본 문서는 OKX Ventures가 제작한 심층 리서치 보고서입니다. 분량이 길어 상·하 두 편으로 나누어 발행합니다: 상편은 컴퓨팅 파워 자산화, 리스크 익스포저 및 파생상품 가격 결정 로직에 초점을 맞추고, 하편은 컴퓨팅 파워 금융 인프라, 추론 자산화 기회 및 업계 트렌드를 중점적으로 분석합니다. 본 문서는 하편입니다.

4. 컴퓨팅 파워 시장의 금융 인프라: 가격, 리스크 및 결제

컴퓨팅 파워 금융 시장의 여러 계층 인프라가 조립되기 시작했습니다. 지수는 분산된 GPU 임대료를 통일된 벤치마크로 압축하고, 거래소는 벤치마크를 중심으로 표준화된 리스크를 구성하며, 딜러는 특정 데이터센터, 기간 및 SLA에서 발생하는 베이시스를 인수하고, 용량 플랫폼은 금융 포지션을 물리적 컴퓨팅 파워에 다시 연결합니다. 이 여러 계층 중 누가 먼저 충분한 실제 주문과 계약 참조를 축적하는지가 초기 시장의 가격 결정권에 더 가까워집니다.

4.1 컴퓨팅 파워 지수: 누가 기본 참조 가격이 될 수 있을까

동일 모델의 GPU 거래 가격도 클러스터 규모, 상호 연결 방식, 지역, 임대 기간, 선불 비율, SLA 및 공급업체 신용도에 따라 차이가 납니다. 지수 제공자에게 있어 난점은 이러한 차이를 시장이 계약 결제, 대출 평가 및 파생상품 결제에 사용할 의향이 있도록 처리할 수 있는지 여부입니다.

현재 대략 세 가지 접근 방식이 보입니다. Silicon Data, Ornn은 독립 벤치마크 제공자에 더 가까우며, 주로 시장 호가와 계약 데이터를 수집한 후 표준화 처리를 통해 벤치마크를 형성합니다. Compute Desk는 컴퓨팅 파워 중개와 결제를 겸하기 때문에 이미 체결된 현물 및 선도 계약(가격, 기간, 실제 결제 조건 포함)을 직접 확인할 수 있습니다. SemiAnalysis는 전력, 칩 구매, 감가상각 및 데이터센터 비용에서 출발해 TCO 모델링을 수행하며, 자산 평가와 연구에 더 적합하고 금융 결제 벤치마크와는 거리가 있습니다.

4.2 장내 거래/표준화 선물: 전통 및 신흥 규제 준수 거래소의 컴퓨팅 파워 시장 진입

거래소가 제공하는 핵심 가치는 표준화, 청산 및 유통입니다. Neocloud, AI Lab 및 민간 신용 기관의 경우, 헤징이 기존 FCM, 증거금 및 청산 시스템에 직접 연결될 수 있다면 기관 채택 비용이 크게 낮아집니다. 이에 따라 전통 거래소와 신흥 규제 준수 플랫폼 모두 동시에 컴퓨팅 파워 상품을 테스트하기 시작했습니다: CME, ICE는 성숙한 선물 인프라를 이어가고, Architect AX/AIX, Pluto/PMEX는 무기한 계약과 고정 만기 선물에서 각기 다른 경로를 시도하고 있습니다.

컴퓨팅 파워 선물의 콜드 스타트는 선물 계약을 상장하는 것보다 훨씬 복잡하다. 컴퓨팅 파워 계약은 쉽게 파편화된다. 서로 다른 GPU 모델, 지역, 클러스터 구성은 서로 다른 인도 가치에 대응하며, 유동성이 단일 계약에 자연스럽게 집중되기 어렵다. 원거리 가격은 칩 인도, 전력, 모델 효율성에 크게 의존하며, 일반 금융 마켓메이커는 물리적 주문 정보가 부족하여 6개월 또는 1년 만기에서 지속적으로 깊이 있는 호가를 제공하기 어렵다.

