본문으로 건너뛰기

"AI" 태그로 연결된 19개 게시물개의 게시물이 있습니다.

모든 태그 보기

Camp Network: AI의 수십억 달러 IP 문제를 해결하는 블록체인 🏕️

· 약 4분
Dora Noda
Software Engineer

생성형 AI의 급부상은 폭발적이라 할 수 있습니다. 놀라운 디지털 아트부터 인간과 구분하기 어려운 텍스트까지, AI는 전례 없는 규모로 콘텐츠를 만들어내고 있습니다. 하지만 이 성장 뒤에는 어두운 그림자가 있습니다. AI는 어디서 학습 데이터를 얻을까요? 대부분은 인터넷에 흩어져 있는 방대한 양의 예술, 음악, 글 등 인간이 만든 창작물에서 가져옵니다. 이 창작자들은 거의 인정도, 보상도 받지 못합니다.

여기에 Camp Network가 등장합니다. 근본적인 문제를 해결하고자 하는 새로운 블록체인 프로젝트입니다. 단순한 암호화폐 플랫폼이 아니라, AI 시대에 창작자에게 소유권과 통제권을 부여하기 위해 설계된 “자율 IP 레이어”입니다. Camp Network가 왜 주목받아야 하는지 살펴보겠습니다.


핵심 아이디어는?

Camp Network는 지식재산권(IP)을 위한 전 세계적인 검증 가능한 레지스트리 역할을 하는 블록체인입니다. 독립 아티스트부터 소셜 미디어 사용자까지 누구나 자신의 콘텐츠를 온체인에 등록할 수 있게 하여, 영구적이고 변조가 불가능한 소유권 및 출처 기록을 생성합니다.

왜 중요한가요? AI 모델이 Camp에 등록된 콘텐츠를 사용할 경우, 네트워크의 스마트 계약이 자동으로 라이선스 조건을 시행합니다. 즉, 원작자는 즉시 귀속 표시를 받고 로열티를 받을 수 있습니다. Camp는 보상이 사후에 이루어지는 것이 아니라 프로토콜 자체에 내장된 새로운 크리에이터 경제를 구축하고자 합니다.


기술 스택 살펴보기

Camp는 개념에 머무르지 않고 고성능·개발자 친화성을 목표로 한 실질적인 기술을 갖추고 있습니다.

  • 모듈형 아키텍처: Camp는 데이터 가용성을 위해 Celestia를 활용한 주권 롤업으로 구축되었습니다. 이 설계 덕분에 초당 50,000건 이상의 트랜잭션을 목표로 매우 빠르고 저렴하면서도 이더리움(EVM) 도구와 완전 호환됩니다.
  • Proof of Provenance (PoP): Camp만의 합의 메커니즘으로, 에너지 집약적인 채굴 대신 콘텐츠 출처 검증에 기반한 보안을 제공합니다. 모든 트랜잭션은 네트워크 상 IP의 출처를 강화해 “디자인상 강제 가능한” 소유권을 구현합니다.
  • 듀얼 VM 전략: 성능 극대화를 위해 Solana Virtual Machine (SVM) 을 EVM 호환성과 병행하여 통합합니다. 이를 통해 개발자는 실시간 AI 인터랙션과 같은 고처리량 사용 사례에 최적화된 환경을 선택할 수 있습니다.
  • 크리에이터·AI 툴킷: Camp는 두 가지 핵심 프레임워크를 제공합니다.
    • Origin Framework: 크리에이터가 IP를 등록하고 NFT 형태로 토큰화하며 라이선스 규칙을 삽입할 수 있는 사용자 친화적인 시스템.
    • mAItrix Framework: 개발자가 온체인 IP와 안전하고 권한이 부여된 방식으로 상호작용하는 AI 에이전트를 구축·배포할 수 있도록 지원하는 툴킷.

팀, 파트너십, 진행 상황

아이디어는 실행력에 달려 있으며, Camp는 현재까지 좋은 실행력을 보여주고 있습니다.

팀 및 펀딩

프로젝트는 The Raine Group(미디어·IP 딜), Goldman Sachs, Figma, CoinList 등에서 풍부한 경험을 가진 팀이 이끌고 있습니다. 이들의 금융·기술·암호공학 역량 덕분에 1kx, Blockchain Capital, Maven 11 등 주요 벤처캐피털로부터 3천만 달러의 펀딩을 확보했습니다.

성장하는 생태계

Camp는 파트너십 구축에 적극적입니다. 가장 눈에 띄는 협업은 KOR Protocol에 대한 전략적 지분 투자로, 이 플랫폼은 Deadmau5Black Mirror와 같은 대형 아티스트·프랜차이즈의 음악 IP를 토큰화합니다. 이를 통해 Camp는 방대한 고품질 권리 클리어된 콘텐츠 라이브러리를 즉시 확보했습니다. 주요 협업 파트너는 다음과 같습니다.

  • RewardedTV: Camp를 활용해 온체인 콘텐츠 권리를 관리하는 탈중앙화 비디오 스트리밍 플랫폼.
  • Rarible: IP 자산 거래를 위한 NFT 마켓플레이스와 통합.
  • LayerZero: 다른 블록체인과의 상호운용성을 보장하는 크로스체인 프로토콜.

로드맵 및 커뮤니티

수만 명의 사용자를 끌어들인 인센티브 테스트넷 캠페인을 성공적으로 마친 뒤, Camp는 2025년 3분기 메인넷 출시를 목표로 하고 있습니다. 동시에 네이티브 토큰 $CAMP의 토큰 생성 이벤트(TGE)가 진행되어 가스 요금, 스테이킹, 거버넌스 등에 사용될 예정입니다. 프로젝트는 이미 첫날부터 플랫폼을 구축·활용하고자 하는 열정적인 커뮤니티를 형성했습니다.


경쟁 구도와 차별점

Camp Network는 이 분야에서 유일한 존재는 아닙니다. a16z가 지원하는 Story Protocol이나 Sony와 연계된 Soneium 등 강력한 경쟁자가 있습니다. 그러나 Camp는 다음과 같은 핵심 포인트로 차별화됩니다.

  1. 하향식 접근: 경쟁 프로젝트가 대기업 IP 보유자를 주 타깃으로 삼는 반면, Camp는 독립 크리에이터와 암호 커뮤니티에 토큰 인센티브를 제공해 권한을 부여합니다.
  2. 통합 솔루션: IP 레지스트리부터 AI 에이전트 프레임워크까지 전 과정을 아우르는 원스톱 서비스 제공.
  3. 성능·확장성: 모듈형 아키텍처와 듀얼 VM 지원으로 AI·미디어의 고처리량 요구에 최적화되었습니다.

요약

Camp Network는 Web3 시대에 지식재산권의 기반 레이어가 될 가능성을 보여줍니다. 혁신적인 기술, 강력한 팀, 전략적 파트너십, 커뮤니티 중심 철학을 결합해 생성형 AI가 야기한 가장 시급한 문제 중 하나에 실질적인 해결책을 제시하고 있습니다.

진정한 시험은 메인넷 출시와 실제 채택 여부입니다. 지금까지 명확한 비전과 탄탄한 실행력을 보여준 Camp Network는 디지털 크리에이터를 위한 보다 공정한 미래를 구축하려는 핵심 프로젝트라 할 수 있습니다.

BeFreed.ai 만나기 – BlockEden.xyz 빌더들을 위한 학습 연료

· 약 3분
Dora Noda
Software Engineer

BlockEden.xyz가 신경 쓰는 이유

빠르게 변화하는 Web3 세계에서는 속도가 전부입니다. 프로덕션 수준의 RPC와 스테이킹 인프라를 제공하려면 우리 팀과 커뮤니티가 지속적으로 혁신의 최전선에 있어야 합니다. 이는 복잡한 프로토콜, 획기적인 암호학 논문, 급변하는 거버넌스 스레드를 파악하는 것을 의미합니다. 커뮤니티가 새로운 아이디어를 빠르게 흡수하고 이해할수록 차세대 탈중앙화 애플리케이션을 더 신속하게 구축할 수 있습니다. 바로 여기서 BeFreed.ai 가 등장합니다.

BeFreed.ai란

BeFreed.ai는 샌프란시스코에 기반을 둔 스타트업으로, AI 시대에 학습을 즐겁고 개인화된 경험으로 만들겠다는 단순하지만 강력한 사명을 가지고 있습니다. 이들은 빌더와 크리에이터의 바쁜 생활에 맞춰 설계된 지능형 마이크로러닝 동반자를 만들었습니다.

핵심 요소:

  • 다양한 포맷 → 한 번의 클릭: BeFreed.ai는 방대한 책, 상세 비디오, 복잡한 기술 문서 등 다양한 콘텐츠를 받아 즉시 짧은 요약, 플래시카드, 심층 노트, 심지어 팟캐스트 형식의 오디오로 변환합니다.
  • 적응형 엔진: 플랫폼은 사용자의 학습 속도와 관심사에 맞춰 함께 학습하도록 설계되었습니다. 일괄적인 커리큘럼을 강요하는 대신, 가장 관련성 높은 정보를 다음에 제공해 줍니다.
  • 내장 채팅 및 “왜 이걸” 설명: 질문이 있나요? 바로 물어보세요. BeFreed.ai는 복잡한 주제를 즉시 문의할 수 있게 해 주며, 새로운 인사이트를 여러분의 전체 목표와 연결해 설명해 줍니다.
  • 4만 3천 명 규모의 학습 커뮤니티: 학습은 종종 공동 활동입니다. BeFreed.ai는 43,000명 이상의 학습자들이 진행 상황을 공유하고, 유익한 콘텐츠에 반응하며, 핵심 포인트를 강조하는 활기찬 커뮤니티를 조성해 동기부여와 추진력을 유지합니다.

BlockEden.xyz 빌더에게 왜 중요한가

BlockEden.xyz 생태계의 헌신적인 빌더들에게 BeFreed.ai는 단순한 학습 도구를 넘어 전략적 이점입니다. 다음은 여러분의 경쟁력을 높이는 방법입니다:

  • 시간 활용: 300페이지 분량의 백서를 10분짜리 간결한 오디오 요약으로 변환해 중요한 거버넌스 투표 전에 청취할 수 있습니다.
  • 맥락 유지: 플래시카드와 마인드맵을 활용해 프로토콜 세부 사항을 견고히 이해하고, 스마트 계약 인덱스를 작성할 때 활용합니다.
  • 다기능 성장: 개발 환경을 떠나지 않고도 디자인 씽킹 기본, 성장 루프 이해, Go 동시성 팁 등 다양한 스킬을 습득합니다.
  • 공유된 어휘: 팀 차원의 플레이리스트를 만들어 모든 기여자가 동일하고 정제된 정보를 학습하도록 함으로써 협업과 정렬을 강화합니다.

BlockEden.xyz 워크플로에 BeFreed.ai 적용하기

BeFreed.ai를 기존 개발 프로세스에 통합하는 것은 매끄럽고 즉시 효과를 발휘합니다:

  1. 스펙을 넣기: 최신 토크노믹스 PDF 혹은 YouTube 개발자 콜 URL을 BeFreed에 붙여넣어 즉시 이해하기 쉬운 요약을 받습니다.
  2. 플래시카드 내보내기: CI 실행 중에 핵심 개념을 복습합니다. 지속적인 컨텍스트 전환으로 인한 정신 피로보다 반복 학습이 훨씬 효과적입니다.
  3. 문서에 링크 삽입: 각 API 레퍼런스 옆에 BeFreed 요약 URL을 삽입해 새로운 팀원이 빠르게 적응하도록 돕습니다.
  4. 최신 유지: 떠오르는 L2에 대한 주간 다이제스트를 BeFreed에 설정하고, BlockEden.xyz의 멀티체인 RPC 서비스를 활용해 즉시 프로토타입을 제작합니다.

시작하기

BeFreed.ai는 현재 iOS, Android 및 웹에서 이용할 수 있습니다. 다음 BlockEden.xyz 프로젝트 스프린트에서 직접 사용해 보시고 학습 및 개발 속도를 어떻게 향상시키는지 경험해 보세요. 저희 팀은 이미 더 긴밀한 통합을 모색 중이며, 웹훅이 병합된 모든 PR 설명을 자동으로 포괄적인 학습 세트로 변환하는 미래를 상상해 보세요.

MCP를 통한 AI와 Web3의 연결: 종합적 분석

· 약 14분
Dora Noda
Software Engineer

서론

AI와 Web3는 강력한 방식으로 융합되고 있으며, 이제 AI 범용 인터페이스는 탈중앙화 웹을 위한 연결 조직으로 구상되고 있습니다. 이러한 융합에서 나타나는 핵심 개념은 MCP로, 이는 Anthropic이 소개한 "모델 컨텍스트 프로토콜(Model Context Protocol)"을 의미하거나, 더 넓은 논의에서는 **메타버스 연결 프로토콜(Metaverse Connection Protocol)**로 느슨하게 설명됩니다. 본질적으로 MCP는 AI 시스템이 외부 도구 및 네트워크와 자연스럽고 안전한 방식으로 상호 작용할 수 있게 하는 표준화된 프레임워크로, 잠재적으로 **AI 에이전트를 Web3 생태계의 모든 곳에 "연결"**할 수 있습니다. 이 보고서는 AI 범용 인터페이스(대규모 언어 모델 에이전트 및 신경-기호 시스템 등)가 MCP를 통해 Web3 세계의 모든 것을 어떻게 연결할 수 있는지에 대한 포괄적인 분석을 제공하며, 역사적 배경, 기술 아키텍처, 산업 환경, 위험 및 미래 잠재력을 다룹니다.

1. 개발 배경

1.1 Web3의 진화와 미완의 약속

"Web3"라는 용어는 2014년경 블록체인 기반의 탈중앙화 웹을 설명하기 위해 만들어졌습니다. 그 비전은 야심 찼습니다: 사용자 소유권 중심의 무허가형 인터넷. 지지자들은 Web2의 중앙화된 인프라를 블록체인 기반의 대안으로 대체하는 것을 상상했습니다. 예를 들어, DNS를 위한 이더리움 네임 서비스(ENS), 스토리지를 위한 파일코인(Filecoin)이나 IPFS, 금융 레일을 위한 DeFi 등이 있었습니다. 이론적으로 이는 빅테크 플랫폼으로부터 통제권을 빼앗고 개인에게 데이터, 신원, 자산에 대한 자기 주권을 부여하는 것이었습니다.

현실은 기대에 미치지 못했습니다. 수년간의 개발과 과대광고에도 불구하고 Web3의 주류 영향력은 미미했습니다. 일반 인터넷 사용자들이 탈중앙화 소셜 미디어로 몰려들거나 개인 키를 관리하기 시작하지 않았습니다. 주요 원인으로는 열악한 사용자 경험, 느리고 비싼 트랜잭션, 세간의 이목을 끈 사기, 규제 불확실성 등이 있었습니다. 탈중앙화된 "소유권 웹"은 대체로 틈새 커뮤니티를 넘어서 "실현되지 못했습니다". 2020년대 중반까지 암호화폐 지지자들조차 Web3가 일반 사용자에게 패러다임 전환을 가져오지 못했다는 것을 인정했습니다.

한편, AI는 혁명을 겪고 있었습니다. 자본과 개발자 인재가 암호화폐에서 AI로 이동하면서 딥러닝과 파운데이션 모델(GPT-3, GPT-4 등)의 혁신적인 발전이 대중의 상상력을 사로잡았습니다. 생성형 AI는 암호화폐 애플리케이션이 고군분투했던 방식으로 콘텐츠, 코드, 결정을 생성하는 등 명확한 유용성을 보여주었습니다. 실제로, 대규모 언어 모델이 불과 몇 년 만에 미친 영향은 10년간의 블록체인 사용자 채택 속도를 현저히 앞질렀습니다. 이러한 대조는 일부 사람들로 하여금 *"Web3는 암호화폐에 낭비되었다"*고 비꼬게 했고, 진정한 Web 3.0은 AI 물결에서 나타나고 있다고 말하게 했습니다.

1.2 AI 범용 인터페이스의 부상

수십 년에 걸쳐 사용자 인터페이스는 정적인 웹 페이지(Web1.0)에서 상호작용적인 앱(Web2.0)으로 진화했지만, 항상 버튼을 클릭하고 양식을 채우는 한계 내에 있었습니다. 현대 AI, 특히 대규모 언어 모델(LLM)과 함께 새로운 인터페이스 패러다임이 등장했습니다: 자연어. 사용자는 평이한 언어로 의도를 표현하기만 하면 AI 시스템이 여러 도메인에 걸쳐 복잡한 작업을 실행할 수 있습니다. 이러한 변화는 너무나 심오해서 일부에서는 "Web 3.0"을 이전의 블록체인 중심 정의가 아닌 AI 기반 에이전트의 시대("에이전틱 웹")로 재정의할 것을 제안합니다.

그러나 자율 AI 에이전트에 대한 초기 실험은 결정적인 병목 현상을 드러냈습니다. AutoGPT와 같은 프로토타입 에이전트들은 텍스트나 코드를 생성할 수는 있었지만, 외부 시스템 및 서로와 통신할 수 있는 견고한 방법이 부족했습니다. 상호 운용성을 위한 *"공통된 AI 네이티브 언어"*가 없었습니다. 도구나 데이터 소스와의 각 통합은 맞춤형 해킹이었고, AI 간의 상호 작용에는 표준 프로토콜이 없었습니다. 실질적으로, AI 에이전트는 뛰어난 추론 능력을 가졌을지라도 웹 앱이나 온체인 서비스를 사용하는 데 필요한 작업을 실행하는 데 실패할 수 있었습니다. 단순히 해당 시스템과 대화하는 방법을 몰랐기 때문입니다. 이러한 불일치, 즉 강력한 두뇌와 원시적인 I/O는 마치 서투른 GUI 뒤에 갇힌 초지능 소프트웨어와 같았습니다.

1.3 융합과 MCP의 출현

2024년까지 AI가 잠재력을 최대한 발휘하고 Web3가 약속을 이행하기 위해서는 융합이 필요하다는 것이 명백해졌습니다. AI 에이전트는 Web3의 기능(탈중앙화 앱, 계약, 데이터)에 원활하게 접근해야 하고, Web3는 AI가 제공할 수 있는 더 많은 지능과 사용성이 필요합니다. 이것이 바로 **MCP(모델 컨텍스트 프로토콜)**가 탄생한 배경입니다. 2024년 말 Anthropic에 의해 소개된 MCP는 LLM에게 자연스럽게 느껴지는 AI-도구 통신을 위한 개방형 표준입니다. 이는 AI "호스트"(ChatGPT, Claude 등)가 MCP 서버를 통해 다양한 외부 도구와 리소스를 찾고 사용할 수 있는 구조화되고 발견 가능한 방법을 제공합니다. 즉, MCP는 AI 에이전트가 각 통합을 맞춤 코딩하지 않고도 웹 서비스, API, 심지어 블록체인 기능에 연결할 수 있게 하는 공통 인터페이스 계층입니다.

MCP를 **"AI 인터페이스의 USB-C"**라고 생각해보세요. USB-C가 장치 연결 방식을 표준화하여 각 장치마다 다른 케이블이 필요 없게 만든 것처럼, MCP는 AI 에이전트가 도구 및 데이터에 연결하는 방식을 표준화합니다. 개발자는 모든 서비스(Slack 대 Gmail 대 이더리움 노드)에 대해 서로 다른 API 호출을 하드코딩하는 대신, MCP 사양을 한 번 구현하면 MCP 호환 AI는 해당 서비스를 사용하는 방법을 이해할 수 있습니다. 주요 AI 기업들은 그 중요성을 빠르게 인식했습니다. Anthropic은 MCP를 오픈소스로 공개했으며, OpenAI와 Google 같은 회사들은 자사 모델에 이에 대한 지원을 구축하고 있습니다. 이러한 움직임은 MCP(또는 유사한 "메타 연결 프로토콜")가 마침내 AI와 Web3를 확장 가능한 방식으로 연결하는 중추가 될 수 있음을 시사합니다.

특히, 일부 기술자들은 이러한 AI 중심의 연결성이 Web3.0의 진정한 실현이라고 주장합니다. Simba Khadder의 말에 따르면, "MCP는 LLM과 애플리케이션 간의 API를 표준화하는 것을 목표로 하며," 이는 REST API가 Web 2.0을 가능하게 한 것과 유사합니다. 즉, Web3의 다음 시대는 단지 블록체인이 아닌 지능형 에이전트 인터페이스에 의해 정의될 수 있습니다. 탈중앙화 그 자체를 위한 탈중앙화 대신, AI와의 융합은 자연어와 자율 에이전트 뒤에 복잡성을 숨김으로써 탈중앙화를 유용하게 만들 수 있습니다. 이 보고서의 나머지 부분에서는 기술적으로나 실질적으로 AI 범용 인터페이스가 (MCP와 같은 프로토콜을 통해) Web3 세계의 모든 것을 어떻게 연결할 수 있는지 자세히 살펴봅니다.

2. 기술 아키텍처: Web3 기술을 연결하는 AI 인터페이스

AI 에이전트를 Web3 스택에 내장하려면 블록체인 네트워크 및 스마트 계약, 탈중앙화 스토리지, 신원 시스템, 토큰 기반 경제 등 여러 수준에서의 통합이 필요합니다. 대규모 파운데이션 모델부터 하이브리드 신경-기호 시스템에 이르기까지 AI 범용 인터페이스는 이러한 구성 요소들을 연결하는 "범용 어댑터" 역할을 할 수 있습니다. 아래에서는 이러한 통합의 아키텍처를 분석합니다.

그림: MCP 아키텍처의 개념도. AI 호스트(Claude나 ChatGPT와 같은 LLM 기반 앱)가 MCP 클라이언트를 사용하여 다양한 MCP 서버에 연결하는 방법을 보여줍니다. 각 서버는 외부 도구나 서비스(예: Slack, Gmail, 캘린더 또는 로컬 데이터)에 대한 브리지를 제공하며, 이는 범용 허브를 통해 연결되는 주변 장치와 유사합니다. 이 표준화된 MCP 인터페이스를 통해 AI 에이전트는 하나의 공통 프로토콜을 통해 원격 서비스와 온체인 리소스에 접근할 수 있습니다.

2.1 Web3 클라이언트로서의 AI 에이전트 (블록체인과의 통합)

Web3의 핵심에는 블록체인과 스마트 계약이 있습니다. 이는 신뢰가 필요 없는 방식으로 로직을 강제할 수 있는 탈중앙화된 상태 기계입니다. AI 인터페이스는 이들과 어떻게 상호 작용할 수 있을까요? 두 가지 방향을 고려할 수 있습니다.

  • 블록체인에서 데이터를 읽는 AI: AI 에이전트는 결정을 내리기 위한 맥락으로 온체인 데이터(예: 토큰 가격, 사용자의 자산 잔액, DAO 제안)가 필요할 수 있습니다. 전통적으로 블록체인 데이터를 검색하려면 노드 RPC API나 서브그래프 데이터베이스와 상호 작용해야 합니다. MCP와 같은 프레임워크를 사용하면, AI는 표준화된 "블록체인 데이터" MCP 서버에 질의하여 실시간 온체인 정보를 가져올 수 있습니다. 예를 들어, MCP 지원 에이전트는 특정 토큰의 최신 거래량을 묻거나 스마트 계약의 상태를 물을 수 있으며, MCP 서버는 블록체인에 연결하는 저수준 세부 사항을 처리하고 AI가 사용할 수 있는 형식으로 데이터를 반환합니다. 이는 AI를 특정 블록체인의 API 형식에서 분리하여 상호 운용성을 높입니다.

  • 블록체인에 데이터를 쓰는 AI: 더 강력하게, AI 에이전트는 Web3 통합을 통해 스마트 계약 호출이나 트랜잭션을 실행할 수 있습니다. 예를 들어, AI는 특정 조건이 충족되면 탈중앙화 거래소에서 자율적으로 거래를 실행하거나 스마트 계약의 매개변수를 조정할 수 있습니다. 이는 AI가 블록체인 트랜잭션 기능을 래핑하는 MCP 서버를 호출함으로써 달성됩니다. 구체적인 예로는 EVM 체인을 위한 thirdweb MCP 서버가 있으며, 이는 MCP 호환 AI 클라이언트가 체인별 메커니즘을 추상화하여 이더리움, 폴리곤, BSC 등과 상호 작용할 수 있게 합니다. 이러한 도구를 사용하여 AI 에이전트는 "인간의 개입 없이" 온체인 작업을 트리거할 수 있으며, 이는 자율 dApp을 가능하게 합니다. 예를 들어, 시장 상황이 변할 때 트랜잭션에 서명하여 자체적으로 리밸런싱하는 AI 기반 DeFi 볼트가 있습니다.

내부적으로 이러한 상호 작용은 여전히 지갑, 키, 가스비에 의존하지만, AI 인터페이스는 트랜잭션을 수행하기 위해 (적절한 보안 샌드박스와 함께) 지갑에 대한 통제된 접근 권한을 부여받을 수 있습니다. 오라클과 크로스체인 브리지도 중요한 역할을 합니다. 체인링크(Chainlink)와 같은 오라클 네트워크는 AI와 블록체인 간의 다리 역할을 하여, AI 출력이 신뢰할 수 있는 방식으로 온체인에 제공될 수 있도록 합니다. 예를 들어, 체인링크의 크로스체인 상호운용성 프로토콜(CCIP)은 신뢰할 수 있다고 판단되는 AI 모델이 사용자를 대신하여 여러 다른 체인에 걸쳐 여러 계약을 동시에 트리거할 수 있게 합니다. 요약하자면, AI 범용 인터페이스는 표준화된 프로토콜을 통해 블록체인 데이터를 소비하고 블록체인 트랜잭션을 생성할 수 있는 새로운 유형의 Web3 클라이언트 역할을 할 수 있습니다.

2.2 신경-기호 시너지: AI 추론과 스마트 계약의 결합

AI-Web3 통합의 흥미로운 측면 중 하나는 AI의 학습 능력(신경망)과 스마트 계약의 엄격한 논리(기호 규칙)를 결합하는 신경-기호 아키텍처의 잠재력입니다. 실제로 이는 AI 에이전트가 비정형적인 의사 결정을 처리하고 특정 작업을 검증 가능한 실행을 위해 스마트 계약에 전달하는 것을 의미할 수 있습니다. 예를 들어, AI는 시장 심리(모호한 작업)를 분석할 수 있지만, 사전에 설정된 위험 규칙을 따르는 결정론적 스마트 계약을 통해 거래를 실행할 수 있습니다. MCP 프레임워크 및 관련 표준은 AI에게 계약 함수를 호출하거나 행동하기 전에 DAO의 규칙을 질의할 수 있는 공통 인터페이스를 제공함으로써 이러한 핸드오프를 실현 가능하게 합니다.

구체적인 예로는 **싱귤래리티넷(SingularityNET)의 AI-DSL(AI 도메인 특화 언어)**이 있으며, 이는 탈중앙화 네트워크상의 AI 에이전트 간 통신을 표준화하는 것을 목표로 합니다. 이는 신경-기호 통합을 향한 한 걸음으로 볼 수 있습니다. 즉, 에이전트가 서로에게 AI 서비스나 데이터를 요청하기 위한 형식 언어(기호)입니다. 유사하게, **딥마인드(DeepMind)의 알파코드(AlphaCode)**나 다른 프로젝트들도 결국 연결되어 스마트 계약이 온체인 문제 해결을 위해 AI 모델을 호출할 수 있게 될 것입니다. 오늘날 대규모 AI 모델을 직접 온체인에서 실행하는 것은 비현실적이지만, 하이브리드 접근 방식이 등장하고 있습니다. 예를 들어, 특정 블록체인은 영지식 증명이나 신뢰 실행 환경을 통해 ML 계산의 검증을 허용하여 오프체인 AI 결과의 온체인 검증을 가능하게 합니다. 요약하자면, 기술 아키텍처는 AI 시스템과 블록체인 스마트 계약을 공통 프로토콜을 통해 조율되는 상호 보완적인 구성 요소로 구상합니다. AI는 인식과 개방형 작업을 처리하고, 블록체인은 무결성, 메모리, 합의된 규칙의 집행을 제공합니다.

2.3 AI를 위한 탈중앙화 스토리지 및 데이터

AI는 데이터를 기반으로 성장하며, Web3는 데이터 저장 및 공유를 위한 새로운 패러다임을 제공합니다. 탈중앙화 스토리지 네트워크(IPFS/파일코인, Arweave, Storj 등)는 AI 모델 아티팩트의 저장소이자 훈련 데이터의 소스로 사용될 수 있으며, 블록체인 기반 접근 제어를 제공합니다. AI 범용 인터페이스는 MCP 등을 통해 Web2 API에서와 마찬가지로 쉽게 탈중앙화 스토리지에서 파일이나 지식을 가져올 수 있습니다. 예를 들어, AI 에이전트는 적절한 키나 지불 수단이 있다면 오션 프로토콜(Ocean Protocol)의 마켓에서 데이터셋을 가져오거나 분산 스토리지에서 암호화된 파일을 가져올 수 있습니다.

특히 오션 프로토콜은 자신을 "AI 데이터 경제" 플랫폼으로 자리매김했으며, 블록체인을 사용하여 데이터와 심지어 AI 서비스를 토큰화합니다. 오션에서는 데이터셋이 접근을 제어하는 데이터토큰으로 표현됩니다. AI 에이전트는 데이터토큰을 획득하고(아마도 암호화폐로 지불하거나 특정 접근 권한을 통해) 오션 MCP 서버를 사용하여 실제 데이터를 분석용으로 검색할 수 있습니다. 오션의 목표는 AI를 위해 "잠자고 있는 데이터"를 잠금 해제하고, 프라이버시를 보존하면서 공유를 장려하는 것입니다. 따라서 Web3에 연결된 AI는 이전에 사일로화되었던 개인 데이터 금고에서부터 개방형 정부 데이터에 이르기까지 방대하고 탈중앙화된 정보 코퍼스를 활용할 수 있습니다. 블록체인은 데이터 사용이 투명하고 공정하게 보상받을 수 있도록 보장하여, 더 많은 데이터가 AI에 제공되고 더 많은 AI 기여(훈련된 모델 등)가 수익화될 수 있는 선순환을 촉진합니다.

탈중앙화 신원 시스템도 여기서 역할을 합니다(다음 하위 섹션에서 더 자세히 논의됨). 이는 누가 또는 무엇이 특정 데이터에 접근할 수 있는지 제어하는 데 도움이 될 수 있습니다. 예를 들어, 의료 AI 에이전트는 환자의 개인 IPFS 스토리지에서 의료 데이터셋을 해독하기 전에 검증 가능한 자격 증명(HIPAA 또는 유사한 규정 준수에 대한 온체인 증명)을 제시해야 할 수 있습니다. 이러한 방식으로 기술 아키텍처는 적절한 경우 AI로 데이터가 흐르도록 보장하되, 권한을 강제하기 위해 온체인 거버넌스와 감사 추적을 사용합니다.

