2024년 암호화폐 X AI 산업 현황: 암호화 기술이 생성형 AI의 모든 단계에 스며들다

2024.06.24

2024년 암호화폐 X AI 산업 현황: 암호화 기술이 생성형 AI의 모든 단계에 스며들다

AI와 암호화폐는 천연적으로 어울리는 파트너이다.

2024.06.24 - 06:03:02

Web3 심층 보도에 집중하고 흐름을 통찰

AI와 암호화폐는 천연적으로 어울리는 파트너이다.

저자: MagnetAI

번역: TechFlow

핵심 요약

우리는 67개의 Crypto+AI 프로젝트에 대해 심층 분석을 수행하고, 이를 생성형 AI(GenAI) 관점에서 분류했습니다. 우리의 분류는 다음을 포함합니다:

GPU DePIN
탈중앙화 컴퓨팅(학습 + 추론)
검증(ZKML+OPML)
암호화 대규모 언어 모델(LLM)
데이터(일반 + AI 특화)
AI 크리에이터 애플리케이션
AI 소비자 애플리케이션
AI 표준(토큰 + 에이전트)
AI 경제

왜 이 글을 썼는가?

Crypto+AI에 대한 논의는 많은 관심을 받고 있습니다. 많은 Crypto+AI 보고서들이 등장하고 있지만, 대부분은 AI 이야기의 일부만 다루거나 암호화폐 관점에서만 AI를 설명합니다. 본 글은 AI의 관점에서 이 주제를 탐구하며, 암호화폐가 어떻게 AI를 지원할 수 있고, AI가 암호화폐에 어떤 이점을 가져다줄 수 있는지를 살펴봄으로써 현재의 Crypto+AI 산업 구조를 더 잘 이해하고자 합니다.

제1부: 생성형 AI 전경 해독하기

매일 사용하는 AI 제품부터 시작해 전체 생성형 AI(GenAI) 전경을 탐색해보겠습니다. 이러한 제품은 일반적으로 두 가지 주요 구성 요소로 이루어져 있습니다: 대규모 언어 모델(LLM)과 사용자 인터페이스(UI). 대규모 모델의 경우, 모델 생성과 모델 활용이라는 두 가지 핵심 과정이 있으며, 일반적으로 학습(training)과 추론(inference)이라고 불립니다. 사용자 인터페이스(UI)의 경우, GPT와 같은 대화 기반, LumaAI와 같은 시각 기반, 그리고 기존 제품 인터페이스에 추론 API를 통합한 다양한 형태가 존재합니다.

컴퓨팅

더 깊이 들어가면, 학습과 추론 모두 근본적으로 컴퓨팅에 의존하며, 이는 하위 GPU 컴퓨팅에 크게 의존합니다. GPU는 학습과 추론 중 물리적 연결 방식이 다를 수 있지만, GPU는 AI 제품의 인프라 구성 요소로서 공통된 기반이 됩니다. 이를 기반으로 GPU 클러스터를 조정하는 클라우드가 존재합니다. 이러한 클라우드는 AWS와 같은 기존 멀티퍼포스 클라우드와 수직 클라우드로 나뉘며, 수직 클라우드는 AI 컴퓨팅 시나리오에 특화되어 최적화됩니다.

스토리지

스토리지 측면에서, AI 데이터 스토리지는 AWS S3 및 Azure Blob Storage와 같은 전통적인 스토리지 솔루션과 AI 데이터셋에 특화하여 최적화된 스토리지 솔루션으로 나뉩니다. Google Cloud의 Filestore와 같은 전문화된 스토리지 솔루션은 특정 시나리오에서 데이터 접근 속도를 향상시키도록 설계되었습니다.

학습

AI 인프라에 대해 계속 논의하면, 학습과 추론을 구분하는 것이 중요합니다. 왜냐하면 이 둘은 상당히 다르기 때문입니다. 일반 컴퓨팅 외에도, 이 둘은 많은 AI 특화 비즈니스 로직을 포함합니다.

