AI算力金融化：开源模型正在把算力推向资本市场（下）

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

4. 컴퓨팅 파워 시장의 금융 인프라: 가격, 리스크 및 인도

컴퓨팅 파워 금융 시장의 여러 계층 인프라가 구축되기 시작했습니다. 지수는 분산된 GPU 임대료를 통일된 벤치마크로 압축하고, 거래소는 벤치마크를 중심으로 표준화된 리스크를 조직하며, Dealer는 특정 데이터센터, 기간 및 SLA에서 발생하는 베이시스를 인수하고, 용량 플랫폼은 금융 포지션을 물리적 컴퓨팅 파워에 다시 연결합니다. 이러한 계층 중 누가 먼저 충분한 실제 주문과 계약 레퍼런스를 축적하느냐에 따라 초기 시장의 가격 결정권이 결정됩니다.

4.1 컴퓨팅 파워 지수: 누가 기본 참조 가격이 될 수 있을까

동일한 모델의 GPU 거래 가격도 클러스터 규모, 상호 연결 방식, 지역, 임대 기간, 선불 비율, SLA 및 공급업체 신용도에 따라 차이가 납니다. 지수 제공자의 난제는 이러한 차이를 시장이 계약 결제, 대출 평가 및 파생상품 인도에 사용할 수 있을 만큼 처리할 수 있느냐입니다.

현재 대략 세 가지 접근 방식이 보입니다. Silicon Data, Ornn은 독립적인 벤치마크 제공자에 가까우며, 주로 시장 호가와 계약 데이터를 수집하여 표준화 처리 후 기준을 형성합니다. Compute Desk는 컴퓨팅 파워 중개 및 결제를 겸하기 때문에 이미 체결된 현물 및 선물 계약(가격, 기간 및 실제 결제 조건 포함)을 직접 확인할 수 있습니다. SemiAnalysis는 전력, 칩 구매, 감가상각 및 데이터센터 비용을 기반으로 TCO 모델링을 수행하며, 자산 평가 및 리서치에 더 적합하고 금융 결제 벤치마크와는 거리가 있습니다.

4.2 거래소 상장/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 기관의 도입 비용이 크게 낮아집니다. 따라서 전통 거래소와 신흥 규제 준수 플랫폼 모두 컴퓨팅 파워 상품을 동시에 테스트하기 시작했습니다. CME, ICE는 성숙한 선물 인프라를 이어가고, Architect AX/AIX, Pluto/PMEX는 무기한 계약과 고정 만기 선물에서 다양한 경로를 시도합니다.

컴퓨팅 파워 선물의 콜드 스타트는 단순히 계약을 상장하는 것보다 훨씬 복잡합니다. 컴퓨팅 파워 계약은 쉽게 파편화됩니다. 서로 다른 GPU 모델, 지역 및 클러스터 구성은 서로 다른 인도 가치에 해당하므로, 유동성이 자연스럽게 단일 계약으로 집중되기 어렵습니다. 원거리 가격은 칩 인도, 전력 및 모델 효율성에 크게 의존하므로, 일반 금융 마켓 메이커는 물리적 주문 정보가 없어 6개월 또는 1년 만기에서 지속적으로 깊이 있는 호가를 제공하기 어렵습니다.

산업계 헤징 수요도 단기적으로 충분히 크지 않을 수 있습니다. 하이퍼스케일러는 내부적으로 많은 리스크를 흡수할 수 있고, 상위 Neocloud는 이미 장기 계약으로 상당 부분의 현금 흐름을 확보했습니다. 초기 거래소 시장은 먼저 거래 및 투기적 유동성을 축적할 가능성이 높으며, 산업계 헤징이 따라붙을 수 있을지는 중소형 운영업체와 수요 기반 컴퓨팅 파워를 구매하는 AI 팀이 지속적이고 반복적인 거래를 시작하는지에 달려 있습니다.

4.3 장외거래(OTC), 마켓 메이커: OTC 맞춤화 및 베이시스 관리

거래소 내 깊이가 형성되기 전에는 더 많은 리스크가 먼저 OTC를 통해 전이될 가능성이 높습니다. 물리적 컴퓨팅 파워의 지역, 네트워크, 클러스터 규모, SLA 및 인도 시간은 모두 구체적이어서 통일된 거래소 계약에 직접 포함시키기 어렵습니다.

