가입 후 초대 링크를 공유하면 동영상 재생 및 초대 보상을 받을 수 있습니다.

검색 결과 AI에이전트
AI에이전트 커뮤니티
하나의 키워드는 하나의 전역 커뮤니티 경로입니다.
커뮤니티 만들기
계정
찾을 수 없음
AI에이전트 를 포함하는 검색 결과
📌 [광고게시물] @sleepagotchi 일상 속 AI 에이전트 플랫폼 Gotchi Labs는 생활 곳곳에 특화된 AI 에이전트를 붙이는 소비자용 AI 플랫폼을 만들고 있습니다. 첫 번째 분야는 수면·건강이고, 이미 서비스 중인 앱이 Sleepagotchi입니다. ✏️ 지금까지 나온 숫자 1️⃣ 누적 이용자 200만 명 이상, 가입자 60만 명, 하루 활성 이용자 8만 명 2️⃣ 솔라나 Seeker 폰 앱 1위, 설치 2.85만 건 3️⃣ Jambo 폰 50만 대 이상에 기본 탑재 4️⃣ 누적 투자 $8M (6th Man Ventures, 1kx, Alliance, GSR, Sfermion, Collab+Currency 등) ✏️ 뭐하는 플젝임? • 지금 서비스 중: AI 수면 코치. WHOOP·Oura·애플워치 같은 웨어러블과 연동해 수면과 회복 상태를 분석합니다 • 다음 단계: 웰니스 코치, 식단 플래너, AI 쇼핑 추천과 에이전트 커머스 • 이후 계획: 운동 코칭, 일정·업무 관리, 분야를 넘나드는 개인 AI ✏️ $CHI 토큰 쓰임새 • AI 크레딧, 구독 결제, 토큰 보유자 전용 기능 • 스테이킹, 파트너 캠페인, 게임형 보상 • 수익원은 구독, AI 크레딧, 파트너 수수료, 커머스 제휴로 여러 갈래입니다 이름이 갓....치...?! 웹사이트 ㅣ 백서보기
더 보기
BNB체인, AI에이전트 특화 레이어1 개발 추진…"내년 메인넷 출시"
다시 CPU의 시간 1/ 메타는 9월 8일 개인용 AI 에이전트 뮤즈를 출시했다. 단순 응답형 챗봇이 아니라 사용자를 대신해 능동적으로 작업을 수행하고 아이디어를 제안하는 개인형 에이전트다. 이메일 발송과 여행 예약 등을 대행하며 앱 종료 이후에도 백그라운드에서 작업을 지속하는 상주형 구조가 특징이다. 2/ 출시 초기 시장 반응은 폭발적이었다. 출시 12일 만에 누적 다운로드 180만 회를 기록하며 ChatGPT의 동기간 기록을 넘어섰고, DAU 역시 64만 명으로 같은 시점 ChatGPT를 크게 상회했다. AI 에이전트가 소비자 시장으로 확산되는 첫 성공 사례로 판단된다. 3/ 사업 구조 또한 사용량 확대에 우호적이다. AI 에이전트는 챗봇 대비 루프가 길고 토큰 소모량이 많아 비용 부담이 큰 서비스이나, 메타는 구독 없이도 주당 최대 1억 토큰을 무상 제공한다. 장기적으로는 뮤즈를 통해 연결된 쇼핑·여행 등 플랫폼 판매자로부터 수수료를 수취하는 모델을 지향한다. 4/ 주목할 점은 해당 워크로드가 CPU 집약적이라는 점이다. AI 에이전트는 외부 툴 호출, DB 접근, 재추론이 반복되는 멀티 스텝 루프 구조로, GPU가 담당하는 AI 연산 외 각 단계의 의사결정과 오케스트레이션, 외부 S/W 접근은 CPU의 영역이다. 5/ 특히 뮤즈는 무료 사용자에게도 사용자별 전용 클라우드 VM을 할당하는 구조로, 사용자 증가에 비례해 CPU 수요가 확대되는 구조일 가능성이 높다. 