USD.AI, AI 성장의 기폭제가 될 온체인 GPU 담보 대출 인프라

1. AI의 급성장이 가져온 변화와 새로운 금융 인프라의 필요성

1.1 대 AI 시대에 경쟁력은 GPU에 달렸다

AI는 더 이상 특정 산업에 국한된 기술이 아니라, 일상 전반에 자연스럽게 스며든 범용 인프라로 자리 잡고 있다. 검색, 콘텐츠 생성, 업무 자동화, 코딩, 고객 응대 등 다양한 영역에서 AI가 기본 인터페이스로 작동하고 있으며, 이러한 변화의 중심에는 LLM(Large Language Model)이 있다. LLM은 대규모 텍스트 데이터를 학습해 인간 수준의 언어 이해 및 생성 능력을 구현한 모델로, 수천억 개 이상의 파라미터를 기반으로 구축된다.

이러한 LLM을 학습하고 운영하기 위해서는 막대한 연산 자원이 요구된다. 단일 모델 학습에 수천억 원 규모의 비용이 소요되며, 학습 이후에도 추론 과정에서 지속적인 GPU 자원이 필요하다. 이에 대해 엔비디아 CEO 젠슨 황은 LLM을 ‘토큰(LLM 모델의 최소 출력 단위)을 생산하는 공장’에 비유하며, 에너지 → 칩 → 인프라 → 모델 → 애플리케이션으로 이어지는 ‘5층 케이크’ 구조로 설명한 바 있다.

결국 AI 시대의 경쟁력은 GPU 자원의 확보와 활용 능력에 의해 결정된다. 특히 최근에는 GPT, Gemini, Claude 등 다양한 LLM이 등장하면서 추론 수요가 구조적으로 증가하고 있으며, 이에 따라 고성능 GPU의 가격 역시 상승 압력을 받고 있다. 이 과정에서 GPU는 단순한 IT 장비를 넘어, AI 성능과 서비스 품질을 좌우하는 핵심 생산 자산으로 재정의되고 있다.

실제로 이러한 수요 증가는 시장에서도 명확하게 확인된다. 2025년 말 엔비디아의 클라우드 GPU는 매진 됐으며, 차세대 GPU 아키텍처인 블랙웰(Blackwell) 역시 출시와 동시에 빠르게 공급이 소진되며 강한 수요를 입증했다.

더 나아가 GPU 확보 경쟁은 이제 기업 단위를 넘어 국가 차원의 전략으로 확장되고 있다. 최근 한국은 엔비디아로부터 약 26만 장 규모의 GPU를 확보했으며, 이는 수조 원에 달하는 규모이다. 또한 엔비디아와 삼성전자는 AI 데이터센터 기반 ‘AI 팩토리’ 구축을 함께 추진하기로 하면서, 국내 AI 인프라 경쟁력 강화에 대한 기대가 커지고 있다. 이와 관련해 정부는 글로벌 GPU 확보 경쟁 속에서 이러한 움직임이 공급 안정성 측면에서 중요한 의미를 갖는다고 평가했다.

이처럼 GPU는 더 이상 단순한 연산 자원을 넘어, 기업과 국가의 기술 경쟁력을 좌우하는 핵심 인프라 자산으로 자리 잡고 있다.

1-2. GPU 확보에 드는 천문학적 자본 비용과 사모 금융을 통한 자본 조달

엔비디아의 최신 GPU는 개당 수만 달러에 이르며, 수만 개의 GPU를 집적한 AI 데이터센터 하나를 구축하는 데에는 조 단위의 자본이 필요하다. 모건 스탠리는 블랙웰(Blackwell) 기반 서버 한 대의 가격이 약 40억 원 수준에 이를 것으로 전망한 바 있다. GPT 5.3과 같은 최신 모델을 구축하는데 수천, 수만 대의 서버가 필요하다는 점을 고려하면 초기 인프라 구축 비용은 단일 프로젝트 기준으로도 천문학적인 수준에 도달한다. 이러한 구조는 기업들에게 막대한 초기 투자 부담을 요구하며, 단순한 운영비를 넘어선 자금 조달 문제를 야기한다.

이러한 배경 속에서 등장한 것이 GPU 담보 대출(GPU-backed loan)이다. 전통적으로 IT 장비는 빠르게 감가상각되는 소모 자산으로 간주되어 금융 담보로 활용되기 어려웠다. 그러나 GPU는 높은 가동률과 지속적인 수요, 그리고 실제 현금흐름을 창출하는 인프라라는 점에서 점차 금융화 가능한 자산으로 재평가되고 있다.

