판테라 캐피탈: 컴퓨팅 파워 시장의 4대 주요 기회
Tapbit Wire저자: 판테라 캐피탈 파트너 제이 유
편집: 자화, 체인캐처
서론
컴퓨팅 파워 및 데이터센터 인프라에 대한 지출은 미국 소비지출과 맞먹는 조달러 규모 시장이 되었으며, 미국 경제 성장의 중요한 축으로 점차 자리 잡고 있다.
그러나 AI 에이전트가 실물경제에 본격 진입함에 따라 컴퓨팅 파워 수요는 계속 증가하고 있으나, GPU 구매 방식은 여전히 전통적이다. SF Compute, Vast AI, Runpod 등 컴퓨팅 파워 시장이 등장했음에도 불구하고 다수의 GPU 노드 거래는 여전히 그룹 채팅, 장외 중개업자, 맞춤형 양자 간 계약을 통해 이뤄진다.
현재 GPU 컴퓨팅 파워는 금융화 초기 단계에 있다. 전기와 유사하게 컴퓨팅 파워는 완전히 동질적인 자산이 아니며, 칩 모델, 납기일, 지리적 위치 등 다양한 요인에 제약을 받는다. 그러나 향후 5~10년간 컴퓨팅 파워는 전기나 석유처럼 상품화되어 AI 시대의 글로벌 경제 운영을 뒷받침하는 핵심 자원이 될 가능성이 높다.
본 고에서는 컴퓨팅 파워 시장이 이러한 전환을 어떻게 달성할 수 있을지, 전기 시장에서 얻은 통찰, 컴퓨팅 파워 시장의 잠재적 구조, 업계에서 개발 중인 제품, 그리고 컴퓨팅 파워 상품화 과정에서의 기회와 도전 과제를 논의한다.
1. 전기 시장에서 해답 찾기
1.1 전기 시장 구조
컴퓨팅 파워 시장의 향후 진화 방향을 이해하기 위해 먼저 그 기반이 되는 자원, 즉 전기 시장의 운영 방식을 살펴볼 수 있다.
컴퓨팅 파워와 마찬가지로 전기도 이질성, 시간적 속성, 허브 속성을 갖는 자산이며, 글로벌 경제 성장의 핵심 기반이다.
1990년대 이후 미국 전력 시스템은 점진적으로 민영화되었다. 기존의 고도로 수직 통합된 전력 공급업체들은 발전·송전·배전 부문을 분리하기 시작했다.
독립 전력망 운영기관(ISO)이 미국 각 지역 전력 시스템을 관리하기 시작했으며, PJM-웨스트(동부해안), ERCOT 노스(텍사스), CAISO SP15(남부 캘리포니아) 등 대규모 연계 전력망은 CME 및 ICE 같은 거래소에서 거래되는 상품으로 발전해 전력 자산군 전체의 주요 가격 기준이 되었다.
물리적 차원에서 전기 시장은 ‘전력망, 운영기관, 노드’ 구조로 요약할 수 있다.
최상위에는 서로 독립된 지역 전력망이 있으며, 각 지역망 하부에는 지역 전송기구(RTO) 및 독립 시스템 운영기관(ISO) 등 여러 시스템 운영기관이 있다. 이들 운영기관은 관할 지역 내 복수의 변전소 노드를 관리한다.
예를 들어, 샌프란시스코에서는 임바카데로, 라킨, 미션 등 여러 변전소 노드가 도시에 전력을 공급할 수 있습니다.
각 노드의 전기 가격은 동일하지 않으며, '지역 한계 가격 책정(LMP)'이라는 알고리즘에 의해 결정됩니다. 이 알고리즘은 발전 스케줄링, 수요, 송전 비용 및 전기 흐름 법칙을 고려해 제약 조건 하에서 최적 가격을 산출합니다.
LMP 알고리즘은 실제 전기 공급과 PJM-West와 같은 거래 가능한 전기 벤치마크를 연결하는 핵심 고리가 됩니다.
전력 시장의 허브 가격 및 지수 가격은 여러 종단 LMP 노드 가격의 가중 평균입니다. 가장 규모가 크고 유동성이 높은 가격 벤치마크는 CME 및 ICE와 같은 거래소에서 안정적인 거래 심도를 확보하며, 전력 자산 클래스 전체의 기준 가격이 됩니다.
