젠슨 황 발언에 Bittensor(TAO)·Templar(SN3) 급등, 탈중앙화 AI 주목

탈중앙화 AI에 대한 관심이 빠르게 높아지면서 Bittensor(TAO)와 Templar(SN3) 가격도 강한 상승세를 보였습니다.

NVIDIA 최고경영자 젠슨 황이 최근 분산형 AI 학습의 가능성을 긍정적으로 언급하고, Bittensor 생태계의 Subnet 3인 Templar가 달성한 기술적 성과가 함께 주목받으면서 시장의 관심이 집중된 것입니다.

특히 Templar가 대규모 언어모델을 중앙집중형 데이터센터 없이 여러 독립 참여자가 협력해 학습시키는 데 성공했다는 점이 탈중앙화 AI 분야의 중요한 사례로 평가되고 있습니다.

Templar가 주목받는 이유

Templar는 Bittensor 생태계에서 운영되는 AI 학습 관련 서브넷 가운데 하나입니다.

Bittensor는 중앙집중형 AI 기업이 모든 연산과 모델을 통제하는 방식에서 벗어나, 여러 참여자가 컴퓨팅 자원과 AI 모델, 학습 결과를 제공하고 보상을 받을 수 있도록 설계된 탈중앙화 AI 네트워크입니다.

Templar는 이러한 구조를 이용해 여러 지역에 분산된 참여자가 하나의 대규모 AI 모델 학습에 동시에 참여할 수 있는 시스템을 개발하고 있습니다.

최근 공개된 Covenant-72B 모델은 이러한 실험의 대표적인 결과로 꼽힙니다.

이 모델은 약 720억 개의 매개변수를 가진 대규모 언어모델로 알려졌으며, 약 1조 1천억 개의 토큰을 이용해 학습됐습니다.

특히 전 세계 70명 이상의 독립적인 참여자가 학습 과정에 참여했다는 점이 관심을 끌었습니다.

기존의 대규모 AI 모델은 대부분 거대한 데이터센터에 있는 수천 개의 GPU를 하나의 중앙 시스템에서 연결해 학습합니다.

반면 Templar는 서로 다른 지역에 있는 컴퓨팅 자원을 인터넷을 통해 연결해 하나의 모델을 학습하는 방식을 시도했습니다.

중앙 데이터센터 없이 AI 모델을 학습한다는 의미

대규모 AI 모델을 학습하는 데는 막대한 컴퓨팅 자원이 필요합니다.

현재 주요 AI 모델은 대부분 NVIDIA의 고성능 GPU를 대규모로 보유한 데이터센터에서 학습됩니다.

이러한 방식은 높은 성능을 제공하지만 막대한 투자 비용이 필요하고, 소수의 대형 기술기업이 AI 인프라를 집중적으로 보유하게 되는 구조를 만들기도 합니다.

탈중앙화 AI는 이러한 구조를 바꾸려는 접근입니다.

여러 개인과 기업이 보유한 GPU를 네트워크로 연결하고, 각 참여자가 모델 학습의 일부를 담당하는 방식입니다.

이론적으로 이러한 구조가 안정적으로 작동하면 대규모 데이터센터를 직접 구축하지 않고도 상당한 수준의 AI 모델을 학습할 수 있습니다.

또한 누구나 컴퓨팅 자원을 제공하거나 모델 개발에 참여할 수 있기 때문에 AI 인프라의 진입 장벽을 낮출 가능성도 있습니다.

Covenant-72B가 의미 있는 이유

Templar의 Covenant-72B가 주목받는 가장 큰 이유는 모델 크기입니다.

과거에도 분산형 머신러닝 프로젝트는 존재했지만 대부분 비교적 작은 모델을 중심으로 진행됐습니다.

대규모 언어모델은 수십억 개 이상의 매개변수를 가지고 있기 때문에 여러 컴퓨터에서 동시에 학습하려면 상당히 복잡한 데이터 동기화 기술이 필요합니다.

