Delphi Labs: AI에 다중 모델 경쟁이 등장할 것, 우리는 어떤 암호화 애플리케이션을 주목하는가?
작가: Delphi Labs
번역: TechFlow
본문은 Luke Saunders(@lukedelphi) 및 Jose Macedo(@ZeMariaMacedo)가 작성하였습니다.
인공지능(AI)은 역사상 가장 큰 기술 혁명을 상징하며 전례 없는 기술 군비 경쟁을 촉발하고 있습니다. 현재의 AI 모델은 대부분의 표준화된 대학 시험에서 상위 10%에 진입했으며, AI 연구 자체를 포함한 많은 작업에서 인간을 능가하고 있습니다. 현재 수준에서도 검색, 고객 서비스, 콘텐츠 제작, 프로그래밍, 교육 등 많은 산업 분야에 혁신적인 영향을 미치고 있습니다.
우리는 앞으로 AI의 능력, 자금 조달, 사회적 영향이 더욱 가속화될 것으로 예상합니다. 모든 주요 기술 기업들은 AI가 비즈니스에 필수적임을 인식하고 이에 맞춰 투자를 확대하고 있습니다. AI 자본 지출의 최고 지표로 여겨지는 NVIDIA의 매출은 2024년에 1000억 달러를 넘을 것으로 예측되며, 이는 2023년보다 두 배 이상 많고, 전년도 매출의 네 배 이상입니다.
구글 CEO 선다르 피차이는 AI 투자에 대해 이렇게 말했습니다.
"우리에게 있어 과소투자의 위험은 과잉투자의 위험보다 훨씬 더 크다."
동시에 스타트업들은 AI가 수십 년간 존재해온 기업들을 대체할 수 있는 파괴적인 힘이라는 것을 깨닫고 있습니다. 지난 18개월 동안 AI 스타트업에 약830억 달러가 투자된 것으로 추정됩니다.
AI의 능력은 계산 능력의 증가와 함께 지수적으로 성장하는 경향이 있기 때문에, 우리는 10년 내에 일반 인공지능(AGI)에 준하는 목표를 달성할 가능성이 높다고 봅니다.
작가: leopoldasch
이 글에서 우리는 경쟁 환경이 수백만 개의 모델이 공존하는 세계를 낳을 것이며, 암호화 기술이 이러한 다중 모델 세계를 뒷받침하는 이상적인 기반 기술이 될 것이라고 주장합니다. 먼저 왜 다중 모델 세계가 AI의 필연적인 결과라고 보는지 설명하겠습니다. 그 다음으로 암호화 기술이 AI에 제공하는 고유한 장점을 소개하고, 마지막으로 우리가 생각하는 암호화 기술과 AI의 기술 스택을 제시하며 관심 있는 프로젝트 사례를 제시하겠습니다.
오픈소스 AI와 암호화 기술의 결합에는 철학적·윤리적으로 강력한 이유들이 있으며, 다른 곳에서 이미 잘 다뤄진 바 있습니다. 우리는 이러한 견해에 전적으로 동의하며, 이것이 우리 스스로 이 분야에서 개발을 추진하는 동기 중 하나이기도 합니다. 그러나 본 글에서는 그것이 윤리적으로 '해야' 하는 이유보다, 실제로 왜 성공할 수밖에 없는지를 중심으로 집중하겠습니다.
슈퍼모델과 다중 모델
현재 우리는 소수의 거대한 수직 통합 기술 기업이 "슈퍼모델"을 만들어 모든 것을 지배하는 세상을 향해 나아가고 있습니다.
하지만 우리는 이것이 최종 국면이 아니라고 봅니다. 몇 가지 이유 때문입니다.
-
리스크 문제: AI 기반 경험을 구축하는 조직, 기업가, 개발자들은 언제든지 모델을 변경하거나 이용 약관을 수정하거나 아예 서비스 제공을 중단할 수 있는 단일 폐쇄형 회사에 의존하기를 원하지 않습니다.
