AI 시대에 웹3.0 기업들은 기존의 거대 AI 기업들과 어떻게 경쟁할까요?

출처: 페어리, 체인캐처

편집자 주: 저자는 기술의 아우라를 통해 Web3 프로젝트가 AI 개발을 발전시키는 데 있어 자본과 하드웨어 등 여러 장애물에 직면한 것을 살펴봅니다. Web3의 원래 의도는 중앙 집중화를 무너뜨리고 탈중앙화의 이상을 실현하는 것이었지만, 실제로는 시장의 이야기와 토큰 인센티브에 휘둘려 원래의 의도에서 벗어나는 경우가 많았습니다.

체인캐처는 원본 기사를 다음과 같이 정리했습니다."

AI와 웹3.0의 결합에 대한 요구가 커지고 있지만, 이는 더 이상 낙관적인 벤처 캐피탈 기사가 아닙니다. 우리는 두 기술의 결합에 대해 낙관적이지만, 아래 텍스트는 행동에 대한 촉구입니다. 그렇지 않으면 이러한 낙관론은 실현되지 않을 것입니다.

왜 그럴까요? 최고의 AI 모델을 개발하고 실행하려면 막대한 자본 지출이 필요하고, 최첨단 하드웨어를 구하기 어려운 경우가 많으며, 매우 도메인에 특화된 R&D가 필요하기 때문입니다. 대부분의 웹3.0 AI 프로젝트가 하고 있는 것처럼 암호화 인센티브를 통해 이러한 리소스를 크라우드소싱하는 것만으로는 AI 개발을 통제하는 대기업이 투자한 수백억 달러를 상쇄하기에는 충분하지 않습니다. 하드웨어적 제약을 고려할 때, 이는 기존 조직 외부의 똑똑하고 창의적인 엔지니어들이 깨뜨릴 수 없는 최초의 대규모 소프트웨어 패러다임이 될 수 있습니다.

소프트웨어는 점점 더 빠른 속도로 '세상을 잠식'하고 있으며, AI가 가속화됨에 따라 곧 기하급수적으로 성장할 것입니다. 현재로서는 이 모든 '케이크'가 거대 기술 기업에게 돌아가고 있는 반면, 정부와 대기업을 포함한 최종 사용자는 그들의 힘에 더 많은 제약을 받고 있습니다.

잘못된 인센티브

이 모든 것이 매우 부적절한 시기에 일어나고 있습니다. 탈중앙화 네트워크 참여자의 90%가 내러티브가 주도하는 '황금알'을 좇아 쉽게 금전적 이득을 얻으려고 바쁘게 움직이고 있습니다.

개발자들은 업계의 투자자들을 따라가는 것이지, 그 반대가 아닙니다. 이는 명백한 인정부터 보다 미묘한 무의식적 동기까지 다양한 방식으로 나타나지만, 내러티브와 이를 중심으로 형성되는 시장은 웹3.0에서 많은 의사 결정을 주도합니다. 기존의 반사적 거품과 마찬가지로, 참여자들은 순환의 내러티브를 발전시키는 데 도움이 되지 않는 한 내부 세계에 너무 집중하여 외부 세계를 알아차리지 못합니다. 그리고 AI는 그 자체로 호황기에 있기 때문에 가장 큰 내러티브가 될 것이 분명합니다.

우리는 AI와 암호화폐의 교차점에 있는 수십 개의 팀과 이야기를 나눴고, 이들 중 많은 팀이 매우 유능하고 사명감을 갖고 열정적으로 사업을 진행하고 있다는 것을 확인할 수 있었습니다. 하지만 인간의 본성상 유혹에 직면했을 때 우리는 유혹에 굴복하고 사후에 그러한 선택을 합리화하는 경향이 있습니다.

쉬운 유동성을 향한 길은 암호화폐 업계의 역사적 저주였으며, 현재 수년간 개발과 가치 있는 채택을 지연시키고 있는 상황입니다. 이는 가장 헌신적인 암호화폐 신봉자들조차 "토큰을 끌어올리는" 방향으로 돌아서게 만들었습니다. 토큰을 보유한 빌더가 더 나은 기회를 가질 수 있다는 합리화입니다.

