📘 Bittensor 심층 분석 1 - 크립토 AI의 끝판왕

인생에는 세 번의 기회가 온다.
- 2013년 BTC: $100
- 2017년 ETH: $10
- 2026년 TAO: $200

비텐서는 비트/이더를 제외한 모든 크립토 프로젝트들 중에 내가 가장 bullish한 프로젝트다.

다음 알트 시즌의 주인공이 될 조건을 그만큼 많이 갖췄기 때문이다.

1️⃣ 비트코인에 가까운 깨끗한 공급 구조

TAO의 최대 공급량은 비트코인과 같은 2,100만 개이며, 누적 발행량을 기준으로 반감기가 진행된다. 현재 속도대로라면 비트코인처럼 약 4년에 한번씩 반감기가 도래한다. 2025년 말 첫 반감기가 지나갔고, 다음 반감기는 2029년 전후로 예상된다. 첫 반감기를 막 지난 2013년의 비트코인과 비슷한 위치에 있는 셈이다.

또한, TAO에는 팀과 VC를 위한 초기 물량 배정도 없고, 정기 언락도 없다. (이더리움 조차도 ICO를 통해 토큰을 투자자들에게 판매했고, 재단에 할당된 물량이 있었다) 2021년 비텐서의 메인넷 출시 이후 모든 TAO는 네트워크 참여에 대한 보상으로 발행되고 있다.

앞으로 들어올 전통 투자자나 기관이 봤을 때도 TAO는 비트코인이나 이더리움처럼 투자하기 심플하고 직관적이다. 게다가, 이렇게 탈중앙화된 토큰 발행/유통 구조는 증권성 리스크를 상대적으로 낮추는 요소이며, 향후 기관 투자 상품으로 편입되는 데에도 유리할 수 있다.

2️⃣ TAO 발행이 AI 서브넷끼리의 생산 경쟁을 유발

비트코인은 채굴자에게 블록 보상을 지급해 네트워크 보안을 유지한다. 그리고 비텐서는 신규 발행을 통해 서브넷이 컴퓨팅, 추론, 데이터, 모델, 에이전트 같은 디지털 상품을 생산하게끔 장려한다.

각 서브넷은 자체 알파 토큰과 유동성 풀을 갖는다. TAO 홀더가 자본을 배분하면 그 시장가격이 서브넷의 평가 신호가 되고, 이를 반영한 가격 지표에 따라 TAO 발행량이 서브넷 사이에 배분된다.

서브넷 안에서는 좋은 결과물을 만든 채굴자와 이를 정확하게 평가한 밸리데이터가 보상받는다. TAO를 단순히 나눠주는 것이 아니라, 더 유용한 AI 서비스를 생산하기 위한 경쟁 예산으로 사용하는 셈이다.

3️⃣ 한정된 서브넷에 자본과 인센티브가 집중

이더리움이나 솔라나 같은 L1 생태계에서는 사실상 무제한으로 프로젝트와 토큰을 만들 수 있다. 자본과 관심이 수천 개 토큰으로 흩어진다.

반면 비텐서는 현재 128개의 서브넷 슬롯만이 존재하며, 각 서브넷은 컴퓨팅, 추론, 데이터, 에이전트 등을 위한 제품을 개발하고 향상시키고 있다.

성과가 부진한 서브넷은 인센티브가 줄어들고 퇴출될 수도 있다. 그런 경우 새로운 서브넷이 그 자리를 대체하여 128개를 유지한다.

4️⃣ 개방형 AI와 추론 수요 증가에 대한 투자

오픈웨이트 모델의 성능은 빠르게 좋아지고 사용 비용은 낮아지고 있다. AI가 저렴해질수록 수요가 줄어드는 것이 아니라, 더 많은 서비스와 에이전트가 AI를 사용하게 된다. 그리고 그때 필요한 것은 더 빠르고 저렴한 추론, 컴퓨팅, 데이터, 스토리지와 평가 인프라다.

비텐서에 베팅하면, 어떤 AI 분야가 승자가 될지 하나만 고르지 않아도 된다. AI 경제가 커지면서 필요한 새로운 시장이 생기면, 비텐서 안에 또 하나의 서브넷으로 만들어질 수 있다.

5️⃣ 코드보다 복제하기 어려운 강력한 생태계 해자

비텐서의 코드는 포크할 수 있다. 하지만 수년간 경쟁해 온 마이너와 밸리데이터, 축적된 평판, 유동성, 서브넷 간 연결과 수억 달러 규모의 인센티브 역사는 포크할 수 없다.

재밌는 점은, 서브넷은 서로 TAO 인센티브를 놓고 싸우는 경쟁자이면서 동시에 서로의 고객과 공급자라는 것이다. 128개의 서브넷 구조는 일종의 분산형 AI 생산라인이다. 데이터 수집, 스토리지, 컴퓨팅, 모델 학습과 애플리케이션이 하나의 생산라인처럼 연결되면서 서로의 비용을 낮추고 새로운 매출을 만든다.

예를 들어, Ridges는 중앙화 클라우드(AWS, Azure 등) 대신 다른 비텐서 서브넷의 추론을 사용해 비용을 낮추고 있다.

6️⃣ 서브넷이 성공할수록 TAO의 가치가 올라가는 플라이휠

6-1) 각 서브넷의 알파 토큰은 달러나 스테이블코인과 직접 거래되는 것이 아니라, 기본적으로 TAO와 짝을 이룬 유동성 풀에서 거래된다. 예를 들어, 서브넷 Chutes의 알파 토큰에 투자하려면, 보통 다음 과정을 거친다. "TAO 매수 → TAO를 Chutes 풀에 투입(스테이킹) → Chutes 알파 토큰 확보"

따라서 새로운 사람이 특정 서브넷에 투자하려면 먼저 TAO를 확보해야 한다. 서브넷 수요가 커질수록 그 시장에 들어가기 위한 기축자산인 TAO의 필요성도 커진다는 말이다.

6-2) 서브넷의 실제 매출도 TAO 수요로 바뀔 수 있다. 예를 들어, 서브넷 Chutes가 외부 고객에게 추론 서비스를 팔아 100만 달러를 벌고, 그중 30만 달러로 자체 알파 토큰을 시장에서 매입한다고 가정한다. 이 경우, Chutes 팀은 그 돈으로 바로 알파 토큰을 살 수 있는 것이 아니라, 일반 투자자와 동일하게, 먼저 TAO를 확보한 뒤 Chutes 풀에 넣어서 알파 토큰을 매수해야 한다.

이 흐름은 다음과 같다. "서브넷의 매출 → TAO 확보 → Chutes 알파 토큰 매입 → TAO가 서브넷 풀에 묶임"

6-3) 또 한가지 짚고 넘어가야 되는건, TAO 가격이 상승하면, 서브넷에게 지급되는 인센티브 보상 규모가 커지기 때문에 서브넷 생태계도 더욱 활성화된다. 생태계 플라이휠이 작동하는 것이다.

비트코인이 디지털 화폐를 위한 인센티브 네트워크였다면, 비텐서는 AI를 위한 인센티브 네트워크를 만들고 있다.

