AI 가 전 세계를 휩쓸는데, Crypto + AI 는 왜 이렇게 부진한가?
글쓴이: Ekko an, Ryan Yoon
번역: Chopper, Foresight News
TL;DR
- 인공지능의 급격한 발전 배경 속에서, 우리는 수요 측 관점에서 블록체인 산업을 평가해야 합니다: 기존 시스템이 해결하지 못하는 문제를 어떤 점까지 해결하며, 어떤 고유한 능력을 가져오는가?
- 탈중앙화 컴퓨팅 파워, 탈중앙화 스토리지는 데이터 주권, 비용 우위 등 합리적인 논리가 존재하지만, 기존 클라우드 서비스 제공업체와 깊게 결합된 기업이 전환 위험을 감수할 만큼 절대적인 기술적 우위를尚未 형성하지는 못했습니다.
- 모델 검증, 프라이버시 암호화 기술은 기업의 당면한 비즈니스 페인 포인트를 해결할 수 없으며, 기업이主動적으로 대규모 도입을 하지 않을 것입니다; 해당 섹터의 수요는 규제 정책出台보다 늦어질 가능성이 높습니다. 유럽 AI 법안이 대표적인 선례입니다: 먼저 표준이出台되어야 시장 수요가跟进합니다.
- AI 에이전트底层 인프라 섹터의 병목 현상은 기술에 있지 않습니다. 주요 기업들의 현재 중점은 내부 프로세스 자동화이며, 블록체인 프로젝트는 다음 단계의底层 인프라를 연구 개발하고 있습니다. 시장 수요 성숙도가 기술 발전 속도를 따라가지 못하고 있습니다.
- AI 에이전트 결제는 블록체인과 전통 금융이 같은 출발선에 서 있는 유일한 섹터입니다. 양측 모두 산업 페인 포인트를 제대로 해결하지 못했으며, 현재 직접 경쟁 조건을 갖춘 유일한 세부 분야입니다.
- 전체적으로 볼 때, 블록체인 + AI 섹터의困境은 둘의 결합 논리가 모순되기 때문이 아니라 수요와 공급의 심각한 불일치 때문입니다. 네 가지 세부 섹터各有 독특한 수요 부재 문제가 있으며, AI 에이전트 결제 섹터만이 현재 직접 시장 경쟁에 참여할 조건을 갖추고 있습니다.
AI 의 전면적인 폭발, 그러나 블록체인 섹터는 훨씬 뒤처져 있다
AI 산업은 전례 없는 자본과 인프라 투자 열기를 맞이했으며,各大科技巨头가 구축한 대형 모델 생태계는 대중의 생활과 산업 생산 전반에 침투했습니다. 암호화 산업도 빠르게 반복하며 AI 와의 기술 결합점을 찾으려 시도하고 있습니다.
초기 탐구 방향은 전통적인 AI 산업 체인環節을 보완하고 복제하는 데 집중되었습니다: 탈중앙화 GPU 컴퓨팅 파워 공급, 데이터 소유권 확인, 암호학적 모델 검증. 최근 산업의 중점은 중앙화 아키텍처가 공략하기 어려운 페인 포인트 해결로 전환되었습니다. AI 에이전트의自主 온체인 상호작용, 기계 간 실시간 자동 결제 등이 포함됩니다.
막연히 'AI + 블록체인'으로 전체 섹터를概括하면 세부 분야의真实 차이점을 가릴 뿐입니다. 우리는 엄격한 수요 측 분석을 진행해야 합니다: 각 세부 섹터는 어떤 문제를 목표로 하는가? 블록체인 네이티브 솔루션이 진정한 차별화된 해결책을 제공할 수 있는가?
네 가지 세부 섹터
탈중앙화 컴퓨팅 파워
현재 클라우드 시장은 소수의头部科技企业가 컴퓨팅 파워 자원을 장악하는 데高度 의존하고 있습니다.高性能 GPU 조달 난이도가 크고 비용이高昂하여, 대형 인프라를 구축할 여력이 없는 AI 스타트업 팀과 연구 기관은极高的 진입 장벽에 직면해 있습니다.
