DeepSeek이 Web3 AI 상하류 프로토콜에 미치는 영향
글: BlockBooster의 연구원 Kevin
TL;DR
-
DeepSeek의 등장은 컴퓨팅 파워의 성벽을 무너뜨렸으며, 오픈소스 모델이 주도하는 컴퓨팅 최적화가 새로운 방향이 되었다.
-
DeepSeek는 업계 상하류 중 모델 계층과 애플리케이션 계층에 긍정적인 영향을 미치지만, 인프라 내 컴퓨팅 프로토콜에는 부정적인 영향을 준다.
-
DeepSeek의 긍정적 효과는 Agent 분야의 마지막 거품을 우연히 꺼뜨렸으며, DeFAI가 새로운 생태를 만들어낼 가능성이 가장 크다.
-
프로젝트 펀딩의 제로섬 게임은 종식될 전망이며, 커뮤니티 런칭 + 소수 VC의 새로운 펀딩 방식이 일반화될 수 있다.
DeepSeek가 촉발한 충격은 올해 AI 산업의 상하류에 깊고 오랜 영향을 미칠 것이다. DeepSeek는 가정용 소비자급 GPU가 기존에 고성능 GPU 수백 대가 필요했던 대규모 모델 학습 작업을 수행할 수 있게 만들었다. AI 발전의 첫 번째 성벽이었던 컴퓨팅 파워가 붕괴되기 시작한 것이다. 알고리즘 효율이 매년 68% 속도로 기하급수적으로 발전하는 반면, 하드웨어 성능은 무어의 법칙에 따라 선형적으로 증가할 뿐이다. 지난 3년간 굳어진 가치 평가 모델은 더 이상 유효하지 않으며, AI의 다음 장은 오픈소스 모델이 열게 될 것이다.
Web3의 AI 프로토콜은 Web2와 근본적으로 다르지만, DeepSeek의 영향을 피할 수는 없다. 이러한 영향은 Web3 AI의 상하류—인프라 계층, 미들웨어 계층, 모델 계층, 애플리케이션 계층—에서 새로운 사용 사례를 창출하게 될 것이다.
상하류 프로토콜 간 협력 관계 정리
기술 아키텍처, 기능 위치 및 실제 사용 사례 분석을 통해 나는 전체 생태계를 인프라 계층, 미들웨어 계층, 모델 계층, 애플리케이션 계층으로 나누고 그 의존 관계를 정리하였다:
인프라 계층
인프라 계층은 탈중앙화된 기본 자원(컴퓨팅 파워, 스토리지, L1)을 제공한다. 컴퓨팅 프로토콜에는 Render, Akash, io.net 등이 있으며, 스토리지 프로토콜에는 Arweave, Filecoin, Storj 등이 있고, L1에는 NEAR, Olas, Fetch.ai 등이 있다.
컴퓨팅 계층 프로토콜은 모델 학습, 추론 및 프레임워크 실행을 지원하며, 스토리지 프로토콜은 학습 데이터, 모델 파라미터 및 체인 상의 상호작용 기록을 보관한다. L1은 전용 노드를 통해 데이터 전송 효율을 최적화하고 지연을 줄인다.
미들웨어 계층
미들웨어 계층은 인프라와 상위 애플리케이션을 연결하는 다리 역할을 하며, 프레임워크 개발 도구, 데이터 서비스, 개인정보 보호 기능을 제공한다. 데이터 어노테이션 프로토콜에는 Grass, Masa, Vana 등이 있으며, 개발 프레임워크 프로토콜에는 Eliza, ARC, Swarms 등이 있고, 개인정보 계산 프로토콜에는 Phala 등이 있다.
데이터 서비스 계층은 모델 학습에 필요한 연료를 제공하며, 개발 프레임워크는 인프라 계층의 컴퓨팅 파워와 스토리지를 활용한다. 개인정보 계산 계층은 학습/추론 과정 중 데이터 보안을 보호한다.
모델 계층
모델 계층은 모델 개발, 학습, 배포를 담당하며, 여기에는 오픈소스 모델 학습 플랫폼 Bittensor가 포함된다.
모델 계층은 인프라 계층의 컴퓨팅 파워와 미들웨어 계층의 데이터에 의존한다. 모델은 개발 프레임워크를 통해 체인 상에 배포되며, 모델 마켓플레이스는 학습 결과를 애플리케이션 계층으로 전달한다.