산업 헤지 포지션도 단기적으로 충분히 크지 않을 수 있다. 하이퍼스케일러는 내부적으로 많은 리스크를 흡수할 수 있고, 상위 네오클라우드는 이미 장기 계약으로 상당 부분의 현금 흐름을 커버했다. 초기 장내 시장은 먼저 거래 및 투기 유동성을 축적할 가능성이 높으며, 산업 헤지가 따라올 수 있을지는 중소 운영자와 수요 기반 컴퓨팅 파워를 구매하는 AI 팀이 지속적이고 반복적인 거래를 시작하는지에 달려 있다.

4.3 장외거래, 마켓메이커: OTC 맞춤화 및 베이시스 관리

장내 깊이가 형성되기 전에, 많은 리스크는 먼저 OTC를 통해 이전될 가능성이 높다. 물리적 컴퓨팅 파워의 지역, 네트워크, 클러스터 규모, SLA, 인도 시간은 모두 구체적이어서 통일된 거래소 계약에 직접 담기 어렵다.

딜러는 따라서 매우 가치 있는 위치에 있다. 한쪽에는 네오클라우드가 임대료를 미리 고정하려 하고, 다른 한쪽에는 AI 랩이 조달 비용을 고정하려 하며, 딜러는 양측에 각각 맞춤형 호가를 제공하고 표준 선물이나 기타 포지션으로 전체 가격 리스크를 관리할 수 있다. 매수·매도 수요가 시간과 사양에서 맞지 않을 때, 딜러는 먼저 자신의 대차대조표로 주문을 받아야 한다.

이런 비즈니스는 단순히 bid-ask 스프레드만 버는 것이 아니다. 데이터센터, 전력비, 네트워크 조건, 인도 제약, 고객 신용이 모두 베이시스를 형성하며, 이러한 비표준 차이에 대해 지속적으로 가격을 책정하고 자본으로 리스크를 인수하는 의지는 딜러가 복제하기 어려운 능력이다. FalconX와 Robert Leshner의 H100 스왑, Wintermute가 출시한 H100 선물은 마켓메이커가 컴퓨팅 파워 선물 호가와 리스크 이전을 시험하는 초기 시도로 볼 수 있다. 금융 중개인이 물리적 컴퓨팅 파워에 맞춤형 만기 호가를 제공하기 시작했고, 표준화할 수 없는 부분은 자신의 북에 남겨두었다.

따라서 실제 주문 흐름이 매우 중요하다. 지수는 시장의 평균 가격을 알려주지만, 딜러가 보유한 문의와 체결은 특정 지역, 구성, 만기에서 실제로 지불해야 하는 프리미엄에 더 가깝다. 이 정보는 베이시스가 어떻게 책정되고 이익이 어디에 남는지를 직접 결정한다.

4.4 용량 플랫폼과 물리적 인도: 종이 포지션에서 실물로의 이행

AI Lab 입장에서 금융 포지션이 가격을 고정한다고 해서, 그 시점에 요구 사항을 충족하는 GPU 세트를 사용할 수 있다는 보장은 없습니다. 컴퓨팅 자원이 부족할 때 이 차이는 특히 중요합니다. 물리적 인도 능력이 없으면 선물 가격과 실제 데이터센터 임대료는 각자 다른 방향으로 흘러가기 쉽습니다.

이미 여러 가지 서로 다른 수준의 시도가 나타나고 있습니다. Vast.ai, RunPod, Hyperbolic 같은 현물 플랫폼은 더 풍부한 물리적 가격과 가용 용량 데이터를 제공합니다. SF Compute는 예약된 용량의 재판매 또는 환매를 허용하여 장기 용량 계약에 일정 수준의 유동성을 부여합니다. EFP 네트워크는 표준 선물과 구체적인 물리적 계약을 연결하려고 시도하며, 선물로 시장 전체 가격을 처리하고 장외 계약으로 지역, 네트워크 및 SLA를 처리합니다.

