GPU-EVM 소개: 병렬 EVM 분야에 새로운 강자 등장, EVM을 사용해 AI 에이전트 훈련
글: Eito Miyamura
번역: TechFlow
GatlingX는 옥스퍼드 대학교 동문이 이끄는 프로젝트로 머신러닝과 강화학습(Reinforcement Learning)에 집중하고 있으며, 최근에는 내부 벤치마크 결과에 따르면 현재 시장에서 가장 성능이 뛰어난 이더리움 가상머신(EVM)일 수 있는 ‘GPU-EVM’을 출시했다.
GPU-EVM은 매우 강력한 성능의 EVM 확장 솔루션으로, 개발팀에 따르면 최첨단 강화학습(RL) 기반 인공지능 에이전트를 훈련시킬 수 있을 정도다. 이는 다양한 이더리움 애플리케이션을 병렬로 실행하여 AI 에이전트가 보안 취약점을 찾도록 훈련하는 것을 지원한다.
GPU-EVM은 그래픽 처리 장치(GPU)를 활용해 작업을 병렬 처리함으로써 트랜잭션 처리량을 증가시킨다. 팀은 GPU-EVM이 evmone 및 revm과 같은 현재 최고 수준의 고성능 EVM보다 거의 100배 빠른 작업 처리 속도를 제공한다고 주장한다. 이는 여러 작업을 동시에 처리할 수 있는 GPU의 본질적인 병렬 처리 아키텍처 덕분이다.
GPU-EVM은 그래픽 처리 장치(GPU)의 강력한 성능을 활용해 이더리움 가상머신(EVM) 연산을 병렬로 실행한다. 즉, 작업을 순차적으로 수행하는 대신 많은 작업을 동시에 처리할 수 있어 계산 속도가 크게 향상된다. 옥스퍼드 대학교 컴퓨터 과학/인공지능 동문들로 구성된 이 팀의 돌파구는 EVM의 초당 계산 효율성을 획기적으로 높였다.
이더리움 가상머신(EVM)은 스마트 계약을 실행하는 산업 표준 가상머신으로 현대 블록체인 기술의 핵심이다. EVM은 CPU 기반 클라이언트 소프트웨어를 통해 분산된 다수의 컴퓨터에서 신뢰할 수 없는 제3자 없이 거래를 가능하게 하며, 블록체인의 운영 체제와 유사하다.
GPU-EVM과 그가 제공하는 성능 향상은 EVM과 상호작용하는 AI/RL 모델을 위한 인프라 구축, L2 확장, MEV, 백테스트 등을 가능하게 함으로써 downstream의 야심 찬 엔지니어링 팀에게 큰 기능 향상을 가져온다. (자세한 내용은 아래 참조)
GPU-EVM: EVM 컴퓨팅의 새로운 패러다임
엔비디아(NVIDIA)는 원래 게임 중심의 니치 회사였지만, 현재는 컴퓨팅 분야의 핵심 주체로 자리매김하며 인공지능 혁명의 최전선에 서 있다. 이러한 진화는 컴퓨팅 성능이 2년마다 두 배로 증가한다는 무어의 법칙(Moore's Law)에서 황젠슨(Jensen Huang) CEO의 이름을 딴 ‘황의 법칙(Huang's Law)’으로 전환되는 과정을 반영한다. 황의 법칙은 하드웨어, 소프트웨어, 인공지능의 통합으로 인해 GPU 성능이 2년 내에 CPU를 능가하며 두 배 이상 증가한다고 말한다. 이로 인해 복잡한 작업을 가속화하는 핵심은 CPU에서 GPU로 이동하고 있다.
무어의 법칙의 한계에 도달하면서, GPU의 병렬 처리 능력에 대한 의존은 CPU 중심에서 GPU 중심으로의 새로운 컴퓨팅 시대로 전환되고 있음을 나타낸다(참고: 덴나드 스케일링, 아만달의 법칙). 이 변화는 단선 도로에서 다차선 고속도로로 전환하는 것과 같으며, 단순히 속도를 높이는 것을 넘어 동시에 더 많은 활동을 가능하게 하여 기술적 가능성의 경계를 넓힌다.
