드러켄밀러 “10~15년 내 결제 인프라, 스테이블코인 중심으로 재편”

글로벌 결제 시스템이 향후 10~15년 안에 ‘스테이블코인’ 중심으로 재편될 수 있다는 전망이 나왔다. 다만 암호화폐가 장기적인 가치 저장 수단으로 자리 잡을 가능성에는 여전히 회의적인 시각이 제기됐다.

월가의 억만장자 투자자 스탠리 드러켄밀러(Stanley Druckenmiller)는 최근 모건스탠리가 1월 30일 녹화해 금요일 공개한 인터뷰에서 블록체인 기술과 스테이블코인이 결제 분야에서 ‘생산성 혁신’을 가져올 수 있다고 말했다. 그는 “블록체인과 스테이블코인, 그리고 토큰 기술은 생산성 측면에서 놀라울 정도로 유용하다”고 평가했다.

“10~15년 내 결제 인프라는 스테이블코인 중심”

드러켄밀러는 디지털 토큰 기반 결제 시스템이 은행과 금융기관이 사용하는 기존 결제 네트워크를 점차 대체할 가능성이 크다고 전망했다.

그는 “앞으로 10~15년 안에 우리의 전체 결제 시스템이 스테이블코인 기반으로 운영될 것이라고 본다”고 말했다. 이어 “블록체인 기반 결제는 기존 금융 인프라보다 훨씬 빠르고 비용도 낮다”고 설명했다.

현재 국제 결제는 은행 간 네트워크와 중개 기관을 거치기 때문에 정산에 시간이 걸리고 수수료도 높은 편이다. 반면 블록체인 기반 토큰 결제는 직접적인 거래 기록과 실시간 정산이 가능해 비용 효율성이 높다는 평가를 받는다.

드러켄밀러는 1981년 헤지펀드 듀케인 캐피털 매니지먼트(Duquesne Capital Management)를 설립하며 월가에서 명성을 구축한 인물이다. 이 펀드는 2010년 문을 닫기 전까지 연평균 약 30%의 수익률을 기록했고, 운영 기간 동안 한 번도 손실 연도를 기록하지 않은 것으로 유명하다.

“중앙은행 신뢰 약화가 블록체인 기회 만들었다”

그의 블록체인 낙관론은 이전 발언과도 이어진다. 드러켄밀러는 2021년 인터뷰에서도 탈중앙화 결제 시스템이 장기적으로 달러 기반 금융 네트워크에 도전할 수 있다고 언급한 바 있다.

당시 그는 중앙은행 정책에 대한 신뢰 약화가 이런 대안을 부상시키고 있다고 주장했다. CNBC 인터뷰에서 그는 “문제는 이미 분명하다”며 “제롬 파월과 전 세계 중앙은행들에 대한 신뢰 부족이 존재한다”고 말했다.

최근 몇 년 사이 스테이블코인은 실제 결제와 정산 분야에서 빠르게 확산되고 있다. 미국 규제 환경이 정비되면서 전통 금융 회사들도 블록체인 결제 시스템 도입을 검토하는 분위기다.

웨스턴유니온, 머니그램, 젤(Zelle) 등 주요 결제 기업들은 미국 내 규제 변화 이후 스테이블코인 기반 정산 모델을 논의해 왔다.

스테이블코인 급성장…비트코인에는 여전히 회의적

미국에서는 지난해 스테이블코인 관련 규제 틀을 마련하기 위한 ‘지니어스 법(GENIUS Act)’이 통과되며 금융회사들의 블록체인 결제 인프라 검토가 더욱 활발해졌다.

하지만 드러켄밀러는 스테이블코인의 기술적 가능성과 달리 비트코인(BTC) 같은 암호화폐의 ‘가치 저장 수단’ 역할에는 여전히 의문을 제기했다.

그는 “문제 해결책을 찾는 기술처럼 보인다”며 “이런 현상이 생긴 것이 안타깝다”고 말했다.

비트코인이 강력한 지지층을 형성한 점은 인정하면서도 개인적으로는 금을 더 선호한다고 밝혔다. 그는 금을 ‘5,000년 역사를 가진 브랜드’라고 표현했다.

다만 현재 비트코인을 보유하고 있지는 않지만 “아마 보유해야 할지도 모른다”고 덧붙였다.

한편 블룸버그가 아르테미스 애널리틱스 데이터를 인용해 집계한 자료에 따르면 2025년 글로벌 스테이블코인 거래 규모는 33조 달러(약 4경9467조 원)로 전년 대비 72% 증가했다.

거래량 기준으로는 USD코인(USDC)이 18조3000억 달러를 처리하며 가장 많이 사용된 스테이블코인으로 집계됐다. 테더(USDT)는 13조3000억 달러의 거래를 기록했으며, 시가총액 1870억 달러 규모로 여전히 시장 1위를 유지하고 있다.

전통 금융기관과 결제 기업들이 스테이블코인을 결제 인프라로 검토하면서, 블록체인 기반 정산 시스템이 향후 글로벌 금융 네트워크의 핵심 기술로 자리 잡을지 주목된다.

TP AI 유의사항

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