By Kevin, BlockBooster
TLDR:
DeepSeek의 등장으로 산술 해자가 깨지고 오픈소스 모델 주도의 산술 최적화가 새로운 방향이 되었습니다.
DeepSeek의 등장으로 산술 해자가 깨졌습니다.
DeFAI는 DeepSeek의 장점으로 인해 에이전트 트랙의 마지막 거품이 꺼지면서 차세대 DeFAI의 가장 유력한 후보로 떠올랐습니다.
DeFAI는 차세대 DeFAI의 가장 유력한 후보로 떠올랐습니다. >
프로젝트 파이낸싱의 제로섬 게임은 끝날 것으로 예상되며, 커뮤니티 출시 + 소수의 VC라는 새로운 파이낸싱 방식이 표준이 될 수 있습니다.
딥시크가 가정용 소비자 그래픽 카드가 다수의 하이엔드 GPU가 수행하던 대규모 모델 학습 작업을 성공적으로 수행할 수 있게 되면서 딥시크의 영향력은 올해 AI 산업의 업스트림과 다운스트림에 큰 영향을 미칠 것입니다. AI 개발을 둘러싼 첫 번째 해자, 즉 연산 능력은 매년 68%의 속도로 알고리즘의 효율성이 급격히 향상되면서 무어의 선형 크리프 법칙을 따르는 하드웨어 성능이 지난 3년간 고착화된 가치 평가 모델이 더 이상 적용되지 않으면서 붕괴되기 시작했고, 오픈 소스 모델이 AI의 다음 장을 열게 될 것입니다.
웹3의 AI 프로토콜은 웹2와는 완전히 다르지만, 인프라 계층, 미들웨어 계층, 모델 계층, 애플리케이션 계층 등 웹3 AI의 업스트림과 다운스트림에서 완전히 새로운 사용 사례를 탄생시킬 딥시크의 영향을 필연적으로 받게 될 것입니다.
I.업스트림과 다운스트림 프로토콜의 협업
기술 아키텍처, 기능 포지셔닝, 실제 사용 사례 분석을 통해 정리합니다. 전체 생태계를 인프라 계층, 미들웨어 계층, 모델 계층, 애플리케이션 계층으로 나누고 종속성을 분류합니다.

1. 인프라 레이어
인프라 레이어는 탈중앙화된 기본 자원(산술, 스토리지, L1)을 제공하며, 그 중 산술 프로토콜은 Render, Akash, io. net 등; 스토리지 프로토콜: Arweave, Filecoin, Storj 등; L1: NEAR, Olas, Fetch.ai 등.
산술 계층 프로토콜은 모델 훈련, 추론 및 프레임워크 운영을 지원하고, 스토리지 프로토콜은 훈련 데이터, 모델 파라미터 및 상호 작용 기록을 체인에 저장하며, L1은 전용 노드를 통해 데이터 전송 효율성을 최적화하고 지연 시간을 줄입니다.
2,미들웨어 레이어
미들웨어 레이어는 인프라를 애플리케이션의 상위 계층과 연결하는 다리로서 프레임워크 개발, 데이터 서비스 및 개인정보 보호를 위한 도구를 제공합니다.
미들웨어 계층은 인프라와 상위 계층 애플리케이션 간의 가교 역할을 하며 Grass, Masa, Vana 등의 데이터 주석 프로토콜, Eliza, ARC, Swarms 등의 개발 프레임워크 프로토콜, Phala 등의 개인정보 컴퓨팅 프로토콜 등 프레임워크 개발 도구, 데이터 서비스 및 개인정보 보호 기능을 제공합니다.
데이터 서비스 계층은 모델 학습을 지원하고, 개발 프레임워크는 전력과 스토리지를 위해 인프라 계층에 의존하며, 개인정보 보호 컴퓨팅 계층은 학습/추론 중에 데이터의 보안을 보호합니다.
3, 모델 레이어
모델 레이어는 모델 개발, 훈련 및 배포에 사용되며 오픈 소스 모델 훈련 플랫폼이 사용됩니다:
모델 레이어는 인프라 레이어의 연산과 미들웨어 레이어의 데이터에 의존하며, 모델은 개발 프레임워크를 통해 체인에 배포되고, 모델 마켓플레이스는 훈련 결과를 애플리케이션 레이어에 전달합니다.
4,애플리케이션 레이어
애플리케이션 레이어는 최종 사용자를 위한 AI 제품이며, 여기에는 에이전트가 포함됩니다: GOAT, AIXBT 등; DeFAI 프로토콜에는 그리핀, 버즈 등이 포함됩니다.