이에 따라 블랙스톤(Blackstone), 매크네타 캐피탈(Magnetar Capital), 코튜(Coatue) 등 글로벌 사모 자본은 기존의 부동산이나 매출채권이 아닌 GPU 자체를 담보로 하는 구조화 금융에 적극적으로 참여하기 시작했다. 이는 하드웨어 자산이 독립적인 금융 담보로 편입되기 시작했음을 의미하며, AI 인프라가 하나의 새로운 자산군으로 자리 잡고 있음을 보여준다.

이러한 흐름을 대표적으로 보여주는 사례가 AI 클라우드 기업 코어위브(CoreWeave)다. 코어위브는 2023년 8월, 보유한 엔비디아 GPU를 담보로 약 23억 달러 규모의 부채를 조달했으며, 2024년에는 블랙스톤 주도로 약 75억 달러 규모의 추가 자금 조달에 성공했다. 이후 확보한 자금을 기반으로 GPU를 추가 매입하고, 이를 다시 담보로 활용하는 구조를 반복하며 인프라를 빠르게 확장해왔다.

금융 데이터 플랫폼 핀비즈(finviz)에 따르면, 2025년 기준 코어위브의 GPU 담보 부채 규모는 100억 달러를 상회하는 것으로 추정된다. 또한 네오클라우드 기업들의 GPU 담보 대출 규모를 합산하면 200억 달러를 넘어선 것으로 추정된다. 이러한 흐름 속에서 AI 기업 대상 사모 대출 시장 역시 빠르게 확대되고 있다. 2023년 약 800억 달러 수준이었던 시장 규모는 2025년 약 1,800억 달러 수준까지 증가한 것으로 나타난다.

2025년 8월까지의 주요 ai 인프라 기업의 gpu 담보 대출 현황(출처: AIM)

1-3. 사모 금융의 폐쇄적이며, 비효율적인 비용 구조와 해결책으로 떠오르는 온체인 기반 금융 인프라

다만 현재 GPU 금융 인프라는 빠르게 성장하는 수요에도 불구하고 몇 가지 구조적 비효율을 안고 있다. 첫째, 사모 금융의 높은 자본 비용, 둘째, 중소형 사업자의 자금 조달 소외, 셋째, 은행권의 진입을 가로막는 규제적 한계다.

현재 시장의 자금 공백을 메우고 있는 사모 금융은 본질적으로 고비용 구조다. 이는 예금 기반의 저비용 자금이 아니라, 고수익을 요구하는 LP 자본에 운용·성과보수가 더해지는 구조이기 때문이다. 결과적으로 차입자가 부담하는 실질 자본 비용은 높아질 수밖에 없다. GPU 사업은 초기 투자와 가동률이 핵심인데, 높은 금융 비용은 수익성을 직접적으로 압박하고 자산 회수 기간 내 기대 수익률을 훼손한다.

더 큰 문제는 사모 금융이 GPU 금융 수요를 충분히 흡수하지 못한다는 점이다. 사모 금융은 전통적으로 부동산·인프라 중심으로 운용되어 왔으며, GPU와 같은 신규 자산군에 대해서는 제한적으로만 참여한다. 특히 참여하더라도 대형 사업자 중심으로만 자금이 공급되며, 개별 딜의 실사와 구조화에 시간이 오래 소요되기 때문에 빠르게 증가하는 GPU 수요를 따라가기 어렵다. 그 결과 자금은 일부 대형 플레이어에 집중되고, 중소형 GPU 보유자나 AI 데이터센터 운영사는 담보가 있음에도 자금 접근이 어려운 구조가 형성된다.

마지막으로, 가장 낮은 자본 비용을 제공할 수 있는 은행은 시장에 참여하지 않고 있다. GPU는 운용 중에는 높은 현금흐름을 창출하지만, 자산 가치가 빠르게 하락하는 특성 때문에 전통적인 담보 대출 구조와 맞지 않는다.

이는 단순히 은행의 보수적인 성향 때문이라기보다, Basel III 규제 하에서의 자본 요건 때문이다. 은행은 자산의 위험도에 따라 일정 수준 이상의 자기자본을 적립해야 하는데, GPU와 같이 가격 변동성과 감가가 큰 자산은 높은 위험가중치가 적용된다. 그 결과 동일한 대출이라도 더 많은 자본을 묶어야 하며, 자본 효율이 크게 저하된다. 여기에 SPV 기반 구조, 표준화되지 않은 계약, 긴 실사·평가 과정까지 겹치면서 대출 실행과 이후 자산 재판매(유동화)도 쉽지 않다.

