암호화 AI 분야의 다음 서사 전개: 촉매 요인, 발전 경로 및 관련 투자 대상
작성자: Alex Xu
서론
현재까지의 암호화폐 블록체인 시장 사이클은 비즈니스 혁신 측면에서 가장 지루한 사이클이라고 할 수 있다. 이전 사이클에서 DeFi, NFT, GameFi 등과 같은 현상급 인기를 끌었던 분야들이 이번에는 부재하여 전체 시장에 산업적 화두가 부족하며, 사용자 성장, 산업 투자 및 개발자 참여도 모두 다소 더딘 상황이다.
이러한 상황은 자산 가격에도 반영되고 있다. 전체 사이클을 통틀어 대부분의 알트코인이 BTC 대비 가치를 꾸준히 잃고 있으며, ETH 역시 예외가 아니다. 스마트 계약 플랫폼의 평가는 결국 그 위에서 구동되는 애플리케이션의 번영 정도에 달려 있기 때문에, 애플리케이션의 혁신과 발전이 부진하면 공용 블록체인의 가치 상승도 어려워진다.
반면 AI는 외부 산업계에서 폭발적인 성장세와 끊임없는 화제성을 바탕으로 비교적 새로운 암호화 비즈니스 분야로서 여전히 암호화 세계의 AI 관련 프로젝트들에게 주목도 증가를 가져다줄 가능성이 있다.
筆者는 지난 4월 발표한 IO.NET 보고서에서 AI와 크립토의 결합 필요성에 대해 정리했다. 즉, 결정성, 자원 배분의 효율성, 신뢰 불필요성 등의 장점을 갖춘 암호경제 모델은 AI가 직면한 무작위성, 자원 집약성, 인간과 기계의 식별 불가능성이라는 세 가지 도전 과제를 해결할 수 있는 후보 중 하나일 수 있다는 것이다.
이번 글에서는 필자가 암호경제 분야 내 AI 트렌드에 관해 추가적으로 논의하고 전망해보고자 한다. 주요 논점은 다음과 같다:
-
암호화 AI 분야에서 아직 초기 단계이나 향후 폭발할 가능성이 있는 스토리라인은 무엇이 있는가?
-
이러한 스토리라인들이 촉발될 경로와 논리는 무엇인가?
-
관련된 프로젝트 사례는 어떤 것들이 있는가?
-
이러한 전망에 내포된 리스크와 불확실성은 무엇인가?
본 글은 필자의 현재 시점에서의 일시적 견해이며, 추후 수정될 수 있으며, 매우 주관적인 시각을 포함하고 있어 사실, 데이터, 추론 논리에 오류가 있을 수 있으므로 투자 참고 자료로 사용해서는 안 된다. 업계 동료들의 비판과 토론을 환영한다.
이하 본문.
암호화 AI 분야의 차세대 스토리라인
암호화 AI 분야의 차기 스토리라인을 본격적으로 검토하기 전에, 먼저 현재의 주요 스토리라인을 살펴보자. 시가총액 순으로 보면, 10억 달러 이상인 프로젝트들은 다음과 같다:
-
컴퓨팅 파워: Render(RNDR, 유동 시가총액 38.5억 달러), Akash(유동 시가총액 12억 달러), IO.NET(최근 1차 펀딩 밸류 10억 달러)
-
알고리즘 네트워크: Bittensor(TAO, 유동 시가총액 29.7억 달러)
-
AI 에이전트: Fetch.ai(FET, 합병 전 유동 시가총액 21억 달러)
* 데이터 기준일: 2024.5.24, 통화 단위 모두 달러.
이러한 분야 외에 다음으로 단일 프로젝트 시가총액이 10억 달러를 넘을 AI 분야는 어디일까?
筆者는 두 가지 시각에서 추측해볼 수 있다고 생각한다: '산업 공급 측' 스토리와 'GPT 순간(GPT moment)' 스토리.
