요점 요약
67개의 Crypto+AI 프로젝트를 심층 분석하여 GenAI(Generative AI) 관점에서 분류했습니다. 우리의 카테고리는 다음을 포함합니다:
- GPU DePIN
- 탈중앙화 컴퓨팅(훈련 + 추론)
- 검증(ZKML+OPML)
- 암호화된 대형 언어 모델(LLM)
- 데이터(일반 + AI 전용)
- AI 크리에이터 앱
- AI 소비자 애플리케이션
- AI 표준(토큰 + 에이전트)
- AI 경제
이 기사를 쓰는 이유는 무엇입니까?
Crypto+AI 이야기가 많은 관심을 끌었습니다. Crypto+AI에 대한 많은 보고서가 등장하고 있지만 AI 스토리의 일부만 다루거나 AI를 암호화폐 관점에서만 설명합니다. 이 기사에서는 AI의 관점에서 이 주제를 살펴보고, 암호화폐가 AI를 지원하는 방법, AI가 암호화폐에 이점을 제공하여 현재 Crypto+AI 산업 환경을 더 잘 이해하는 방법을 살펴봅니다.
1부: 생성 AI 파노라마 디코딩
우리가 매일 사용하는 AI 제품부터 시작하여 전체 생성 AI(GenAI) 환경을 살펴보겠습니다. 이러한 제품은 일반적으로 LLM(대형 언어 모델)과 UI(사용자 인터페이스 )라는 두 가지 주요 구성 요소로 구성됩니다. 대규모 모델의 경우 모델 생성과 모델 활용( 종종 훈련 및 추론이라고 함)이라는 두 가지 핵심 프로세스가 있습니다. 사용자 인터페이스는 대화 기반(예: GPT), 비전 기반(예: LumaAI) 및 추론 API를 기존 제품 인터페이스에 통합하는 기타 여러 형태를 포함하여 다양한 형태로 제공됩니다.
계산하다
더 깊이 파고들면 컴퓨팅은 훈련과 추론 모두의 기본이며 기본 GPU 컴퓨팅에 크게 의존합니다. 훈련과 추론에서 GPU의 물리적 연결은 다를 수 있지만 GPU는 AI 제품의 인프라 구성 요소로 일반적입니다. 게다가 클라우드라고 불리는 GPU 클러스터의 오케스트레이션이 있습니다. 이러한 클라우드는 전통적인 다기능 클라우드와수직형 클라우드 로 나눌 수 있습니다. 수직형 클라우드는 AI 컴퓨팅 시나리오에 더 중점을 두고 최적화되어 있습니다.
저장
스토리지와 관련하여 AI 데이터 스토리지는 AWS S3, Azure Blob Storage와 같은 기존 스토리지 솔루션과 AI 데이터 세트에 특별히 최적화된 스토리지 솔루션으로 나눌 수 있습니다. Google Cloud의 Filestore와 같은 특수 스토리지 솔루션은 특정 시나리오에서 데이터 액세스 속도를 높이도록 설계되었습니다.
기차
AI 인프라에 대한 논의를 계속하면서 훈련과 추론은 상당히 다르기 때문에 이를 구별하는 것이 중요합니다. 일반 컴퓨팅 외에도 두 가지 모두 AI 관련 업무 로직을 많이 포함합니다.
교육을 위한 인프라는 대략 다음과 같이 나눌 수 있습니다.
- 플랫폼: 교육용으로 특별히 설계된 이 플랫폼은 AI 개발자가 대규모 언어 모델을 효과적으로 교육하는 데 도움을 주며 모자이크ML과 같은 소프트웨어 가속 솔루션을 제공합니다.
- 기본 모델 제공자: 이 범주에는 사용자가 추가로 훈련하거나 미세 조정할 수 있는 기본 모델을 제공하는 Hugging Face와 같은 플랫폼이 포함됩니다.
- 프레임: 마지막으로 PyTorch 및 TensorFlow와 같이 처음부터 구축된 다양한 기본 교육 프레임 가 있습니다.
추리
추론을 위해 대략 다음과 같이 나눌 수 있습니다.
- 최적화 프로그램: 병렬 처리 또는 미디어 생성을 지원하기 위한 알고리즘 향상과 같은 특정 사용 사례에 맞춰진 최적화 세트입니다. 한 가지 예는 텍스트-이미지 프로세스에 대한 추론을 최적화하고 일반적인 방법에 비해 확산 속도를 50% 증가시키는 fal.ai 입니다.
