AI+암호화폐 최종 보고서: 어떤 AI+암호화폐가 제품에 더 높은 수익을 가져다줄 수 있을까?
저자: Ian @Foresight Ventures
TL;DR
수개월간 AI와 암호화폐의 융합 분야를 깊이 연구한 결과, 이 방향에 대한 이해가 더욱 깊어졌다. 본문은 초기 견해와 현재 트랙 방향을 비교 분석하였으며, 이 분야에 익숙한 독자는 두 번째 섹션부터 시작하시기 바랍니다.
-
탈중앙화 컴퓨팅 네트워크: 시장 수요 측면에서 도전 과제를 안고 있으며, 특히 탈중앙화의 궁극적 목적은 비용 절감임을 강조한다. Web3의 커뮤니티 속성과 토큰은 무시할 수 없는 가치를 제공하지만, 컴퓨팅 파워 트랙 자체에 있어서는 여전히 부가적인 요소일 뿐이며 근본적인 변화를 가져오지는 못한다. 중요한 것은 사용자 니즈와 결합하는 방법을 찾는 것이지, 탈중앙화된 컴퓨팅 네트워크를 중심화된 컴퓨팅 공급 부족에 대한 보완으로 맹목적으로 활용하는 일이 아니다.
-
AI 마켓플레이스: 전방위적으로 금융화된 AI 마켓플레이스의 구상에 대해 논의하며, 커뮤니티와 토큰이 가져오는 가치가 매우 중요함을 설명한다. 이러한 시장은 하위층의 컴퓨팅 자원과 데이터뿐만 아니라 모델 자체 및 관련 애플리케이션도 포함한다. 모델의 금융화는 AI 마켓플레이스의 핵심 요소로서, 사용자가 직접 AI 모델의 가치 창출 과정에 참여하게 하고, 동시에 하위층의 컴퓨팅 자원과 데이터에 대한 수요를 창출한다.
-
온체인 AI, ZKML은 수요와 공급 양측면에서 도전 과제를 안고 있으며, OPML은 비용과 효율성 측면에서 더 균형 잡힌 대안을 제시한다. OPML 기술적으로 혁신적이지만, 온체인 AI가 직면한 근본적인 문제, 즉 '수요 부재'를 해결하지는 못한다.
-
애플리케이션 레이어: 대부분의 Web3 기반 AI 프로젝트는 너무 단순하다. AI 애플리케이션의 적절한 역할은 사용자 경험 향상과 개발 효율성 증대, 또는 AI 마켓플레이스 내 중요한 구성 요소로 작용하는 것이다.
1. AI 트랙 회고
지난 몇 달간 AI + 암호화폐 주제에 대해 심도 있는 연구를 진행했으며, 시간이 흐른 후 지금에 와서는 비교적 초기 단계에서 일부 트렌드를 예측했다는 점에서 만족한다. 그러나 동시에 당시에는 정확하지 않았던 일부 관점들도 확인할 수 있다.
이 글은 서론 없이 오직 견해만을 다룬다. Web3 내 AI의 여러 주요 방향을 다루며, 필자의 과거 및 현재의 관점을 제시하고 분석한다. 서로 다른 시각에서 바라보면 새로운 통찰을 얻을 수 있으니, 비판적으로 비교하여 살펴보기를 권한다.
먼저 상반기에 설정했던 AI + 암호화폐의 주요 방향들을 되짚어보자:
1.1 분산형 컴퓨팅
"탈중앙화 컴퓨팅 네트워크에 대한 냉정한 평가"라는 글에서, 컴퓨팅 자원이 미래 가장 가치 있는 자원이 될 것이라는 큰 틀 아래, 암호화폐가 컴퓨팅 네트워크에 어떤 가치를 부여할 수 있는지를 분석했다.
탈중앙화된 분산 컴퓨팅 네트워크는 대규모 AI 모델 학습에서 가장 큰 수요를 가질 수 있지만, 가장 큰 도전과 기술적 병목 현상에도 직면해 있다. 복잡한 데이터 동기화와 네트워크 최적화 문제 등이 있으며, 데이터 프라이버시와 보안 역시 중요한 제약 요소다. 일부 기존 기술이 초보적인 해결책을 제공하기는 하지만, 대규모 분산 학습 작업에서는 계산 및 통신 오버헤드가 너무 크기 때문에 아직 적용되지 못하고 있다. 명백히, 탈중앙화된 분산 컴퓨팅 네트워크는 모델 추론(inference) 영역에서 실현 가능성이 더 크며, 향후 성장 가능성 또한 충분하다. 그러나 통신 지연, 데이터 프라이버시, 모델 보안 등의 도전 과제도 존재한다. 모델 학습에 비해 추론은 계산 복잡도와 데이터 상호작용성이 낮아 분산 환경에서 수행하기에 더 적합하다.