기관 및 소매 자본의 정교함이 낮기 때문에 건설업자들은 현실과 동떨어진 주장을 하면서도 마치 그 주장이 실현된 것처럼 가치를 평가받을 수 있는 기회를 얻게 됩니다. 이러한 과정의 결과는 실제로 도덕적 해이와 자본 파괴를 고착화하며, 이러한 전략이 장기적으로 성공하는 경우는 거의 없습니다. 수요는 모든 발명의 어머니이며, 수요가 사라지면 발명도 사라집니다.

이보다 더 나쁜 시기는 없습니다. 가장 똑똑한 기술 기업가, 국가 기관, 크고 작은 기업들이 AI 혁명의 한 조각을 확보하기 위해 경쟁하는 동안, 암호화폐 창업자와 투자자들은 "빠른 10배"를 선택하고 있습니다. 그리고 이것이 바로 진정한 기회 비용입니다.

웹3의 AI 전망 개요

위에서 설명한 인센티브를 고려할 때, 웹3의 AI 프로젝트를 다음과 같이 분류할 수 있습니다.

• 합리적(현실주의자와 이상주의자로 세분화할 수도 있음)

. >

• 반합리적인

• 가짜

기본적으로, 프로젝트 빌더는 웹2.0 경쟁자들을 따라잡을 수 있는 방법을 명확히 알고, 어떤 영역이 경쟁력 있고 어떤 영역이 망상적인지 알아야 한다고 믿으며, 이러한 망상적인 영역이 벤처 캐피탈이나 기업 및 대중에게 판매될 수 있습니다.

목표는 지금 여기에서 경쟁할 수 있어야 한다는 것입니다. 그렇지 않으면 AI 발전 속도가 웹3에 뒤처지고 세계는 서구 기업 AI와 중국 국가 AI 사이에서 '웹4'로 도약할 수 있습니다. 제때 경쟁력을 갖추지 못하고 분산 기술에 의존해 더 긴 시간 동안 따라잡겠다는 것은 너무 낙관적이어서 진지하게 받아들이기 어렵습니다.

물론 이것은 매우 거친 일반화이며, '가짜' 그룹에도 적어도 두어 개의 진지한 팀(어쩌면 망상에 불과한 팀)이 있을 수 있습니다. 하지만 이 글은 객관성을 유지하려는 의도가 아니라 독자들에게 긴박감을 갖도록 촉구하는 글입니다.

합리적인:

사용자가 실제로 필요로 하는 모델(즉, 최첨단 기술)을 탈중앙적으로 훈련하거나 추론하는 것이 현재로서는 가능하지 않거나 심지어 불가능하다는 사실을 이해하는 "AI-on-the-chain" 미들웨어를 개발하는 솔루션 창업자는 많지 않습니다.

영지식 증명(ZKP)을 사용하여 (전체 계산을 검증하는 대신) 상태 변화의 스냅샷을 찍는 코프로세서 아키텍처도 있는데, 이 또한 중기적으로 실현 가능하다고 생각합니다.

같은 문제에 대한 보다 이상적인 접근 방식은 오프체인 추론을 검증하여 신뢰 가정 측면에서 온체인 계산과 일치시키는 것입니다.

우리는 이를 통해 AI가 통합된 운영 환경에서 온체인과 오프체인 작업을 모두 수행할 수 있도록 하는 것이 목표가 되어야 한다고 생각합니다. 그러나 추론 검증 가능성을 지지하는 대부분의 사람들은 '모델 가중치 신뢰'와 같은 까다로운 목표에 대해 이야기하는데, 이는 실제로는 몇 년이 지나도 실현되지 않을 것입니다. 최근 이 진영의 창립자들은 추론 검증을 위한 다른 접근 방식을 모색하기 시작했지만, 처음에는 모두 ZKP를 기반으로 했습니다. 많은 영리한 팀들이 ZKML(즉, 영지식 머신러닝)을 연구하고 있지만, 이들은 암호화 최적화가 AI 모델의 복잡성과 계산 요구 사항을 능가할 것으로 예상하여 너무 많은 위험을 감수하고 있습니다. 따라서 현재로서는 경쟁하기에 적합하지 않다고 생각합니다. 그럼에도 불구하고 최근의 일부 발전은 흥미로우며 무시해서는 안 될 것입니다.