AI 스토리의 첫 번째 시각: 산업 공급 측면에서 본 AI 뒷받침 에너지 및 데이터 기회
산업 공급 측면에서 AI 발전의 네 가지 추진력은 다음과 같다:
-
알고리즘: 고품질 알고리즘은 훈련 및 추론 작업을 보다 효율적으로 수행할 수 있음
-
컴퓨팅 파워: 모델 훈련과 추론 모두 GPU 하드웨어의 컴퓨팅 파워를 필요로 함. 현재 주요 산업 병목 현상이며, 고성능 칩 부족으로 중고급 칩 가격이 급등하고 있음
-
에너지: AI가 요구하는 데이터센터는 막대한 에너지를 소모함. GPU 자체의 연산 전력 외에도 GPU의 열을 제거하기 위한 냉각 시스템에도 많은 에너지가 필요하며, 대형 데이터센터의 냉각 시스템은 전체 에너지 소비의 약 40%를 차지함
-
데이터: 대규모 모델 성능 향상은 훈련 파라미터 확대가 필요하며, 이는 방대한 양의 고품질 데이터 수요를 의미함
위 네 가지 산업 추진력에 비추어보면, 알고리즘 및 컴퓨팅 파워 분야는 이미 시가총액 10억 달러를 초과하는 암호화 프로젝트가 존재하지만, 에너지 및 데이터 분야는 아직 동일한 규모의 프로젝트가 등장하지 않았다.
사실상 에너지와 데이터의 공급 부족은 머지않아 발생하여 새로운 산업적 관심사를 형성하고, 암호화 분야 관련 프로젝트의 붐을 일으킬 가능성도 있다.
먼저 에너지부터 살펴보자.
2024년 2월 29일, 머스크는 보쉬 커넥티드 월드 2024 행사에서 "나는 1년 전에 칩 부족을 예측했고, 다음 부족은 전력이 될 것이라 말했다. 내 생각엔 내년에는 모든 칩을 운영할 만큼의 전력이 충분하지 않을 것이다"라고 언급했다.
구체적인 데이터를 보면, 이페이(Li Feifei)가 이끄는 스탠포드대학교 인공지능연구소(Human-Centered Artificial Intelligence)는 매년 『AI 지수 보고서』를 발표한다. 해당 팀이 2022년에 발표한 2021년 AI 산업 보고서에서 연구팀은 당시 AI의 에너지 소비량이 전 세계 전력 수요의 0.9%에 불과하다고 평가하며, 에너지 및 환경에 대한 압력은 제한적이라고 판단했다. 그러나 2023년 국제에너지기구(IEA)는 2022년에 대한 요약에서 전 세계 데이터센터가 약 460테라와트시(TWh)의 전력을 소비해 전 세계 전력 수요의 2%를 차지한다고 밝혔으며, 2026년까지 전 세계 데이터센터 에너지 소비는 최소 620TWh에서 최대 1050TWh에 이를 것으로 예측했다.
그러나 실제로 IEA의 추정치조차 보수적이다. 현재 이미 AI 중심의 대규모 프로젝트들이 착수를 앞두고 있으며, 이에 따른 에너지 수요는 2023년의 예상을 훨씬 초월하고 있다.
예를 들어 마이크로소프트와 OpenAI가 기획 중인 '스타게이트(Stargate)' 프로젝트가 있다. 이 계획은 2028년 착공, 2030년경 완공을 목표로 하며, 수백만 개의 전용 AI 칩을 탑재한 슈퍼컴퓨터를 구축하여 OpenAI에게 전례 없는 컴퓨팅 능력을 제공하고, 특히 대규모 언어 모델 분야의 R&D를 지원한다는 것이다. 이 프로젝트는 1000억 달러 이상의 비용이 소요될 것으로 예상되며, 현재 대형 데이터센터보다도 100배 이상 비싸다.
그리고 단지 스타게이트 한 프로젝트의 에너지 소비만 해도 무려 50TWh에 달한다.
이러한 이유로 OpenAI 공동창업자 샘 알트먼(Sam Altman)은 올해 1월 다보스 포럼에서 "앞으로 인공지능은 에너지 돌파구가 필요하다. 인공지능이 소비하는 전력이 사람들의 예상을 훨씬 초월할 것이기 때문이다"라고 말했다.