결과적으로 은행은 배제되고, 사모 금융이 이를 대체하면서 시장 전체 자본 비용은 상승하고 있다. 여기에 GPU는 감가 속도가 빠른 자산인 반면, 전통 금융은 딜 구조화와 실행에 긴 시간이 소요되면서 자금 조달 시점과 투자 집행 간의 미스매치가 발생하고, 이는 자산 가치 변동 리스크를 확대시킨다. 이로 인해 자금은 일부 대형 플레이어에 집중되며, 담보가 있음에도 자금에 접근하지 못하는 비효율이 구조적으로 고착화되고 있다.

이러한 문제를 해결하기 위한 대안으로 최근 온체인 기반 GPU 금융 인프라가 주목받고 있다. 블록체인은 자산의 소유권과 현금흐름을 투명하게 기록하고, 담보 관리와 청산 과정을 자동화하며, 투자자 풀을 글로벌하게 확장할 수 있다는 점에서 기존 금융 대비 자본 접근성과 효율성을 동시에 개선할 수 있다. 특히 대출 실행과 담보 관리가 프로그래머블하게 이루어지면서 자금 집행 속도를 크게 단축할 수 있다는 점에서, GPU와 같은 고속 감가 자산에 최적화된 금융 구조로 평가된다.

2. USD.AI, GPU 담보 대출을 온체인에서 구현

USD.AI는 GPU 하드웨어에 필요한 자본을 온체인에서 공급하는 합성 달러 프로토콜이다. 기존 사모 금융에 한정되어 있던 GPU 기반 자산 담보 대출을 온체인화하여, GPU와 같은 하드웨어 자산을 기반으로 보다 빠르고 효율적인 자금 조달 구조를 구축하는 것을 목표로 한다.

USD.AI는 투자은행, 사모펀드, 그리고 하드웨어·소프트웨어 엔지니어링 분야에서 경험을 쌓은 팀이 설계했으며, 전통 금융의 구조화 역량과 기술 기반 자산에 대한 이해가 결합된 것이 특징이다. 또한 이지 랩스(YZi Labs), 드래곤플라이(Dragonfly), 프레임워크 벤쳐스(Framework Ventures) 등으로부터 이러한 비전과 실행력을 인정받아 약 $17M 규모의 투자를 유치하며 초기 시장 신뢰를 확보했다.

2-1. USDai를 통해 자본 공급의 폭과 효율성을 확장

USD.AI는 스테이블코인 유동성을 AI 실물 인프라로 연결하여, 예치자(Depositor)와 차입자(Borrower)를 잇는 자본 흐름을 구축한다. 예치된 자금은 GPU를 담보로 한 대출로 공급되며, 차입자는 이를 활용해 추가 GPU를 확보·운영한다. 이때 담보로 설정된 GPU에서 발생하는 현금흐름이 이자의 재원이 되어 예치자에게 지급된다.

구체적으로 예치자는 스테이블코인을 예치하여 유동성 자산인 USDai를 민팅하고, 이를 스테이킹해 수익 축적형 토큰인 sUSDai로 전환할 수 있다. sUSDai는 AI 인프라 대출에서 발생하는 실질 수익(Real Yield)이 토큰 가치에 자동으로 반영된다. 이를 통해 투자자는 복잡한 개별 대출 심사 없이도 AI 인프라 시장에서 발생하는 수익에 보다 효율적으로 노출될 수 있다. USDai 보유자는 언제든지 탈중앙화 거래소의 온체인 유동성 풀을 활용해 이를 매도할 수 있다.

이 구조의 핵심은 기존 사모 금융의 폐쇄성을 깨고, 기관과 개인 구분 없이 누구나 동일한 조건으로 AI 인프라 금융에 참여할 수 있다는 점이다. 기존 GPU 금융이 소수 대형 기관 투자자 중심으로 제한되어 있었다면, USD.AI는 USDai를 통해 이러한 자본 접근 장벽을 제거했다.

결과적으로 이러한 구조는 AI 인프라로의 자본 유입을 가속화하고, 기존 금융에서 소외되었던 중소형 운영사에게도 자금 조달 기회를 제공한다. 이는 자본 공급의 폭과 효율성을 동시에 확장시키며, AI 인프라 확충과 시장 성장을 견인하는 구조적 변화로 이어진다.

