IOSG: AI x Web3 기술 스택을 통해 인프라 새로운 서사 전개

저자: IOSG Ventures

서문

최근 대형 언어 모델(LLMs)의 급속한 발전은 인공지능(AI)을 활용하여 각 산업을 혁신하려는 관심을 불러일으켰습니다. 블록체인 산업도 예외는 아니며, AI x Crypto 내러티브의 출현으로 주목받고 있습니다. 본 문서는 AI와 암호화폐의 융합을 위한 세 가지 주요 경로를 탐구하고, AI 산업 문제를 해결하는 데 있어 블록체인 기술의 독특한 기회를 논의합니다.

AIxCrypto의 세 가지 경로는 다음과 같습니다:

• 1. 기존 제품에 AI 통합하기: Dune과 같은 회사는 SQL 코파일럿을 도입하여 사용자가 복잡한 쿼리를 작성하는 데 도움을 주는 등 AI를 활용하여 제품을 강화하고 있습니다.

• 2. 암호화 생태계를 위한 AI 인프라 구축하기: Ritual과 Autonolas와 같은 신생 기업은 암호화 생태계의 요구에 맞춘 AI 기반 인프라 개발에 집중하고 있습니다.

• 3. 블록체인을 활용하여 AI 산업 문제 해결하기: Gensyn, EZKL 및 io.net과 같은 프로젝트는 데이터 프라이버시, 보안 및 투명성과 같은 AI 산업이 직면한 문제를 해결하기 위해 블록체인 기술을 탐구하고 있습니다.

AI x Crypto의 독특한 점은 블록체인 기술이 AI 산업의 내재적 문제를 해결할 수 있는 잠재력을 가지고 있다는 것입니다. 이 독특한 교차점은 AI와 블록체인 커뮤니티에 유익한 혁신적 솔루션의 새로운 가능성을 열어줍니다.

AI x Crypto 분야를 깊이 탐구하면서, 우리는 블록체인 기술이 AI 산업의 도전 과제를 해결하는 데 있어 가장 유망한 응용 프로그램을 식별하고 보여주고자 합니다. AI 산업 전문가 및 암호화 구축자와 협력하여 두 기술의 장점을 최대한 활용하는 최첨단 솔루션 개발을 촉진하는 데 전념하고 있습니다.

Part One

1. 산업 개요

AI x Crypto 분야는 인프라와 응용 프로그램의 두 가지 주요 범주로 나눌 수 있습니다. 일부 기존 인프라는 AI 사용 사례를 지속적으로 지원하고 있지만, 새로운 참여자들이 시장에 완전히 새로운 AI 네이티브 아키텍처를 출시하고 있습니다.

1.1 계산 네트워크

AIxCrypto 분야에서 계산 네트워크는 AI 응용 프로그램에 필요한 인프라를 제공하는 데 중요한 역할을 합니다. 이러한 네트워크는 지원하는 작업에 따라 일반 계산 네트워크와 전용 계산 네트워크의 두 가지 유형으로 나눌 수 있습니다.

1.1.1 일반 계산 네트워크

일반 계산 네트워크(예: IO.net 및 Akash)는 사용자에게 SSH를 통해 머신에 접근할 수 있는 기회를 제공하고, 명령줄 인터페이스(CLI)를 제공하여 사용자가 자신의 응용 프로그램을 구축할 수 있도록 합니다. 이러한 네트워크는 클라우드에서 개인 계산 환경을 제공하는 가상 사설 서버(VPS)와 유사합니다.

IO.net은 Solana 생태계를 기반으로 하여 GPU 임대 및 계산 클러스터에 중점을 두고 있으며, Cosmos 생태계를 기반으로 한 Akash는 주로 CPU 클라우드 서버와 다양한 응용 프로그램 템플릿을 제공합니다.