SF Compute와 같은 모델은 특히 주목할 만합니다. 전통적인 Take-or-Pay 계약에서 미사용 용량은 일반적으로 매몰 비용에 가깝습니다. 재판매를 허용하면 미래 용량은 거래 가능한 권리 속성을 갖기 시작합니다. 이는 장기 계약의 유동성을 높이고 물리적 시장 자체에 더 명확한 선도 가격이 나타나게 합니다.

EFP는 또 다른 차원의 문제를 해결합니다. AI Lab은 먼저 표준 선물로 시장 베타를 고정한 다음, 실제 배포 시점에 인도 네트워크를 통해 구체적인 데이터센터를 찾고 지역, 네트워크 및 SLA에 해당하는 베이시스를 지불할 수 있습니다. 이렇게 하면 금융 시장이 모든 물리적 차이를 하나의 선물 계약에 담지 않아도 실제 산업 인도를 지원할 수 있습니다.

4.5 Inference Capital Markets: 추론 경제의 자금 조달, 서비스 권리 및 수익 권리

GPU가 추론 서비스 제공자에 의해 Token으로 전환된 후, 금융 수요는 하드웨어 임대에서 추론 사업의 운전 자본과 계약 권리로 확장되기 시작합니다. 추론 서비스 제공자가 전체 마진을 고정하려면 이론적으로 GPU 입력 비용과 Token 출력 가격을 동시에 관리해야 합니다.

추론 서비스 제공자의 이익은 대략 다음과 같습니다: Token 실현 가격 × GPU-hour당 Token 생산량 × GPU 가동률 − GPU 비용 − 기타 운영 비용

4.5.1 추론 경제 자산이 등장하게 된 수요 포인트는 무엇인가?

GPU와 용량은 사전에 조달해야 하며, API 수익은 고객 요청에 따라 이후에 점진적으로 발생합니다. 수요 예측이 높으면 유휴 머신이 남고 현금도 묶이게 됩니다. 대형 모델 기업과 Hyperscaler는 자체 대차대조표로 이 변동성을 흡수할 수 있지만, 중소형 추론 플랫폼은 고객 선불 또는 외부 자금 조달에 의존하기 쉽습니다.

수요보다 먼저 실현되는 공급의 시간차는 네 가지 유형의 자산을 창출한다: GPU 신용은 초기 투자 자금을 조달하고, 선불 서비스 권리는 미래 수익을 조기에 회수하며, 공급 인센티브는 수요 형성 전에 공급을 보조하고, 모델 배포 자산은 운영 비용을 차감한 잔여 이익의 배분을 시도한다.

전통적인 클라우드 시장은 오래전부터 선불 크레딧과 예약 용량을 통해 유사한 수급 불일치 문제를 처리해 왔다. 예를 들어 OpenAI의 Scale Tier는 기업이 특정 모델의 input 및 output 토큰 처리량 단위를 사전에 구매할 수 있도록 허용한다. 이는 이미 표준화된 선불 추론 서비스이며, 다만 한도가 기업 계정에 묶여 있어 자유롭게 양도할 수 없다.

Crypto는 체인에 새로운 수준의 재산권 설계를 추가하여, 원래 공급자 계정에 기록되던 서비스 한도를 지갑이 보유할 수 있고, 추가로 양도 및 자금 조달도 가능하게 한다. 미래에 Agent가 스스로 추론 서비스를 구매하기 시작하면, 이러한 권리는 직접 기계의 예산 체계에 들어갈 수 있다. 프로그래밍 방식의 결제가 향후 업계의 보편적인 인프라 기능이 됨에 따라, 체인에서 더 차별화된 위치는 사실상 권리 계층에 있다. 미래 서비스가 독립적으로 보유될 수 있는지, 양도될 수 있는지, 자금 조달에 활용될 수 있는지는 그것이 일반 크레딧에서 금융 자산으로 발전할 수 있는지에 직접적인 영향을 미친다.

