수익성이 없는 AI 비즈니스, DeAI의 도래

저자: Zhang Feng

인공지능( AI)는 의심할 여지 없이 세계에서 가장 뜨거운 기술 횡재이며, AI 기술은 전례 없는 속도로 모든 산업을 재편하고 있습니다. 그러나 이러한 호황의 이면에는 대다수의 AI 비즈니스, 특히 스타트업이 안정적이고 지속 가능한 수익성을 확보하지 못하고 있다는 냉혹한 현실이 숨어 있습니다. 이들은 기술적인 번영과 상업적 손실이 공존하는 '좋은 건 좋지만 좋지 않은' 딜레마에 빠져 있습니다.

왜 그들은 손실을 보고 있을까요?

AI 비즈니스의 수익성 딜레마는 기술 자체의 실패가 아니라 중앙 집중식 개발 모델로 인한 구조적 모순에서 비롯된 것입니다. 구체적으로 다음과 같은 세 가지 주요 원인에 기인합니다.

극심한 중앙 집중화: 높은 비용과 독과점. 현재의 주류 AI, 특히 빅 모델은 전형적인 '자산이 많은' 산업입니다. 학습 및 추론 프로세스는 엄청난 양의 컴퓨팅 파워(GPU), 스토리지, 전력을 소비합니다. 이로 인해 막대한 자본을 보유하고 수억 또는 수십억 달러를 투자할 여력이 있는 거대 기술 기업(예: Google, Microsoft, OpenAI)과 컴퓨팅 파워에 액세스하기 위해 클라우드 서비스 제공업체에 자금의 상당 부분을 지불해야 하는 수많은 스타트업 사이에 양극화가 발생하고 수익 마진이 극도로 압박받게 되었습니다. 수익률이 극도로 압박받습니다. 이 모델은 '산술적 과두 체제'를 만들어 혁신의 활력을 억누릅니다. 예를 들어, OpenAI조차도 개발 초기에 ChatGPT의 R&D와 운영을 지원하기 위해 Microsoft의 막대한 투자와 Azure 클라우드 컴퓨팅 리소스에 크게 의존했습니다. 대부분의 플레이어는 높은 고정 비용으로 인해 대규모로 수익성을 달성하기 어렵습니다.

데이터 딜레마: 품질 장벽과 개인정보 보호 위험. AI의 연료는 데이터입니다. 중앙 집중식 AI 기업은 일반적으로 고품질의 대규모 학습 데이터에 액세스하기 위해 두 가지 주요 과제에 직면합니다. 하나는 데이터 수집에 드는 높은 비용입니다. 유료 데이터 수집, 데이터 라벨링, 사용자 데이터 활용 등 데이터 확보에는 막대한 비용과 시간이 투자됩니다. 둘째, 데이터 프라이버시 및 규정 준수 리스크가 크다는 점입니다. 글로벌 데이터 규제(예: GDPR, CCPA)가 강화됨에 따라 사용자의 명시적인 승인 없이 데이터를 수집하고 사용하면 언제든지 법적 조치와 막대한 벌금이 부과될 수 있습니다. 예를 들어, 몇몇 유명 기술 기업들은 데이터 사용으로 인해 천문학적인 벌금을 부과받았습니다. 데이터 없이는 AI를 개발할 수 없지만, 데이터에 접근하고 사용하기는 어렵다는 역설이 발생하고 있습니다.

가치 분배의 불균형: 기여자와 크리에이터는 혜택에서 제외됩니다. 현재의 AI 생태계에서는 가치 분배가 매우 불공평합니다. AI 모델의 학습은 수많은 사용자가 생성한 행동 데이터, 크리에이터가 제작한 콘텐츠(텍스트, 이미지, 코드 등), 전 세계 개발자가 제공한 오픈 소스 코드에 의존합니다. 그러나 이러한 핵심 기여자들은 AI 모델이 창출하는 막대한 상업적 가치로부터 거의 아무런 대가를 받지 못합니다. 이는 윤리적 문제일 뿐만 아니라 지속 불가능한 비즈니스 모델입니다. 이는 데이터 기여자와 콘텐츠 제작자의 사기를 떨어뜨리고 장기적으로는 AI 모델의 지속적인 최적화와 혁신의 뿌리를 약화시킵니다. 일례로, 많은 아티스트와 작가들이 AI 기업이 아무런 보상 없이 자신의 작품을 학습과 수익에 사용한다고 비난하면서 광범위한 논란과 법적 분쟁을 촉발시켰습니다.