애플리케이션 계층은 모델 계층에서 사전 학습된 모델을 호출하고, 미들웨어 계층에서 프라이버시 컴퓨팅에 의존하며, 복잡한 애플리케이션은 인프라 계층에서 실시간 컴퓨팅 성능을 필요로 합니다.
II.탈중앙화 산술에 미치는 부정적 영향
샘플 조사에 따르면, 약 70%의 Web3 AI 프로젝트의 약 70%가 실제로 OpenAI 또는 중앙화된 클라우드 플랫폼을 사용하고, 15%만이 탈중앙화된 GPU(예: 비트센서 서브넷 모델)를 사용하며, 나머지 15%는 하이브리드 아키텍처(민감한 데이터는 로컬 처리, 범용 작업은 클라우드)를 사용합니다.
탈중앙화 연산 프로토콜의 실제 사용량은 예상보다 훨씬 낮으며, 실제 시장 가치와도 일치하지 않습니다. 이렇게 사용량이 낮은 이유는 세 가지입니다. 웹3.0으로 마이그레이션하는 웹2.0 개발자들이 기존 툴체인을 사용하고 있고, 탈중앙화 GPU 플랫폼이 아직 가격 우위를 확보하지 못했으며, 일부 프로젝트가 데이터 컴플라이언스 검토를 회피하는 방법으로 '탈중앙화'를 사용하고 있지만 실제 산술은 여전히 중앙화된 클라우드에 의존하고 있기 때문입니다.
AWS/GCP는 AI 컴퓨팅 파워 시장 점유율의 90% 이상을 차지하고 있는 반면, 아카시의 동급 컴퓨팅 파워는 AWS의 0.2%에 불과합니다. 중앙화된 클라우드 플랫폼의 장점은 클러스터 관리, RDMA 고속 네트워크, 탄력적인 확장 및 축소이며, 탈중앙화된 클라우드 플랫폼은 위의 기술 중 웹3의 개선된 버전을 가지고 있지만 완벽하지 못한 결점은 지연 시간: 분산 노드의 통신 지연 시간은 중앙화된 클라우드보다 6배 더 높으며, 툴체인의 단편화: 파이토치/텐서플로우가 기본적으로 탈중앙화된 스케줄링을 지원하지 않는다는 점을 들 수 있습니다.

DeepSeek는 스파스 트레이닝으로 계산을 50%까지 줄입니다. 딥시크는 스파스 트레이닝을 통해 계산 전력 소비를 50% 줄이고, 동적 모델 가지치기를 통해 일반 소비자용 GPU로 100억 개의 매개변수 모델을 트레이닝할 수 있습니다. 단기간에 하이엔드 GPU에 대한 시장의 기대치가 크게 낮아졌고, 엣지 컴퓨팅의 시장 잠재력이 재평가되었습니다. 위에서 살펴본 바와 같이, 딥시크 이전에는 업계의 대다수 프로토콜과 애플리케이션이 AWS와 같은 플랫폼을 사용했으며, 분산형 GPU 네트워크에 배포된 사용 사례는 거의 없었는데, 후자는 소비자급 컴퓨팅 성능에서 가격적인 이점이 있었고 지연 시간의 영향을 걱정하지 않아도 되었습니다.
이러한 상황은 개발자의 롱테일을 해방시켜주는 DeepSeek의 등장으로 더욱 악화될 가능성이 높으며, 저비용의 효율적인 추론 모델이 이전보다 더 보편화될 것이며 실제로 위에서 언급한 중앙화된 클라우드 플랫폼과 현재 여러 국가에 이미 배포되고 있습니다. 실제로 위에서 언급한 중앙 집중식 클라우드 플랫폼과 많은 국가에서 이미 딥시크를 배포하기 시작했으며, 추론 비용이 대폭 감소함에 따라 수많은 프런트엔드 애플리케이션이 등장할 것이며, 이는 소비자급 GPU에 대한 엄청난 수요를 불러일으킬 것입니다. 다가오는 거대한 시장에 직면하여 중앙 집중식 클라우드 플랫폼은 플랫폼 경쟁의 선두주자뿐만 아니라 수많은 소규모 중앙 집중식 클라우드 플랫폼과도 새로운 사용자 경쟁을 벌이게 될 것입니다. 가장 직접적인 경쟁 방법은 가격 인하이며, 중앙 집중식 플랫폼의 4090 가격이 내려갈 것으로 예상되며, 이는 Web3의 산술 플랫폼에 재앙으로 간주될 수 있습니다. 가격이 후자의 유일한 해자가 아니며 업계의 산술 플랫폼이 가격을 낮출 수밖에 없다면, 그 결과는 io.net, 렌더, 아카시에게 견딜 수 없는 상황이 될 것입니다. 가격 전쟁은 후자의 가치 상한선을 파괴할 것이며, 수익 감소와 사용자 이탈이라는 죽음의 소용돌이는 탈중앙화 연산 프로토콜을 새로운 방향으로 이끌 수 있습니다.
