돌비콩의 투자정복
رفتن به کانال در Telegram
함께 크립토 공부를 해보아요. 올라오는 정보는 투자적 조언이 아닙니다. 문의 @bitxrpmax 채팅방 https://t.me/dolbikong2 트위터 https://twitter.com/DBKventures 블로그 https://blog.naver.com/dolbikong
نمایش بیشتر9 262
مشترکین
+124 ساعت
-97 روز
+3430 روز
در حال بارگیری داده...
کانالهای مشابه
ابر برچسبها
هیچ دادهای
مشکلی وجود دارد؟ لطفاً صفحه را تازه کنید یا با مدیر پشتیبانی ما تماس بگیرید.
اشارات ورودی و خروجی
---
---
---
---
---
---
جذب مشترکین
ژوئیه '26
ژوئیه '26
+86
در 27 کانالها
ژوئن '26
+176
در 55 کانالها
Get PRO
مه '26
+323
در 51 کانالها
Get PRO
آوریل '26
+276
در 39 کانالها
Get PRO
مارس '26
+142
در 34 کانالها
Get PRO
فوریه '26
+114
در 62 کانالها
Get PRO
ژانویه '26
+64
در 24 کانالها
Get PRO
دسامبر '25
+74
در 40 کانالها
Get PRO
نوامبر '25
+135
در 55 کانالها
Get PRO
اکتبر '25
+104
در 35 کانالها
Get PRO
سپتامبر '25
+169
در 49 کانالها
Get PRO
اوت '25
+135
در 45 کانالها
Get PRO
ژوئیه '25
+116
در 40 کانالها
Get PRO
ژوئن '25
+103
در 32 کانالها
Get PRO
مه '25
+144
در 53 کانالها
Get PRO
آوریل '25
+113
در 69 کانالها
Get PRO
مارس '25
+250
در 71 کانالها
Get PRO
فوریه '25
+207
در 110 کانالها
Get PRO
ژانویه '25
+229
در 83 کانالها
Get PRO
دسامبر '24
+334
در 70 کانالها
Get PRO
نوامبر '24
+211
در 73 کانالها
Get PRO
اکتبر '24
+274
در 84 کانالها
Get PRO
سپتامبر '24
+95
در 45 کانالها
Get PRO
اوت '24
+136
در 82 کانالها
Get PRO
ژوئیه '24
+92
در 45 کانالها
Get PRO
ژوئن '24
+188
در 83 کانالها
Get PRO
مه '24
+403
در 72 کانالها
Get PRO
آوریل '24
+300
در 77 کانالها
Get PRO
مارس '24
+347
در 106 کانالها
Get PRO
فوریه '24
+337
در 79 کانالها
Get PRO
ژانویه '24
+557
در 88 کانالها
Get PRO
دسامبر '23
+736
در 151 کانالها
Get PRO
نوامبر '23
+293
در 111 کانالها
Get PRO
اکتبر '23
+168
در 59 کانالها
Get PRO
سپتامبر '23
+383
در 0 کانالها
Get PRO
اوت '23
+160
در 0 کانالها
Get PRO
ژوئیه '23
+180
در 0 کانالها
Get PRO
ژوئن '23
+131
در 0 کانالها
Get PRO
مه '23
+142
در 0 کانالها
Get PRO
آوریل '23
+160
در 0 کانالها
Get PRO
مارس '23
+245
در 0 کانالها
Get PRO
فوریه '23
+247
در 0 کانالها
Get PRO
ژانویه '23
+272
در 0 کانالها
Get PRO
دسامبر '22
+270
در 0 کانالها
Get PRO
نوامبر '22
+244
در 0 کانالها
Get PRO
اکتبر '22
+202
در 0 کانالها
Get PRO
سپتامبر '22
+230
در 0 کانالها
Get PRO
اوت '22
+211
در 0 کانالها
Get PRO
ژوئیه '22
+207
در 0 کانالها
Get PRO
ژوئن '22
+274
در 0 کانالها
Get PRO
مه '22
+453
در 0 کانالها
Get PRO
آوریل '22
+290
در 0 کانالها
Get PRO
مارس '22
+852
در 0 کانالها
Get PRO
فوریه '22
+1 608
در 0 کانالها
| تاریخ | رشد مشترکین | اشارات | کانالها | |
| 24 ژوئیه | +1 | |||
| 23 ژوئیه | +4 | |||
| 22 ژوئیه | +3 | |||