II. 수익성을 위한 새로운 패러다임

DeAI(탈중앙화 AI)는 단일 기술이 아닌 블록체인, 암호화, 분산 컴퓨팅을 통합한 새로운 패러다임입니다. 탈중앙화를 통해 AI의 생산 관계를 재구성하여 위에서 언급한 세 가지 주요 문제점을 해결하고 수익성의 가능성을 열어주는 것을 목표로 합니다. 전 세계의 유휴 노드(PC, 데이터센터 등)를 활용합니다.  이는 연산 비용을 크게 절감하는 연산에 대한 글로벌 경쟁 시장을 창출하는 "GPU를 위한 에어비앤비"와 유사합니다. 참여자들은 연산 기여에 대한 토큰으로 인센티브를 받으며 최적의 리소스 할당을 가능하게 합니다.

DeAI는 연합 학습과 동형 암호화 같은 기술로 최적화된 컴퓨팅 파워를 위한 글로벌 경쟁 마켓플레이스입니다. 동형 암호화" 및 기타 기술을 통해 DeAI는 "데이터는 움직이는 것이 아니라 모델이 움직이는 것"을 실현합니다. 원시 데이터를 한 곳에 중앙 집중화하지 않고 로컬 학습을 위해 다양한 데이터 소스에 모델을 분산하고 암호화된 매개변수 업데이트만 집계합니다. 이를 통해 데이터 프라이버시를 근본적으로 보호하는 동시에 탈중앙화 데이터의 가치를 법적으로 준수합니다. 데이터 소유자는 자신의 데이터를 공개하고 수익을 창출할지 여부를 자율적으로 결정할 수 있습니다.

DeAI는 "토큰 경제학"과 "스마트 계약"을 사용하여 새로운 시스템을 구축합니다. 스마트 컨트랙트"를 통해 투명하고 공정한 가치 분배 시스템을 구축했습니다. 데이터 기여자, 연산 제공자, 모델 개발자, 심지어 모델 사용자는 기여도에 따라 스마트 계약을 통해 해당 토큰으로 자동 보상을 받을 수 있습니다. 이를 통해 AI는 통제된 거대한 '블랙박스'에서 커뮤니티에 의해 구축되고, 관리되고, 공유되는 개방형 경제로 탈바꿈합니다. align: left;">기존의 중앙화된 AI 운영을 DeAI 패러다임으로 이전하려면 기술, 비즈니스, 거버넌스의 세 가지 수준에서 체계적인 리팩토링이 필요합니다.

(i) 중앙 집중식에서 분산식으로의 기술 리팩토링

산술 레이어탈중앙화된 물리적 인프라 네트워크에 의존하는( 아카시 네트워크, 렌더 네트워크 등과 같은 탈중앙화 물리적 인프라 네트워크(DePIN) 프로젝트에 의존하여 기존의 중앙화된 클라우드 서비스를 대체할 탄력적이고 저렴한 분산 연산 풀을 구축합니다.

데이터 레이어동형 암호화 및 안전한 다자간 계산과 같은 암호화 기술과 결합된 연합 학습을 핵심 교육 프레임워크로 채택하여 데이터 프라이버시 및 보안을 보장합니다. 오션 프로토콜과 같은 블록체인 기반 데이터 마켓플레이스를 구축하여 확증과 보안을 갖춘 데이터를 거래할 수 있도록 합니다.

모델 레이어학습된 AI 모델은 "AI 스마트 컨트랙트" 형태로 블록체인에 배포되어 투명하고 검증 가능하며 허가 없이 호출할 수 없습니다. 모델의 모든 사용과 생성된 수익은 정확하게 기록되고 분배될 수 있습니다.

(2) 서비스 판매에서 친환경 건설로 비즈니스 재구성

SaaS에서 DaaS(서비스형 데이터) 및 MaaS(서비스형 모델)로기업은 더 이상 API 호출 횟수만 판매하는 것이 아니라 기능 토큰이나 거버넌스 토큰을 발행하여 네트워크에 커뮤니티 참여를 장려하는 생태계 구축자 역할을 합니다. 수익원은 단일 서비스 수수료에서 생태계 가치 성장에 따른 토큰 가치 상승, 거래 수수료 배당 등으로 확대됩니다.

그러므로 데이터 주석, 모델 미세 조정, 시나리오별 애플리케이션 개발 작업을 바운티 형태로 공개하고 글로벌 커뮤니티 구성원들이 이를 수행하고 보상을 받을 수 있는 분산형 작업 플랫폼을 구축하여 운영 비용을 크게 절감하고 혁신을 촉진할 수 있습니다.

