원저자: Story , IOSG Ventures

요약

데이터 과제: 고성능 퍼블릭 체인의 블록 타임 경쟁은 서브세컨드(subsecond) 시대로 접어들었습니다. 높은 동시성, 높은 트래픽 변동성, 그리고 소비자 측의 다중 체인 이질성 요구 사항은 데이터 복잡성을 증가시켰고, 이는 실시간 증분 처리 및 동적 확장성을 기반으로 데이터 인프라를 전환해야 하는 필요성을 야기했습니다. 기존의 일괄 ETL(전송/수정) 프로세스는 몇 분에서 몇 시간에 이르는 지연 시간을 발생시켜 실시간 트랜잭션 처리에 적합하지 않습니다. The Graph, Nansen, Pangea와 같은 새로운 솔루션들은 지연 시간을 실시간 추적 수준으로 줄이기 위해 스트리밍 컴퓨팅을 도입하고 있습니다.

데이터 경쟁의 패러다임 전환: 이전 사이클은 "이해"에 집중했다면, 이번 사이클은 "수익성"을 강조합니다. 본딩 커브 모델에서는 1분의 지연이 몇 배의 손실을 초래할 수 있습니다. 도구 반복: 수동 슬리피지 설정부터 스나이핑 봇, GMGN 통합 터미널까지. 블록체인 기반 거래 기능이 점차 상용화됨에 따라 핵심 경쟁 영역은 데이터 자체로 이동하고 있습니다. 신호를 더 빨리 포착하는 사람이 사용자의 수익을 높이는 데 기여할 것입니다.

거래 데이터의 차원 확장: 밈은 본질적으로 관심의 금융화이며, 서사, 관심, 그리고 그에 따른 확산이 중요합니다. 오프체인 여론과 온체인 데이터의 폐쇄 루프: 서사 추적 및 요약, 그리고 감정 정량화가 거래의 핵심이 되고 있습니다. "수중 데이터": 자본 흐름, 페르소나 프로필, 스마트 머니/KOL 주소 라벨링은 익명의 온체인 주소 뒤에 숨겨진 조작을 드러냅니다. 차세대 거래 단말기는 다차원 온체인 및 오프체인 신호를 1초도 채 되지 않는 속도로 통합하여 시장 진입 및 위험 회피 결정을 향상시킵니다.

AI 기반 실행 가능한 신호: 정보에서 수익으로. 새로운 단계의 경쟁 목표는 속도, 자동화, 그리고 초과 수익입니다. LLM+ 멀티모달 AI는 의사 결정 신호를 자동으로 추출하여 카피 트레이딩, 손절매 및 이익실현 실행과 통합합니다. 위험과 과제: 환상, 짧은 신호 수명, 실행 지연, 그리고 위험 관리. 속도와 정확성의 균형, 강화 학습 및 시뮬레이션 백테스팅이 핵심입니다.

데이터 대시보드의 생존을 위한 선택: 경량 데이터 수집/대시보드 애플리케이션은 경쟁 우위가 부족하며, 그 틈새 시장이 축소되고 있습니다. 하향: 고성능 기반 파이프라인과 데이터 연구의 통합을 심화합니다. 상향: 애플리케이션 계층으로 확장하고, 사용자 시나리오를 직접 해결하며, 데이터 접근 활동을 증가시킵니다. 미래 전망: 웹 3 기반 수자원, 전기, 석탄 산업의 인프라가 되거나, Crypto Bloomberg의 사용자 플랫폼이 될 것입니다.

해자는 "실행 가능한 신호"와 "기반 데이터 역량"으로 이동하고 있습니다. 롱테일 자산과 거래 데이터의 폐쇄형 루프는 암호화폐 기반 기업가들에게 특별한 기회를 제공합니다. 향후 2~3년간의 기회는 다음과 같습니다.

• 업스트림 인프라: 웹 2 레벨 처리 능력 + 웹 3 기본 요구 사항 → 웹 3 Databricks/AWS.
• 다운스트림 실행 플랫폼: AI 에이전트 + 다차원 데이터 + 원활한 실행 → Crypto Bloomberg Terminal.