2.4 탈중앙화 환경에서의 신원 및 에이전트 관리

자율 AI 에이전트가 Web3와 같은 개방형 생태계에서 작동할 때, 신원과 신뢰는 가장 중요해집니다. 탈중앙화 신원(DID) 프레임워크는 암호학적으로 검증될 수 있는 AI 에이전트를 위한 디지털 신원을 설정하는 방법을 제공합니다. 각 에이전트(또는 이를 배포하는 인간/조직)는 DID와 관련 검증 가능한 자격 증명을 가질 수 있으며, 이는 그 속성과 권한을 명시합니다. 예를 들어, AI 트레이딩 봇은 특정 위험 한도 내에서 작동할 수 있음을 인증하는 규제 샌드박스에서 발급한 자격 증명을 가질 수 있거나, AI 콘텐츠 중재자는 신뢰할 수 있는 조직에 의해 생성되었고 편향성 테스트를 거쳤음을 증명할 수 있습니다.

온체인 신원 등록소와 평판 시스템을 통해 Web3 세계는 AI 행동에 대한 책임성을 강제할 수 있습니다. AI 에이전트가 수행하는 모든 트랜잭션은 그 ID로 추적될 수 있으며, 문제가 발생하면 자격 증명이 누가 만들었는지 또는 누가 책임이 있는지 알려줍니다. 이는 중요한 과제를 해결합니다. 신원이 없으면 악의적인 행위자가 시스템을 악용하거나 잘못된 정보를 퍼뜨리기 위해 가짜 AI 에이전트를 만들 수 있으며, 아무도 봇과 합법적인 서비스를 구별할 수 없습니다. 탈중앙화 신원은 강력한 인증을 가능하게 하고 진짜 AI 에이전트와 스푸핑을 구별함으로써 이를 완화하는 데 도움이 됩니다.

실제로 Web3와 통합된 AI 인터페이스는 신원 프로토콜을 사용하여 자신의 행동과 요청에 서명합니다. 예를 들어, AI 에이전트가 도구를 사용하기 위해 MCP 서버를 호출할 때, 서버가 승인된 에이전트로부터의 호출임을 확인할 수 있도록 탈중앙화 신원에 연결된 토큰이나 서명을 포함할 수 있습니다. 블록체인 기반 신원 시스템(이더리움의 ERC-725 또는 원장에 고정된 W3C DID 등)은 이 검증이 신뢰가 필요 없고 전 세계적으로 검증 가능하도록 보장합니다. 새롭게 등장하는 "AI 지갑" 개념은 이와 관련이 있습니다. 본질적으로 AI 에이전트에게 신원과 연결된 암호화폐 지갑을 제공하여 키를 관리하고, 서비스 비용을 지불하거나, (잘못된 행동에 대해 삭감될 수 있는) 보증금으로 토큰을 스테이킹할 수 있게 합니다. 예를 들어, ArcBlock은 *"AI 에이전트가 탈중앙화 환경에서 책임감 있게 운영되기 위해 지갑이 필요하다"*고 논의했습니다.

요약하자면, 기술 아키텍처는 AI 에이전트를 Web3의 일등 시민으로 구상하며, 각 에이전트는 온체인 신원과 시스템에 대한 지분을 가질 수 있고, MCP와 같은 프로토콜을 사용하여 상호 작용합니다. 이는 신뢰의 웹을 만듭니다. 스마트 계약은 협력하기 전에 AI의 자격 증명을 요구할 수 있으며, 사용자는 특정 온체인 인증을 충족하는 AI에게만 작업을 위임하도록 선택할 수 있습니다. 이는 AI의 능력과 블록체인의 신뢰 보증이 결합된 것입니다.

2.5 AI를 위한 토큰 경제 및 인센티브

토큰화는 Web3의 특징이며, AI 통합 영역으로도 확장됩니다. 토큰을 통해 경제적 인센티브를 도입함으로써 네트워크는 AI 개발자와 에이전트 자체 모두에게 바람직한 행동을 장려할 수 있습니다. 몇 가지 패턴이 나타나고 있습니다.

  • 서비스에 대한 지불: AI 모델과 서비스는 온체인에서 수익화될 수 있습니다. **싱귤래리티넷(SingularityNET)**은 개발자가 AI 서비스를 배포하고 각 호출에 대해 네이티브 토큰(AGIX)으로 사용자에게 요금을 부과할 수 있도록 함으로써 이를 개척했습니다. MCP가 활성화된 미래에는 모든 AI 도구나 모델이 플러그 앤 플레이 서비스가 되어 사용량이 토큰이나 소액 결제를 통해 측정될 수 있다고 상상할 수 있습니다. 예를 들어, AI 에이전트가 MCP를 통해 타사 비전 API를 사용하는 경우, 서비스 제공업체의 스마트 계약으로 토큰을 전송하여 자동으로 지불을 처리할 수 있습니다. Fetch.ai도 유사하게 *"자율 경제 에이전트"*가 서비스와 데이터를 거래하는 마켓플레이스를 구상하며, 새로운 Web3 LLM(ASI-1)은 가치 교환을 위해 암호화폐 거래를 통합할 것으로 추정됩니다.

  • 스테이킹 및 평판: 품질과 신뢰성을 보장하기 위해 일부 프로젝트는 개발자나 에이전트에게 토큰을 스테이킹하도록 요구합니다. 예를 들어, DeMCP 프로젝트(탈중앙화 MCP 서버 마켓플레이스)는 유용한 MCP 서버를 만드는 개발자에게 보상하기 위해 토큰 인센티브를 사용할 계획이며, 서버 보안에 대한 약속의 표시로 토큰을 스테이킹하게 할 수도 있습니다. 평판도 토큰과 연결될 수 있습니다. 예를 들어, 지속적으로 좋은 성과를 내는 에이전트는 평판 토큰이나 긍정적인 온체인 리뷰를 축적할 수 있는 반면, 잘못된 행동을 하는 에이전트는 스테이크를 잃거나 부정적인 평가를 받을 수 있습니다. 이 토큰화된 평판은 위에서 언급한 신원 시스템에 피드백될 수 있습니다(스마트 계약이나 사용자는 에이전트를 신뢰하기 전에 온체인 평판을 확인).

  • 거버넌스 토큰: AI 서비스가 탈중앙화 플랫폼의 일부가 되면, 거버넌스 토큰은 커뮤니티가 그 진화를 이끌 수 있게 합니다. 싱귤래리티넷과 오션 같은 프로젝트에는 토큰 보유자가 프로토콜 변경이나 AI 이니셔티브 자금 지원에 투표하는 DAO가 있습니다. 싱귤래리티넷, Fetch.ai, 오션 프로토콜의 합병으로 새로 발표된 인공 초지능(ASI) 얼라이언스에서는 통합 토큰(ASI)이 공동 AI+블록체인 생태계의 방향을 결정하게 될 것입니다. 이러한 거버넌스 토큰은 채택할 표준(예: MCP 또는 A2A 프로토콜 지원), 인큐베이팅할 AI 프로젝트, AI 에이전트에 대한 윤리 지침 처리 방법과 같은 정책을 결정할 수 있습니다.

  • 접근 및 유틸리티: 토큰은 데이터(오션의 데이터토큰처럼)뿐만 아니라 AI 모델 사용에 대한 접근도 제어할 수 있습니다. 가능한 시나리오는 "모델 NFT" 또는 이와 유사한 것으로, 토큰을 소유하면 AI 모델의 출력에 대한 권리나 수익의 일부를 얻게 됩니다. 이는 탈중앙화 AI 마켓플레이스의 기반이 될 수 있습니다. 고성능 모델의 부분 소유권을 나타내는 NFT를 상상해보세요. 소유자들은 모델이 추론 작업에 사용될 때마다 공동으로 수익을 얻고, 미세 조정에 대해 투표할 수 있습니다. 실험적이지만, 이는 AI 자산에 적용된 Web3의 공유 소유권 정신과 일치합니다.

기술적으로 토큰을 통합한다는 것은 AI 에이전트가 지갑 기능이 필요하다는 것을 의미합니다(언급했듯이, 많은 에이전트가 자체 암호화폐 지갑을 가질 것입니다). MCP를 통해 AI는 잔액을 확인하고, 토큰을 보내거나, DeFi 프로토콜을 호출(아마도 서비스 비용을 지불하기 위해 한 토큰을 다른 토큰으로 교환)할 수 있는 *"지갑 도구"*를 가질 수 있습니다. 예를 들어, 이더리움에서 실행되는 AI 에이전트가 데이터셋

zkML과 암호학적 증명을 통한 검증 가능한 온체인 AI

· 약 32분
Dora Noda
Software Engineer

소개: 블록체인에서 검증 가능한 AI의 필요성

AI 시스템의 영향력이 커짐에 따라 그 결과물의 신뢰성을 보장하는 것이 중요해졌습니다. 전통적인 방법은 제도적 보증(본질적으로 "그냥 우리를 믿으세요")에 의존하며, 이는 암호학적 보장을 제공하지 않습니다. 이는 블록체인과 같은 탈중앙화된 환경에서 특히 문제가 되는데, 스마트 계약이나 사용자는 무거운 모델을 온체인에서 다시 실행할 수 없이 AI가 도출한 결과를 신뢰해야 하기 때문입니다. **영지식 머신러닝(zkML)**은 ML 연산의 _암호학적 검증_을 허용함으로써 이 문제를 해결합니다. 본질적으로 zkML은 증명자가 _"출력 $Y$는 입력 $X$에 대해 모델 $M$을 실행하여 나왔다"_는 간결한 증명을 생성할 수 있게 해주며, 이때 $X$나 $M$의 내부 세부 정보는 공개하지 않습니다. 이러한 영지식 증명(ZKP)은 누구나(또는 어떤 계약이든) 효율적으로 검증할 수 있어, AI 신뢰를 "정책에서 증명으로" 전환시킵니다.

AI의 온체인 검증 가능성은 블록체인이 연산 자체를 수행하는 대신 정확한 실행 증명을 검증함으로써 고급 연산(신경망 추론 등)을 통합할 수 있음을 의미합니다. 이는 광범위한 영향을 미칩니다. 스마트 계약은 AI 예측을 기반으로 결정을 내릴 수 있고, 탈중앙화된 자율 에이전트는 자신들의 알고리즘을 따랐음을 증명할 수 있으며, 크로스체인 또는 오프체인 연산 서비스는 검증 불가능한 오라클 대신 검증 가능한 결과물을 제공할 수 있습니다. 궁극적으로 zkML은 신뢰가 필요 없고 프라이버시를 보존하는 AI로 가는 길을 제시합니다. 예를 들어, AI 모델의 결정이 개인 데이터나 독점적인 모델 가중치를 노출하지 않고 정확하고 승인되었음을 증명할 수 있습니다. 이는 안전한 의료 분석부터 블록체인 게임, DeFi 오라클에 이르기까지 다양한 애플리케이션에 핵심적입니다.

zkML의 작동 원리: ML 추론을 간결한 증명으로 압축하기

높은 수준에서 zkML은 암호학적 증명 시스템과 ML 추론을 결합하여 복잡한 모델 평가를 작은 증명으로 "압축"할 수 있도록 합니다. 내부적으로 ML 모델(예: 신경망)은 많은 산술 연산(행렬 곱셈, 활성화 함수 등)으로 구성된 회로나 프로그램으로 표현됩니다. 모든 중간 값을 공개하는 대신, 증명자는 전체 연산을 오프체인에서 수행한 다음 영지식 증명 프로토콜을 사용하여 모든 단계가 올바르게 수행되었음을 증명합니다. 검증자는 증명과 일부 공개 데이터(최종 출력 및 모델 식별자 등)만으로 모델을 재실행하지 않고도 정확성을 암호학적으로 확신할 수 있습니다.

이를 달성하기 위해 zkML 프레임워크는 일반적으로 모델 연산을 ZKP에 적합한 형식으로 변환합니다.

  • 회로 컴파일: SNARK 기반 접근 방식에서는 모델의 연산 그래프가 산술 회로 또는 다항식 제약 조건 집합으로 컴파일됩니다. 신경망의 각 계층(컨볼루션, 행렬 곱셈, 비선형 활성화)은 입력이 주어졌을 때 출력이 정확함을 보장하는 제약 조건이 있는 하위 회로가 됩니다. 신경망은 다항식에 자연스럽게 적합하지 않은 비선형 연산(ReLU, Sigmoid 등)을 포함하기 때문에, 이를 효율적으로 처리하기 위해 룩업 테이블과 같은 기술이 사용됩니다. 예를 들어, ReLU(출력 = max(0, 입력))는 입력≥0일 때 출력이 입력과 같고 그렇지 않으면 0임을 검증하는 사용자 정의 제약 조건이나 룩업으로 강제할 수 있습니다. 최종 결과는 증명자가 만족해야 하는 암호학적 제약 조건 집합이며, 이는 모델이 올바르게 실행되었음을 암묵적으로 증명합니다.
  • 실행 추적 및 가상 머신: 대안은 zkVM 접근 방식에서처럼 모델 추론을 프로그램 추적으로 취급하는 것입니다. 예를 들어, JOLT zkVM은 RISC-V 명령어 집합을 대상으로 합니다. ML 모델(또는 이를 계산하는 코드)을 RISC-V로 컴파일한 다음 각 CPU 명령어가 올바르게 실행되었음을 증명할 수 있습니다. JOLT는 "룩업 특이점" 기술을 도입하여, 비용이 많이 드는 산술 제약 조건을 각 유효한 CPU 연산에 대한 빠른 테이블 룩업으로 대체합니다. 모든 연산(덧셈, 곱셈, 비트 연산 등)은 사전 계산된 유효한 결과의 거대한 테이블에서 룩업을 통해 확인되며, 이를 효율적으로 유지하기 위해 특화된 인수(Lasso/SHOUT)를 사용합니다. 이는 증명자의 작업량을 극적으로 줄입니다. 복잡한 64비트 연산조차도 많은 산술 제약 조건 대신 증명에서 단일 테이블 룩업이 됩니다.
  • 상호작용 프로토콜 (GKR 합계 검사): 세 번째 접근 방식은 GKR(Goldwasser–Kalai–Rotblum)과 같은 상호작용 증명을 사용하여 계층화된 연산을 검증하는 것입니다. 여기서 모델의 연산은 계층화된 산술 회로로 간주됩니다(각 신경망 계층은 회로 그래프의 한 계층임). 증명자는 모델을 정상적으로 실행한 다음, 각 계층의 출력이 입력에 따라 정확함을 증명하기 위해 _합계 검사 프로토콜_에 참여합니다. Lagrange의 접근 방식(다음에서 자세히 설명할 DeepProve)에서는 증명자와 검증자가 상호작용 다항식 프로토콜(Fiat-Shamir를 통해 비상호작용적으로 만듦)을 수행하여 각 계층의 연산을 다시 수행하지 않고 일관성을 확인합니다. 이 합계 검사 방법은 단일의 정적 회로를 생성하는 것을 피하고, 대신 최소한의 암호학적 연산(주로 해싱 또는 다항식 평가)으로 단계별로 _연산의 일관성_을 검증합니다.

어떤 접근 방식을 사용하든, 결과는 전체 추론의 정확성을 증명하는 간결한 증명(일반적으로 수 킬로바이트에서 수십 킬로바이트)입니다. 이 증명은 _영지식_이므로, 모든 비밀 입력(개인 데이터 또는 모델 매개변수)은 숨겨질 수 있습니다. 이는 증명에 영향을 미치지만 검증자에게는 공개되지 않습니다. 의도된 공개 출력이나 주장만이 공개됩니다. 이는 _"모델 $M$을 환자 데이터 $X$에 적용하면 진단 $Y$가 나온다는 것을 $X$나 모델의 가중치를 공개하지 않고 증명하라"_와 같은 시나리오를 가능하게 합니다.

온체인 검증 활성화: 증명이 생성되면 블록체인에 게시될 수 있습니다. 스마트 계약은 증명을 확인하기 위한 검증 로직을 포함할 수 있으며, 종종 사전 컴파일된 암호학적 프리미티브를 사용합니다. 예를 들어, 이더리움은 많은 zk-SNARK 검증기에서 사용되는 BLS12-381 페어링 연산을 위한 사전 컴파일을 가지고 있어, SNARK 증명의 온체인 검증을 효율적으로 만듭니다. STARK(해시 기반 증명)는 더 크지만, 신중한 최적화나 일부 신뢰 가정(예를 들어, StarkWare의 L2는 이더리움에서 STARK 증명을 온체인 검증기 계약으로 검증하지만 SNARK보다 가스 비용이 높음)을 통해 여전히 온체인에서 검증될 수 있습니다. 핵심은 체인이 ML 모델을 실행할 필요 없이, 원래 연산보다 훨씬 저렴한 검증만 실행한다는 것입니다. 요약하면, zkML은 _비용이 많이 드는 AI 추론을 블록체인(또는 모든 검증자)이 밀리초에서 초 단위로 확인할 수 있는 작은 증명으로 압축_합니다.

Lagrange DeepProve: zkML의 혁신적인 아키텍처와 성능

Lagrange Labs의 DeepProve는 속도와 확장성에 초점을 맞춘 최첨단 zkML 추론 프레임워크입니다. 2025년에 출시된 DeepProve는 Ezkl과 같은 이전 솔루션보다 극적으로 빠른 새로운 증명 시스템을 도입했습니다. 그 설계는 _합계 검사를 포함한 GKR 상호작용 증명 프로토콜_과 신경망 회로에 대한 특화된 최적화를 중심으로 합니다. DeepProve의 작동 방식과 성능 달성 방법은 다음과 같습니다.

  • 일회성 전처리: 개발자는 훈련된 신경망(현재 다층 퍼셉트론 및 인기 있는 CNN 아키텍처 지원)으로 시작합니다. 모델은 표준 그래프 표현인 ONNX 형식으로 내보내집니다. 그런 다음 DeepProve의 도구는 ONNX 모델을 파싱하고 효율적인 필드 산술을 위해 양자화(가중치를 고정 소수점/정수 형태로 변환)합니다. 이 단계에서 암호학적 프로토콜을 위한 증명 및 검증 키도 생성합니다. 이 설정은 모델당 한 번만 수행되며 추론마다 반복할 필요가 없습니다. DeepProve는 통합의 용이성을 강조합니다: "모델을 ONNX로 내보내기 → 일회성 설정 → 증명 생성 → 어디서든 검증".

  • 증명 (추론 + 증명 생성): 설정 후, 증명자(사용자, 서비스 또는 Lagrange의 탈중앙화 증명자 네트워크에서 실행 가능)는 새로운 입력 $X$를 받아 모델 $M$을 실행하여 출력 $Y$를 얻습니다. 이 실행 동안 DeepProve는 각 계층의 연산에 대한 실행 추적을 기록합니다. SNARK 접근 방식처럼 모든 곱셈을 정적 회로로 미리 변환하는 대신, DeepProve는 선형 시간 GKR 프로토콜을 사용하여 각 계층을 즉석에서 검증합니다. 각 네트워크 계층에 대해 증명자는 계층의 입력과 출력에 커밋하고(예: 암호학적 해시 또는 다항식 커밋을 통해), 그런 다음 출력이 계층의 함수에 따라 실제로 입력에서 비롯되었음을 증명하기 위해 합계 검사 인수에 참여합니다. 합계 검사 프로토콜은 실제 값을 공개하지 않고 계층의 연산을 인코딩하는 다항식의 평가 합계의 정확성을 검증자에게 반복적으로 확신시킵니다. 비선형 연산(ReLU, softmax 등)은 DeepProve에서 _룩업 인수_를 통해 효율적으로 처리됩니다. 활성화의 출력이 계산되면, DeepProve는 각 출력이 해당 함수에 대해 사전 계산된 테이블의 유효한 입력-출력 쌍에 해당함을 증명할 수 있습니다. 계층별로 증명이 생성된 다음, 전체 모델의 순방향 전파를 다루는 하나의 간결한 증명으로 집계됩니다. 암호학의 무거운 작업은 최소화됩니다. DeepProve의 증명자는 거대한 제약 조건 시스템을 푸는 대신, 주로 일반적인 수치 연산(실제 추론)과 일부 가벼운 암호학적 커밋을 수행합니다.

  • 검증: 검증자는 최종 간결한 증명과 함께 몇 가지 공개 값(일반적으로 모델의 커밋된 식별자($M$의 가중치에 대한 암호학적 커밋), 입력 $X$(비공개가 아닌 경우), 주장된 출력 $Y$)을 사용하여 정확성을 확인합니다. DeepProve 시스템에서의 검증은 합계 검사 프로토콜의 트랜스크립트와 최종 다항식 또는 해시 커밋을 검증하는 것을 포함합니다. 이는 고전적인 SNARK를 검증하는 것(몇 번의 페어링일 수 있음)보다 더 복잡하지만, _모델을 다시 실행하는 것보다 훨씬 저렴_합니다. Lagrange의 벤치마크에서, 중간 크기 CNN에 대한 DeepProve 증명을 검증하는 데 소프트웨어에서 0.5초 정도 걸립니다. 이는 예를 들어 수십만 개의 매개변수를 가진 컨볼루션 네트워크가 올바르게 실행되었음을 확인하는 데 약 0.5초가 걸린다는 의미이며, 이는 검증을 위해 GPU에서 해당 CNN을 순진하게 재계산하는 것보다 500배 이상 빠릅니다. (실제로 DeepProve는 CNN에 대해 최대 521배 빠른 검증, MLP에 대해 _671배 빠른 검증_을 재실행과 비교하여 측정했습니다.) 증명 크기는 온체인으로 전송하기에 충분히 작으며(수십 KB), 0.5초의 연산은 신중한 가스 최적화나 레이어 2 실행이 필요할 수 있지만, 필요하다면 스마트 계약에서 검증을 수행할 수 있습니다.

아키텍처 및 도구: DeepProve는 Rust로 구현되었으며 개발자를 위한 툴킷(zkml 라이브러리)을 제공합니다. ONNX 모델 그래프를 기본적으로 지원하므로 PyTorch나 TensorFlow의 모델(내보내기 후)과 호환됩니다. 증명 프로세스는 현재 최대 수백만 개의 매개변수를 가진 모델을 대상으로 합니다(테스트에는 4백만 매개변수 밀집 네트워크 포함). DeepProve는 다중 선형 다항식 커밋(계층 출력에 커밋하기 위해), 연산 검증을 위한 합계 검사 프로토콜, 비선형 연산을 위한 룩업 인수 등 여러 암호학적 구성 요소를 조합하여 활용합니다. 특히 Lagrange의 오픈 소스 저장소는 이전 작업(Scroll의 Ceno 프로젝트에서 온 합계 검사 및 GKR 구현)을 기반으로 구축되었음을 인정하며, 이는 zkML과 영지식 롤업 연구의 교차점을 나타냅니다.

실시간 확장성을 달성하기 위해 Lagrange는 DeepProve를 **증명자 네트워크(Prover Network)**와 결합합니다. 이는 전문 ZK 증명자들의 탈중앙화 네트워크입니다. 무거운 증명 생성은 이 네트워크에 오프로드될 수 있습니다. 애플리케이션이 추론 증명이 필요할 때, 작업을 Lagrange의 네트워크에 보내면, 많은 운영자(보안을 위해 EigenLayer에 스테이킹됨)가 증명을 계산하고 결과를 반환합니다. 이 네트워크는 신뢰할 수 있는 증명 생성을 경제적으로 인센티브화합니다(악의적이거나 실패한 작업은 운영자를 슬래싱함). 증명자들에게 작업을 분산시키고(잠재적으로 GPU나 ASIC 활용), Lagrange 증명자 네트워크는 최종 사용자로부터 복잡성과 비용을 숨깁니다. 그 결과는 빠르고, 확장 가능하며, 탈중앙화된 zkML 서비스입니다: "검증 가능한 AI 추론을 빠르고 저렴하게".

성능 이정표: DeepProve의 주장은 이전 최첨단 기술인 Ezkl과의 벤치마크로 뒷받침됩니다. 약 264k 매개변수를 가진 CNN(CIFAR-10 규모 모델)의 경우, DeepProve의 증명 시간은 약 1.24초였던 반면, Ezkl은 약 196초로, 약 158배 더 빨랐습니다. 4백만 개의 매개변수를 가진 더 큰 밀집 네트워크의 경우, DeepProve는 추론을 약 2.3초 만에 증명했지만, Ezkl은 약 126.8초가 걸렸습니다(약 54배 더 빠름). 검증 시간도 단축되었습니다. DeepProve는 264k CNN 증명을 약 0.6초 만에 검증했지만, Ezkl 증명(Halo2 기반)을 CPU에서 검증하는 데는 5분 이상 걸렸습니다. 이러한 속도 향상은 DeepProve의 거의 선형적인 복잡성에서 비롯됩니다. 증명자는 연산 수에 따라 대략 _O(n)_으로 확장되는 반면, 회로 기반 SNARK 증명자는 종종 초선형적인 오버헤드(FFT 및 다항식 커밋 확장)를 가집니다. 실제로 DeepProve의 증명자 처리량은 일반 추론 런타임의 한 자릿수 이내일 수 있습니다. 최근 GKR 시스템은 대규모 행렬 곱셈에 대해 원시 실행보다 10배 미만으로 느릴 수 있으며, 이는 ZK에서 인상적인 성과입니다. 이는 _실시간 또는 온디맨드 증명_을 더 실현 가능하게 만들어, 상호작용 애플리케이션에서 검증 가능한 AI의 길을 열어줍니다.

사용 사례: Lagrange는 이미 Web3 및 AI 프로젝트와 협력하여 zkML을 적용하고 있습니다. 예시 사용 사례로는 검증 가능한 NFT 특성(게임 캐릭터나 수집품의 AI 생성 진화가 승인된 모델에 의해 계산되었음을 증명), AI 콘텐츠의 출처(딥페이크와 싸우기 위해 이미지나 텍스트가 특정 모델에 의해 생성되었음을 증명), DeFi 위험 모델(독점 데이터를 공개하지 않고 금융 위험을 평가하는 모델의 출력을 증명), 의료 또는 금융에서의 프라이빗 AI 추론(병원이 환자 데이터를 노출하지 않고 정확성을 보장하는 증명과 함께 AI 예측을 받을 수 있음) 등이 있습니다. AI 출력을 검증 가능하고 프라이버시를 보존하게 만듦으로써, DeepProve는 탈중앙화 시스템에서 _"신뢰할 수 있는 AI"_의 문을 엽니다. 이는 _"블랙박스 모델에 대한 맹목적인 신뢰"_의 시대에서 _"객관적인 보증"_의 시대로 나아가는 것입니다.

SNARK 기반 zkML: Ezkl과 Halo2 접근 방식

zkML에 대한 전통적인 접근 방식은 zk-SNARK(Succinct Non-interactive Arguments of Knowledge)를 사용하여 신경망 추론을 증명합니다. Ezkl(ZKonduit/Modulus Labs 제작)은 이 접근 방식의 대표적인 예입니다. 이는 Halo2 증명 시스템(BLS12-381 상의 다항식 커밋을 사용하는 PLONK 스타일의 SNARK)을 기반으로 합니다. Ezkl은 개발자가 PyTorch나 TensorFlow 모델을 가져와 ONNX로 내보내면, Ezkl이 이를 자동으로 맞춤형 산술 회로로 컴파일하는 툴링 체인을 제공합니다.

작동 방식: 신경망의 각 계층은 제약 조건으로 변환됩니다.

  • 선형 계층(밀집 또는 컨볼루션)은 입력, 가중치, 출력 간의 내적을 강제하는 곱셈-덧셈 제약 조건의 모음이 됩니다.
  • 비선형 계층(ReLU, 시그모이드 등)은 이러한 함수가 다항식이 아니기 때문에 룩업 또는 조각별 제약 조건을 통해 처리됩니다. 예를 들어, ReLU는 $y = x \cdot b$, $0 \le b \le 1$, $x>0$일 때 $b=1$을 보장하는 불리언 선택자 $b$로 구현될 수 있거나, 더 효율적으로는 $x$ 값의 범위에 대해 $x \mapsto \max(0,x)$를 매핑하는 룩업 테이블을 사용할 수 있습니다. Halo2의 룩업 인수는 16비트(또는 더 작은) 값의 청크를 매핑할 수 있으므로, 큰 도메인(예: 모든 32비트 값)은 보통 여러 개의 작은 룩업으로 _"청크화"_됩니다. 이 청크화는 제약 조건의 수를 증가시킵니다.
  • 큰 정수 연산이나 나눗셈(있는 경우)도 비슷하게 작은 조각으로 나뉩니다. 그 결과 특정 모델 아키텍처에 맞춰진 대규모 R1CS/PLONK 제약 조건 집합이 생성됩니다.

그런 다음 Ezkl은 Halo2를 사용하여 비밀 입력(모델 가중치, 개인 입력)과 공개 출력이 주어졌을 때 이러한 제약 조건이 성립한다는 증명을 생성합니다. 툴링 및 통합: SNARK 접근 방식의 한 가지 장점은 잘 알려진 프리미티브를 활용한다는 것입니다. Halo2는 이미 이더리움 롤업(예: Zcash, zkEVM)에서 사용되고 있으므로, 실전에서 검증되었고 온체인 검증기를 쉽게 사용할 수 있습니다. Ezkl의 증명은 BLS12-381 곡선을 사용하며, 이더리움은 사전 컴파일을 통해 이를 검증할 수 있어 스마트 계약에서 Ezkl 증명을 검증하는 것이 간단합니다. 팀은 또한 사용자 친화적인 API를 제공했습니다. 예를 들어, 데이터 과학자는 파이썬에서 모델 작업을 하고 Ezkl의 CLI를 사용하여 회로에 대한 깊은 지식 없이도 증명을 생성할 수 있습니다.

강점: Ezkl의 접근 방식은 SNARK의 일반성과 생태계로부터 이점을 얻습니다. 상당히 복잡한 모델을 지원하며 이미 _"실용적인 통합(DeFi 위험 모델에서 게임 AI까지)"_을 통해 실제 ML 작업을 증명했습니다. 모델의 연산 그래프 수준에서 작동하기 때문에, 중요하지 않은 가중치를 가지치기하거나 매개변수를 양자화하여 회로 크기를 줄이는 등 ML 관련 최적화를 적용할 수 있습니다. 또한 모델 기밀성이 자연스럽다는 것을 의미합니다. 가중치는 개인 증인 데이터로 처리될 수 있으므로, 검증자는 단지 어떤 유효한 모델이 출력을 생성했거나 기껏해야 모델에 대한 커밋만 볼 수 있습니다. SNARK 증명의 검증은 매우 빠르며(일반적으로 온체인에서 수 밀리초 이하), 증명 크기가 작아(수 킬로바이트) 블록체인 사용에 이상적입니다.