제번스의 역설(Jevons Paradox)은 이러한 효과를 잘 설명한다. LED 전구의 효율성이 높아지면서 오히려 사용량이 줄어들기보다 더욱 광범위하게 쓰이게 된 것처럼, GPU-EVM의 높은 효율성과 낮은 비용은 수많은 새로운 가능성을 열어준다. 단순히 자원을 절약하는 것을 넘어서, 블록체인 기술을 포함한 다양한 분야에서 혁신과 채택을 촉진하며, GPU 컴퓨팅의 효율성이 컴퓨팅 응용 프로그램의 지수적 성장을 이끄는 미래를 약속한다.
GPU-EVM 성능
현대 GPU의 범용 컴퓨팅 능력의 급격한 발전을 활용하여, 우리는 GPU-EVM의 성능을 기존 EVM보다 100배 이상 향상시켰다. 현대 GPU는 수천 개의 코어를 설계하여 여러 작업을 동시에 처리할 수 있도록 만들어졌으며, 병렬 처리 작업에 매우 적합하다. 이러한 구조적 이점 덕분에 GPU-EVM은 수많은 EVM 명령어를 병렬로 실행하여 계산 속도와 효율성을 크게 향상시킬 수 있다.
GPU-EVM이 가져온 성능 향상을 객관적으로 측정하기 위해, 우리는 EVM Bench에서 제공하는 오픈소스 도구를 사용해 포괄적인 벤치마크 테스트를 수행했다. 이 도구를 통해 다양한 EVM 연산을 시뮬레이션하고, 기존 CPU 기반 EVM과 우리의 GPU-EVM 간의 실행 시간을 비교할 수 있다.
기존 컴퓨팅 패러다임과 비교했을 때, GPU-EVM은 GPU의 비교할 수 없는 처리 능력을 활용해 완전히 앞서 나가며 EVM의 성능과 효율성에 새로운 기준을 제시한다.
이러한 기술적 기반 위에서, GPU-EVM이 AI 훈련 및 DeFi 시뮬레이션 분야를 어떻게 혁신시키고 블록체인 애플리케이션의 새로운 지평을 열 수 있는지 살펴보자.
EVM을 이용한 AI 에이전트 훈련
인공지능은 ChatGPT와 기타 LLM 기반 챗봇들이 인간 피드백을 통한 강화학습(RL)으로 훈련되며 세계를 변화시키고 있다. 본질적으로 RL은 보상을 받는 환경과 상호작용하며 AI 에이전트가 의사결정을 학습하는 과정을 의미한다. 이 학습 방식은 인간과 동물이 주변 환경에서 학습하는 기본 방식을 반영하기 때문에, 스스로 적응하고 행동을 최적화할 수 있는 지능형 시스템 개발의 핵심이 된다.
알파고(AlphaGo)가 바둑 세계 챔피언을 이긴 것은 RL의 변혁적 힘을 입증한 이정표적 사건이었다. 이것은 단순한 승리가 아니라, RL을 통해 AI가 시뮬레이션과 복잡한 바둑판 환경과의 상호작용을 통해 인간의 통찰력을 초월하는 전략과 해법을 발견할 수 있음을 보여주었다. 이 돌파구는 RL의 본질을 부각시킨다. 즉, AI 에이전트가 보상 체계에 따라 특정 목표를 달성하기 위해 자율적으로 탐색하고 환경에서 학습할 수 있다는 점이다.