인텔은 에이전트 확산에 따라 GPU:CPU 비율이 현재 8~4:1에서 장기적으로 1:1 이상까지 상승할 수 있다고 언급했다. 6/ 메타의 투자 행보 역시 동일한 방향성을 시사한다. 메타는 상반기에 엔비디아 Grace·Vera, ARM AGI, AMD Venice, AWS Graviton 등 주요 서버 CPU 계약을 광범위하게 확보했다. 이는 뮤즈를 비롯한 에이전트 서비스 확대에 선제적으로 대응하기 위한 것으로 해석된다. 7/ 뮤즈의 흥행은 소비자향 AI 에이전트 서비스의 성장 잠재력을 시사하는 사례다. 에이전트 서비스가 빠르게 확산될수록 워크로드 오케스트레이션을 담당하는 CPU의 수요는 구조적으로 확대될 가능성이 높다. 8/ 이미 타이트한 CPU 공급 병목은 한층 더 심화될 가능성이 높다. 그간 조정을 받았던 주요 CPU 업체인 인텔, AMD, ARM과 CPU 밸류체인이 재차 부각될 수 있는 시점으로, 매수 관점에서 접근 가능하다고 판단된다.
더 보기
가상자산·결제 기업 등 26곳, 'AI 에이전트 결제' 동맹 출범
로빈후드, 가상자산 거래에 'AI 에이전트' 연동 서비스 도입
아마존( $AMZN) 2026년 3분기 어닝콜 중 CapEx 및 AI 인프라 $NVDA, $LITE, $MU, $SKHY, $SNDK, Samsung, $NBIS, $BE, $MRVL CEO 앤디 재시·CFO 브라이언 올사브스키 발언 1. CapEx 및 투자 계획 - 3분기 현금 기준 설비투자(Cash CapEx)는 759억 달러. 대부분 AWS 및 AI 관련 투자. - 2026년 연간 현금 CapEx 약 2,200억 달러 전망. 대부분 AWS에 투입. - 2027년에는 2026년보다 상당히 더 많은 금액을 투자할 계획. - AI를 일생일대의 기회로 평가하며 AWS의 선도적 지위를 유지하기 위해 계속 투자할 것이라고 강조. - 투자 계획에 필요한 자금을 조달할 수 있으며, 장기적으로 아마존의 매출과 잉여현금흐름(FCF)을 크게 확대할 것이라고 설명. - AWS 인프라의 투자비 회수기간과 손익분기 도달 기간을 지속적으로 단축하고 있으며, 자산 내용연수 연장도 추진 중. 2. AWS 성장 및 데이터센터 증설 - AWS 3분기 매출 성장률 +39.3% YoY, 6개 분기 연속 성장 가속. - 연환산 매출 1,840억 달러. - 수주잔고(Backlog) 5,780억 달러, 전년 대비 세 자릿수 증가율. - 약 14초마다 AI 가속기 1개를 설치하고 있으며, 추가되는 용량을 고객들이 빠르게 사용하고 있음. - 향후 8~10개 분기에 걸쳐 대규모 컴퓨팅 용량 증설 계획. - 고객들이 수백 MW에서 최대 1GW 규모의 용량을 사전에 예약. - 2027~2028년 및 2029년 일부까지 대규모 고객 수요에 대한 높은 가시성 확보. - EC2 및 Bedrock의 온디맨드 수요를 위한 용량도 별도로 확보할 계획. - AWS 매출은 2027년과 2028년 각각 40% 이상 성장할 것으로 전망. - 향후 5~10년 내 AWS 연매출 1조 달러 달성 가능성을 제시. 3. AI 수요 및 컴퓨팅 인프라 - AWS AI 매출은 