현상: 2026년 2월, 예측 시장 플랫폼인 폴리마켓(Polymarket)에 '5분 단위 비트코인(BTC) 가격 맞추기(오를까/내릴까)' 계약이 상장되었습니다. 이후 계약 정산 직전 마지막 몇 초 동안 세계 최대 암호화폐 거래소인 바이낸스(Binance)에서 BTC 주문량이 급증하고, 정산이 끝나자마자 가격이 곧바로 원래대로 돌아오는(Revert) 현상이 반복적으로 관찰되었습니다.

결과: 트레이더들이 예측 시장 계약 결과를 자신에게 유리하게 만들려고 정산 직전 바이낸스에서 비트코인 가격을 인위적으로 밀어 올리거나 내린 것입니다. 이 조작으로 인해 일반 투자자들은 2개월간 총 760만 달러(약 100억 원)의 손실을 입었습니다.

조작 방식은 매우 단순하며 딱 두 단계의 거래로 이루어집니다.

폴리마켓에서 베팅: 폴리마켓에서 비트코인이 상승한다에 베팅합니다.

현물 시장에서 조작: 계약 만료(정산) 직전 마지막 몇 초 남은 시점에, 바이낸스 현물 시장에서 비트코인을 대량 매수하여 가격을 강제로 끌어올립니다. 승률이 반반(50:50)에 가까운 상황에서는 고작 0.01% 수준의 미세한 가격 변동만으로도 승패가 갈리기 때문에 적은 돈으로 결과 조작이 가능해집니다.

일시적인 가격 충격: 폴리마켓에 5분짜리 계약이 생기기 전에는 마지막 몇 초간의 가격 움직임이 정산 후에도 그대로 유지되었습니다(실제 정보에 의한 가격 변동). 하지만 계약이 생긴 후에는 마지막 10초 동안 움직인 가격의 약 10~25%가 정산 직후 10초 이내에 곧바로 제자리로 돌아왔습니다. 이는 시장에 새로운 정보가 유입된 것이 아니라 '순수한 조작'임을 증명합니다.

높은 조작 성공률: 조작 세력의 승률은 65%에 달했습니다(아무 조작이 없을 때는 41%). 심지어 한쪽의 승률이 90~100%로 확실해 보이는 상황에서도 조작 세력이 밀어붙이면 34%의 확률로 결과가 뒤집혔습니다.

조작 세력의 정체: 블록체인 지갑 데이터를 분석한 결과, 전체 트레이더 약 24만 3,000명 중 단 821개의 지갑(약 300명 중 1명 꼴)이 이러한 조작을 주도한 것으로 분류되었습니다. 이들은 조작된 사이클에서만 총 820만 달러의 수익을 올렸고, 다른 일반적인 시장 상황에서는 본전치기에 그쳤습니다. 즉, 오직 '정산 조작'에서만 수익을 내는 구조였습니다.

마켓 메이커(MM)의 헤지 거래인가?: 아닙니다. 승률이 90~100%에 달해 비트코인 가격 변화에 계약 가치가 더 이상 민감하게 반응하지 않는 상황에서도 가격 밀기가 발생했습니다. 즉, 위험을 회피하기 위한 헤지 거래가 아니라 명백한 목적성을 띈 조작 거래였습니다.

가격 발견 기능 저하: 정산 시점에 비트코인 가치와 아무 상관없는 대규모 '소음(Noise) 거래'가 유입되면서, 비트코인 시장 자체의 가격 정보성(Price Informative)이 떨어지게 됩니다.

오히려 높아지는 유동성: 흥미롭게도 이러한 조작 거래 때문에 바이낸스 BTC 현물 시장의 유동성은 오히려 높아졌습니다. 마켓 메이커(시장 조성자) 입장에서는 자신보다 정보가 더 많은 '내부자'와 거래할 때가 가장 위험(역선택 위험)한데, 조작 세력의 거래는 정보가 없는 무지성 소음 거래에 가깝기 때문에 위험이 낮아져 더 많은 유동성을 공급하게 되기 때문입니다.

- 투자 규모: 1억 3,000만 달러 ($130M) 시리즈 A
- 리드 투자사: Radical Ventures
- 주요 참여사: NVIDIA, Intel Capital, Dell Capital 및 기존 투자사들
- 참여 엔젤 투자자: John Schulman(Thinking Machines), Aravind Srinivas(Perplexity), Milan Kovac(Tesla), Dwarkesh Patel 등 AI 프론티어 분야의 주요 인물들

- Prime Intellect는 소수의 폐쇄적인 거대 기업(Closed Labs)에 집중된 AI 프론티어를 깨고, 기업들이 자체적인 AI 모델을 직접 소유하고 발전시킬 수 있는 오픈 소택을 제공하고자 하려는 비전.