| 21 ژوئیه | +7 | |||
| 20 ژوئیه | +1 | |||
| 19 ژوئیه | +1 | |||
| 18 ژوئیه | +5 | |||
| 17 ژوئیه | +4 | |||
| 16 ژوئیه | +3 | |||
| 15 ژوئیه | +2 | |||
| 14 ژوئیه | +2 | |||
| 13 ژوئیه | +1 | |||
| 12 ژوئیه | +7 | |||
| 11 ژوئیه | +4 | |||
| 10 ژوئیه | +1 | |||
| 09 ژوئیه | +1 | |||
| 08 ژوئیه | +5 | |||
| 07 ژوئیه | +5 | |||
| 06 ژوئیه | +4 | |||
| 05 ژوئیه | +5 | |||
| 04 ژوئیه | +7 | |||
| 03 ژوئیه | +3 | |||
| 02 ژوئیه | +8 | |||
| 01 ژوئیه | +2 |
پستهای کانال
🏳️🌈구글은 역노화 자산을 가지고 있다 source
1. 노화는 세포만 늙는 현상이 아님. 세포 바깥의 콜라겐·단백질에 당과 지방 부산물이 달라붙어 AGEs라는 손상을 만들고, 그중 CML은 피부와 혈관을 뻣뻣하게 하며 만성 염증을 유발함. 이미 축적된 CML은 되돌릴 수 없는 손상으로 여겨져 왔음
2. Revel Pharma, 구글의 노화 연구소 Calico, 콜로라도대 연구진은 AlphaFold 구조 데이터와 5억 개의 효소 변이, 5차례의 지향성 진화를 활용해 CMLase라는 새로운 효소를 개발함
3. 실험 결과 단백질별 CML을 ~97%, 75세 기증자의 동맥 조직에서는 70% 이상, 고령 피부에서는 55% 이상 제거함. 처리된 피부의 CML 수치는 30세보다 어려졌음
4. 다만 75세 피부가 30세로 회춘했다는 의미는 아님. 살아 있는 사람에게 크림을 바른 임상시험이 아니라, 얇게 절단된 기증 조직에서 특정 노화 손상 표지자를 제거한 ex vivo(생체 밖) 실험임. 피부 침투력, 면역반응, 실제 탄력 회복과 장기 안전성은 아직 검증 전
5. 그럼에도 이번 연구가 중요한 이유는 AI가 자연에 없던 기능을 가진 단백질을 찾아내고 실제 인간 조직의 화학적 손상을 되돌렸다는 점. AlphaFold의 진짜 경제적 가치는 분자·효소·신약을 설계하는 발견 엔진에서 나타남
6. 노화 역전 기술은 임상 치료까지 오랜 검증이 필요함. 차마스 팔리하피티야 등은 [역노화 산업의 첫 시장]으로 의약품보다 규제와 전달 난도가 낮은 화장품, 미용 의료 시장을 지목함
7. 투자적으로는 구글의 숨은 옵션을 보여주는 사례. Alphabet은 Calico를 통해 노화 생물학을 연구하고 있으며, Isomorphic Labs에서는 AlphaFold를 넘어 실제 신약 설계 엔진을 구축 중. 현재 기업가치는 검색·광고·클라우드만이 대부분을 설명하며, 바이오의 성공 가능성은 반영되지 않았음
8. 구글은 AI 모델을 생물학적 제품으로 연결할 수 있는 연구 인프라와 인재를 내부에 보유하고 있음. 구글의 바이오 옵션은 AlphaFold → 단백질 설계 → 인간 조직 검증 → 임상·상용화로 이어지는 반복 가능한 발견 엔진
9. 당장 구글 실적을 움직일 재료는 아니지만, Calico나 Isomorphic Labs에서 실제 임상 진입 자산이 나오기 시작한다면 두 번째 메가톤급 성장 엔진이 될 것
| 2 | 🤔무너지는 구리 공급과 광산주 source
1. 주요 구리 생산업체의 생산량이 일제히 흔들리고 있음. Rio Tinto -7%, BHP -5%, Antofagasta는 전분기 대비 -1%
2. 가장 큰 충격은 Ivanhoe Mines. 핵심 광산인 Kamoa-Kakula의 2026년 생산 전망을 대폭 하향함
3. 품위 저하, 설비 중단, 운영 차질, 증산 지연이 업계 전반에서 동시에 나타나는 모습. 구리 공급 확대가 시장 예상보다 훨씬 어려움
4. 그런데 최근 구리 광산주는 오히려 급락 중. 공급 차질은 구리 가격에는 호재지만, 생산을 못 하는 광산기업에는 매출 감소와 원가 상승이라는 악재기 때문
5. 구리 강세와 구리 광산주 강세는 같은 이야기가 아님. 광산주는 구리 가격에 생산·비용·국가·설비 리스크까지 더해진 자산이라 종목별 차별화가 큼
6. 향후 Anglo American, Glencore, First Quantum, Teck, Freeport까지 감산을 발표한다면 구리 부족은 단순한 수요 전망이 아니라 실제 생산 데이터로 확인되는 단계에 진입
✍️구리 투자의 핵심은 부족이지만, 광산주 투자의 핵심은 그 부족한 구리를 누가 실제로 생산해 팔 수 있느냐에 있음 | 697 |
| 3 | 💙💛💚이 보는 AGI (Demis Hassabis, Sergey Brin) source
1. 현재의 스케일링만으로도 AI 성능은 계속 개선될 수 있음. 다만 AGI까지 가려면 모델·데이터·컴퓨팅 확대와 함께 새로운 알고리즘적 돌파구가 필요
2. 앞으로 데이터센터 수요는 모델 학습보다 추론 과정에서 더 크게 발생함. 복잡한 문제일수록 AI가 여러 사고 경로를 병렬로 탐색하고 검증하면서 더 많은 칩과 전력을 사용하기 때문
