암호화폐와 AI의 결합: 토큰화의 환상에 대한 실험 (주식시장 기준)

  • V신이 2년 만에 AI와 Crypto 관계를 재검토.
  • 과거 Crypto Helps AI 시도 실패: 컴퓨팅 자산화 불안정, 데이터 자산화 불일치, 모델 자산화 비현실적.
  • ZKML, OPML 같은 검증 가능한 추론은 수요 모호, 불필요한 검증.
  • 현재 견해 균형: 4분할, AI Helps Crypto와 Crypto Helps AI 각각 절반.
    • AI Helps Crypto: 이더리움을 활용한 신뢰 없는 AI 상호작용 및 경제층.
    • Crypto Helps AI: AI가 사용자 인터페이스로 스마트 계약 감사 최적화, 예측 시장과 DAO 거버넌스 참여.
  • 양측 수렴 예상, 미래 혁신 기대.
요약

저자: 라오 바이

2년 후, V2X는 트위터에서 재출시되었습니다. 2년 전 연구 보고서에서 언급했던 내용을 다시 한번 강조하자면, 날짜까지 정확히 같습니다. 바로 2월 10일입니다. (관련 자료: ABCDE: 1차 시장 관점에서 AI+암호화폐 분석 )

2년 전, 비탈릭 부테린(V神)은 당시 유행하던 암호화폐가 인공지능(AI)을 활용한다는 주장에 대해 은근히 회의적인 입장을 표명한 바 있습니다. 당시 암호화폐 산업의 주요 동력은 컴퓨팅 파워, 데이터, 모델의 자산화였습니다. 제가 2년 전에 발표한 연구 보고서에서는 주로 이러한 세 가지 동력과 관련하여 암호화폐 시장에서 관찰된 현상과 회의적인 시각을 다루었습니다. 비탈릭 부테린은 여전히 ​​인공지능이 암호화폐를 활용하는 방향을 긍정적으로 평가했습니다.

그가 당시 제시했던 예시는 다음과 같습니다.

  • 게임 참여자로서의 AI;
  • 게임 인터페이스로서의 AI;
  • 인공지능을 게임 규칙으로 삼는다.
  • AI를 게임 목표로 삼는다.

지난 2년 동안 Crypto Helps AI를 통해 여러 차례 시도했지만, 큰 성과를 거두지 못했습니다. 많은 프로젝트들이 토큰 발행에만 그치고, 실질적인 비즈니스 제품-시장 적합성(PMF)은 보여주지 못하고 있습니다. 저는 이를 "토큰화의 환상"이라고 부릅니다.

1. 컴퓨팅 파워 자산화 - 대부분은 상업용 수준의 SLA를 제공할 수 없고, 불안정하며, 연결이 자주 끊깁니다. 단순하거나 중소 규모의 모델 추론 작업만 처리할 수 있으며, 주로 주변 시장을 대상으로 하고, 수익이 토큰과 연동되지 않습니다.

2. 데이터 자산화 - 공급 측면(개인 사용자)에서는 상당한 마찰, 낮은 의지, 높은 불확실성이 존재합니다. 수요 측면(기업)에서는 구조화되고, 맥락에 따라 달라지며, 신뢰할 수 있고 법적 책임을 지는 전문적인 데이터 제공자가 필요한데, 이는 DAO 기반 Web3 프로젝트로는 제공하기 어렵습니다.

3. 모델 자산화 - 모델은 본질적으로 희소성이 없고, 복제 가능하며, 미세 조정이 가능하고, 빠르게 가치가 하락하는 프로세스 자산이지, 최종 상태 자산이 아닙니다. 허깅페이스는 협업 및 확산 플랫폼으로, 모델용 앱스토어라기보다는 머신러닝용 깃허브에 가깝습니다. 따라서 소위 "분산형 허깅페이스"를 사용하여 모델을 토큰화하려는 시도는 거의 항상 실패로 끝났습니다.

게다가, 우리는 지난 2년 동안 다양한 "검증 가능한 추론" 방법을 시도해 왔는데, 이는 망치로 못을 찾는 격이었습니다. ZKML부터 OPML, 게임 이론에 이르기까지, 심지어 EigenLayer는 재확정 과정을 검증 가능한 AI 기반의 이야기로 탈바꿈시켰습니다.

하지만 이는 기본적으로 리스태킹 분야에서 일어나고 있는 것과 같은 상황입니다. 검증 가능한 추가 보안에 비용을 지불하려는 AVS(인증된 보안 서비스 제공업체)는 거의 없습니다.