- 배포 플랫폼: Amazon SageMaker와 같은 일반 모델 추론 클라우드 서비스를 제공하여 다양한 환경에서 AI 모델의 배포 및 확장을 촉진합니다.
애플리케이션
AI는 셀 수 없이 많은 응용 분야를 갖고 있지만 사용자 그룹에 따라 크게 제작자와 소비자라는 두 가지 범주로 나눌 수 있습니다.
- AI 소비자: 이 그룹은 주로 AI 제품을 사용하며 이러한 제품이 가져오는 가치에 대해 기꺼이 비용을 지불 할 의향이 있습니다. 대표적인 예가 ChatGPT입니다.
- AI 크리에이터: 반면에 AI 크리에이터 애플리케이션은 AI 크리에이터를 초대하여 플랫폼에서 에이전트를 생성하고 지식을 공유한 다음 그들과 수익을 공유하는 것에 관한 것입니다. GPT 시장은 가장 유명한 예 중 하나입니다.
이 두 범주는 거의 모든 AI 애플리케이션을 포괄합니다. 더 자세한 분류가 있지만 이 문서에서는 이러한 더 넓은 범주에 중점을 둘 것입니다.
2부: 암호화폐가 AI를 어떻게 도울 수 있는가
이 질문에 답하기 전에 화폐화, 포괄성, 투명성, 데이터 소유권, 비용 절감 등 암호화폐가 AI에 가져올 수 있는 주요 이점을 요약해 보겠습니다.
Vitalik.eth 블로그에서: 암호화폐와 AI의 교차점에 대한 높은 수준의 요약
이러한 주요 시너지 효과는 주로 다음을 통해 현재 환경에 도움이 됩니다.
- 수익화: 토큰화, 수익화 및 인센티브 와 같은 고유한 암호화 메커니즘을 통해 AI 제작자 애플리케이션에서 파괴적인 혁신을 수행하여 개방적이고 공정한 AI 경제를 보장할 수 있습니다.
- 포함: 암호화폐는 무허가 참여를 허용하여 오늘날 폐쇄적이고 중앙화된 AI 회사가 부과하는 제한 사항을 깨뜨립니다. 이를 통해 AI는 진정한 개방성과 자유를 얻을 수 있습니다.
- 투명성: 암호화폐는 ZKML/OPML 기술을 사용하여 AI를 완전히 오픈 소스로 만들고 LLM의 전체 훈련 및 추론 프로세스를 온체인 배치하여 AI가 개방적이고 무허가형임을 보장합니다.
- 데이터 소유권: 온체인 트랜잭션을 활성화하여 계정(사용자)의 데이터 소유권을 설정하여 사용자가 AI 데이터를 실제로 소유할 수 있도록 합니다. 이는 특히 애플리케이션 계층에서 유용하며 사용자가 AI 데이터 권리를 효과적으로 보호하는 데 도움이 됩니다.
- 비용 절감: 토큰 인센티브를 통해 컴퓨팅 성능의 미래 가치를 실현하고 현재 GPU 비용을 크게 줄일 수 있습니다 . 이 방법은 계산 수준에서 AI 비용을 크게 줄입니다.
3부: 암호화폐+AI 환경 탐색
AI 환경의 다양한 카테고리에 암호화폐의 장점을 적용하면 암호화폐 관점에서 새로운 AI 환경 관점이 탄생합니다.
대규모 언어 모델 레이어
GPU DePIN
우리는 AI 환경을 기반으로 AI+Crypto 청사진의 개요를 계속 설명합니다. 대규모 언어 모델부터 시작하여 기본 계층의 GPU부터 시작하여 암호화폐의 장기적인 내러티브는 비용 절감 입니다.
블록체인 인센티브를 통해 GPU 제공업체에 보상을 제공함으로써 비용을 크게 줄일 수 있습니다. 이 내러티브는 현재 GPU DePIN이라고 합니다. GPU는 AI뿐만 아니라 게임, AR 및 기타 시나리오에서도 사용되지만 GPU DePIN 트랙은 일반적으로 이러한 영역을 다룹니다.
AI 트랙에 중점을 두고 있는 곳으로는 Aethir 및 Aioz 네트워크가 있고, 시각적 렌더링을 담당하는 곳으로는 io.net , render network 등이 있습니다.
