AI × Crypto 요약: 에이전트 결제 레일, 검증 가능한 추론, 분산 물리 세계 데이터

요약 — 이 포스트들에 걸친 공통 주제는 암호화폐 인프라가 AI 에이전트를 경제적으로 책임질 수 있도록 수렴하고 있다는 점입니다: x402 결제가 에스크로, 검증 및 분쟁 해결 레이어에 감싸이고 있으며, 추론과 데이터 출처가 확인 가능해지고 있으며, 분산 컴퓨팅과 실제 세계 데이터 네트워크가 에이전트 및 물리 AI의 공급 측면으로 제안되고 있습니다.

에이전트 결제에 정산 및 분쟁 해결 레이어 추가

반복되는 주장은 에이전트에게 지불하는 것이 쉬운 부분이며, 어려운 부분은 작업이 실제로 완료되었는지 결정하는 것이라는 점입니다. TermiX의 AACP 프로토콜은 신원, 작업 발견, 입찰, 전달 검증, 평판 및 결제 정산을 연결하는 것으로 설명되며, 작업을 게시하는 클라이언트, 작업을 수행하는 공급자, 전달을 확인하는 평가자, 분쟁을 처리하는 중재자라는 별도의 역할이 있습니다. 클라이언트는 사전에 검증 전략을 정의하고 공급자는 입찰 전에 이를 검토할 수 있습니다 @lisaweb3. 동일한 흐름은 다른 곳에서 에스크로, 전달, 도전, 정산의 네 가지 상태로 설명되며, 제출된 산출물의 해시가 체인에 기록되고 검토 기간을 통해 분쟁이 있는 작업이 자금 이동 및 평판 업데이트 전에 평가될 수 있습니다 @fepz_@bgv1806. 한 포스트는 그 차이를 명확히 설명합니다: x402는 에이전트가 지불하는 방법을 다루는 반면, 더 어려운 질문은 에이전트가 실제로 무엇을 받았는지입니다 @0xStego.

같은 생태계의 관련 세부 사항: 하청을 통해 에이전트가 브리프를 더 작은 작업으로 나누고 아트, 애니메이션 또는 사운드 전문가를 고용할 수 있습니다 @Utpal733128; 서비스 목록은 범위, 가격, 기간 및 완료된 작업으로 간주되는 것을 정의할 것으로 예상됩니다 @MuriscoOfficial; TermiX SDK는 앱이 에이전트 서비스를 발견하고, 주문하고, 체인에서 정산할 수 있게 하며, AACP는 에스크로 및 분쟁 보호를 추가하는 것으로 설명됩니다 @Ranaverse618. 다른 포스트들은 스택을 온체인 신원, 평판 및 에스크로 기반 정산으로 요약하며 @EthDerrick@slim_timothy24, 한 포스트는 에이전트의 작업이 거부될 때 최종 결정권이 누구에게 있는지—고객인지 독립 평가자인지—라는 공개 거버넌스 질문을 제기합니다 @damonemcrp.

TermiX 공개 마켓플레이스의 보고된 마켓플레이스 수치는 435,000개 이상의 인덱스된 에이전트, 394,000개 이상의 누적 작업, $2,070만의 처리된 거래량 및 약 $415,000의 프로토콜 수익입니다—단, 같은 포스트에서 인덱스된 에이전트가 반드시 활성 공급자는 아니며 기록된 작업이 성공적인 완료를 증명하지 않는다는 주의가 있습니다 @KinmansaOZ.

