IOSG 리서치｜AI x Web3 기술 스택에서 비롯된 인프라의 새로운 서사
저자: IOSG Ventures
서론
최근 대규모 언어 모델(LLMs)의 급속한 발전은 인공지능(AI)을 활용해 각 산업을 개편하려는 관심을 불러일으켰다. 블록체인 산업도 예외가 아니며, AI x Crypto 내러티브의 등장으로 주목받고 있다. 본 글에서는 AI와 암호화폐를 융합하는 세 가지 주요 방식을 탐색하고, 블록체인 기술이 AI 산업의 문제 해결에 제공할 수 있는 독보적인 기회를 살펴본다.
AIxCrypto의 세 가지 접근 경로는 다음과 같다:
-
1. 기존 제품에 AI 통합: Dune과 같은 기업들이 SQL 코파일럿 도입을 통해 복잡한 쿼리를 작성하는 사용자를 지원하는 식으로 자사 제품을 강화하기 위해 AI를 활용하고 있다.
-
2. 암호화 생태계용 AI 인프라 구축: Ritual 및 Autonolas와 같은 신생 기업들은 암호화 생태계의 요구에 맞춰진 AI 기반 인프라 개발에 집중하고 있다.
-
3. 블록체인 기술을 통한 AI 산업 문제 해결: Gensyn, EZKL, io.net 등의 프로젝트들은 데이터 프라이버시, 보안성, 투명성 등 AI 산업이 직면한 과제들을 블록체인 기술로 어떻게 해결할 수 있는지를 모색 중이다.
AI x Crypto의 독특한 점은 블록체인이 AI 산업 내재적 문제들을 해결할 가능성을 지닌다는 것이다. 이 독보적인 교차점은 AI 및 블록체인 커뮤니티 모두에게 유익한 혁신적 솔루션의 가능성을 열어준다.
AI x Crypto 분야를 깊이 탐구하면서, 우리는 블록체인 기술이 AI 산업의 도전 과제를 해결하는 데 있어 가장 전망 있는 응용 사례를 식별하고 제시하는 것을 목표로 한다. AI 산업 전문가들과 암호화 건설자들과의 협력을 통해, 양측 기술의 장점을 극대화하는 최첨단 솔루션의 발전을 촉진하고자 한다.
1. 산업 개관
AI x Crypto 분야는 인프라와 애플리케이션의 두 가지 주요 범주로 나눌 수 있다. 일부 기존 인프라가 계속해서 AI 용례를 지원하고 있지만, 새로운 참가자들은 시장에 완전히 새로운 AI 네이티브 아키텍처를 출시하고 있다.
1. 1 컴퓨팅 네트워크
AIxCrypto 분야에서 컴퓨팅 네트워크는 AI 애플리케이션이 필요로 하는 인프라를 제공하는 데 핵심적인 역할을 한다. 이러한 네트워크는 지원하는 작업에 따라 일반 컴퓨팅 네트워크와 특수 목적 컴퓨팅 네트워크의 두 가지 유형으로 분류된다.
1.1.1 일반 컴퓨팅 네트워크
일반 컴퓨팅 네트워크(예: IO.net 및 Akash)는 사용자가 머신에 SSH로 접속할 수 있게 하고 명령줄 인터페이스(CLI)를 제공함으로써 사용자가 자체 애플리케이션을 구축할 수 있도록 한다. 이러한 네트워크는 가상 개인 서버(VPS)와 유사하며 클라우드 상에서 개인 컴퓨팅 환경을 제공한다.
IO.net은 Solana 생태계를 기반으로 GPU 임대 및 컴퓨팅 클러스터에 집중하고 있으며, Cosmos 생태계를 기반으로 한 Akash는 주로 CPU 클라우드 서버 및 다양한 애플리케이션 템플릿을 제공한다.