학습의 경우, 인프라는 대략 다음과 같이 나뉩니다:

플랫폼: 대규모 언어 모델 학습을 효율적으로 지원하고 MosaicML과 같은 소프트웨어 가속 솔루션을 제공하는, 학습 목적의 플랫폼.
기초 모델 제공업체: Hugging Face와 같은 플랫폼으로, 사용자가 추가 학습 또는 미세 조정을 할 수 있는 기초 모델을 제공.
프레임워크: PyTorch 및 TensorFlow와 같이 처음부터 구축된 다양한 기초 학습 프레임워크.

추론

추론의 경우, 대략 다음과 같이 나뉩니다:

최적화기: 병렬 처리 지원이나 미디어 생성 알고리즘 강화 등 특정 용도에 맞춰 일련의 최적화를 수행. 예를 들어 fal.ai는 일반 방법보다 50% 빠른 확산 속도를 달성하며 텍스트-이미지 과정의 추론을 최적화합니다.
배포 플랫폼: Amazon SageMaker와 같이 다양한 환경에서 AI 모델을 배포하고 확장할 수 있도록 하는 범용 모델 추론 클라우드 서비스 제공.

애플리케이션

AI 애플리케이션은 무수히 많지만, 사용자 집단에 따라 대략 두 가지로 나눌 수 있습니다: 크리에이터와 소비자.

AI 소비자: 주로 AI 제품을 사용하며, 제품이 제공하는 가치에 지불하려는 의향이 있는 집단. 대표적인 예는 ChatGPT입니다.
AI 크리에이터: 반대로, AI 크리에이터 앱은 플랫폼에 AI 크리에이터를 초대해 에이전트를 만들고 지식을 공유하게 한 후 수익을 공유합니다. GPT 마켓플레이스가 그 대표적인 사례 중 하나입니다.

이 두 유형은 거의 모든 AI 애플리케이션을 포괄합니다. 더 세부적인 분류가 존재하지만, 본문은 이러한 광범위한 카테고리에 초점을 맞출 것입니다.

제2부: 암호화폐가 AI를 어떻게 도울 수 있는가?

이 질문에 답하기 전에, 암호화폐가 AI에 제공할 수 있는 주요 장점을 정리해보겠습니다: 수익화, 포용성, 투명성, 데이터 소유권, 비용 절감 등.

vitalik.eth 블로그에서 발췌: 암호화폐+AI 교차점의 고급 요약

이러한 핵심 시너지 효과는 현재의 생태계를 다음과 같이 지원합니다:

수익화: 토큰화, 수익화, 인센티브 등의 고유한 암호화 메커니즘을 통해 AI 크리에이터 앱에서 파괴적인 혁신을 가능하게 하며, AI 경제의 개방성과 공정성을 보장합니다.
포용성: 암호화폐는 허가 없이 참여할 수 있게 하여, 오늘날 폐쇄된 중심화된 AI 기업들이 부과하는 각종 제한을 해소합니다. 이는 AI가 진정한 개방성과 자유를 실현할 수 있도록 합니다.
투명성: ZKML/OPML 기술을 활용해 AI를 완전히 오픈소스화하고, LLM의 전체 학습 및 추론 과정을 체인에 올려 AI의 개방성과 허가 없는 접근성을 보장합니다.
데이터 소유권: 체인상 거래를 통해 계정(사용자)의 데이터 소유권을 확립함으로써, 사용자가 자신의 AI 데이터를 진정으로 소유할 수 있게 합니다. 이는 특히 애플리케이션 레이어에서 유리하며, 사용자의 AI 데이터 권리 보호를 효과적으로 돕습니다.
비용 절감: 토큰 인센티브를 통해 컴퓨팅 능력의 미래 가치를 현금화함으로써 현재의 GPU 비용을 크게 절감할 수 있습니다. 이 방법은 AI의 컴퓨팅 비용을 크게 낮춥니다.

제3부: Crypto+AI 생태계 탐색

암호화폐의 장점을 AI 생태계의 다양한 카테고리에 적용함으로써, 암호화폐 관점에서 새로운 AI 생태계 전경을 창출합니다.

