이전 글에서는 AI 산업의 발전 이력을 검토하고, 딥러닝 산업 체인과 현재 시장 현황을 자세하게 소개했다. 이 기사에서는 Crypto x AI와 Crypto 산업 가치 사슬의 일부 주목할만한 프로젝트 간의 관계를 계속 설명할 것입니다.
암호화폐 x AI 관계
ZK 기술의 발전에 힘입어 블록체인은 탈중앙화 + 무신뢰 개념으로 진화했습니다. 비트코인 체인이었던 블록체인 생성의 시작으로 돌아가 보겠습니다. 나카모토 사토시(Satoshi Nakamoto)의 논문 Bitcoin, a Peer-to-Peer Electronic Cash System에서 그는 처음으로 이를 무신뢰 가치 전달 시스템이라고 불렀습니다. 나중에 Vitalik 등은 분산형, 무신뢰성 및 가치 교환 스마트 계약 플랫폼을 출시하기 위해 차세대 스마트 계약 및 분산형 애플리케이션 플랫폼이라는 논문을 발표했습니다.
본질로 돌아가서, 우리는 전체 블록체인 네트워크가 가치 네트워크이며 모든 거래는 기본 토큰을 기반으로 한 가치 변환이라고 믿습니다. 여기서의 가치는 토큰의 형식적인 표현이며, 토큰노믹스는 토큰의 가치 표현에 대한 구체적인 규칙입니다.
전통적인 인터넷에서는 가치의 발생이 P/E로 정산되는데, 이는 최종 형태, 즉 주가에 반영됩니다. 모든 흐름, 가치, 영향력이 기업의 현금 흐름을 형성하게 되며, 이 현금은 flow는 가치이다. 최종식은 최종적으로 P/E로 환산되어 주가와 시장가치에 반영된다.
네트워크의 가치는 기본 토큰의 가격과 다차원적 관점에 따라 결정됩니다. 출처: Gate Ventures
그러나 이더리움 네트워크의 경우 이더리움 네트워크의 다차원적 가치를 구현한 ETH는 스테이킹을 통해 안정적인 현금 흐름을 얻을 수 있을 뿐만 아니라 가치 교환의 매개체, 가치 저장의 매개체, 네트워크 활동을 위한 소비자 제품입니다. 또한 보안 보호 계층 Restake, Layer 2 생태계의 가스 요금 등의 역할도 합니다.
토큰노믹스는 생태계의 결제 항목(즉, 네트워크의 기본 토큰)의 상대적 가치를 규정할 수 있지만 모든 차원에 가격을 책정할 수는 없지만 다차원적인 가치를 구현합니다. .코인 가격. 이 가치는 기업 증권의 존재를 훨씬 뛰어넘습니다. 토큰이 네트워크에 할당되고 토큰이 유통되면 Tencent와 유사한 모든 Q 코인은 제한된 수와 디플레이션 및 인플레이션 메커니즘을 갖게 되어 거대한 Tencent 생태계를 대표하며 결제 대상으로서의 존재도 가능해집니다. 가치를 저장하고 이자를 창출하는 수단입니다. 이 가치는 주가의 가치를 훨씬 초과해야 합니다. 그리고 토큰은 다양한 가치 차원의 궁극적인 구현체입니다.
토큰은 기능이나 아이디어에 가치를 부여할 수 있습니다. 우리는 브라우저를 사용하지만 기본 오픈 소스 HTTP 프로토콜의 가격은 고려하지 않습니다. 토큰이 발행되면 그 가치가 거래에 반영됩니다. . MEME 코인의 존재와 그 뒤에 숨은 유머러스한 생각 또한 가치가 있습니다. 토큰 경제는 그것이 아이디어이든 물리적 창작물이든 모든 종류의 혁신과 존재에 힘을 줄 수 있습니다.
가치를 재정의하고 발견하는 수단인 토큰과 블록체인 기술 역시 AI 산업을 포함한 모든 산업에 있어서 매우 중요합니다. AI 산업에서 토큰 발행은 AI 산업 체인의 모든 측면의 가치를 재구성할 수 있으며, 이는 더 많은 사람들이 AI 산업의 다양한 하위 부문에 기꺼이 뿌리내리도록 장려할 것입니다. 더욱 중요한 것은 현재 가치를 결정하는 것은 단지 현금 흐름이 아니라 토큰의 시너지 효과가 인프라의 가치를 높여 자연스럽게 뚱뚱한 프로토콜과 얇은 애플리케이션 패러다임의 형성으로 이어질 것이라는 점입니다.