IOSG Ventures 관점:
성숙한 Web2 클라우드 시장과 비교하면 컴퓨팅 네트워크는 아직 초기 단계에 있다. Web3 컴퓨팅 네트워크는 AWS, Azure, Google Cloud과 같은 주요 클라우드 서비스 제공업체 기반의 서버리스 함수, VPS, 데이터베이스 클라우드 프로젝트처럼 '레고' 구성 요소처럼 작동하지 않는다.
컴퓨팅 네트워크의 장점은 다음과 같다:
-
블록체인 기술은 미활용된 컴퓨팅 리소스와 개인 컴퓨터를 활용할 수 있어 네트워크의 지속 가능성을 높일 수 있다.
-
P2P 설계는 개인이 미사용 컴퓨팅 리소스를 수익화할 수 있게 하며 더 낮은 비용의 컴퓨팅을 제공하여 잠재적으로 75%-90%의 비용 절감 효과를 가져올 수 있다.
그러나 다음의 도전 과제들로 인해 컴퓨팅 네트워크는 실제 생산 환경에 투입되어 Web2 클라우드 서비스를 대체하기 어렵다:
-
가격은 일반 컴퓨팅 네트워크의 주요 장점이지만, 기능, 보안성, 안정성 측면에서 성숙한 Web2 클라우드 기업과 경쟁하는 것은 여전히 도전적이다.
-
P2P 스타일은 이러한 네트워크가 신속하게 성숙하고 견고한 제품을 제공하는 능력을 제한할 수 있다. 탈중앙화 특성은 추가적인 개발 및 유지관리 비용을 초래한다.
1.1.2 특수 목적 컴퓨팅 네트워크
특수 목적 컴퓨팅 네트워크는 일반 컴퓨팅 네트워크 위에 추가 계층을 더해 설정 파일을 통해 특정 애플리케이션을 배포할 수 있게 한다. 이러한 네트워크는 3D 렌더링이나 AI 추론 및 훈련과 같은 특정 용례를 위해 설계되었다.
Render는 3D 렌더링에 특화된 전문 컴퓨팅 네트워크이다. AI 분야에서는 Bittensor, Hyperbolic, Ritual, fetch.ai와 같은 새로운 참가자들이 AI 추론에 집중하고 있으며, Flock과 Gensyn은 주로 AI 훈련에 집중하고 있다.
IOSG Ventures 관점:
특수 목적 컴퓨팅 네트워크의 장점:
-
탈중앙화 및 크립토 특성이 AI 산업에서 흔히 발생하는 중심화 및 투명성 문제를 해결한다.
-
무허가 컴퓨팅 네트워크 및 검증 방식은 추론 및 훈련 과정의 유효성을 보장한다.
-
Flock이 채택한 연합학습(Federated Learning)과 같은 개인정보 보호 기술을 통해 개인이 자신의 데이터를 로컬에 유지하면서도 모델 훈련에 기여할 수 있다.
-
스마트 계약을 통한 다운스트림 블록체인 애플리케이션과의 통합을 지원함으로써 AI 추론을 블록체인 상에서 직접 사용할 수 있게 한다.
출처: IOSG Ventures
특수 목적 AI 추론 및 훈련 컴퓨팅 네트워크는 여전히 초기 단계이지만, Web3 AI 애플리케이션들이 우선적으로 Web3 AI 인프라를 사용할 것으로 예상된다. 이러한 추세는 Story Protocol과 Ritual이 MyShell과 협력해 AI 모델을 지적 재산권으로 도입하는 사례 등에서 이미 드러나고 있다.
새롭게 부상하는 AI x Web3 인프라를 기반으로 한 킬러 애플리케이션이 아직 등장하지 않았지만, 성장 잠재력은 매우 크다. 생태계가 성숙함에 따라 탈중앙화된 AI 컴퓨팅 네트워크의 독특한 기능을 활용하는 혁신적인 애플리케이션이 더욱 증가할 것으로 예상된다.
2. 데이터
데이터는 AI 모델에서 중요한 역할을 하며, AI 모델 개발의 모든 단계—데이터 수집, 훈련 데이터셋 저장, 모델 저장—에서 데이터가 관련된다.
