Evernorth 최고경영자(CEO) 아시시 벌라(Asheesh Birla)가 기관의 리플(XRP) 채택을 겨냥한 ‘청사진’을 공개하면서 시장의 시선이 XRP 레저(XRPL)로 쏠리고 있다. 재무(트레저리) 축적부터 온체인 수익(일드) 전략, 나스닥 상장 구상까지 한꺼번에 제시되며, 일부 분석가들은 이 흐름이 XRP 가격을 100달러(약 14만8060원) 수준까지 끌어올릴 수 있다고 보고 있다.
벌라 CEO는 자신이 과거 약 10년간 XRP 생태계에서 활동해 왔다고 밝힌 인물로, 현재 Evernorth를 통해 ‘기관형 XRP 트레저리’를 본격 구축하겠다는 계획을 내놨다. 핵심은 단순히 토큰을 보유하는 데서 그치지 않고, 실제 보유 물량을 기반으로 XRPL 디파이(DeFi) 인프라에서 수익 전략을 운용해 ‘기관용 XRP 일드 경제’를 만든다는 구상이다.
Evernorth CEO, ‘기관형 XRP 트레저리’ 로드맵 공개
3월 1일(현지시간) 크립토 애널리스트 X 파이낸스 불(X Finance Bull)은 벌라 CEO가 출연한 영상을 인용해 Evernorth의 전략을 조명했다. 영상에서 벌라 CEO는 Evernorth가 ‘실제 토큰 보유(spot holdings)’에 기반한 기관형 XRP 트레저리를 구축 중이며, 해당 물량을 XRPL의 디파이 환경에 투입해 온체인 수익을 창출하는 구조를 설계하고 있다고 설명했다.
Evernorth는 여기서 한발 더 나아가 생태계 ‘적극적 관리자(active stewards)’ 역할을 수행하겠다는 방침도 밝혔다. 구체적으로는 기관 유동성 공급, 네트워크 밸리데이터(검증자) 운영, 신규 파트너를 XRPL로 온보딩하는 활동을 병행한다는 계획이다.
X 파이낸스 불은 이 같은 전략이 XRP의 수급 구조에 의미 있는 변화를 줄 수 있다고 평가했다. 단기 매매 목적이 아니라 ‘수익 운용’을 위해 기관이 토큰을 장기간 보유할 경우, 현물 시장에서 유통되는 물량이 줄어 지속적인 현물 수요가 발생할 수 있다는 논리다. 결과적으로 시장에 풀리는 공급을 ‘잠가(lock-up)’ 가격 재평가의 조건을 만들 수 있다는 해석이다.
벌라 CEO는 온체인 경제가 전통 금융을 블록체인으로 연결하는 ‘브리지’ 역할을 하며, 이를 통해 시스템 전반의 효율성을 끌어올릴 수 있다고 강조했다. 그의 설명에 따르면 블록체인 기반 인프라는 유동성 확대, 비용과 마찰 감소, 글로벌 접근성 확대로 이어질 수 있고, 기관들이 준비만 된다면 채택 속도는 빨라질 수 있다.
또 Evernorth가 기관 자금의 유입을 쉽게 만드는 인프라를 구축하고 있다고도 덧붙였다. 그는 Evernorth가 ‘가장 큰 XRP 디지털 자산 트레저리’를 구축했다고 언급하며, 앞으로 XRP를 수익형 상품(일드 베어링 인스트루먼트)에 통합해 XRPL 디파이 생태계 성장을 가속하겠다는 목표를 제시했다.
나스닥 상장 구상…“토큰 못 사는 자금도 XRP 노출”
Evernorth의 구상은 온체인에만 머물지 않는다. 벌라 CEO는 Evernorth의 나스닥 상장 계획도 공개했는데, 이 시나리오가 현실화되면 디지털 토큰을 직접 보유할 수 없는 자금도 간접적으로 XRP 및 XRPL 생태계에 노출될 수 있다는 관측이 나온다. 전통 금융 규정이나 내부 투자 가이드라인 탓에 현물 암호화폐 보유가 어려운 기관·자산배분자에게 ‘상장사 지분’이라는 우회로가 열릴 수 있기 때문이다.
X 파이낸스 불은 규제 명확성이 ‘촉매’, 기관 자금이 ‘연료’, XRPL 디파이 생태계가 ‘엔진’ 역할을 하며 XRP의 가격 재평가 가능성을 키우고 있다고 진단했다. 그는 XRP가 아직 2018년 고점(ATH)을 넘어선 적이 없다는 점에서 과거에는 100달러 전망이 비현실적으로 들렸지만, 트레저리 축적, RWA(실물자산) 토큰화, 깊은 수익 시장이 동시에 진전된다면 100달러 이상의 목표가도 더 이상 불가능한 영역만은 아니라고 주장했다.
다만 이런 전망은 전제 조건이 많다. 기관 수요가 실제로 어느 규모로 유입되는지, XRPL 디파이에서 지속 가능한 수익 기회가 형성되는지, 상장과 규제 환경이 계획대로 전개되는지에 따라 XRP의 중장기 가격 경로는 크게 달라질 수 있다. 시장은 Evernorth의 트레저리 확대 속도와 온체인 유동성 공급 결과, 그리고 나스닥 상장 추진의 구체적 일정이 공개될지에 촉각을 곤두세우는 분위기다.
