Brukhman은 토큰화된 AI가 세계에서 가장 귀중한 자원에 대한 접근을 민주화할 것이라고 주장합니다.
2026년 1월 31일 오후 6시 20분
현재 개발 중인 가장 발전된 범용 AI 시스템인 프론티어 AI(Frontier AI)는 세계에서 가장 전략적으로나 경제적으로 중요한 산업 중 하나가 되고 있지만 대부분의 투자자와 구축자가 접근하기 어려운 상태로 남아 있습니다. 오늘날 소매 사용자가 자주 사용하는 것과 유사한 경쟁력 있는 AI 모델을 교육하는 데에는 수억 달러의 비용이 들고, 수만 개의 고급 GPU가 필요하며, 소수의 회사에서만 지원할 수 있는 수준의 운영 정교함이 필요합니다. 따라서 대부분의 투자자, 특히 소매 투자자의 경우 인공지능 부문을 직접 소유할 수 있는 방법이 없습니다.
그 제약이 곧 바뀔 것입니다. 차세대 분산형 AI 네트워크가 이론에서 생산으로 옮겨가고 있습니다. 이러한 네트워크는 고가의 고급 하드웨어부터 소비자 게임 장비, 심지어 MacBook의 M4 칩까지 전 세계 모든 종류의 GPU를 대규모, 최전방 규모의 프로세스를 지원할 수 있는 단일 교육 패브릭으로 연결합니다. 시장에서 중요한 것은 이 인프라가 컴퓨팅을 조정하는 것 이상의 역할을 한다는 것입니다. 또한 리소스를 기여하는 참가자에게 토큰을 발행하여 소유권을 조정하며, 이는 그들이 생성하는 데 도움이 되는 AI 모델에 대한 직접적인 지분을 제공합니다.
분산형 교육은 최첨단 기술의 진정한 발전입니다. 개방형 인터넷의 신뢰할 수 없는 이기종 하드웨어에서 대규모 모델을 훈련하는 것은 최근까지 AI 전문가들에 의해 불가능하다고 말했습니다. 그러나 Prime Intellect는 현재 생산 중인 분산형 모델을 훈련했습니다. 하나는 100억 개의 매개변수(일상 작업에 빠르고 유능한 만능 모델)이고 다른 하나는 320억 개의 매개변수(복잡한 추론에 탁월하고 보다 미묘하고 정교한 결과를 제공하는 심층적 사상가)입니다.
분산형 기계 학습 프로토콜인 Gensyn은 온체인에서 검증할 수 있는 강화 학습을 시연했습니다. Pluralis는 군집에서 상용 GPU(고가의 특수 칩이 아닌 게임 컴퓨터 및 소비자 장치에 사용되는 표준 그래픽 카드)를 사용하여 대규모 모델을 훈련하는 것이 AI 모델이 특정 작업에 맞게 미세 조정되기 전에 대규모 데이터 세트에서 학습하는 기본 단계인 대규모 사전 훈련을 위한 점점 더 실행 가능한 분산형 접근 방식임을 보여주었습니다.
분명히 말하면, 이 작업은 단순한 연구 프로젝트가 아닙니다. 이미 진행되고 있습니다. 분산형 훈련 네트워크에서 모델은 단일 회사의 데이터 센터 내에 “위치”하지 않습니다. 대신 네트워크 자체에 존재합니다. 모델 매개변수는 단편화되고 분산되어 있습니다. 즉, 단일 참여자가 전체 자산을 소유하지 않는다는 의미입니다. 기여자는 GPU 컴퓨팅과 대역폭을 제공하고 그 대가로 결과 모델에 대한 지분을 반영하는 토큰을 받습니다. 이런 방식으로 교육 참가자는 단지 자원 역할만 하는 것이 아닙니다. 그들은 자신이 만들고 있는 AI에 대한 정렬과 소유권을 얻습니다. 이는 중앙 집중식 AI 연구소에서 볼 수 있는 것과는 매우 다른 정렬입니다.
