원작자: Evan ⨀
원문 번역: TechFlow
암호화와 AI의 교차점은 아직 초기 단계에 있습니다. 시장에 수많은 스마트 에이전트와 토큰이 등장했음에도 불구하고, 대부분 프로젝트는 팀이 가능한 한 많은 샷을 얻으려고 노력하는 단순한 숫자 게임에 불과한 듯합니다.
AI가 우리 세대의 기술 혁명이라면, 암호화폐와 결합하면 AI 시장에 조기에 노출되기 위한 유동성 도구로 여겨질 가능성이 더 큽니다.
그 결과, 우리는 이 교차로에서 대부분의 서사가 비슷한 롤러코스터의 상승과 하락을 경험하는 여러 번의 순환을 목격했습니다.
과대광고의 악순환을 끊으려면 어떻게 해야 할까?
그렇다면 암호화와 AI 분야의 다음 큰 기회는 어디에서 올까요? 어떤 종류의 애플리케이션이나 인프라가 실제로 가치를 창출하고 시장에 적합한지 확인할 수 있을까요?
이 글에서는 다음과 같은 프레임워크를 통해 이 분야의 주요 관심 사항을 살펴보겠습니다.
AI는 암호화폐 산업에 어떻게 도움이 될 수 있을까?
암호화폐 산업은 AI에 어떻게 보답할 수 있을까?
특히 저는 두 번째 요점, 즉 분산형 AI의 기회에 관심이 있으며 몇 가지 흥미로운 프로젝트를 소개하겠습니다.
1. AI는 암호화폐 산업에 어떻게 도움이 되나요?
다음은 CV가 제공하는 보다 포괄적인 생태 지도입니다.
https://x.com/cbventures/status/1923401975766355982/photo/1
소비자 AI, 지능형 에이전트 프레임워크, 활성화 플랫폼 분야에서 탐색할 만한 수직 분야가 많이 있지만, AI는 이미 세 가지 주요 방식으로 암호화 경험에 영향을 미치고 있습니다.
1. 개발자 도구
Web2와 유사하게 AI는 노코드 및 로우코드(바이브코드) 플랫폼을 통해 암호화 프로젝트 개발을 가속화하고 있습니다. 이러한 앱 중 다수는 Lovable.dev 와 같이 기존 도메인과 유사한 목표를 가지고 있습니다.
@poofnew 와 @tryoharaAI 와 같은 팀은 기술적인 지식이 없는 개발자도 스마트 계약에 대한 심층적인 지식 없이도 신속하게 온라인에 접속하여 작업을 반복할 수 있도록 돕고 있습니다. 이를 통해 암호화폐 프로젝트의 시장 출시 시간이 단축될 뿐만 아니라, 기술적 배경이 없더라도 시장에 정통하고 창의적인 사람들의 진입 장벽이 낮아집니다.
또한 스마트 계약 테스트 및 보안과 같은 개발자 경험의 다른 부분도 개선되었습니다. @AIWayfinder , @octane_security
2. 사용자 경험
암호화폐 분야는 온보딩과 지갑 경험 측면에서 상당한 진전을 이루었지만(예: Bridge, Sphere Pay, Turnkey, Privy), 핵심 암호화폐 사용자 경험(UX)은 질적으로 변하지 않았습니다. 사용자는 여전히 복잡한 블록체인 탐색기를 수동으로 탐색하고 여러 단계로 이루어진 거래를 수행해야 합니다.
AI 지능형 에이전트는 이러한 상황을 바꾸고 새로운 상호 작용 계층이 되고 있습니다.
검색 및 발견: 팀은 블록체인을 위한 Perplexity와 같은 것을 구축하기 위해 경쟁하고 있습니다. 이러한 채팅 기반 자연어 인터페이스를 통해 사용자는 원시 거래 데이터를 파헤치지 않고도 시장 정보(알파)를 쉽게 찾고, 스마트 계약을 이해하고, 체인 상의 동작을 분석할 수 있습니다.