IOSG Ventures의 의견:

성숙한 Web2 클라우드 시장과 비교할 때, 계산 네트워크는 여전히 초기 단계에 있습니다. Web3 계산 네트워크는 AWS, Azure 및 Google Cloud와 같은 주요 클라우드 서비스 제공업체를 기반으로 한 서버리스 함수, VPS 및 데이터베이스 클라우드 프로젝트와 같은 "레고" 구축 모듈이 부족합니다.

계산 네트워크의 장점은 다음과 같습니다:

• 블록체인 기술은 사용되지 않는 계산 자원과 개인 컴퓨터를 활용하여 네트워크의 지속 가능성을 높일 수 있습니다.

• P2P(피어 투 피어) 설계는 개인이 사용하지 않는 계산 자원을 화폐화할 수 있도록 하여 비용을 75%-90%까지 잠재적으로 낮출 수 있습니다.

하지만 다음과 같은 도전 과제로 인해 계산 네트워크는 실제 생산에 투입되고 Web2 클라우드 서비스를 대체하기가 어렵습니다:

• 가격 책정은 일반 계산 네트워크의 주요 장점이지만, 기능, 보안 및 안정성 측면에서 성숙한 Web2 클라우드 회사와 경쟁하는 것은 여전히 도전적입니다.

• P2P 스타일은 이러한 네트워크가 성숙하고 안정적인 제품을 신속하게 제공하는 능력을 제한할 수 있습니다. 탈중앙화 특성은 개발 및 유지 관리 비용을 추가로 증가시킵니다.

1.1.2 전용 계산 네트워크

전용 계산 네트워크는 일반 계산 네트워크의 기반 위에 추가 계층을 추가하여 사용자가 구성 파일을 통해 특정 응용 프로그램을 배포할 수 있도록 합니다. 이러한 네트워크는 3D 렌더링 또는 AI 추론 및 훈련과 같은 특정 사용 사례를 충족하도록 설계되었습니다.

Render는 3D 렌더링에 중점을 둔 전문 계산 네트워크입니다. AI 분야에서는 Bittensor, Hyperbolic, Ritual 및 fetch.ai와 같은 신생 기업이 AI 추론에 집중하고 있으며, Flock과 Gensyn은 주로 AI 훈련에 중점을 두고 있습니다.

IOSG Ventures의 의견:

전용 계산 네트워크의 장점:

• 탈중앙화 및 암호화 특성은 AI 산업에서 일반적으로 존재하는 중앙 집중화 및 투명성 문제를 해결합니다.

• 무허가 계산 네트워크 및 검증 프로토콜은 추론 및 훈련 과정의 유효성을 보장합니다.

• Flock이 채택한 연합 학습과 같은 프라이버시 보호 기술은 개인이 모델 훈련에 데이터를 기여할 수 있도록 하면서도 데이터를 로컬에서 비공개로 유지할 수 있게 합니다.

• 스마트 계약을 지원하여 하위 블록체인 응용 프로그램과 통합할 수 있어 AI 추론이 블록체인에서 직접 사용될 수 있습니다.

출처: IOSG Ventures

전문 AI 추론 및 훈련 계산 네트워크는 여전히 초기 단계에 있지만, 우리는 Web3 AI 응용 프로그램이 Web3 AI 인프라를 우선적으로 사용할 것으로 예상합니다. 이 추세는 Story Protocol과 Ritual이 MyShell과 협력하여 AI 모델을 지식 재산으로 도입하는 등의 협력에서 분명하게 나타났습니다.

이러한 신흥 AI x Web3 인프라를 기반으로 한 킬러 애플리케이션은 아직 등장하지 않았지만, 성장 잠재력은 큽니다. 생태계가 성숙함에 따라 우리는 탈중앙화 AI 계산 네트워크의 독특한 능력을 활용하는 혁신적인 응용 프로그램을 더 많이 보게 될 것으로 예상합니다.

Part Two

2. 데이터

데이터는 AI 모델에서 중요한 역할을 하며, AI 모델 개발의 모든 단계에서 데이터 수집, 훈련 데이터 세트 저장 및 모델 저장이 포함됩니다.

