스파크: 온체인 자본의 오케스트레이터

Key Takeaways

• 물리적 증서에 의존하던 과거의 은행은 비효율적인 중개 구조로 대규모 파산 사태를 겪었으며, 현대 금융 시스템 역시 '간접 보유 모델'로 여전히 복잡성을 안고 있다. 이제 토큰화 자산과 스테이블코인 등의 온체인 금융이 새로운 금융의 중심으로 부상하면서, 은행 또한 이에 걸맞은 전환을 모색해야 할 시점에 와 있다.

• 스파크의 비전은 전통 은행의 비효율과 기존 디파이 머니마켓의 제한된 확장성을 극복하고, 가장 고도화된 온체인 수익 엔진으로 자리 잡는 것이다. 이를 위해 스파크는 ‘스파크 유동성 레이어(Spark Liquidity Layer, SLL)를 통해 자동화된 자산 운용을 실행하며, 스파크렌드를 통해 저비용 · 고유동성 대출 마켓을 제공한다.

• SLL은 유동성 상태, 디파이 프로토콜 수익률 등을 실시간으로 감시하고 자동으로 리밸런싱하는 자본 운용 엔진이다. 현재 디파이(Morpho, Aave, Ethena)와 RWA(BUIDL, Superstate)에 전략적으로 자본을 배치하면서, 약 41억 달러 이상의 자산 운용과 함께 누적 수익 약 1억 9천만 달러를 창출하고 있다.

• 스파크렌드는 스카이를 기반으로 고정 이율의 대출 마켓을 운영하며, 특히 sUSDS 담보화를 통해 높은 자본 효율성을 제공한다. 이러한 구조 아래 스파크렌드는 약 34억 달러의 TVL을 기록하고 있다.

• 스파크의 전략은 대단히 새롭다기보다, 저비용 자금 조달과 정교한 자금 운용을 통해서 쉽게 모방할 수 없는 구조적 우위를 만들어내고 있다. 특히 sUSDS의 안정적인 이자 지급에서 드러나듯, 높은 리워드를 지속적으로 유지하는 역량은 대규모 자금 유입에 유리한 환경을 구축한다.

1. 저축하고 대출할 수 있지만, 은행은 아닌

은행은 또 한번의 전환점에 서 있다. 잠깐 은행의 역사를 돌이켜보자. 은행은 상업 자본주의의 태동과 함께 본격적인 형태를 갖추기 시작했다. 17세기 영국에서 금세공업자들이 고객의 금을 보관하고 발행한 예치 증서는 점차 화폐처럼 유통되었으며, 이를 담보로 신용을 창출하는 방식이 자리잡으면서 현대 은행의 기틀이 마련되었다. 이후 중앙 은행 체계가 확립되며 은행은 자산 보관, 대출, 지급 결제의 핵심 인프라로 자리매김한다. 산업 혁명 이후에는 산업 자본의 팽창에 대응해 상업 은행과 투자 은행이 분화되었고, 20세기 후반에 들어서는 물리적 은행에서 디지털 뱅킹과 글로벌 금융 네트워크로 기능이 확대되었다.

이러한 변화의 흐름 속에서도 은행의 본질적인 역할은 일관되게 유지되었다. 은행은 잉여 자본을 보관하고, 이를 수요가 있는 곳에 재분배함으로써 자본의 효율성을 극대화하는 중개자 역할을 수행한다. 다만, 그 방식과 수단은 시대의 기술과 금융 환경에 맞춰 가장 효율적인 형태로 끊임없이 진화해왔다. 그렇다면, 토큰화 자산과 스테이블코인을 비롯한 온체인 금융이 전체 금융 지형의 핵심 축으로 자리 잡아가는 지금, 은행 역시 이에 걸맞은 또 한번의 전환이 필요하지 않을까?

“스파크에서는 저축하고, 대출하고, 빌려줄 수 있습니다. 하지만, 은행은 아닙니다.”

— Spark

본 글에서 소개할 스파크는 디파이에 최적화된 방식의 자산 운용 시스템을 제시하고 있다. 이어지는 장에서는, 스파크가 어떻게 작동하는지 자세히 들여다보며, 자본 효율성 면에서 스파크가 전통적인 은행과 비교하여 어떤 차별점을 제안하는지 살펴본다.

2. 은행은 이미 지난 세기의 유산이다 (The Bank is a Relic of the Last Century)

2.1 과거: 서류 위기(Paperwork Crisis)

Source: Market Memoir - the floor of the New York Stock Exchange after closing

1960년대, 월스트리트는 호황을 누리고 있었다. 낮은 금리, 높은 배당금, 그리고 기관 투자자들의 고빈도 거래로 주식 거래량은 1960년대부터 1968년까지 네 배 증가했다. 그러나 1969년, 거래량이 정점을 찍은 지 오래였음에도 다수의 중개업체들은 파산 위기에 몰렸다. 원인은 뜻밖에도 서류 처리 인프라의 한계에 있었다.

현대적인 정산 시스템이 도입되기 전까지, 주식 소유권 이전은 종이 증서(Physical stock certificates)의 물리적 교환을 통해 이뤄졌다. 주식을 거래하려면, 판매자는 증서를 자신의 중개인에게 넘기고, 이는 다시 구매자의 중개인에게 전달되었다. 그런 다음, 구매자의 중개인은 증서를 발행 회사의 등록 대리인에게 보내 소유권을 요청했다. 이후 등록 대리인이 주주 명부에 이전 내용을 등록한 후, 기존 증서를 말소하고 구매자 명의의 새 증서를 발급해야 했다. 이 과정은 최대 68 단계를 거치며, 약 4영업일이 소요되었다.

