AI 혁명의 배경
AI 폭발 배경
인공지능(AI) 기술의 급속한 발전으로 우리는 새로운 데이터 중심 시대를 맞이하고 있습니다. 딥 러닝, 자연어 처리 등 분야의 혁신으로 인해 AI 애플리케이션이 유비쿼터스화되었습니다. 2022년 ChatGPT의 탄생으로 AI 산업에 돌풍을 일으키고, 빈센트 비디오, 자동오피스 등 AI 도구가 잇달아 등장하며 AI+ 적용도 의제에 올랐다. AI 산업의 시장 가치도 급등해 2030년에는 1,850억 달러에 이를 것으로 예상된다.
그림 1 AI 시장가치 변화
기존 인터넷 기업이 AI를 독점하다
현재 AI 산업은 엔비디아(NVIDIA), 마이크로소프트(Microsoft), 구글(Google), 오픈AI(OpenAI) 등 기업이 주로 독점하고 있다. 기술의 발전으로 인해 데이터 집중화, 컴퓨팅 자원의 고르지 못한 분배 등 일련의 과제도 발생하고 있다. 동시에 Web3의 분산화 개념은 이러한 문제를 해결할 수 있는 새로운 가능성을 Web3의 분산 네트워크에서 제공하여 현재의 AI 개발 패턴을 재구성할 것입니다.
Web3+AI 진행상황
AI 산업이 급증하면서 고품질 Web3+AI 프로젝트가 대거 등장했다. Fetch.ai는 블록체인 기술을 통해 분산형 경제를 창출하고 자율 에이전트와 스마트 계약을 지원하여 AI 모델의 교육 및 적용을 최적화합니다. Numerai는 블록체인 기술과 데이터 과학자 커뮤니티를 사용하여 보상 메커니즘을 통해 시장 동향을 예측하고 동기를 부여합니다. 모델 개발자 Velas는 AI 및 블록체인을 위한 고성능 스마트 계약 플랫폼을 구축하여 더 빠른 거래 속도와 더 높은 보안을 제공합니다. AI 프로젝트 자체에는 데이터, 알고리즘, 컴퓨팅 파워라는 세 가지 주요 요소가 포함되어 있습니다. Web3+ 데이터와 Web3+ 컴퓨팅 파워 트랙은 현재 본격화되고 있지만 Web3+ 알고리즘 방향은 항상 독립적이었고 결국에는 단방향 응용프로그램으로 프로젝트를 형성합니다. Bittensor는 이러한 격차를 해소하고 최고 품질의 AI 프로젝트를 유지하기 위해 블록체인 자체의 경쟁 및 인센티브 메커니즘을 통해 자체 심사 및 경쟁 메커니즘을 갖춘 AI 알고리즘 플랫폼을 구축했습니다.
Bittensor 개발 이력
혁신적인 돌파구
Bittensor는 분산형 인센티브 기계 학습 네트워크이자 디지털 상품 시장입니다.
분산화: Bittensor는 다양한 회사와 조직이 관리하는 수천 개의 분산 컴퓨터 네트워크에서 실행되어 데이터 집중과 같은 문제를 해결합니다.
공정한 인센티브 메커니즘: Bittensor 네트워크가 서브넷에 제공하는 $TAO 토큰은 서브넷의 기여도에 비례하며, 서브넷이 채굴자와 검증자에게 제공하는 보상도 노드의 기여도에 비례합니다.
기계 학습 리소스: 분산형 네트워크는 기계 학습 컴퓨팅 리소스가 필요한 모든 개인에게 서비스를 제공할 수 있습니다.
다각화된 디지털 상품 시장: 처음에 Bittensor 네트워크의 디지털 상품 시장은 기계 학습 모델 및 관련 데이터의 거래를 위해 특별히 설계되었습니다. 그러나 Bittensor 네트워크의 확장과 데이터에 신경 쓰지 않는 Yuma 합의 메커니즘의 이점을 누리고 있습니다. 데이터의 실질적인 내용을 기반으로 모든 형태의 데이터가 거래될 수 있는 상품 시장이 되었습니다.
개발 경로
현재 시장에서 가치가 높은 많은 VC 프로젝트와 달리 Bittensor는 더 공정하고 흥미롭고 의미 있는 괴짜 프로젝트이며 개발 프로세스에는 다른 프로젝트처럼 하늘의 파이에서 사기 투자까지의 프로세스가 없습니다.
개념 형성 및 프로젝트 시작(2021): Bittensor는 분산형 AI 네트워크 홍보에 전념하는 기술 애호가 및 전문가 그룹에 의해 만들어졌습니다. 그들은 유연성과 확장성을 보장하기 위해 Substrate 프레임워크를 통해 Bittensor 블록체인을 구축했습니다.
