저자: @BlazingKevin_, Blockbooster 연구원
웹3와 AI의 통합은 초기 단계를 벗어나고 있습니다. AI 암호화폐 시장에 대한 시장의 관심은 초기 "과대광고"에서 "기본 원리와 기술 구현"으로 옮겨가고 있습니다. 이러한 변화 속에서 놀라운 회복력과 기술적 혁신을 보여주는 프로젝트들이 시장 가치를 재편하고 있습니다.
1. 비텐서가 업계 선두 자리를 확고히 다졌습니다.
현재 AI 암호화폐 시장의 총 시총 약 174억 6천만 달러이며, 24시간 거래량은 약 19억 4천만 달러에 달합니다. 이 시장 내에서 비텐서(TAO)는 약 34억 3천만 달러의 시총 으로 압도적인 1위를 차지하고 있습니다. 전체 AI 암호화폐 시장 점유율 의 약 19.6%를 점유하며 절대적인 선두 자리를 굳건히 하고 있습니다.
주요 경쟁업체와의 직접적인 비교를 통해 해당 제품의 틈새시장을 확인할 수 있습니다.
| 경쟁자들 | 토큰 | 시총(미화 10억 달러) | 핵심 포지셔닝 | TAO와의 차이점 |
|---|---|---|---|---|
| 비텐서 | 타오 | 34.3 | 탈중앙화 AI 인센티브 네트워크 | |
| NEAR 프로토콜 | 가까운 | 14.9 | 고성능 L1 퍼블릭 체인 | 인공지능이 생태계의 일부로 포함된 범용 퍼블릭 블록체인. |
| 렌더링 네트워크 | 세우다 | 8.64 | 탈중앙화 GPU 렌더링/컴퓨팅 | 인공지능 품질 인센티브가 없는 순수 해시레이트 인프라 |
| Fetch.ai (ASI) | FET | 5.33 | 자율 AI 에이전트 네트워크 | AI 애플리케이션 레이어에 집중하고, 기본 모델 학습에는 집중하지 마세요. |
| 아카쉬 네트워크 | AKT | 1.26 | 탈중앙화 클라우드 컴퓨팅 시장 | 일반 해시레이트 시장에는 복잡한 AI 합의 메커니즘이 부족합니다. |
핵심 경쟁 장벽
Bittensor의 핵심 경쟁력은 독자적인 "지능 증명(Proof of Intelligence)" 네트워크에 있습니다. 이는 단순히 해시레이트 제공하는 프레임 넘어, 고품질 AI 모델 생산에 직접적인 보상을 제공하는 복잡한 인센티브 메커니즘을 도입한 것입니다. 이러한 독보적인 위치 덕분에 경쟁사들이 이를 모방하기는 매우 어렵습니다.
2. 진정한 "자기 성장" 능력 검증 및 가치 평가 논리 재구성
거창한 기술적 비전을 차치하고, 웹3 프로토콜이 시장 변동을 견뎌낼 수 있는지 여부를 시험하는 핵심은 실제 상업적 확장 및 수익 창출 능력에 달려 있습니다.
암호화폐 시장에서 비텐서는 실질적인 수익을 창출하는 보기 드문 능력을 보여주었습니다. 2026년 1분기 데이터에 따르면, 비텐서 네트워크는 실제 AI 클라이언트(토큰으로 보상되지 않는 가짜 거래)로부터 약 4,300만 달러의 수익을 올렸습니다. 이 수치는 많은 기존 웹3 프로토콜의 연간 수익을 능가합니다.