약점: 성능이 아킬레스건입니다. 회로 기반 증명은 특히 모델이 커질수록 큰 오버헤드를 부과합니다. 역사적으로 SNARK 회로는 증명자에게 모델을 그냥 실행하는 것보다 _백만 배 더 많은 작업_이 될 수 있다고 알려져 있습니다. Halo2와 Ezkl은 이를 최적화하지만, 여전히 대규모 행렬 곱셈과 같은 연산은 수많은 제약 조건을 생성합니다. 모델에 수백만 개의 매개변수가 있는 경우, 증명자는 그에 상응하는 수백만 개의 제약 조건을 처리해야 하며, 그 과정에서 무거운 FFT와 다중 지수 연산을 수행해야 합니다. 이로 인해 증명 시간이 길어지고(종종 중요하지 않은 모델의 경우에도 수 분 또는 수 시간이 걸림) 메모리 사용량이 높아집니다. 예를 들어, 비교적 작은 CNN(예: 수십만 개의 매개변수)을 증명하는 데도 단일 머신에서 Ezkl로 수십 분이 걸릴 수 있습니다. DeepProve 팀은 Ezkl이 특정 모델 증명에 몇 시간이 걸렸지만 DeepProve는 몇 분 만에 할 수 있다고 언급했습니다. 대규모 모델은 메모리에 맞지 않거나 여러 증명으로 분할해야 할 수도 있습니다(그런 다음 재귀적 집계가 필요함). Halo2가 _"적당히 최적화"_되었지만, 룩업을 "청크화"하거나 넓은 비트 연산을 처리해야 하는 필요성은 추가 오버헤드로 이어집니다. 요약하면, 확장성이 제한적입니다. Ezkl은 소규모에서 중간 규모의 모델에 잘 작동하지만(실제로 벤치마크에서 일부 초기 대안보다 성능이 우수했음), 모델 크기가 일정 지점을 넘어서면 어려움을 겪습니다.

이러한 어려움에도 불구하고, Ezkl 및 유사한 SNARK 기반 zkML 라이브러리는 중요한 디딤돌입니다. 그들은 온체인에서 _검증된 ML 추론이 가능함_을 증명했으며 활발하게 사용되고 있습니다. 특히, Modulus Labs와 같은 프로젝트는 SNARK를 사용하여 (대대적인 최적화와 함께) 1,800만 매개변수 모델을 온체인에서 검증하는 것을 시연했습니다. 비용은 상당했지만, 이는 발전 궤도를 보여줍니다. 또한, Mina Protocol은 자체 zkML 툴킷을 가지고 있어, Mina의 스마트 계약(Snark 기반)이 ML 모델 실행을 검증할 수 있도록 합니다. 이는 SNARK 기반 zkML에 대한 다중 플랫폼 지원이 증가하고 있음을 나타냅니다.

STARK 기반 접근 방식: ML을 위한 투명하고 프로그래밍 가능한 ZK

zk-STARK(Scalable Transparent ARguments of Knowledge)는 zkML로 가는 또 다른 경로를 제공합니다. STARK는 해시 기반 암호학(다항식 커밋을 위한 FRI 등)을 사용하며 신뢰 설정이 필요 없습니다. 이들은 종종 CPU나 VM을 시뮬레이션하고 실행 추적이 올바른지 증명하는 방식으로 작동합니다. ML의 맥락에서는 신경망을 위한 맞춤형 STARK를 구축하거나 범용 STARK VM을 사용하여 모델 코드를 실행할 수 있습니다.

일반 STARK VM (RISC Zero, Cairo): 간단한 접근 방식은 추론 코드를 작성하고 STARK VM에서 실행하는 것입니다. 예를 들어, Risc0는 RISC-V 환경을 제공하여 모든 코드(예: 신경망의 C++ 또는 Rust 구현)를 실행하고 STARK를 통해 증명할 수 있습니다. 마찬가지로, StarkWare의 Cairo 언어는 임의의 연산(LSTM 또는 CNN 추론 등)을 표현할 수 있으며, 이는 StarkNet STARK 증명자에 의해 증명됩니다. 장점은 유연성입니다. 각 모델에 대해 맞춤형 회로를 설계할 필요가 없습니다. 그러나 초기 벤치마크에서는 순진한 STARK VM이 ML에 최적화된 SNARK 회로보다 느리다는 것을 보여주었습니다. 한 테스트에서 Halo2 기반 증명(Ezkl)은 Cairo의 STARK 기반 접근 방식보다 약 3배 빨랐고, 2024년 특정 벤치마크에서는 RISC-V STARK VM보다 66배 더 빨랐습니다. 이 격차는 STARK에서 모든 저수준 명령어를 시뮬레이션하는 오버헤드와 STARK 증명의 더 큰 상수(해싱은 빠르지만 많이 필요함, STARK 증명 크기가 더 큼 등) 때문입니다. 그러나 STARK VM은 개선되고 있으며 투명한 설정(신뢰 설정 없음)과 양자내성 보안이라는 이점이 있습니다. STARK 친화적인 하드웨어와 프로토콜이 발전함에 따라 증명 속도는 향상될 것입니다.

DeepProve의 접근 방식 vs STARK: 흥미롭게도, DeepProve가 GKR과 합계 검사를 사용하는 것은 정신적으로 STARK와 더 유사한 증명을 산출합니다. 이는 구조화된 참조 문자열이 필요 없는 상호작용, 해시 기반 증명입니다. 트레이드오프는 증명이 더 크고 검증이 SNARK보다 무겁다는 것입니다. 그러나 DeepProve는 신중한 프로토콜 설계(ML의 계층 구조에 특화됨)가 증명 시간에서 일반 STARK VM과 SNARK 회로를 모두 크게 능가할 수 있음을 보여줍니다. DeepProve를 맞춤형 STARK 스타일 zkML 증명자로 간주할 수 있습니다(간결성을 위해 zkSNARK라는 용어를 사용하지만, 0.5초 검증은 일반적인 SNARK 검증보다 크기 때문에 전통적인 SNARK의 작은 상수 크기 검증은 없음). 전통적인 STARK 증명(StarkNet의 것과 같은)은 종종 검증하는 데 수만 개의 필드 연산이 필요한 반면, SNARK는 아마도 수십 개로 검증합니다. 따라서 한 가지 트레이드오프가 분명합니다. SNARK는 더 작은 증명과 더 빠른 검증기를 산출하는 반면, STARK(또는 GKR)는 증명 크기와 검증 속도를 희생하여 더 쉬운 확장성과 신뢰 설정 없음을 제공합니다.

새로운 개선 사항: JOLT zkVM(앞서 JOLTx에서 논의됨)은 실제로 SNARK(PLONKish 커밋 사용)를 출력하지만, STARK 맥락에서도 적용될 수 있는 아이디어(Lasso 룩업은 이론적으로 FRI 커밋과 함께 사용될 수 있음)를 구현합니다. StarkWare 등은 일반적인 연산의 증명 속도를 높이는 방법(예: Cairo에서 큰 정수 연산을 위해 사용자 정의 게이트나 힌트 사용)을 연구하고 있습니다. 또한 Privacy&Scaling Explorations(PSE)의 Circomlib-ML이 있는데, 이는 CNN 계층 등을 위한 Circom 템플릿을 제공합니다. 이는 SNARK 지향적이지만, 개념적으로 유사한 템플릿을 STARK 언어용으로 만들 수 있습니다.

실제로, STARK를 활용하는 비-이더리움 생태계에는 StarkNet(누군가 검증기를 작성하면 온체인 ML 검증이 가능하지만 비용이 높음)과 Risc0의 Bonsai 서비스(다양한 체인에서 검증할 수 있는 STARK 증명을 내보내는 오프체인 증명 서비스)가 있습니다. 2025년 현재, 블록체인 상의 대부분의 zkML 데모는 (검증기 효율성 때문에) SNARK를 선호했지만, STARK 접근 방식은 투명성과 고보안 또는 양자내성 환경에서의 잠재력 때문에 여전히 매력적입니다. 예를 들어, 탈중앙화 연산 네트워크는 STARK를 사용하여 누구나 신뢰 설정 없이 작업을 검증할 수 있게 하여 장기적인 사용에 유용할 수 있습니다. 또한, 일부 특화된 ML 작업은 STARK 친화적인 구조를 활용할 수 있습니다. 예를 들어, XOR/비트 연산을 많이 사용하는 연산은 SNARK 필드 산술보다 STARK에서 더 빠를 수 있습니다(불 대수와 해싱에서 저렴하기 때문).

ML에 대한 SNARK vs STARK 요약:

  • 성능: SNARK(Halo2 등)는 게이트당 증명 오버헤드가 크지만 강력한 최적화와 검증을 위한 작은 상수의 이점을 누립니다. STARK(일반)는 상수 오버헤드가 더 크지만 더 선형적으로 확장되고 페어링과 같은 비싼 암호화를 피합니다. DeepProve는 접근 방식을 맞춤화(합계 검사)하면 거의 선형적인 증명 시간(빠름)을 얻지만 STARK와 유사한 증명을 갖게 됨을 보여줍니다. JOLT는 일반 VM조차도 룩업을 많이 사용하면 더 빨라질 수 있음을 보여줍니다. 경험적으로, 수백만 연산까지의 모델에 대해: 잘 최적화된 SNARK(Ezkl)는 처리할 수 있지만 수십 분이 걸릴 수 있는 반면, DeepProve(GKR)는 몇 초 만에 할 수 있습니다. 2024년의 STARK VM은 특화되지 않는 한 SNARK보다 중간이거나 더 나빴을 가능성이 높습니다(Risc0는 테스트에서 더 느렸고, Cairo는 사용자 정의 힌트 없이는 더 느렸음).
  • 검증: SNARK 증명은 가장 빠르게 검증됩니다(밀리초, 온체인 데이터는 최소 ~수백 바이트에서 수 KB). STARK 증명은 더 크고(수십 KB) 많은 해싱 단계 때문에 검증하는 데 더 오래 걸립니다(수십 ms에서 수 초). 블록체인 용어로, SNARK 검증은 약 20만 가스가 들 수 있는 반면, STARK 검증은 수백만 가스가 들 수 있어 L1에는 너무 높고, L2나 간결한 검증 체계에서는 수용 가능합니다.
  • 설정 및 보안: Groth16과 같은 SNARK는 회로당 신뢰 설정이 필요하지만(임의의 모델에는 비우호적), 범용 SNARK(PLONK, Halo2)는 특정 크기까지의 모든 회로에 재사용할 수 있는 일회성 설정을 가집니다. STARK는 설정이 필요 없으며 해시 가정(및 고전적인 다항식 복잡성 가정)만 사용하며, 양자내성 보안을 갖습니다. 이는 STARK를 장기적으로 매력적으로 만듭니다. 양자 컴퓨터가 등장하더라도 증명은 안전하게 유지되지만, 현재의 SNARK(BLS12-381 기반)는 양자 공격에 의해 깨질 것입니다.

이러한 차이점들을 곧 비교표로 정리하겠습니다.

ML을 위한 FHE (FHE-o-ML): 프라이빗 연산 vs. 검증 가능한 연산

완전 동형 암호(FHE)는 암호화된 데이터에 대해 직접 연산을 수행할 수 있게 하는 암호화 기술입니다. ML의 맥락에서 FHE는 _프라이버시 보존 추론_의 한 형태를 가능하게 할 수 있습니다. 예를 들어, 클라이언트는 암호화된 입력을 모델 호스트에게 보내고, 호스트는 이를 해독하지 않고 암호문에 대해 신경망을 실행한 다음, 클라이언트가 해독할 수 있는 암호화된 결과를 다시 보냅니다. 이는 데이터 기밀성을 보장합니다. 모델 소유자는 입력에 대해 아무것도 알 수 없으며(잠재적으로 클라이언트는 출력만 알게 되고, 출력만 받으면 모델의 내부는 알 수 없음), FHE 자체는 ZKP와 같은 방식으로 정확성 증명을 생성하지 않습니다. 클라이언트는 모델 소유자가 실제로 정직하게 연산을 수행했다고 신뢰해야 합니다(암호문이 조작될 수 있음). 일반적으로 클라이언트가 모델을 가지고 있거나 특정 출력 분포를 예상하는 경우, 노골적인 속임수는 감지될 수 있지만, 미묘한 오류나 잘못된 모델 버전 사용은 암호화된 출력만으로는 명확하지 않습니다.

성능의 트레이드오프: FHE는 연산이 매우 무겁습니다. FHE 하에서 딥러닝 추론을 실행하면 몇 자릿수나 되는 속도 저하가 발생합니다. 초기 실험(예: 2016년 CryptoNets)에서는 암호화된 데이터에 대해 작은 CNN을 평가하는 데 수십 초가 걸렸습니다. 2024년까지 **CKKS(근사 산술용)**와 더 나은 라이브러리(Microsoft SEAL, Zama의 Concrete)와 같은 개선으로 이 오버헤드가 줄었지만 여전히 큽니다. 예를 들어, 한 사용자는 Zama의 Concrete-ML을 사용하여 CIFAR-10 분류기를 실행하는 데 하드웨어에서 추론당 _25–30분_이 걸렸다고 보고했습니다. 최적화 후 Zama 팀은 192코어 서버에서 해당 추론에 대해 약 40초를 달성했습니다. 40초조차도 평문 추론(0.01초일 수 있음)에 비해 매우 느리며, 약 $10^3$–$10^4\times$의 오버헤드를 보여줍니다. 더 큰 모델이나 더 높은 정밀도는 비용을 더욱 증가시킵니다. 또한 FHE 연산은 많은 메모리를 소비하고 때때로 계산적으로 비싼 부트스트래핑(잡음 감소 단계)이 필요합니다. 요약하면, _확장성은 주요 문제_입니다. 최첨단 FHE는 작은 CNN이나 간단한 로지스틱 회귀를 처리할 수 있지만, 대규모 CNN이나 트랜스포머로 확장하는 것은 현재의 실용적인 한계를 넘어섭니다.

프라이버시 이점: FHE의 큰 매력은 _데이터 프라이버시_입니다. 입력은 프로세스 전체에서 완전히 암호화된 상태로 유지될 수 있습니다. 이는 신뢰할 수 없는 서버가 클라이언트의 개인 데이터에 대해 아무것도 배우지 않고 연산할 수 있음을 의미합니다. 반대로, 모델이 민감한(독점적인) 경우, 모델 매개변수를 암호화하고 클라이언트가 자신의 쪽에서 FHE 추론을 수행하도록 상상할 수 있지만, 클라이언트가 무거운 FHE 연산을 해야 한다면 강력한 서버에 오프로드한다는 아이디어를 무효화하기 때문에 이는 덜 일반적입니다. 일반적으로 모델은 공개되거나 서버가 평문으로 보유하고, 데이터는 클라이언트의 키로 암호화됩니다. 이 시나리오에서 모델 프라이버시는 기본적으로 제공되지 않습니다(서버는 모델을 알고, 클라이언트는 가중치가 아닌 출력을 알게 됨). 모델과 데이터를 서로에게서 비공개로 유지할 수 있는 더 이국적인 설정(보안 2자간 연산 또는 다중 키 FHE 등)이 있지만, 이는 훨씬 더 복잡합니다. 대조적으로, ZKP를 통한 zkML은 _모델 프라이버시_와 _데이터 프라이버시_를 동시에 보장할 수 있습니다. 증명자는 모델과 데이터를 모두 비밀 증인으로 가질 수 있으며, 검증자에게 필요한 것만 공개합니다.

온체인 검증 불필요(그리고 불가능): FHE를 사용하면 결과가 클라이언트에게 암호화되어 나옵니다. 그런 다음 클라이언트는 이를 해독하여 실제 예측을 얻습니다. 그 결과를 온체인에서 사용하려면 클라이언트(또는 해독 키를 가진 사람)가 평문 결과를 게시하고 다른 사람들에게 그것이 정확하다고 설득해야 합니다. 그러나 그 시점에서는 ZKP와 결합하지 않는 한 신뢰가 다시 개입됩니다. 원칙적으로 FHE와 ZKP를 결합할 수 있습니다. 예를 들어, 연산 중 데이터를 비공개로 유지하기 위해 FHE를 사용한 다음, 평문 결과가 올바른 연산에 해당한다는 ZK 증명을 생성합니다. 그러나 이들을 결합하면 FHE ZKP의 성능 페널티를 모두 지불해야 하므로 오늘날의 기술로는 매우 비실용적입니다. 따라서 실제로 FHE-of-ML과 zkML은 다른 사용 사례를 제공합니다.

  • FHE-of-ML: 목표가 _두 당사자(클라이언트와 서버) 간의 기밀성_일 때 이상적입니다. 예를 들어, 클라우드 서비스는 ML 모델을 호스팅하고 사용자는 클라우드에 데이터를 공개하지 않고 민감한 데이터로 쿼리할 수 있습니다(그리고 모델이 민감한 경우 FHE 친화적인 인코딩을 통해 배포할 수 있음). 이는 프라이버시 보존 ML 서비스(의료 예측 등)에 적합합니다. 사용자는 여전히 서비스가 모델을 충실히 실행할 것이라고 신뢰해야 하지만(증명이 없으므로), 적어도 모든 _데이터 유출_은 방지됩니다. Zama와 같은 일부 프로젝트는 스마트 계약이 암호화된 입력에 대해 작동할 수 있는 _"FHE 지원 EVM(fhEVM)"_을 탐색하고 있지만, 이러한 연산을 온체인에서 검증하려면 계약이 어떻게든 올바른 연산을 강제해야 하므로, ZK 증명이나 특수 보안 하드웨어가 필요한 미해결 과제입니다.
  • zkML (ZKPs): 목표가 _검증 가능성과 공개 감사 가능성_일 때 이상적입니다. 누구나(또는 어떤 계약이든) _"모델 $M$이 $X$에 대해 올바르게 평가되어 $Y$를 생성했다"_는 것을 확신하고 싶다면 ZKP가 해결책입니다. 또한 프라이버시를 보너스로 제공하지만(증명에 대한 개인 입력으로 처리하여 $X$, $Y$, $M$을 숨길 수 있음), 주요 기능은 올바른 실행의 증명입니다.

상호 보완적인 관계: ZKP는 _검증자_를 보호하고(비밀에 대해 아무것도 배우지 않고 연산이 올바르게 수행되었다는 것만 알게 됨), FHE는 연산 당사자로부터 _증명자_의 데이터를 보호한다는 점에 주목할 가치가 있습니다. 일부 시나리오에서는 이들을 결합할 수 있습니다. 예를 들어, 신뢰할 수 없는 노드 네트워크는 FHE를 사용하여 사용자의 개인 데이터에 대해 연산한 다음, 사용자(또는 블록체인)에게 연산이 프로토콜에 따라 수행되었다는 ZK 증명을 제공할 수 있습니다. 이는 프라이버시와 정확성을 모두 다루지만, 오늘날의 알고리즘으로는 성능 비용이 막대합니다. 가까운 미래에 더 실현 가능한 것은 신뢰 실행 환경(TEE) + ZKP 또는 _기능적 암호화 + ZKP_와 같은 하이브리드입니다. 이는 우리의 범위를 벗어나지만, 비슷한 것을 제공하는 것을 목표로 합니다(TEE는 연산 중 데이터/모델을 비밀로 유지한 다음, ZKP는 TEE가 올바른 일을 했다고 증명할 수 있음).

요약하면, FHE-of-ML은 입력/출력의 기밀성을 우선시하는 반면, zkML은 검증 가능한 정확성(가능한 프라이버시 포함)을 우선시합니다. 아래 표 1은 주요 속성을 대조합니다.

접근 방식증명자 성능 (추론 및 증명)증명 크기 및 검증프라이버시 기능신뢰 설정 필요 여부양자내성 여부
zk-SNARK (Halo2, Groth16, PLONK 등)무거운 증명자 오버헤드 (최적화 없이는 일반 런타임의 최대 10^6배, 실제로는 10^3–10^5배). 특정 모델/회로에 최적화됨. 중간 크기 모델은 증명에 수 분, 큰 모델은 수 시간이 걸림. 최근 zkML SNARK(GKR을 사용한 DeepProve)는 이를 크게 개선함 (거의 선형적인 오버헤드, 예: 백만 매개변수 모델에 대해 분 대신 초).매우 작은 증명 (종종 100 KB 미만, 때로는 ~수 KB). 검증은 빠름: 몇 번의 페어링 또는 다항식 평가 (일반적으로 온체인에서 50 ms 미만). DeepProve의 GKR 기반 증명은 더 크고(수십–수백 KB) ~0.5초 만에 검증됨 (여전히 모델 재실행보다 훨씬 빠름).데이터 기밀성: 예 – 입력은 증명에서 비공개일 수 있음 (공개되지 않음). 모델 프라이버시: 예 – 증명자는 모델 가중치에 커밋하고 공개하지 않을 수 있음. 출력 숨기기: 선택 사항 – 증명은 출력을 공개하지 않고 명제에 대한 것일 수 있음 (예: "출력은 속성 P를 가짐"). 그러나 출력이 온체인에서 필요한 경우 일반적으로 공개됨. 전반적으로 SNARK는 완전한 영지식 유연성을 제공함 (원하는 부분을 숨길 수 있음).스킴에 따라 다름. Groth16/EZKL은 회로당 신뢰 설정이 필요함. PLONK/Halo2는 범용 설정(일회성)을 사용함. DeepProve의 합계 검사 GKR은 투명함 (설정 없음) – 그 설계의 보너스.고전적인 SNARK(BLS12-381 곡선)는 양자내성 안전하지 않음 (타원 곡선 이산 로그에 대한 양자 공격에 취약함). 일부 최신 SNARK는 양자내성 안전한 커밋을 사용하지만, Ezkl에서 사용되는 Halo2/PLONK는 양자내성 안전하지 않음. GKR(DeepProve)은 해시 커밋(예: Poseidon/Merkle)을 사용하며, 이는 양자내성 안전하다고 추정됨 (해시 프리이미지 저항성에 의존).
zk-STARK (FRI, 해시 기반 증명)증명자 오버헤드는 높지만 더 선형적인 확장성. 일반적으로 큰 작업에 대해 네이티브보다 10^2–10^4배 느리며, 병렬화의 여지가 있음. 일반 STARK VM(Risc0, Cairo)은 2024년 ML에 대해 SNARK보다 느린 성능을 보임 (예: 일부 경우 Halo2보다 3배–66배 느림). 특화된 STARK(또는 GKR)는 선형 오버헤드에 근접하고 큰 회로에 대해 SNARK를 능가할 수 있음.증명은 더 큼: 종종 수십 KB (회로 크기/log(n)에 따라 증가). 검증자는 여러 해시 및 FFT 검사를 해야 함 – 검증 시간 ~O(n^ε) (작은 ε에 대해, 예: 증명 크기에 따라 ~50 ms에서 500 ms). 온체인에서는 더 비쌈 (StarkWare의 L1 검증기는 증명당 수백만 가스가 들 수 있음). 일부 STARK는 증명자 시간을 희생하여 크기를 압축하기 위해 재귀적 증명을 지원함.데이터 및 모델 프라이버시: STARK는 추적 데이터를 무작위화하여(다항식 평가에 블라인딩 추가) 영지식으로 만들 수 있으므로, SNARK와 유사하게 개인 입력을 숨길 수 있음. 많은 STARK 구현은 무결성에 초점을 맞추지만, zk-STARK 변형은 프라이버시를 허용함. 따라서 예, SNARK처럼 입력/모델을 숨길 수 있음. 출력 숨기기: 이론적으로 마찬가지로 가능함 (증명자가 출력을 공개로 선언하지 않음), 그러나 일반적으로 출력이 우리가 공개/검증하려는 것이기 때문에 거의 사용되지 않음.신뢰 설정 없음. 투명성은 STARK의 특징 – 공통 무작위 문자열만 필요함 (Fiat-Shamir가 파생할 수 있음). 이는 개방형 사용(모든 모델, 언제든지, 모델별 의식 없음)에 매력적임.예, STARK는 해시 및 정보 이론적 보안 가정(랜덤 오라클 및 FRI에서 특정 코드워드 디코딩의 어려움 등)에 의존함. 이는 양자 적에 대해 안전하다고 믿어짐. 따라서 STARK 증명은 양자내성이 있어, 검증 가능한 AI를 미래에 대비하는 데 이점이 있음.
ML을 위한 FHE (추론에 적용된 완전 동형 암호)증명자 = 암호화된 데이터에 대해 연산을 수행하는 당사자. 연산 시간은 매우 높음: 평문 추론보다 10^3–10^5배 느린 것이 일반적임. 고급 하드웨어(다중 코어 서버, FPGA 등)가 이를 완화할 수 있음. 일부 최적화(저정밀도 추론, 레벨링된 FHE 매개변수)는 오버헤드를 줄일 수 있지만 근본적인 성능 저하가 있음. FHE는 현재 작은 모델이나 간단한 선형 모델에 실용적임. 딥 네트워크는 장난감 크기를 넘어서는 것이 여전히 어려움.증명이 생성되지 않음. 결과는 암호화된 출력임. 정확성을 확인하는 의미의 검증은 FHE 단독으로는 제공되지 않음 – 연산 당사자가 속이지 않을 것이라고 신뢰해야 함. (보안 하드웨어와 결합하면 증명을 얻을 수 있지만, 그렇지 않으면 악의적인 서버가 클라이언트가 차이를 모른 채 잘못된 출력으로 해독할 수 있는 잘못된 암호화된 결과를 반환할 수 있음).데이터 기밀성: 예 – 입력이 암호화되어 있으므로 연산 당사자는 그것에 대해 아무것도 알 수 없음. 모델 프라이버시: 모델 소유자가 암호화된 입력에 대해 연산을 수행하는 경우, 모델은 그들의 측에서 평문임 (보호되지 않음). 역할이 반대인 경우(클라이언트가 모델을 암호화하여 보유하고 서버가 연산), 모델은 암호화된 상태로 유지될 수 있지만, 이 시나리오는 덜 일반적임. FHE/MPC를 결합하여 둘 다 보호하는 보안 2자간 ML과 같은 기술이 있지만, 이는 일반 FHE를 넘어섬. 출력 숨기기: 기본적으로 연산의 출력은 암호화됨 (비밀 키를 가진 당사자, 보통 입력 소유자만 해독 가능). 따라서 출력은 연산 서버로부터 숨겨짐. 출력을 공개하고 싶다면 클라이언트가 해독하고 공개할 수 있음.설정이 필요 없음. 각 사용자는 암호화를 위해 자신의 키 쌍을 생성함. 신뢰는 키가 비밀로 유지되는 것에 의존함.FHE 스킴(예: BFV, CKKS, TFHE)의 보안은 격자 문제(오류를 사용한 학습)에 기반하며, 이는 양자 공격에 저항성이 있다고 믿어짐 (적어도 효율적인 양자 알고리즘은 알려져 있지 않음). 따라서 FHE는 일반적으로 양자내성 보안으로 간주됨.

표 1: 머신러닝 추론을 위한 zk-SNARK, zk-STARK, FHE 접근 방식 비교 (성능 및 프라이버시 트레이드오프).

Web3 애플리케이션을 위한 사용 사례 및 시사점

zkML을 통한 AI와 블록체인의 융합은 Web3에서 강력한 새로운 애플리케이션 패턴을 열어줍니다.

  • 탈중앙화 자율 에이전트 및 온체인 의사 결정: 스마트 계약이나 DAO는 정확성을 보장받으며 AI 기반 결정을 통합할 수 있습니다. 예를 들어, 거래를 실행하기 전에 시장 상황을 분석하기 위해 신경망을 사용하는 DAO를 상상해 보세요. zkML을 사용하면 DAO의 스마트 계약은 조치가 수락되기 전에 승인된 ML 모델(알려진 해시 커밋 포함)이 최신 데이터에 대해 실행되어 권장 조치를 생성했다는 zkSNARK 증명을 요구할 수 있습니다. 이는 악의적인 행위자가 가짜 예측을 주입하는 것을 방지합니다. 체인은 _AI의 연산을 검증_합니다. 시간이 지남에 따라, DeFi나 게임에서 결정을 내리는 완전한 온체인 자율 에이전트(오프체인 AI를 쿼리하거나 단순화된 모델을 포함하는 계약)가 있을 수 있으며, 모든 움직임은 zk 증명을 통해 정확하고 정책을 준수함이 증명됩니다. 이는 자율 에이전트의 "사고"가 블랙박스가 아닌 투명하고 검증 가능하기 때문에 신뢰를 높입니다.

  • 검증 가능한 연산 시장: Lagrange와 같은 프로젝트는 효과적으로 검증 가능한 연산 마켓플레이스를 만들고 있습니다. 개발자는 무거운 ML 추론을 증명자 네트워크에 아웃소싱하고 결과와 함께 증명을 받을 수 있습니다. 이는 탈중앙화 클라우드 컴퓨팅과 유사하지만, 신뢰가 내장되어 있습니다. 서버를 신뢰할 필요 없이 증명만 신뢰하면 됩니다. 이는 오라클과 오프체인 연산에 대한 패러다임 전환입니다. 이더리움의 곧 출시될 DSC(탈중앙화 시퀀싱 레이어)나 오라클 네트워크와 같은 프로토콜은 이를 사용하여 암호학적 보증이 있는 데이터 피드나 분석 피드를 제공할 수 있습니다. 예를 들어, 오라클은 "입력 Y에 대한 모델 X의 결과"를 제공하고 누구나 오라클의 말을 신뢰하는 대신 온체인에서 첨부된 증명을 검증할 수 있습니다. 이는 블록체인에서 _검증 가능한 AI-as-a-Service_를 가능하게 할 수 있습니다. 모든 계약은 연산("내 개인 모델로 이 신용 위험을 평가하라")을 요청하고 유효한 증명이 있는 경우에만 답변을 수락할 수 있습니다. Gensyn과 같은 프로젝트는 이러한 검증 기술을 사용하여 탈중앙화된 훈련 및 추론 마켓플레이스를 탐색하고 있습니다.

  • NFT 및 게임 – 출처 및 진화: 블록체인 게임이나 NFT 수집품에서 zkML은 특성이나 게임 움직임이 합법적인 AI 모델에 의해 생성되었음을 증명할 수 있습니다. 예를 들어, 게임에서 AI가 NFT 펫의 속성을 진화시킬 수 있습니다. ZK가 없으면 영리한 사용자가 AI나 결과를 수정하여 우월한 펫을 얻을 수 있습니다. zkML을 사용하면 게임은 _"펫의 새로운 능력치가 펫의 이전 능력치에 대해 공식 진화 모델에 의해 계산되었다"_는 증명을 요구하여 부정행위를 방지할 수 있습니다. 생성 예술 NFT도 마찬가지입니다. 작가는 생성 모델을 커밋으로 공개할 수 있습니다. 나중에 NFT를 민팅할 때, 각 이미지가 특정 시드에 대해 해당 모델에 의해 생성되었음을 증명하여 진위성을 보장할 수 있습니다(심지어 정확한 모델을 대중에게 공개하지 않고 작가의 IP를 보존하면서도). 이 _출처 검증_은 검증 가능한 무작위성과 유사한 방식으로 진위성을 보장합니다. 단, 여기서는 검증 가능한 창의성입니다.

