편집자 주: 이 기사에서는 에이전트 간 상호 작용, 분산 에이전트 조직, AI 기반 엔터테인먼트, 생성된 콘텐츠 마케팅, 데이터 시장, 분산 컴퓨팅 등을 포함하여 2025년에 암호화와 AI를 결합할 여러 혁신 영역에 대해 논의합니다. 이 기사에서는 블록체인 및 AI 기술을 사용하여 여러 산업에서 새로운 기회를 창출하고 개인 정보 보호, AI 하드웨어 개발 및 분산 기술 적용을 촉진하는 방법을 탐구하는 동시에 지능형 에이전트가 어떻게 가져올 수 있는지에 더 많은 관심을 기울여야 합니다. 거래, 예술 창작 및 기타 분야를 돌파합니다.

다음은 원본 내용입니다(원본 내용은 읽기 쉽고 이해하기 쉽도록 편집되었습니다).

에이전트 간 상호작용

블록체인의 기본 투명성과 구성 가능성은 에이전트 간의 상호 작용을 위한 이상적인 플랫폼을 만듭니다.

이 시나리오에서는 서로 다른 목적을 위해 서로 다른 엔터티에서 개발된 에이전트가 서로 원활하게 상호 작용할 수 있습니다. 에이전트가 서로 자금을 보내고 공동으로 토큰을 출시하는 등 많은 실험이 있었습니다.

에이전트 상호 작용을 통해 구동되는 새로운 소셜 장소와 같은 새로운 애플리케이션 영역의 생성과 플랫폼 인증, 검증, 소액 결제, 교차 결제와 같은 기존 기업 워크플로의 개선을 통해 에이전트 간 상호 작용이 어떻게 확장되는지 지켜보는 것이 매우 기대됩니다. 플랫폼 워크플로 통합 등)을 통해 효율성을 향상하고 현재의 일부 번거로운 문제를 해결합니다.

—대니, 케이티, 아드하시, 드미트리

분산형 에이전트 조직

대규모 다중 에이전트 조정은 똑같이 흥미로운 연구 분야입니다.

다중 에이전트 시스템은 작업을 완료하고, 문제를 해결하고, 시스템과 프로토콜을 관리하기 위해 어떻게 함께 작동합니까? Vitalik은 2024년 초 "암호화 및 인공지능 애플리케이션의 약속과 과제"라는 기사에서 AI 에이전트가 예측 시장 및 판결에 사용될 수 있다고 언급했습니다. 그는 실제로 대규모 애플리케이션에서 다중 에이전트 시스템이 상당한 "진실" 발견 기능을 갖고 있으며 보편적인 자율 거버넌스 시스템을 달성할 수 있다고 믿습니다. 우리는 다중 에이전트 시스템의 기능과 "군집 지능" 형태에 대한 지속적인 발견과 실험에 관심이 있습니다.

에이전트 간 조정의 확장으로서 에이전트와 인간 간의 조정도 흥미로운 설계 공간입니다. 특히 에이전트를 중심으로 커뮤니티로서 상호 작용하는 방법 또는 에이전트를 통해 집단 행동을 위해 인간을 조직하는 방법입니다. 대규모 인간 조정을 목표로 하는 에이전트에 대한 더 많은 실험을 볼 수 있기를 바랍니다. 이를 위해서는 특히 일부 인간 작업이 오프체인에서 수행되는 경우 몇 가지 검증 메커니즘이 필요하지만 매우 이상하고 흥미로운 긴급 행동으로 이어질 수도 있습니다.

—케이티, 드미트리, 애쉬

지능형 멀티미디어 엔터테인먼트

디지털 캐릭터의 개념은 수십 년 동안 존재해 왔습니다.

하츠네 미쿠(2007)는 20,000석 규모의 공연장을 매진시켰고, 릴 미켈라(2016)는 인스타그램에서 200만 명이 넘는 팔로워를 보유하고 있습니다. 덜 알려진 최신 사례로는 Twitch에서 60만 명 이상의 구독자를 보유한 AI 가상 앵커 Neuro-sama(2022), 2명 미만으로 익명으로 데뷔한 한국 보이 밴드 PLAVE(2023) 등이 있습니다. 조회 수는 3억 회가 넘습니다. 단 1년 만에 YouTube에 등장했습니다.

AI 인프라가 개발되고 블록체인이 결제, 가치 이전 및 개방형 데이터 플랫폼에 통합됨에 따라 우리는 이러한 에이전트가 어떻게 더욱 자율적이 되고 잠재적으로 2025년까지 새로운 종류의 AI를 잠금 해제할 수 있을지 매우 기대하고 있습니다. 주류 엔터테인먼트 카테고리.