2.1 데이터 저장
탈중앙화 방식으로 추론 API를 제공하기 위해서는 AI 모델의 탈중앙화 저장이 중요하다. 추론 노드는 언제든지 어디서든 이러한 모델을 검색할 수 있어야 한다. AI 모델이 수백 GB에 이를 수 있음을 감안하면 강력한 탈중앙화 저장 네트워크가 필요하다. Filecoin과 Arweave와 같은 탈중앙화 저장 분야의 선도 기업들이 이러한 기능을 제공할 수 있을 것이다.
IOSG Ventures 관점:
이 분야에는 거대한 기회가 존재한다.
-
AI 모델에 최적화된 탈중앙화 데이터 저장 네트워크로서 버전 관리, 다양한 저정밀도 모델 양자화 저장, 대규모 모델의 빠른 다운로드 등을 제공한다.
-
탈중앙화 벡터 데이터베이스는 모델과 종종 함께 번들로 제공되며, 필요한 질문 관련 지식을 삽입함으로써 보다 정확한 답변을 제공한다. 기존 SQL 데이터베이스도 벡터 검색 기능을 추가할 수 있다.
2.2 데이터 수집 및 라벨링
고품질 데이터 수집은 AI 훈련에 매우 중요하다. Grass와 같은 블록체인 기반 프로젝트는 개인의 인터넷 연결을 활용해 AI 훈련용 데이터를 크라우드소싱 방식으로 수집한다. 적절한 인센티브와 메커니즘을 통해 AI 훈련자는 낮은 비용으로 고품질 데이터를 확보할 수 있다. Tai-da 및 Saipen과 같은 프로젝트는 데이터 라벨링에 집중하고 있다.
IOSG Ventures 관점:
이 시장에 대한 몇 가지 관찰:
-
대부분의 데이터 라벨링 프로젝트는 GameFi에서 영감을 받아 '라벨링해서 벌기(Label-to-Earn)' 개념으로 사용자를 유치하고 고품질 라벨링 데이터에 대해 비용 절감을 약속함으로써 개발자를 유인한다.
-
현재 이 분야에서는 명확한 선두주자가 나타나지 않았으며, Scale AI가 Web2 데이터 라벨링 시장을 주도하고 있다.
2.3 블록체인 데이터
블록체인 전용 AI 모델을 훈련할 때 개발자는 고품질의 블록체인 데이터가 필요하며, 이를 직접 훈련 과정에 사용하고자 한다. Spice AI와 Space and Time는 SDK를 제공하는 고품질 블록체인 데이터를 제공함으로써 개발자가 쉽게 데이터를 훈련 파이프라인에 통합할 수 있도록 한다.
IOSG Ventures 관점:
블록체인 관련 AI 모델에 대한 수요가 증가함에 따라 고품질 블록체인 데이터에 대한 수요도 급증할 것이다. 그러나 대부분의 데이터 분석 도구는 현재 CSV 형식으로 데이터를 내보내는 기능만 제공하며, 이는 AI 훈련 목적에는 이상적이지 않다.
블록체인 전용 AI 모델의 발전을 촉진하기 위해서는 Python 기반 AI 훈련 파이프라인에 블록체인 데이터를 원활하게 통합할 수 있도록 블록체인 관련 머신러닝 운영(MLOP) 기능을 추가 제공함으로써 개발자 경험을 향상시키는 것이 중요하다.
3. ZKML
비용 절감을 위해 덜 복잡한 모델을 사용하려는 동기가 있기 때문에 중심화된 AI 제공업체들은 신뢰 문제에 직면해 있다. 예를 들어 작년에는 ChatGPT의 성능이 저조하다고 느끼는 사용자들이 있었다. 이후 OpenAI이 모델 성능 향상을 위해 업데이트했다는 설명이 나왔다.
또한 콘텐츠 제작자들은 AI 회사들에 대해 저작권 우려를 표명하고 있다. 해당 회사들은 특정 데이터가 훈련 과정에 포함되지 않았다는 것을 입증하기 어렵다.
