밍 방식으로 체크아웃을 완료할 수 있게 하면서, 판매자가 기존 상업 및 결제 인프라를 유지할 수 있게 한다. Google의 에이전트 결제 프로토콜(AP2)은 암호화 승인 자격 증명과 감사 추적을 사용하여 사용자 승인의 증거를 제공하고, Visa의 신뢰 에이전트 프로토콜(TAP)은 가맹점이 신뢰할 수 있는 에이전트를 검증하고 결제 자격 증명을 안전하게 수신하도록 돕는다.

그림 2는 단순화된 에이전트 결제 워크플로를 보여준다. 인간 사용자(1)는 에이전트에게 지정된 예산 내에서 항공권과 호텔을 예약하도록 요청한다. 주 AI 에이전트(2)는 MCP 커넥터를 통해 사용자의 캘린더, 선호도 및 승인된 결제 정보에 접근한 다음, (3) A2A를 통해 데이터 수집 작업을 전문 AI 여행 하위 에이전트에 위임한다. 하위 에이전트(4)는 유료 항공권 및 호텔 요금 API를 호출하고, 관련 결제는 x402를 통해 처리되어 온체인에서 결제된다. 반환된 정보를 활용하여 주 에이전트(5)는 항공사와 호텔의 체크아웃 시스템을 통해 예약을 완료하고, (6) 일정과 영수증을 사용자에게 반환한다.

그림 2: 기반 프로토콜과 금융 프로토콜이 수반되는 에이전트형 워크플로 개요

다양한 디지털 자산이 상업 지능형 에이전트를 지원할 수 있지만, 스테이블코인은 거래 용도에서 선두를 차지할 가능성이 높다. 스테이블코인은 특정 기준 통화(가장 흔히 미국 달러)에 대해 안정적인 가치를 유지하도록 설계된 디지털 토큰이다. 그 가격 안정성은 신뢰할 수 있는 가치 척도를 제공하며, 가격 책정과 결제 측면에서 더 강한 예측 가능성을 가져온다. 스테이블코인은 토큰화된 실물 자산 중 가장 큰 범주로, 2026년 9월 기준 유통 시가총액이 3,000억 달러를 넘어섰다. 2025년 조정된 스테이블코인 거래량은 11조 달러를 넘어 Visa 및 Mastercard의 연간 결제량과 대략 같은 범위에 있다. 조정된 스테이블코인 거래량은 2025년 ACH를 통해 이전된 93조 달러에는 여전히 크게 못 미친다. 다만 2020년부터 2025년까지 그 연평균 성장률(CAGR)은 80%인 반면, ACH는 약 8.5%였다. 미국의 《GENIUS 법안》, EU의 MiCA, 홍콩의 스테이블코인 발급 제도, 싱가포르의 스테이블코인 규제 프레임워크를 포함한 규제 환경의 점진적 명확화는 스테이블코인의 지속적 채택과 성장을 뒷받침할 것이다.

그림 3: 스테이블코인과 주요 카드 네트워크의 거래량

디지털 자산에 있어 이러한 성장의 영향은 스테이블코인 자체를 넘어, 그 발행과 결제가 이루어지는 블록체인 네트워크로 확장된다. 많은 주요 스테이블코인은 여러 블록체인에서 발행되어, 시장 참여자가 경제성과 기술 적합성에 기반하여 지원되는 결제 장소 중에서 선택할 수 있게 한다. 이러한 장소에는 이더리움과 같은 범용 무허가 네트워크뿐 아니라, Circle의 Arc와 같은 전용 구축 스테이블코인 네트워크도 포함된다. Arc에서는 USDC가 네이티브 가스 자산으로 설계되어 있다. 무허가 네트워크에서 네이티브 암호화폐 자산(예: ETH)은 합의, 검증자 보상, 거래 수수료 및 결제를 뒷받침한다. 스테이블코인 활동 규모가 확대됨에 따라 블록 공간과 네트워크 서비스에 대한 더 높은 수요는 사용량 관련 수요와 이러한 자산의 잠재적 가치 포착을 뒷받침할 수 있으며, 구체적으로는 각 네트워크의 수수료, 스테이킹 및 가스 대납 설계에 달려 있다. Arc는 또 다른 보완적 모델을 제공한다. 더 높은 결제 활동은 USDC가 결제 자산이자 거래 수수료 지불 수단으로서 동시에 갖는 효용을 심화할 수 있다.