그러는 동안, 거래량은 폭증했고 정산은 밀리기 시작했다. 결과적으로 수십억 달러 규모의 미정산 거래, 수백만 달러의 분실 증권, 그리고 배당급 실패가 속출했다. 이에 따라 여러 중개업체들은 심각한 재정난에 직면했고, 오픈 마켓에서 주식을 다시 매입하거나 고객 자산을 유용해 다른 고객의 요구를 충당하는 사례도 발생하였다. 상승장이 이어지던 동안에는 이러한 관행이 크게 문제되지 않았지만, 1960-70년 하락장이 시작되면서 수수료 수익이 급감했고, 중개 업체들은 누적된 정산 부담을 감당하지 못한 채 줄줄이 파산하기에 이른다. 이 서류 위기(Paperwork Crisis)는 대공황 이후 가장 심각한 금융 시스템 위기로 평가되며, 오늘날 간접 보유 기반 결제 시스템이 자리 잡는 계기가 된다.

2.2 현대: 간접 보유 모델의 복잡성

Source: Crypto and the Evolution of the Capital Markets

서류 위기 이후, 물리적 증서 기반의 정산 방식이 한계에 봉착하면서 자본 시장은 간접 보유 모델을 채택했다. 이 구조에서 증권의 법적 명의자는 투자자가 아닌 브로커나 예탁 기관이 되며, 거래는 실질 소유자 명의의 변경 없이 중개 기관 내부의 계좌 기록만 변경하는 방식으로 처리된다. 이는 거래 효율성을 위한 조치였지만, 오히려 구조적인 복잡성과 중개자 중심의 시스템을 고착화시키는 계기가 되었다.

먼저, 간접 보유 모델에서는 중개 절차가 비대해지면서 거래 비용이 증가한다. 대개 매수자와 매도자만 있어도 성립되는 단순한 거래임에도 불구하고, 브로커, 딜러, 마켓 메이커, 거래소, 청산기관, 중앙예탁기관 등 다수의 중개자가 거래에 개입한다. 이들은 거래 체결과 정산 등의 각기 다른 절차에 개입한다지만, 역할이 중복되거나 각 절차의 담당 주체가 서로 분리되어 있어 되려 거래의 복잡성을 높인다. 더욱이 중개자는 수수료, 스프레드, 데이터 판매 등으로 수익을 추구하며 거래당 여러 단계에서 가치가 추출되는 구조를 형성한다.

또한 간접 보유 모델은 거래 데이터의 흐름과 통제권을 소수의 중개기관에 집중시켜 정보의 비대칭과 불투명성을 야기한다. 투자자는 법적 명의자가 아니므로 자신의 보유 자산이나 체결 경로를 직접 파악하기 어렵고, 중개기관은 이 정보를 실시간으로 공개하지 않거나 유료로 판매하는 방식의 정보 상업화를 통해 추가 수익을 얻는다.

이처럼 현대의 거래 시스템에서 중개자는 단순히 거래의 지원자가 아니라, 거래 구조에 포함되는 경제적 이해 당사자로 기능한다. 그 결과, 중개로 인한 구조적 복잡성과 수익 편중은 거래 비용을 증가시키고 시스템 전반의 효율성을 저해한다.

3. 스파크 딥다이브: 디파이를 위한 자본 운용 엔진

스파크는 기존 은행의 시스템적 비효율과 불투명성을 해결하기 위해 등장했다. 그러나 사실, 디파이를 통해 전통적인 금융 시스템의 한계를 극복하려는 시도 자체는 그리 새롭지 않다. 디파이 초창기부터 중개자 없는 거래, 자동화된 정산, 투명한 데이터 열람은 수많은 프로토콜들이 공통적으로 추구해온 방향성이었다.

다만, 기존 머니마켓 모델은 대출 풀을 중심으로 대출과 차입을 단순히 중개하는 구조에 머무르며, 대출 이율의 정책적 조정이나 자동화된 자본 운용, 리스크 분산 등 통합된 체계의 금융 허브를 구현하는 데는 한계를 보인다. 이로 인해 프로토콜은 자본 대비 수익성을 효율화하기 어려우며, 결국 사용자 입장에서는 안정적인 이자를 기대하기 어려운 구조적 제약으로 이어진다.

이에 스파크는 자체적인 자본 운용 엔진(Spark Liquidity Layer, 이하 SLL)을 중심으로, 일원화된 자금 흐름을 통해 자본 효율과 안정성을 높인다. 그 작동 원리를 먼저 살펴보면, 스카이(SKY, 구 메이커다오)에서 저비용 자본을 조달하고, 이를 모포(Morpho), 아베(Aave), 에테나(Ethena), 비들(BUIDL), 스파크렌드 등 주요 프로토콜 전반에 전략적으로 배치한다. SLL은 시장 환경을 종합적으로 고려하여 오프체인 모니터링 소프트웨어를 통해 자본을 자동적으로 관리한다. 그렇게 얻은 이자는 스파크 세이빙스를 통해 USDS, USDC, DAI를 예치해 얻는 sUSDS에 복리 수익으로 쌓이게 된다.

이러한 구조는 단순히 사용자 간의 자본 중개에 머물렀던 패시브한 머니마켓 모델과 달리, 스파크가 디파이 전반을 아우르는 전략적 자산 운용을 수행할 수 있게 한다. 그 효과는 추가적인 유동성 유입과 함께 대형 자본을 통한 규모의 경제 실현으로 이어지며 2025년 2분기 기준, 스파크는 약 75억 달러의 TVL을 기록하고 있다.

이어지는 장에서는, 스카이와 스파크의 관계성부터, 스파크의 핵심 요소인 스파크렌드와 SLL의 작동원리 및 현황을 자세하게 들여다본다.