1.2 컴퓨팅 파워 시장의 잠재적 구조
지난 30년간 전력 시장의 발전 과정을 관찰하면, 컴퓨팅 파워 시장에 대해 몇 가지 추론을 할 수 있습니다.
첫째, 컴퓨팅 파워 시장은 전력 시장과 유사한 구조를 형성할 수 있습니다.
물리적 공급 측면에서 전력 시장의 '그리드·운영자·노드' 구조에 가장 근접한 컴퓨팅 파워 버전은 '하드웨어·공급자·클러스터'일 수 있습니다.
전력 시장에 여러 상호 독립적인 지역 그리드가 있는 것처럼, 컴퓨팅 파워 시장도 H100, H200, B200, B300 등 다양한 칩 카테고리 기반으로 여러 시장이 형성될 수 있습니다. 각 카테고리는 독립적이면서도 서로 연계된 가격 벤치마크를 가질 수 있습니다.
운영자 차원에서는 AWS, 네비우스, 코어위브, SF 컴퓨트, 오른 등 컴퓨팅 파워 공급업체가 특정 클러스터에 대해 서로 다른 가격 책정 메커니즘을 제공합니다. 이러한 클러스터는 시간, 위치, SKU 등 전력 시장의 다양한 노드와 유사한 요인에 영향을 받습니다.
컴퓨팅 파워 시장에서 LMP에 대응하는 개념은 스케줄링 또는 라우팅 알고리즘일 수 있습니다. 이 알고리즘은 특정 SKU의 가용성을 기반으로 컴퓨팅 파워 인스턴스 가격을 동적으로 산출합니다.
PJM-West, ERCOT-North, CAISO SP15 등 전력 시장에서 업계 기준 가격으로 자리 잡은 벤치마크는 일반적으로 가장 유동적인 물리적 공급 인프라와 연결되어 있습니다. 이는 석유 등 다른 상품 시장과 유사합니다.
컴퓨팅 파워 분야에서 더 많은 가격 벤치마크가 등장함에 따라, 결국 선두에 설 가능성이 높은 것은 높은 유동성의 물리적 공급 장소와 연결된 벤치마크입니다.
또한 전력 시장에서는 발전사와 전력 소비 기업이 전력 거래소에서 직접 헷징하기도 하지만, 대부분의 거래는 은행 및 무역 회사가 운영하는 장외(OTC) 거래 부서를 통해 이루어집니다. 이 OTC 기관들은 노드 정산 가격과 허브 정산 가격을 교환하며 차익을 얻고 자체 리스크를 헷징합니다.
유사한 시장 구조가 컴퓨팅 파워 시장에도 나타날 수 있습니다. 컴퓨팅 파워 시장의 실제 수요·공급 주체인 신규 클라우드 서비스 제공업체 및 AI 기업은 컴퓨팅 파워 거래소에서 직접 헷징하기보다는 중개사를 통한 특정 SKU 조달을 선호할 수 있습니다.
마지막으로, 컴퓨팅 파워 시장은 전력 시장보다 더 심각한 베이시스 리스크에 직면할 수 있습니다.
미국 연방 전력법(Federal Power Act)에 따르면, 도매 전기 가격은 연방 에너지 규제 위원회(FERC)의 감독 하에 투명하게 유지되어야 합니다. 그러나 현재 컴퓨팅 파워 시장에는 이와 유사한 투명성 요구사항이 없습니다.
이는 컴퓨팅 파워 시장에서 수립될 수 있는 동적 가격 및 지수들이 자체 주문서(order book)와 협력하는 신규 클라우드 서비스 제공업체가 제공하는 주문서 데이터에만 기반할 수 있음을 의미합니다. 이러한 협력은 수익 배분, 데이터 조달 등의 방식으로 이뤄질 수 있습니다.
2. 컴퓨팅 파워 시장의 구조
2.1 추론 수요의 3단계 구조
전력 시장은 산업 시스템이 전기를 지속적으로 필요로 하기 때문에 존재한다. 마찬가지로, 컴퓨팅 파워 시장의 근본적 동력은 토큰, 특히 추론 토큰에 대한 수요이다.
현재 추론 산업 체인은 대략 3단계로 나뉘며, 이는 컴퓨팅 파워 시장의 구조적 공급 및 수요 측면을 함께 구성한다.