전년 대비 세 자릿수 성장. - AI 추론이 AWS 전체 AI 매출의 절반을 훨씬 초과하며 지속적으로 증가. AI 학습 매출도 상당한 규모. - AI 투자 확대에 따라 기존 컴퓨팅·스토리지·네트워킹 서비스 사용량도 증가. - Fortune 500 기업들의 Bedrock 지출은 전년 대비 약 7배, 전체 Bedrock 토큰 사용량은 약 17배 증가. - Bedrock이 향후 EC2만큼 큰 서비스로 성장할 수 있다고 전망. - 기업들의 AI 추론 도입은 아직 초기 단계이며, 추론 비용을 추가로 낮추는 것이 AWS의 중요한 목표라고 설명. 4. 자체 AI 칩 — Trainium 및 Graviton - 자체 칩 사업 매출은 전년 대비 세 자릿수 성장. - Graviton과 Trainium의 매출 약정은 각각 전년 대비 20배 이상 증가. - 현재 Bedrock 워크로드의 대부분은 Trainium에서 실행. - Trainium을 통해 고객에게 낮은 가격을 제공하면서 AWS의 수익성도 확보하고 있다고 설명. - 강화학습 후처리 및 AI 에이전트의 도구 호출 등 상당수 작업은 GPU보다 CPU에서 실행. - Graviton은 경쟁 x86 CPU 대비 가격 대비 성능이 30~40% 우수하다고 설명. - 자체 칩 사용 고객들은 3분기에만 20억 달러 이상 비용 절감. - Graviton 5 출시 이후에도 이전 세대 인스턴스 수주잔고가 전 분기 대비 2배 이상 증가. - Trainium을 2027년 말부터 AWS 외부에도 판매할 계획. - 칩을 외부 판매하면 단기에 매출을 인식할 수 있지만, AWS 내부에 배치하면 5~6년에 걸쳐 더 많은 누적 매출과 FCF를 창출할 수 있다고 설명. 5. AI 인프라 수익성 및 비용 구조 - AWS 3분기 영업이익 178억 달러, 영업이익률 38.7%. - 현재 AI 사업 이익률은 기존 클라우드 사업의 비슷한 성장 단계보다 높은 수준이라고 설명. - 메모리 등 부품 가격 상승과 대규모 설비투자에 따른 감가상각비가 부담 요인. - 자체 칩·자체 네트워킹·용량 최적화를 통해 인프라 비용 효율성을 개선하고 있음. - AWS 데이터센터 용량 대부분은 직접 소유하거나 장기 임차하는 방식. - 재시 CEO는 네오클라우드 활용 방식의 영업이익률이 장기 임차 방식보다 약 3,500bp(35%p) 낮다고 설명. - 자체 Trainium 칩과 데이터센터 소유·장기 임차 구조가 AWS의 비용 경쟁력을 높인다고 강조.
더 보기
메타 3분기 어닝콜 중 $META 저커버그: "MUSE는 명확한 제품·시장 적합성(Product-Market Fit)을 확보했으며, 이제 대규모 확장 단계에 진입했다." - MUSE는 메타가 추진하는 개인 초지능(Personal Superintelligence) 전략의 핵심 제품. - 출시 약 1개월 반 만에 미국과 캐나다에서 1,000만 명 이상이 개인 AI 에이전트를 설정. - 앱스토어에서 거의 매일 1위 기록. - MUSE 설정 사용자 중 약 25%가 매일 사용. - 초기 이용자의 사용 기간이 길어질수록 유지율이 개선되는 추세. - 초기 일간 이용률은 스레드 출시 초기 및 메타가 추정하는 다른 AI 앱 초기 수준의 2배 이상. 