📘 Bittensor 심층 분석 2 - TAO가 키우는 128개의 AI 기업

** 비텐서 서브넷 성과 중 일부

- Chutes: 2025년 29.7조 개의 AI 토큰 처리. 66.8만 유저 확보. 월 매출 100만 달러 돌파. 최근 1조 토큰당 역대 최고 매출인 34만 달러 기록.
- Lium: 최근 한 달간 매출과 사용량이 200% 이상 증가. GPU 공급은 2배로 늘었고, 대여 실패율은 30%에서 3%로 개선됨.
- Targon: 소비자 AI 앱 Dippy AI의 유료 추론 토큰을 하루 200억 개 이상 처리. 연환산 매출은 550만 달러 수준.
- Engy: GLM-5.2 추론을 100만 토큰당 입력 0.68달러, 출력 1.50달러에 제공. 대표적인 미국 AI 인프라 기업 Together AI보다 각각 51%, 66% 저렴.

1️⃣ TAO는 AI 제품을 직접 만들지 않는다

비텐서의 목적은 더 빠르고 저렴한 추론, 컴퓨팅, 데이터, 스토리지와 평가 인프라를 만드는 것이다.

하지만, 비텐서가 직접 하나의 AI 제품을 개발하는 것은 아니다.

그대신, 신규로 발행되는 TAO를 인센티브 예산으로 사용해, 수많은 개발자가 더 좋은 AI 상품을 생산하도록 경쟁시킨다.

각 서브넷은 하나의 독립된 AI 프로젝트이자 시장이다.

어떤 곳은 오픈소스 모델의 추론을 제공하고, 어떤 곳은 전 세계의 GPU를 모은다. 데이터를 수집하고 모델을 학습하며, AI 에이전트를 경쟁시키거나 결과물의 품질을 평가하기도 한다.

채굴자는 제품과 서비스를 생산하고, 밸리데이터는 결과물의 품질을 평가한다. 투자자가 TAO를 서브넷에 배분하면 그 시장가격이 평가 신호가 되고, 프로토콜은 이를 반영해 인센티브를 배분한다.

회사가 직원을 고용해 AI를 만드는 대신, 전 세계의 개발자와 GPU가 보상을 두고 경쟁하게 만드는 것이다.

2️⃣ 128개의 서브넷 중 진짜를 고르는 기준

현재 비텐서에는 총 128개의 서브넷 슬롯이 있다.

하지만 128개를 전부 분석할 생각은 없다. 토큰을 발행했다는 이유만으로 모두 같은 가치가 있는 것은 아니니까.

일부는 아직 제품이 없다. 일부는 외부 고객보다 TAO 인센티브에 의존한다. 사용량은 많지만 무료 제공과 보조금으로 만든 숫자일 수도 있다. 비슷한 기능을 두고 여러 서브넷이 경쟁하는 경우도 많다.

따라서 우선 제품, 사용량, 매출, 성장성과 시장평가가 확인되는 20개를 추린다.

그중에서도 실제 외부 고객에게 돈을 받고 있는지, 성장의 가치가 알파 토큰에 남는지, 다른 서브넷이 계속 사용할 만한 인프라가 되는지를 다시 확인할 예정이다.

좋은 서브넷은 외부 고객의 돈으로 신규 발행되는 자체 알파 토큰을 흡수하고, 다른 서브넷이 떠나기 어려운 인프라가 되는 곳이다.

이제 그런 서브넷을 찾을 차례다.

📘 Bittensor 심층 분석 3 - 20개의 대표 서브넷 파헤치기

128개의 서브넷을 모두 분석할 필요는 없다.

일부는 아직 제품이 없고, 일부는 외부 고객보다 TAO 인센티브에 의존한다. 시가총액이 너무 작아 유동성과 퇴출 위험이 큰 곳도 있다.

따라서 시가총액 60위권 안에서 제품과 방향이 비교적 명확한 서브넷 20개를 먼저 추렸다.

1) 탈중앙 지능·AI 시장
- Affine: 강화학습과 사후학습
- Gradients: 분산형 모델 훈련
- iota: 대규모 언어모델 분산 학습

2) 분산 GPU·AI 클라우드
- Chutes: 서버리스 AI 추론
- Lium: GPU 대여 마켓
- Targon: 기밀 AI 컴퓨팅

3) AI 데이터·지식
- Data Universe: 웹·소셜 데이터 수집
- Orion: AI 학습 데이터 생성과 선별
- Score: 기업용 컴퓨터비전

4) AI 에이전트 인프라
- Ridges: 코딩 에이전트
- TrajectoryRL: 에이전트 스킬과 강화학습
- Ditto: 에이전트 메모리와 작업 환경

5) AI 신뢰·안전·검증
- Engy: 검증 가능한 저비용 추론
- DSperse: 암호학적으로 검증되는 AI 연산
- BitMind: 딥페이크와 AI 생성물 탐지

6) AI 스토리지·네트워크 인프라
- Hippius: 분산형 클라우드와 스토리지
- Blockmachine: RPC와 아카이브 노드

7) AI 소비자 애플리케이션
- Bitcast: AI 기반 크리에이터 광고 시장
- Vidaio: AI 영상 압축과 업스케일링
- 404-GEN: 텍스트·이미지 기반 3D 생성

물론 좋은 성과를 낸다고 토큰 가격이 무조건 오르는건 아니다.

매출이 커도 알파 토큰으로 가치가 돌아오지 않을 수 있다. 사용량이 많아도 무료 서비스나 TAO 보조금으로 만든 숫자일 수 있다. 기술이 뛰어나도 현재 시가총액이 이미 모든 기대를 반영했을 수도 있다.

따라서 이 20개 중에서 현재까지 성과가 특히 눈에 띄는 후보는 10개를 먼저 고른다.

Chutes, Lium, Targon, Bitcast, Hippius, Score, Ridges, Vidaio, iota, Engy

그런 뒤 제품 경쟁력, 유료 수요, 매출 성장, 서브넷 간 결합성, 토큰 가치 귀속과 현재 밸류에이션으로 비교한다.

그 뒤에야 실제로 투자할 서브넷 후보를 5개 이하로 좁힐 수 있다.

알파 토큰을 어떻게 사고, 누구에게 새로 발행되며, 희석과 반감기가 어떻게 작동하는지는 바로 다음 글에서 따로 다룰 예정이다.

먼저 좋은 프로젝트(서브넷)를 고른다. 토큰은 그다음이다.

📘 Bittensor 심층 분석 4 - 플라이휠이 보이기 시작한 5개

좋은 서브넷은 제품만 좋아서는 안 된다.

외부 고객이 돈을 내고, 그 매출이 알파의 수요나 공급 감소로 연결돼야 한다.

앞서 추린 10개 중 이 구조가 가장 뚜렷한 곳은 Chutes, Lium, Targon, Bitcast, Hippius다.

1️⃣ Chutes

- 소개: 오픈소스 AI 모델을 서버리스 방식으로 제공. 개발자는 GPU를 직접 관리하지 않고 사용한 만큼 비용을 냄.

- 주요 성과: 2025년 29.7조 개의 AI 토큰 처리. 66만 8,000명의 유저 확보. 2026년 월매출 100만 달러 돌파.

