이전 몇 편의 글에서 우리는 반복해서 하나의 판단을 언급했습니다: AI 산업은 구조적인 이동을 겪고 있습니다—경쟁의 초점이 모델 능력에서 컴퓨팅 파워의 통제와 배분 방식으로 전환되고 있습니다.

모델은 재현될 수 있고, 알고리즘은 따라잡힐 수 있지만, 컴퓨팅 파워의 생산, 배분, 통제 방식은 빠르게 집중되고 있으며, 누가 진정으로 다음 단계의 AI 경쟁에 참여할 수 있는지를 점차 결정하고 있습니다.

이는 감정적인 판단이 아니라, 산업, 기술, 인프라의 진화를 장기간 관찰한 결과에서 비롯된 것입니다.

이번 글에서는 이 판단 위에, 자주 간과되지만 극히 중요한 시각을 하나 더 보충하겠습니다: AI 컴퓨팅 파워 문제는 본질적으로 기술이나 제품 문제가 아닌, 인프라 프로토콜 문제입니다.

1. AI의 진정한 병목은 더 이상 모델 층에 있지 않다

오늘날 AI 산업에서 반복적으로 간과되는 사실은 AI 발전을 제한하는 것이 더 이상 모델 능력이 아니라, 컴퓨팅 파워의 획득 가능성이라는 점입니다.

현재 주류 AI 체계의 공통된 특징은 모델, 컴퓨팅 파워, 인터페이스, 가격 결정권이 동일한 일부 중앙화된 주체들 손에 높은 결합도를 가지고 있다는 것입니다. 이는 특정 회사나 국가의 '선택'이 아니라, 자본 집약적 산업이 개방적 조정 메커니즘이 부족할 때 나타나는 자연스러운 결과입니다.

컴퓨팅 파워가 '클라우드 서비스'로 포장되어 판매될 때, 결정권은 자연스럽게 다음과 같은 방향으로 집중됩니다:

• 칩 제조 능력
• 에너지와 데이터 센터 규모
• 자본 구조와 지정학적 우위

이는 컴퓨팅 파워가 점차 '자원'에서 구조적 권력으로 진화하게 만듭니다. 따라서 컴퓨팅 파워는 비싸지고 가격이 매우 불투명해지며, 지정학, 에너지, 수출 통제에 제약을 받아 개발자와 중소 팀에게 매우 불친화적입니다.

고급 GPU의 생산, 배치, 스케줄링은 소수의 하드웨어 제조사와 초대규모 클라우드 서비스 제공업체 손에 고도로 집중되어 있으며, 이는 스타트업뿐만 아니라 전체 지역과 국가의 AI 경쟁력에도 영향을 미치고 있습니다. 많은 개발자에게 컴퓨팅 파워는 이미 '기술 자원'에서 '진입 장벽'으로 진화했습니다. 문제는 단순히 가격의 높낮이가 아니라, 장기적이고 예측 가능한 컴퓨팅 능력을 획득할 수 있는지, 단일 기술과 공급 체계에 고정되는지, 그리고 기층 컴퓨팅 파워 경제 자체에 참여할 수 있는지 여부입니다.

AI가 범용 기초 능력이 될 것이라면, 컴퓨팅 파워의 생산과 배분 메커니즘은 장기간 고도로 폐쇄된 상태에 머물러서는 안 됩니다.

2. 비트코인에서 AI로: 인프라 프로토콜의 공통 논리

우리가 비트코인을 언급하는 것은 그 가격이나 금융적 속성을 논의하기 위함이 아니라, 그것이 전 세계 물리적 자원을 진정으로 성공적으로 조정한 소수의 프로토콜 시스템 중 하나이기 때문입니다.

비트코인이 해결한 것은 결코 단순히 '장부 기록' 문제가 아니라, 세 가지 더 기층적인 문제입니다:

1. 낯선 개인들이 어떻게 실제 세계 자원을 지속적으로 투입하도록 동기부여할 것인가
2. 이러한 자원들이 실제로 투입되어 작업을 생산했는지 어떻게 검증할 것인가
3. 중앙 통제자가 없는 상황에서 시스템의 장기적 안정성을 어떻게 유지할 것인가

이는 매우 단순하지만 우회하기 어려운 방식으로 하드웨어와 에너지를 프로토콜 내에서 검증 가능한 '기여'로 전환했습니다.