이 연구 보고서를 지원해 주신 Hubble AI, Space & Time, OKX DEX 및 기타 프로젝트에 감사드립니다!

서론: 밈, 고성능 퍼블릭 체인, AI의 3중 공명

이전 사이클에서는 온체인 거래 증가가 주로 인프라 개선에 의존했습니다. 새로운 사이클에 접어들면서 이러한 인프라가 성숙해짐에 따라 Pump.fun과 같은 슈퍼앱이 암호화폐 산업의 새로운 성장 동력으로 부상하고 있습니다. 통합된 발행 메커니즘과 정교한 유동성 설계를 갖춘 이러한 자산 발행 모델은 일확천금 스토리가 넘쳐나는 공정하고 깨끗한 거래 환경을 조성했습니다. 이러한 고승수 부의 효과는 복제가 가능하여 사용자의 수익률 기대치와 거래 습관을 근본적으로 변화시키고 있습니다. 사용자는 빠른 진입 기회뿐만 아니라 기록적인 시간 내에 다차원 데이터를 수집, 분석 및 실행할 수 있는 능력을 요구합니다. 기존 데이터 인프라는 이러한 밀도 및 실시간 성능 요구를 충족하는 데 어려움을 겪고 있습니다.

이로 인해 더욱 향상된 거래 환경, 즉 낮은 마찰, 빠른 확인, 그리고 더욱 풍부한 유동성에 대한 요구가 증가했습니다. 거래소들은 Solana와 Base로 대표되는 고성능 퍼블릭 체인과 레이어 2 롤업으로 빠르게 전환하고 있습니다. 이러한 퍼블릭 체인의 거래 데이터 양은 이전 세대의 이더리움 대비 10배 이상 증가하여 기존 데이터 제공업체에게 더욱 심각한 데이터 성능 문제를 야기했습니다. Monad와 MegaETH와 같은 차세대 고성능 퍼블릭 체인의 출시가 임박함에 따라 온체인 데이터 처리 및 저장에 대한 수요는 기하급수적으로 증가할 것입니다.

동시에 AI의 급속한 발전은 지적 평등 달성을 가속화하고 있습니다. GPT-5의 지능은 박사급 수준에 도달했으며, 제미니와 같은 대규모 멀티모달 모델은 캔들스틱 차트를 쉽게 해석할 수 있습니다. AI 도구의 도움으로 한때 복잡했던 거래 신호도 이제 일반 사용자도 이해하고 실행할 수 있습니다. 이러한 추세에 따라 트레이더들은 거래 결정을 내리는 데 AI에 의존하기 시작했으며, AI 거래 결정은 다차원적이고 매우 효과적인 데이터와 분리될 수 없습니다. AI는 보조 분석 도구에서 핵심 거래 의사 결정 플랫폼으로 진화하고 있으며, 광범위한 도입으로 실시간 데이터, 해석 가능성 및 확장성에 대한 수요가 더욱 증가했습니다.

밈 거래 열풍, 고성능 퍼블릭 체인의 확장, AI의 상용화라는 세 가지 공명으로 인해 온체인 생태계는 새로운 데이터 인프라에 대한 시급한 필요성을 점점 더 느끼고 있습니다.

10만 TPS와 밀리초 단위 블록 생성의 데이터 과제에 직면

고성능 퍼블릭 체인과 고성능 롤업의 등장으로 인해 온체인 데이터의 규모와 속도가 새로운 단계에 접어들었습니다.

높은 동시성과 낮은 지연 시간을 제공하는 아키텍처가 널리 도입됨에 따라 일일 거래량은 1천만 건을 쉽게 초과하고, 원시 데이터량은 수백 GB에 달합니다. 예를 들어, 솔라나는 지난 30일 동안 평균 1,200 TPS(초당 처리량)를 기록했으며, 일일 거래량은 1억 건을 넘었습니다. 8월 17일에는 107,664 TPS라는 역대 최고치를 기록했습니다. 통계에 따르면 솔라나의 원장 데이터는 매년 80~95TB씩 증가하고 있으며, 이는 하루 210~260GB에 해당합니다.

