혁신 기술이 발전함에 따라 Web3가 중요한 역할을 수행 할 수있는 기회는 빠르게 증가하고 있습니다.
2025 년 2 월 25 일 오후 3시 21 분 UTC
“업계가 어디로 가고 있는지가 아니라 구축.” 이 진언은 마이크로 소프트가 마이크로 프로세서를 자본화하고 Salesforce는 클라우드를 활용했으며 Uber는 모바일 혁명에서 번성했습니다.
AI에도 동일한 원칙이 적용됩니다. 생성 AI는 너무 빠르게 발전하여 오늘날의 능력을위한 건물이 노후화 될 위험이 있습니다. 역사적으로 Web3는이 AI 진화에서 거의 역할을하지 않았습니다. 그러나 업계를 재구성하는 최신 트렌드에 적응할 수 있습니까?
2024 년은 획기적인 연구 및 엔지니어링 발전이있는 생성 AI의 중추적 인 해였습니다. 또한 Web3-AI 이야기가 투기 적 과대 광고에서 실제 유용성의 모습으로 전환 한 해였습니다. AI의 첫 번째 물결은 메가 모델, 긴 훈련주기, 광대 한 컴퓨팅 클러스터 및 깊은 엔터프라이즈 포켓을 중심으로 회전했지만, Web3에 크게 접근 할 수 없게 만들었습니다. 2024 년의 새로운 트렌드는 의미있는 Web3 통합을위한 문을 여는 것입니다.
Web3-AI Front에서 2024 년은 낙관적 시장 감정을 반영하지만 실제 유틸리티를 거의 제공하지 않은 Meme-Driven 에이전시 플랫폼과 같은 투기 프로젝트에 의해 지배되었습니다. 그 과대 광고가 사라짐에 따라, 기회의 창이 실질적인 사용 사례에 초점을 맞추기 위해 떠오르고 있습니다. 2025 년의 생성 AI 환경은 연구 및 기술의 변형 변화와 함께 크게 다를 것입니다. 이러한 변화 중 다수는 Web3 채택을 촉진 할 수 있지만 산업이 미래를 위해 구축하는 경우에만 가능합니다.
AI를 형성하는 5 가지 주요 트렌드와 Web3의 잠재력을 살펴 보겠습니다.
1. 추론 레이스
추론은 큰 언어 모델 (LLM)의 다음 국경이되었습니다. GPT-01, DeepSeek R1 및 Gemini Flash와 같은 최근 모델은 발전의 핵심에서 추론 기능을 배치합니다. 기능적으로, 추론을 통해 AI는 복잡한 추론 작업을 구조화 된 다단계 프로세스로 분해하여 종종 COT (Conain of Though) 기술을 활용할 수 있습니다. 교육 추종이 LLM의 표준이 된 것처럼, 추론은 곧 모든 주요 모델의 기본 기능이 될 것입니다.
Web3-AI 기회
추론에는 Web3가 빛나는 영역 인 추적 성과 투명성이 필요한 복잡한 워크 플로가 포함됩니다. 모든 추론 단계가 체인을 검증 할 수있는 AI 생성 기사를 상상해보십시오. 논리적 순서에 대한 불변의 기록을 제공합니다. AI 생성 컨텐츠가 디지털 상호 작용을 지배하는 세계에서는이 수준의 출처가 근본적인 요구가 될 수 있습니다. Web3는 AI 추론 경로를 확인하여 오늘날의 AI 생태계에서 중요한 격차를 해소하기 위해 분산 된 신뢰할 수없는 층을 제공 할 수 있습니다.
2. 합성 데이터 훈련이 확대됩니다
고급 추론의 핵심 지원은 합성 데이터입니다. DeepSeek R1과 같은 모델은 중간 시스템 (예 : R1-Zero)을 사용하여 고품질 추론 데이터 세트를 생성 한 다음 미세 조정에 사용됩니다. 이 접근법은 실제 데이터 세트에 대한 의존성을 줄이고 모델 개발을 가속화하고 견고성을 향상시킵니다.
Web3-AI 기회
합성 데이터 생성은 분산 된 네트워크에 이상적인 병렬화 가능한 작업입니다. Web3 프레임 워크는 노드에 인센티브를 제공하여 합성 데이터 생성에 대한 컴퓨팅 전력을 기여할 수 있으며 데이터 세트 사용량을 기반으로 보상을받을 수 있습니다. 이로 인해 합성 데이터 세트가 오픈 소스 및 독점 AI 모델 모두에 전원을 공급하는 분산 된 AI 데이터 경제를 촉진 할 수 있습니다.