중앙화 플랫폼 자원은大客户에게 우대되며, 시장의海量 유휴 GPU 컴퓨팅 파워에는 중립적인 조정 채널이 부족합니다.
탈중앙화 컴퓨팅 파워는 두 가지 모델을 통해 자원 집중과 비효율 문제를 해결합니다. 공유 경제 모델은 개인, 소형 데이터 센터의 유휴 그래픽 카드 자원을 집계하여 통일된 컴퓨팅 파워 네트워크를 구축하고,科技巨头의 독점을 우회하며 탄력적 공급 시스템을 만듭니다.
분산형 컴퓨팅 파워 모델은 사용자가 전 세계적으로 컴퓨팅 파워를 임대할 수 있게 하여 단일 서비스 제공업체의 하드웨어에 의존하지 않으며, 유휴 하드웨어 활용률을 높이고高性能 컴퓨팅 파워 사용 문턱을 낮춥니다.
탈중앙화 스토리지
기존 데이터 저장 시스템은 거의 완전히 구글, Meta 등 중앙화 클라우드 서비스 제공업체에依附되어 있습니다. 사용자가 데이터를 업로드한 후, 실제 데이터 소유권은 플랫폼으로 이전되며 AI 훈련 데이터는长期巨头에 독점됩니다. 동시에 중앙화 아키텍처는 운영 리스크가 존재합니다: 정책 변동, 서비스 중단, 플랫폼 고장 등은 데이터 접근 불가甚至 영구丢失로 이어질 수 있습니다.
탈중앙화 스토리지는 두 가지 방식을 통해 이러한 구조적 문제를 해결합니다. Filecoin 과 Arweave 를 대표적인 공유 경제 모델로 꼽을 수 있으며, 각 참여자의 유휴 저장 공간을 하나의 네트워크로汇集하여 기존 중앙화 클라우드를 대체할 수 있습니다.
영구 저장 모델은 데이터를 분산형 노드에多重 백업하여 단일 서버 운영 상태에 영향을 받지 않으며, 단일 플랫폼에 대한 의존도를 낮춥니다.
온체인 데이터 거래 시장
AI 연구 개발에는海量 훈련 데이터가 필요하지만, 기존 데이터 유통 시장은高度 폐쇄적이며 Hugging Face, 各大 클라우드 업체가 수익과定价权을 독점하고 있습니다. 데이터 창작자의 수익은 미미하며, 데이터 기여 인센티브 메커니즘은 투명성이 부족합니다.
온체인 거래 시장은 스마트 계약을 통해 중간 상인을 제거하고 투명한 거래 규칙을 구축합니다. Ocean Protocol 등의 직접 거래 모델에서 데이터 소유자와 인공지능 개발자는 스마트 계약을 통해 직접 거래하며, 보상은 투명한 방식으로分配됩니다. Grass 등의 기여 보상 모델에서 개인은 유휴 대역폭을 인공지능 데이터 수집에 연결하고 기여 가치에 따라相应的 보상을 받습니다.
모델 추론 검증 및 프라이버시 보호
전통적인 AI 는 블랙박스 시스템에 속하며, 외부에서 모델 연산이 규정을 준수하는지, 민감한 사용자 데이터가 안전하게 처리되는지 검증할 수 없습니다.
제로 지식 머신 러닝 (ZKML) 은 AI 추론 레이어에 암호학적 검증 메커니즘을 중첩하여 프라이버시 보호와 감사 추적 가능성을 동시에 실현합니다. 모델 연산은依旧链下에서 완료되지만, 연산 과정은 암호화된 증凭证을 생성하여 전체 프로세스가预设 규칙을 엄격히 따랐음을 증명합니다.
