From ripples to waves

비트코인과 에너지의 관계

juyeong_ — Wed, 4 Feb 2026 00:20:12 +0900

2025년 말, 한 팟캐스트에 출연한 일론 머스크가 '에너지가 곧 진정한 화폐다. 그래서 비트코인이 에너지에 기반한 것이다' 라는 언급을 한다.

에너지가 곧 화폐라는 말의 의미는 대충 알겠다만, 갑자기 웬 비트코인? 이라는 생각이 든다. 내 부족한 머리로는 논리적 연결이 100% 시원하지 않다. 그래서 이에 대한 나름의 해석을 적어본다. (매수의견 아님)

흔히 우리는 에너지가 부족하다고 생각한다. 그러나 엄밀히 말하면 에너지 총량 자체가 희소한 것은 아니다. 정확하게는 '당장 활용할 수 있는 에너지'가 희소할 뿐이다. 지표면에 닿는 태양 에너지만 해도 인류 전체가 소비하는 에너지를 아득히 뛰어넘는다고 한다. 우주공간으로 나가면 말할 것도 없다. 문제는 총량의 부족이 아니라 '에너지를 가치로 전환하고, 저장하며, 이동시키는 비용과 물리적 제약'에 있다.

https://en.wikipedia.org/wiki/Solar_energy

1. 비교적 확실한 영역

다음 사실들은 비교적 확실한 전제에 속한다.

1. 에너지의 총량 자체는 인류 문명의 병목이 아니다. 진짜 문제는 '필요한 장소, 적절한 시간에 에너지를 제공하는 비용'이다. 전력은 대량 저장이 어렵고, 장거리 전송에는 인프라 비용이 필요하며, 생산 시점과 소비 시점이 일치하지 않으면 손실이 발생한다.

2. 물리적 자원(atoms)은 항상 전송과 보관 비용을 가진다. 반면 디지털 정보(bits)는 거의 비용 없이 이동하고 복제될 수 있다. 따라서 현대 경제는 가치를 무거운 Atoms의 세계에서 가벼운 Bits의 세계로 이동시키는 방향으로 진화해 왔다.

3. 비트코인 채굴은 물리적 에너지를 저장하는 것이 아니라, 물리적 에너지를 소비하여 디지털 희소성을 생성한다. 이는 되돌릴 수 없는 열역학적 비용을 네트워크상의 불변하는 장부로 고정시키는 과정이다. 에너지는 물리적으로 사라지지만, 그 소진의 증명(Proof of Work로 이루어지는..)은 네트워크상의 자산으로 남는다.

2. 합리적으로 납득 가능한 영역

이를 기반으로 다음과 같은 해석이 가능해진다.

에너지를 직접 보내는 대신, 전기를 사용해 비트코인을 채굴하고 이를 네트워크로 전송한 뒤, 도착지에서 다시 전력을 구매하는 방식이 '이미' 가능하다. 이를 '에너지를 직접 이동시키는 대신 그 경제적 가치를 bits 형태로 우회 전송하는 행위'로 이해할 수 있다.

이 관점에서 비트코인의 역할은 다음과 같이 보다 명확해진다.

비트코인은 물리적 배터리가 아니다. 정전이 났을 때 비트코인으로 전구를 킬 수는 없다.
비트코인은 경제적 배터리다. 시공간의 제약을 넘어 에너지를 투입해 만든 가치를 손실 없이 보관하고 이동시킬 수 있다.

즉, 에너지를 물리적으로 저장하는 기술은 아니지만, 에너지를 글로벌하게 이동 가능한 희소 가치로 변환하여 저장하는 도구이다. 이 해석은 특히 다음과 같은 상황에서 설득력을 가진다.

송전이 어려운 지역의 잉여 전력
산업이 소비하지 못하는 일시적 과잉 전력
가스 플레어링 등 버려지는 에너지

이런 에너지가 채굴을 통해 가치로 변환되고, 그 가치가 글로벌 시장에서 교환될 수 있다는 점에서 비트코인은 일종의 에너지 가치 번역 Layer로 볼 수 있다.

다만, 이 논리가 성립하기 위한 전제 조건은 비트코인의 시장 가격이 채굴에 투입된 에너지 비용보다 높게 유지되어야 한다는 점이다. 즉, 이것은 물리 법칙이 아닌 엄연히 경제적 채산성의 영역이다.

3. 가능할 수도 있는 영역

더 나아가 배터리나 저장 기술이 획기적으로 발전해 에너지 저장 문제가 상당 부분 해결된 미래를 상정해 보자. 그때도 비트코인이 쓸모 있을까?

그 경우에도 비트코인은 여전히 역할을 가질 수 있다는 주장이 가능하다. 물리적 전력 저장 문제와 글로벌 가치 저장 문제는 서로 다른 층위의 문제이기 때문이다. 구매력을 가지는 글로벌 가치 단위를 저장하고 이동시키는 문제는 금융의 영역에 속한다.

3-1. 왜 사회는 비트코인을 희소하고 가치 있는 자산으로 받아들이는가

이 모든 논의가 성립하기 위해서는 한 가지 중요한 전제가 필요하다. 비트코인이 디지털 쓰레기가 아니라, 사회적으로 희소하고 가치 있는 자산으로 지속적으로 인식되어야 한다는 점이다. 비트코인의 가치는 궁극적으로 사회적 합의 위에 서 있으며, 이 합의가 영구적으로 유지된다고 보장할 수는 없다.

그렇다면 질문은 다음으로 옮겨간다.

왜, 어떻게 비트코인은 현재의 지위(디지털 금)에 오르게 되었을까?

1. 첫 번째 이유는 구조적 탈중앙성이다. 비트코인은 특정 기업, 정부, 재단이 통제하지 않는 상태로 출발했고, 지금까지도 네트워크의 통제권이 특정 주체에 집중되지 않은 거의 유일하게 탈중앙성을 유지한 대규모 암호화폐 네트워크로 남아 있다.

2. 두 번째 이유는 시간에 의해 검증된 생존성이다. 비트코인은 지난 십여 년 동안 수차례의 가격 붕괴, 거래소 파산, 규제 위협, 기술적 공격 시도, 내부 분열을 모두 겪었지만 네트워크 자체는 중단되지 않았다. 이 과정에서 비트코인은 단순한 기술 실험이 아니라 실제 자산 시장에서 가격을 형성하고 글로벌 금융 시스템 일부로 편입되기 시작했다.

3. 세 번째 이유는 네트워크 효과다. 사람들이 이미 사용하고 있는 자산이 더 강해진다. 시간이 지나면서 더 많은 참여자와 자본, 인프라를 흡수했고, 그 자체가 다시 신뢰를 강화하는 순환 구조를 만들었다.

즉, 비트코인의 희소성은 단순히 공급량 2100만 개라는 숫자에서 오는 것이 아니라, 시간을 거치며 형성된 사회적 합의와 네트워크 신뢰의 결과라고 볼 수 있다.

4. 상상의 영역

만약 AI로 인해 생산 비용이 '0'에 수렴하고, 통화 정책의 신뢰가 약화되며, 경제 전반에 디플레이션 압력이 생긴다면 어떻게 될까? 이것이 일론 머스크는 에너지가 궁극적 가치 척도가 된다고 언급한 배경이다.

그리고 '이것이 비트코인이 에너지에 기반한 이유' 라고 덧붙인 것은, 복제 불가능한 '물리적 에너지 비용'을 증명으로 요구하며, 동시에 사회적 합의까지 도달한 디지털 자산은 비트코인이 유일하기 때문일 것이다.

비트코인을 두고 앞으로 몇 번의 챌린지가 더 있을 것이다. 예컨대 금융위기, 양자컴퓨터의 상용화, 고대 지갑의 대규모 이동 등.. 여러 후보지가 있다. 아마 몇 번의 위기를 더 이겨내게 된다면, 미래에 에너지 기반 가치 네트워크의 역할을 수행할 가능성도 완전히 배제할 수는 없다.

물론 아직은 너무나도 불확실한 영역이다.

2025 Web3 체인 트렌드 정리

juyeong_ — Wed, 3 Dec 2025 15:08:09 +0900

주요 키워드: 스테이블코인, 기관 채택, App-Chain, RaaS(Rollup-as-a-Service), 인터롭

Takeaways

스테이블 코인 성장 및 법제화에 따른 기관 채택에 따라 2025년 현재, 블록체인 생태계는 L2 범용 체인(Base, Arbitrum One, GIWA Chain, Optimism Mainnet 등)과 App-chain(Unichain, DeBank Chain, Xai, ApeChain, Ham 등)이 엄청나게 늘어나고 있다. 마치 Web2에서 각 기업이 자기 비즈니스에 맞게 최적화된 데이터베이스(DB)와 서버를 구축하던 것처럼, 이제 각 앱·기업이 자기만의 체인을 빠르게 만들어내는 시대다.

이렇게 쉬운 체인 개발이 가능해진 이유는 RaaS 덕분이다. L1 <-> L2, L2 <-> L2 간 연결은 많은 인터롭 서비스들이 해결하고 있다. 사용자들은 체인이 다른걸 몰라도 되는, 추상화된 레이어 위에서 매끄러운 UX를 선사할 수 있는 시대가 다가오고 있다. L1간 연결이 아직 남은 숙제인데, 이 부분은 2026년의 주요 과제가 될 것 같다.

스테이블코인, 기관채택 트렌드

블록체인 시장은 2025년 현재 스테이블코인과 토큰화 자산의 폭발적 성장으로 재편되고 있다. 스테이블코인 거래량이 2024년 30조 달러를 넘었고(전통 결제 시스템 초월), 기관(은행, VC)이 블록체인을 ‘실제 비즈니스 도구’로 보게 됐다. 기존 체인(Ethereum, Solana, Arbitrum)은 훌륭하지만, 범용성 때문에 모든 니즈를 만족시키지 못한다. 기업들은 내 비즈니스에 최적화된 체인을 원한다. 이 흐름의 뿌리는 다음과 같다.

기관 채택 가속화: 2025년 GENIUS Act(미국 스테이블코인 규제법) 통과로 기관 자금 유입. Google·Stripe 같은 빅테크가 “중립적 레일”을 제공하며 시장 점유.
KYC/AML 내장 가능, 사용자 경험(예: 지갑 통합) 최적화.
L1/L2 모듈화 트렌드: OP Stack(Optimism), Arbitrum Orbit 같은 오픈소스 툴킷이 보급돼 누구나 쉽게 체인 빌드. Base·GIWA처럼 L2를 쓰는 이유는 Ethereum 보안을 유지하면서 비용을 1/10로 낮추기 위함.
지역/산업 특화: BNB는 아시아 DeFi 허브, GIWA는 한국 규제(디지털자산기본법) 맞춤. 글로벌 vs. 로컬 균형.
경쟁 심화: Circle(Arc), Robinhood(Arbitrum 기반) 등도 체인 런칭. “브랜디드 레일(브랜드화된 체인)”이 표준화되며, 유동성 분산 대신 통합(Superchain) 추구.

L1과 L2, App-Chain 생태계

L1은 자체적인 컨센서스 레이어를 가지고 있다. 즉, 트랜잭션 검증, 블록 생성, 네트워크 보안을 위한 합의 메커니즘(PoW, PoS, PoSA 등)을 자체적으로 운영한다(예: Ethereum, Solana, BNB Chain, Google의 GCUL). 이들은 독립적으로 동작하며 외부 체인에 의존하지 않는다. 보안성과 분산성은 높지만 스케일링(속도, 비용) 한계가 있다(블록체인 트릴레마).

L2는 L1의 컨센서스 시스템에 의존하는 확장성 솔루션이다. L2는 자체적으로 트랜잭션을 빠르고 저렴하게 처리하지만, 최종 정산(보안·불변성)은 L1에 의존한다. L2에서 대량의 트랜잭션을 오프체인(또는 사이드체인)으로 처리한 뒤, 그 결과를 압축(롤업)해서 Ethereum에 제출하고 최종 보안은 Ethereum이 맡는다. L1은 데이터의 유효성만 검증한다.

Optimistic Rollup: 트랜잭션이 기본적으로 유효하다고 가정, 사기 증명으로 검증 (예: Arbitrum, Optimism, Base, GIWA Chain)
ZK-Rollup: 암호학적 증명으로 즉시 유효성 보장 (예: zkSync, Starknet)

그래서 L2는 Ethereum의 무신뢰성과 보안을 그대로 물려받으면서도 속도와 비용은 50~500배 개선한 형태가 된다. 99% 이상의 L2와 App-chain이 Ethereum 위에 빌드된다. Ethereum은 최종 정산(Settlement)과 데이터 가용성(DA)을 책임지는 기저 인프라로 완전히 자리 잡았다. EIP-4844와 Danksharding 덕분에 DA 비용이 50% 이상 줄어들어 Ethereum은 블록체인 세계의 클라우드 표준과 같은 위치가 됐다. Solana는 TPS 4,000으로 빠르지만 다운타임 이력과 중앙화 논란으로 기관 채택이 약하다. BNB Chain은 아시아 중심, GCUL·Tempo는 금융기관 전용이라 범용 인프라로는 Ethereum이 독보적이다. 2025년 현재 거의 모든 중요한 L2는 Ethereum 위에 올라가 있으며, L2 체인은 대부분 일반 목적에 해당한다(예: Base, Arbitrum, Optimism, GIWA).

물론 역량 있는 소수 기업·기관은 자체 컨센서스 레이어를 가진 독립 L1을 만든다.

