Coinspire에서 작성
요약:
AI 개념을 적용한 Web3 프로젝트는 1차 유통시장 에서 막대한 자금을 투자할 수 있는 타깃이 되었습니다.
AI 산업에서 Web3의 기회는 다음과 같습니다. 분산된 인센티브를 사용하여 데이터, 스토리지, 컴퓨팅 전반에 걸쳐 롱테일의 잠재적 공급을 조정합니다. 동시에 AI 에이전트를 위한 오픈소스 모델과 탈중앙화 시장을 구축합니다.
AI는 주로 Web3 산업에서 온체인 금융(암호화폐 결제, 거래, 데이터 분석) 및 보조 개발에 사용됩니다.
AI+Web3의 효과는 상호 보완성에 있습니다. Web3는 AI 중앙집중화에 맞서 싸울 것으로 예상되고, AI는 Web3가 그 악순환을 끊도록 도울 것으로 예상됩니다.
소개
지난 2년 동안 AI의 발전이 가속화된 것으로 보입니다. Chatgpt가 펼치는 나비의 날개짓은 생성적 인공지능의 새로운 세계를 열었을 뿐만 아니라, 반대편 Web3에 해류를 일으켰습니다.
AI 개념의 지원으로 인해 암호화폐 시장 융자 침체기에 비해 상당히 촉진되었습니다. 언론 통계에 따르면, 2024년 상반기에만 총 64개의 Web3+AI 프로젝트가 융자 완료하였고, 인공지능 기반 운영 시스템인 Zyber365가 A라운드에서 최고 금액인 1억 달러의 융자 달성하였습니다.
유통시장 더욱 번창하고 있다. 암호화폐 집계 웹사이트인 Coingecko의 데이터에 따르면, 불과 1년 남짓한 기간 동안 AI 부문 시총 485억 달러에 달했으며 , 24시간 거래량은 약 86억 달러에 달했습니다. 주류 AI 기술의 진보가 가져오는 이점은 분명합니다 . OpenAI의 Sora 텍스트-비디오 모델이 출시된 이후, AI 분야의 평균 주가는 151% 상승했습니다. AI 효과는 암호화폐에서 가장 수익성이 높은 분야 중 하나인 밈(Meme)에도 영향을 미칩니다 . 최초의 AI 에이전트 컨셉인 GOAT인 밈코인은 빠르게 인기를 얻어 14억 달러의 가치를 달성했으며, AI 밈 열풍을 성공적으로 일으켰습니다.
AI+Web3에 대한 연구와 주제도 마찬가지로 인기가 높습니다. AI+Depin 부터 AI Memecoin , 현재의 AI Agent와 AI DAO 에 이르기까지 FOMO 정서 더 이상 새로운 내러티브 회전 속도를 따라잡을 수 없습니다.
AI+Web3, 핫머니, 핫스팟, 미래의 환상이 가득한 이 용어의 조합은 필연적으로 자본이 중개한 결혼으로 여겨진다. 이 화려한 옷 아래에서 투기꾼들의 홈구장인지, 아니면 폭발이 일어나기 직전의 밤인지 구별하기 어려울 것 같습니다.
이 질문에 답하기 위해, 양측이 모두 고려해야 할 중요한 사항은 상대방과 함께 하는 것이 더 나을 것인가입니다. 우리는 서로의 모델로부터 이익을 얻을 수 있을까? 이 글에서 우리는 선배들의 사례를 토대로 이러한 전망을 살펴보고자 합니다. Web3는 AI 기술 스택의 각 링크에서 어떤 역할을 할 수 있을까요? 그리고 AI는 Web3에 어떤 새로운 활력을 불어넣을 수 있을까요?
AI 스택에서 Web3는 어떤 기회를 가지고 있습니까?
이 주제를 시작하기 전에 AI 빅 모델의 기술 스택을 이해해야 합니다.
이미지 출처: Delphi Digital
좀 더 대중적인 언어로 전체 과정을 설명하자면, "큰 모델"은 인간의 뇌와 같습니다 . 초기 단계에서 이 뇌는 신생아의 뇌로, 세상을 이해하기 위해 주변의 엄청난 양의 외부 정보를 관찰하고 흡수해야 합니다. 이는 데이터의 "수집" 단계입니다 . 컴퓨터는 인간의 시각과 청각과 같은 다중 감각을 가지고 있지 않기 때문에, 훈련에 앞서 외부 세계의 분류되지 않은 대규모 정보를 "전처리"를 통해 컴퓨터가 이해하고 사용할 수 있는 정보 형식으로 변환해야 합니다.
AI는 데이터가 입력되면 '훈련'을 통해 이해와 예측 능력을 갖춘 모델을 구축하는데, 이는 유아가 점차 외부 세계를 이해하고 학습하는 과정으로 볼 수 있습니다. 모델의 매개변수는 유아의 학습 과정 동안 끊임없이 조정되는 언어 능력과 같습니다. 학습 내용이 주제별로 나뉘기 시작하거나, 타인과의 소통을 통해 피드백을 받고 수정을 하면 큰 모델의 '미세 조정' 단계에 진입하게 됩니다.