제로노울리지 머신러닝(ZKML)은 중심화된 인공지능 제공업체와 관련된 신뢰 문제를 해결하는 혁신적 접근법이다. 제로노울리지 증명을 활용함으로써 ZKML은 개발자가 민감한 데이터나 모델 세부 정보를 공개하지 않고도 인공지능 훈련 및 추론 과정의 정확성을 입증할 수 있게 해준다.
3.1 훈련
개발자는 Risc Zero가 제공하는 것과 같은 제로노울리지 가상머신(ZKVM)에서 훈련 작업을 수행할 수 있다. 이 과정은 훈련이 올바르게 수행되었으며 승인된 데이터만 사용되었음을 검증하는 증명을 생성한다. 이 증명은 개발자가 적절한 훈련 규칙과 데이터 사용 권한을 준수했음을 입증하는 증거가 된다.
IOSG Ventures 관점:
-
ZKML은 인공지능 모델의 블랙박스 특성으로 인해 일반적으로 달성하기 어려운 훈련 과정에서의 승인된 데이터 사용을 입증하는 독보적인 솔루션을 제공한다.
-
이 기술은 아직 초기 단계이며 계산 오버헤드가 크다. 커뮤니티는 ZK 훈련의 더 많은 용례를 탐색 중이다.
3.2 추론
훈련과 비교하면 ZKML 기반 추론은 훨씬 더 많은 시간이 소요된다. 이 분야에서는 머신러닝 추론을 신뢰 없이(transparency) 만들기 위한 고유한 방법을 가진 여러 주요 기업들이 부상하고 있다.
Giza는 포괄적인 머신러닝 운영(MLOP) 플랫폼을 구축하고 그 주변에 활기찬 커뮤니티를 조성하는 데 집중하고 있다. 그들의 목표는 개발자들에게 추론 워크플로우에 ZKML을 통합할 수 있는 도구와 자원을 제공하는 것이다.
반면 EZKL은 사용자 친화적인 ZKML 프레임워크를 만들어 성능을 제공하며 개발자 경험을 우선시한다. 그들의 솔루션은 ZKML 추론 구현 과정을 단순화하여 더 많은 개발자가 쉽게 접근할 수 있도록 한다.
Modulus Labs는 다른 접근법을 취하며 자체 증명 시스템을 개발했다. 그들의 주요 목표는 ZKML 추론과 관련된 계산 오버헤드를 크게 줄이는 것이다. Modulus Labs는 오버헤드를 10배 감소시켜 ZKML 추론을 실용적이고 효율적으로 만들고자 한다.
IOSG Ventures 관점:
-
ZKML은 신뢰 없음이 중요한 GameFi 및 DeFi 시나리오에 특히 적합하다.
-
ZKML이 초래하는 계산 오버헤드로 인해 대규모 인공지능 모델의 효율적인 실행이 어렵다.
-
이 산업은 여전히 자사 제품에 ZKML을 대규모로 활용하는 DeFi 및 GameFi 선구자를 찾고 있으며 실제 적용 사례를 보여주기를 기대하고 있다.
4. 에이전트 네트워크 + 기타 애플리케이션
4.1 에이전트 네트워크
에이전트 네트워크는 체인 상 거래 지원 등 특정 작업을 수행하기 위한 도구와 지식을 갖춘 수많은 AI 에이전트로 구성된다. 이러한 에이전트들은 더 복잡한 목표를 달성하기 위해 서로 협력할 수 있다. 여러 유명 기업들이 챗봇과 유사한 에이전트 및 에이전트 네트워크를 적극적으로 개발하고 있다.
Sleepless, Siya, Myshell, characterX, Delysium은 챗봇 에이전트 개발의 주요 참여자들이다. Autonolas와 ChainML은 더 강력한 용례를 위해 에이전트 네트워크를 구축하고 있다.
