Placeholder 연구원: Web3가 AI 분야에서 테크 거물들과 어떻게 경쟁할 수 있을까?
저자: David & Goliath
번역: TechFlow
현재 AI 산업의 계산 및 훈련 과정은 주로 중앙화된 Web2 거대 기업들에 의해 장악되고 있다. 이들 회사는 강력한 자본력과 최첨단 하드웨어, 방대한 데이터 자원을 바탕으로 시장을 주도하고 있다. 이러한 상황은 가장 강력한 일반용 머신러닝(ML) 모델을 개발하는 데에는 계속될 수 있으나, 중간 수준 또는 맞춤형 모델의 경우 Web3 네트워크가 점차 더 경제적이고 접근하기 쉬운 컴퓨팅 자원 공급처가 될 수 있다.
또한 추론(inference) 요구 사항이 개인 엣지 디바이스의 처리 능력을 초과할 때, 일부 사용자는 검열이 적고 더 다양한 출력 결과를 얻기 위해 Web3 네트워크를 선택할 수도 있다. 전체 AI 기술 스택을 뒤엎는 것보다는, Web3 참여자들은 오히려 이러한 특정 분야에 집중함으로써 검열 저항성, 투명성, 사회적 검증 가능성이라는 고유한 장점을 극대화해야 한다.
다음 세대 기반 모델(GPT 또는 BERT 등) 훈련에 필요한 하드웨어 자원은 부족하며 비용이 매우 높다. 최고 성능 칩에 대한 수요는 공급을 지속적으로 초과할 전망이다. 이러한 자원의 희소성은 충분한 자금을 보유한 소수의 선도 기업들이 하드웨어를 독점하게 만들며, 이들 기업은 이를 통해 가장 정교하고 성능이 뛰어난 기반 모델들을 훈련시키고 상용화한다.
그러나 하드웨어의 교체 주기는 매우 빠르다. 그렇다면 이러한 구식 중간 또는 낮은 성능의 하드웨어는 어떻게 활용될 것인가?
이러한 장비는 비교적 단순하거나 특화된 모델 훈련에 사용될 가능성이 크다. 다양한 종류의 모델을 성능에 따라 다른 하드웨어와 매칭함으로써 자원의 최적화된 배치가 가능하다. 이러한 맥락에서 Web3 프로토콜은 다양한 저비용 컴퓨팅 자원에 대한 접근을 조율함으로써 핵심적인 역할을 할 수 있다. 예를 들어, 사용자는 자신의 개인 데이터셋으로 훈련된 간단한 중간 모델을 사용하되, 더 복잡한 작업이 필요할 때만 중앙화된 기업이 훈련하고 운영하는 고성능 모델을 선택할 수 있으며, 이때 신원은 익명화되고 입력(prompt) 데이터는 암호화된다.
효율성 외에도, 중앙화된 모델 내 편향성과 잠재적 검열에 대한 우려가 커지고 있다. Web3 환경은 투명성과 검증 가능성으로 유명하며, Web2에서는 무시되거나 지나치게 민감하다고 여겨져 지원되지 않는 모델들의 훈련을 가능하게 한다. 이러한 모델들은 성능이나 혁신 측면에서 경쟁력이 떨어질 수 있지만, 특정 사회 집단에게는 여전히 중요한 가치를 가진다. 따라서 Web3 프로토콜은 더욱 개방적이고 신뢰 가능하며 검열에 강한 모델 훈련 서비스를 제공함으로써, 독자적인 시장을 창출할 수 있다.
초기에는 중앙화와 탈중앙화 방식이 서로 다른 사용 사례를 대상으로 공존할 수 있다. 그러나 Web3의 개발자 경험과 플랫폼 호환성이 향상되고, 오픈소스 AI의 네트워크 효과가 점차 나타나면서, Web3는 궁극적으로 중앙화 기업의 핵심 영역에서도 경쟁할 수 있게 될 것이다. 특히 사용자들이 중앙화 모델의 한계를 점점 더 인식하게 되면, Web3의 장점은 더욱 두드러질 것이다.
중간 수준 또는 특정 분야 모델의 훈련 외에도, Web3 참여자들은 더 투명하고 유연한 추론 솔루션을 제공할 수 있는 이점을 갖추고 있다. 탈중앙화된 추론 서비스는 다수의 이점을 제공하는데, 예를 들어 서비스 중단 제로(Zero downtime), 모델의 모듈화된 조합, 공개된 모델 성능 평가, 그리고 다양하고 검열 없는 출력 결과 등을 들 수 있다. 또한 이러한 서비스는 사용자가 소수의 중앙화된 공급업체에 의존하면서 겪는 '공급업체 묶임(lock-in)' 문제를 효과적으로 완화할 수 있다. 모델 훈련과 마찬가지로, 탈중앙화된 추론 계층의 경쟁 우위는 계산 능력 자체보다는 폐쇄형 파인튜닝(fine-tuning) 파라미터의 투명성 부족, 검증 불가능성, 높은 비용 등 오래된 문제들을 해결하는 데 있다.
Dan Olshansky는颇有前景한 아이디어를 제안했다. 바로 POKT의 AI 추론 라우팅 네트워크를 통해 AI 연구자와 엔지니어들이 자신의 연구 성과를 실현할 수 있는 기회를 확대하고, 맞춤형 머신러닝(ML) 또는 인공지능(AI) 모델을 통해 추가 수익을 창출할 수 있도록 하는 것이다. 무엇보다도, 이 네트워크는 탈중앙화 및 중앙화된 공급자들을 포함한 다양한 출처의 추론 결과를 통합함으로써, 추론 서비스 시장의 보다 공정한 경쟁을 촉진할 수 있다.
낙관적인 전망에서는 미래에 전체 AI 기술 스택이 체인 상으로 완전히 이전할 수 있다고 보지만, 현재로서는 데이터와 컴퓨팅 자원의 중앙화라는 거대한 장벽이 존재한다. 왜냐하면 이러한 자원들이 기존 거물들에게 명백한 경쟁 우위를 제공하기 때문이다. 그러나 탈중앙화된 조정 및 컴퓨팅 네트워크는 더 개인화되고, 경제적이며, 개방적이고 공정한 경쟁이 가능하며 검열에 강한 AI 서비스를 제공하는 데서 독특한 가치를 보여주고 있다. 이러한 가치가 특히 중요한 니치 시장에 집중함으로써 Web3는 자체적인 경쟁 벽을 구축할 수 있으며, 이 시대 가장 영향력 있는 기술이 소수의 전통적 거물들에 의해 독점되는 것이 아니라, 다양한 방향으로 함께 진화하여 보다 광범위한 이해관계자들에게 혜택을 줄 수 있도록 할 수 있다.
마지막으로 본 글 작성 과정에서 리뷰와 귀중한 피드백을 제공해 준 Placeholder Investment 팀 전원, Multicoin Capital의 Kyle Samani, Canonical VC의 Anand Iyer, Nectar AI의 Keccak Wong, Osmosis Labs의 Alpin Yukseloglu, NEAR Foundation의 Cameron Dennis에게 특별히 감사드립니다.
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
@placeholdervc