따라서 Dealer는 매우 가치 있는 위치에 있습니다. 한편으로는 Neocloud가 임대료를 선제적으로 고정하기를 원하고, 다른 한편으로는 AI Lab이 조달 비용을 고정하기를 원하며, Dealer는 양측에 각각 맞춤형 호가를 제공하고 표준 선물 또는 기타 포지션으로 전체 가격 리스크를 관리할 수 있습니다. 매수·매도 수요가 시간과 사양에서 맞지 않을 때 Dealer는 먼저 자신의 대차대조표로 주문을 수용해야 합니다.

이러한 비즈니스는 단순히 bid-ask 스프레드만 버는 것이 아닙니다. 데이터센터, 전기료, 네트워크 조건, 인도 제약 및 고객 신용도 모두 베이시스를 형성하며, 이러한 비표준 차이에 대해 지속적으로 가격을 매기고 자본으로 리스크를 인수하는 능력이 Dealer의 더욱 복제하기 어려운 역량입니다. FalconX와 Robert Leshner의 H100 스왑, Wintermute가 출시한 H100 선물은 마켓 메이커가 컴퓨팅 파워 선물 호가 및 리스크 전이를 시험하는 초기 시도로 볼 수 있습니다. 금융 중개인이 물리적 컴퓨팅 파워에 맞춤형 기간 호가를 제공하기 시작했고, 표준화할 수 없는 부분은 자신의 장부에 보유하기 시작했습니다.

따라서 실제 주문 흐름이 중요합니다. 지수는 시장 평균 가격을 알려주지만, Dealer가 보유한 문의 및 체결 데이터는 특정 지역, 구성 및 기간에서 실제로 지불해야 하는 프리미엄에 더 가깝습니다. 이 정보는 베이시스가 어떻게 가격이 매겨지고 이익이 어디에 남는지를 직접 결정합니다.

4.4 용량 플랫폼과 물리적 인도: 종이 포지션의 실물 인도 이행

AI Lab에게 금융 포지션은 가격을 고정할 뿐, 그 시점에 요구 사항을 충족하는 GPU 세트를 사용할 수 있다는 것을 보장하지 않습니다. 컴퓨팅 파워가 부족할 때 이 차이는 특히 중요합니다. 물리적 이행 능력이 없으면 선물 가격과 실제 데이터센터 임대료는 쉽게 따로 움직일 수 있습니다.

현재 다양한 수준의 시도가 나타나고 있습니다. Vast.ai, RunPod, Hyperbolic과 같은 현물 플랫폼은 더 풍부한 물리적 호가 및 가용 용량 데이터를 제공하고, SF Compute는 예약된 용량의 재판매 또는 환매를 허용하여 장기 용량 계약에 일정 수준의 유동성을 부여하며, EFP 네트워크는 표준 선물과 특정 물리적 계약을 연결하여 선물로 시장 가격을 처리하고, 지역, 네트워크 및 SLA는 오프라인 계약으로 처리하려고 시도합니다.

SF Compute와 같은 모델은 특히 주목할 만합니다. 전통적인 Take-or-Pay 계약에서 사용되지 않은 용량은 일반적으로 매몰 비용에 가깝습니다. 재판매가 허용되면, 미래 용량은 거래 가능한 권리 속성을 갖기 시작합니다. 이는 장기 계약의 유동성을 증가시키고 물리적 시장 자체에 더 명확한 선물 가격이 나타나게 합니다.

EFP는 또 다른 문제를 해결합니다. AI Lab은 먼저 표준 선물로 시장 베타를 고정하고, 실제 배포 시점에 이행 네트워크를 통해 특정 데이터센터를 찾아 지역, 네트워크 및 SLA에 해당하는 베이시스를 지불할 수 있습니다. 이를 통해 금융 시장은 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 토큰으로 전환된 후, 금융 수요는 하드웨어 임대에서 추론 비즈니스의 운전 자본 및 계약 권리로 확장되기 시작합니다. 추론 서비스 제공자가 완전한 총마진을 고정하려면 이론적으로 GPU 입력 비용과 토큰 출력 가격을 동시에 관리해야 합니다.

추론 서비스 제공자의 이익은 대략 다음과 같습니다: 토큰 실현 가격 × GPU 시간당 토큰 생산량 × GPU 가동률 − GPU 비용 − 기타 운영 비용

4.5.1 추론 경제 자산이 필요한 수요 포인트는 무엇인가?

GPU와 용량은 사전에 조달해야 하지만, API 수익은 고객 요청에 따라 이후에 점진적으로 발생합니다. 수요를 과대 예측하면 유휴 머신이 남고 현금도 묶이게 됩니다. 대규모 모델 회사와 하이퍼스케일러는 자체 대차대조표로 이러한 변동을 흡수할 수 있지만, 중소형 추론 플랫폼은 고객 선불 또는 외부 자금 조달에 의존하기 쉽습니다.