현재 체인상 추론의 실행 계층 점유율은 여전히 매우 작으며, crypto 네이티브 추론 서비스 제공업체의 지난 3개월간 OpenRouter 일일 토큰 트래픽 점유율은 약 0.5%~1%에 불과하다. 이는 체인상의 현 단계에서 더 현실적인 기회가 금융 계층에 나타날 수 있음을 의미하며, 추론 서비스는 계속해서 가장 효율적인 플랫폼이 생산하고, 체인은 자금과 권리 유통을 담당한다.

4.5.2 네 가지 추론 자산화 시도

현재 Inference Capital Markets는 네 가지 권리 자산화 방향으로 구분된다

GPU 신용
GPU 신용이 가장 먼저 규모를 형성한 이유는, 첫째로 이미 외부 지불 주체가 존재하고, 둘째로 그 금융 상품 구조가 전통적인 신용 자산에 매우 가깝기 때문에 기관 자본이 비교적 쉽게 이해할 수 있기 때문이다.

일반적인 GPU 대출은 여전히 전통적인 자산 금융 구조를 따른다: GPU는 Delaware SPV가 보유하고, 대출 기관은 Loan and Security Agreement, UCC-1 및 데이터센터 lien waiver를 통해 담보권을 설정한다. 체인에는 대출 지분, 상환 및 수익 배분이 기록되며, 채무 불이행 시 채권 집행은 여전히 오프체인 계약, 장비 통제 및 법원 시스템으로 돌아가야 한다.

차입자가 GPU를 배치한 후, 하류 고객이 지속적으로 컴퓨팅 파워 비용을 지불하며, 이 현금 흐름이 대출 원리금을 지원합니다. 인수 계약이 계속 이행되는 한, 대출에는 명확한 상환 재원이 존재합니다.

다만, GPU 신용이라는 방향은 상대적으로 전통 자본에 가장 쉽게 흡수될 수 있는 분야이기도 합니다. 향후 시니어 대출이 표준 만기, 금리, LTV 및 법적 구제 수단을 갖추게 되면, 은행, 보험 자금 및 사모 신용의 자본 비용은 온체인 자금보다 훨씬 낮아질 것입니다. 대규모, 투자등급, 구조가 명확한 대출은 결국 전통적인 신디케이트 론, ABS 또는 사모 신용 펀드로 흘러갈 가능성이 높습니다.

온체인에 장기적으로 남을 수 있는 위치는 주로 TradFi 서비스 비용이 높은 부분에 집중될 것입니다. 예를 들어, 중소형 운영사의 대출 발행,跨境 스테이블코인 자금, 대출 지분 배분, 실시간 장비 및 가동률 모니터링, 그리고 초기 손실을 부담하는 주니어 또는 메자닌 계층입니다. 향후 더 가능성 있는 구조는 온체인 프로토콜이 차입자 발굴, 자산 모니터링 및 첫 번째 자본 조직을 담당하고, 대출 성과가 안정화된 후 시니어 부분을 전통 자금에 매각하며, 온체인은 서비스 수수료, 후순위 리스크 및 데이터 관계를 계속 보유하는 방식입니다.

선불 서비스 권리

선불 서비스 권리는 발행자의 현재 자금 수요를 해결합니다. 플랫폼이 미래 API 용량을 사전에 판매하여 현금을 먼저 수취한 후, 미래에 지속적으로 이행합니다. 기간이 길어질수록 매수자가 부담하는 플랫폼 리스크도 점점 더 뚜렷해집니다. 몇 년 후의 모델이 여전히 경쟁력을 갖출 수 있을까요? 서비스 가격은 어느 수준까지 하락할까요? credits의 구매력이 유지될 수 있을까요? 이러한 요소들이 오늘날의 평가에 영향을 미칩니다.