x402 채택, 신원 및 발견

에이전트 결제 레일은 개념에서 계수된 배포로 이동하고 있습니다. Stripe의 Link 팀은 9월 현재 약 70개의 AI 어시스턴트 또는 에이전트 앱과 협력했으며, 에이전트 상거래 지출에 대한 데이터를 실행했고, 그 숫자는 현재 플랫폼에서 약 200개의 에이전트로 증가한 것으로 보고됩니다 @alexrkonrad@alexrkonrad. Circle의 Jeremy Allaire는 "Know Your Agent"가 온라인화되고 있다고 설명하며, x402 에이전트 결제와 함께 x401 에이전트 신원 증명이 더 안전한 에이전트 경제 활동을 위한 한 단계라고 말합니다 @jerallaire, 그리고 a16z crypto 팟캐스트에서 소프트웨어가 돈을 벌고, 쓰고, 고용할 수 있을 때 에이전트 경제에 필요한 것—AI가 AI를 고용할 때 일어나는 일과 블록체인이 AI의 중앙 집중화 경향에 대응할 수 있는지 포함—을 논의합니다 @a16zcrypto.

발견 가능성은 별도의 문제로 취급되고 있습니다: 한 팀은 공개적으로 나열된 AI 에이전트와 x402 서비스를 단일 검색 가능한 디렉토리로 집계하는 x402 서비스 발견 레이어를 구축했다고 보고하며, 서비스 집계, 성능 분석, 자율 구매 및 워크플로 조정을 다음 단계로 삼고 있습니다 @TollyLabs. 신원 측면에서 한 포스트는 x402가 XDC Network AI에서 결제를 처리하는 반면 Concordium은 검증 가능한 소유자 연결을 제공하여 에이전트를 검증된 개인 또는 비즈니스에 연결하지만 소유자의 개인 신원을 공개적으로 노출하지 않는다고 설명합니다 @cryptohustler04.

에이전트 상거래는 오픈 뱅킹 및 스크래핑 전쟁의 재판

가장 실질적인 의견 중 하나는 에이전트 상거래가 새로운 것이 아니라는 것입니다—그것은 2000년대~2010년대의 오픈 뱅킹 및 화면 스크래핑 싸움이 더 빠른 속도로 재생되는 것입니다. 은행들은 책임, "불량 에이전트", 그리고 소프트웨어가 무엇을 할 수 있는지에 대한 제로 가시성을 이유로 Mint, Yodlee 및 초기 Plaid가 고객 자격 증명으로 로그인하는 것을 10년 동안 차단했으며, 결국 모든 사람을 통제된 유료 API로 강제했습니다; Ryanair, Delta 및 American과 같은 항공사는 요금 스크래퍼와 OTA를 차단하고 재고 및 고객 관계를 통제하기 위해 소송을 제기했습니다; Ticketmaster 대 티켓 봇은 또 다른 깨끗한 유사점입니다 @SeijinJung. 예측된 최종 게임은 표준화된 에이전트 신원, 허가된 프로토콜, 데이터나 재고가 가치 있는 곳에서의 유료 접근, 그리고 많은 "우리 에이전트를 사용하세요"—승자는 스마트 사이트가 한때 Googlebot을 마케팅한 것처럼 에이전트를 마케팅하는 것입니다 @SeijinJung.

검증 가능한 AI: 모델, 데이터 및 실행에 대한 증명

여러 포스트는 AI 출력과 입력을 단순히 주장하는 대신 확인 가능하게 만드는 데 초점을 맞춥니다. Primus는 zkTLS를 사용하여 소프트웨어에게 결정 뒤에 있는 데이터에 대한 증거를 제공하는 것으로 설명됩니다—숫자가 어디서 왔는지, 주장된 소스에서 실제로 반환되었는지, 에이전트가 받기 전에 변경되었는지—어테스테이션 생성 및 로컬 또는 온체인 계약을 통한 검증을 지원하는 SDK와 함께 @ngochoa2k2. 더 긴 글은 Primus가 zkTLS를 zkFHE와 결합하여 선택적 공개를 가능하게 한다고 설명합니다: 오프체인 자산, 신용 점수 또는 은행 잔액을 기본 신원이나 숫자를 누출하지 않고 체인에서 증명하고, 공개 체인에서 AI 에이전트 실행 워크플로를 검증하면서 전략적 의도를 비공개로 유지합니다 @aduwaye77. 보고된 이정표에는 100만 명 이상의 사용자, Pharos에서 처리된 1억 6,800만 개 이상의 zkTLS 트랜잭션, 22,000개 이상의 AlphaNet 어테스테이션, 약 $6,700만의 검증된 준비금, 그리고 Dispersion Capital, Symbolic Capital 및 VanEck가 참여한 $650만의 자금 조달 라운드와 YZi Labs의 추후 인큐베이션 지원이 포함됩니다—포스트 자체가 이 수치는 보고된 활동 지표일 뿐 독립적으로 감사된 채택 측정이 아니라고 언급합니다 @Captainmetax.