3. 하사비스가 정의하는 AGI는 평균적인 인간의 업무를 자동화하는 수준이 아님. 과학적 발견, 창작, 장기 계획까지 수행하면서도 분야별 성능이 일관된 범용 지능 구조를 의미함
4. 현재 AI의 핵심 한계는 명확함. 현실의 인과관계를 이해하는 세계모델, 장기 추론, 오류 누적 방지, 새로운 가설을 만드는 진짜 창의성이 아직 부족
5. AlphaEvolve처럼 AI가 더 나은 알고리즘을 직접 설계하는 자기개선 루프는 발전 속도를 크게 높일 수 있음. 다만 게임과 달리 현실은 목표와 규칙이 불명확해 아직 검증이 필요
6. 구글은 Gemini를 처음부터 멀티모달로 설계함. Project Astra, 스마트 안경, 로보틱스를 연결해 화면 속 챗봇이 아니라 현실을 보고 행동하는 범용 에이전트를 만들겠다는 전략
7. AGI 예상 시점은 세르게이 브린이 2030년 이전, 데미스 하사비스가 2030년 직후. 구글은 Gemini가 최초의 AGI가 되는 것을 공식적인 목표로 두고 있음 | 842 |
| 4 | 📰경제적 특이점, 노동의 종말과 가치의 재정의 (Raoul Pal) source
1. 기존 경제 공식의 종말
- 기존 공식: GDP 성장 = 인구 + 생산성 + 부채
- 저출생과 고령화로 인구 및 생산성 엔진은 이미 마비 상태
- 정부는 부채만 늘려 억지 성장을 유지해 옴
- 에이전트와 로봇 등장으로 노동력 자체를 제조하는 시대 진입
- 쉬지 않고 똑똑해지는 기계 노동력 공급으로 생산성이 수직 상승
2. 풍요의 역설
- 가장 비싼 자원이었던 지능의 공급 비용이 0이 됨
- 의료, 교육, 코딩, 디자인 등 지능이 들어가는 모든 분야에서 폭발적 디플레 발생
- 누구나 AI로 빠르게 기업을 만들 수 있어 단순 기술 해자는 빠르게 소멸
- 생산량이 무한히 증가하는 세상에서 GDP 등 기존 모델은 의미를 상실
3. 월급의 종말과 UBI vs UBE
- 노동 제공 ➔ 임금 수령 ➔ 자산 구매 형태의 생존 파이프라인이 파괴
- 보편적 기본소득(UBI): 정부 현금성 보조금 수혜자로 전락 시, 생산성을 독점한 자와의 격차가 극단적으로 벌어짐
- 보편적 기본지분(UBE): AI 시스템, 로봇, 인프라 지분을 직접 소유하여 생산성 결실을 분배받아야 함
- 지능이 흔해질수록 인간 간의 신뢰, 커뮤니티, 취향 등 인간성 자체가 귀한 자산이 됨
4. 2030~2032년 골든타임 대응 전략
- 복제 가능한 모든 자원의 가치는 하락하고, 복제 불가능한 희소 자원으로 쏠림
- AI 인프라 및 체인 레일: 지능을 생성하고 연결하는 기술 기업 및 온체인 경제 네트워크 소유
- 비트코인은 무제한 화폐 발행과 지능 무한 복제 시대에 공급량이 고정된 희소 자산
- 2030~2032년 사이 기계 경제 체제가 완결되기 전까지 희소 자산을 최대한 모아 소유자의 위치에 서는 것이 핵심 | 2 415 |
| 5 | 🔽AI 주식이 하락하는 이유 (Jordy Visser) source
1. 많은 AI 반도체 기업의 실적은 여전히 빠르게 성장 중이나, 문제는 성장률의 증가 속도가 둔화되고 있다는 점. AI 기업의 펀더멘털이 나빠진 것이 아니라, 향후 2년 성장까지 미리 반영된 상태라는 의미
2. AI 모멘텀 종목의 변동성이 급등하면서 개인 신용계좌, 롱숏 헤지펀드, 멀티전략펀드, 시스템 퀀트 전략이 동시에 포지션을 줄이고 있음. 변동성 목표 전략은 자동으로 위험 노출을 축소함
3. 이후 주가가 반등해도 이전과 같은 규모로 즉시 재진입할 수 없기 때문에, 회복 속도 역시 느려짐. 즉, 이번 하락은 단순한 공포가 아니라 실제 레버리지 청산이 동반된 구조적 조정
4. Jordy Visser는 30~60% 되돌림 구간에서 바닥을 형성한다고 봄. 앞으로의 AI 시장은 종목별 실적 차별화 확대, 변동성 하락, 실적 추정치가 계속 상향되는 기업만 재상승 등 선별 장세로 변모할 것
5. 메모리 기업은 이미 예상치를 크게 뛰어넘는 실적을 발표했지만 주가는 하락함. 그럼에도 장기간 신규 투자가 부족했기에 수요에 대응할 생산능력을 갖추지 못함. 따라서 조정 이후에도 병목은 지속됨
6. 중국 오픈소스 모델이 미국 프론티어 모델을 대체하기는 어려움. 보안, 책임 소재, 조달 절차, 기존 클라우드 계약 때문. 오픈소스가 토큰 시장을 장악해도, 기업이 지불하는 돈은 미국 모델과 클라우드에 집중됨
7. 최종 형태는 모델 라우터. 사용자는 하나의 인터페이스만 사용하고, 뒤에서는 모델 라우터가 업무 난도와 비용에 따라 수십개 모델 중 여러 개를 자동 선택하는 구조. AI 모델은 점차 외주화된 지능이 됨
8. 모델 가격이 하락해도 전체 컴퓨팅 수요는 더 커짐. 가격이 내려가면 사용량이 빠르게 증가하는 제번스의 역설이 작동하기 때문. 모델 사업자에는 압박이 생겨도 반도체·메모리·전력 인프라에는 긍정적
9. 금리 인상 우려 완화는 크립토에 유리함. 유동성 확대와 통화가치 희석에 민감한 자산에 긍정적. 비트코인은 현 시점에서 AI 모멘텀 주식보다 위험 대비 효율이 높아진 상태
10. 하지만 비트코인보다도 이더리움. 확대될 산업 흐름(에이전트 경제, RWA 등)이 이더리움의 실사용과 연결될 가능성이 높기 때문. 이더리움은 AI 에이전트 경제의 거래·정산 레이어가 됨