컴퓨팅 파워와 에너지에 이어, 급속히 성장하는 AI 산업의 다음 부족 영역은 데이터일 가능성이 높다.
즉, AI가 필요로 하는 고품질 데이터의 부족은 이미 현실이 되고 있다.
현재 우리는 GPT의 진화를 통해 대규모 언어 모델의 능력 향상 법칙을 기본적으로 파악했다. 즉, 모델 파라미터와 훈련 데이터를 확장함으로써 모델의 능력을 지수급으로 향상시킬 수 있으며, 이 과정은 단기적으로 기술적 병목이 보이지 않는다.
그러나 문제는 고품질이며 공개 가능한 데이터가 앞으로 점점 더 드물어질 수 있다는 점이다. AI 제품은 칩과 에너지처럼 데이터 면에서도 공급과 수요의 모순에 직면할 수 있다.
우선 데이터 소유권 분쟁이 증가하고 있다.
2023년 12월 27일, 뉴욕타임스(The New York Times)는 미국 연방 지방법원에 OpenAI와 마이크로소프트를 상대로 소송을 제기했다. 수백만 건의 기사를 허락 없이 GPT 모델 훈련에 사용했다며, 수십억 달러의 법정 손해배상과 실제 손해배상을 청구하고, 뉴욕타임스 저작권 자료를 포함한 모든 모델과 훈련 데이터를 삭제할 것을 요구했다.
그로부터 3개월 후, 뉴욕타임스는 새로운 성명을 발표하며 OpenAI뿐만 아니라 Google과 Meta를 정조준했다. 뉴욕타임스는 OpenAI가 Whisper라는 음성 인식 도구를 통해 유튜브 영상의 음성 부분을 대량으로 전사해 텍스트로 생성하고, 이를 GPT-4 훈련에 사용했다고 밝혔다. 뉴욕타임스는 "대기업들이 AI 모델 훈련 시 도둑질 수준의 수단을 사용하는 것이 일반화됐다"며, 구글 또한 유튜브 영상 내용을 텍스트로 전환해 자체 대규모 모델 훈련에 사용하고 있으며, 이는 본질적으로 영상 콘텐츠 제작자의 권리를 침해한다고 주장했다.
뉴욕타임스와 OpenAI의 사건은 'AI 저작권 1호 사건'으로 불리며, 사건의 복잡성과 콘텐츠 및 AI 산업 미래에 미칠 깊은 영향을 고려할 때 빠르게 결론이 날 가능성은 낮다. 가능한 결과 중 하나는 양측이 재판 외 합의에 이르고, 자금력이 풍부한 마이크로소프트와 OpenAI가 거액의 보상금을 지불하는 것이다. 하지만 앞으로 더 많은 데이터 저작권 마찰은 고품질 데이터의 종합적 비용을 끌어올릴 것이다.
또한 세계 최대 검색엔진인 Google은 검색 기능에 요금을 부과하는 것을 고려 중이라고 알려졌다. 다만 요금 대상은 일반 대중이 아니라 AI 기업들이다.
출처: 로이터
Google의 검색 서버에는 방대한 양의 콘텐츠가 저장되어 있으며, 21세기 이후 인터넷 페이지에 등장한 거의 모든 콘텐츠를 보관하고 있다고 할 수 있다. 현재 AI 기반 검색 제품(perplexity 등 해외 서비스, 국내 Kimi, 미타 등)은 이러한 검색 데이터를 AI로 가공하여 사용자에게 제공한다. 검색엔진이 AI에 요금을 부과한다면 데이터 획득 비용은 필연적으로 상승할 것이다.
사실 공개 데이터 외에도 AI 거대 기업들은 비공개 내부 데이터에 주목하고 있다.