컴퓨터마다 네트워크 속도와 GPU 성능이 다르기 때문에 학습 과정에서 발생하는 차이를 관리해야 합니다.

일부 참여자가 연결을 끊거나 계산 속도가 느려져도 전체 학습이 중단되지 않도록 시스템을 설계해야 합니다.

따라서 720억 개 규모의 모델을 여러 독립 참여자가 분산된 환경에서 학습했다는 점은 탈중앙화 AI의 기술적 가능성을 보여주는 사례로 평가될 수 있습니다.

Templar 측은 해당 모델을 오픈소스로 공개해 외부 개발자가 직접 확인하고 활용할 수 있도록 했습니다.

AI 성능도 중요한 평가 요소

탈중앙화 방식으로 모델을 학습했다고 하더라도 실제 성능이 크게 떨어진다면 실용성이 제한될 수 있습니다.

Templar는 Covenant-72B가 주요 AI 평가 지표에서 기존 70B급 모델과 경쟁할 수 있는 수준의 결과를 기록했다고 설명했습니다.

대표적인 AI 벤치마크 가운데 하나인 MMLU 제로샷 평가에서는 67.1점을 기록한 것으로 알려졌습니다.

MMLU는 수학과 과학, 역사, 법률 등 다양한 영역에서 AI 모델의 지식과 추론 능력을 평가하는 테스트입니다.

이러한 결과는 분산형 학습 방식으로도 일정 수준 이상의 대규모 AI 모델을 만들 수 있다는 가능성을 보여줍니다.

다만 AI 모델의 성능은 하나의 벤치마크만으로 평가하기 어렵습니다.

추론 능력과 코딩, 언어 이해, 실제 서비스 환경에서의 응답 품질 등 다양한 기준을 함께 확인할 필요가 있습니다.

젠슨 황의 발언이 주목받은 이유

이번 시장 반응에는 NVIDIA CEO 젠슨 황의 발언도 영향을 미쳤습니다.

NVIDIA는 현재 전 세계 AI 산업에서 가장 중요한 하드웨어 공급업체 가운데 하나입니다.

대규모 AI 모델을 학습하는 데 사용되는 GPU 시장에서 높은 영향력을 가지고 있기 때문에 젠슨 황의 AI 산업 전망은 시장에서 큰 관심을 받습니다.

최근 대화에서 탈중앙화 AI에 대한 이야기가 나오자 젠슨 황은 중앙집중형 AI와 분산형 AI가 서로 대체하는 관계라기보다 함께 발전할 수 있다는 취지의 의견을 나타냈습니다.

즉 미래 AI 시장이 하나의 구조만으로 발전하기보다 대규모 중앙 데이터센터와 분산형 컴퓨팅 네트워크가 동시에 활용될 수 있다는 의미입니다.

이러한 발언은 탈중앙화 AI 프로젝트들에게 긍정적인 신호로 받아들여졌습니다.

중앙집중형 AI와 탈중앙화 AI는 경쟁 관계일까

현재 AI 산업은 대부분 중앙집중형 구조로 운영됩니다.

OpenAI와 Google, Meta 등 대형 기술기업은 대규모 데이터센터와 자체 AI 모델을 운영하고 있습니다.

이 방식은 효율적인 관리와 높은 성능이라는 장점이 있습니다.

반면 컴퓨팅 자원과 데이터, 모델이 소수 기업에 집중될 수 있다는 문제도 있습니다.

탈중앙화 AI는 이러한 문제를 해결하기 위해 등장했습니다.

여러 참여자가 컴퓨팅 자원과 모델을 제공하고 네트워크를 통해 보상을 받는 구조를 만들겠다는 것입니다.

하지만 두 방식 가운데 하나가 완전히 사라질 가능성은 높지 않습니다.

대규모 모델의 핵심 학습은 중앙 데이터센터에서 진행하면서 일부 데이터 처리나 추론 작업은 분산형 네트워크에서 처리하는 혼합 방식도 가능하기 때문입니다.

따라서 향후 AI 시장에서는 중앙집중형 인프라와 분산형 컴퓨팅이 서로 다른 영역에서 함께 활용될 가능성이 있습니다.