준합리적:

소비자 앱은 폐쇄형 모델과 오픈 소스 모델을 모두 캡슐화하는 래퍼를 사용합니다(예: 이미지 생성을 위한 Stable Diffusion 또는 Midjourney). 이러한 팀 중 일부는 가장 먼저 시장에 출시되어 실제 사용자들로부터 호응을 얻었습니다. 따라서 이들을 전반적으로 위조자라고 부르는 것은 공정하지 않지만, 소수의 팀만이 탈중앙화된 방식으로 기본 모델을 개발하고 인센티브 설계 측면에서 혁신하는 방법에 대해 깊이 고민하고 있습니다. 토큰 부문에서도 흥미로운 거버넌스/소유권 설계가 몇 가지 있습니다. 그러나 이 카테고리에 속하는 대부분의 프로젝트는 가치 평가 프리미엄을 얻거나 팀에 더 빠른 유동성을 제공하기 위해 예를 들어 OpenAI API를 기반으로 구축하고 중앙화된 랩퍼 위에 토큰을 얹는 데 그치고 있습니다.

이 두 진영 모두 해결하지 못한 문제는 탈중앙화된 환경에서 대규모 모델을 훈련하고 추론하는 것입니다. 현재로서는 긴밀하게 연결된 하드웨어 클러스터에 의존하지 않고는 합리적인 시간 내에 기본 모델을 훈련하는 것이 불가능합니다. 경쟁 수준을 고려할 때 '합리적인 시간'이 핵심 요소입니다.

최근 몇 가지 유망한 연구 결과가 나왔으며, 이론적으로는 차등 데이터 흐름과 같은 접근 방식이 향후 분산 컴퓨팅 네트워크로 확장되어 용량을 늘릴 수 있습니다(네트워크 용량이 데이터 흐름 요구 사항을 따라잡게 됨에 따라). 그러나 경쟁 모델 트레이닝에는 여전히 단일 분산 장치와 최첨단 컴퓨팅(소매용 GPU는 점점 더 경쟁력이 떨어짐)이 아닌 로컬화된 클러스터 간의 통신이 필요합니다.

모델 크기를 줄여 지역화된 추론(탈중앙화를 위한 두 가지 접근 방식 중 하나)에 대한 연구도 최근에 진행되었지만 Web3에서 이를 활용하기 위한 기존 프로토콜은 없습니다.

분산형 훈련과 추론의 문제는 논리적으로 세 가지 진영 중 마지막 진영에 속하며, 가장 중요하고 따라서 감정적으로도 가장 큰 자극을 줍니다.

조작:

인프라 애플리케이션은 주로 탈중앙화된 서버 공간에 초점을 맞춰 베어 하드웨어 또는 탈중앙화된 모델 트레이닝/호스팅 환경을 제공합니다. 연합 학습(탈중앙화 모델 트레이닝)과 같은 프로토콜을 추진하는 소프트웨어 인프라 프로젝트나 소프트웨어와 하드웨어 구성 요소를 결합하여 기본적으로 탈중앙화 모델을 엔드투엔드로 트레이닝하고 배포할 수 있는 플랫폼으로 만드는 프로젝트도 있습니다. 이들 대부분은 명시된 문제를 실제로 해결하는 데 필요한 정교함이 부족하며, "토큰 인센티브 + 시장 촉진"이라는 순진한 아이디어가 우세합니다. 현재 공공 및 민간 시장에서 볼 수 있는 솔루션 중 어느 것도 의미 있는 경쟁을 이끌어낼 수 있는 것은 없습니다. 일부 솔루션은 실행 가능한(하지만 틈새 시장인) 제품으로 발전할 수 있지만, 지금 우리에게 필요한 것은 새롭고 경쟁력 있는 솔루션입니다. 그리고 이는 분산 컴퓨팅의 병목 현상을 해결하는 혁신적인 설계를 통해서만 달성할 수 있습니다. 교육에서는 속도뿐만 아니라 완료된 작업의 검증 가능성 및 교육 워크로드의 조정도 큰 문제이며, 이는 대역폭 병목 현상을 가중시킵니다.

우리는 탈중앙화된 훈련과 추론이 작동할 수 있는 경쟁력 있는 진정한 탈중앙화 기본 모델 세트가 필요합니다. AI가 사라진다면 이더리움의 등장 이후 '탈중앙화된 세계 컴퓨터'가 이룩한 모든 것이 완전히 무효화될 수 있습니다. 컴퓨터가 인공지능이 되고 인공지능이 중앙집중화된다면, 반유토피아적 버전이 아닌 이상 세계 컴퓨터라고 말할 수 있는 것은 없을 것입니다.