아이들이 자라서 말하는 법을 배우면 의미를 이해하고 새로운 대화에서 자신의 감정과 생각을 표현할 수 있습니다. 이 단계는 새로운 언어와 텍스트 입력을 예측하고 분석할 수 있는 대규모 AI 모델의 "추론"과 유사합니다 . 유아는 언어를 사용해 감정을 표현하고, 사물을 설명하고, 다양한 문제를 해결합니다. 이는 대규모 AI 모델이 훈련을 거쳐 실제 활용된 후 추론 단계에서 다양한 특정 작업에 적용되는 방식과 유사합니다. 예를 들어 이미지 분류, 음성 인식 등이 있습니다.
AI 에이전트는 차세대 대형 모델에 더 가깝습니다. 즉, 독립적으로 작업을 수행하고 복잡한 목표를 추구할 수 있습니다. 인간은 생각할 수 있는 능력뿐만 아니라 기억하고, 계획을 세우고, 도구를 사용해 세상과 상호작용할 수 있습니다.
현재 Web3는 다양한 스택에서 AI의 문제점에 대응하여 AI 모델 프로세스의 모든 단계를 포괄하는 다층적이고 상호 연결된 생태계를 처음으로 형성했습니다.
1. 기본 계층: 해시레이트 와 데이터의 Airbnb
해시레이트
현재 AI의 가장 큰 비용 중 하나는 모델을 훈련하고 추론하는 데 필요한 해시레이트 과 에너지입니다.
예를 들어, Meta의 LLAMA3는 AI 및 고성능 컴퓨팅 워크로드를 위해 설계된 최고급 그래픽 처리 장치인 NVIDIA에서 생산한 H100 GPU 16,000개를 30일 동안 사용하여 학습을 완료해야 합니다. 후자의 80GB 버전은 가격이 3만~4만 달러 사이이며, 컴퓨팅 하드웨어 투자(GPU + 네트워크 칩)에 4억~7억 달러가 필요합니다. 동시에, 월별 훈련에 16억 킬로와트시가 소모되고, 에너지 지출은 한 달에 약 2,000만 달러에 달합니다.
AI 해시레이트 의 압축 해제는 Web3가 AI와 교차하는 가장 초기 영역이기도 합니다. 즉, DePin(탈중앙화 물리적 인프라 네트워크)입니다. 현재 DePin Ninja 데이터 웹사이트에는 1,400개 이상의 프로젝트가 표시되어 있으며, 그 중 GPU 해시레이트 공유의 대표적인 프로젝트로는 io.net, Aethir, Akash, Render Network 등이 있습니다.
이 플랫폼의 주요 논리는 유휴 GPU 리소스를 보유한 개인이나 단체가 허가 없이 탈중앙화 방식으로 컴퓨팅 파워를 기여할 수 있도록 하고, Uber나 Airbnb와 유사한 구매자와 판매자를 위한 온라인 시장을 통해 활용도가 낮은 GPU 리소스의 활용률을 높여 최종 사용자가 더 저렴한 비용으로 더 효율적인 컴퓨팅 리소스를 확보할 수 있다는 것입니다 . 동시에, 스테이킹 메커니즘은 품질 관리 메커니즘을 위반하거나 네트워크 중단이 발생할 경우 리소스 제공자가 그에 따라 처벌받도록 보장합니다.
그 특징은 다음과 같습니다.
유휴 GPU 리소스의 집계: 공급업체는 주로 제3자 독립 중소 규모 데이터 센터, 암호화폐 채굴 팜과 기타 운영자의 잉여 해시레이트 리소스, 그리고 FileCoin 및 ETH 채굴기와 같은 PoS 합의 메커니즘을 갖춘 채굴 하드웨어입니다 . 또한, 로컬 장치(예: MacBook, iPhone, iPad)를 사용하여 대규모 모델 추론을 실행하기 위한 해시레이트 네트워크를 구축하는 exolab과 같이 임계값이 낮은 장치를 시작하는 데 전념하는 프로젝트도 있습니다.
AI 해시레이트 의 롱테일 시장 대면 : a. " 기술적인 관점에서" 탈중앙화 해시레이트 시장은 추론 단계에 더 적합합니다 . 학습은 초대형 클러스터 규모 GPU가 제공하는 데이터 처리 능력에 더 의존하는 반면, 추론은 GPU 컴퓨팅 성능이 상대적으로 낮습니다. 예를 들어, Aethir는 저지연 렌더링 작업과 AI 추론 애플리케이션에 중점을 둡니다. 비. "수요 측면" 중소 규모의 해시레이트 수요자는 자체적으로 대규모 모델을 별도로 훈련하지 않고 , 소수의 최상위 대규모 모델만 최적화하고 미세 조정하기로 선택할 것입니다. 이러한 시나리오는 자연스럽게 분산된 유휴 해시레이트 리소스에 적합합니다.
탈중앙화 소유권 : 블록체인의 기술적 중요성은 리소스 소유자가 항상 리소스에 대한 통제권을 유지하고, 수요에 따라 유연하게 리소스를 조정하며, 동시에 혜택을 얻을 수 있다는 것입니다.