애플리케이션 계층
애플리케이션 계층은 최종 사용자를 위한 AI 제품으로, Agent에는 GOAT, AIXBT 등이 있고, DeFAI 프로토콜에는 Griffain, Buzz 등이 있다.
애플리케이션 계층은 모델 계층의 사전 학습된 모델을 호출하며, 미들웨어 계층의 개인정보 계산에 의존한다. 복잡한 애플리케이션은 인프라 계층의 실시간 컴퓨팅 파워를 필요로 한다.
DeepSeek가 탈중앙화 컴퓨팅에 부정적 영향을 미칠 가능성
표본 조사에 따르면, 약 70%의 Web3 AI 프로젝트가 실제로 OpenAI 또는 중심화된 클라우드 플랫폼을 사용하고 있으며, 단 15%만이 탈중앙화된 GPU(예: Bittensor 서브넷 모델)를 사용하고 있으며, 나머지 15%는 혼합 구조(민감한 데이터는 로컬 처리, 일반 작업은 클라우드 사용)를 사용하고 있다.
탈중앙화 컴퓨팅 프로토콜의 실제 사용률은 예상보다 훨씬 낮으며, 이는 시가총액과 맞지 않는다. 사용률이 낮은 이유는 세 가지다: Web2 개발자가 Web3로 이동하면서 기존 도구 체인을 계속 사용하고 있음; 탈중앙화 GPU 플랫폼이 아직 가격 경쟁력을 확보하지 못함; 일부 프로젝트가 '탈중앙화'라는 이름으로 데이터 규제 검사를 회피하려 하지만 실제로는 중심화된 클라우드에 컴퓨팅 파워를 의존하고 있음.
AWS/GCP는 AI 컴퓨팅 시장 점유율의 90% 이상을 차지하고 있으며, 이에 비해 Akash의 동등한 컴퓨팅 파워는 AWS의 0.2%에 불과하다. 중심화된 클라우드 플랫폼의 성벽은 클러스터 관리, RDMA 고속 네트워크, 탄력적 확장·축소에 있다. 탈중앙화 클라우드 플랫폼은 위 기술의 Web3 버전을 갖추고 있으나, 해결되지 않은 결함들이 있다. 즉, 지연 문제: 분산 노드 간 통신 지연이 중심화된 클라우드보다 6배 길다. 도구 체인 단절: PyTorch/TensorFlow가 탈중앙화 스케줄링을 기본 지원하지 않는다.
DeepSeek는 희소 학습(Sparse Training)을 통해 컴퓨팅 소비를 50% 줄였으며, 동적 모델 가지치기(pruning)를 통해 소비자급 GPU로도 수백억 개의 파라미터를 가진 모델을 학습시킬 수 있다. 고성능 GPU에 대한 단기 수요 전망이 크게 하향 조정되었으며, 엣지 컴퓨팅 시장 잠재력도 재평가되고 있다. 아래 이미지에서 보듯이, DeepSeek 등장 이전 대부분의 프로토콜과 애플리케이션이 AWS 등의 플랫폼을 사용했으며, 탈중앙화 GPU 네트워크에 배포된 사례는 극소수에 불과했다. 이러한 사례들은 후자의 소비자급 컴퓨팅 가격 우위를 중시했으며 지연 문제에는 관심이 없었다.
이러한 상황은 DeepSeek의 등장으로 더욱 악화될 수 있다. DeepSeek는 롱테일 개발자의 제약을 해제했으며, 저비용 고효율 추론 모델이 전례 없는 속도로 보급될 것이다. 실제로 현재 위 중심화된 클라우드 플랫폼들과 여러 국가들이 이미 DeepSeek를 배치하기 시작했으며, 추론 비용의 급격한 감소는 수많은 프론트엔드 애플리케이션을 촉발할 것이다. 이러한 애플리케이션들은 소비자급 GPU에 대한 막대한 수요를 가질 것이다. 다가올 거대한 시장을 앞두고 중심화된 클라우드 플랫폼들은 새로운 사용자 유치 경쟁을 벌일 것이며, 이는 단순히 상위 플랫폼 간 경쟁을 넘어 수많은 소규모 중심화 클라우드 플랫폼과의 경쟁이 될 것이다. 가장 직접적인 경쟁 수단은 가격 인하이며, 중심화된 플랫폼에서 4090 가격이 하락할 것으로 예상된다. 이는 Web3의 컴퓨팅 플랫폼에게 치명타가 될 것이다. 가격이 후자의 유일한 성벽이었는데, 이마저 사라지고 다른 컴퓨팅 플랫폼들도 가격 인하를 강요받는다면, io.net, Render, Akash 등은 이를 감당할 수 없게 된다. 가격 전쟁은 후자의 남아있는 가치 평가 한계를 무너뜨릴 것이며, 수익 감소와 사용자 이탈이라는 악순환이 탈중앙화 컴퓨팅 프로토콜의 새로운 방향 전환을 요구할 수 있다.