신규 클라우드 서비스 제공자 계층
Nebius 및 CoreWeave와 같은 기업은 물리적 데이터센터를 운영하며 GPU 판매자를 형성한다.
수요 기반 계층
Fireworks 및 Baseten과 같은 개발자 플랫폼은 베어메탈 GPU 환경을 보다 완전한 GPU 사용 환경으로 전환하여 개발자가 곧바로 작업을 실행하거나 필요 시 추론 토큰을 즉시 확보할 수 있도록 한다. 이 계층은 GPU 구매자를 대표한다.
애플리케이션 계층
Cursor, Perplexity, Rime 등 애플리케이션은 추론 플랫폼을 활용해 최종 사용자 및 기업에 제품을 제공한다. 이 계층은 토큰 수요 측이며, 토큰 수요는 곧 GPU 컴퓨팅 파워 수요로 전환된다.
생태계 내 각 기업은 서로 다른 GPU 관리 전략을 채택하지만, 전반적으로 신규 클라우드 서비스 제공자는 GPU 시장의 공급 측으로, 구조적 공급 부족을 나타낸다. 반면 수요 기반 계층과 애플리케이션 계층은 수요 측으로, 구조적 수요 과잉을 의미한다.
다른 한편, 아마존 및 구글과 같은 대규모 클라우드 서비스 제공자는 세 계층 전체에 걸쳐 자체 제품을 운영한다.
산업 체인 내 이윤 흐름은 대략 다음과 같다: 최상위 애플리케이션이 토큰에 100달러를 지출할 경우, 약 45달러는 수요 기반 계층으로, 50달러는 신규 클라우드 서비스 제공자 또는 GPU 계층으로, 나머지 5달러는 OpenRouter와 같은 라우팅 계층으로 유입된다.
2.2 컴퓨팅 파워 자본 시장 구조
AI 산업 체인 참여자들의 토큰 경제 구조는 컴퓨팅 파워 자본 시장의 궁극적 형성 방식에 영향을 미칠 것이다.
하나의 가능성 있는 구조는 수요 측 개발자 플랫폼 및 애플리케이션 계층과 공급 측 신규 클라우드 서비스 제공자가 SF Compute, Runpod, Compute Exchange와 같은 컴퓨팅 파워 중개업체 및 OTC 거래 플랫폼을 통해 특정 SKU를 거래하는 것이다.
이후 컴퓨팅 파워 중개업체 및 OTC 거래 플랫폼은 최종 토큰 소비자가 요구하는 특정 SKU와 일반 H200 간 기초 위험(basis risk)을 관리하고 재고를 보유하게 된다.
그들은 Architect 또는 Pluto와 같은 컴퓨팅 파워 거래 플랫폼을 통해 헤지할 수 있다.
이러한 거래 플랫폼의 가격은 컴퓨팅 파워 벤치마크를 기준으로 설정되며, 이 벤치마크는 신규 클라우드 서비스 제공자 및 협력하는 OTC 플랫폼의 호가 책(오더북) 가격을 가중 평균한 값이다.
2.3 NVIDIA: 컴퓨팅 파워 시장의 '중앙은행'
또한 NVIDIA는 최근 AI 팩토리에서 생성된 컴퓨팅 파워를 '투자 가능한 자산 클래스'로 전환할 것이라고 발표했습니다.
컴퓨팅 파워의 금융화 체계에서 NVIDIA는 GPU 기술 스택을 사실상 독점함으로써 컴퓨팅 파워 시장의 '중앙은행'으로 볼 수 있습니다.
중앙은행은 일반적으로 몇 가지 핵심 목표를 가집니다.
경제 내 인플레이션 관리;
완전 고용 촉진;
극단 상황에서 최후의 대출자 역할 수행.
어느 정도까지는 NVIDIA가 이 세 가지 역할을 모두 수행하고 있습니다.
첫 번째는 '인플레이션' 관리입니다. GPU 경제 내 '인플레이션'은 GPU 감가상각 주기, 특히 최신 세대 칩의 감가속도와 유사합니다. 제품 출시 속도(예: 베라 루빈 출시)를 조절함으로써 NVIDIA는 GPU의 시간 경과에 따른 감가 속도를 어느 정도 영향을 미칠 수 있습니다.