  • 민감한 영역에서의 프라이버시 보존 AI: zkML은 입력을 노출하지 않고 결과를 확인할 수 있게 합니다. 의료 분야에서 환자의 데이터는 클라우드 제공업체에 의해 AI 진단 모델을 통해 실행될 수 있습니다. 병원은 진단과 함께 _모델(제약 회사가 비공개로 보유할 수 있음)이 환자 데이터에 대해 올바르게 실행되었다_는 증명을 받습니다. 환자 데이터는 비공개로 유지되고(증명에는 암호화되거나 커밋된 형태만 사용됨), 모델 가중치는 독점적으로 유지되지만 결과는 신뢰할 수 있습니다. 규제 기관이나 보험사도 승인된 모델만 사용되었는지 확인할 수 있습니다. 금융 분야에서 회사는 감사인이나 규제 기관에게 _위험 모델이 내부 데이터에 적용되어 특정 지표를 생성했다_고 증명하면서 민감한 기본 금융 데이터를 공개하지 않을 수 있습니다. 이는 수동적인 신뢰 대신 암호학적 보증으로 규정 준수 및 감독을 가능하게 합니다.

  • 크로스체인 및 오프체인 상호운용성: 영지식 증명은 근본적으로 이식 가능하기 때문에, zkML은 크로스체인 AI 결과를 촉진할 수 있습니다. 한 체인은 오프체인에서 실행되는 AI 집약적인 애플리케이션을 가질 수 있습니다. 결과의 증명을 다른 블록체인에 게시하면, 그 블록체인은 신뢰 없이 이를 수락할 것입니다. 예를 들어, 소셜 미디어 전반의 감성을 집계하기 위해 AI를 사용하는 다중 체인 DAO를 생각해 보세요. AI 분석(대규모 데이터에 대한 복잡한 NLP)은 오프체인에서 서비스에 의해 수행된 다음, _"분석이 올바르게 수행되었고 출력 감성 점수 = 0.85"_라는 증명을 작은 블록체인(또는 여러 체인)에 게시합니다. 모든 체인은 각자 분석을 다시 실행할 필요 없이 해당 결과를 검증하고 거버넌스 로직에 사용할 수 있습니다. 이러한 종류의 상호운용 가능한 검증 가능한 연산은 Lagrange의 네트워크가 여러 롤업이나 L1을 동시에 서비스함으로써 지원하고자 하는 것입니다. 이는 체인 간에 결과를 이동할 때 신뢰할 수 있는 브리지나 오라클 가정이 필요 없게 만듭니다.

  • AI 정렬 및 거버넌스: 더 미래 지향적인 관점에서, zkML은 _AI 거버넌스 및 안전_을 위한 도구로 강조되었습니다. 예를 들어, Lagrange의 비전 선언문은 AI 시스템이 더 강력해짐에 따라(심지어 초지능적으로), 합의된 규칙을 따르도록 보장하기 위해 암호학적 검증이 필수적일 것이라고 주장합니다. AI 모델이 자신의 추론이나 제약 조건에 대한 증명을 생성하도록 요구함으로써, 인간은 어느 정도의 통제력을 유지합니다. "검증할 수 없는 것은 신뢰할 수 없다". 이는 기술적인 측면뿐만 아니라 사회적인 측면도 포함하는 추측이지만, 이 기술은 자율적으로 실행되는 AI 에이전트가 여전히 승인된 모델을 사용하고 있으며 조작되지 않았음을 증명하도록 강제할 수 있습니다. 탈중앙화 AI 네트워크는 온체인 증명을 사용하여 기여를 검증할 수 있습니다(예: 모델을 협력적으로 훈련하는 노드 네트워크는 각 업데이트가 충실하게 계산되었음을 증명할 수 있음). 따라서 zkML은 _AI 시스템이 탈중앙화되거나 통제되지 않는 환경에서도 인간이 정의한 프로토콜에 대해 책임지도록 보장_하는 데 역할을 할 수 있습니다.

결론적으로, zkML과 검증 가능한 온체인 AI는 AI 애플리케이션의 신뢰, 투명성, 프라이버시를 향상시킬 고급 암호학과 머신러닝의 융합을 나타냅니다. 주요 접근 방식인 zk-SNARK, zk-STARK, FHE를 비교함으로써, 우리는 성능과 프라이버시 사이의 다양한 트레이드오프 스펙트럼을 볼 수 있으며, 각각 다른 시나리오에 적합합니다. Ezkl과 같은 SNARK 기반 프레임워크와 Lagrange의 DeepProve와 같은 혁신은 상당한 신경망 추론을 실용적인 노력으로 증명하는 것을 가능하게 하여, 검증 가능한 AI의 실제 배포의 문을 열었습니다. STARK 기반 및 VM 기반 접근 방식은 더 큰 유연성과 양자내성 보안을 약속하며, 이는 분야가 성숙함에 따라 중요해질 것입니다. FHE는 검증 가능성에 대한 해결책은 아니지만, 기밀 ML 연산의 상호 보완적인 요구를 해결하며, ZKP와 결합하거나 특정 개인적인 맥락에서 사용자가 데이터 프라이버시를 희생하지 않고 AI를 활용할 수 있도록 힘을 실어줄 수 있습니다.

Web3에 대한 시사점은 중요합니다. 우리는 AI 예측에 반응하는 스마트 계약이 정확하다는 것을 알게 되고, 결과가 신뢰 없이 판매되는 연산 시장, zkML에 의해 보호되어 생체 이미지 유출 없이 인간임을 확인하는 디지털 신원(Worldcoin의 홍채 AI를 통한 개인 증명 등), 그리고 일반적으로 블록체인 애플리케이션을 풍부하게 하는 새로운 종류의 _"증명 가능한 지능"_을 예견할 수 있습니다. 매우 큰 모델에 대한 성능, 개발자 인체 공학, 특수 하드웨어의 필요성 등 많은 과제가 남아 있지만, 궤적은 분명합니다. 한 보고서에서 언급했듯이, "오늘날의 ZKP는 작은 모델을 지원할 수 있지만, 중간에서 큰 모델은 패러다임을 깨뜨립니다." 그러나 빠른 발전(DeepProve로 이전 기술보다 50배–150배 속도 향상)이 그 경계를 넓히고 있습니다. 지속적인 연구(예: 하드웨어 가속 및 분산 증명)를 통해, 점진적으로 더 크고 복잡한 AI 모델이 증명 가능해질 것으로 기대할 수 있습니다. zkML은 곧 틈새 데모에서 신뢰할 수 있는 AI 인프라의 필수 구성 요소로 진화하여, AI가 보편화됨에 따라 감사 가능하고, 탈중앙화되며, 사용자 프라이버시 및 보안과 일치하는 방식으로 그렇게 되도록 보장할 수 있습니다.

ETHDenver 2025: 페스티벌에서 본 핵심 Web3 트렌드와 인사이트

· 약 21분

"재생자들의 해(Year of The Regenerates)"라는 브랜드로 열린 ETHDenver 2025는 세계 최대의 Web3 행사 중 하나로서의 위상을 공고히 했습니다. BUIDLWeek (2월 23일–26일), 메인 이벤트 (2월 27일–3월 2일), 그리고 컨퍼런스 후의 마운틴 리트리트에 걸쳐 진행된 이 페스티벌에는 25,000명 이상의 참가자가 모일 것으로 예상되었습니다. 125개국 이상에서 온 빌더, 개발자, 투자자, 크리에이터들이 덴버에 모여 이더리움의 탈중앙화와 혁신 정신을 기념했습니다. 커뮤니티에 뿌리를 둔 ETHDenver는 여전히 무료로 참석할 수 있었고, 커뮤니티의 후원으로 운영되었으며, 해커톤과 워크숍부터 패널, 피칭 이벤트, 파티에 이르기까지 풍성한 콘텐츠로 가득했습니다. 탈중앙화를 수호하는 *"재생자들(Regenerates)"*이라는 행사의 세계관은 경쟁적인 기술 환경 속에서도 공공재와 협력적인 빌딩을 강조하는 분위기를 조성했습니다. 그 결과, 한 주 동안 에너지 넘치는 빌더들의 활동과 미래 지향적인 논의가 이어졌으며, 이는 Web3의 새로운 트렌드와 업계 전문가들을 위한 실행 가능한 인사이트를 엿볼 수 있는 기회를 제공했습니다.

ETHDenver 2025

연사들이 조명한 새로운 Web3 트렌드

ETHDenver 2025에서는 단 하나의 서사가 지배적이지 않았습니다. 대신, 광범위한 Web3 트렌드가 중심 무대를 차지했습니다. 작년(EigenLayer를 통한 리스테이킹이 주목받았던)과 달리, 2025년의 의제는 탈중앙화 물리적 인프라 네트워크(DePIN)부터 AI 에이전트, 규제 준수, 실물 자산 토큰화(RWA), 그리고 프라이버시, 상호운용성 등 모든 것을 조금씩 다루었습니다. 실제로 ETHDenver의 설립자인 John Paller는 멀티체인 콘텐츠에 대한 우려에 대해 *"우리 스폰서의 95% 이상과 콘텐츠의 90%가 이더리움/EVM 기반"*이라고 언급했지만, 비이더리움 생태계의 존재는 상호운용성이 핵심 주제임을 강조했습니다. 주요 연사들은 이러한 트렌드 영역을 반영했습니다. 예를 들어, Matter Labs/zkSync의 CEO인 Alex Gluchowski는 zk-롤업과 레이어 2 스케일링을 강조했고, Mysten Labs(Sui)의 Adeniyi Abiodun과 Injective의 Albert Chon은 멀티체인 혁신에 대해 발표했습니다.

AI와 Web3의 융합은 강력한 기저 흐름으로 부상했습니다. 수많은 강연과 사이드 이벤트가 탈중앙화 AI 에이전트와 "DeFi+AI" 크로스오버에 초점을 맞췄습니다. 전용 AI 에이전트 데이에서는 온체인 AI 데모가 선보여졌고, 14개 팀(Coinbase의 개발자 키트와 NEAR의 AI 유닛 포함)의 연합체는 Web3 인프라를 공동으로 활용하여 무허가 무료 AI 접근을 제공하기 위한 이니셔티브인 **오픈 에이전트 얼라이언스(OAA)**를 발표하기도 했습니다. 이는 빌더들을 위한 새로운 개척지로서 **자율 에이전트와 AI 기반 디앱(dApp)**에 대한 관심이 커지고 있음을 나타냅니다. AI와 함께 **DePIN(탈중앙화 물리적 인프라)**도 또 다른 화두였습니다. 여러 패널(Day of DePIN, DePIN Summit 등)에서는 블록체인을 물리적 네트워크(통신에서 모빌리티까지)와 연결하는 프로젝트들을 탐구했습니다.

Cuckoo AI Network는 ETHDenver 2025에서 큰 주목을 받았으며, 크리에이터와 개발자를 위해 설계된 혁신적인 탈중앙화 AI 모델 서빙 마켓플레이스를 선보였습니다. 해커톤과 커뮤니티 주도 사이드 이벤트 모두에서 강력한 존재감을 드러낸 Cuckoo AI는 GPU/CPU 리소스를 수익화하고 온체인 AI API를 쉽게 통합할 수 있는 기능에 매료된 개발자들로부터 상당한 관심을 끌었습니다. 전용 워크숍과 네트워킹 세션에서 Cuckoo AI는 탈중앙화 인프라가 어떻게 고급 AI 서비스에 대한 접근을 효율적으로 민주화할 수 있는지 강조했습니다. 이는 블록체인과 AI, DePIN, 공공재 펀딩의 교차점이라는 행사의 광범위한 트렌드와 직접적으로 일치합니다. ETHDenver의 투자자와 개발자들에게 Cuckoo AI는 탈중앙화 접근 방식이 차세대 AI 기반 디앱과 인프라를 어떻게 구동할 수 있는지 보여주는 명확한 사례로 부상했으며, Web3 생태계 내에서 매력적인 투자 기회로 자리매김했습니다.

프라이버시, 신원, 보안은 여전히 최우선 과제였습니다. 연사들과 워크숍에서는 영지식 증명(zkSync의 참여), 신원 관리 및 검증 가능한 자격 증명(해커톤에 전용 프라이버시 & 보안 트랙이 있었음), 법률/규제 문제(온체인 법률 서밋이 페스티벌 트랙의 일부였음)와 같은 주제를 다루었습니다. 또 다른 주목할 만한 논의는 자금 조달의 미래와 펀딩의 탈중앙화였습니다. 메인 스테이지에서 Dragonfly Capital의 Haseeb Qureshi와 Legion("ICO와 유사한" 플랫폼)의 Matt O’Connor가 ICO 대 VC 펀딩에 대해 벌인 토론은 참석자들을 사로잡았습니다. 이 토론은 전통적인 VC 경로에 도전하는 커뮤니티 토큰 판매와 같은 새로운 모델을 조명했으며, 이는 자본 조달을 모색하는 Web3 스타트업에게 중요한 트렌드입니다. 전문가들을 위한 시사점은 분명합니다. 2025년의 Web3는 다학제적이며, 금융, AI, 실물 자산, 문화를 아우릅니다. 정보를 유지한다는 것은 단 하나의 유행 주기를 넘어 혁신의 전체 스펙트럼을 바라보는 것을 의미합니다.

스폰서와 그들의 전략적 초점 분야

2025년 ETHDenver의 스폰서 명단은 레이어 1, 레이어 2, Web3 인프라 프로젝트의 거물들로 가득 차 있으며, 각자는 전략적 목표를 달성하기 위해 이 행사를 활용했습니다. 크로스체인 및 멀티체인 프로토콜이 강력한 존재감을 보였습니다. 예를 들어, Polkadot은 8만 달러의 상당한 상금 풀을 제공하는 최고 스폰서로서, 빌더들이 크로스체인 디앱과 앱체인을 만들도록 장려했습니다. 마찬가지로 **BNB Chain, Flow, Hedera, Base(Coinbase의 L2)**는 각각 생태계와 통합하는 프로젝트에 최대 5만 달러를 제공하며 이더리움 개발자 유치에 힘쓰고 있음을 시사했습니다. Solana와 Internet Computer와 같은 전통적으로 분리된 생태계조차도 스폰서 챌린지에 참여했습니다(예: Solana는 DePIN 이벤트를 공동 주최했고, Internet Computer는 "오직 ICP에서만 가능한" 상금을 제공했습니다). 이러한 교차 생태계 참여는 일부 커뮤니티의 비판을 받기도 했지만, ETHDenver 팀은 콘텐츠의 대다수가 이더리움 기반임을 언급했습니다. 그 결과 상호운용성이 핵심 주제가 되었으며, 스폰서들은 자신들의 플랫폼을 이더리움 세계의 보완적인 확장으로 포지셔닝하고자 했습니다.

스케일링 솔루션과 인프라 제공업체 또한 전면에 나섰습니다. Optimism과 Arbitrum과 같은 주요 이더리움 L2들은 대형 부스를 운영하고 스폰서 챌린지를 진행하며(Optimism의 상금은 최대 4만 달러), 롤업으로 개발자들을 온보딩하는 데 집중하고 있음을 재확인했습니다. ZkSync와 Zircuit(L2 롤업 접근 방식을 선보인 프로젝트)과 같은 새로운 진입자들은 영지식 기술을 강조했으며, 심지어 SDK를 제공하기도 했습니다(ZkSync는 사용자 친화적인 로그인을 위한 Smart Sign-On SDK를 홍보했고, 해커톤 팀들은 이를 적극적으로 사용했습니다). 리스테이킹과 모듈형 블록체인 인프라는 또 다른 스폰서의 관심사였습니다. EigenLayer(리스테이킹의 선구자)는 자체적으로 5만 달러 트랙을 운영하고 "리스테이킹 & DeFAI(탈중앙화 AI)" 이벤트를 공동 주최하여 자신들의 보안 모델을 AI 주제와 결합했습니다. 오라클과 상호운용성 미들웨어는 Chainlink와 Wormhole과 같은 프로젝트들이 대표했으며, 각각 자신들의 프로토콜 사용에 대한 상금을 내걸었습니다.

주목할 점은 Web3 소비자 애플리케이션과 툴링이 사용자 경험 개선을 위해 스폰서 지원을 받았다는 것입니다. Uniswap의 참여는(가장 큰 부스 중 하나를 갖추고) 단지 보여주기 위함이 아니었습니다. 이 DeFi 거인은 이벤트를 통해 통합된 법정화폐 오프램프와 같은 새로운 지갑 기능을 발표하며, DeFi 사용성 향상이라는 스폰서십 초점과 일치시켰습니다. **Galxe(Gravity)**와 Lens Protocol과 같은 신원 및 커뮤니티 중심 플랫폼들은 온체인 소셜 및 자격 증명 관련 챌린지를 후원했습니다. 주류 기술 기업들도 관심을 보였습니다. PayPal과 Google Cloud는 스테이블코인/결제 해피아워를 주최하여 암호화폐 결제의 미래에 대해 논의했습니다. 이러한 스폰서들의 조합은 전략적 관심사가 핵심 인프라에서 최종 사용자 애플리케이션에 이르기까지 다양했음을 보여주며, 이들 모두가 개발자들에게 리소스(API, SDK, 보조금)를 제공하기 위해 ETHDenver에 모였습니다. Web3 전문가들에게 레이어 1, 레이어 2, 심지어 Web2 핀테크 기업들의 대규모 후원은 업계가 어디에 투자하고 있는지를 명확히 보여줍니다. 바로 상호운용성, 확장성, 보안, 그리고 다음 세대 사용자를 위해 암호화폐를 유용하게 만드는 것입니다.

해커톤 하이라이트: 혁신적인 프로젝트와 수상작

ETHDenver의 핵심은 전설적인 #BUIDLathon입니다. 이 해커톤은 수천 명의 개발자가 참여하는 세계 최대의 블록체인 해커톤으로 성장했습니다. 2025년 해커톤은 혁신을 촉진하기 위해 기록적인 1,043,333달러 이상의 상금 풀을 제공했습니다. 60개 이상의 스폰서가 제공한 상금은 주요 Web3 분야를 목표로 했으며, 경쟁은 다음과 같은 트랙으로 나뉘었습니다: DeFi & AI, NFT & 게이밍, 인프라 & 확장성, 프라이버시 & 보안, DAO & 공공재. 이 트랙 디자인 자체도 통찰력이 있습니다. 예를 들어, DeFi와 AI를 짝지은 것은 AI 기반 금융 애플리케이션의 등장을 암시하며, 전용 공공재 트랙은 재생 금융과 오픈소스 개발에 대한 커뮤니티의 초점을 재확인합니다. 각 트랙은 자신들의 기술을 가장 잘 활용한 프로젝트에 상을 제공하는 스폰서들(예: DeFi 분야의 Polkadot과 Uniswap, 상호운용성 분야의 Chainlink, 스케일링 솔루션 분야의 Optimism)의 지원을 받았습니다. 주최 측은 심사에 **이차 투표(quadratic voting)**를 도입하여 커뮤니티가 최고의 프로젝트를 발굴하는 데 도움을 주도록 했으며, 최종 수상자는 전문 심사위원단이 선정했습니다.

그 결과 최첨단 프로젝트들이 쏟아져 나왔으며, 이들 중 다수는 Web3의 미래를 엿볼 수 있게 합니다. 주목할 만한 수상작으로는 온체인 멀티플레이어 게임 **"0xCaliber"**가 있습니다. 이 1인칭 슈팅 게임은 고전적인 FPS 게임 내에서 실시간 블록체인 상호작용을 실행합니다. 0xCaliber는 진정한 온체인 게이밍을 시연하여 심사위원들을 놀라게 했습니다. 플레이어들은 암호화폐로 참여하고, 온체인 "총알"을 쏘며, 크로스체인 트릭을 사용해 전리품을 수집하고 현금화하는 모든 과정을 실시간으로 진행합니다. 이런 종류의 프로젝트는 Web3 게이밍의 성숙도(Unity 게임 엔진과 스마트 컨트랙트의 통합)와 엔터테인먼트와 암호화폐 경제학을 결합하는 창의성을 보여줍니다. 또 다른 뛰어난 해킹 카테고리는 AI와 이더리움을 결합한 것들이었습니다. 팀들은 오픈 에이전트 얼라이언스 발표에서 영감을 받아 스마트 컨트랙트를 사용해 AI 서비스를 조정하는 "에이전트" 플랫폼을 구축했습니다. 예를 들어, 한 해커톤 프로젝트는 AI 기반 스마트 컨트랙트 감사기(컨트랙트에 대한 보안 테스트 케이스를 자동 생성)를 통합하여 컨퍼런스에서 관찰된 탈중앙화 AI 트렌드와 일치했습니다.

인프라 및 툴링 프로젝트도 두드러졌습니다. 일부 팀들은 계정 추상화와 사용자 경험 문제를 다루었으며, zkSync의 Smart Sign-On과 같은 스폰서 툴킷을 사용하여 디앱을 위한 지갑 없는 로그인 흐름을 만들었습니다. 다른 팀들은 크로스체인 브리지와 레이어 2 통합 작업을 진행하며 상호운용성에 대한 개발자들의 지속적인 관심을 반영했습니다. 공공재 & DAO 트랙에서는 몇몇 프로젝트가 실제 사회적 영향력을 다루었습니다. 예를 들어, 노숙자를 돕기 위한 탈중앙화 신원 및 지원 디앱(NFT와 커뮤니티 기금을 활용, 이전 ReFi 해킹을 연상시키는 아이디어)이 있었습니다. 새로운 메커니즘을 통해 공공재에 자금을 지원하는 것과 같은 재생 금융(ReFi) 개념은 ETHDenver의 재생 테마를 반영하며 계속해서 등장했습니다.

메인 이벤트가 끝날 무렵 최종 수상자들이 축하를 받았지만, 진정한 가치는 혁신의 파이프라인에 있었습니다. 400개 이상의 프로젝트 제출물이 쏟아졌으며, 이들 중 다수는 이벤트 이후에도 계속될 것입니다. ETHDenver의 해커톤은 미래의 스타트업을 배출한 실적을 가지고 있습니다(실제로 과거 BUIDLathon 프로젝트 중 일부는 스폰서로 성장하기도 했습니다). 투자자와 기술자들에게 해커톤은 최첨단 아이디어에 대한 창을 제공했으며, 차세대 Web3 스타트업이 온체인 게이밍, AI 주입 디앱, 크로스체인 인프라, 사회적 영향을 목표로 하는 솔루션과 같은 분야에서 나타날 수 있음을 시사했습니다. 개발자들에게 거의 1백만 달러의 상금이 지급되면서, 스폰서들은 이러한 혁신을 육성하기 위해 말 그대로 돈을 쏟아부었습니다.

네트워킹 이벤트와 투자자 교류

ETHDenver는 단지 코드를 작성하는 것만이 아닙니다. 그만큼 중요한 것은 관계를 맺는 것입니다. 2025년 페스티벌은 스타트업, 투자자, 커뮤니티 빌더를 위해 맞춤화된 공식 및 비공식 이벤트로 네트워킹을 한층 강화했습니다. 대표적인 이벤트 중 하나는 Bufficorn Ventures (BV) Startup Rodeo였습니다. 이는 엄선된 20개의 스타트업이 과학 박람회 스타일의 엑스포에서 투자자들에게 데모를 선보이는 에너지 넘치는 쇼케이스였습니다. 3월 1일 메인 홀에서 열린 Startup Rodeo는 피칭 대회라기보다는 "스피드 데이팅"에 가까웠습니다. 창업자들은 테이블을 지키며 참석한 모든 투자자들이 경기장을 돌아다니는 동안 일대일로 프로젝트를 소개했습니다. 이 형식은 초기 단계의 팀들도 VC, 전략적 파트너, 또는 파트너들과 의미 있는 대면 시간을 가질 수 있도록 보장했습니다. 많은 스타트업이 이를 고객과 자금을 찾는 발판으로 삼았으며, ETHDenver에 집중된 Web3 펀드들의 존재를 활용했습니다.

컨퍼런스 마지막 날에는 BV BuffiTank Pitchfest가 메인 스테이지에서 주목을 받았습니다. 이는 ETHDenver 커뮤니티에서 나온 "가장 혁신적인" 초기 단계 스타트업 10개가 참여하는 보다 전통적인 피칭 대회였습니다. 이 팀들(해커톤 수상자와는 별개)은 최고의 VC와 업계 리더들로 구성된 패널에게 자신들의 비즈니스 모델을 발표하며, 영예와 잠재적인 투자 제안을 놓고 경쟁했습니다. Pitchfest는 ETHDenver가 딜 플로우 생성기로서의 역할을 보여주었습니다. 이는 명시적으로 "이미 조직되어 투자, 고객, 노출을 찾고 있는" 팀들, 특히 SporkDAO 커뮤니티와 연결된 팀들을 대상으로 했습니다. 수상자에게 주어지는 보상은 단순한 상금이 아니라 Bufficorn Ventures의 포트폴리오나 다른 액셀러레이터 코호트에 합류할 수 있다는 약속이었습니다. 본질적으로 ETHDenver는 Web3를 위한 자체 미니 "샤크 탱크"를 만들어 커뮤니티 최고의 프로젝트에 대한 투자자들의 관심을 촉발시켰습니다.

이러한 공식적인 쇼케이스 외에도, 한 주 동안은 투자자-창업자 믹서로 가득했습니다. Belong이 큐레이팅한 가이드에 따르면, 주목할 만한 사이드 이벤트로는 2월 27일 CertiK Ventures가 주최한 "Meet the VCs" 해피아워, 3월 1일의 StarkNet VC & Founders Lounge, 그리고 "Pitch & Putt" 골프 테마 피칭 이벤트와 같은 캐주얼한 행사들이 있었습니다. 이러한 모임들은 창업자들이 벤처 캐피탈리스트들과 편안한 환경에서 어울릴 수 있는 기회를 제공했으며, 종종 컨퍼런스 이후 후속 미팅으로 이어졌습니다. 많은 신흥 VC 펀드의 존재감도 패널에서 느껴졌습니다. 예를 들어, EtherKnight Stage의 한 세션에서는 Reflexive Capital, Reforge VC, Topology, Metalayer, Hash3와 같은 새로운 펀드들과 그들이 가장 기대하는 트렌드를 조명했습니다. 초기 징후에 따르면 이들 VC는 탈중앙화 소셜 미디어, AI, 새로운 레이어 1 인프라와 같은 분야에 관심이 많았으며, 각 펀드는 경쟁적인 VC 환경에서 자신들을 차별화하기 위해 틈새 시장을 개척하고 있었습니다.

ETHDenver의 네트워킹을 활용하려는 전문가들에게 핵심적인 교훈은 사이드 이벤트와 타겟 믹서의 가치입니다. 거래와 파트너십은 종종 무대 위에서보다 커피나 칵테일을 마시며 싹트기 마련입니다. ETHDenver 2025의 수많은 투자자 이벤트는 Web3 펀딩 커뮤니티가 침체된 시장에서도 적극적으로 인재와 아이디어를 찾고 있음을 보여줍니다. 세련된 데모와 명확한 가치 제안을 준비해 온 스타트업들(종종 이벤트의 해커톤 모멘텀을 활용)은 호의적인 청중을 만났습니다. 한편, 투자자들은 이러한 교류를 통해 개발자 커뮤니티의 맥박을 측정했습니다. 올해 가장 똑똑한 빌더들은 어떤 문제를 해결하고 있는가? 요약하자면, ETHDenver는 네트워킹이 BUIDLing만큼 중요하다는 것을 재확인시켜 주었습니다. 우연한 만남이 시드 투자로 이어질 수 있고, 통찰력 있는 대화가 다음의 큰 협업을 촉발할 수 있는 곳입니다.

Web3의 벤처 캐피탈 트렌드와 투자 기회

ETHDenver 2025 전반에 걸쳐 미묘하지만 중요한 서사 중 하나는 Web3 벤처 캐피탈 자체의 진화하는 환경이었습니다. 광범위한 암호화폐 시장의 등락에도 불구하고, ETHDenver의 투자자들은 유망한 Web3 프로젝트에 대한 강한 의욕을 보였습니다. 현장의 Blockworks 기자들은 *"거시 경제의 역풍에도 불구하고 얼마나 많은 사모 자본이 여전히 암호화폐로 유입되고 있는지"*를 언급하며, 가장 인기 있는 아이디어에 대한 시드 단계 밸류에이션이 종종 하늘을 찌를 정도라고 전했습니다. 실제로 암호화폐 네이티브 펀드부터 Web3에 발을 담그는 전통적인 기술 투자자에 이르기까지 수많은 VC가 참석한 것은 ETHDenver가 여전히 딜 메이킹의 허브임을 분명히 했습니다.

VC들이 논의하고 후원하는 내용에서 새로운 주제별 초점을 파악할 수 있었습니다. AI x Crypto 콘텐츠(해커톤 트랙, 패널 등)의 확산은 단지 개발자 트렌드만이 아니었습니다. 이는 **"DeFi와 AI의 만남"**이라는 연결고리에 대한 벤처의 관심을 반영합니다. 많은 투자자들이 블록체인에서 머신러닝이나 자율 에이전트를 활용하는 스타트업을 주시하고 있으며, 이는 벤처가 후원하는 AI 해커하우스와 서밋에서 증명되었습니다. 마찬가지로, DePIN과 실물 자산(RWA) 토큰화에 대한 높은 관심은 펀드들이 블록체인을 실물 경제 자산 및 물리적 장치와 연결하는 프로젝트에서 기회를 보고 있음을 나타냅니다. 토큰화된 자산의 미래에 대한 B2B 이벤트인 전용 RWA 데이(2월 26일)는 벤처 스카우트들이 그 분야에서 다음 Goldfinch나 Centrifuge(즉, 실물 금융을 온체인으로 가져오는 플랫폼)를 적극적으로 찾고 있음을 시사합니다.

관찰 가능한 또 다른 트렌드는 펀딩 모델에 대한 실험의 증가였습니다. 앞서 언급한 ICO 대 VC에 대한 토론은 단지 컨퍼런스 쇼가 아니었습니다. 이는 커뮤니티 중심 펀딩을 향한 실제 벤처 움직임을 반영합니다. ETHDenver의 일부 VC들은 하이브리드 모델(예: 초기 라운드에 커뮤니티를 참여시키는 벤처 지원 토큰 출시)에 대한 개방성을 나타냈습니다. 또한, 공공재 펀딩과 임팩트 투자도 중요한 위치를 차지했습니다. ETHDenver의 재생 정신과 함께, 투자자들조차도 단지 다음 DeFi나 NFT 붐을 쫓는 것을 넘어 오픈소스 인프라와 개발자들을 장기적으로 지원하는 방법에 대해 논의했습니다. *"미래에 자금을 지원하다: 온체인 스타트업을 위한 진화하는 모델"*과 같은 패널에서는 전통적인 VC 자금을 보완하기 위해 보조금, DAO 재무부 투자, 이차 펀딩과 같은 대안을 탐색했습니다. 이는 프로젝트가 자본화되는 방식이 성숙하고 있음을 가리킵니다. 즉, 벤처 캐피탈, 생태계 펀드, 커뮤니티 펀딩이 함께 작동하는 혼합 방식입니다.

