AI 상위 계층 애플리케이션 경쟁은 매우 치열합니다. 젠신은 이러한 배경을 바탕으로 5년간 탄탄한 기반 시스템을 구축해 왔습니다.

2023년 6월, a16z crypto가 4,300만 달러 규모의 시리즈 A 투자 라운드를 주도했을 당시, Gensyn이 하고 있던 일은 대부분의 암호화폐 투자자들에게는 여전히 추상적인 개념이었습니다. 바로 탈중앙화 머신러닝 학습 프로토콜이었죠. 그 해 ChatGPT는 출시된 지 겨우 6개월밖에 되지 않았고, H100 부족 사태는 아직 지정학적 문제로 대두되지 않았으며, AI 인프라 산업 전체도 지금과 같은 '산업'으로 성장하지 않았습니다. Bittensor의 토큰인 $TAO는 당시 10달러도 채 되지 않았고, Akash는 클라우드 컴퓨팅 파워라는 틈새시장의 개념에 머물러 있었습니다.

3년 후, 상황은 완전히 달라졌습니다. AI 컴퓨팅 파워 부족은 전 세계적인 이슈가 되었고, 하이퍼스케일 클라우드 업체들은 2027년까지 주문이 꽉 찼으며, OpenAI와 Anthropic은 차세대 모델에 필요한 칩 확보를 위해 경쟁하고 있습니다. 2026년 4월 22일, 젠신(Gensyn) 메인넷이 공식 출시되었고, 4월 29일에는 코인베이스와 OKX에서 $AI가 동시에 거래되기 시작했으며, 5월 14일에는 바이낸스에서 AIGENSYN이라는 코드명으로 현물 거래가 개시되었습니다. 외부인이 이해하기 어려웠던 프로토콜 백서에서 불과 3주 만에 3대 주요 거래소에 상장되기까지, 젠신은 거의 완벽한 기회를 포착했습니다.

훌륭한 계획이거나 아니면 엄청난 행운일 겁니다. 두 창업자의 경력을 보면, 둘 다 갖췄을 가능성이 매우 높습니다.

ChatGPT 이전에 중앙 집중식 AI에 반대했던 두 사람

젠신(Gensyn)의 두 창업자인 벤 필딩과 해리 그리브는 2020년 런던의 엔터프레너 퍼스트(Entrepreneur First) 액셀러레이터에서 만났습니다. 8주 후, 그들은 탈중앙화 머신러닝 네트워크 구축이라는 한 가지 목표에 모든 것을 걸기로 결정했습니다.

2020년 당시에는 이러한 결정이 그다지 매력적으로 보이지 않았습니다. GPT-3가 막 출시되었고, "AI"는 암호화폐 업계에서 가끔씩 언급되는 키워드였으며, 대부분의 사람들은 디파이(DeFi) 열풍의 막바지와 다가오는 NFT에 쏠려 있었습니다. 두 사람이 이러한 결정을 내린 이유는 각자 구체적인 경험과 문제점을 가지고 있었기 때문입니다.

벤 필딩은 컴퓨터 과학 박사 학위를 소지하고 있으며, 신경망 아키텍처 탐색 및 진화 알고리즘을 활용한 심층 신경망 구조 자동 최적화 분야를 전문으로 연구했습니다. 간단히 말해, 그의 박사 과정 연구는 "인공지능이 스스로 최적화하도록 하는 것"이었습니다. 박사 학위 취득 전에는 데이터베이스 관리 분야에서 근무했고, 박사 학위 취득 후에는 데이터 개인정보 보호 회사를 공동 창업했습니다. 그는 "데이터 주권"과 "알고리즘 자율성"이라는 두 가지 가치를 깊이 믿는 인물입니다.

해리 그리브 는 완전히 다른 배경을 가지고 있습니다. 그는 계량경제학을 전공했지만 석사 과정에서 머신러닝으로 전향했고, 이후 런던에 있는 AI 스타트업에서 데이터 연구팀을 이끌며 보험 업계를 위한 재해 위험 예측 시스템 개발을 주도했습니다. 그가 사업을 시작하게 된 직접적인 동기는 트렌드를 본 것이 아니라, "대규모 컴퓨팅 파워와 고품질 데이터를 확보하는 것이 극도로 어렵다"는 개인적인 경험, 즉 컴퓨팅 파워의 한계에 부딪혔던 경험 때문이었습니다.