그러나 RL을 통해 이러한 AI 돌파구를 이루기까지는 막대한 계산 리소스가 필요한 컴퓨팅의 도전이 존재한다. AI를 위한 시뮬레이션 환경 구축은 방대한 컴퓨팅 자원을 필요로 한다. 엔비디아의 아이작 짐(Isaac Gym), 구글의 브랙스(Brax), JAX-LOB과 같은 GPU 병렬화 시뮬레이션 환경의 등장은 이러한 장애물을 극복하는 데 중요한 역할을 했다. GPU를 활용한 시뮬레이션 환경의 병렬화는 100배에서 최대 25만 배에 이르는 성능 향상을 가능하게 하여 RL의 계산 부분을 훨씬 실현 가능하고 효율적으로 만들었다. AI 훈련의 병목 현상은 일반적으로 CPU와 GPU 사이의 데이터 전송 대역폭에 있기 때문에, GPU 병렬화는 이러한 속도 향상을 가능하게 했으며 RL 연구 분야의 업계 표준이 되었다.
급속도로 발전하는 인공지능 세계에서 GPU-EVM은 블록체인 생태계 내부에서 직접 AI 에이전트 훈련을 촉진하는 GPU 기반 병렬 시뮬레이션 환경으로 작용한다. 특히 금융 분야에서 주목할 만한 응용 사례가 있는데, GPU-EVM은 실시간 사기 탐지 시스템을 혁신할 수 있다. 역사적으로 Max Levchin이 페이팔(PayPal)의 첫 번째 사기 방지 메커니즘을 개발해 회사를 파산 위기에서 구한 것처럼, 이러한 시스템의 중요성은 이미 입증되었다. 금융 AI가 몇 초 안에 수백만 건의 거래를 시뮬레이션하고 분석할 수 있게 되면, 사기 활동의 비정상적인 패턴을 이전에 없던 속도와 정확도로 식별할 수 있다. 이 능력은 과거에는 며칠이 걸렸을 작업이며, 금융기관이 사기를 예방하는 방식에 중대한 변화를 가져온다. AI 에이전트를 EVM과 GPU-EVM에 통합함으로써 블록체인 분야 내에서 강화학습(RL) 원리를 적용하는 새로운 길이 열린다. 여기서 AI 에이전트는 사전 정의된 보상 함수에 따라 사기 거래를 정확히 식별함으로써 학습하고 개선된다.
L2 가속 / 시뮬레이션
2층(Layer 2) 솔루션의 등장은 특히 결제 분야와 같은 주류 애플리케이션에서 이더리움의 처리량을 높이는 데 필수적이었다. 주요 이더리움 블록체인(1층) 외부에서 트랜잭션을 처리함으로써 L2는 기본적인 보안성과 탈중앙화 원칙을 유지하면서 네트워크의 용량을 크게 향상시킨다. 기존 CPU 기반 시스템과 달리 GPU-EVM은 독립적으로 작동하며 기존 L2 솔루션을 매끄럽게 통합하고 가속화할 수 있다. 이러한 가속화는 뷰 함수 최적화, 몬테카를로 트리 탐색(MCTS) 등의 알고리즘 적용을 통해 블록 생성과 트랜잭션 정렬을 보다 효율적으로 수행하는 방식으로 이루어질 수 있다.
그러나 L2 가속화 맥락에서 병렬 EVM의 역할은 단순하지 않으며 신중한 접근이 필요하다. 병렬 EVM을 사용해 L2를 직접 가속화하는 것은 겉보기만큼 간단하지 않다. 병렬 EVM의 능력을 진정으로 활용하려면 L2 솔루션 자체의 설계와 이를 뒷받침하는 데이터베이스의 혁신이 함께 이루어져야 한다. 아래와 같은 연구들이 이를 강조하고 있다:
GPU-EVM을 기존 L2 솔루션에 통합하는 세부 사항은 매우 유망하지만, 해결해야 할 다른 도전 과제도 존재함을 인지해야 한다. 주요 병목 요소에는 저장소 관련 제한, 장기간 연결된 트랜잭션의 상호 의존성 관리, 상태 팽창 비용 감소 등이 있다. GPU-EVM만으로는 이러한 문제들을 모두 해결할 수 없다. 따라서 L2 가속화 맥락에서 이러한 장애물을 극복하고 GPU-EVM의 모든 이점을 실현하기 위해서는 L2 솔루션과 그 기반 데이터베이스의 혁신적 설계를 위한 공동 노력이 필수적이다.