주요 가치 평가 지표(2026년 3월 29일 기준):
| 색인 | 수치 값 | 설명하다 |
|---|---|---|
| 유통 시총 | 약 34억 2천만 달러 | 약 1078만 부의 발행 부수를 기준으로 함 |
| 완전 희석 평가 | 약 66억 8천만 달러 | 총 공급량 기준으로 함 |
| 2026년 1분기 실질 소득 | 약 4,300만 달러 | 토큰이 아닌 인센티브, 실제 AI 고객 결제 |
| 연간 소득 계산 | 약 1억 7200만 달러 | 1분기 데이터를 기반으로 한 선형 외삽법 |
| 주가매출비율(P/S) | 약 20배 | 시총/연간 매출액 기준 |
| FDV/연간 소득 | ~39배 | FDV/연간 매출액 기준 |
| 서브넷 생태계 시총 | 약 14억 7천만 달러 | dTAO 알파 토큰 총 시총 |
일반적으로 전통적인 중앙 집중식 AI 인프라 기업들은 private equity 시장에서 15~25배의 예상 매출 대비 기업 가치를 누리고 있습니다. 비텐서는 높은 유동성 프리미엄, 네트워크 효과, 그리고 희소성이라는 강점을 가지고 있습니다. 현재 약 20배의 주가매출비율(P/S)은 적정 수준이거나 오히려 저평가된 것으로 볼 수 있습니다. 비텐서 생태계 내 서브넷 토큰의 총 시총 14억 7천만 달러에 달합니다. 이러한 생태계 구조는 메인넷 TAO의 가치 포착에도 기여하고 있습니다.
3 SN3 돌파구
재무 데이터는 프로토콜 가치 평가의 하한선을 설정했습니다. 탈중앙화 교육 분야의 기술적 혁신은 시총 가능성을 완전히 열어주었습니다.
TAO가 최근 시장 추세를 거스르며 급등한 핵심 원동력은 결코 단순한 투기적 거래에 있지 않습니다. 기반 기술에서 역사적인 혁신이 이루어졌고, 기업 가치 평가 방식이 "스토리 중심"에서 "제품 중심"으로 근본적으로 전환되었기 때문입니다.
3.1 Covenant-72B는 탈중앙화 실현 가능성을 검증합니다
2026년 3월 10일, Bittensor 생태계의 서브넷인 Templar(SN3)와 이를 개발한 Covenant Labs 팀은 arXiv에 기술 보고서를 발표했습니다. 이 보고서에서 Covenant-72B 대규모 언어 모델의 사전 학습이 성공적으로 완료되었다고 밝혔습니다. 이는 완전한 탈중앙화 및 무허가 인터넷 환경에서 학습된 모델 중 가장 큰 규모의 밀집 아키텍처 모델입니다.
이 모델은 720억 개의 파라미터를 가지고 있으며 1조 1천억 개의 토큰으로 학습되었습니다. MMLU 점수는 67.1에 달하며, 기본 성능은 Meta의 LLaMA-2-70B와 유사합니다. 이 모델은 탈중앙화 학습의 통신 대역폭 병목 현상을 극복했습니다. SparseLoCo 알고리즘의 도입이 결정적인 역할을 했습니다. 각 노드는 핵심 그래디언트 구성 요소의 1~3%만 전송하고 2비트 양자화를 수행하여 146배 이상의 데이터 압축률(100MB의 데이터를 1MB 미만으로 압축)을 달성했습니다. 일반적인 인터넷 대역폭 환경에서 컴퓨팅 활용률은 94.5%에 달합니다. 이 성과는 전 세계적으로 분산된 이기종 해시레이트 상업적으로 경쟁력 있는 최첨단 모델을 만들어낼 수 있음을 보여줍니다. 이 기술 솔루션은 고가의 InfiniBand 전용선이나 중앙 집중식 슈퍼컴퓨팅 클러스터에 대한 의존도를 없애줍니다.
코버넌트-72B의 성공은 전통적인 AI 커뮤니티에 빠르게 파장을 일으켰습니다.