기회 측면에서, Web3 전문가와 투자자들은 ETHDenver의 벤처 동향에서 몇 가지 실행 가능한 인사이트를 얻을 수 있습니다: (1) 인프라는 여전히 왕이다 – 많은 VC들이 업계의 중추로서 픽스앤셔블(L2 스케일링, 보안, 개발 도구)이 여전히 고부가가치 투자라고 밝혔습니다. (2) AI/블록체인 융합 및 DePIN과 같은 새로운 버티컬은 신흥 투자 개척지이다 – 이러한 분야에 대한 최신 정보를 얻거나 그곳에서 스타트업을 찾는 것은 보람 있을 수 있습니다. (3) 커뮤니티 주도 프로젝트와 공공재는 새로운 펀딩을 볼 수 있다 – 현명한 투자자들은 이를 지속 가능하게 지원하는 방법을 찾고 있습니다(예: 탈중앙화 거버넌스나 공유 소유권을 가능하게 하는 프로토콜에 투자). 전반적으로 ETHDenver 2025는 Web3 벤처 환경이 경쟁적이면서도 확신에 차 있음을 보여주었습니다. DeFi, NFT, 게이밍 등의 미래를 구축하는 사람들을 위한 자본은 준비되어 있으며, 약세장에서 태어난 아이디어라도 올바른 트렌드를 목표로 한다면 지원을 받을 수 있습니다.

개발자 리소스, 툴킷 및 지원 시스템

ETHDenver는 항상 빌더 중심이었으며, 2025년도 예외는 아니었습니다. 이 행사는 Web3 개발자들을 위한 풍부한 리소스와 지원을 제공하는 오픈소스 개발자 컨퍼런스 역할을 겸했습니다. BUIDLWeek 동안 참석자들은 다양한 분야에 걸친 라이브 워크숍, 기술 부트캠프, 미니 서밋에 참여할 수 있었습니다. 예를 들어, 개발자들은 최첨단 기술 서밋에 참여하여 최신 프로토콜을 다루거나, 온체인 법률 서밋에 들러 규정을 준수하는 스마트 컨트랙트 개발에 대해 배울 수 있었습니다. 주요 스폰서와 블록체인 팀들은 실습 세션을 운영했습니다. Polkadot 팀은 파라체인을 구축하는 방법에 대한 해커 하우스와 워크숍을 주최했고, EigenLayer는 개발자들에게 자신들의 보안 레이어를 활용하는 방법을 가르치기 위해 "리스테이킹 부트캠프"를 이끌었으며, Polygon과 zkSync는 영지식 기술로 확장 가능한 디앱을 구축하는 방법에 대한 튜토리얼을 제공했습니다. 이러한 세션들은 핵심 엔지니어들과의 귀중한 대면 시간을 제공하여 개발자들이 통합에 대한 도움을 받고 새로운 툴킷을 직접 배울 수 있게 했습니다.

메인 이벤트 기간 동안, 행사장은 빌더들이 협업 환경에서 코딩하고 멘토에게 접근할 수 있는 전용 #BUIDLHub 및 메이커스페이스를 갖추고 있었습니다. ETHDenver 주최 측은 상세한 BUIDLer 가이드를 발행하고 현장 멘토십 프로그램을 운영했습니다(스폰서 전문가들이 기술적 문제에 대해 팀을 도울 수 있었습니다). 개발자 툴링 회사들도 대거 참석했습니다. Alchemy와 Infura(블록체인 API용)부터 Hardhat과 Foundry(스마트 컨트랙트 개발용)까지 다양했습니다. 많은 회사들이 행사에서 새로운 릴리스나 베타 툴을 공개했습니다. 예를 들어, MetaMask 팀은 사용자를 위해 앱이 가스비를 부담하는 방식을 단순화하기 위해 가스 추상화와 개선된 SDK를 특징으로 하는 주요 지갑 업데이트를 미리 선보였습니다. 여러 프로젝트가 SDK나 오픈소스 라이브러리를 출시했습니다. Coinbase의 AI 에이전트를 위한 *"Agent Kit"*와 협력적인 Open Agents Alliance 툴킷이 소개되었고, Story.xyz는 자체 해커톤 이벤트 동안 온체인 지적 재산권 라이선싱을 위한 Story SDK를 홍보했습니다.

상금과 해커 지원은 개발자 경험을 더욱 풍부하게 했습니다. 62개 스폰서가 제공한 180개 이상의 상금으로, 해커들은 사실상 선택할 수 있는 특정 챌린지 메뉴를 가졌으며, 각 챌린지에는 문서, 오피스 아워, 때로는 맞춤형 샌드박스가 함께 제공되었습니다. 예를 들어, Optimism의 상금은 개발자들이 최신 Bedrock 옵코드를 사용하도록 도전했고(엔지니어들이 대기하며 지원), Uniswap의 챌린지는 오프램프 통합을 위한 새로운 API에 대한 액세스를 제공했습니다. 공식 ETHDenver 모바일 앱과 Discord 채널과 같은 조정 및 학습 도구는 개발자들에게 일정 변경, 사이드 퀘스트, 심지어 ETHDenver 채용 게시판을 통한 채용 기회에 대한 정보를 제공했습니다.

주목할 만한 리소스 중 하나는 이차 펀딩 실험과 온체인 투표에 대한 강조였습니다. ETHDenver는 해커톤 심사에 이차 투표 시스템을 통합하여 많은 개발자들에게 이 개념을 접하게 했습니다. 또한, Gitcoin 및 기타 공공재 그룹의 참여는 개발자들이 이벤트 이후 자신들의 프로젝트를 위한 보조금 펀딩에 대해 배울 수 있음을 의미했습니다. 요약하자면, ETHDenver 2025는 개발자들에게 최첨단 도구(SDK, API), 전문가 지도, 그리고 프로젝트를 계속할 수 있는 후속 지원을 제공했습니다. 업계 전문가들에게 이는 교육, 툴링, 펀딩을 통해 개발자 커뮤니티를 육성하는 것이 중요하다는 점을 상기시킵니다. 강조된 많은 리소스(새로운 SDK나 개선된 개발 환경 등)는 이제 공개적으로 사용 가능하며, 전 세계 팀들에게 ETHDenver에서 공유된 것을 기반으로 구축할 기회를 제공합니다.

ETHDenver 경험을 풍요롭게 한 사이드 이벤트와 커뮤니티 모임

ETHDenver를 진정으로 차별화하는 것은 축제 같은 분위기입니다. 공식 및 비공식적인 수십 개의 사이드 이벤트가 메인 컨퍼런스를 중심으로 풍부한 경험의 태피스트리를 만들어냈습니다. 2025년에는 공식 콘텐츠가 진행된 National Western Complex를 넘어, 도시 전체가 밋업, 파티, 해커톤, 커뮤니티 모임으로 활기찼습니다. 종종 스폰서나 지역 Web3 그룹이 주최하는 이러한 사이드 이벤트는 더 넓은 ETHDenver 경험에 크게 기여했습니다.

공식적으로 ETHDenver의 자체 일정에는 테마가 있는 미니 이벤트가 포함되었습니다. 행사장은 NFT 아트 갤러리, 블록체인 아케이드, DJ 칠 돔, 심지어 긴장을 풀 수 있는 젠 존과 같은 구역을 갖추고 있었습니다. 주최 측은 또한 오프닝 및 클로징 파티와 같은 저녁 이벤트를 주최했습니다. 예를 들어, 2월 26일 Story Protocol이 주최한 "Crack’d House" 비공식 오프닝 파티는 예술적인 공연과 해커톤 시상식 발표를 결합했습니다. 그러나 진정으로 확산된 것은 커뮤니티 주도 사이드 이벤트였습니다. 한 이벤트 가이드에 따르면, ETHDenver Luma 캘린더에는 100개 이상의 사이드 행사가 기록되었습니다.

몇 가지 예는 이러한 모임의 다양성을 보여줍니다:

  • 기술 서밋 & 해커 하우스: ElizaOS와 EigenLayer는 AI+Web3 애호가들을 위해 9일간의 Vault AI Agent Hacker House 레지던시를 운영했습니다. StarkNet 팀은 여러 날에 걸쳐 해커 하우스를 주최했으며, 이는 ZK-롤업 기반 프로젝트를 위한 데모 나이트로 마무리되었습니다. 이는 개발자들이 메인 해커톤 외부에서 특정 기술 스택에 대해 협업할 수 있는 집중된 환경을 제공했습니다.
  • 네트워킹 믹서 & 파티: 매일 저녁 다양한 선택지가 있었습니다. 2월 27일 MetaMask, Linea, EigenLayer, Wormhole 등이 후원한 Builder Nights Denver는 혁신가들을 모아 음식과 음료를 즐기며 캐주얼한 대화를 나누었습니다. Belong이 후원한 3VO’s Mischief Minded Club Takeover는 커뮤니티 토큰화 리더들을 위한 수준 높은 네트워킹 파티였습니다. 순수한 즐거움을 원하는 사람들을 위해 BEMO Rave(Berachain 등과 함께)와 rAIve the Night(AI 테마 레이브)는 암호화폐 군중을 밤늦게까지 춤추게 했으며, 음악, 예술, 암호화폐 문화를 혼합했습니다.
  • 특별 관심사 모임: 틈새 커뮤니티도 자신들의 공간을 찾았습니다. Meme Combat은 순전히 밈 애호가들이 암호화폐에서 밈의 역할을 기념하기 위한 이벤트였습니다. House of Ink는 NFT 아티스트와 수집가를 대상으로 했으며, 몰입형 예술 공간(Meow Wolf Denver)을 디지털 아트 쇼케이스로 탈바꿈시켰습니다. 2월 26일 SheFi Summit은 World of Women, Celo와 같은 그룹의 지원을 받아 Web3 분야의 여성들을 모아 강연과 네트워킹을 진행하며 다양성과 포용성에 대한 약속을 강조했습니다.
  • 투자자 & 콘텐츠 크리에이터 밋업: VC 이벤트에 대해서는 이미 언급했습니다. 추가적으로, 2월 28일 KOL(핵심 오피니언 리더) 모임은 암호화폐 인플루언서와 콘텐츠 크리에이터들이 참여 전략을 논의하게 하여 소셜 미디어와 암호화폐 커뮤니티의 교차점을 보여주었습니다.

결정적으로, 이러한 사이드 이벤트는 단지 오락거리가 아니었습니다. 그들은 종종 그 자체로 아이디어와 관계의 인큐베이터 역할을 했습니다. 예를 들어, Tokenized Capital Summit 2025는 온체인 자본 시장의 미래를 깊이 파고들었으며, 참석한 핀테크 기업가와 블록체인 개발자 간의 협업을 촉발했을 가능성이 높습니다. 온체인 게이밍 해커 하우스는 게임 개발자들이 모범 사례를 공유할 수 있는 공간을 제공했으며, 이는 블록체인 게이밍 프로젝트 간의 상호 교류로 이어질 수 있습니다.

대규모 컨퍼런스에 참석하는 전문가들에게 ETHDenver의 모델은 가치가 무대 위에서만큼이나 무대 밖에서도 발견된다는 점을 강조합니다. 광범위한 비공식 프로그램은 참석자들이 자신의 경험을 맞춤화할 수 있게 했습니다. 목표가 투자자를 만나는 것이든, 새로운 기술을 배우는 것이든, 공동 창업자를 찾는 것이든, 아니면 그냥 긴장을 풀고 동료애를 쌓는 것이든, 그에 맞는 이벤트가 있었습니다. 많은 베테랑들은 신규 참가자들에게 조언합니다: "강연만 듣지 말고, 밋업에 가서 인사하세요." Web3처럼 커뮤니티 중심적인 공간에서 이러한 인간적인 연결은 종종 DAO 협업, 투자 거래, 또는 적어도 대륙을 넘나드는 지속적인 우정으로 이어집니다. ETHDenver 2025의 활기찬 사이드 씬은 핵심 컨퍼런스를 증폭시켜, 덴버에서의 한 주를 다차원적인 혁신의 축제로 만들었습니다.

핵심 요약 및 실행 가능한 인사이트

ETHDenver 2025는 혁신과 협업이 만개한 Web3 산업을 보여주었습니다. 이 분야의 전문가들에게는 이 심층 분석에서 몇 가지 명확한 요약과 실행 항목이 도출됩니다:

  • 트렌드의 다각화: 이 행사는 Web3가 더 이상 단일하지 않다는 것을 분명히 했습니다. AI 통합, DePIN, RWA 토큰화와 같은 신흥 분야는 DeFi와 NFT만큼이나 두드러집니다. 실행 가능한 인사이트: 정보를 유지하고 적응력을 갖추십시오. 리더들은 다음 성장 물결을 타기 위해 이러한 떠오르는 버티컬에 R&D나 투자를 할당해야 합니다(예: AI가 디앱을 어떻게 향상시킬 수 있는지, 또는 실물 자산이 DeFi 플랫폼에 어떻게 통합될 수 있는지 탐색).
  • 크로스체인이 미래다: 주요 비이더리움 프로토콜들이 적극적으로 참여하면서 생태계 간의 벽이 낮아지고 있습니다. MetaMask가 비트코인/솔라나 지원을 추가하고 Polkadot 및 Cosmos 기반 체인들이 이더리움 개발자들을 유치하는 등, 상호운용성과 멀티체인 사용자 경험이 큰 주목을 받았습니다. 실행 가능한 인사이트: 멀티체인 세계를 위해 설계하십시오. 프로젝트는 다른 체인의 유동성과 사용자를 활용하는 통합이나 브리지를 고려해야 하며, 전문가들은 고립되기보다는 커뮤니티 간의 파트너십을 모색해야 합니다.
  • 커뮤니티 & 공공재의 중요성: "재생자들의 해"라는 테마는 단지 수사적인 표현이 아니었습니다. 이는 공공재 펀딩 논의, 해커톤을 위한 이차 투표, SheFi Summit과 같은 이벤트를 통해 콘텐츠에 스며들었습니다. 윤리적이고 지속 가능한 개발과 커뮤니티 소유권은 이더리움 정신의 핵심 가치입니다. 실행 가능한 인사이트: 재생 원칙을 통합하십시오. 오픈소스 이니셔티브를 지원하거나, 공정한 출시 메커니즘을 사용하거나, 비즈니스 모델을 커뮤니티 성장과 일치시키는 등, Web3 기업들은 순전히 착취적이지 않음으로써 호의와 장수성을 얻을 수 있습니다.
  • 투자자 심리 – 신중하지만 대담함: 약세장 소문에도 불구하고, ETHDenver는 VC들이 Web3의 다음 장에 적극적으로 탐색하고 큰 베팅을 할 의향이 있음을 보여주었습니다. 그러나 그들은 또한 투자 방법을 재고하고 있습니다(예: 더 전략적이고, 제품-시장 적합성에 대한 감독 강화, 커뮤니티 펀딩에 대한 개방성). 실행 가능한 인사이트: 스타트업이라면 기본기와 스토리텔링에 집중하십시오. 눈에 띄었던 프로젝트들은 명확한 사용 사례와 종종 작동하는 프로토타입(일부는 주말에 만들어짐!)을 가지고 있었습니다. 투자자라면, 컨퍼런스는 인프라(L2, 보안, 개발 도구)가 여전히 최우선 순위임을 확인시켜 주었지만, AI, 게이밍, 소셜 분야의 논제를 통해 차별화하면 펀드를 선두에 세울 수 있습니다.
  • 개발자 경험 개선 중: ETHDenver는 계정 추상화 도구부터 온체인 AI 라이브러리에 이르기까지 Web3 개발의 장벽을 낮추는 많은 새로운 툴킷, SDK, 프레임워크를 조명했습니다. 실행 가능한 인사이트: 이러한 리소스를 활용하십시오. 팀들은 개발을 가속화하고 경쟁에서 앞서 나가기 위해 공개된 최신 개발 도구를 실험해야 합니다(예: 더 쉬운 로그인을 위해 zkSync Smart SSO를 사용해 보거나, AI 프로젝트를 위해 Open Agents Alliance 리소스를 사용). 또한, 기업들은 인재와 아이디어를 발굴하는 방법으로 해커톤 및 공개 개발자 포럼에 계속 참여해야 합니다. 해커를 창업자로 전환시킨 ETHDenver의 성공이 그 모델의 증거입니다.
  • 사이드 이벤트의 힘: 마지막으로, 사이드 이벤트의 폭발적인 증가는 네트워킹에서 중요한 교훈을 가르쳐 주었습니다. 기회는 종종 캐주얼한 환경에서 나타납니다. 해피아워에서의 우연한 만남이나 작은 밋업에서의 공통 관심사가 경력을 결정짓는 연결을 만들 수 있습니다. 실행 가능한 인사이트: 업계 컨퍼런스에 참석하는 사람들은 공식 의제 이상을 계획하십시오. 목표(투자자 만나기, 틈새 기술 배우기, 인재 채용 등)에 맞는 사이드 이벤트를 파악하고 적극적으로 참여하십시오. 덴버에서 보았듯이, 한 주의 생태계에 완전히 몰입한 사람들은 지식뿐만 아니라 새로운 파트너, 채용 인력, 친구들을 얻어갔습니다.

결론적으로, ETHDenver 2025는 Web3 산업의 모멘텀을 보여주는 축소판이었습니다. 최첨단 기술 담론, 열정적인 커뮤니티 에너지, 전략적인 투자 움직임, 그리고 진지한 혁신과 재미를 혼합하는 문화의 조화였습니다. 전문가들은 이 행사에서 얻은 트렌드와 인사이트를 Web3가 나아갈 방향에 대한 로드맵으로 보아야 합니다. 실행 가능한 다음 단계는 이러한 배움(AI에 대한 새로운 초점이든, L2 팀과의 연결이든, 해커톤 프로젝트에서 얻은 영감이든)을 전략으로 전환하는 것입니다. ETHDenver가 가장 좋아하는 모토의 정신으로, 이제 이러한 인사이트를 바탕으로 #BUIDL하고 덴버에 모인 많은 사람들이 함께 구상한 탈중앙화된 미래를 만들어갈 때입니다.

Altera.al 채용: 디지털 인간 개발 선구자와 함께 ($600K-1M 보상)

· 약 2분

Altera.al은 디지털 인간 개발 분야에서 획기적인 성과를 보여준 혁신적인 AI 스타트업으로, 이번에 변혁적인 커리어 기회를 제공하게 되어 기쁩니다. 최근 MIT Technology Review에 소개된 바와 같이, Altera.al은 인간과 유사한 행동을 개발하고, 커뮤니티를 형성하며, 디지털 공간에서 의미 있게 상호작용할 수 있는 AI 에이전트를 만드는 데 놀라운 진전을 이루었습니다.

Altera.al: 디지털 인간 개발 최전선에 합류하고 $600K-1M 보상을 받으세요

Altera.al 소개

MIT에서 계산 신경과학 조교수직을 떠나 이 비전을 실현하고자 설립한 Robert Yang이 창업한 Altera.al은 이미 A16Z와 Eric Schmidt의 신생 기술 벤처 캐피털 등 유명 투자자로부터 1,100만 달러 이상의 자금을 확보했습니다. 최근 Project Sid 시연에서는 AI 에이전트가 스스로 전문 역할을 개발하고, 사회적 연결을 형성하며, 마인크래프트 내에서 문화 시스템까지 구축하는 모습을 보여주었습니다. 이는 규모에 맞춰 협업할 수 있는 진정한 자율 AI 에이전트를 만들겠다는 목표에 한 걸음 더 다가선 것입니다.

지금이 합류하기에 흥미로운 시점인 이유

Altera.al은 인간의 기본적인 특성을 갖춘 기계를 개발한다는 사명에서 중요한 기술적 돌파구를 달성했습니다. 이들의 작업은 전통적인 AI 개발을 넘어 다음과 같은 디지털 존재를 만들고 있습니다.

  • 커뮤니티와 사회적 계층 형성
  • 전문 역할 및 책임 개발
  • 문화적 패턴 생성 및 전파
  • 디지털 공간에서 인간과 의미 있게 상호작용

찾고 있는 인재

최근의 돌파구를 바탕으로 Altera.al은 팀을 확장하고 있으며, 다음 분야의 전문가에게 $600,000에서 $1,000,000까지의 뛰어난 보상 패키지를 제공합니다.

  • AI 에이전트 연구 전문가
  • 다음 분야의 강력한 개인 기여자
    • 분산 시스템
    • 보안
    • 운영 체제

지원 방법

이 혁신적인 여정에 함께하고 싶으신가요? 아래 커리어 페이지를 통해 직접 지원하세요: https://jobs.ashbyhq.com/altera.al

디지털 인간 개발의 미래에 합류하세요

인공지능과 인간 행동 모델링의 교차점에서 일할 수 있는 독특한 기회이며, 이미 눈에 띄는 성과를 보여주고 있는 팀과 함께 할 수 있습니다. AI와 인간‑기계 상호작용의 한계를 뛰어넘는 일에 열정을 가지고 있다면, Altera.al이 다음 모험이 될 수 있습니다.


더 많은 혁신적인 기술 및 블록체인 기회 소식을 원하시면 Twitter 또는 Discord 커뮤니티를 팔로우하세요.

이 게시물은 기술 산업에서 혁신을 지원하고 인재와 변혁적인 기회를 연결하기 위한 우리의 지속적인 약속의 일환입니다.

0G의 분산 AI 운영 체제가 대규모 온체인 AI를 실제로 구동할 수 있을까?

· 약 7분

2024년 11월 13일, 0G Labs는 Hack VC, Delphi Digital, OKX Ventures, Samsung Next, Animoca Brands가 이끄는 4천만 달러 펀딩 라운드를 발표하며 이 분산 AI 운영 체제 뒤 팀을 주목받게 만들었습니다. 그들의 모듈식 접근 방식은 분산 스토리지, 데이터 가용성 검증, 분산 정산을 결합해 온체인 AI 애플리케이션을 가능하게 합니다. 하지만 실제로 GB/s 수준의 처리량을 달성해 Web3에서 AI 채택의 다음 시대를 견인할 수 있을까요? 이 심층 보고서는 0G의 아키텍처, 인센티브 메커니즘, 생태계 현황 및 잠재적 위험 요소를 평가하여 0G가 약속을 실현할 수 있는지를 판단하는 데 도움을 줍니다.

배경

AI 분야는 ChatGPTERNIE Bot 같은 대형 언어 모델에 의해 급격히 성장했습니다. 그러나 AI는 챗봇과 생성 텍스트를 넘어 AlphaGo의 바둑 승리부터 MidJourney 같은 이미지 생성 도구까지 포괄합니다. 많은 개발자가 추구하는 궁극적인 목표는 AGI(Artificial General Intelligence), 즉 인간 수준의 학습·인식·결정·복잡한 실행 능력을 갖춘 AI “에이전트”입니다.

하지만 AI와 AI 에이전트 애플리케이션은 모두 데이터 집약적입니다. 학습과 추론에 방대한 데이터셋이 필요하고, 전통적으로 이러한 데이터는 중앙화된 인프라에 저장·처리됩니다. 블록체인의 등장으로 DeAI(Decentralized AI) 라는 새로운 접근 방식이 등장했으며, 이는 데이터 저장·공유·검증을 탈중앙화 네트워크에 맡겨 기존 중앙화 AI 솔루션의 한계를 극복하려 합니다.

0G Labs는 이러한 DeAI 인프라 환경에서 분산 AI 운영 체제0G를 구축하려는 선두 주자입니다.

0G Labs란?

전통 컴퓨팅에서 **운영 체제(OS)**는 하드웨어와 소프트웨어 자원을 관리합니다(예: Windows, Linux, macOS, iOS, Android). OS는 하드웨어 복잡성을 추상화해 사용자와 개발자가 컴퓨터와 쉽게 상호작용하도록 돕습니다.

0G OS는 Web3에서 이와 유사한 역할을 목표로 합니다.

  • 분산 스토리지·컴퓨트·데이터 가용성을 관리
  • 온체인 AI 애플리케이션 배포를 단순화

왜 탈중앙화인가?

전통 AI 시스템은 중앙화된 데이터 사일로에 저장·처리되며, 데이터 투명성·사용자 프라이버시·데이터 제공자 보상 등의 문제가 발생합니다. 0G는 탈중앙화 스토리지, 암호학적 증명, 공개 인센티브 모델을 활용해 이러한 위험을 완화합니다.

**“0G”**는 “Zero Gravity”(무중력) 를 의미합니다. 팀은 데이터 교환과 컴퓨팅이 “무게 없이” 이루어지는 환경을 상상합니다—AI 학습·추론·데이터 가용성이 모두 온체인에서 매끄럽게 이루어지는 세상 말이죠.

2024년 10월에 공식 설립된 0G Foundation은 이 비전을 추진합니다. 목표는 AI를 공공재로 만들어 누구나 접근·검증·활용할 수 있게 하는 것입니다.

0G 운영 체제의 핵심 구성 요소

본질적으로 0G는 AI 애플리케이션을 온체인에서 지원하도록 설계된 모듈형 아키텍처이며, 세 가지 주요 축으로 구성됩니다.

  1. 0G Storage – 탈중앙화 스토리지 네트워크
  2. 0G DA (Data Availability) – 데이터 가용성을 보장하는 전용 레이어
  3. 0G Compute Network – AI 추론(및 향후 학습)을 위한 탈중앙화 컴퓨트 및 정산

이 세 축은 0G Chain이라는 레이어1 네트워크 아래에서 협업합니다. 0G Chain은 합의와 정산을 담당합니다.

0G Storage

0G Storage는 대규모 데이터를 위한 탈중앙화 스토리지 시스템으로, 인센티브가 내장된 노드들이 사용자 데이터를 저장합니다. 핵심은 Erasure Coding(EC) 을 이용해 데이터를 작은 중복 “청크” 로 나누고, 이를 다양한 스토리지 노드에 분산시키는 것입니다. 노드가 장애가 발생해도 중복 청크 덕분에 데이터 복구가 가능합니다.

지원 데이터 유형

  • 구조화 데이터: Key-Value(KV) 레이어에 저장되어 동적·빈번한 업데이트에 적합합니다(예: 데이터베이스, 협업 문서).
  • 비구조화 데이터: Log 레이어에 순차적으로 추가되는 형태로, 대용량 파일 시스템에 최적화돼 있습니다.

KV 레이어를 Log 레이어 위에 쌓아, 대규모 모델 가중치(비구조화)부터 실시간 메트릭·사용자 기반 데이터(구조화)까지 다양한 AI 요구를 충족합니다.

PoRA 합의

PoRA(Proof of Random Access) 는 스토리지 노드가 실제로 청크를 보유하고 있음을 증명합니다.

  • 스토리지 마이너는 무작위 청크에 대한 암호학적 해시를 주기적으로 챌린지 받습니다.
  • 해당 청크를 로컬에서 해시해 응답해야 하며, 이는 PoW와 유사한 퍼즐 해결 방식입니다.

공정성을 위해 경쟁은 8 TB 세그먼트 단위로 제한됩니다. 큰 마이너는 하드웨어를 여러 8 TB 파티션으로 나눌 수 있고, 작은 마이너는 하나의 8 TB 경계 내에서 경쟁합니다.

인센티브 설계

데이터는 8 GB “가격 세그먼트” 로 구분됩니다. 각 세그먼트는 기부 풀보상 풀을 가집니다. 사용자는 ZG(0G Token) 로 스토리지 비용을 지불하고, 이 비용이 노드 보상에 일부 사용됩니다.

  • 기본 보상: 스토리지 노드가 유효한 PoRA 증명을 제출하면 해당 세그먼트에 대해 즉시 블록 보상을 받습니다.
  • 지속 보상: 기부 풀에서 연간 4 % 정도가 보상 풀로 전환돼, 노드가 데이터를 영구 보관하도록 유도합니다. 특정 세그먼트를 보관하는 노드가 적을수록 각 노드가 받는 보상 비중이 커집니다.

사용자는 한 번만 비용을 지불하면 영구 스토리지를 이용할 수 있지만, 시스템 최소값 이상을 기부해야 합니다. 기부 금액이 클수록 마이너가 해당 데이터를 복제할 가능성이 높아집니다.

로열티 메커니즘: 초기 스토리지 제공자는 각 청크에 대해 “로열티 기록”을 생성합니다. 새로운 노드가 동일 청크를 저장하려 하면 원 제공자가 공유할 수 있으며, 이후 새로운 노드가 PoRA 증명을 제출하면 원 제공자는 지속적인 로열티를 받습니다. 데이터가 널리 복제될수록 초기 제공자의 총 보상이 증가합니다.

Filecoin·Arweave와 비교

유사점

  • 모두 탈중앙화 데이터 스토리지를 인센티브화합니다.
  • 0G Storage와 Arweave는 영구 스토리지를 목표로 합니다.
  • 데이터 청크와 중복 저장이 기본 설계입니다.

차이점

  • 네이티브 통합: 0G Storage는 독립 블록체인이 아니라 0G Chain에 직접 통합돼 AI 중심 사용 사례에 최적화돼 있습니다.
  • 구조화 데이터 지원: KV 기반 구조화 데이터를 제공해 빈번한 읽·쓰기 요구가 있는 AI 워크로드에 필수적입니다.
  • 비용: 0G는 영구 스토리지 비용을 $10–11/TB 로 제시해 Arweave보다 저렴하다고 주장합니다.
  • 성능 초점: AI 처리량 요구에 맞춰 설계돼 Filecoin·Arweave보다 높은 처리량을 목표로 합니다.

0G DA (Data Availability Layer)

데이터 가용성은 네트워크 참여자가 트랜잭션 데이터를 완전하게 검증·복구할 수 있음을 보장합니다. 데이터가 누락되거나 은폐되면 블록체인의 신뢰 가정이 무너집니다.

0G 시스템에서는 데이터가 청크화돼 오프체인에 저장됩니다. 각 청크의 Merkle Root 를 체인에 기록하고, DA 노드는 샘플링을 통해 청크가 실제 존재함을 증명합니다.

0G Compute Network

(본문에 별도 설명이 없으므로 기존 내용 그대로 유지)

0G의 합의 메커니즘 요약

  • 스토리지: PoRA(Proof of Random Access) 로 무작위 청크 접근 증명
  • 데이터 가용성: Merkle Root 기반 샘플링 검증
  • 컴퓨트: 탈중앙화 추론 노드가 작업을 수행하고, 정산은 0G Chain에서 처리

0G의 인센티브 메커니즘

0G는 토큰(ZA) 을 활용해 네트워크 참여를 장려합니다.

  • 스토리지 비용: 사용자는 ZG 로 스토리지 비용을 선불하고, 이 금액이 기여 풀·보상 풀에 분배됩니다.
  • 기본 보상: 유효한 PoRA 증명 제출 시 즉시 블록 보상을 받습니다.
  • 지속 보상: 연간 일정 비율(4 %)이 영구 보관 인센티브로 전환됩니다.
  • 로열티: 초기 제공자는 청크 복제 시 지속적인 로열티를 획득합니다.