따라서 이러한 유형의 상품은 향후 점차 표준화된 용량 계약에 가까워질 가능성이 높습니다. 기간은 더 짧아지고, 서비스 기준은 더 명확해지며, 모델도 약정된 규칙에 따라 교체될 수 있습니다. 계약이 명확할수록 선불 서비스 권리는 상대적으로 독립적인 시장 가격을 형성하기 쉬워집니다.

또한, 여기에는 역선택 문제가 존재합니다. 최고의 모델, 가장 강한 고객 수요, 가장 안정적인 가격 결정력을 보유한 플랫폼은 일반적으로 장기적이고 양도 가능한 추론 권리를 발행할 유인이 없습니다. 그들은 고객별 차등 가격, 미사용 credits 수익 및 언제든지 가격을 조정할 수 있는 능력을 유지하기를 더 원합니다. 장기 서비스 권리를 사전에 판매해야 할 가장 큰 필요가 있는 곳은 자금 조달과 신규 고객 유치가 필요하지만, 미래 경쟁력이 아직 입증되지 않은 플랫폼입니다.

용량 인센티브

용량 인센티브는 추론 네트워크 초기 단계의 공급 조직 문제를 해결합니다. 노드는 사전에 GPU와 모델을 배치해야 하며, 운영 및 유지보수 비용도 부담해야 합니다. 수요 측면이 아직 안정적으로 형성되지 않았을 때, 노드는 사전에 온라인에 오를 충분한 동기가 없습니다. 네트워크 토큰 배출은 공급 측에 일정 기간의 수익 보장을 제공하여 네트워크가 먼저 사용 가능한 용량을 확보할 수 있게 합니다.

장기적으로 성립하려면 외부 고객의 유료 결제가 점진적으로 노드 수익을 충당할 수 있는지가 관건이다. 프로토콜은 추론 작업이 실제로 실행되었는지 검증할 수 있고, 노드가 지정된 모델을 사용했는지도 검증할 수 있지만, 계산 자체가 발생한다고 해서 경제적 가치가 창출되는 것은 아니다. 토큰 배출은 일정 기간 동안의 공급을 확보할 수 있지만, 고객 수요는 여전히 실제 주문으로 증명되어야 한다.

더 합리적인 인센티브 메커니즘은 점차 실제 수익과 연계될 가능성이 높다. 고객이 먼저 스테이블코인으로 작업 비용을 지불하고, 노드가 추론을 완료하고 검증을 통과한 후 수익을 얻으며, 프로토콜은 외부 수익에 따라 추가 보상을 제공하고 네트워크가 성숙해짐에 따라 보조금을 점진적으로 축소한다. 이렇게 하면 배출이 콜드 스타트 비용을 담당하면서도 시장에 더 명확한 신호를 제공할 수 있다. 노드 수익 중 얼마나 많은 부분이 고객에게서 오고, 얼마나 많은 부분이 여전히 자본 보조금에 의존하는지 말이다. 장기적으로 볼 때, 생산 능력 인센티브가 실제로 완수해야 할 일은 토큰으로 공급을 구매하는 방식에서 고객 수익으로 공급을 유지하는 방식으로 전환하는 것이며, 이러한 전환이 발생한 후에야 네트워크는 토큰 시장 주기와 독립적인 경제적 기반을 갖게 된다.

단일 모델 수익권

모델 수익권은 앞서 언급한 크랙 스프레드(crack spread)에 가장 가깝다:

모델 배포 잔여 이익 = API 수익 − GPU 비용 − 네트워크, 스토리지 및 엔지니어링 비용 − 고객 확보 및 보조금

많은 Model Token이 보유자에게 제공하는 것은 주로 환매 및 스테이킹 인센티브로, 법적으로 주장할 수 있는 수익권에 반드시 해당하지는 않는다. API 수익과 토큰 가치 사이에 명확한 계약 관계가 부재하면, 밸류에이션은 안정적인 앵커 포인트를 형성하기 어렵다.