- 앤트로픽 공동 창립자 잭 클라크는 3월 16일 연구 보고서에서 이 획기적인 기술을 광범위하게 인용하며 극찬했습니다. 그는 이 기술을 "분산 학습을 통해 AI의 정치경제학에 도전하는 것"이라고 평가했습니다. 또한, 그는 이 기술을 지속적으로 주시할 가치가 있으며, 미래의 온디바이스 AI가 이러한 탈중앙화 학습 모델을 널리 채택할 것이라고 예측했습니다.
- 젠슨 황의 "폴딩@홈" 비유: 3월 20일, All-In VC 팟캐스트에서 차마스는 NVIDIA CEO 젠슨 황에게 비텐서의 기술적 성과를 소개했습니다. 황은 이에 긍정적으로 반응하며, 이를 "현대판 폴딩@홈"에 비유하고 오픈소스와 분산형 모델의 공존 필요성을 강조했습니다.
3.2 SN3의 두 가지 핵심 구성 요소: 통신 효율성 및 여기 호환성 문제 해결
하드웨어와 네트워크 품질이 각기 다른 수십 개의 신뢰할 수 없는 노드가 협력하여 동일한 72B 모델을 학습합니다. SN3는 두 가지 핵심 구성 요소를 통해 통신 대역폭 및 악의적인 공격 문제를 해결합니다.
- SparseLoCo(통신 효율성 문제 해결): 기존의 분산 학습 방식은 매 단계마다 완전한 그래디언트를 동기화해야 하므로 방대한 양의 데이터가 발생합니다. SparseLoCo는 각 노드가 내부 최적화(AdamW)를 30단계까지 로컬에서 실행할 수 있도록 합니다. 그런 다음 노드는 결과로 생성된 "유사 그래디언트"를 압축하여 업로드합니다. 이 시스템은 Top-k 희소성(핵심 그래디언트 구성 요소의 1~3%만 유지), 오류 피드백 및 2비트 양자화를 활용합니다. 이 과정을 통해 146배 이상의 데이터 압축률(100MB의 데이터를 1MB 미만으로 압축)을 달성합니다. 일반적인 인터넷 환경(업로드 110Mbps, 다운로드 500Mbps)에서 시스템의 연산 활용률은 94.5%를 유지합니다. 각 통신 라운드는 단 70초밖에 걸리지 않습니다.
- Gauntlet(인센티브 호환성 문제 해결): 이 구성 요소는 온체인 실행됩니다. 각 노드가 제출한 의사 기울기(pseudo-gradient)의 품질을 검증하는 역할을 합니다. 시스템은 소량의 데이터를 사용하여 "노드의 기울기를 사용한 후 모델 손실 감소 정도"(LossScore)를 테스트합니다. 또한 노드가 할당된 데이터로 학습하고 있는지 확인하여 부정행위를 방지합니다. 각 집계 단계에서는 가장 높은 점수를 받은 노드의 기울기만 선택됩니다. 이 메커니즘은 탈중앙화 환경에서 "채굴자들이 작업을 소홀히 하는 것을 방지하는 방법"이라는 근본적인 문제를 해결합니다.
4. 서브넷 생태계와 dTAO 메커니즘의 초강력 활용
Bittensor는 2025년에 Dynamic TAO(dTAO) 메커니즘을 출시했습니다. 이 메커니즘은 이러한 가격 급등에 핵심적인 "증폭기" 역할을 했습니다. dTAO를 통해 각 서브넷은 자체적인 알파 토큰을 발행할 수 있습니다. 서브넷은 자동 MM (Market Making)(AMM) 메커니즘을 통해 TAO와 유동성 풀을 구축합니다.