데이터
데이터는 AI의 기반입니다. 데이터가 없다면 컴퓨팅은 떠다니는 오리풀처럼 쓸모가 없습니다 . 데이터와 모델의 관계는 "쓰레기가 들어가면 쓰레기가 나온다"라는 속담과 같습니다. 데이터 입력의 양과 질은 최종 모델의 출력 품질을 결정합니다. 현재 AI 모델을 훈련할 때, 데이터는 모델의 언어 능력, 이해 능력, 심지어 가치와 인간화된 성과까지 결정합니다. 현재 AI의 데이터 수요 딜레마는 주로 다음 네 가지 측면에 집중되어 있습니다.
데이터 요구량 증가 : AI 모델 학습은 대량 의 데이터 입력에 의존합니다. 공개된 정보에 따르면 OpenAI가 GPT-4를 훈련하는 데 사용하는 매개변수의 수는 수조 개에 달했습니다.
데이터 품질 : AI가 다양한 산업에 통합되면서 데이터 적시성, 데이터 다양성, 수직 데이터의 전문성, 소셜 미디어 정서 과 같은 새로운 데이터 소스의 수용에 대한 새로운 요구 사항이 제기되었습니다.
개인정보 보호 및 규정 준수 문제 : 현재 다양한 국가와 회사에서 점차 고품질 데이터 세트의 중요성을 깨닫고 데이터 세트 크롤링을 제한하고 있습니다.
데이터 처리 비용이 높습니다 . 데이터 양이 많고 처리 과정이 복잡합니다. 공개된 데이터에 따르면 AI 기업의 R&D 비용 중 30% 이상이 기본적인 데이터 수집 및 처리에 사용됩니다.
현재 web3의 솔루션은 다음 네 가지 측면에 반영되어 있습니다.
1. 데이터 수집 : 무료로 수집할 수 있는 실제 데이터는 빠르게 고갈되고 있으며, AI 회사가 유료 데이터에 지출하는 비용은 해마다 증가하고 있습니다. 하지만 동시에 이러한 지출은 실제 데이터 제공자에게 피드백되지 않았습니다. 이 플랫폼은 데이터가 가져온 가치 창출을 최대한 활용했습니다. 예를 들어, Reddit은 AI 회사와 체결한 데이터 라이선스 계약을 통해 총 2억 300만 달러의 수익을 달성했습니다.
Web3의 비전은 데이터가 가져오는 가치 창출에 진정으로 기여하는 사용자가 참여할 수 있도록 하고, 분산형 네트워크와 인센티브 메커니즘을 통해 저렴한 방식으로 사용자의 더욱 개인적이고 가치 있는 데이터를 확보하는 것입니다.
예를 들어 Grass는 탈중앙화 데이터 계층이자 네트워크입니다 . 사용자는 Grass 노드를 실행하고, 유휴 대역폭을 제공하고, 트래픽을 릴레이하여 전체 인터넷에서 실시간 데이터를 수집하고, 토큰 보상을 얻을 수 있습니다.
Vana는 사용자가 개인 데이터(예: 쇼핑 기록, 검색 습관, 소셜 미디어 활동 등)를 특정 DLP에 업로드하고 특정 제3자에게 이 데이터 사용을 승인할지 여부를 유연하게 선택할 수 있는 데이터 유동성 풀(DLP) 이라는 고유한 개념을 도입합니다.
PublicAI에서 사용자는 X와 @PublicAI에 대한 분류 태그로 #AI 또는 #Web3를 사용하여 데이터를 수집할 수 있습니다.
2. 데이터 전처리 : AI의 데이터 처리 과정에서 수집된 데이터는 일반적으로 노이즈가 많고 오류가 포함되어 있으므로 모델을 학습시키기 전에 데이터를 정리하고 사용 가능한 형식으로 변환해야 하며, 여기에는 표준화, 필터링, 누락된 값 처리와 같은 반복적인 작업이 포함됩니다. 이 단계는 AI 산업에서 몇 안 되는 수동 링크 중 하나이며, 데이터 라벨러 산업을 탄생시켰습니다. 모델의 데이터 품질에 대한 요구 사항이 높아짐에 따라 데이터 레이블러에 대한 임계값도 높아집니다. 이 작업은 자연스럽게 Web3의 탈중앙화 인센티브 메커니즘에 적합합니다.
현재 Grass와 OpenLayer는 모두 핵심 단계인 데이터 레이블링 추가를 고려하고 있습니다.
Synesis는 데이터 품질을 강조하는 "Train2earn"이라는 개념을 제안했습니다 . 사용자는 라벨이 지정된 데이터, 주석 또는 다른 형태의 입력을 제공하면 보상을 받을 수 있습니다.
데이터 주석 프로젝트인 Sapien은 태그 작업을 게임화 하고 사용자가 포인트를 스테이킹 더 많은 포인트를 획득할 수 있도록 합니다.
3. 데이터 개인정보 보호 및 보안 : 데이터 개인정보 보호와 보안은 두 가지 다른 개념이라는 점을 명확히 할 필요가 있습니다. 데이터 개인정보 보호는 민감한 데이터를 처리하는 것을 말하며, 데이터 보안은 데이터 정보를 무단 접근, 파괴, 도난으로부터 보호합니다. 따라서 Web3 개인정보 보호 기술의 장점과 잠재적인 적용 시나리오는 두 가지 측면에 반영됩니다. (1) 민감한 데이터의 교육, (2) 데이터 협업: 여러 데이터 소유자가 원본 데이터를 공유하지 않고도 함께 AI 학습에 참여할 수 있습니다.