생산 능력이 수요보다 먼저 실현되는 시간 차이는 네 가지 유형의 자산을 창출합니다: GPU 신용은 초기 투자 자금을 조달하고, 선불 서비스 권리는 미래 수익을 선제적으로 회수하며, 용량 인센티브는 수요 형성 전에 공급을 보조하고, 모델 배포 자산은 운영 비용을 차감한 잔여 이익을 배분하려고 시도합니다.

전통 클라우드 시장은 오래전부터 선불 크레딧과 예약 용량을 사용하여 유사한 수급 불일치 문제를 처리해 왔습니다. 예를 들어 OpenAI의 Scale Tier는 기업이 특정 모델의 입력 및 출력 토큰 처리량 단위를 사전에 구매할 수 있게 합니다. 이는 이미 표준화된 선불 추론 서비스이지만, 크레딧이 기업 계정에 묶여 있어 자유롭게 양도할 수 없습니다.

Crypto는 체인에 새로운 재산권 설계 계층을 추가했습니다. 공급업체 계정에 기록되던 서비스 크레딧을 이제 지갑이 보유할 수 있고, 더 나아가 양도 및 자금 조달도 가능합니다. 미래에 Agent가 스스로 추론 서비스를 조달하기 시작하면 이러한 권리는 직접 기계의 예산 시스템에 들어갈 수 있습니다. 프로그래밍 방식 결제가 미래에 업계의 보편적인 인프라 역량이 되면, 체인에서 더 차별화된 위치는 권리 계층에 있습니다. 미래 서비스가 독립적으로 보유될 수 있는지, 양도될 수 있는지, 자금 조달에 사용될 수 있는지는 그것이 일반 크레딧에서 금융 자산으로 발전할 수 있는지에 직접적인 영향을 미칩니다.

현재 체인 상 추론의 실행 계층 점유율은 여전히 매우 작습니다. crypto 네이티브 추론 서비스 제공자의 지난 3개월 OpenRouter 일일 토큰 트래픽 점유율은 약 0.5%~1%에 불과합니다. 이는 체인에서 현 단계의 더 현실적인 기회는 금융 계층에 있을 수 있음을 의미합니다. 추론 서비스는 계속해서 가장 효율적인 플랫폼에서 생산되고, 체인은 자금 및 권리 흐름을 담당합니다.

4.5.2 네 가지 유형의 추론 자산화 시도

현재 Inference Capital Markets는 네 가지 유형의 지분 자산화 방향으로 나뉩니다.

GPU 신용

GPU 신용이 가장 먼저 규모를 형성한 이유는, 한편으로는 이미 외부 지불처가 있고 다른 한편으로는 금융 상품 구조가 전통적인 신용 자산과 매우 유사하여 기관 자본이 비교적 쉽게 이해할 수 있기 때문입니다.

일반적인 GPU 대출은 여전히 전통적인 자산 금융 구조를 따릅니다. GPU는 Delaware SPV가 소유하고, 대출 기관은 Loan and Security Agreement, UCC-1 및 데이터센터 lien waiver를 통해 담보권을 설정합니다. 체인에는 대출 지분, 상환 및 수익 분배가 기록되지만, 채무 불이행 시 채권 집행은 여전히 오프라인 계약, 장비 통제 및 법원 시스템으로 돌아가야 합니다.

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

다만, GPU 신용이라는 방향은 상대적으로 전통 자본에 가장 쉽게 흡수될 수 있습니다. 미래에 시니어 대출이 표준 기간, 금리, LTV 및 법적 구제 수단을 갖추게 되면, 은행, 보험 자금 및 사모 대출의 자본 비용은 체인 자금보다 훨씬 낮아질 것입니다. 대규모, 투자 등급, 구조가 명확한 대출은 결국 전통적인 신디케이트 론, ABS 또는 사모 대출 펀드로 흡수될 가능성이 높습니다.

체인이 장기적으로 유지할 수 있는 위치는 주로 TradFi의 서비스 비용이 높은 부분에 있습니다. 예를 들어 중소형 운영업체의 대출 발굴,跨境 스테이블코인 자금, 대출 지분 유통, 실시간 장비 및 가동률 모니터링, 그리고 초기 손실을 부담하는 후순위 또는 중순위 계층입니다. 미래에 더 가능성 있는 구조는 체인 프로토콜이 차용자 발굴, 자산 모니터링 및 첫 번째 자본 조직을 담당하고, 대출 실적이 안정화된 후 시니어 부분을 전통 자금에 매