안수빈의 Web3

EBS에서 최근 올려주는 다큐인데 영상이 상당히 양질입니다. 데이비드 차움, 조지프 루빈 등 중간중간 인터뷰어도 좋고 나이지리아 사례도 재밌네요. https://www.youtube.com/watch?v=wm2Dm9Xzij4

5월은 이런 저런 건강 이슈로 여러모로 글을 많이 못쓰고 있습니다. 혼자서 병원 이리저리 다니며 답답하여 글로 가볍게 써봤습니다. 최근 글이 엄청 많지 않은데도 채널을 구독해주셔서 감사합니다. 저도 6월 중에는 회복하고 더 좋은 리서치로 보답하겠습니다. 다들 건강하시기 바랍니다. 🙏 https://ansubin.com/2024-05/

이번 글은 정말 미쳤네요. 숨은 고수 슈퍼 디젠 Pillarbear님이 이런 글을 써줄거라 기대하고 있었는데, 정말 제가 좋아하는 프로젝트들이 무수히 많이 담겨 있어 정말 재미있게 읽었습니다. 아직까지 중앙거래소에서만 거래를 하시는 분이라면, 이번 기회에 온체인에 이런 여러 기회가 있다는 것을 살펴보시면 좋을 것 같습니다.

: : Base: 컨슈머 어플리케이션의 미래 by Pillarbear and Iskra 🌱 Base는 온체인 사용자 온보딩을 목표로 작년 메인넷 출범 이후 수수료 감소, 밈 코인 열풍, Farcaster 같은 소셜 네트워크 성장 등의 요인으로 일반 사용자 대상 온체인 어플리케이션 허브로 부상했습니다. 🛍️ 타 블록체인 생태계가 DeFi와 인프라 중심인 반면, Base는 Web2 서비스와 유사한 소비자 대상 어플리케이션들이 주를 이루며, 독창적인 커뮤니티와 브랜드로 더 많은 어플리케이션을 온보딩하고 있습니다. 🔎 소셜 및 커뮤니티 어플리케이션이 가장 활발하게 발전하고 있으며, 콘텐츠, 게임, 커머스 등 새로운 온체인 어플리케이션 카테고리도 등장하고 있어 사용자 확장의 잠재력이 큽니다. ▫️들어가며 ▫️베이스의 탄생 ▫️베이스 생태계 톺아보기 ▫️결론 아티클 전문 트위터 요약 FP Website | Telegram (EN / KR) | Twitter (EN / KR)

대다수가 공감하듯 크립토 비즈니스의 핵심은 불특정 다수의 시장 참여가 자유롭다는 것에 있다. 작은 규모의 시장 참여자부터 고래, 그리고 이제는 기관 참여 또한 늘고 있다. 크립토의 개인 참여자의 다수는 여기서 기준 시장 금리에 비해 훨씬 높은 수익율을 기대하며, 다수는 방향성 매매에 가깝다. 시장에 돈이 유입되지 않는다면 결국에는 제로섬 게임에 가까우며, 골드러시에서는 금이 아닌 청바지를 파는 시장이 유의미하다고 생각한다. 인프라는 그런 의미에서 상품화폐는 매우 유의미한 장사다. 자체 토큰의 가격이 하락할 수 있어도 트랙션이 많아지면 돈을 벌 수 있는 구조다. 물론 지금은 운영 대비 트랙션이 없는 인프라도 많으며, 트랙션을 유치하기 위해 밈코인 또는 포인트를 통해 지표를 올리고 있다. 단순화하기엔 비약이 있지만 크립토에는 두 가지 유형의 투자자가 존재한다. (A)높은 리스크와 높은 수익 (B) 적은 리스크와 비교적 안정적인 수익 각각을 타겟으로 인프라를 제외한 최근 성공적인 성과를 보이는, 그리고 개인적으로 흥미로운 프로젝트는 다음과 같다. (1-a) pump.fun, pre-market : 밈코인은 카지노와 같다. 잭팟을 얻을 수도 있지만 결국은 카지노가 돈을 다 가지는 구조. 사용자 간의 제로섬 게임을 하는 동안 중간자가 다 가져가는 구조다. 가격이 여전히 정형화되어 있지 않기에 pre-market은 사용자 간의 불균형을 이용한 가장 성공적인 마켓이 아닐까 (1-b) wallet, bridge: 거래에 필요한 어플리케이션을 제공하는 것은 하이리스크 하이리턴이 많아지는 것에 대한 베타 투자이자 진정한 청바지 사업이다. 메타마스크에서 다수 월렛으로 넘어가며 여전히 이 시장은 아직까지 절대적인 강자 개념이 잡히지 않은 시장. (2) Pendle, Ethena: 이는 A, B형의 균형을 잘 섞었다. 에어드랍에 대한 기대감과 리스크를 적절하게 섞은 모델. 에어드랍 메타가 유지된다는 가정하에 이 둘의 성장 여지는 여전히 많다. 횡보장과 상승장에 매우 유의미한 전략이라고 판단되며 특히 시간이 무기인 사용자에게는 보다 안정적인 투자 기회를 제공한다. 다만 컨트랙트 리스크는 언제나 존재하며 이 또한 어느정도는 가격과 수익율에 반영되어 있다고 생각된다. 시장에서 가장 큰 무기는 "시간"이다. 장기적으로 성장할 것에 대한 믿음이 있다면 방향성 매매보다 방향성 매매를 추구하는 사용자들을 이용한 자본이 평균적으로 더 높은 수익율을 가질 것이라 예상한다. 그런 의미에서 기관의 유입은 점점 시장이 기존 web2와 유사한 흐름으로 가지 않을까 생각한다. 자본 대비 수익율, 수익 분배에 따라 토큰 가격이 형성되며 지금 보이는 토큰 가격의 불균형도 점진적으로 없어지는 미래도 예상하고 있다. 암호화폐 시장이 여전히 문제가 많긴 하지만 그래도 아직까지는 이런 시장의 불균형으로 인해 기준 금리보다는 높은 수익율을 얻을 수 있다고 생각한다. 크립토는 여전히 금광이다. 기회는 무수히 많다. * 물론 이런 생각을 하다보니 에어드랍 또는 밈코인을 통한 높은 수익율보다 잃지 않는 것이 가장 중요하다는 것을 점점 느끼는 중이다.