2.1 데이터 저장

AI 모델을 탈중앙화하여 저장하는 것은 탈중앙화 방식으로 추론 API를 제공하는 데 필수적입니다. 추론 노드는 언제 어디서나 이러한 모델을 검색할 수 있어야 합니다. AI 모델의 크기가 수백 GB에 이를 수 있으므로 강력한 탈중앙화 저장 네트워크가 필요합니다. Filecoin 및 Arweave와 같은 탈중앙화 저장 분야의 선두주자가 이 기능을 제공할 수 있을 것입니다.

IOSG Ventures의 의견:

이 분야에는 큰 기회가 존재합니다.

• AI 모델 최적화를 위한 탈중앙화 데이터 저장 네트워크는 버전 관리, 다양한 저정밀 모델 양자화 저장 및 대형 모델의 빠른 다운로드와 같은 기능을 제공합니다.

• 탈중앙화 벡터 데이터베이스는 모델과 함께 자주 번들로 제공되며, 필요한 문제 관련 지식을 삽입하여 더 정확한 답변을 제공합니다. 기존 SQL 데이터베이스도 벡터 검색 지원을 추가할 수 있습니다.

2.2 데이터 수집 및 라벨링

고품질 데이터를 수집하는 것은 AI 훈련에 필수적입니다. Grass와 같은 블록체인 기반 프로젝트는 개인의 네트워크를 활용하여 AI 훈련을 위한 데이터를 크라우드소싱합니다. 적절한 인센티브와 메커니즘을 통해 AI 훈련자는 저렴한 비용으로 고품질 데이터를 얻을 수 있습니다. Tai-da와 Saipen과 같은 프로젝트는 데이터 라벨링에 집중하고 있습니다.

IOSG Ventures의 의견:

우리는 이 시장에 대한 몇 가지 관찰을 가지고 있습니다:

• 대부분의 데이터 라벨링 프로젝트는 GameFi에서 영감을 받아 사용자를 "라벨링으로 수익" 개념으로 유인하고, 개발자는 고품질 라벨링 데이터를 저렴한 비용으로 확보하기 위해 약속을 합니다.

• 현재 이 분야에서 뚜렷한 선두주자는 없으며, Scale AI가 Web2 데이터 라벨링 시장을 지배하고 있습니다.

2.3 블록체인 데이터

블록체인에 특화된 AI 모델을 훈련할 때, 개발자는 고품질 블록체인 데이터가 필요하며, 이를 훈련 과정에서 직접 사용할 수 있기를 원합니다. Spice AI와 Space and Time은 SDK가 포함된 고품질 블록체인 데이터를 제공하여 개발자가 데이터를 쉽게 훈련 데이터 파이프라인에 통합할 수 있도록 합니다.

IOSG Ventures의 의견:

블록체인 관련 AI 모델에 대한 수요가 증가함에 따라 고품질 블록체인 데이터에 대한 수요도 급증할 것입니다. 그러나 현재 대부분의 데이터 분석 도구는 CSV 형식으로만 데이터를 내보내기 때문에 AI 훈련 목적에는 적합하지 않습니다.

블록체인에 특화된 AI 모델의 발전을 촉진하기 위해, 개발자 경험을 향상시키기 위해 더 많은 블록체인 관련 머신러닝 운영(MLOP) 기능을 제공하는 것이 중요합니다. 이러한 기능은 개발자가 블록체인 데이터를 Python 기반 AI 훈련 파이프라인에 원활하게 통합할 수 있도록 해야 합니다.

Part Three

3. ZKML

덜 복잡한 모델을 사용하여 계산 비용을 줄이려는 동기가 있는 중앙 집중식 AI 제공자는 신뢰 문제에 직면해 있습니다. 예를 들어, 작년에는 사용자가 ChatGPT의 성능이 좋지 않다고 생각한 적이 있었습니다. 이는 나중에 OpenAI의 업데이트가 모델 성능을 향상시키기 위한 것이라는 것으로 귀결되었습니다.