비텐서에서 사용량과 수익화가 가장 앞선 서브넷이며, 무료·보조금 사용을 줄인 뒤 토큰당 매출도 개선되고 있다. 다른 서브넷들이 Chutes의 추론을 사용하는 만큼 내부 인프라로서의 해자도 크다.

다만 추론은 가격 경쟁이 심한 시장이다. 제품은 가장 검증됐지만, 외부 매출이 신규 알파 발행을 얼마나 흡수하는지는 별도로 계산해야 한다.

2️⃣ Lium

- 소개: 전 세계 GPU 공급자와 이용자를 연결하는 대여 시장.

- 주요 성과: 최근 한 달간 매출과 사용량이 200% 이상 증가. GPU 공급은 2배로 늘고 대여 실패율은 30%에서 3%로 개선.

최근 사용량과 GPU 공급이 빠르게 늘었고, 고객이 구매한 컴퓨팅 크레딧 매출로 SN51 알파를 시장에서 매입해 소각하고 있다. 한 차례 공개된 매입·소각 규모만 15만 달러를 넘었다. 외부 고객의 돈이 알파 매수와 공급 감소로 연결된다는 점이 명확하다.

약점은 GPU 대여 자체의 차별화다. 중앙화 클라우드와 다른 분산 GPU 시장보다 지속적으로 싸고 안정적이어야 한다.

3️⃣ Targon

- 소개: 데이터와 모델을 운영자에게 노출하지 않고 실행하는 기밀 컴퓨팅 시장.

- 주요 성과: Dippy AI의 유료 추론을 하루 200억 토큰 이상 처리. 연환산 매출 550만 달러 수준.

Dippy AI의 실제 서비스 트래픽을 처리하고 있으며, Intel과 함께 기밀 AI 컴퓨팅 구조를 공개했다. 일반 GPU 대여보다 기술적 차별화가 뚜렷하다.
서브넷 보상을 다시 공급자와 생태계에 투입하고 남는 알파를 소각하는 구조도 존재한다.

다만 매출이 일부 대형 고객에게 집중돼 있을 가능성이 있다. 고객 다변화가 필요하다.

4️⃣ Bitcast

- 소개: 브랜드와 영상 크리에이터를 연결하고 실제 콘텐츠 성과에 따라 보상.

- 주요 성과: 브랜드 광고 매출로 신규 알파 발행량을 전부 흡수한 최초의 ‘서브넷 수익성’ 달성 사례.

브랜드가 지불한 광고 매출을 알파 매입·소각에 사용한다. 매입 내역을 공개하고 있으며, 외부 매출로 신규 발행을 상쇄하는 ‘서브넷 수익성’을 가장 먼저 보여준 사례다.

사업 규모는 아직 작지만 토큰 가치 귀속은 가장 단순하고 투명하다. 관건은 비텐서 관련 광고를 넘어 일반 브랜드 광고 시장으로 확장할 수 있느냐다.

5️⃣ Hippius

- 소개: 스토리지, 가상머신과 애플리케이션을 제공하는 분산형 클라우드.

- 주요 성과: 기존 앱이 쉽게 이전할 수 있는 S3 호환 분산 스토리지와 가상머신, 개발자 도구를 운영.

Hippius는 알파를 소각하는 대신 고객 결제와 채굴자 운영을 알파 락업에 연결한다.

고객이 스토리지와 컴퓨팅을 사용하고, 채굴자가 서비스를 공급할수록 hAlpha가 잠긴다. 이 과정에서 발생하는 실제 시장 수익은 스테이커에게도 배분된다.
다른 AI 서브넷이 스토리지와 가상머신을 사용하기 시작하면 생태계의 필수 인프라가 될 수 있다.

다만 매입·소각보다 구조가 복잡하고, 현재 매출과 실제 알파 락업 규모를 확인하기 어렵다는 점은 약점이다.

** 결론:
1) 사업 규모는 Chutes와 Targon이 앞선다.
2) 가치 귀속은 Lium과 Bitcast가 가장 명확하다.
3) Hippius는 매출을 알파 락업과 스테이커 수익으로 연결하는 구조가 흥미롭다.

하지만 구조가 있다는 사실만으로 좋은 투자가 되는 것은 아니다.

결국 확인해야 할 건, 외부 고객의 돈이 신규 알파 발행량을 몇 퍼센트나 흡수하는가이다.

📘 Bittensor 심층 분석 5 - 기술은 보이지만 검증이 더 필요한 5개

나머지 다섯개 서브넷도 제품과 기술적 성과는 존재한다. 단순한 프로토타입이 아니라는 말이다.

다만 외부 매출이 반복되고, 그 가치가 알파에 남는다는 증거는 아직 상대적으로 부족하다.

1️⃣ Score

- 소개: 기존 카메라 영상을 분석해 스포츠와 산업 현장의 정보를 구조화하는 컴퓨터비전 플랫폼.

- 주요 성과: PwC France와 기업용 Physical AI 배포를 추진하고, 스포츠·주유소·세차장 등 여러 산업에서 컴퓨터비전 제품을 운영.

스포츠, 주유소와 세차장 등 여러 산업에 제품을 적용하고 있으며, 기업용 Physical AI 배포도 추진하고 있다.

사업 가능성은 높지만, 공개된 4,000만 달러 연환산 매출은 현재 실적이 아니라 팀의 목표에 가깝다. 따라서, 실제 계약 매출과 그 매출이 알파 수요로 연결되는 규모를 확인해야 한다.

2️⃣ Ridges

- 소개: 코딩 에이전트들이 실제 소프트웨어 문제를 해결하며 경쟁하는 시장.

- 주요 성과: 코딩 에이전트 벤치마크 SWE-Bench Verified에서 73.6%를 기록해 오픈소스 최고 수준에 도달.

높은 SWE-Bench 성과를 기록했고, 현재 월 29달러 수준의 유료 코딩 제품도 출시했다. 다른 비텐서 서브넷의 저렴한 추론을 활용한다는 점에서 서브넷 간 결합성도 강하다.

그러나 벤치마크와 유료 제품 출시는 시작일 뿐이다. 반복 이용자와 매출 규모, 매출 기반 알파 매입 정책은 아직 충분히 증명되지 않았다.

3️⃣ Vidaio

- 소개: AI를 이용해 영상 압축과 업스케일링을 제공.

- 주요 성과: 기존 방식보다 파일 크기를 최대 80% 줄이면서 영상 품질을 유지하거나 개선하는 압축 모델을 개발.

기업 고객은 법정화폐로 비용을 지불하고, 실제 작업을 처리한 채굴자가 매출 대부분을 받는다. 채굴자가 보상의 일부에 해당하는 알파를 잠그는 AlphaBond 구조도 있어 서비스 사용이 알파 수요로 이어질 수 있다.

다만 운영팀 몫의 매출을 알파 매입, 개발비와 사업 확장 중 어디에 쓸지는 재량에 달려 있다. 또한, 가치 귀속은 존재하지만 Lium이나 Bitcast만큼 자동적이지 않다.

4️⃣ iota

- 소개: 전 세계에 흩어진 GPU를 연결해 대규모 언어모델을 분산 학습시킴.