가장 중요한 사용 사례는 쇼핑. - MUSE 활성 이용자의 25% 이상이 쇼핑 기능 활용. - 평균 구매 금액은 200달러 이상. - Plaid는 자사 커넥터에서 다른 서비스에서는 보지 못한 수준의 활동량이라고 평가. - 출시 첫 주 거래량이 예상치를 초과하면서 Stripe와 협력해 신용 한도를 상향. - 쇼핑 외 주요 사용 사례는 개인 생산성, 이메일·캘린더 연결 및 창작 활동. MUSE 수익화 전략과 AI 컴퓨팅 투자 저커버그: "향후 몇 년간 10억 명 이상의 사용자에게 MUSE를 제공할 수 있는 컴퓨팅 인프라를 구축하고 있다." 메타가 제시한 핵심 목표는 세 가지. - MUSE 사용자 규모 확대 - 매출 성장 - 컴퓨팅 비용 최적화 수익모델 - 일반 사용자에게 기본 서비스를 무료 제공. - 쇼핑 등 거래를 중개하고 기업으로부터 수수료 수취. - 고급 AI 모델 및 추가 토큰 사용자를 위한 유료 구독. - 기업과 소상공인을 위한 업무용 AI 에이전트 구독. - 메타의 기존 콘텐츠·광고 개인화 시스템과 연결. - 메타는 기존 앱 서비스에서 미국 사용자당 연간 수백 달러의 매출을 창출하고 있으며, MUSE는 장기적으로 이를 넘어설 것으로 예상. - 메타 앱을 이용하는 소상공인 규모는 자체 설문 기준 최소 5억 개로 추산. - 향후 소비자 AI 에이전트와 기업 AI 에이전트가 직접 연결되어 거래를 수행하는 생태계 구축 추진. AI 컴퓨팅 비용 효율화 - 현재 MUSE는 추론 과정에서 상당한 컴퓨팅 자원을 소비. - 향후 1년간 MUSE의 컴퓨팅 비용 효율을 10배 이상 개선할 계획. - 유휴 시간대 컴퓨팅 자원 활용, 효율적인 AI 모델, 추론 최적화 등이 핵심. - 수익이 본격적으로 확대되면 MUSE 사업이 흑자를 달성할 수 있을 것으로 전망. - 메타는 효율 개선이 수년간 지속될 경우 높은 수익성을 달성할 수 있다고 예상. 자체 AI 모델 개발 및 기업용 AI 사업 확대 저커버그: "우리는 아직 AI 컴퓨팅 자원을 핵심 사업 개선에 얼마나 효과적으로 활용할 수 있는지 그 한계를 발견하지 못했다." - MUSE Wonder를 메타의 첫 최첨단 프런티어 AI 모델로 출시. - MUSE Spark 1.2·1.3, MUSE Code, MUSE Voice 등 다양한 모델 출시. - MUSE Glimmer와 MUSE Spark Open 등 오픈웨이트 모델 공개. - MUSE Wonder보다 더 큰 차세대 모델 개발 진행. - 동시에 MUSE Wonder 수준의 지능을 훨씬 효율적으로 제공하는 소형 모델 개발. Meta Enterprise Platform 확대 - 기업용 AI 플랫폼을 통해 API, 코딩 서비스, 기업용 AI 솔루션 제공. - 모델 훈련비는 상당 부분 고정비이므로, 고마진 추론 수요를 최대한 확보하는 전략. - 소비자 에이전트, 기업용 API, 광고 및 추천 시스템 등에 자체 AI 모델을 폭넓게 활용. - MUSE Wonder를 이용해 추천·광고 시스템을 자율적으로 개선하는 평가 시스템 구축. - 메타 AI의 사용자당 참여도는 4월 신규 모델 배포 이후 2배 이상 증가.