III.업스트림 및 다운스트림 합의의 의미

그림에서 보듯이 딥시크는 인프라 계층, 모델 계층, 애플리케이션 계층에 각각 다른 영향을 미칠 것으로 생각합니다.
애플리케이션 계층은 추론 비용이 크게 감소하고 더 많은 애플리케이션이 저렴한 비용으로 에이전트 애플리케이션을 장시간 온라인 상태로 유지하고 실시간으로 작업을 완료할 수 있게 될 것입니다.
애플리케이션 계층은 추론 비용이 크게 감소하는 혜택을 누릴 수 있을 것으로 기대됩니다. 왼쪽;"> 동시에, DeepSeek의 저비용 모델 오버헤드는 DeFAI 프로토콜이 단일 사용 사례에 수천 개의 에이전트가 사용되는 더 복잡한 SWARM을 형성할 수 있게 해주며, 각 에이전트의 분업은 매우 세밀하고 잘 정의되어 사용자 경험을 크게 개선하고 사용자 입력이 모델에서 잘못 분해 및 실행되는 것을 방지할 수 있습니다.
애플리케이션 레이어 개발자는 높은 라이선스 비용을 지불하지 않고도 모델을 미세 조정하여 가격, 온체인 데이터 및 분석, 프로토콜이 관리하는 데이터를 DeFi 관련 AI 앱에 제공할 수 있습니다.
오픈소스 모델 레이어는 롱테일 개발자에게 개방된 하이엔드 모델이 광범위한 개발 붐을 일으킬 수 있는 딥시크의 등장으로 그 관련성을 입증했습니다.
지난 3년간 하이엔드 GPU를 중심으로 구축된 산술의 벽은 완전히 허물어졌으며, 개발자들은 오픈소스 모델의 방향을 설정할 수 있는 더 많은 선택지를 갖게 되었고, 앞으로 AI 모델은 더 이상 산술이 아닌 알고리즘으로 경쟁할 것이며, 이러한 생각의 변화는 오픈소스 모델 개발자들에게 자신감의 기반이 될 것입니다.
특정 서브 네트워크 주변에서 DeepSeek 관련 서브넷이 확산되고, 모델 매개변수가 동등한 수준으로 상승하며, 더 많은 개발자가 오픈 소스 커뮤니티에 합류할 것입니다.
부정적 영향 측면에서:
넷째, 에이전트 버블을 터뜨리는 DeFAI의 탄생
에이전트는 업계에서 마지막 남은 AI입니다. 에이전트는 업계에서 AI의 마지막 희망이며, 딥시크의 등장으로 산술적 한계가 해소되고 향후 애플리케이션이 폭발적으로 증가할 것으로 예상됩니다. 이는 에이전트 트랙에 큰 호재였지만, 업계와 미국 주식 및 연준 정책 간의 강한 상관관계로 인해 유일하게 남은 거품이 터지면서 트랙의 시장 가치는 바닥을 쳤습니다.
AI와 산업 간 통합의 물결 속에서 기술 혁신과 시장 판도는 항상 뒤따랐습니다. 엔비디아의 시장 가치 충격으로 촉발된 연쇄 반응은 마치 악마를 발견하는 거울처럼 업계에서 AI 내러티브의 깊은 딜레마를 반영합니다. 온체인 에이전트에서 DeFAI 엔진에 이르기까지, 겉보기에 완벽한 생태 매핑은 취약한 기술 인프라, 가치 논리의 빈 공간, 자본의 지배라는 잔인한 현실을 숨기고 있습니다. 표면적으로 번영하는 온체인 생태계에는 많은 수의 높은 FDV 토큰이 제한된 유동성을 놓고 경쟁하고, 쓸모없는 자산은 생존을 위해 FOMO 정서에 의존하며, 개발자는 PVP 스크롤에 갇혀 혁신 잠재력을 소모하는 등 숨겨진 문제가 숨겨져 있습니다. 자본과 사용자 증가가 한계에 부딪히면서 업계는 '혁신가의 딜레마'에 빠졌고, 이를 돌파할 획기적인 스토리를 갈망하지만 경로 의존성의 족쇄에서 벗어나기 위해 고군분투하고 있습니다. 이러한 혼란스러운 상황은 AI 에이전트에게 기술 도구 상자의 업그레이드뿐만 아니라 가치 창출 패러다임의 재구성이라는 역사적인 기회를 제공합니다.