현재 Web3에서 흔히 사용되는 개인정보 보호 기술은 다음과 같습니다.
Super Protocol과 같은 신뢰할 수 있는 실행 환경(TEE)
BasedAI, Fhenix.io 또는 Inco Network와 같은 완전 동형 암호화(FHE)
Reclaim Protocol과 같은 영지식(zk) 기술은 zkTLS 기술을 사용하여 HTTPS 트래픽에 대한 영지식 증명을 생성하여 사용자가 민감한 정보를 노출하지 않고 외부 웹사이트에서 활동, 평판 및 신원 데이터를 안전하게 가져올 수 있도록 합니다.
하지만 이 분야는 아직 초기 단계이며 대부분의 프로젝트는 여전히 탐색 중입니다. 현재 어려움 중 하나는 계산 비용이 너무 높다는 것입니다. 몇 가지 예는 다음과 같습니다.
zkML 프레임 EZKL은 1M-nanoGPT 모델에 대한 증명을 생성하는 데 약 80분이 걸립니다.
Modulus Labs에 따르면 zkML의 오버헤드는 순수 계산보다 1,000배 이상 높습니다 .
4. 데이터 저장 : 데이터를 얻으면 온체인 데이터를 저장할 장소와 데이터를 사용하여 생성된 LLM도 저장해야 합니다. 데이터 가용성(DA)을 핵심 문제로 삼았을 때, 이더 샤딩 업그레이드 이전에는 처리량이 0.08MB였습니다. 동시에 AI 모델의 훈련과 실시간 추론에는 일반적으로 초당 50~100GB의 데이터 처리량이 필요합니다. 이러한 엄청난 격차로 인해 기존의 온체인 솔루션은 "리소스 집약적 AI 애플리케이션"대면 대처할 수 없습니다.
이 분야의 대표적인 프로젝트로는 0g.AI가 있다. AI의 고성능 요구 사항에 맞춰 설계된 중앙 집중식 스토리지 솔루션입니다. 주요 특징으로는 높은 성능과 확장성이 있습니다. 고급 샤딩 및 삭제 코딩 기술을 통해 초당 약 5GB의 데이터 전송 속도로 대규모 데이터 세트의 빠른 업로드 및 다운로드를 지원합니다.
2. 미들웨어: 모델 학습 및 추론
오픈소스 모델 탈중앙화 시장
AI 모델을 폐쇄형 소스로 해야 할지, 오픈 소스로 해야 할지에 대한 논쟁은 결코 사라지지 않았습니다. 오픈 소스가 가져온 집단적 혁신은 폐쇄 소스 모델이 따라올 수 없는 장점입니다. 하지만 수익 모델이 없다면 오픈 소스 모델이 어떻게 개발자의 동기를 향상시킬 수 있을까요? 이는 생각해볼 만한 방향입니다 . 바이두 창립자 로빈 리는 올해 4월 "오픈소스 모델은 점점 더 뒤처질 것"이라고 주장한 적이 있습니다.
이에 대해 Web3는 모델 자체를 토큰화하고, 팀을 위해 일정 비율의 토큰을 확보하고, 모델의 미래 수입의 일부를 토큰 보유자에게 흐르게 하는 분산형 오픈소스 모델 시장 의 가능성을 제안합니다.
예를 들어, Bittensor 프로토콜은 수십 개의 "서브넷"으로 구성된 오픈 소스 P2P 시장을 구축합니다. 여기서 리소스 공급자(컴퓨팅, 데이터 수집/저장, 머신러닝(ML) 인재)는 특정 서브넷 소유자의 목표를 달성하기 위해 서로 경쟁합니다. 서브넷은 서로 상호 작용하고 서로로부터 학습하여 더욱 강력한 인텔리전스를 달성할 수 있습니다. 보상은 커뮤니티 투표를 통해 할당되고, 경쟁적 성과에 따라 서브넷 간에 추가로 분배됩니다.
ORA는 AI 모델을 토큰화하여 탈중앙화 네트워크를 통해 구매, 판매 및 개발할 수 있도록 하는 IMO(Initial Model Offering) 개념을 도입합니다.
탈중앙화 AGI 플랫폼인 Sentient 는 AI 모델을 협업, 구축, 복제, 확장하도록 인간 기여자에게 인센티브를 제공하고 기여자에게 보상을 제공합니다.
Spectral Nova 는 AI와 ML 모델의 생성과 적용에 중점을 두고 있습니다.
검증 가능한 추론
AI 추론 과정에서 발생하는 "블랙박스" 문제에 대한 표준 Web3 솔루션은 여러 검증자가 동일한 작업을 반복하고 결과를 비교하는 것입니다. 하지만 현재 고급 "Nvidia 칩"이 부족하기 때문에 이 접근 방식이 직면한 명백한 과제는 AI 추론의 높은 비용입니다.
더욱 유망한 해결책은 오프체인 AI 추론 계산에 대해 ZK 증명(영지식 증명, 증명자가 다른 검증자에게 주어진 진술이 사실이라는 것 외에 다른 추가 정보를 공개하지 않고도 주어진 진술이 사실임을 증명할 수 있는 암호화 프로토콜)을 수행하고 , 온체인 AI 모델 계산에 대한 허가 없는 검증을 수행하는 것입니다. 이를 위해서는 오프체인 계산이 올바르게 완료되었다는 온체인 암호학적으로 증명해야 하며(예: 데이터 세트가 변조되지 않았음) 모든 데이터가 기밀로 유지되도록 보장해야 합니다.