이러한 증명 기록은底层 데이터가 아닌链上에 기록됩니다. 예를 들어: 의료보험 자동 청구场景에서 병원은 AI 연산 준수 증凭证만 업로드하며 환자 병력을 완전히 업로드할 필요가 없습니다; 보험 회사는 증凭证의 진위만 검증하면 청구를 완료할 수 있으며, 전체 과정에서 원본 프라이버시 의료 데이터에 접근할 수 없습니다.
AI 에이전트 프레임워크
AI 에이전트는 점차 트래픽과 가치 창출의 핵심이 되며, 도구에서自主 경제 주체로 진화하고 있습니다. 기존 금융 시스템은 인간의 소비 행위를 기반으로 설계되어 기계 주도의 결제场景에天然적으로 적응할 수 없습니다.
에이전트 경제는 밀리초 단위의 고빈도 소액 거래, 국경 간 실시간 결제가 필요하며, 전통적인 금융 인프라는 이를 감당하기 어렵습니다.
온체인 에이전트 인프라는 두 가지 메커니즘을 통해 이 문제를 해결합니다.自主 실행 및 제어 메커니즘은 인공지능 체에게 고유한 지갑과 신원을 할당하여 직접 거래에 서명할 수 있게 하며, 구성 가능한 지출 한도 및 보안 조치를 설정하여 예상치 못한 행위를 방지합니다.
프로토콜 기반 결제 메커니즘은 스테이블코인 결제 프로토콜 (예: x402) 을 사용하여 마이크로 거래와 고빈도 결제를 실시간으로 처리하며, 통화 전환 및 승인 프로세스를 우회합니다.
블록체인 + AI 와 전통적인 AI 산업 체인의 차이
전통적인 AI 산업 체인의 자본 논리는 '발전 병목 현상 제거'를 중심으로展开됩니다. AI 수요 확장随着,显存, 전력, 데이터 전송 대역폭이相继短板이 되었으며, 병목 현상을 빠르게 해결할 수 있는 기업 (예: 고대역폭 메모리 제조사, 전력 인프라 기업) 은巨额 자금 조달과 시가총액 상승을 얻었습니다. 시장은 성장 병목 현상을 제거하는 솔루션에高额 평가를 지불할 의향이 있습니다.
블록체인 + AI 프로젝트는确实真实 산업 페인 포인트를 목표로 했지만,始终 동등한 시장 관심을 얻지 못했습니다.倘若 이러한 문제가 정말 절박했다면 시장은早已 대규모 도입 전환이 나타났을 것입니다.
비록 탈중앙화 컴퓨팅 파워, 데이터 소유권 확인 등 섹터가 합리적인 가치를 갖추고 있지만,主流 자본을 유치하기 어려운 핵심 모순은 기술 공급 측과 자금을 쥔 구매 측의 수요가 심각하게脱节되었기 때문입니다.
인공지능 산업 발전 템포는 빡빡하며, 구매자 (주로 대형科技 기업과 기업 고객) 는 현재 운영 병목 현상을 가장 빠르게 해결할 수 있는 솔루션에 대규모로 투자합니다. 그들은 검증되지 않은 인프라를 평가할 시간을 내지 않습니다. 그들의首要 고려 사항은 컴퓨팅 성능, 인프라 신뢰성 및 측정 가능한 투자 수익률입니다.
예를 들어: 데이터 전송 속도가 모델 훈련의 병목 현상이 되었을 때,大量 자금은 구리 케이블을 대체하기 위해 광섬유 인프라로 유입되었습니다. 메모리 대역폭이 주요 제약 요소가 되었을 때, SK 하이닉스와 삼성전자는 고대역폭 메모리를 제공하여 이 문제를 해결했으며, 이를 통해 전 세계적으로名聲을 떨쳤습니다. 이러한 모델은 일관되었습니다: 자본은 제약 요소를 제거하고 진보를 이끄는 기업을 따릅니다.
블록체인 + AI 섹터의 근본적인 문제는 포지셔닝 편차입니다.大额 예산을 쥔 기업은 단기 성능 향상, 비용 감소만 중시합니다; 반면 블록체인 AI 프로젝트는 기업眼中次要,遠期的长期 이슈를深耕하고 있습니다. 공급 측 기술 비전과 수요 측 현재 운영 수요가 일치하지 않습니다.