▲ 체인스펙트, 30일 평균 TPS

체인스펙트, 30일 거래량

처리량이 증가했을 뿐만 아니라, 새롭게 등장하는 퍼블릭 체인의 블록 시간도 밀리초 단위에 도달했습니다. BNB 체인의 맥스웰 업그레이드는 블록 시간을 0.8초로 단축했고, 베이스 체인의 플래시블록스 기술은 블록 시간을 200ms로 단축했습니다. 올해 하반기에 솔라나는 PoH를 알펜글로(Alpenglow)로 교체하여 블록 확인 시간을 150ms로 단축할 계획이며, 메가이더리움 메인넷은 실시간 블록 시간을 10ms로 단축하는 것을 목표로 하고 있습니다. 이러한 합의 및 기술적 혁신은 거래 실시간 성능을 크게 향상시켰지만, 블록 데이터 동기화 및 디코딩 기능에 대한 전례 없는 요구 사항도 제기되었습니다.

그러나 다운스트림 데이터 인프라는 여전히 배치 ETL 파이프라인에 크게 의존하고 있어 불가피하게 데이터 지연이 발생합니다. 예를 들어, 솔라나에서는 계약 상호작용 이벤트 데이터가 일반적으로 약 5분 정도 지연되는 반면, 프로토콜 수준의 집계 데이터는 최대 1시간까지 걸릴 수 있습니다. 즉, 400밀리초 이내에 확인 가능한 온체인 거래가 분석 도구에 표시되기 전에 수백 배 지연되어 실시간 거래 애플리케이션에 적합하지 않습니다.

▲ 듄, 블록체인 신선함

데이터 공급 측면의 과제를 해결하기 위해 일부 플랫폼은 스트리밍 및 실시간 아키텍처로 전환했습니다. The Graph는 Substreams와 Firehose를 활용하여 데이터 지연 시간을 거의 실시간 수준으로 줄였습니다. Nansen은 ClickHouse와 같은 스트림 처리 기술을 통합하여 스마트 알림 및 실시간 대시보드 성능을 10배 향상시켰습니다. Pangea는 커뮤니티 노드에서 제공하는 컴퓨팅, 스토리지 및 대역폭을 통합하여 시장 조성자, 양적 분석가, 중앙 지정가 주문장(CLOBS)과 같은 비즈니스 측면 제공업체에 100ms 미만의 지연 시간을 가진 실시간 스트리밍 데이터를 제공합니다.

체인스펙트

방대한 데이터량 외에도, 온체인 거래는 심각한 트래픽 불균형을 보입니다. 지난 1년 동안 Pumpfun의 주간 거래량은 최저치에서 최고치까지 거의 30배나 차이가 났습니다. 2024년, 밈 거래 플랫폼 GMGN은 4일 만에 6건의 서버 장애를 경험하여 기반 데이터베이스를 AWS Aurora에서 오픈소스 분산 SQL 데이터베이스인 TiDB로 마이그레이션해야 했습니다. 이 마이그레이션을 통해 시스템의 수평적 확장성과 컴퓨팅 탄력성이 크게 향상되어 비즈니스 민첩성이 약 30% 향상되었고, 거래량이 급증하는 기간 동안의 부담도 크게 완화되었습니다.

▲ 듄, 펌프펀 주간권

▲ 오데일리, TiDB의 웹3 서비스 사례

멀티체인 생태계는 이러한 복잡성을 더욱 심화시킵니다. 퍼블릭 체인 간의 로그 형식, 이벤트 구조 및 거래 필드의 차이로 인해 각 체인마다 맞춤형 파싱 로직이 필요하며, 이는 데이터 인프라의 유연성과 확장성에 심각한 문제를 야기합니다. 결과적으로 일부 데이터 제공업체는 "고객 우선" 전략을 채택했습니다. 즉, 거래 활동이 활발한 체인의 서비스 접근을 우선시하고 유연성과 확장성의 균형을 맞추는 것입니다.