3.1 첫 번째로 뜬 별, 스파크의 역할

Source: X(SkyEcosystem)

기본적으로 스파크는 스카이 생태계의 서브 다오로 알려진 스타(Star)에 소속되어 있다. 스카이는 2017년부터 USDS(구 DAI)를 발행해온 탈중앙화 준비금 기반 프로토콜이다. 스카이는 자본 운용 및 수익 구조의 다각화를 위해 스타라는 이니셔티브를 도입했으며, 스파크는 그 첫 번째 스타로서 RWA를 포함한 온체인 및 오프체인 자산을 전략적으로 배치하는 역할이다.

따라서 스파크는 자체적으로 독립 운영되는 탈중앙화된 플랫폼이면서도, 자금 구조 측면에서는 스카이와 긴밀하게 연동된다. 예컨대, 스파크가 운영하는 렌딩 플랫폼과 SLL에 투입된 초기 자금은 스카이로부터 조달되었다. 이에 스파크의 대출 및 차입의 이율, 비용, 수익 등의 전반적인 자금 흐름 역시 스카이의 준비금과 밀접하게 연결된다. 그러므로, 스파크를 살펴보기에 앞서 SSR과 USDS와 관련한 주요 개념들을 짚고 넘어갈 필요가 있다.

3.1.1 SSR & 스파크 세이빙스(Spark Savings)

SSR(SKY Savings Rate)은 스카이의 표준 예치 이율로, USDS 예치에 대한 연 이율을 의미한다. SSR 이율은 스카이 거버넌스에 의해 결정되는 변동 이율이며, 시장 수요에 따라 변동하는 여타 디파이 이율과 달리 거버넌스 투표로 조정되는 구조가 SSR의 가장 큰 특징이다.

구체적으로, 거버넌스 프로세스 상 스카이의 위험 관리 팀이 시장 환경과 수익성을 고려해 SSR을 조정안을 제시하면, 커뮤니티의 검토 후 투표로 결정된다. 이러한 이자 결정 메커니즘은 단기 유동성 상황에 따른 변동 없이, 스카이가 시장 상황에 맞추어 전략적으로 이율을 조정할 수 있는 유연성을 제공한다.

Spark Data Hub - Savings

SSR의 이율은 스카이가 다양한 자산 군으로부터 벌어들이는 수익을 기반으로 산정된다. 구체적으로, 미 국채 등의 RWA 투자와 스파크 프로토콜에서 창출하는 수익이 SSR에서 발생하는 이자 비용으로 활용된다. 스카이와 스파크의 관계는 이 구조 속에서 명확히 드러난다.

즉, 스파크는 자체적으로 디파이 수익을 창출하는 자본 운용 엔진일 뿐만 아니라, 스카이의 서브다오로서 SSR 재원을 확보하는 데 핵심적인 역할을 수행한다. 실제로 스카이는 준비금을 통해 연 4억 달러 이상의 수익을 창출하고 있는데, 이 중 약 25%는 스파크렌드와 SLL에서 발생한 이자 수익이고, 나머지는 국채를 비롯한 RWA 수익으로 구성된다.

Spark Data Hub - Savings

SSR이 스파크의 전반적인 자금 운용을 뒷받침한다면, 스파크 세이빙스(Spark Savings)는 SSR에 직접 연결되는 창구(프론트 엔드) 역할을 한다. 사용자는 USDS 또는 USDC를 예치해 sUSDS나 sUSDC로 전환하고, 복리로 이자를 받을 수 있다. 즉, 스파크 세이빙스를 통해 예치된 USDS에는 SSR만큼의 이자가 실시간으로 누적되며, 이자형 스테이블코인인 sUSDS의 가치가 점진적으로 상승하는 구조이다. 현재 스파크 세이빙스의 총 예치 자산 규모는 약 32억 달러에 이른다.

3.1.2 USDS & 스파크 PSM: 멀티체인 고정 가격 스왑

앞서 언급했다시피 USDS는 스카이가 발행하는 스테이블코인이다. USDS와 스파크의 관계는 스테이블코인의 활용 범위를 확장하는 측면에서 정의될 수 있다. 즉, 스파크는 USDS를 이자형 스테이블코인인 sUSDS로 전환하는 창구이자, 대출 플랫폼과 SLL을 통해 USDS의 활용처를 확보하고 이자 재원을 충당하는 역할을 하는 셈이다.

더욱이, 스파크는 스파크 PSM을 통해 USDS의 페그 안정성을 확보하는 데 중요한 역할을 한다. 스파크 PSM(Peg Stability Module)은 이더리움, 베이스, 아비트럼 등 멀티체인 환경에서 USDS, sUSDS, USDC 간 슬리피지 없는 즉각적인 스왑을 제공하기 위해 설계된 모듈이다. 예를 들어, 사용자가 sUSDS를 USDC로 인출하면, 스파크 PSM은 백엔드에서 USDS와 USDC를 1:1 고정 가격으로 교환해 즉시 USDC 유동성을 제공한다.

이를 통해 대규모 인출 상황에서도 수십억 달러 규모의 출금 유동성이 확보되며, 사용자는 안정적으로 자금을 회수할 수 있다. 나아가, 서로 다른 체인 간 유동성 이전도 원활히 지원함으로써, 스파크 PSM은 크로스체인 환경에서의 유동성 단절과 슬리피지를 효과적으로 줄여준다.

스파크 PSM의 작동 방식을 자세히 살펴보면 다음과 같다:

1. 준비금 예치: 스카이로부터 공급받은 대규모 USDC 준비금이 베이스, 아비트럼 등 각 체인에 배치된 PSM 컨트랙트에 예치한다.

