저자: 하오티엔

FLock의 2025년 연례 보고서를 듣고 나서, 저는 Laupac을 사용하여 대규모 AI 모델을 출시한다는 언급에 특히 흥미를 느꼈습니다.

뭐? 또 런치패드라니? 대형 모델에 자산을 어떻게 발행하는 거지? 사실, 이해하기는 쉬워. 비유를 하나 해 보자.

Virtuals Protocol과 같은 AI 에이전트인 Launchpad는 애플리케이션 계층에서 구동됩니다. 토큰 인센티브를 활용하여 에이전트에게 자산을 발행함으로써 인센티브를 제공하고, 이를 통해 에이전트가 "채팅 가능"에서 "결제 가능"으로, 그리고 궁극적으로 "자율 거래 가능"으로 발전하고 복잡한 서비스를 제공할 수 있도록 지원합니다.

FLock의 AI 모델 런치패드는 인프라 계층에 의해 구동되며 자산을 대규모 훈련된 모델, 즉 의료 진단, 법률 문서, 재무 위험 관리, 공급망 최적화와 같은 수많은 수직 시나리오 모델에 분산합니다 .

이러한 수직형 모델의 교육 비용은 비교적 통제 가능하지만, 상용화 경로는 매우 제한적입니다. 대기업에 직접 판매하거나 열정에 따라 오픈소스로 공개하는 경우가 대부분이며, 지속 가능한 수익 창출 방안은 거의 없습니다.

FLock은 토큰노믹스를 통해 이러한 가치 사슬을 재구성하고, 정교하게 조정된 대규모 모델에 자산을 발행하여 데이터 제공자, 컴퓨팅 파워 노드, 검증자 및 모델 학습에 기여하는 다른 사람들에게 장기적인 수익 창출 가능성을 제공합니다. 모델이 실행되어 수익을 창출하면 기여 비율에 따라 지속적으로 분배될 수 있습니다.

대형 모델을 위한 런치패드를 만드는 일은 처음에는 새로운 것처럼 들릴 수 있지만, 기본적으로는 재정적 수단을 활용해 제품 개발을 추진하는 것입니다.

모델이 자산화되면 트레이너는 모델을 지속적으로 최적화하려는 동기를 갖게 되고, 수익이 지속적으로 분배되면 생태계는 자체적으로 수익을 창출할 수 있는 능력을 갖추게 됩니다.

이러한 활동의 ​​이점은 부인할 수 없습니다. 예를 들어, 최근 인기를 끌고 있는 nof1 대형 모델 트레이딩 대회는 일반적인 대형 모델만 참여 가능하며, 특정 목적을 위해 미세 조정된 대형 모델은 존재하지 않습니다. 그 이유는 인센티브 메커니즘이 부족하기 때문입니다. 우수한 전문 모델은 대개 조용히 수익을 창출하며 노출될 수 없습니다. 하지만 자산을 보유하고 있다면 매우 중요한 의미를 지닙니다. 이러한 대형 모델 아레나 대회는 자신의 역량을 공개적으로 과시하는 무대가 되었으며, 경쟁에서 이기는 성과는 대형 모델 자산의 성과에 직접적인 영향을 미칩니다. 상상력의 잠재력이 크게 확장되었습니다.

물론, FLock은 지금까지 방향만 제시했을 뿐, 아직 실제로 구현되지는 않았습니다. 자산 발행을 위한 특정 모델과 대리인 기반 자산 발행 모델 간의 차이점과 유사점은 아직 알려지지 않았습니다.

하지만 한 가지는 확실합니다. 자산 발행 모델이 부풀려진 거래량이 아닌 실제 수요에 기반하도록 하는 방법과 수직적 시나리오에서 제품-시장 적합성(PMF)을 효과적으로 보장하는 방법은 모두 어려운 문제입니다. 에이전트 애플리케이션의 토큰 발행 물결 또한 이러한 문제들에 직면할 것이라고 해도 과언이 아닙니다.

모델을 위한 런치패드를 만드는 다양한 방법이 무엇인지 보는 것을 정말 기대하고 있습니다.