DeepSeek가 산업 상하류 프로토콜에 미치는 구체적 의미
아래 이미지에서 보듯이, DeepSeek는 인프라 계층, 모델 계층, 애플리케이션 계층에 각각 다른 영향을 미칠 것으로 본다. 긍정적 영향은 다음과 같다:
-
애플리케이션 계층은 추론 비용의 급격한 감소로부터 이득을 얻게 되며, 더 많은 애플리케이션이 저비용으로 Agent 애플리케이션을 장시간 온라인 상태로 유지하고 실시간으로 작업을 완료할 수 있다.
-
또한 DeepSeek와 같은 저비용 모델 운영은 DeFAI 프로토콜이 더 복잡한 SWARM을 구성할 수 있게 하며, 수천 개의 Agent를 하나의 사용 사례에 적용할 수 있고, 각 Agent의 분담 작업은 매우 세밀하고 명확해져 사용자 경험을 크게 향상시키며, 사용자 입력이 모델에 의해 잘못 분해되고 실행되는 것을 방지할 수 있다.
-
애플리케이션 계층의 개발자는 모델을 미세 조정하여 DeFi 관련 AI 애플리케이션에 가격, 체인 상 데이터 및 분석, 프로토콜 거버넌스 데이터 등을 제공할 수 있으며, 더 이상 높은 라이선스 비용을 지불할 필요가 없다.
-
DeepSeek 출시 이후 오픈소스 모델 계층의 존재 의미가 입증되었으며, 고성능 모델이 롱테일 개발자들에게 공개됨으로써 광범위한 개발 열풍을 촉진할 수 있다.
-
지난 3년간 고성능 GPU 중심으로 구축된 컴퓨팅 고성능 장벽이 완전히 무너졌으며, 개발자들은 더 많은 선택권을 가지게 되었고, 오픈소스 모델이 방향성을 확립하게 되었다. 앞으로 AI 모델의 경쟁은 컴퓨팅 파워가 아닌 알고리즘에 집중될 것이며, 이러한 신념의 변화는 오픈소스 모델 개발자들의 자신감 기반이 될 것이다.
DeepSeek 기반 특화 서브넷이 계속해서 등장할 것이며, 동일한 컴퓨팅 파워 하에서 모델 파라미터는 증가하고, 더 많은 개발자들이 오픈소스 커뮤니티에 참여하게 될 것이다.
부정적 영향은 다음과 같다:
-
인프라 내 컴퓨팅 프로토콜의 객관적인 지연 문제는 최적화할 수 없다.
-
A100과 4090으로 구성된 혼합 네트워크는 조정 알고리즘에 더 높은 요구를 하며, 이는 탈중앙화 플랫폼의 강점이 아니다.
DeepSeek가 Agent 분야의 마지막 거품을 꺼뜨리고, DeFAI가 새로운 생태를 만들며, 산업 펀딩 방식의 전환
Agent는 업계 내 AI의 마지막 희망이었으나, DeepSeek의 등장은 컴퓨팅 제약을 해제하고 애플리케이션 폭발의 미래 전망을 제시했다. 본래 Agent 분야에 큰 호재였지만, 업계가 미국 증시 및 연준 정책과 강한 연관성을 가지는 탓에, 남아있던 마지막 거품마저 꺼졌으며, 해당 분야 시가총액은 바닥을 치고 있다.
AI와 업계의 융합 물결 속에서 기술 돌파와 시장 경쟁은 항상 함께했다. 엔비디아 시가총액의 진동이 초래한 연쇄 반응은 마치 요괴를 비추는 거울처럼, 업계 내 AI 스토리텔링의 심층적 곤경을 드러낸다. 온체인 Agent에서 DeFAI 엔진에 이르기까지 겉보기엔 완전한 생태도 있지만, 기술 기반 시설의 취약성, 가치 논리의 공허함, 자본 중심의 잔혹한 현실이 숨겨져 있다. 겉으로 번영하는 체인 상 생태계는 숨은 질병을 안고 있다. 많은 고 FDV 토큰이 제한된 유동성을 두고 경쟁하며, 낡은 자산은 FOMO 감정에 의존해 연명하고, 개발자들은 PVP 내에서 혁신 에너지를 소모하고 있다. 증가하는 자금과 사용자 성장이 천장을 치게 되면, 전체 산업은 '혁신자의 딜레마'에 빠지게 된다. 돌파구가 되는 획기적인 스토리를 원하면서도, 기존 경로 의존에서 벗어나지 못하는 것이다. 이러한 분열 상태는 오히려 AI Agent에게 역사적 기회를 제공한다. 이는 단순한 기술 도구 상자의 업그레이드가 아니라, 가치 창조 패러다임의 재구성이다.
