AI × Crypto 요약: 에이전트 결제, 검증 가능한 AI, 온체인 에이전트 인프라

AI×crypto 논의는 기계 간 상거래를 위한 인프라로 수렴하고 있습니다: 에이전트 결제, 휴대 가능한 평판, 검증 가능한 실행, 그리고 분산형 컴퓨팅 및 데이터 시장이 그것입니다. 가장 실질적인 게시물들은 토큰 내러티브보다는 작동하는 프로토콜, 초기 배포, 그리고 해결되지 않은 신뢰 격차를 설명합니다.

에이전트 결제가 첫 번째 실제 시장이 되다

에이전트 결제는 소스 세트에서 가장 구체적인 AI×crypto 사용 사례입니다: 스테이블코인과 HTTP 기반 결제 프로토콜은 소프트웨어가 인간의 승인 없이 API, 데이터, 컴퓨팅 비용을 지불할 수 있는 방법을 제공합니다.

상세한 요약은 에이전트 지출이 기계 간 결제를 위한 새로운 시장을 창출한다고 주장합니다. x402, Stripe/Tempo의 MPP, Google의 AP2, 그리고 Ethereum의 제안된 ERC-8004를 결제 및 신뢰 인프라의 서로 다른 구성 요소로 매핑합니다. 또한 초기 비즈니스 배포 사례를 인용합니다: Mastercard 데모는 승인된 예산 내에서 9건의 x402 결제를 완료했고, Visa/BILL/Billtrust 파일럿은 에이전트가 공급업체 포털을 통해 승인된 청구서 결제를 완료할 수 있게 했습니다. 같은 게시물은 거래 건수가 에이전트 활동을 과대평가한다고 경고합니다: TRM Labs 분석은 약 $52.7M의 x402 결제 가치와 1억 9890만 건의 거래를 발견했지만, 검토된 활동 중 에이전트성으로 보이는 비율은 0.6%–7.5%로 추정했습니다 @Zorakrypt.

Bittensor는 AI 경제를 위한 기본 결제 시스템으로 Gamma Tokens를 도입했습니다. 사용자와 AI 에이전트는 각 서브넷에 대한 별도의 계정이나 API 키 없이 Bittensor 지갑으로 서브넷 서비스에 접근하고 비용을 지불할 수 있습니다 @opentensor.

NEAR Protocol의 해커톤에는 에이전트가 수익을 얻고, 지출하고, 협상하고, 다른 에이전트를 고용하고, API, 컴퓨팅 또는 데이터 비용을 직접 또는 NEAR Intents를 통해 지불하는 에이전트 경제 트랙이 포함됩니다 @NEARProtocol. 별도의 NEAR 이벤트는 비공개 AI 추론, 기밀 컴퓨팅, 에이전트 상거래에 초점을 맞춥니다 @NEARProtocol.

Hedera는 자율 에이전트 상거래의 핵심 거버넌스 질문을 제시했습니다: 구매하는 에이전트는 구매를 돕는 에이전트와 다르며, 진짜 문제는 누가 규칙을 정하고 누가 그 규칙이 준수되었는지 증명하는가입니다 @hedera.

Xona App은 brij_fi를 통해 호텔 검색 및 예약을 추가하여 에이전트가 전체 가격을 비교하고, 취소 정책을 확인하고, 정확한 가격으로 객실을 보류하고, Solana에서 온체인 USDC 에스크로로 예약할 수 있게 했습니다. 호텔이 거부하면 에스크로는 전액 환불됩니다 @xona_agent.

분산형 컴퓨팅 및 모델 마켓플레이스

분산형 컴퓨팅 게시물은 이데올로기에서 조달로 전환하고 있습니다: 누가 어떤 가격에 추론을 구매하는지, 그리고 토큰 발행이 실제 수요를 창출하는지 여부입니다.

Tencent는 Bittensor 서브넷인 Chutes를 Hy4 모델의 출시 파트너로 선택했습니다. 게시물은 Chutes가 입력 토큰 100만 개당 $0.525, 출력 토큰 100만 개당 $1.5625의 추론을 제공하여 분산형 인프라를 주요 기술 생태계와 나란히 배치한다고 말합니다 @CoinAsia_io.

