콘텐츠의 제휴사 링크를 통해 구매하면 추가 비용 없이 수수료를 받을 수 있습니다. 
데이터 센터 업계는 인공지능(AI)이 대규모 언어 모델(LLM)을 훈련하고 실행하는 데 필요한 막대한 컴퓨팅 파워를 따라잡기 위해 고군분투하고 있다.
특히 고급 AI 모델은 사전 훈련 단계에서 수천 개의 그래픽 처리 장치(GPU)를 필요로 하며, 이러한 시설들은 매우 발전된 데이터 센터 아키텍처를 요구한다.
대형 클라우드 서비스 제공업체들은 현재 50-200MW 규모의 하이퍼스케일 데이터 센터를 운영하고 있으며, 그 운영 비용은 10억에서 40억 달러에 달한다. 그러나 베인앤드컴퍼니(Bain & Company)의 추정에 따르면, 2030년까지 1GW 이상의 용량을 갖춘 데이터 센터가 필요할 것이며, 그 비용은 약 100억에서 250억 달러에 이를 것으로 보인다.
이렇게 대규모 시설을 구축할 수 있는 기업은 극소수에 불과하며, 이는 건설 가능한 시설의 수가 제한적일 것이라는 의미한다. 현재 이 시장은 구글(Alphabet), 마이크로소프트(Microsoft), 아마존 웹 서비스(AWS), 알리바바(Alibaba)와 같은 대형 기술 기업들이 장악하고 있어, 소규모 경쟁사들이 비슷한 규모의 인프라를 구축하기가 어려운 상황이다.
그렇다면 경쟁의 장을 평준화할 수 있는 방법이 있을까? 이 문제를 해결할 수 있는 대안으로 분산형 물리적 인프라 네트워크(DePIN)가 부상하고 있다.
핵심 내용
- DePIN은 소규모 컴퓨팅 자원을 통합시켜 AI의 증가하는 수요를 해결한다.
- 이 분산형 컴퓨팅은 AI 인프라의 민주화를 촉진하고, 기술 대기업에 대한 의존도를 줄인다.
- 가상화폐 토큰화는 참여를 장려하고, 혁신과 자원 접근성을 향상시킨다.
- 분산형 네트워크는 비용 절감, 보안 향상, 지연 시간 감소에 도움이 될 수 있다.
- DePIN은 2025년까지 AI 도입 증가에 따른 산업의 규모 확장 방식을 변화시킬 것으로 예상된다.
AI 개발에서 DePIN이 할 수 있는 역할은 무엇인가?
Bain & Company에 따르면, “AI 자원을 확보하려는 경쟁이 이미 시장의 최상위 자원에 대한 극심한 경쟁을 야기하고 있으며, 증가하는 데이터 센터 요구 사항은 더욱 그 역량을 압박할 것”이다.
수요가 클라우드가 수용할 수 있는 용량을 초과함에 따라, 에지 AI(edge AI)가 리소스 극대화를 위한 해결책으로 떠오르고 있다. 에지 AI는 센서나 사물 인터넷(IoT) 장치와 같은 디바이스에서 AI 알고리즘과 모델을 직접 실행해, 네트워크의 끝단(edge)에서 실시간 데이터 처리를 가능하게 하고 클라우드 네트워크의 부담을 줄인다.
“물리적 세계와 디지털 세계를 연결하는 이러한 네트워크들은 이제 더 이상 단순한 이론적 틀에 그치지 않는다. 그것들은 인공지능 개발 및 배포의 진화에서 중요한 초석이 되고 있다”고 Network3.ai의 최고경영자(CEO인) 록 장(Rock Zhang)은 테코피디아에 말했다.
하지만 이 퍼즐에서 빠진 조각인 DePIN은 웹3 개념으로, 디지털 자산을 넘어 블록체인 기술, 토큰화, 스마트 계약, 탈중앙화 거버넌스 메커니즘을 활용한다.
DePIN은 데이터 저장, 에너지 생성 및 그리드, 센서, 무선 통신 장치 및 컴퓨팅 파워와 같은 물리적 자원에 기여하거나 이를 구축하도록 참여자들에게 인센티브를 제공한다.