Photobucket은 2000년대 초 7000만 명의 사용자와 미국 온라인 사진 시장 점유율 절반에 가까운 인기를 누렸던 오래된 이미지 및 동영상 호스팅 사이트다. 소셜미디어의 등장으로 Photobucket 사용자는 크게 줄었으며, 현재 200만 명의 활성 사용자만 남아있다(매년 399달러의 높은 비용을 지불). 사용자 등록 시 동의한 이용약관 및 개인정보정책에 따르면 1년 이상 미사용 계정은 회수되며, Photobucket은 사용자가 업로드한 이미지 및 동영상 데이터의 사용권을 가진다. Photobucket CEO 테드 레너드(Ted Leonard)는 보유한 13억 장의 사진 및 동영상 데이터가 생성형 AI 모델 훈련에 매우 가치 있다고 밝혔다. 그는 여러 기술 기업들과 데이터 판매 협상을 진행 중이며, 사진당 5센트에서 1달러, 동영상당 1달러 이상의 가격을 제시받고 있으며, Photobucket이 제공할 수 있는 데이터 가치가 10억 달러를 초과할 것으로 추정했다.
AI 기술 동향에 특화된 연구팀 EPOCH는 2022년 머신러닝의 데이터 사용 및 신규 데이터 생성 상황을 바탕으로 컴퓨팅 자원 증가를 고려하여 『Will we run out of data? An analysis of the limits of scaling datasets in Machine Learning』라는 보고서를 발표했다. 보고서는 고품질 텍스트 데이터는 약 2023년 2월부터 2026년 사이에 고갈될 것이며, 이미지 데이터는 2030년부터 2060년 사이에 고갈될 것이라고 결론지었다. 데이터 활용 효율이 눈에 띄게 향상되지 않거나 새로운 데이터 출처가 나타나지 않는다면, 현재 방대한 데이터셋에 의존하는 대규모 머신러닝 모델의 추세는 느려질 수 있다고 분석했다.
현재 AI 거대 기업들이 데이터를 고가에 구매하는 상황을 보면, 무료 고품질 텍스트 데이터는 거의 소진된 것으로 보이며, EPOCH의 2년 전 예측은 비교적 정확했던 것으로 보인다.
동시에 'AI 데이터 부족' 문제에 대한 해결책도 등장하고 있는데, 바로 'AI 데이터 제공 서비스'다.
Defined.ai는 AI 기업에 맞춤형 고품질 데이터를 제공하는 회사다.
Defined.ai 제공 데이터 예시: https://www.defined.ai/datasets
그들의 비즈니스 모델은 이렇다: AI 기업이 Defined.ai에 데이터 요구사항을 제시한다. 예를 들어 이미지의 경우 화질은 어느 정도 이상이어야 하고, 흐릿하거나 과노출되지 않아야 하며, 내용은 사실적이어야 한다. 내용 면에서는 AI 기업이 자신의 훈련 과제에 따라 특정 주제를 지정할 수 있다. 예를 들어 야간 사진, 야간의 원뿔통, 주차장, 표지판 등을 요청해 야간 시야 인식률을 높일 수 있다. 일반 대중이 과제를 받아 촬영 후 업로드하면 회사가 심사하여 요구사항을 충족하는 항목에 대해 장당 정산한다. 고품질 사진은 장당 1~2달러, 10여 초 분량의 짧은 영상은 5~7달러, 10분 이상의 고품질 영상은 100~300달러, 텍스트는 1000자당 1달러 수준이며, 과제를 수행한 사람은 그 중 약 20%의 수익을 받는다. 데이터 제공은 '데이터 라벨링'에 이어 또 하나의 크라우드소싱 비즈니스가 될 가능성이 있다.
전 세계적인 과제 분배, 경제적 인센티브, 데이터 자산의 가격 책정·유통, 개인정보 보호, 누구나 참여 가능하다는 점은 마치 Web3 패러다임에 딱 맞는 비즈니스 형태처럼 들린다.
산업 공급 측면에서 본 AI 스토리 관련 프로젝트
칩 부족 현상이 암호화 산업에 주목을 불러왔고, 분산형 컴퓨팅은 지금까지 가장 인기 있고 시가총액이 가장 높은 AI 분야가 되었다.
那么 AI 산업의 에너지 및 데이터 공급 수요 모순이 향후 1~2년 내 폭발한다면, 현재 암호화 산업에는 어떤 관련 프로젝트들이 있는가?