더 큰 기회는 스마트 에이전트가 사용자가 새로운 프로젝트, 수익 기회, 토큰을 발견하는 관문이 될 수 있다는 것입니다. Kaito가 자사의 스타트업 플랫폼에서 프로젝트가 더 많은 주목을 받도록 돕는 것과 유사하게, 에이전트는 사용자 행동을 이해하고 사용자에게 필요한 콘텐츠를 적극적으로 제공할 수 있습니다. 이를 통해 지속 가능한 사업 모델을 만들 수 있을 뿐만 아니라, 수익 공유나 제휴 수수료를 통해 수익을 창출할 가능성도 있습니다.
의도 기반 작업: 여러 화면을 클릭하는 대신 사용자는 간단히 자신의 의도를 표현하기만 하면 됩니다(예: 1,000달러 상당의 ETH를 수익률이 가장 높은 스테이블코인으로 전환). 그러면 에이전트가 복잡하고 여러 단계로 이루어진 거래를 자동으로 실행할 수 있습니다.
오류 방지: AI는 잘못된 거래 금액 입력, 사기 토큰 구매, 악성 계약 승인 등 일반적인 실수를 방지할 수도 있습니다.
Hey Anon이 DeFAI를 자동화한 방법에 대한 자세한 내용:
3. 거래 도구 및 DeFi 자동화
현재 많은 팀이 사용자가 더욱 스마트한 거래 신호를 얻거나, 사용자를 대신하여 거래하거나, 전략을 최적화하고 관리할 수 있도록 돕는 지능형 에이전트를 개발하기 위해 경쟁하고 있습니다.
수익 최적화
에이전트는 이자율 변화와 위험 프로필에 따라 대출 프로토콜, 분산형 거래소(DEX), 농업 기회 간에 자동으로 자금을 이동할 수 있습니다.
거래 실행
AI는 시장 데이터를 더 빠르게 처리하고, 감정을 관리하고, 사전 설정된 프레임워크를 따름으로써 인간 트레이더보다 더 나은 전략을 실행할 수 있습니다.
포트폴리오 관리
에이전트는 포트폴리오를 재조정하고, 위험 노출을 관리하고, 다양한 체인과 프로토콜에서 차익거래 기회를 포착할 수 있습니다.
에이전트가 인간보다 실제로 지속적으로 자금을 더 잘 관리할 수 있다면 기존 DeFi AI 에이전트에 비해 엄청난 개선이 있을 것입니다. 현재 DeFi AI는 주로 사용자가 의도한 대로 실행하는 데 도움을 주며, 이는 완전 자동화된 자금 관리로 나아갈 것입니다. 하지만 이러한 변화에 대한 사용자들의 수용은 전기자동차의 홍보 과정과 유사하며, 대규모 검증까지는 여전히 큰 신뢰 격차가 존재합니다. 하지만 성공한다면 이 기술은 해당 분야에서 가장 큰 가치를 포착할 수 있는 잠재력을 갖습니다.
이 분야의 승자는 누구인가?
일부 독립형 애플리케이션은 배포에 이점이 있을 수 있지만 기존 프로토콜이 AI 기술을 직접 통합할 가능성이 더 높습니다.
DEX(탈중앙화 거래소) : 더욱 스마트한 라우팅과 사기 방지를 가능하게 합니다.
대출 계약 : 사용자 위험 프로필에 따라 자동으로 수익을 최적화하고, 대출 건전성 요소가 특정 기준 이하로 떨어지면 대출금을 상환하여 청산 위험을 줄입니다.
지갑 : 사용자 의도를 이해하는 AI 비서로 진화합니다.
거래 플랫폼 : 사용자가 거래 전략을 고수하는 데 도움이 되는 AI 지원 도구를 제공합니다.
최종 전망
암호화 인터페이스는 사용자의 재정 목표를 이해하고 사용자가 혼자서 하는 것보다 더 효율적으로 실행할 수 있는 대화형 AI를 통합하도록 발전할 것입니다.