1.2 탈중앙화 AI 마켓플레이스
"탈중앙화 AI 마켓플레이스의 최선의 시도"에서 언급했듯이, 성공적인 탈중앙화 AI 마켓플레이스는 AI와 Web3의 장점을 긴밀히 결합해야 한다. 분산화, 자산 소유권 확보, 수익 배분, 탈중앙화 컴퓨팅의 부가가치 등을 활용하여 AI 앱 사용 장벽을 낮추고, 개발자들이 모델을 업로드하고 공유하도록 유도하며, 사용자의 데이터 프라이버시를 보호하고, 개발자 친화적이면서 사용자 요구를 충족하는 AI 리소스 거래 및 공유 플랫폼을 구축해야 한다.
당시의 생각(지금 보니 완전히 정확하지 않을 수도 있음)은 데이터 중심의 AI 마켓플레이스가 더 큰 잠재력을 가진다는 것이었다. 모델 자체에 집중하는 마켓플레이스는 고품질 모델의 대량 공급이 필요하지만, 초기 플랫폼은 사용자 기반과 고품질 리소스가 부족해 우수한 모델 제공자에게 충분한 인센티브를 줄 수 없으며, 따라서 고품질 모델을 유치하기 어렵다. 반면, 데이터 중심 마켓플레이스는 탈중앙화된 방식으로 데이터를 수집하고, 인센티브 설계와 데이터 소유권 보장을 통해 사설 데이터를 포함한 가치 있는 데이터와 리소스를 대량 축적할 수 있다.
탈중앙화 AI 마켓플레이스의 성공은 사용자 리소스의 축적과 강력한 네트워크 효과에 달려 있으며, 시장 내에서 얻을 수 있는 가치가 시장 밖에서 얻을 수 있는 가치를 초과해야 한다. 초기에는 고품질 모델을 확보해 사용자를 유치하고 유지하는 것이 우선이며, 이후 고품질 모델 라이브러리와 데이터 장벽을 구축한 다음, 더 많은 최종 사용자를 유치하고 유지하는 방향으로 전환해야 한다.
1.3 ZKML
ZKML이 널리 논의되기 이전부터 "AI + Web3 = ?"라는 글에서 온체인 AI의 가치에 대해 논의했다.
탈중앙화와 트러스트리스(trustless)를 훼손하지 않으면서, 온체인 AI는 Web3 세계를 "다음 단계(next level)"로 이끌 수 있는 가능성을 가지고 있다. 현재의 Web3는 마치 웹2의 초기 단계처럼, 보다 광범위한 애플리케이션을 수용하거나 더 큰 가치를 창출할 능력이 아직 없다. 온체인 AI는 바로 그러한 투명하고 트러스트리스한 솔루션을 제공할 수 있다.
1.4 AI 애플리케이션
"AI + 암호화폐를 통해 살펴보는 Web3 여성향 게임—HIM"에서 포트폴리오 프로젝트 "HIM"을 예로 들며, 대규모 모델이 Web3 앱에 가져다주는 가치를 분석했다. 어떤 AI + 암호화폐 조합이 제품에 더 높은 수익을 가져올 수 있을까? 하드코어하게 인프라에서 알고리즘까지 개발하여 체인상에서 트러스트리스한 LLM을 구축하는 것 외에, 또 다른 방향은 추론 과정의 블랙박스가 가져오는 영향을 제품 내에서 최소화하고, 대규모 모델의 강력한 추론 능력을 실제로 적용할 수 있는 적합한 시나리오를 찾는 것이다.
2. 현재의 AI 트랙 분석
2.1 컴퓨팅 네트워크: 상상력은 크지만 진입 장벽도 높다
컴퓨팅 네트워크의 기본 논리는 여전히 유효하지만, 여전히 시장 수요 측면에서 도전 과제를 안고 있다. 효율성과 안정성이 낮은 솔루션이 필요한 고객이 누구일까? 따라서 다음과 같은 점들을 명확히 해야 한다:
왜 탈중앙화를 하는가?
현재 탈중앙화 컴퓨팅 네트워크의 창업자에게 물으면, 아마도 보안성 및 공격 저항력 향상, 투명성 및 신뢰도 증가, 자원 최적 활용, 데이터 프라이버시 및 사용자 통제력 강화, 검열 및 간섭 방지 등을 이야기할 것이다.
