Qmon (Cuisine) retweeted
«Hasta que llegue la muerte toda derrota es únicamente psicológica».
— Marco Aurelio
Qmon (Cuisine) retweeted
아젠다 만들기 전
최소한 조직도 정도는 파악해야지
쓸데없는 사업전략을 짜가지고 왔네
타과와 다르게 산업국 산하면
당연히 기술직 언어일텐데
이해안될 큰 비젼이 무슨 소용인지
결국 기술직 머리로 방침이 나오는지가
단 하나의 관건일텐데
구축추진계획만 내놓고
산업국 내 협력모델은 타과와 함께
최종 민간 거버넌스 구축됬을때에서야
큰 자리로 큰 그림 보여주면 된다
지금은 담백한 방침서 하나가 더 중요하다.
AI가 범람하든 어쨋든 나같은 놈 쓰는 이유다
1조 넘는 비즈니스는 먹어본 놈이 하는거고
니네 오너는 그걸 알아 날 찾을 뿐
쌍욕나오게 하네
Qmon (Cuisine) retweeted
우리는 네이버에서 쇼핑하려고 주거래 은행을 바꾸지 않음.
누구는 국민은행, 누구는 신한은행을 쓰지만 똑같이 네이버에서 결제할 수 있음. 평소 쓰던 카드나 계좌만 연결하면 되니까.
네이버가 각 은행에 흩어진 돈을 연결해 두었기 때문에 그 뒤에서 승인과 정산이 어떻게 이뤄지는지 사용자는 1도 신경 쓸 필요 없음. 사용자는 물건을 고르고 딸깍하기만 하면 됨.
그런데 블록체인에서는 아직 이런 일이 벌어짐.
“이 자산을 사려면 A 체인으로 돈을 옮기세요. A 체인의 가스비도 따로 준비하시고요.”
사용자는 자산 하나를 사고 싶었을 뿐인데, 브릿지와 거래소를 찾고 수수료까지 준비해야 하는 거임.
그래서 이 과정은 연결이 느리고 비쌀수록 사용자에게 큰 부담이 됨. 반대로, 빨라지고 저렴해질수록, 사용자에게 부담이 적어지고.. 그 단계를 넘어, 더 빨라지고 저렴해지면 특정 앱이 그 과정을 대신 처리하기 쉬워짐.
그렇게.. 기술이 발전하면 할수록 사용자는 사고 싶은 자산을 고르고 딸깍만 하면, 앱이 나머지 복잡한 거래를 연결하는 방향으로 흘러갈거임. 즉, 점점 사용자는 브릿지를 덜 의식하게 되는 수순으로 흘러가는거임.
그래서 흩어진 체인의 유동성과 거래소를 한곳에 연결해 주는 어그리게이터가 점점 중요해짐.
은행이 달라도 한 플랫폼에서 결제하고 쇼핑하듯, 각각 다른 체인의 돈이지만 한 앱에서 결제하고 쇼핑하게 될 것임.
그리고 그러려면 한 앱에서 제공하는 서비스는 충분히 많아야 할 것임.
Jumper를 보면 이런 방향을 확인할 수 있음. 여러 체인의 스왑과 브릿지를 연결하고, Earn, RWA, Perp까지 다루고 있음. 자산을 옮기고 바꾸는 것에서, 그 자산을 운용하고 거래하는 것까지 한곳에서 접근하도록 범위를 넓히는 거임.
네이버가 하는 일도 이것과 같음. 사용자의 은행과 카드는 그대로 두고, 그 돈으로 할 수 있는 일을 플랫폼 안에 늘려가는 거임. 그리고 그렇다고 지저분하게 주구장창 이 기능 저 기능을 덕지덕지 붙여서 만들면 안됨.
theblock.co/podcasts/the-whi…
ChangeNOW의 Martin Masser도 The Block의 TOKEN2049 인터뷰에서 비슷한 얘기를 했음. 체인과 가스비 같은 복잡한 부분은 사용자 눈에 안 보이게 해야 하지만, 필요 없는 기능까지 붙이면 앱이 오히려 난잡해진다는 거임. 슈퍼앱을 직접 운영하는 사람의 말이긴 해도, 어그리게이터의 통합을 평가하는 기준으로 삼을 만함.
내가 기대하는 어그리게이터의 발전도 이 부분임.
지금은 사용자가 “어느 체인으로 옮겨서, 어느 거래소에서 살까”를 고민함. 하지만, 앞으로는 “무엇을 살까, 어떤 서비스를 쓸까”를 고르면 앱이 필요한 경로를 연결하는 방향으로 갈 것임.