2. sUSDS > USDC 스왑: 사용자가 sUSDC를 USDC로 인출을 요청할 때, PSM이 sUSDS를 수거하고 준비금에서 동일한 달러 가치의 USDC를 지급한다. 이때, 스카이의 이율 오라클(Cross-chain Saving Rate Oracle)을 통해 최신 SSR 이율을 반영한 환율을 계산한다. (예: 1 sUSDS = 1.05 USDC, SSR 누적 이자 반영)

3. USDC > sUSDC 스왑: 사용자가 USDC를 예치하여 sUSDS로 전환을 요청할 때숭, PSM이 USDC를 수거하고 1:1 페그 비율에 따라 USDS를 발행한다.

이러한 과정을 통해 모든 교환은 고정된 1달러 페그를 기준으로 처리되기 때문에, 시장 가격 변동이나 유동성 부족에 따른 슬리피지가 발생하지 않게 된다. 현재 스파크는 베이스 체인에 약 1억 달러 규모의 USDC/USDS 유동성을 공급하여 크로스체인 PSM을 운영하고 있다. 향후, 스카이가 보유한 13억 달러 이상의 USDC 준비금을 바탕으로, 스파크가 다양한 체인에서 대규모 출금 수요를 안정적으로 처리할 수 있도록 할 계획이며, 이는 후술할 SLL이 운용되는 과정에서 체인 간 자금 이동을 단순화하고 USDS의 페그를 안정적으로 유지하는 핵심 메커니즘으로 작동한다.

3.2 스파크렌드(SparkLend): 대출 프로토콜

Source: SparkLend

스파크렌드는 아베 v3 포크 기반 대출 프로토콜로, 스파크의 SLL 모듈을 활용해 스카이가 저이율 USDS를 대량 공급하여 최적의 차입을 제공할 수 있도록 설계됐다. 아베 v3 포크인만큼, 스파크렌드는 예치자가 자산을 공급하여 이자를 받고 차입자는 초과 담보를 제공하고 자산을 대출하는 과담보 대출 방식으로 작동한다.

예치자의 이자는 수요-공급 곡선에 따라 조정된다. 즉, 특정 자산의 대출 수요가 높아 유동성 이용률이 상승하면 해당 자산의 차입 이율이 올라가고, 반대로 수요가 줄면 이율이 낮아지는 관성 이율 모델이 적용된다. 이를 통해 시장 균형을 찾아 예치에는 보상, 차입에는 비용을 부과함으로써 자율적으로 유동성 풀을 조절한다. (후술하겠지만 USDS에 한해서는 SSR에 따른 이율을 제공한다)

스파크렌드도 여기까지는 일반적인 대출 프로토콜과 유사한 구조를 갖추고 있으나, 담보 자산 유형의 디테일한 설정과 스카이와의 연계를 통해 차별점을 만든다:

첫 번째로, 스파크렌드는 담보 자산의 지원 범위를 전략적으로 축소함으로써 낮은 변동성과 높은 시스템 안정성을 추구한다. 예컨대, 이더리움 메인넷의 스파크렌드는 ETH, stETH, WBTC, USDC, USDS, sUSDS 등 유동성이 풍부한 자산만을 지원하며, 각 자산별로 스파크의 리스크 관리 기준에 따라 보수적인 담보 기준과 차입 한도가 설정되어 있다. 이러한 담보 자산 제한은 시장 급변 시 담보 자산의 급격한 가치 하락이나 유동성 부족에 따른 청산 리스크를 최소화하여, 프로토콜 전반의 안정성을 높이는 데 기여한다.

두 번째로, 스파크렌드는 스카이와의 연계성을 강화하기 위해 USDS 마켓에 한해 별도의 맞춤 이율을 도입했다. 다시 말해, USDS 마켓의 이율은 스카이의 SSR에 연동된다. 이 구조 덕분에, USDS 마켓은 단기 유동성 상황에 따라 조정되는 이율 구조에 의존하지 않고 스카이로부터 거버넌스로 정해진 고정 이율을 따를 수 있다. 결과적으로, 스파크렌드에서는 USDS의 차입 이자가 매우 저렴하게 유지된다.

세 번째로, 스파크렌드는 스카이의 볼트로부터 직접 USDS를 공급받는다. 즉, 스카이의 유동성 공급 라인을 기반으로 발행된 USDS가 스파크렌드 풀에 공급되거나 회수되어 유동성이 조절된다. 이러한 유동성 연계 덕분에 스파크렌드는 출시 초기부터 수십억 달러 규모의 USDS 유동성을 확보할 수 있었다. 또한, 스파크렌드 풀의 USDS는 자동으로 sUSDS로 전환되므로, 사용자는 스파크렌드 풀의 예치 이자와 SSR 이자를 동시에 얻을 수 있게 된다.

Source: Spark Data Hub - SparkLend

결과적으로, 스파크렌드는 스카이와의 구조적 연계를 통해 예측 가능한 대출 마켓을 제공한다. 특히 USDS 마켓에는 SSR을 기반해 고정 이율 모델이 적용되므로, 이자 변동성에 대한 불확실성을 줄이고 장기적인 이율 예측 가능성을 확보한다. 더불어, 사용자는 이자를 발생시키는 sUSDS를 담보로 활용할 경우 자산을 유휴 상태로 두지 않은 상태로 대출을 실행할 수 있어 자본 효율성을 극대화해준다.