-
비용-성능 트레이드오프: 대형 기술 기업들이 선호하는 거대하고 범용적인 모델은 훈련 및 운영 시 반드시 더 높은 비용이 듭니다. 따라서 많은 사용 사례에서 너무 비싸고 과도하게 성능이 뛰어나게 됩니다. 현재로서는 사람들이 수익성을 고려하지 않기 때문에 주요 고려사항이 아니지만, AI가 발전함에 따라 사람들은 필요한 성능 수준을 얻기 위한 최저 비용을 최적화하게 될 것입니다. 많은 작업에서 대규모 모델은 이 점에서 경쟁력이 없습니다. 더 작고 전문화된 모델이 여러 작업에서 범용 모델을 능가한다는 연구 결과가 많이 있습니다. 예: 의료 영상 진단, 사기 탐지, 음성 인식 및 그 외 다양한 분야.
-
수직 통합: 애플이 반복적으로 입증한 것처럼, 최고의 제품은 전체 기술 스택의 수직 통합에서 나오는 경우가 많습니다. AI 기반 제품을 만드는 야심 찬 기업가들은 자신만의 전문 모델을 기반으로 경쟁 우위를 확보하려 할 것입니다. 이를 통해 제품이 더 많은 가치를 포착할 수 있고, 더 많은 투자를 유치할 수 있습니다.
-
프라이버시 문제: AI는 다른 어떤 기술과도 비교할 수 없을 정도로 조직의 업무 프로세스 핵심이 될 것입니다. 많은 조직들은 민감한 데이터를 이러한 모델에 넘기는 것을 꺼립니다.
이러한 이유들로 인해, 우리는 특정 용도에 맞춤화되고 비용 효율적인 수많은 작은 전문화된 모델이 존재하는 세계로 나아갈 가능성이 더 크다고 봅니다. 애플리케이션 개발자와 사용자들은 LLaMA 또는 MistralAI가 제공하는 오픈소스 모델을 기반으로 하여, 종종 독점 데이터를 사용해 자체 전용 모델을 미세 조정(fine-tune)하게 될 것입니다. 많은 모델은 계속해서 서버에서 실행되겠지만, 더 작고 프라이버시를 중시하는 앱은 클라이언트 장치에서 로컬로 실행될 것이며, 검열 저항이 필요한 앱은 탈중앙화 컴퓨팅 플랫폼을 사용할 수도 있습니다.
이는 모듈화된 AI 레고 블록의 세계이며, 여기서 개발자와 기업가들이 사용자에게 가치를 제공하기 위해 경쟁하게 되고, 사용자들은 자신의 특정 요구에 맞춰 서로 다른 서비스를 선택하고 조합할 수 있게 됩니다. "신 모델(God Model)" 기술 스택을 해체하고 이 새로운 AI 경제를 지원하기 위해 라우팅, 오케스트레이션, 합성, 결제 및 기타 다양한 인프라가 필요하게 될 것입니다. 동시에 이는 암호화폐가 번성할 수 있는 세계이기도 합니다.
암호화 기술과 인공지능
직관적으로 보면, 암호화폐는 이러한 다중 모델 세계에서 실질적인 활용 가능성을 가진 분야처럼 보입니다. 하지만 이 같은 열풍은 정보 부족한 투자자들이 해당 분야에 막대한 자본을 투자하게 만들었습니다. 이전의 인프라 버블과 마찬가지로, 많은 프로젝트들이 존재해서는 안 될 만큼 자금을 받고 개발되고 있습니다. 따라서 암호화 기술과 AI 분야 내 어떤 하위 산업이 진정한 가치를 지니는지 판단하기 어렵고, 많은 사람들이 이 분야 전체를 근본적 가치가 없는 밈(Meme)으로 간주하게 됩니다.
우리는 이것이 밈이 아니라고 생각하지만, 동시에 다중 모델 세계가 이론적으로 암호화 기술 없이도 존재할 수 있음을 인정합니다. 따라서 암호화 기술의 고유한 차별화 특징에 주목하여, 더 혁명적인 제품을 만들어내거나, 이상적으로는 암호화 기술 없이는 만들 수 없는 제품을 창출하는 것이 중요합니다. 이를 위해 먼저 암호화 기술의 고유 속성을 식별하고, 그것이 AI 분야에 어떻게 적용되어 더 나은 제품을 만들 수 있는지를 살펴보겠습니다. 그런 다음 암호화 기술과 AI의 기술 스택을 논의하고 관련된 사용 사례 예시를 제시하겠습니다.
