비트마인, 기관 겨냥 ‘MAVAN’ 출시…이더리움 스테이킹 시장 진출

트럼프 대통령의 친암호화폐 기조가 이어지는 가운데, 비트코인 채굴업체 출신 비트마인(BitMine)이 이더리움(ETH) 스테이킹 시장에 본격 진출한다. 자체 검증 네트워크 ‘MAVAN’을 통해 기관 투자자 공략에 나섰다.

비트마인은 25일(현지시간) ‘메이드 인 아메리카 밸리데이터 네트워크(MAVAN)’ 출시를 발표했다. 이 플랫폼은 기관급 이더리움 스테이킹 인프라로, 보안성과 성능, 회복력을 핵심 가치로 설계됐다. 미국 기반 검증 인프라를 제공하는 동시에 글로벌 분산 구조를 결합해 해외 기관 수요까지 대응한다는 전략이다.

기관 겨냥한 이더리움 스테이킹 플랫폼

MAVAN은 당초 비트마인의 자체 이더리움 보유 자산 운용을 위해 개발됐지만, 이번 출시를 계기로 기관 투자자·커스터디 업체·블록체인 파트너까지 대상이 확대된다. 특히 ‘국내 검증(in-US validation)’ 수요가 있는 기관을 겨냥한 점이 특징이다.

비트마인 회장 톰 리(Tom Lee)는 “MAVAN은 글로벌 스테이킹 및 온체인 인프라 플랫폼 구축 전략의 핵심 단계”라며 “출시 직후 세계 최대 이더리움 스테이킹 플랫폼으로 자리 잡을 것”이라고 밝혔다. 이어 “2026년까지 온체인 금고, 포스트 양자 보안 클라이언트 등 영역으로 확장할 계획”이라고 덧붙였다.

이더리움 대규모 매수 지속

플랫폼 출시와 함께 비트마인의 공격적인 이더리움 매집도 이어지고 있다. 회사는 최근 추가 매수를 통해 총 보유량을 466만903 ETH까지 늘렸다. 여기에 비트코인(BTC) 196개, 비스트 인더스트리에 약 2억 달러(약 2,995억 원), 에이트코에 9,500만 달러(약 1,423억 원)를 투자하고 있다.

최근 수개월간 이더리움 가격 약세로 평가손이 발생한 상태지만, 회사 전체 자산 가치는 약 110억 달러(약 16조 4,758억 원)에 달한다. 이 중 현금 보유액은 10억 달러(약 1조 4,978억 원) 수준이다.

이더리움 생태계 영향 주목

비트마인의 행보는 단순한 스테이킹 서비스 출시를 넘어 이더리움 네트워크 영향력 확대 시도로 해석된다. 대규모 물량을 기반으로 한 검증 인프라는 네트워크 안정성과 동시에 중앙화 논란을 동시에 불러올 수 있기 때문이다.

기관 중심의 스테이킹 시장이 빠르게 성장하는 가운데, MAVAN이 실제로 ‘프리미어 플랫폼’으로 자리 잡을지, 그리고 이더리움 생태계에 어떤 변화를 가져올지 주목된다.

기사요약 by TokenPost.ai

🔎 시장 해석

비트마인이 기관 전용 이더리움 스테이킹 플랫폼 MAVAN을 출시하며, 미국 기반 검증 인프라를 앞세워 기관 시장 공략에 나섰다. 이는 친암호화폐 정책 흐름과 맞물려 기관 자금 유입 확대 신호로 해석된다.

💡 전략 포인트

대규모 ETH 보유(466만 ETH)를 바탕으로 스테이킹 영향력을 강화하고, 인프라 사업까지 확장하는 ‘자산+네트워크’ 결합 전략이 핵심이다. 동시에 미국 내 검증 수요를 겨냥한 규제 대응형 모델도 특징이다.

📘 용어정리

스테이킹: 암호화폐를 네트워크에 예치하고 검증에 참여해 보상을 받는 구조

검증자(Validator): 블록 생성 및 거래 검증을 수행하는 네트워크 참여자

PoS(지분증명): 자산 보유량을 기반으로 네트워크를 운영하는 합의 방식

💡 자주 묻는 질문 (FAQ)

Q.

MAVAN 플랫폼은 무엇을 하는 서비스인가요?

MAVAN은 기관 투자자들이 이더리움을 스테이킹할 수 있도록 지원하는 인프라 플랫폼입니다. 미국 기반 검증 시스템과 글로벌 분산 구조를 결합해 보안성과 안정성을 높인 것이 특징입니다.

Q.

비트마인은 왜 이더리움을 대량으로 보유하고 있나요?

스테이킹 사업 확대와 네트워크 영향력 확보를 위해서입니다. 대규모 ETH 보유는 검증자 운영 규모를 키우고, 더 많은 보상을 얻을 수 있는 기반이 됩니다.

Q.

이런 대형 스테이킹 사업이 이더리움에 어떤 영향을 주나요?

네트워크 안정성과 기관 참여 확대에는 긍정적이지만, 특정 기업에 검증 권한이 집중될 경우 중앙화 논란이 발생할 수 있습니다.

TP AI 유의사항

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