고성능 블록체인의 보편화 속에서 데이터 처리가 고정 간격 일괄 ETL(추출, 변환, 로드) 처리에 머물러 있다면, 지연 시간 백로그, 디코딩 병목 현상, 쿼리 지연 등의 문제에 직면하게 되어 실시간, 정제되고 상호작용적인 데이터 소비에 대한 수요를 충족하지 못하게 될 것입니다. 따라서 온체인 데이터 인프라는 암호화폐 시장의 주기적인 거래량 급증으로 인한 동시성 압박에 대처하기 위해 로드 밸런싱 메커니즘과 결합된 스트리밍 증분 처리 및 실시간 컴퓨팅 아키텍처로 발전해야 합니다. 이는 기술 발전의 자연스러운 연장선일 뿐만 아니라 실시간 쿼리의 안정성을 보장하는 핵심 단계이기도 합니다. 또한 차세대 온체인 데이터 플랫폼 경쟁에서 진정한 차별화 요소가 될 것입니다.

속도가 곧 부: 온체인 데이터 경쟁의 패러다임 전환

온체인 데이터의 핵심은 시각화에서 실행 가능성으로 전환되었습니다. 지난 사이클에서 Dune은 온체인 분석의 표준 도구였습니다. Dune은 연구원과 투자자의 이해도 요구를 충족하여 SQL 차트를 사용하여 온체인 내러티브를 조각조각 정리할 수 있도록 했습니다.

• GameFi와 DeFi 플레이어는 Dune을 사용하여 자본 유입 및 유출을 추적하고, 골드 농사 수익률을 계산하고, 시장 전환점 전에 적시에 인출합니다.
• NFT 플레이어는 Dune을 사용하여 거래량 추세, 고래 보유량, 유통 특성을 분석하여 시장 열기를 예측합니다.

하지만 이번 사이클에서 가장 활발한 소비자 집단은 밈 사용자입니다. 이들은 엄청난 규모의 앱 Pump.fun의 누적 매출 7억 달러를 달성하는 데 기여했는데, 이는 이전 사이클에서 선두 소비자 앱 Opensea의 총 매출의 거의 두 배에 달하는 수치입니다.

밈(meme) 공간에서 시장의 시간 민감성은 극도로 확대됩니다. 속도는 더 이상 '갖고 싶은 것'이 아니라 손익을 결정하는 핵심 변수입니다. 본딩 커브(Bonding Curve)로 가격이 결정되는 1차 시장에서 속도는 곧 비용입니다. 토큰 가격은 매수 수요에 따라 기하급수적으로 상승하며, 단 1분이라도 지연되면 진입 비용이 몇 배로 증가할 수 있습니다. 멀티코인(Multicoin) 연구에 따르면, 게임에서 가장 수익성이 높은 플레이어들은 경쟁자보다 3포인트 앞서 블록에 진입하기 위해 종종 10%의 슬리피지(slippage)를 지불합니다. 부의 효과(wealth effect)와 "벼락부자는 신화"는 플레이어들이 2차 캔들스틱 차트, 동일 블록 거래 실행 엔진, 그리고 원스톱 의사 결정 대시보드를 추구하도록 이끌며, 정보 수집과 주문 처리 속도를 놓고 경쟁하게 만듭니다.

▲ 바이낸스

유니스왑의 수동 거래 시대에는 사용자가 직접 슬리피지와 가스를 설정해야 했고, 프런트엔드에서는 가격이 보이지 않아 거래가 "복권을 사는 것"과 비슷했습니다. 바나나건 저격 봇 시대에는 자동 저격 및 슬리피지 기술 덕분에 소매 플레이어들이 과학자들과 같은 출발선에 설 수 있었습니다. 페페부스트 시대에는 봇이 프런트로우 포지션 데이터와 동시에 풀 오픈 정보를 제공했습니다. 마지막으로 현재의 GMGN 시대로 발전하여 K-라인 정보, 다차원 데이터 분석 및 거래 실행을 통합한 터미널이 탄생했고, 밈 거래의 "블룸버그 터미널"이 되었습니다.

거래 도구가 계속해서 발전하고 실행 임계값이 점차 사라지면서 경쟁의 선두는 필연적으로 데이터 자체로 옮겨갑니다. 신호를 더 빠르고 정확하게 포착하는 사람이 끊임없이 변화하는 시장에서 거래 우위를 확보하고 사용자가 수익을 창출하도록 도울 수 있을 것입니다.