-
조정 계층(Coordination Layer): 암호화 기반 인프라는 중앙집중적 통제 없이 집단 간 조정을 촉진하는 데 뛰어납니다. 특히 시장이 고유하게 지닌 '계란과 닭' 문제를 해결하는 데 효과적이며, 암호화 고유의 인센티브를 통해 신규 사용자 기반을 급속히 확장할 수 있습니다.
-
소규모 팀이 자체 모델을 개발할 때 필요한 모든 자원을 직접 확보하기 어려울 수 있습니다. 예를 들어, 대형 기술 기업의 AI 연구소는 자체 컴퓨팅 리소스를 보유할 수 있지만, 소규모 팀은 그렇지 못합니다. 또한 이러한 팀들은 데이터를 확보해야 하며, 인간의 피드백을 제공할 다양한 인력을 고용해야 할 수도 있습니다. 이러한 요구사항은 전문화된 시장을 통해 충족하는 것이 적합하며, 우리는 암호화 기반 인프라를 활용하는 시장이 그렇지 않은 시장보다 경쟁 우위를 가질 것이라 믿습니다.
-
오픈형, 허가 불필요 API: 암호화 기반 인프라는 누구나 어디서든 KYC, 신용카드 소지, 혹은 기타 승인 절차 없이 접근 가능한 오픈형, 허가 불필요 API 역할을 합니다. 이는 AI 에이전트에게 매우 중요합니다. 완전히 자율적인 행동을 위해서는 서비스에 접근하고, 코드를 배포하며, 인간의 개입 없이 가치를 이전할 수 있어야 하기 때문입니다. 이로 인해 에이전트 집단이 서로 서비스 비용을 지불하거나, 채무를 지고, 심지어 자금을 조달하는 등의 공상과학적인 행동이 가능해집니다.
-
신뢰 불필요성 (Trustlessness): 암호화 기반 인프라는 일반적으로 신뢰 불필요합니다. 즉, 시스템이 변경되지 않을 것이라는 암호학적 보장을 받을 수 있으며, 접근 권한이 갑자기 취소되지 않고, 예상대로 실행되었는지 검증할 수 있습니다. 모듈화된 AI 아키텍처에서는 특히 중요합니다. 통합 방식과 달리, 개발자는 통제할 수 없는 일련의 원시 요소(primitives)를 조합해야 하며, 사용자는 자신도 모르는 많은 서비스를 본질적으로 신뢰해야 하기 때문입니다.
-
검열 저항성: 변경 불가능한 스마트 계약으로 배포된 경우, 암호화 기반 인프라에서 작동하는 애플리케이션은 차단 불가능합니다. 업그레이드 가능하다고 해도 일반적으로 합의에 도달해야 하는 탈중앙화 자율조직(DAO)에 의해 관리됩니다. 우리가 예상하는 바와 같이 AI의 능력이 매우 강력해진다면, 정부는 그것을 통제하고 영향을 미치려 할 것입니다. 실제로 우리는 이미 그러한 사례를 목격하고 있습니다. 비트코인과 암호화폐가 시스템 밖의 화폐/금융 인프라를 제공했듯이, 암호화 기술과 AI의 결합은 차단 불가능한 지능을 제공합니다.
암호화 기술과 인공지능의 교차점
이러한 이점들을 고려했을 때, 암호화 기술과 AI의 교차점에서 어떤 애플리케이션이 특히 흥미로운지 살펴보겠습니다.
데이터센터와 컴퓨팅
모델 컴퓨팅의 용도는 대략 두 가지로 나뉩니다: 훈련과 추론(inference). 우리는 두 분야 모두에서 탈중앙화 컴퓨팅을 사용하는 것이 중요하다고 생각하며, 각각을 따로 논의하겠습니다.
탈중앙화 훈련
분산 컴퓨팅은 현재 훈련 과정 중 노드 간 통신과 지연 시간 요건이 매우 엄격하여 어려움을 겪고 있습니다. 이 문제를 해결하려는 팀들이 많으며, 잠재적 수익 규모와 참여자들의 재능을 고려할 때, 우리는 이 문제가 해결될 것으로 믿습니다. 주목할 만한 접근법으로는 NousResearch의 DisTrO와 PrimeIntellect의 OpenDiLoCo가 있습니다.
분산 훈련의 기술적 난제를 해결하고 복잡성을 단순화하는 제품을 구축하는 것 외에도, 성공하는 프로젝트는 다음을 해결해야 합니다.