또한, 콘텐츠 제작자는 AI 회사에 대해 저작권 우려를 제기했습니다. 이러한 회사는 특정 데이터가 훈련 과정에 포함되지 않았음을 입증하기가 어렵습니다.

제로 지식 머신러닝(ZKML)은 중앙 집중식 인공지능 제공자와 관련된 신뢰 문제를 해결하는 혁신적인 접근 방식입니다. 제로 지식 증명을 활용하여 ZKML은 개발자가 민감한 데이터나 모델 세부정보를 공개하지 않고도 AI 훈련 및 추론 과정의 정확성을 증명할 수 있게 합니다.

3.1 훈련

개발자는 Risc Zero에서 제공하는 가상 머신(ZKVM)에서 훈련 작업을 수행할 수 있습니다. 이 과정은 훈련이 올바르게 진행되었고, 승인된 데이터만 사용되었음을 검증하는 증명을 생성합니다. 이 증명은 개발자가 적절한 훈련 규범 및 데이터 사용 권한을 준수하고 있다는 증거로 작용합니다.

IOSG Ventures의 의견:

• ZKML은 AI 모델의 블랙박스 특성 하에서 일반적으로 달성하기 어려운 모델 훈련 중 승인된 데이터 사용을 증명하기 위한 독특한 솔루션을 제공합니다.

• 이 기술은 여전히 초기 단계에 있으며, 계산 비용이 큽니다. 커뮤니티는 ZK 훈련의 더 많은 사용 사례를 적극적으로 탐색하고 있습니다.

3.2 추론

훈련에 비해 ZKML을 추론에 사용하는 데는 훨씬 더 오랜 시간이 걸립니다. 이 분야에는 고유한 방법을 채택하여 머신러닝 추론을 신뢰할 수 없고 투명하게 만드는 몇몇 유명한 회사가 등장했습니다.

Giza는 포괄적인 머신러닝 운영(MLOP) 플랫폼을 구축하고 그 주위에 활기찬 커뮤니티를 형성하는 데 집중하고 있습니다. 그들의 목표는 개발자에게 ZKML을 추론 워크플로에 통합할 수 있는 도구와 자원을 제공하는 것입니다.

반면, EZKL은 사용자 친화적인 ZKML 프레임워크를 생성하여 우수한 성능을 제공하며 개발자 경험을 우선시합니다. 그들의 솔루션은 ZKML 추론을 구현하는 과정을 간소화하여 더 많은 개발자가 쉽게 사용할 수 있도록 설계되었습니다.

Modulus Labs는 다른 접근 방식을 채택하여 자체 증명 시스템을 개발했습니다. 그들의 주요 목표는 ZKML 추론과 관련된 계산 비용을 크게 줄이는 것입니다. 비용을 10배 줄임으로써 Modulus Labs는 ZKML 추론이 실제 응용에서 더 실용적이고 효율적이도록 하려 합니다.

IOSG Ventures의 의견:

• ZKML은 신뢰가 중요한 GameFi 및 DeFi 시나리오에 특히 적합합니다.

• ZKML이 도입한 계산 비용은 대형 AI 모델이 효율적으로 실행되기 어렵게 만듭니다.

• 이 산업은 제품에서 ZKML을 대량으로 사용하는 DeFi 및 GameFi 선구자를 찾고 있으며, 이를 통해 실제 응용 사례를 보여주고자 합니다.

Part Four

4. 에이전트 네트워크 + 기타 응용 프로그램

4.1 에이전트 네트워크

에이전트 네트워크는 특정 작업을 수행하는 도구와 지식을 갖춘 여러 AI 에이전트로 구성됩니다. 이러한 에이전트는 더 복잡한 목표를 달성하기 위해 서로 협력할 수 있습니다. 여러 유명한 회사가 챗봇과 같은 에이전트 및 에이전트 네트워크를 적극적으로 개발하고 있습니다.