더 보기
The English, Chinese, Japanese, and Korean versions are now available on Amazon Books! AI 슈퍼사이클: 5개 계층 공급망으로 읽는 AI 인프라 투자 by Chris Lee "2026년 4월 25일, 엔비디아의 시가총액이 5조 달러를 돌파했습니다. 단 하나의 반도체 회사의 가치가 영국의 연간 GDP를 넘어선 것입니다. 인공지능이 우리 시대 최고의 투자 기회라면, 왜 대부분의 투자자들은 엔비디아 주식만 사는 법만 알까요?" 이 책은 전직 증권거래소 CEO이자 현재는 인공지능 인프라 투자자인 저자의 질문에서 시작됩니다. AI 슈퍼 사이클은 AI 열풍을 걷어내고 그 붐을 뒷받침하는 실제 공급망을 파헤칩니다. 에너지 → 칩 → 스토리지 → 광 인터커넥트 → 클라우드/데이터 센터로 이어지는 5개 계층 구조에 애플리케이션 계층과 그 위에 새롭게 부상하는 암호화폐 × AI 계층이 더해진 구조입니다. OKEx의 전 CEO, Huobi의 전 CFO, Merkle 3s Capital/XResearch의 공동 창립자인 크리스 리(이서불)가 집필한 이 책은 단순히 "과대광고에 현혹되어 투자하라"는 책이 아니라, 자금이 어디로 흐르는지를 실무적인 관점에서 보여주는 안내서입니다. 이 책의 구성 레이어 1 — 에너지: Meta의 6.6GW 원자력 발전소 계약, 가스 터빈 붐(GE Vernova), 그리고 "전자가 새로운 석유"인 이유 레이어 2 — 칩: NVIDIA의 CUDA 경쟁 우위, TSMC의 병목 현상, Broadcom의 ASIC 제국, AMD/Intel의 험난한 여정 레이어 3 — 스토리지: HBM 슈퍼사이클과 "컴퓨팅 제약이 아닌 메모리 제약"이 모든 것을 바꾸는 이유 광 인터커넥트: 구리 vs. 광섬유, 800G → 1.6T, 코패키지드 광학 로드맵 레이어 4 — 클라우드/데이터 센터: 6,500억~8,000억 달러 규모의 하이퍼스케일러 자본 지출 전쟁 - Microsoft, Google, Amazon, Meta, Oracle 모델 및 응용 프로그램: 학습 vs. 추론 경제학, DeepSeek의 충격, AI 에이전트, Circle/USDC의 역할 기계 경제의 결제 시스템 TSMC 심층 분석: 대만 해협 양안의 한 기업이 전체 AI 산업을 뒷받침하는 이유 제재 하의 중국 AI: 화웨이의 클라우드매트릭스, 캠브리콘, 실시간으로 형성되는 병렬 기술 스택 AI 안전 및 규제: 투자 테마로서의 정렬 연구 및 분열된 EU/미국/중국 규제 환경 암호화폐 × AI: AI 에이전트에 은행 계좌가 아닌 지갑이 필요한 이유와 이미 실제 수익을 창출하는 DePIN 프로토콜 리스크 장: 시스코-2000 유사점, 거품 가치 평가 계산법, 모든 AI 투자자가 예측해야 할 사각지대 포트폴리오 구축: 2026~2030년 플레이북 - 세 가지 위험 프로필에 따른 핵심/위성/테마 배분 각 장은 투자 플레이북으로 마무리됩니다. 티커, 진입 논리, 위험 경고 등 이론뿐 아니라 실질적인 정보를 제공합니다. 이 책이 다른 이유 대부분의 AI 관련 콘텐츠는 NVIDIA를 전체 주제를 대표하는 사례로 취급합니다. 마치 2000년에 시스코의 라우터를 "인터넷 투자"라고 부르는 것과 같습니다. 기술적으로는 맞는 말이지만, 너무나 불완전한 분석입니다. 