-
허가 없이 접근 가능한 네트워크에서 품질과 책임성을 어떻게 보장할 것인가?
-
공급 측을 어떻게 시작할 것인가? 이상적으로는 소비자용 하드웨어가 아닌 데이터센터 및 클러스터. 토큰 인센티브는 공급 측을 유도하는 기본 전략이 될 수 있으며, 더 창의적인 방법으로는 컴퓨팅 제공자에게 최종 모델에 대한 소유권을 부여하는 것도 있습니다.
근본적으로 분산 컴퓨팅 시장의 장점은 전 세계에서 가장 낮은 한계 컴퓨팅 비용(marginal cost of compute)을 활용할 수 있다는 점입니다. 기존 서비스 제공업체의 비용이 상승함에 따라, 점점 더 많은 기업과 조직이 반발하며 더 저렴한 대안을 찾게 될 것입니다. 단점은 지연 시간, 이기종 하드웨어, 자체 데이터센터를 설립하고 운영함으로써 얻을 수 있는 최적화 및 규모의 경제 부족 등입니다. 미래의 국면은 아직 결정되지 않았습니다.
검증 가능한 추론 (Verifiable Inference)
전반적으로 우리는 검증 가능한 추론의 사용 사례를 AI 기능을 갖춘 신뢰 최소화 시스템을 확장하는 것으로 봅니다. 모델을 스마트 계약에 직접 삽입하는 것은 현실적이지 않지만, 체외(off-chain)에서 모델을 실행하고 체인상(on-chain)에 예상대로 작동했다는 증거를 게시할 수는 있습니다. 예를 들어, 프로젝트는 통화 시장의 리스크 파라미터 결정과 같은 거버넌스 결정을 체외 모델에 신뢰 없이 위임할 수 있습니다.
이 개념은 오픈소스 또는 클로즈드소스 모델에 보편적으로 적용될 수 있으며, 출력물이 사용자가 원하는 모델에서 나왔다는 보장을 제공합니다. 애플리케이션과 사용자가 점점 더 중요한 핵심 작업에 AI를 사용하게 되면서, 이는 점점 더 중요해질 수 있습니다. 이 문제에 다양한 방식으로 대응하는 프로젝트들이 있으며, Delphi Ventures의 투자 기업인 Inference Labs(inference_labs)도 그 중 하나입니다.
데이터
현재 대규모 언어 모델(LLM)을 훈련시키는 것은 다양한 유형의 데이터와 인적 개입이 필요한 다단계 과정입니다. 이 과정은 프리트레이닝(pre-training)으로 시작되며, 이 단계에서 LLM은 정제되고 정리된 공개 크롤링 데이터(common crawl) 및 기타 무료 데이터셋을 사용해 훈련됩니다. 이후 후처리 단계(post-training)에서는 더 작고 구체적인 레이블이 붙은 데이터셋에서 훈련되어 특정 분야(예: 화학)에 대한 지식을 습득하며, 전문가의 도움이 필요할 수 있습니다.
최신 또는 독점 데이터를 확보하기 위해, AI 연구소는 일반적으로 대규모 데이터 소유자와 협력합니다. 예를 들어, OpenAI는 Reddit과 추정 6천만 달러 규모의 계약을 체결했습니다. 마찬가지로 월스트리트저널은 News Corp가 OpenAI와 체결한 5년간 계약이 2억5천만 달러 이상으로 평가된다고 보도했습니다. 분명히 데이터의 가치는 전례 없이 높습니다.
우리는 암호화 네트워크가 팀이 각 단계에서 필요한 데이터와 자원을 확보하는 데 효과적으로 도움이 될 수 있다고 믿습니다. 가장 흥미로운 분야는 데이터 수집일 수 있으며, 암호화 인센티브 메커니즘이 데이터 수집 공급 측을 촉진하고 중요한 롱테일 데이터 소스를 발굴하는 데 적합하다고 생각합니다.
예를 들어, Grass AI(getgrass_io)는 사용자들이 유휴 인터넷 대역폭을 공유하도록 장려하여 웹에서 데이터를 크롤링하고, 이를 구조화하고 정리한 후 AI 훈련에 사용할 수 있도록 제공합니다. Grass가 충분한 공급 측을 확보한다면, 최신 인터넷 데이터를 모델에 제공하는 API 키처럼 효과적으로 작동할 수 있습니다.