Bittensor Subnet 26에서 Perturb는 채굴자가 AI 모델을 자신 있게 틀리게 만드는 입력을 찾는 데 보상을 받는 공개 경쟁을 운영하는 것으로 설명됩니다. 검증자는 예측이 실제로 변경되었는지 확인하고, 변경이 픽셀 및 지각 유사성 한도 내에서 인지할 수 없도록 유지되는지 확인하며, 파일을 약속된 해시와 일치시킵니다; 복사본은 아무것도 얻지 못하고, 더 타이트한 교란은 더 높은 순위를 받으며, 응답 속도는 가중치가 없습니다. 조직은 견고성 점수, 취약점 히트맵, 재교육을 위한 검증된 공격 데이터 및 온체인 인증서를 받습니다. 이미지 모델 스캐닝은 라이브로 설명되며, 텍스트, LLM 및 멀티모달 공격이 로드맵에 있습니다 @bryantheden.

TensorCash는 자체 포스트에서 작업이 AI 추론인 작업 증명 체인으로 설명됩니다: 채굴자는 해당 추론을 판매하고 동일한 작업으로 다음 블록을 얻을 기회를 얻을 수 있으며, 사용된 모델의 증명이 모든 답변에 첨부됩니다 @Tensorcash.

프라이버시 중심 요약은 AI 에이전트가 결제를 하고 유료 서비스를 사용하기 시작하면서 민감한 금융 정보를 보호하는 것이 더 중요해진다고 언급하며, ZK 증명, MPC 및 FHE 접근 방식을 Zcash, Arcium, Zama, Umbra, Aztec 및 Aztec Labs의 재출시된 zk.money와 같은 프로젝트와 함께 조사합니다 @KryptoHumphrey. 일곱 가지 프라이버시 애플리케이션의 동반 목록에는 Ethereum Foundation과 Open Anonymous가 10월 1일에 출시한 zkAPI가 포함되며, 사용자는 ETH 또는 USDC를 예치하고 영지식 증명을 사용하여 임시 AI API 키를 생성하여 결제 신원을 AI 쿼리와 분리할 수 있습니다—AI 제공자가 여전히 프롬프트를 읽을 수 있고 IP 주소와 쿼리 타이밍이 노출된 상태로 남아 있다는 점을 언급하면서 @TheDeFiAngel.

한 포스트는 검증 가능한 AI 에이전트 평판을 위한 초안 ERC-8004 사양의 프라이버시 트레이드오프를 강조합니다: 피드백 값과 태그가 체인에 저장되고, 엔드포인트, 파일 URI 및 해시가 이벤트에서 방출되며, 오프체인 피드백 파일은 선택 사항입니다—"검증 가능하다는 것이 비공개를 의미하지는 않습니다" @MetisL2.

