Web3 + AI: 주권 AI 구축하여 Crypto 커뮤니티의 이익과 요구 충족

저자: IOBC Capital

황仁췬은 두바이의 WGS에서 연설하면서 "주권 AI"라는 용어를 제안했습니다. 그렇다면 어떤 주권의 AI가 Crypto 커뮤니티의 이익과 요구를 충족할 수 있을까요?

아마도 Web3 + AI의 형태로 구축해야 할 것입니다. 비탈릭은 "Crypto + AI 애플리케이션의 약속과 도전"이라는 글에서 AI와 Crypto의 시너지 효과에 대해 설명했습니다: Crypto의 탈중앙화는 AI의 중앙화를 균형 있게 만들 수 있습니다; AI는 불투명하지만 Crypto는 투명성을 제공합니다; AI는 데이터가 필요하고 블록체인은 데이터의 저장과 추적에 유리합니다. 이러한 시너지는 Web3 + AI의 전체 산업 구도에 걸쳐 있습니다.

대부분의 Web3 + AI 프로젝트는 블록체인 기술을 활용하여 AI 산업 인프라 프로젝트의 구축 문제를 해결하고 있으며, 소수의 프로젝트는 AI를 활용하여 Web3 애플리케이션의 특정 문제를 해결하고 있습니다. Web3 + AI 산업 구도는 대체로 다음과 같습니다:

AI의 생산 및 작업 흐름은 대략 다음과 같습니다:

이러한 단계에서 Web3와 AI의 결합은 주로 네 가지 측면에서 나타납니다:

1. 컴퓨팅 파워 층: 컴퓨팅 자산화

지난 2년 동안 AI 대모델 훈련에 사용되는 컴퓨팅 파워는 기하급수적으로 증가하여 기본적으로 매 분기마다 두 배로 증가하고 있으며, 이는 무어의 법칙을 훨씬 초과하는 속도로 미친 듯이 성장하고 있습니다. 이러한 상황은 AI 컴퓨팅 파워의 공급과 수요의 장기적인 불균형을 초래하여 GPU와 같은 하드웨어 가격이 빠르게 상승하고, 결과적으로 컴퓨팅 비용이 증가했습니다.

하지만 동시에 시장에는 중저가의 컴퓨팅 하드웨어가 대량으로 유휴 상태로 존재하고 있습니다. 이 중저가 하드웨어의 개별 컴퓨팅 파워는 고성능 요구를 충족할 수 없을지라도, Web3 방식으로 분산형 컴퓨팅 네트워크를 구축하고 컴퓨팅 파워의 임대 및 공유 방식을 통해 탈중앙화된 계산 자원 네트워크를 구축하면 여전히 많은 AI 애플리케이션의 요구를 충족할 수 있습니다. 분산된 유휴 컴퓨팅 파워를 활용하기 때문에 AI 컴퓨팅 비용을 크게 낮출 수 있습니다.

컴퓨팅 파워 층의 세부 사항은 다음과 같습니다:

• 일반적인 탈중앙화 컴퓨팅 (예: Arkash, Io.net 등);
• AI 훈련을 위한 탈중앙화 컴퓨팅 (예: Gensyn, Flock.io 등);
• AI 추론을 위한 탈중앙화 컴퓨팅 (예: Fetch.ai, Hyperbolic 등);
• 3D 렌더링을 위한 탈중앙화 컴퓨팅 (예: The Render Network 등).

Web3 + AI의 컴퓨팅 자산화는 탈중앙화 컴퓨팅 프로젝트의 핵심 장점으로, 토큰 인센티브와 결합하여 네트워크 규모를 쉽게 확장할 수 있으며, 계산 자원 비용이 낮고 높은 비용 효율성을 가지고 있어 일부 중저가의 컴퓨팅 요구를 충족할 수 있습니다.

2. 데이터 층: 데이터 자산화

데이터는 AI의 석유이자 혈액입니다. Web3에 의존하지 않으면 일반적으로 대기업만이 대량의 사용자 데이터를 보유하고 있으며, 일반적인 스타트업은 광범위한 데이터를 얻기 어렵고, 사용자 데이터는 AI 산업에서 그 가치를 사용자에게 되돌려주지 않습니다. Web3 + AI를 통해 데이터 수집, 데이터 주석, 데이터 분산 저장 등의 프로세스를 더 낮은 비용으로, 더 투명하게, 사용자에게 더 유리하게 만들 수 있습니다.

고품질 데이터를 수집하는 것은 AI 모델 훈련의 전제 조건입니다. Web3 방식을 통해 분산 네트워크를 활용하고 적절한 토큰 인센티브 메커니즘을 결합하여 크라우드소싱 수집 방법을 사용하여 낮은 비용으로 고품질의 광범위한 데이터를 확보할 수 있습니다.

프로젝트 용도에 따라 데이터 관련 프로젝트는 주로 다음과 같은 몇 가지 유형으로 나뉩니다:

• 데이터 수집 프로젝트 (예: Grass 등);
• 데이터 거래 프로젝트 (예: Ocean Protocol 등);
• 데이터 주석 프로젝트 (예: Taida, Alaya 등);
• 블록체인 데이터 소스 프로젝트 (예: Spice AI, Space and time 등);
• 탈중앙화 저장 프로젝트 (예: Filecoin, Arweave 등).