Bittensor는 어떤 역할을 할까

Bittensor는 탈중앙화 AI 생태계를 구축하기 위해 만들어진 블록체인 기반 네트워크입니다.

네트워크 안에는 각각 특정한 AI 작업을 담당하는 여러 개의 서브넷이 존재합니다.

어떤 서브넷은 텍스트 생성에 집중하고, 다른 서브넷은 이미지나 데이터 처리, AI 모델 학습 등 특정 분야를 담당하는 방식입니다.

참여자는 자신의 AI 모델이나 컴퓨팅 자원을 제공하고 성능에 따라 보상을 받을 수 있습니다.

TAO는 이러한 Bittensor 생태계에서 사용되는 핵심 토큰입니다.

네트워크 참여와 스테이킹, 서브넷 운영 등 다양한 기능에 활용됩니다.

따라서 Bittensor 생태계의 사용량이 증가하면 TAO에 대한 관심 역시 함께 높아질 가능성이 있습니다.

Templar와 SN3의 관계

Templar는 Bittensor의 Subnet 3으로 운영되는 AI 학습 네트워크입니다.

Bittensor 생태계에서는 각 서브넷이 특정한 목적을 가지고 경쟁하며 참여자들은 해당 네트워크에 자원을 제공할 수 있습니다.

SN3는 Templar 서브넷과 관련된 시장 지표로 활용되면서 Templar의 성장과 함께 관심을 받고 있습니다.

특히 Covenant-72B와 같은 기술적 성과가 알려지면서 Templar 서브넷의 가치와 활용 가능성에 대한 기대가 높아졌습니다.

이러한 기대가 시장 가격에도 영향을 준 것으로 볼 수 있습니다.

TAO와 SN3 가격도 강한 상승세

탈중앙화 AI에 대한 관심이 높아지면서 관련 자산 가격도 크게 움직였습니다.

2026년 3월 20일 기준 Templar의 SN3는 약 24.09달러까지 상승하며 하루 동안 약 32%의 상승률을 기록했습니다.

Bittensor의 TAO 역시 약 286달러 수준까지 상승하며 24시간 기준 10% 안팎의 상승세를 나타냈습니다.

단기간에 두 자산이 동시에 상승한 것은 Templar의 기술적 성과와 탈중앙화 AI에 대한 관심이 Bittensor 생태계 전체로 확산된 결과로 해석할 수 있습니다.

다만 암호화폐 가격은 프로젝트 기술뿐 아니라 시장 전체 분위기와 거래량, 투자 심리 등 다양한 요인의 영향을 받습니다.

따라서 특정 인물의 발언이나 기술 발표만으로 가격 상승이 계속될 것이라고 단정하기는 어렵습니다.

TAO 수요가 증가할 가능성이 있는 이유

Bittensor 생태계가 성장하면 TAO 토큰의 활용도도 함께 늘어날 가능성이 있습니다.

TAO는 네트워크 참여와 검증, 스테이킹 등 여러 기능에 사용됩니다.

새로운 서브넷이 등장하고 기존 서브넷의 이용량이 증가하면 네트워크 참여를 위한 토큰 수요가 확대될 수 있습니다.

또한 AI 개발자와 컴퓨팅 자원 제공자가 Bittensor에 참여할수록 생태계 전체의 경제 규모가 커질 가능성이 있습니다.

그러나 실제 토큰 가치가 장기적으로 상승하려면 단순한 네트워크 참여뿐 아니라 지속적인 AI 서비스 수요가 만들어지는 것이 중요합니다.

탈중앙화 AI 시장이 주목받는 배경

최근 암호화폐 시장에서는 AI와 블록체인을 결합한 프로젝트에 대한 관심이 꾸준히 이어지고 있습니다.

AI 모델을 학습하려면 막대한 컴퓨팅 자원이 필요하기 때문에 GPU와 데이터센터 수요도 빠르게 증가했습니다.