AI 워크로드를 위한 분산 컴퓨팅 공급

Acurast는 더 큰 데이터 센터보다는 사용되지 않는 스마트폰에서 컴퓨팅을 찾는 것으로 제시됩니다. Laya 데모는 이메일 분류, 채팅 중재 및 주입 시도에 대한 프롬프트 검사와 같은 작업에 대해 Android 폰의 CPU에서 결정 모델을 실행하며, 포스트는 결정당 약 0.2~1초를 보고합니다. 신뢰는 Google Key Attestation 및 Apple App Attest를 통한 하드웨어 지원 어테스테이션으로 처리되며, 취소된 어테스테이션이 확인되고 영향을 받는 장치가 배포 및 보상에서 제거됩니다. 토큰 모델에는 네트워크 수수료, 컴퓨팅 프로비저닝 인센티브, 스테이킹 및 거버넌스가 포함되며, 배포 컴퓨팅 비용은 가스 수수료 및 USDC 접근 경로로 설명됩니다; Staked Compute는 제공자가 컴퓨팅 약속에 대해 토큰을 잠글 수 있고 ACU 보유자가 하드웨어 없이 제공자에게 위임할 수 있습니다. 포스트는 연간 5% 인플레이션을 언급하며 70%가 Staked Compute Pool에 할당되고, 스테이킹 보상이 컴퓨팅 고객으로부터의 수익과 혼동되어서는 안 된다고 경고합니다 @Vanquan_titans.

BitTorrent의 2026년 10월 백서는 네 가지 구성 요소를 설명합니다: 대규모 데이터 세트 및 AI 모델의 분산 콘텐츠 전달을 위한 BitTorrent, 온보딩, 작업 스케줄링, 추론 실행 및 결과 검증을 통해 분산 GPU 용량을 AI 워크로드에 연결하는 BTTInferGrid, 레이어 2 확장 및 정산 네트워크로서의 BitTorrent Chain, 그리고 리소스 구매, 서비스 결제, 가스, 노드 인센티브, 스테이킹 및 거버넌스를 포괄하는 공유 유틸리티 토큰으로서의 BTT @Multi_mike01.

Bittensor의 네트워크는 128개의 라이브 서브넷을 보유하고 있으며, Null Consensus 업그레이드로 하나의 스테이크 선택 검증자가 보상 가중치를 결정할 수 있고 지원되는 서브넷 용량이 256명에서 2,500명으로 확장되며, 채굴자가 TAO를 선불로 지불하는 대신 계산 리소스를 사용하여 진입을 위해 경쟁할 수 있는 선택적 작업 증명 등록이 가능합니다. 같은 포스트는 트레이드오프를 언급합니다: 다중 검증자 합의를 제거하면 보상 할당이 단일 검증자의 판단에 더 의존하게 됩니다 @zordcrypt. 주간 하이라이트 포스트는 일주일 동안 스택 전반에 걸쳐 8개의 서브넷이 출시된 것을 나열합니다—같은 GPU에서 최대 4배 빠른 것으로 보고된 오픈 추론 엔진, MIT 라이선스 오픈 가중치 라우터, 전체 32K 컨텍스트를 유지하면서 40% 더 작아진 Ministral-3-8B 모델, 단일 NVIDIA DGX Station에서 10,500 tok/s, 하루 500억 토큰 서빙에서 다음 날 거의 1,020억으로 상승, 100,000명 이상의 제공자가 채굴자로 메인넷으로 이동, Shell 고속도로 주유소에서의 컴퓨터 비전, Solana에서 온체인 신원을 가진 로봇 훈련 데이터 장치, 그리고 멀티모델 데스크톱 앱—대부분의 벤치마크가 팀 보고이며 대부분의 서브넷이 초기이고 고르지 않다는 점을 인정하면서 @bittingthembits. 또 다른 포스트는 런타임 v480의 eTAO 변경으로 서브넷 소유자가 프로토콜 한도 내에서 채굴자, 검증자 및 소유자 간에 방출을 분할하는 방법을 조정할 수 있다고 보고하며, 외부 고객 수익이 연간 $5,000만으로 이전 달보다 40% 이상 증가했다고 인용합니다 @HogwartsCrypto.

반대 의견은 Bittensor가 인센티브 레이어로서 이미 실패했음을 증명했다고 주장하며, 외부 세계보다 뒤처져 있고 서브넷이 주도하기보다는 다른 곳에서 이미 인센티브되고 있는 것을 모방하는 경향이 있다고 주장합니다 @EmersonDickie.

