27조 원→7조 원 축소… 테더, '500조 몸값'에 투자자 반발

| 민태윤 기자

“무리한 몸값은 부담”…테더, 투자 반발에 27조 원대 자금 조달 계획 축소

세계 최대 스테이블코인 발행사 테더가 당초 계획했던 20조 원대 자금 조달 목표를 대폭 낮췄다. 500조 원대 기업가치를 제시하자 투자자들이 반발하면서 현실적인 수준인 5조 원(약 7조 3,210억 원) 안팎으로 목표를 조정한 것이다.

영국 파이낸셜타임스(FT)는 4일(현지시간) 관계자 발언을 인용해, 테더가 초기 논의에서 거론됐던 150억~200억 달러(약 21조 9,600억 원~29조 2,800억 원) 규모 자금 조달 계획을 철회하고, 50억 달러(약 7조 3,210억 원) 수준으로 낮춰 재검토 중이라고 전했다.

500조 원 기업가치에 투자자 ‘브레이크’

테더 측은 초기 협의에서 전체 기업가치를 5,000억 달러(약 732조 원)로 산정했다. 이는 비상장 기업 중에서도 손꼽히는 초대형 밸류에이션이다. 하지만 이 수치를 정당화하기에는 무리가 있다는 의견이 투자자들 사이에서 제기됐다.

이에 대해 파올로 아르도이노 테더 최고경영자(CEO)는 “5,000억 달러는 목표치가 아닌 최대치였을 뿐"이라며 “설령 우리는 외부 자금을 한 푼도 받지 않아도 만족스럽다”고 말했다. 테더는 현재 고수익 기반의 안정적인 수익을 거두고 있어 큰 폭의 외부 투자 유치가 절실하지 않다는 설명이다.

실제 테더는 지난해 미 국채 중심의 준비금 운용 수익으로 약 100억 달러(약 14조 6,420억 원)의 순익을 달성했다. 이 같은 실적은 높은 기업가치의 근거로 제시됐지만, 일부 투자자들은 여전히 성장성 과잉 평가를 우려한 것으로 보인다.

실적은 뛰어나지만…비트코인·금 투자, 투명성 문제는 여전

앞서 테더는 USDT 발행을 통한 준비자산 운용 수익뿐 아니라 포트폴리오 다변화를 시도해왔다. 비트코인, 금 등 비전통적 자산에 대한 투자를 꾸준히 늘렸으며, 2025년 4분기에는 비트코인을 7억 7,900만 달러(약 1조 1,403억 원)어치 매입해 보유량을 9만 6,000 BTC 이상으로 늘렸다.

다만 테더의 투명성에 의문을 제기하는 시선도 여전히 강하다. 미국 S&P 글로벌은 지난해 11월, 테더가 공개한 자산 구조와 공시 수준 등을 근거로 USDT에 자사 등급체계상 ‘최하 안정성’ 평가를 부여했다. 아르도이노 CEO는 이에 대해 “기성 평가모델이 테더의 사업구조를 제대로 반영하지 못한다”며 강하게 반발했다.

시장 반응 고려한 유연한 대응…최종 결정은 미정

이번 결정은 테더가 고평가 논란에 선제적으로 대응하고, 시장과의 괴리를 줄이기 위한 포석으로 풀이된다. 아직 구체적인 자금 조달 규모나 시기는 정해지지 않았지만, 테더는 투자자 반응 및 전체 암호화폐 시장 여건을 감안해 탄력적으로 판단한다는 입장이다.

스테이블코인 시장을 좌우하는 최대 플레이어인 만큼 테더의 행보는 투자자 신뢰와 시장 구조에 적잖은 영향을 줄 전망이다. 초대형 자금 조달을 일단 유보한 테더가 향후 어떤 방식으로 기업 성장과 외부 자본 사이 균형을 맞춰나갈지 주목된다.


💡 “실적도 중요하지만, ‘구조’를 봐야 한다”… 투자자처럼 분석하는 안목, 토큰포스트 아카데미에서

이번 테더 사례처럼 화려한 수익에도 불구하고 투자자들이 브레이크를 건 이유는 바로 “기업 구조와 투명성”에 대한 냉철한 판단이었습니다. 막대한 순익에도 불구하고 비트코인·금 투자 비중, 불투명한 공시체계, 고평가 밸류에이션은 결국 투자로 이어지지 못했죠.

진짜 투자자는 ‘숫자’를 넘어서 ‘지속가능한 구조’를 본다는 사실. 대한민국 1등 블록체인 미디어 토큰포스트가 론칭한 실전 투자 교육 플랫폼, 토큰포스트 아카데미에서 그 안목을 키워보세요.

2026년, 실적보다 ‘구조’를 볼 줄 아는 상위 1% 투자자로 성장하세요. 그 길에 토큰포스트 아카데미가 함께합니다!

[토큰포스트 아카데미 수강 신청하기]

커리큘럼: 기초부터 디파이, 선물옵션까지 7단계 마스터클래스

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.