차원성은 장점입니다: K-라인 너머의 진실

미메코인의 핵심은 관심의 금융화입니다. 고품질의 내러티브는 꾸준히 대중의 관심을 사로잡아 관심과 가격 상승을 이끌 수 있습니다. 밈 거래자들에게 실시간 성과는 매우 중요하지만, 의미 있는 성과를 달성하려면 세 가지 핵심 질문에 대한 해답이 필요합니다. 토큰의 내러티브는 무엇이며, 누가 관심을 갖고 있으며, 이러한 관심이 미래에 어떻게 증폭될 수 있는지에 대한 해답입니다. 이는 단순히 K-라인을 반영할 뿐, 진정한 원동력은 다차원 데이터, 즉 오프체인 감정, 온체인 주소 및 보유량, 그리고 이 둘의 정확한 매핑에 있습니다.

온체인 × 오프체인: 주의에서 거래로의 폐쇄 루프

사용자는 오프체인에서 주목을 받고 온체인에서 거래를 완료하는데, 이 둘의 폐쇄 루프 데이터는 밈 거래의 핵심적인 장점이 되고 있습니다.

#내러티브 추적 및 커뮤니케이션 체인 식별

Twitter와 같은 소셜 플랫폼에서 XHunt와 같은 도구는 밈 애호가들이 프로젝트의 KOL 팔로워 목록을 분석하여 프로젝트의 연결과 잠재적으로 관심을 확산시킬 수 있는 체인을 파악하는 데 도움이 됩니다. 6551 DEX는 Twitter 피드, 공식 웹사이트, 트윗 댓글, 제안 내역, KOL 팔로워 등을 집계하여 대중 의견에 따라 실시간으로 진화하는 트레이더를 위한 포괄적인 AI 기반 보고서를 생성하여 내러티브를 정확하게 포착하는 데 도움이 됩니다.

#감정 지표 정량화

Kaito와 Cookie.fun과 같은 Infofi 도구는 암호화폐 트위터 콘텐츠를 집계하고 분석하여 마인드셰어, 감정, 영향력에 대한 정량적 지표를 제공합니다. 예를 들어 Cookie.fun은 이 두 지표를 가격 차트에 직접 오버레이하여 오프체인 감정을 읽기 쉬운 기술 지표로 변환합니다.

▲ 쿠키펀

#온체인과 오프체인은 똑같이 중요합니다

OKX DEX는 시장 데이터와 함께 Vibes 분석을 표시하고, KOL 콜 시간, 상위 KOL, 내러티브 요약 및 종합 점수를 집계하여 오프체인 정보 검색 시간을 단축합니다. 내러티브 요약은 사용자들 사이에서 매우 인기 있는 AI 제품 기능이 되었습니다.

수중 데이터 디스플레이: "보이는 원장"을 "사용 가능한 알파"로 전환

기존 금융에서는 주문 흐름 데이터가 대형 브로커에 의해 관리되기 때문에, 퀀트 기업들은 거래 전략을 최적화하기 위해 매년 수억 달러를 지불하며 이 데이터에 접근해야 합니다. 반면, 암호화폐의 거래 원장은 완전히 공개적이고 투명하여 귀중한 정보를 "오픈 소스"로 만들어 마치 채굴을 기다리는 노천 금광과 같습니다.

수중 데이터의 가치는 가시적인 거래에서 보이지 않는 의도를 추출하는 데 있습니다. 여기에는 자본 흐름과 역할 프로파일링(마켓메이커가 포지션을 구축하거나 리드를 배포하는 방식, KOL 대체 계정 주소, 집중 또는 분산된 지분, 묶음 거래, 그리고 비정상적인 자본 흐름)이 포함됩니다. 또한 주소 프로파일링(스마트 머니, KOL/VC, 개발자, 피싱, 내부자 거래 등으로 주소를 분류하고 이를 오프체인 신원과 연결하여 온체인 및 오프체인 데이터를 연결하는 방식)도 포함됩니다.

이러한 신호는 일반 사용자가 감지하기 어려운 경우가 많지만, 단기 시장 동향에 상당한 영향을 미칠 수 있습니다. 거래 지원 도구는 주소 태그, 포지션 특성, 그리고 묶음 거래를 실시간으로 분석하여 근본적인 시장 동향을 파악하여 트레이더가 위험을 완화하고 매 순간 변동하는 시장 상황에서 알파를 확보할 수 있도록 지원합니다.