QuipNetwork는 CPU, GPU 및 양자 프로세서와 같은 다양한 컴퓨팅 리소스를 하나의 네트워크로 가져와 작업을 단일 아키텍처를 통해 강제하는 대신 적합한 하드웨어에 맞출 수 있도록 설명되며, 채택은 투명한 가격 책정, 신뢰할 수 있는 검증 및 측정 가능한 성능에 달려 있습니다 @uthman_000. DAO Labs는 컴퓨팅 공급 체인을 네 가지 레이어로 나눕니다—칩 제조사, 데이터 센터, 전기, 냉각 및 하드웨어를 제공하는 인프라 소유자, GPU 용량을 개발자와 연결하는 컴퓨팅 마켓플레이스, 그리고 AI 연구소에서 독립 개발자까지의 임차인—DePIN의 기회가 분산화 자체보다는 신뢰할 수 있는 용량, 경쟁력 있는 가격 및 지속적인 수요에 달려 있다고 주장합니다 @Blessedpeacee@TheDAOLabs.

로봇 및 세계 모델을 위한 분산 물리 세계 데이터

가장 큰 포스트 클러스터는 물리 AI, 로봇 공학 및 세계 모델에 사용되는 실제 세계 공간 데이터를 위한 분산 캡처 네트워크로 스마트폰을 전환하는 Vangrid에 관한 것입니다 @0xNTTheshy@just_johnny4@pariisart_eth@mahdiHas@0x_why85@0x_why85@kaybee_mmg@0xdoha@Ugnonny. 기여자는 주문 시 특정 위치를 캡처하고, 푸티지는 3D 공간 모델로 재구성되며, 온체인 출처는 캡처가 어디서 발생했는지 설정하는 데 사용됩니다 @just_johnny4@mahdiHas. 보고된 수치에는 125만 개 이상의 캡처, 45만 명 이상의 사용자, 4,700개 이상의 어테스테이션 및 $60만 이상의 USDC 정산이 포함되며 @VPhm23380671, HashKey Capital, Animoca Brands 및 Borderless Capital을 포함한 투자자가 참여한 $900만의 시드 라운드가 있습니다 @tausif_khan099@0x_zoda.

에이전트 중심 워크플로는 AI×crypto에 가장 관련이 높은 부분입니다: AI 에이전트는 표준 현상금 보드 프로세스를 거치지 않고 API 워크플로를 통해 실제 세계 캡처를 의뢰할 수 있으며, 제목, 캡처 브리프, USDC의 보상 금액 및 마감일을 지정하는 HTTP 요청으로 현상금을 생성하고 자금을 조달합니다. 결제는 Base 또는 Arc에서 x402를 통해 이루어지며, 호출자는 지원되는 네트워크에서 USDC를 보유한 지갑이 필요하지만 계정이나 API 키는 필요하지 않습니다. 제출이 수락되면 에스크로가 체인에서 해제되고 재구성이 시작됩니다; 수락된 제출이 없으면 현상금은 열려 있는 동안 취소되거나 만료되도록 허용될 수 있으며, USDC는 자금 지갑으로 반환됩니다 @shell_is_heree. 엔터프라이즈 문서는 실제 세계 장소의 재구성된 3D 모델을 설명하며, 원래 캡처로 추적할 수 있는 텍스처링된 GLB 메시, us-east-1, eu-west-1 및 apac-1 지역 옵션, 현재 파일럿별로 부여되는 액세스를 포함합니다 @Rizvi_On_X.

한 포스트는 문서가 솔직하다고 말하는 비대칭성을 지적합니다: 지출 한도는 서명을 제한하지만 가장 중요한 두 호출을 제한하지 않습니다—제출을 수락하면 에스크로가 해제되고 현상금을 취소하면 종료되며, 둘 다 되돌릴 수 없고 한도 밖입니다. 운영자에 대한 지침은 에이전트가 무인 상태일 때 이러한 두 호출을 인간 승인 뒤에 게이트하는 것입니다. 저자가 말했듯이, 캡처 레이어는 분산되어 있지만 판단 레이어는 그렇지 않습니다 @Nyerishi.