0G와 기존 솔루션 비교

항목0GFilecoinArweave
영구 스토리지 비용$10–11/TB변동 (시장 기반)$5–6/TB
구조화 데이터 지원KV 레이어 제공제한적비구조화 위주
AI 처리량 목표GB/s 수준낮음낮음
레이어1 통합0G Chain에 직접 통합독립 체인독립 체인
인센티브 모델PoRA + 로열티Proof-of-Replication 등Proof-of-Access 등

0G의 합의 메커니즘 요약

  • 스토리지: PoRA 로 무작위 청크 접근 증명
  • 데이터 가용성: Merkle Root 기반 샘플링 검증
  • 컴퓨트: 탈중앙화 AI 추론 노드와 정산 메커니즘

0G의 인센티브 메커니즘

  • 스토리지 비용: ZG 로 선불 결제, 기부 풀·보상 풀로 분배
  • 기본 보상: PoRA 증명 시 즉시 블록 보상
  • 지속 보상: 연간 4 % 기부 풀 전환, 영구 보관 유도
  • 로열티: 초기 제공자에게 지속적인 로열티 지급

0G와 기존 솔루션 비교

  • Filecoin·Arweave와 유사점: 탈중앙화 스토리지 인센티브, 청크 기반 중복 저장
  • 차이점: 0G는 AI 중심 설계, 구조화 데이터 지원, 비용 효율성, 높은 처리량 목표

결론

0G는 분산 스토리지·데이터 가용성·컴퓨트 를 하나의 통합 플랫폼으로 묶어 온체인 AI를 실현하려는 야심찬 프로젝트입니다. 현재까지 모은 4천만 달러 와 강력한 파트너십은 프로젝트 진행에 큰 힘이 됩니다. 그러나 실제로 GB/s 수준의 처리량을 달성하고, 탈중앙화 인센티브가 장기적으로 지속 가능하도록 설계할 수 있는지는 아직 검증이 필요합니다.

주요 위험 요소

  • 기술 복잡성: 세 개의 레이어가 모두 고성능을 유지해야 함
  • 경제적 지속 가능성: 영구 스토리지와 지속 보상이 장기적으로 충분한 인센티브를 제공할 수 있는가
  • 생태계 채택: 개발자와 기업이 0G 기반 서비스를 실제로 채택할지 여부

전망

0G가 제시한 모듈형, 탈중앙화, AI‑우선 설계는 Web3에서 AI 처리량을 크게 끌어올릴 잠재력을 가지고 있습니다. 성공한다면 AI를 공공재 로 전환해 누구나 접근·검증·활용할 수 있는 새로운 패러다임을 열게 될 것입니다. 그러나 기술적·경제적·생태계적 도전 과제를 어떻게 극복하느냐에 따라 결과가 달라질 것입니다.

DePIN (탈중앙화 물리적 인프라 네트워크): 경제학, 인센티브, 그리고 AI 컴퓨팅 시대

· 약 42분
Dora Noda
Software Engineer

소개

DePIN (Decentralized Physical Infrastructure Networks, 탈중앙화 물리적 인프라 네트워크)은 사람들이 실제 하드웨어를 배포하는 대가로 암호화폐 토큰을 인센티브로 제공하는 블록체인 기반 프로젝트입니다. DePIN 프로젝트는 무선 라디오부터 하드 드라이브, GPU에 이르기까지 유휴 상태이거나 충분히 활용되지 않는 리소스를 활용하여 실질적인 서비스(연결성, 스토리지, 컴퓨팅 등)를 제공하는 크라우드소싱 네트워크를 구축합니다. 이 모델은 기여자들에게 토큰으로 보상함으로써 일반적으로 유휴 상태인 인프라(예: 미사용 대역폭, 디스크 공간, GPU 성능)를 활동적이고 수익을 창출하는 네트워크로 전환합니다. 주요 초기 사례로는 헬륨(Helium)(크라우드소싱 무선 네트워크)과 파일코인(Filecoin)(분산 데이터 스토리지)이 있으며, 최근에는 GPU 컴퓨팅 및 5G 커버리지 공유를 목표로 하는 새로운 프로젝트들(예: Render Network, Akash, io.net)이 등장하고 있습니다.

DePIN의 잠재력은 토큰 인센티브를 통해 물리적 네트워크를 구축하고 운영하는 비용을 분산시켜, 전통적인 중앙화 모델보다 더 빠르게 네트워크를 확장할 수 있다는 점에 있습니다. 그러나 실제로는 이러한 프로젝트들이 토큰 인센티브가 실제 서비스 사용과 지속 가능한 가치로 이어지도록 경제 모델을 신중하게 설계해야 합니다. 아래에서는 주요 DePIN 네트워크의 경제 모델을 분석하고, 토큰 보상이 실제 인프라 사용을 얼마나 효과적으로 이끌었는지 평가하며, 이 프로젝트들이 급증하는 AI 관련 컴퓨팅 수요와 어떻게 결합하고 있는지 평가합니다.

주요 DePIN 프로젝트의 경제 모델

헬륨 (탈중앙화 무선 IoT 및 5G)

**헬륨(Helium)**은 개인이 라디오 핫스팟을 배포하도록 인센티브를 제공하여 탈중앙화 무선 네트워크를 개척했습니다. 처음에는 IoT (LoRaWAN)에 중점을 두었고 나중에는 5G 소형 셀 커버리지로 확장했으며, 헬륨의 모델은 네이티브 토큰인 HNT를 중심으로 합니다. 핫스팟 운영자는 **PoC (Proof-of-Coverage, 커버리지 증명)**에 참여하여 HNT를 획득합니다. 이는 본질적으로 특정 위치에서 무선 커버리지를 제공하고 있음을 증명하는 것입니다. 헬륨의 이중 토큰 시스템에서 HNT는 **데이터 크레딧 (DC)**을 통해 유틸리티를 가집니다. 사용자는 HNT를 소각하여 양도 불가능한 DC를 발행해야 하며, 이 DC는 실제 네트워크 사용(기기 연결)에 대해 24바이트당 $0.0001의 고정 요금으로 지불하는 데 사용됩니다. 이 소각 메커니즘은 네트워크 사용(DC 지출)이 증가하면 더 많은 HNT가 소각되어 시간이 지남에 따라 공급이 감소하는 소각 및 발행 균형을 만듭니다.

원래 헬륨은 자체 블록체인에서 운영되었으며, HNT의 인플레이션 발행량은 2년마다 반감되어 점차 공급이 감소하고 최종적으로 약 2억 2,300만 HNT의 최대 유통량에 도달하도록 설계되었습니다. 2023년에 헬륨은 솔라나(Solana)로 마이그레이션하고 하위 DAO가 있는 "네트워크의 네트워크" 프레임워크를 도입했습니다. 이제 헬륨의 IoT 네트워크와 5G 모바일 네트워크는 각각 핫스팟 운영자에게 보상으로 지급되는 자체 토큰(IOTMOBILE)을 가지며, HNT는 거버넌스 및 가치의 중심 토큰으로 남아 있습니다. HNT는 트레저리 풀을 통해 하위 DAO 토큰으로 교환할 수 있으며(그 반대도 가능), HNT는 헬륨의 veHNT 거버넌스 모델에서 스테이킹에도 사용됩니다. 이 구조는 각 하위 네트워크의 인센티브를 일치시키는 것을 목표로 합니다. 예를 들어, 5G 핫스팟 운영자는 MOBILE 토큰을 획득하고 이를 HNT로 변환할 수 있어, 보상을 해당 특정 서비스의 성공과 효과적으로 연결합니다.

경제적 가치 창출: 헬륨의 가치는 저비용 무선 액세스를 제공함으로써 창출됩니다. 토큰 보상을 분배함으로써 헬륨은 네트워크 배포의 **자본 지출(capex)**을 핫스팟을 구매하고 운영하는 개인에게 전가했습니다. 이론적으로, 기업과 IoT 기기가 네트워크를 사용함에 따라(HNT 소각이 필요한 DC를 지출함으로써) 그 수요는 HNT의 가치를 지지하고 지속적인 보상 자금을 마련해야 합니다. 헬륨은 소각 및 지출 주기를 통해 경제를 유지합니다. 네트워크 사용자는 HNT를 구매(또는 HNT 보상을 사용)하고 이를 DC로 소각하여 네트워크를 사용하며, 프로토콜은 (고정된 일정에 따라) HNT를 발행하여 핫스팟 제공자에게 지불합니다. 헬륨의 설계에서 HNT 발행량의 일부는 창립자와 커뮤니티 예비금에도 할당되었지만, 대부분은 항상 커버리지 구축을 위한 인센티브로 핫스팟 운영자에게 돌아갔습니다. 나중에 논의하겠지만, 헬륨의 과제는 관대한 공급 측 인센티브와 균형을 맞출 만큼 충분한 유료 수요를 확보하는 것이었습니다.

파일코인 (탈중앙화 스토리지 네트워크)

**파일코인(Filecoin)**은 누구나 디스크 공간을 제공하고 데이터를 저장하는 대가로 토큰을 얻을 수 있는 탈중앙화 스토리지 마켓플레이스입니다. 경제 모델은 FIL 토큰을 기반으로 구축되었습니다. 파일코인의 블록체인은 스토리지 제공자(채굴자)가 스토리지를 제공하고 고객의 데이터를 올바르게 저장하는 것에 대해 FIL 블록 보상으로 보상합니다. 이때 암호학적 증명(복제 증명(Proof-of-Replication)시공간 증명(Proof-of-Spacetime))을 사용하여 데이터가 안정적으로 저장되었는지 확인합니다. 고객은 개방된 시장에서 가격을 협상하여 데이터를 저장하거나 검색하기 위해 채굴자에게 FIL을 지불합니다. 이는 인센티브 루프를 만듭니다. 채굴자는 하드웨어에 투자하고 FIL 담보를 스테이킹하여(서비스 품질 보장) 스토리지 용량을 추가하고 스토리지 계약을 이행함으로써 FIL 보상을 얻고, 고객은 스토리지 서비스를 위해 FIL을 지출합니다.

파일코인의 토큰 분배는 스토리지 공급을 장려하는 데 큰 비중을 둡니다. FIL의 최대 공급량은 20억 개이며, 70%는 채굴 보상용으로 예약되어 있습니다. (실제로 약 14억 개의 FIL이 수년에 걸쳐 스토리지 채굴자에게 블록 보상으로 점진적으로 배포되도록 할당되었습니다.) 나머지 30%는 이해관계자에게 할당되었습니다. 15%는 프로토콜 랩스(창립 팀), 10%는 투자자, 5%는 파일코인 재단에 할당되었습니다. 블록 보상 배출은 다소 초기에 집중된 일정(6년 반감기)을 따르므로, 대규모 스토리지 네트워크를 신속하게 부트스트랩하기 위해 초기 몇 년간 공급 인플레이션이 가장 높았습니다. 이를 균형 잡기 위해 파일코인은 채굴자가 저장하기로 약속한 데이터 기가바이트당 FIL을 담보로 잠그도록 요구합니다. 만약 데이터가 유지되고 있음을 증명하지 못하면 담보의 일부를 잃는 페널티(슬래싱)를 받을 수 있습니다. 이 메커니즘은 채굴자의 인센티브를 신뢰할 수 있는 서비스와 일치시킵니다.

경제적 가치 창출: 파일코인은 중앙화된 클라우드 제공업체보다 잠재적으로 저렴한 비용으로 검열 저항성 있고 중복된 데이터 스토리지를 제공함으로써 가치를 창출합니다. FIL 토큰의 가치는 스토리지 수요와 네트워크의 유틸리티에 연관되어 있습니다. 고객은 데이터를 저장하기 위해 FIL을 획득해야 하며, 채굴자는 (담보 및 종종 비용 충당 또는 수익으로) FIL이 필요합니다. 초기에 파일코인의 활동 대부분은 채굴자들이 토큰을 얻기 위해 경쟁하는 것에 의해 주도되었습니다. 심지어 스토리지 파워를 높이고 블록 보상을 얻기 위해 가치가 없거나 중복된 데이터를 저장하기도 했습니다. 유용한 스토리지를 장려하기 위해 파일코인은 파일코인 플러스(Filecoin Plus) 프로그램을 도입했습니다. 검증된 유용한 데이터(예: 공개 데이터셋, 아카이브)를 가진 고객은 계약을 "검증된" 것으로 등록할 수 있으며, 이는 채굴자에게 해당 계약에 대해 10배의 유효 파워를 부여하여 비례적으로 더 큰 FIL 보상으로 이어집니다. 이는 채굴자들이 실제 고객을 찾도록 장려했으며 네트워크에 저장된 유용한 데이터를 극적으로 증가시켰습니다. 2023년 말까지 파일코인 네트워크는 약 1,800 PiB의 활성 계약으로 성장하여 전년 대비 3.8배 증가했으며, 스토리지 활용률은 총 용량의 약 20%로 상승했습니다(2023년 초에는 약 3%에 불과했음). 즉, 토큰 인센티브는 막대한 용량을 부트스트랩했고, 이제 그 용량의 점점 더 많은 부분이 유료 고객으로 채워지고 있습니다. 이는 모델이 실제 수요로 자생하기 시작했다는 신호입니다. 파일코인은 또한 인접 서비스(아래 AI 컴퓨팅 동향 참조)로 확장하고 있으며, 이는 단순한 스토리지 수수료를 넘어 FIL 경제를 강화할 새로운 수익원(예: 탈중앙화 콘텐츠 전송 및 데이터 기반 컴퓨팅(compute-over-data) 서비스)을 창출할 수 있습니다.

렌더 네트워크 (탈중앙화 GPU 렌더링 및 컴퓨팅)

**렌더 네트워크(Render Network)**는 GPU 기반 컴퓨팅을 위한 탈중앙화 마켓플레이스로, 원래 3D 그래픽 렌더링에 중점을 두었으며 현재는 AI 모델 훈련/추론 작업도 지원합니다. 네이티브 토큰인 RNDR(최근 솔라나에서 RENDER 티커로 업데이트됨)이 경제를 구동합니다. 크리에이터(GPU 작업이 필요한 사용자)는 렌더링 또는 컴퓨팅 작업에 대해 RNDR로 지불하고, 노드 운영자(GPU 제공자)는 해당 작업을 완료하여 RNDR을 얻습니다. 이 기본 모델은 유휴 GPU(개인 GPU 소유자 또는 데이터 센터의)를 분산 클라우드 렌더링 팜으로 전환합니다. 품질과 공정성을 보장하기 위해 렌더는 에스크로 스마트 계약을 사용합니다. 고객은 작업을 제출하고 해당 RNDR 지불액을 소각하며, 이는 노드 운영자가 작업 완료 증명을 제출할 때까지 보관된 후 보상으로 RNDR이 지급됩니다. 원래 RNDR은 순수한 유틸리티/지불 토큰으로 기능했지만, 최근 네트워크는 공급과 수요의 균형을 더 잘 맞추기 위해 토크노믹스를 소각 및 발행 균형(BME) 모델로 개편했습니다.

BME 모델 하에서 모든 렌더링 또는 컴퓨팅 작업은 안정적인 조건(USD)으로 가격이 책정되고 RENDER 토큰으로 지불되며, 작업 완료 시 **소각됩니다. 동시에 프로토콜은 미리 정의된 감소하는 배출 일정에 따라 새로운 RENDER 토큰을 발행하여 노드 운영자 및 기타 참여자에게 보상합니다. 사실상, 사용자의 작업 지불은 토큰을 _파괴_하고 네트워크는 채굴 보상으로 통제된 비율로 토큰을 _인플레이션_합니다. 순 공급량은 사용량에 따라 시간이 지남에 따라 증가하거나 감소할 수 있습니다. 커뮤니티는 BME 첫 해(2023년 중반부터 2024년 중반까지)에 네트워크 인센티브로 약 910만 개의 RENDER 초기 배출을 승인했으며, 장기 최대 공급량을 약 6억 4,400만 RENDER로 설정했습니다(초기 발행된 5억 3,690만 RNDR에서 증가). 특히, RENDER의 토큰 분배는 생태계 성장을 크게 선호했습니다. 초기 공급량의 65%는 트레저리(미래 네트워크 인센티브용)에, 25%는 투자자에게, 10%는 팀/고문에게 할당되었습니다. BME를 통해 해당 트레저리는 통제된 배출을 통해 GPU 제공자 및 기타 기여자에게 보상하는 데 사용되며, 소각 메커니즘은 이러한 보상을 플랫폼 사용량과 직접적으로 연결합니다. RNDR은 또한 거버넌스 토큰으로도 기능합니다(토큰 보유자는 렌더 네트워크 제안에 투표할 수 있음). 또한, 렌더의 노드 운영자는 RNDR을 스테이킹하여 신뢰성을 알리고 잠재적으로 더 많은 작업을 받을 수 있어 또 다른 인센티브 계층을 추가합니다.

경제적 가치 창출: 렌더 네트워크는 전통적인 클라우드 GPU 인스턴스 비용의 일부로 온디맨드 GPU 컴퓨팅을 제공함으로써 가치를 창출합니다. 2023년 말, 렌더의 창립자는 스튜디오들이 이미 네트워크를 사용하여 상당한 비용 및 속도 이점으로 영화 품질의 그래픽을 렌더링했다고 언급했습니다. 즉, _"비용은 10분의 1"_이며 단일 클라우드 제공업체를 능가하는 막대한 집계 용량을 갖추고 있습니다. 이러한 비용 이점은 렌더가 전 세계적으로 휴면 상태인 GPU(취미용 장비부터 전문 렌더링 팜까지)를 활용하기 때문에 가능합니다. GPU 시간(그래픽 및 AI 모두)에 대한 수요가 증가함에 따라 렌더의 마켓플레이스는 중요한 요구를 충족시킵니다. 결정적으로, BME 토큰 모델은 토큰 가치가 서비스 사용량과 직접적으로 연결됨을 의미합니다. 더 많은 렌더링 및 AI 작업이 네트워크를 통해 흐를수록 더 많은 RENDER가 소각되어(매수 압력 생성 또는 공급 감소) 노드 인센티브는 해당 작업이 완료될 때만 확장됩니다. 이는 "아무것도 하지 않고 돈을 받는" 것을 피하는 데 도움이 됩니다. 네트워크 사용이 정체되면 토큰 배출이 결국 소각을 초과하여(공급 인플레이션) 공급이 증가하지만, 사용이 증가하면 소각이 배출을 상쇄하거나 심지어 초과하여 운영자에게 보상하면서도 토큰을 디플레이션으로 만들 수 있습니다. 렌더 모델에 대한 강한 관심은 시장에 반영되었습니다. RNDR의 가격은 2023년에 급등하여 AI 붐 속에서 탈중앙화 GPU 서비스에 대한 수요 급증을 투자자들이 예상함에 따라 가치가 1,000% 이상 상승했습니다. OTOY(클라우드 렌더링 소프트웨어의 선두주자)의 지원을 받고 일부 주요 스튜디오에서 프로덕션에 사용되는 렌더 네트워크는 Web3와 고성능 컴퓨팅의 교차점에서 핵심 플레이어로 자리매김하고 있습니다.

아카시 네트워크 (탈중앙화 클라우드 컴퓨팅)

**아카시(Akash)**는 사용자가 여유 서버 용량을 가진 제공자로부터 일반 컴퓨팅(VM, 컨테이너 등)을 임대할 수 있는 탈중앙화 클라우드 컴퓨팅 마켓플레이스입니다. 블록체인 기반 역경매 시스템으로 구동되는 AWS나 구글 클라우드의 탈중앙화 대안으로 생각할 수 있습니다. 네이티브 토큰 AKT는 아카시 경제의 중심입니다. 고객은 컴퓨팅 임대에 대해 AKT로 지불하고, 제공자는 리소스를 공급하여 AKT를 얻습니다. 아카시는 코스모스(Cosmos) SDK를 기반으로 구축되었으며 보안 및 조정을 위해 위임 지분 증명(delegated Proof-of-Stake) 블록체인을 사용합니다. 따라서 AKT는 스테이킹 및 거버넌스 토큰으로도 기능합니다. 검증자는 AKT를 스테이킹하고(사용자는 검증자에게 AKT를 위임) 네트워크를 보호하고 스테이킹 보상을 받습니다.

아카시의 마켓플레이스는 입찰 시스템을 통해 운영됩니다. 고객은 배포(CPU, RAM, 스토리지, GPU 요구 사항)와 최대 가격을 정의하고, 여러 제공자가 이를 호스팅하기 위해 입찰하여 가격을 낮출 수 있습니다. 고객이 입찰을 수락하면 임대가 형성되고 워크로드는 선택된 제공자의 인프라에서 실행됩니다. 임대료 지불은 블록체인에서 처리됩니다. 고객은 AKT를 에스크로하고 배포가 활성 상태인 동안 시간이 지남에 따라 제공자에게 스트리밍됩니다. 독특하게도 아카시 네트워크는 생태계 자금을 조달하고 AKT 스테이커에게 보상하기 위해 각 임대에 대해 프로토콜 **"수수료율(take rate)"**을 부과합니다. AKT로 지불하면 임대 금액의 10%(또는 다른 통화로 지불하면 20%)가 네트워크 트레저리와 스테이커에게 수수료로 전환됩니다. 이는 AKT 스테이커가 모든 사용량의 일부를 얻어 토큰의 가치를 플랫폼의 실제 수요와 일치시킨다는 것을 의미합니다. 주류 사용자의 사용성을 개선하기 위해 아카시는 스테이블코인 및 신용카드 결제(콘솔 앱을 통해)를 통합했습니다. 고객은 USD 스테이블코인으로 지불할 수 있으며, 이는 내부적으로 AKT로 변환됩니다(더 높은 수수료율 적용). 이는 사용자의 변동성 위험을 줄이면서도 AKT 토큰에 가치를 부여합니다(해당 스테이블코인 결제는 궁극적으로 AKT가 구매/소각되거나 스테이커에게 분배되기 때문).

공급 측면에서 AKT의 토크노믹스는 장기적인 참여를 장려하도록 설계되었습니다. 아카시는 제네시스에서 1억 개의 AKT로 시작했으며 인플레이션을 통해 최대 공급량 3억 8,900만 개를 가집니다. 인플레이션율은 스테이킹된 AKT의 비율에 따라 적응형입니다. 스테이킹 비율이 낮으면 연간 20-25%의 인플레이션을 목표로 하고, 높은 비율의 AKT가 스테이킹되면 약 15%를 목표로 합니다. 이러한 적응형 인플레이션(코스모스 기반 체인에서 일반적인 설계)은 스테이킹 참여가 낮을 때 더 많은 보상을 제공함으로써 보유자들이 스테이킹(네트워크 보안에 기여)하도록 장려합니다. 인플레이션으로 인한 블록 보상은 검증자와 위임자에게 지불되며, 생태계 성장을 위한 예비 자금도 조달합니다. AKT의 초기 분배는 투자자, 핵심 팀(Overclock Labs), 생태계 인센티브를 위한 재단 풀(예: 2024년 초 GPU 제공자 참여를 지원하는 프로그램)에 할당되었습니다.

경제적 가치 창출: 아카시는 전 세계적으로 충분히 활용되지 않는 서버를 활용하여 기존 클라우드 제공업체보다 잠재적으로 훨씬 저렴한 비용으로 클라우드 컴퓨팅을 제공함으로써 가치를 창출합니다. 클라우드를 탈중앙화함으로써 지역적 격차를 해소하고 소수의 대형 기술 기업에 대한 의존도를 줄이는 것을 목표로 합니다. AKT 토큰은 여러 각도에서 가치를 축적합니다. 수요 측 수수료(더 많은 워크로드 = 스테이커에게 더 많은 AKT 수수료 흐름), 공급 측 요구(제공자는 수익을 보유하거나 스테이킹할 수 있으며, 서비스를 제공하기 위해 일부 AKT를 담보로 스테이킹해야 함), 그리고 일반적인 네트워크 성장(AKT는 거버넌스 및 생태계의 예비 통화로 필요함)입니다. 중요한 것은, 아카시에서 더 많은 실제 워크로드가 실행됨에 따라 스테이킹 및 수수료 예치에 사용되는 유통 중인 AKT의 비율이 증가하여 실제 유틸리티를 반영해야 한다는 것입니다. 초기에 아카시는 웹 서비스 및 암호화폐 인프라 호스팅에 대한 사용량이 미미했지만, 2023년 말에 GPU 워크로드 지원을 확장하여 네트워크에서 AI 훈련, 머신 러닝 및 고성능 컴퓨팅 작업을 실행할 수 있게 되었습니다. 이는 2024년에 아카시의 사용량을 크게 증가시켰습니다. 2024년 3분기까지 네트워크의 지표는 폭발적인 성장을 보였습니다. 활성 배포("임대") 수는 전년 대비 1,729% 증가했으며, 임대당 평균 수수료(워크로드 복잡성의 대리 지표)는 688% 상승했습니다. 실제로 이는 사용자들이 아카시에 훨씬 더 많은 애플리케이션을 배포하고 있으며, 더 크고 긴 워크로드(대부분 GPU 관련)를 실행할 의향이 있음을 의미합니다. 이는 토큰 인센티브가 실제 유료 수요를 유치했다는 증거입니다. 아카시 팀은 2024년 말까지 네트워크에 700개 이상의 GPU가 온라인 상태이며 약 78%의 활용률을 보였다고 보고했습니다(즉, 언제든지 GPU 용량의 약 78%가 임대됨). 이는 효율적인 토큰 인센티브 전환의 강력한 신호입니다(다음 섹션 참조). 내장된 수수료 공유 모델은 또한 이러한 사용량이 증가함에 따라 AKT 스테이커가 프로토콜 수익을 받아 토큰 보상을 실제 서비스 수익과 효과적으로 연결하여 더 건강한 장기 경제 설계를 만듭니다.

io.net (AI를 위한 탈중앙화 GPU 클라우드)

io.net은 솔라나(Solana)에 구축된 새로운 프로젝트로, 특히 AI 및 머신 러닝 워크로드를 위해 "세계 최대 GPU 네트워크"가 되는 것을 목표로 합니다. 경제 모델은 렌더 및 아카시와 같은 이전 프로젝트에서 교훈을 얻었습니다. 네이티브 토큰 IO최대 공급량이 8억 개로 고정되어 있습니다. 출시 시 5억 개의 IO가 사전 발행되어 다양한 이해관계자에게 할당되었으며, 나머지 3억 개의 IO는 20년 동안 채굴 보상으로 배출됩니다(GPU 제공자 및 스테이커에게 시간당 분배). 특히, io.net은 수익 기반 소각 메커니즘을 구현합니다. 네트워크 수수료/수익의 일부는 IO 토큰을 소각하는 데 사용되어 토큰 공급을 플랫폼 사용량과 직접적으로 연결합니다. 이러한 조합, 즉 시간 경과에 따라 배출되는 제한된 공급량과 사용량에 따른 소각은 토큰 경제의 장기적인 지속 가능성을 보장하기 위한 것입니다.

GPU 노드로 네트워크에 참여하려면 제공자는 최소한의 IO를 담보로 스테이킹해야 합니다. 이는 두 가지 목적을 가집니다. 악의적이거나 품질이 낮은 노드를 억제하고("이해관계가 있음"), 보상 토큰의 즉각적인 매도 압력을 줄입니다(노드가 참여하려면 일부 토큰을 잠가야 함). 스테이커(제공자 및 기타 참여자 포함)도 네트워크 보상의 일부를 얻어 생태계 전반의 인센티브를 일치시킵니다. 수요 측면에서 고객(AI 개발자 등)은 io.net에서 GPU 컴퓨팅에 대해 IO 토큰 또는 스테이블코인으로 지불합니다. 이 프로젝트는 AWS와 같은 전통적인 제공업체보다 최대 90% 저렴한 비용으로 클라우드 GPU 성능을 제공한다고 주장합니다. 이러한 사용 수수료는 소각 메커니즘을 구동합니다. 수익이 유입되면 토큰의 일부가 소각되어 플랫폼 성공을 토큰 희소성과 연결합니다.

경제적 가치 창출: io.net의 가치 제안은 다양한 소스(데이터 센터, 채굴 장비를 재활용하는 암호화폐 채굴자 등)에서 GPU 성능을 집계하여 대규모로 온디맨드 AI 컴퓨팅을 제공할 수 있는 단일 네트워크를 만드는 것입니다. 전 세계적으로 100만 개 이상의 GPU를 온보딩하는 것을 목표로 하는 io.net은 단일 클라우드를 능가하고 급증하는 AI 모델 훈련 및 추론 수요를 충족시키고자 합니다. IO 토큰은 여러 메커니즘을 통해 가치를 포착합니다. 공급이 제한되어 있어(네트워크 서비스에 대한 수요가 증가하면 토큰 가치가 성장할 수 있음), 사용이 토큰을 소각하여(서비스 수익에서 토큰으로 직접적인 가치 피드백 생성), 토큰 보상이 공급을 부트스트랩합니다(GPU를 기여하는 사람들에게 점진적으로 토큰을 분배하여 네트워크 성장 보장). 본질적으로 io.net의 경제 모델은 공급 측 인센티브(시간당 IO 배출)가 상당하지만 유한하며, 실제 사용량에 따라 확장되는 토큰 싱크(소각)에 의해 균형을 이루는 정제된 DePIN 접근 방식입니다. 이는 수요 없는 과도한 인플레이션의 함정을 피하기 위해 설계되었습니다. 앞으로 보게 될 AI 컴퓨팅 트렌드는 io.net과 같은 네트워크가 활용할 수 있는 크고 성장하는 시장을 제공하며, 이는 토큰 인센티브가 강력한 서비스 사용으로 이어지는 바람직한 균형을 이끌어낼 수 있습니다. (io.net은 아직 신생 프로젝트이므로 실제 지표는 아직 입증되지 않았지만, 그 설계는 분명히 AI 컴퓨팅 부문의 요구를 목표로 합니다.)