크리스 리는 기관 금융 전문가로서의 경험과 암호화폐 시장의 가장 격동적인 시기(DeFi 서머, FTX 폭락)를 10년 동안 직접 경험한 지식을 결합하여 보기 드문 시각을 제시합니다. 그 결과, 단순한 주식 투자 조언이 아닌, AI 구축 전반에 걸쳐 실질적인 경제성을 파악할 수 있는 프레임워크를 제공합니다. 이 책은 누구를 위한 책인가? NVIDIA 주식을 보유하고 있지만 다른 투자처를 모르는 주식/암호화폐 투자자 자신의 산업이 시장에서 어떻게 평가되는지 알고 싶은 기술 전문가 AI 인프라의 실제 현금 흐름에 기반한 수요와 과장된 광고를 구분하고 싶은 모든 사람 모든 데이터는 2026년 6월 기준으로 작성되었으며, "확정", "계획", "루머" 등으로 구분되어 있습니다. 보도 자료와 현실 사이에는 종종 몇 년의 간격이 존재합니다. 저자 소개: 저자 이서불(李書沸, Chris Lee)은 홍콩 전통 금융계 출신으로, OKEx 법적(CEO)와 Huobi재무책임자(CFO)를 역임했고, 2020년 워런 버핏 자선 점심에 초대된 자산 대표 중 한 명입니다. 현재 Merkle 3s Capital과 XResearch가 공동으로 AI 개발 투자를 전문적으로 진행하고 있습니다. 이 책은 에너지, 칩, 스토리지, 광인터커넥트, 클라우드/데이터 센터의 5개 산업 층을 확장하며, 각 장마다 투자 플레이북을 제공하는 실전 투자 가이드입니다. (한국어 전문 + 영어 에피소드 제목/요약 추가)
더 보기
엔비디아 광 혁명이 왔다! TSMC COUPE, CPO 양산 지원…실리콘웨어 광학 엔진 생산능력 30배 급증 $NVDA, $LITE, $MRVL, RF머트리얼즈 AI 경쟁이 반도체 확보에서 광통신 생산능력 확보로 확대되고 있다. 1. 엔비디아, TSMC와 공동 개발한 CPO 스위치 양산 돌입 - 젠슨 황 엔비디아 CEO는 21일 베를린 GTC 기조연설에서 TSMC와 공동 개발한 COUPE 공정 기반 Spectrum-X CPO(공동패키징 광학) 이더넷 스위치가 양산에 돌입했다고 발표. - COUPE 기술은 실리콘 포토닉스 소자와 반도체 칩을 긴밀하게 통합해 기존 PCB의 전기신호 전송 경로를 단축하고 고속 데이터 전송 품질을 개선. - 엔비디아는 광학 엔진, 반도체 기판, 첨단 패키징 및 테스트 분야의 공급망 생산능력 확대를 추진. 2. 실리콘웨어(SPIL), CPO 광학 엔진 생산능력 30배 확대 - 엔비디아는 ASE그룹 계열사인 실리콘웨어(SPIL)와 대만 내 CPO 광학 엔진 생산능력 확대를 추진. - 2027년 중반까지 광학 엔진 생산능력을 현재의 15배로 확대. - 2028년 말까지 생산능력을 현재의 30배로 확대. - TSMC의 실리콘 포토닉스 통합 기술부터 실리콘웨어의 광학 엔진 제조까지 대만 공급망의 AI 고속 네트워킹 참여가 확대. 3. KYEC, 엔비디아로부터 11억 달러 선급금 확보 - 엔비디아는 반도체 테스트 업체 KYEC에 11억 달러(약 360억 대만달러)의 생산능력 확보 선급금을 제공. - KYEC는 이를 활용해 미국에 신규 반도체 테스트 공장을 건설하고 설비를 도입. - 2027년 4월 미국 신규 테스트 시설의 대량 생산 개시가 목표. - 엔비디아는 미국·대만·싱가포르 생산시설 확장을 통해 2027년 전체 반도체 테스트 생산능력을 2026년 대비 2배로 확대할 계획. - 싱가포르 신규 테스트 사업은 2027년 2월 양산을 시작할 예정. 4. 