AI 연구소는 공개 데이터셋이 제공하는 것보다 더 새롭고 깨끗한 데이터를 필요로 하며, 점점 더 많은 분산 네트워크가 이를 더 저렴하고 검증 가능한 출처와 함께 제공할 수 있다고 주장합니다. 문제는 이 새로운 DePIN 수직 분야가 토큰 중심의 과대광고를 실제 고객으로부터의 반복 청구서로 전환할 수 있느냐는 것입니다.
모델 작동 방식
데이터-for-AI 분야의 대표 프로젝트인 GRASS는 분산 엔드포인트를 임대하여 공개 웹 데이터를 크라우드소싱합니다. 개인은 대역폭 공유 프록시 역할을 하는 경량 클라이언트를 실행하며, 가동 시간, 대역폭, 지리적 희소성 및 품질 필터에 따라 포인트나 토큰을 얻습니다. 수요 측면에서 AI 연구소와 데이터 공급업체는 감사 추적이 가능한 신선하고 규정을 준수하며 도메인별 데이터에 대해 비용을 지불합니다. 가격은 페이지당, 토큰당, 기가바이트당 또는 크롤링, 정리, 레이블링 및 유해성 필터링을 포함한 작업당으로 책정될 수 있습니다.
이들의 주장은 중앙화된 Web2 공급업체는 전 세계 수천 개의 엔드포인트를 활용하는 분산 네트워크의 신선도나 비용을 따라잡을 수 없다는 것입니다. 구매자는 또한 커버리지, robots.txt 및 옵트아웃 규칙 준수, SLA 및 재실행 옵션과 같은 신뢰성 보장을 중요시합니다.
공급 대 수요 — 실제 실험
GRASS는 이미 무선(Helium), 매핑(Hivemapper), 스토리지(Filecoin, Arweave), 컴퓨트(Akash, Render) 분야에서 돌파구를 마련한 광범위한 DePIN 운동의 일부입니다. 각 수직 분야는 다른 자원을 판매합니다. Helium은 연결성을, Hivemapper는 지도 타일과 업데이트를, Filecoin은 영구 스토리지를, Akash는 GPU 및 CPU 시간을 판매합니다.
데이터-for-AI는 가장 새로운 분야입니다. 공급 측면은 토큰 보상에 의해 인센티브를 받는 개인의 대역폭과 엔드포인트 기여에 의존합니다. 수요는 특수 데이터셋이 필요한 AI 연구소에서 발생합니다. 단순히 더 많은 데이터가 아니라 현재 상태이고 깨끗하며 법적으로 스크래핑된 데이터를 원합니다. 그러나 그 수요는 컴퓨트나 스토리지 시장에 비해 아직 초기 단계입니다.
과대광고에서 대차대조표로
GRASS와 같은 프로젝트의 토큰 가격은 반드시 상업적 견인력을 반영하는 것이 아니라 투기적 관심을 반영합니다. 핵심 테스트는 데이터-for-AI DePIN이 실제 비즈니스로부터 반복 청구서를 생성할 수 있는지 여부입니다. AI 연구소는 데이터 조달 예산이 있지만 Scale AI, Appen 및 웹 스크래핑 서비스와 같은 중앙화된 공급업체와 기존 관계를 맺고 있습니다.
분산 네트워크는 출처 로그와 규정 준수 추적을 제공하며, 이는 규제 당국이 훈련 데이터에 대한 규칙을 강화함에 따라 차별화 요소가 될 수 있습니다. 그러나 구매자는 네트워크가 대규모로 일관되게 고품질의 신선한 데이터를 제공할 수 있고, 서비스 비용으로 지불하는 토큰이 단순한 변동성 위험이 아니라는 것을 신뢰해야 합니다.
해결되지 않은 질문
GRASS와 그 동료들은 아직 초기 단계에 있습니다. 데이터-for-AI 논리는 이론적으로 타당합니다. 오래되거나 노이즈가 많은 데이터로 훈련된 모델은 더 나쁜 결과를 생성하며, 중앙화된 스크래핑은 비용이 많이 들고 법적 위험이 있습니다. 그러나 분산 소싱이 실제로 기존 공급업체를 가격과 품질 면에서 앞지를 수 있는지, 그리고 이를 안정적으로 수행할 수 있는지는 입증되지 않았습니다.
살아남을 프로젝트는 토큰 거래량이 아닌 AI 연구소의 실제 청구서를 보여줄 수 있는 프로젝트일 가능성이 높습니다. 현재로서는 과대광고는 현실적이지만 수익은 아직 아닙니다.