11. AI 다음은 로보틱스. 다만 현재 로보틱스 기업을 고르기보다, 우선은 로봇이 필요로 하는 반도체·메모리·인프라를 보유하는 편이 좋음. 센서, 칩, 메모리, 네트워크, 데이터센터, 전력이 더 필요하기 때문 | 1 144 |
| 6 | AI 경쟁의 다음 : 똑똑한 모델보다 싼 모델 source
1. AI의 경쟁력은 기초 모델로 이동하고 있음. 추론만 잘하는 모델은 세상과 연결되지 않은 어항 속 뇌에 가깝고, 최종 목표는 AI가 AI를 직접 만드는 것
2. 하지만 성능만큼 중요한 것이 비용 대비 작업 완수율임. Kimi K3는 비공개 사이버보안 평가에서 최상위권 성능을 훨씬 낮은 비용에 제공했고, GPT-5.6은 더 뛰어났지만 가격이 7배
3. 중국 기업은 이 지점을 노리고 있음. Alibaba는 Qwen3.8을 오픈웨이트로 공개하고, T-Head는 CUDA에 대응하는 AI 소프트웨어 스택까지 오픈소스화하려 함. 모델부터 개발도구까지 AI 전체 스택을 범용재로 만들겠다는 전략
4. 이는 폐쇄형 AI 기업의 높은 가격과 마진에 직접 위협임. 과거 Sun Microsystems가 Linux와 범용 하드웨어에 무너졌듯, 모델 성능 차이가 좁혀지면 사용자는 결국 더 저렴하고 개방적인 생태계로 이동
5. 따라서 장기적으로 배포망, 독점 데이터, 업무 워크플로우, 추론 인프라의 가치가 더 커질 수 있음. 모델이 평준화될수록 고객과 데이터가 있는 플랫폼, 네트워크, 전력, 데이터센터가 강한 해자를 가짐
6. 다만 AI 인프라 투자도 무조건 승자는 아님. Oracle 데이터센터의 비용 급증, 지역 주민 반대, 인허가 지연, 국가안보 규제처럼 대규모 CAPEX가 실제 현금흐름으로 전환되기까지 상당한 마찰이 발생
7. 결국 AI 투자에서 봐야 할 것은 단순 벤치마크가 아님. 성능을 얼마나 싸게 제공하는가, 실제 업무를 얼마나 안정적으로 끝내는가, 비용 하락 이후에도 무엇으로 돈을 벌 수 있는가가 핵심 | 1 095 |
| 7 | 2028년 공급 폭탄, 메모리 슈퍼사이클의 끝일까 source
1. 최근 메모리주 조정은 단순 레버리지 청산만으로 보기 어려움. 시장이 2027년까지의 공급 부족보다 삼전·닉스·마이크론의 증설이 반영될 2028년 공급 완화 가능성을 먼저 가격에 넣기 시작
2. 메모리 주가는 통상 메모리 가격 고점보다 2분기 먼저 꺾인다고 알려짐. 그러나 이는 법칙이 아님. 2028년 실적 둔화가 강한 컨센서스로 굳어지면 주가는 3분기 이상 앞서 고점을 형성할 수도
3. 전통적 메모리 하락 사이클은 수요 감소보다 과잉 공급이 만듦. PC·스마트폰 시대에도 데이터 수요는 늘었지만, 생산능력이 더 빠르게 증가하면서 가격과 이익이 붕괴함
4. 다만 AI 시대에는 가격 하락의 충격이 작아짐. AI 토큰 수요의 가격 탄력성은 1.42로, 가격 하락보다도 사용량이 더 증가함. 추론 비용이 낮아지면 더 큰 모델, 긴 컨텍스트, 에이전트, AI 서비스가 빠르게 확산됨
5. 효율화가 HBM 수요 감소로 이어지는 것도 아님. Kimi K3는 KV 캐시를 줄였지만 모델 자체를 키워 랙 단위의 GPU와 HBM을 사용함. 절약한 메모리가 더 큰 모델과 긴 작업에 재투입되는 제본스 역설
6. LTA도 사이클 진폭을 줄임. 다만 계약이 실제로 취소 불가능한지, 가격 하한과 물량 의무, 해지 페널티가 얼마나 강한지가 핵심. 마이크론보다 공시가 부족한 삼닉은 시장의 신뢰를 얻기 전까지 저평가될 수
7. 핵심은 메모리 가격 하락이 아니라, 다음 이익 저점이 얼마나 깊냐
- 2028년 공급 확대 가능성은 충분히 현실적임
- 그러나 공급 증가가 과거와 같은 실적 붕괴를 의미하지는 않음
- AI 수요의 높은 탄력성과 HBM 탑재량 증가가 공급을 흡수한다면,
- 메모리 사이클은 사라지지 않더라도 진폭은 크게 줄어듦
- 반대로 빅테크의 수익률이 악화되거나 LTA가 무력화되면 전통 메모리 사이클이 반복됨
- HBM과 범용 DRAM·NAND를 하나의 메모리 업종으로 묶어 판단하는 것부터 위험
- 다음 사이클에서도 HBM은 구조적 성장을 이어가는 반면, 범용 메모리는 공급 압력을 더 크게 받을 것 | 1 054 |
| 8 | 🥇Stripe·Block의 PayPal 인수 추진 source
Stripe, Block, 사모펀드 Advent가 530억 달러 규모로 PayPal 인수를 추진
1. 표면적으로는 성장세가 둔화된 PayPal의 턴어라운드 거래지만,
- Stripe: 전 세계 온라인 가맹점과 결제 API
- PayPal: 4억 개 이상의 소비자 계정
- Venmo: 젊은 소비자층
- Braintree: 온라인 결제 처리
- Block: 오프라인 POS와 Cash App
- Bridge·PYUSD: 스테이블코인 결제 인프라
2. 이들을 결합하면 가맹점부터 소비자까지 연결되는 엔드투엔드 결제망을 구축할 수 있음
- 목표는 PayPal 정상화에 그치지 않고, 기존 Visa·Mastercard 결제망을 우회하는 것
- 소비자와 가맹점이 모두 같은 네트워크 안에 있다면 카드사에 지불하던 중간 수수료를 줄일 수 있음
3. 이번 거래는 오래된 인터넷 기업을 AI 네이티브 운영자가 인수해 재구축하는 새로운 M&A 모델