AI 컴퓨팅 파워는 당년의 에너지와 컴퓨팅 파워와 매우 유사한 위치로 나아가고 있습니다.

어떤 능력이 충분히 기초적이고, 충분히 희소해질 때, 그것이 궁극적으로 필요로 하는 것은 더 정교한 상업적 포장이 아니라, 장기적으로 자원을 조정할 수 있는 프로토콜 층입니다.

Gonka 네트워크에서는:

• '작업'은 검증 가능한 AI 계산 자체로 정의됩니다.
• 동기부여와 거버넌스 권한은 자본이나 내러티브가 아닌 실제 컴퓨팅 파워 기여에서 비롯됩니다.
• GPU 자원은 추상적인 보안 소비가 아닌 의미 있는 AI 작업에 최대한 활용됩니다.

이는 컴퓨팅 파워를 '개방형 인프라'로 재정의하는 시도입니다.

3. 왜 AI 학습이 아닌 추론부터 시작하는가?

우리가 AI 추론(Inference)부터 시작하기로 선택한 것은 학습이 중요하지 않아서가 아니라, 추론이 이미 현실 세계에서 가장 시급한 컴퓨팅 파워 병목이 되었기 때문입니다.

AI가 실험에서 생산 환경으로 나아감에 따라, 지속적인 추론의 비용, 안정성, 예측 가능성은 개발자들이 진정으로 관심을 갖는 문제가 되고 있습니다. 그리고 바로 이 단계에서 중앙화된 클라우드 서비스의 한계가 가장 명확하게 드러납니다.

네트워크 설계 관점에서 볼 때, 추론은 몇 가지 핵심 특징을 갖고 있습니다:

• 작업 부하가 연속적이고 측정 가능함
• 분산화 환경에 더 적합한 효율 최적화
• 컴퓨팅 파워 검증과 인센티브 메커니즘이 성립하는지 실제로 검증할 수 있음

학습은 물론 중요하며, 우리도 미래에 학습 능력을 도입할 계획이고, 이미 네트워크 수익의 일부를 장기적 학습 수요 지원에 사용하고 있습니다. 하지만 인프라는 반드시 실제 수요 속에서 먼저 검증되어야 합니다.

5. 분산화 컴퓨팅 파워, 어떻게 '가짜 계산'을 피할 것인가?

흔한 의문은 분산화 환경에서 노드가 실제로 AI 계산을 수행하는지, 아니면 결과를 위조하는지 어떻게 보장할 수 있느냐는 것입니다.

우리의 답변은 검증 논리를 계산 자체에 내장시켜, 영향력이 지속적이고 진실된 계산 기여에서 비롯되도록 하는 것입니다.

네트워크는 짧은 주기의 계산 단계(Sprint)를 통해 노드들이 무작위로 초기화된 대형 Transformer 모델에서 추론 작업을 수행하도록 요구합니다. 이러한 작업들은:

• 사전 계산이 불가능함
• 역사적 결과를 재사용할 수 없음
• 위조 비용보다 비용이 높음

네트워크는 매번 계산을 전량 재검토하지 않고, 지속적인 샘플 검사와 동적 검증 강도 향상을 통해 위조가 경제적으로 성립되지 않도록 합니다. 장기간 안정적으로 정확한 결과를 제출하는 노드는 자연스럽게 더 높은 참여도와 영향력을 얻게 됩니다.

6. 중앙화된 거대 기업과 경쟁하는 것인가, 아니면 다른 층위에서 문제를 해결하는 것인가?

우리는 OpenAI, Google, Microsoft를 '대체'하려고 시도하지 않습니다.

대형 기술 회사들이 폐쇄 체계 내에서 효율적인 AI 스택을 구축하는 것은 그들의 강점입니다. 하지만 이러한 모델은 본질적으로 다음과 같은 문제를 야기합니다:

• 접근 제한
• 가격 불투명성
• 능력이 소수 주체에게 집중됨

우리가 주목하는 것은 이러한 체계가 다루기 어려운 층위, 즉 개방적이고 검증 가능하며 인프라 수준의 컴퓨팅 파워 조정입니다.

이는 하나의 서비스가 아니라, 하드웨어 제공자와 개발자가 컴퓨팅 파워 효율성과 진실성을 중심으로 직접적으로 경쟁할 수 있도록 하는 시장과 프로토콜입니다.