둘째, AI 산업 체인의 모든 프로젝트는 시세차익 혜택을 받게 되며, 이 토큰은 생태계에 피드백을 주고 특정 철학적 아이디어의 탄생을 촉진할 수 있습니다.
토큰 경제는 분명히 업계에 긍정적인 영향을 미칩니다. 블록체인 기술의 변조 불가능하고 신뢰할 수 없는 특성은 AI 업계에서도 실용적인 의미를 갖습니다. 이는 사용자 데이터와 같이 신뢰가 필요한 일부 애플리케이션을 실현할 수 있습니다. 그러나 모델이 특정 데이터를 알지 못하도록 하고, 모델이 데이터를 유출하지 않도록 하며, 모델이 추론한 실제 데이터가 반환되도록 보장합니다. GPU가 부족할 경우 블록체인 네트워크를 통해 분산할 수 있으며, GPU가 반복되면 유휴 GPU가 네트워크에 컴퓨팅 성능을 기여하고 남은 가치를 재발견할 수 있습니다.
간단히 말해서, 토큰 경제는 가치의 재구성과 발견을 촉진할 수 있으며, 분산 원장은 글로벌 규모로 신뢰 문제와 가치 리플로우를 해결할 수 있습니다.
암호화폐 산업 가치 사슬 프로젝트 개요
GPU 공급측
GPU 클라우드 컴퓨팅 파워 시장의 일부 프로젝트, 출처: Gate Ventures
위는 GPU 클라우드 컴퓨팅 파워 시장의 주요 프로젝트 참여자입니다. 시장 가치가 더 높고 근본적인 발전이 있는 것은 2020년에 출시된 Render입니다. 그러나 데이터의 비공개성과 투명성으로 인해 일시적으로 사업의 실시간 발전을 알 수 없습니다. 현재 Render를 사용하는 대부분의 기업은 비대형 모델 비디오 렌더링 작업입니다.
렌더는 실제 사업 규모가 있는 오래된 디핀 사업으로서 AI/Depin의 트렌드를 타고 실제로 성공했습니다. 그러나 렌더가 직면하는 시나리오는 AI와 다르기 때문에 엄밀히 말하면 AI 분야는 아닙니다. 그리고 비디오 렌더링 사업에는 특정한 실제 요구 사항이 있으므로 GPU 클라우드 컴퓨팅 성능 시장은 AI 모델의 훈련 및 추론에 초점을 맞출 수 있을 뿐만 아니라 GPU 클라우드의 위험을 줄이는 전통적인 렌더링 작업에도 적용할 수 있습니다. 단일 시장에 의존하는 시장.
글로벌 GPU 컴퓨팅 전력 수요 동향, 출처: PRECEDENCE RESEARCH
Crypto의 AI 산업 체인에서 컴퓨팅 전원 공급 장치는 의심할 여지 없이 가장 중요한 포인트입니다. 업계 전망에 따르면, GPU 컴퓨팅 전력 수요는 2024년 약 750억 달러, 시장 수요는 2032년 약 7,730억 달러로 연평균 복합 성장률(CAGR)이 약 33.86%에 달할 것으로 예상됩니다.
GPU의 반복률은 무어의 법칙(18일부터 24일까지 매월 성능이 두 배로 증가하고 가격은 절반으로 떨어짐)을 따르며, GPU 시장의 폭발이 다음과 같은 영향을 미치기 때문에 공유 GPU 컴퓨팅 성능에 대한 수요가 극도로 커질 것입니다. 미래의 무어의 법칙 이때에는 최신이 아닌 세대의 GPU가 다수 형성될 것이며, 이러한 유휴 GPU는 공유 네트워크에서 롱테일 컴퓨팅 성능으로 계속해서 가치를 발휘할 것입니다. 실제로 이 트랙의 장기적인 잠재력과 실제 유용성에 대해 낙관적입니다. 중소형 모델 사업과 전통적인 렌더링 사업 또한 상대적으로 강한 수요를 가질 것입니다.