초기 개발 및 기술 검증(2022): 팀은 분산형 AI의 타당성을 검증하기 위해 네트워크의 알파 버전을 출시합니다. 또한 데이터 불가지론 원칙을 강조하고 사용자 개인 정보 보호 및 보안을 유지하는 Yuma 합의를 도입합니다.
네트워크 확장 및 커뮤니티 구축(2023): 팀은 베타 버전을 출시하고 네트워크 유지 관리를 장려하기 위해 토큰 경제 모델(TAO)을 도입합니다.
기술 혁신 및 체인 간 호환성(2024): 팀은 DHT(분산 해시 테이블) 통합 기술을 사용하여 데이터 저장 및 검색을 보다 효율적으로 만듭니다. 동시에 이 프로젝트는 서브넷과 디지털 상품 시장의 홍보와 추가 확장에 초점을 맞추기 시작했습니다.
그림 2 Bittensor 네트워크 프로모션 사진
Bittensor의 개발 과정에는 전통적인 VC가 많이 개입하지 않아 중앙 집중식 제어의 위험을 피했습니다. 이 프로젝트는 토큰을 통해 노드와 채굴자에게 인센티브를 제공하며, 이는 또한 Bittensor 네트워크의 활력을 보장합니다. 본질적으로 Bittensor는 GPU 채굴자가 주도하는 AI 컴퓨팅 성능 및 서비스 프로젝트입니다.
토큰경제학
Bittensor 네트워크 토큰은 TAO입니다. 비트코인에 대한 존경심을 표현하기 위해 TAO는 여러 측면에서 BTC와 유사합니다. 총 발행량은 2,100만 코인이며, 이는 4년마다 절반으로 줄어듭니다. TAO 토큰은 Bittensor 네트워크가 출시될 때 공정한 출시를 통해 배포됩니다. 사전 채굴이 없으므로 창립 팀과 VC를 위해 예약된 토큰이 없습니다. 현재 Bittensor 네트워크 블록은 약 12초마다 생성되며 각 블록은 매일 약 7200개의 TAO를 보상합니다. 이러한 보상은 이제 기여도에 따라 각 서브넷에 분배된 다음 서브넷 내의 서브넷에 할당됩니다. . 소유자, 검증인 및 채굴자.
그림 3 Bittensor 커뮤니티 홍보 사진
TAO 토큰은 Bittensor 네트워크에서 컴퓨팅 리소스, 데이터 및 AI 모델을 구매하고 획득하는 데 사용할 수 있으며 커뮤니티 거버넌스에 참여하기 위한 자격 증명이기도 합니다.
개발현황
Bittensor 네트워크 계정의 총 수는 현재 100,000개 이상에 달하며 그 중 0이 아닌 계정이 80,000개에 달합니다.
그림 4 Bittensor 계정 수의 변화
지난 1년 동안 TAO는 현재 시장 가치가 22억 7,800만 달러, 통화 가격이 321달러로 수십 배 상승했습니다.
그림 5 TAO 토큰 가격 변화
점진적으로 구현되는 서브넷 아키텍처
비트텐서 프로토콜
Bittensor 프로토콜은 네트워크 참가자 간의 기계 학습 기능 및 예측 교환을 지원하고 P2P 방식으로 기계 학습 모델 및 서비스의 공유 및 협업을 촉진하는 분산형 기계 학습 프로토콜입니다.
그림 6 Bittensor 프로토콜
Bittensor 프로토콜에는 서브넷 생태계의 네트워크 아키텍처, 하위 텐서, 서브넷 아키텍처, 검증자 노드, 채굴자 노드 등이 포함됩니다. Bittensor 네트워크는 기본적으로 프로토콜에 참여하는 노드 그룹입니다. 각 노드는 Bittensor 클라이언트 소프트웨어를 실행하여 다른 네트워크와 상호 작용합니다. 이러한 노드는 최적의 생존 메커니즘을 채택합니다. 좋은 서브넷은 새로운 서브넷에 의해 제거되고, 각 서브넷의 성능이 낮은 검증인과 채굴자 노드도 압착됩니다. 서브넷은 Bittensor 네트워크 아키텍처에서 가장 중요한 부분임을 알 수 있습니다.