예를 들어, GMGN은 스마트 머니, KOL/VC 주소, 개발자 지갑, 내부자 거래, 피싱 주소, 묶음 거래 등의 라벨 분석을 온체인 실시간 거래 및 토큰 계약 데이터 세트에 더욱 통합하고, 온체인 주소를 소셜 미디어 계정과 매핑하고, 자본 흐름, 위험 신호, 가격 행동을 2차 수준으로 정렬하여 사용자가 더 빠르게 진입하고 위험 회피 결정을 내릴 수 있도록 지원합니다.

▲ GMGN

AI 기반 실행 가능한 신호: 정보에서 수익으로

"AI의 다음 물결에서 판매는 도구가 아니라 수익에 관한 것입니다." — Sequoia Capital

이러한 평가는 암호화폐 거래 부문에도 적용됩니다. 데이터 속도와 차원성이 기준을 충족하면, 다음 경쟁 목표는 데이터 의사결정 단계에서 복잡하고 다차원적인 데이터를 실행 가능한 거래 신호로 직접 변환하는 능력입니다. 데이터 의사결정의 평가 기준은 속도, 자동화, 그리고 초과 수익이라는 세 가지 핵심 요소로 요약될 수 있습니다.

충분히 빠름: AI 역량의 지속적인 발전으로 자연어 처리와 멀티모달 LLM의 이점이 점차 실현될 것입니다. 이러한 기술은 방대한 양의 데이터를 통합하고 이해할 뿐만 아니라 데이터 간의 의미적 연결을 구축하고 의사 결정 결론을 자동으로 추출할 수 있습니다. 온체인의 고강도 저거래 환경에서 각 신호는 매우 짧은 시의성과 자본 수용력을 가지며, 속도는 신호가 가져올 수 있는 수익에 직접적인 영향을 미칩니다.

자동화: 인간은 시장을 24시간 내내 모니터링할 수 없지만, AI는 모니터링할 수 있습니다. 예를 들어, 사용자는 Senpi 플랫폼에서 에이전트를 통해 손절매 또는 이익실현 설정으로 조건부 매수 주문을 할 수 있습니다. 이를 위해서는 AI가 백그라운드에서 실시간으로 데이터를 수집하거나 모니터링하고, 신호를 감지하면 자동으로 주문을 내야 합니다.

수익률: 궁극적으로 모든 거래 신호의 효과는 지속적으로 초과 수익을 창출할 수 있는 능력에 달려 있습니다. AI는 온체인 신호를 정확하게 이해할 뿐만 아니라, 변동성이 높은 환경에서 위험 대비 수익률을 극대화하기 위해 위험 관리 기능도 통합해야 합니다. 여기에는 슬리피지 및 체결 지연 시간과 같이 수익에 영향을 미치는 고유한 온체인 요인을 고려하는 것이 포함됩니다.

이러한 역량은 데이터 플랫폼의 비즈니스 로직을 "데이터 액세스" 판매에서 "수익 창출 신호" 판매로 전환하고 있습니다. 차세대 툴의 경쟁력은 더 이상 데이터 커버리지가 아닌, 신호의 실행 가능성, 즉 "통찰력"에서 "실행"까지의 마지막 단계를 진정으로 완료하는 능력에 있습니다.

몇몇 신생 프로젝트들이 이러한 방향을 모색하기 시작했습니다. 예를 들어, AI 기반 검색 엔진인 Truenorth는 정보 효과성 평가에 "의사결정 실행률"을 통합합니다. 강화 학습을 활용하여 출력을 지속적으로 최적화하고, 잘못된 정보를 최소화하며, 사용자가 주문 처리를 위해 실행 가능한 정보 흐름을 직접 구축할 수 있도록 지원합니다.

▲ 트루노스

AI는 실행 가능한 신호를 생성하는 데 큰 잠재력을 가지고 있지만, 여러 가지 과제에 직면해 있습니다.