온체인 GPU 공유 및 컴퓨팅 시장의 넓은 공간을 설명하기 위해 많은 보고서에서 저렴한 가격을 이러한 제품의 주요 판매 포인트로 간주한다는 점을 상기할 가치가 있습니다. 그러나 우리는 클라우드 컴퓨팅 성능 시장이 가격 책정에 의해 결정된다는 점을 강조하고 싶습니다. 사용되는 GPU뿐만 아니라 데이터 전송 대역폭, 엣지 디바이스, AI 호스팅 개발자 도구 지원 등과도 관련됩니다. 그러나 대역폭, 엣지 장비 등이 동일한 상황에서는 토큰 보조금이 있기 때문에 일부 가치는 토큰 및 네트워크 효과에 의해 결정됩니다. 이는 실제로 가격이 저렴하다는 장점이 있습니다. 동시에 네트워크 효과도 있습니다. 데이터 전송이 느리면 모델 개발 및 렌더링 작업이 느려지는 단점이 있습니다.
하드웨어 대역폭
공유 대역폭 트랙의 일부 프로젝트, 출처: Gate Ventures
GPU 공급 측면에서 언급했듯이 클라우드 컴퓨팅 성능 제조업체의 가격은 GPU 칩과 관련된 경우가 많지만 대역폭, 냉각 시스템, AI 지원 개발 도구 등과도 관련이 있습니다. 보고서의 AI 산업 체인 장에서 우리는 대형 모델의 매개변수와 데이터 용량이 데이터 전송 과정에서 대형 모델의 훈련 시간에 큰 영향을 미칠 것이라고 언급했습니다. 따라서 대역폭이 영향을 미치는 주요 원인인 경우가 많습니다. 대규모 모델, 특히 온체인 클라우드 컴퓨팅 분야의 경우 전 세계 사용자가 협력하여 작업하기 때문에 대역폭과 데이터 교환이 더 느리고 더 큰 영향을 미치지만 Azure와 같은 다른 클라우드 공급업체는 중앙 집중식 HPC를 구축합니다. 더 편리합니다. 대역폭을 조화시키고 향상시킵니다.
Menson 네트워크 아키텍처 다이어그램, 출처: Meson
Menson Network를 예로 들면, Meson은 사용자가 남은 대역폭을 토큰으로 쉽게 교환할 수 있고, 필요한 사람들이 Meson 시장 내에서 글로벌 대역폭에 액세스할 수 있는 미래를 구상합니다. 사용자는 자신의 데이터베이스에 데이터를 저장할 수 있고, 다른 사용자는 가장 가까운 사용자가 저장한 데이터에 접근할 수 있어 네트워크 데이터 교환이 가속화되고 모델 학습 속도가 빨라집니다.
그러나 공유 대역폭은 의사 개념이라고 생각합니다. 왜냐하면 HPC의 경우 데이터가 주로 로컬 노드에 저장되지만 이 공유 대역폭의 경우 데이터는 특정 거리(예: 1km, 10km, 100km)에 저장되기 때문입니다. ) 또한 이러한 지리적 거리로 인해 발생하는 지연 시간은 로컬 데이터 저장보다 훨씬 높을 것입니다. 이는 빈번한 예약 및 할당으로 이어지기 때문입니다. 따라서 이러한 잘못된 요구는 시장이 이를 구매하지 않는 이유이기도 합니다. Meson Network의 최근 자금 조달 가치는 거래소에 상장된 후 10분의 1에도 안되는 930만 달러에 불과했습니다. 평가.
데이터
딥 러닝 산업 체인에서 언급한 내용에 따르면 대형 모델의 매개변수 수, 컴퓨팅 성능 및 데이터가 함께 대형 모델의 품질에 영향을 미칩니다. 데이터 소스 회사와 벡터 데이터베이스 제공업체에게는 많은 시장 기회가 있습니다. 그들은 기업이 다양한 특정 유형의 데이터 서비스를 제공할 것입니다.
AI 데이터 제공업체의 일부 프로젝트, 출처: Gate Ventures
현재 온라인 프로젝트에는 EpiK Protocol, Synesis One, Masa 등이 있습니다. EpiK 프로토콜과 Synesis One은 공개 데이터 소스를 수집한다는 차이점이 있지만 Masa는 ZK 기술을 기반으로 개인 데이터를 수집할 수 있어 보다 사용자 친화적입니다.