- 창업자가 떠난 1세대 인터넷 기업
- 성장은 정체됐지만 여전히 거대한 고객 기반 보유
- AI를 활용한 인력·운영비 절감
- 제품과 마케팅을 다시 설계
- 기존 네트워크를 새로운 사업의 유통망으로 활용
✍️앞으로 AI 기업이 신규 서비스를 만드는 것뿐 아니라 낡은 Web2 기업을 인수해 AI화하는 거래가 늘어날 수 있음 | 1 010 |
| 9 | 크립토윈터에 유일하게 오른 섹터: 프라이버시 (Chamath Palihapitiya) source
1. 프라이버시 토큰만 독주
- 지난 1년간 대부분 섹터가 하락했지만 프라이버시 토큰은 127% 상승
- 2025년 73개 거래소가 상장폐지했음에도 섹터 수익률 1위를 기록
2. 비트코인은 완전히 동일한 돈이 아님
- 모든 거래와 코인의 이동 이력이 공개됨
- 해킹·범죄에 연루된 BTC는 거래소에서 거부/할인될 수 있음
- 이력에 따라 가치가 달라진다면 엄밀히는 1BTC와 다른 1BTC가 같지 않음
3. 익명이 아니라 가명에 가까움
- 주소가 실제 신원과 한 번 연결되면 과거 거래까지 모두 추적 가능
- 거래소 가입, 공개 결제, 개인정보 유출이 연결 고리가 될 수 있음
4. 영지식증명이 이를 해결
- 자산 보유, 이중지불 여부, 규칙 준수만 증명
- 송금자, 수취인, 금액은 공개하지 않음
- 네트워크는 결제가 유효한지만 확인하고 내용은 보지 못함
5. 프라이버시는 선택 기능이 아니라 금융 인프라
- 온체인 금융이 커질수록 모든 자금 흐름이 공개되는 구조의 한계도 커짐
- 프라이버시 토큰 상승은 다크코인 부활보다 완전 공개 금융에 대한 구조적 반작용 | 4 163 |
| 10 | TradFi는 DeFi를 원하지 않는다 (a16z) source
1. 기관이 원하는 것은 효율성
- 은행이 블록체인을 쓰는 이유는 비용 절감, 빠른 정산, 담보 효율 개선 때문
- 통제권과 책임 구조를 유지할 수 있을 때만 도입함
2. 그래서 DeFi를 그대로 쓰지는 않음
- KYC·AML, 자산 동결, 거래 통제 기능이 필요함
- 무허가 접근과 익명성은 제거하고, 기관용 프로그래머블 금융 인프라로 재구성함
3. 다만 사설 블록체인은 이미 한계를 드러냄
- Hyperledger 등은 의미 있는 자산과 유동성을 만들지 못했음
- 반면 USDT·USDC, BUID, 토큰화 국채는 공개 블록체인에서 성장 중
4. 공개성은 단순한 철학이 아님
- 24시간 글로벌 유동성, 프로토콜 간 연결, 공용 담보는 개방성에서 나오는 경제적 가치
- 기능은 복제할 수 있어도 공개망의 유동성과 네트워크 효과까지 사설망에 옮기기는 어려움
5. 진짜 승자는 제3의 금융기관
- Circle, Coinbase, Securitize, Aave, Morpho처럼 공개망의 DNA와 기관급 규제·보안을 결합한 기업들
- 미래는 기존 은행이 DeFi를 흡수하는 것보다, 크립토 네이티브 기업이 새로운 금융기관으로 성장하는 쪽에 가까움
✍️TradFi는 DeFi의 철학은 거부해도, DeFi가 만든 공개 레일과 유동성까지 외면하기는 어려움 | 2 071 |
| 11 | Everyone will look at this chart and say “go to Google.”
Wrong lesson.
The lifers at Google joined 10+ years ago, when it was the risky choice and Boeing was the safe one.
The real question: which company today is the 2015 Google?
구조적으로는 Meta, 비대칭으로는 Anduril
source | 958 |
| 12 | 📈The Exponential Age (Raoul Pal) source
1. 현금의 가치는 계속 희석 중
- 시장을 움직이는 건 연준이 아니라 글로벌 유동성
- 중앙은행·정부·상업은행이 함께 유동성을 확장 중
- 현금만 보유하면 구매력은 구조적으로 감소
- 투자 기준은 물가가 아니라 통화 팽창보다 빠르게 성장하는가
2. AI는 합성 노동인구를 만들고 있음
- AI 에이전트는 지식노동을 대체
- 휴머노이드 로봇은 육체노동을 대체
- 경제성장이 인간 노동인구에만 의존하지 않게 됨
- 지능의 한계비용이 낮아지며 상품·서비스 가격도 압축됨
3. 진짜 병목은 전력
- AI와 로봇에는 컴퓨트가, 컴퓨트에는 막대한 전력이 필요
- 반도체뿐 아니라 데이터센터·전력망·발전·배터리가 핵심 인프라
- AI가 전력망 최적화 → 전력비 하락 → 컴퓨트 비용 하락 → AI 성능 향상 → 다시 전력망 최적화
- 기술들이 따로 성장하는 게 아니라 서로의 성장률을 높임
4. 크립토는 기계경제의 금융망
- AI 에이전트는 서로 서비스를 구매하고 대금을 정산해야 함
- 기존 금융망은 영업시간·중개기관·느린 결제라는 한계가 있음
- 블록체인은 24시간 프로그램 가능한 거래와 정산이 가능
- 스테이블코인은 기계 화폐, 컨트랙트는 기계 간 계약, 블록체인은 그 정산 레이어
5. 결론
- 일자리 빼앗기지 않으려면?은 이제 의미없는 질문임
- AI 생산성의 지분을 어떻게 소유할 것인가?가 본질적