서브넷 논리
서브넷은 고유한 사용자 인센티브와 기능을 갖춘 독립적으로 실행되는 코드 조각으로 볼 수 있지만 각 서브넷은 Bittensor 메인넷과 동일한 합의 인터페이스를 유지합니다. 서브넷에는 로컬 서브넷, 테스트넷 서브넷, 메인넷 서브넷의 세 가지 유형이 있습니다. 루트 서브넷을 제외하면 현재 45개의 서브넷이 존재하며, 2024년 5월부터 7월까지 서브넷 수는 32개에서 64개로 늘어나 매주 4개의 새로운 서브넷이 추가될 예정입니다.
서브넷 역할 및 방출
전체 Bittensor 네트워크에는 사용자, 개발자, 채굴자, 서약 검증자, 서브넷 소유자 및 위원회 등 6가지 기능적 역할이 있습니다. 서브넷에는 서브넷 소유자, 채굴자 및 스테이크 검증자가 포함됩니다.
서브넷 소유자: 서브넷 소유자는 기본 채굴자 및 검증자 코드를 제공할 책임이 있으며 채굴자 작업 인센티브를 할당하기 위해 고유한 기타 인센티브 메커니즘을 설정할 수 있습니다.
채굴자: 채굴자 노드는 동일한 서브넷에 있는 다른 채굴자와의 경쟁에서 앞서기 위해 서버 및 채굴 코드를 반복하도록 권장됩니다. 배출량이 가장 적은 채굴자는 새로운 채굴자로 교체되며 노드를 다시 등록해야 합니다. 채굴자가 여러 서브넷에서 여러 노드를 실행할 수 있다는 점은 주목할 가치가 있습니다.
검증인: 검증인은 각 서브넷의 기여도를 측정하고 정확성을 보장하여 해당 보상을 얻습니다. 동시에 검증자 노드에서 TAO 토큰을 약속할 수 있으며 검증자 노드는 0~18%(조정 가능) 스테이킹 보상을 얻을 수 있습니다.
서브넷 방출은 채굴자와 검증자에게 보상을 제공하는 Bittensor 네트워크의 TAO 토큰 배포 메커니즘입니다. 서브넷에서 얻은 방출 보상은 일반적으로 서브넷 소유자에게 18%, 서브넷 검증자에게 41%가 할당되도록 설계되었습니다. 광부. 서브넷에는 256개의 UDI 슬롯이 포함되어 있으며, 그 중 64개의 UID 슬롯은 검증자에게 할당되고 192개의 UID는 채굴자에게 할당됩니다. 가장 큰 서약 금액을 가진 상위 64명의 검증자만이 검증자 라이센스를 얻을 수 있으며 서브넷에서 활성 검증자로 간주됩니다. 검증인의 스테이크 금액과 성과에 따라 서브넷에서의 상태와 보상이 결정됩니다. 채굴자의 성능은 서브넷 검증자의 요청과 평가를 통해 점수가 매겨지며, 성능이 낮은 채굴자는 새로 등록된 채굴자로 교체됩니다. 따라서 검증자가 약속한 토큰의 총량이 많을수록 채굴자의 컴퓨팅 효율성이 높아지고 총 서브넷 배출량이 높아져 순위가 높아집니다.
서브넷 등록 및 폐기
서브넷이 등록된 후 7일의 면제 기간이 시작됩니다. 최초 등록 비용은 100$TAO이고, 후속 등록 비용은 두 배가 되며, 시간이 지남에 따라 수수료는 100TAO로 낮아집니다. 모든 서브넷 위치가 가득 차면 새 서브넷을 등록할 때 면제 기간이 아닌 방출이 가장 적은 서브넷이 삭제되어 새 서브넷을 수용합니다. 따라서 서브넷은 면제 기간 이후 삭제되지 않도록 UID 슬롯의 검증인 서약 금액과 채굴 효율성을 최대한 높여야 합니다.
그림 7 서브넷 이름
Bittensor 네트워크의 하위 네트워크 아키텍처의 이점을 활용하여 분산형 AI 데이터 네트워크 Masa가 출시되었으며 Bittensor 네트워크에서 최초의 이중 통화 보상 시스템이 되어 미화 1,800만 달러의 자금 조달을 유치했습니다.
그림 8 마사 프로모션
합의 및 증명 메커니즘
Bittensor 네트워크에는 여러 합의 메커니즘과 증명 메커니즘이 포함되어 있습니다. 전통적인 분산형 네트워크에서는 채굴자 노드가 네트워크에 대한 기여도를 보장하고 검증자 노드의 컴퓨팅 성능 및 데이터 처리 품질에 따라 보상을 받기 위해 작업 증명(PoW)이 일반적으로 사용됩니다. 검증 증명)을 통해 네트워크의 보안과 무결성을 보장합니다. Bittensor 네트워크에서는 검증 및 보상 분배를 달성하기 위해 원래의 PoI 메커니즘(지능 증명)과 Yuma 합의가 사용됩니다.