- 주요 성과: 전 세계 GPU를 연결해 1,000억 파라미터 모델을 분산 학습하고, 데이터센터 효율의 최대 65%를 달성.

Orion-100B를 통해 인터넷 환경에서도 1,000억 파라미터 모델을 학습할 수 있다는 가능성을 보여줬다.

기술적 의미는 크지만 대규모 사전학습은 반복 구매가 어려운 사업이다. 또한, 누가 돈을 내고 모델을 학습시키는지, 매출이 알파에 어떻게 귀속되는지 역시 아직 명확하지 않다. 현재로서는 사업 투자보다 장기 연구개발 베팅에 가깝다.

5️⃣ Engy

- 소개: 소비자 GPU에서 저렴한 AI 추론을 제공하면서, 요청한 모델이 실제로 실행됐는지를 암호학적으로 검증.

- 주요 성과: GLM-5.2 추론을 Together AI보다 입력은 51%, 출력은 66% 저렴하게 제공.

단순히 싸게 추론하는 것이 아니라 저가 모델로 몰래 바꿔치기하지 않았다는 사실까지 증명한다는 점에서 차별화된다.

문제는 제품 가격과 실제 매출은 다르다는 것이다. 현재 유료 사용량, 반복 고객과 매출 기반 알파 매입 구조는 충분히 확인되지 않았다.

** 결론:
1) 이 그룹에서는 Score가 사업화에 가장 가깝다.
2) Vidaio는 알파 락업 구조가 이미 존재하고, Ridges는 유료 제품을 출시했다는 점에서 그다음이다.
3) iota와 Engy는 기술적 성과는 강하지만 투자 자산으로 평가하려면 외부 매출과 알파 가치 귀속의 증거가 더 필요하다.

📝 당신의 알트, 살아남을 수 있을까?

K자형 양극화로 치닫게될 알트 시장

크립토 베어장이 시작된지도 6개월이 넘었다. 대부분의 알트는 -80%, -90% 지하실 구석에 쳐박혀있다...

그래도 우리에겐 희망이 있다.

비트코인의 4년 주기가 아직 살아 있다면, 2년만 존버하면 다시 불장을 기대할 수 있다. 스테이블 코인과 RWA 시장은 나날이 커지고 있다. 국채와 주식도 온체인으로 넘어오고 있다.

은행과 증권사를 통해서도 기관과 전통 투자자들이 새롭게 들어오면 이 지긋지긋한 PvP 제로섬 게임도 끝날지 모른다. 클래리티 액트는 언젠가 통과될 것이고, 주식 시장으로 떠난 투자자들은 코인판에 돌아올 것이다.

그런데 말이다. 시장이 나아진다고 내 알트에 기회가 올까..?

1️⃣ 내 알트가 처한 암울한 미래

냉정하게 생각해보자. 온체인에 들어온 돈이 반드시 알트를 사는 것은 아니다.

로빈후드 같은 증권앱으로 들어온 신규 투자자는 알트는 고사하고 비트/이더에 눈길도 주지않고 토큰화된 테슬라, 엔비디아, SK하이닉스, 스페이스X 주식을 거래할 확률이 더 높다.

예전에는 코인 거래소에 들어온 돈을 비트, 이더 그리고 알트끼리 나눠 가졌다. 근데 그 진열대에 이제 주식이 올라오고있다.

바이낸스와 로빈후드는 이미 수십개가 넘는 미국 주식과 ETF 토큰을 제공한다.

즉, 앞으로 내 알트는 다른 알트가 아니라 구글, 애플, 삼성이랑 같은 진열대에서 비교당할 것이란 말이다.

다음 사이클의 뉴비는 주식에 더 익숙한 사람들이다. 이들은 매출과 이익을 보고, 주주가 어떤 권리를 갖는지도 안다.

그런 사람에게 매출/수익은 팀이 독식할 수 있고, 의결권은 장식이며, 팀과 VC 물량만 계속 풀리는 알트는 어떻게 보일까?

밈코인은 차라리 솔직하기라도 하다.

더 위험한 것은 회사인 척하지만 법적 보호도 없고, 주식의 권리도 없으며, 밈만큼 재미도 없는 대부분의 알트다.

2️⃣ 당신의 알트가 엔비디아 옆에서도 선택받을 이유

하지만, 그렇다고 모든 알트의 기회가 끝난 것은 아니다.

알트 중에는 실제 유저가 있고, 현금흐름이 있으며, 바이백/소각/배당 같은 홀더 환원 정책이 있는 것도 있다.

이제 인정해야 한다. 알트 시즌이 온다고해도 아무 알트나 함께 오르는 시대는 끝나고 있다.

대신 주식과 나란히 놓여도 선택받을 수 있는 소수의 코인은 더 높은 평가를 받을 것이다.

지금 외면받고 있는 펀더멘털 있는 알트는 오히려 더 큰 기회가 될 수 있다는 말이다.

그래서 나는 요즘 아무도 하지 않는 알트 심층 분석을 하고있다.

불장이 왔을 때 당신의 알트가 엔비디아, 애플, 구글, 마이크론, 삼성, 하이닉스 옆에서도 선택받을 이유가 있는가?

당신이 알트를 잘만 고른다면 가능하다. 결국 투자자들은 펀더멘털 대비 저평가된 자산을 사서 수익을 보고 싶을 테니까.

3️⃣ 결론

- 다음 불장에서는 잘 가는 알트와 못 가는 알트가 극명하게 대비될 것이다
- 이전과 다르게 이제는 펀더멘털 있는 코인들이 훨씬 더 주목받을 것이다
- 내 알트가 실제 주식과 비교해서 투자 가치가 있는지 되돌아 봐야한다

📝 젠슨 황이 선언한 오픈 AI 시대, 진짜 수혜자는 따로 있다

몇일 전, X에 가입한 젠슨 황은 첫 게시물부터 의미심장한 선언문을 꺼냈다.

제목은 "오픈 AI 모델과 미국의 AI 리더십"이었다. NVIDIA와 Meta, Microsoft, Mistral, Hugging Face, IBM, Palantir, Perplexity, Y Combinator 등 AI와 클라우드 업계를 이끄는 25개 기업과 기관이 함께 서명했다.

그런데 더 눈에 띄는 것은 빠진 이름이다.

OpenAI와 Anthropic.

두 회사가 왜 서명하지 않았는지는 공개되지 않았지만, 선언문을 읽어보면 왜 이들이 뜻을 같이 하지 않는지는 뻔하다.

1️⃣ 모든 문제에 가장 비싼 모델은 필요 없다

선언문은 프런티어급 성능을 정말 어려운 문제에만 쓰고, 나머지 일상 업무에는 더 저렴하고 효율적인 특화 모델을 사용해야 한다고 주장한다.

공장, 병원, 농장, 교실과 중소기업까지 AI가 퍼지려면 매번 ChatGPT나 Claude의 최고급 모델을 써서는 경제성이 맞지 않는다.

2️⃣ 오픈 모델이 추론 비용을 낮춘다

누구나 모델을 내려받아 수정하고 자체 인프라에서 실행하면 공급자 종속은 약해진다. 모델 개발사뿐 아니라 GPU, 클라우드, 애플리케이션, 추론 서비스가 함께 경쟁한다.