모델 수명은 이 문제를 더욱 확대한다. 모델 업데이트 속도가 매우 빠르기 때문에, 자산이 막 자금 조달과 배포를 완료했을 때 기반 모델이 이미 새로운 대체재에 추월당할 수 있다. 따라서 단일 모델은 장기 금융 자산을 지탱하기 어렵다.

더 가능성 있는 발전 방향은 기반 단위를 점차 워크로드 전략(workload strategy)으로 확장하는 것이다. 예를 들어, 코딩 추론 전략(coding inference strategy)은 지속적으로 기반 모델을 전환하고, 품질과 비용에 따라 라우팅을 조정할 수 있다. 이렇게 하면 보유자는 지속적으로 운영되는 추론 전략을 인수하게 되며, 자산 수명은 고객 수요와 워크로드를 따라간다.

또한, 이러한 제품이 향후 기관 시장에 진입하려면 명확한 법적 실체, 감사된 API 수익, 그리고 명확한 현금 흐름 워터폴(waterfall)이 필요하다. 이러한 기반이 없으면 Model Token의 밸류에이션은 여전히 미래 사용량과 발행사의 환매 정책에 크게 의존할 것이다.

4.5.3 Router가 Token 선물보다 먼저 수요 측 리스크 관리를 제공한다

Router는 추론 금융화(inference financialization)에서 저평가된 계층이다.

기업이 궁극적으로 관심을 두는 것은 하나의 태스크에 드는 비용이다. 구체적으로 어떤 모델을 사용하는지는 많은 시나리오에서 단지 구현 경로일 뿐이다. Router는 서로 다른 모델과 Provider를 지속적으로 비교하고, 가격이 변동할 때 트래픽을 재분배할 수 있다. 기반 서비스는 원래高度로 이질적이지만, Router의 스케줄링을 거치면 대체 가능성이 점차 높아진다.

이는 수요 측면 파생상품의 규모에 직접적인 영향을 미친다. 많은 비용 변동은 먼저 모델 전환과 소프트웨어 최적화를 통해 흡수될 수 있다. 이러한 방식으로 처리할 수 없는 나머지 익스포저만이 금융 도구의 개입을 더 필요로 한다.

Router는 또 하나의 매우 중요한 데이터 우위를 가지고 있다: 실제 청구서를 볼 수 있다는 점이다. 공개 API 공식 가격은 기업의 실제 조달 비용을 대표하기 어렵다. Router는 고객이 실제로 얼마를 지불했는지 확인할 수 있고, 이 가격이 어떤 서비스 품질에 해당하는지도 알고 있다. 주문이 축적되면 이러한 데이터는 품질 조정된 workload cost index를 형성할 기회를 갖게 된다.

한 걸음 더 나아가, Router는 기업에 직접 비용 상한선을 제공할 수 있다. 예를 들어 기업이 향후 3개월간 코딩 워크로드의 예산을 미리 고정하면, Router는 백그라운드에서 모델 선택과 용량 조달을 관리하고, 필요 시 GPU 파생상품을 통해 잔여 리스크를 처리한다. 고객이 최종적으로 얻는 것은 예산 확정성이며, 모델 바스켓, 선물 포지션, 베이시스를 직접 관리할 필요도 없다. 이러한 상품은 범용 토큰 선물보다 기업의 조달 관행에 더 부합할 수 있다. Router는 기저의 복잡성을 내부에 남겨두고, 고객에게 더 안정적이고 예측 가능한 가격을 제공할 수 있다.

토큰 자체는 아직 통일된 표준을 형성하지 못했지만, Router는 명확한 워크로드를 중심으로 대체 공급을 지속적으로 탐색할 수 있다. 거래가 일정 규모에 도달하면 워크로드 자체가 새로운 가격 단위가 될 가능성이 있다.