- AI 인프라, 반도체와 데이터센터, 전력과 에너지 저장, 디지털 희소자산, 블록체인 정산망
- 노동의 가치가 낮아질수록 수익은 기계와 기계가 작동하는 인프라의 소유자에게 집중됨
- AI 시대의 핵심은 기계와의 경쟁이 아닌, 그들이 만들어낼 생산성의 지분을 선점하는 것 | 1 478 |
| 13 | 🔹이더리움은 분명한 승자입니다 그러나 source
1. 로빈후드 체인은 지금까지 약 81.6만 달러의 수익을 올렸음
- 로빈후드 89%, 아비트럼 10%, 이더리움 0.15%
- 로빈후드는 솔라나나 수이 위에서 수수료를 내는 임차인이 아니라, 직접 체인을 소유하는 지주가 되고 싶었음
- 커스터마이징이 가능한 L2 스택이 선택된 것은 분명 이더리움 생태계의 승리임
2. 문제는 중요한 보안·정산 레이어인 이더리움이 아무것도 가져가지 못한다는 것
- 블록스페이스는 폭증했지만, 수요는 그대로
- 이더리움은 지난 몇 년간 L2와 데이터 가용성 확장을 통해 블록스페이스 공급을 폭발적으로 늘렸음
- 반면 지속 가능한 앱 수요는 거의 성장하지 않았음
- 블록스페이스 공급 폭증, 앱 수요 성장 정체, 수수료와 ETH 소각 감소, L2와 기업 체인이 대부분의 수익 흡수
- 결국 이더리움은 크립토에서 가장 가치 있는 정산 레이어를 한계비용에 가까운 가격으로 판매하는 구조가 됨
3. ETH가 돈이라면 강세, 주식이라면 약세
- ETH는 돈이다라는 관점에서는 로빈후드 체인의 등장이 긍정적
- 더 많은 체인이 정산 레이어로 사용하고, ETH가 담보와 준비자산으로 축적될수록 통화적 네트워크 효과는 강해짐
- 반면 ETH는 현금흐름 자산이다라는 관점에서는 거의 최악의 사례
- 수익은 루빈후드와 아비트럼이 가져가고, 이더리움에는 푼돈만 남기 때문
- 수수료가 중요하지 않은 최종 단계는 언젠가 올 수 있었음
- 문제는 ETH가 충분히 통화로 자리 잡기도 전에 최종 단계의 경제 구조가 너무 일찍 도착했다는 것
4. 결론
- 이더리움은 모듈러 블록체인 전쟁에서는 승리했음
- 하지만 생태계의 성공이 ETH의 가치 상승으로 연결되는 경제적 부트스트래핑 과정은 중간에서 끊겼음
- 지금 필요한 것은 또 다른 TPS 확장이 아님
- 블록스페이스를 실제로 소비할 앱과, 그 수요를 ETH 가치로 연결할 구조 | 2 540 |
| 14 | 믿을 숫자는 살아남을 수 있는 손실뿐 (Ken Griffin) source
1. 모든 꼬리위험을 예측하고 방어하는 것은 불가능함. 대신 최악의 시나리오에서 얼마를 잃는지, 그 손실을 견딜 수 있는지를 먼저 계산해야 함. 포트폴리오의 목표는 모든 위험을 피하는 것이 아니라, 극단적 상황에서도 게임에 남아 있는 것
2. 전쟁에서도 미국 증시가 고점에 있는 이유는 미국이 에너지 충격에서 보호받고 있기 때문. 호르무즈가 막혔다면 유가는 200달러에 근접했을 수 있지만, 중국의 예상보다 큰 수요 감소와 계속된 원유 수송 덕분에 100달러에서 버티고 있음. 시장은 평화를 가격에 반영한 것이 아니라, 현실화되지 않은 에너지 꼬리위험을 할인하고 있는 셈
3. 기업들이 말하는 AI 생산성 향상도 그대로 믿어서는 안 됨. 경영진이 제시한 실제 사례 상당수는 생성형 AI가 아니라 ML·최적화·디지털화. 투자자는 기술 개선을 전부 AI로 묶지 말고, 어떤 성과가 실제 프런티어 모델과 에이전트에서 발생했는지 분리해야
4. 변화는 에이전트 AI에서 나타나기 시작함. 과거 여러 박사가 8주 동안 수행하던 일을 하나의 시스템이 3시간 안에 처리했지만, Citadel은 이를 이유로 인력을 감축하지 않았음. AI의 1차 가치는 사람을 줄이는 것이 아니라, 이전에는 경제성이 없어 시도하지 못했던 문제를 더 많이 푸는 데 있음
5. 대체데이터가 실적을 실시간으로 추정하게 되면서 종목 선택의 우위도 이동함. 이제 이번 분기 숫자를 먼저 맞히는 것보다, 그 숫자가 산업 구조·경쟁 구도·자본배분에 어떤 2·3차 효과를 만들지 해석하는 능력이 중요해짐. 동시에 급등하는 컴퓨트 비용은 자본력과 마진이 약한 투자회사를 최전선에서 밀어내는 진입장벽이 되고 있음
6. 대만 반도체 공급망 충격은 단순 주가 조정이 아니라, 순식간에 발생하는 대공황급 시나리오가 될 수 있음. 데이터센터를 미국에 건설해야 한다는 주장도 같은 맥락임. 국내 구축 비용이 더 비싸더라도, 핵심 컴퓨트를 해외 지정학적 위험에 집중시키는 비용은 훨씬 클 수 있음. 비효율이 아니라 보험료에 가까움 | 1 947 |
| 15 | 🙏크립토 컨퍼런스 특징 source
1. 수천 명이 모이고 수십 개의 패널이 열리지만, 내용은 놀라울 정도로 매번 비슷함. "아직 초기다, 다음 10억 명이 온다, UX가 개선돼야 한다." 아무것도 틀리지 않았지만, 아무것도 말하지 않은 것과 같음
2. 네트워킹도 하나의 의식처럼 반복됨. "무슨 일 하세요?"로 시작해 "꼭 협업하죠"로 끝나고, 텔레그램을 교환한 뒤 다음 발표 게시물에 🔥 하나 남기는 관계가 됨 (ㅋㅋ)
3. 컨퍼런스의 표면적 주제는 기술과 미래지만, 실제로는 관심, 지위, 접근권이 거래되는 시장임. 사용자 주권을 말하면서 유명한 사람이 입장했는지 확인하고, 탈중앙화를 논하나 VIP와 일반인 구분에 환장함