Hivemapper는 또 다른 좋은 사례입니다. 이 네트워크는 2022년 11월 출시되어 매주 수백만 킬로미터의 도로 이미지를 수집하며, 전 세계 25% 지역을 이미 커버했습니다. 명백하게, 유사한 모델은 다른 형태의 멀티모달 데이터에도 적용 가능하며, AI 연구소에 판매함으로써 수익화할 수 있습니다.
NewsCorp와 Reddit의 사례에서 알 수 있듯이, 많은 기업이 가치 있는 데이터를 보유하고 있지만, 너무 작거나 AI 연구소와 연결 고리가 없어 수익화하지 못하는 경우가 많습니다. 반대로 AI 연구소 입장에서도 소규모 개별 공급업체와 개별 거래를 맺는 것은 가치가 없다고 판단할 수 있습니다. 잘 설계된 데이터 시장은 공급자와 AI 연구소를 통합된 방식으로 연결함으로써 이러한 문제를 완화할 수 있습니다. 다만 여기에는 데이터 품질, API 및 데이터의 대체 가능성 해결이라는 주요 과제들이 있습니다.
마지막으로, 데이터 준비는 주석 처리(annotation), 정리, 데이터 증강(data augmentation), 변환 등 중요한 일련의 작업을 포함합니다. 소규모 팀은 이러한 모든 기술을 보유하지 못할 수 있으므로 아웃소싱을 고려할 수 있습니다. Scale AI(scale_AI)는 이러한 서비스를 제공하는 중앙집중형 기업으로, 현재 연간 매출 약 7억 달러로 추정되며 빠르게 성장 중입니다. 우리는 암호화 기술 기반의 잘 설계된 시장과 워크플로우 시스템이 이 분야에서 좋은 성과를 낼 것이라 믿습니다. Lightworks는 Delphi Ventures가 투자한 기업 중 하나이며, 다른 몇몇 기업들도 초기 단계에 있습니다.
모델
Delphi Digital의 보고서 The Tower & The Square에 따르면, AI 모델의 생산과 통제는 거의 전적으로 "대기업"과 정부에 의해 이루어지고 있습니다. 이는 정부가 화폐를 통제하는 것보다 더 반유토피아적인 상태입니다. 왜냐하면 이는 단순히 가장 중요한 경제 자원 중 하나를 통제하는 것을 넘어, 정보의 검열과 조작을 통해 내러티브를 장악하고, 특정 "바람직하지 않은" 개인을 배제하며, 개인의 사적인 AI 상호작용을 이용하거나, 단순히 광고 수익을 극대화하기 위해 AI를 활용할 수 있기 때문입니다.
많은 똑똑한 사람들이 "광장(Square)"을 만들기 위해 노력하고 있습니다. 이는 완전히 중립적이며 검열에 저항하는, 누구나 접근 가능한 모델을 생산하려는 탈중앙화 네트워크입니다. 비트코인과 암호화폐가 금융 시스템 밖의 화폐/금융 인프라를 제공했듯이, 암호화 기술과 AI의 결합은 시스템 밖의 지능 시스템을 제공할 것입니다.
이러한 프로젝트는 네트워크가 데이터를 확보하고 준비하며, 자체 탈중앙화 컴퓨팅에서 훈련하고, 동일한 컴퓨팅에서 추론을 수행하며, 탈중앙화 거버넌스를 통해 전체 과정을 조정하는 방식으로 모델 생성의 모든 단계를 탈중앙화하려는 목표를 가지고 있습니다. 이 과정의 어느 부분도 중앙집중화되지 않으며, 따라서 모델은 진정으로 커뮤니티가 소유하고 있으며 "탑(Tower)"이 통제할 수 없습니다.
분명히 탈중앙화된 모델을 만들어 앞선 모델들과 모든 면에서 경쟁할 수 있게 만드는 것은 매우 어려울 것입니다. 대부분의 사용자가 도덕적 이유로 더 낮은 품질의 제품을 받아들이리라고 기대할 수 없습니다. 우리는 이러한 프로젝트들을 "문명 도약(lunar shot)"으로 간주하며, 성공 가능성은 낮지만 성공한다면 매우 가치 있을 것입니다. 우리는 진심으로 성공하기를 바랍니다.