IOSG Ventures 관점:
에이전트는 현실 세계 응용에서 중요하다. 일반 인공지능보다 특정 작업을 더 잘 수행할 수 있다. 블록체인은 AI 에이전트에게 몇 가지 독특한 기회를 제공한다.
-
인센티브 제공: 블록체인은 NFT 등의 기술을 통해 인센티브 메커니즘을 제공한다. 명확한 소유권과 인센티브 구조를 통해 창작자는 체인 상에서 더 흥미롭고 혁신적인 에이전트를 개발하도록 유도된다.
-
스마트 계약의 컴포저빌리티: 블록체인 상 스마트 계약은 레고 블록처럼 작동하며 높은 수준의 컴포저빌리티를 지닌다. 오픈 API를 제공함으로써 에이전트는 전통적 금융 시스템에서는 어렵거나 불가능한 복잡한 작업을 수행할 수 있다. 이러한 컴포저빌리티는 에이전트가 다양한 탈중앙화 애플리케이션(dApps)과 상호작용하고 그 기능을 활용할 수 있게 한다.
-
내재적 개방성: 블록체인 상에서 에이전트를 구축함으로써 이들은 이러한 네트워크의 내재적 개방성과 투명성을 계승한다. 이는 서로 다른 에이전트 간의 컴포저빌리티에 큰 기회를 제공하며, 각자의 역량을 결합해 더 복잡한 작업을 해결할 수 있게 한다.
4.2 기타 애플리케이션
앞서 논의된 주요 범주 외에도 Web3 분야에서 주목받는 몇 가지 흥미로운 AI 애플리케이션이 존재한다. 비록 독립적인 범주로 분류되기엔 아직 작을 수 있으나, 다양한 분야에 걸쳐 AI가 블록체인 생태계에서 가지는 다양성과 잠재력을 보여준다.
-
이미지 생성: ImgnAI
-
이미지 프롬프트 수익화: NFPrompt
-
커뮤니티 기반 AI 이미지 생성: Botto
-
챗봇: Kaito, Supersight, Galaxy, Knn3, Awesome QA, Qna3
-
금융: Numer AI
-
지갑: Dawn_wallet
-
게임: Parallel TCG
-
교육: Hooked
-
보안: Forta
-
DID: Worldcoin
-
창작자 도구: Plai Lab
5. 대규모 채택을 위한 AIxCrypto의 Web2 사용자 확대
AI x Crypto의 독특함은 AI 분야에서 가장 어려운 문제들을 해결할 수 있다는 점에 있다. 현재 AIxCrypto 제품과 Web2 AI 제품 사이에는 격차가 있으며 Web2 사용자들에게 매력이 부족하지만, AIxCrypto는 오직 AIxCrypto만이 제공할 수 있는 독특한 기능들을 가지고 있다.
5.1 고효율 컴퓨팅 리소스:
AIxCrypto의 주요 장점 중 하나는 고효율 컴퓨팅 리소스를 제공한다는 점이다. LLM에 대한 수요가 증가함에 따라 개발자 수가 늘어나며 GPU의 가용성과 가격이 더 큰 도전 과제가 되고 있다. GPU 가격이 급등하고 공급 부족 현상이 발생하고 있다.
DePIN 프로젝트와 같은 탈중앙화 컴퓨팅 네트워크는 유휴 컴퓨팅 파워, 소규모 데이터센터의 GPU 및 개인 컴퓨팅 장치를 활용함으로써 이 문제를 완화할 수 있다. 탈중앙화 컴퓨팅 파워의 안정성은 중심화된 클라우드 서비스에 비해 떨어질 수 있으나, 이러한 네트워크는 다양한 지역에 위치한 고효율 컴퓨팅 장비를 제공한다. 이러한 탈중앙화 접근은 엣지 지연을 최소화하고 더 분산되고 탄력적인 인프라를 보장한다.