지난 한 해 동안 업계에서 점점 더 많은 팀이 전통적인 자금 조달 모델이 실패하고 있다는 사실을 깨달았습니다. VC에 작은 지분을 주고 시장을 통제하며 대기업이 판을 키우기를 기다리는 일상이 더 이상 지속 가능하지 않다는 것을 말이죠. 세 가지 압박 속에서 약세장에 더 잘 적응할 수 있는 새로운 방식, 즉 공동 대표 KOL + 소수의 VC, 많은 비율의 커뮤니티 출시, 낮은 시장 가치로 시작하는 콜드 스타트 방식이 등장하고 있습니다.
순과 펌프 펀으로 대표되는 혁신가들은 '커뮤니티 출시'를 통해 새로운 길을 열고 있습니다 - 공동 책임자 KOL 보증, 토큰의 40~60%를 커뮤니티에 직접 분배, FDV의 가치 평가 수준은 1000만 달러로 낮게 책정할 계획입니다. 이 프로젝트는 1,000만 FDV의 낮은 가치로 시작되어 수백만 달러의 자금 조달을 달성했습니다. 이 모델은 KOL의 영향력을 통해 합의 FOMO를 구축하여 팀이 사전에 수익을 확보하고 동시에 시장의 깊이에 대한 대가로 높은 유동성을 확보하는 동시에 단기적인 시장 지배의 이점을 포기하지만 약세장에서 시장 형성 메커니즘을 준수하여 토큰의 낮은 가격으로 환매할 수 있는 이점을 제공합니다. 이는 본질적으로 권력 구조의 패러다임 전환으로, VC가 주도하는 드럼 연주 게임(기관이 주도-기업이 매도-개인 투자자가 매수)에서 프로젝트 측과 커뮤니티가 유동성 프리미엄을 통해 새로운 유형의 공생 관계를 형성하는 투명한 커뮤니티 합의 가격 책정 게임으로 바뀌는 것입니다. 업계가 투명성 혁명의 주기에 접어들면 전통적인 시장 지배 논리를 고수하는 프로젝트는 권력 이동의 물결 속에서 시대의 잔재로 전락할 수 있습니다.
시장의 단기적인 고통은 기술의 긴 물결이 돌이킬 수 없다는 것을 증명합니다. AI 에이전트가 온체인 상호작용의 비용을 두 배로 줄이고 적응형 모델이 계속해서 탈중앙화 금융 프로토콜의 자본 효율성을 최적화할 때, 업계는 오랫동안 기다려온 대규모 채택, 즉 개념적 과대 포장이나 자본 과대 광고에 의존하지 않고 실제 수요에 기반한 기술 침투, 즉 잠재력이 큰 기술에 대한 변화를 맞이하게 될 것으로 예상됩니다. 전구 회사의 파산으로 전력 혁명이 멈추지 않았던 것처럼 에이전트는 거품이 꺼진 후 진정한 황금알을 낳는 거위가 될 것입니다. DeFAI는 이를 위한 비옥한 토양이 될 수 있으며, 저비용 추론이 일상화되면 곧 수백 개의 에이전트가 하나의 스웜 사용 사례로 결합되는 것을 볼 수 있을 것입니다. 동등한 연산 능력 하에서 모델 파라미터가 크게 증가하면 오픈 소스 모델 시대의 에이전트는 더욱 완벽하게 미세 조정될 수 있으며, 복잡한 사용자 입력 명령에 직면하더라도 단일 에이전트가 완전히 실행할 수 있는 작업 파이프라인으로 분할할 수 있고 각 에이전트의 작업 체인 최적화는 DeFi 프로토콜의 전반적인 활동과 이동성 증가에 기여할 수 있습니다. DeFAI가 주도하는 더 복잡한 디파이 상품이 등장할 것이며, 마지막 거품이 꺼진 후 새로운 기회가 등장할 것입니다.