🔎 시장 해석
- Evernorth CEO 아시시 벌라가 ‘기관형 XRP 트레저리(재무 보유) + XRPL 디파이 수익(일드) + 나스닥 상장’까지 한 번에 묶은 로드맵을 제시하며, XRP를 ‘단순 거래 자산’이 아닌 ‘기관 운용 자산’으로 재포지셔닝하려는 흐름이 부각됐다.
- 기관이 단기 매매가 아닌 수익 운용 목적(장기 보유)으로 XRP를 축적하면, 유통 물량이 줄어드는(사실상 락업 효과) 구조가 만들어져 수급 측면에서 가격 재평가 기대를 키울 수 있다는 해석이 나온다.
- 다만 ‘XRP 100달러’ 같은 고평가 시나리오는 기관 유입 규모, XRPL 디파이의 지속 가능한 수익률, 규제/상장 현실화 등 다수 전제조건이 동시에 충족돼야 성립한다.
💡 전략 포인트
- 체크포인트 1: Evernorth의 ‘현물(spot) XRP 보유량’과 트레저리 확대 속도(보유 공개/감사, 커스터디 구조 등)가 실제 수요로 연결되는지 확인.
- 체크포인트 2: XRPL 디파이에서 기관이 감내 가능한 수준의 리스크(스마트컨트랙트, 유동성, 카운터파티)를 통제하면서도 ‘지속 가능한 일드’가 가능한지(단기 인센티브 의존 여부) 점검.
- 체크포인트 3: 밸리데이터 운영·유동성 공급·파트너 온보딩이 ‘생태계 성장(거래/TVL/사용자)’으로 이어지는지, 단순 홍보에 그치는지 데이터로 추적.
- 체크포인트 4: 나스닥 상장 추진이 현실화될 경우, 토큰 직접 보유가 막힌 자금에 ‘상장사 지분’ 형태의 우회 노출을 제공할 수 있어 전통자본 유입 경로가 넓어질 수 있음.
- 리스크 요인: 규제 불확실성, 상장 지연/무산, 디파이 수익률 붕괴 또는 해킹·취약점, 기관 자금 유입 부진 시 내러티브 약화.
📘 용어정리
- 트레저리(Treasury): 기업/기관이 전략적으로 보유·운용하는 준비자산(현금성/암호자산 포함) 및 그 운용 체계.
- 현물 보유(Spot holdings): 파생상품이 아닌 실제 토큰을 매수해 지갑/커스터디에 보유하는 형태.
- XRPL(XRP Ledger): XRP 기반의 블록체인 네트워크(송금/결제 중심으로 알려졌으나 디파이 활용 확장 논의 중).
- 디파이(DeFi): 중개자 없이 온체인에서 대출·스왑·유동성 공급 등을 수행하는 금융 서비스.
- 일드(Yield): 자산을 예치/대출/유동성 공급 등에 활용해 얻는 수익(보상) 또는 수익률.
- 밸리데이터(Validator): 네트워크 합의를 위해 거래를 검증하고 원장 상태를 확정하는 참여자.
- RWA 토큰화: 부동산·채권 등 실물/전통자산을 블록체인 상 토큰으로 발행·유통하는 방식.
💡 자주 묻는 질문 (FAQ)
Q.
Evernorth의 ‘기관형 XRP 트레저리’는 무엇이며 왜 주목받나요?
Evernorth는 기관이 실제 XRP를 현물로 보유(트레저리 축적)한 뒤, 그 물량을 XRPL 디파이 환경에 투입해 수익(일드)을 내는 구조를 구상하고 있습니다. 단순 매매가 아니라 ‘장기 운용 자산’으로 XRP를 다루면 유통 물량이 줄어드는 효과가 생길 수 있어, 수급 측면에서 시장이 민감하게 반응합니다.
Q.
나스닥 상장이 성사되면 XRP를 직접 못 사는 투자자도 참여할 수 있나요?
기사에서 언급된 구상대로라면, 규정·내부 가이드라인 때문에 현물 암호화폐 보유가 어려운 자금도 ‘상장사 지분’ 형태로 간접적인 XRP/XRPL 노출을 가질 여지가 생깁니다. 다만 상장 추진은 일정, 규제, 공시, 사업 구조 등 변수가 많아 실제 실행 여부와 조건을 확인해야 합니다.
Q.
‘XRP 100달러’ 전망이 현실이 되려면 어떤 조건이 필요하나요?
기관 수요가 의미 있는 규모로 지속 유입되고, XRPL 디파이가 단기 보상에 의존하지 않는 ‘지속 가능한 일드/유동성 시장’을 만들며, 규제 및 상장 관련 환경이 계획대로 전개되는 등 여러 전제조건이 동시에 충족돼야 합니다. 어느 하나라도 흔들리면 기대 경로가 크게 달라질 수 있어, 트레저리 확대 속도·온체인 유동성 지표·상장 진행 상황을 함께 점검하는 것이 중요합니다.
TP AI 유의사항
TokenPost.ai 기반 언어 모델을 사용하여 기사를 요약했습니다. 본문의 주요 내용이 제외되거나 사실과 다를 수 있습니다.