탈중앙화 컴퓨팅
탈중앙화 컴퓨팅은 블록체인이 시작된 이래로 존재해 왔으며 시간이 지남에 따라 크게 발전해 왔습니다. 그러나 컴퓨팅 작업의 복잡성으로 인해(탈중앙화 스토리지에 비해) 일반적으로 컴퓨팅 시나리오를 제한해야 합니다.
최신 컴퓨팅 시나리오로서 AI는 자연스럽게 일련 탈중앙화 컴퓨팅 프로젝트를 탄생시켰습니다. GPU DePIN과 비교하여 이러한 탈중앙화 컴퓨팅 플랫폼은 비용 절감을 제공할 뿐만 아니라 교육 및 추론이라는 보다 구체적인 컴퓨팅 시나리오도 충족합니다. 이는 WAN 전반에 걸쳐 조정되어 확장성을 크게 향상시킵니다.
gensyn.ai로 규모 및 비용 효율성 달성
예를 들어 훈련에 초점을 맞춘 플랫폼에는 AI Arena , Gensyn , DIN 및 Flock.io 가 포함되며 추론에 초점을 맞춘 플랫폼에는 Allora , Ritual 및 Justu.ai가 포함됩니다. 두 측면을 모두 처리하는 플랫폼에는 Bittensor , 0G , Sentient 및 Akash , Phala가 있습니다. , Ankr 및 오아시스 .
확인하다
검증은 훈련이든 추론이든 전체 AI 컴퓨팅 프로세스가 온체인 에서 검증될 수 있도록 보장하기 때문에 Crypto+AI의 고유한 범주입니다.
이는 프로세스를 완전히 분산되고 투명하게 유지하는 데 필수적입니다. 또한 ZKML과 같은 기술은 데이터 개인 정보 보호 및 보안을 보호하여 사용자가 개인 데이터를 100% 소유할 수 있도록 해줍니다.
알고리즘과 검증 과정에 따라 ZKML과 OPML로 나눌 수 있습니다. ZKML은 영지식(ZK) 기술을 사용하여 AI 교육/추론을 ZK 회로로 변환하여 EZKL , Modulus Labs , Succinct 및 Giza 와 같은 플랫폼에서 입증된 것처럼 프로세스를 온체인 에서 검증할 수 있도록 만듭니다. 반면 OPML은 Ora 및 Spectral 에서 볼 수 있듯이 오프체인 오라클 활용하여 블록체인에 증거를 제출합니다.
암호화 기본 모델
ChatGPT 또는 Claude와 같은 범용 대규모 언어 모델과 달리 암호화 기본 모델은 대량 의 암호화된 데이터에 대해 재교육되어 이러한 기본 모델에 암호화폐에 대한 전문 지식 기반을 제공합니다.
이러한 기본 모델은 DeFi, NFT 및 GamingFi와 같은 암호화 기반 애플리케이션에 강력한 AI 기능을 제공할 수 있습니다. 현재 이러한 기본 모델의 예로는 Pond 및 Chainbase 가 있습니다.
데이터
데이터는 AI 분야의 핵심 구성 요소입니다. AI 훈련에서 데이터 세트는 중요한 역할을 하며, 추론 과정에서 사용자의 대량 힌트와 지식 베이스도 대량 저장 공간을 필요로 합니다.
탈중앙화 데이터 저장은 저장 비용을 대폭 절감할 뿐만 아니라 더 중요하게는 데이터 추적성과 소유권을 보장합니다 .
Filecoin , Arweave 및 Storj 와 같은 기존의 탈중앙화 형 스토리지 솔루션은 매우 저렴한 비용으로 대량 의 AI 데이터를 저장할 수 있습니다.
동시에 최신 AI 전용 데이터 스토리지 솔루션은 AI 데이터의 고유한 특성에 최적화되어 있습니다. 예를 들어 Space and Time 및 OpenDB는 데이터 전처리 및 쿼리를 최적화하는 반면 Masa , Grass , Nuklai 및 KIP Protocol은 AI 데이터 수익화에 중점을 둡니다. Bagel Network는 사용자 데이터 개인 정보 보호에 중점을 둡니다.
이러한 솔루션은 암호화폐의 고유한 장점을 활용하여 이전에 덜 주목받았던 AI 분야의 데이터 관리를 혁신합니다.
애플리케이션 레이어
1.크리에이터
Crypto+AI 애플리케이션 레이어에서는 Creator 애플리케이션이 특히 주목할 만합니다. 암호화폐의 고유한 수익 창출 기능을 고려할 때 AI 제작자에게 인센티브를 제공하는 것은 논리적입니다.