지능 증명 메커니즘
Bittensor의 PoI 메커니즘은 지능형 컴퓨팅 작업 완료를 통해 참가자의 기여를 입증함으로써 네트워크 보안, 데이터 품질 및 컴퓨팅 리소스의 효율적인 사용을 보장하는 독창적인 검증 및 인센티브 메커니즘입니다.
채굴 노드는 자연어 처리, 데이터 분석, 기계 학습 모델 훈련 등을 포함할 수 있는 지능형 컴퓨팅 작업을 완료하여 자신의 작업을 증명합니다.
채굴자가 작업을 완료하면 결과가 검증자에게 반환되고 검증자는 작업 완료 품질에 따라 점수를 매깁니다.
유마 합의
Yuma 합의는 Bittensor 네트워크의 핵심 합의 메커니즘입니다. 검증자가 작업 완료를 기반으로 점수를 얻으면 해당 점수가 Yuma 합의 알고리즘에 입력됩니다. 합의 알고리즘에서는 TAO 서약을 많이 한 검증인이 더 높은 점수를 받습니다. 동시에 알고리즘은 다수의 검증인과 다른 결과를 걸러냅니다. 마지막으로 시스템은 종합 점수를 기준으로 토큰 보상을 분배합니다.
그림 9 합의 알고리즘의 도식
데이터 불가지론 원칙: 이는 데이터 처리 중 개인정보 보호와 보안을 보장합니다. 즉, 노드는 계산 및 검증을 완료하기 위해 처리 중인 데이터의 특정 내용을 알 필요가 없습니다.
성과 기반 보상: 노드의 성과와 기여도에 따라 보상을 할당하여 효율적이고 고품질의 컴퓨팅 리소스와 데이터 처리를 보장합니다.
MOE 메커니즘이 함께 작동합니다.
Bittensor는 MOE 메커니즘을 네트워크에 도입하고 여러 전문가 수준 하위 모델을 모델 아키텍처에 통합합니다. 각 전문가 모델은 해당 분야의 문제를 처리할 때 상대적인 이점을 갖습니다. 따라서 새로운 데이터가 전체 모델 아키텍처에 도입되면 다양한 하위 모델이 함께 작동하여 단일 모델보다 더 나은 결과를 얻을 수 있습니다.
Yuma 합의 메커니즘의 협력을 통해 검증자는 전문가 모델의 점수를 매기고 능력의 순위를 매기고 토큰 보상을 할당하여 모델 최적화 및 개선을 장려할 수도 있습니다.
그림 10 문제 해결 아이디어
서브넷 프로젝트
글을 쓰는 시점을 기준으로 등록된 Bittensor 서브넷의 수는 45개에 이르렀고, 그 수는 40개로 명명되었습니다. 과거에는 서브넷 수가 제한되어 있어서 서브넷 등록 경쟁이 매우 치열했고 등록 가격도 한때 수백만 달러에 달했습니다. 현재 Bittensor는 점차적으로 더 많은 서브넷 등록 할당량을 개방하고 있습니다. 새로 등록된 서브넷은 안정성과 모델 효율성 측면에서 오랫동안 실행된 서브넷만큼 좋지 않을 수 있습니다. 그러나 Bittensor가 도입한 서브넷 제거 메커니즘으로 인해 장기적으로 보면 좋은 코인이 나쁜 코인을 제거하는 과정이므로 모델 성능이 좋지 않고 강도가 부족한 서브넷은 생존하기 어려울 것입니다.
그림 11 Bittensor 서브넷 프로젝트 세부정보
루트 서브넷을 제외하면 현재 서브넷 19번, 18번, 1번 서브넷의 배출 비율이 각각 8.72%, 6.47%, 4.16%로 더 큰 주목을 받고 있습니다.
서브넷 19
서브넷 19는 Vision이라고 하며 2023년 12월 18일에 등록되었습니다. Vision은 분산형 이미지 생성 및 추론에 중점을 두고 있으며 네트워크는 최고의 오픈 소스 LLM, 이미지 생성 모델(서브넷 19의 데이터 세트에 대해 훈련된 모델 포함) 및 기타 기타 모델(예: 임베딩 모델)에 대한 액세스를 제공합니다.
현재 Vison 서브넷 슬롯 등록 비용은 3.7TAO이고, 총 24시간 노드 수익은 약 627.84TAO이며, 새로 등록된 노드가 일일 평균 수준에 도달할 수 있는 경우 지난 24시간 동안 64.79TAO 상당의 노드가 복구되었습니다. 수익은 약 $866에 도달할 수 있습니다.