환각: 온체인 데이터는 매우 이질적이고 노이즈가 많습니다. LLM은 자연어 쿼리나 다중 모드 신호를 분석할 때 환각이나 과적합이 발생하기 쉽고, 이는 신호 수율과 정확도에 영향을 미칩니다. 예를 들어, 여러 토큰의 이름이 동일한 경우 AI는 CT 티커에 해당하는 계약 주소를 찾지 못하는 경우가 많습니다. 또 다른 예로, 많은 AI 신호 제품에서 CT에서의 AI에 대한 논의를 "Sleepless AI"라고 부르는 경우가 많습니다.

신호 수명: 거래 환경은 끊임없이 변화합니다. 조금이라도 지체되면 수익이 감소합니다. AI는 데이터 추출, 추론, 그리고 실행을 매우 짧은 시간 안에 완료해야 합니다. 아무리 간단한 카피 트레이딩 전략이라도 현명한 투자가 이루어지지 않으면 수익률이 마이너스로 떨어질 수 있습니다.

위험 관리: 변동성이 높은 시나리오에서 AI가 블록체인에 지속적으로 업로드하지 못하거나 슬리피지가 너무 크면 초과 수익을 창출하지 못할 뿐만 아니라 몇 분 내에 원금 전체가 소모될 수도 있습니다.

따라서 강화 학습, 전이 학습, 시뮬레이션 백테스팅 등의 메커니즘을 통해 속도와 정확성의 균형을 어떻게 찾고 오류율을 줄이는지가 이 분야에서 AI를 구현하는 데 있어 경쟁력 있는 요소가 됩니다.

상향 또는 하향? 데이터 대시보드의 생존 결정

AI가 실행 가능한 신호를 직접 생성하고 주문 처리까지 지원할 수 있게 되면서, 데이터 집계에만 의존하는 "경량 미들티어 애플리케이션"은 심각한 위기에 직면하고 있습니다. 온체인 데이터를 대시보드에 결합하는 도구든, 집계 위에 실행 로직을 추가하는 트레이딩 봇이든, 이러한 도구들은 본질적으로 지속 가능한 해자를 갖추지 못하고 있습니다. 과거에는 이러한 도구들이 편의성이나 사용자 선호도(예: 사용자는 토큰 CTO 상태를 확인하기 위해 Dexscreener를 습관적으로 사용합니다)에 따라 발전했습니다. 그러나 여러 위치에서 동일한 데이터를 이용할 수 있고, 실행 엔진의 상품화가 증가하고, AI가 이제 동일한 데이터를 기반으로 의사 결정 신호를 직접 생성하고 실행을 트리거할 수 있게 되면서, 이러한 도구들의 경쟁력은 빠르게 약화되고 있습니다.

앞으로 효율적인 온체인 실행 엔진이 더욱 발전하여 거래 장벽을 더욱 낮출 것입니다. 이러한 추세 속에서 데이터 제공업체는 선택을 해야 합니다. 더 빠른 데이터 수집 및 처리 인프라 개발에 집중할 것인지, 아니면 애플리케이션 계층까지 확장하여 사용자 시나리오와 소비자 트래픽을 직접 제어할 것인지 말입니다. 데이터 수집과 경량 패키징에만 집중하는 중간자적인 업체들은 생존을 위한 끊임없는 어려움에 직면하게 될 것입니다.

하향 추세는 인프라 구축을 의미합니다. 거래 상품을 개발하는 동안 Hubble AI는 TG Bots에만 의존해서는 장기적인 이점을 얻을 수 없다는 것을 깨달았습니다. 따라서 업스트림 데이터 처리에 집중하여 "Crypto Databricks" 구축에 전념했습니다. Solana에서 최고의 데이터 처리 속도를 달성한 Hubble AI는 데이터 처리에서 통합 데이터 및 연구 플랫폼으로 전환하여 가치 사슬의 업스트림에 입지를 구축하고 미국 "금융 온체인" 내러티브 및 온체인 AI 에이전트 애플리케이션의 데이터 요구 사항에 대한 기반 지원을 제공하고 있습니다.

