탈중앙화 AI 훈련이 디지털 지능을 위한 새로운 자산 클래스를 어떻게 창출할 것인가

프런티어 AI — 현재 개발 중인 가장 진보된 범용 AI 시스템 — 는 세계에서 전략적이고 경제적으로 가장 중요한 산업 중 하나로 부상하고 있지만, 여전히 대부분의 투자자와 개발자에게는 접근이 어려운 상태입니다. 오늘날 소매 사용자가 주로 사용하는 AI 모델과 유사한 경쟁력 있는 AI 모델을 훈련시키는 데에는 수억 달러가 소요되며, 수만 대의 고성능 GPU가 필요하고, 극소수의 기업만이 감당할 수 있는 수준의 운영 전문성이 요구됩니다. 따라서 대부분의 투자자들, 특히 소매 투자자들에게는 인공지능 분야를 직접 소유할 방법이 없습니다.

그 제약은 곧 변할 것입니다. 새로운 세대의 탈중앙화 AI 네트워크가 이론에서 실제 운영 단계로 이동하고 있습니다. 이 네트워크는 전 세계의 다양한 GPU를 연결하는데, 고가의 하이엔드 하드웨어부터 일반 소비자용 게이밍 장비, 심지어 여러분의 MacBook에 탑재된 M4 칩까지 포함하여 대규모 최첨단 프로세스를 지원할 수 있는 단일 훈련 인프라를 구성합니다. 시장에 중요한 점은 이 인프라가 단순히 계산 자원을 조율하는 것뿐만 아니라, 자원을 제공하는 참여자들에게 토큰을 발행함으로써 소유권을 분배한다는 것입니다. 이는 그들이 직접 AI 모델 개발에 기여하고, 이에 대한 지분을 갖게 된다는 의미입니다.

분산 학습은 첨단 기술 분야에서 진정한 진보를 의미합니다. 개방된 인터넷상에서 신뢰할 수 없고 이기종인 하드웨어를 통해 대규모 모델을 학습시키는 것은, 최근까지 AI 전문가들 사이에서 불가능하다고 여겨졌습니다. 그러나 Prime Intellect는 현재 운영 중인 분산 모델을 학습시켰습니다 — 하나는 100억 개의 매개변수를 가진 모델로, 빠르고 효율적인 다재다능형으로 일상 업무에 적합하며, 다른 하나는 320억 개의 매개변수를 가진 모델로, 복잡한 추론에 탁월하며 더욱 정교하고 세밀한 결과를 제공합니다.

Gensyn은 분산형 머신러닝 프로토콜로서 온체인에서 검증 가능한 강화학습을 시연하였습니다. Pluralis는 대량의 거래용 GPU(고가의 특수 칩이 아닌 게임용 컴퓨터 및 소비자 기기에 일반적으로 사용되는 표준 그래픽 카드)를 군집으로 활용하여 대규모 프리트레이닝을 수행하는 것이 점점 더 실행 가능한 분산형 접근법임을 보여주었습니다. 프리트레이닝은 AI 모델이 특정 작업에 맞게 미세 조정되기 전에 방대한 데이터셋으로부터 학습하는 기초 단계입니다.

명확히 하자면, 이 작업은 단순한 연구 프로젝트가 아니라 이미 진행 중인 일입니다. 분산형 훈련 네트워크에서는 모델이 단일 기업의 데이터 센터에 “존재”하지 않습니다. 대신, 모델은 네트워크 전체에 분산되어 있습니다. 모델 파라미터는 분할되어 배포되므로 어떤 단일 참가자도 전체 자산을 소유하지 않습니다. 기여자들은 GPU 컴퓨팅 자원과 대역폭을 제공하며, 그 대가로 결과 모델에 대한 자신의 지분을 반영하는 토큰을 받습니다. 이렇게 훈련에 참여하는 이들은 단순한 자원 제공자가 아니라, 자신이 만드는 AI에 대한 정렬과 소유권을 획득하게 됩니다. 이는 중앙집중형 AI 연구소에서 보던 정렬과는 매우 다른 형태입니다.