대규모 언어 모델 계층

GPU DePIN

AI 생태계를 기반으로 AI+암호화폐 비전을 그리기 위해, 대규모 언어 모델에서 출발하여 기초 계층인 GPU부터 살펴봅니다. 암호화폐에서 오랜 기간 지속된 서사는 바로 비용 절감입니다.

블록체인 인센티브를 통해 GPU 제공자에게 보상을 주어 비용을 크게 줄일 수 있습니다. 이 서사는 현재 GPU DePIN이라고 알려져 있습니다. GPU는 AI뿐 아니라 게임, AR 등 다른 분야에서도 사용되지만, GPU DePIN 트랙은 일반적으로 이러한 영역들을 포함합니다.

AI 분야에 집중하는 프로젝트로는 Aethir와 Aioz 네트워크가 있으며, 시각 렌더링에 집중하는 프로젝트로는 io.net, render network 등이 있습니다.

탈중앙화 컴퓨팅

탈중앙화 컴퓨팅은 블록체인이 탄생한 이래 존재해온 개념이며, 시간이 지남에 따라 상당히 발전해왔습니다. 그러나 계산 작업의 복잡성(탈중앙화 스토리지와 비교했을 때) 때문에 일반적으로 계산 시나리오를 제한해야 합니다.

AI는 최신의 컴퓨팅 시나리오로서, 자연스럽게 일련의 탈중앙화 컴퓨팅 프로젝트를 낳았습니다. GPU DePIN과 비교할 때, 이러한 탈중앙화 컴퓨팅 플랫폼은 비용 절감뿐만 아니라 학습과 추론이라는 더 구체적인 계산 시나리오를 만족시킵니다. 이들은 광역망에서 조정되며, 확장성을 크게 향상시킵니다.

gensyn.ai가 실현한 규모와 비용 효율성

예를 들어, 학습에 집중하는 플랫폼으로는 AI Arena, Gensyn, DIN, Flock.io; 추론에 집중하는 플랫폼으로는 Allora, Ritual, Justu.ai; 두 가지 모두를 다루는 플랫폼으로는 Bittensor, 0G, Sentient, Akash, Phala, Ankr, Oasis 등이 있습니다.

검증

검증은 Crypto+AI에서 독특한 카테고리인데, 이는 학습과 추론 모두를 포함한 전체 AI 컴퓨팅 프로세스가 체인상에서 검증될 수 있도록 보장하기 때문입니다.

이는 프로세스의 완전한 탈중앙화와 투명성을 유지하는 데 매우 중요합니다. 또한 ZKML과 같은 기술은 데이터 프라이버시와 보안을 보호하여 사용자가 자신의 개인 데이터를 100% 소유할 수 있게 합니다.

알고리즘과 검증 프로세스에 따라 ZKML과 OPML로 나뉩니다. ZKML은 제로노우ledge(ZK) 기술을 사용하여 AI 학습/추론을 ZK 회로로 변환하고, 이를 체인상에서 검증 가능하게 합니다. 예를 들어 EZKL, Modulus Labs, Succinct, Giza 등의 플랫폼이 있습니다. 반면 OPML은 오프체인 오라클을 활용하여 증명을 블록체인에 제출합니다. 예로는 Ora와 Spectral이 있습니다.

암호화 기초 모델

ChatGPT나 Claude와 같은 일반 대규모 언어 모델과 달리, 암호화 기초 모델은 방대한 암호화 데이터로 재학습되어 암호화폐 전문 지식 베이스를 갖추게 됩니다.

이러한 기초 모델은 DeFi, NFT, GamingFi와 같은 암호화 토박이 애플리케이션에 강력한 AI 기능을 제공할 수 있습니다. 현재 이러한 기초 모델의 예로는 Pond와 Chainbase가 있습니다.

데이터

데이터는 AI 분야에서 핵심 구성 요소입니다. AI 학습에서는 데이터셋이 중요한 역할을 하며, 추론 과정에서는 사용자의 많은 프롬프트와 지식 베이스 저장이 필요합니다.

탈중앙화 데이터 저장은 저장 비용을 크게 절감할 뿐만 아니라, 무엇보다 데이터의 추적 가능성과 소유권을 보장합니다.