(3) 기업에서 DAO기업화에서

커뮤니티 거버넌스를 기반으로 커뮤니티 참여자(기여자, 사용자)는 거버넌스 토큰 보유를 통해 모델 파라미터 조정 방향, 자금 사용, 신규 기능 개발 우선순위 등 주요 결정에 투표할 수 있는 권한을 갖습니다. 이를 통해 진정한 '사용자 소유권'을 실현할 수 있습니다.

개방성과 투명성을 바탕으로 모든 코드, 모델(일부는 오픈 소스일 수 있음), 거래 기록, 거버넌스 결정이 체인에 업로드되어 개방적이고 투명한 프로세스를 보장하고 신뢰가 필요 없는 협업 관계를 구축하며, 이는 그 자체로 강력한 브랜드 자산이자 신뢰의 보증이 됩니다.

전통적인 물류 데이터 플랫폼이 DeAI로 전환된 것을 예로 들어,

Taking the transformation of traditional logistics data platforms to DeAI를 예로 들 수 있습니다. span leaf="">기존 물류 데이터 플랫폼의 딜레마는 해운, 육상 운송, 창고 등의 데이터를 한데 모으지만 참여자들이 상업적 기밀 유출을 우려해 '공유를 꺼려' 데이터 사일로와 플랫폼 가치가 제한된다는 점입니다. DeAI로의 전환의 핵심은 원시 데이터를 노출하지 않고 데이터의 가치를 발굴하고 공평하게 인센티브를 제공하는 것입니다.

기술적으로 신뢰할 수 있는 컴퓨팅 네트워크 구축. 플랫폼은 더 이상 중앙에 데이터를 저장하지 않고 블록체인 기반의 조정 계층으로 변모합니다. 연합 학습 및 기타 기술 모델을 사용하여 AI 모델을 각 기업(예: 운송 회사, 창고)의 로컬 서버로 '낙하산'하여 학습하고, 암호화된 매개변수 업데이트만 집계하여 글로벌 예측 모델(예: 화물선 도착 시간, 창고 발생 위험)을 공동으로 최적화함으로써 데이터가 이동하지 않고 값이 이동하지 않는다는 것을 깨닫게 됩니다. 데이터는 이동하지 않지만 가치는 이동합니다.

데이터 자산화 및 토큰 인센티브의 비즈니스 구현. 플랫폼 유틸리티 포인트를 발행하고, 물류 기업은 데이터(모델 매개변수)를 '채굴'에 기여하여 포인트 보상을 받습니다. 다운스트림 고객(예: 화주)은 원시 데이터를 구매하는 대신 고정밀 '예측'(예: 다음 주 특정 경로의 정시성)에 대해 토큰을 지불합니다. 수익은 스마트 컨트랙트를 통해 데이터 기여자에게 자동으로 분배됩니다.

산업을 구축하기 위한 거버넌스산업을 구축하기 위한 거버넌스DAO주요 결정(예: 새로운 기능 개발, 요금 조정 등)은 토큰 보유자(즉, 핵심 참여자)의 공동 투표에 의해 결정되며, 플랫폼을 민간 기업 지배에서 산업 커뮤니티로 전환합니다.

이 플랫폼은 데이터 중개 수수료를 챙기려는 중앙화된 조직에서 공동 건설, 공동 관리, 공유의 전체 물류 산업 체인을 위한 신경 시스템으로 변모했으며 신뢰 문제를 해결하여 업계 협업의 효율성과 위험 회복력을 크게 향상시켰습니다.

넷째, 규정 준수 및 보안

희망찬 미래에도 불구하고 DeAI는 아직 개발 초기 단계에 있으며 무시할 수 없는 일련의 과제에 직면해 있습니다.

컴플라이언스 및 법적 불확실성. 데이터 규정의 경우, 데이터가 모바일이 아니더라도 연합 학습과 같은 모델은 개인 데이터를 처리할 때 GDPR과 같은 규정의 '목적 제한'을 엄격하게 준수해야 합니다.", "GDPR과 같은 규정의 '데이터 최소화' 및 사용자 권리(예: 잊혀질 권리)를 엄격하게 준수해야 합니다. 프로젝트는 규정을 준수하는 데이터 승인 및 옵트아웃 메커니즘을 설계해야 합니다.

보안 규정증권 규정프로젝트에서 발행한 토큰은 여러 국가의 규제기관(예: 미국 SEC)에서 증권으로 인정될 가능성이 높으므로 엄격한 규제 조사를 받게 됩니다. 토큰의 경제 모델을 설계할 때 법적 위험을 어떻게 피할 수 있는지가 프로젝트 생존의 열쇠입니다.