AI 창작자의 경우 로우/노코드 사용자와 개발자로 초점이 나누어집니다. 봇 생성자와 같은 로우/노코드 사용자는 이러한 플랫폼을 사용하여 봇을 생성하고 토큰/NFT를 통해 수익을 창출합니다. ICO 또는 NFT Mint를 통해 신속하게 자금을 모은 다음 공유 소유권(예: 수익 공유)을 통해 장기 토큰 보유자에게 보상할 수 있습니다. 이는 AI 제품을 커뮤니티가 공동으로 소유할 수 있도록 완전히 개방하여 AI 경제 수명주기를 완성합니다.
또한 Crypto AI 창작자 플랫폼으로서 암호화폐 고유의 토큰화 장점을 활용하여 AI 창작자의 초중기 자금 조달 및 장기 수익성 문제를 해결하고 Web2의 일반적인 수수료율 의 일부로 제공됩니다. – 암호화폐 탈중앙화 의 운영 비용 제로 이점을 보여줍니다.
이 공간에서 MagnetAI , Olas , Myshell , Fetch.ai , Virtual Protocol 및 Spectral 과 같은 플랫폼은 코드가 적거나 코드가 없는 사용자를 위한 에이전트 작성 플랫폼을 제공합니다. AI 모델 개발자를 위해 MagnetAI 와 Ora는 모델 개발자 플랫폼을 제공합니다. 또한 AI+ 소셜 크리에이터와 같은 다른 카테고리의 경우 특별히 맞춤화된 Story Protocol 및 CreatorBid 와 같은 플랫폼이 있으며 SaharaAI는 지식 기반의 수익화에 중점을 둡니다.
2.소비자
컨슈머란 암호화폐 사용자에게 직접 서비스를 제공하는 AI를 말합니다. 현재 이 트랙에는 더 적은 수의 프로젝트가 있지만 Worldcoin 및 ChainGPT 와 같은 기존 프로젝트는 대체 불가능하고 고유합니다.
3.표준
표준은 AI dApp 블록체인을 생성하거나 AI 애플리케이션을 지원하기 위해 기존 인프라(예: 이더)를 활성화하기 위한 독립적인 블록체인, 프로토콜 또는 개선 사항의 개발을 특징으로 하는 암호화폐의 고유한 트랙입니다.
이러한 표준을 통해 AI dApp은 투명성 및 탈중앙화 와 같은 암호화폐의 이점을 구현하여 제작자 및 소비자 제품에 필수적인 지원을 제공할 수 있습니다.
예를 들어 Ora는 수익 공유를 제공하기 위해 ERC-20을 확장했고, 7007.ai는 모델 추론 자산을 토큰화하기 위해 ERC-721을 확장했습니다. 또한 Talus , Theoriq , Alethea 및 Morpheus 와 같은 플랫폼은 AI 에이전트에 대한 실행 환경을 제공하기 위해 온체인 가상 머신(VM)을 생성하고 있으며 Sentient는 AI dApp에 대한 포괄적인 표준을 제공합니다.
4.AI 경제
AI 경제는 Crypto+AI 분야의 주요 혁신으로, AI의 민주화를 달성하기 위해 암호화폐의 토큰화, 수익화 및 인센티브 메커니즘의 사용을 강조합니다.
MagnetAI가 개발한 AI 경제 수명주기
AI 공유경제, 커뮤니티 공동 소유, 공유 소유권을 강조합니다. 이러한 혁신은 AI의 번영과 발전을 크게 촉진했습니다.
그중 Theoriq 과 Fetch.ai는 에이전트 수익화에 중점을 두고 있으며, Olas는 토큰화 스테이킹 강조하고, MagnetAI는 토큰화, 수익화 및 인센티브 메커니즘을 통합한 플랫폼입니다.
결론적으로
AI와 암호화폐는 자연스러운 파트너입니다. 암호화폐는 AI를 더욱 개방적이고 투명하게 만드는 데 도움이 되며 AI의 번영을 대체할 수 없게 지원합니다.
결과적으로 AI는 암호화폐의 경계를 확장하여 더 많은 사용자와 관심을 끌고 있습니다. 모든 인류를 위한 보편적인 이야기로서 AI는 또한 암호화폐 세계에 전례 없는 대량 채택 이야기를 소개합니다.