훈련과 추론은 AI 혁신의 핵심입니다. 나머지 AI 세계가 더 긴밀한 아키텍처로 나아가고 있는 반면, Web3는 정면 대결이 점점 더 어려워지고 있기 때문에 이들과 경쟁할 수 있는 직교 솔루션이 필요합니다.

문제의 크기

이 모든 것은 계산에 관한 것입니다. 훈련과 추론에 더 많이 투자할수록 더 좋은 결과를 얻을 수 있습니다. 예, 여기저기서 약간의 조정과 최적화가 있을 수 있으며 계산 자체는 균일하지 않습니다. 기존 폰 노이만 아키텍처의 처리 유닛의 병목 현상을 극복하는 새로운 방법에는 여러 가지가 있지만, 여전히 얼마나 큰 메모리 블록에서 얼마나 많은 행렬 곱셈을 얼마나 빠르게 수행할 수 있는지가 관건입니다.

이 때문에 데이터센터 측면에서는 소위 '하이퍼스케일러'라고 불리는 업체들이 강력한 빌드를 구축하는 것을 볼 수 있는데, 이들은 모두 상단에 AI 모델을, 하단에 이를 구동하는 하드웨어를 갖춘 풀 스택을 만들려고 합니다: OpenAI(모델) + Microsoft(컴퓨팅), Anthropic(모델) + AWS(컴퓨팅), Google(둘 다) 및 Meta(둘 다 자체 데이터 센터 구축에 점점 더 집중하고 있음). 더 많은 뉘앙스, 상호 작용의 역학 관계, 이해 당사자가 있지만 모두 나열하지는 않겠습니다. 전반적으로 하이퍼스케일러들은 전례 없이 데이터센터 구축에 수십억 달러를 투자하고 있으며, AI가 글로벌 경제에 더욱 널리 보급됨에 따라 컴퓨팅과 AI 제품 간에 시너지 효과를 창출하여 막대한 이익을 얻을 것으로 기대됩니다.

이 4개 기업의 올해 예상 구축 수준을 살펴보겠습니다.

NVIDIA ®의 CEO인 젠슨 황은 향후 몇 년간 AI 가속화에 총 1조 달러가 투자될 것이라고 말했습니다. 그는 최근 이 예측치를 두 배인 20,000,000달러로 늘렸는데, 그 이유는 국영 기업에 대한 관심 때문인 것으로 알려졌습니다.

알티미터의 애널리스트들은 2024년과 2025년에 전 세계 AI 관련 데이터센터 지출이 각각 1,600억 달러와 2,000억 달러 이상에 달할 것으로 예상합니다.

이러한 수치를 Web3가 독립 데이터센터 운영자들에게 최신 AI 하드웨어에 대한 자본 지출을 확대하기 위해 제공하는 인센티브와 비교해 보면 다음과 같습니다.

현재 모든 탈중앙화 물리적 인프라(DePIn) 프로젝트의 총 시가총액은 약 400억 달러이며 대부분 상대적으로 비유동적이고 투기성 기반 토큰으로 구성되어 있습니다. 상대적으로 유동성이 낮고 대부분 투기성 토큰으로 구성되어 있습니다. 기본적으로 이러한 네트워크의 시가총액은 토큰을 사용해 네트워크 구축에 인센티브를 제공하기 때문에 기여자들의 총 자본 지출에 대한 상한 추정치와 동일합니다. 그러나 현재 시가총액은 이미 발행되었기 때문에 거의 쓸모가 없습니다.

따라서 향후 3~5년 동안 800억 달러(현재 가치의 2배)의 프라이빗 및 퍼블릭 디핀 토큰 자본이 인센티브로 시장에 추가 발행되고, 이 토큰의 100%가 AI 사용 사례에 사용된다고 가정해 봅시다. 이 매우 대략적인 추정치를 3년(년)으로 나누고 그 달러 가치를 2024년에만 투자하는 거대 기업의 현금 가치와 비교하더라도, 수많은 "탈중앙화된 GPU 네트워크" 프로젝트에 토큰 인센티브를 부과하는 것만으로는 충분하지 않다는 것은 분명합니다.

그러나 현재 Web3 서버가 어떻게 운영되는지 잘 아는 사람들은 '탈중앙화된 물리적 인프라'의 상당 부분이 실제로는 이러한 하이퍼스케일 기업의 클라우드 서비스에서 실행되고 있다고 주장할 수 있습니다. 물론 GPU 및 기타 AI 전용 하드웨어에 대한 수요가 급증함에 따라 공급이 증가하여 궁극적으로 클라우드 대여 또는 구매 비용이 더 저렴해질 것입니다. 적어도 그렇게 예상됩니다.