2. 암호화는 AI에 도움이 됩니다: 분산형 AI의 미래
제 생각에, 암호화폐가 AI를 도울 수 있는 잠재력은 AI가 암호화폐에 미치는 영향보다 훨씬 더 큽니다. 분산형 AI를 연구하는 팀은 AI의 미래에 대한 가장 기본적이고 실용적인 질문을 탐구하고 있습니다.
중앙 집중형 기술 거대 기업의 막대한 자본 지출에 의존하지 않고도 최첨단 모델을 개발할 수 있을까요?
전 세계적으로 분산된 컴퓨팅 리소스를 조정하여 효율적으로 모델을 학습시키거나 데이터를 생성하는 것이 가능할까요?
인류의 가장 강력한 기술을 소수의 회사가 통제한다면 무슨 일이 일어날까?
이 분야에 대해 더 자세히 알고 싶다면 @yb_effect 의 분산형 AI(DeAI)에 대한 기사를 꼭 읽어보시길 권합니다.
아직 시작에 불과하지만, 암호화폐와 AI가 만나는 다음 물결은 연구 중심의 학계 AI 팀에서 나올 가능성이 큽니다. 이러한 팀은 주로 오픈소스 AI 커뮤니티에서 나왔습니다. 그들은 분산형 AI의 실용적 중요성과 철학적 가치를 깊이 이해하고 있으며, 이것이 AI를 확장하는 가장 좋은 방법이라고 믿습니다.
현재 AI가 직면한 문제는 무엇인가?
2017년, 획기적인 논문 주의만 있으면 된다에서는 수십 년간 딥러닝 분야의 핵심 문제를 해결한 트랜스포머 아키텍처를 제안했습니다. 2019년 ChatGPT에 의해 대중화된 이후, Transformer 아키텍처는 대부분의 대규모 언어 모델(LLM)의 기반이 되었고 컴퓨팅 성능 경쟁의 물결을 촉발했습니다.
그 이후로 AI 훈련에 필요한 컴퓨팅 능력은 매년 4배씩 증가했습니다. 이로 인해 AI 개발은 높은 수준의 중앙 집중화로 이어졌습니다. 사전 학습은 더욱 강력한 GPU에 의존하게 되는데, 이런 리소스는 거대 기술 기업만이 보유하고 있습니다.
이념적 관점에서 볼 때, 중앙집중형 AI는 인류의 가장 강력한 도구가 자금 지원자들에 의해 언제든지 통제되거나 철회될 수 있기 때문에 문제입니다. 따라서 오픈소스 팀이 중앙 집중형 연구실의 발전 속도와 직접 경쟁할 수 없더라도 그 역학에 도전하는 것이 여전히 중요합니다.
암호화는 개방형 경제 조정 모델을 구축하기 위한 기반을 제공합니다. 하지만 이러한 목표를 달성하기 전에 우리는 한 가지 질문에 답해야 합니다. 이상을 충족하는 것 외에도 분산형 AI는 어떤 실질적인 문제를 해결할 수 있을까요? 사람들이 함께 일하는 것이 왜 그렇게 중요한가요?
다행히도 이 분야에서 일하는 팀은 매우 실용적입니다. 오픈 소스는 기술이 확장되는 방식에 대한 핵심 아이디어를 나타냅니다. 소규모 그룹으로 협업하여 각 팀이 자체적인 지역적 최대값을 최적화하고 이를 기반으로 확장하여 궁극적으로 자체 규모와 제도적 관성에 의해 제한되는 중앙 집중식 접근 방식보다 더 빠르게 글로벌 최대값에 도달합니다.
동시에, 특히 AI 분야에서 오픈 소스는 지능을 만드는 데 필요한 조건이기도 합니다. 이 지능은 도덕적이지 않고 개인이 부여하는 다양한 역할과 성격에 적응할 수 있습니다.