2025년 2분기 기준, 스파크렌드는 약 34억 달러의 TVL을 기록하고 있으며, 트레저리 규모는 약 180만 달러 수준이다. 특기할 만한 점으로, 스파크의 자본 운용을 담당하는 SLL은 지금까지 약 1억 9천만 달러의 누적 수익을 창출했는데, 이 중 스파크렌드가 62%(약 1억 2천만 달러)를 기여하며 가장 큰 비중을 차지하고 있다.

3.3 SLL(Spark Liquidity Layer): 온체인 자본 운용 엔진

3.3.1 SLL 작동원리

SLL(Spark Liquidity Layer)은 스카이로부터 유동성을 조달하고 해당 자금을 다중 체인 및 다중 디파이 프로토콜에 배치하는 자본 운용 엔진 기능을 수행한다. 이로부터 얻은 이자는 스카이의 트레저리로 환입되므로, 결과적으로 SLL은 USDS와 sUSDS의 이자 출처이자 SSR 이율 지급을 지원하는 재정원 역할을 하는 셈이다.

SLL은 단순히 자본을 배치하는 것에 머물지 않고, 오프체인 모니터링 소프트웨어를 통해 실시간으로 각 체인의 유동성 상태, 외부 디파이 프로토콜의 수익률, 스카이의 예비 유동성 수준 등을 실시간으로 감시하고 자동으로 리밸런싱한다. 예컨대, 베이스의 PSM에서 sUSDS 예치가 급증하여 USDC 대비 잔고가 모자라다면, 시스템은 즉시 메인넷에서 추가 USDC를 CCTP(Cross-Chain Transfer Protocol)로 브릿지하여 보충한다. 반대로 L2 상에 유휴 USDC가 과도하다면 일부를 메인넷으로 회수한다.

SLL은 크게 세가지 요소를 기반으로 작동한다.

1. 스카이 할당 볼트(SKY Allocation Vault): 해당 볼트는 스파크와 같은 스카이의 스타가 스카이의 담보를 기반으로 USDS를 발행할 수 있도록 허용하는 신용 창구 역할을 한다. 현재 약 45억 달러 규모의 USDS(DAI)가 스파크의 볼트를 통해 발행되었으며, 이렇게 저비용으로 조달한 자금을 SLL에 기반해 디파이 자금 전략 자금으로 활용한다.

2. 스카이 링크(SKY Link): 스카이링크는 스카이가 직접 개발한 크로스체인 브릿지로, 발행된 USDS 및 sUSDS를 다양한 체인으로 전송하는 데 사용된다. 이를 통해 SLL은 체인 간 자금 이동을 자동화하고, 중개자 없이 신속하고 안전하게 유동성을 배치할 수 있다. 한편, USDC와 같은 외부 스테이블코인의 이동에는 별도로 서클의 CCTP를 활용해 효율적인 유동성 전송을 지원한다.

3. 스파크 PSM: 앞서 설명한 바와 같이, 스파크 PSM은 각 체인에서 USDS, sUSDS, USDC 간 슬리피지 없는 스왑을 지원하며, SLL의 리밸런싱 과정에서 가격 괴리 없는 자산 전환을 가능하게 한다. 이를 통해 SLL이 운용하는 자금의 유동성 낭비를 방지하고, 각 체인의 페그와 수급을 안정적으로 유지할 수 있다.

Source: Spark Data Hub - Spark Liquidity Layer

이러한 구성 요소를 기반으로 스파크는 SLL을 통해 수십억 달러 규모의 자금을 다양한 자산 유형과 디파이 프로토콜에 노출시키고 있다. 이 현황은 자산 할당, 스파크렌드 TVL, 프로토콜 수입 등의 정보가 투명하게 공개되어 있는데, 데이터 허브를 통해 이를 확인할 수 있다:

최신 데이터에 따르면, 현재 약 41억 달러 이상의 자금이 디파이 프로토콜 전반에 전략적으로 배치되어 있다. 이 중 블랙록이 8억 달러, 스파크렌드가 9억 달러 규모로 가장 높은 비중을 차지하고 있다. 이를 통해 스파크는 미 국채 기반의 수익을 제공하는 BUIDL에 유동성을 노출시켜 안정적인 수익을 지속적으로 확보하고 있으며, 자체 렌딩 플랫폼인 스파크렌드에서는 예치 이자를 수취함으로써 내부 수익 구조를 더욱 강화한다.

이처럼 SLL의 수익은 단일 원천에 의존하지 않고, RWA 수익과 디파이 네이티브한 이자 수익을 균형있게 결합해 발생시킨다. 즉, 슈퍼스테이트(Superstate), 센트리퓨지(Centrifuge), 메이플(Maple) 등을 통해 미국 국채 기반 토큰화 자산에 유동성을 공급하면서 예측 가능한 RWA 수익을 확보하는 동시에, 에테나, 모포, 아베 등과의 전략적 연계를 통해 기대 수익이 높은 이자 원천을 구축한다. 예컨대, sUSDe 등의 이자형 합성 자산을 포트폴리오 상에 직접 보유하는 방식부터, 모포 볼트를 기반으로 다양한 자산군과 마켓을 조성하는 간접적 노출까지 다양한 전략적 배치가 이루어진다.

Source: Spark Data Hub - Spark Liquidity Layer

그 결과, 누적 수익 기준으로 SLL은 약 1억 9천만 달러 이상의 수익을 창출하였다. 수익의 출처를 살펴보면 전체 수익 중 약 62%가 스파크렌드에서 발생하여 외부 프로토콜에 전적으로 의존하는 구조가 아닌, 자체 렌딩 플랫폼을 통해 내재적인 수익 창출 구조를 구축하고 있음을 보여준다. 동시에, 모포 볼트는 다음으로 높은 비중인 29%로 높은 수익성을 나타내어 자본 운용 엔진으로서의 효과성을 입증한다.