Crynux AI Services와 Crynux Chat이 출시되어 독립 GPU를 연결하여 개발자와 일반 사용자를 위한 AI를 지원합니다 @DaveTheCryptoOG.

DI와 DGrid는 DGrid의 Model Marketplace를 DI의 Agent Network와 통합하여 협업 AI 에이전트를 위한 모델 접근성과 추론 지원을 확대하고 있습니다 @Didotxyz_.

한 분석은 세 가지 분산형 AI 테제를 경제성에 따라 구분합니다. Bittensor의 경우, 서브넷 경쟁이 지불 고객과 반복 사용을 창출하는지가 문제입니다. 채굴자가 고객 결과를 개선하지 않고 보상을 최적화할 수 있기 때문입니다. Pearl의 경우, AI 컴퓨팅이 네트워크 보안을 지속 가능하게 지원할 수 있는지가 문제입니다. 게시물은 예상 토큰 발행으로 지원되는 25% 이상 할인된 추론 엔드포인트와 프로토콜이 합성 행렬도 수용한다는 독립 프리프린트를 언급합니다. NEAR의 경우, 기밀 추론, IronClaw 에이전트 런타임, TEE 기반 Shade Agents, Chain Signatures, Intents, 그리고 수익을 컴퓨팅 크레딧으로 전환하는 스테이킹 모델에 초점을 맞춥니다 @Defi_Rocketeer.

검증 가능하고 비공개적인 AI

검증 가능한 AI 게시물은 좁지만 중요한 주장에 초점을 맞춥니다: 시스템이 출력이 어떻게 생성되었는지 또는 에이전트가 규칙을 따랐는지 증명할 수 있지만, 출력이 올바르다는 것을 증명하지는 않습니다.

LebrelAI 검증 영수증은 모델 및 실행 세부 정보(DeepSeek V4.1 Flash Uncensored, 특정 리비전의 50개 가중치 파일, FP8 정밀도, vLLM 0.30.0)와 Ed25519 서명, 요청 및 응답에 대한 일치하는 SHA-256 해시, 일치하는 서빙 매니페스트, 서명된 분 단위 루트에 연결된 온체인 Solana 등록을 보여주었습니다. 저자는 이것이 답이 올바르다는 것을 증명하지는 않지만, 출처와 실행 무결성에 대한 검증 가능한 증거를 제공한다고 언급합니다 @Parmida_Design.

AWS와의 공동 연구인 zkARc는 제로 트러스트 AI 에이전트 가드레일을 목표로 합니다: 에이전트가 사용자의 규칙을 따랐음을 증명하고, 누구나 규칙을 보지 않고 증명을 확인할 수 있습니다. 이 접근 방식은 형식 검증과 영지식 머신 러닝을 결합합니다 @wyatt_benno.

NeoSoul과 Brevis는 비공개 AI 거래 지시와 검증 가능한 생태계 보상을 탐구하기 위한 협력을 발표했습니다. 연구 방향은 Pico zkVM과 zkTLS를 결합하여 요청과 응답을 볼 수 있는 사람을 제한합니다. 모델이 TEE 내에서 실행되면 가시성이 더 좁아질 수 있습니다. 게시물은 이것을 완성된 개인정보 보호 보장이 아닌 탐구라고 명시합니다. 두 번째 목표는 영지식 증명을 사용하여 보상 계산이 게시된 규칙에 대해 독립적으로 확인될 수 있도록 하는 것입니다 @salmorve98@lt12101992.

Primus는 서로 다른 트레이드오프를 가진 두 가지 zkTLS 증명 모드를 지원합니다. MPC-TLS에서 클라이언트와 증명자는 TLS 세션 자료를 공동 생성하여 클라이언트가 증명자가 키 공유를 반환하기 전에 데이터를 수정하는 것을 방지합니다. Proxy-TLS에서 증명자는 TLS 연결을 중개하고 암호화된 트래픽을 기록하며, 클라이언트는 평문 메시지에 대한 지식을 증명합니다. 이는 성능과 처리량을 우선시합니다. Primus는 두 모드 모두에서 QuickSilver 증명 시스템을 사용합니다 @Snowizzie. 다른 게시물은 Primus가 zkTLS를 zkFHE와 결합하여 비공개 계산을 수행하고 중간 API 호출의 zkTLS 증명을 사용하여 AI 에이전트 실행을 감사 가능하게 만든다고 설명합니다 @GujilRuipa@manhhuynh2310.