Sleepless, Siya, Myshell, characterX 및 Delysium은 챗봇 에이전트를 구축하는 중요한 참여자입니다. Autonolas와 ChainML은 더 강력한 사용 사례를 위해 에이전트 네트워크를 구축하고 있습니다.

IOSG Ventures의 의견:

에이전트는 현실 세계의 응용에 필수적입니다. 그들은 일반 인공지능보다 특정 작업을 더 잘 수행할 수 있습니다. 블록체인은 AI 에이전트에게 몇 가지 독특한 기회를 제공합니다.

• 인센티브 메커니즘: 블록체인은 비트코인과 같은 기술을 통해 인센티브 메커니즘을 제공합니다. 명확한 소유권과 인센티브 구조를 통해 창작자는 체인에서 더 흥미롭고 혁신적인 에이전트를 개발하도록 유도됩니다.

• 스마트 계약의 조합 가능성: 블록체인上的 스마트 계약은 높은 조합 가능성을 가지고 있으며, 레고 블록처럼 작동합니다. 스마트 계약이 제공하는 개방형 API는 에이전트가 전통적인 금융 시스템에서 구현하기 어려운 복잡한 작업을 수행할 수 있게 합니다. 이러한 조합 가능성은 에이전트가 다양한 탈중앙화 응용 프로그램(dApps)과 상호작용하고 그 기능을 활용할 수 있게 합니다.

• 내재적 개방성: 블록체인上에서 에이전트를 구축함으로써, 그들은 이러한 네트워크의 내재적 개방성과 투명성을 상속받습니다. 이는 서로 다른 에이전트 간의 조합 가능성을 창출하여, 그들이 협력하고 각자의 능력을 결합하여 더 복잡한 작업을 해결할 수 있게 합니다.

4.2 기타 응용 프로그램

앞서 논의한 주요 범주 외에도 Web3 분야에서 주목받고 있는 몇 가지 흥미로운 AI 응용 프로그램이 있으며, 이들은 독립적인 범주를 형성하기에는 아직 충분히 크지 않을 수 있습니다. 이러한 응용 프로그램은 다양한 분야에 걸쳐 있으며, 블록체인 생태계에서 AI의 다양성과 잠재력을 보여줍니다.

• 이미지 생성: ImgnAI

• 이미지 프롬프트 수익화: NFPrompt

• 커뮤니티 훈련 AI 이미지 생성: Botto

• 챗봇: Kaito, Supersight, Galaxy, Knn3, Awesome QA, Qna3

• 금융: Numer AI

• 지갑: Dawn_wallet

• 게임: Parallel TCG

• 교육: Hooked

• 보안: Forta

• DID: Worldcoin

• 창작자 도구: Plai Lab

Part Five

5. AIxCrypto를 Web2 사용자에게 홍보하여 대규모 채택을 이루기

AI x Crypto가 독특한 이유는 인공지능 분야에서 가장 어려운 문제를 해결할 수 있기 때문입니다. 현재 AIxCrypto 제품과 Web2 AI 제품 간의 격차가 존재하고 Web2 사용자에게 매력이 부족하지만, AIxCrypto는 독특한 기능을 갖추고 있습니다.

5.1 높은 비용 효율성의 계산 자원:

AIxCrypto의 주요 장점 중 하나는 높은 비용 효율성의 계산 자원을 제공하는 것입니다. LLM에 대한 수요가 증가함에 따라 시장에서 개발자가 늘어나고, GPU의 가용성과 가격이 더욱 도전적으로 변하고 있습니다. GPU 가격이 급등하고 있으며, 공급이 부족합니다.