BNB Chain: 저비용 EVM 호환, DeFi·게임 허브
GCUL(Google Cloud Universal Ledger): 금융기관용, Python 스마트 컨트랙트, AML/KYC 내장
Tempo(Stripe): 스테이블코인·결제 특화, 100,000 TPS

한편으로 특정 앱에 특화해서 개발한 App-chain이라고 불리는 체인들이 트렌드다(dYdX, Unichain 등). App-chain은 단순히 기술적 최적화뿐 아니라 비즈니스 모델을 더 유연하게 가져갈 수 있다. 예를 들어 Unichain은 Uniswap 거래 수수료를 100% DAO로 돌려주고, DeBank Chain은 HI 토큰으로 가스비를 혁신한다. 이런 수익성과 UX가 앱 개발자들을 App-chain으로 몰리게 한다.

RaaS, 인터롭

목적과 상관없이 개발 자체는 주로 OP Stack, Arbitrum Orbit, Polygon CDK 등으로 이뤄진다. 이더리움 기반 L2를 롤업 시스템까지 포함해 빠르게 개발할 수 있도록 해주는 이 도구들을 RaaS라고 부른다. RaaS는 단순히 툴 제공을 넘어 이제 체인 운영 아웃소싱까지 포함하는 방향으로 성장하고 있다.

2025년에만 새로 생긴 체인이 약 300개다. 하지만 250개는 Ethereum L2라서 LayerZero나 CCIP 하나만 연결하면 250개 체인을 동시에 접근할 수 있다. 그러나 여전히 L1 간 연결은 숙제다. LayerZero v3(2026년 예정), CCIP, Polymer Finance가 L1 간 연결을 완성하면 2027년엔 체인이 1,000개든 10,000개든 사용자 입장에서는 하나의 블록체인처럼 느껴질 것이다.

블록체인 산업에 대한 생각

juyeong_ — Sun, 30 Nov 2025 02:54:28 +0900

어느덧 블록체인 도메인에서 1년 반 정도의 시간을 보냈다. 지난 시간동안 도메인 변경을 수없이 고민해왔던 것 같다. 이 업계 자체가 거대한 사기인지, 현실에 가져다 줄 수 있는 밸류가 실제로 있는지조차도 계속 의심되고 헷갈렸다. 정말 이 업계가 우리 사회를 더 나은 사회로 만들기 위한 유의미한 기여를 할 수 있는가? 사실 요즘도 매일 스스로 질문하는 주제이다.

크립토 얼리어답터에게 각광받았던 내러티브는 사이퍼펑크 정신이었으나, 나는 사이퍼펑크 정신에 대한 지지자는 아닌 것 같다. 오히려 탈중앙화에 대한 거부감이 훨씬 크다. 왜냐하면 경제사적으로도 철학 논의에서도 이미 실패한 실험이라 생각하기 때문이다.

실제로 이 산업을 발전시켜온 것은 투기와 불법 수요가 컸다는 걸 인정하고 있다. 내가 느낀 탈중앙화의 세계는, 자연상태의 인간은 '만인의 만인에 대한 투쟁'에 놓이게 된다는 홉스의 주장을 정확히 검증할 수 있는 곳이다. 지구상의 누군가에겐 부당한 정부에 대한 자기보호 수단을 제공하기도 하지만, 한편으로는 이상을 위한 협력보다는 욕망과 이기심이 압도적으로 앞서는 곳이다. 인사이더끼리만 부당하게 배를 불리는 추악함이 자주 포착되는 곳이기도 하다.

그래서 지인들에게 Web3 회사에 다닌다고 할 때, 괜히 떳떳하지 않은 경우가 있다. 나는 잘못한 것도 없고 영향력도 없는 작디 작은 Web3 빌더일 뿐인데도.. 그만큼 이 업계가 쌓아온 업보가 크다는 뜻일거다. 이에 휘둘리지 않는 극소수의 빌더들이 끊임없이 기술과 생태계를 앞으로 나아가게 하고 있는 것 같다.

최근 AI 산업을 둘러싼 버블 논란이 뜨거운 감자였다. 그러나 인류사적 혁신 뒤에는 늘 버블이 따라오기 마련이다. 생각해보면 당연하다. 모두가 이것이 우리 삶을 크게 바꿀 것임을 직관적으로 느끼며, 뛰어난 사람들은 모두 그 기회를 잡고싶어 하기 때문이다. 그럼, 그 결과로 도래하는 버블은 무언가 잘못 흘러가고 있다는 증거일까? 투자자 입장에서 조심해야할 것은 맞지만, 시계열과 공간을 확장시켜보면 그렇지도 않다.

버블은 늘 유산을 남겨왔다. 철도버블 이후에는 철도 인프라가 남았고, 닷컴버블 이후에는 인터넷 인프라가 남았다. 그 위에서 사회적 효용을 주는 수많은 활용사례가 꽃 피웠다. 중요한 것은 모든 혁신 뒤에는 초기 성장통이 있고, 묵묵히 일하는 핵심 기여자가 있고, 버블이 있고, 버블 이후에 유산이 남아 사회적 번영을 가져온다는 것이다.

잠시 이러한 사고에 블록체인을 대입해보았다.

비트코인 덕에 블록체인 기술의 잠재력이 세상에 드러났고, 수많은 욕망에 의해 시장이 커졌다. 어쨌든 그 덕에 기술과 생태계가 성숙할 시간과 노력이 확보되었다. 다양한 성장통을 거쳐서, 드디어 블록체인 기술이 해야할 역할을 맡게 될 순간이 도래하고 있다고 볼 수도 있지 않을까?

나는 블록체인을 사회 시스템을 부정하거나 체제에 저항하는 수단으로 보지 않는다. 블록체인 기술은 레거시 금융의 비효율 해결을 위해 태어났다고 믿는다.

그리고 다음 10년 동안에는 그것이 증명되길 바란다. AI가 이번 세대의 주연이라면, 블록체인은 감초 조연 쯤은 될 것이라 기대한다. AI 시대에 우리 인간은 어떻게 생활하고 있을까? 그 생활에 도달하기 위한 길에 있는 병목이나, 혹시 모를 부작용은 무엇일까?

블록체인 기술에는 불신의 비용을 획기적으로 낮출 수 있는 특성이 있다. 이를 통해 다음 세대의 금융과 계약을 설계할 수 있는 기능적 잠재력이 있다. 전례없는 풍요와 양극화가 함께 올 미래에서, 기술의 힘으로 사회적 합의를 도출할 수 있는 사회적 기술이라고 생각한다. 이 잠재력이 완전히 실현된다는 가정은 너무 이상적이지만, 그래도 거대한 담론을 품고있는 기술이다.

내가 언제까지 이 마음을 유지할지는 상황에 따라 바뀔 것 같지만, 최소한 이 씬의 '진짜'들에게는 존경과 응원의 마음을 둘 다 갖고있다.

제품 만들 때 활용하는 AI 도구들 (Cursor, AntiGravity, Deepwiki 등)

juyeong_ — Sat, 22 Nov 2025 15:37:06 +0900

최근 회사에서 운 좋게 신규 기능의 리서치-기획-개발을 A부터 Z까지 맡게 되었다. 직군 경계를 넘나들며 전체 워크플로우를 경험한 것이 유의미한 경험이었다. 혼자서 진행한 덕분에 커뮤니케이션 비용 없이 속도감 있게 몰입할 수 있었고, 각 단계마다 어떤 도구가 유용한지도 몸으로 익히게 되었다. 아래는 이번 업무 과정에서 실제로 활용했던 AI 모델과 도구들에 대한 개인적인 사용 기록이다.

아래는 내가 이번에 업무를 진행하면서 실제로 썼던 AI 관련 모델, 도구들이다. ChatGPT, Grok, Gemini (chat), Gemini 3.0, Claude Sonnet, Surf, Perplexity, Deepwiki, Cursor, AntiGravity

1. 리서치 (시장 조사)

메인 (ChatGPT ⭐️⭐️⭐️): 대부분 지식에 대한 조사, 내 생각을 디벨롭시킬 때는 ChatGPT 랑 대화하는 편이다.

블록체인 관련 리서치(Grok, Surf ⭐️⭐️): 블록체인 관련 내용은 Grok 과 Surf 를 사용한다. 이쪽 업계 사람들은 X(트위터)에서 떠드는 걸 좋아하기 때문에, 아무래도 X 데이터에 접근 가능한 Grok 을 통하면 보다 생생한 정보를 얻을 수 있다. Surf는 처음 보는 체인이나 제품을 빠르게 훑을 때 사용한다.

팩트 위주 리서치(Perplexity ⭐️⭐️): 빠르게 수치적 자료, 레퍼런스를 찾아야할 때 Perplexity 를 활용한다.

논문 검색(Consensus ⭐️): 이건 논문을 검색하는 AI 사이트인데, 이번 업무에서 활용한 건 아니고 개인적으로 가끔 사용하기에 소개.

2. 리서치 (기술)

오픈소스 분석 (Deepwiki ⭐️⭐️⭐️): 오픈소스를 인덱싱해 코드베이스를 AI로 탐색할 수 있는데, 큰 레포지토리를 분석할 때 시간과 체력을 정말 많이 아껴준다. Devin 팀이 만든 도구인데 개발자 분들이 꼭 경험해봤으면 좋겠다.. 개인적으로 삶의 질이 많이 좋아졌다.

라이브러리 탐색 (Wappalyzer ⭐️⭐️): AI 제품은 아니고, 현재 열려있는 웹사이트가 어떤 기술 스펙으로 개발되었는지 감지해주는 크롬 익스텐션이다. 가끔 좋은 제품이 보이거나, 벤치마크할 웹사이트가 있을 때 해당 익스텐션을 살펴본다. 그리고 궁금한 라이브러리가 있다면, 해당 레포지토리를 찾은 다음 Deepwiki 로 분석하는 식으로 많이 활용한다.

기술 검토(Cursor 또는 AntiGravity ⭐️⭐️⭐️): 조사한 기술과 우리 코드베이스의 호환가능성을 볼 때, 얘네한테 Context를 주고 조사하라고 맡긴다. 앞서 조사한 내용들을 정리한 문서와, 우리 프로젝트의 주요 코드베이스들을 함께 Context에 넣어주는 식이다. 나는 마크다운 형태로 문서를 작성하라고 하는 걸 좋아하는데, 내가 직접 수정하고 코멘트를 남길 수 있기 때문이다.

3. 기획

정책 정의(ChatGPT, Gemini ⭐️⭐️): 개인적으로 Notion AI는 아직 못믿겠어서, 정책 정의할 때 이 친구들을 활용했다. 메인은 ChatGPT로 쓴다. 아무래도 내가 놓치는 부분이 있을 수 있는데, 이런 부분을 잘 짚어주고 심지어 아이디어 제안도 해준다. 스프레드 시트를 활용하는 상황에서는 Gemini 한테 질의를 했다.

와이어프레임 작성(AntiGravity⭐️⭐️⭐️): 와이어프레임 작성할 때 AntiGravity를 활용했다. 실행 중인 개발 환경을 직접 띄워 UI 스냅샷을 찍고, 그 위에 새로운 기능이 들어간 모습을 바로 그려넣는다. 드래그로 특정 영역을 지정해 코멘트를 남기면(ex. 해당 버튼을 지워줘), 반영된 이미지를 만들어주고 설계안을 즉시 수정하는 방식이다.

Flow Chart 작성(MermaidChart ⭐️): 이 친구는 Flow Chart를 그릴 수 있는 도구인데, Mermaid 코드와 Flow Chart(UI)를 실시간 변환해주는 게 특징이다. 이 친구를 사용하는 목적은 하나이다. Flow Chart를 Mermaid 문법으로 바꿔야 AI에게 유저 플로우를 Context로 주기 편하기 때문.

4. 개발

개발에서는 Cursor 와 Antigravity를 사용한다. ⭐️⭐️⭐️⭐️⭐️

업무에 Cursor 를 도입한지 이제 막 1년이 되었는데, 1년만에 나는 AI의 노예가 되어버렸다 ...

처음에는 Agent 모드와 자동완성(tab, tab, tab..)만으로 노가다 작업이 끝나버리는 경험에 놀라고, 요즘에는 plan 모드의 위력에 놀라고 있다. 요즘엔 관련된 코드베이스, 정책 정의서, Flow Chart(Mermaid 형태), 와이어프레임까지 모두 Context로 주고 구현 계획을 작성하라고 시킨다. 요즘 모델들은 컨텍스트 윈도우가 커졌기에 이 정보들을 충분히 소화한 뒤에 작업을 수행한다. 정말 미쳤다는 말밖엔 안나온다.

원래 Cursor + Clode Sonnet 4.5 조합을 주로 사용했는데, 개인적으로 AntiGravity + Gemini 3.0 조합이 현 시점 최고의 조합으로 등극하지 않았나 싶다. 물론 아직 Cursor의 자동완성 기능이 압도적이지만 이것도 금방 개선해서 내놓을 것 같다.

특히 인상 깊었던 부분은, 스스로 구현 계획 -> 코드 작성 -> 브라우저 열고, 화면 스냅샷 찍고, UI 테스트 -> 디버깅 -> 리팩토링까지 자연스럽게 이어간다는 점이다. 예전에는 AI가 짠 코드를 고치는 데 시간이 더 오래 걸린다는게 병목이었는데, 이제는 코드를 보면서 수정할 필요가 거의 느껴지지 않을 정도로 안정성이 높아졌다.