공급 측 기술 비전과 수요 측 현재 운영 수요가 일치하지 않습니다.
기술적 하드 파워 부족
不少 프로젝트는 벤치마크 테스트를 통해 탈중앙화 인프라의 잠재력과 설계 사상을 증명했지만, 혁신적인 기술 breakthrough 를 이루지 못하여 시장에根深蒂固한 중앙화 클라우드 업체 (AWS, GCP 등) 를撼动하기에 부족합니다.
중앙화 클라우드 플랫폼은早已海量 자금과 성숙한 인프라를 손에 쥐고 있으며, 새로운 기술이 시장 점유율을 차지하려면 기업이 전환 비용을 감수할 willing 하게 만들 만큼 압도적인 성능 우위를必须具备 해야 합니다. 애플이 인텔 칩에서自研 M1 칩으로 전환할 때 소프트웨어 호환성 붕괴라는巨大的 리스크를 감수해야 했으며, 이를 지지한 결정은 에너지 효율이 세 배 향상된 우위였습니다. 이 수익은 전환代价를 커버하기에 충분했습니다.
반면 블록체인 + AI 는 현재 PB 급 데이터 동기화, 초저지연이 필요한 기업 고객에게 충분히 설득력 있는 수익 논리를 제공하지 못하며, 기업은 마이그레이션 리스크를 감수하려 하지 않습니다.
수요와 공급의 구조적 불일치
일부 탈중앙화 컴퓨팅 파워 프로젝트는 서비스 수준 계약을 출시하여 기업 리스크를 낮추지만, 기업은依旧观望합니다. 문제의 근원은 계약이 아닌底层 구조에 있습니다:头部 클라우드 서비스 제공업체는 전용 격리机房을 제공할 수 있습니다; 블록체인 네트워크는 분산된, 익명 노드에 의존하여 컴퓨팅 파워를 제공합니다.
一旦某 노드가 오프라인이 되어 가치 수억의 모델 훈련이 중단되면, 토큰 환불, 현금 보상 모두 기업이 잃은 시간 비용과 비즈니스 기회를 보상할 수 없습니다.激烈的 산업 경쟁 속에 있는 기업에게 시스템 안정성은 타협할 수 없는底线입니다. 비록配套 리스크 헤지 도구가 있더라도, 기업은 탈중앙화 네트워크自带의 불확실성을 인수할 동기가 없습니다.
시장 수요가 아직 성숙하지 않음
블록체인 에이전트 프레임워크는 다중 에이전트 협업 자율의 성숙한 생태계를 지향하지만,主流 시장 발전 단계는 이 비전에 훨씬 미치지 못합니다.
마이크로소프트, Salesforce 등 기업은 AI 에이전트 도입을 가속화하고 있지만, 현재 모두 인트라넷 프로세스 자동화에 집중하고 있습니다. 블록체인 프로젝트가 구축한 인프라는 다음 단계를 서비스합니다: 기업 간 외부 네트워크에서 독립적으로 운영되는 자율 에이전트. 현재绝大多数 기업은 여전히 기존 AI 시스템의 안정성과 투자 수익률을 다듬고 있으며,跨 네트워크 다중 에이전트 협업은 전혀 기업 인프라 계획의 우선 목록에 없습니다.
현재 단계의 수요 부진은 발전 주기 문제이며 기술 결함이 아닙니다. 블록체인 에이전트 인프라는 단기 현금화 비즈니스보다는 미래 에이전트 경제를 위한长期 인프라 배치로 포지셔닝하는 것이 더 적합합니다.
규제
제로 지식 증명, 프라이버시 암호화 기술은 신뢰할 수 있는 AI 를 구축하는 핵심 솔루션이지만, AI 보급 초기 단계에서 기업이 프라이버시 인프라를 도입하려는主動적 수요는 극히 낮습니다. 기업의 자발적 의존으로 대규모 도입을 추진하기는 어렵습니다; 산업 수요는大概率 규제 표준에 의해催生되며, 기술은 그에配套되어合规 요구에 따라 도입됩니다.