또한, 암호화 기술의 철학을 수용하고 토큰을 보유하거나 기타 방식으로 암호화 기술을 활용하는 중앙집중형 AI 연구소들도 주목할 만합니다.
NousResearch와 PondGNN은 Delphi Ventures가 투자한 사례들입니다. 마지막으로 opentensor의 Bittensor와 같은 모델 생성 인프라는 이러한 모델 아키텍처의 일부입니다. Bittensor는 다른 곳에서 이미 심층적으로 다뤄진 바 있어 그 장단점은 여기서 다시 논의하지 않겠습니다.
애플리케이션 시나리오
에릭 슈미트(Eric Schmidt)는 최근 연설에서 다음과 같이 언급했습니다.
"TikTok이 금지된다면, 제가 여러분 모두에게 추천하는 것은 다음과 같습니다. 여러분의 대규모 언어 모델(LLM)에게 말하세요. 'TikTok의 복제본을 만들어라. 모든 사용자를 데려오고, 모든 음악을 가져와라. 내 선호도에 맞게 맞춤화하고, 향후 30초 내에 이 프로그램을 만들어라. 게시하라. 한 시간 내에 바이럴되지 않으면 다른 유사한 조치를 취하라.'
이 발언은 우리가 에이전트에게 기대하는 거대한 능력을 보여줍니다. 하지만 이러한 작업을 완전히 자율적으로 수행하려면, 에이전트들은 인간의 개입 없이 다양한 서비스를 사용할 수 있어야 하고, 가치를 이전하며 경제적 관계를 맺어야 하며, 허가 없이 코드를 배포하고 실행할 수 있어야 합니다.
기존의 은행 앱, KYC(고객 확인), 등록 절차는 이러한 에이전트들에게 적합하지 않습니다. 결국 에이전트들은 인간을 위해 설계된 시스템에 부딪히게 되며, 도움 없이 접근할 수 없게 될 것입니다.
암호화 기술 인프라는 완벽한 플랫폼을 제공합니다. 에이전트 운영을 위한 허가 불필요, 신뢰 불필요, 검열 저항 기반을 제공합니다. 애플리케이션을 배포해야 한다면 바로 체인상에서 가능합니다. 비용을 지불해야 한다면 토큰을 전송하면 됩니다. 체인상 서비스의 코드와 데이터는 모두 개방적이고 일관되므로, 에이전트는 API나 문서 없이도 이해하고 상호작용할 수 있습니다.
에이전트는 또한 체인상 활동의 촉매제로 다양한 방식으로 작용할 수 있습니다. 웹사이트에서 사용자가 버튼을 누르는 UX 패러다임에서 벗어나, 우리의 AI 개인 비서를 통해 상호작용하는 방식으로 전환하면, 암호화 분야에서 악명 높은 진입 복잡성을 단순화하고, 신규 사용자 유치의 주요 장애물 중 하나를 완화할 수 있습니다.
Wayfinder(AIWayfinder), Autonolas(Autonolas), DAIN(dainprotocol), Almanak(Almanak__)와 같은 프로젝트들이 이러한 미래를 향해 나아가고 있습니다.
결론
인공지능(AI)은 21세기 가장 강력하고 중요한 자원이 되었으며, 사회에 깊은 영향을 미치고 있습니다. 거대 기술 기업과 국가에 의해 완전히 통제되는 미래는 우리가 원하지 않는 반유토피아적 미래입니다. 본문에서는 철학적 이유로 솔루션을 사용하기를 기대하는 것이 아니라, 개발자와 사용자에게 실제로 더 나은 솔루션을 제공함으로써 이러한 독점을 방지하는 데 암호화 기술이 어떻게 기여할 수 있는지를 보여주고자 했습니다.
우리는 여전히 AI 시대의 초창기 단계에 있으며, 특히 탈중앙화 AI(deAI) 시대의 초입에 있습니다. 우리가 현재 상태에서 본문에서 논의한 미래로 나아가기 위해 해야 할 일이 많습니다. Delphi Labs는 암호화 기술과 인공지능의 미래에 대해 열정을 갖고 있으며, 이 분야의 최고 개발자들과 협력하여 이러한 미래를 형성하는 데 적극적으로 기여하고자 합니다.
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
@delphi_labs