실제로 오픈 소스는 매우 현실적인 인프라 제약을 해결하는 혁신의 문을 열어줄 수 있습니다.
컴퓨팅 리소스 부족
AI 모델을 훈련하려면 이미 대규모 에너지 인프라가 필요합니다. 현재 1~5GW 규모의 데이터 센터를 건설하는 여러 프로젝트가 진행 중입니다. 그러나 최첨단 모델을 계속 확장하려면 단일 데이터 센터에서 제공할 수 있는 수준을 넘어서는 에너지가 필요하며, 심지어 도시 전체의 에너지 소비량과 비슷한 수준에 도달할 수도 있습니다. 문제는 에너지 출력뿐만 아니라 단일 데이터 센터의 물리적 한계이기도 합니다.
최첨단 모델의 사전 학습 단계를 넘어, 새로운 추론 모델과 DeepSeek의 등장으로 인해 추론 단계의 비용이 상당히 증가할 것입니다. @fortytwonetwork 팀에서 다음과 같이 말했습니다.
기존의 대규모 언어 모델(LLM)과 달리 추론 모델은 더 많은 처리 시간을 할당하여 더 스마트한 응답을 생성하는 것을 우선시합니다. 그러나 이러한 변화에는 단점이 있습니다. 동일한 컴퓨팅 리소스로 처리할 수 있는 요청 수가 줄어듭니다. 이러한 상당한 개선을 달성하려면 모델에 더 많은 사고 시간이 필요하며, 이는 컴퓨팅 리소스 부족을 더욱 심화시킵니다.
컴퓨팅 자원의 부족은 이미 매우 분명하게 드러났습니다. 예를 들어, OpenAI는 API 호출을 분당 10,000개로 제한하여 AI 애플리케이션이 동시에 서비스할 수 있는 사용자를 약 3,000명으로 효과적으로 제한합니다. 트럼프 대통령이 최근 발표한 5,000억 달러 규모의 AI 인프라 사업인 스타게이트만큼 야심찬 프로젝트조차도 일시적인 안도감만 줄 수 있습니다.
제번스의 역설에 따르면, 효율성이 증가하면 수요가 증가하여 자원 소비도 증가하는 경우가 많습니다. AI 모델이 더욱 강력하고 효율적이 됨에 따라 새로운 사용 사례와 보다 폭넓은 도입으로 인해 컴퓨팅 수요도 급증할 가능성이 높습니다. ”
그렇다면 암호화는 어디에서 오는가? 블록체인은 어떻게 AI 검색 및 개발을 실제적이고 의미 있게 지원할 수 있을까?
암호화 기술은 근본적으로 다른 접근 방식을 제공합니다. 즉, 전 세계적으로 분산되고 분산된 교육과 경제적 조정을 제공합니다. 새로운 데이터 센터를 짓는 것보다는 이미 존재하는 수백만 개의 GPU를 활용하는 것이 더 쉬울 것입니다. 이러한 GPU는 대부분 시간 동안 유휴 상태로 남아 있는 게임 장비, 암호화폐 채굴 장비, 기업용 서버에 있습니다. 마찬가지로, 블록체인은 소비자 기기의 유휴 컴퓨팅 리소스를 활용하여 분산형 추론을 구현할 수 있습니다.
분산 학습이 직면한 주요 문제 중 하나는 지연 시간입니다. Prime Intellect와 Nous와 같은 팀은 암호화 요소 외에도 GPU의 통신 요구 사항을 줄이는 기술적 혁신을 위해 노력하고 있습니다.
DiLoCo(Prime Intellect): Prime Intellect를 구현하면 통신 요구 사항이 500배까지 줄어들고, 대륙 간 훈련이 가능해지고, 컴퓨팅 활용도가 90-95%에 달합니다.
DisTrO/DeMo(Nous Research): Nous Research의 최적화기 제품군은 이산 코사인 변환 압축 기술을 통해 통신 요구 사항을 857배 줄이는 성과를 달성했습니다.