경쟁은 가격을 낮춘다. 가격이 낮아지면 지금은 비용 때문에 AI를 쓰지 못하는 수십억 개의 일상 업무가 시장으로 들어온다. (내가 앞서 말한 AI 투자 논리와 같다)

AI의 미래는 가장 똑똑한 모델 하나가 모든 일을 독점하는 세상이 아니다. 충분히 좋은 오픈 모델 수천 개가 훨씬 싼 가격으로 각자의 일을 처리하는 세상이다.

3️⃣ 돈의 흐름도 바뀐다

이 흐름이 이어지면 가치의 중심은 폐쇄형 모델을 독점한 기업에서 모델을 싸게 실행하는 추론 인프라와 실제 고객을 확보한 애플리케이션으로 이동한다.

OpenAI도 gpt-oss를 공개했으니 이 흐름을 모르는 것은 아니다. 다만 핵심 수익모델이 폐쇄형 API와 구독에 있는 기업에는 추론 가격의 급락이 달갑지만은 않다.

조금 더 사고를 확장해보자. 오픈 모델의 확산으로 추론 비용이 내려가면 더 많은 기업과 국가가 각자의 AI를 직접 구축하고 운영하게 된다.

어떤 모델이 최종 승자가 되든 실행되는 모델과 처리되는 추론량은 늘어나고, GPU와 클라우드, 추론 인프라의 시장은 오히려 더 커질 것이다.

4️⃣ 크립토 AI에게는 기회

이 선언문을 보면, 실리콘 밸리의 AI 거물들도 모델의 가격은 내려가고, 추론량은 올라가는 미래를 지지한다는 것을 알 수 잇다.

그렇다면 우리가 봐야할 것은 단순하다.

누가 AI 추론을 빠르고, 싸게, 효율적이고 제공할 수 있느냐? 그리고 그렇게 얻은 수익이 토큰 가치에 얼마나 반영되는가?

5️⃣ 결론

1) 모든 문제에 비싼 프런티어 모델(ChatGPT, Claude 등)을 쓸 필요는 없다.

2) 앞으로 더 저렴한 오픈 모델과 특화 모델이 대다수 업무를 맡을 것이다.

3) 추론 비용은 하락할 것이며, 이는 AI를 수십억 개의 일상적인 작업으로 확산시킨다.

4) 가치가 모델 독점 기업(Anthropic, OpenAI)에서 추론 인프라와 애플리케이션으로 이동한다.

5) 폭발하는 추론 수요에 맞춰 얼마나 싸고, 빠르고 효율적으로 제공할 수 있는지가 크립토 AI 프로젝트의 성패일 것이다.

📘 Bittensor의 알파 토큰은 일반 알트와 무엇이 다른가

앞선 두 글에서 10개 서브넷을 제품, 유료 수요와 토큰 가치 귀속의 관점에서 비교했다.

상당히 복잡해 보이지만, 거의 다 왔다.

이제 서브넷 알파 토큰이 일반 알트코인과 어떻게 다른지 알아야 한다.

비텐서에서는 ‘스테이킹’의 개념이 우리가 알던 것과 좀 다르다.

TAO를 서브넷에 스테이킹하는 것은 예금처럼 TAO를 맡기고 이자를 받는 일이 아니다.

사실상 그 서브넷의 알파 토큰을 사는 일이며, AMM에서 토큰을 사듯이 TAO를 풀에 넣으면 알파를 받는다.

1️⃣ 서브넷 스테이킹 = 서브넷 토큰 구매

각 서브넷에는 TAO와 자체 알파 토큰으로 구성된 유동성 풀이 있다.

투자자가 Chutes에 TAO를 스테이킹하면 TAO는 Chutes 풀의 준비금으로 들어간다. 다시 말해, 현재 교환비율에 따라 받은 Chutes 알파가 투자자의 스테이크 포지션에 기록된다.

TAO 투입(스테이킹) -> 해당 알파를 스테이크 포지션으로 보유 (해당 서브넷에 투자)

Chutes 알파의 TAO 대비 가격이 오르면 보유 자산의 TAO 가치도 오르고, 가격이 떨어지면 TAO 기준으로 손실을 본다. 포지션을 정리할 때는 알파를 다시 풀에 넣어 TAO로 교환한다.

따라서 서브넷 스테이킹은 원금이 보장되는 이자 상품이 아니다. 알파 가격, 유동성, 거래 수수료와 가격 충격을 모두 부담하는 high risk high return 투자다.

2️⃣ 팀이 마음대로 찍는 토큰이 아니다

일반적인 알트코인은 프로젝트 팀이 토큰을 발행하고, 상당량을 팀과 VC에 미리 배정한다. 이후 정해진 일정에 따라 물량이 언락된다.

하지만, 알파는 구조가 다르다. 서브넷 운영사가 임의로 발행하는 것이 아니라 비텐서 프로토콜이 블록마다 발행한다.

즉 알파는 팀이 투자자에게 판매하는 토큰이 아니며, 출시 당시 팀과 VC가 미리 받아가는 초기 물량도 없다.

알파 토큰은 비텐서가 제품 생산자, 평가자, 운영자, 투자자를 모두 하나의 시장 안에서 조정하기 위해 발행하는 서브넷별 경제 자산이다.

3️⃣ 알파에도 2,100만 개 하드캡과 반감기가 있다

각 알파 토큰의 최대 공급량은 TAO와 같은 2,100만 개다.

알파에도 반감기가 있지만 모든 서브넷이 같은 날 반감되는 것은 아니다. 각 서브넷은 출시 이후 누적 발행량이 1,050만 개, 1,575만 개처럼 남은 공급량의 절반에 도달할 때마다 발행 속도가 절반 (반감기)으로 줄어든다.

하지만 하드캡과 반감기가 있다고 해서 희석이 낮다는 뜻은 아니다.

서브넷 오너와 채굴자, 밸리데이터, 스테이커는 매일 새 알파를 받는다. 특히 초기 서브넷은 이미 발행된 물량보다 앞으로 발행될 물량이 훨씬 많을 수 있다.

팀과 VC의 언락은 없지만, 참여자 보상과 유동성 공급을 위해 프로토콜 코드 차원에서 알파 토큰이 신규 발행되는 구조다. 이것은 매도 압력으로 이어질 수 있기 때문에 유의해야 한다.

4️⃣ 알파 가격은 서브넷의 생산 예산이다

일반적인 알트코인은 제품이 잘 팔려도 그 매출이 토큰으로 돌아온다는 보장이 없다. 회사는 토큰을 사지 않아도 사업을 계속할 수 있기 때문이다.

알파는 다르다.

알파 가격의 이동평균은 각 서브넷에 배정되는 TAO 인센티브의 핵심 신호다.

알파 수요와 가격이 하락하면 해당 서브넷이 받는 TAO 인센티브도 줄어든다. 마이너와 밸리데이터의 보상이 작아지고, 좋은 개발자와 GPU가 다른 서브넷으로 이동할 수 있다.

반대로 알파 수요가 커지면 더 많은 인센티브로 좋은 생산자를 끌어오고, 제품의 경쟁력을 높일 수 있다.