주요 이점은 다음과 같습니다.
확장성 : 제로 지식 증명을 통해 대량 의 오프체인 계산을 빠르게 확인할 수 있습니다. 거래 수가 늘어나더라도 단일한 제로 지식 증명으로 모든 거래를 검증할 수 있습니다.
개인정보 보호 : 데이터와 AI 모델 세부 정보는 비공개로 유지되며, 모든 당사자는 데이터와 모델이 손상되지 않았는지 확인할 수 있습니다.
신뢰할 수 없음 : 계산을 확인하기 위해 중앙 집중화된 당사자에 의존하지 않습니다.
Web2 통합 : Web2는 정의상 오프체인 통합이 되어 있어 검증 가능한 추론을 통해 데이터 세트와 AI 계산을 온체인 가져올 수 있습니다. 이는 Web3 도입을 늘리는 데 도움이 될 것입니다.
Web3에서 검증 가능한 추론을 위한 현재 검증 가능한 기술은 다음과 같습니다.
zkML : 제로 지식 증명과 머신러닝(ML) 결합하여 데이터와 모델의 개인 정보 보호 및 기밀성을 보장하고, 특정 기본 속성을 공개하지 않고도 검증 가능한 계산을 허용합니다. 예를 들어, Modulus Labs는 ZKML을 기반으로 AI를 위해 구축된 ZK 증명기 출시하여 AI 제공자가 온체인 의 알고리즘을 조작하여 올바르게 실행되는지 효과적으로 검사합니다. 하지만 현재 고객은 기본적으로 온체인 DApp입니다.
opML : 낙관적 롤업 원칙을 활용하여 분쟁이 발생하는 시점을 검증함으로써 ML 컴퓨팅의 확장성과 효율성을 개선합니다. 이 모델에서는 "검증자"가 생성한 결과 중 일부만 검증하면 되지만, 경제적 비용 절감은 검증자의 부정행위 비용을 높이고 중복 컴퓨팅을 절약할 만큼 충분히 높게 설정됩니다.
TeeML : 신뢰할 수 있는 실행 환경을 사용하여 ML 계산을 안전하게 실행하고, 데이터와 모델을 변조 및 무단 액세스로부터 보호합니다.
3. 애플리케이션 계층: AI 에이전트
AI의 현재 개발은 이미 모델 역량에서 AI 에이전트로 개발 초점이 전환되고 있음을 보여주고 있습니다. OpenAI, AI 대형 모델 유니콘인 Anthropic, Microsoft 등의 기술 회사는 현재의 LLM 기술 플랫폼 시대를 타개하기 위해 AI 에이전트 개발에 착수했습니다.
OpenAI는 AI 에이전트를 LLM을 두뇌로 사용하고, 지각, 계획, 기억을 자율적으로 이해하고, 도구를 사용할 수 있는 능력을 갖추고, 복잡한 작업을 자동으로 수행할 수 있는 시스템으로 정의합니다. AI가 도구에서 도구를 사용할 수 있는 주체로 변하면, AI 에이전트가 됩니다. 이것이 바로 AI 에이전트가 인간을 위한 가장 이상적인 지능형 비서가 될 수 있는 이유입니다.
그러면 Web3는 Agent에 무엇을 가져다 줄 수 있을까?
1. 탈중앙화
Web3의 탈중앙화 특성은 에이전트 시스템을 더욱 분산화하고 자율적으로 만들 수 있습니다 . PoS, DPoS 등의 메커니즘을 통해 스테이킹 와 위임자에게 인센티브와 처벌 메커니즘을 구축함으로써 에이전트 시스템의 민주화를 촉진할 수 있습니다. GaiaNet, Theoriq, HajimeAI 모두 이를 시도했습니다.
2. 콜드 스타트
AI 에이전트의 개발과 반복에는 대량 재정 지원이 필요한 경우가 많으며, Web3는 잠재적인 AI 에이전트 프로젝트가 조기 융자 과 콜드 스타트를 확보하는 데 도움을 줄 수 있습니다.
Virtual Protocol은 AI Agent 생성 및 토큰 발행 플랫폼 fun.virtuals를 출시합니다. 이를 통해 모든 사용자는 한 번의 클릭으로 AI Agent를 배포하고 100% 공정한 AI Agent 토큰 발행을 달성할 수 있습니다 .
Spectral은 온체인 AI Agent 자산 발행을 지원하는 제품 개념을 제안했습니다. IAO(Initial Agent Offering)를 통해 토큰을 발행함으로써 AI Agent는 투자자로부터 직접 자금을 조달하고 DAO 거버넌스의 일원이 될 수 있으며, 이를 통해 투자자는 프로젝트 개발에 참여하고 미래 수익을 공유할 수 있는 기회를 얻습니다.
AI는 어떻게 Web3를 강화하는가?