개인적으로 자동완성 + merge conflict 해소 + 브라우저 디버깅 기능이 더 좋아지길 기대하고 있다

개발이 너무 쉽고 재미있어진 세상이 왔다. 1년 뒤에는 개발자의 업무 방식이 어떻게 바뀌어있을지 궁금하다. 한 명이 특정 피쳐를 엔드 투 엔드로 담당해도 되는 시대가 오고 있는 것 같고, 단지 모든 직군을 아우를 수 있는 열린 마음과 학습력만 있으면 된다는 생각이 들었다.

대표님과의 점심 식사

juyeong_ — Sun, 16 Nov 2025 19:37:44 +0900

지난주에 회사 대표님과 점심 식사를 하며 다양한 얘기를 나누었다. 그 중 블로그에 공개하기 어려운 부분은 제외하고, 기억에 남았던 내용들을 기록해본다. 대화 내용을 기반으로 나의 생각을 첨가한 것도 있다. 거의 다 조직 관리, 사람에 대한 얘기인 것 같긴 하다.

1. 사업상 어려운 부분은 문제 정의보다 Operation에서 많이 나온다.

- 문제 정의까지는 비교적 수월한데, 이걸 실행하는 과정에서 예기치 못한 어려움이 나온다.

- 가장 어려운 것은 당연히 사람인 것 같다. 커뮤니케이션 자체가 비용이 많이 들고, 왜곡도 많아 어렵다.

- 같은 맥락에서, 히스토리가 쌓이다보면 가장 효율적인 방법을 여러 이유로 실행하기 어려울 때가 많다. '이렇게 바꿉시다' 하면 각 구성원들 입장에서 큰 스트레스일 수 있음. 방향성이 자주 바뀐다고 지적하게 될 것.. 어떻게 밸런스를 잡는가가 어려운 문제임.

- 특히나 스타트업은 변화가 잦고(우리 도메인은 더 그렇고), 새로운 목표가 생기면 거기에 핀포인트를 찍고 다 같이 engage 되어야 하는데 그 지점이 매우 어려운듯.

2. 스케일업 과정에서의 비효율성(조직의 목표와 개인의 목표가 상충할 때)

- 전사적으로 생각이 동기화되지 않으면 왜곡이 생긴다.

- 왜냐하면 전파 과정에서 중간관리자를 거치게 되는데, 중간관리자는 아랫 사람의 니즈도 맞춰줘야 하기 때문.

- 팀 입장에서 인력 이탈은 쉽지 않은 문제이기에 회사 측에서도 구성원의 눈치를 보게 된다.

- 그러다보면, 리드급에서 전달한 바를 구성원들의 입맛에 맞추어 전달하게 되고, 그 과정에서 의도가 왜곡된다.

- 이것이 누적되면 회사가 잘못된 방향으로 나가고 있다는 걸 뒤늦게 깨닫게 될 수 있음.

3. 문제해결에 집중하는 사람 vs 보장된 성장에 집중하는 사람

- 문제해결에 집중하는지, 아니면 보장된 성장에 집중하는지에 따라 구성원 각 개인이 추구하는 성장의 방향성이 다르다.

- 보장된 성장에 집중한다는 것은, 이미 선배들이 닦아놓은 길을 따라가려는 습성을 말한다.

- 당연하지만 스타트업에서는 문제해결에 집중하는 인재가 더 적합하다. 사고가 유연하고, 히스토리에 얽매이지 않고 본질에서부터 문제 접근하는(최소한 그걸 추구하는) 사람.

- 개인 단위를 넘어서 팀 전체가 '어떻게 유연하면서도 문제 해결에 집중하는 모습을 계속 가져갈 것인가?'는 실천하기 어려운 주제.

- 대표님이 AI 활용을 사내 비개발자들에게도 강조하고, 조직 규모를 가볍게 가져가려는 것이 이러한 지점에서 비롯된 것 같다.

- 사업이 자리를 잡으면, 조직 체계를 갖추고 검증된 인재를 데려오고 싶은 수요가 생긴다. 왜냐하면 이용자도 많아지고 스케일업 해야 하니까.

- 확률적으로, 문제해결에 진심으로 집중하는 인재는 애초에 극소수이다. 그리고 대개 쓸만한 인재는 기성 대기업에서 왔거나, 여길 발판 삼아 기성 대기업으로 넘어가고 싶어하는 경우가 많다.

- 대부분 사람들에게 직장생활 KPI는 '비즈니스 임팩트'보다는 '시장에서 먹히는 기술적 경험'에 치중되어 있다.

- 따라서, 우리도 그걸(유려한 기술적 경험) 제공해야 쓸만한 인력을 서비스 스타트업에 데려오기 수월한 면이 있는 게 딜레마인듯.

- 그러나 그것이 기술팀 조직의 진짜 목표(문제해결)와는 다른 경우가 생긴다.

4. 열심히는 하는데 효율은 저하되는 상황

- 여러 이유로 모두가 열심히 하긴 하는데 막상 성과는 안나오는 현상이 발생한다.

- 본질은 비즈니스에서부터 출발을 해야하는데, 이런 욕심과 기술적 관성 때문에 오버 엔지니어링이 되어버리는 경우가 많다.

- 언제나 관성을 경계하고, '그게 우리의 현재 비즈니스 상황에서 최선의 방안이 맞냐?'를 고민해야 하다.

5. 그래서 요즘 눈에 띄는 팀들을 보면..

- 조직 규모를 키우지 않고, 초기부터 흑자경영을 해서 투자도 안 받는 걸 선호하는 경우가 있더라.

- 특히 AI 덕분에 더 수월해진 사업 모델.

6. 피봇에 대해서..

- 이거 매우 어렵.. 극초기가 아니라 어느정도 사업을 하고있을 경우 더욱.

- 구축한 체계, 이룩하고 있는 숫자를 버리는 것도 어려울 뿐더러 함께 달린 동료들한테도 악역을 해야 한다.

- 그러나 넓게 보면 필요한 고통이고, 이걸 감내하는 창업자는 투자자들이 높게 평가하는 듯하다.

추론에서 '메모리 반도체'가 중요한 이유 (feat. 하이닉스)

juyeong_ — Wed, 17 Sep 2025 10:12:24 +0900

최근 SK하이닉스 주가가 심상치 않다. 6월달부터 현재(9월 16일 종가)까지 무려 62%가 상승했다.

시가총액은 약 150조 원 -> 240조 원으로, 불과 3개월 반 사이에 90조 원이 뛰었다.

왜일까? 대충 AI 때문인 것 같긴 한데, 갑자기 메모리 반도체가 주목받는 이면에는 어떤 이유가 있을까?

이 글의 목적은 주식 얘기를 길게 하고자 함은 아니다. 해당 블로그에 쓰는 글이 늘 그렇듯 기술적 호기심을 비전공자 수준에서 풀어보기 위해 정리한 글이다.

지난 7월, 하이닉스는 2Q25 컨퍼런스 콜에서 다음과 같은 언급을 했다. (출처 : 전자부품 전문 미디어 디일렉(http://www.thelec.kr))

Q. (HBM) AI 강한 수요로 HBM도 고성장을 기대한다. 2025년 이후 중장기 HBM 수요 전망과 회사가 바라보는 HBM 수요의 주요 모멘텀을 말해달라.

A. AI 시장은 빅테크의 지속된 설비투자 확대와 기하급수적으로 증가하는 토큰 처리량, AI 스타트업의 고성장률에서 알 수 있듯이 빠른 속도로 성장하고 있다. 특히 AI 수요가 트레이닝에서 인퍼런싱(inferencing)으로 확대되고, 인퍼런싱도 리즈닝(reasoning) 모델과 에이전트 등 세분화, 고도화되면서 AI 워크로드는 가파르게 증가하고, 대역폭에 대한 병목도 심화하고 있다. HBM은 급성장 중인 AI 시장에서 성능 증가에 결정적 영향을 미치는 핵심 제품으로 포지셔닝하고 있다. 앞으로도 HBM 수요 성장성에 대해선 의심할 여지가 없다. 또 AI 시장은 AI 에이전트와 피지컬 AI 등으로 영역을 넓혀가면서 폭발적으로 연산량이 증가할 것이고, 이는 HBM 시장 수요 성장을 견인할 것으로 기대한다. 향후 HBM 시장은 성장 초기의 급격한 성장률까지는 아니어도, AI 기술의 빠른 발전으로 고객 풀이 확대되고 있다. 그들의 신제품과 새로운 서비스가 계속 출시된다는 점을 고려할 때 앞으로도 높은 성장성이 지속할 것으로 전망한다.

다음은 보조기억장치에 대한 언급이다.

Q. (낸드시장 전망) 낸드 시장의 장기 성장성이 과거 대비 둔화되며, 공급 업체들의 보수적 생산 기조에도 수익성이 그다지 개선되지 않는 것으로 보인다. 언제까지 이러한 시장 상황이 지속될 것으로 보는가?

A. 현재 낸드 시장의 성장이 둔화된 것은 세트 수요 정체와 함께, AI 서버로 전환을 진행중인 고객들의 투자가 아직 저장장치 구매로까지는 이어지지 않는 상황에서 비롯되었다. 하지만 당사는 머지 않아 저장장치에 대한 투자 필요성도 점차 부각될 것으로 보고 있다. AI 활용 증가와 그에 따른 토큰 생성량이 가까운 미래엔 상상을 초월하는 수준으로 커지게 될 것이며, 기존 데이터 처리 방식으로는 늘어난 수요를 감당하기 어려운 상황이 생겨나게 될 것으로 보기 때문이다. AI 추론 데이터를 캐싱하는 역할을 eSSD에 전가(off-loading) 하려는 움직임이 일어나고 있고, 초기 수요가 2~3년 후부터는 발생할 것으로 전망하고 있다. 이러한 트렌드가 현실화하면, eSSD는 더 이상 저장장치에 머무르지 않고, 연산용 캐시의 일부가 되면서 AI 시스템 안에서 차지하는 포지션에 변화가 생길 것으로 예상한다. 당사는 이 시점에 NAND 시장에서 큰 폭의 수요 성장이 시작될 것으로 보고 있다.

요약하자면:

1. AI 수요가 훈련에서 추론으로 옮겨가면서 AI 워크로드가 가파르게 증가하며, 대역폭에 대한 병목이 심화되고 있다.

2. 따라서 HBM이 AI 성능 증가에 결정적 영향을 미치는 핵심 제품이 되고 있다.

3. 향후 AI 에이전트, 피지컬 AI 등 영역을 얿혀가며 HBM 수요는 더욱 커질 것.

4. 머지 않아 저장장치 수요 역시 급증할 것이며, 그 이유는 기존 데이터 처리 방식으로 AI 성장을 감당하기에는 역부족이기 때문.

5. AI 추론 데이터 캐싱을 eSSD에 전가하려는 시도 발생 중, 2~3년 후부터는 초기 수요 발생 전망.

6. 이러한 트렌드가 현실화되면, eSSD는 단순 저장장치 -> AI 연산용 캐시로 지위 격상(?)될 것.

엄청난 자신감이다(~~매수각~~). 존경하는 석박사님들이 포진해있고, 글로벌 탑 메모리 제조 업체인 하이닉스가 아무 생각 없이 이렇게 강한 톤으로 얘기하는 것은 아닐 것이다.

다시 한번 한 줄 요약하자면 "1) AI 추론 수요 급증 -> 2) 거기서 가장 병목이 되는 지점이 HBM, 낸드임 -> 3) 그래서 우리 돈 많이 벎" 인데, 이 글에서 점검하고 싶은 것은 2번이다.

" : 정말 우리 아이(메모리 반도체)가 그렇게 중요한 애 맞나요?"

이와 관련하여 두 가지 논문을 가져왔다. AI 추론 워크로드에서 메모리가 병목이 된다는 사실을 다룬 논문들이다.

(나의 부족한 머리로는 완벽히 이해하지 못했으나.. 대충 느낌은 알잖아?ㅎㅎ)

1. AI and Memory Wall
(https://arxiv.org/pdf/2403.14123)

- 발간일: 2024년 3월 20일
- 주요 저자: Amir Gholami, Zhewei Yao, Sehoon Kim, Coleman Hooper, Michael W. Mahoney, Kurt Keutzer
- 게재 기관/저널: arXiv에 등록된 preprint, 일부 주요 컨퍼런스 출판물(예: ICLR 2025 논문에 언급됨)로 활용되고 있음
- 인용 수: 약 389회(2025년 11월 기준, arXiv 인용/참고문헌 및 기타 논문 내 언급 합산 기준)
- 공신력: UC Berkeley, ICSI, LBNL 등의 저명 연구진이 저술하였고, AI 하드웨어/시스템 분야에서 활발히 인용되는 대표적 리뷰 및 분석 논문 중 하나임

핵심 요약:

현대 AI, 특히 대규모 언어모델은 연산 성능(FLOPS) 향상 속도에 비해 메모리 대역폭·용량·인터커넥트의 성장 속도가 훨씬 느려졌고, 이 비대칭이 시스템 전반의 성능 한계를 규정한다. 학습과 추론 모두에서 데이터 이동이 Latency의 대부분을 차지하며, 대규모 분산 학습에서는 칩 간 통신이, 추론에서는 DRAM/HBM 접근이 병목으로 떠오른다. 즉 '계산을 더 얹는 것'만으로는 더 이상 선형의 체감 성능을 얻기 어렵다.

특히 Autoregressive 디코더형 LLM 추론은 행렬-벡터 성격이 강해 산술집약도가 낮고, KV 캐시 + 긴 컨텍스트가 더해지며 메모리 중심 워크로드로 수렴한다. 이로 인해 배치가 작거나 Latency에 민감한 실사용 시나리오에서 GPU 코어는 유휴가 생기고, 메모리/통신 자원이 실질적 처리량을 결정한다. 모델 크기가 커질수록 이 경향은 더 뚜렷해진다.