탈중앙화 컴퓨팅 네트워크의 힘을 활용함으로써 AIxCrypto는 Web2 사용자에게 저렴하고 접근하기 쉬운 컴퓨팅 리소스를 제공할 수 있다. 이러한 비용 이점은 AIxCrypto 솔루션을 채택하도록 Web2 사용자를 유인하는 데 매력적이며, 특히 AI 컴퓨팅 수요가 계속 증가하는 상황에서 더욱 그렇다.
5.2 창작자 소유권 부여:
AI x Crypto의 또 다른 중요한 장점은 창작자의 소유권을 보호한다는 점이다. 현재의 AI 분야에서는 일부 에이전트가 쉽게 복제될 수 있다. 유사한 프롬프트를 작성하는 것만으로도 이러한 에이전트를 쉽게 복제할 수 있다. 또한 GPT 스토어의 에이전트는 일반적으로 창작자가 아닌 중심화된 회사가 소유하고 있어 창작자의 작품에 대한 통제력과 효과적인 수익화 가능성을 제한한다.
AI x Crypto는 암호화 분야에서 이미 성숙한 NFT 기술을 활용해 이 문제를 해결한다. 에이전트를 NFT로 표현함으로써 창작자는 자신의 작품을 진정으로 소유하고 실질적인 수익을 얻을 수 있다. 사용자가 에이전트와 상호작용할 때마다 창작자는 인센티브를 받으며 노력에 대한 공정한 보상을 받을 수 있다. NFT 소유권 개념은 에이전트뿐만 아니라 지식베이스 및 프롬프트와 같은 AI 분야의 다른 중요한 자산 보호에도 적용될 수 있다.
5.3 프라이버시 보호 및 신뢰 재건:
사용자와 창작자 모두 중심화된 AI 회사들에 대해 프라이버시 우려를 가지고 있다. 사용자는 자신의 데이터가 미래 모델 훈련에 악용될까 걱정하며, 창작자는 자신의 작품이 사용되면서도 적절한 인정이나 보상을 받지 못할까 우려한다. 또한 중심화된 AI 회사는 인프라 비용 절감을 위해 서비스 품질을 희생할 수 있다.
이러한 문제는 Web2 기술로는 해결하기 어렵지만, AIxCrypto는 선진화된 Web3 솔루션을 활용한다. 제로노울리지 훈련 및 추론은 사용된 데이터를 입증하고 올바른 모델이 적용되었는지 확인함으로써 투명성을 제공한다. 신뢰할 수 있는 실행 환경(TEE), 연합학습, 완전 동형 암호화(FHE) 등의 기술은 안전하고 개인정보를 보호하는 AI 훈련 및 추론을 가능하게 한다.
프라이버시와 투명성을 우선시함으로써 AIxCrypto는 AI 기업들이 대중의 신뢰를 다시 얻고 사용자 권리 존중 서비스를 제공할 수 있게 하며, 기존 Web2 솔루션과 차별화된다.
5.3 프라이버시 보호 및 신뢰 재건:
사용자와 창작자 모두 중심화된 AI 회사들에 대해 프라이버시 우려를 가지고 있다. 사용자는 자신의 데이터가 미래 모델 훈련에 악용될까 걱정하며, 창작자는 자신의 작품이 사용되면서도 적절한 인정이나 보상을 받지 못할까 우려한다. 또한 중심화된 AI 회사는 인프라 비용 절감을 위해 서비스 품질을 희생할 수 있다.
이러한 문제는 Web2 기술로는 해결하기 어렵지만, AIxCrypto는 선진화된 Web3 솔루션을 활용한다. 제로노울리지 훈련 및 추론은 사용된 데이터를 입증하고 올바른 모델이 적용되었는지 확인함으로써 투명성을 제공한다. 신뢰할 수 있는 실행 환경(TEE), 연합학습, 완전 동형 암호화(FHE) 등의 기술은 안전하고 개인정보를 보호하는 AI 훈련 및 추론을 가능하게 한다.