4. 그래서 사흘 동안 똑똑한 사람 수천 명에게 둘러싸이고도, 정작 지성의 방이 아니라 로비에만 머물다 온 느낌을 받을 수 있음. 많은 사람을 만났지만 기억나는 아이디어는 하나도 없는 상태
5. 문제는 큰 무대에 큰 생각이 있고, 긴 줄 끝에 중요한 사람이 있다고 학습했다는 것. 하지만 실제로 바꾸는 사람은 자신을 증명하려 애쓰는 사람이 아니라, 아직 문제와 씨름하며 좋은 질문을 던지는 사람
6. 컨퍼런스에서 가장 높은 기대수익을 내는 전략은 단순함. 사람들이 몰린 곳에서 한 발 벗어나 반쯤 빈 세션에 들어가고, 혼자 밥을 먹는 사람 옆에 앉아, 연사에게 할 질문보다 더 많은 질문을 건네는 것
7. 컨퍼런스의 알파는 관심의 비효율에서 발생함. 명함을 많이 모으는 것보다, 사회적 보상이 없어 보이는 사람과 깊게 이야기하는 편이 가치 있을 수 있음. 모두 보는 곳에서 시선을 거두면 진짜 네트워킹이 시작됨 | 1 262 |
| 16 | 👼올드 크립토는 끝났다 source
1. 우리가 익숙한 크립토 시장은 기술 자체보다 당시의 출발 조건이 만든 결과였음. 미성숙한 인프라, 넘쳐나는 유동성, 디파이 초기 성공, 금융 허무주의가 겹치면서 좋은 제품보다 좋은 이야기가, 실적보다 트위터 영향력이 중요해졌음
2. 지금은 완전히 바뀜. 블록체인은 성숙했고, 현재 확실한 활용처도 드러났음. 바로 24시간 작동하는 글로벌 금융 인프라임. 반면 업계로 들어오는 자본은 줄었고, 투자금은 과거보다 적은 수의 프로젝트에 집중됨
3. 경쟁 상대도 달라짐. 투자자는 이제 의미가 불분명한 유틸리티 토큰 대신 AI처럼 실제 생산성과 매출을 만드는 자산을 선택할 수 있음. 금융 허무주의가 끝나자, 생산적 자산의 기회비용이 높아진 것
4. 주식은 오르는데 왜 코인은 안 오르나?라는 질문의 답도 여기에 있음. 시장이 크립토를 버린 것이 아니라 게임의 규칙이 바뀐 것. 사업, 현금흐름, 실사용 없이 가격 상승만 약속하는 토큰은 더 이상 인정받지 못함
5. 이 과정에서 업계는 커지기 전에 먼저 작아질 수 있음. 구시대 내러티브에 맞춰 자금을 조달한 창업자, 초기 토큰을 빠르게 넘기는 데 최적화된 VC, 무의미한 코인의 회전율에 의존한 거래소는 구조적으로 압박받게 됨
6. 반대로 살아남는 팀은 다음 메타를 만드는 팀이 아님. 스테이블코인, 온체인 자본시장, 결제, 거래, 담보, 정산처럼 기존 금융을 더 빠르고 저렴하고 글로벌하게 만드는 팀임
7. 크립토는 죽은 것이 아니라 정상적인 산업이 된 것임. 이제 알파는 서사보다 매출, 토큰보다 제품, 커뮤니티보다 실수요에서 나옴. 과거의 게임을 그리워하는 사람은 떠나고, 새로운 필드에서 사업을 만들 수 있는 사람만 남게 될 것 | 5 298 |
| 17 | 📰가장 강한 AI는 인간을 대체하는 AI가 아니다 source
1. 오늘날 대부분의 AI는 소수 연구소에서 학습된 뒤 고정된 범용 모델로 배포됨. 사용자가 실제 업무에서 쌓는 판단과 피드백은 모델의 핵심 학습 과정에 거의 반영되지 않음. Thinking Machines가 제시하는 대안은 인간의 의지와 판단 대체가 아닌 확장하는 AI임
2. 핵심은 지식의 성격임. 기업의 경쟁력은 DB에 정리된 정보보다, 현장에서 계속 생겨나는 암묵적·지역적·상황적 지식에 있음. 요리사의 감각, 현장 직원의 노하우, 조직 특유의 판단 기준은 중앙의 범용 모델이 한 번에 수집할 수 있는 정적 데이터가 아님
3. 따라서 인간 참여는 감성적 구호가 아니라 기술적 과제임. AI는 언제 혼자 행동하고 언제 질문해야 하는지 판단해야 하며, 사람은 결과가 나오기 전에 실시간으로 끼어들어 수정할 수 있어야 함. 현재의 텍스트 입력창은 인간의 의도와 판단을 전달하기에 좁은 인터페이스
4. AI 평가 기준도 달라져야 함. 지금은 모델이 인간 없이 얼마나 긴 작업을 수행하는지가 주요 벤치마크지만, 더 중요한 것은 인간과 AI가 함께 얼마나 더 좋은 판단과 새로운 지식을 만들어내는가임. 자율성만 측정하면 협업 능력은 평가에서 사라짐
5. 정렬 역시 하나의 모델이 모든 사람의 가치관을 대표하는 구조여서는 안 됨. 인간의 지식과 가치가 분산돼 있는 만큼, 각 개인과 조직이 자신의 목적에 맞게 모델을 조정/소유할 수 있어야 함. 분산 정렬이란 AI의 가치 판단 권한을 소수 연구소에서 사용자에게 분산하는 것
6. 기업 관점에서 경쟁력은 최고의 범용 모델을 빌리는 데서 나오지 않음. 자체 지식과 판단을 모델 가중치·피드백·워크플로우에 지속적으로 축적해, AI를 사용할수록 조직의 고유 역량이 강화되는 구조를 만들어야 함
7. 범용 모델은 결국 상품화될 수 있음. 장기적 해자는 암묵지를 얼마나 잘 끌어내고 조직 내부에 복리로 축적하느냐에서 생김. AI의 미래는 인간이 사라지는 자동화가 아니라, 인간의 판단이 더 강력해지는 협업이어야 함 | 1 657 |
| 18 | Memory just became the MOST POLITICAL commodity on earth. Two Korean firms, one American, and 90% of the world's DRAM.