Filecoin, Arweave, Storj와 같은 기존의 탈중앙화 저장 솔루션은 저렴한 비용으로 방대한 AI 데이터를 저장할 수 있습니다.

동시에, 새로운 AI 특화 데이터 저장 솔루션은 AI 데이터의 고유 특성에 맞게 최적화되었습니다. 예를 들어, Space and Time와 OpenDB는 데이터 전처리 및 쿼리를 최적화했으며, Masa, Grass, Nuklai, KIP Protocol는 AI 데이터의 수익화에 집중합니다. Bagel Network는 사용자 데이터 프라이버시에 집중합니다.

이러한 솔루션은 암호화폐의 고유한 장점을 활용해 AI 분야의 데이터 관리에서 혁신을 이루었으며, 이전에는 덜 주목받던 영역입니다.

애플리케이션 계층

1.크리에이터

Crypto+AI 애플리케이션 계층에서, 크리에이터 앱은 특히 주목할 만합니다. 암호화폐가 내재적으로 갖는 수익화 능력을 고려하면, AI 크리에이터를 인센티브 제공하는 것은 자연스러운 흐름입니다.

AI 크리에이터의 경우, 초점은 로우코드/논코드 사용자와 개발자로 나뉩니다. 로우코드/논코드 사용자, 즉 봇 크리에이터는 이러한 플랫폼을 사용해 봇을 만들고 토큰/NFT를 통해 수익화합니다. 그들은 ICO 또는 NFT 민팅을 통해 빠르게 자금을 조달한 후, 장기 토큰 홀더에게 수익 공유와 같은 방식으로 보상함으로써 자신의 AI 제품을 완전히 개방하고 커뮤니티가 공동 소유하게 되어 AI 경제 생명주기를 완성합니다.

또한, Crypto AI 크리에이터 플랫폼으로서, 암호화폐가 내재적으로 갖는 토큰화 장점을 활용해 AI 크리에이터의 초기에서 중기까지의 자금 조달과 장기 수익 문제를 해결하며, Web2의 전형적인 수수료율에 비해 아주 적은 부분만으로 서비스를 제공함으로써, 암호화폐의 탈중앙화가 가져오는 제로 운영 비용의 장점을 보여줍니다.

이 분야에서는 MagnetAI, Olas, Myshell, Fetch.ai, Virtual Protocol, Spectral 등의 플랫폼이 로우코드/논코드 사용자에게 에이전트 제작 플랫폼을 제공합니다. AI 모델 개발자의 경우, MagnetAI와 Ora가 모델 개발자 플랫폼을 제공합니다. 또한 AI+소셜 크리에이터와 같은 기타 카테고리의 경우, Story Protocol과 CreatorBid 등이 맞춤형으로 제공되며, SaharaAI는 지식 베이스 수익화에 집중합니다.

2.소비자

소비자는 암호화폐 사용자를 직접 대상으로 하는 AI를 의미합니다. 현재 이 트랙의 프로젝트는 적지만, 기존에 없고 독특한 프로젝트들이 있으며, 예로는 Worldcoin과 ChainGPT가 있습니다.

3.표준

표준은 암호화폐에서 독특한 트랙으로, AI dApp 블록체인을 만들거나 기존 인프라(예: 이더리움)가 AI 애플리케이션을 지원하도록 하기 위한 독립 블록체인, 프로토콜 또는 개선을 개발하는 것을 특징으로 합니다.

이러한 표준은 AI dApp이 투명성과 탈중앙화와 같은 암호화폐의 장점을 구현할 수 있도록 하며, 크리에이터와 소비자 제품에 기본적인 지원을 제공합니다.

예를 들어, Ora는 수익 공유를 제공하기 위해 ERC-20을 확장하였으며, 7007.ai는 모델 추론 자산을 토큰화하기 위해 ERC-721을 확장하였습니다. 또한, Talus, Theoriq, Alethea, Morpheus 등은 AI 에이전트에게 실행 환경을 제공하는 체인상 가상 머신(VM)을 만들고 있으며, Sentient는 AI dApp을 위한 종합 표준을 제공합니다.