—케이티, 드미트리

생성/에이전트 콘텐츠 마케팅

앞서 언급한 경우 에이전트는 제품 자체인 반면, 다른 시나리오에서는 에이전트가 기존 제품을 보완합니다. 관심 경제에서는 흥미로운 콘텐츠의 지속적인 흐름을 유지하는 것이 모든 아이디어, 제품, 회사 등의 성공에 매우 중요합니다.

콘텐츠 생성/에이전트는 팀이 확장 가능한 연중무휴 콘텐츠 생성 파이프라인을 보장할 수 있는 강력한 도구입니다. 이 개념의 개발은 밈코인과 에이전트를 구별하는 요소에 대한 논의로 인해 가속화되었습니다. 에이전트는 밈코인이 아직 완전히 "지능적"이지는 않지만(그러나 그렇게 될 수도 있음) 밈코인을 배포하는 강력한 수단을 제공합니다.

또 다른 예는 사용자의 참여를 유지하기 위해 게임이 더욱 역동적이어야 한다는 필요성이 증가하고 있다는 것입니다. 게임 역학을 만드는 고전적인 방법 중 하나는 사용자 생성 콘텐츠를 육성하는 것입니다. 완전히 생성된 콘텐츠(게임 내 아이템부터 NPC, 완전히 생성된 레벨까지)가 이러한 진화의 다음 단계가 될 수 있습니다. 2025년 에이전트들은 전통적인 유통 전략의 경계를 어떻게 확장할 것인지 궁금하다.

—케이티

차세대 미술 도구/플랫폼

2024년에는 음악, 시각 예술, 디자인, 큐레이션 등 분야의 암호화폐 아티스트와의 인터뷰 시리즈 IN CONVERSATION WITH를 출시했습니다. 올해 인터뷰에서 제가 관찰한 주요 사실은 암호화폐에 관심이 있는 많은 예술가들이 종종 최첨단 기술에도 큰 관심을 갖고 있으며 이러한 기술을 자신의 예술 활동, 즉 AR/VR 개체에 통합하기를 원한다는 것입니다. 코드 예술과 라이브 코딩 등.

특히 제너레이티브 아트는 블록체인과 자연스러운 시너지를 발휘해 AI 아트의 잠재적인 기본 플랫폼으로서의 가능성이 더욱 분명해진다. 이러한 예술 형식을 적절하게 표시하는 것은 전통적인 플랫폼에서 매우 어렵습니다. ArtBlocks는 미래에 블록체인을 사용하여 디지털 아트를 전시, 저장, 수익화 및 보존하는 방법에 대한 비전을 제시하여 예술가와 관객 모두의 전반적인 경험을 향상시킵니다. 프레젠테이션을 넘어 AI 도구는 일반 사람들이 자신만의 예술 작품을 창작할 수 있는 능력도 확장합니다. 2025년에 블록체인이 이러한 도구를 어떻게 확장하거나 지원하는지가 매우 흥미로운 주제가 될 것입니다.

—케이티

데이터 시장

Clive Humby가 "데이터는 새로운 석유"라고 말한 이후 20년 동안 기업은 사용자 데이터를 저장하고 수익을 창출하기 위해 강력한 조치를 취했습니다. 사용자는 자신의 데이터가 수십억 달러 규모의 회사를 설립하는 기반이라는 사실을 점점 더 깨닫고 있습니다. 하지만 데이터가 사용되는 방식에 대한 통제권이 거의 없으며 데이터가 가져오는 이익도 공유할 수 없습니다.

데이터 시장

Clive Humby가 "데이터는 새로운 석유"라고 말한 이후 20년 동안 기업은 사용자 데이터를 저장하고 수익을 창출하기 위해 강력한 조치를 취했습니다. 사용자는 자신의 데이터가 수십억 달러 규모의 회사를 설립하는 기반이라는 사실을 점점 더 깨닫고 있습니다. 하지만 데이터가 사용되는 방식에 대한 통제권이 거의 없으며 데이터가 가져오는 이익도 공유할 수 없습니다.

강력한 AI 모델의 개발이 가속화되면서 이러한 모순은 더욱 심각해졌습니다. 사용자 착취를 해결하는 것이 데이터 기회의 일부라면, 또 다른 중요한 문제는 더 크고 더 강력한 모델이 쉽게 사용 가능해지고 데이터 공급 부족을 해결하는 것입니다. 새로운 데이터 소스가 필요합니다.