두 번째는 GPU 활용률 유지입니다. 높은 GPU 활용률은 일반적으로 토큰에 대한 강한 수요를 의미하며, 이는 사용자들이 더 많은 GPU를 구매하도록 유도합니다. 따라서 NVIDIA는 GPU 컴퓨팅 파워의 금융화를 촉진하여 GPU 시간 거래의 유동성을 높이고, 궁극적으로 GPU 활용률을 제고하려는 동기가 있습니다.
마지막으로, 최후의 대출자 역할입니다. NVIDIA는 GPU 잔존 가치의 최대 25%까지 지원할 것이라고 발표했습니다. 이는 GPU 가치에 대한 일종의 구제 또는 보험 메커니즘으로 볼 수 있으며, 신규 클라우드 서비스 제공업체 및 기타 GPU 공급업체가 유동성 위기에 직면했을 때 GPU 잔존 가치를 보호할 수 있습니다.
3. 컴퓨팅 파워 시장의 기회와 과제
3.1 컴퓨팅 파워 시장의 제품 형태
컴퓨팅 파워 시장의 금융화가 지속되면서 산업 내 주요 제품 유형이 여러 가지 등장할 수 있습니다. 각 유형은 고유한 장점과 도전 과제를 지닙니다.
제품 1: 실물 인도
실물 인도란 컴퓨팅 파워가 필요한 최종 사용자에게 GPU 장치를 실제로 전달하는 것을 의미합니다. SF Compute, 하이퍼볼릭, 베스트, 런팟, 컴퓨트 익스체인지 등 프로젝트가 이 제품 계층에 속합니다. 이 계층은 하드웨어에 가장 근접하며, 컴퓨팅 파워의 공급과 수요 양측을 직접 연결합니다.
컴퓨팅 파워 SKU의 높은 이질성으로 인해 많은 프로젝트는 초기에 단순히 중개자 역할만 수행하며, GPU 수요와 신규 클라우드 서비스 제공업체 간 매칭을 통해 수수료를 수익으로 창출했습니다. 장기적으로 이 계층의 목표는 일종의 '컴퓨팅 파워 현물 거래소'를 구축하는 데 있을 수 있습니다.
그러나 분산형 네트워크에서 공급되는 GPU의 실물 인도 품질을 지속적으로 보장하는 것은 매우 어려운 문제입니다. 컴퓨팅 파워 시장은 이 계층의 성숙을 촉진하기 위해 무디스와 유사한 GPU 품질 인증을 담당하는 평가 기관이 필요할 수 있습니다.
실물 인도 계층은 치열한 경쟁에도 불구하고 장기적으로 가장 지속 가능한 경쟁 우위를 가질 수 있습니다. 석유 및 전력 시장을 살펴보면, 금융화된 체계는 일반적으로 실물 상품의 유동성이 가장 높은 인도 장소를 중심으로 발전하며, 점차 지수, 거래소, 대출 금융 상품을 형성합니다.
따라서 실물 GPU 인도 문제를 가장 먼저 해결하는 주체가 상당한 시장 수익을 얻을 수 있습니다.
제품 2: 지수
이 계층은 주로 오른(Orrn), 실리콘 데이터(Silicon Data), 컴퓨트 데스크(Compute Desk), 세미애널리시스(Semianalysis) 등 프로젝트에서 출시한 컴퓨팅 파워 가격 지수를 포함하는 ‘지수 곡선’을 의미한다.
지수 구축은 컴퓨팅 파워와 같은 자산의 금융화 및 거래 확대를 위한 핵심 단계다. 현재 시장에서 논의되는 ‘컴퓨팅 파워 시장’에 대한 관심은 컴퓨팅 파워 지수가 점차 성숙함에 따라 높아지고 있다. CME 및 ICE 등 대형 거래소도 관련 지수와의 협업을 발표했다.
그러나 많은 컴퓨팅 파워 지수와 개별 GPU 시장 간에는 여전히 상당한 가격 격차가 존재한다.
이 가격 격차의 원인은 크게 두 가지일 수 있다.
첫째, 기초 자산 자체에 차이가 있다. 다양한 컴퓨팅 파워 플랫폼은 제품 안정성, 중단 가능성, 계약 조건 등에서 현저히 다르다.
둘째, 각 컴퓨팅 파워 지수 뒤에 있는 오더북이 동일하지 않으며, 컴퓨팅 파워 시장은 전력 시장에서 FERC가 요구하는 것과 같은 투명성 기준이 부족하다.