여기서 토큰화는 모델에 경제적 구조와 시장 가치를 부여하는 중요한 역할을 합니다. 토큰화된 AI 모델은 주식과 유사하게 작동하며, 현금 흐름은 모델에 대한 수요를 반영합니다. OpenAI와 Anthropic이 API 접근에 대해 사용자에게 요금을 부과하는 것처럼, 탈중앙화 네트워크도 동일하게 할 수 있습니다. 그 결과 새로운 유형의 자산이 탄생합니다: 토큰화된 지능입니다.

대형 공개 기업이 소유한 모델에 투자하는 대신, 투자자들은 모델에 직접 노출될 수 있습니다. 네트워크는 이를 다양한 전략으로 구현할 것입니다. 일부 토큰은 주로 접근 권한 — 모델 기능의 우선적 또는 보장된 사용 권한 — 을 부여하는 반면, 다른 토큰은 사용자가 모델을 통해 쿼리를 실행할 때 발생하는 순수익의 일정 비율을 명시적으로 추적할 수 있습니다. 두 경우 모두 토큰 시장은 모델의 품질, 수요 및 유용성에 대한 기대치를 반영하는 주식 시장처럼 기능하기 시작합니다. 많은 투자자에게 이는 AI 성장에 재정적으로 참여할 수 있는 가장 직접적인 경로일 수 있습니다.

이 발전은 진공 상태에서 이루어지는 것이 아닙니다. 토큰화는 이미 금융 주류로 진입하고 있으며, Superstate와 Securitize(2026년에 상장 예정)와 같은 플랫폼들이 펀드와 전통적인 증권을 온체인으로 가져오고 있습니다. 실물 자산 전략은 현재 규제 기관, 자산 관리자 및 은행들 사이에서 인기 있는 주제입니다. 토큰화된 AI 모델은 자연스럽게 이 범주에 속합니다. 이들은 디지털 네이티브이며, 위치와 상관없이 인터넷 연결만 있으면 누구나 접근할 수 있고, 그 핵심 경제 활동인 추론을 위한 계산—훈련된 모델을 통해 질의를 실행하여 답을 얻는 과정—은 이미 소프트웨어에 의해 자동화되고 추적 가능합니다. 모든 토큰화 자산 중에서 지속적으로 개선되는 AI 시스템은 가장 본질적으로 역동적인 자산일 수 있는데, 모델은 시간이 지남에 따라 업그레이드되고 재훈련되며 개선될 수 있기 때문입니다.

탈중앙화 AI 네트워크는 블록체인이 커뮤니티가 이전에는 불가능했던 방식으로 디지털 자산을 집단적으로 자금 조달, 개발 및 소유할 수 있게 한다는 논문의 자연스러운 확장입니다. 첫 번째는 화폐였고, 그다음은 금융 계약, 그리고 실제 자산이었습니다. AI 모델은 다음으로 조직되고, 소유되며, 온체인에서 거래되는 디지털 본래의 자산 클래스입니다. 저희의 관점은 암호화폐와 AI의 교차점이 단순한 'AI 테마 토큰'에 국한되지 않고, 실제 모델 수익에 기반하며 측정 가능한 컴퓨팅과 사용량에 의해 뒷받침될 것이라는 점입니다.

아직 초기 단계입니다. 대부분의 분산형 교육 시스템은 활발히 개발 중이며, 많은 토큰 설계가 기술적, 경제적 또는 규제적 검증에서 실패할 것입니다. 하지만 방향성은 명확합니다: 분산형 AI 교육 네트워크는 유동적이고 전 세계적으로 조정된 자원으로 자리 잡을 것입니다. AI 모델은 토큰을 통해 공유 가능하고 소유 가능하며 거래 가능해지고 있습니다. 이러한 네트워크가 성숙해짐에 따라 시장은 단지 지능을 구축하는 회사를 평가하는 것을 넘어서 지능 자체를 평가하게 될 것입니다.