이어지는 장부터는 이처럼 스파크와 다양한 프로토콜과의 통합이 어떻게 이루어지고 있는지 중점적으로 살펴보도록 한다.

4. SLL이 디파이 생태계를 활용하는 방법

4.1 아베 프로토콜 렌딩 마켓 통합

Source: Spark Data Hub - aEthLidoUSDS

스파크는 SLL을 통해 아베 프로토콜의 라이도(Lido) 마켓에 USDS 유동성을 공급함으로써, 이용자들이 WETH, wstETH와 같은 자산을 담보로 자금을 차입할 수 있도록 지원한다. 이 과정에서 스파크는 대출 이자를 수취하는 유동성 공급자 역할을 한다. 현재 약 2천만 달러의 ETH 계열 자산이 아베 마켓에 배치되어 있으며, 이로부터 누적된 수익은 40만 달러에 이른다.

SLL 통합의 핵심 이점 중 하나는 아베 프로토콜의 코어(Core), 프라임(Prime), 베이스(Base) 마켓 전반에 걸쳐 스테이블코인 이율을 안정화할 수 있다는 것이다. 즉, 특정 마켓에서 대출 이자가 상승하면, SLL은 유동성을 동적으로 리밸런싱하여 이율 격차를 완화한다. 이러한 메커니즘은, 아베 마켓의 이율 안정성과 예측 가능성 모두를 높이며, 동시에 스파크는 유동성 공급에 따른 이자를 수취할 수 있게된다.

4.2 모포(Morpho) 렌딩 마켓 통합

스파크는 모포 프로토콜을 전략적으로 활용하여 유동성 공급에 따른 수익률을 높인다. 모포의 볼트인 메타 모포(MetaMorpho)에 유동성을 직접 공급하여 다양한 마켓을 조성하고 있으며, 현재 약 4억 달러 상당의 USDC와 5억 달러 상당의 DAI가 스파크가 관리하는 볼트에 예치되어 있다.

Source: Spark Data Hub - sparkUSDC

USDC 유동성은 대부분 cbBTC/USDC 마켓에 배치된다. 해당 마켓으로 사용자는 cbBTC(Coinbase Wrapped BTC)를 담보로 USDC를 대출할 수 있다. 이를 통해 스파크는 USDC 유동성 제공에 따른 대출 이자를 수취하며, 한 해동안 누적된 수익은 약 240만 달러에 달한다.

Source: Spark Data Hub - spDAI

한편, DAI 유동성은 모포의 렌딩 플랫폼인 모포 블루(Morpho Blue)에서 펜들 기반의 PT-USDS 및 에테나 기반 자산과 함께 운용된다. 이를 통해 사용자는 USDe 또는 sUSDe를 담보로 DAI를 대출받을 수 있다. 여기서 에테나는 델타 헷지 전략과 RWA 기반 수익을 바탕으로 USDe에 이자 수익을 제공하기 때문에, USDe 및 sUSDe에서 발생하는 다양한 수익원이 DAI와 결합되어 다양한 디파이 전략을 가능하게 한다. 이처럼 높은 수익성의 담보 자산을 기반으로 대출 풀을 제공함으로써 스파크는 대출 이자를 수취하며, 현재까지 이로부터 누적된 수익은 약 5천만 달러에 이른다.

현재 모포 블루 상의 에테나 연계 마켓에서 스파크는 펜들의 PT(Principal Token) 기반 자산인 PT-sUSDe 및 PT-USDe를 담보 자산으로 활용하고, 해당 담보를 바탕으로 사용자에게 DAI 유동성을 공급한다. 이러한 유동성 구조는, 스파크가 DAI 배분을 통해 펜들 포지션을 구축한 결과이다. 이로써 사용자는 PT-sUSDe를 담보로 활용함으로써 고정 수익률이 보장된 자산을 기반으로 DAI를 대출받을 수 있게 된다.

이러한 모포 볼트를 활용하여, 사용자는 sUSDe의 스테이킹 수익률을 유지하고 PT를 통해 sUSDe의 변동 이자보다 높은 수익률을 얻으면서도, 추가 유동성을 통해 레버리지 전략을 실행할 수 있다. 동시에 스파크는 자산 배분의 유연성과 수익성을 확보하게 된다.

4.3 에테나 연계 자산 직접 보유

Source: Spark Data Hub - sUSDe

스파크는 SLL을 통해 에테나의 USDe 및 sUSDe 자산을 직접 보유하는 구조로 통합을 확대하며, 최대 11억 달러까지 유동성을 배분할 계획이다. 현재는 약 3억 달러 규모의 USDe 및 sUSDe를 SLL를 통해 직접 보유하고 있다. 이는 기존의 USDC, USDS, sUSDS 외에 고수익 자산군(sUSDe 2024년 평균 18% APY)을 포트폴리오에 추가하여 SLL 수익성을 높인다. 즉, 앞서 살펴본 모포 프로토콜의 간접 노출 방식과 달리, 포트폴리오 상의 직접 보유는 렌딩 마켓을 거치지 않고도 에테나의 리워드를 수령하여 수익성을 직접 확보할 수 있게 한다. 이렇게 누적된 수익은 현재까지 약 150만 달러에 달한다.

5. 스파크의 해자는 어디에서 나올까?

앞서 살펴본 대로, 스파크는 스파크렌드와 SLL을 통해 전통 은행과 기존 디파이 머니마켓의 한계를 보완한다. 그렇다면, 나아가서 스파크의 성공적인 확장을 위해 필요한 해자는 어디에서 찾을 수 있을까? 그 해자는 스카이와의 유기적 관계에서 오는 구조적 우위, 이자형 스테이블코인 지형에서 sUSDS가 가진 시장 경쟁력, 그리고 SLL의 자본효율성에서 찾아볼 수 있다.