AI가 Web3 프로젝트에 미치는 영향은 명확합니다. 이는 온체인 운영(스마트 계약 실행, 유동성 최적화, AI 기반 거버넌스 결정 등)을 최적화하여 블록체인 기술에 이점을 제공합니다. 동시에 더 나은 데이터 기반 통찰력을 제공하고, 온체인 보안을 개선하고, 새로운 Web3 기반 애플리케이션을 위한 기반을 마련할 수도 있습니다.
1. AI와 온체인 금융
AI와 암호 경제
8월 31일, Coinbase CEO 브라이언 암스트롱은 Base 네트워크에서 최초로 AI-AI 암호화폐 거래를 발표했으며, AI 에이전트가 이제 Base에서 USD를 사용하여 사람, 상인 또는 다른 AI와 거래할 수 있다고 밝혔습니다. 이러한 거래는 즉각적이고 전 세계에서 이루어지며 무료입니다.
Virtuals Protocol의 Luna는 결제 외에도 AI Agent가 다음과 같은 방식으로 자율적으로 온체인 거래를 수행할 수 있는 방법을 처음으로 시연하여 주목을 받았습니다. AI 에이전트는 환경을 인식하고, 결정을 내리고, 작업을 실행할 수 있는 지능형 개체로서, 온체인 금융의 미래로 여겨진다 . 현재 AI Agent의 잠재적 시나리오는 다음과 같은 점에 반영되어 있습니다.
1. 정보 수집 및 예측 : 투자자들이 거래소 공지, 프로젝트 공개 정보, 공황 정서, 여론 리스크 등의 정보를 수집하고, 자산 기본 요소와 시장 상황을 실시간으로 분석 및 평가하며, 추세와 리스크 예측하는 데 도움을 줍니다.
2. 자산 관리 : 사용자에게 적합한 투자 목표를 제공하고, 자산 포트폴리오를 최적화하며, 거래를 자동으로 실행합니다.
3. 금융 경험 : 투자자가 가장 빠른 온체인 거래 방식을 선택하고, 크로스체인 및 가스 수수료 조정과 같은 수동 작업을 자동화하고 , 온체인 금융 활동의 한계점과 비용을 줄이는 데 도움을 줍니다.
AI 에이전트에게 다음과 같은 지시를 내리는 상황을 상상해 보세요. "저는 1,000 USDT를 가지고 있습니다. 잠금 기간이 1주일을 넘지 않도록 가장 높은 수익률을 제공하는 조합을 찾아주세요." AI 에이전트는 다음과 같은 제안을 제공합니다. "권장되는 초기 배분은 A에 50%, B에 20%, X에 20%, Y에 10%입니다. 금리를 모니터링하고 리스크 수준의 변화를 관찰하며 필요한 경우 리밸런싱을 조정하겠습니다." 또한, 잠재적인 에어드랍 프로젝트나 이슈 커뮤니티의 징후가 보이는 Memecoin 프로젝트를 찾는 것도 AI 에이전트가 나중에 달성할 수 있는 일입니다.
이미지 출처: Biconomy
현재 AI Agent 지갑 Bitte와 AI 상호작용 프로토콜 Wayfinder가 이러한 시도를 하고 있습니다. 이들은 OpenAI의 모델 API에 접근하여 사용자가 ChatGPT와 비슷한 채팅 창 인터페이스에서 에이전트에게 다양한 온체인 작업을 완료하도록 명령할 수 있도록 하려고 합니다. 예를 들어, WayFinder가 올해 4월에 출시한 첫 번째 프로토타입은 Base, Polygon, Ethereum의 세 가지 퍼블릭 체인 메인넷에서 스왑, 전송, 브리지, 스테이킹의 네 가지 기본 작업을 시연했습니다.
현재, 탈중앙화 형 에이전트 플랫폼인 모피어스도 이러한 에이전트의 개발을 지원합니다. 예를 들어, Biconomy는 AI 에이전트가 지갑 전체 권한을 부여하지 않고도 ETH를 USDC로 교환할 수 있는 작업을 시연했습니다.
AI와 온체인 거래 보안
Web3 세계에서는 온체인 거래 보안이 매우 중요합니다. AI 기술은 온체인 거래의 보안과 개인 정보 보호를 강화하는 데 사용될 수 있습니다. 잠재적인 시나리오는 다음과 같습니다.
거래 모니터링 : 실시간 데이터 기술을 통해 비정상적인 거래 활동을 모니터링하고 사용자와 플랫폼에 실시간 알림 인프라를 제공합니다.
리스크 분석 : 플랫폼이 고객 거래 행동 데이터를 분석하고 리스크 수준을 평가하는 데 도움이 됩니다.
예를 들어, Web3 보안 플랫폼 SeQure는 AI를 사용하여 악의적인 공격, 사기, 데이터 유출을 탐지하고 방지하며, 실시간 모니터링 및 알림 메커니즘을 제공하여 온체인 거래의 보안과 안정성을 보장합니다. 비슷한 보안 도구 중 하나는 AI 기반 Sentinel입니다.
2. AI와 온체인 인프라
AI와 온체인 데이터
AI 기술은 다음과 같은 온체인 데이터 수집 및 분석에서 중요한 역할을 합니다.
Web3 Analytics : 머신러닝(ML) 과 데이터 마이닝 알고리즘을 사용하여 온체인 데이터를 수집, 처리, 분석하는 AI 기반 분석 플랫폼입니다.