먼저 에너지 분야 프로젝트를 살펴보자.
주요 CEX에 상장된 에너지 분야 프로젝트는 극소수에 불과하며, Power Ledger(Powr 토큰)가 거의 유일하다.
Power Ledger는 2017년 프로젝트를 시작한 블록체인 기반 종합 에너지 플랫폼으로, 에너지 거래의 탈중앙화를 실현하고 개인 및 지역사회가 직접 전기를 거래할 수 있도록 하며, 재생 가능 에너지의 광범위한 활용을 촉진하고 스마트 계약을 통해 거래의 투명성과 효율성을 보장하는 것을 목표로 한다. 처음에는 이더리움 기반의 컨소시엄 체인에서 운영되었다. 2023년 하반기 Power Ledger는 백서를 업데이트하고 자체 종합 퍼블릭 체인을 출시했는데, 이 체인은 Solana 기술 프레임워크를 기반으로 개조되어 분산형 에너지 시장의 고빈도 마이크로 트랜잭션 처리에 용이하다. 현재 Power Ledger의 주요 사업은 다음과 같다:
-
에너지 거래: 사용자가 직접 전기를 P2P로 거래할 수 있도록 하며, 특히 재생 가능 에너지원의 전기 거래를 가능하게 함.
-
환경 제품 거래: 탄소 크레딧 및 재생 가능 에너지 인증서 거래, 환경 제품 기반 금융 등.
-
퍼블릭 체인 운영: 개발자들이 Powerledger 블록체인 위에 애플리케이션을 구축하도록 유도하며, 체인의 트랜잭션 수수료는 Powr 토큰으로 지불됨.
현재 Power Ledger 프로젝트의 유동 시가총액은 1.7억 달러, 전체 유통 시가총액은 3.2억 달러이다.
에너지 분야 암호화 프로젝트에 비해 데이터 분야 프로젝트는 상대적으로 다양하다.
筆者는 현재 필자가 주목하고 있으며, 최소한 바이낸스, OKX, 코인베이스 중 한 곳 이상에 상장된 데이터 분야 프로젝트만을 나열하며, FDV 기준으로 낮은 순서대로 정렬한다:
1. Streamr – DATA
Streamr의 가치 제안은 탈중앙화된 실시간 데이터 네트워크를 구축하여 사용자가 자유롭게 데이터를 거래하고 공유하면서도 자신의 데이터에 대한 완전한 통제를 유지할 수 있도록 하는 것이다. 데이터 마켓플레이스를 통해 Streamr은 데이터 생산자가 중개기관 없이 관심 있는 소비자에게 직접 데이터 스트림을 판매할 수 있도록 하여 비용을 절감하고 효율성을 높이는 것을 목표로 한다.
출처: https://streamr.network/hub/projects
실제 협업 사례에서 Streamr은 Web3 차량 하드웨어 프로젝트 DIMO와 협력하여 차량에 장착된 DIMO 하드웨어 센서를 통해 온도, 기압 및 기타 데이터를 수집하고, 이를 필요한 기관에 전달하는 날씨 데이터 스트림으로 변환한다.
다른 데이터 프로젝트와 비교해 Streamr은 IoT 및 하드웨어 센서 데이터에 더 집중하고 있다. 위에서 언급한 DIMO 차량 데이터 외에도 헬싱키 실시간 교통 데이터 스트림 등 다른 프로젝트도 있다. 따라서 Streamr의 프로젝트 토큰 DATA는 작년 12월 Depin 개념이 가장 뜨거웠을 때 하루 만에 가격이 두 배로 급등하는 기록을 세우기도 했다.
현재 Streamr 프로젝트의 유동 시가총액은 4400만 달러, 전체 유통 시가총액은 5800만 달러이다.