다른 전통적인 Web2 데이터 회사와 비교할 때 Web3 데이터 공급자의 장점은 데이터 수집 측면에 있습니다. 왜냐하면 개인이 자신의 비공개 데이터를 제공할 수 있기 때문입니다(ZK 기술은 사용자가 누출을 표시하지 않고 개인 데이터를 제공하도록 촉진할 수 있음). ToB뿐만 아니라 모든 사용자 데이터의 가격을 책정하는 기능도 매우 넓어질 것이며, 토큰 경제의 존재로 인해 네트워크 가치와 가격은 상호 의존적이며 비용이 들지 않는 토큰입니다. 네트워크의 가치가 높아질수록 더욱 높아질 것이며, 이러한 토큰은 개발자의 비용을 절감하고 사용자에게 보상하는 데 사용되며 사용자는 데이터 기여에 더 많은 동기를 부여받게 됩니다.
우리는 Web2와 Web3 모두에 동시에 노출될 수 있고 거의 모든 사람이 사용자 수준에서 자신의 데이터를 제공할 수 있는 기회를 갖는 이 메커니즘이 대량 채택의 부분 범위를 구현하는 것이 매우 쉽다고 믿습니다. 데이터 소비 측면에서는 다양한 모델이 있는데, 실제 공급과 수요 측면 모두에서 인터넷 상에서 사용자가 마음대로 클릭할 수 있고 조작 난이도도 매우 낮다. 고려해야 할 유일한 것은 개인 정보 보호 컴퓨팅 문제이므로 ZK 방향의 데이터 공급자는 더 나은 개발 전망을 가질 수 있으며 일반적인 프로젝트에는 Masa가 포함됩니다.
ZKML
ZK 훈련/추론 프로젝트, 출처: Gate Ventures
데이터가 비공개 계산 및 훈련을 원하는 경우 현재 업계에서 사용되는 ZK 솔루션은 동형 암호화 기술을 사용하여 오프체인 데이터를 추론한 다음 결과와 ZK 증명을 업로드합니다. 이를 통해 데이터의 프라이버시와 낮은 수준을 보장할 수 있습니다. 추론 비용. 체인에 대한 추론에는 매우 부적합합니다. 이는 ZKML 트랙의 투자자가 일반적으로 더 높은 품질을 갖는 이유이기도 합니다. 이는 비즈니스 논리와 일치하기 때문입니다.
이러한 프로젝트는 인공 지능 분야의 오프체인 훈련 및 추론에 중점을 둘 뿐만 아니라 Turing-complete ZK 협업 처리 기능을 제공하고 모든 오프체인 계산에 대한 ZK 증명을 제공할 수 있는 범용 ZK 프로젝트도 있습니다. Axiom, Risc Zero, Ritual 및 기타 프로젝트를 포함한 데이터도 주목할 가치가 있습니다. 이러한 유형의 프로젝트는 응용 범위가 더 넓고 VC에 대한 내결함성이 더 높습니다.
AI 애플리케이션
AI x 암호화폐 애플리케이션 환경, 출처: Foresight News
블록체인의 적용 상황도 전통적인 AI 산업의 상황과 유사합니다. 현재 가장 번영하는 산업 체인은 여전히 업스트림 산업 체인이지만, 다음과 같은 다운스트림 산업 체인의 발전이 있습니다. 응용 측면으로는 상대적으로 약합니다.
이러한 유형의 AI + 블록체인 애플리케이션은 전통적인 블록체인 애플리케이션 + 자동화 및 일반화 기능에 더 가깝습니다. 예를 들어 DeFi는 사용자의 아이디어를 통해 최적의 거래 및 대출 경로를 실행할 수 있습니다. 이러한 유형의 애플리케이션을 AI Agent라고 합니다. 소프트웨어 혁명에 대한 신경망과 딥러닝 기술의 가장 근본적인 기여는 일반화 능력에 있습니다. 이는 다양한 그룹의 사람들의 다양한 요구와 다양한 데이터 형식에 적응할 수 있습니다.