지난 1년간, 업계에서 점점 더 많은 팀들이 전통적인 펀딩 모델이 무너지고 있다는 것을 깨닫고 있다. VC에 소량 지분을 주고, 높은 지배력을 유지하며, 상장 후 랠리를 노리는 방식은 더 이상 지속 불가능하다. VC의 자금이 줄어들고, 개인 투자자들이 받아들이기를 거부하며, 대형 거래소의 상장 문턱이 높아지는 세 가지 압박 속에서, 약세장에 더 적합한 새로운 방식이 부상하고 있다. 주요 KOL과 소수 VC를 연합해, 대비율로 커뮤니티에 발행하고, 낮은 시가총액으로 차가운 시작(cold start)을 하는 방식이다.
Soon과 Pump Fun을 대표로 하는 혁신자들은 '커뮤니티 발행'을 통해 새로운 길을 개척하고 있다. 주요 KOL의 후원을 받아 40~60%의 토큰을 직접 커뮤니티에 분배하며, 최저 1000만 달러 FDV의 저평가 수준에서 프로젝트를 시작해 수백만 달러의 펀딩을 달성한다. 이 모델은 KOL의 영향력을 통해 공감대와 FOMO를 형성해 팀이 조기에 수익을 확보할 수 있도록 하며, 동시에 높은 유통성을 통해 시장 깊이를 확보한다. 단기 지배력은 포기하지만, 약세장에서 정규화된 시장 메커니즘을 통해 저가에 토큰을 다시 매입할 수 있다. 본질적으로 이것은 권력 구조의 패러다임 전환으로서, VC 중심의 도미노 게임(기관이 인수 → 상장 후 매도 → 개인이 매수)에서 벗어나, 커뮤니티의 공감대 기반 가격 결정의 투명한 경쟁으로 전환하는 것이다. 프로젝트팀과 커뮤니티는 유동성 프리미엄 속에서 새로운 공생 관계를 형성하게 된다. 산업이 투명성 혁신 주기에 접어들면서, 전통적인 지배 논리를 고집하는 프로젝트는 권력 이동 물결 속에서 시대에 뒤떨어진 잔해가 될 수 있다.
시장의 단기적 고통은 장기적으로 기술의 불가역적 흐름을 입증하고 있다. AI Agent가 체인 상 상호작용 비용을 두 자릿수로 낮추고, 적응형 모델이 DeFi 프로토콜의 자금 효율을 지속적으로 최적화한다면, 업계는 오랫동안 기다려온 대규모 채택(Massive Adoption)을 맞이할 수 있을 것이다. 이 변혁은 개념 과장이나 자본의 조기 성숙에 의존하지 않으며, 진정한 수요에 기반한 기술의 침투력에 뿌리를 두고 있다. 전기 혁명이 전구 회사의 파산에도 멈추지 않았듯이, Agent는 결국 거품 붕괴 후 진정한 황금 분야가 될 것이다. 그리고 DeFAI가 바로 새로운 생명을 낳는 비옥한 땅이 될 수 있다. 저비용 추론이 일상이 되면, 우리는 곧 수백 개의 Agent가 하나의 Swarm에 조합된 사용 사례를 목격하게 될 것이다. 동등한 컴퓨팅 파워 하에서 모델 파라미터가 크게 증가하면, 오픈소스 모델 시대의 Agent를 더 충분히 미세 조정할 수 있으며, 복잡한 사용자 입력 명령이라도 단일 Agent가 충분히 수행 가능한 작업 파이프라인으로 분해할 수 있다. 각 Agent가 체인 상 작업을 최적화함으로써 전체 DeFi 프로토콜의 활성화와 유동성 증가를 촉진할 수 있다. DeFAI를 중심으로 더 복잡한 DeFi 제품들이 등장하게 될 것이며, 바로 이곳이 이전 거품 붕괴 후 새로운 기회가 나타나는 자리이다.
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