그림 12 Vison 서브넷 등록비 데이터
현재 Vision 서브넷 재활용 노드의 총 가치는 약 19,200TAO입니다.
그림 13 비전 서브넷 재활용 수수료
서브넷 18
서브넷 18은 Cortex.t라고 하며 Corcel에서 개발했습니다. Cortex.t는 API를 통해 사용자에게 신뢰할 수 있는 고품질 텍스트 및 이미지 응답을 제공하는 최첨단 AI 플랫폼을 구축하기 위해 최선을 다하고 있습니다.
현재 Cortex.t 서브넷 슬롯 등록 비용은 3.34TAO이고, 총 24시간 노드 수익은 약 457.2TAO이며, 새로 등록된 노드가 평균 수준에 도달할 수 있는 경우 지난 24시간 동안 106.32TAO 상당의 노드가 재활용되었습니다. 일일 수익은 1.76 TAO, 약 $553.64에 도달할 수 있습니다.
그림 14 Cortex.t 서브넷 등록 수수료 데이터
현재 Cortex.t 서브넷 재활용 노드의 총 가치는 약 27134TAO입니다.
그림 15 Cortex.t 서브넷 재활용 수수료
서브넷 번호 1
Subnet No. 1은 Opentensor Foundation에서 개발하고 텍스트 생성을 위해 특별히 사용되는 분산형 서브넷입니다. Bittensor 서브넷의 첫 번째 프로젝트로 이 서브넷은 올해 3월에 큰 의문을 제기했습니다. Taproot Wizards Eric Wall의 창립자는 Bittensors라고 불렀습니다. TAO 토큰은 AI 분야의 밈 코인이며, 서브넷 1번은 수백 개의 노드가 AI를 사용하여 텍스트 기반 질문에 답할 때 유사한 결과를 얻을 수 있도록 허용하므로 실제 문제 해결의 효율성이 향상되지 않는다는 점을 지적했습니다.
다른
모델 범주 관점에서 볼 때 서브넷 모델 19번, 18번, 1번은 모두 생성 클래스 모델에 속합니다. 이 밖에도 트위터 데이터를 분석해 시장 심리를 제공하는 서브넷 22 메타서치(Subnet 22 Meta Search), 심층 신경망을 통해 스테이킹 전략을 학습하고 지속적으로 최적화하는 서브넷 2 옴론(Subnet 2 Omron) 등 대규모 데이터 처리 모델, 트레이딩 AI 모델 등이 있다.
이익-위험의 관점에서 볼 때, 몇 주 이상 슬롯을 성공적으로 운영할 수 있다면 그 이점은 분명히 매우 상당합니다. 그러나 새로 등록된 노드가 고성능 그래픽 카드를 채택하지 못하고 로컬 알고리즘을 최적화하지 못한다면 다른 노드와의 경쟁에서 살아남기 어려울 것입니다.
미래의 발전
대중성 측면에서 볼 때 AI 개념 자체는 Web3 개념 못지않게 인기가 높으며, 원래 Web3 산업에 쏟아졌을 핫머니마저도 AI 산업에 매력을 느꼈다. 따라서 Web3+AI는 앞으로도 오랫동안 시장의 중심이 될 것입니다.
프로젝트 아키텍처의 관점에서 볼 때 Bittensor는 전통적인 VC 프로젝트가 아닙니다. 프로젝트는 출시 이후 수십 배 성장했으며 프로젝트는 기술 및 시장 지원을 모두 받았습니다.
기술 혁신의 관점에서 Bittensor는 Web3+AI 프로젝트가 독립적으로 싸웠던 과거 상황을 깨뜨립니다. 또한 원래의 서브넷 아키텍처는 AI 기술 역량을 갖춘 많은 팀이 분산 네트워크로 마이그레이션하는 어려움을 줄이고 더 빠르게 혜택을 얻을 수 있습니다. 그리고 경쟁 제거 메커니즘으로 인해 서브넷 프로젝트는 지속적으로 모델을 최적화하고 서약 금액을 늘려 새로운 서브넷에 의해 금지되는 것을 방지해야 합니다.
위험 관점에서 볼 때 Bittensor는 서브넷 수를 늘리는 동시에 서브넷 등록의 어려움을 필연적으로 줄이고 동시에 문제가 있는 해역에서 무명 프로젝트 낚시 가능성을 높입니다. 원래 등록된 서브넷에서 획득한 TAO의 수는 점차적으로 증가할 것입니다. 서브넷 수가 증가함에 따라 TAO 토큰 가격이 오르지 않으면 수익이 기대에 미치지 못할 가능성이 높습니다.