No oil cartel ever had numbers that clean.
source | 1 074 |
| 19 | 메모리 슈퍼사이클은 증설로 끝나지 않는다 source
AI는 메모리를 더 많이 사는 데서 그치지 않음
1. 같은 용량을 만들기 위해 훨씬 많은 웨이퍼를 소모
- 2026년 200만 WPM인 글로벌 DRAM 생산능력은 삼닉 등 공격적 증설을 모두 반영해도 2030년 480만 WPM
- 문제는 HBM의 웨이퍼 소모량. TSV, 넓은 I/O, 적층 및 수율 문제로 HBM4E는 동일한 메모리 비트를 공급하는 데 일반 DRAM보다 4배 많은 유효 웨이퍼 캐파가 필요
- 2030년 AI 가속기 3,000만 대와 서버 CPU 수요를 가정하면 전체 DRAM 수요는 157EB. 일반 DRAM만 보더라도 수요 120EB 대비 공급은 91EB로, 25% 부족
- 중국이 증설하더라도 부족분을 간신히 메우는 수준. 중국 자체 HBM 수요까지 발생하면 공급과잉 전환은 더욱 어려움
2. 메모리 슈퍼사이클을 깨려면 단순한 팹 증설만으로는 부족
- AI 데이터센터 투자가 급격히 둔화되거나
- 가속기당 HBM 탑재량이 예상보다 줄거나
- HBM 수율·설계가 혁신적으로 개선되거나
- 중국이 현재 예상치를 뛰어넘는 속도로 증설해야
- 반대로 이 조건들이 발생하지 않는다면,
- HBM 호황이 일반 서버 DRAM의 공급 부족까지 장기화하는 구조
3. 결론
- 메모리 업체: ASP와 장기계약 협상력 강화
- 장비 업체: 280만~366만 WPM의 신규 캐파 구축에 따른 WFE 수요
- 패키징·소재: HBM 적층과 후공정이 새로운 병목으로 부상
- 중국 DRAM: Big 3가 웨이퍼의 70%를 HBM에 투입할 경우 서구 서버 공급망까지 침투
- 이번 사이클의 본질은 단순히 메모리 수요가 많다는 것이 아님
- AI가 같은 메모리 1비트를 만들기 위해 과거보다 훨씬 많은 웨이퍼를 태우기 시작했다는 것 | 1 127 |
| 20 | ✖️AI 시대의 진짜 IP는 학습 루프 (Satya Nadella) source
1. 과거의 정보 역설은 판매자가 정보를 공개해야만 그 가치를 설명할 수 있다는 문제였음. AI 시대에는 반대임. 기업은 AI를 유용하게 쓰기 위해 자사의 업무 방식, 판단 기준, 내부 지식까지 모델에 알려줘야 함
2. 결국 기업은 사용료와 자신만의 노하우로 AI에 두 번 지불함. 모델의 성능을 더 끌어올리고 싶을수록 더 많은 내부 지식을 투입해야 함
3. 유출 위험은 원본 데이터에만 있지 않음. 프롬프트, 에이전트 툴 사용 기록, 피드백, 평가셋, 승인·거절 패턴에는 조직이 무엇을 좋은 결과로 판단하고 어떻게 의사결정하는지가 축적됨
4. 이 학습이 모델 제공자에게만 쌓인다면, 기업이 AI를 많이 사용할수록 정작 기업의 고유 지식은 외부 플랫폼을 더 똑똑하게 만듦. 경제적 가치는 학습 인프라를 소유한 기업으로 수렴함
5. 따라서 기업 AI의 핵심 자산은 모델 접근권이 아님. 자체 평가셋, 메모리, 작업 기록, 피드백, 가중치와 이를 재학습할 권리를 보유하는 것. 클라우드 시대에 기업이 데이터를 축적했다면, AI 시대에는 학습 자체를 축적해야 함
6. 아키텍처 역시 특정 모델과 분리돼야 함. 프론티어 모델이 교체돼도 기업의 업무 맥락과 평가 기준, 베테랑 직원처럼 축적된 조직 지능은 남아 있어야 함. 모델은 교체 가능하기에, 핵심은 학습 루프임
7. 락인은 학습 루프에서 발생함. 모델은 바꿀 수 있지만, 기업이 수년간 축적한 판단 기준과 조직 지능은 만들기 어려움. 앞으로 가장 강한 기업은 AI를 사용할수록 자신의 지능이 내부에서 복리로 쌓이는 기업 | 1 711 |
