인공지능(AI)은 ChatGPT, Midjourney 및 Claude와 같은 혁신이 대중의 상상력을 사로잡는 등 최근 몇 년 동안 급속한 발전을 거듭해 왔다. 동시에 아직 초기 단계인 디지털 경제의 관심을 끌기 위해 암호화폐와 블록체인기술의 세계가 확장되고 있다. 이 두 첨단 분야가 공존하며 서로의 발전을 도울 수 있을까? 이 질문은 흥미로운 기회와 복잡한 과제를 모두 제시한다.
급증하는 베이스 레이어-2 네트워크를 출시한 미국 최고의 암호화폐 거래소인 코인베이스(Coinbase)의 새로운 보고서는 암호화폐 AI 환경의 현재 상태를 조사한다. 보고서는 기술의 가장 유망한 두 분야가 겹치는 데 상당한 잠재력이 있지만, 널리 채택되는 길은 그렇게 간단하지 않다는 점을 강조한다. 이 교차로 내의 다양한 하위 부문에는 기회와 개발 일정이 크게 다르다.
한 가지 주요 관찰은 AI 제품이 암호화폐 분야에서 성공하기 위해서는 분산화만으로는 충분하지 않다는 것이다. 또한 중앙화된 대안과 기능 동등성을 달성해야 한다. 암호화 기반 AI 솔루션은 단순히 분산화되는 것 이상의 강력한 이점을 제공해야 한다.
보고서는 또한 AI를 둘러싼 현재의 과대광고로 인해 AI 토큰의 가치가 과대평가될 수 있다고 제안한다. 많은 AI 토큰에는 주변의 흥분에도 불구하고 단기 및 중기적으로 지속 가능한 수요 측면 동인이 부족할 수 있다.
암호화폐 AI의 주요 동향
오픈 소스 모델은 계속된다.
AI 부문은 공개적으로 사용 가능한 다양한 모델을 호스팅하는 HuggingFace.co와 같은 플랫폼을 통해 활발한 오픈 소스 생태계를 보유하고 있다. 이러한 오픈 소스 문화는 경쟁력 있는 상업 부문과 공존하여 성능이 떨어지는 모델을 신속하게 제거한다.
출처: Coinbase의 기관 시장 인텔리전스 보고서, 2024년 3월 6일
더 작은 AI 모델이 견인력을 얻는다.
그럼에도 불구하고 더 작은 AI 모델의 품질과 비용 효율성이 향상되고 있다. 미세 조정된 오픈 소스 모델은 특정 벤치마크에서 주요 폐쇄 소스 모델보다 성능이 뛰어날 수도 있다. 오픈 소스 문화와 결합된 이러한 추세는 고성능 AI 모델을 로컬에서 실행하여 높은 수준의 분산화를 제공할 수 있는 미래를 가능하게 한다.
AI 통합은 기존 플랫폼에 큰 이점을 제공한다.
보고서는 강력한 사용자 잠금 또는 구체적인 비즈니스 문제가 있는 기존 플랫폼이 AI 통합으로 인해 "불균형하게" 이익을 얻을 수 있는 좋은 위치에 있다고 지적한다.
●예를 들어 GitHub Copilot과 코드 편집기의 통합은 이미 강력한 개발자 환경을 향상시킨다. 마찬가지로 AI 인터페이스를 메일 클라이언트, 스프레드시트, CRM 소프트웨어와 같은 다양한 도구에 내장하는 것은 AI의 자연스러운 사용 사례이다.
●이러한 시나리오에서 AI 모델은 완전히 새로운 플랫폼을 만드는 대신 기존 플랫폼을 강화한다.
●내부적으로 기존 비즈니스 프로세스를 개선하는 AI 모델은 독점 데이터와 폐쇄형 시스템에 의존하는 경우가 많기 때문에 폐쇄 소스로 유지될 가능성이 높다.
하드웨어 및 컴퓨팅 동향
AI 하드웨어 및 컴퓨팅 공간에는 두 가지 뚜렷한 추세가 있다.
하나는 계산을 훈련에서 추론으로 전환하는 것이다. 이제 더 많은 모델을 사용할 수 있게 되면서 이미 훈련된 모델에 대한 쿼리를 만드는 데 초점이 맞춰진다. 이러한 추세는 프로덕션 지원 모델을 안전하게 안전하게 실행할 수 있는 플랫폼을 선호한다.
두 번째 관련 추세는 Nvidia, Google 및 Groq의 새로운 프로세서가 잠재적으로 AI 산업의 비용 역학을 변화시키면서 하드웨어 아키텍처를 둘러싼 경쟁 환경이 진화하고 있다는 것이다. 신속하게 적응하고 대규모 하드웨어를 조달하며 관련 인프라를 설정할 수 있는 클라우드 제공업체는 이러한 개발의 보상을 얻을 수 있다.