이 경로가 성립한다면, Router는 점차 트래픽 분배 도구에서 조달 및 리스크 관리로 확장될 것이다. 장기적으로 가장 가치 있는 자산도 점점 명확해질 것이다: 실제 주문, 실제 체결 가격, 그리고 서로 다른 모델 간 비용과 품질을 관리하는 능력. 워크로드의 가격 표준은 아마도 이 계층에서 먼저 형성된 후, 지수와 파생상품 시장으로 진입할 것이다.

4.5.4 Crypto의 창은 표준이 형성되기 전에 열린다

어떤 권리가 아직 통일된 규격을 갖추지 못했을 때, 전통 금융이 이를 처리하는 비용은 매우 높다. 계약 금액이 작고 구조가 파편화되어 있으며, 온체인에서는 새로운 재산권 형태를 더 빠르게 실험할 수 있다. 미래에 Agent가 서비스 계약을 직접 보유하고 이행하기 시작한다면, 이러한 인프라의 가치는 더욱 높아질 것이다.

특정 자산군이 성숙한 계약 형태를 갖추게 되면, 대규모 자금이 점차 은행 및 기관 시장으로 유입됩니다. Senior GPU 신용대출에서 이미 이러한 방향성을 확인할 수 있습니다. 표준화된 선물이 성숙해지면 거래소와 기관 마켓메이커도 진입할 것입니다. 온체인 프로토콜은 이러한 전환기 동안 실제 주문 흐름(고객 및 거래 데이터)을 축적하는 데 집중해야 하며, 계약 표준과 이행 데이터도 점차 진입 장벽을 형성할 것입니다.

오늘날 이미 등장한 상품들은 대체로 위험 단위가 점진적으로 표준화되는 서로 다른 단계에 대응합니다:

가장 초기의 상품은 여전히 특정 기업의 신용에 크게 의존합니다. 계약이 점차 서비스 대체를 허용하게 되면서 발행자 위험은 감소합니다. 시장이 품질이 유사한 워크로드 바스켓을 안정적으로 정의할 수 있게 되면, 수요 측 지수가 형성될 기회가 생깁니다. 선물과 옵션은 이러한 안정적인 위험 단위 위에 구축되어야 합니다.

에이전트는 온체인 계약의 사용 범위를 더욱 확대할 가능성이 있습니다. 미래에 소프트웨어가 자율적으로 추론 서비스를 구매하기 시작한다면, 오늘날의 기업 API 계약은 수많은 머신이 실시간으로 실행하는 조달 결정으로 분해될 것입니다. 그 시점에 서비스 권리 보유, 예산 제약, 이행 검증 등이 모두 금융 인프라 설계 범위에 포함될 것입니다.

추론 레이어의 금융화가 궁극적으로 해결해야 할 과제는 고도로 맞춤화된 AI 서비스를 자본 시장이 이해하고 가격을 책정할 수 있는 권리로 점진적으로 전환하는 것입니다. 초기 시장의 가격 결정권은 누가 이러한 권리를 먼저 정의하느냐에 달려 있습니다.

다섯째, 요약

1. Timing/Why Now?

2026년 CME, ICE 등 전통 금융 기관들이 컴퓨팅 파워 가격 결정 및 파생상품 시장에 본격적으로 진입하기 시작하면서, 시장 인프라가 이미 구축되기 시작했습니다. 거래소가 어떤 상품을 발표했는지보다, 우리는 두 가지 방향의 변화 속도에 더 주목합니다.