Vitalik Buterin은 Ethereum의 린 로드맵이 영지식 증명과 AI를 가능한 한 널리 사용하는 것을 목표로 하며, AI 지원 형식 검증이 20년이 걸릴 수 있는 작업을 가속화할 수 있다고 말했습니다 @WuBlockchain.

분산형 AI의 사례

소스 세트에서 분산형 AI에 대한 가장 강력한 주장은 반 AI가 아니라 사용자 통제를 유지하면서 채택을 가속화하는 것입니다.

Peter Van Valkenburgh는 미국 AI 논쟁이 이분법이 되었다고 주장합니다—대규모 데이터 센터 구축과 소수의 프론티어 모델 회사를 지원하거나, 연구를 중단하고 사용을 억제하거나—그리고 분산형 AI만이 유일한 안전한 제3의 길이라고 말합니다. 그는 소비자 복지와 국가 안보를 위한 친 AI 주장과 소수의 추론 제공자가 기업형 파놉티콘이 될 수 있다는 반 AI 경고를 모두 수용합니다. 그는 훈련과 추론을 구분합니다: 프론티어 훈련은 집중된 자본과 컴퓨팅이 필요할 수 있지만, 모델을 훈련하는 회사가 사람들이 모델을 사용하는 방식을 통제할 필요는 없습니다. 그는 오픈 가중치 모델, 로컬 데이터, 경쟁력 있는 클라우드 제공자, 그리고 영지식 증명, 동형 암호화, 블록체인 조정을 사용한 프로토콜 기반 보장을 요구하며, 사용자가 자신의 추론을 제공하는 인프라의 일부를 소유할 수 있다고 말합니다 @valkenburgh.

온체인 에이전트, 신원, 평판

에이전트 신원과 평판은 에이전트 상거래의 신뢰 계층으로 부상하고 있습니다: 지갑 주소만으로는 상대방에게 에이전트를 승인한 사람, 에이전트가 무엇을 할 수 있는지, 또는 에이전트가 전달했는지 여부를 알 수 없습니다.

TermiX는 에이전트가 작업을 발견하고, 입찰하고, 작업을 전달하고, USDC 또는 USDT로 결제를 정산하며, 완료된 작업에서 온체인 평판을 구축하는 마켓플레이스를 구축하고 있습니다. AACP 프로토콜은 신원, 계약, 에스크로, 분쟁 해결을 추가합니다. 검증은 TEE 또는 zkVM 기반일 수 있습니다. Montage Studio 예시는 한 에이전트가 크리에이티브 브리프를 받고, 스토리보드, 비디오 렌더링, 음악 제작을 위해 세 명의 전문 에이전트를 고용하고, 마켓플레이스 거래와 에스크로를 통해 완성된 1080p 비디오를 전달하는 것을 보여줍니다 @Nasim_nademi@jexybtc@billzcollecshun@MissMutantApe.

Concordium CEO Boris는 나쁜 에이전트를 차단하는 것 외에 두 가지 과제를 설명했습니다: 에이전트가 잘못되었을 때의 책임과 소프트웨어가 경제 주체로 행동할 때의 규제 준수입니다. 대부분의 블록체인에서 에이전트의 지갑은 영숫자 문자열이며, 주소를 아는 것은 그 뒤에 누가 있는지 식별하지 않습니다. 그가 말했듯이: "지갑에는 전화번호가 없습니다." AML, 제재 심사, KYC 의무는 봇이 거래를 시작했다고 해서 사라지지 않습니다. Concordium의 답은 프로토콜 수준의 신원, 영지식 개인정보 보호, 에이전트 레지스트리, 지출 통제입니다 @rukky_003. 별도의 게시물은 동일한 책임 주장을 하고 Concordium의 프로토콜 수준 신원 앵커링을 지적합니다 @Defi_princesss.