표 1: 주요 DePIN 프로젝트의 핵심 경제 모델 특징

프로젝트부문토큰 (티커)공급 및 분배인센티브 메커니즘토큰 유틸리티 및 가치 흐름
헬륨(Helium)탈중앙화 무선 (IoT 및 5G)헬륨 네트워크 토큰 (HNT); 하위 토큰 IOT 및 MOBILE가변 공급, 발행량 감소: HNT 발행량은 약 2년마다 반감(원래 블록체인 기준), 50년 후 약 2억 2,300만 HNT 유통 목표. 솔라나로 마이그레이션하며 2개의 새로운 하위 토큰 도입: IOT와 MOBILE은 IoT 및 5G 핫스팟 소유자에게 보상.커버리지 증명 채굴: 핫스팟은 커버리지(LoRaWAN 또는 5G)를 제공하여 IOT 또는 MOBILE 토큰을 획득. 이 하위 토큰들은 트레저리 풀을 통해 HNT로 변환 가능. HNT는 거버넌스(veHNT)를 위해 스테이킹되며 모든 네트워크의 보상 기반.데이터 크레딧을 통한 네트워크 사용: HNT는 기기 연결을 위한 데이터 크레딧(DC)을 생성하기 위해 소각됨 (24바이트당 $0.0001 고정 가격). 모든 네트워크 수수료(DC 구매)는 사실상 HNT를 소각하여 공급을 줄임. 따라서 토큰 가치는 IoT/모바일 데이터 전송 수요와 연결됨. HNT의 가치는 또한 하위 DAO 토큰을 뒷받침함(희소 자산으로의 전환 가능성 부여).
파일코인(Filecoin)탈중앙화 스토리지파일코인 (FIL)최대 공급량 20억 개: 70%는 스토리지 채굴 보상에 할당(수십 년에 걸쳐 배포); 약 30%는 프로토콜 랩스, 투자자, 재단에 할당. 블록 보상은 6년 반감기를 따름(초기 인플레이션 높고 이후 감소).스토리지 채굴: 스토리지 제공자는 기여한 스토리지 증명에 비례하여 FIL 블록 보상을 획득. 고객은 데이터 저장 또는 검색에 FIL을 지불. 채굴자는 실패 시 삭감될 수 있는 FIL 담보를 제공. _파일코인 플러스_는 "유용한" 고객 데이터에 대해 10배의 파워 보상을 제공하여 실제 스토리지 장려.지불 및 담보: FIL은 스토리지 계약의 통화임 – 고객은 데이터를 저장하기 위해 FIL을 지출하여 토큰에 대한 유기적 수요를 창출. 채굴자는 FIL을 담보로 잠그고(일시적으로 유통 공급량 감소) 유용한 서비스에 대해 FIL을 획득. 사용량이 증가함에 따라 더 많은 FIL이 계약 및 담보에 묶임. 네트워크 수수료(트랜잭션용)는 미미함(파일코인은 채굴자에게 가는 스토리지 수수료에 집중). 장기적으로 FIL 가치는 데이터 스토리지 수요와 새로운 사용 사례(예: 데이터에 대한 스마트 계약을 가능하게 하는 파일코인 가상 머신(FVM), 잠재적으로 새로운 수수료 싱크 생성)에 따라 달라짐.
렌더 네트워크(Render Network)탈중앙화 GPU 컴퓨팅 (렌더링 및 AI)렌더 토큰 (RNDR / RENDER)초기 공급량 약 5억 3,690만 RNDR, 새로운 배출을 통해 최대 약 6억 4,400만으로 증가. 소각 및 발행 균형: 새로운 RENDER는 고정된 일정에 따라 배출(약 5년에 걸쳐 20% 인플레이션 풀, 이후 꼬리 배출). 배출은 네트워크 인센티브(노드 보상 등) 자금으로 사용. 소각: 사용자의 RENDER 결제는 완료된 각 작업에 대해 소각됨. 분배: 65% 트레저리(네트워크 운영 및 보상), 25% 투자자, 10% 팀/고문.GPU 작업을 위한 마켓플레이스: 노드 운영자는 렌더링/컴퓨팅 작업을 수행하고 RENDER를 획득. 작업은 USD로 가격이 책정되지만 RENDER로 지불됨; 필요한 토큰은 작업 완료 시 소각됨. 각 에포크(예: 주간)마다 새로운 RENDER가 발행되어 완료한 작업에 따라 노드 운영자에게 분배됨. 노드 운영자는 더 높은 신뢰도와 잠재적인 작업 우선순위를 위해 RNDR을 스테이킹할 수도 있음.유틸리티 및 가치 흐름: RENDER는 GPU 서비스의 수수료 토큰임 – 콘텐츠 제작자와 AI 개발자는 작업을 완료하기 위해 이를 획득하고 지출해야 함. 해당 토큰이 소각되기 때문에 사용량은 직접적으로 공급을 줄임. 새로운 토큰 발행은 작업자에게 보상하지만 감소하는 일정에 따름. 네트워크 수요가 높으면(소각 > 발행), RENDER는 디플레이션이 됨; 수요가 낮으면 인플레이션이 소각을 초과할 수 있음(수요가 따라잡을 때까지 더 많은 공급을 장려). RENDER는 또한 네트워크를 거버넌스함. 따라서 토큰 가치는 플랫폼 사용량과 밀접하게 연결됨 – 실제로, RNDR은 2023년에 AI 기반 GPU 컴퓨팅 수요가 급증하면서 약 10배 상승하여 사용량(및 소각)이 높을 것이라는 시장의 신뢰를 나타냄.
아카시 네트워크(Akash Network)탈중앙화 클라우드 (일반 컴퓨팅 및 GPU)아카시 토큰 (AKT)초기 공급량 1억 개; 최대 공급량 3억 8,900만 개. 인플레이션 PoS 토큰: 연간 약 15-25%의 적응형 인플레이션(스테이킹 비율이 높아지면 감소)으로 스테이킹 장려. 지속적인 배출은 검증자와 위임자에게 지불. 분배: 34.5% 투자자, 27% 팀, 19.7% 재단, 8% 생태계, 5% 테스트넷(락업/베스팅 포함).역경매 마켓플레이스: 제공자는 배포 호스팅에 입찰; 고객은 임대에 대해 AKT로 지불. 수수료 풀: AKT 결제의 10%(또는 다른 토큰 결제의 20%)가 프로토콜 수수료로 네트워크(스테이커)에 전달됨. 아카시는 지분 증명(Proof-of-Stake) 체인을 사용 – 검증자는 네트워크를 보호하고 블록 보상을 얻기 위해 AKT를 스테이킹. 고객은 AKT 또는 통합된 스테이블코인(변환 포함)을 통해 지불 가능.유틸리티 및 가치 흐름: AKT는 모든 트랜잭션에 사용됨(직접 또는 스테이블코인 결제 변환을 통해). 고객은 컴퓨팅 임대료를 지불하기 위해 AKT를 구매하여 네트워크 사용량이 증가함에 따라 수요를 창출. 제공자는 AKT를 획득하고 판매하거나 스테이킹할 수 있음. 스테이킹 보상 + 수수료 수익: AKT를 보유하고 스테이킹하면 인플레이션 보상 모든 수수료의 일부를 얻으므로 활발한 네트워크 사용이 스테이커에게 직접적인 혜택을 줌. 이 모델은 토큰 가치를 클라우드 수요와 일치시킴: 아카시에서 더 많은 CPU/GPU 워크로드가 실행될수록 더 많은 AKT 수수료가 보유자에게 흘러가고(더 많은 AKT가 담보로 잠기거나 제공자에 의해 스테이킹될 수 있음). 거버넌스도 AKT 보유를 통해 이루어짐. 전반적으로 토큰의 건전성은 활용률이 높을수록 개선되며 장기적인 참여를 장려하기 위한 인플레이션 통제 장치가 있음.
io.net탈중앙화 GPU 클라우드 (AI 중심)IO 토큰 (IO)최대 공급량 8억 IO로 고정: 5억 개 사전 발행(팀, 투자자, 커뮤니티 등에 할당), 3억 개는 약 20년에 걸쳐 채굴 보상으로 배출(시간당 분배). 최대 공급량 이후 추가 인플레이션 없음. 내장된 소각: 네트워크 수익은 토큰 소각을 유발하여 공급을 줄임. 스테이킹: 제공자는 참여하기 위해 최소한의 IO를 스테이킹해야 함(보상을 위해 더 많이 스테이킹 가능).GPU 공유 네트워크: 하드웨어 제공자(데이터 센터, 채굴자)는 GPU를 연결하고 용량 기여에 대해 지속적으로(시간당) IO 보상을 획득. 또한 고객 사용료로부터 수수료를 획득. 스테이킹 요구 사항: 운영자는 선량한 행동을 보장하기 위해 IO를 담보로 스테이킹. 사용자는 AI 컴퓨팅 작업에 대해 IO(또는 IO로 변환된 스테이블코인)로 지불할 가능성이 높으며, 모든 수수료의 일부는 프로토콜에 의해 소각됨.유틸리티 및 가치 흐름: IO는 네트워크에서 GPU 컴퓨팅 파워의 교환 매체이자 운영자가 스테이킹하는 보안 토큰임. 토큰 가치는 세 가지 요소에 의해 구동됨: (1) AI 컴퓨팅 수요 – 고객은 작업을 지불하기 위해 IO를 획득해야 하며, 사용량이 많을수록 더 많은 토큰이 소각됨(공급 감소). (2) 채굴 인센티브 – GPU 제공자에게 분배되는 새로운 IO는 네트워크 성장을 동기 부여하지만, 고정된 최대 공급량은 장기적인 인플레이션을 제한함. (3) 스테이킹 – IO는 제공자(및 잠재적으로 사용자 또는 위임자)에 의해 잠겨 보상을 얻고, 유동 공급을 줄이며 참여자를 네트워크 성공과 일치시킴. 요약하면, io.net의 토큰 모델은 대규모 AI 워크로드를 성공적으로 유치하면 토큰 공급이 (소각 및 스테이킹을 통해) 점점 더 희소해져 보유자에게 이익이 되도록 설계됨. 고정된 공급량은 또한 규율을 부과하여 끝없는 인플레이션을 방지하고 지속 가능한 "수익 대비 보상" 균형을 목표로 함.

출처: 각 프로젝트의 공식 문서 및 연구 자료 (위의 인용 참조).

토큰 인센티브 대 실제 서비스 사용

DePIN 프로젝트의 중요한 질문은 토큰 인센티브가 실제 서비스 제공 및 네트워크의 실제 사용으로 얼마나 효과적으로 전환되는가입니다. 초기 단계에서 많은 DePIN 프로토콜은 수요가 미미하더라도 관대한 토큰 보상을 통해 공급(하드웨어 배포)을 부트스트랩하는 데 중점을 두었습니다. 이는 "만들어 놓으면 (바라건대) 그들이 올 것이다"라는 전략이었습니다. 이로 인해 네트워크의 시가 총액과 토큰 배출량이 고객으로부터의 수익을 훨씬 초과하는 상황이 발생했습니다. 2024년 말 현재, **전체 DePIN 부문(약 350개 프로젝트)**의 총 시가 총액은 약 500억 달러였지만, 연간 수익은 약 5억 달러에 불과했습니다. 이는 연간 수익의 약 100배에 달하는 총 가치 평가입니다. 이러한 격차는 초기 단계의 _비효율성_을 강조합니다. 그러나 최근 동향은 네트워크가 순전히 공급 주도 성장 모델에서 수요 주도 채택으로 전환함에 따라 개선되고 있음을 보여주며, 특히 AI 컴퓨팅 수요의 급증이 이를 촉진하고 있습니다.

아래에서는 각 예시 프로젝트의 토큰 인센티브 효율성을 평가하고, 토큰 지출 대비 사용량 지표를 살펴봅니다.

  • 헬륨(Helium): 헬륨의 IoT 네트워크는 2021-2022년에 폭발적으로 성장하여 LoRaWAN 커버리지를 위해 전 세계적으로 거의 100만 개의 핫스팟이 배포되었습니다. 이 성장은 거의 전적으로 HNT 채굴 인센티브와 암호화폐 열풍에 의해 주도되었으며, 낮은 수준에 머물렀던 IoT 데이터에 대한 고객 수요에 의한 것이 아니었습니다. 2022년 중반까지 헬륨의 데이터 트래픽(실제로 네트워크를 사용하는 장치)이 막대한 공급 측 투자에 비해 미미하다는 것이 분명해졌습니다. 2022년 한 분석에 따르면, 네트워크가 핫스팟 보상으로 수천만 달러 상당의 HNT를 발행하고 있었음에도 불구하고 월간 데이터 사용으로 소각된 토큰은 1,000달러 미만이었습니다. 이는 극심한 불균형이었습니다(본질적으로 토큰 배출량의 1% 미만이 네트워크 사용으로 상쇄됨). 2022년 말과 2023년에 HNT 토큰 보상은 예정된 반감기를 거쳤지만(발행량 감소), 사용량은 여전히 뒤처져 있었습니다. 2023년 11월의 한 예로, 헬륨 데이터 크레딧 소각액은 그날 하루에 약 156달러에 불과했지만, 네트워크는 여전히 핫스팟 소유자에게 토큰 보상으로 하루에 약 55,000달러를 지급하고 있었습니다(USD 가치 기준). 즉, 그날의 토큰 인센티브 "비용"이 실제 네트워크 사용량을 350:1의 비율로 초과했습니다. 이는 헬륨의 초기 IoT 단계에서 인센티브 대 사용 전환율이 낮았음을 보여줍니다. 헬륨의 창립자들은 이 "닭이 먼저냐, 달걀이 먼저냐"의 딜레마를 인식했습니다. 네트워크는 사용자를 유치하기 전에 커버리지가 필요하지만, 사용자가 없으면 커버리지를 수익화하기 어렵습니다.

    개선의 조짐이 있습니다. 2023년 말, 헬륨은 소비자 대상 셀룰러 서비스(T-Mobile 로밍 지원)를 갖춘 5G 모바일 네트워크를 활성화하고 5G 핫스팟 운영자에게 MOBILE 토큰으로 보상하기 시작했습니다. **헬륨 모바일(5G)**의 출시는 빠르게 유료 사용자(예: 헬륨의 월 20달러 무제한 모바일 요금제 가입자)와 새로운 유형의 네트워크 사용을 가져왔습니다. 몇 주 만에 헬륨의 네트워크 사용량이 급증했습니다. 2024년 초까지 일일 데이터 크레딧 소각액은 약 4,300달러에 도달했습니다(몇 달 전 거의 없었던 것에서 증가). 더욱이, 2024년 1분기 현재 **소비된 모든 데이터 크레딧의 92%가 모바일 네트워크(5G)**에서 발생했으며, 이는 5G 서비스가 즉시 IoT 사용량을 압도했음을 의미합니다. 하루 4,300달러는 절대적인 기준으로 여전히 미미하지만(연간 약 160만 달러), 실제 수익을 향한 의미 있는 단계입니다. 헬륨의 토큰 모델은 적응하고 있습니다. IoT와 모바일 네트워크를 별도의 보상 토큰으로 분리함으로써 5G 사용이 실현되지 않으면 5G 보상(MOBILE 토큰)이 축소되고, IOT 토큰도 마찬가지로 비효율성을 효과적으로 억제합니다. 헬륨 모바일의 성장은 또한 토큰 인센티브를 즉각적인 소비자 관심사(저렴한 셀룰러 데이터)와 결합하는 힘을 보여주었습니다. 출시 6개월 만에 헬륨은 미국에 약 93,000개의 MOBILE 핫스팟을 배포했으며(전 세계 약 100만 개의 IoT 핫스팟과 함께), 커버리지 확대를 위해 (예: Telefónica와) 파트너십을 체결했습니다. 앞으로의 과제는 데이터 크레딧을 위한 HNT 소각이 HNT 발행 규모에 근접하도록 사용자 기반(IoT 기기 고객 및 5G 가입자 모두)을 크게 늘리는 것입니다. 요약하면, 헬륨은 극심한 공급 과잉(그리고 그에 상응하는 과대평가된 토큰)으로 시작했지만, 수요(5G 및 다른 네트워크를 위한 "인프라 계층"으로의 포지셔닝)로의 전환은 점차 토큰 인센티브의 효율성을 개선하고 있습니다.

  • 파일코인(Filecoin): 파일코인의 경우 불균형은 스토리지 용량 대 실제 저장된 데이터 사이에 있었습니다. 토큰 인센티브는 공급의 _과잉_을 초래했습니다. 정점에 달했을 때 파일코인 네트워크는 채굴자들이 약속한 원시 스토리지 용량이 15 엑사바이트(EiB)를 훨씬 넘었지만, 오랫동안 그 중 단 몇 퍼센트만이 실제 데이터로 활용되었습니다. 많은 공간이 더미 데이터로 채워졌습니다(고객은 증명 요구 사항을 충족시키기 위해 무작위 쓰레기 데이터를 저장할 수도 있었음). 이는 채굴자들이 FIL 보상을 얻기 위해서였습니다. 이는 많은 FIL이 사용자가 실제로 요구하지 않는 스토리지를 위해 발행되고 수여되었음을 의미합니다. 그러나 2022-2023년에 걸쳐 네트워크는 수요를 창출하는 데 큰 진전을 이루었습니다. 파일코인 플러스와 같은 이니셔티브와 공개 데이터셋의 적극적인 온보딩을 통해 활용률은 2023년에 약 3%에서 20% 이상으로 상승했습니다. 2024년 4분기까지 파일코인의 스토리지 활용률은 약 30%로 더욱 상승하여, 막대한 용량의 거의 3분의 1이 실제 고객 데이터를 보유하고 있음을 의미합니다. 이는 여전히 100%와는 거리가 멀지만, 추세는 긍정적입니다. 토큰 보상은 점점 더 빈 공간 채우기가 아닌 유용한 스토리지에 사용되고 있습니다. 또 다른 척도로, 2024년 1분기 현재 약 1,900 PiB (1.9 EiB)의 데이터가 파일코인의 활성 계약에 저장되어 있으며, 이는 전년 대비 200% 증가한 수치입니다. 특히, 새로운 계약의 대부분은 이제 파일코인 플러스(검증된 고객)를 통해 이루어지며, 이는 채굴자들이 보너스 보상 배율을 얻을 수 있는 데이터에 공간을 할애하는 것을 강력히 선호함을 나타냅니다.

    경제적 효율성 측면에서 파일코인의 프로토콜도 변화를 겪었습니다. 초기에 프로토콜 "수익"(사용자가 지불한 수수료)은 채굴 보상에 비해 미미했습니다(일부 분석에서는 이를 수익으로 처리하여 초기 수치를 부풀렸음). 예를 들어, 2021년에 파일코인의 블록 보상은 (높은 FIL 가격으로) 수억 달러의 가치가 있었지만, 실제 스토리지 수수료는 미미했습니다. 2022년에 FIL 가격이 하락하면서 보고된 수익은 5억 9,600만 달러에서 1,300만 달러로 98% 감소했으며, 이는 2021년 "수익"의 대부분이 고객 지출이 아닌 토큰 발행 가치였음을 반영합니다. 앞으로 균형이 개선되고 있습니다. 유료 스토리지 고객 파이프라인이 성장하고 있습니다(예: 2023년 말에 1 PiB의 기업 계약이 체결되었으며, 이는 최초의 대규모 완전 유료 계약 중 하나임). 파일코인의 FVM(스마트 계약 활성화) 도입과 곧 출시될 스토리지 마켓플레이스 및 DEX는 더 많은 온체인 수수료 활동(그리고 잠재적으로 FIL 소각 또는 락업)을 가져올 것으로 예상됩니다. 요약하면, 파일코인의 토큰 인센티브는 초기에는 효율성이 5% 미만이었지만, 거대한 글로벌 스토리지 네트워크를 성공적으로 구축했습니다. 2024년까지 그 효율성은 약 20-30%로 개선되었으며, 실제 수요가 보조금 지원 공급을 따라잡으면서 더욱 상승할 것으로 보입니다. 탈중앙화 스토리지(Web3 데이터, 아카이브, NFT 메타데이터, AI 데이터셋 등)에 대한 부문 전체의 수요가 증가하고 있는 것으로 보이며, 이는 더 많은 채굴 보상을 실제 유용한 서비스로 전환하는 데 긍정적인 신호입니다.

  • 렌더 네트워크(Render Network): 렌더의 토큰 모델은 소각 및 발행 균형 덕분에 본질적으로 인센티브를 사용량과 더 긴밀하게 연결합니다. 레거시 모델(2023년 이전)에서는 RNDR 발행이 주로 재단의 손에 있었고 네트워크 성장 목표에 기반했으며, 사용은 작업을 위해 RNDR을 에스크로에 잠그는 것을 포함했습니다. 이로 인해 효율성을 분석하기가 다소 어려웠습니다. 그러나 2023년에 BME가 완전히 구현되면서 발행된 토큰 대비 소각된 토큰의 수를 측정할 수 있게 되었습니다. 각 렌더링 또는 컴퓨팅 작업은 비용에 비례하여 RNDR을 소각하므로, 본질적으로 보상으로 배출되는 모든 토큰은 완료된 작업에 해당합니다(특정 에포크에서 배출 > 소각인 경우 순 인플레이션 제외). 업그레이드 후 렌더 네트워크의 초기 데이터에 따르면 사용량이 실제로 증가하고 있었습니다. 렌더 재단은 "피크 순간"에 네트워크가 이더리움이 트랜잭션에서 처리할 수 있는 것보다 초당 더 많은 렌더 프레임을 완료할 수 있다고 언급했으며, 이는 상당한 활동을 강조합니다. 상세한 사용 통계(예: 작업 수 또는 GPU 시간 소비)는 위의 스니펫에서 공개되지 않았지만, 한 가지 강력한 지표는 RNDR의 가격과 수요입니다. 2023년에 RNDR은 최고의 성과를 보인 암호화폐 자산 중 하나가 되어 1월 약 0.40달러에서 5월까지 2.50달러 이상으로 상승했으며, 그 후에도 계속 상승했습니다. 2023년 11월까지 RNDR은 AI 관련 컴퓨팅 파워에 대한 열풍에 힘입어 연초 대비 10배 이상 상승했습니다. 이러한 가격 움직임은 사용자들이 렌더링 및 AI 작업을 완료하기 위해 RNDR을 구매하고 있거나(또는 투기꾼들이 그럴 필요가 있을 것이라고 예상했음) 있음을 시사합니다. 실제로 AI 작업에 대한 관심은 새로운 수요의 물결을 가져왔을 가능성이 높습니다. 렌더는 네트워크가 미디어 렌더링을 넘어 AI 모델 훈련으로 확장되고 있으며, 전통적인 클라우드의 GPU 부족으로 인해 이 틈새 시장에서 수요가 공급을 훨씬 초과했다고 보고했습니다. 본질적으로 렌더의 토큰 인센티브(배출)는 동등하게 강력한 사용자 수요(소각)를 만나 인센티브 대 사용 전환율이 상대적으로 높습니다. BME 첫 해에 네트워크가 노드 운영자 수입을 부트스트랩하기 위해 의도적으로 일부 추가 토큰(910만 RENDER 배출)을 할당했다는 점은 주목할 가치가 있습니다. 만약 이것이 사용량을 초과하면 일시적인 인플레이션 비효율성을 초래할 수 있습니다. 그러나 네트워크의 성장을 고려할 때 RNDR의 소각률은 상승하고 있습니다. 2024년 중반 현재 렌더 네트워크 대시보드는 누적 RNDR 소각량의 꾸준한 증가를 보여주었으며, 이는 실제 작업이 처리되고 있음을 나타냅니다. 또 다른 질적 성공의 신호는 주요 스튜디오와 콘텐츠 제작자들이 유명 프로젝트에 렌더를 사용하여 실제 채택을 증명했다는 것입니다(이들은 단지 노드를 운영하는 암호화폐 애호가가 아니라 렌더링 비용을 지불하는 _고객_입니다). 종합적으로 볼 때, 렌더는 DePIN에서 가장 효과적인 토큰 대 서비스 전환 지표 중 하나를 가진 것으로 보입니다. 네트워크가 바쁘면 RNDR이 소각되고 토큰 보유자는 실질적인 가치를 보게 됩니다. 네트워크가 유휴 상태라면 토큰 배출이 유일한 결과물이겠지만, AI에 대한 열광으로 인해 네트워크는 결코 유휴 상태가 아닙니다.

  • 아카시(Akash): 아카시의 효율성은 _클라우드 지출 대 토큰 발행_의 맥락에서 볼 수 있습니다. 지분 증명 체인으로서 아카시의 AKT는 검증자에게 보상하기 위한 인플레이션이 있지만, 그 인플레이션은 과도하게 높지 않으며(상당 부분은 스테이킹 락으로 상쇄됨) 더 흥미로운 부분은 토큰이 얼마나 많은 실제 사용량을 포착하고 있는가입니다. 2022년에 아카시 사용량은 상대적으로 낮았습니다(언제든지 수백 개의 배포에 불과했으며, 주로 소규모 앱이나 테스트넷이었음). 이는 AKT의 가치가 수수료로 뒷받침되지 않은 투기적이었음을 의미합니다. 그러나 2023-2024년에 AI로 인해 사용량이 폭발했습니다. 2024년 말까지 아카시는 네트워크에서 하루에 약 11,000달러의 지출을 처리하고 있었으며, 이는 2024년 1월의 하루 약 1,300달러에서 증가한 것으로, 연내 일일 수익이 약 749% 증가한 것입니다. 2024년 동안 아카시는 컴퓨팅에 대한 누적 유료 지출 160만 달러를 초과했습니다. 이 수치는 AWS와 같은 거대 기업에 비하면 여전히 작지만, 아카시에 워크로드를 배포하고 AKT 또는 USDC(궁극적으로 변환을 통해 AKT 수요를 유도함)로 지불하는 실제 고객을 나타냅니다. 해당 기간 동안의 토큰 인센티브(인플레이션 보상)는 유통 중인 1억 3,000만 AKT의 약 15-20% 정도였습니다(2024년에 약 2,000만-2,600만 AKT 발행, AKT당 1-3달러로 계산하면 2,000만-5,000만 달러 가치). 따라서 순 달러 기준으로 네트워크는 여전히 수수료로 벌어들이는 것보다 더 많은 가치의 토큰을 발행하고 있었습니다. 이는 다른 초기 단계 네트워크와 유사합니다. 그러나 추세는 사용량이 빠르게 따라잡고 있다는 것입니다. 한 가지 주목할 만한 통계는 2024년 3분기와 2023년 3분기를 비교했을 때 임대당 평균 수수료가 6.42달러에서 18.75달러로 상승했다는 것입니다. 이는 사용자들이 훨씬 더 자원 집약적인(따라서 더 비싼) 워크로드, 아마도 AI용 GPU를 실행하고 있으며, 더 많은 비용을 지불할 의향이 있음을 의미합니다. 이는 아마도 네트워크가 가치(예: 대안보다 저렴한 비용)를 제공하기 때문일 것입니다. 또한, 아카시는 임대에 대해 10-20%의 수수료를 프로토콜에 부과하므로, 누적 지출 160만 달러의 10-20%가 실제 수익으로 스테이커에게 돌아갔다는 것을 의미합니다. 2024년 4분기에 AKT의 가격은 수년 만에 최고치를 기록했으며(약 4달러, 2023년 중반 최저치에서 8배 증가), 이는 시장이 개선된 펀더멘털과 사용량을 인식했음을 나타냅니다. 2024년 말 온체인 데이터에 따르면 650개 이상의 활성 임대네트워크에 700개 이상의 GPU가 있으며 약 78%의 활용률을 보였습니다. 효과적으로, 인센티브를 통해 추가된 대부분의 GPU는 실제로 고객이 사용하고 있었습니다. 이는 토큰 인센티브가 서비스로 강력하게 전환되었음을 보여줍니다. 인센티브를 받은 GPU 5개 중 거의 4개가 AI 개발자(모델 훈련 등)에게 서비스를 제공하고 있었습니다. 신용카드 결제 활성화 및 인기 있는 AI 프레임워크 지원과 같은 아카시의 선제적인 조치는 암호화폐 토큰을 실제 사용자와 연결하는 데 도움이 되었습니다(일부 사용자는 내부적으로 AKT를 지불하고 있다는 사실조차 모를 수 있음). 전반적으로, 아카시는 초기에 "공급 > 수요"라는 일반적인 DePIN 문제를 겪었지만, 빠르게 더 균형 잡힌 상태로 나아가고 있습니다. AI 수요가 계속된다면 아카시는 수요가 토큰 인센티브를 초과하는 체제에 접근할 수도 있습니다. 즉, 사용량이 투기적 인플레이션보다 AKT의 가치를 더 많이 주도할 수 있습니다. 수수료를 스테이커와 공유하는 프로토콜의 설계는 또한 효율성이 개선됨에 따라 AKT 보유자가 직접적인 혜택을 본다는 것을 의미합니다(예: 2024년 말까지 스테이커는 인플레이션뿐만 아니라 실제 수수료로부터 상당한 수익을 얻고 있었음).

  • io.net: 매우 새로운 프로젝트(2023/24년 출시)이므로 io.net의 효율성은 아직 대부분 이론적이지만, 그 모델은 인센티브 전환을 극대화하기 위해 명시적으로 구축되었습니다. 공급을 엄격하게 제한하고 시간당 보상을 도입함으로써 io.net은 무한한 인플레이션 시나리오를 피합니다. 그리고 수익에 따라 토큰을 소각함으로써 수요가 시작되자마자 토큰 배출에 대한 자동적인 균형추가 있음을 보장합니다. 초기 보고서에 따르면 io.net은 많은 수의 GPU를 집계했으며(아마도 기존 채굴 팜과 데이터 센터를 온보딩함으로써), 제공할 상당한 공급을 확보했습니다. 핵심은 그 공급이 AI 고객으로부터 상응하는 수요를 찾을 수 있는지 여부입니다. 이 부문에 대한 한 가지 긍정적인 신호는 2024년 현재 탈중앙화 GPU 네트워크(렌더, 아카시, io.net 포함)가 종종 수요 제약이 아닌 용량 제약을 겪고 있다는 것입니다. 즉, 네트워크가 특정 순간에 온라인으로 제공할 수 있는 것보다 더 많은 사용자 컴퓨팅 수요가 있었습니다. 만약 io.net이 그 미충족 수요를 활용한다면(솔라나 생태계를 통해 더 낮은 가격이나 독특한 통합을 제공함으로써), 토큰 소각이 가속화될 수 있습니다. 반면에, 초기 공급량 5억 IO의 상당 부분을 내부자나 제공자에게 분배했다면, 사용량이 뒤처질 경우 매도 압력의 위험이 있습니다. 아직 구체적인 사용 데이터가 없는 상태에서 io.net은 정제된 토크노믹스 접근 방식의 시험대 역할을 합니다. 즉, 처음부터 수요 주도 균형을 목표로 하여 토큰을 과잉 공급하는 것을 피하려고 합니다. 앞으로 몇 년 동안, 3억 개의 배출량 중 몇 퍼센트가 네트워크 수익(소각)으로 효과적으로 "지불"되는지를 추적하여 그 성공을 측정할 수 있습니다. DePIN 부문의 진화는 io.net이 AI 수요가 높은 시기에 진입하고 있음을 시사하므로, 이전 프로젝트보다 더 빨리 높은 활용률에 도달할 수 있습니다.