현재 많은 컴퓨팅 파워 지수는 신규 클라우드 서비스 제공업체의 오더북 데이터를 일괄 구매하거나, 협업 및 수익 공유 계약을 통해 초기 데이터셋을 구축하고 있다. 또한 독립 운영 지수 계층의 수익화 능력은 거래소 및 실물 인도 계층보다 약하다.
따라서 지수 계층은 노이즈를 발생시키고 컴퓨팅 파워 시장 체계에서 중요한 역할을 하지만, 동시에 상류 및 하류 양측으로부터 압박을 받고 있다.
상류 실물 인도 계층이 가격 원천을 통제한다.
하류 거래소는 지수 수익의 일부를 차지하려 한다.
제품 3: 파생상품 거래 플랫폼
세 번째 계층은 일반적으로 현금 정산 선물 상품을 제공하는 파생상품 거래 플랫폼이다. 이 플랫폼은 컴퓨팅 파워 지수를 기반으로 시장 참여자에게 헤징 도구를 제공한다. 리퀴드 컴퓨트(Liquid Compute)와 아키텍트(Architect)가 관련 상품을 개발 중이다.
장기적으로 파생상품 거래 플랫폼은 컴퓨팅 파워 금융화 체계에서 가장 기대되고, 규모 확장이 가장 쉬운 수익화 제품일 수 있다. 그러나 이 분야는 아직 초기 단계이며, 거래량도 아직 미미한 수준이다.
또한 현금 정산 거래 플랫폼에서 거래 가능한 상품은 일반적으로 H200 인스턴스와 같이 특정 추론 용도로 바로 사용 가능한 SKU가 아니라 보편적인 사양이다. 따라서 이 거래 플랫폼에 실제로 참여하는 주체는 AI 산업 생태계의 최종 기업이 아니라 OTC 거래 플랫폼 및 컴퓨팅 파워 브로커일 가능성이 높다. 전자는 재무제표 상의 컴퓨팅 파워 재고를 헤징하고자 하며, 후자는 자체 컴퓨팅 파워 노출을 관리해야 한다.
제품 4: 금융화 도구
컴퓨팅 파워 분야에서는 데이터센터 및 신규 클라우드 서비스 제공업체의 자금 조달을 지원하는 더 광범위한 금융화 상품도 등장할 수 있다. 예를 들어, 대출 계약, 볼트(Vault), USD.AI와 같은 신티틱 스테이블코인 등이 데이터센터 및 신규 클라우드 서비스 제공업체의 인프라 구축을 지원할 수 있다.
동시에 시장에는 GPU 경제의 베이시스 리스크를 완화하기 위한 리스크 이전 및 보험 계층도 등장할 수 있다. 위에서 언급된 다양한 계층을 종합해 보면, 컴퓨팅 파워 시장의 완전한 형태가 궁극적으로 어떤 모습일지 비교적 명확해진다.
승자는 신뢰할 수 있는 실물 GPU 인도를 달성할 수 있는 풀스택 참여자들일 것이다. 이들은 자체 실물 오더북을 기반으로 가격 지수를 생성하고, 이를 바탕으로 컴퓨팅 파워 선물 거래소를 설립하여 컴퓨팅 파워를 헤징 가능한 자산 클래스로 만들 수 있다.
그러나 업계 내 진정한 분기점은 다양한 제품의 등장 순서에 있다. 최종 승자는 물리적 공급으로 시작할 것인가, 지수를 먼저 수립할 것인가, 아니면 거래 플랫폼을 먼저 출시할 것인가?
3.2 컴퓨팅 파워 토큰 경제의 최전선
지금까지 우리는 주로 GPU 수준의 컴퓨팅 파워 시장을 논의해 왔다. 그러나 역사적 진화, 가치 포착 방식, 선도적 AI 모델 연구소와의 전략적 관계 등을 포함한 보다 광범위한 컴퓨팅 파워 토큰 경제로 시야를 넓힐 수도 있다.
역사적으로 컴퓨팅 파워 시장은 전혀 새로운 개념이 아니다. 2023~2024년에는 SF Compute 및 Hyperbolic 같은 프로젝트가 이미 이 모델을 논의했으며, Akash, IONet 같은 탈중앙화 프로젝트도 유사한 방향을 탐색 중이다.