첫째, 부채가 AI 인프라에 더 깊이 침투하고 있습니다. GPU와 데이터센터가 외부 자금 조달에 더 많이 의존하게 되면, 임대료 변동이 DSCR, LTV 및 재융자 조건에 직접적인 영향을 미칩니다. 대출 기관 또한 가격 위험을 covenant에 명시하고 운영사가 미래 현금 흐름의 일부를 사전에 고정하도록 요구할 유인이 더 커집니다. CoreWeave의 자금 조달 경로는 이미 계약 커버리지가 신용 가격 결정에 어떻게 영향을 미치는지 보여주었습니다. 유사한 자금 조달 구조가 계속 확산된다면, 민간 신용 및 은행이 컴퓨팅 파워 헤징의 중요한 추진력이 될 가능성이 높습니다.

둘째, 점점 더 많은 컴퓨팅 파워 수요가 공개 조달 시장에 등장하고 있습니다. 오픈소스 모델은 기업이 자체적으로 모델을 배포하는 진입 장벽을 낮추었고, 서드파티 클라우드, Neocloud 및 추론 플랫폼이 처리하는 워크로드가随之 증가했습니다. 공개 시장이 담당하는 한계 수요가 많아질수록 GPU 임대료는 지속적인 가격 발견을 형성하기 쉬워지고, 더 많은 기업이 임대료 변동에 직접 노출될 것입니다.

시장은 여전히 이르다. GPU는 반복 주기가 빠르고, 지역·네트워크·클러스터·계약 기간이 매우 비표준적이어서 초기 거래는 대부분 OTC에 집중될 가능성이 높으며, Dealer가 먼저 고객 수요와 basis를 인수할 것이다. 주목할 만한 adoption signal은 산업 고객이 지속적이고 반복적으로 헤징을 시작했는지 여부다.

2. 무기한 계약(Perpetual)과 고정 만기 선물 중 어느 쪽이 PMF를 더 쉽게 찾을까?

산업 고객의 리스크는 일반적으로 명확한 기간이 있다. 6개월 훈련 프로젝트, 1년 용량 계약, 수년간의 GPU 대출은 모두 해당 기간에 맞는 가격이 필요하다. 고정 만기 선물은 이 점에서 기업 리스크 관리에 더 부합하며, EFP를 통해 특정 모델·지역·SLA의 물리적 계약과 연결되기도 더 쉽다.

따라서 무기한 계약은 근월 가격 발견과 거래 유동성에 더 적합하고, 고정 만기 선물은 기업 헤징, 기간 가격, 물리적 이행에 더 적합하다.

3. 어느 레이어가 가장 먼저 상업적 가치를 포착할 가능성이 높을까?

단기적으로는 물리적 주문 흐름을 장악한 Broker/Dealer와 추론 주문 흐름 및 스케줄링을 통제하는 중간 플랫폼이 상업적 가치를 더 빠르게 포착할 것으로 본다. 현재 시장은 여전히 '컴퓨팅 용량이 있는지 없는지'에 대해 높은 프리미엄을 지불하는 경우가 많으며, 카드를 확보하는 가치는 현재 수십 BP의 헤징 비용을 최적화하는 것보다 훨씬 높다. 누가 빈 카드를 알고 있는지, 누가 용량을 확보하려는지, 그리고 자신의 balance sheet로 주문을 받을 의향이 있는지가 관건이며, 그런 사람은 중개 수수료, bid-ask spread, basis premium을 동시에 벌 기회를 가질 수 있다.

시장 거래가 점차 표준화되면서 가격 지수의 가치는 점점 높아질 것이며, 특정 benchmark가 대량의 계약에서 반복적으로 인용되면 전환 비용과 네트워크 효과가 빠르게 상승할 것이다.

더 나아가 표준 계약과 산업 헤징 규모가 충분히 커진 후에는 거래소가 비로소 청산, 증거금, 유동성 네트워크에서 오는 규모 효과를 충분히 누릴 수 있을 것이다.

BlockBeats 공식 커뮤니티에 참여하세요:

Telegram 구독 그룹：https://t.me/theblockbeats

Telegram 토론 그룹：https://t.me/BlockBeats_App

Twitter 공식 계정：https://twitter.com/BlockBeatsAsia