따라서 해법은 메모리 중심의 전면 재설계다. 알고리즘(양자화·프루닝·체크포인팅·샤딩), 런타임(캐시·통신 최적화), 하드웨어(두터운 캐시·고대역폭 메모리·계층형 메모리·패키징)까지 알고리즘-시스템-하드웨어 co-design이 필요하다. GPU 메모리 한계가 모델 설계까지 제약해왔으며, 이 한계를 완화하면 새로운 모델 구조·훈련/서빙 방식의 여지가 열린다는 점을 강조한다.

2. Mind the Memory Gap: Unveiling GPU Bottlenecks in Large-Batch LLM Inference
(https://arxiv.org/pdf/2503.08311)

- 발간일: 2025년 7월 11일 (arXiv 등록 기준)
- 주요 저자: Pol G. Recasens, Ferran Agullo, Yue Zhu, Chen Wang, Eun Kyung Lee, Olivier Tardieu, Jordi Torres, Josep Ll. Berral
- 게재 기관/저널: arXiv에 등록된 preprint (아직 메이저 저널이나 컨퍼런스 최종 게재 이력은 확인 안 됨)
- 인용 수: (2025년 11월 기준) 인용횟수 정보는 12회 정도로 확인됨. 출시된 지 4개월가량 경과로, 첫 인용 논문들이 나오고 있음
- 공신력: Barcelona Supercomputing Center, IBM Research 등 주요 연구기관 소속 저자들로 구성되어 있고, LLM 서빙/최적화 분야의 최신 GPU 실측 연구로 소개됨

핵심 요약:

일반 통념과 달리 대배치 추론에서도 성능 병목은 연산이 아니라 DRAM 대역폭 포화로 나타난다. 배치를 키워도 어텐션 커널의 연산/바이트 비율이 크게 개선되지 않아, 처리량이 일정 지점에서 플래토에 도달한다. 프로파일링 결과, 디코드 단계에서 메모리 대기 때문에 워프가 멈추고, L1/L2 캐시 히트율도 낮아 GPU 코어가 끝까지 활용되지 못한다.

병목의 중심은 어텐션/KV 캐시 접근 패턴이다. 프리필보다 디코드가 지배적이고, 긴 컨텍스트·동시 세션이 늘수록 가중치·캐시의 메모리 트래픽이 성능을 잠근다. 단순히 '배치를 더 키워라'는 튜닝은 한계가 뚜렷하며, 메모리 접근을 줄이거나 재배치하지 않으면 GPU 리소스는 계속 유휴가 생긴다.

논문은 실무형 해법으로 BCA(Batching Configuration Advisor)를 제안한다. 지연 제약을 만족하는 선에서 배치·메모리 할당을 조정하고, 남는 연산 자원은 모델 복제/동시 워크로드로 채워 총 처리량을 끌어올린다. 즉, '배치 하나를 키워 돌리는' 단선적 접근이 아니라 메모리 예산을 의식한 다중화 전략이 실제 처리량을 높인다는 것을 정량적으로 보인다.

즉, 배치 키우면 연산 바운드 -> GPU 100% 활용이라는 통념을 깨고, 추론 최적화의 1순위가 메모리/대역폭 이슈임을 명확히 보여준다. 이를 통해 LLM 대배치 서빙의 처리량 정체는 계산력이 아니라 DRAM 대역폭 포화 때문임을 알 수 있다. 따라서 배치만 키우기보다: (1) 어텐션 메모리 접근 패턴 개선, (2) KV 캐시/가중치의 메모리 트래픽 절감, (3) 모델 복제·이기종 동시 실행 등으로 유휴 연산 자원 재활용을 설계해야 효율이 오른다고 제안한다. 다시 말해, 배치 튜닝 + 메모리 트래픽 최적화 + 동시 실행(모델 복제) 가 실전 해법이라는 메시지이다.

두 논문이 제시하는 메시지

두 논문이 제시하는 메시지를 종합하면, 오늘날 AI 성능을 최종적으로 좌우하는 가장 약한 고리는 연산력이 아니라 데이터 이동이라는 걸 주장하고 있다.

데이터 이동은 메모리 대역폭(얼마나 빨리 가져오느냐), 메모리 용량(얼마나 많이 담느냐), 접근 패턴(어떤 순서와 방식으로 꺼내 쓰느냐)을 아우르는 개념이며, 특히 LLM 추론에서는 Autoregressive 특성 때문에 계산 유닛이 남더라도 모델 가중치와 KV 캐시를 메모리에서 가져오는 과정이 느려 전체 속도를 묶어버리는 경우가 빈번하다.

따라서 성능·원가·전력을 동시에 개선하려면 코어 수를 늘리는 접근보다 데이터를 더 적게, 더 가깝게, 더 예측 가능하게 움직이도록 시스템을 설계하는 것이 핵심이다.

이러한 관점에서 성능을 실질적으로 끌어올리는 지렛대는 단일 축이 아니라 모델·시스템·하드웨어를 동시에 맞추는 Co-design에 있다.

모델 측면에서는 양자화, 프루닝, KV 캐시의 압축·공유, MoE 라우팅 등을 통해 토큰당 필요한 바이트 수를 줄이는 것이고,
시스템 측면에서는 스케줄링과 배치 방식, 모델 복제, 파이프라이닝을 통해 한 대의 가속기가 유휴 없이 동작하도록 채우는 것이다.
하드웨어 측면에서는 HBM 세대 업그레이드와 스택 수 증대, 더 두터운 캐시, CXL 기반 메모리 풀링, 2.5D·3D 패키징 등을 통해 데이터의 길을 넓히고(대역폭), 가깝게 두고(지연), 더 많이 싣는(용량) 구조를 마련하는 것이 중요하다.

이를 통해 향후 20년이 AI의 시대라면, 메모리 산업의 위상은 과거 20년과 사뭇 다를 거라는 생각을 하게 되었다.

어쨌든 결론은:

: 우리 아이 정말 대단해!!

SSR 에서 브라우저 <-> 클라이언트 서버 <-> 백엔드 동작 구조

juyeong_ — Sun, 7 Sep 2025 15:45:55 +0900

1. [Frontend Side][Browser]

사용자가 https://application.com/products 같은 URL에 접근합니다.
브라우저는 HTML 문서(index.html) 를 받기 위해 요청을 보냅니다.

2. [Frontend Side][Node Server: Next.js]

Next.js 서버(Node.js + V8)가 요청을 받습니다.
Next.js는 해당 경로(/products)에 대응하는 페이지 컴포넌트를 확인합니다.
- Pages Router라면 getServerSideProps / getStaticProps 같은 특수 함수 export 여부를 확인합니다.
- App Router라면 page.tsx 컴포넌트가 Server Component인지, async 함수인지를 확인합니다.
만약 데이터 패칭(fetch/axios 등)이 필요하다고 감지하면 → Node 서버에서 JS(V8)로 그 함수를 실행합니다.

3. [Frontend Side][Node Server: Next.js] → [Backend Side][Web Server]

페이지를 렌더링하는 과정에서 fetch("/api/…") 또는 axios.get("https://api…") 호출 발생.
이 요청은 Next.js 서버에서 실행되므로, 브라우저가 아닌 서버 → Web Server(Nginx, Caddy 등) 로 전송됩니다.

4. [Backend Side][Web Server] → [Backend Side][WAS]

Web Server는 리버스 프록시 역할을 하며 요청을 내부 WAS(Spring Boot + Tomcat) 으로 전달합니다.
WAS는 비즈니스 로직을 처리하고, DB와 통신하여 데이터를 가져옵니다.

5. [Backend Side][WAS] → [Frontend Side][Node Server: Next.js]

WAS가 JSON 응답을 Web Server를 거쳐 Next.js 서버로 반환합니다.
Next.js 서버는 응답 데이터를 받아서, React 컴포넌트(JS로 트랜스파일된 TSX 코드)를 실행하며 서버에서 HTML을 생성합니다.

6. [Frontend Side][Node Server: Next.js] → [Browser]

Next.js 서버는 데이터가 채워진 완성된 HTML + 초기 상태(dehydrated state) 를 브라우저에 전송합니다.
브라우저는 HTML을 바로 렌더링해서 사용자에게 첫 화면(FCP, LCP) 을 보여줍니다.

7. [Frontend Side][Browser]

브라우저가 JS 번들(트랜스파일된 React 코드) 을 로드합니다.
React가 실행되면서 서버에서 내려온 HTML과 클라이언트 JS를 연결 → Hydration 발생.
이후에는 CSR처럼 작동:
- 사용자가 버튼 클릭 → 클라이언트에서 직접 fetch/axios 호출
- Tanstack Query 같은 상태 관리 라이브러리가 캐시/리패치 관리

RSC 를 사용할 경우

1) [Frontend Side][Browser]

사용자가 https://application.com/products 접근 → HTML을 요청.
브라우저는 아직 JS 실행 전이며, 서버가 스트리밍하는 HTML shell + RSC(Flight) 스트림을 받을 준비만 함.

2) [Frontend Side][Node Server: Next.js (RSC)]

라우트(/products)에 해당하는 Server Component 트리를 로드.
- use client가 없는 컴포넌트는 Server Component로 분류되어 브라우저에 JS 번들로 보내지지 않음(실행은 서버 전용).
- use client가 선언된 컴포넌트는 Client Component로 분류(브라우저에서 하이드레이트됨).
RSC 렌더링 시작: 서버(V8/Edge Runtime) 가 Server Component 함수를 실행하며 필요한 데이터를 그 자리에서 요구.

3) [Frontend Side][Node Server: Next.js (RSC)] → (데이터 패칭 트리거)

Server Component 내부 fetch(...) 호출 발생 시:
- Next.js Data Cache 및 **요청 중복 제거(memoization/dedup)**가 자동 적용.
- fetch 옵션(cache, next: { revalidate })에 따라 정적/동적/ISR 전략이 결정.
※ 중요: RSC에서는 네이티브 fetch 사용이 권장(Next의 캐시·리밸리데이션과 1급 통합). axios도 가능하지만 캐시/ISR 통합 이점이 사라짐.

4) [Frontend Side][Node Server: Next.js (RSC)] → [Backend Side][Web Server]

Server Component의 fetch 타깃이 백엔드 API라면, Next.js 서버가 리버스 프록시(예: Nginx/Caddy) 앞으로 요청을 발신.
(아키텍처에 따라) RSC에서 직접 DB 쿼리도 가능하지만, 보통은 사내/외부 API 게이트웨이로 호출.

5) [Backend Side][Web Server] → [Backend Side][WAS]

Web Server는 요청을 WAS(Spring Boot + Tomcat) 로 포워딩.
WAS는 비즈니스 로직/인증/DB 처리를 수행하고 JSON으로 응답.

6) [Backend Side][WAS] → [Frontend Side][Node Server: Next.js (RSC)]

Next.js(RSC)가 JSON 응답을 수신 → Server Component 렌더링을 계속 진행.
Suspense 경계를 활용해 부분 스트리밍(Streaming): 준비된 컴포넌트부터 순차 전송할 수 있음.
PPR(Partial Pre-Rendering) 사용 시, 정적 가능 영역은 미리 렌더링하고, 동적 경계는 준비되는 대로 스트림.

7) [Frontend Side][Node Server: Next.js (RSC)] → [Frontend Side][Browser]

서버는 HTML shell + RSC Flight 페이로드를 스트리밍으로 전송.
- Flight: 서버가 계산한 컴포넌트 트리의 설명(serialize)이며, 서버 컴포넌트 코드는 브라우저로 보내지지 않음.
브라우저는 도착 즉시 HTML을 렌더(FCP/LCP 유리).
동시에 React 런타임이 Flight 스트림을 클라이언트 컴포넌트와 결합하여 필요한 부분만 하이드레이션.
- 서버 컴포넌트는 하이드레이션 대상이 아님(코드 미전송 - 이미 HTML 에 포함되어 있으므로).
- 클라이언트 컴포넌트만 JS 번들을 받아 하이드레이트되어 상호작용을 담당.

8) [Frontend Side][Browser] (상호작용 이후)

사용자가 버튼/폼/탭 등을 조작 → Client Component가 이벤트 처리.
서버 액션(Server Actions) 사용 시:
- Client에서 use server 함수 호출 → [Browser] ⟷ [Next.js (RSC)] RPC처럼 통신 → 서버에서 변이 수행(예: DB write) → revalidatePath/Tag로 관련 경로/태그 캐시 무효화 → 해당 RSC 경계만 재계산/스트림 업데이트.
라우팅(예: next/link) 시에도 RSC 경계를 다시 계산해서 필요한 부분만 새로 스트리밍 → 빠른 전환 + 최소 JS.