📌[BQ비큐] FIT21 법안 미국 하원 통과, 크립토에 새로운 바람이 분다?! 이번에 FIT21 법안이 미국 하원에서

279 찬성, 136 반대로 통과가 되었습니다!

이제 상원 (Sentate)쪽 통과와 전체 의회 투표까지 통과되면 진짜 미국 법이 된다!! 이게 얼마나 어마무시한 일인지 잘 안 와닿는 분들이 많을 것 같기에 짧게 설명하자면...

✔️FIT21 법안이란? 🔘The Financial Innovation and Technology for the 21st Century Act 의 줄임말 📱 FIT21 법안 원문 🔘이 법안은 CFTC와 SEC의 관할권, 그리고 어떻게 암호화폐를 규제해야하는지에 대한 내용을 담고 있음 🔘a16z, 코인베이스, Dapper, Stand with Crypto, Block, CoinFund 등 다양한 암호화폐 기관들이 지원 및 서포트 🔘FIT21 법안에는 "DECENTRALIZATION TEST" 즉 탈중앙화 테스트가 들어가있음. 근데 여기서 진짜 중요한건 탈중앙화 테스트에 통과한 자산은 증권 (Secuirty)가 아닌 Commodity로 취급되며 CFTC 관할로 들어갈 수 있다는 이야기!! 🔘추가로 자금 세탁 방지법, 스테이블코인 법안등이 들어가있지만 사실 위에가 가장 중요한 부분이 아닌가 싶음

✍️ 아직 확정은 아니지만 반 이상은 왔네요. 이거 되면 탈중앙화 제대로 되어있다고 확실히 입증하고 데이터가 나오는 코인들은 증권성에서 자유로워질 확률이!! 비슷한 매락에서 생각해볼 수 있는건...

디앱코인보다 인프라코인이 훨씬 더 증권성에서 자유롭지 않을까? 이대로가면 POW 코인들은 일단 다 증권성 완전히 아웃, 그리고 물량 대부분이 재단이 들고 있는 코인은 힘들겠지만 오랜 시간 탈중앙화 분배가 모두 이루어진 POS 애들도 미래 ETF 가능..?!

여러모로 미국에서 확실히 친암호화폐적인 움직임이 정치적 이유 때문인지 몰라도 하나씩 나오고 있네요 개인적으로 최소한 미국 대선전까지는 불장이 계속되기를 바람.. 🏘BQ 홈페이지 // 🎬 BQ 유튜브 // 📈 BQ 트위터 // ✍️ BQ 텔레그램