5.1 SSR을 통한 저비용 자금 조달

Source: SKY Ecosystem

스파크의 핵심적인 경쟁력은 스카이가 보유한 대규모 자금력과, 이를 기반으로 한 저비용 조달 구조에 있다. 현재 스카이는 약 110억 달러의 총 담보 자산을 보유하고 있으며, 약 83억 달러의 USDS 부채를 상회하는 131% 수준의 초과 담보 구조를 유지하고 있다. 이로써 스카이는 27억 달러의 초과 담보를 확보하며, 해당 여유 자본은 스카이 생태계의 재정 건정성과 스파크와 같은 스타의 자본 운용을 뒷받침하는 기반이 된다.

스카이로부터 조달된 저비용 자본은 스파크렌드와 SLL을 통해 활용된다. 스파크렌드는 SSR 기반의 안정적인 고정 이율을 통해 장기적인 사용자 확보에 유리한 지위를 구축하며, 한편 SLL은 외부 자본에 대한 의존없이, 자본 운용 엔진의 운영에 있어 높은 자본 효율을 실현할 수 있다.

결과적으로, 예대마진과 수익성 자산에 대한 노출을 통해 발생한 수익은 스카이 생태계의 지급 원천인 SSR의 재정으로 다시 흘러들어가며, 일부는 스파크의 자체적인 수익으로 귀속된다. 즉, 스파크는 자금 조달 비용을 최소화하면서도 안정적인 수익원을 확보할 수 있는 구조를 갖추고 있으며, 이는 여타 디파이 프로토콜과 비교해 지속 가능한 수익성과 자산 운영 효율성 면에서 본질적인 우위를 만든다.

5.2 sUSDS와 스파크렌드의 선순환 사이클

Source: Stablewatch

이자형 스테이블코인은 최근의 시장에서 스테이블코인의 자본 활용도를 높이는 측면에서 효과적인 수단으로 자리잡으며, 시장의 본격적인 확대를 예고하고 있다. 시장은 2023년 말부터 급격한 성장세를 보이며 2025년 2분기 기준 약 100억 달러 수준까지 확대되었으며, 시가총액 면에서 지난 1년간 약 3배 가까이 증가한 수치다.

이처럼 빠르게 성장하는 시장에서, 스카이의 sUSDS는 이자 지급 규모 측면에서 유의미한 경쟁력을 보이고 있다. Stablewatch에 따르면, sUSDS는 지금까지 약 8천 2백만 달러를 이자로 지급했으며, 이는 에테나의 sUSDe에 이어 두번 째로 높은 누적 이자 지급액이다.

이 같은 성과의 주요 배경에는 스카이의 이자 경쟁력이 있다. sUSDS가 제공하는 APY는 대체로 5~8% 범위에서 형성되어 왔으며, 이는 동기간 에테나의 sUSDe가 제공한 평균 6%대 수익률과 유사한 수준이다. 이렇듯 이자 경쟁력은 sUSDS의 예치 수요를 지속적으로 견인하고 있으며, 이는 다시 스파크의 재정에도 긍정적인 영향을 미친다.

5.2.1 sUSDS 예치 수요에 따른 스파크의 자금 조달 능력 강화

sUSDS는 사용자가 USDS를 SSR에 예치한 대가로 수령하는 이자형 토큰이다. 이에 따라 sUSDS에 대한 수요가 증가하면 더 많은 USDS가 SSR에 예치되고, 이는 곧 스카이 트레저리의 자산 확대와 USDS 발행량 증가로 이어진다. 이어서 트레저리가 확장될수록 스카이는 스파크에 저비용 자금을 공급할 수 있는 여력이 커지게 되며, 그 결과 SSR 기반의 스파크 자금 능력이 강화된다. 이는 스파크렌드가 시중 대비 낮은 대출 이자를 유지할 수 있는 토대를 마련하며, 스파크의 이율 경쟁력을 높이는 핵심 요인으로 작용한다.

5.2.2 sUSDS의 담보 자산화를 통한 스파크렌드의 수요 확대

스파크렌드는 sUSDS를 담보 자산으로 채택하고 있다. 이를 통해 사용자는 sUSDS를 예치한 상태에서도 SSR을 통한 이자 수익을 지속적으로 얻을 수 있으며, 동시에 자산 유동성도 확보할 수 있게 된다. 이러한 구조는 수익성과 유동성을 동시에 제공하기 때문에, 스파크렌드 이용에 대한 강력한 유인으로 작용한다.

이에 따라 스파크렌드는 sUSDS를 통해 대출 수요를 촉진하고, sUSDS는 스파크렌드를 통해 자산의 활용처를 확보함으로써 상호 간 시너지를 형성한다. 이 관계 속에서 sUSDS를 담보로 예치하는 사용자가 증가하면 스파크렌드의 TVL이 확대되고, 이는 프로토콜의 대출 가능 한도를 높이는 결과로 이어진다. 그에 따라 스파크렌드는 대출 규모를 늘리고, 대출 규모 증가에 비례해 이자 수익 확대가 가능해진다.

궁극적으로, 이러한 두 메커니즘이 맞물리며 sUSDS와 스파크 간에는 선순환 사이클이 형성된다. 요컨대, sUSDS 예치 증가 > 스파크 트레저리 자산 확장 > 스파크에 대한 저비용 자금 공급 여력 강화라는 효과로 이어진다. 이에 따라 스파크렌드는 낮은 대출 이자를 기반으로 대출 이용률을 높이고 수익을 증대 시킨다. 또한 해당 수익은 다시 SSR의 재원으로 환류되며 SSR은 더욱 매력적인 이율을 제공할 수 있게 된다. 이로써 sUSDS 수요가 다시 증가하는 선순환이 구축된다.