+ 보충 메모 (RSC 관련)

데이터 패칭 위치 철학:
- RSC = “데이터는 서버에서”. Server Component 안에서 fetch로 받아오며, 브라우저로 데이터 패칭 코드를 보내지 않음.
- 보안/성능 이점: 토큰/시크릿/DB 접근을 서버에 가둠, 번들 크기↓, 네트워크 왕복↓.
캐싱/ISR 통합:
- fetch 기본 통합: cache: 'force-cache', no-store, next: { revalidate: n } 등으로 세밀 제어.
- 태그 기반 무효화(revalidateTag)와 경로 무효화(revalidatePath)로 선택적 갱신.
스트리밍 & Suspense:
- 준비된 UI부터 부분 렌더 전송 → TTFB/FCP 개선.
- 느린 경계는 스켈레톤/플레이스홀더로 감싸고, 준비되면 교체.
Client JS 최소화:
- Server Component는 번들에 포함되지 않음.
- 상호작용 필요한 부분만 use client로 분리 → 하이드레이션 최소화.
TanStack Query와의 역할 분담:
- 초기 로딩/SEO/캐시 일관성은 RSC+fetch가 우선.
- 클라이언트 전용 상호작용 데이터(사용자 입력 기반, 폴링/웹소켓, 즉각 반응 UI) 에 한해 Client Component에서 Tanstack Query 사용(Optional).
- 초기 데이터는 RSC로 내려주고, 클라에서는 React Query로 추가/실시간 갱신 패턴이 깔끔.
Axios 사용 여부:
- RSC에서도 가능하지만, Next.js의 캐시/ISR/재검증 이점을 최대화하려면 fetch 권장.
- 사내 공통 인터셉터/로깅 때문에 axios를 써야 한다면, 서버 액션 또는 Route Handler(API Route) 에서 axios를 감싸고 RSC에선 해당 핸들러를 fetch로 호출하는 식으로 가능.

+ 서버 사이드 flow 도식화

이미지 출처: https://www.youtube.com/watch?v=M8E6vYAIuzQ

이더리움 스테이킹의 원리를 알아보자

juyeong_ — Sat, 9 Aug 2025 09:57:41 +0900

흔히 이더리움 스테이킹 하면 은행에 예금하고 이자를 받는 것과 비슷하게 생각한다. 사용자 입장에서는 크게 다르지 않다. 원금 입금 -> 이자 발생한 것을 Claim 하는 구조이다. 그러나 이러한 이자 발생 원리는 결국 이더리움의 토크노믹스를 활용한 메커니즘으로, 크립토만의 독특한 구조에 의해 탄생할 수 있었다.

이더리움 PoS 의 구조와, 해당 메커니즘 안에서 Validator 가 보상을 얻는 방식을 알아보고, 이를 활용하여 Staking 이 어떻게 이자를 발생시키는지를 대표적인 스테이킹 서비스인 Lido를 통해 알아보자.

(*AI로 진행한 리서치임)

Part 1. Ethereum PoS와 Validator

1. Ethereum PoS 작동 원리

이더리움은 지금 두 개의 층이 맞물려 돌아간다. 트랜잭션을 실행해 상태를 바꾸는 실행 레이어(EL), 그리고 누가 언제 어떤 블록을 정당하게 만들었는지 합의하는 합의 레이어(CL). 사용자가 컨트랙트와 상호작용하면 EL이 EVM으로 그 결과를 계산하고, CL은 12초마다 돌아오는 슬롯에서 한 명의 제안자(proposer)를 뽑아 그 결과를 “블록”으로 묶어 다음으로 넘긴다. 슬롯 32개가 모이면 하나의 에폭이 되고, 에폭마다 검증자들의 투표(attestation)로 체크포인트가 정당화·최종화되면서(파이널리티) 되돌리기 매우 어려운 상태에 이른다.

여기서 말한 “EL이 계산하고 CL이 합의한다”는 문장은 실제로는 슬롯 단위의 정밀한 시계를 따라 돌아간다. 매 슬롯(12초) 시작 시점에 합의 레이어는 검증자들이 이전 에폭에서 커밋해 둔 난수 공개(RANDAO)를 섞어 제안자(proposer) 를 한 명 무작위로 뽑는다. 제안자는 자신이 설정한 fee recipient 주소로 수수료가 들어오도록 세팅해 두며, 블록을 만들기 위해 실행 레이어에 “지금의 체인 머리 위에 얹을 실행 페이로드를 달라”고 요청한다. 이때 두 경로가 있다. 제안자가 자체 트랜잭션 풀로부터 직접 트랜잭션을 골라 담아도 되고, MEV-Boost(PBS) 를 켜둔 경우라면 여러 빌더(builder) 들이 입찰한 실행 페이로드 중 가장 가치가 큰 것을 릴레이를 통해 받아온다. 어느 쪽이든 실행 레이어는 트랜잭션을 EVM으로 순차 실행하여 상태를 갱신하고, 그 결과물로 state root, receipts root, logs bloom, base fee 등이 들어간 Execution Payload 를 만든다. EIP-1559 이후 base fee는 자동 소각되며, 사용자가 얹은 priority tip 과 빌더가 지불한 MEV 대가는 제안자의 fee recipient로 간다.

제안자는 이렇게 얻은 실행 페이로드를 비콘 블록(합의 블록) 의 몸체에 끼워 넣어 서명하고, 네트워크로 전파한다. 나머지 검증자들은 슬롯 내에서 위원회(committee) 단위로 배정되어 방금 전파된 블록을 기준으로 세 가지 신호—source/target/head—를 담은 attestation(검증 투표) 를 만든다. 이 투표는 “지금 보고 있는 체인의 머리는 어디인지(LMD-GHOST)”, “현재·직전 에폭의 체크포인트는 정당한지(FFG, Casper)”, 그리고 “그 투표가 얼마나 빨리 포함되었는지”를 함께 반영한다. 포함 지연이 짧을수록 보상이 크고, 지연될수록 역비례로 깎이기 때문에 네트워크 연결성과 피어 전파 속도가 곧 수익의 함수가 된다. 일부 검증자는 Aggregator 로 추려져 동료들의 투표 다발을 모아 다음 블록에 싣는다. 블록이 이어지면서 포크선택 규칙(LMD-GHOST)이 가장 많은 최신 투표 가중치를 받은 체인 머리를 따라가고, 에폭 경계에서는 2/3 이상 정족수로 체크포인트가 정당화(justified) 된다. 서로 연속한 두 체크포인트가 정당화되면 앞선 것이 최종화(finalized) 되어, 이후엔 경제적으로 되돌리기 매우 어렵다. 만약 어떤 슬롯에서 제안자가 블록을 만들지 못하면 그 슬롯은 미스드 슬롯으로 비고, 다음 슬롯의 제안자가 이전 머리 위로 이어 만든다. 그 사이에 만들어진 투표는 포함 지연이 길어져 해당 구간의 보상이 깎인다.

이 합의 흐름 옆에서, 입·출금과 검증자 생애주기가 따로 돌아간다. 신규 지분은 실행 레이어의 Deposit 컨트랙트 로 들어가고, 합의 레이어의 대기열을 거쳐 활성화된다. 활성 이후엔 보상·패널티가 잔고를 흔들고, 부분 출금 요건(잔고가 32 ETH 초과이고 출금 자격이 0x01) 충족분은 실행 페이로드에 시스템 레벨의 출금 레코드 로 자동 반영되어 출금 주소로 송금된다. 검증자가 퇴장(exit) 을 선언하면 네트워크의 안정 장치인 churn limit 때문에 순번 대기가 걸리고, 차례가 오면 전면 출금이 처리된다. 이 모든 동작은 “EL이 돈을 움직이고(CL이 그 사실을 담은 블록을 확정한다)”는 분업 위에서 이뤄진다. 마지막으로, 경량 클라이언트가 체인을 빠르게 신뢰할 수 있도록 Sync Committee 가 약 27시간 주기로 재편성되어 헤더에 서명하는데, 여기에 배정된 검증자는 상대적으로 큰 보상(또는 오프라인 시 패널티)을 감수하며 라이트 검증의 기반을 제공한다. 이렇게 제안 → 실행 → 투표 → 포크선택 → 체크포인트 → 파이널리티 로 이어지는 한 사이클이 12초마다 맥을 찍고, 에폭마다 구획을 그으며, 입·출금과 검증자 큐, 수수료·MEV의 현금흐름까지 한 덩어리로 맞물려 돌아간다.

2. Validator

여기서 검증자(validator) 가 핵심이다. 검증자는 일종의 “복권을 계속 사는 참가자”다. 복권의 당첨 확률을 올리는 방법은 단순히 더 큰 돈을 한 장의 복권에 몰아넣는 게 아니라 복권 ‘장수’를 늘리는 것에 가깝다. 이 비유가 먹히는 이유는 이더리움의 지분증명(PoS)이 **“32 ETH = 1 검증자”**라는 고정 단위를 쓰기 때문이다. 한 검증자의 유효 지분(effective balance) 은 32 ETH로 상한이 걸려 있어, 64 ETH를 한 검증자에 몰아넣어도 제안·검증에 뽑힐 확률은 늘지 않는다. 더 큰 지분으로 수익을 늘리고 싶다면 검증자 ‘개수’를 늘려(각각 32 ETH) 확률적 기대치를 키워야 한다. 이 설계는 개별 검증자의 과도한 영향력을 제한하고, 네트워크 전반의 분산도를 높이는 데도 기여한다.

검증자의 수익 구조는 세 갈래로 생각하면 깔끔하다. 첫째, 합의 레이어에서의 발행 보상(issuance) 이 있다. 검증이 성실하고 제안·투표를 제때 수행할수록 이 보상에서 유리하다. 둘째, 실행 레이어에서 우선권 팁(priority tips) 을 받는다. EIP-1559 이후 기본 수수료(base fee)는 소각되고, 사용자가 더 빨리 포함되길 원해 올린 팁만 제안자에게 돌아간다. 셋째, MEV(Maximal Extractable Value) 가 있다. 빌더가 최고가치 블록을 구성해 릴레이를 통해 제안자에게 입찰하는 PBS/MEV-Boost 경로가 일반적이며, 낙찰된 금액이 제안자 수익으로 들어온다. 실제 관측치에서는 온체인 활동이 붐일수록 팁과 MEV 기여도가 커져 APR 변동성이 커진다. 반대로 온체인이 한산하면 발행 보상 비중이 상대적으로 커지고 총 APR은 낮아지기 쉽다.

보상이 있는 곳에는 규율도 있다. 슬래싱(s) 은 이중 제안이나 모순된 투표처럼 합의를 위협하는 행위에 내리는 중징계로, 지분이 깎인다. 더 가볍지만 무시 못 할 것이 인액티비티 패널티다. 장시간 오프라인이 되거나 네트워크가 파이널리티에 어려움을 겪을 때 벌점이 쌓여 보상이 잠식된다. 두 페널티 모두 개별 운영 미숙에서 시작되어도, 같은 클라이언트 버그·같은 운영 정책·같은 데이터센터에 몰려 있는 등 상관 리스크가 크면 다수 검증자가 동시에 타격을 입을 수 있다. 그래서 이더리움 커뮤니티가 클라이언트 다양화(geth/nethermind, prysm/lighthouse/teku/nimbus 등) 와 지리·운영 분산을 집요하게 강조하는 것이다.

검증자의 출금(withdrawal) 은 2023년 Shapella 이후 구조적으로 안정화됐다. 32 ETH를 넘는 초과분은 자동으로 부분 출금되어 지정된 출금 주소로 흘러가고, 검증자가 더 이상 참여하지 않겠다고 퇴장(exit) 하면 큐에 들어가 전면 출금 순서를 기다린다. 여기서 또 하나의 안정화 장치가 보이는데, 하루에 들어오고 나갈 수 있는 검증자 수에는 상한(churn limit) 이 있어, 대규모 입·출금이 있더라도 네트워크가 급격히 흔들리지 않게 한다. 연구자의 시선에서는 “활성 검증자 수, 대기·퇴장 큐 길이, churn 한도” 같은 지표가 유동성 이벤트의 병목을 설명하는 핵심 변수가 된다.

이 모든 조각을 하나로 잇는 경제 논리는 단순하다. 검증자는 32 ETH짜리 티켓을 여러 장 들고 확률 게임에 참여하고, 수익은 발행·팁·MEV 의 합으로, 손실은 슬래싱·인액티비티 로 규율된다. 발행은 네트워크 보안의 기초 체력이자 바닥을, 팁과 MEV는 온체인 수요의 사이클을 민감하게 반영하는 상단을 만든다. 따라서 동일한 총 스테이크라도 온체인 활동·MEV 환경·운영 성실도에 따라 체감 APR은 언제든 달라진다. 이 변동성은 개인 검증자에게는 리스크지만, 네트워크에는 수요 신호를 가격에 빠르게 반영하는 자생적 조절기로도 작동한다.

2-1. Validator 보상 이해하기

보상의 기준 단위는 base_reward다. Altair 이후 스펙을 간단히 쓰면,

base_reward
= effective_balance × (BASE_REWARD_FACTOR / (BASE_REWARDS_PER_EPOCH × √(sum_active_balance)))
= effective_balance × (64 / (4 × √(총 활성 지분)))

여기서 effective_balance는 검증자별로 최대 32 ETH까지 인정한다. 분모에 √(총 활성 지분) 이 들어가므로, 네트워크 전체 스테이크가 늘어날수록 개별 검증자의 기본보상은 서서히(제곱근 비율로) 줄어든다. 즉 “보안은 두터워지되 수익률은 점진적으로 희석”된다. 또한 32 ETH 상한 때문에 한 검증자에 64 ETH를 몰아넣어도 base_reward는 커지지 않는다. 그래서 “장수를 늘리는 전략(=검증자 수 증가)”이 합리적이며, 이는 설계적으로도 분산도를 높인다.

에폭마다 검증자가 벌 수 있는 보상은 참여 플래그의 가중치 합/64 × base_reward로 계산된다. 가중치는 SOURCE=14, TARGET=26, HEAD=14, 그리고 제안자 몫을 나타내는 PROPOSER=8이며, 분모는 64다. 현실적으로 블록 제안자가 아닌 평시 검증자가 받는 최대치는 64−8=56에 해당하므로 상한은 7/8 × base_reward가 된다. 이 말은 "내가 블록 제안자가 아닌 보통의 슬롯에서, 제때·정확히 투표만 잘 해도 가져갈 수 있는 최대치가 base_reward의 87.5% 선"이라는 뜻이다. 나머지 12.5%(1/8)는 제안자 보상 몫으로 따로 떨어지는데, 이는 제안자가 가능한 많은 올바른 투표를 빨리 포함시키도록 유인을 걸어둔 장치다.