프라이버시와 투명성을 우선시함으로써 AIxCrypto는 AI 기업들이 대중의 신뢰를 다시 얻고 사용자 권리 존중 서비스를 제공할 수 있게 하며, 기존 Web2 솔루션과 차별화된다.
5.4 콘텐츠 출처 추적
AI 생성 콘텐츠가 점점 더 정교해짐에 따라 인간이 만든 텍스트, 이미지 또는 비디오와 AI 생성물을 구분하기가 더 어려워지고 있다. AI 생성 콘텐츠의 남용을 방지하기 위해 콘텐츠의 출처를 결정할 수 있는 신뢰할 수 있는 방법이 필요하다.
블록체인은 공급망 관리 및 NFT 분야에서 성공한 것처럼 콘텐츠 출처 추적에 탁월하다. 공급망 산업에서 블록체인은 제품의 전체 수명 주기를 추적하며 사용자는 제조업체와 핵심 마일스톤을 식별할 수 있다. 마찬가지로 블록체인은 창작자를 추적하며 NFT의 경우 도용을 방지한다. 공개성이 높아 도용에 취약하지만, 블록체인을 활용하면 위조 NFT로 인한 피해를 최소화할 수 있으며 사용자는 쉽게 진위를 구분할 수 있다.
블록체인 기술을 활용해 AI 생성 콘텐츠의 출처를 추적함으로써 AIxCrypto는 사용자가 콘텐츠 제작자가 AI인지 인간인지 검증할 수 있게 하여 남용 가능성을 줄이고 콘텐츠 진실성에 대한 신뢰를 높일 수 있다.
5.5 크립토를 통한 모델 개발
특히 대규모 모델의 경우 모델 설계 및 훈련은 비용이 많이 들고 시간이 오래 걸리는 과정이다. 새로운 모델은 또한 불확실성을 내포하며 개발자는 그 성능을 예측할 수 없다.
크립토는 개발자에게 사전 훈련 데이터 수집, 강화학습 피드백 수집, 관심 있는 당사자로부터 자금 조달을 할 수 있는 친숙한 방식을 제공한다. 이 과정은 일반적인 크립토 프로젝트의 생명주기와 유사하다: 프라이빗 투자 또는 런치패드를 통해 자금을 조달하고 출시 시점에 적극적으로 기여한 사람들에게 토큰을 배포한다.
모델도 유사한 방식을 따를 수 있다. 훈련을 위한 자금 조달을 위해 토큰을 판매하고 데이터 및 피드백 기여자에게 토큰을 에어드랍할 수 있다. 잘 설계된 토큰 이코노믹스를 통해 이 워크플로우는 개인 개발자가 이전보다 훨씬 쉽게 새로운 모델을 훈련할 수 있도록 도울 수 있다.
6. 토큰 이코노믹스의 도전 과제
AI x Crypto 프로젝트들은 크립토가 독특한 가치 제안을 갖고 있고 Web2 AI 산업 시장 규모가 상당하기 때문에 잠재 고객으로서 Web2 개발자를 겨냥하기 시작했다. 그러나 토큰에 익숙하지 않고 토큰 기반 시스템에 참여하기를 꺼리는 Web2 개발자들에게 토큰은 장벽이 될 수 있다.
Web2 개발자를 맞추기 위해 토큰의 실용성을 줄이거나 제거하는 것은 Web3 애호가들에게 불만을 초래할 수 있는데, 이는 AI x Crypto 프로젝트의 근본적인 입장 변화를 의미할 수 있기 때문이다. AI SaaS 플랫폼에 가치 있는 토큰을 통합하면서 Web2 개발자를 유치하고 동시에 토큰 실용성을 유지하는 균형을 찾는 것은 도전적인 과제이다.
Web2와 Web3 비즈니스 모델 간 격차를 좁히면서 동시에 토큰 가치를 유지하기 위해 다음과 같은 잠재적 방법들을 고려할 수 있다:
-
프로젝트의 분산형 인프라 네트워크에서 토큰을 활용한다. 기반 네트워크를 보호하기 위해 스테이킹, 보상, 패널티 메커니즘을 시행한다.