여기서 토큰화는 통합되어 모델에 경제 구조와 시장 가치를 부여합니다. 토큰화된 AI 모델은 모델의 수요를 반영하는 현금 흐름을 통해 주식처럼 작동합니다. OpenAI 및 Anthropic이 사용자에게 API 액세스 비용을 청구하는 것처럼 분산 네트워크도 마찬가지입니다. 그 결과 토큰화된 지능이라는 새로운 종류의 자산이 탄생했습니다.
모델을 소유한 대규모 상장 기업에 투자하는 대신 투자자는 모델에 직접 노출될 수 있습니다. 네트워크는 다양한 전략을 통해 이를 구현합니다. 일부 토큰은 주로 액세스 권한(모델 기능의 우선 순위 또는 보장된 사용)을 부여할 수 있는 반면, 다른 토큰은 사용자가 모델을 통해 쿼리를 실행하기 위해 비용을 지불할 때 생성된 순 수익의 공유를 명시적으로 추적할 수 있습니다. 두 경우 모두 토큰 시장은 모델의 품질, 수요 및 유용성에 대한 기대치를 가격에 반영하는 모델의 주식 시장처럼 기능하기 시작합니다. 많은 투자자들에게 이는 AI 성장에 재정적으로 참여하는 가장 직접적인 경로일 수 있습니다.
이러한 개발은 진공 상태에서 발생하지 않습니다. 토큰화는 이미 자금과 전통적인 증권을 온체인으로 가져오는 Superstate 및 Securitize(2026년 공개 예정)와 같은 플랫폼을 통해 금융 주류로 이동하고 있습니다. 실제 자산 전략은 이제 규제 기관, 자산 관리자 및 은행 사이에서 인기 있는 주제입니다. 토큰화된 AI 모델은 당연히 이 범주에 속합니다. 이는 디지털 방식으로 위치에 관계없이 인터넷 연결이 있는 모든 사람이 액세스할 수 있으며 핵심 경제 활동(추론을 위한 계산, 답변을 얻기 위해 훈련된 모델을 통해 쿼리를 실행하는 프로세스)이 이미 자동화되어 소프트웨어로 추적 가능합니다. 토큰화된 모든 자산 중에서 AI 시스템을 지속적으로 개선하는 것은 시간이 지남에 따라 모델을 업그레이드하고 재교육하고 개선할 수 있기 때문에 본질적으로 가장 역동적일 수 있습니다.
분산형 AI 네트워크는 블록체인을 통해 커뮤니티가 이전에는 불가능했던 방식으로 디지털 자산에 공동으로 자금을 조달하고, 구축하고, 소유할 수 있다는 주장이 자연스럽게 확장되었습니다. 첫 번째는 돈이었고, 그 다음은 금융 계약, 그 다음은 실제 자산이었습니다. AI 모델은 온체인에서 구성, 소유 및 거래될 차세대 디지털 네이티브 자산 클래스입니다. 우리의 견해는 암호화폐와 AI의 교차점이 “AI 테마 토큰”에만 국한되지 않을 것이라는 것입니다. 이는 측정 가능한 컴퓨팅 및 사용량을 바탕으로 실제 모델 수익에 기반을 둘 것입니다.
아직 이르다. 대부분의 분산형 교육 시스템은 활발히 개발 중이며 많은 토큰 설계가 기술, 경제 또는 규제 테스트에 실패합니다. 그러나 방향은 분명합니다. 분산형 AI 훈련 네트워크는 유동적이고 전 세계적으로 조정되는 리소스가 되도록 설정되어 있습니다. AI 모델은 토큰을 통해 공유, 소유 및 거래가 가능해졌습니다. 이러한 네트워크가 성숙해짐에 따라 시장은 인텔리전스를 구축하는 회사에만 가격을 책정하는 것이 아닙니다. 그들은 지능 자체에 가격을 매길 것입니다.
참고: 이 칼럼에 표현된 견해는 저자의 견해이며 CoinDesk, Inc. 또는 그 소유자 및 계열사의 견해를 반드시 반영하는 것은 아닙니다.