“빨리”라는 단어가 중요한 이유는 정시성(timeliness) 때문이다. 올바른 투표라도 블록에 얼마나 빨리 포함되느냐에 따라 보상이 깎인다. 직관적으로 다음 슬롯(지연 1)에서 곧바로 포함되면 100%를 받지만, 한두 슬롯 늦어질수록 지연에 대략 역비례로 보상이 줄어든다. 네트워크가 혼잡하거나 피어 연결이 불안정하면 포함이 늦어지고, 그만큼 체감 APR이 떨어진다. 운영 품질이 수익으로 직결된다는 뜻이다.

여기에 싱크 커미티와 블록 제안 같은 무작위 배정 이벤트가 분산(variance) 을 크게 만든다. 싱크 커미티는 약 27시간(256 에폭) 동안 512명을 묶어 라이트 클라이언트용 서명을 맡긴다. 여기에 배정되면 그 구간의 수익이 툭 튄다. 반대로 오프라인이나 장애가 생기면 패널티도 크다. 블록 제안 역시 확률 게임이라, 같은 총 지분이라도 “단기 실현 수익”은 들쭉날쭉할 수밖에 없다. 그래서 단일 검증자 몇 개로는 변동성이 크고, 검증자 수를 늘려 기대값을 수렴시키는 게 일반적이다.

실행 레이어 측면에서는 EIP-1559 이후 base fee가 소각되고 priority tip만 제안자가 가져간다. 여기에 MEV-Boost를 통한 프로포저-빌더 분리(PBS) 시장이 얹히면서, 제안자는 빌더의 입찰 중 가장 가치가 큰 블록을 받아 수익을 얻는다. 온체인 수요가 활발하고 차익·청산·재정거래 기회가 많을수록 팁과 MEV의 비중이 커져 APR 상단을 끌어올린다. 반대로 온체인이 한산하면 발행 보상이 사실상의 바닥을 형성한다. 그러니 최종적으로 검증자의 실효 APR은 발행 + 팁 + MEV − 패널티 − 운영비로 분해해 보는 게 깔끔하다. 발행은 네트워크 보안의 “기초 체력”, 팁과 MEV는 “경기(사이클) 민감도”, 패널티는 “운영 리스크의 비용”을 각각 의미한다.

마지막으로 규율의 수학이다. 슬래싱은 개인 위반에도 적용되지만, 특히 동시 다발(상관) 위반일수록 추가 몰수 폭이 커지도록 설계돼 있다. 같은 클라이언트 버그·같은 설정·같은 데이터센터에 검증자가 몰려 있으면 “한 번의 실수”가 “집단 손실”로 확대될 수 있다. 그래서 클라이언트 다양화, 지리·운영 분산, 키 관리·모니터링 자동화 같은 운영의 미시적 품질이 곧 수익의 안정성이다. 반대로 인액티비티 패널티는 장시간 오프라인일 때 천천히 하지만 꾸준히 보상을 잠식하고, 네트워크가 파이널리티를 못 낼 정도로 흔들리는 국면에서는 가중되며 “탈락”을 유도한다.

이 조합은 한 문장으로 요약된다. 보상은 빠르고 정확한 참여에, 손실은 느리고 엉성한 운영에 붙는다.

Part 2. Lido 프로토콜 소개

1. Lido 프로토콜 개요

이더리움이 지분증명으로 전환되던 초기에, 개인에게 가장 높은 장벽은 1) 32 ETH 단위(개인에겐 너무 큰 돈)와 운영 복잡성, 그리고 2) 락업 기간 동안의 비유동성이었다. Lido는 바로 이 지점을 파고들었다. 2020년 12월 비콘체인 가동 직후 출범해(초기 아이디어는 2020년 10월 공개) '누구나 32 ETH 없이도 스테이킹 수익을 얻되, 자산은 유동적으로 쓰자'는 해법을 내놓았다.

핵심은 예치 즉시 받는 stETH라는 토큰이다. 사용자는 ETH를 Lido 컨트랙트에 넣고 stETH를 1:1로 받아 들고 다니며 디파이에서 활용하고, 뒷단에서는 사용자가 예치한 진짜 ETH를 DAO가 승인한 노드 운영사들이 32 ETH 단위로 모은 뒤 밸리데이터를 굴린다. 이 구조는 '스테이킹 수익의 Socialize'를 전제로 설계되었다. 즉, 풀 전체가 벌어들인 합의 레이어 보상과 실행 레이어(팁·MEV) 보상을 한데 모아, stETH 보유 지분에 비례해 나눠 갖는 아이디어를 내놓았다고 이해할 수 있다.

이 모델은 샤펠라(2023)로 출금이 가능해진 뒤 더 안정됐고, Lido V2(2023.05)에서 모듈러 구조인 Staking Router가 도입되며 운영자 세트를 세분화했다. 지금은 DAO가 심사해 온 전통적 운영자들이 묶인 Curated 모듈과, 분산 밸리데이터를 실전에 투입하는 Simple DVT, 그리고 채권(bond)만 내면 누구나 참여할 수 있게 문턱을 낮춘 CSM(Community Staking Module) 같은 갈래가 공존한다. 이 모듈러화는 클라이언트·지리·운영 분산을 통해 리스크를 줄이려는 시도이다.

규모 면에서, stETH는 이더리움 LST의 사실상 표준으로 자리 잡았고, 단순 합의 보상만이 아니라 실행 레이어의 우선권 팁/MEV도 수취해 풀 단위로 평탄화(smoothing)한다. 팁·MEV는 먼저 EL Rewards Vault로 모여, 오라클 집계 시점에 풀의 회계로 편입된다. 사용자는 '오늘 내가 제안자였다/아니었다'의 운에 크게 흔들리지 않고, 풀 평균에 근접한 일일 리베이스를 받는 셈이다. 이것이 마치 예금이나 배당 같은 안정적 이자 수취 경험을 제공할 수 있게 된 배경이다.

2. stETH와 wstETH

stETH와 wstETH 에 대해서 조금 더 자세히 이해해보자.

stETH는 '리베이스형 ERC-20'이다. 겉으로 보이는 건 지갑 잔고만 늘어나는 것 같지만, 내부 회계는 Shares 모델로 돌아간다. 간단히 말해, 컨트랙트는 총 예치 ETH(= Total Pooled Ether)와 총 Shares를 들고 있고,

shareRate = Total Pooled Ether / Total Shares

개인의 표시 잔고 = 자신의 Shares × shareRate

가 된다.

보상이 쌓이면 오라클이 하루 한 번(일반적으로 UTC 기준 일일 주기) 보고서를 올리고, 컨트랙트는 shareRate를 올리는 방식으로 리베이스를 실행한다. 나의 Shares 수는 그대로인데, 1 Share의 값이 커져 지갑에 보이는 stETH 수량이 자동으로 늘어나는 원리이다. 수수료(프로토콜 수익)는 이 리베이스 과정에서 차감되며, 현행 정책은 보상액의 10%를 운영사와 DAO 금고에 배분(사용자는 보상의 90%를 수령)한다.

EL 보상(팁·MEV) 처리도 이 회계에 자연스럽게 녹아 있다. 제안자가 끌어온 팁/MEV는 운영 가이드를 통해 EL Rewards Vault로 수취되고, 오라클가 매일 회계할 때 vault 잔액을 합산한다. 그래서 누군가가 오늘 블록 제안 복권에 당첨되지 않아도, 풀 전체가 가져온 EL 보상의 몫을 stETH 리베이스로 균등하게 반영받는다. 반대로 슬래싱이나 인액티비티 패널티 같은 손실도 동일한 메커니즘으로 사회화된다. Lido는 대형 슬래싱 꼬리위험을 위해 보험(커버) 금고를 운용하고, CSM에선 운영자 본드가 1차 완충 역할을 하도록 설계했다(적용·집행은 DAO 거버넌스에 따름).

wstETH는 'Non-리베이스형 Wrapper'이다. 리베이스가 싫거나(대부분의 DeFi/Bridge들은 Non-리베이스 토큰을 선호) L2로 다리를 건널 계획이라면 stETH ↔ wstETH로 감싸고 푸는 방식을 쓴다.

래핑 시점의 shareRate로 wstETH = stETH / shareRate가 산출되어 발행되고, 언래핑할 땐 그 시점의 최신 shareRate로 stETH = wstETH × shareRate가 계산돼 잠금 해제된다.

shareRate는 보통 단조 증가(보상 축적)하므로, 다시 풀면 받는 stETH가 감싼 때보다 더 많아지는 것이 일반적이다(중간에 슬래싱이 없다면). 일부 환경에서는 1~2 wei 수준의 반올림 차이가 생길 수 있다는 것도, 구현 디테일로 알아둘 만하다.

왜 wstETH가 L2/크로스체인에서 기본값이 되었나? 리베이스는 체인마다 동기화가 까다롭다. 그래서 L2·타체인에선 wstETH를 우선 배포·채택하고, 가능한 곳은 네이티브 wstETH를 지원하거나(예: Linea에서의 네이티브화 추진) 브릿지 측에서 표준을 맞춘다. 브릿징은 보안 가정이 다양하므로, Lido는 브릿지 베스트 프랙티스와 토큰 채택 절차를 문서화해 둔다.

3. 성장 과정 및 생태계

3-1. 성장 과정

성장 경로는 세 번 크게 굴곡을 그렸다. 1) 2021–2022년 머지 대기 구간: 출금이 막힌 상태에서도 예치 즉시 유동화를 제공해 초기 점유를 확보했다. 2) 2023년 4–5월: 이더리움 샤펠라로 검증자 출금이 열리고, 곧바로 Lido V2가 온체인 상환을 지원하면서 “예치–유동화–상환”의 폐루프가 완성됐다. 3) 2024–2025년: Staking Router 아래 Simple DVT(분산 검증자) 모듈이 메인넷에 올라가 운영자 구성이 다변화되고, 2025년에는 Lido V3 RFC(stVaults) 가 공개되어 ‘사용자 정의 검증자 세팅 + 선택적 유동성(stETH 레이어)’이라는 방향성이 제시됐다. L2로의 확장은 '네이티브 수익을 L2로 가져오기'라는 테마로 가속 중이다(예: Linea 연동 발표). 요약하면, 유동화 → 상환 → 분산·모듈화 → L2 네이티브화가 지난 4년의 큰 줄기다.

머지 이후 EL 보상(팁+MEV)이 열리며 풀 수익의 상단이 생겼고, 샤펠라 이후 온체인 출금이 가능해져 유동성 프리미엄이 줄었다. 2023년 V2에서 Staking Router가 도입되며 운영자 세트가 모듈러로 분화했고, Simple DVT(Obol/SSV 등) 실전 투입과 CSM 도입으로 '소수 대형 운영자 집중'을 완화하려는 경로를 밟고 있다. 최근엔 이그젠드(Linea) 같은 L2와의 통합을 통해 네이티브 수익 경로(브릿지된 ETH를 자동 스테이킹하는 v3/stVaults 기반 아키텍처)까지 예고하며, 'L1에서 L2로 이동해도 유휴 ETH를 방치하지 않겠다'는 전략을 드러냈다.

반대로, 적합하지 않은 체인 확장은 과감히 접었다. 솔라나 지원은 2023년 가을 DAO 투표로 선셋되어 2024년 2월 프론트엔드 지원이 종료되었고, 이후 폴리곤도 축소 기조를 보였다. 리소스를 이더리움/롤업·기관 채널·핵심 인프라로 집중한 선택이다.

현재 스냅샷을 한 번 짚자면, 2025년 8월 기준 Lido의 이더리움 TVL은 약 352억 달러, APR은 Low-single 정도로 집계된다. stETH 총공급은 약 888만 개 수준이다.

거버넌스도 진화하고 있다. 2025년 도입된 Dual Governance는 LDO 토큰홀더의 집행에 대해 stETH 보유자가 '동적 타임락 + 집단 이탈 신호'로 견제할 수 있는 구조이다. 즉, 논란이 큰 변경이 통과되면 stETH 홀더가 이탈 권리(레이지퀏 게이트)를 행사할 시간을 벌도록 집행을 지연/봉쇄하는 장치이다. '유저가 원치 않는 위험한 변경으로 몰리지 않도록, 탈출을 보장한다'가 핵심 철학이다.

3-2. DeFi 생태계

stETH/wstETH는 DeFi Primitive로 깊이 박혀 있다. Aave에선 담보·레버리지 전략의 기반 자산으로, MakerDAO에선 wstETH-A/B 볼트 유형이 활성화되어 DAI 발행 담보로 쓰이고, Curve stETH/ETH 풀은 온체인 가격발견의 허브 구실을 해왔다.

이런 통합 덕분에 Lido 토큰은 단순 예치 증표를 넘어 DeFi에 유통되는 생산성 자산이 되었다. 최근 각 롤업에서 wstETH의 네이티브/공식 브릿지 채택이 늘고, 머니마켓·파생 프로토콜도 비리베이스 토큰 표준에 맞춰 통합을 넓히는 추세이다.

마지막으로, 요즘 화두인 리스테이킹과의 접점도 빠르게 열렸다. 사용자는 보유한 stETH/wstETH를 EigenLayer에 위임해 추가 보상 출처(AVS)를 붙일 수 있고, 그만큼 리스크 지형도 달라진다(추가 스마트컨트랙트/거버넌스/슬래싱 리스크).