알파 수요 증가
> TAO 인센티브 증가
> 더 좋은 채굴자와 GPU 자원 유입
> 제품 경쟁력 강화
> 고객과 매출 증가

따라서 서브넷 운영자는 일반적인 알트코인 팀보다 토큰 수요를 유지해야 할 직접적인 동기가 크다.

외부 매출로 알파를 시장에서 매입하면 신규 발행의 매도 압력을 흡수하는 동시에, 알파 가격과 서브넷의 생산 예산을 지킬 수 있다.

하지만 투자금이나 팀 자금으로 알파를 사는 것만으로는 부족하다. 결국 외부 고객이 낸 돈으로 신규 발행량을 얼마나 흡수하는지가 중요하다.

5️⃣ 결론

앞선 두 글에서 매출, 알파 매입, 소각과 락업을 중요하게 본 이유가 여기에 있다.

서브넷에 스테이킹 한다는 것은 TAO와 알파 토큰을 스왑 하는 것이다.

알파 토큰은 팀과 VC의 초기 물량은 없지만, 프로토콜이 매일 새로운 알파를 발행하기 때문에 희석과 매도 압력도 존재한다.

결국 알파 투자에서는 다섯 가지를 함께 봐야 한다.

- 제품이 실제로 사용되는가
- 외부 고객이 돈을 내는가
- 그 매출이 알파 매입/소각/락업으로 연결되는가
- 그 수요가 신규 발행에 따른 희석을 얼마나 상쇄하는가
- 현재 시총과 FDV가 그 성장을 이미 얼마나 반영하고 있는가

알파 토큰을 실제 어떻게 사는지, 지갑은 어떻게 만드는지 등은 나중에 시간이 날 때 다뤄보려고 한다.

자, 이제 알파의 구조까지 이해했으니 비텐서에 대한 공부는 어느정도 끝났다.

다음으로는 AI 시장을 노리는 다른 프로젝트들은 제품과 토큰에 대해 알아보자.

📘 AI 프로젝트 심층 분석 1 - Near

AI를 품었지만, 엄밀히 말하면 AI 토큰이 아니다

1️⃣ 프로젝트의 핵심은 Intents (크로스체인 인프라)

니어는 빠르고 사용하기 쉬운 L1으로 출발했다. 지금은 체인 추상화, 크로스체인 거래, 프라이빗 추론, AI 에이전트를 하나의 스택으로 묶으려 한다.

현재 사업의 중심은 Near Intents다. 사용자가 원하는 거래 결과만 제출하면 솔버가 여러 체인과 유동성 경로를 비교해 실행하고 브리지, 가스 토큰, 체인 선택을 뒤로 숨긴다.

최근 30일 총수수료는 약 272만 달러이고 순매출은 약 46만 달러다. 누적 거래량은 237억 달러를 넘었고, 프로토콜 수익은 NEAR 매입과 소각으로 연결된다.

2️⃣ 거래량은 크지만 홀더에게 남는 몫은 작다

거래량 자체를 해자로 착각하면 안 된다.

총수수료 가운데 프로토콜에 남는 비율은 약 17%다. 나머지는 솔버와 파트너에게 지급된다. Intents는 거래가 늘수록 돈을 벌지만, 그 수익이 NEAR 홀더에게 돌아오는 몫은 작다.

크로스체인 애그리게이터와 지갑들이 비슷한 기능을 제공하기 시작하면 수수료 경쟁으로 마진도 떨어진다.

3️⃣ AI 사업도 실제로 존재한다

Near AI Cloud는 오픈소스 모델을 보안 하드웨어 안에서 실행하고, 요청이 보호된 환경에서 처리됐다는 증명을 제공한다.

Brave, Venice AI, Abound와 버뮤다 정부 등이 실제 워크로드를 올렸다. IronClaw는 AI 에이전트가 사용자의 자격증명과 자금을 안전하게 다루도록 설계됐다.

단순히 기존 L1에 AI라는 이름만 붙인 것은 아니다.

4️⃣ 문제는 AI 매출과 토큰의 연결이다

공개된 Near 매출 대시보드에서 확인되는 수익은 대부분 Intents 관련 수수료다. AI Cloud는 유료 제품까지 출시했지만, 별도의 매출과 사용량은 확인하기 어렵다. (유의미한 지표가 있었다면 대대적으로 PR 했겠지만 아닌걸로 봐서.. 아마 그닥인걸로..)

AI Cloud 이용자가 반드시 NEAR를 구매하거나 소각해야 하는 구조도 명확하지 않다. AI 사업이 성장하더라도 그 가치가 NEAR 홀더에게 얼마나 돌아오는지는 전혀 증명되지 않았다.

토큰 구조는 개선됐다. 최대 연간 인플레이션은 약 5%에서 2.5%로 줄었고, 프로토콜 수익은 바이백과 소각으로 연결된다. 하지만, 현재 NEAR를 지탱하는 것은 AI 추론이 아니라 크로스체인 거래다.

5️⃣ Bittensor와 비교하면

니어의 핵심 경쟁력은 Intents이며, 우리의 AI 투자 논리를 증명하는 사업은 아니다. AI 추론 수요에 베팅한다면 니어보다 비텐서가 훨씬 직접적이다.

6️⃣ 결론

AI 투자 후보에서 제외

니어는 좋은 프로젝트이다. AI 제품도 실제로 만들고 있다.

하지만, 지금 NEAR를 사는 것은 AI 네트워크보다, AI가 묻은 크로스체인 인프라에 투자하는 것에 가깝다.

📘 AI 프로젝트 심층 분석 2 - Render Network

검증된 것은 GPU 렌더링일뿐, AI는 아직 검증되지 않았다

1️⃣ 검증된 사업은 AI가 아니라 렌더링

렌더는 유휴 GPU를 연결해 3D 아티스트와 스튜디오의 렌더링 작업을 처리한다. 누적 렌더링 프레임은 약 7,700만 개, 역대 참여 노드는 5,600개를 넘었다. OTOY와 OctaneRender를 통해 실제 제작 과정에 들어가 있다는 점도 강점이다.

하지만 우리의 투자 논지는 렌더링 시장의 성장이 아니다. AI 추론 비용이 낮아지고 사용량이 폭발할 때 수혜를 받을 토큰을 찾는 것이다.

기존 렌더링 수요와 소각은 렌더가 실체 있는 사업이라는 증거다. 그러나 AI 추론 수요가 증가한다는 투자 논지를 증명하지는 않는다.

2️⃣ AI 컴퓨팅은 이제 시작됐다

렌더는 Dispersed를 통해 별도의 AI·범용 Compute Network를 운영한다. 고객이 작업 비용을 달러나 RENDER로 내면 95%가 시장의 RENDER 매수와 소각으로 연결된다. AI 수요가 늘면 토큰 수요가 생기는 구조는 명확하다.

문제는 공개된 AI 매출이다.

Compute Network가 실제 작업을 처리하고 있지만, 렌더링과 분리된 AI 매출, 고객 수, GPU 가동률은 공개되지 않았다. 초기 노드 보상도 작업 수익만이 아니라 가용성 보상에 의존한다. 지금은 AI 고객의 돈이 공급자 보상을 감당하는 단계보다, RENDER 발행으로 공급망을 먼저 구축하는 단계에 가깝다.