흥미롭게도 많은 프로젝트는 결국 GPU 시장 수준에 머무르지 않았다. 예를 들어 Hyperbolic은 이후 추론 서비스 제공자로 전환해 직접 토큰을 판매했고, SF Compute는 계약 체결과 컴퓨팅 파워 클러스터 운영을 직접 시작했다.
가치 사슬 관점에서 보면, 가치는 Cursor, Harvey, Granola 같은 AI 애플리케이션에서 OpenRouter 같은 라우팅 계층, Fireworks 및 Baseten 같은 추론 서비스 제공자, Nebius, CoreWeave, SF Compute 같은 신규 클라우드·컴퓨팅 파워 시장, 마지막으로 데이터센터 운영자까지 흐른다.
기업이 산업 사슬 중간에만 머문다면 상류 및 하류 양측으로부터 압박을 받을 수 있다. 보다 안정적인 이윤 마진을 유지하려면 기업은 궁극적으로 상류로 확장하거나 하류로 진출해야 할 수 있다.
토큰 시장 역시 매우 흥미로운 게임 이론적 관점을 제시하며, 피할 수 없는 세 가지 힘이 작용한다.
첫 번째 힘은 GPU 공급 및 감가상각 속도를 통제하는 NVIDIA이다.
두 번째 힘은 Anthropic, OpenAI 같은 선도적 모델 연구소로, 새로운 모델을 지속적으로 출시해 토큰 수요를 급격히 증가시킬 수 있다.
세 번째 힘은 Kimi, GLM, DeepSeek, Qwen 같은 오픈소스 모델로, 추론 이윤 마진에 하향 압력을 가한다.
이 세 힘은 GPU 및 토큰 시장의 수요·공급 양측에 지속적인 동력과 압력을 제공한다. 어느 한 주체라도 중요한 제품을 출시하면 전체 시장의 가격 곡선을 재정의할 수 있다.
예를 들어 GPT 5.6 출시는 기업이 결정하지만 시장이 사전에 예측하기 어려운 사건이 되어, AI 토큰 가치 사슬 전반에 연쇄 반응을 일으키고 토큰 및 GPU 하드웨어 가격 변동을 초래할 수 있다.
따라서 기업이 동일한 시스템 내에서 추론 서비스와 GPU 하드웨어 시장을 모두 운영할 수 있다면, 더 높은 상업적 실행 가능성을 갖게 된다. 이 모델은 산업 사슬 상·하류 이윤 구조 변화에서 비롯된 리스크를 헤지할 수 있다.
결론
역사를 돌이켜보면, 석유·전기 같은 원자재 시장은 초기에 중개자를 통한 양자 간 거래에 의존했고, 거래 과정이 불투명했으며 통일된 표준도 부족했다. 그러나 시간이 지나며 물리적 인도는 점차 지수, 거래 표준화, 품질 감사 등 일련의 합의와 금융 인프라를 발전시켰고, 최종적으로 고도로 금융화된 자산 클래스로 진화했다.
오늘날 컴퓨팅 파워 시장도 유사한 전환을 겪고 있다. 컴퓨팅 파워 지수, 현금 결제 거래소, 대출 상품, 보험 상품 등 기초 도구의 금융화를 시도하는 다수의 프로젝트가 시장에 등장했다.
동시에 물리적 GPU 시장과 클라우드 서비스 제공자들도 산업 사슬 상·하류로 지속적으로 확장하며 토큰 경제 전반의 가치를 포착하려 한다. 전 세계 AI 경제가 작동하는 근간 자원인 컴퓨팅 파워는 단순 인프라를 넘어 독립된 금융 자산으로 서서히 전환되고 있다.
앞으로 이 분야에서는 시장의 다양한 계층을 아우르는 여러 유니콘 기업이 등장해 물리적 컴퓨팅 파워 공급, 중개 서비스, 대출, 리스크 관리, DeFi 및 전통 금융(TradFi) 자본시장과의 융합 등 다양한 비즈니스 형태를 형성할 수 있다.
컴퓨팅 파워는 수십 년 만에 등장한 드문 새로운 유형의 실물 상품일 수 있으며, 우리는 그 진화 과정—비공식 중개를 통한 초기 거래에서 완전한 자산 클래스에 이르기까지—을 목격하고 있는 것이다.