그러나 기존의 조정 메커니즘은 분산형 AI 훈련에 내재된 신뢰 문제를 해결할 수 없으며, 블록체인의 내재적 특성은 여기에서 제품-시장 적합성(PMF)을 찾을 수 있습니다.
검증 및 장애 허용: 분산형 훈련은 참가자가 악의적이거나 잘못된 계산을 제출하는 문제에 직면합니다. 암호화는 암호화 검증 체계(Prime Intellect의 TOPLOC 등)를 제공하고, 부정행위를 방지하기 위한 경제적 처벌 메커니즘을 제공합니다.
허가 없는 참여: 승인 프로세스가 필요한 기존의 분산 컴퓨팅 프로젝트와 달리 암호화는 진정한 허가 없는 기여를 허용합니다. 유휴 컴퓨팅 리소스를 보유한 사람은 누구나 즉시 가입하여 수익을 창출하고, 사용 가능한 리소스 풀을 극대화할 수 있습니다.
경제적 인센티브 정렬: 블록체인 기반 인센티브 메커니즘은 개별 GPU 소유자의 이익을 집단적 교육 목표에 맞춰 조정하여 이전에는 유휴 상태였던 컴퓨팅 리소스를 경제적으로 생산적으로 만듭니다.
이러한 상황에서 분산형 AI 스택에 속한 팀은 어떻게 AI의 확장 문제를 해결하고 블록체인을 활용할 수 있을까? 증거는 무엇인가?
1. Prime Intellect : 분산 및 탈중앙화된 교육
DiLoCo : 통신 요구 사항을 500배 줄여 대륙 간 훈련이 가능해졌습니다.
PCCL : 동적 멤버십과 노드 오류를 처리하고 45Gbit/s의 대륙 간 통신 속도를 달성합니다.
320억 개의 매개변수 모델은 현재 전 세계에 분산된 작업자 노드에서 학습되고 있습니다.
운영 환경에서 90-95%의 컴퓨팅 활용도를 달성했습니다.
결과: INTELLECT-1(100억 개의 매개변수)과 INTELLECT-2(320억 개의 매개변수)를 성공적으로 훈련시켜 대륙 전체에 걸쳐 대규모 모델 훈련이 가능해졌습니다.
2. Nous Research : 분산형 교육 및 커뮤니케이션 최적화
DisTrO/DeMo : 이산 코사인 변환 기술을 통해 통신 요구 사항을 857배 감소시켰습니다.
Psyche Network : 블록체인 조정 메커니즘을 활용하여 장애 허용 및 인센티브 메커니즘을 제공하고 컴퓨팅 리소스를 활성화합니다.
인터넷상에서 가장 큰 사전 훈련 중 하나인 Consilience(400억 개의 매개변수) 훈련이 완료되었습니다.
3. Pluralis: 프로토콜 학습 및 모델 병렬성
Pluralis는 Protocol Learning 이라 불리는 기존 오픈소스 AI와는 다른 접근 방식을 취합니다. Prime Intellect, Nous 등 다른 분산형 학습 프로젝트에서 사용하는 데이터 병렬 접근 방식과 달리 Pluralis는 데이터 병렬성에는 경제적 결함이 있으며, 컴퓨팅 리소스 풀링에만 의존하면 최첨단 모델을 학습하는 데 필요한 요구 사항을 충족하기에 충분하지 않다고 생각합니다. 예를 들어, Llama 3(4,000억 개의 매개변수)는 학습을 위해 16,000개의 80GB H100 GPU가 필요합니다.
출처: 링크
프로토콜 학습 의 핵심 아이디어는 모델 트레이너를 위한 실제 가치 포착 메커니즘을 도입하여 대규모 학습에 필요한 컴퓨팅 리소스를 풀링하는 것입니다. 이는 훈련 기여도에 비례하여 부분적인 모델 소유권을 할당하여 수행됩니다. 이 아키텍처에서 신경망은 협력적인 방식으로 훈련되지만, 가중치의 전체 세트는 단일 참여자에 의해 추출될 수 없습니다( 프로토콜 모델 이라고 함). 이런 설정에서 참가자가 전체 모델 가중치를 얻기 위해 드는 계산 비용은 모델을 재교육하는 비용을 초과하게 됩니다.