3️⃣ Salad는 잠재력이 있지만 아직 실적은 아니다

렌더는 매일 연결되는 GPU가 6만 개에 달하는 Salad를 세 번째 네트워크로 편입하려 한다.

Salad의 컨테이너 서비스에는 AI 추론과 이미지/영상 생성 수요가 존재한다. 통합 첫해 전체 매출은 약 430만 달러로 제시됐고, 일부가 RENDER 소각으로 연결될 예정이다.

다만, 이는 과거 매출을 바탕으로 한 전망치다. 모든 매출이 AI에서 발생하는 것도 아니며, RENDER 결제 통합도 단계적으로 진행된다. 따라서 430만 달러를 현재 렌더의 AI 매출로 계산하면 안 된다.

4️⃣ 토큰 구조는 준비됐지만 AI 수요가 부족하다

렌더의 장점은 AI 매출이 발생하면 일정 비율이 RENDER 매수와 소각으로 연결된다는 점이다.

반면 현재까지 누적 소각량은 약 146만 RENDER다. (총 공급량의 0.2%...) 네트워크는 렌더링과 AI 노드의 보상, 공급 확대를 위해 계속 토큰을 배출하고 있다.

좋은 토큰 구조가 있다고 좋은 토큰이 되는 것은 아니다. AI 수요로 발생한 소각이 AI 공급망을 유지하기 위한 발행보다 커져야 가치 귀속이 완성된다.

5️⃣ 비텐서와 비교하면

렌더의 AI Compute Network는 비텐서의 Lium과 유사하다.

렌더는 고객 결제부터 토큰 소각까지 이어지는 구조와 GPU 네트워크 운영 경험이 더 성숙하다. 반면 현재 확인되는 외부 수요의 대부분은 렌더링이며, AI 매출은 별도로 검증되지 않았다.

Lium은 GPU 임대료와 서브넷 보상을 분리해 추적하고, Chutes는 AI 추론 사용량과 플랫폼 매출을 직접 측정한다. 처음부터 AI 컴퓨팅을 판매한다는 점에서 우리의 투자 논지에는 비텐서 서브넷들이 더 직접적이다.

렌더는 더 오래됐고 검증된 사업이다. 하지만, 현재 RENDER는 AI 추론 수요 폭발보다, 기존 렌더링 사업과 미래의 AI 전환에 함께 베팅하는 토큰이다.

6️⃣ 결론

AI 투자 후보에서 제외

Render의 AI 매출로 인한 순소각이 공개되기 전까지, RENDER를 순수 AI 토큰으로 평가하기는 이르다.

📘 AI 프로젝트 심층 분석 3 - Akash Network

AI 사용량은 있지만, 돈이 되는지 봐야 한다

1️⃣ 범용 클라우드에서 AI 추론으로

아카시는 데이터센터와 개인의 유휴 컴퓨팅을 연결하는 분산 클라우드로 출발했다. 지금은 AkashML, Akash Agents, Homenode를 통해 AI 추론을 핵심 성장축으로 밀고 있다.

AkashML은 OpenAI 호환 API로 오픈소스 모델을 제공한다. 2026년 1분기에는 OpenRouter에서 하루 17억 개의 토큰을 처리했으며, AI가 실제 제품 사용량에 밀접하게 붙어 있다.

2️⃣ 17억 토큰은 매출이 아니다

그러나, 하루 17억 토큰에는 무료 모델과 프로모션, 낮은 마진의 라우팅 물량이 포함될 수 있다. 공식 발표에는 처리량만 나올 뿐, 고객이 실제로 지불한 금액이나 아카시가 실제로 거둔 수익은 공개되지 않았다. (아마 지표가 유의미하게 컸으면 대대적으로 홍보했을 것이다. 따라서 나는 크게 기대하지 않는다.)

아카시의 누적 컴퓨팅 지출은 2026년 1분기 500만 달러를 넘었다. 하지만 이 수치는 AI 추론뿐 아니라 범용 CPU와 GPU 배포를 포함한다. 따라서, 아카시는 AI 사용량을 증명했지만, AI 사업의 매출과 경제성까지 증명한 것은 아니다.

3️⃣ AI 사용료가 AKT 수요로 이어지는 구조

과거에는 고객이 USDC로 결제할 수 있어 네트워크가 성장해도 AKT 수요는 약했다.

하지만 다행히 2026년 3월, 이 문제를 고쳤다. 고객이 카드나 달러로 컴퓨팅을 구매하면 시장에서 AKT를 매수해 소각하고, 달러 가치의 ACT 크레딧을 발행한다. 공급자는 작업을 완료한 뒤 ACT를 태우고 당시 가격에 해당하는 AKT를 새로 받는다.

따라서, AkashML의 AI 매출이 늘면 일차적으로 AKT 매수와 소각이 발생한다. 이 점에서 AI 수요와 토큰의 연결은 Render보다 더 직접적이다.

4️⃣ AI 사용량이 늘어도 AKT 공급이 반드시 줄어드는 것은 아니다

모든 컴퓨팅 결제가 AKT 매수와 소각으로 이어지는 것은 맞다. 하지만 소각된 AKT가 그대로 영구히 사라지는 것은 아니다.

고객이 서비스를 구매할 때 AKT가 소각되지만, 공급자에게 정산할 때는 AKT가 다시 발행된다. 결제 이후 AKT 가격이 오르면 처음 소각한 양보다 적은 AKT를 발행해도 된다. 반대로 가격이 내리면 더 많은 AKT가 필요할 수 있다. (참고로, 나는 이런 혼란스러운 토크노믹스를 경멸한다)

결국 확인해야 할 것은 AkashML의 AI 매출로 소각된 AKT에서, 해당 AI 작업을 수행한 공급자에게 새로 지급된 AKT를 뺀 최종 순소각량이다.

추가로, 반복적인 AI 매출을 만들려면 낮은 가격뿐 아니라 응답 속도, 안정성, 보안과 같은 서비스 품질도 함께 증명해야 한다.

5️⃣ 비텐서와 비교하면

AkashML은 비텐서의 Chutes, GPU 임대 시장은 Lium과 유사하다.

아카시의 장점은 제품이 하나로 통합돼 있다는 점이다. 고객은 카드와 일반적인 API를 이용하고, 결제는 내부적으로 AKT 수요에 연결된다. 일반 고객이 사용하기에는 아카시가 더 익숙하고 단순하다.

비텐서의 장점은 어떤 AI 사업이 실제로 돈을 버는지 더 세분화해 볼 수 있다는 점이다. Chutes의 추론 매출과 Lium의 GPU 임대료를 각각 확인하고, 이를 TAO 발행 보상과 구분할 수 있다. 공급자의 성능과 결과물도 경쟁적으로 평가해 보상을 차등 배분한다.

즉, 아카시는 하나의 통합 클라우드이고, 비텐서는 여러 AI 사업이 경쟁하는 시장에 가깝다.

마지막으로, 아카시 가진 치명적인 문제는, 토큰의 가치를 판단할 때 반드시 필요한 AkashML의 유료 매출, 반복 고객, AI 작업에서 발생한 AKT 순소각을 알 수 없다는 것이다.

