블랙록, 토큰화 펀드에 이더리움 먼저 택했다…XRP 레저는 빠졌다

블랙록($BLK)이 새로운 토큰화 머니마켓펀드 출시에 나서며 XRP 레저(XRPL)보다 이더리움(ETH)을 먼저 선택했다. 스테이블코인 수요를 겨냥한 이번 행보는 블랙록의 가상자산 사업 확장이 한층 본격화되고 있음을 보여준다.

13일 블룸버그에 따르면 블랙록은 미국 증권거래위원회(SEC)에 두 개의 토큰화 머니마켓펀드 출시를 위한 서류를 제출했다. 첫 번째는 블랙록 셀렉트 트레저리 기반 유동성 펀드(BSTBL)의 수익권을 토큰화한 상품으로, 이더리움 네트워크에서 출시될 예정이다. 두 번째인 블랙록 데일리 재투자 스테이블코인 리저브 비클(BRSRV)은 여러 체인에서 운용될 계획이지만, XRP 레저 포함 여부는 명시하지 않았다.

이번 결정은 블랙록의 기존 토큰화 전략과도 맞닿아 있다. 블랙록은 이미 미국 국채를 기초자산으로 한 토큰화 상품 ‘BUIDL’을 운영 중이며, 유통량은 이더리움 네트워크에 가장 많이 집중돼 있다. 업계에서는 블랙록이 스테이블코인 발행사와 자산 보관 수요가 큰 투자자를 겨냥해, 유동성과 네트워크 안정성이 높은 이더리움을 우선 채택한 것으로 보고 있다.

반면 XRP 레저도 토큰화 자산 시장에서 존재감을 키우고 있다. RWA.xyz에 따르면 최근 30일간 XRP 레저의 실물자산(RWA) 가치는 약 47% 늘어난 35억달러로 집계됐다. 같은 기간 이더리움의 RWA 가치는 4% 줄어 168억달러를 기록했다. 토큰화된 미 국채 거래량도 올해 3억5,200만달러를 넘어서며 지난해 7,000만달러 대비 5배 이상 증가했다.

리플과 온도파이낸스는 최근 XRP 레저에서 토큰화 미 국채 상품 OUSG를 활용한 첫 국경 간 결제를 마쳤다. 다만 블랙록이 당장 XRP 상장지수펀드(ETF)를 검토할 가능성은 낮다는 관측이 우세하다. 제임스 세이파트 블룸버그 ETF 애널리스트도 블랙록이 가까운 시일 내 XRP ETF를 내놓을 가능성은 낮다고 봤다.

시장에서는 이번 선택이 단순한 체인 선호를 넘어, 기관 자금이 어디로 먼저 쏠리는지를 보여주는 신호로 해석하고 있다. 블랙록의 토큰화 확대가 이더리움 중심의 수요를 더 키울지, 또는 XRP 레저의 빠른 성장세가 다른 기관들의 선택을 바꿀지는 추가 흐름을 지켜볼 대목이다.

---

기사요약 by TokenPost.ai 🔎 시장 해석 블랙록이 토큰화 머니마켓펀드를 출시하며 이더리움을 우선 채택한 것은 기관 자금이 안정성과 유동성을 최우선으로 고려하고 있음을 보여준다. 특히 기존 BUIDL 펀드 역시 이더리움 중심으로 운용되고 있어 네트워크 효과가 강화되는 흐름이다. 💡 전략 포인트 기관 투자 관점에서는 이미 유동성과 인프라가 구축된 체인이 우선 선택될 가능성이 높다. 단기적으로는 이더리움 기반 RWA(실물자산 토큰화) 시장이 더 확대될 수 있으며, XRP 레저는 성장률은 높지만 채택까지는 시간이 필요한 상황이다. 📘 용어정리 토큰화: 실물자산이나 금융상품을 블록체인 상의 디지털 토큰으로 변환하는 것 머니마켓펀드: 단기 국채 등 안정적인 자산에 투자해 수익을 추구하는 펀드 RWA: 부동산, 국채 등 현실 자산을 블록체인에서 거래 가능하게 만든 것 스테이블코인: 달러 등 법정화폐 가치에 연동된 디지털 자산

💡 자주 묻는 질문 (FAQ)

Q. 블랙록의 토큰화 펀드는 무엇이 다른가요? 기존 금융상품을 블록체인 위에서 토큰 형태로 거래할 수 있게 만든 것이 핵심입니다. 이를 통해 투자 접근성이 높아지고, 실시간 결제 및 담보 활용 등 활용도가 크게 확장됩니다. Q. 왜 이더리움이 먼저 선택됐나요? 이더리움은 기관용 인프라, 유동성, 보안성에서 가장 앞서 있는 네트워크로 평가받고 있습니다. 블랙록 역시 기존 토큰화 펀드를 이더리움 중심으로 운영해왔기 때문에 자연스럽게 동일한 선택을 이어간 것으로 보입니다. Q. XRP 레저는 앞으로 기회가 없나요? 그렇지는 않습니다. XRP 레저는 최근 RWA 규모가 빠르게 증가하고 있으며, 국경 간 결제 사례도 등장하고 있습니다. 다만 기관 채택 측면에서는 아직 초기 단계라, 추가적인 사례 축적이 중요한 상황입니다. TP AI 유의사항 TokenPost.ai 기반 언어 모델을 사용하여 기사를 요약했습니다. 본문의 주요 내용이 제외되거나 사실과 다를 수 있습니다.