Sam Green은 에이전트 중심 및 온체인 금융 시스템을 위한 금융 데이터 인프라 구축에 집중하는 기업인 Cambrian Network의 설립자입니다. 그의 연구는 에이전트 금융(agentic finance), AI 기반 트레이딩 시스템 개발, 그리고 자동화된 금융 의사결정을 위한 블록체인 데이터 활용에 중점을 두어 왔습니다. ^[1]

학력

Green은 2009년 센트럴 아칸소 대학교에서 응용 수학 석사 학위를 받고 졸업했습니다. 이후 UC 산타바바라에 진학하여 2019년 컴퓨터 과학 박사 학위를 취득했습니다. ^[2]

경력

Green은 2009년부터 2010년까지 ARMA Design에서 펌웨어 엔지니어로 경력을 시작했으며, 그곳에서 C 및 어셈블리 언어로 임베디드 시스템 소프트웨어를 개발하고 고객과 구현 과제에 대해 협력하며 프로젝트 제안 및 기술 견적에 기여했습니다. 2010년에는 샌디아 국가 핵안보국(Sandia National Laboratories)에 암호화 엔지니어로 합류하여 암호화 시스템 평가를 수행하고 연구소의 암호화 교육 프로그램 강사로 활동했습니다. 이후 기술 스태프 선임 위원(Senior Member of Technical Staff)으로 승진하여 기술 팀과 프로젝트 납품을 관리하는 동시에 암호화 보안 시스템을 평가하고 발전시키기 위한 연구 개발 이니셔티브를 이끌었습니다.

2015년부터 2018년까지 Green은 암호학자 Çetin Kaya Koç의 지도 아래 캘리포니아 대학교 산타바바라 캠퍼스에서 박사 과정 연구를 수행했습니다. 그의 연구는 심층 강화 학습의 효율성을 개선하는 방법에 초점을 맞췄으며, 대학의 첫 번째 강화 학습 과정 개발에 기여했습니다. 박사 과정 연구를 마친 후, 그는 2018년부터 2020년까지 샌디아 국가 핵안보국으로 돌아와 인공지능 연구 개발 분야의 기술 스태프 선임 위원으로 근무했습니다. 이 기간 동안 그는 신경망의 전력 효율성을 개선하기 위한 하드웨어 인식 접근 방식을 연구하고 강화 학습 에이전트를 증류(distilling)하는 초기 기술을 개발했습니다.

2020년 2월, Green은 The Graph에 핵심 개발 팀 리드로 합류했습니다. The Graph 내의 핵심 개발 팀인 Semiotic Labs에서의 업무를 통해 그는 온체인 결제 및 데이터 검증 시스템을 포함한 네트워크 인프라 개발에 기여했습니다. The Graph에 재직하는 동안 그는 2021년부터 2023년까지 Activate의 기업가적 연구 펠로우(Entrepreneurial Research Fellow)로 활동하며 딥테크 연구의 상용화 및 개발을 지원했습니다.

2024년 11월, Green은 Cambrian Network를 설립하고 최고 경영자(CEO)가 되었습니다. 이 회사는 블록체인 데이터 서비스를 위한 인프라와 자율 금융 애플리케이션을 지원하는 시스템을 개발합니다. ^[3]

인터뷰

에이전트 금융 (Agentic Finance)

2026년 5월 The Rollup 팟캐스트 에피소드에서 Green은 수익 최적화, 트레이딩 및 포트폴리오 관리를 위해 DeFi에서 점점 더 많이 사용되는 자율 AI 에이전트에 힘입어 에이전트 금융이 부상하고 2026년까지 주요 산업이 될 가능성에 대해 논의했습니다. 그는 이러한 시스템이 규칙 기반 자동화와 시장 신호 및 심리를 포함한 온체인 및 오프체인 데이터의 AI 기반 분석을 결합하여 보다 적응력 있는 금융 의사결정을 내리는 방식을 설명했습니다. 또한 Green은 개인 및 기관 사용자 모두를 지원하기 위해 온체인 정보를 집계하고 구조화하는 데 중점을 둔 Cambrian Network의 금융 데이터 인프라 구축 역할을 설명했습니다. 그는 더 나아가 검증 가능성, 메인넷 배포, 그리고 AI 기반 자동화를 통한 가상자산과 전통 금융 시스템 간의 장기적 융합에 초점을 맞춘 회사의 개발 로드맵을 설명했습니다. 이 논의에서는 확장 가능한 에이전트 기반 금융 시스템의 토대로서 신뢰할 수 있는 데이터 인프라와 툴링의 중요성과 함께, 보다 통합되고 자동화된 금융 시장으로의 광범위한 변화를 강조했습니다. ^[4]

크립토의 재편

2026년 4월 The Crypto Beat 에피소드에서 Green은 이더리움 재단의 Austin Griffith와 함께 인공지능이 가상자산 개발, 트레이딩 및 리스크 관리를 어떻게 재편하고 있는지 논의했습니다. 대화는 스마트 컨트랙트 구축, 감사 및 배포에 GPT, Claude, Opus와 같은 AI 도구의 사용이 증가하고 있다는 점에 초점을 맞췄으며, 패널들은 이러한 시스템이 이전에는 전체 엔지니어링 팀이 필요했던 작업을 자동화하기 시작했다고 언급했습니다. 그들은 또한 AI 기반 에이전트가 트레이딩 및 포트폴리오 관리 작업을 처리하며 규칙 기반 시스템에서 보다 적응력 있는 머신러닝 접근 방식으로 진화하는 "에이전트 금융"의 출현에 대해 논의했습니다.