6️⃣ 결론

AI 투자 후보에서 제외

AI 사용량은 충분히 흥미롭지만, 그 사용량이 사업성과 토큰 가치로 전환됐다는 증거는 아직 부족하다.

📘 AI 프로젝트 심층 분석 4 - OriginTrail

검증 가능한 지식은 중요하지만, 유료 수요는 아직 없다

1️⃣ AI 에이전트를 위한 검증 가능한 기억

오리진트레일은 여러 데이터의 관계와 출처를 연결해, AI가 믿고 참고할 수 있는 탈중앙 지식망을 만든다. 2026년 6월 출시된 V10은 이를 AI 에이전트가 정보를 저장하고 공유하는 공동 기억장치로 확장했다.

AI 에이전트가 늘면 같은 문서를 반복해서 읽고 사실을 다시 추론하는 비용도 커진다. 검증된 지식을 공유하면 비용을 줄이고, 어떤 근거에서 결론이 나왔는지도 추적할 수 있게 된다.

문제는 AI가 기억을 얼마나 많이 쓰느냐가 아니다. 그중 얼마나 많은 기억을 돈을 내고 검증 가능한 형태로 영구 기록하느냐다.

2️⃣ 기업 사용은 있지만 AI 매출은 보이지 않는다

오리진트레일은 철도, 공급망, 의료 등에서 실제 기관이 도입한 사례가 있고, 상당수는 상품 추적과 데이터 검증에서 시작됐다.

하지만, 현재 공개 자료에서는 AI 에이전트의 메모리 사용량, AI 고객이 낸 금액, TRAC으로 발생한 AI 수수료를 확인하기 어렵다. 기업 로고와 저장된 지식의 양만으로 AI 사업의 경제성을 판단할 수는 없다.

3️⃣ 모든 AI 사용량이 TRAC 수요가 되지는 않는다

TRAC은 지식을 영구적인 자산으로 발행하거나 네트워크 보안을 위해 스테이킹할 때 필요하다. 하지만 아쉽게도 V10의 개인 메모리와 에이전트 간 공유 메모리는 무료다.

따라서 AI 질의와 추론이 폭발해도 결과를 검증 가능한 형태로 남기지 않으면 TRAC 수요는 생기지 않는다. 에이전트 활동 증가가 유료 검증 수요로 이어질지는 아직 미지수인 것이다.

4️⃣ 토큰 구조는 좋다. 문제는 유료 기록 수요다

TRAC은 토큰 언락이 다 풀렸고, 사용처도 명확하다.

지식 발행자는 TRAC을 예치해 발행 비용을 할인받고, 스테이커는 장기 락업을 통해 보상 배수를 높일 수 있다. 지식 발행 비용은 데이터를 저장하고 검증하는 노드와 스테이커에게 돌아간다.

문제는 실제 유료 발행량이다. 무료 메모리만으로 충분하다면 AI 사용량이 커져도 TRAC 수요는 제한될 수 있다.

5️⃣ 결론

AI 투자 후보에서 제외

AI 에이전트가 늘수록 신뢰할 수 있는 기억은 중요해질 것이다. 오리진 트레일은 이 문제를 해결하는 실제 제품과 낮은 희석 부담도 갖췄다.

그러나 아직 AI 매출과 유료 지식 재산에 대한 수요는 보이지 않는다. 따라서, 아직 TRAC이 좋은 AI 토큰이라고 부르기에는 증거가 부족하다.

📘 AI 프로젝트 심층 분석 5 - Virtuals Protocol

AI 에이전트가 아니라 에이전트 토큰만 팔고있다

1️⃣ AI 에이전트 토큰 런치패드

버추얼스는 AI 에이전트를 만들고, 토큰을 발행해 자금을 모으고, 사람이나 다른 에이전트에게 서비스를 판매하게 하는 플랫폼이다. 에이전트를 하나의 온체인 사업자로 만드는 것이 목표다.

현재 5만 개 이상의 에이전트가 출시됐고, 관련 토큰 거래량은 138억 달러를 넘었다. 개발자에게 공급된 자금도 3,100만 달러 이상이다. 온체인 AI 에이전트 런치패드 중에서는 가장 앞선 플랫폼이다.

2️⃣ 거래량과 AI 매출은 다르다

138억 달러는 에이전트가 서비스를 팔아 번 돈이 아니라 대부분 에이전트 토큰 거래량이다. 에이전트 토큰에 대한 투기는 증명했지만, 외부 고객이 AI 상품에 돈을 냈다는 증거는 아니라는 말이다.

이를 바꾸기 위해 만든 ACP는 사람과 에이전트가 다른 에이전트를 고용하고, 결과를 확인한 뒤 USDC로 대금을 정산하게 한다. 현재 누적 서비스 매출은 약 443만 달러, 완료된 작업은 약 240만 건이다. 토큰 거래와 구분되는 서비스 매출이 생기기 시작한 것은 의미가 있다.

다만 여기에는 토큰 스왑과 트레이딩 같은 크립토 작업도 포함된다. ACP 매출 전체를 외부 산업에서 발생한 AI 수요로 계산해서는 안 된다.

3️⃣ 지원금을 외부 매출로 착각하면 안 된다

버추얼스는 프로토콜 재원을 활용해 실제 서비스를 판매하는 에이전트에게 매달 최대 100만 달러를 배분한다.

생산적인 에이전트를 키우려는 방향은 좋다. 하지만 이는 외부 고객이 새로 지불한 돈이 아니라 생태계가 만든 초기 수요에 가깝다.

따라서 에이전트 총수입보다 지원금을 제외한 외부 고객 매출, 반복 결제 고객과 실제 마진을 봐야 한다.

4️⃣ VIRTUAL 수요는 AI 서비스보다 토큰 출시와 거래다

에이전트 토큰을 사고팔려면 거래가 VIRTUAL을 거치므로, 토큰 발행과 거래가 늘면 VIRTUAL 수요도 증가한다.

반면 ACP의 서비스 비용은 주로 USDC로 지불된다. 에이전트가 AI 서비스를 팔아 매출을 올려도 그 돈이 VIRTUAL 매수나 소각으로 자동 연결되지는 않는다.

현재 VIRTUAL의 가치 귀속은 AI 노동의 매출보다 에이전트 토큰의 출시와 거래에 훨씬 더 강하게 의존한다.

VIRTUAL 토큰 자체는 현재 약 65%가 시장에 풀려있고, 생태계 treasury가 보유한 나머지 물량이 향후 인센티브로 풀릴 가능성도 고려해야 한다.

5️⃣ 결론

AI 투자 보류. 지속적인 모니터링 필요.

ACP의 누적 서비스 매출은 의미 있다. 하지만, VIRTUAL 수요는 여전히 대부분 토큰 출시와 거래에서 만들어지고, AI 서비스 매출은 미미하다.

보조금 없이도 외부 고객이 지불한 AI 매출이 유의미하게 발생하고, 그 수익으로 VIRTUAL 매수/소각으로 이어지기 전까지는 관찰 대상으로 남겨두는게 좋겠다.