분산형 인프라를 활용하여 회사에서 데이터 소스(사용자)에게 데이터 제어권을 다시 전송하는 방법에 대한 여러 영역의 혁신적인 솔루션이 포함된 거대한 설계 공간이 있습니다. 가장 시급한 질문은 다음과 같습니다: 데이터가 저장되는 위치, 저장, 전송 및 계산 중에 개인 정보가 유지되는 방법, 데이터 품질을 객관적으로 벤치마킹, 필터링 및 평가하는 방법, 귀속 및 수익 창출에 사용하는 메커니즘(특히 가치가 필요한 경우) 추론 중에 추론) 소스로 다시 돌아가기) 다양한 모델 생태계에서 우리가 사용하는 조정 또는 데이터 검색 시스템은 무엇입니까?

공급 병목 현상 문제 해결과 관련하여 토큰을 통해 Scale AI를 복제하는 것뿐만 아니라 기술적 순풍의 도움으로 이점을 얻을 수 있는 곳과 규모, 품질 또는 더 나은 인센티브(및 필터링) 메커니즘을 활용하여 경쟁력을 구축하는 방법을 이해하는 것이 더 중요합니다. 솔루션을 통해 더 높은 가치의 데이터 제품을 탄생시킵니다. 특히 대부분의 수요 당사자가 web2 AI에서 나오는 경우 스마트 계약 시행 메커니즘을 기존 SLA(서비스 수준 계약) 및 도구와 결합하는 방법은 주의가 필요한 중요한 영역입니다.

—대니

분산 컴퓨팅

데이터가 AI 개발 및 배포를 위한 하나의 기본 구성 요소라면 컴퓨팅 성능은 또 다른 것입니다. 공간, 에너지, 하드웨어에 대한 제어를 포함하여 고유한 액세스 기능을 갖춘 전통적인 대규모 데이터 센터는 지난 몇 년 동안 딥 러닝과 AI의 궤적을 지배해 왔지만 물리적 제약과 오픈 소스 개발이 발전함에 따라 이러한 패턴은 점점 더 커지고 있습니다. 도전받다.

분산형 AI 컴퓨팅의 v1 버전은 실제 공급 이점(하드웨어 또는 데이터 센터)이 없고 유기적 수요가 부족한 web2 GPU 클라우드의 복사본처럼 보입니다. 그리고 v2에서는 오케스트레이션, 라우팅, 가격 책정 등의 기능과 수요를 유치하기 위한 일부 독점 기능이 결합된 이기종 고성능 컴퓨팅(HPC) 제공을 기반으로 완전한 기술 스택을 구축하는 우수한 팀을 보기 시작했습니다. 특히 추론에서 마진 압축을 사용합니다. 또한 팀은 다양한 사용 사례와 시장 진출 전략(GTM)을 다양화하기 시작했으며, 일부 팀은 컴파일 프레임워크를 다양한 하드웨어의 효율적인 추론 라우팅에 통합하는 데 중점을 두었고, 다른 팀은 자신이 구축한 컴퓨팅 네트워크에서 분산 추론을 개척했습니다. 뼈대.

우리는 컴퓨팅과 GPU를 수익 창출 자산으로 전환하거나 온체인 유동성을 활용하여 데이터 센터에 하드웨어를 확보할 수 있는 또 다른 자본 소스를 제공하는 새로운 경제적 기본 요소를 갖춘 AI-Fi 시장의 출현을 보기 시작했습니다. 여기서 중요한 질문은 탈중앙화 AI(DeAI)가 어느 정도까지 탈중앙화 컴퓨팅 트랙에서 개발 및 배포될 것인지, 아니면 저장 공간과 마찬가지로 이념과 실제 요구 사이의 격차가 항상 메울 수 없는 상태로 남아 전체를 실현하지 못할 것인지입니다. 이 아이디어의 잠재력.

—대니

계산 및 회계기준

분산형 고성능 컴퓨팅 네트워크의 인센티브 메커니즘과 관련하여 이기종 컴퓨팅 리소스를 조정하는 데 있어 중요한 과제는 이러한 컴퓨팅 능력을 설명하는 통일된 표준이 없다는 것입니다. AI 모델은 모델 변형 및 양자화부터 모델의 온도 및 샘플링 하이퍼 매개변수를 통한 확률 수준 조정에 이르기까지 고성능 컴퓨팅(HPC) 출력 공간에 여러 가지 복잡성 요소를 고유하게 추가합니다. 또한 AI 하드웨어는 GPU 아키텍처의 다양성과 다양한 CUDA 버전을 통해 더 많은 복잡성을 가져올 수도 있습니다. 궁극적으로 이는 이기종 분산 시스템에서 시간을 교차 계산하는 방법에 대한 회계 모델 및 컴퓨팅 시장 기능의 필요성으로 이어집니다.