DePIN 프로젝트와 같은 탈중앙화 계산 네트워크는 유휴 계산 능력, 소형 데이터 센터의 GPU 및 개인 컴퓨터 장치를 활용하여 이 문제를 완화할 수 있습니다. 탈중앙화 계산 파워의 안정성은 중앙 집중식 클라우드 서비스만큼 높지 않을 수 있지만, 이러한 네트워크는 다양한 지역에서 높은 비용 효율성의 계산 장비를 제공합니다. 이러한 탈중앙화 접근 방식은 엣지 지연을 최소화하여 더 분산되고 더 탄력적인 인프라를 보장합니다.

탈중앙화 계산 네트워크의 힘을 활용함으로써, AIxCrypto는 Web2 사용자에게 가격이 저렴하고 쉽게 접근할 수 있는 계산 자원을 제공할 수 있습니다. 이러한 비용 우위는 Web2 사용자가 AIxCrypto 솔루션을 채택하도록 유도하는 데 매력적이며, AI 계산에 대한 수요가 지속적으로 증가하는 상황에서 특히 그렇습니다.

5.2 창작자에게 소유권 부여:

AI x Crypto의 또 다른 중요한 장점은 창작자의 소유권 권리를 보호하는 것입니다. 현재 AI 분야에서는 일부 에이전트가 쉽게 복제될 수 있습니다. 유사한 프롬프트를 간단히 작성함으로써 이러한 에이전트를 쉽게 복제할 수 있습니다. 또한, GPT 스토어의 에이전트는 종종 중앙 집중식 회사가 소유하고 있어 창작자가 자신의 작품에 대한 통제력을 제한하고 효과적으로 수익을 창출할 수 있는 능력을 저해합니다.

AI x Crypto는 암호화 분야에서 널리 사용되는 성숙한 NFT 기술을 활용하여 이 문제를 해결합니다. 에이전트를 NFT로 표현함으로써, 창작자는 자신의 작품을 진정으로 소유하고 실제 수익을 얻을 수 있습니다. 사용자가 에이전트와 상호작용할 때마다 창작자는 인센티브를 받을 수 있어 그들의 노력에 대한 공정한 보상을 보장합니다. NFT 소유권 개념은 에이전트에만 국한되지 않고, AI 분야의 다른 중요한 자산, 예를 들어 지식 베이스 및 프롬프트를 보호하는 데에도 적용될 수 있습니다.

5.3 프라이버시 보호 및 신뢰 재구축:

사용자와 창작자는 중앙 집중식 AI 회사에 대해 프라이버시 우려를 가지고 있습니다. 사용자는 자신의 데이터가 향후 모델 훈련에 남용될까 걱정하며, 창작자는 자신의 작품이 사용되지만 적절한 귀속이나 보상이 부족할까 우려합니다. 또한, 중앙 집중식 AI 회사는 인프라 비용을 줄이기 위해 서비스 품질을 희생할 수 있습니다.

이러한 문제는 Web2 기술로 해결하기 어렵지만, AIxCrypto는 고급 Web3 솔루션을 활용합니다. 제로 지식 훈련 및 추론은 사용된 데이터를 증명하고 올바른 모델을 적용함으로써 투명성을 제공합니다. 신뢰할 수 있는 실행 환경(TEE), 연합 학습 및 완전 동형 암호화(FHE)와 같은 기술은 안전하고 프라이버시를 보호하는 AI 훈련 및 추론을 구현합니다.

프라이버시와 투명성을 우선시함으로써, AIxCrypto는 AI 회사가 대중의 신뢰를 다시 얻고 사용자 권리를 존중하는 AI 서비스를 제공할 수 있게 하여 전통적인 Web2 솔루션과 차별화합니다.

5.4 콘텐츠 출처 추적

AI가 생성한 콘텐츠가 점점 더 정교해짐에 따라, 인간 창작물과 AI가 생성한 텍스트, 이미지 또는 비디오를 구별하는 것이 더욱 어려워지고 있습니다. AI가 생성한 콘텐츠의 남용을 방지하기 위해서는 콘텐츠의 출처를 확인할 수 있는 신뢰할 수 있는 방법이 필요합니다.