우리는 이 일반화 능력이 먼저 AI Agent에 도움이 될 것이라고 믿습니다. 사용자와 여러 애플리케이션 사이의 가교로서 사용자가 복잡한 온체인 결정을 내리고 최적의 경로를 선택하는 데 도움이 될 수 있습니다. Fetch.AI는 대표적인 프로젝트 중 하나입니다(현재 MC 규모는 21억 달러). Fetch.AI를 사용하여 AI Agent의 작동 원리를 간략하게 설명합니다.
Fetch.AI 아키텍처 다이어그램, 출처: Fetch.AI
위 그림은 Fetch.AI의 아키텍처 다이어그램입니다. Fetch.AI의 AI 에이전트 정의는 “블록체인 네트워크에서 자체적으로 실행되는 프로그램이며, 이를 용이하게 프로그래밍할 수도 있습니다. 네트워크의 다른 에이전트와 상호 작용합니다. DeltaV는 에이전트를 생성하기 위한 플랫폼입니다. 등록된 에이전트는 Agentverse라는 에이전트 라이브러리를 형성합니다. AI 엔진은 사용자의 텍스트와 목적을 파싱하여 에이전트가 수용할 수 있는 정확한 지시로 변환한 후, Agentverse에서 가장 적합한 Agent를 찾아 이러한 지시를 실행합니다. 모든 서비스는 에이전트로 등록될 수 있으므로 의도에 따라 내장된 네트워크를 형성할 수 있습니다. 이 네트워크는 모든 입구가 Agentverse이고 채팅 상자의 모든 입력이 모든 작업이나 아이디어에 반영되기 때문에 Telegram과 같은 애플리케이션에 내장하는 데 매우 적합할 수 있습니다. 체인에서 해당 에이전트를 실행합니다. Agentverse는 다양한 dAPP에 연결하여 체인에서 애플리케이션 상호 작용 작업을 완료할 수 있습니다. 우리는 AI 에이전트가 블록체인 산업에 대한 실질적인 중요성과 고유한 요구 사항을 가지고 있다고 믿습니다. 대형 모델은 애플리케이션에 두뇌를 제공하지만 AI 에이전트는 애플리케이션에 손을 제공합니다.
현재 시장 데이터에 따르면 Fetch.AI는 현재 약 6,103명의 AI 에이전트를 온라인에 보유하고 있으며 이 정도의 에이전트 수에 대해 가격 측면에서 과대평가될 가능성이 있으므로 시장에서는 해당 비전에 대해 더 높은 프리미엄을 부여할 의향이 있습니다.
AI 퍼블릭 체인
Tensor, Allora, Hypertensor 및 AgentLayer와 같은 퍼블릭 체인과 유사하게 AI 모델이나 에이전트를 위해 특별히 구축된 적응형 네트워크입니다. 이는 블록체인 고유의 AI 산업 체인에 있는 링크입니다.
알로라 아키텍처, 출처 : 알로라 네트워크
우리는 Allora를 사용하여 이러한 유형의 AI 체인의 작동 원리를 간략하게 설명합니다.
1. 소비자는 추론을 위해 알로라 체인을 찾습니다.
2. 채굴자는 추론 모델과 예측 모델을 오프체인으로 실행합니다.
3. 평가자는 채굴자가 제공하는 추론의 품질을 평가할 책임이 있습니다. 평가자는 일반적으로 추론의 품질을 정확하게 평가하기 위해 권위 있는 분야의 전문가입니다.
이는 추론이 체인에 업로드되고 체인의 평가자가 결과의 순위를 매겨 모델의 매개변수를 개선할 수 있는 RLHF(강화 학습)와 유사하며 이는 모델 자체에도 좋습니다. 마찬가지로 토큰 경제학을 기반으로 한 프로젝트는 프로젝트 개발에 중요한 역할을 하는 토큰 배포를 통해 추론 비용을 크게 줄일 수 있습니다.
RLHF 알고리즘을 사용하는 기존 AI 모델과 비교하면 채점 모델이 일반적으로 설정되지만 이 채점 모델은 여전히 수동 개입이 필요하고 비용을 줄일 수 없으며 참가자가 제한되어 있습니다. 반면 Crypto는 더 많은 참가자를 가져올 수 있습니다. 광범위한 네트워크 효과를 더욱 자극
요약
우선, 현재 우리에게 친숙한 AI 개발 및 산업 체인에 대한 논의는 실제로는 딥러닝 기술을 기반으로 하고 있으며, 이는 모든 AI의 발전 방향을 대변하지 못하는 경우가 여전히 많다는 점을 강조할 필요가 있습니다. 여기서는 학습과 유망 기술이 육성되고 있지만 GPT의 효과가 너무 좋기 때문에 시장의 대부분의 관심은 이 효과적인 기술 경로에 쏠립니다.