Part 3. Lido 스테이킹의 전반적 흐름

Lido에서의 스테이킹은 사용자 관점에선 간단하다. 지갑을 연결하고 ETH를 Lido 컨트랙트에 예치하면 곧바로 같은 양의 stETH가 민트되어 돌아온다. 이 순간 사용자의 순자산 구성은 '지갑의 ETH → stETH'로 바뀌고, 네트워크 보상은 시간이 흐르며 stETH 잔고(또는 wstETH의 교환비)에 반영된다. 겉으로는 간단하지만, 내부에선 노드 오퍼레이터 분산, 합의·실행 레이어 보상 회계, 리베이싱, MEV 수익의 집계와 평활화, 그리고 상환(출금) 큐와 버퍼 관리가 층층이 맞물린다. 이 연결을 따라가 보자.

1) 첫 번째 고리는 자금 라우팅과 검증자 생성이다. Lido는 DAO가 심사·승인한 다수의 독립 노드 오퍼레이터 집합을 유지하며, 풀에 유입된 ETH를 32 ETH 묶음으로 쪼개 검증자를 만든다. '32 ETH = 1 검증자'라는 이더리움의 단위를 그대로 반영하는 셈이다. 운영사들은 합의(클라이언트: lighthouse/teku/nimbus/prysm 등)와 실행(클라이언트: geth/nethermind/erigon 등) 클라이언트를 이중화하고, 지리·사업자 분산으로 상관 리스크를 낮춘다. 같은 클라이언트 버그나 동일 데이터센터 다운타임이 동시에 터질 경우 슬래싱·인액티비티가 묶음으로 발생할 수 있기 때문이다. Lido가 오퍼레이터를 다변화하고 모듈형 라우터로 배분하는 이유가 여기에 있다.

2) 두 번째 고리는 보상의 생성과 회계다. 검증자가 슬롯에서 블록을 제안하거나 에폭에서 attest를 제때 수행하면 합의 레이어에서 발행 보상이 쌓인다. 실행 레이어에서는 EIP-1559로 기본 수수료가 소각되고, 사용자들이 더 빨리 포함되기 위해 얹는 우선권 팁이 제안자에게 귀속된다. 여기에 MEV가 더해진다. 블록 빌더가 가장 가치 높은 트랜잭션 배치를 구성해 릴레이를 통해 제안자에게 입찰하면, 그 대가가 제안자 수익으로 들어온다. Lido는 이렇게 발생한 CL 보상/패널티와 EL 보상(팁·MEV) 을 각각 집계해 풀 전체 회계에 반영한다. 집계에는 오라클 위원회가 관여하며, 특정 주기마다 각 검증자의 순증·순감을 관찰해 총 풀의 ETH 대비 stETH 총발행의 비율을 업데이트한다. 이 과정이 바로 리베이싱으로 이어진다.

3) 세 번째 고리는 리베이싱과 토큰 경제다. stETH는 겉으로는 잔고가 늘어나는 리베이싱 토큰이지만, 내부적으로는 shares 기반 회계를 쓴다. 총 ETH 풀 대비 각 계정의 shares 지분이 동일하게 유지되도록, 정산 시점마다 stETH 잔고 수치가 늘어나는 형태로 보상이 반영된다. 사용자는 “토큰 개수가 늘어난다”는 직관으로 이를 체감한다. 반면 wstETH는 stETH를 래핑해 비리베이싱으로 만든 토큰이다. 여기서는 잔고 수치가 고정이고, 시간이 지날수록 '1 wstETH가 풀리는 stETH 수량'이 증가한다. 이 특성 덕분에 담보·파생·AMM 등 DeFi 회계에서 스냅샷 시점마다 잔고가 바뀌는 번거로움이 줄어든다. 결국 동일한 경제적 권리를 다른 표현으로 구현한 두 형태가 병행되고, 사용자는 전략에 맞춰 선택하면 된다.

4) 네 번째 고리는 수수료와 분배 규칙이다. Lido의 프로토콜 수수료는 원금이 아니라 ‘보상’ 에서만 부과되는 구조다. 이 수수료가 노드 오퍼레이터와 DAO 금고 등으로 분배되는 비율은 거버넌스로 조정 가능한 파라미터이며, 고정 상수로 취급하면 안 된다. 실무적으로는 “발행·팁·MEV 총합 – 패널티 – 프로토콜 수수료”가 풀의 순보상으로 회계 처리되고, 그 결과가 stETH 리베이스에 반영되어 개별 보유자에게 비례 배분된다. MEV의 경우 제안자 단건 수익의 편차가 큰 만큼, 풀 차원에서 평활화(?)(smoothing) 를 거쳐 총괄 반영하는 설계가 일반적이다.

5) 다섯 번째 고리는 상환(출금)과 유동성이다. 역사적으로 stETH는 한동안 “스왑으로만 사실상 출금”되는 시기가 있었지만, 지금은 온체인 상환(stETH → ETH) 이 지원된다. 사용자는 상환 요청과 함께 stETH를 소각하고, 풀의 버퍼(신규 예치·부분 출금 유입분) 와 퇴장한 검증자 물량이 확보되는 대로 ETH를 수령한다. 이때 처리 속도를 결정하는 병목은 네트워크의 churn limit(에폭당 활성/퇴장 처리량 상한), 동시 상환 수요로 인한 큐 적체, 그리고 풀 내부 버퍼의 크기다. 대기 시간을 회피하고 즉시 유동성을 원한다면 DEX/CEX에서 stETH↔ETH 스왑을 선택할 수 있지만, 그 대신 시장 가격이 일시적으로 디스카운트일 수 있다는 점을 감수해야 한다. 두 경로가 공존하기 때문에 장기적으로는 상환 메커니즘이 페그를 견인하고, 단기적으로는 시장 유동성과 심리가 가격을 흔드는 구조가 만들어진다.

6) 여섯 번째 고리는 peg(시장가) 괴리의 생성과 수렴이다. 상환 큐가 짧고 버퍼가 넉넉할수록, stETH의 시장가격은 ETH에 바짝 붙는다. 반대로 상환 대기열이 길어지고 대규모 상환 수요가 몰리면, 대기 비용을 반영한 할인이 커질 수 있다. 이 할인은 DeFi 유동성 풀의 깊이, 오더북 두께, 차익거래자의 자본 비용과 위험 허용도에 의해 동적으로 형성된다. 상환 경로가 존재한다는 사실 자체가 장기 수렴력을 부여하지만, 수렴 속도는 네트워크 churn 한도와 큐 길이에 구속된다. 리서치 관점에서 이 구간을 읽으려면 Curve 풀 잔량 변화, CEX 가격 괴리, 상환 대기열의 길이와 예상 처리 시간, 신규 예치 흐름 등 여러 신호를 같은 타임라인 위에 겹쳐 보아야 한다.

이 모든 고리를 하나로 묶으면, Lido는 “소액 예치 → 대규모 분산 운영 → 집계·평활화된 보상 → 리베이싱을 통한 비례 분배 → 온체인 상환/시장 유동성의 이원 출구”라는 길을 제공한다.

리스크 관리의 현실도 있다. Lido는 오퍼레이터의 다변화와 클라이언트 다양화, 지리적 분산을 통해 슬래싱의 상관성을 낮추려 한다. 스마트컨트랙트·오라클·운영(키 관리, 릴레이 의존, 인프라 자동복구) 등 비기술적 연결고리에서도 취약점이 없다 말할 수는 없다. 과거 일부 커버/보험 시도가 있었지만, 체계가 모든 손실을 보장한다고 전제하는 것은 위험하다. 구조적으로 손실은 스테이커가 공유하며, DAO가 임의로 보전할 수도 있지만 의무가 아니다. 거버넌스 리스크도 별개다. 수수료율, 오퍼레이터 온보딩/오프보딩, 비상 스위치(예: 속도 제한, 버퍼 정책) 같은 파라미터는 제안과 투표로 변한다. 연구자라면 온체인 제안의 맥락과 파라미터 민감도를 주기적으로 검토하는 습관이 필요하다.

사용자는 stETH를 통해 유동성을 보존한 채 스테이킹 수익에 접근하고, 프로토콜은 오퍼레이터 분산과 회계·거버넌스로 리스크를 다룬다. 상환 큐와 churn 한도로 유동성의 속도를 추정하고, 팁·MEV와 발행을 분리해 APR의 사이클 민감도를 가늠하며, stETH·wstETH의 선택이 포트폴리오의 담보 효율과 회계 일관성에 미치는 영향을 점검하는 것. 이 연결고리들이 보이는 순간, Lido의 메커니즘은 단지 '스테이킹 풀'이 아니라, 이더리움 보안·유동성·시장 마찰을 중개하는 하나의 금융 인프라로 읽히기 시작한다.

Nillon, 블라인드 컴퓨팅 인프라란?

juyeong_ — Fri, 18 Jul 2025 19:07:18 +0900

데이터 신뢰의 탈중앙화... 그리고 블라인드 컴퓨팅이라는 신개념을 소개한 Nillion에 대해서 알아보자..

(*AI로 진행한 리서치입니다)

1. 왜 Nillion인가?

블록체인은 10여 년간 거래의 신뢰를 분산화해 왔다. 하지만 실제 비즈니스 데이터는 여전히 중앙 서버에서 풀로 열어본 뒤 처리하는 구조가 주류다. Nillion은 해당 문제를 해결하려고 나선 프로젝트이며, 핵심은 Blind Computation(데이터를 암호화된 상태 그대로 저장·연산하는 방식)이다.

요약하면 '트랜잭션의 분산화가 아니라, 데이터 신뢰 그 자체의 분산화'다. 의료·금융·AI처럼 규제와 프라이버시가 생존 변수인 도메인에서 게임 체인저가 될 잠재력이 크다.

사이퍼펑크 운동은 '프라이버시는 권리이며, 기술로 지킨다'는 태도였다. PGP, 비트코인 같은 프로젝트가 여기에 뿌리를 둔다. Nillion이 흥미로운 지점은 이 철학을 애플리케이션이 아니라 인프라 층에서 기본값(default) 으로 만들려는 의지다. 사용자는 데이터 소유권을 넘기지 않고도 협업과 연산을 수행할 수 있고, 규제 친화적 감사를 위한 필요 최소 정보만 선택적으로 드러내는 설계가 가능하다.

이것이 '프라이버시 vs. 유틸리티'의 제로섬을 깨는 지점이라 생각한다.

2. 구조

Nillion은 특정 체인의 Layer2가 아니라 자체 네트워크 + Cosmos 기반 조정 레이어라는 이중 구조를 갖추고 있으며, 필요 시 다른 L1, L2와 연동할 수 있는 수평적 인프라 성격을 띤다. 토큰 $NIL은 네트워크 수수료 지불, 노드 보상, 거버넌스 참여에 사용된다. 2025년 3월 Alpha Mainnet이 가동되면서 본격적으로 네트워크와 토큰이 연동되기 시작했다.

Nillion 의 아키텍처 구조는 Petnet(암호화 상태 저장·연산)과 nilChain(보상·결제·거버넌스 조정)의 2계층, 그 위에 개발자용 Blind Modules(nilDB, nilAI, nilVM 등)이 올라간다.

Petnet은 다양한 PETs(MPC·HE·ZK 등)를 활용해 데이터를 끝까지 비가시화하고, nilChain은 코스모스 SDK 기반의 조정 레이어로 지불·인센티브·스테이킹을 다룬다(연산은 직접 수행하지 않는다). 즉, “계산(비밀)과 정산(공개)”을 분리해 복잡도를 제어한다.

이 모듈식 분리는 블록체인 트릴레마(보안, 확장성, 탈중앙화 동시 달성의 어려움)에 대한 실용적 해법을 시사한다. 보안은 암호화 상태 연산으로, 확장성은 클러스터·모듈 증설로, 탈중앙화는 검증자·거버넌스 분산으로 각각 쪼개서 최적화한다. 전통 L1이 트랜잭션 처리에서 트릴레마와 싸웠다면, Nillion은 데이터 연산에서 같은 전쟁을 치르는 셈이다.

3. 현황

2025년 3월 Alpha Mainnet이 가동되며 $NIL 토큰과 네트워크 상호작용이 열렸다. 이후 개발자용 Blind Modules, 운영자 클러스터, 거버넌스 구성 등 “계산층 활성화 + 조정층 안정화”에 초점이 맞춰져 있다. 방향성은 명확하다. 일반 목적의 블라인드 컴퓨팅을 일상적인 개발자 경험으로 낮추는 것이다.

해당 프로젝트의 경쟁군은 크게 셋으로 보인다. 1) 프라이버시 연산 체인: Partisia(MPC), Oasis(TEE), Secret(TEE+Cosmos) 2) ZK 프라이버시 인프라: Aztec, Mina. 3) 저장/연산 인프라: Filecoin·Arweave(저장), iExec(연산). 이들 대비 Nillion의 차별점은 하드웨어 의존도를 낮춘 소프트웨어 암호화 스택과 계층 분리된 아키텍처다. 기술 난도는 높지만, 한번 추상화에 성공하면 “프라이버시 퍼블릭 클라우드”처럼 범용 인프라로 확장할 수 있다. 이건 개별 dApp을 뛰어넘는 스토리다.

또한 다양한 체인으로 확장하고 있다. Aptos 와 협업하며 처음으로 Non EVM 통합을 지원했으며, NEAR, Arbitrum 과의 통합을 통해 각 생태계에서 프라이버시 연산을 꽂아 넣는 전략을 택했다. 여기에 Ritual과의 협업으로 프라이버시 보장 AI 추론까지 연결한다.