그렇게 되면 모든 자산이 하나의 체인으로 모일 필요는 없음. 자산은 여러 체인에 남아 있어도, 사용자는 하나의 앱에서 접근할 수 있으니까 말임.
네이버페이는 은행을 직접 운영하지 않고도, 최근 1년 결제액 95조1,000억원을 기록했음.
블록체인 네트워크라고 다를건 없음. 사람들이 자산을 보관한 체인은 제각각이어도, 그 자산을 쓰기 위해 여는 앱은 몇몇의 소수 슈퍼앱일 것임.
Qmon (Cuisine) retweeted
앤트로픽에서 Claude 앱 개발을 이끈 펠릭스 리제버그는 그날 아침 쓴 블로그 글도 틀렸음을 증명하라고 Claude 스레드 5개에 맡겼다고 말합니다.
일한 세션에게 자기 일의 채점을 맡기고 싶을 때는 드물다고 하고요. 👇
maily.so/josh/posts/8mo5m6gk…
Qmon (Cuisine) retweeted
경제학자 둘이 숲길을 걷다 내기를 함.
100달러를 줄 테니 똥을 먹으라고 함. 상대가 먹고 돈을 받음.
이번엔 거꾸로, 같은 100달러를 주고 이쪽이 똥을 먹음.
산책이 끝났을 때 두 사람 지갑은 출발할 때와 똑같음. 남은 건 입에 넣은 똥뿐임.
그런데 장부에는 거래 200달러가 찍힘. 경제가 200달러 커졌다는 말이 성립함.
일론 머스크가 즐겨 꺼내는 경제학자 농담임.
GDP는 돈이 몇 번 오갔는지를 셈. 그 거래가 무언가를 남겼는지는 묻지 않음.
부서진 걸 다시 고치는 돈도, 똥을 먹고 받은 돈도 똑같이 성장으로 잡힘.
바스티아가 깨진 유리창으로 짚은 착시가 이거임. 유리 장수 매출은 보이고, 그 돈으로 못 산 신발은 안 보임.
찍어 내는 돈의 장부도 같은 방식으로 굴러감.
새 돈이 돌면 거래액이 불어나고, 숫자는 성장처럼 보임.
그 사이 늘어난 건 물건이 아니라 숫자일 때가 많음. 같은 빵을 더 많은 돈으로 사도 장부엔 성장으로 남음.
성장률 발표, 그 숫자 안에는 당신 지갑이 얇아진 몫도 함께 들어가 있음.
돈이 오간 횟수는 부가 아님. 남은 게 없으면 성장도 없음.
Qmon (Cuisine) retweeted
[ 네비우스(NBIS), 영업이익보다 이자비용이 2배 이상…2027년 450억 달러 투자에 외부 자금조달 의존 ]
AI 클라우드 기업 네비우스가 11월 12일 발표한 3분기 실적에서 급격한 매출 성장에도 불구하고 상당한 금융비용 부담을 드러냈다.
3분기 매출은 9억 8,080만 달러로 전년 동기 대비 571% 증가.
조정 EBITDA 역시 4억 6,580만 달러를 기록했다.
그러나 실제 영업이익은 5,040만 달러에 그쳤고.. 같은 기간 이자비용은 1억 1,250만 달러에 달했다.
영업활동에서 벌어들인 이익보다 부채에 따른 이자비용이 약 2.2배 많았다는 의미..
결국 3분기 순손실은 3,750만 달러를 기록했다.
현금흐름에서도 상당한 부담이 확인됐다.
3분기 영업활동 현금흐름은 2억 7,300만 달러의 순유출을 기록했으며.. 유형자산과 무형자산 취득에 사용한 현금은 73억 달러에 달했다.
이러한 상황에서 네비우스는 2027년 설비투자 규모를 400억~450억 달러로 제시..
2027년 예상 매출이 120억130억 달러라는 점을 고려하면.. 연간 매출의 약 34배에 해당하는 자금을 데이터센터와 AI 인프라에 투자하겠다는 계획이다.
특히 회사는 2027년 설비투자의 75~85%를 투자등급 신용도를 보유한 고객들의 선수금과 기존 고객 계약을 기반으로 한 금융조달로 충당하겠다고 밝혔다.
이는 약 300억~382억 5,000만 달러에 해당하는 규모..
다만 해당 금액 전체가 고객으로부터 직접 지급받는 선수금은 아니다.