이 논의에서는 AI가 비용을 절감하고 개인이나 소규모 팀이 복잡한 애플리케이션을 더 빠르게 구축할 수 있게 함으로써 가상자산 개발의 진입 장벽을 어떻게 낮추고 있는지, 그리고 이것이 고성장 기업의 창출을 잠재적으로 가속화할 수 있는지에 대해 더 탐구했습니다. 그들은 AI가 보안 위협을 강화하는 동시에 방어 도구 및 감사 프로세스도 개선함에 따라 공격 및 방어 능력 모두가 병행하여 상승하고 있음을 강조했습니다. 패널들은 또한 에이전트 상호 운용성 및 결제를 위한 새로운 표준과 자율 AI 시스템이 스마트 컨트랙트 생태계를 종단 간 관리할 수 있는 장기적인 가능성에 대해서도 언급했습니다. 보안 및 복잡성과 관련된 위험을 인정하면서도, 그들은 AI가 가상자산의 새로운 인터페이스 레이어 역할을 하여 개발을 더욱 접근하기 쉽고 효율적이며 확장 가능하게 만들 것이라는 대체로 낙관적인 견해를 표명했습니다. ^[5]

발표

에이전트 혁명 (Agentic Revolution)

12월에 열린 Devconnect 2025에서 Green은 현재 가상자산 사용자 인터페이스에 문제가 있지만, 자율 에이전트의 등장이 사용자 경험을 변화시킬 것이라고 강조했습니다. 그는 사용자를 대신하여 감지하고 생각하고 행동할 수 있는 프로그램으로 정의되는 에이전트가 기존 AI 모델의 한계를 해결하고, 무어의 법칙과 유사하게 AI 기능이 지속적으로 두 배로 증가함에 따라 성능을 크게 향상시킬 것이라고 설명했습니다. 산업 혁명에서 정보화 시대에 이르는 역사적 혁명을 예로 들며, Green은 다가올 에이전트 혁명이 생산성에 미치는 영향 면에서 이전의 변혁적 시대를 능가할 것이라고 강조했습니다. 그는 특히 금융, 그중에서도 프로그래밍 가능한 돈을 통해 에이전트가 자산을 자율적으로 관리하고, 거래를 실행하고, 유동성을 할당하고, 대출 프로토콜을 최적화할 수 있는 가상자산 및 블록체인 시스템에 대한 시사점에 집중했습니다. Green은 운용 자산이 1년 만에 거의 0에서 5억 달러 이상으로 급증하는 등 에이전트 금융의 급격한 성장을 보여주었으며, 예측, 트레이딩, 정보 분석, 유동성 공급 및 대출 에이전트를 포함한 프로젝트 카테고리를 설명했습니다. 그는 에이전트가 기회를 효율적으로 발견하기 위한 금융 지능의 중요성을 강조했으며, 스테이블코인과 DeFi가 대중 수용의 초기 관문이 되어 궁극적으로 자율 에이전트가 금융 의사결정을 원활하고 안전하게 내리고 전체 금융 생태계를 혁신하는 미래로 이어질 것이라고 예측했습니다. ^[6]

DeFi 에이전트

2025년 2월 ETHDenver에서 Green은 강화 학습(RL)과 에이전트가 시행착오를 통해 배우고 적응할 수 있게 함으로써 탈중앙화 금융(DeFi)을 혁신할 수 있는 잠재력에 대해 논의했습니다. 암호학 및 RL 분야의 학문적 배경을 바탕으로 그는 RL이 동물의 학습을 모델링하며 시뮬레이션과 실제 환경 모두에서 작동하여 의사결정을 최적화할 수 있는 방법을 설명했습니다. Green은 자전거를 타는 로봇이나 훈련 중 스스로 수정하는 AI의 사례를 들어 인간의 숙련도를 능가하는 행동을 에이전트에게 가르칠 수 있는 RL의 능력을 강조했습니다. 그는 트레이딩, 포트폴리오 관리, 마켓 메이킹, 차익 거래 및 이자 농사(yield farming)와 같은 장기적인 전략적 문제에 대한 RL의 적합성, 특히 변화하는 시장과 복잡한 순차적 의사결정에 대한 적응력을 강조했습니다. 초기 단계의 채택과 지연된 보상, 설명 가능성 문제, 규제 위험과 같은 과제에도 불구하고 Green은 주요 금융 기관과 신흥 DeFi 프로젝트가 효율성, 리스크 관리 및 수익성을 개선하기 위해 RL을 실험하고 있다고 언급했습니다. 전반적으로 그는 금융에 관심이 있는 빌더들이 특히 DeFi에서의 응용이 초기 단계라는 점을 감안할 때 RL로 혁신할 수 있는 상당한 기회가 있다고 믿었습니다. ^[7]