그러나 이것도 고려해야 합니다. 현재 NVIDIA는 최신 세대 GPU에 대한 고객 수요에 우선순위를 두어야 합니다. 또한 NVIDIA는 이미 이러한 슈퍼컴퓨터에 고정된 기업 고객에게 AI 플랫폼 서비스를 제공하는 대형 클라우드 제공업체와 자체 영역에서 경쟁을 시작하고 있습니다. 이는 궁극적으로 시간이 지남에 따라 자체 데이터 센터를 구축하거나(현재 누리고 있는 수익성을 잠식할 것이므로 가능성은 낮습니다), 파트너 네트워크 클라우드 제공업체에 대한 AI 하드웨어 판매를 크게 제한하도록 유도할 것입니다.

또한, 추가 AI 전용 하드웨어를 출시하는 대부분의 경쟁사들은 TSMC에서 생산한 NVIDIA와 동일한 칩을 사용하고 있습니다. 그 결과, 사실상 모든 AI 하드웨어 회사들이 TSMC의 생산 능력을 놓고 경쟁하고 있는 셈입니다. TSMC는 또한 특정 고객을 우선시해야 합니다. 삼성과 잠재적으로 인텔(자체 하드웨어용 칩을 생산하기 위해 가능한 한 빨리 최첨단 칩 제조에 복귀하려고 하는)이 추가 수요를 흡수할 수 있을지도 모르지만, 현재 대부분의 AI 관련 칩을 생산하고 있으며 최첨단 칩 제조(3 및 2나노미터)를 위한 확장 및 보정에는 수년이 소요될 것입니다.

마지막으로, 중국은 NVIDIA와 TSMC에 대한 미국의 규제로 인해 최신 세대의 AI 하드웨어에서 대부분 배제되어 있습니다. Web3와 달리 중국 기업들은 실제로 자체 경쟁 모델, 특히 이전 세대 디바이스를 많이 필요로 하는 Baidu 및 Alibaba와 같은 LLM을 보유하고 있습니다.

이러한 이유 중 하나 또는 여러 가지 이유로 하이퍼스케일러가 AI 패권 경쟁이 격화되고 클라우드 비즈니스에 우선순위를 두면서 AI 하드웨어에 대한 외부 액세스를 제한할 위험성이 있습니다. 기본적으로 모든 AI 관련 클라우드 용량을 스스로 가져가고 더 이상 다른 사람에게 제공하지 않을 뿐만 아니라 최신 하드웨어를 모두 먹어치우는 상황입니다. 이로 인해 국영기업을 포함한 다른 대기업들은 남은 컴퓨팅 공급을 더 많이 요구하게 됩니다. 한편, 남은 소비자용 GPU는 점점 더 경쟁력이 떨어지게 됩니다.

물론 극단적인 경우이긴 하지만, 하드웨어 병목 현상이 계속된다면 대기업들은 너무 큰 대가를 치르기 때문에 물러설 것입니다. 이렇게 되면 웹3.0 디핀 공급자의 대부분을 차지하는 보조 데이터 센터나 리테일 수준의 하드웨어 소유자와 같은 탈중앙화 사업자는 경쟁에서 밀릴 수밖에 없습니다.

동전의 다른 면

암호화폐 창업자들이 여전히 잠들어 있는 동안, 거대 AI 기업들은 암호화폐를 예의주시하고 있습니다. 정부의 압력과 경쟁으로 인해 폐쇄되거나 강력한 규제를 피하기 위해 암호화폐를 채택할 수도 있습니다.

최초의 공개적인 암시 중 하나는 최근 Stability AI의 창립자가 회사를 '탈중앙화'하기 위해 사임하면서 나왔습니다. 그는 이전에 공개 석상에서 회사의 성공적인 IPO 이후 토큰을 출시할 계획임을 숨기지 않았으며, 이는 예상되는 움직임의 진정한 동기를 드러내는 데 어느 정도 도움이 됩니다.

마찬가지로 샘 알트먼이 공동 설립한 암호화폐 프로젝트인 월드코인의 운영에는 관여하지 않지만, 월드코인의 토큰은 확실히 오픈AI의 프록시처럼 거래되고 있습니다. 인터넷 토큰 프로젝트와 AI R&D 프로젝트를 연결할 수 있는 방법이 있는지는 시간이 지나야 알 수 있지만, 월드코인 팀은 시장이 이 가설을 테스트하고 있다는 것을 알고 있는 것 같습니다.