[대AI시대에 대한 견해] AI 모델은 기본적으로 데이터 간의 관계를 통해 확률을 학습하는 형태입니다. 즉 모든 것에 대해 결정론적으로 정답을 만들지는 못한다는 것입니다. "인식"라는 것도 어떻게 보면 확률입니다. 강아지를 보고 이를 인식한다는 것은 내가 보고 있는 것이 강아지로 보일 확률이 매우 높기에 강아지로 인식하게 되는 것이죠. 강아지도 종류는 매우 많고 우리는 강아지의 공통된 특성 "이데아"를 알 수는 없으니까요. 결국 표본집단의 개별 데이터 간의 관계, 분포 등을 연산하여 높은 확률로 계산하는 것이 가장 중요합니다. 다만 우리는 모든 데이터, 즉 모집단의 정보를 알 수는 없습니다. 다만 우리가 구한, 실제로는 경험한, 데이터를 바탕으로 표본집단에서 모집단의 분포를 추정하는 방식이죠. 모집단에 비해 매우 작은 규모의 데이터를 통해 좋은 성능을 내기 위해서는 데이터의 특징을 기반으로 "일반화"가 필수입니다. 실제로 인간은 이런 표본집단에 대해 과도하게 정답을 매기면 통해 성급한 일반화의 오류를 범하고는 합니다. AI도 마찬가지입니다. 데이터에 대한 분포를 제대로 학습하지 못한다면 일반화의 오류는 발생할 수 밖에 없죠. 흔히 모델링에서는 과적합(overfitting)이라고 이야기합니다. 그렇기에 모델의 일반화를 적정한 수준에서 하면서 서로 다른 분포에 있는 데이터 간의 관계, 연결성에 대해 학습하는 게 상당히 중요합니다. 우리는 이것을 Inductive Bias(이하 IB)라고 합니다. 근데 아이러니하게 모든 데이터의 연결성을 강하게 준다면 오히려 과적합이 없을 수 있죠. GPT의 근간인 Transformer가 나오기 이전에 모델들은 일반화 수준을 높게 달성하고 데이터 효율적으로 쓰기 위해 노력했습니다. 모든 데이터 간의 관계를 학습하는 것은 이론적으로도, 컴퓨팅 파워의 한계, 시간적인 소모도 문제였으니까요. 심지어 모든 데이터 간의 관계를 학습하고도 좋은 모델이 나오려면 데이터도 많이 필요하죠. 그래서 Transformer의 논문, Attention is All you need가 발표된 이후에 업계의 발전 속도는 급격하게 성장합니다. Transformer의 발전과 하드웨어적인 발전, 그리고 대규모 자본의 진입과 함께 특이점을 넘어버립니다. 하드웨어와 데이터만 충분하다면 데이터의 관계를 더 범용적으로 학습하며 이제는 거의 모든 것을 알고 있는 것만 같은 LLM으로 불리는 모델들을 만들 수 있게 된 것이죠. 그리고 이제는 더 나아가 이미지, 음성, 비디오 등의 멀티모달(multi-modal) 데이터 까지 학습을 할 수 있게 되었습니다. 물론 연구를 해보고 논문을 살펴보면 여러가지 디테일은 아직 연구할 게 많습니다. 트랜스포머 구조부터, 들어가는 토큰 구조나 효과적인 트랜스포머 배치나 등등... 다만 여기서 주목할 것은 이것에 대한 "비용"입니다. 일반적으로 AI모델은 실제 학습을 돌리기 전까지는 결과에 대해 확신을 가지기는 어렵습니다. 특히 모델의 특정 부분을 수정하고 이를 확인하기 위해서는 또 오랜 시간이 필요하죠. 그렇기에 과거부터 구글 등 기업은 "Back of Tricks" 등 본인들이 GPU를 몇 백개를 몇 백시간 돌린 결과물에 대해 벤치마크를 만들고 공유하기도 했습니다. 이게 과연 일반적인 스타트업에서 가능할까요? 일단 컴퓨터 비용도 장난 없는데 리서치 및 개발을 포함하여 QC, 배포, 프로덕트 매니징 등 수 많은 역할을 해야하다보니 결국에는 자체 대규모 모델을 시도하는 프로젝트 레벨에서 이 모든 것을 하기에는 비용적으로 어렵습니다. 그러다보니 자체적인 모델에 대해 고민을 하긴 하겠지만 API 사업에 비해 비용적으로 뒤쳐질 수 밖에 없다보니 모든 AI 스타트업이 API기업으로 보여질 수 밖에 없는 것도 사실입니다. 아직 넘어야할 산은 정말 많습니다. vector db, on-device나 ai칩 등 경량화나 하드웨어 측면에서는 여전히 리서치가 많이 필요한 상황입니다. 그리고 궁극적으로 AI가 실제 인간을 대체하고 더 장기적인 발전을 위해서는 로보틱스와 바이오 분야와의 결합이 더 필요한 상황입니다. 그리고 AI를 통한 자기 발전적인 AI학습까지 결합되는 순간부터는 초특이점이 오지 않을까 생각이 듭니다. 그럼에도 여전히 AI기업에는 기회가 많습니다. 결국 본질은 귀찮고, 처리가 어려운 일들이거든요. 장기적으로는 어렵겠지만 SI회사들이 살아남을 수 있고, 아이디어 싸움은 언제나 열려있습니다. 그리고 종종 도메인에 따라 GPT3.5 정도만으로도 성능이 충분할 수 있기에 결국은 아이디어 경쟁인거죠. 저는 결국에 특정 순간에서부터는 트롤리 딜레마 등 "어떤 결정이 옳은가" 등의 인문학적 소양이 가장 중요한 세상이 되지 않을까 생각합니다. 대AI시대에서 모두 함께 잘 살아남아봅시다 :)