두 사람은 두 가지 점에서 의견 일치를 보였습니다. 첫째, 머신 러닝이 차세대 기술 혁신의 핵심이라는 점(이는 2020년 당시의 이야기이며, ChatGPT는 그로부터 2년을 더 기다려야 했습니다). 둘째, 두 사람 모두 중앙 집중화에 반대했는데, 벤은 데이터 프라이버시 측면에서, 해리는 컴퓨팅 파워 독점 측면에서 반대했습니다. 그들은 처음에는 분산 데이터에서 모델을 학습시키는 연합 학습을 연구했습니다. 연구를 진행하면서 핵심 병목 현상이 데이터가 아니라 컴퓨팅 파워라는 것을 발견했고, 분산 컴퓨팅 파워를 통해 "서로 신뢰하지 않는 여러 기기 간에 작업을 분산하고 결과를 검증하는 방법"이라는 문제를 해결해야 한다는 것을 깨달았습니다. 이것이 바로 그들이 블록체인을 도입하게 된 계기였습니다.

이는 AI 네이티브에서 암호화폐로 가는 길이며, 이러한 차이점은 2025-2026년의 "AI x 암호화폐" 열풍 속에서 점점 더 중요해질 것입니다. 대부분의 DeAI 프로젝트 창립팀은 웹3 전문가들로 구성되어 있으며, 이러한 트렌드가 나타나는 것을 보고 암호화폐 분야로 전향했습니다. 이들의 기술적 설명은 딥러닝에 대한 간접적인 이해를 바탕으로 구축되었습니다. 하지만 젠신(Gensyn)의 핵심 팀은 정반대입니다. 그들은 먼저 AI 연구원이 되었고, 10년 동안 "중앙 집중화"가 AI의 핵심 문제임을 발견한 후, 암호화폐를 사용하여 이를 해결하기로 결정했습니다.

팀의 학술적 성과는 이러한 점을 뒷받침합니다. 핵심 검증 프로토콜인 Verde에 대한 논문은 arXiv( arxiv.org/abs/2502.19405)에 게재되었으며, 그 외에도 NoLoCo(통신 효율 최적화), CheckFree(분산 학습 오류 복구), SkipPipe, SAPO, RL Swarm, 그리고 가장 최근의 "Hail to the Thief"(분산형 GRPO의 공격 및 방어 연구) 등이 있습니다 . 학술 논문 대신 백서가 흔히 사용되는 분야에서 7편 이상의 인용 논문을 보유하는 것 자체가 매우 드문 일입니다.

Gensyn이 하고 있는 일은 "분산 컴퓨팅 파워"라는 차원을 훨씬 뛰어넘는 훨씬 더 큰 규모입니다.

젠신(Gensyn)은 가장 기본적인 수준에서 기계 지능을 위한 네트워크입니다. 다소 추상적으로 들릴 수 있지만, 본질적으로는 한 가지로 요약됩니다. 인공지능 학습, 추론 및 협업이 분산 환경에서 원활하게 이루어지려면 세 가지 조건이 동시에 충족되어야 합니다. 즉, 기계들이 서로를 찾을 수 있어야 하고, 참여자들은 추적 가능한 신원을 가져야 하며, 계산 결과는 검증 가능해야 합니다. 젠신은 이러한 조건 중 하나만을 충족하는 것이 아니라, 이 세 가지 조건을 모두 동시에 구축하는 것을 목표로 합니다.

익숙하지만 효과적인 비유를 들자면, 상위 계층 AI 애플리케이션, 즉 에이전트, 모델 및 다양한 프롬프트 패키지 제품이 가전제품과 같다면, 젠신(Gensyn)은 그 밑바탕에 깔린 전력망이 되고자 합니다. 전력망은 일반적으로 가장 눈에 띄는 요소는 아니지만, 없으면 규모와 효율성이 심각하게 저해됩니다. 현재 AI와 암호화폐 업계 전체의 관심은 거의 전적으로 가전제품에만 집중되어 있고, 전력망을 구축하고 케이블을 매설하는 데는 거의 관심을 기울이지 않고 있습니다. 젠신의 목표는 바로 이 전력망을 메우는 것입니다.

전체 네트워크는 세 가지 계층의 인프라로 구성됩니다. AXL은 통신을 처리하고, Chain은 신원 확인 및 결제를 처리하며, REE는 인증을 처리합니다. 구조는 다음과 같습니다.