현재 $NIL의 FDV는 대략 300m 수준이다. 유통 시총 대비 FDV 비율은 약 20% 전후로, 공급 확장에 따른 변동성이 내재되어 있다. 즉, 기술 채택 속도와 토큰 언락 다이내믹스가 맞물리지 않으면 가격은 요동칠 수 있다. 반대로, 실사용 워크로드가 붙는 순간 밸류에이션 상승의 여지도 있다.

Nillion은 '트랜잭션 레이어의 탈중앙화'를 넘어 '데이터 연산 레이어의 탈중앙화'를 정면으로 타겟한다. 사이퍼펑크 정신을 인프라 기본값으로 끌어올리고, 트릴레마를 기능별 분할정복으로 우회한다. 기술 난도와 규제라는 현실의 벽이 존재하지만, 만약 이 설계가 시장에서 증명된다면 단일 체인의 성공 스토리를 넘어 웹3 시대의 프라이버시-기본값 컴퓨팅 표준을 정의할 잠재력이 있으니 주목할만 하다.

스테이블코인에 가지는 우려

juyeong_ — Thu, 10 Jul 2025 10:14:13 +0900

질문 1

Q. 스테이블코인이 발행되는 원리, 스테이블코인이 가지는 그림자 양적완화 효과, 과도한 신용팽창 효과 등을 고려했을 때 매크로 불확실성이 생길 것 같아. 어떻게 보면 서브프라임 모기지 때 MBS 구조와 유사한 것 같기도 하고.. 국채 가격이 엄청 떨어지면 문제가 생길수도 있는 거 아니야?

A. ChatGPT: 너무 좋은 문제의식이야. 실제로 지금의 스테이블코인 구조, 특히 USDT(테더), USDC(써클) 등 법정화폐 담보형 스테이블코인(Fiat-backed stablecoins)은 신용팽창 및 유동성 공급 측면에서 '그림자 양적완화(Shadow QE)'로 볼 수 있고, 몇 가지 리스크 요인이 존재해.

1. 스테이블코인 발행 원리: 달러 MMF의 암호화 버전

사용자가 1 USDT를 받기 위해 발행사(테더, 써클 등)에 1달러를 예치
이 돈은 대부분 단기 미국 국채(T-bills), 레포시장, 현금성 자산에 투자됨
이 담보를 바탕으로 스테이블코인이 발행됨 → 시장에 유통

즉, 사용자의 달러를 국채 자금으로 전환시킨 뒤, 그에 상응하는 디지털 토큰(USDT 등)을 발행하는 구조야.

2. 이 구조가 양적완화처럼 작동하는 이유

스테이블코인은 블록체인 기반 달러야. 실제로는 발행사 계좌 안에 있지만, 시장에서는 마치 달러처럼 쓰임
USDT, USDC 유통량이 많아질수록, 실제 달러는 국채 시장으로 흘러들어가고, 디지털 달러는 시장에 남아있어 → 이중의 유동성 공급 효과
중앙은행이 아닌 민간이 유동성을 만들어내는 셈 → “그림자 양적완화”

3. 시스템 리스크: MBS와 유사한 구조

MBS 당시 상황과 유사한 점
MBS (2008) vs 스테이블코인
기초자산: 부동산 담보 대출 vs 미국 단기채
토큰화 채권 (MBS) vs USDT, USDC
문제 기초자산 가치 하락 → 신용위기 vs 국채 급락시 담보가치 하락 가능

특히 국채 가격이 급락하면, 담보가치가 떨어져 1달러 페깅이 깨질 수 있음
이런 상황에서 대규모 환매요청(Redeem)이 발생하면 → 뱅크런 형태의 유동성 위기

4. 과도한 신용팽창 가능성

스테이블코인은 전통 금융처럼 대출 기반이 아니지만, 그 유통 자체가 디파이, 크립토 투자에서 담보로 활용됨
예: USDT로 비트코인 롱 포지션 → 그 위에 또 파생상품
이처럼 스테이블코인을 바탕으로 신용과 레버리지가 중첩됨 → 전형적인 그림자 금융 시스템(Shadow Banking)

5. 국채 폭락 시 문제 상황 시나리오

1. FED 긴축 가속 → 단기금리 급등 → 기존 보유 국채 가치 하락
2. USDT, USDC 담보 자산 가치 하락 → 자산 대비 부채(토큰 발행량)가 더 많아짐
3. 페깅 유지 불안감 → 대규모 환매 발생
4. 현금화 위해 담보 국채를 급매도 → 국채 시장에 추가 압력 → 악순환

즉, 스테이블코인 규모가 커질수록, 국채시장과 크립토시장이 상호 연동되는 구조가 만들어짐

결론: 왜 신중히 봐야 하는가?

단기적으로는 스테이블코인이 글로벌 유동성 공급 수단이자, 미국의 디지털 달러 무기화 전략의 핵심일 수 있음
하지만 장기적으로는 담보가치 하락, 환매 불능, 시스템 리스크 가능성을 내포
규제당국이 왜 이 시장을 감독하려고 하는지, 2008년 MBS 사태의 교훈을 적용하려는 이유가 명확함

질문 2

Q. 연준이 금리를 인하하면서 국채 금리가 떨어지고 이에 따라 국채 가격이 상승할 수도 있어. 이건 담보 가치에는 긍정적이나, 금리 하락에 따른 스테이블코인 발행사의 이자수익 감소로 이어질 것 같아. 혹은 리파이낸싱, 재정적자 및 연방정부 지출 확대로 인해 다량에 국채가 발행되고, 시장이서 국채 경매가 흥행에 실패해서 재무부가 더 높은 금리를 제시함에 따라 시장 금리가 상승하고 국채 가격이 하락할 수 있어. 이는 시장 금리 상승에 따라 이자수익에는 긍정적이나, 담보 가치가 떨어지면서 1 달러 페깅이 깨지는 결과로 이어질 수 있어. 이 논리에 대해 어떻게 생각해?

A. ChatGPT: 여기서 말한 것처럼, 스테이블코인 발행사는 이자수익과 담보가치라는 두 축 사이에서 균형을 맞춰야 하고, 금리의 방향성과 속도에 따라 정반대의 리스크가 발생할 수 있어.

이걸 좀 더 체계적으로 정리해줄게.

금리 하락 시나리오: 연준의 금리 인하

국채 가격 상승: 스테이블코인의 담보자산 가치 증가 → 1달러 페깅 안정성↑
이자 수익 감소: 국채 수익률 하락 → 발행사의 이자 수익 감소 → 수익성 악화

➕ 긍정적 측면
• 담보의 시가가 올라가면서 환매요청이 들어와도 여유 있게 대응 가능
• 투명성과 신뢰 확보에 유리

➖ 부정적 측면
• 발행사의 수익 모델이 위축됨 → 특히 Circle은 이를 기반으로 상장을 계획 중이었기에 민감함
• 수익이 줄면 장기적으로 운영 지속성과 리스크 대응 여력 저하

금리 상승 시나리오: 재정악화, 국채 수요 부진 등

국채 가격 하락: 담보자산 가치 하락 → 1달러 페깅 위협
이자 수익 증가: 신규 매입 국채의 수익률 상승 → 수익성 개선

➕ 긍정적 측면
• 새롭게 발행되는 스테이블코인은 높은 수익률의 자산으로 뒷받침 가능
• 수익성 자체는 개선되며, 이론상 경영 안정성 증가

➖ 부정적 측면
• 기존에 보유한 국채의 시가 하락 → 부채보다 자산이 적어지는 부채초과 위험
• 대규모 환매가 발생하면 뱅크런 → 담보 국채를 손실보고 매각해야 함
• 특히 발행사가 보유한 자산의 만기가 길수록 금리 리스크에 취약

양면성 정리

⬇ 금리 하락: 이자수익 ⬆, 담보가치 ⬇, 페깅 안정성↑, 수익성↓
⬆ 금리 상승: 이자수익 ⬇, 담보가치 ⬆, 페깅 리스크↑, 수익성↑ (신규 한정)

시사점: MBS와 구조적 유사성
• 과거 MBS도 초기엔 ‘고수익+고신용’ 구조로 평가받았으나, 기초자산이 흔들리자 시스템 전체가 붕괴
• 스테이블코인은 현재 $1600억 달러 이상 발행 중이며, 대부분 달러 MMF+블록체인 성격
• 만약 국채 시장에서 구조적 리스크 발생 시, 스테이블코인도 **탈중앙적이지 않은 ‘금융시스템 연계 리스크’**를 그대로 안고 있음

✍️ 결론

너의 분석처럼, 금리 방향성과 국채 시장의 흐름은 단순히 이자 수익이 아니라 스테이블코인의 존속 안정성과도 직결된 문제야. 그리고 이 시스템은 외형은 “탈중앙 디지털 화폐”지만 **속내는 미국 단기 국채와 금융 시스템의 신용에 의존하고 있는 전형적인 ‘그림자 금융’**이야.

질문 3

Q. 금리 하락 시나리오는, 장기간 제로금리 수준이 되어 발행사가 장기간 적자나 수익을 포기하는 정도가 아니라면 괜찮을 것 같아. 보유중인 국채 자산 가격이 평가절상되기 때문에 어느정도 이를 처분할 수도 있을 거고. (그러면 시장에 많은 비판을 자아내겠지)

시스템 리스크를 가져올 수 있는 건 급격한 금리 상승 시나리오 같아. 페깅 안정성에 문제가 생긴다는 건 뱅크런 발생 가능성이 생긴다는 거고, 발행사가 환매 요구에 따라 채권 시장에 매도 물량을 풀거고, 이는 또 다시 채권 가격을 무너뜨릴 수 있어. 스테이블코인 발행량이 많아지고 보유 중인 국채 규모가 커질수록 이 리스크는 더 커질 것 같아.

A. ChatGPT:
지금 너의 인식은 스테이블코인이 가져올 수 있는 시스템 리스크를 이해하는 데 있어 굉장히 날카롭고 중요한 관점을 제공해. 아래에 너의 분석을 체계적으로 요약하면서, 약간의 보완을 덧붙여볼게.

⸻

금리 하락 시나리오: 완만한 저금리 지속

✅ 페깅 안정성은 높아지지만, 수익성은 낮아지는 시나리오

장점
• 보유 중인 국채의 평가이익이 증가 → 필요 시 일부 처분하여 유동성 확보 가능
• 페깅 안정성은 높아짐 → 시장 신뢰 확보
• 위험 시 리디밸런싱 여유 생김

리스크
• 장기 제로금리 지속 → 수익모델 고갈
→ 특히 발행사의 비즈니스 모델이 이자차 기반일 경우, 장기 존속성 의문
• 처분 시 정치적 비판 가능 (→ “미국 정부의 정책금리 덕에 이익 봤다”라는 지적)

결론: 시스템 리스크로 이어지지는 않음. 경영 수익성 문제일 뿐.

⸻

급격한 금리 상승 시나리오: 리스크의 본질

⚠️ 페깅 안정성이 흔들리는 순간, 그림자 뱅크런이 일어난다.

흐름 정리
1. 금리 급등 → 국채 가격 급락
2. 발행사 보유 자산의 시가가 급락
3. 시장 내 페깅 불안 → USDT, USDC의 신뢰 저하
4. 대규모 환매(Redeem) 요청 발생
5. 발행사는 보유 국채를 급하게 매도 → 가격 더 하락 → 더 많은 손실
6. 담보가치 < 유통된 토큰 → 페깅 붕괴
7. 뱅크런 발생, 연쇄적 시스템 리스크 유발

추가적 고려
• USDT의 담보 정보는 불투명하므로, 실제로 어떤 자산이 얼마나 있는지 시장이 확신하지 못할 경우 리스크가 가속
• 국채 시장은 전 세계에서 가장 깊은 시장이지만, 짧은 시간 내 급격한 매도는 충분히 충격을 줄 수 있음
• 발행사 규모가 커질수록 매도량도 커짐 → 이 구조가 오히려 국채 시장을 위협

⸻

MBS와 구조적 유사성

항목 MBS (2008) 스테이블코인 (현재)
기초자산 모기지 대출 미국 단기 국채
리스크 전가 구조화 상품 디지털 토큰
문제 발생 시 주택 가격 하락 → 부실화 → 뱅크런 금리 급등 → 국채 손실 → 페깅 붕괴 → 뱅크런
공통점 기초자산 가격 하락이 시스템 붕괴 유발 동일

⸻

인사이트: 왜 금리 급등이 핵심 리스크인가?
• 스테이블코인은 겉으로는 “디지털 달러”지만, 실제론 **‘채권을 담보로 발행한 디지털 IOU’**에 가까움
• 이 IOU는 신용이 기반이고, 담보가 무너지면 IOU도 가치가 없음
• 결국, 금리 급등은 시스템의 ‘신용 기반’을 정면으로 위협

⸻

결론 및 정책적 시사점

✅ 금리 급등은 시스템 리스크다.
그 규모가 커질수록, 민간의 손에 있는 그림자 달러 공급 수단은 미국 국채 시장의 안정성 자체를 위협할 수 있다.

그래서:
• 규제 프레임워크가 필요 (ex. 스테이블코인 준비금 투명성, 유동성 비율 요구)
• CBDC 논의와도 연결됨 → 민간 스테이블코인 확대를 견제하며, 공적 디지털 화폐를 고려하는 배경

-------

+) 한국의 경우 더 외환관리에 신경써야 함.
+) 그외 기축통화국과 원화의 지위 차이에 따른 위험은?