Rabbit, 사실 GPT Wrapper였다? Cofeezilla가 파트2를 공개하며, 꽤 많은 충격을 주었네요. 정리를 하면 아래와 같습니다. 1. Rabbit은 개인 LAM이 아닌, 그냥 GPT Wrapper였습니다. ( 프롬포트안에도 그냥 "내가 GPT인걸 절대로 말하지마" 라는게 포함이 되었습니다 ). 웹 서치는 Perplexity 기반이며, 사실 Rabbit은 API로 만든 '앱' 수준이였습니다. 2. Rabbit이 주장한 "앱 조작" 은 그냥 UI를 한장한장 클릭을 하며 가이드를 해주는 하드코딩이 된 버전이였습니다. GPT의 Attention 메커니즘이 아닌 그냥 모든ui를 일일히 가이드 해주는거였습니다. 즉, 노래를 틀어달라고 하면 spotify에 서치에서 유저가 말하는 노래를 입력 -> 첫 결과 클릭 -> 음악 틀기 를 하나하나 클릭을 해주는거 뿐이지, ai는 1도 없습니다. 테크 유튜버 MKBHD가 말한거 처럼 기능이 '아직 개발중' 은 사실 UI를 변경된 부분을 아직 적용이 안된 상태였습니다. 3. Rabbit R1의 코드 기반은 너무 약해서 코드를 가지고만 있으면 모든 Rabbit이 대답한 결과값을 가져올수 있다고 합니다. 이게 rabbit이 말한 '주변 상점을 찾아줘' 라는 대답으로 모든 유저의 주소를 알아낼수는 있었지만, rabbit이 너무 개판으로 코드가 짜여진 문제로 크게 쓸모는 없다고 합니다. 4. 하드코딩이 너무 싸게 된 탓에 노래를 틀자 라고 이야기를 하면 90%는 비틀즈 음악이 나온다고 합니다. 5. 약속한 'on device llm' 은 뻥이였습니다. 다 그냥 하드코딩된 스크립트가 틀어지는겁니다. 6. Coffeezilla 가 말하기론 Rabbit 이 주장한거는 Playwright 의 Codegen이라는 소스로 진행이 된다고 합니다. 7. Rabbit의 직원의 말로는 'LAM 은 존재하지 않았으며, 마케팅 용어로 사용이 되었을뿐" 이라고 폭로 했습니다. Humane과 다르게 단돈 200달러에 on device는 너무 큰 허상에 불구 했네요. 소스는 Coffeezilla Pateron 결제시 확인이 가능합니다.

크립토 프로젝트는 운영진과 커뮤니티가 함께 프로젝트의 미래를 결정하는 탈중앙 거버넌스를 중심으로 운영됩니다. 이러한 요소는 커뮤니티를 단순히 사용자나 투자자들의 집합이 아닌, 프로젝트의 성패를 좌우하는 핵심 요소로 자리 잡게 만들었습니다. 따라서 한국 시장에 존재하는 다양한 커뮤니티를 분석하는 것은 한국 시장의 특성을 이해하는 데에 매우 중요한 작업입니다. 이번 글에서는 한국 크립토 커뮤니티만의 독특한 성향과 트렌드를 데이터를 통해 다각도로 분석하여 급변하는 크립토 시장 속 한국 투자자들의 움직임을 살펴보겠습니다. https://research.despread.io/kr-di-03

Wolf Game, 블라스트로 마이그레이션 https://x.com/wolfdotgame/status/1792735513751015654 울프게임즈가 5월 10일 블라스트로 이동을 발표하며 지금까지 무한 상승을 보여주고 있음. 🟢게임특징 울프게임은 웹3의 대표적인 risk to earn의 모델로 pvp의 형태를 띄고 있음. 양을 번식시키거나(0,1세대만) wool을 생산할 수 있는데 늑대에게 약탈당할 수 있기에 자원을 클레임할 때, 늑대에게 상납할건지 아니면 탐욕으로 더 많은 보상을 받는대신 리스크를 질건지를 선택할 수도 있다. 🟢늑대의 등급, 랜드, 헛간 등 여러 구조물들이 있고, 브리딩할 때 내 늑대로 훔치기를 시도할 수도 있다. 🏄: 이상하게 국내유저가 굉장히 적은 게임인데 가스비 폭탄이었던 이더리움에서 23일 시즌이 끝나기때문에 블라스트로 이동 후, 한 번 찍먹해보는 것도 나쁘지 않을지도.