5.3 디파이와 전통 금융의 균형에 기반한 고수익 · 저위험 지향

실물 자산이 토큰화되고 크립토 자산이 전통 금융에 편입되는 현상이 점차 가속화되면서, 디파이와 전통 금융 간의 경계는 점점 허물어지고 있다. 스파크는 디파이 네이티브한 수익과 RWA로부터의 수익을 균형있게 조정함으로써 고수익과 저위험이라는 상반된 목표를 실현하고자 한다.

5.3.1 디파이 네이티브한 수익

Source: DeFi Value Flows: Understanding DeFi Business Models and Revenues

사실 머니마켓 분야에서는 아베, 이자형 스테이블코인 영역에서는 에테나가 이미 강력한 경쟁자로 자리하고 있다. 그렇다면, 스파크는 이들과의 선두 경쟁에서 어떤 전략을 취하고 있을까? 오히려, 스파크는 SLL을 통해 직접적인 경쟁 없이, 외부 프로토콜과 상호 연계된 수익을 창출하는 전략으로 유리한 고지를 점하고 있다.

오늘날 디파이의 흐름은 ‘비대한 디파이(Fat DeFi)’라 칭할만큼, 프로토콜 간 상호 결합성을 높이는 방향으로 나아가고 있다. 이러한 흐름 속에서 스파크는 상호 결합성에 최적화된 SLL을 통해 디파이 네이티브한 수익을 극대화한다. 예컨대, Morpho의 볼트 모델에 유동성을 공급하거나 에테나의 수익성 자산을 직접 매입하며, 아베의 풍부한 유동성 풀과 사용자 기반에도 전략적으로 노출된다. 이를 통해 스파크는 단일 채널에 국한되지 않는 자본 효율을 추구할 수 있게 된다.

5.3.2 RWA 수익

오픈소스를 기반으로 하는 디파이의 특성은 기존 프로토콜을 쉽게 포킹할 수 있는 환경을 제공하지만, 때문에 아이러니하게도 가장 넘기 힘든 해자는 때때로 비-프로그래머틱한 구조에서 나온다. 즉, 스파크와 전통 금융 간의 긴밀한 연결성은 여타 디파이 프로토콜이 기술적으로 복제할 수 있어도 수익 구조 면에서는 복제하기 어려운 차별적인 경쟁력을 만들어낸다.

스파크의 토큰화 그랑프리(Tokenization Grand Prix)는 이러한 비-프로그래머틱한 해자의 대표 사례이자, 디파이와 전통 금융의 중요한 교차점을 만든 이정표라 할 수 있다. 스카이는 가장 경쟁력있는 단기 미 국채 기반 토큰화 상품을 제시하면 직접 대규모 자금을 집행하는 조건으로 총 20억 달러 규모의 경쟁 프로그램을 출범시켰다. 이에 블랙록, 제너스 헨더슨, 슈퍼스테이트 등 전통 금융사를 포함한 총 39개 팀이 제안서를 제출하였고, 최종적으로 SLL이 BUIDL, USTB, JTRSY 세 가지 자산화 토큰을 매입했다.

(토큰화 그랑프리에 대한 자세한 내용은 “스파크(Spark)의 20억 달러 토큰화 그랑프리: RWA의 새 지평을 열다”를 참고)

스카이가 매입한 펀드는 모두 미국 단기 국채를 기반의 저변동성·고유동성 자산으로 구성되고, 미국 및 유럽의 증권법을 준수하는 구조로 운영된다. 이는 스카이가 디파이 생태계에 기관 자본을 유입시키기 위한 프레임워크를 마련한 셈이며, 장기적으로는 USDS의 달러 페그 유지와 유동성 방어 능력을 높이는 효과로 이어진다.

이처럼 스파크의 주요 경쟁력은 SLL을 중심으로 디파이의 유연한 수익 구조와 RWA의 안정성을 유기적으로 통합한다는 점에 있다. 즉, 디파이 전략은 외부 프로토콜과의 상호 결합성을 통해 수익성을 극대화한다. 반면 RWA 전략은 미국 국채 기반의 실물 자산을 편입해 변동성과 리스크를 효과적으로 낮춘다. 이를 통해 스파크는 디파이와 전통 금융을 더 이상 분리된 영역이 아니라, 하나의 연속적인 수익-안정성 스펙트럼으로 재정의하고 있다.

6. 마치며: 스파크의 북극성(north star)

스파크의 북극성은 명료하다. “디파이에서 가장 고도화된 자본 운용 엔진으로서 대규모 확장을 달성하겠다”는 비전을 제시한다. 분명한 비전을 토대로, 궁극적으로는 전통적인 은행의 불투명성과 비효율, 그리고 기존 디파이 머니마켓의 제한된 확장성을 극복하고자 한다.

사실 스파크의 전략은 대단히 새롭다기보다, 자금 조달 비용을 최소화하고 수익성 자산에 대한 노출을 정교하게 조정함으로써 경쟁력 있는 이자율을 확보하는 데 집중하고 있다. 그러나 SSR을 통해 조달한 대규모 자본과 자본 운용 엔진을 결합해, 전통 금융과 디파이 전반에 걸쳐 균형 잡힌 수익을 창출하는 역량은 쉽게 모방할 수 없는 견고한 해자를 형성한다. 스파크가 자본 시장의 온체인 전환이 본격화되는 흐름 속에서, 온체인 자본 허브로 정착할 수 있을지, 그 양상을 면밀히 살펴볼 필요가 있다.