MinMax AI : 사용자가 잠재적인 시장 기회와 추세를 발견하는 데 도움이 되는 AI 기반 온체인 데이터 분석 도구를 제공합니다.
Kaito : LLM의 검색엔진을 기반으로 한 Web3 검색 플랫폼.
팔로인 : ChatGPT를 통합하여 다양한 웹사이트와 커뮤니티 플랫폼에 흩어져 있는 관련 정보를 수집하고 통합합니다.
또 다른 응용 시나리오는 오라클 인데, AI가 여러 소스에서 가격을 얻어 정확한 가격 데이터를 제공할 수 있습니다 . 예를 들어, Upshot은 AI를 사용하여 NFT의 가격 변동성을 타깃으로 삼고, 시간당 1억 건 이상의 평가를 통해 3~10%의 오차 범위 내에서 NFT 가격을 제공합니다.
AI 및 개발 및 감사
최근, Cursor라는 Web2 AI 코드 편집기가 개발자들 사이에서 많은 주목을 받고 있습니다. 해당 플랫폼에서 사용자는 자연어 설명만 사용하면 되며, Cursor는 자동으로 해당 HTML, CSS, JavaScript 코드를 생성하여 소프트웨어 개발 프로세스를 크게 단순화합니다. 이러한 논리는 Web3의 개발 효율성을 개선하는 데에도 적용될 수 있습니다 .
현재, 퍼블릭 온체인 에 스마트 계약과 DApp을 배포하려면 일반적으로 Solidity, Rust, Move 등과 같은 독점 개발 언어가 필요합니다. 새로운 개발 언어의 비전은 탈중앙화 블록체인의 설계 공간을 확장하고 DApp 개발에 더욱 적합하게 만드는 것입니다. 하지만 Web3 개발자의 격차가 크기 때문에 개발자 교육은 항상 더 골치 아픈 문제로 여겨져 왔습니다.
현재, AI가 Web3 개발을 지원할 수 있는 시나리오는 자동화된 코드 생성, 스마트 계약 검증 및 테스트, DApp 배포 및 유지 관리, 지능형 코드 완성, 개발 질문에 답변하는 AI 대화 등이 있습니다. AI의 지원은 개발 효율성과 정확성을 높이는 데 도움이 될 뿐만 아니라 프로그래밍의 문턱을 낮추어 프로그래머가 아닌 사람도 아이디어를 실제 응용 프로그램으로 전환할 수 있도록 하여 탈중앙화 기술 개발에 새로운 활력을 불어넣습니다.
현재 가장 눈길을 끄는 것은 클랜커(Clanker)와 같은 원클릭 토큰 출시 플랫폼입니다. 클랜커는 빠른 DIY 토큰 배포를 위해 설계된 AI 기반 "토큰 봇"입니다 . Warpcast나 Supercast와 같은 SocialFi 프로토콜 Farcaster 클라이언트에서 Clanker를 태그 토큰 아이디어를 알려주기만 하면 공개 체인 Base에서 토큰이 출시됩니다.
또한 Spectral과 같은 계약 개발 플랫폼도 있는데, 이는 Web3 개발의 한계를 낮추기 위해 한 번의 클릭으로 스마트 계약을 생성하고 배포할 수 있는 기능을 제공합니다. 초보 사용자도 스마트 계약을 컴파일하고 배포할 수 있습니다 .
감사 측면에서 Web3 감사 플랫폼인 Fuzzland는 AI를 사용하여 감사 코드 취약성을 확인하고 감사 전문성을 지원하기 위해 자연어 설명을 제공하도록 돕습니다. Fuzzland는 또한 AI를 사용하여 공식 사양 및 계약 코드에 대한 자연어 해석을 제공하고, 개발자가 코드에서 발생할 수 있는 문제를 이해하는 데 도움이 되는 몇 가지 샘플 코드를 제공합니다.
3. AI와 Web3의 새로운 서사
생성적 AI의 등장은 새로운 Web3 내러티브에 대한 새로운 가능성을 가져옵니다.
NFT: AI는 생성적 NFT에 창의성을 불어넣습니다. AI 기술을 통해 다양하고 독특하며 다채로운 예술작품과 캐릭터를 제작할 수 있습니다. 이러한 생성적 NFT는 게임, 가상 세계 또는 메타버스에서 캐릭터, 소품 또는 장면 요소가 될 수 있습니다. 예를 들어, 바이낸스의 Bicasso를 이용하면 사용자가 사진을 업로드하고 키워드를 입력하여 AI 계산을 통해 NFT를 생성할 수 있습니다. 유사한 프로젝트로는 Solvo, Nicho, IgmnAI, CharacterGPT 등이 있습니다.
GameFi: GameFi는 AI의 자연어 생성, 이미지 생성, 지능형 NPC 기능에 초점을 맞춰 게임 콘텐츠 제작의 효율성과 혁신을 향상시킬 것으로 기대됩니다. 예를 들어, Binaryx의 첫 번째 GameFi AI Hero에서 플레이어는 AI를 사용하여 다양한 플롯 옵션을 무작위로 탐색할 수 있습니다. 마찬가지로 AIGC와 LLM을 기반으로 한 가상 동반 게임 Sleepless AI도 있으며, 플레이어는 다양한 상호 작용을 통해 개인화된 게임플레이를 잠금 해제할 수 있습니다.