블록체인은 콘텐츠 출처를 추적하는 데 뛰어난 성능을 발휘하며, 공급망 관리 및 NFT에서의 성공 사례와 유사합니다. 공급망 산업에서 블록체인은 제품의 전체 생애 주기를 추적하여 사용자가 제조업체와 주요 이정표를 식별할 수 있게 합니다. 마찬가지로 블록체인은 창작자를 추적하고 NFT의 경우에는 저작권 침해를 방지하며, 그 공개성 덕분에 NFT는 특히 저작권 침해에 취약합니다. 이러한 취약성에도 불구하고 블록체인을 활용하면 가짜 NFT로 인한 손실을 최소화할 수 있습니다. 사용자는 진짜와 가짜 토큰을 쉽게 구별할 수 있습니다.

AIxCrypto는 블록체인 기술을 활용하여 AI가 생성한 콘텐츠의 출처를 추적함으로써, 사용자가 콘텐츠의 창작자가 AI인지 인간인지 확인할 수 있는 능력을 제공하여 남용 가능성을 줄이고 콘텐츠의 진위에 대한 신뢰를 높입니다.

5.5 암호화폐를 활용한 모델 개발

모델을 설계하고 훈련하는 것은 특히 대형 모델의 경우 비용이 많이 들고 시간이 소요되는 과정입니다. 새로운 모델은 불확실성을 동반하며, 개발자는 그 성능을 예측할 수 없습니다.

암호화폐는 개발자가 사전 훈련 데이터를 수집하고 강화 학습 피드백을 수집하며 이해관계자로부터 자금을 모을 수 있는 개발자 친화적인 방법을 제공합니다. 이 과정은 전형적인 암호화폐 프로젝트의 생애 주기와 유사합니다: 개인 투자 또는 스타트업을 통해 자금을 조달하고, 시작 시 활성 기여자에게 토큰을 배포합니다.

모델은 유사한 방법을 통해 훈련 자금을 조달하기 위해 토큰을 판매하고, 데이터 및 피드백 기여자에게 토큰을 에어드롭할 수 있습니다. 정교하게 설계된 토큰 경제 모델을 통해 이 작업 흐름은 개인 개발자가 이전보다 더 쉽게 새로운 모델을 훈련할 수 있도록 도와줍니다.

Part Six

6. 토큰노믹스의 도전 과제

AI x Crypto 프로젝트는 Web2 개발자를 잠재 고객으로 겨냥하기 시작했습니다. 암호화폐는 독특한 가치 제안을 가지고 있으며, Web2 인공지능 산업의 시장 규모도 상당합니다. 그러나 토큰에 익숙하지 않거나 토큰 기반 시스템에 발을 담그고 싶지 않은 Web2 개발자에게는 토큰이 장애물이 될 수 있습니다.

Web2 개발자를 유치하기 위해, 토큰의 실용성을 줄이거나 제거하는 것은 Web3 애호가들에게 혼란을 초래할 수 있습니다. 이는 AI x Crypto 프로젝트의 근본적인 입장을 변경할 수 있기 때문입니다. 가치 있는 토큰을 인공지능 SaaS 플랫폼에 통합하려고 할 때, Web2 개발자를 유치하고 토큰의 실용성을 유지하는 균형을 찾는 것은 도전적인 과제가 됩니다.

Web2와 Web3 비즈니스 모델 간의 격차를 해소하고 동시에 토큰 가치를 유지하기 위해 다음과 같은 잠재적인 방법을 고려할 수 있습니다:

• 프로젝트의 분산 인프라 네트워크에서 토큰을 활용합니다. 스테이킹, 보상 및 벌칙 메커니즘을 구현하여 기본 네트워크를 보호합니다.

• 토큰을 결제 수단으로 사용하면서 Web2 사용자에게 사용 진입점을 제공합니다.