유럽 AI 법안 등 글로벌 규제 세부 규정이 지속적으로 세분화되면서 섹터에 호재를 가져오고 있습니다. 데이터 추적, 데이터 안전이硬性 법적 요구사항이 형성되면, 블록체인의 검증 능력은 선택 기능에서 기업이 AI 를 도입하는合规 필수 항목으로 변할 것입니다.
규제 완비는 산업 제약이 아니라 시장 형성의 촉매제입니다.清晰的 법규는 산업 불확실성을 낮추며, 기관 시장에서 블록체인 + AI 의 안정적인 도입 채널을 열어줍니다.
벤치마크 사례 부재
여러 구조적 모순이 겹쳐衍生的 가장 핵심적인 장벽: 상업적 가치를 증명할 설득력 있는 대규모 벤치마크 사례가 없습니다. 전통적인 AI 산업은 ChatGPT 를 통해 성장 플라이휠을 형성했으며, 전 국민이 볼 수 있는 히트 제품 하나가海量 자본과 인재가 지속적으로 반복하도록 끌어들였습니다.
블록체인 + AI 섹터는 지금까지 동등한 규모의 제품 시장 적합성 사례가 없습니다. 초기 커뮤니티 열기를 제외하면, 기업의 생산, 대중의 일상 소비场景에 침투한 프로젝트가 없으며, 전통 기관 자본의重视를 얻지 못합니다. 벤치마크 도입 사례 부재는 보수적인 기관 자금을 단념시키고 산업 보급을 지연시키는最大的 장벽입니다.
블록체인 + AI 는 장기적인 가치를 가지고 있는가?
단기 시장 열기를 제쳐놓고, 블록체인 + AI 는 아직主流 AI 산업 체인에 입지를 다지지 못했지만, 이것이 둘의 결합에 가치가 없다는 것을 의미하지는 않습니다.
섹터가 냉랭해진 핵심 원인은 기술 조합 논리의 모순이 아니라, 각 세부 섹터마다 성숙한 산업 수요와 기술 공급 방향의 어긋남이 존재하기 때문입니다.
전통적인 AI 산업의 핵심 요구는 매우 명확합니다: 단기 성능 향상, 비용 최적화, 극致的 인프라 안정성; 반면绝大多数 블록체인 AI 솔루션은 데이터 소유권, 연산 투명성, 탈중앙화에 집중합니다.
이러한 것들은 산업이 현재亟待 해결하는 병목 현상이 아니며, 도입은 종종 성능을 희생해야 하며 투자 대비 수익률이 기업을 설득하기 어렵습니다.
인공지능 열풍이 일기 전, 전력 인프라 회사는 일반적으로 성숙하고 성장이 느린 기업으로 분류되었습니다. 데이터 센터 주도의 전력 수요 급증은 이러한 상황을 바꾸었으며, 이후 그들은大量的 시장 관심을 끌었습니다. 현재 블록체인 인공지능에 대한 냉담함도 유사한 지체 효과를 반영할 수 있습니다. 즉, 새로운 패러다임이 나타나기 전에는 인프라의 가치가 완전히 드러나지 않습니다.
이 과도기 동안 중요한 것은 해당 산업이 시장의 실제 수요에 어떻게 대응하느냐입니다.
앞으로 나아갈 길은 두 가지 방향으로 나뉩니다: 1) 성숙한 AI 산업 체인 표준에主動적으로 적응하여 단기 성능短板을 보완; 2) 기존 기술 노선을 고수하며下一代 AI 대규모 도입에 적합한远期 인프라를 지속적으로 배치.
블록체인 + AI 의 최종 행보는 어떤 노선이 미래真实 시장 수요와 일치하느냐에 달려 있습니다.
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
@tiger_research