앞으로 나아가려면 애플리케이션 시나리오로 확장하고 최종 사용자를 타겟팅해야 합니다. Space and Time은 처음에는 1초 미만의 SQL 인덱싱과 Oracle Push에 집중했지만, 최근 이더리움 기반 "바이브 코딩" 제품인 Dream.Space를 출시하면서 소비자 시나리오를 탐색하기 시작했습니다. 사용자는 자연어로 스마트 계약을 작성하거나 데이터 분석 대시보드를 생성할 수 있습니다. 이러한 변화는 데이터 서비스 호출 빈도를 증가시킬 뿐만 아니라 최종 사용자 경험을 통해 직접적인 사용자 참여를 촉진합니다.

이는 데이터 인터페이스 판매에만 의존하는 중간자 기업들이 틈새 시장을 잃어가고 있음을 보여줍니다. 미래의 B2B2C 데이터 환경은 두 유형의 기업이 주도할 것입니다. 기반 파이프라인을 관리하고 "온체인 물, 전기, 가스"를 공급하는 인프라 기업과, 사용자 의사 결정 시나리오와 긴밀하게 연계되어 데이터를 애플리케이션 경험으로 전환하는 플랫폼 기업입니다.

요약

밈 열풍, 고성능 퍼블릭 블록체인의 폭발적 성장, 그리고 AI 상용화라는 세 가지 공명에 힘입어 온체인 데이터 분야는 구조적 변화를 겪고 있습니다. 거래 속도, 데이터 차원, 그리고 실행 신호의 발전으로 인해 "시각적 차트"는 더 이상 핵심 경쟁 우위를 제공하지 못하고 있습니다. 진정한 경쟁 우위는 "사용자 수익 창출을 지원하는 실행 가능한 신호"와 이를 뒷받침하는 기반 데이터 역량으로 이동하고 있습니다.

향후 2~3년 동안 암호화폐 데이터 분야에서 가장 매력적인 기업가적 기회는 웹 2 인프라 성숙도와 웹 3의 온체인 네이티브 실행 모델의 교차점에서 나타날 것입니다. BTC 및 ETH와 같은 주요 통화 데이터는 높은 표준화 수준과 기존 금융 선물 상품과의 유사한 특성으로 인해 기존 금융 기관과 일부 웹 2 핀테크 플랫폼의 데이터 범위에 점차 포함되고 있습니다.

반면, 밈 코인과 롱테일 온체인 자산에 대한 데이터는 매우 비표준적이고 단편적입니다. 커뮤니티 내러티브와 온체인 정서, 크로스체인 유동성에 이르기까지 이러한 정보는 온체인 주소 프로필, 오프체인 소셜 시그널, 심지어 1초 미만의 거래 실행과도 통합되어야 합니다. 바로 이러한 차이점이 롱테일 자산과 밈 데이터의 처리 및 거래 분야에서 암호화폐 기반 기업가들에게 특별한 기회를 제공합니다.

우리는 다음 두 분야에서 장기적으로 발전할 수 있는 프로젝트에 대해 낙관적입니다.

업스트림 인프라: 스트리밍 데이터 파이프라인, 초저지연 인덱싱, 그리고 웹 2 거대 기업의 처리 능력에 필적하는 크로스체인 통합 파싱 프레임워크를 갖춘 온체인 데이터 기업. 이러한 프로젝트들은 Databricks/AWS와 같은 웹 3 플랫폼으로 자리매김할 잠재력을 가지고 있습니다. 사용자들이 점차 온체인으로 이동함에 따라 거래량은 기하급수적으로 증가할 것으로 예상되며, B2B2C 모델은 장기적인 복리 효과를 가져올 것입니다.

다운스트림 실행 플랫폼은 다차원 데이터, AI 에이전트, 그리고 원활한 거래 실행을 통합하는 애플리케이션입니다. 분산된 온체인 및 오프체인 신호를 직접 실행 가능한 거래로 변환함으로써, 이러한 제품은 암호화폐 기반 블룸버그 터미널이 될 잠재력을 가지고 있습니다. 이들의 비즈니스 모델은 더 이상 데이터 접근 수수료에 의존하지 않고, 초과 수익과 신호 전달을 통한 수익화에 의존합니다.

우리는 이 두 유형의 플레이어가 차세대 암호화 데이터를 장악하고 지속 가능한 경쟁 우위를 구축할 것이라고 믿습니다.