이 모든 것은 일반 상식이며, 어떤 Web3 프로젝트라도 검열 저항, 트러스트리스, 프라이버시 등을 주장할 수 있다. 그러나 필자의 입장은 이것이 중요하지 않다는 것이다. 진지하게 생각해보면, 보안성 측면에서 중앙집중식 서버가 더 나은 성능을 낼 수 있지 않은가? 탈중앙화 컴퓨팅 네트워크는 본질적으로 프라이버시 문제도 해결하지 못한다. 이와 같은 모순점들이 많다. 따라서 컴퓨팅 네트워크의 탈중앙화 궁극 목적은 반드시 낮은 비용이다. 탈중앙화 정도가 높을수록 컴퓨팅 비용은 낮아져야 한다.
따라서 근본적으로 "유휴 컴퓨팅 자원 활용"은 장기적인 스토리텔링에 불과하다. 탈중앙화 컴퓨팅 네트워크가 성공할 수 있을지 여부는 다음 사항들을 얼마나 명확히 이해했느냐에 달려 있다:
Web3가 제공하는 가치
교묘한 토큰 설계와 이에 따른 인센티브/페널티 메커니즘은 탈중앙화 커뮤니티가 제공하는 강력한 부가 가치다. 전통 인터넷에 비해 토큰은 단순한 거래 매체를 넘어 스마트 컨트랙트와 함께 프로토콜이 더 복잡한 인센티브 및 거버넌스 메커니즘을 실현할 수 있도록 한다. 또한, 거래의 투명성, 비용 절감, 효율성 향상은 모두 암호화폐가 가져온 가치 덕분이다. 이러한 독특한 가치는 기여자들에게 더 많은 유연성과 혁신 공간을 제공한다.
그러나 한편으로는 이러한 표면적으로 타당해 보이는 "결합"을 냉정하게 바라볼 필요도 있다. 탈중앙화 컴퓨팅 네트워크 관점에서 보면, Web3와 블록체인이 제공하는 가치는 결국 "부가가치"에 불과하며, 네트워크의 기본 작동 방식이나 기술적 병목 현상을 근본적으로 바꾸지는 못한다.
간단히 말해, 이러한 Web3의 가치는 탈중앙화 네트워크의 매력을 높이지만, 핵심 구조나 운영 모델을 완전히 바꾸지는 못한다. 만약 탈중앙화 네트워크가 AI 물결 속에서 진정으로 한 자리를 차지하고자 한다면, Web3의 가치만으로는 턱없이 부족하다. 따라서 뒤에서 언급하겠지만, 적절한 기술로 적절한 문제를 해결해야 하며, 탈중앙화 컴퓨팅 네트워크의 전략은 단순히 AI 컴퓨팅 자원 부족을 해결하는 것이 아니라, 오랫동안 침체된 이 분야에 새로운 접근법과 사고방식을 제공하는 것이다.
예를 들어 PoW 마이닝이나 스토리지 마이닝처럼 컴퓨팅 자원을 자산화하여 화폐화하는 방식이 가능하다. 이 모델에서 컴퓨팅 제공자는 자신의 계산 자원을 기여함으로써 보상으로 토큰을 획득할 수 있다. 매력은 계산 자원을 직접 경제적 수익으로 전환할 수 있다는 점에 있으며, 이를 통해 더 많은 참여자가 네트워크에 가입하도록 유도할 수 있다. 또는 Web3 기반으로 컴퓨팅 자원을 소비하는 시장을 창출하여 컴퓨팅 상위층을 금융화(예: 모델)함으로써 불안정하고 느린 컴퓨팅 자원을 받아들일 수 있는 수요를 만들어낼 수도 있다.
사용자 실제 수요와 어떻게 결합할지 고민해야 한다. 사용자와 참여자의 수요란 단지 효율적인 컴퓨팅만이 아닐 수 있다. "돈을 벌 수 있다"는 사실 자체가 항상 가장 설득력 있는 동기 중 하나다.
탈중앙화 컴퓨팅 네트워크의 핵심 경쟁력은 가격이다
탈중앙화 컴퓨팅의 실제 가치를 논한다면, Web3가 제공하는 가장 큰 상상력은 컴퓨팅 비용을 추가로 압축할 수 있다는 가능성이다.