2. Covalent – CQT
다른 데이터 프로젝트와 달리 Covalent는 블록체인 데이터를 제공한다. Covalent 네트워크는 RPC를 통해 블록체인 노드에서 데이터를 읽어오고, 이를 처리 및 정리하여 효율적인 쿼리 데이터베이스를 생성한다. 이를 통해 사용자는 복잡한 블록체인 노드 쿼리를 직접 수행하지 않고도 필요한 정보를 빠르게 검색할 수 있다. 이러한 서비스는 '블록체인 데이터 인덱싱'이라고도 불린다.
Covalent의 고객은 주로 B2B이며, 다양한 DeFi Dapp 프로젝트뿐 아니라 Consensys(MetaMask 모회사), CoinGecko(대표 암호화자산 정보 사이트), Rotki(세무 도구), Rainbow(암호화 지갑) 등 중심화된 암호화 기업들도 있다. 전통 금융 분야의 거물인 피델리티(Fidelity), 4대 회계법인 중 하나인 EY(에른스트앤영)도 Covalent의 고객이다. Covalent가 공개한 자료에 따르면 데이터 서비스 수입은 동일 분야의 선두 프로젝트인 The Graph를 이미 넘어섰다.
Web3 산업은 체인상 데이터의 완전성, 공개성, 진실성 및 실시간성 덕분에 특정 AI 시나리오 및 특화된 'AI 소형 모델'의 고품질 데이터 출처가 될 가능성이 있다. Covalent는 데이터 제공자로서 이미 다양한 AI 시나리오에 데이터를 제공하고 있으며, AI 전용 검증 가능한 구조화 데이터를 출시했다.
출처: https://www.covalenthq.com/solutions/decentralized-ai/
예를 들어 체인상 스마트 거래 플랫폼 SmartWhales에 데이터를 제공하여 AI가 수익을 내는 거래 패턴 및 주소를 식별하도록 돕고, Entendre Finance는 Covalent의 구조화된 데이터를 AI로 처리하여 실시간 인사이트, 이상 감지 및 예측 분석 등에 활용한다.
현재까지 Covalent가 제공하는 체인상 데이터 서비스는 주로 금융 분야에 집중되어 있지만, Web3 제품과 데이터 유형이 다양해짐에 따라 체인상 데이터의 활용 범위는 더욱 확대될 전망이다.
현재 Covalent 프로젝트의 유동 시가총액은 1.5억 달러, 전체 유통 시가총액은 2.35억 달러이며, 동일 분야의 블록체인 데이터 인덱싱 프로젝트 The Graph에 비해 상대적으로 명확한 밸류에이션 이점을 가지고 있다.
3. Hivemapper – Honey
모든 데이터 소재 중에서 비디오 데이터의 단가는 일반적으로 가장 높다. Hivemapper는 AI 기업에 비디오 및 지도 정보 데이터를 제공할 수 있다. Hivemapper는 자체적으로 탈중앙화된 글로벌 지도 프로젝트로, 블록체인 기술과 커뮤니티 기여를 통해 상세하고 동적이며 접근 가능한 지도 시스템을 만들고자 한다. 참여자들은 차량용 블랙박스(dashcam)를 통해 지도 데이터를 캡처하고 오픈소스 Hivemapper 데이터 네트워크에 추가하며, 기여도에 따라 HONEY 토큰 보상을 받는다. 네트워크 효과를 높이고 상호작용 비용을 줄이기 위해 Hivemapper는 Solana 위에서 구축되었다.
Hivemapper는 2015년에 설립되었으며, 초기에는 드론을 이용한 지도 작성 비전을 가지고 있었지만, 이 모델이 확장하기 어렵다는 것을 발견하고 블랙박스와 스마트폰을 이용한 지리 데이터 수집으로 전환함으로써 글로벌 지도 제작 비용을 낮췄다.
Google 지도 등의 스트리트뷰 및 지도 소프트웨어와 비교해 Hivemapper는 인센티브 네트워크와 크라우드소싱 모델을 통해 지도 커버리지를 더 효율적으로 확장하고, 지도 실경의 갱신도를 유지하며, 비디오 품질을 향상시킬 수 있다.
AI의 데이터 수요 폭발 이전, Hivemapper의 주요 고객은 자동차 산업의 자율주행 부서, 내
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
Mint Ventures