마찬가지로, 검증 가능한 추론은 기본적으로 "아무도 실제로 검증할 필요가 없는 것들"을 검증하는 것에 불과하며, 수요 측 위협 모델은 극도로 모호합니다. 정확히 누구로부터 방어하는 것일까요?

AI 출력 오류(모델 기능 문제)는 AI 출력에 대한 악의적인 조작(적대적 공격)보다 훨씬 더 큰 비중을 차지합니다. 최근 OpenClaw와 Moltbook에서 발생한 보안 사고에서 볼 수 있듯이, 실제 문제는 다음과 같은 원인에서 비롯됩니다.

  • 그 전략은 잘못 설계되었습니다.
  • 너무 많은 권한을 부여함
  • 경계가 명확하지 않다.
  • 도구 세트와의 예상치 못한 상호 작용
  • ...

"모델이 조작되었다"거나 "추론 과정이 악의적으로 변경되었다"는 것은 사실상 불가능합니다.

이 사진을 작년에 올렸었는데, 혹시 기억하시는 분 계신가요?

이번에 비탈릭 부테린이 제시한 아이디어는 2년 전보다 훨씬 더 성숙해졌는데, 이는 개인정보 보호, X402, ERC8004, 예측 시장 등 다양한 분야에서 우리가 이룬 발전 덕분이기도 합니다.

보시다시피, 이번에 그가 나눈 네 개의 사분면은 두 부분으로 나뉘어 있습니다. 한쪽은 AI가 암호화폐에 도움을 주는 영역이고, 다른 한쪽은 암호화폐가 AI에 도움을 주는 영역입니다. 이는 2년 전처럼 전자에 편향된 것이 아닙니다.

왼쪽 상단과 왼쪽 하단 - 이더리움의 탈중앙화 및 투명성을 활용하여 AI 분야의 신뢰 및 경제 협력 문제를 해결합니다.

1. 신뢰할 수 없고 개인 정보가 보호되는 AI 상호 작용 활성화(인프라 + 생존): ZK 및 FHE와 같은 기술을 활용하여 AI 상호 작용의 개인 정보 보호 및 검증 가능성을 보장합니다(앞서 언급한 검증 가능성 추론이 여기에 포함되는지는 확실하지 않습니다).

2. AI를 위한 경제 레이어로서의 이더리움(인프라 + 번영): AI 에이전트가 이더리움을 통해 경제적 결제를 하고, 다른 봇을 고용하고, 예금을 지불하고, 평판 시스템을 구축할 수 있도록 함으로써, 단일 거대 플랫폼에 제한받지 않고 분산형 AI 아키텍처를 구축할 수 있습니다.

오른쪽 상단 및 하단 - 인공지능의 지능적인 기능을 활용하여 암호화폐 생태계 내 사용자 경험, 효율성 및 거버넌스를 최적화합니다.

3. 사이퍼펑크 산악인 비전과 로컬 LLM(영향력 + 생존): AI를 사용자를 위한 "방패"이자 인터페이스로 활용합니다. 예를 들어, 로컬 LLM(대규모 언어 모델)은 스마트 계약을 자동으로 감사하고 거래를 검증하여 중앙 집중식 프런트엔드 페이지에 대한 의존도를 줄이고 개인의 디지털 주권을 보호할 수 있습니다.

4. 훨씬 더 나은 시장과 거버넌스를 현실로 만들기 (영향력 + 번영): AI는 예측 시장과 DAO 거버넌스에 깊이 관여하고 있습니다. AI는 방대한 정보 처리를 통해 인간의 판단력을 증폭시키는 매우 효율적인 참여자로서, 주의력 부족, 높은 의사결정 비용, 정보 과부하, 투표 무관심 등 인간이 이전에 직면했던 다양한 시장 및 거버넌스 문제를 해결할 수 있습니다.

이전에는 우리가 인공지능 발전을 위한 암호화폐의 활용을 열렬히 지지했던 반면, 비탈릭 부테린(V神)은 반대편에 서 있었습니다. 이제 마침내 양측이 합의에 도달했지만, 이는 다양한 토큰화나 AI 레이어 1과는 거의 관련이 없어 보입니다. 2년 후 오늘 글을 다시 읽어보면 새로운 방향과 놀라운 발견을 할 수 있기를 바랍니다.

공유하기:

작성자: Lao Bai

이 글은 PANews 입주 칼럼니스트의 관점으로, PANews의 입장을 대표하지 않으며 법적 책임을 지지 않습니다.

글 및 관점은 투자 조언을 구성하지 않습니다

이미지 출처: Lao Bai. 권리 침해가 있을 경우 저자에게 삭제를 요청해 주세요.

PANews 공식 계정을 팔로우하고 함께 상승장과 하락장을 헤쳐나가세요