컴퓨팅 노드의 탈중앙화 정도가 높을수록 단위 컴퓨팅 가격은 낮아진다. 다음과 같은 방향에서 추론할 수 있다:
-
토큰 도입으로, 컴퓨팅 제공자에게 지급되는 보상이 현금에서 프로토콜의 원생 토큰으로 전환되며, 이는 운영 비용을 근본적으로 낮춘다;
-
허가 없이 참여 가능한(permissionless) 특성과 Web3의 강력한 커뮤니티 효과가 직접적으로 시장 주도의 비용 최적화를 촉진한다. 더 많은 개인 사용자와 소규모 기업이 기존 하드웨어 리소스를 활용해 네트워크에 참여하면서 컴퓨팅 공급이 증가하고, 시장에서 컴퓨팅의 공급 가격이 하락한다. 자치 및 커뮤니티 관리 모델 하에서;
-
프로토콜이 창출하는 개방형 컴퓨팅 시장은 컴퓨팅 제공자 간의 가격 경쟁을 촉진하여 비용을 추가로 낮춘다.
사례: ChainML
간단히 말하면, ChainML은 추론(inference) 및 파인튜닝(fine-tuning)에 컴퓨팅 자원을 제공하는 탈중앙화 플랫폼이다. 단기적으로 ChainML은 오픈소스 AI 에이전트 프레임워크 Council을 기반으로 구현되며, Council의 시도(chatbot 형태, 다양한 애플리케이션에 통합 가능)를 통해 탈중앙화 컴퓨팅 네트워크에 수요를 창출할 것이다. 장기적으로는 모델 마켓플레이스와 컴퓨팅 마켓플레이스를 포함하는 완전한 AI + Web3 플랫폼이 될 예정이다(뒤에서 자세히 분석).
ChainML의 기술 로드맵은 매우 합리적이라고 생각하며, 앞서 언급한 문제들에 대해 그들도 명확히 인식하고 있다. 탈중앙화 컴퓨팅의 목적은 중앙집중식 컴퓨팅과 경쟁하는 것이 아니며, AI 산업에 컴퓨팅 공급을 충족시키는 것도 아니다. 그보다는 점차 비용을 낮춰 품질은 낮지만 이를 감수할 수 있는 수요처를 확보하는 것이다. 따라서 초기 단계에서 프로토콜이 대규모 탈중앙화 컴퓨팅 노드를 확보하지 못한 상황이라면, 안정적이고 효율적인 컴퓨팅 공급원을 확보하는 것이 우선이다. 제품 로드맵 측면에서 보면, 초기에는 중앙화된 방식으로 시작하여 제품 흐름을 먼저 완성하고, 강력한 BD 능력을 통해 고객을 확보하며 시장을 확장한 후, 점차 중앙화된 컴퓨팅 제공자를 소규모 기업으로 분산시키고, 마지막으로 컴퓨팅 노드를 대규모로 확장하는 것이 ChainML의 분할정복(divide and conquer) 전략이다.
수요 측면에서 ChainML은 이식 가능한 설계의 중심화된 인프라 프로토콜 MVP를 구축했다. 2월부터 고객과 함께 시스템을 운영했으며, 4월부터 프로덕션 환경에서 사용되고 있다. 현재 Google Cloud에서 운영 중이지만, Kubernetes 및 기타 오픈소스 기술을 기반으로 하여 다른 환경(AWS, Azure, Coreweave 등)으로 쉽게 이식할 수 있다. 이후 점진적으로 이 프로토콜을 탈중앙화하여 소규모 클라우드에 분산시키고, 마지막으로 컴퓨팅 제공자인 마이너(miner)에게 넘겨줄 예정이다.
2.2 AI 마켓플레이스: 더 큰 상상력
이 분야를 AI 마켓플레이스라고 부르는 것은 다소 상상력을 제한한다. 엄밀히 말해, 진정한 상상력을 갖춘 "AI 마켓플레이스"란 모델 전 과정을 금융화한 중간 플랫폼이어야 하며, 하위층의 컴퓨팅 자원과 데이터에서부터 모델 자체, 관련 애플리케이션까지 아우르야 한다. 앞서 언급했듯이, 탈중앙화 컴퓨팅의 초기 주요 과제는 수요 창출인데, AI 전 과정을 긐융화한 폐쇄형(closed-loop) 마켓플레이스는 바로 그러한 수요를 창출할 가능성이 있다.