DAO: 현재 AI는 DAO에 적용되어 커뮤니티 상호 작용 추적, 기여 기록, 가장 많은 기여를 한 멤버에게 보상, 위임 투표 등을 지원할 계획입니다. 예를 들어, ai16z는 AI 에이전트를 사용하여 온체인 시장 정보를 수집하고, 커뮤니티 합의를 분석하고, DAO 멤버의 조언에 따라 투자 결정을 내립니다.
AI+Web3 결합의 의미: 타워와 스퀘어
이탈리아 피렌체 중심부에는 지역 정치 활동을 위한 가장 중요한 장소이자 시민과 관광객이 모이는 장소인 중앙 광장이 있습니다. 이곳에는 높이 95m의 시청 탑이 있습니다. 탑과 광장 사이의 수직적, 수평적 시각적 대비가 서로 보완되어 극적인 미적 효과를 만들어냅니다. 하버드 대학교 역사학 교수인 니얼 퍼거슨은 이에 영감을 받아 그의 저서 "광장과 탑"에서 이를 네트워크와 계층의 세계사와 연관지어 설명했습니다. 이 두 가지는 시간이 흐르면서 흥망성쇠를 거듭해 왔습니다.
이 훌륭한 은유는 오늘날 AI와 Web3의 관계에 적용해도 어색하지 않습니다. 두 건물 사이의 장기적이고 비선형적인 관계 역사를 보면, 정사각형이 타워보다 새로운 것을 생산할 가능성이 더 높고 창의적이지만, 타워는 여전히 정통성과 강한 활력을 가지고 있습니다.
기술 회사들이 에너지 , 해시레이트, 데이터를 고도로 클러스터링할 수 있는 능력을 갖추면서 AI는 전례 없는 상상력으로 폭발적으로 성장했습니다. 주요 기술 회사들이 이 시장에 많은 투자를 했습니다. 다양한 챗봇부터 "기본 빅 모델"인 GPT-4, GP4-4o 및 기타 반복 버전이 차례로 등장했으며, 실제 물리적 세계를 시뮬레이션할 수 있는 초기 기능을 갖춘 자동 프로그래밍 로봇(데빈)과 소라가 탄생했습니다. AI의 상상력은 무한히 확대되었습니다.
동시에 AI는 본질적으로 대규모이고 중앙집중화된 산업입니다. 이러한 기술 혁명은 "인터넷 시대"에 점차 구조적 지배력을 획득해 온 기술 기업들을 더욱 좁은 영역으로 밀어낼 것입니다. 지능화 시대를 지배하는 데 필요한 엄청난 전력, 독점적 자금 흐름, 방대한 데이터 세트는 더 높은 장벽을 만들어냈습니다.
타워가 높아질수록, 그 뒤에서 의사결정을 내리는 사람의 수는 줄어듭니다. AI의 중앙집중화는 많은 숨겨진 위험을 가져온다. 광장에 모인 사람들은 어떻게 탑 아래의 그림자를 피할 수 있을까? 이것이 바로 Web3가 해결하고자 하는 문제입니다.
본질적으로 블록체인의 고유한 속성은 AI 시스템을 강화하고 새로운 가능성을 가져다줍니다. 주로 다음과 같습니다.
인공지능 시대에는 "코드가 법이다" - 스마트 계약과 암호화 검증을 통해 투명한 시스템이 규칙을 자동으로 실행하고 목표에 더 가까운 사람들에게 보상을 제공합니다.
토큰 이코노미 은 토큰 메커니즘, 스테이킹, 슬래싱, 토큰 보상 및 페널티를 통해 참여자의 행동을 생성하고 조정하는 것입니다.
탈중앙화 형 거버넌스는 정보 출처에 대한 의문을 제기하고 AI 기술에 대한 보다 비판적이고 분별력 있는 접근 방식을 장려하며, 편견, 잘못된 정보 및 조작을 방지하고 궁극적으로 보다 정보에 기반하고 역량이 강화된 사회를 육성합니다.
AI의 발전은 Web3에도 새로운 활력을 불어넣었습니다. Web3가 AI에 미치는 영향이 증명되기까지는 시간이 걸릴지 몰라도, Web3에 대한 AI의 영향은 즉각적입니다. 이는 밈 카니발과 AI 에이전트가 온체인 애플리케이션의 사용 임계값을 낮추는 데 도움을 준 것에서 확인할 수 있습니다.
Web3가 소수의 사람들이 스스로 즐기는 오락으로 정의되고 기존 산업의 모방에 대한 의구심에 휩싸였을 때, AI가 더해지면서 예측 가능한 미래가 열렸습니다. 즉, 더 안정적이고 규모가 큰 Web2 사용자 그룹과 더 혁신적인 비즈니스 모델 및 서비스가 등장하게 된 것입니다.
우리는 '탑과 광장'이 공존하는 세상에 살고 있습니다. AI와 Web3는 타임라인과 출발점이 다르지만, 최종 목표는 기계를 인간에게 더 나은 서비스를 제공하는 것입니다. 급류를 정의할 수 있는 사람은 아무도 없습니다. 우리는 AI+Web3의 미래를 기대합니다.