7. 컴퓨팅 파워는 '상품화'될 것인가? 가치는 어디로 흐를 것인가?

많은 사람들은 추론 비용이 하락함에 따라 가치가 궁극적으로 모델 층에 집중될 것이라고 생각합니다. 하지만 이 판단은 종종 하나의 전제를 간과합니다:

컴퓨팅 파워는 무한 공급 상품이 아닙니다.

컴퓨팅 파워는 다음과 같은 요소에 제약을 받습니다:

• 칩 제조 능력
• 에너지와 지리적 분포
• 인프라 조정 효율성

추론 수요가 전 세계적으로 지속적으로 증가할 때, 진정으로 희소한 것은 안정적이고 예측 가능하며 확장 가능한 컴퓨팅 파워 공급이 될 것입니다. 그리고 누가 이러한 자원을 조정할 수 있는지가 구조적 가치를 쥐게 될 것입니다.

우리가 시도하는 것은 모델을 소유하는 것이 아니라, 더 많은 참여자들이 단순히 '유료 사용자'가 아니라 컴퓨팅 파워 경제 자체에 직접 참여할 수 있도록 하는 것입니다.

8. 왜 분산화 컴퓨팅 파워는 장기적인 명제인가?

우리의 판단은 이론에서 비롯된 것이 아니라, 중앙화 환경에서 AI 시스템을 구축한 실제 경험에서 비롯된 것입니다.

AI가 핵심 능력이 될 때, 컴퓨팅 파워 결정은 더 이상 기술 문제가 아니라 전략 문제가 되는 경우가 많습니다. 이러한 집중은 상업적 층위에서 지정학적, 주권적 층위로 확장되고 있습니다.

AI가 새로운 인프라라면, 컴퓨팅 파워의 조정 방식이 미래 혁신의 개방 정도를 결정할 것입니다.

역사적으로, 생산력을 진정으로 해방시킨 모든 기술 물결은 궁극적으로 개방된 인프라 층을 필요로 했습니다. AI도 예외는 아닐 것입니다.

결론: 두 가지 미래 경로

우리는 두 가지 가능한 미래 중 하나로 나아가고 있습니다:

• 컴퓨팅 파워가 소수의 회사와 국가에 의해 지속적으로 집중되고, AI가 폐쇄된 능력이 됨
• 혹은, 개방형 프로토콜을 통해 전 세계 컴퓨팅 파워를 조정하여 가치가 실제 기여자에게 흐르도록 함

Gonka 는 자신이 답이라고 주장하지 않지만, 우리는 우리가 어느 편에 서 있는지 분명히 알고 있습니다.

AI가 세계를 깊이 바꿀 것이라면, 그것을 지탱하는 컴퓨팅 파워 인프라도 재설계될 가치가 있습니다.

관련 정보 Gonka.ai

Gonka는 효율적인 AI 컴퓨팅 파워를 제공하는 것을 목표로 하는 분산화 네트워크로, 그 설계 목표는 전 세계 GPU 컴퓨팅 파워를 최대한 활용하여 의미 있는 AI 작업 부하를 완수하는 것입니다. 중앙화된 게이트키퍼를 제거함으로써, Gonka는 개발자와 연구자에게 무허가 컴퓨팅 파워 자원 접근을 제공하며, 동시에 네이티브 토큰 GNK를 통해 모든 참여자를 보상합니다.

Gonka는 미국 AI 개발사 Product Science Inc.에 의해 인큐베이팅되었습니다. 이 회사는 Web 2 업계 베테랑이자 전 Snap Inc. 핵심 제품 디렉터인 Libermans 남매에 의해 설립되었으며, 2023년에 1800만 달러, 2025년에 5100만 달러의 추가 자금을 성공적으로 조달했습니다. 투자자로는 OpenAI 투자사 Coatue Management, Solana 투자사 Slow Ventures, Bitfury, K5, Insight and Benchmark 파트너 등이 포함됩니다. 프로젝트의 초기 기여자로는 6 blocks, Hard Yaka, Gcore 등 Web 2-Web 3 분야의 유명 선도 기업들이 있습니다.

공식 웹사이트 | Github | X | Discord | Telegram | 백서 | 경제 모델 | 사용자 매뉴얼