통신 및 신원 확인 계층은 비교적 이해하기 쉽지만, 진정한 어려움은 엔지니어링 구현에 있습니다. 진정으로 어렵지만, 그만큼 가치 있는 계층은 검증입니다.

REE: AI 연산의 재현성 확보

GPU 병렬 컴퓨팅은 본질적으로 비결정적입니다. 동일한 모델과 동일한 입력값을 사용하더라도 하드웨어에 따라 결과가 달라질 수 있습니다. 이는 직관에 어긋나는 것처럼 들릴 수 있지만, 엔지니어링의 법칙에 따른 사실입니다. 부동 소수점 연산 순서, 기본 CUDA 커널의 병렬 스케줄링, 심지어 GPU 간의 미미한 하드웨어 차이까지도 최종 출력값에 차이를 발생시킬 수 있습니다. 따라서 다른 사람이 수행한 계산의 정확성을 "직접 다시 실행해 보는 것"으로는 검증할 수 없습니다.

REE(Reproducible Execution Environment)는 이러한 문제를 해결합니다. 자체 개발한 결정론적 연산자 라이브러리인 RepOps를 통해 REE는 최대 72바이트의 매개변수를 가진 모델을 지원하며, 동일한 모델이 지원되는 모든 하드웨어에서 비트 수준의 일관된 출력을 생성할 수 있도록 합니다. 두 노드 간에 계산 결과가 일치하지 않을 경우, 제3자는 REE를 사용하여 자체 하드웨어에서 연산을 다시 실행하여 어느 쪽이 옳고 그른지 판단할 수 있습니다. 또한, 기본 분쟁 중재 프로토콜인 Verde는 계산 그래프에서 불일치를 유발한 첫 번째 연산을 찾아 가장 논란이 적은 부분만 다시 계산할 수 있습니다.

REE의 입장은 분산형 AI 분야라는 더 넓은 맥락에서 볼 때 더욱 명확해집니다.

탈중앙화 AI는 항상 같은 질문에 대한 답을 찾으려 노력해 왔습니다. 온체인 AI 연산 결과를 오프체인에서 어떻게 신뢰할 수 있을까요? 이 질문에 대한 주요 접근 방식은 이전에도 네 가지가 있었습니다.

하나는 아카시(Akash)나 io.net 처럼 저렴한 GPU를 제공하는 분산형 컴퓨팅 파워 시장이지만 , 검증 문제를 해결하지는 못합니다.

두 번째 유형은 Ritual이나 Giza와 같은 zkML 기반 모델 로, 암호화를 사용하여 계산의 정확성을 증명합니다. 단점은 성능 오버헤드가 매우 높아 대규모 모델을 실행할 수 없다는 것입니다.

셋째로, Phala와 같은 TEE는 하드웨어를 사용하여 실행 환경을 격리합니다. 단점은 하드웨어 공급업체가 악의적인 행위를 하지 않을 것이라는 점을 신뢰해야 한다는 것입니다(인텔 SGX의 사이드 채널 취약점은 여러 차례 입증되었습니다).

넷째, 비텐서(Bittensor)로 대표되는 경제 게임 이론이 있습니다 . 이 이론은 인센티브 메커니즘을 사용하여 노드들이 서로 경쟁하여 정확한 결과에 근접하도록 합니다. 단점은 확률론적이라는 점이며, 어떤 개별 계산의 정확성도 증명하지 못한다는 것입니다.

젠신은 다섯 번째 방식을 택했습니다. 계산의 정확성을 증명하는 대신, 누구나 자신의 하드웨어에서 계산을 재현하고 실행하여 검증할 수 있도록 하는 것입니다. 이 방식은 특정 당사자의 신뢰에 의존하지 않고 검증 기능을 모두에게 개방한다는 점에서 오픈 소스 정신에 더 가깝습니다. 벤 필딩의 말처럼, "디지털 세계에는 새로운 심판자가 있으며, 그들은 결코 타락할 수 없습니다."

메인넷 출시 이후, 델파이가 첫 번째 공격 대상이었다.