프로토콜 학습의 구체적인 작동 모드는 다음과 같습니다.
모델 단편화: 각 참가자는 전체 가중치가 아닌 모델의 일부 조각(파편)만 보유합니다.
협력적 훈련: 훈련 과정에서는 누구도 전체 모델을 보지 못하게 하면서 참가자 간에 활성화를 전달해야 합니다.
추론 자격증: 추론에는 자격증이 필요하며, 이 자격증은 참가자의 교육 기여도에 따라 부여됩니다. 이런 방식으로 기여자는 모델을 실제로 사용하여 수익을 얻을 수 있습니다.
프로토콜 학습의 중요성은 모델을 경제적 자원이나 상품으로 전환하여 완전히 금융화할 수 있도록 하는 것입니다. 이런 방식으로 프로토콜 학습은 진정으로 경쟁력 있는 훈련 과제를 지원하는 데 필요한 계산 규모를 달성할 수 있을 것으로 기대됩니다. Pluralis는 폐쇄형 소스 개발의 지속 가능성(폐쇄형 소스 모델 릴리스의 안정적인 수익 등)과 오픈 소스 협업의 이점을 결합하여 분산형 AI 개발을 위한 새로운 가능성을 제공합니다.
42: 분산화된 군집 추론
출처: 링크
다른 팀들이 분산 및 탈중앙화된 훈련 과제에 집중하는 반면, Fortytwo는 분산 추론에 집중하여 군집 지능을 통해 추론 단계에서 부족한 컴퓨팅 리소스 문제를 해결합니다.
Fortytwo는 추론을 둘러싼 컴퓨팅 부족이라는 점차 커지는 문제를 다룹니다. M2 칩이 장착된 MacBook Air와 같은 소비자용 하드웨어의 유휴 컴퓨팅 성능을 활용하기 위해 Fortytwo는 특수화된 소규모 언어 모델을 네트워크에 연결합니다.
42개의 네트워크는 여러 개의 소규모 언어 모델을 포함하고 있으며, 이러한 노드는 서로 협력하여 서로의 기여도를 평가하고, 피어 투 피어 평가를 통해 네트워크의 효과를 증폭합니다. 최종적으로 생성된 응답은 네트워크에서 가장 가치 있는 기여를 기반으로 하며, 추론 효율성을 지원합니다.
흥미롭게 도 Fortytwo 의 추론 네트워크 접근 방식은 분산/분산화된 교육 프로젝트를 보완할 수 있습니다. Fortytwo 노드에서 실행되는 소규모 언어 모델(SLM)이 Prime Intellect , Nous 또는 Pluralis 로 학습된 모델일 수 있는 미래 시나리오를 상상해보세요. 이러한 분산형 교육 프로젝트는 오픈 소스 기반 모델을 만드는 데 함께 작동하며, 이 모델은 특정 도메인에 맞게 미세 조정되고 궁극적으로 Fortytwo의 네트워크를 통해 조정되어 추론 작업을 완료합니다.
요약하다
암호화폐와 AI 분야의 다음 큰 기회는 또 다른 투기적 토큰이 아니라, AI 개발을 진정으로 촉진할 수 있는 인프라입니다. 현재 중앙집중형 AI가 직면한 확장 병목 현상은 글로벌 자원 조정과 경제적 인센티브 정렬에 있어서 암호화 분야의 핵심적 이점과 정확히 일치합니다.
분산형 AI는 AI 아키텍처의 가능성을 확장할 뿐만 아니라 실험적 자유와 실제 리소스를 결합하여 더 많은 잠재적 기술적 경계를 탐색하는 평행 우주를 열어줍니다.