-
토큰을 결제 수단으로 활용하면서 Web2 사용자에게 진입점을 제공한다.
-
토큰 기반 거버넌스를 시행한다.
-
토큰 홀더들과 수익을 공유한다.
-
수익을 이용해 토큰을 매입하거나 소각한다.
-
프로젝트가 제공하는 서비스에 대해 토큰 홀더에게 할인 및 추가 기능을 제공한다.
Web2와 Web3의 이해관계를 모두 반영하는 신중하게 설계된 토큰 이코노믹스 모델을 통해 AI x Crypto 프로젝트는 Web2 개발자를 성공적으로 유치하면서 동시에 토큰의 가치와 실용성을 유지할 수 있다.
7. 우리가 가장 좋아하는 AI x Crypto 시나리오
우리가 가장 좋아하는 AI x Crypto 시나리오는 사용자 협업의 힘을 활용하여 블록체인 기술을 통해 AI 분야의 과제를 해결하는 것이다. 구체적인 예시는 다음과 같다:
1. 집단적인 AI 훈련, 정렬(alignment), 벤치마킹을 위한 데이터 기여 (예: Chatbot Arena)
2. 다양한 에이전트가 사용할 수 있는 대규모 공유 지식베이스 공동 구축 (예: Sahara)
3. 개인 리소스를 활용한 네트워크 데이터 크롤링 (예: Grass)
블록체인 기반 인센티브 및 조정을 통한 사용자 집단의 노력을 활용함으로써 이러한 모델은 AI 개발 및 배포에 있어 탈중앙화되고 커뮤니티 중심의 접근 방식이 지닌 가능성을 보여준다.
결론
우리는 AI와 Web3의 새벽기에 서 있다. 다른 산업과 비교하면 인공지능과 블록체인 분야의 통합은 여전히 초기 단계에 있다. Gen AI 제품 상위 50개 중 Web3 관련 제품은 하나도 없다. 선도적인 LLM 도구들은 콘텐츠 제작 및 편집과 관련이 있으며 주로 영업, 회의, 노트/지식베이스를 대상으로 한다. Web3 생태계 내 연구, 문서화, 영업, 커뮤니티 활동이 많다는 점을 고려하면 맞춤형 LLM 도구 개발에 거대한 잠재력이 있다.
현재 개발자들은 선진 AI 모델을 체인 상으로 가져오기 위한 인프라 구축에 집중하고 있으며 아직 목표에 도달하지는 못했다. 인프라를 계속 발전시키는 동시에, 우리는 안전하고 신뢰 없는 방식으로 체인 상 AI 추론을 수행할 수 있는 최적의 사용자 시나리오를 탐색하고 있으며 이는 블록체인 분야에 독보적인 기회를 제공한다. 다른 산업은 기존 LLM 인프라를 직접 사용해 추론 및 파인튜닝을 수행할 수 있다. 오직 블록체인 산업만이 자체 원생 AI 인프라를 필요로 한다.
가까운 미래에 우리는 블록체인 기술이 P2P의 장점을 활용해 AI 산업에서 가장 도전적인 문제들을 해결하고, AI 모델을 누구나 더 저렴하고 쉽게 접근하고 수익화할 수 있게 되리라 예상한다. 또한 크립토 분야가 AI 산업의 내러티브를 약간의 지연을 두고 따라갈 것으로 기대한다. 지난 1년 동안 우리는 개발자들이 Crypto, 에이전트, LLM 모델을 결합하는 모습을 목격했다. 앞으로 몇 달 안에 다중 모달 모델, 텍스트-비디오 생성, 3D 생성이 크립토 분야에 영향을 미칠 것으로 예상된다.
현재 전체 AI 및 Web3 산업은 충분히 평가받지 못하고 있으며, 우리는 Web3 내 AI의 폭발적 순간, 즉 CryptoxAI의 킬러 애플리케이션을 간절히 기다리고 있다.
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
IOSG Ventures