고객 계약을 활용해 금융기관에서 빌리는 자금도 포함되어 있다.
회사는 충분한 현금과 전략적 지분투자 자산을 보유하고 있으며, 조달 비용이 유리하다면 추가 외부 자본도 확보하겠다고 설명했다.
한편 2026년 매출 전망도 기존 30억~34억 달러 범위의 하단인 약 30억 달러로 조정했다.
당초 12월에 달성할 것으로 예상했던 연환산 매출 목표 역시 내년 2월로 연기됐다.
일부 매출이 내년 초로 이연되는 영향..
회사는 2027년 말까지 세전 손익분기점에 도달하겠다는 목표를 제시했다.
Qmon (Cuisine) retweeted
Monad was built by former Jump Trading engineers. Yet its largest source of application fees is no longer trading.
It’s lending.
Borrowing on @monad surged from $117M to $909M in 10 months, while lending’s share of application fees rose from 15% to 71%.
Latest Data Report:
→ Borrowing: $117M → $909M
→ Lending’s share of app fees: 15% → 71%
→ Trading’s share: 71% → 16%
→ Institutional credit: $287M
→ Borrowing relative to DeFi TVL: 89%
→ Aave: Monad became its third-largest market by fees
While DeFi TVL across chains fell ~14% from December to September, Monad’s grew from $155M to $1.04B.
Three developments explain the divergence.
1. Institutional credit came before retail lending
@AccountableData’s verified credit vaults represent roughly 33% of outstanding loans.
@Valos_io launched a credit vault in February with $100M in initial allocations to finance trading firms. @FalconXGlobal also introduced structured institutional credit.
Unlike standard overcollateralized DeFi lending, some facilities rely on borrower underwriting and verified financial information. Accountable offers ongoing visibility into borrower health.
By September, Monad held ~$287M in uncollateralized institutional credit.
That creates exposure to trading firms’ balance sheets, not just collateral prices.
2. Aave accelerated the lending economy
@Aave launched 12 markets on Monad in July. Within 46 days, Monad became its third-largest deployment by fees, retaining that ranking through October.
In the 30 days ending October 26, Aave generated ~$1.2M in fees on Monad, ahead of Base and Arbitrum.
Annualized borrowing costs:
→ Monad: 5.4%
→ Base: 3.4%
→ Arbitrum: 3.3%
Borrowers were paying more on Monad, not migrating solely for cheaper credit. Demand, collateral composition and borrower profiles helped drive activity.
@Morpho, @eulerfinance and @Curvance expanded the lending stack, helping outstanding borrowing grow nearly eightfold in 10 months.
3. Lending earns far more than the blockchain captures
At September’s 6.2% average borrowing rate, $909M in loans implies ~$56.5M in annualized interest.
That is not revenue for Monad or MON holders.
Interest flows mainly to depositors. Lending protocols and risk curators collect fees. Monad collects transaction gas.
In the 30 days ending October 26:
→ Application fees: $5.85M
→ Network gas fees: $383K
Applications collected roughly 15× the network’s gas fees.
MON pays for gas and supports staking. Base fees are burned; priority fees go to validators. Most credit income stays with lenders and applications.
Valuation adds another complication.
MON’s October market cap was ~0.26× Monad’s DeFi TVL, apparently cheap against some L1 peers.
But market cap excludes locked supply, with team and investor unlocks scheduled to begin November 24. TVL is also not MON revenue.
Concentration is significant: borrowing equaled 89% of Monad’s DeFi TVL versus 42% on Ethereum.
Institutional repayments or leverage unwinds could shrink activity quickly.
Monad has built a $909M credit market generating ~$56.5M in annualized borrower interest at September’s rate.
The critical split: credit activity is growing much faster than the revenue captured by the blockchain underneath it.
Qmon (Cuisine) retweeted
there is something very interesting when you combine swarm companies + IMD + metadao
Swarm native companies are run by one or two people directing AI agents where their main cost is AI spend (not salaries).
Fund them via metadao where a market (rather than the team) decides how the money is spent and give them a monthly AI budget that’s only released if the market votes to keep funding it.
IMD is a swarm of independent AI agents that answers questions and signs the answer. Use it as the judge: vet the idea, audit the code and check each month whether the AI spend actually worked before every funding vote.
Working -> the budget keeps flowing
Not working -> it stops and holders get the treasury back.
One swarm does the work, then another swam checks it and a market decides the budget via futarchy
Swarm riders and Swarm-native companies
AI-use even among highly AI-native people is power-law distributed.