자율 에이전트가 급증함에 따라 컴퓨팅 파워는 디지털 자산의 신흥이자 잠재적으로 거대한 시장이 되고 있다

AI 시스템과 에이전트의 운영에는 막대한 컴퓨팅 파워와 에너지가 필요하다. 투자자들은 주로 AI 인프라 구축에 필요한 자본 지출(CapEx) 규모에 주목하며, 일부 추정에 따르면 2025년부터 2030년까지 누적 AI 자본 지출이 5조 달러를 넘을 것으로 본다. 그러나 AI 배포를 뒷받침하는 지속적 운영 지출(OpEx)의 상승도 주목할 만하다. 이 운영 지출의 상당 부분은 AI 클라우드 컴퓨팅 파워 시장으로 흘러가며, 이 시장은 배포된 IT 장비와 그 운영에 필요한 전력의 사용권을 수익화한다. 이 시장이 확장됨에 따라 컴퓨팅 파워는 독특하고 규모가 크며 점점 더 투자 가능한 경제 자원이 되어, 새로운 종류의 디지털 자산을 뒷받침할 수 있다. 하이퍼스케일 클라우드 서비스 제공업체의 주요 클라우드 사업 부문을 시장 규모의 대략적 대리 지표로 삼으면, 시장 컨센서스 전망에 따르면 아마존웹서비스(AWS), 마이크로소프트 인텔리전트 클라우드 부문, Google Cloud의 2030년 합산 매출은 약 1.1조 달러로, 2025년 수준 대비 29%의 연평균 성장률에 해당한다.

컴퓨팅 파워가 더 큰 경제 투입 요소가 됨에 따라, 용량에 대한 가격 책정과 할당, 그리고 자금 조달과 헤징을 지원해야 할 필요성도 함께 높아져야 한다. 역사적으로 대형 자원 시장은 유동성과 리스크 관리를 개선하는 거래 인프라를 발전시켜 왔다. 우리는 AI 채택 규모가 확대됨에 따라 컴퓨팅 파워도 유사한 경로를 밟을 수 있다고 본다. 최근 시장 발전은 이미 이 방향을 가리키고 있으며, 여기에는 GPU를 담보로 한 자금 조달과 장주기·사용량 연동 컴퓨팅 파워 수익을 중심으로 설계된 자금 조달 플랫폼이 포함된다. 이러한 구조는 선도 GPU 확보와 프런티어 모델 구축에 필요한 용량에 투입되는 자본 집약도를 반영한다. 모델이 개선됨에 따라 훈련과 추론 양쪽의 수요가 계속 성장할 것이다. 현실 세계의 AI 사용 사례가 확장됨에 따라 2030년까지 추론이 가장 큰 AI 워크로드가 되고, 데이터센터 전력 수요에서 점점 더 큰 비중을 차지할 것으로 예상된다. 잠재적 추론 사용자 집단은 기업과 개인 소비자를 아우르며, 훈련 시장 참여자라는 집중된 집단보다 훨씬 크고 분산되어 있다.

그림 4: 워크로드별 글로벌 데이터센터 전력 수요

시장이 형성되고 있더라도, 표준화된 컴퓨팅 파워 상품이 규모화되기 전에는 중요한 계약 설계 및 시장 구조적 과제가 존재한다. 이러한 과제에는 칩 세대별 생산성과 지역 경제성(특히 에너지 비용 차이가 현저한 곳)의 실질적 차이를 반영하는 방법, 그리고 현금 결제와 계약 용량 인도를 위한 실행 가능한 표준을 수립하는 것이 포함된다. 우리는 이것이 중요하지만 궁극적으로 해결 가능한 설계 고려 사항이라고 본다. 성숙한 원자재 시장에서 사용되는 베이시스 시장, 차액 계약 및 기타 메커니즘은 이질적 자산과 지역화된 가격 책정을 관리하는 데 유용한 참고를 제공한다. 온체인 토큰화 시장은 공유 결제 인프라 내에서 더 세밀한 지역별·하드웨어별 계약을 가능하게 할 수 있다. 이러한 프레임워크가 성숙해짐에 따라, 우리는 거래소에서 거래되는 컴퓨팅 파워 선물을 포함한 표준화 상품이 더 투명한 가격 발견을 지원하고, 컴퓨팅 파워 용량의 제공자와 사용자에게 더 효과적인 헤징을 가져올 것으로 예상한다. 표준화된 컴퓨팅 파워 계약은 컴퓨팅 파워 용량 및 관련 사용권에 대한 권리 주장을 창출할 수도 있으며, 이러한 권리는 표현·이전·담보 설정이 가능하고 프로그래머블 인프라를 통해 결제될 수 있다. 이는 다시 기관 투자자의 참여를 확대하고, 컴퓨팅 파워를 더 넓은 디지털 자산 생태계의 새로운 기회로 만들 수 있다.