- Training (학습): 호스팅 학습 환경, 대규모 에이전트 생성 RL(프라임 RL), 샌드박스 및 평가(Evals) 도구 제공
- Inference (추론): 전용 서버리스 서빙 및 지속적 학습(Continual learning) 지원
- Compute (컴퓨팅): 분산 컴퓨팅 인프라 제공 (전 세계 컴퓨팅 자원을 모아 AI를 학습시키는 분산 학습 기술 기반)

- 실적: 출시 후 1년도 채 되지 않아 연간 반복 매출(ARR) 1억 달러($100M) 돌파, 6,000개 이상의 고객사 확보.

실제 적용 예시:
- Ramp: 자사 데이터로 35B 모델을 학습시켜 Claude Opus보다 스프레드시트 검색 성능을 앞섰으며, 속도는 27% 빠르고 비용은 훨씬 절감함.
- Arcee: 이들의 풀스택을 활용해 선도적인 400B 모델인 'Trinity'의 사전/사후 학습을 진행.
- Zapier: 자동화 벤치마크를 지속적인 에이전트 개선 루프로 전환.

- 장기 계획 에이전트 및 재귀적 언어 모델(RLMs) 연구
- 자동화된 AI 연구 및 과학 발전
- 학습과 추론이 하나의 루프로 통합되어 프로덕션 환경에서 모델이 스스로 계속 배우는 지속적 학습 구현

EigenLayer 같은 큰 미국 팀에서도 일했고, Radius에서는 초기부터 합류해 2년 가까이 좋은 분들과 함께 팀을 키울 수 있는 기회도 있었습니다.

주요 특징 및 성능

에코시스템 통합 및 효율성

자동차 제조, 최종 물류 저장, 창고 운영 등 전 산업 분야에 걸쳐 노동력 부족 문제를 해결하기 위해서 개발 및 도입됐다고 하는데, AI도 보면 실제 없던 매출을 만드는 분야보다 자기가 평소에 잘 알고 자동화할수 있는 영역에서 더 빠르게 도입되고 운용되는것처럼 공장이나 이미 고객사가 확보된 영역에서 더 영향력을 빠르게 펼처나갈수 있는듯

- 애질리티 로보틱스는 SPAC를 통해 상장할 예정이며, 이를 통해 휴머노이드 로봇 역사상 최대 규모인 6억 2천만 달러의 자금을 조달합니다.

- 합병 발표 전 평가된 기업 가치는 약 25억 달러입니다. 페기 존슨 대표는 현재의 자재 운반 중심 시장 진입점에 맞는 현실적이고 적절한 가치라고 생각함.

- 순수 휴머노이드 로봇 기업 중 최초 상장 타이머를 쥐고 시장 흐름을 선점하며, 고객사들과의 계약을 더 빠르게 체결하기 위함입니다. 과거 SPAC 상장 기업들의 실패 사례와 달리, 현재 실질적인 수요와 확실한 파이프라인을 보유하고 있어 차별점 강조

- 현재 3억 달러 이상의 매출(예상 포함)을 기록 중이며, 이는 향후 수년에 걸쳐 약 1,000대의 로봇을 현장에 투입하는 '로봇 서비스(RAS)' 프로그램 등이 포함된 수치입니다. 단순 시범 운영을 넘어 실제 도입 계획을 수립한 검증된 글로벌 기업들과 협력하고 있음.

- 로봇을 직접 판매(CapEx)하기도 하지만, 주로 월 사용료를 받는 로봇 서비스(Robot as a Service) 계약으로 운영됩니다. 이를 통해 고객사는 도입 첫날부터 인건비 절감 및 ROI를 달성할 수 있음.

- 은퇴 인구 증가와 젊은 세대의 육체노동 기피로 인한 극심한 인력 부족 문제를 해결하는 것이 목적이며, 사람의 일자리를 빼앗는 것이 아니라 공석을 채우는 개념.

- 경쟁사들과 달리 뒤로 꺾인 무릎(새 다리 형태)을 채택한 이유는 생체모방이 목적이 아니라 '자재 운반'이라는 작업 효율성 때문. 바닥의 물건을 집어 균형을 잃지 않고 머리 위 선반으로 올리는 데 가장 적합한 구조. 손 또한 복잡한 다섯 손가락 대신 상자를 들기 좋은 형태로 최적화했으며, 필요에 따라 교체 가능.

- 바퀴 달린 로봇도 유용하지만, 인간을 위해 맞춰진 좁은 통로와 높은 선반이 있는 공간에서 안정적으로 무거운 물건을 다루려면 인간 활동 공간에 제약이 없는 다리가 필수적.

- 현재 5세대 로봇을 개발 중이며, 하드웨어와 소프트웨어가 수직 통합되어 있어 원가 절감 및 빠른 대처가 가능한 구조. 오리건주에 있는 7만 평방피트 규모의 자체 시설(로보팹)에서 부품의 약 75%를 직접 제조하며, 미국 내 공급망을 효율적으로 관리하고 있음. 2026년 초에는 안전 셀 외부로 나가 시설 곳곳을 이동하며 유연하게 다목적 작업을 수행할 수 있는 버전 5 로봇을 출시해 대량 도입을 본격화할 계획.