요약하면, 초기 DePIN 프로젝트는 종종 낮은 토큰 인센티브 효율성에 직면했으며, 토큰 지급액이 실제 사용량을 훨씬 초과했습니다. 헬륨의 IoT 네트워크는 토큰 보상이 거대한 네트워크를 구축했지만 활용률은 몇 퍼센트에 불과했던 대표적인 예였습니다. 파일코인도 마찬가지로 저장된 데이터가 거의 없는 상태에서 풍부한 스토리지를 가지고 있었습니다. 그러나 네트워크 개선과 외부 수요 동향을 통해 이러한 격차는 좁혀지고 있습니다. 헬륨의 5G 전환은 사용량을 배가시켰고, 파일코인의 활용률은 꾸준히 상승하고 있으며, 렌더와 아카시 모두 AI 붐과 함께 실제 사용량이 급증하여 토큰 경제를 지속 가능한 순환에 더 가깝게 만들었습니다. 2024년의 일반적인 추세는 **"수요 증명"**으로의 전환이었습니다. DePIN 팀들은 단지 하드웨어와 과대광고가 아닌 사용자 및 수익 확보에 집중하기 시작했습니다. 이는 헬륨이 IoT 및 통신 분야에서 기업 파트너를 유치하고, 파일코인이 대규모 Web2 데이터셋을 온보딩하며, 아카시가 AI 개발자를 위해 플랫폼을 사용자 친화적으로 만드는 것과 같은 네트워크에서 입증됩니다. 순 효과는 토큰 가치가 단지 투기가 아닌 펀더멘털(예: 저장된 데이터, 판매된 GPU 시간)에 의해 점점 더 뒷받침되고 있다는 것입니다. 아직 갈 길은 멀지만(전체 부문이 100배의 가격/수익 비율을 보인다는 것은 여전히 많은 투기가 남아 있음을 의미함), 궤도는 토큰 인센티브의 보다 효율적인 사용을 향하고 있습니다. 토큰을 서비스(또는 "현장의 하드웨어")로 전환하지 못하는 프로젝트는 사라질 가능성이 높으며, 높은 전환율을 달성하는 프로젝트는 투자자와 커뮤니티의 신뢰를 얻고 있습니다.

AI 컴퓨팅 수요와의 결합: 동향 및 기회

DePIN 프로젝트에 이익이 되는 가장 중요한 발전 중 하나는 AI 컴퓨팅 수요의 폭발적인 성장입니다. 2023-2024년에는 AI 모델 훈련 및 배포가 수십억 달러 규모의 시장이 되어 전통적인 클라우드 제공업체와 GPU 공급업체의 용량을 압박했습니다. 탈중앙화 인프라 네트워크는 이 기회를 포착하기 위해 신속하게 적응했으며, 이는 때때로 미래학자들에 의해 "DePIN x AI" 또는 심지어 "DePAI (Decentralized Physical AI)"라고 불리는 융합으로 이어졌습니다. 아래에서는 우리가 주목하는 프로젝트와 더 넓은 DePIN 부문이 AI 트렌드를 어떻게 활용하고 있는지 설명합니다.

  • 탈중앙화 GPU 네트워크 및 AI: 렌더, 아카시, io.net과 같은 프로젝트(그리고 Golem, Vast.ai 등)는 AI 요구를 충족시키는 데 앞장서고 있습니다. 언급했듯이, 렌더는 렌더링을 넘어 AI 워크로드를 지원하도록 확장했습니다. 예를 들어, 스테이블 디퓨전(Stable Diffusion) 모델이나 다른 ML 작업을 훈련하기 위해 GPU 성능을 임대하는 것입니다. AI에 대한 관심은 이러한 네트워크의 사용량을 직접적으로 견인했습니다. 2023년 중반, 이미지 및 언어 모델을 훈련하기 위한 GPU 컴퓨팅 수요가 급증했습니다. 렌더 네트워크는 많은 개발자와 일부 기업이 더 저렴한 GPU 시간을 위해 이를 찾으면서 혜택을 보았습니다. 이는 RNDR의 10배 가격 급등의 한 요인이었으며, 렌더가 AI 요구를 충족시키기 위해 GPU를 공급할 것이라는 시장의 믿음을 반영했습니다. 마찬가지로, 2023년 말 아카시의 GPU 출시는 생성형 AI 붐과 일치했습니다. 몇 달 만에 아카시의 수백 개의 GPU가 언어 모델을 미세 조정하거나 AI API를 제공하기 위해 임대되었습니다. 2024년 말까지 아카시의 GPU 활용률이 약 78%에 도달한 것은 인센티브를 받은 하드웨어의 거의 전부가 AI 사용자로부터 수요를 찾았음을 나타냅니다. io.net은 명시적으로 자신을 "AI 중심의 탈중앙화 컴퓨팅 네트워크"로 포지셔닝하고 있습니다. AI 프레임워크와의 통합을 자랑합니다(머신 러닝에서 인기 있는 Ray 분산 컴퓨팅 프레임워크를 사용하여 AI 개발자가 io.net에서 쉽게 확장할 수 있도록 함). io.net의 가치 제안, 즉 클라우드보다 10-20배 효율적인 비용으로 90초 만에 GPU 클러스터를 배포할 수 있다는 것은 비싸거나 대기 중인 클라우드 GPU 인스턴스에 제약을 받는 AI 스타트업과 연구원들을 정면으로 겨냥한 것입니다. 이러한 타겟팅은 전략적입니다. 2024년에는 극심한 GPU 부족 현상이 있었습니다(예: NVIDIA의 고급 AI 칩이 매진됨). 그리고 어떤 종류의 GPU(구형 모델이나 게임용 GPU 포함)에 접근할 수 있는 탈중앙화 네트워크가 그 격차를 메우기 위해 나섰습니다. 세계 경제 포럼은 일반 사람들이 컴퓨팅 파워와 데이터를 AI 프로세스에 기여하고 보상을 받는 **"DePAI (Decentralized Physical AI)"**의 등장을 언급했습니다. 이 개념은 괜찮은 GPU를 가진 누구나 AI 워크로드를 지원하여 토큰을 벌 수 있도록 하는 GPU DePIN 프로젝트와 일치합니다. Messari의 연구 역시 2024년 AI 산업의 강렬한 수요가 DePIN 부문이 수요 주도 성장으로 전환하는 데 "중요한 가속기" 역할을 했다고 강조했습니다.

  • 스토리지 네트워크 및 AI 데이터: AI 붐은 단지 컴퓨팅에 관한 것이 아닙니다. 또한 (훈련을 위한) _방대한 데이터셋_을 저장하고 훈련된 모델을 배포해야 합니다. 파일코인과 **아위브(Arweave)**와 같은 탈중앙화 스토리지 네트워크는 여기서 새로운 사용 사례를 찾았습니다. 특히 파일코인은 AI를 핵심 성장 동력으로 받아들였습니다. 2024년에 파일코인 커뮤니티는 "컴퓨팅 및 AI"를 세 가지 중점 분야 중 하나로 식별했습니다. 파일코인 가상 머신(FVM)의 출시로 이제 파일코인에 저장된 데이터에 가까운 곳에서 컴퓨팅 서비스를 실행할 수 있게 되었습니다. Bacalhau(분산 데이터 기반 컴퓨팅 프로젝트) 및 Fluence의 컴퓨팅 L2와 같은 프로젝트는 사용자가 네트워크에 저장된 데이터에서 직접 AI 알고리즘을 실행할 수 있도록 파일코인 위에 구축되고 있습니다. 아이디어는 예를 들어, 대규모 데이터셋을 중앙 집중식 클러스터로 이동할 필요 없이 이미 파일코인 노드에 분산 저장된 데이터셋에서 모델을 훈련할 수 있도록 하는 것입니다. **IPC (InterPlanetary Consensus)**와 같은 파일코인의 기술 혁신은 특정 워크로드(예: 파일코인의 스토리지 보안을 활용하는 AI 전용 사이드체인)에 전념할 수 있는 서브네트워크를 생성할 수 있게 합니다. 또한, 파일코인은 AI와 매우 관련성이 높은 탈중앙화 데이터 커먼즈를 지원하고 있습니다. 예를 들어, 대학, 자율 주행 차량 데이터 또는 위성 이미지를 파일코인에 호스팅한 다음 AI 모델이 접근할 수 있습니다. 네트워크는 주요 AI 관련 데이터셋(참조된 UC 버클리 및 인터넷 아카이브 데이터 등)을 자랑스럽게 저장합니다. 토큰 측면에서 이는 더 많은 클라이언트가 데이터를 위해 FIL을 사용한다는 것을 의미하지만, 더 흥미로운 것은 데이터의 2차 시장에 대한 잠재력입니다. 파일코인의 비전에는 스토리지 클라이언트가 AI 훈련 사용 사례를 위해 자신의 데이터를 수익화할 수 있도록 하는 것이 포함됩니다. 이는 AI 회사가 훈련을 위해 비용을 지불할 때 파일코인에 대규모 데이터셋을 소유하면 토큰을 벌 수 있는 미래를 시사하며, FIL이 단지 스토리지가 아닌 데이터 사용 권리를 위해 흐르는 생태계를 만듭니다. 이는 아직 초기 단계이지만 파일코인이 AI 트렌드와 얼마나 깊이 결합하고 있는지를 보여줍니다.

  • 무선 네트워크 및 AI를 위한 엣지 데이터: 표면적으로 헬륨 및 유사한 무선 DePIN은 AI 컴퓨팅과 직접적인 관련이 적습니다. 그러나 몇 가지 연결점이 있습니다. IoT 센서 네트워크(헬륨의 IoT 하위 DAO 및 Nodle 또는 WeatherXM과 같은 다른 네트워크)는 AI 모델에 공급할 귀중한 실제 데이터를 제공할 수 있습니다. 예를 들어, WeatherXM(기상 관측소 데이터를 위한 DePIN)은 기후 모델이나 AI 예측을 개선할 수 있는 탈중앙화된 기상 데이터 스트림을 제공합니다. WeatherXM 데이터는 바로 이러한 이유로 파일코인의 Basin L2를 통해 통합되고 있습니다. 스마트폰을 노드로 사용하여 데이터를 수집하는 Nodle(DePIN으로 간주됨)은 탈중앙화 스마트 카메라 영상을 위한 "Click"이라는 앱을 구축하고 있습니다. 그들은 이미지를 저장하고 잠재적으로 AI 컴퓨터 비전 훈련에 사용하기 위해 파일코인을 통합할 계획입니다. 헬륨의 역할은 이러한 엣지 장치에 대한 연결성을 제공하는 것일 수 있습니다. 예를 들어, 도시가 공기 질이나 교통을 위해 헬륨 IoT 센서를 배포하고, 그 데이터셋이 도시 계획 AI를 훈련하는 데 사용되는 것입니다. 또한, 헬륨 5G 네트워크는 미래에 AI를 위한 엣지 인프라 역할을 할 수 있습니다. 자율 드론이나 차량이 연결을 위해 탈중앙화 5G를 사용한다고 상상해 보십시오. 그들이 생성(및 소비)하는 데이터는 지속적으로 AI 시스템에 연결될 수 있습니다. 헬륨이 구체적인 "AI 전략"을 발표하지는 않았지만, 모회사인 Nova Labs는 헬륨을 다른 DePIN 프로젝트를 위한 일반적인 인프라 계층으로 포지셔닝할 것을 암시했습니다. 여기에는 AI 분야의 프로젝트도 포함될 수 있습니다. 예를 들어, 헬륨은 AI 기반 장치 함대에 물리적 무선 계층을 제공하고, 그 AI 함대의 계산 요구는 아카시와 같은 네트워크에서 처리되며, 데이터 저장은 파일코인에서 처리되는 상호 연결된 DePIN 스택을 상상할 수 있습니다.

  • 시너지 성장 및 투자: 암호화폐 투자자와 전통적인 플레이어 모두 DePIN-AI 시너지를 주목하고 있습니다. Messari의 2024년 보고서는 추세가 계속된다면 DePIN 시장이 2028년까지 3조 5천억 달러로 성장할 수 있다고 예측했습니다(2024년 약 500억 달러에서). 이러한 낙관적인 전망은 주로 AI가 탈중앙화 인프라의 "킬러 앱"이 될 것이라는 전제에 기반합니다. **DePAI (Decentralized Physical AI)**의 개념은 일반 사람들이 하드웨어뿐만 아니라 데이터도 AI 시스템에 기여하고 보상을 받아 빅테크의 AI 데이터셋 독점을 깨는 미래를 구상합니다. 예를 들어, 누군가의 자율 주행 차량이 도로 데이터를 수집하고, 헬륨과 같은 네트워크를 통해 업로드하고, 파일코인에 저장하고, 아카시에서 훈련 중인 AI에 의해 사용될 수 있으며, 각 프로토콜은 기여자에게 토큰으로 보상합니다. 다소 미래적인 이야기이지만, 이 비전의 초기 구성 요소가 나타나고 있습니다(예: 운전자의 대시캠이 지도를 구축하는 DePIN 매핑 프로젝트인 HiveMapper - 이 지도는 자율 주행 AI를 훈련시킬 수 있으며, 기여자는 토큰을 얻음). 또한 **Bittensor (TAO)**와 같은 AI 중심의 암호화폐 프로젝트, 즉 탈중앙화 방식으로 AI 모델을 훈련하는 네트워크가 수십억 달러의 가치 평가에 도달하는 것을 보며, AI+암호화폐 조합에 대한 강력한 투자자 욕구를 알 수 있습니다.

  • 자율 에이전트 및 기계 간 경제: 다가오는 흥미로운 트렌드는 AI 에이전트가 DePIN 서비스를 자율적으로 사용하는 것입니다. Messari는 2025년까지 AI 에이전트 네트워크(자율 봇과 같은)가 인간이나 다른 기계를 위한 작업을 수행하기 위해 DePIN 프로토콜에서 직접 탈중앙화 컴퓨팅 및 스토리지를 조달할 수 있다고 추측했습니다. 이러한 시나리오에서 AI 에이전트(예: 탈중앙화 AI 서비스 네트워크의 일부)는 더 많은 컴퓨팅이 필요할 때 렌더나 io.net에서 자동으로 GPU를 임대하고, 암호화폐로 지불하고, 결과를 파일코인에 저장하고, 헬륨을 통해 통신할 수 있습니다. 이 모든 것이 인간의 개입 없이 스마트 계약을 통해 협상하고 거래됩니다. 이러한 기계 간 경제는 DePIN에 본질적으로 적합한 새로운 수요의 물결을 열 수 있습니다(AI 에이전트는 신용카드가 없지만 토큰을 사용하여 서로 지불할 수 있기 때문). 아직 초기 단계이지만, Fetch.ai와 같은 프로토타입이 이 방향을 암시하고 있습니다. 만약 이것이 실현된다면, DePIN 네트워크는 _기계 주도 사용의 직접적인 유입_을 보게 되어 모델을 더욱 검증하게 될 것입니다.

  • 에너지 및 기타 물리적 버티컬: 우리의 초점은 연결성, 스토리지, 컴퓨팅에 있었지만, AI 트렌드는 다른 DePIN 분야에도 영향을 미칩니다. 예를 들어, 탈중앙화 에너지 그리드(때로는 DeGEN - 탈중앙화 에너지 네트워크라고도 함)는 AI가 에너지 분배를 최적화함에 따라 혜택을 볼 수 있습니다. 누군가 초과 태양광 에너지를 마이크로그리드에 공유하고 토큰을 받으면, AI가 그 전력을 효율적으로 예측하고 라우팅할 수 있습니다. 바이낸스 보고서에 인용된 한 프로젝트는 초과 태양광 에너지를 그리드에 기여하는 것에 대한 토큰을 설명합니다. 이러한 그리드를 관리하는 AI 알고리즘은 다시 탈중앙화 컴퓨팅에서 실행될 수 있습니다. 마찬가지로, AI는 탈중앙화 네트워크의 성능을 향상시킬 수 있습니다. 예를 들어, 헬륨의 라디오 커버리지의 AI 기반 최적화나 파일코인 스토리지 노드의 예측 유지보수를 위한 AI 운영이 있습니다. 이는 DePIN 내에서 AI를 _사용_하는 것에 더 가깝지만, 기술의 상호 교류를 보여줍니다.

본질적으로, AI는 DePIN의 순풍이 되었습니다. 이전에 분리되었던 "블록체인과 현실 세계의 만남"과 "AI 혁명"의 서사는 탈중앙화가 AI의 인프라 수요를 충족시키는 데 도움이 될 수 있으며, _AI는 결과적으로 탈중앙화 네트워크에 막대한 실제 사용을 유도할 수 있다_는 공유된 서사로 수렴하고 있습니다. 이러한 융합은 상당한 자본을 유치하고 있습니다. 2024년에만 DePIN 스타트업에 3억 5천만 달러 이상이 투자되었으며, 그 중 상당 부분은 AI 관련 인프라를 목표로 했습니다(예: 최근 많은 자금 조달은 탈중앙화 GPU 프로젝트, AI를 위한 엣지 컴퓨팅 등에 대한 것이었음). 또한 프로젝트 간의 협력도 촉진하고 있습니다(파일코인이 헬륨과 협력하고, 아카시가 다른 AI 도구 제공업체와 통합하는 등).

결론

헬륨, 파일코인, 렌더, 아카시와 같은 DePIN 프로젝트는 암호화폐 인센티브가 전통적인 모델보다 더 빠르고 공평하게 실제 인프라를 부트스트랩할 수 있다는 대담한 베팅을 나타냅니다. 각각은 독특한 경제 모델을 만들었습니다. 헬륨은 토큰 소각과 커버리지 증명을 사용하여 무선 네트워크를 크라우드소싱하고, 파일코인은 암호경제학을 사용하여 탈중앙화 데이터 스토리지 마켓플레이스를 만들며, 렌더와 아카시는 토큰화된 지불과 보상을 통해 GPU와 서버를 글로벌 공유 자원으로 전환합니다. 초기에 이러한 모델들은 빠른 공급 성장과 뒤처지는 수요로 인해 어려움을 겪었지만, 시간이 지남에 따라 조정하고 효율성을 개선할 수 있는 능력을 보여주었습니다. 토큰 인센티브 플라이휠은 만병통치약은 아니지만, 글로벌 IoT/5G 네트워크, 엑사바이트 규모의 스토리지 그리드, 분산 GPU 클라우드와 같은 인상적인 물리적 네트워크를 구축할 수 있음을 입증했습니다. 이제 실제 사용량(IoT 기기부터 AI 연구소까지)이 따라잡으면서 이러한 네트워크는 토큰이 단지 초기에 참여했다는 이유가 아니라 가치를 제공함으로써 얻어지는 지속 가능한 서비스 경제로 전환하고 있습니다.

AI의 부상은 이러한 전환을 가속화했습니다. 컴퓨팅과 데이터에 대한 AI의 끝없는 욕구는 DePIN의 강점과 맞아떨어집니다. 미개척 자원을 활용하고, 유휴 하드웨어를 가동하며, 전 세계 참여자들이 보상을 공유할 수 있습니다. 2024년 AI 주도 수요와 DePIN 공급의 정렬은 일부 프로젝트가 기다려온 "제품-시장 적합성"을 제공한 중추적인 순간이었습니다. 추세는 탈중앙화 인프라가 AI 모델을 호스팅하거나, 훈련 데이터를 수집하거나, 자율 에이전트 경제를 가능하게 함으로써 계속해서 AI의 물결을 탈 것임을 시사합니다. 그 과정에서 이러한 네트워크를 뒷받침하는 토큰의 가치는 점점 더 투기만이 아닌 실제 사용량(예: 판매된 GPU 시간, 저장된 TB, 연결된 장치)을 반영하게 될 것입니다.

그렇지만 도전 과제는 여전히 남아 있습니다. DePIN 프로젝트는 투자를 유틸리티로 전환하는 것을 계속 개선해야 합니다. 즉, 핫스팟이나 GPU를 하나 더 추가하는 것이 실제로 사용자에게 비례적인 가치를 더하도록 보장해야 합니다. 또한 전통적인 제공업체와의 경쟁에 직면해 있으며(클라우드 거대 기업들은 약정된 AI 워크로드에 대해 가격을 낮추는 등 가만히 있지 않음), 규제 장애물(헬륨의 5G는 스펙트럼 준수가 필요함 등), 암호화폐의 사용자 경험 마찰, 대규모에서 신뢰할 수 있는 성능의 필요성과 같은 문제를 극복해야 합니다. 토큰 모델도 지속적인 조정이 필요합니다. 예를 들어, 헬륨이 하위 토큰으로 분리된 것은 그러한 조정 중 하나였고, 렌더의 BME도 마찬가지였습니다. 다른 프로젝트들은 균형을 유지하기 위해 수수료 소각, 동적 보상 또는 DAO 거버넌스 조정을 구현할 수 있습니다.

혁신과 투자 관점에서 DePIN은 암호화폐를 실질적인 서비스와 직접적으로 연결하기 때문에 Web3에서 가장 흥미로운 분야 중 하나입니다. 투자자들은 승자를 식별하기 위해 프로토콜 수익, 활용률, 토큰 가치 포착(P/S 비율)과 같은 지표를 주시하고 있습니다. 예를 들어, 네트워크의 토큰이 시가 총액은 높지만 사용량이 매우 낮다면(높은 P/S), 수요 급증을 예상하지 않는 한 과대평가되었을 수 있습니다. 반대로, 수익을 급격히 증가시키는 데 성공한 네트워크(아카시의 일일 지출 749% 증가처럼)는 토큰이 근본적으로 재평가될 수 있습니다. 분석 플랫폼(Messari, Token Terminal)은 이제 이러한 데이터를 추적합니다. 예를 들어, 헬륨의 연간 수익(약 350만 달러) 대 인센티브(약 4,700만 달러)는 큰 적자를 낳았지만, 렌더와 같은 프로젝트는 소각이 배출을 상쇄하기 시작하면 더 가까운 비율을 보일 수 있습니다. 시간이 지남에 따라 시장은 사용자에게 실제 현금 흐름이나 비용 절감을 보여주는 DePIN 토큰에 보상할 것으로 예상됩니다. 이는 과대광고에서 펀더멘털로 성숙하는 부문의 모습입니다.

결론적으로, 헬륨과 파일코인과 같은 기존 네트워크는 토큰화된 인프라의 힘과 함정을 입증했으며, 렌더, 아카시, io.net과 같은 신흥 네트워크는 모델을 AI 컴퓨팅이라는 고수요 영역으로 밀어붙이고 있습니다. 각 네트워크의 경제학은 메커니즘은 다르지만 공통된 목표를 공유합니다. 토큰이 서비스 구축을 장려하고, 그 서비스의 활용이 다시 토큰의 가치를 지지하는 자생적인 순환을 만드는 것입니다. 이 균형을 달성하는 것은 복잡하지만, 지금까지의 진전, 즉 수백만 개의 장치, 엑사바이트의 데이터, 수천 개의 GPU가 이제 탈중앙화 네트워크에서 온라인 상태라는 점은 DePIN 실험이 결실을 맺고 있음을 시사합니다. AI와 Web3가 계속해서 융합됨에 따라, 향후 몇 년 동안 탈중앙화 인프라 네트워크는 틈새 대안에서 인터넷 구조의 중요한 기둥으로 이동하여 암호 경제학에 의해 구동되는 실제 유틸리티를 제공할 수 있을 것입니다.

출처: 공식 프로젝트 문서 및 블로그, Messari 연구 보고서, Token Terminal 및 기타 분석 데이터. 주요 참고 자료에는 Messari의 헬륨 및 아카시 개요, 파일코인 재단 업데이트, DePIN 및 io.net에 대한 바이낸스 리서치, AI 맥락에서의 토큰 성과에 대한 CoinGecko/CoinDesk 분석이 포함됩니다. 이들은 위 평가의 사실적 근거를 제공하며, 본문 전체에 걸쳐 인용되었습니다.

분산형 AI: BlockEden.xyz에서 허가 없는 LLM 추론

· 약 4분
Dora Noda
Software Engineer

BlockEden.xyz는 원격 프로시저 호출(RPC) 인프라로 유명한데, 이제 AI 추론 서비스로 영역을 확장하고 있습니다. 이 진화는 오픈소스·허가 없는 설계를 활용해 모델 연구자, 하드웨어 운영자, API 제공자, 사용자들이 원활히 상호작용할 수 있는 마켓플레이스를 만들었습니다. 네트워크의 Relay Mining 알고리즘은 투명하고 검증 가능한 서비스를 보장하며, 대형 모델 AI 연구자들이 인프라 유지 없이도 작업을 수익화할 수 있는 독특한 기회를 제공합니다.

핵심 문제

AI 생태계는 다음과 같은 중대한 과제에 직면해 있습니다.

  • 제한된 모델 서빙 환경: 자원 집약적인 인프라 때문에 AI 연구자들이 다양한 모델을 실험하기 어렵습니다.
  • 오픈소스 혁신을 위한 지속 불가능한 비즈니스 모델: 독립 엔지니어들이 작업을 수익화하기 힘들어, 대형 인프라 제공업체에 의존하게 됩니다.
  • 불균형한 시장 접근성: 엔터프라이즈 급 모델이 장악하고 있어 중간 규모 모델과 사용자는 충분히 지원받지 못합니다.

BlockEden.xyz만의 차별화된 가치 제안

BlockEden.xyz는 인프라 계층을 제품·서비스 계층과 분리하여 개방적이고 분산된 프레임워크를 구현합니다. 이를 통해 고품질 서비스를 제공하고 네트워크 참여자 모두의 인센티브를 정렬합니다.

주요 혜택:

  • 기존 네트워크 활용: BlockEden.xyz 서비스 네트워크를 활용해 모델 접근성과 서비스 품질을 간소화합니다.
  • 관심사 분리: 각 이해관계자는 자신의 강점에 집중해 전체 생태계 효율성을 높입니다.
  • 인센티브 정렬: 암호학적 증명과 성능 측정이 경쟁과 투명성을 촉진합니다.
  • 허가 없는 모델·공급: 비용 효율적인 하드웨어 공급을 위한 개방형 마켓플레이스입니다.

분산형 AI 추론 이해관계자

모델 제공자: 코디네이터

코디네이터는 제품·서비스 계층을 관리하며 서비스 품질을 최적화하고 애플리케이션에 원활한 접근성을 제공합니다. 코디네이터는 일반 사용자로 가장해 공급자 무결성을 검증하고 편향 없는 성능 평가를 수행합니다.

모델 사용자: 애플리케이션

애플리케이션은 주로 1차 코디네이터를 사용하지만, 프라이버시와 비용 절감을 위해 3자 코디네이터와도 연결할 수 있습니다. 직접 접근을 통해 다양한 사용 사례를 실험하고 중개자 비용을 없앨 수 있습니다.

모델 공급자: 하드웨어 운영자

공급자는 추론 노드를 운영해 토큰을 획득합니다. DevOps, 하드웨어 유지보수, 로깅 역량이 네트워크 성장에 핵심이며, 허가 없는 접근 방식은 유휴·휴면 자원을 보유한 다양한 하드웨어 제공자의 참여를 장려합니다.

모델 출처: 엔지니어·연구자

모델을 오픈소스로 공개하는 연구자와 기관은 사용량 기반 수익을 얻을 수 있습니다. 이 모델은 인프라 유지 없이 혁신을 장려해 오픈소스 기여자에게 지속 가능한 비즈니스 모델을 제공합니다.

Cuckoo Network와의 협업

BlockEden.xyz는 Cuckoo Network와 협력해 허가 없는 분산 인프라를 기반으로 AI 추론을 혁신합니다. 양 플랫폼의 강점을 결합해 AI 모델 배포와 수익화를 위한 원활하고 효율적인 생태계를 구축합니다.

주요 협업 영역

  • 인프라 통합: BlockEden.xyz의 견고한 RPC 인프라와 Cuckoo Network의 분산 모델 서빙 기능을 결합해 확장 가능하고 회복력 있는 AI 추론 서비스를 제공합니다.
  • 모델 배포: 오픈소스 AI 모델을 네트워크 전역에 배포해 연구자가 더 넓은 청중에게 다가가고 인프라 부담 없이 수익을 창출하도록 지원합니다.
  • 품질 보증: 모델 성능 및 공급자 무결성을 지속적으로 모니터링·평가하는 메커니즘을 구현해 고품질 서비스와 신뢰성을 보장합니다.
  • 경제적 인센티브: 암호학적 증명과 성능 기반 보상을 통해 모든 이해관계자의 경제적 인센티브를 정렬하고 투명한 마켓플레이스를 조성합니다.
  • 프라이버시·보안: 신뢰 실행 환경(TEE) 및 분산 데이터 스토리지와 같은 첨단 기술을 활용해 프라이버시 보호와 안전한 모델 추론을 강화합니다.
  • 커뮤니티·지원: AI 연구자와 개발자를 위한 지원 커뮤니티를 구축해 자원·가이드·인센티브를 제공하고 분산 AI 생태계 내 혁신과 채택을 촉진합니다.

Cuckoo Network와의 파트너십을 통해 BlockEden.xyz는 연구자·개발자·사용자에게 투명하고 효율적인 AI 모델 배포·활용 플랫폼을 제공하는 전체적·분산형 AI 추론 접근 방식을 구현합니다. 이제 https://blockeden.xyz/api-marketplace/cuckoo-ai 에서 분산형 텍스트‑투‑이미지 API를 체험해 보세요.

분산형 추론 네트워크의 입출력

Cuckoo Network에 대한 LLM 입력:

  • 오픈소스 모델
  • 최종 사용자 또는 애플리케이션의 수요
  • 범용 하드웨어로부터의 집계된 공급
  • 서비스 품질 보증

Cuckoo Network에서의 LLM 출력:

  • 다운타임 없음
  • 원활한 모델 실험
  • 공개 모델 평가
  • 프라이버시 보호 운영
  • 검열 없는 모델

Web3 생태계 통합

BlockEden.xyz의 RPC 프로토콜은 다른 Web3 프로토콜과 연계해 분산형 AI(DecAI)를 강화할 수 있습니다.

데이터·스토리지 네트워크: Filecoin/IPFS·Arweave 등 분산 스토리지와 원활히 연동해 모델 저장과 데이터 무결성을 확보합니다.

컴퓨트 네트워크: Akash·Render 등 분산 컴퓨팅 레이어와 보완적인 서비스를 제공해 전용·유휴 하드웨어 모두를 지원합니다.

추론 네트워크: 다양한 추론 작업을 지원하는 유연한 배포 모델과 견고한 생태계를 제공합니다.

애플리케이션: AI 에이전트, 소비자 앱, IoT 디바이스가 DecAI 추론을 활용해 개인화 서비스, 데이터 프라이버시, 엣지 의사결정을 구현합니다.

요약

BlockEden.xyz의 검증된 인프라와 경제 설계는 오픈소스 AI에 새로운 기회를 열어줍니다. 분산형·검증 가능한 서비스를 제공함으로써 오픈소스 AI와 Web3 사이의 격차를 메우고, 혁신적이고 지속 가능하며 신뢰할 수 있는 서비스를 가능하게 합니다. 이 접근 방식은 모델 다양성 확대, 중소기업의 시장 접근성 향상, 오픈소스 연구자를 위한 새로운 비즈니스 모델을 촉진합니다. 향후 개발을 통해 생태계를 지속적으로 확장해 AI와 블록체인 분야가 진화함에 따라 BlockEden.xyz가 견고하고 적응력 있는 솔루션으로 자리매김하도록 할 것입니다.