Midnight의 초기 단계 신원 프로토콜인 Agentic MultiPass는 AI 에이전트에게 그 뒤에 있는 사람을 노출하지 않고 검증 가능한 자격 증명을 제공합니다. 에이전트는 DID와 누구를 위해 행동하는지, 권한, 도구, 지출 한도와 같은 제한을 증명하는 자격 증명을 보여줍니다. 영지식 증명은 소유자가 비공개로 유지되는 동안 주장을 확인하고, 권한은 취소될 수 있습니다. 공개 저장소는 Midnight Preprod에서 실행되며 메인넷에는 없습니다 @visionandvibehq.

Moca Network와 OKX Ventures는 Moca Network의 디지털 신원 인프라, AIR Kit, Moca Chain 전반에 걸쳐 에이전트 신원 및 에이전트 상거래를 포함한 신원 기반 애플리케이션을 가속화하기 위한 전략적 파트너십을 형성했습니다. OKX Ventures는 공동 투자를 위해 MOCA 준비금의 일부를 할당하고 프로젝트가 성숙함에 따라 후속 투자를 제공할 수 있습니다 @Moca_Network.

Grift는 San Verano의 6,000개 이상의 자율 에이전트가 이제 FiveM을 통해 GTA V 내에서 상호 작용할 수 있으며, 플레이어-에이전트 상호 작용, 주민 기록, 장소별 기능을 제공한다고 말합니다. 에이전트가 운영하는 비즈니스는 프로젝트 토큰으로 자율적으로 거래하며, 경제 활동과 토큰 소각은 온체인에 기록됩니다. 동일한 주민 신원, 직원, 일정, 비즈니스 상태는 별도의 에이전트 인구나 경제를 만들지 않고 GTA에 미러링됩니다 @Griftwrld.

에이전트를 위한 물리적 세계 데이터

더 작은 클러스터는 물리적 세계 데이터를 에이전트 서비스로 취급합니다: 소프트웨어가 캡처를 요청하고, 인간이 스마트폰으로 수집하고, 결제가 온체인에서 정산됩니다.

Vangrid는 스마트폰을 물리적 세계 데이터를 위한 분산 캡처 네트워크로 전환합니다. AI 에이전트는 API를 통해 캡처를 요청하고, x402를 통해 Base 또는 Arc에서 USDC로 바운티를 자금화하고, 인간 기여자가 위치를 기록한 후 재구성된 3D 모델을 받을 수 있습니다. 결제는 에스크로에 보관되었다가 수락 시 해제됩니다. 기여자는 원본 영상을 유지하고, 구매자는 먼저 워터마크된 미리보기를 검토합니다 @EyoAugusti73181@Rabiussunny11. 한 게시물은 $730,000 이상의 정산과 1,093개 이상의 바운티를 보고합니다 @nguyenthambt; 다른 게시물은 125만 건 이상의 보고된 캡처와 $700K 이상의 USDC 정산을 인용합니다 @Ox_milo.

Raleigh의 Vangrid 바운티는 14개의 보행자 횡단보도를 다루었고 Base에서 $1,000 USDC를 지불했습니다. 기여자는 스마트폰으로 연석 경사로, 점자 블록, 도로 표시, 보행자 버튼을 기록했으며, 각 횡단보도는 낮에 한 번, 가로등 아래에서 한 번 캡처되었습니다. 게시물은 이 데이터가 로봇과 Physical AI에 유용하다고 설명합니다 @NeonVoid01.

주의를 촉구하는 게시물은 Vangrid의 "3B+ 엣지 노드"가 30억 명의 활성 사용자나 센서로 읽혀서는 안 된다고 주장합니다. 그 숫자는 스마트폰 생태계의 잠재력을 나타내며, 검증된 활성 참여가 아닙니다. 저자는 중요한 지표는 실제 기여자, 성공적인 캡처, 지리적 범위, 수락된 바운티, USDC 정산, 반복 구매자 수요라고 말합니다 @aquilaneratr.