2-2. CALIBER 프레임워크를 통해 GPU를 온체인 금융 자산으로 전환

실물 자산을 기반으로 금융 인프라를 구축할 때 가장 큰 한계는 자산에 대한 통제력과 집행력 부족이다. 온체인에서 토큰을 발행하고 거래하는 것은 가능하지만, 실제 담보를 신속하게 회수하거나 강제 집행하는 구조가 미비해 디폴트 상황에서 리스크가 크게 확대되는 문제가 있다.

USD.AI는 이를 해결하기 위해 칼리버(CALIBER)라는 프레임워크를 도입했다. 칼리버는 GPU와 같은 물리적 자산을 온체인에서 직접 담보로 활용할 수 있도록 만드는 오프체인-온체인 결합형 자산 토큰화 구조다. 핵심은 단순한 토큰 발행이 아니라, 법적으로 집행 가능한 소유권을 온체인에 연결하는 것이다.

칼리버의 구조는 크게 세 단계로 이루어진다.

첫 번째는 SPV 기반 자산 분리다. 차입자는 자신이 보유한 GPU를 별도의 SPV(Special Purpose Vehicle)에 이전한다. 이 SPV는 파산 격리 구조를 가지며, 차입자가 파산하더라도 해당 GPU는 다른 채권자에게 귀속되지 않는다.

두 번째는 보관 계약(Bailment) 기반 소유권 토큰화다. SPV는 데이터센터와 보관 계약을 체결하고, 이에 따라 GPU에 대한 권리는 “전자적 권리증서(Electronic Document of Title)” 형태로 생성된다. 이 권리는 ERC-721 NFT로 발행되며, 단순한 디지털 토큰이 아니라 실물 GPU에 대한 법적 소유권을 온체인에서 직접 이전할 수 있는 구조를 의미한다.

세 번째는 온체인 담보 활용이다. 차입자는 해당 NFT를 담보로 USD.AI 프로토콜에서 자금을 대출받고, 투자자는 이 대출에 자본을 공급한다. 이 과정에서 GPU는 데이터센터에서 계속 운영되며 수익을 창출하는 동시에, 온체인에서는 담보로 활용된다.

칼리버 프레임워크 기반의 GPU 담보 대출 실행 구조(출처: USD.AI)

이러한 구조는 디폴트 상황에서 가장 큰 강점을 드러낸다. 차입자가 상환을 이행하지 못할 경우, 담보 NFT는 온체인 경매를 통해 매각되며, 새로운 소유자는 해당 자산에 대한 권리를 그대로 승계할 수 있다. 즉, 담보 자산이 실제로 집행 가능하고 회수 가능한 구조로 설계되어 있다.

결과적으로 칼리버는 GPU라는 비표준 자산을 온체인에서 투자 가능한 금융 상품으로 전환하는 핵심 인프라이며, USD.AI 전체 구조를 지탱하는 기반 레이어라고 볼 수 있다.

2-3. 체계적인 리스크 관리 구조

USD.AI는 온체인에서 안정적인 대출 인프라를 제공하기 위해, 리스크를 통제 가능한 형태로 분해해 관리한다. 특히 신용이 아닌 자산을 기반으로 대출이 이루어지기 때문에, 리스크 관리 역시 자산 중심으로 설계되어 있다.

가장 기본은 보수적인 담보 구조다. USD.AI는 약 70%~80 수준의 LTV를 적용해 충분한 안전 마진을 확보하며, 대출은 원금이 점진적으로 상환되는 구조를 갖는다. 이에 따라 시간이 지날수록 전체 리스크 노출도 자연스럽게 감소한다.

또한 칼리버를 통해 법적 리스크를 차단한다. GPU 자산은 차입자의 파산 리스크와 격리된 SPV에 귀속되고, 보관 계약 및 담보권 설정을 통해 온체인 토큰이 실제 자산에 대한 권리를 갖는다. 이로 인해 차입자가 파산하더라도 담보 자산은 보호되며, 독립적으로 회수될 수 있다.

운영 리스크 측면에서는 차입자 사전 검증뿐만 아니라, 소프트웨어 기반의 실시간 모니터링을 통해 GPU의 가동률과 위치를 관리하여 자산의 실제 수익 창출 능력을 지속적으로 입증한다.