블록체인 네트워크가 발전함에 따라, 탈중앙화형 네트워크가 물리적 자산을 통합하는 것이 점점 더 쉬워지고 있다.
따라서 DePIN은 소규모 인프라를 통합하면서도, 제어를 분산시켜 자산을 개별 참가자들의 분산 네트워크에서 관리하고 운영할 수 있도록 한다.
이 방식은 웹3의 분산형 제어와 커뮤니티 소유의 이상을 반영하며, 물리적 인프라 관리의 투명성과 보안을 개선한다.
Network3의 장은 테코피디아에 다음과 같이 말했다: “IoT 장치, 컴퓨팅 노드, 센서의 분산형 네트워크를 가능하게 함으로써, DePIN은 중앙 집중형 클라우드 인프라에 대한 의존도를 줄이고, 실시간, 비용 효율적이고 현지화된 AI 훈련 및 추론을 위한 새로운 길을 열어준다.”
DePIN에서 자산을 토큰화하는 것은 인프라 개발을 위한 새로운 비즈니스 모델과 수익원을 지원하며, 이는 전통적인 모델보다 더 효율적이고, 비용 효율적이며, 보안이 강화된다. 효율성은 짧은 지연 시간을 보장해주기 때문에 AI 모델을 실행하는 데 매우 중요하다.
물리적 위치로 지연 시간 감소에 기여
DePIN은 유휴 GPU와 에지 디바이스를 보유한 개인들의 네트워크를 만들어, 그들의 컴퓨팅 파워를 모아 AI 훈련을 위해 필요할 때 빌려줌으로써 AI의 컴퓨팅 자원 부족 문제를 해결할 수 있다.
DePIN 네트워크에 참여하는 사용자는 지리적으로 가장 가까운 곳에 있는 컴퓨팅 파워에 접근할 수 있으므로, 지연 시간이 줄어들고 비용이 낮아진다. 또한, 거대 클라우드 공급업체의 간접비 부담 없이 더 높은 용량을 이용할 수 있다.
이 방식은 AI 스타트업들에게 대형 클라우드 컴퓨팅 제공업체에 비해 경제적인 대안을 제공하며, 기술 대기업들이 갖는 컴퓨팅 자원에 대한 통제 권한을 줄여, 더 많은 새로운 기업들이 혁신을 이끌 수 있는 여지를 만들어준다.
DePIN은 대형 기술 기업들, 연구 기관, 정부를 넘어, GPU와 같은 고급 컴퓨팅 자원에 대한 접근을 민주화하고 AI 배포를 가속화할 수 있는 잠재력을 가지고 있다.
한눈에 보기: DePIN이 AI에 어떻게 작용하는가
자원 제공: 전 세계의 DePIN 참여자들은 여유 컴퓨팅 용량을 네트워크에 연결한다.
스마트 계약: 스마트 계약은 자원 수요와 가용성을 모니터링하고, 미리 설정된 규칙에 따라 거래를 자동화한다.
자원 관리: 시장 기반의 컴퓨팅 파워 할당을 통해 자원의 효율적인 사용을 최적화하고, AI 모델 훈련을 위한 최적의 환경을 제공한다.
토큰화: 참여자는 컴퓨팅 파워 기여에 대한 보상으로 토큰을 받고, 거버넌스에도 기여할 수 있다. AI 기업은 토큰을 통해 빠르고 쉽게 컴퓨팅 파워에 접근하고 결제할 수 있다.
결과: 비용 절감, 자원의 효율적 사용, 낮은 지연 시간, 투명성 증대.
DePIN Scan에 따르면, 현재 AI 분야에 집중하는 73개의 DePIN 프로젝트가 존재한다.
DePIN 프로젝트들은 솔라나와 코스모스와 같이 처리 비용이 낮고 속도가 빠른 블록체인에서 배포되고 있으며, 이더리움(ETH) 블록체인 상의 레이어 2 네트워크에서도 실행되고 있다.
에이더(Aethir)와 렌더(Render)와 같은 네트워크는 GPU 파워를 통합시키고 있으며, AI 산업에 컴퓨팅 용량을 제공하는 데 집중하고 있다.
생성형 AI 플랫폼인 텐서오페라(TensorOpera)는 750만 매개변수 모델을 30일 연속으로 훈련하며 DePIN이 AI에 어떻게 효과적으로 작용하는지 보여주었다.