업계의 일부 거인들은 현재의 딥러닝 기술로는 일반적인 인공지능을 달성할 수 없기 때문에 이 기술 스택이 막다른 골목에 끝날 수도 있다고 생각합니다. 그러나 우리는 이 기술이 이미 그 의미를 갖고 있으며 GPT의 현실도 있다고 믿습니다. 수요 시나리오가 존재하므로 TikTok의 추천 알고리즘과 유사합니다. 이러한 종류의 기계 학습은 인공 지능을 달성할 수 없지만 실제로 추천 프로세스를 최적화하기 위해 다양한 정보 흐름에 사용됩니다. 그러므로 우리는 이 영역이 합리적이고 적극적으로 심화될 가치가 있음을 여전히 인식하고 있습니다.
가치(글로벌 유동성)를 재정의하고 발견하는 수단인 토큰과 블록체인 기술도 AI 산업에 유리한 측면을 갖고 있다. AI 산업에서 토큰 발행은 AI 산업 체인의 모든 측면의 가치를 재구성할 수 있으며, 이는 더 많은 사람들이 AI 산업의 다양한 하위 부문에 기꺼이 뿌리내리도록 장려할 것입니다. 현재 가치를 결정하는 것은 현금 흐름뿐만이 아닙니다. 둘째, AI 산업 체인의 모든 프로젝트는 시세차익을 얻게 되며, 이 토큰은 생태계에 피드백을 주고 특정 철학적 아이디어의 탄생을 촉진할 수 있습니다.
블록체인 기술의 변조 불가능하고 신뢰할 수 없는 특성은 AI 산업에서도 실질적인 의미를 갖습니다. 예를 들어, 우리의 사용자 데이터는 특정 모델에서 허용될 수 있습니다. 모델이 특정 데이터를 알지 못하며, 모델이 데이터를 유출하지 않는지 확인하고, 모델이 추론한 실제 데이터가 반환되는지 확인하세요. GPU가 충분하지 않을 경우 블록체인 네트워크를 통해 분산할 수 있으며, GPU가 반복되면 유휴 GPU가 네트워크에 컴퓨팅 성능을 기여하고 낭비를 재사용할 수 있습니다. 이것이 바로 글로벌 가치 네트워크가 할 수 있는 일입니다.
GPU 컴퓨터 네트워크의 단점은 대역폭입니다. 즉, HPC 클러스터의 경우 대역폭을 중앙에서 해결할 수 있어 훈련 효율성이 빨라집니다. GPU 공유 플랫폼의 경우 유휴 컴퓨팅 파워를 사용할 수 있고 (토큰 보조금을 통해) 비용이 절감되지만 지리적 위치로 인해 훈련 속도가 매우 느려지므로 이러한 유휴 컴퓨팅 파워는 급하지 않은 사람들에게만 적합합니다. . 작은 모델. 게다가 이러한 플랫폼에는 지원 개발자 도구도 부족합니다. 따라서 현재 상황에서는 중견 기업과 대기업이 기존 클라우드 엔터프라이즈 플랫폼을 선호합니다.
요컨대, 우리는 여전히 AI 결합의 실질적인 유용성을 인식하고 있습니다.
참고자료
Galaxy: Crypto+AI 트랙의 파노라마적 해석
부인 성명:
위 내용은 참고용일 뿐이며 조언으로 간주되어서는 안 됩니다. 투자하기 전에 항상 전문가의 조언을 구하십시오.
게이트벤처스 소개
Gate Ventures 는 Gate.io의 벤처 캐피털 계열사로 웹 3.0 시대에 세상을 재편할 분산형 인프라, 생태계 및 애플리케이션에 대한 투자에 중점을 두고 있습니다. Gate Ventures는 글로벌 업계 리더들과 협력하여 혁신적인 사고와 역량을 갖춘 팀과 스타트업에 힘을 실어 사회와 금융의 상호 작용 모델을 재정의합니다.
공식 홈페이지: https://ventures.gate.io/