3. 훈련 후 워크 플로로의 전환
초기 AI 모델은 수천 개의 GPU가 필요한 대규모 사전 조정 워크로드에 의존했습니다. 그러나 GPT-01과 같은 모델은 중간 훈련 및 사후 훈련으로 초점을 바꾸어 고급 추론과 같은보다 전문화 된 기능을 가능하게했습니다. 이러한 변화는 계산 요구 사항을 극적으로 변경하여 중앙 집중식 클러스터에 대한 의존성을 줄입니다.
Web3-AI 기회
사전 연상 요구는 중앙 집중식 GPU 농장을 요구하지만, 분산 된 네트워크에 훈련 후 훈련을 배포 할 수 있습니다. Web3는 분산 된 AI 모델 개선을 용이하게 할 수있어 기고자가 거버넌스 또는 재정적 인센티브에 대한 대가로 자원 계산 자원을 스테이크 할 수 있습니다. 이러한 변화는 AI 개발을 민주화하여 분산 교육 인프라를보다 실행 가능하게합니다.
4. 증류 된 작은 모델의 상승
작은 모델이 작고 전문화 된 버전을 훈련시키는 데 사용되는 프로세스 인 Distillation은 채택이 급증했습니다. Llama, Gemini, Gemma 및 Deepseek와 같은 주요 AI 제품군에는 효율성에 최적화 된 증류 변형이 포함되어 상품 하드웨어에서 실행할 수 있습니다.
Web3-AI 기회
증류 된 모델은 소비자 등급 GPU 또는 CPU에서 실행하기에 충분히 작기 때문에 분산 된 추론 네트워크에 완벽하게 맞습니다. Web3 기반 AI 추론 마켓 플레이스가 등장 할 수 있으며, 이로 인해 노드는 경량 증류 모델을 실행할 수있는 컴퓨팅 파워를 제공합니다. 이는 AI 추론을 분산시켜 클라우드 제공 업체에 대한 의존도를 줄이고 참가자를위한 새로운 토큰 화 된 인센티브 구조를 잠금 해제 할 것입니다.
5. 투명한 AI 평가에 대한 수요
생성 AI에서 가장 큰 과제 중 하나는 평가입니다. 많은 최상위 모델은 기존 업계 벤치 마크를 효과적으로 암기하여 실제 성능을 평가할 수없는 신뢰할 수 없습니다. 주어진 벤치 마크에서 모델 점수가 매우 높으면 모델의 훈련 코퍼스에 벤치 마크가 포함 되었기 때문입니다. 오늘날 모델 평가 결과를 확인하기위한 강력한 메커니즘은 존재하지 않아 회사가 기술 논문에서 자체보고 숫자에 의존하도록 이끌고 있습니다.
Web3-AI 기회
블록 체인 기반 암호화 증명은 AI 평가에 급진적 인 투명성을 유발할 수 있습니다. 분산 된 네트워크는 표준화 된 벤치 마크에서 모델 성능을 검증하여 검증 할 수없는 기업 청구에 대한 의존도를 줄일 수 있습니다. 또한 Web3 인센티브는 새로운 지역 사회 중심의 평가 표준의 개발을 장려하여 AI 책임을 새로운 차원으로 밀어 넣을 수 있습니다.
Web3가 AI의 다음 물결에 적응할 수 있습니까?
생성 AI는 패러다임 전환을 겪고 있습니다. 인공 일반 정보 (AGI)로가는 길은 더 이상 훈련주기가 긴 모 놀리 식 모델에 의해서만 지배되지 않습니다. 추론 중심의 아키텍처, 합성 데이터 세트 혁신, 훈련 후 최적화 및 모델 증류와 같은 새로운 혁신은 AI 워크 플로를 분산화하고 있습니다.
Web3은 생성 AI의 첫 번째 물결에는 거의 없었지만, 이러한 새로운 경향은 분산 된 아키텍처가 실제 유용성을 제공 할 수있는 새로운 기회를 소개합니다. 중요한 질문은 이제 : Web3 가이 순간을 포착하고 AI 혁명에서 관련 힘이 될 수있을 정도로 빠르게 움직일 수 있습니까?
참고 :이 칼럼에 표현 된 견해는 저자의 견해이며 Coindesk, Inc. 또는 그 소유자 및 계열사의 견해를 반드시 반영하지는 않습니다.
예수 로드리게즈
Jesus Rodriguez는 암호화 시장을위한 시장 인텔리전스 및 제도적 결함 솔루션을 가능하게하는 플랫폼 인 Intotheblock의 CEO이자 공동 설립자입니다. 또한 비즈니스 및 소비자 앱을위한 생성 AI 플랫폼 인 Faktory의 공동 설립자이자 사장입니다. 예수는 또한 세계에서 가장 인기있는 AI 뉴스 레터 중 하나 인이 순서를 세웠습니다. 예수는 그의 운영 업무 외에도 Columbia University와 Wharton Business School의 게스트 강사이며 매우 활발한 작가이자 연사입니다.