우리에게는 거대 AI 기업들이 탈중앙화를 향한 다양한 경로를 모색하는 것이 당연한 일입니다. 여기서 우리가 다시 보게 되는 문제는 웹3.0이 의미 있는 해결책을 내놓지 못했다는 것입니다. "거버넌스 토큰"은 대부분 시늉에 불과하며, 오늘날 진정한 탈중앙화 토큰은 BTC와 ETH처럼 자산 보유자와 네트워크의 개발 및 운영 간의 직접적인 연결을 명시적으로 피하는 토큰뿐입니다.

기술의 더딘 발전을 가져온 동일한 인센티브가 다양한 관리 방식의 암호화폐 네트워크 설계 개발에도 영향을 미쳤습니다. 스타트업 팀들은 모멘텀을 구축하면서 새로운 길을 찾기 위해 제품에 '거버넌스 토큰'을 붙이고, 궁극적으로는 리소스 할당에 관한 '거버넌스 극장'에 안주합니다.

결론

AI 경쟁은 시작되었고, 모두가 이를 매우 진지하게 받아들이고 있습니다. 더 많은 컴퓨팅은 더 나은 AI를 의미하고, 더 나은 AI는 더 낮은 비용, 새로운 수익, 시장 점유율 증가를 의미합니다. 이는 거품이 정당하다는 것을 의미하지만, 모든 가짜들은 앞으로의 피할 수 없는 혼란 속에서 제거될 것입니다.

중앙 집중화된 대기업 AI가 이 분야를 장악하고 있으며 스타트업은 이를 따라잡기 위해 고군분투하고 있습니다. 웹3.0 분야는 늦게 합류했지만 경쟁에 합류하고 있습니다. 시장은 웹2.0 분야의 스타트업에 비해 암호화폐 AI 프로젝트에 지나치게 많은 보상을 제공했고, 이로 인해 창업자들은 제품 제공에서 토큰 가격 상승으로 초점을 옮기며 빠르게 마감되는 중요한 시기를 놓치고 있습니다. 지금까지 어떤 혁신도 경쟁을 위해 스케일링 컴퓨팅을 우회할 수 없었습니다.

현재 소비자 대상 모델을 중심으로 신뢰할 수 있는 오픈소스 움직임이 일어나고 있으며, 초기에는 소수의 중앙화된 플레이어만이 대규모 폐쇄 소스 라이벌(예: Meta, Stability AI)과 시장 점유율 경쟁을 선택했습니다. 하지만 이제 커뮤니티가 이를 따라잡으며 선도적인 AI 기업들을 압박하고 있습니다. 이러한 압박은 AI 제품의 비공개 소스 개발에 계속 영향을 미칠 것이지만, 오픈 소스 제품이 따라잡을 때까지는 그다지 크지 않을 것입니다. 이는 웹3.0 영역에 또 다른 큰 기회이지만, 탈중앙화된 모델 훈련과 추론 문제를 해결해야만 가능합니다.

따라서 겉으로 보기에는 '고전적인' 파괴적 혁신의 기회가 존재하지만, 현실은 이와는 거리가 멀다. AI는 컴퓨팅과 연결되어 있으며, 이는 향후 3~5년 동안 획기적인 혁신 없이는 변화할 수 없는데, 이 시기는 AI의 발전을 누가 통제하고 이끌어갈지 결정하는 중요한 시기입니다.

컴퓨팅 시장 자체는 수요가 공급 측면의 노력을 주도하지만, 칩 제조 및 규모의 경제와 같은 구조적 요인으로 인해 제조업체 간의 경쟁이 제약되기 때문에 '꽃을 피우기는 어려울 것'입니다.

우리는 인간의 독창성에 대해 낙관적이며, 하향식 기업이나 정부 통제가 아닌 자유 세계에 유리한 방식으로 AI 퍼즐을 풀 수 있는 똑똑하고 고귀한 사람들이 충분히 많다고 확신합니다. 그러나 그 가능성은 기껏해야 동전 던지기에 불과할 정도로 희박해 보이지만, Web3의 창립자들은 금전적 이익을 위해 동전을 던지느라 세상에 실질적인 영향을 미치기에는 너무 바쁩니다.