AI 분야에서의 주요 DePIN 트렌드
Network3.ai의 장은 DePIN의 세 가지 주요 트렌드와 그들이 AI 개발에서 맡을 역할에 대하여 다음과 같이 예측했다:
1. 분산 컴퓨팅의 대규모 확장
“우리는 이미 에지 디바이스, GPU, 유휴 하드웨어가 AI 작업 부하에 기여하는 분산 컴퓨팅 네트워크의 부상을 목격하고 있다.
2025년에는 이것이 AI 모델 훈련 방식에 변화를 가져올 것으로 예상한다. 중앙 집중형 슈퍼컴퓨팅 클러스터에서 DePIN으로 구동되는 분산형 네트워크로 전환될 것이다.”
2. AI 기여에 대한 토큰화된 인센티브
“DePIN 내의 토큰 기반 시스템은 개인과 기업이 데이터, 컴퓨팅 파워, 인프라에 기여하도록 장려할 것이다.
이 토큰화는 AI 개발에 대한 접근을 민주화하고, 소규모 플레이어들이 글로벌 혁신에 참여하면서 자원을 통해 수익을 창출할 수 있도록 할 것이다.”
3. 강화된 AI 보안 및 개인정보 보호
“DePIN의 분산적 특성은 본질적으로 보안과 개인정보 보호를 향상시킨다. 데이터를 네트워크 전반에 분산시키고 계산을 분산함으로써, DePIN은 취약점을 최소화하고, 더 엄격한 글로벌 데이터 개인정보 보호 규정을 준수한다. 이는 AI 애플리케이션이 더 널리 보급되고 민감해짐에 따라 특히 중요한 사항이다.”
2025년의 DePIN 전망
장에 따르면, “2025년이 다가옴에 따라, DePIN의 가능성이 더욱 뚜렷해지고 있다.”
“DePIN은 분산형 AI 경제의 중추 역할을 수행하여, 더욱 공평한 성장을 가능하게 하고, 소외된 지역과 산업의 진입 장벽을 낮출 것이다.”
“기술이 발전함에 따라, 우리는 DePIN이 의료, 농업, 에너지 관리 분야에서 획기적인 응용을 가능하게 할 것이며, 동시에 대규모 생성형 AI와 같은 새로운 혁신에 필요한 인프라를 제공할 것이라고 기대할 수 있다.”
장은 2025년을 DePIN과 AI가 실험 단계에서 대규모 채택으로 넘어가는 중요한 해로 보고 있으며, “이는 산업을 근본적으로 변화시키고 우리가 기술을 구축하고 상호작용하는 방식을 재구성할 것”이라고 말했다.
앞으로의 도전 과제
DePIN의 개념은 유망하지만, 많은 참여자들이 물리적 인프라를 유지하고 기여할 준비가 되어야만 이러한 네트워크들이 그 잠재력을 온전히 발휘할 수 있다.
참여의 이점과 높은 초기 설정 비용(특히 GPU 관련 비용)을 이해하는 것이 도전 과제가 될 것이다. 분산형 물리적 네트워크의 이점과 잠재적 영향을 입증하는 데 교육이 중요한 역할을 할 것이다.
이러한 문제를 극복할 수 있는 얼리 어답터들은 시장이 발전함에 따라 경쟁 우위를 확보할 수 있을 것이다.
결론
DePIN은 전 세계의 개인과 조직에서 컴퓨팅 자원을 통합시킴으로써 대규모 AI 채택에서 발생하는 문제 중 하나인 막대한 처리 용량의 필요성을 해결하는 데 도움을 줄 수 있다.
DePIN은 AI 인프라에 대한 접근을 민주화할 수 있는 잠재력을 제공하며, AI 인프라가 기술 대기업들만의 통제 하에 남지 않고 스타트업과 연구자들이 개발과 혁신에 참여할 수 있도록 한다.
2025년을 앞두고, DePIN은 AI 모델 훈련을 위한 분산 네트워크의 확장, AI 개발에 기여하는 토큰 기반 인센티브, 강화된 보안 및 개인정보 보호를 촉진할 수 있다.