검증 메커니즘에 대해 캡처는 Merkle 트리로 그룹화되고 Base의 Ethereum Attestation Service를 통해 앵커링되어, 모든 캡처를 직접 체인에 넣지 않고도 누구나 레코드가 커밋된 배치에 속한다는 것을 검증할 수 있습니다 @a12321xyz. Vangrid 탐색기는 캡처 잎, Merkle 증명 및 관련 트랜잭션을 노출하여 사용자가 대시보드를 신뢰하는 대신 레코드를 검사할 수 있게 합니다—출처가 모든 장면이 정확하거나 모든 기여자가 정직하다는 것을 증명하지 않으며, 데이터 품질이 여전히 별도의 검사가 필요하다는 점을 언급하면서 @BitWolf84. 여러 포스트가 모델의 한계에 대해 같은 점을 지적합니다: 다른 장치, 조명 조건 및 재구성 품질이 신뢰성에 영향을 미치며, 온체인 검증이 실제 세계 정확성을 자동으로 보장하지 않습니다 @Shahzaib0x@0xdoha.

자율 에이전트를 위한 분쟁 해결 및 거버넌스

GenLayer는 에이전트 경제를 위한 "합성 관할권"을 구축하는 것으로 설명되며, 에이전트가 다른 소유자를 대신하여 거래할 때 상충되는 이익을 상속받는다는 주장에 기반합니다—더 많은 지능이 이를 해결하지 못할 수 있으며, 양쪽이 자신의 사례를 더 잘 주장하게 만들 뿐일 수 있으므로 공유 규칙과 어느 쪽도 통제하지 않는 분쟁 해결 방법이 필요합니다 @kstellana. 관련 포스트는 실제 판단이 필요한 결정을 해결하기 위해 Intelligent Contracts 및 AI 기반 검증자를 사용하는 것과 단일 권위에 의존하지 않고 분쟁을 해결하기 위한 "인터넷 법원" 개념을 논의하면서, 사람들이 자신의 돈과 관련된 분쟁을 해결하기 위해 AI를 신뢰할지 묻습니다 @degen_geek.

에이전트 생태계 및 온체인 에이전트 활동

한 프로젝트 업데이트는 Arena 에이전트가 일주일도 안 되어 500만 건의 결정을 넘었고, 모든 Arena 이벤트가 에이전트가 이를 논의하고 새로운 전략이나 팀을 형성할 수 있는 HIVE에 공급되며, ERC-6551 지원으로 에이전트 지갑 활성화 및 에이전트 프로필 생성, 에이전트가 매일 256x256 캔버스를 자율적으로 그리는 Agent Canvas, 두 가지 다른 LLM으로 거래하는 200개의 에이전트 스웜, 그리고 사용자가 에이전트에게 성공적인 Arena 에이전트를 찾아 작업을 고용하도록 요청하고 작업 에이전트가 완료 시 지불받는 워크플로를 설명합니다 @serc1n.

별도의 포스트는 주요 소셜 플랫폼에서 인플루언서를 대신하여 댓글에 응답한 LLM 기반 소셜 에이전트의 출시에 대한 Information Systems Research의 연구를 인용합니다. AI 응답을 받은 사용자는 인플루언서의 향후 게시물에 댓글을 달 가능성이 더 높았으며, 응답이 대화와 관련이 있고, 인플루언서의 목소리와 일치하며, 적시에 전달될 때 효과가 더 강했습니다. 더 많은 응답이 자동으로 더 많은 참여를 창출하지는 않았습니다: AI 응답이 상대적으로 드물 때, 인플루언서가 이전에 거의 응답하지 않았을 때, 충성도 높은 팔로워들 사이에서 영향이 더 컸으며, 상업화가 많이 된 인플루언서와 기술 범주에 있는 인플루언서에게는 약했습니다. 저자의 결론은 효과적인 커뮤니티 관리는 판단 문제이지 볼륨 문제가 아니라는 것입니다 @xelebofficial.