2026년 4월 22일, 메인넷 출시와 동시에 젠신(Gensyn)의 첫 번째 애플리케이션인 델파이(Delphi)가 정식 서비스를 시작했습니다. 델파이는 AI를 활용한 결제 시스템을 갖춘 정보 마켓플레이스로, 누구나 마켓플레이스를 개설할 수 있으며, AI 모델이 거래 결과를 결정하고, REE(Real Exchange Industry)는 모든 사용자가 결제 결과를 재현하고 검증할 수 있도록 보장합니다. 마켓플레이스 개설자는 거래량의 1.5%를 수수료로 받습니다. KYC(고객 신원 확인) 절차가 없으며, AI 에이전트는 허가 없이도 참여할 수 있습니다.

제품 형태 면에서는 폴리마켓(Polymarket)과 유사하지만, 대상 사용자는 인간에 국한되지 않습니다. 젠신(Gensyn) 팀은 델파이(Delphi)를 "AI 강화 학습 환경"으로 더욱 자세히 정의하며, 시장 가격이 자연스럽게 보상 함수 역할을 한다고 설명합니다. AI 에이전트는 거래에 참여하고 보상 신호를 받으면서 지속적으로 학습합니다. 이러한 선순환 구조는 현재 초기 단계에 있지만, 논리적 기반은 탄탄합니다.

델파이 출시 이후 몇 가지 주목할 만한 제품 발전 징후가 있습니다. 5월 7일, 공식 팀은 "델파이 구축: 가격 책정, 결제 및 에이전트 거래"라는 제목의 장문의 글을 발표했는데, 이 글에서 로드맵에 "에이전트 거래"가 명시적으로 포함되었습니다. 델파이 SDK는 GitHub에서 지속적으로 동기적으로 업데이트되고 있으며, 에이전트 호출용 API도 이제 공개되었습니다. 결제 모델은 Claude Opus 4.6 및 Qwen3-32B와 같은 오픈 소스 및 클로즈드 소스 모델을 혼합하여 사용하고 있으며, 시장 테마는 스포츠, 암호화 자산, 문화 엔터테인먼트에서 학계(예: "2026년 IMO에서 만점을 받은 사람 수")까지 확장되었습니다. 현재 메인넷에서는 AI 기반 결제 방식의 롱테일 문제 시장 인프라가 운영되고 있습니다.

창문이 지금 왜 열려 있죠?

처음 질문으로 돌아가서, a16z가 2023년에 4,300만 달러를 투자했을 당시, 젠신(Gensyn)의 기술은 당시 큰 화제가 되지 못했고, 구체적인 구현 일정 또한 예측하기 어려웠습니다. 하지만 3년 후, 그들의 판단은 두 가지로 더욱 명확해졌습니다. 첫째, AI는 중앙 집중식 연구실에만 국한되지 않을 것이며, KYC 인증이나 API 키, 또는 누구의 승인도 없이 AI를 외부에서 활용하려는 사람들이 항상 존재할 것이라는 점입니다. 둘째, 그러한 "외부"에서 AI를 활용하려면 단 하나의 도구가 아닌, 완벽한 인프라가 필요하다는 점입니다.

H100 부족 현상이 전 세계적인 이슈가 되고, MCP와 A2A가 에이전트 업계의 유행어가 되고, a16z가 4월 22일 메인넷 출시 소식을 직접 트윗하며 알리자, 시장의 관심은 마침내 이 팀이 5년 동안 해온 일에 쏠렸습니다.

AI와 암호화폐를 결합한 분야에 관심 있는 투자자라면, 젠신(Gensyn)을 장기적으로 주목할 만한 가치가 있는지 판단하는 데 도움이 될 만한 몇 가지 중요한 지표를 살펴볼 수 있습니다. 첫째, a16z는 탈중앙화 AI 분야에 많은 프로젝트를 투자하지 않았으며, 젠신은 그들의 가장 큰 투자입니다. 둘째, 팀의 학술적 성과는 백서에 실린 내용이 아니라 실제적이고 검증 가능한 결과입니다. 셋째, 2020년 젠신에 모든 역량을 집중하기로 결정한 이후 2026년 메인넷 출시까지, 그들은 다른 인기 분야로 눈을 돌리지 않았습니다.

유행하는 이야기들을 금방 식상해질 때까지 소비하고 다음 이야기로 넘어가는 데 익숙한 시장에서, 5년 동안 땅을 파고 케이블을 지하에 매설하는 팀은 그다지 매력적으로 보이지 않을 수 있습니다. 하지만 모두가 가전제품 판매에 혈안이 된 지금, 전력망은 결국 연결되어야 할 것이고, 대체하기 가장 어려운 사람들이 바로 전력망을 연결하는 사람들입니다.