마지막으로 보험 및 프로토콜 레벨의 방어 장치가 존재한다. 온체인 경매, 담보 재매입 구조, 외부 평가 시스템 등을 통해 디폴트 발생 시 손실을 예측 가능한 방식으로 처리하며, 보험 구조와 거버넌스 메커니즘이 극단적인 상황에서 최종 완충 역할을 수행한다. 특히 USD.AI는 바커(Barker)와의 파트너십을 통해 GPU 담보에 대한 독립적인 가치 평가를 수행하고, 해당 평가에 대해 일정 수준의 보증을 제공받는다. 대출은 바커의 평가 기준 대비 최대 80% LTV로 제한되며, 동일 수준으로 커버리지가 구조화되어 있어 통상적인 언더라이팅 가정 하에서는 원금 전액에 대한 보호를 목표로 한다.

이 외에도 QEV와 같은 유동성 리스크 관리 메커니즘이 존재하며, 이러한 장치들이 결합되어 리스크를 다층적으로 통제한다.

3. 3억 달러가 넘는 예치금을 기반으로 안정적으로 GPU 담보 대출을 제공하고 있는 USD.AI

현재 USD.AI에는 약 3.3억 달러 수준의 자금(TVL)이 예치되어 있으며, 스테이킹 기준 약 5~6% 수준의 APY를 제공하고 있다. 스테이킹 비율은 약 90% 수준으로, 대부분의 유동성이 수익 창출 구조에 편입되어 있는 상태다.

현재 예치된 자금은 안전성을 위해 비교적 보수적으로 운용되고 있다. 이는 USD.AI가 신용이 아닌 실물 GPU 하드웨어를 담보로 자금을 공급하는 구조이며, 대출은 장비가 실제로 설치된 이후에만 실행되기 때문이다. 따라서 자금 집행의 시차는 온체인 프로세스가 아닌, 장비의 생산·배송·설치 등 물리적 공급망에서 발생한다. 또한 예치자가 자산 인출을 요청할 경우에 대비해 일정 수준의 유동성을 유지할 필요가 있다.

이에 따라 리저브는 단계적으로 확대되는데, 1단계에서는 T-Bills 등 스테이블 자산 중심으로 안정적인 수익을 확보하고, 2단계에서는 GPU 등 하드웨어 비중을 점진적으로 늘려 수익률을 높이며, 3단계에서는 대부분이 AI 인프라 자산으로 전환되는 구조다.

현재 전체 예치 자금의 약 95%는 이자형 스테이블 자산인 PYUSD에 배치되어 있으며, 3월 27일 기준 약 4.5% 수준의 수익률을 제공하고 있다. 나머지 약 5%는 GPU 담보 대출에 운용되고 있으며, 총 27건의 대출이 B200, H200, H100 등 고성능 GPU를 중심으로 구성되어 있고 약 12.3%의 수익률을 창출하고 있다. 결과적으로 전체 포트폴리오는 저위험 스테이블 수익과 고수익 GPU 대출이 결합된 구조이며, 이를 통해 리저브 기준 약 5%대 중반의 수익률을 형성하고 있다.

4. AI 산업 성장의 기폭제가 될 USD.AI

역사적으로 주택, 자동차, 학자금과 같은 주요 신용 시장은 모두 유동성과 거래 가능성을 갖춘 표준화된 부채 상품이 등장하면서 본격적으로 확장되었다. 이러한 금융 상품은 자본을 대규모로 유입시키고, 시장 전반의 리스크를 가격화하고 분산하는 핵심 인프라로 작동했다.

AI 인프라 시장 역시 유사한 전환점에 놓여 있다. GPU를 중심으로 한 연산 자원에 대한 수요는 급격히 증가하고 있지만, 이를 효율적으로 가격화하고 자본을 배분할 수 있는 표준화된 신용 레이어는 아직 부재하다.

USD.AI는 이러한 공백을 채우기 위해, GPU 기반 연산 자원을 담보로 하는 온체인 신용 시장을 구축하고, AI 인프라의 실질 금리를 형성하는 역할을 지향한다. 이는 단순한 자금 조달 수단을 넘어, AI 산업 전반의 자본 비용을 낮추고 리스크를 분산시키는 금융 인프라로 기능할 수 있다.

또한 AI 클라우드 사업자들이 USD.AI를 통해 더 낮은 비용으로 하드웨어를 조달할 경우, 그 효율성은 최종 사용자에게까지 전이될 수 있다. 이러한 구조 속에서 USDai는 AI 경제 전반에서 활용되는 핵심 결제 및 가치 저장 수단으로 확장될 가능성을 가진다.

결과적으로 USD.AI는 GPU 금융 프로토콜을 넘어, AI 인프라의 금리와 자본 흐름을 정의하는 핵심 레이어로 자리잡을 것으로 기대된다.