• 토큰 기반 거버넌스를 구현합니다.

• 토큰 보유자와 수익을 공유합니다.

• 수익을 활용하여 토큰을 재구매하거나 소각합니다.

• 프로젝트가 제공하는 서비스에 대해 토큰 보유자에게 할인 및 추가 기능을 제공합니다.

Web2와 Web3의 이익에 부합하는 정교하게 설계된 토큰 경제 모델을 통해 AI x Crypto 프로젝트는 Web2 개발자를 성공적으로 유치하면서도 토큰의 가치와 실용성을 유지할 수 있습니다.

Part Seven

7. 우리가 가장 좋아하는 AI x Crypto 시나리오

우리가 가장 좋아하는 AI x Crypto 시나리오는 사용자 협력의 힘을 활용하여 블록체인 기술로 인공지능 분야의 작업을 수행하는 것입니다. 몇 가지 구체적인 예는 다음과 같습니다:

1. 집단 AI 훈련, 정렬 및 벤치마킹을 위한 데이터 기여(예: Chatbot Arena)

2. 다양한 에이전트가 사용할 수 있는 대규모 공유 지식 기반 공동 구축(예: Sahara)

3. 개인 자원을 활용한 네트워크 데이터 크롤링(예: Grass)

블록체인 인센티브와 조정에 기반한 사용자 집단의 노력을 활용함으로써, 이러한 모델은 탈중앙화되고 커뮤니티 주도의 AI 개발 및 배포의 잠재력을 보여줍니다.

Part Eight

결론

우리는 AI와 Web3의 새벽에 있으며, 다른 산업에 비해 인공지능과 블록체인 분야의 통합은 여전히 초기 단계에 있습니다. 상위 50개의 Gen AI 제품 중 Web3와 관련된 제품은 없습니다. 최고의 LLM 도구는 콘텐츠 생성 및 편집과 관련이 있으며, 주로 판매, 회의 및 노트/지식 기반을 대상으로 합니다. Web3 생태계 내의 방대한 연구, 문서, 판매 및 커뮤니티 작업을 고려할 때, 맞춤형 LLM 도구 개발에 대한 잠재력은 큽니다.

현재 개발자들은 인프라 구축에 집중하고 있으며, 고급 AI 모델을 체인에 도입하고 있습니다. 비록 우리가 목표에 도달하지는 않았지만, 이 인프라를 계속 발전시키면서 우리는 안전하고 신뢰할 필요 없는 방식으로 체인에서 AI 추론을 수행할 수 있는 최적의 사용자 시나리오를 탐색하고 있습니다. 이는 블록체인 분야에 독특한 기회를 제공합니다. 다른 산업은 기존 LLM 인프라를 직접 사용하여 추론 및 미세 조정을 수행할 수 있습니다. 블록체인 산업만이 고유한 네이티브 AI 인프라가 필요합니다.

앞으로 우리는 블록체인 기술이 P2P의 장점을 활용하여 AI 산업에서 가장 도전적인 문제를 해결하여 AI 모델이 모든 사람에게 더 저렴하고 접근 가능하며 수익성 있게 만들 것으로 예상합니다. 우리는 암호화 분야가 AI 산업의 내러티브를 따라갈 것이라고 기대하며, 다소 지연이 있을 것입니다. 지난 1년 동안 우리는 개발자들이 Crypto, 에이전트 및 LLM 모델을 결합하는 것을 목격했습니다. 향후 몇 달 내에 우리는 더 많은 다중 모달 모델, 텍스트 비디오 생성 및 3D 생성이 Crypto 분야에 영향을 미치는 것을 볼 수 있을 것입니다.

현재 AI와 Web3 산업은 충분히 주목받지 못하고 있으며, 우리는 Web3에서 AI의 폭발적인 순간, 즉 CryptoxAI의 킬러 애플리케이션을 간절히 기대하고 있습니다.