1억 달러 매입… 바이낸스, SAFU로 13만 BTC 전환 '시작됐다'

2026년 2월 02일 21:42:54 | 민태윤 기자

바이낸스, SAFU 1억 달러어치 비트코인으로 전환…총 13만 BTC 매입 예정

바이낸스가 사용자 보호 기금 SAFU의 자산 변환 계획을 본격 추진하며 1억 달러(약 1,452억 원) 상당의 비트코인(BTC)을 매입했다. 총 10억 달러(약 1조 4,525억 원) 규모의 기금을 스테이블코인에서 비트코인으로 완전히 전환하겠다는 구상이다.

금융 정보 플랫폼 블록체인닷컴에 따르면 바이낸스는 1,315개의 비트코인을 코인당 평균 77,409.89달러(약 1억 1,243만 원)에 구입했다. SAFU 전환 계획의 첫 거래다. 바이낸스는 남은 SAFU 자산 약 9억 달러(약 1조 3,072억 원)어치도 앞으로 27일 이내 비트코인으로 교체할 계획이다.

SAFU, 스테이블코인서 ‘디지털 금’으로 피난

SAFU(Secure Asset Fund for Users)는 2018년 바이낸스가 거래 수수료 일부분을 적립해 만든 사용자 비상 보호 기금이다. 초기에는 바이낸스USD(BUSD) 등 스테이블코인 중심으로 운용됐으며, 올해 초엔 이를 USDC로 변경하며 유동성과 신뢰성을 유지하려는 움직임을 보여줬다.

하지만 이번 결정으로 SAFU는 더 이상 스테이블코인에 묶이지 않고 암호화폐 시장에서 ‘가장 안전자산’으로 꼽히는 비트코인 중심 포트폴리오로 탈바꿈하게 된다. 바이낸스 측은 SAFU가 앞으로도 극단적인 사고나 손실 발생 시 사용자 보호 역할을 지속할 것이란 입장을 밝혔다.

이번 조치는 최근 암호화폐 시장이 급락세를 겪는 가운데 나왔다. 비트코인은 한때 7만 5,000달러(약 1억 899만 원)선 아래로 떨어지며 투자자 불안을 키운 상황이다. 바이낸스의 대규모 매입은 시장의 하방을 방어하려는 의지로도 해석된다.

스트레티지도 매입 시사…기관 움직임 가속

이번 바이낸스의 SAFU 전환 시점은 스트레티지(Strategy)의 매수 신호와도 맞물린다. 마이클 세일러(Michael Saylor)가 이끄는 이 기업은 주말 급락으로 비트코인 가격이 평균 매입가 밑으로 떨어지자 ‘더 살 준비가 되어 있다’는 메시지를 시장에 던졌다.

시장에서는 바이낸스와 스트레티지 같은 대형 보유 주체들의 동시 매입 행보가 향후 비트코인 가격 반등의 신호탄이 될 수 있다는 의견도 제기된다. 특히 사용자 보호 목적의 장기 자산이 비트코인으로 구성되면서, 기관 차원에서도 비트코인을 디지털 금으로 인식하는 경향이 강화되고 있다.

바이낸스의 SAFU 전환은 자산 보전성과 신뢰도를 강화하려는 전략일 뿐만 아니라, 비트코인이 장기적으로 가치를 저장할 ‘디지털 안전자산’으로 자리잡았다는 시장 확신을 반영하는 사례로 풀이된다.

💡 "디지털 금 시대, 진짜 안전자산을 배운다 – 토큰포스트 아카데미"

바이낸스가 사용자 보호 기금 SAFU를 스테이블코인에서 비트코인으로 전환한 것은 단순한 변화가 아닙니다. "디지털 금"으로 불리는 비트코인이 이제는 기관의 비상금고에도 자리잡았다는 점에서, 투자자라면 반드시 이 흐름을 이해하고 따라잡아야 합니다.

TokenPost Academy는 이런 시장 흐름을 읽고, 진짜 안전자산이 무엇인지 통찰할 수 있는 교육을 제공합니다. 특히 Phase 2: The Analyst 과정에선 프로젝트들의 시가총액 조작이나 인플레이션 리스크를 간파하는 토크노믹스 분석법을 배우고, 온체인 데이터로 고래들의 매집 신호를 짚어낼 수 있습니다.

또한 Phase 7: The Macro Master에서는 이런 SAFU 전환과 같은 거시 전략적 움직임의 배경을 해석할 수 있는 거시 분석 프레임워크까지 체득할 수 있습니다.

이제 단순히 차트를 따라 투자하는 시대는 지났습니다. 시장이 불안한 지금이야말로 '지킬 줄 아는 힘'을 기를 때입니다.

[토큰포스트 아카데미 수강 신청하기]

커리큘럼: 기초부터 매크로 분석, 디파이 및 선물옵션까지 7단계 마스터클래스

혜택: 첫 달 무료 이벤트 진행 중!

바로가기: https://www.tokenpost.kr/membership

TP AI 유의사항

TokenPost.ai 기반 언어 모델을 사용하여 기사를 요약했습니다. 본문의 주요 내용이 제외되거나 사실과 다를 수 있습니다.