대략 다음과 같다:
Web3가 지원하는 AI 마켓플레이스는 컴퓨팅 자원과 데이터를 기반으로 하여, 개발자들이 더 가치 있는 데이터를 활용해 모델을 구축하거나 미세 조정하도록 유도하고, 이로부터 모델 기반 애플리케이션을 발전시킨다. 이러한 애플리케이션과 모델은 개발 및 사용 과정에서 컴퓨팅 자원에 대한 수요를 창출한다. 토큰과 커뮤니티의 인센티브 하에서, 보상 기반 실시간 데이터 수집 작업이나 데이터 기여에 대한 정기적 인센티브는 시장 내 데이터 레이어의 독특한 장점을 확대할 수 있다. 동시에 애플리케이션의 보급은 데이터 레이어에 더 많은 가치 있는 데이터를 다시 제공한다.
커뮤니티
앞서 언급한 토큰의 가치 외에도, 커뮤니티는 Web3가 제공하는 가장 큰 부가가치 중 하나이며 플랫폼 발전의 핵심 동력이다. 토큰과 커뮤니티의 지원으로 기여자와 기여 내용의 품질이 중심화된 기관을 능가할 수 있다. 예를 들어, 데이터 다양성 확보는 이러한 플랫폼의 장점 중 하나로, 정확하고 편향 없는 AI 모델을 구축하는 데 매우 중요하며, 현재 데이터 분야의 병목 현상이기도 하다.
플랫폼의 핵심은 모델에 있다고 생각한다. 우리는 이미 초기부터 AI 마켓플레이스의 성패는 고품질 모델의 존재 여부와, 개발자들이 왜 탈중앙화 플랫폼에 모델을 제공하려는지 동기에 달려 있음을 인식했다. 그러나 우리가 간과한 질문도 있다. 인프라 측면에서 전통 플랫폼만큼 강하지 못하고, 개발자 커뮤니티도 전통 플랫폼만큼 성숙하지 못하며, 평판 면에서도 전통 플랫폼의 선점 효과를 갖지 못한 상황에서, Web3 프로젝트는 전통 AI 플랫폼의 거대한 사용자 기반과 성숙한 인프라를 따라잡기 위해 우회 전략을 취해야 한다.
해답은 아마도AI 모델 금융화에 있을 것이다.
-
모델을 하나의 상품으로 간주하고, AI 모델을 투자 가능한 자산으로 보는 것은 Web3와 탈중앙화 시장의 흥미로운 혁신일 수 있다. 이 시장은 사용자가 AI 모델의 가치 창출 과정에 직접 참여하고 이익을 얻을 수 있도록 한다. 이 메커니즘은 고품질 모델 개발과 커뮤니티 기여를 장려하며, 사용자의 수익이 모델의 성능과 적용 효과에 직접 연계되기 때문이다;
-
사용자는 모델에 스테이킹하여 투자할 수 있으며, 수익 분배 메커니즘을 도입함으로써 사용자가 잠재력을 가진 모델을 선택하고 지원하도록 유도한다. 이는 모델 개발자에게 더 우수한 모델을 만들도록 경제적 인센티브를 제공한다. 동시에 스테이커 입장에서는 모델을 판단하는 가장 직관적인 기준(특히 이미지 생성 모델의 경우)이 반복적인 실측이므로, 이는 플랫폼의 탈중앙화 컴퓨팅에 수요를 창출하며, 앞서 언급한 "누가 더 비효율적이고 불안정한 컴퓨팅을 사용하고 싶어할까?"라는 질문의 해결책 중 하나일 수 있다.
2.3 온체인 AI: OPML이 우회 전략인가?
ZKML: 수요와 공급 양측면에서 실패
온체인 AI는 분명히 상상력이 풍부하며 깊이 연구할 가치가 있는 방향이다. 온체인 AI의 돌파구는 Web3에 전례 없는 가치를 가져올 수 있다. 그러나 동시에 ZKML은 매우 높은 학문적 진입 장벽과 인프라에 대한 요구로 인해 대부분의 스타트업이 매달리기에 적합하지 않다. 대부분의 프로젝트도 트러스트리스 LLM 지원 없이도 자체 가치의 돌파구를 달성할 수 있기 때문이다.
모든 AI 모델을 ZK를 사용해 온체인으로 옮길 필요는 없다. 대부분의 사람들은 챗봇이 쿼리를 어떻게 추론하여 결과를 내는지, 또는 사용하는 Stable Diffusion이 특정 버전의 모델 아키텍처인지 혹은 특정 파라미터 설정을 사용하는지에 관심이 없다. 대부분의 시나리오에서 대부분의 사용자는 모델이 만족스러운 출력을 제공하는지 여부만 관심이 있을 뿐, 추론 과정이 트러스트리스하거나 투명한지는 중요하지 않다.