하지만 고성능 컴퓨팅 자원은 비용이 높고 공급이 제한적입니다.

탈중앙화 컴퓨팅 네트워크는 전 세계에 분산된 GPU를 연결해 이러한 문제를 해결하려는 접근 방식입니다.

사용하지 않는 GPU 자원을 가진 개인이나 기업이 네트워크에 컴퓨팅 능력을 제공하고, AI 개발자는 이를 필요한 만큼 활용하는 구조입니다.

이러한 시스템이 충분한 규모로 성장한다면 AI 컴퓨팅 시장에 새로운 공급원이 생길 수 있습니다.

Bittensor와 Templar는 이러한 탈중앙화 AI 흐름을 대표하는 프로젝트 가운데 하나로 평가되고 있습니다.

해결해야 할 문제도 많아

탈중앙화 AI가 가능성을 보여주고 있지만 아직 해결해야 할 기술적 과제도 많습니다.

가장 큰 문제 가운데 하나는 네트워크 속도입니다.

대규모 AI 모델을 학습할 때는 GPU 사이에서 방대한 데이터를 지속적으로 주고받아야 합니다.

하나의 데이터센터에서는 초고속 네트워크를 이용할 수 있지만 전 세계에 분산된 컴퓨터를 인터넷으로 연결하면 통신 지연이 발생할 수 있습니다.

참여자의 하드웨어 성능이 서로 다르다는 문제도 있습니다.

일부 사용자는 최신 GPU를 제공하지만 다른 참여자는 상대적으로 느린 장비를 사용할 수 있습니다.

이러한 차이를 효율적으로 조정하지 못하면 전체 학습 속도가 떨어질 수 있습니다.

또한 악의적인 참여자가 잘못된 학습 결과를 제출하는 문제도 해결해야 합니다.

따라서 탈중앙화 AI가 실제 산업에서 대규모로 활용되려면 성능뿐 아니라 검증과 보안, 안정성까지 함께 발전해야 합니다.

이번 상승세가 중요한 이유

TAO와 SN3의 최근 상승은 단순한 가격 움직임 이상의 의미를 보여주고 있습니다.

암호화폐 시장에서 AI 관련 프로젝트에 대한 관심이 다시 커지는 가운데 실제 기술적 성과가 시장의 관심으로 연결되고 있기 때문입니다.

특히 Templar가 대규모 분산형 AI 학습을 구현했다는 점은 탈중앙화 AI가 단순한 아이디어에서 실제 시스템으로 발전하고 있음을 보여주는 사례로 볼 수 있습니다.

여기에 세계 최대 AI 반도체 기업을 이끄는 젠슨 황이 분산형 AI의 가능성을 긍정적으로 언급하면서 해당 분야에 대한 관심이 더욱 확대됐습니다.

다만 장기적인 경쟁력은 가격 상승보다 실제 기술 성능과 개발자 참여, 네트워크 사용량을 통해 판단할 필요가 있습니다.

앞으로 Templar가 더 큰 AI 모델을 안정적으로 학습할 수 있는지, Bittensor의 다른 서브넷에서도 실제 활용 사례가 늘어나는지, 그리고 분산형 컴퓨팅이 기존 데이터센터 방식과 비교해 경제성을 확보할 수 있는지가 중요한 관전 포인트가 될 것으로 보입니다.

탈중앙화 AI가 중앙집중형 AI를 완전히 대체할 가능성은 아직 불확실하지만, 두 구조가 함께 발전할 가능성은 점차 커지고 있습니다.

이번 Templar의 성과와 Bittensor에 대한 관심 확대는 그 가능성을 보여주는 사례 가운데 하나로 평가할 수 있습니다.

※ 본 내용은 정보 제공을 목적으로 작성되었으며 특정 암호화폐나 투자상품에 대한 투자 권유를 의미하지 않습니다. 암호화폐와 AI 관련 자산은 가격 변동성이 높을 수 있으므로 투자 전 프로젝트의 기술과 토큰 구조, 시장 상황을 충분히 확인할 필요가 있습니다.