부분적으로는 표준이 부족하기 때문에 웹2 및 웹3 세계에서 모델과 컴퓨팅 시장이 컴퓨팅 성능의 품질과 양을 정확하게 설명하지 못하는 여러 사례를 보았습니다. 이로 인해 사용자는 자체 비교 모델 벤치마크를 실행하고 속도 제한을 통해 컴퓨팅 시장에서 작업 증명을 수행하여 이러한 AI 계층의 실제 성능을 감사해야 합니다.

부분적으로는 표준이 부족하기 때문에 웹2 및 웹3 세계에서 모델과 컴퓨팅 시장이 컴퓨팅 성능의 품질과 양을 정확하게 설명하지 못하는 여러 사례를 보았습니다. 이로 인해 사용자는 자체 비교 모델 벤치마크를 실행하고 속도 제한을 통해 컴퓨팅 시장에서 작업 증명을 수행하여 이러한 AI 계층의 실제 성능을 감사해야 합니다.

암호화폐 공간의 핵심 원칙이 검증 가능성이라는 점을 감안할 때, 2025년에는 암호화폐와 AI의 교차점이 기존 AI보다 검증하기가 더 쉬울 것으로 기대합니다. 특히 시스템 성능을 감사하고 벤치마킹하기 위해 일반 사용자가 특정 모델이나 클러스터의 다양한 측면, 특히 출력을 정의하는 기능을 비교할 수 있는 것이 중요합니다.

—아드하시

확률적 개인 정보 보호 기본 요소

Vitalik은 "암호화 및 AI 애플리케이션의 전망과 과제"라는 기사에서 암호화 및 AI 해결의 고유한 과제를 언급했습니다.

"암호화에서 오픈 소스는 사물을 진정으로 안전하게 만드는 유일한 방법이지만, AI에서는 모델(그리고 훈련 데이터까지)의 개방성이 적대적인 머신러닝 공격에 대한 취약성을 크게 증가시킵니다."

프라이버시는 블록체인 분야의 새로운 연구 방향은 아니지만 AI의 인기로 인해 프라이버시 암호화 기본 요소의 연구 및 적용이 계속 가속화될 것이라고 믿습니다. 올해에는 ZK, FHE, TEE, MPC와 같은 개인 정보 보호 강화 기술이 암호화된 데이터 계산을 위한 개인 공유 상태와 같은 일반 애플리케이션을 포함한 애플리케이션 시나리오를 통해 상당한 진전을 이루었습니다. 동시에 우리는 Nvidia 및 Apple과 같은 중앙 집중식 AI 거대 기업이 시스템 전체에서 하드웨어, 펌웨어 및 모델의 일관성을 유지하기 위해 공동 학습 및 개인 AI 추론을 위해 독점 TEE를 사용하는 것을 보았습니다.

이를 염두에 두고 이기종 시스템에서 무작위 상태 전송을 비공개로 유지할 수 있는 방법과 분산형 개인 추론부터 저장/액세스에 이르기까지 실제 분산형 AI 애플리케이션의 개발을 가속화할 수 있는 방법을 자세히 살펴보겠습니다. 암호화된 데이터 파이프라인을 완전히 독립된 실행 환경으로 전환합니다.

—아드하시

에이전트 의도와 차세대 사용자 트랜잭션 인터페이스

AI 에이전트의 가장 가까운 적용 시나리오는 AI 에이전트를 사용하여 우리를 대신하여 체인에서 자율적인 거래를 수행하는 것입니다. 지난 12~16개월 동안 '의도', '에이전트 행동', '에이전트 의도', '해결사', '에이전트 해결사' 등이 무엇인지에 대해 많은 모호함이 있었으며 둘은 서로 다릅니다. 최근에는 보다 전통적인 "로봇" 개발에서 벗어났습니다.

향후 12개월 동안 우리는 다양한 데이터 유형 및 신경망 아키텍처와 결합된 점점 더 복잡한 언어 시스템을 보게 되어 전체 디자인 공간이 발전할 것으로 예상합니다. 에이전트는 오늘날 우리가 사용하는 것과 동일한 온체인 시스템을 사용하여 계속 거래할 예정인가요? 아니면 자체적으로 독립적인 거래 도구/방법을 개발할 예정인가요? LLM(대형 언어 모델)이 계속해서 에이전트 거래 시스템의 백엔드 역할을 하게 됩니까, 아니면 다른 시스템으로 대체됩니까? 인터페이스 수준에서 사용자는 자연어를 사용하여 거래를 수행하기 시작합니까? 고전적인 "브라우저로서의 지갑" 이론이 마침내 실현될까요?

—대니, 케이티, 아드하시, 드미트리