증명 시스템이 수백 배의 오버헤드나 더 높은 추론 비용을 발생시키지 않는다면, ZKML은 아직 경쟁력이 있을 수 있다. 그러나 높은 온체인 추론 비용과 더 높은 비용 앞에서, 어떤 수요자라도 온체인 AI의 필요성을 의심할 이유가 있다.
수요 측면에서
사용자가 신경 쓰는 것은 모델 출력 결과가 합리적인지 여부다. 결과가 타당하다면, ZKML이 제공하는 트러스트리스는 아무런 가치가 없다. 다음 시나리오를 생각해보자:
-
신경망 기반 트레이딩 로봇이 각 주기마다 사용자에게 백배의 수익을 가져온다면, 누가 알고리즘이 중심화되었는지 또는 검증 가능한지 따지겠는가?
-
동일하게, 이 트레이딩 봇이 사용자에게 손실을 주기 시작한다면, 프로젝트 팀은 모델을 검증 가능하게 만드는 데 자본과 노력을 쏟기보다는 모델 능력을 향상시키는 데 집중해야 한다. 이것이 ZKML 수요의 모순이다. 즉, 모델의 검증 가능성은 많은 시나리오에서 AI에 대한 사람들의 의문을 근본적으로 해결하지 못하며, 남辕북辙(남쪽으로 가려다 북쪽으로 가는) 식이다.
공급 측면에서
대규모 언어 모델을 지원할 수 있는 증명 시스템을 개발하는 것은 여전히 먼 길이다. 현재 선두 프로젝트들의 시도를 보면, 대규모 모델이 체인에 올라가는 날은 거의 보이지 않는다.
이전의 ZKML 관련 글을 참고하면, 기술적으로 ZKML의 목표는 신경망을 ZK 회로로 변환하는 것이며, 난점은 다음과 같다:
-
ZK 회로는 부동소수점 연산을 지원하지 않는다;
-
대규모 신경망을 변환하기 어렵다.
현재 진전 상황:
-
최신 ZKML 라이브러리는간단한 신경망의 ZK화를 지원하며, 기본적인 선형 회귀 모델을 체인에 올릴 수 있다고 한다. 그러나 기존 데모는 거의 없다.
-
이론적으로 ~1억 개의 파라미터까지 지원 가능하지만, 이는 이론상에 불과하다.
ZKML의개발 속도는 기대에 못 미쳤다. 현재 이 분야의 선두 프로젝트인 Modulus Lab과 EZKL이 발표한 증명 시스템을 보면, 일부 간단한 모델을 ZK 회로로 변환하여 모델을 체인에 올리거나 추론 증명을 올리는 것은 가능하지만, 이는 여전히 ZKML의 가치에 근접하지도 못하며, 기술적 병목 현상도 극복할 핵심 동력이 보이지 않는다. 수요가 심각하게 부족한 분야는 근본적으로 학계의 관심을 받기 어렵고, 이는 우수한 POC를 만들어 남은 수요를 유치하거나 만족시키기 어렵게 만들며, 이것이 ZKML의 사멸 나선(death spiral)일 수 있다.
OPML: 과도기일까, 최종 해법인가?
OPML과 ZKML의 차이점은 ZKML이 전체 추론 과정을 증명하는 반면, OPML은 추론에 이의 제기가 있을 때 부분적으로 추론 과정을 재실행한다는 점이다. 명백히, OPML이 해결한 가장 큰 문제는 비용/오버헤드가 지나치게 높다는 점이며, 이는 매우 현실적인 최적화다.
OPML의 개척자인 HyperOracle 팀은 "opML is All You Need: Run a 13B ML Model in Ethereum"에서 one-phase에서 multi-phase opML 아키텍처 및 진화 과정을 제시했다:
-
오프체인 실행과 온체인 검증을 위한 가상머신을 구축하여, 오프라인 VM과 온체인 스마트 컨트랙트에 구현된 VM 간의 등가성을 보장한다.
-
VM 내에서 AI 모델 추론 효율을 보장하기 위해, Tensorflow나 PyTorch와 같은 일반적인 머신러닝 프레임워크에 의존하지 않는 특수
TechFlow 공식 커뮤니티에 오신 것을 환영합니다
Telegram 구독 그룹:https://t.me/TechFlowDaily
트위터 공식 계정:https://x.com/TechFlowPost
트위터 영어 계정:https://x.com/BlockFlow_News
Foresight Ventures