4.1 서브넷 토큰의 레버리지 효과
dTAO 메커니즘 하에서, 서브넷 토큰의 가격은 해당 서브넷 풀에 스테이킹 TAO 준비금의 양에 따라 직접적으로 결정됩니다. TAO 가격이 상승하면 모든 서브넷의 기본 준비금 가치도 그에 따라 증가합니다. 그러면 해당 서브넷 토큰의 가격이 자연스럽게 상승합니다. 이러한 서브넷 토큰 가격의 급등은 더 많은 투기 자금과 스테이킹 자금을 끌어들여 TAO를 구매하고 해당 서브넷에 예치하게 만듭니다. 따라서 이 시스템은 강력한 긍정적 피드백 루프를 형성합니다.
| 코어 서브넷 토큰 | 30일 가격 인상 | 핵심 업무 포지셔닝 |
|---|---|---|
| 템플러(SN3) | +444% | 대규모 모델의 분산 사전 학습 |
| 오메가 랩스 | +440% | 다중 모드 데이터 수집 및 마이닝 |
| 레벨 114 | +280% | - |
| 비트퀀트 | +230% | - |
| 타르곤 | +166% | 해시레이트 및 추론 서비스 |
위 표에서 볼 수 있듯이, 코버넌트-72B의 성공에 힘입어 SN3(템플러) 토큰은 단 한 달 만에 440% 이상 급등하여 시총 1억 3천만 달러를 기록했습니다. 이러한 서브넷 수준에서의 부의 창출 효과는 분명하게 나타납니다. 3월 말 기준 서브넷 토큰의 총 시가 시총 14억 7천만 달러에 달했으며, 일일 거래량은 1억 1천 8백만 달러를 넘어섰습니다. 이러한 효과는 일종의 "초대형 레버리지" 역할을 하여 엄청난 매수 압력을 TAO 코인으로 다시 전달했습니다.
4.2 수직 생태계의 통합
Covenant Labs는 SN3를 운영하는 동시에 해시레이트 서비스에 초점을 맞춘 SN39(Basilica)와 강화 학습의 사후 학습 및 평가에 초점을 맞춘 SN81(Grail)도 설립했습니다. 이러한 수직적 통합은 사전 학습부터 정렬 최적화에 이르기까지 전체 프로세스를 포괄합니다. 이 전략은 Bittensor 생태계 내에서 이미 형성된 완전한 탈중앙화 AI 산업 체인 루프를 시장에 보여줍니다.
5. 코인 유통
2026년 3월 29일 기준 Taostat 및 CoinMarketCap의 최신 온체인 데이터를 기반으로 Bittensor 네트워크의 건전성을 다음과 같은 측면에서 심층적으로 평가할 수 있습니다.
| 온체인 지표 | 데이터 성능 | 평가 및 통찰 |
|---|---|---|
| 스테이킹 비율 | 순환량의 68%~75% | 매우 높은 스테이킹 비율(약 734만 TAO 토큰이 락업됨)로 인해 시장의 실제 유통량이 크게 감소했습니다. 이는 강력한 공급 압축 효과를 만들어내어 가격 상승세를 부추겼습니다. |
| 서브넷 활동 | 128개의 활성 서브넷 | 생태계는 번창하고 있습니다. Templar(SN3) 및 Targon(SN4)과 같은 주요 서브넷은 수억 달러에 달하는 독립적인 시총 달성했습니다. 이러한 데이터는 dTAO 메커니즘 하에서 서브넷 토큰이 "레버리지 투자"로서 성공적임을 보여줍니다. |
| 알파 토큰 총 시총 | 약 14억 7천만 달러 | 이 데이터는 dTAO 출시 이후 50배 이상 증가한 수치로, 서브넷 생태계에 대한 시장의 높은 수용도를 반영합니다. 메인넷 TAO 또한 지속적으로 강력한 수요 지원을 받고 있습니다. |
| 검증자 농도 | 주요 검증자가 가중치의 대부분을 차지합니다. | tao.bot, Taostats, 그리고 OpenTensor Foundation이 상당한 비중을 차지하고 있다는 점은 중앙 집중화 정도를 보여줍니다. 핵심 네트워크 구축자들이 네트워크와 깊이 통합되어 있다는 점 또한 분명하게 드러납니다. |
| 일일 거래량 | 약 2억 4천 1백만 달러 | 거래량 대비 시총 비율은 약 7.03%입니다. 유동성이 매우 풍부하며, 시장 거래가 활발합니다. 기관 투자자와 개인 투자자 참여율이 높습니다. |
| 90일 이내에 AI 에이전트를 배포하세요 | 14,500 | 실제 네트워크 사용량 증가율이 이 데이터에 반영되어 있습니다. 이는 실제 수요를 측정하는 중요한 지표입니다. |
온체인 종합적인 평가:
Bittensor의 온체인 데이터는 매우 건전한 경제의 특징을 보여줍니다. 높은 스테이킹 비율은 유동성을 확보하고, 실질적인 수익은 펀더멘털을 뒷받침합니다. dTAO 메커니즘은 서브넷 혁신을 촉진합니다. 지속적인 공급 측면의 축소(반감 및 높은 스테이킹 비율 포함)와 지속적인 수요 측면의 성장(기관 투자자 유입 및 AI 기반 스토리텔링 강화 포함)이 결합되어 매우 유리한 가격 변동 모델을 구축합니다.