There seems to be a new class of people — call them “swarm riders” — who are capable of consistently commanding large swarms of agents to productive ends.
This is a new kind of managerial skill, analogous to the skill it takes to manage large organizations of people, but wholly different in nature and of course more technical.
Based on the swarm riders we know (including many at @Tempo and @Paradigm), these people are capable of productive token spend that is 1000x-10000x higher than median software engineers, and 100x higher than top 5% Claude Code users.
The art of swarm riding is different from software engineering and more akin to machine learning, where practitioners grapple with black box systems: defining reward functions and evals, transmuting non-verifiable problems into verifiable problems, running experiments, etc.
Swarm-native companies are a new class of company founded by and populated by swarm riders. These companies are organized around swarms in a way that conventional companies will struggle to replicate, as the cost of internal human coordination is sand in the gears of an effective swarm. Effective swarm-native companies will define the right reward functions and evals, remove functional and bureaucratic barriers, and then let the swarms cook.
We’ve gotten to see a few swarm-native companies up close — reshaping financial rails @Tempo, building a new gaming platform @Spawn, cyber swarms at Cathedral Systems — and it’s clear these teams wield a significant advantage over pre-AI teams.
Some questions I’ve been wondering about:
1) How fast will swarm riding diffuse through the economy? The implications for token spend could be significant.
2) Can swarms be effectively adopted by existing companies or will it generally track the formation of new swarm-native companies?
3) What becomes scarce as swarm capabilities themselves commoditize (through frontier models becoming better at swarming, swarm capabilities built into harnesses, etc)? Cultures and teams that can define reward functions well and otherwise get out of the way?
I'm waiting for ✦ abstract markets on @derpetual
Join now early.derpetual.com/r/B22HCH…
838
Qmon (Cuisine) retweeted
일론머스크의 5단계 알고리즘
1단계, 요구사항 의심 : 모든 규칙은 누가 왜 정했는지부터 확인 (모델3 배터리 위 섬유 매트, 소음팀과 안전팀 모두 "상대 팀 요구"라고 답함 → 실제론 둘 다 불필요)
2단계, 제거 : 불필요한 부품과 공정을 과감하게 삭제 (레이더, 초음파 센서 제거 → 카메라만 사용)
3단계, 단순화 : 남은 것만 다듬기 (차체 부품 70개 → 대형 주조 1~2개, 기가캐스팅)
4단계, 속도 : 그다음에 생산 시간 단축 (상하이 공장, 약 30초에 1대)
5단계, 자동화 : 로봇은 맨 마지막 (모델3, 매트 붙이는 로봇까지 만들었다가 매트 자체를 없앰)
순서를 지키는 것이 가장 중요
youtube.com/watch?v=ilDypZ2O…
엘리시움 던졌는데 이거하까
: : [크립토/이슈] QFEX 매니지드 어카운트: 하우스가 이기지 않아도 되는 이유
작성자: @G_Gyeomm
- 누군가의 수익은 누군가의 비용이듯, 퍼프덱스 볼트의 수익은 같은 거래소 이용자의 비용이다. 볼트의 수익원인 스프레드, 청산, 수수료가 모두 이용자에게서 나온다.
- 그래서 볼트를 운영하는 거래소는 유동성 개선과 인센티브가 일치하지 않는다. 스프레드가 좁아지면 볼트 수익이 줄어들고, 외부 마켓메이커는 유동성 공급자이면서도 볼트 수익을 나눠 갖는 경쟁자다.
- QFEX 매니지드 어카운트(Managed Account)는 시장중립 롱숏 전략을 통해 이용자의 비용이 아닌 알파에서 수익을 얻는다. 미국 주식 무기한 선물에서 종목 간 상대 성과를 예측해 강할 종목을 롱, 약할 종목을 숏하고, 순노출과 지수 베타 0을 목표로 포트폴리오를 조정해 시장 방향의 영향을 최소화한다.
- 매니지드 어카운트는 볼트와 달리 스프레드를 지불하는 입장이다. 전략을 실행하기 위해 정해진 리밸런싱 시점마다 호가를 받아가는 테이커로서 거래하기 때문이다. 따라서 수익률을 유지하고 운용 규모를 키우려면 외부 마켓메이커를 유치해 호가를 좁혀야 하고, 좁아진 호가는 같은 종목을 거래하는 모든 이용자에게 돌아간다. 상품이 성장할수록 이용자의 거래 비용도 낮아지는 구조이다.
레포트 전문:
research.4pillars.io/ko/rese…
656