에이전틱 AI 채택 규모가 확대됨에 따라, 에이전트가 x402 등 프로그래머블 결제 채널을 통해 컴퓨팅 파워를 발견·구성·최적화하고 결제하는 경우가 늘어나면서 이 기능은 특히 가치 있게 될 수 있다. 에이전트는 실시간 시장 API를 조회하여 가격, 성능, 지연 시간, 위치 및 하드웨어 전문성별로 가용 용량을 비교한 다음, 특정 워크로드에 가장 적합한 자원을 구성할 수 있다. MCP와 A2A는 데이터 접근과 에이전트 간 협업을 촉진할 수 있고, x402는 사용 횟수별, 모델 토큰별 또는 작업별 주문형 결제를 지원할 수 있다. 이 프레임워크는 제한된 인적 개입 하에 탄력적이고 즉시(just-in-time) 컴퓨팅 파워를 확보할 수 있게 한다. 에이전트 결제 활동은 현재 여전히 초기 단계이지만, 자율 에이전트와 머신 네이티브 결제 간의 구조적 정합성은 생태계가 발전함에 따라 주목할 만한 영역이 되게 한다.

그림 5: 주문형 컴퓨팅 파워를 최적화하고 확보하는 에이전트형 워크플로 개요

Stripe가 2026년 8월 OpenRouter 인수 합의를 달성한 것은 모델 라우팅과 컴퓨팅 파워 사용 최적화가 AI를 둘러싼 금융 인프라의 일부가 되고 있음을 보여주는 초기 전략적 신호를 제공한다. OpenRouter는 워크로드 수요와 비용 대비 성능 트레이드오프에 따라 80개 이상의 제공업체가 제공하는 400개 이상의 모델에 워크로드를 분산하며, 이는 희소한 컴퓨팅 파워를 효율적으로 할당하는 경제적 가치를 부각한다. 매수 주체 자체도 이 논거와 관련이 있다. Stripe가 결제, 스테이블코인, 빌링 및 에이전틱 상업 분야에서 광범위하게 활동하고 있다는 점을 고려하면, 이 거래는 컴퓨팅 파워 조달, 사용량 기반 과금 및 프로그래머블 결제 간의 잠재적 융합을 가리킨다. 우리가 보기에 이는 에이전트가 블록체인과 기타 프로그래머블 결제 채널을 통해 컴퓨팅 파워를 자율적으로 확보하고 결제하는 미래를 뒷받침할 수 있다.

결론

기계가 경제 활동에서 더 중요한 역할을 수행함에 따라, AI와 블록체인 기반 디지털 자산은 점점 더 융합되고 있다.

LLM과 블록체인 토큰화가 만들어내는 구조화된 기계 판독 가능 표현은 AI 에이전트에 프로그래머블 자산과의 더 직접적인 인터페이스를 부여할 수 있고, 스테이블코인과 x402 등 프로토콜은 고빈도·소액·연중무휴 거래를 지원할 수 있다.

동시에 표준화되고 유동성을 갖춘 컴퓨팅 파워 권리 시장은 에이전트가 추론 수요가 확장될 때 컴퓨팅 자원을 확보·최적화·자금 조달·결제할 수 있게 한다. 이 생태계는 여전히 초기 단계이며, 에이전트 결제 활동과 컴퓨팅 파워 시장 유동성은 여전히 제한적이다.

AI 채택이 확대되고 에이전트 시스템의 능력이 강화됨에 따라, 디지털 자산은 점점 더 AI 경제 인프라의 불가분한 일부가 되어, 스테이블코인, 토큰화된 RWA 및 블록체인 결제를 뒷받침하는 네이티브 암호화폐 자산의 전반적 효용을 높일 수 있다.

뉴욕증권거래소와 Blockchain.com, 미국 주식 토큰화 버전 출시 모색

인기 기사