데이터 관련 Web3 + AI 프로젝트는 토큰 경제 모델 설계 과정에서 더 많은 도전 과제가 있습니다. 데이터는 컴퓨팅 파워보다 표준화하기 더 어렵기 때문입니다.

3. 플랫폼 층: 플랫폼 가치 자산화

플랫폼 관련 프로젝트는 대부분 Hugging Face를 벤치마킹하여 AI 산업의 다양한 자원을 통합하는 것을 핵심으로 합니다. 플랫폼을 구축하여 데이터, 컴퓨팅 파워, 모델, AI 개발자, 블록체인 등 다양한 자원과 역할의 연결을 집합하여 플랫폼을 중심으로 다양한 요구를 더 편리하게 해결합니다. 예를 들어 Giza는 포괄적인 zkML 운영 플랫폼을 구축하는 데 집중하여 머신 러닝의 추론을 신뢰할 수 있고 투명하게 만드는 것을 목표로 합니다. 데이터와 모델 블랙박스는 현재 AI에서 일반적으로 존재하는 문제이므로, Web3 방식을 통해 ZK, FHE 등의 암호학 기술을 사용하여 모델의 추론이 실제로 올바르게 실행되었음을 검증하는 것은 업계에서 조만간 요구될 것입니다.

또한 Focus AI의 layer1/layer2를 구축하는 프로젝트도 있습니다. 예를 들어 Nuroblocks, Janction 등이 있습니다. 핵심 서사는 다양한 컴퓨팅 파워, 데이터, 모델, AI 개발자, 노드 등의 자원을 연결하여 일반 구성 요소와 일반 SDK의 포장을 통해 Web3 + AI 애플리케이션이 빠르게 구축되고 발전할 수 있도록 돕는 것입니다.

Agent Network 유형의 플랫폼도 있으며, 이러한 플랫폼을 기반으로 다양한 애플리케이션 시나리오를 위한 AI Agent를 구축할 수 있습니다. 예를 들어 Olas, ChainML 등이 있습니다.

플랫폼 관련 Web3 + AI 프로젝트는 주로 토큰을 통해 플랫폼 가치를 포착하는 방식으로 플랫폼의 각 참여자가 공동으로 구축하도록 유도합니다. 초기 스타트업이 0에서 1로 가는 과정에서 매우 유용하며, 프로젝트 측이 컴퓨팅 파워, 데이터, AI 개발자 커뮤니티, 노드 등의 협력자를 찾는 어려움을 줄일 수 있습니다.

4. 애플리케이션 층: AI 가치 자산화

앞서 언급한 인프라 관련 프로젝트는 대부분 블록체인 기술을 활용하여 AI 산업 인프라 프로젝트 구축 문제를 해결하는 데 중점을 두고 있습니다. 애플리케이션 층의 프로젝트는 AI를 활용하여 Web3 애플리케이션의 문제를 해결하는 데 더 중점을 두고 있습니다.

예를 들어 비탈릭은 글에서 두 가지 방향을 언급했으며, 이는 매우 의미가 있다고 생각합니다.

첫째, AI는 Web3 참여자로서의 역할을 합니다. 예를 들어 Web3 게임에서 AI는 게임 플레이어로서 빠르게 게임 규칙을 이해하고 가장 효율적으로 게임 임무를 수행할 수 있습니다; DEX에서는 AI가 이미 여러 해를 동안 차익 거래에서 역할을 하고 있습니다; 예측 시장에서는 AI Agent가 방대한 양의 데이터, 지식 베이스 및 정보를 수용하여 모델의 분석 예측 능력을 훈련시키고, 이를 제품화하여 사용자에게 제공하여 특정 사건에 대한 예측을 모델 추론 방식으로 도와줄 수 있습니다. 예를 들어 스포츠 이벤트, 대통령 선거 등이 있습니다.

둘째, 확장 가능한 탈중앙화 개인 AI를 생성하는 것입니다. 많은 사용자가 AI의 블랙박스 문제와 시스템의 편견에 대해 걱정하거나, 특정 dApp이 AI 기술을 통해 사용자를 속여 이익을 얻는 것에 대해 우려하고 있습니다. 본질적으로 이는 사용자가 AI의 모델 훈련 및 추론 과정에 대한 검토 권한과 거버넌스 권한이 없기 때문입니다. 그러나 Web3 AI를 생성하면 Web3 프로젝트처럼 커뮤니티가 이 AI에 대해 분산된 거버넌스 권한을 가질 수 있어 더 쉽게 수용될 수 있을 것입니다.

현재까지 Web3 + AI 애플리케이션 층에서는 천장 높이가 매우 높은 백마 프로젝트가 등장하지 않았습니다.

결론

Web3 + AI는 아직 초기 단계이며, 업계는 이 트랙의 발전 전망에 대해 의견이 분분합니다. 우리는 이 트랙을 지속적으로 주목할 것입니다. 우리는 Web3와 AI의 결합이 중앙집중식 AI보다 더 가치 있는 제품을 창출할 수 있기를 바라며, AI가 "거대 기업의 통제", "독점"이라는 레이블에서 벗어나 보다 커뮤니티 중심의 방식으로 "AI를 공동治理"할 수 있기를 바랍니다. 아마도 더 가까이 참여하고 거버넌스하는 과정에서 인류는 AI에 대해 더 많은 "경외감"을 느끼고, "두려움"은 줄어들 것입니다.