AI 파이프라인에서 암호화폐의 역할: 4단계
코인베이스 보고서는 다음으로 AI 파이프라인의 4단계에 대한 암호화폐의 잠재적 영향을 조사한다.
1) 데이터 수집 및 관리
2) 모델 훈련 및 추론
3) 출력 검증
4) 추적
1) 데이터 수집 및 관리
과거의 블록체인 데이터는 AI 모델을 위한 풍부한 교육 데이터 소스이다. 그러나 상용 모델은 독점 데이터 세트를 사용하는 경향이 있어 오픈 소스 데이터 디렉터리 및 기업 사일로와 경쟁해야 하는 분산형 데이터 시장에 문제를 제기한다.
분산형 스토리지는 AI 산업에서도 장애물에 직면해 있다. 분산형 스토리지는 잠재적인 비용 절감을 제공할 수 있지만 현재 성숙한 클라우드 시스템의 도구, 통합 및 예측 가능한 비용이 부족하다. 분산형 플랫폼의 민감한 데이터 저장과 관련된 규제 및 기술 문제는 여전히 심각한 장벽으로 남아 있다.
2) 모델 훈련 및 추론
모델 훈련 및 추론 단계에서 Render 및 NuNet과 같은 분산 컴퓨팅 솔루션은 유휴 컴퓨팅 리소스를 활용하여 중앙 집중식 클라우드 공급자에 대한 대안을 제공하는 것을 목표로 한다. 일부 프로젝트에서는 사용량이 증가했지만 장기적인 성공을 위해서는 기존 플레이어와의 치열한 경쟁에 직면해 있다. 네트워크 대역폭 제약과 같은 기술적 제한으로 인해 분산형 컴퓨팅 네트워크에도 문제가 발생한다.
3) 출력 검증
AI 모델 출력을 검증하고 신뢰를 보장하는 것은 암호화 기반 솔루션이 탐구되고 있는 또 다른 영역이다. 그러나 모델 벤치마킹의 복잡성과 소비자 하드웨어에서 로컬로 모델을 실행하는 가능성이 높아지면서 무신뢰 추론 솔루션에 대한 수요에 대한 의문이 제기된다.
4) 추적
마지막으로, AI 생성 콘텐츠를 추적하고 온라인 신원을 증명하는 것의 중요성이 커지고 있다. 분산형 식별자와 온체인 데이터 해시가 이러한 문제를 해결하는 데 도움이 될 수 있지만 KYC 제공업체 및 AI 워터마킹 기술과 같은 중앙 집중식 대안도 개발되고 있다.
AI 내러티브 거래
지난 해의 성장 (제공: BanterBubbles.com)
이러한 어려움에도 불구하고 AI 토큰은 최근 몇 달 동안 주요 암호화폐 및 AI 관련 주식을 능가했다. 보고서는 AI 토큰이 암호화폐 시장과 AI 산업에서 강력한 성과를 거두어 비트코인 하락 기간에도 상승 변동성을 가져올 수 있다고 제안한다. 과대광고는 수요를 주도하고, 투자자들은 앞으로 한동안 몰려들게 될 것이다.
그러나 명확한 채택 예측 및 지표가 부족하여 장기적으로 지속 가능하지 않을 수 있는 투기 거래가 가능해졌다. 결국 모든 암호화폐 주기에서와 마찬가지로 사용 사례 증가 또는 가격 하락을 통해 가격과 유틸리티가 수렴되어야 한다.
미래 전망
AI와 암호화폐의 결합은 아직 초기 단계에 있으며, 더 넓은 AI 분야가 발전함에 따라 빠르게 발전할 가능성이 높다. 암호화폐 업계의 많은 사람들이 상상하는 분산형 AI 미래는 보장되지 않는다. 암호화 기반 솔루션은 기술적으로 실현 가능하지만 채택을 촉진하려면 중앙 집중식 대안에 비해 의미 있는 이점을 제공해야 한다.
AI 산업 자체도 급격한 변화를 겪고 있으며, 여론이 종종 반대하는 경우가 많아지면서 점점 더 많은 역풍에 맞서 싸우고 있다. 그러므로 이 공간을 주의 깊게 탐색하는 것이 중요하다. 암호화폐 기반 솔루션이 어떻게 실질적으로 더 나은 대안을 제공할 수 있는지에 대한 심층적인 조사 또는 최소한 기본 거래 내러티브에 대한 명확한 이해는 투자자와 기업가 모두에게 필수적이다.
AI와 암호화폐 환경이 지속 가능한 공생을 계속 추구함에 따라, 과제를 해결하는 동시에 이 영역의 잠재력을 활용하기 위해서는 지속적인 연구와 실험이 필수적이다.
분산형 AI의 미래는 여전히 기록되고 있으며, 이러한 혁신적인 기술의 최전선에서 일하는 혁신가들의 독창성과 인내에 의해 형성될 것이다.