콘텐츠 책임체인에 배포된 DeAI 모델이 유해하거나 편향적이거나 불법적인 콘텐츠를 생성하는 경우 책임 주체는 누구인가요? 모델 개발자, 연산 제공자, 거버넌스 토큰 보유자 중 누구일까요? 이는 기존 법 체계에 새로운 질문을 제기합니다.

보안 및 성능 측면에서의 모델 보안예: 퍼블릭 체인에 배포된 모델은 스마트 컨트랙트를 노리는 취약점 공격이나 데이터 포이즈닝을 통한 연합 학습 시스템의 악의적 방해 행위 등 새로운 공격 벡터에 노출될 수 있습니다.

성능 병목현상 즉, 블록체인 자체의 트랜잭션 속도(TPS)와 스토리지 한계로 인해 대규모 모델 추론을 위한 빈도가 높고 지연 시간이 짧은 요청을 지원하지 못할 수 있습니다. 이를 위해서는 레이어2 확장 체계와 오프체인 컴퓨팅의 효과적인 조합이 필요합니다.

협업 효율성, 즉분산 협업은 공정하지만 중앙 집중식 회사보다 의사 결정과 실행의 효율성이 떨어질 수 있습니다. 효율성과 공정성 사이의 균형을 맞추는 방법은 DAO 거버넌스가 계속 탐구해야 할 예술입니다.

생산 관계의 혁명인 DeAI는 분산 기술, 토큰 경제, 커뮤니티 거버넌스를 통해 거대 기업의 독점을 깨고 유휴 연산과 데이터를 전 세계로 방출하여 새로운 AI 생태계를 구축할 것으로 기대됩니다. 가치를 창출하고, 더 공정하고 지속 가능하며 잠재적으로 더 수익성이 높은 새로운 AI 생태계를 구축할 것으로 기대됩니다.

V. 현재 탐색 방향

< strong>현재 AI 도구의 개발은 이상적인 탈중앙화 AI를 달성하기에는 아직 멀었습니다. 아직은 중앙 집중식 서비스의 초기 단계에 머물러 있지만, 일부 탐색은 이미 앞으로 나아갈 길을 가리키고 있습니다.

Current 탐사 및 향후 과제. 이상적인 DeAI는 아직 실현되지 않았지만, 업계는 이미 앞으로 나아갈 길과 극복해야 할 장애물을 파악하는 데 도움이 되는 가치 있는 시도를 하고 있습니다.

예를 들어, 멀티 에이전트 시스템에서의 협업의 시작을 들 수 있습니다. 일부 프로젝트에서는 AI 에이전트가 서로 협업하고 함께 진화하는 환경을 구축하는 방안을 모색하고 있습니다. 예를 들어, AMMO 프로젝트는 AI 에이전트가 복잡한 시나리오에서 협업과 경쟁을 학습할 수 있는 멀티 에이전트 프레임워크와 RL Gyms 시뮬레이션 환경을 설계하여 '사람과 AI의 공생 네트워크'를 구축하는 것을 목표로 합니다. 이는 DeAI 세계의 기본 상호 작용 규칙을 구축하려는 시도로 볼 수 있습니다.

또 다른 예는 인센티브 모델링의 초기 시도입니다. DeAI의 비전에서는 데이터를 기여하는 사용자와 연산을 제공하는 노드 모두 공정한 보상을 받아야 합니다. 일부 프로젝트는 암호화폐 기반 인센티브 시스템을 통해 생태계 기여자에게 직접 가치를 재분배하려고 시도하고 있습니다. 물론 이러한 경제 모델이 대규모로 일관되고 공정하게 작동할 수 있는 방법은 여전히 큰 과제로 남아 있습니다.

더 자율적인AI로 나아가는 움직임이 있습니다. leaf="">:딥 리서치 제품군은 특정 작업(예: 정보 검색, 분석)에 대한 AI의 강력한 자율성을 보여줍니다. 자율적으로 계획하고, 다단계 작업을 수행하고, 결과를 반복적으로 최적화할 수 있으며, 이러한 작업 자동화 기능은 향후 DeAI 네트워크에서 AI 에이전트가 독립적으로 작업할 수 있는 기반이 됩니다.

붉은 바다에서 고군분투하는 AI 실무자라면 낡은 패러다임에 얽매이지 말고 용감하게 DeAI라는 새로운 블루오션을 받아들여야 합니다. 이는 기술의 변화일 뿐만 아니라 '추출'에서 '인센티브'로, '폐쇄'에서 '개방'으로의 비즈니스 철학의 재편이기도 합니다.