DeFi 시뮬레이션 / 퍼징(Fuzzing)
GPU-EVM의 근본적인 성능 향상은 DeFi 시뮬레이션과 퍼징(fuzz testing) 분야에 변혁적인 변화를 가져왔다. 이러한 데이터 처리 능력의 비약적 향상은 이전에는 고려되지 않았던 DeFi 전략이나 프로토콜 설계의 에지 케이스(edge cases)를 발견할 수 있게 하며, 숨겨진 새로운 취약점을 드러낼 수 있다. 이러한 진전의 중요성을 설명하자면, 기존의 CPU 기반 방법은 물총에 비유할 수 있고, GPU-EVM은 강력한 수도꼭지에 비유할 수 있다. 후자는 해충 퇴치에 훨씬 더 효과적인 수단을 제공한다.
GPU-EVM의 근본적인 성능 향상 덕분에, 이 플랫폼에서 실행되는 퍼저(fuzzer)는 몇 초 안에 에지 케이스를 식별할 수 있을 정도로 빠른 속도로 깊이 탐색할 수 있다. 이는 동일한 문제를 발견하는 데 수주 또는 수개월이 걸리는 CPU 기반 퍼저와 극명한 대조를 이룬다. GPU-EVM 위에서 이러한 고급 퍼저를 운영할 수 있는 능력은 특히 실제 운영 중인 스마트 계약에 대한 지속적인 모니터링을 가능하게 한다. 이러한 자동화 시스템은 전략적인 체스 게임처럼 잠재적 취약점을 미리 예측하며 끊임없이 스마트 계약을 시험하는 것을 목표로 하며, 궁극적으로 최고 수준의 보안성을 확보하는 것이 목적이다.
우리가 곧 출시할 제품은 이러한 선도적인 DeFi 시뮬레이션 및 퍼징 기법을 구현한다. 스마트 계약의 보안성과 탄력성에 대한 기준을 재정의할 이 제품을 기대해 달라.
GatlingX 소개
GatlingX는 헤비급 기술 인프라 개발에 특화된 애플리케이션 인프라 및 인공지능 연구소입니다. 저희의 사명은 블록체인 애플리케이션 제품을 깊은 인프라 수준에서 조작할 수 있도록 만드는 것입니다.
저희는 블록체인 산업이 너무 어렵다는 이유로 해결하려 하지 않는 극도로 어려운 기술 문제가 있다고 믿습니다. 빠르고 저렴한 보안, 계산 성능 및 속도는 번성하는 블록체인 생태계를 위한 필수 전제조건이지만, 동시에 매우 어려운 문제이며 많은 고통을 수반합니다. 저희는 세계 최고의 문제 해결자들이 모여 해결하지 않는 한, 누구도 이러한 문제를 해결하지 못할 것이라고 생각합니다.
저희는 인공지능, GPU, 블록체인, 분산 컴퓨팅 등 글로벌 기술 발전을 이끄는 핵심 분야에서 최첨단 기술을 발전시키는 데 헌신하고 있습니다.
저희는 열정적인 사람들이며, 만약 기존 제품을 구입할 수 있다면 그렇게 할 것입니다. 그렇지 않다면 직접 만들죠.
GPU-EVM 사용하기
현재 GPU 용량 확장을 위해 GPU-EVM은 개인용 조기 접근 단계에 있습니다. GPU-EVM을 엔지니어링 작업에 사용하고자 하는 분은 이 양식을 작성하여 대기자 명단에 등록하시기 바랍니다.
저희 팀은 작지만 매우 재능 있는 구성원들로 이루어져 있습니다. 창립 팀은 옥스퍼드 대학교 동문으로, 인프라 및 애플리케이션 AI 분야에서 획기적인 성과를 거두었으며, 크라우드스트라이크(Crowdstrike), 웨이브(Wayve), 시타델 씨큐리티즈(Citadel Securities) 등에서 일한 경험이 있으며 ZKMicrophone과 Graphite와 같은 영향력 있는 프로젝트를 만들어냈습니다.
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