6. 가치 평가 관련 우려 사항
온체인 데이터의 투명성은 주로 공급 측면에 반영되는 반면, 수요 측면의 오프체인 특성(실제 AI 서비스 호출량)은 여전히 중요한 정보 사각지대로 남아 있다는 점에 유의해야 합니다.
리스크 1: 높은 토큰 보조금이 실제 사업 비용을 가립니다. 현재 대부분의 서브넷에서 제공하는 저렴한 서비스는 TAO 토큰 인플레이션 보조금에 크게 의존하고 있습니다. 대표적인 추론 서브넷인 Chutes(SN64)를 예로 들면, 이 네트워크의 발행 보조금 대비 외부 수익 비율은 22~40:1에 달합니다. 토큰 보조금을 제외하면 실제 서비스 가격은 중앙 집중식 경쟁업체보다 훨씬 높습니다. Together.ai 와 같은 플랫폼과 비교했을 때, 서비스 프리미엄은 1.6배에서 3.5배에 이릅니다. 향후 반감 가 반복될수록 이러한 비즈니스 모델의 취약성이 더욱 드러날 것입니다.
리스크 2: 상업적 해자 부재로 인한 높은 사용자 이탈률. 비텐서 네트워크는 주로 오픈 소스 모델과 표준화된 API를 제공합니다. 이러한 모델은 AWS와 같은 기존 클라우드 거대 기업과는 근본적으로 다릅니다. 생태계는 독점 플랫폼, 심층적인 기업 통합, 데이터 선순환 구조 등 전통적인 "벤더 종속 효과"가 심각하게 부족합니다. 개발자 마이그레이션 비용은 매우 낮습니다. 토큰 보조금이 단계적으로 폐지되면 가격에 민감한 B2B 사용자들이 빠르게 이탈할 것입니다. 저렴한 중앙 집중식 해시레이트 플랫폼은 이러한 이탈을 쉽게 흡수할 수 있습니다.
리스크 3: 데이터 디플레이터 적용 후 가치 평가 불일치 리스크. 앞서 언급한 1분기 매출 4,300만 달러와 관련하여, 일부 신중한 기관 연구진은 완전히 다른 계산 모델을 제시했습니다. 생태계 내 관련 당사자 거래 및 보조금을 제외하고, 엄격하게 검증된 진정한 외부 법정화폐 매출만을 고려할 경우, 네트워크의 연간 매출은 300만 달러에서 1,500만 달러 사이로 급락할 수 있습니다. 이러한 축소된 실제 매출 기반을 사용하면 네트워크의 실제 주가매출비율(P/S)은 175~400배라는 매우 위험한 범위까지 치솟을 수 있습니다. 가치 평가 거품 붕괴 리스크 객관적으로 존재합니다.