유니마이크론·앰코 등 첨단 패키징 공급망 증설 - 엔비디아는 유니마이크론과 생산능력 예약 계약을 체결하고 대만 반도체 기판 생산설비 확충을 지원. - 유니마이크론은 2027년 2분기부터 추가 생산능력을 확보할 예정. - 이비덴, 삼성전기 등을 포함한 주요 공급망 파트너들과 향후 3년간 엔비디아 제품용 반도체 기판 생산능력을 2.5배로 확대할 계획. - 앰코(Amkor)는 한국 내 첨단 패키징 생산능력을 확대하고, 2028년 말까지 인터포저 웨이퍼 생산능력을 300% 이상 증설할 계획. 5. 젠슨 황, AI 인프라 공급 부족 강조 - 젠슨 황은 "수요는 이례적인 수준이며, 제약 요인은 생산능력"이라고 강조. - 현재 전 세계가 인류 역사상 최대 규모의 인프라 구축 물결을 경험하고 있다고 설명. - AI 에이전트 확산에 따른 토큰 소비 증가가 GPU 수요를 견인. - Vera Rubin과 AI 팩토리 배치가 확대되면서 컴퓨팅뿐 아니라 네트워킹과 스토리지의 동반 업그레이드가 필요. - 엔비디아는 2028년까지 반도체 기판, 첨단 패키징, 테스트, 광학 인터커넥트 공급망 확보를 추진. 6. 피지컬 AI 및 로봇 생태계 확대 - 폭스바겐 상용차, 재규어랜드로버, 볼보, 메르세데스-벤츠의 차세대 차량이 엔비디아 Hyperion 플랫폼 생태계에 합류. - Agile Robotics와 협력해 휴머노이드 로봇용 레퍼런스 플랫폼을 개발. - 2027년 1분기 출시 예정이며 컴퓨팅 하드웨어와 소프트웨어를 사전 통합해 개발 진입장벽을 낮출 계획.
더 보기
No Sus, Just VERONA! 밋업에 다녀왔어요 🪽 @verona_dev @verona_korea verona_dev VERONA와 Kite AI, Aethir, Openroboto AI, De¹, Talus가 함께한 자리였는데요. 처음엔 ‘AI × 크립토’라는 큰 주제로 묶인 프로젝트들이라고 생각했어요. 그런데 하나씩 살펴보니 각 팀이 풀고 있는 문제는 꽤 달랐습니다. VERONA는 AI가 참고하는 정보가 믿을 만한지, 그 사실을 어떻게 증명하고 재사용할 수 있을지에 집중합니다. Kite AI는 에이전트가 사람을 대신해 행동할 때 필요한 권한과 결제를, Aethir는 그 과정에 필요한 GPU 인프라를 만들고 있어요. Talus는 에이전트의 실행을 검증하고 기록하는 데, De¹는 실제 금융시장의 거래 결과를 AI가 학습하는 데 초점을 맞추고 있고요. 로보틱스 모델을 경쟁을 통해 개선하는 Openroboto AI까지, 한자리에서 여러 방향을 볼 수 있었습니다. 제가 흥미롭게 본 건 AI가 얼마나 똑똑해질까보다 AI에게 실제 일을 맡기려면 무엇이 갖춰져야 할까라는 질문이었어요. 정보를 확인하고, 행동 범위를 정하고, 실행을 기록하고, 결과를 다시 학습하는 과정이 이어져야 비로소 에이전트가 쓸 만한 도구가 되겠다는 생각이 들었습니다. 이건 오늘 함께한 프로젝트들을 보며 제가 연결해 본 관점이에요. 커뮤니티와 이벤트를 운영하는 입장에서도 생각할 거리가 있었어요. AI를 활용한 기능 자체보다, 사람들이 어떤 일을 안심하고 맡길 수 있는지, 사용 후에 다시 찾을 이유가 있는지를 보여주는 프로젝트가 더 오래 기억에 남을 것 같아요. 오늘은 여러 팀의 이야기를 한자리에서 접하면서, ‘AI × Web3’라는 말을 조금 더 구체적으로 생각해 본 시간이었습니다. ☺️✨
더 보기