출처 1: https://www.tomshardware.com/tech-industry/artificial-intelligence/ai-cryptomining-networks-320-000-rtx-3090-class-gpus-allegedly-burn-112-megawatts-of-power-on-zero-useful-ai-computation-pearls-gpus-are-doing-random-matrix-math-study-claims

32만 개 GPU가 ‘무의미한 연산’ 수행? AI 마이닝 네트워크 논란

AI 암호화폐 채굴 네트워크의 320,000개 RTX 3090급 GPU가 ‘유용한 AI 연산이 전혀 없는 상태’에서 112 megawatts(MW)의 전력을 소모하고 있다는 주장이 제기되었습니다. GPU 대여 비용은 38% 급등했으나, 연구에 따르면 Pearl의 카드들은 무작위 행렬 곱셈(random matrix math)을 수행하고 있다고 합니다.

암호화폐 채굴을 유용한 인공지능(AI) 연산으로 전환한다고 홍보하는 Layer-1 블록체인인 Pearl이 최근 GPU 채굴 열풍을 일으켰음에도 불구하고, 실제로는 아무런 유용한 연산도 수행하지 않고 있다는 새로운 연구 사전 출판본이 발표되었습니다. 해당 연구는 Pearl 네트워크가 초당 약 24 exahashes(EH/s)로 작동하며, 이는 약 320,000개의 RTX 3090급 GPU가 약 112 megawatts(MW)의 전력을 소모하는 것과 맞먹는 수준이지만, 이 과정에서 "유용한 AI 연산은 전혀 생산하지 않는다"고 추정합니다. 연구진은 5월 채굴 소프트웨어가 공개된 이후 vast.ai 마켓플레이스에서 Pearl 채굴로 향하는 저가형 GPU 대여 가격이 약 38% 급등했으며, 점유율이 57%에서 94%로 상승한 것을 확인했습니다.

"The Usefulness Gap in Proof-of-Useful-Work"라는 제목의 이 논문은 Pearl이 실제 추론(inference)이나 학습(training)을 수행하는 대신, AI 수학의 형태만 띠는 무작위 행렬 곱셈(random matrix multiplication)을 반복한다고 설명합니다. 스스로를 "배포된 Proof-of-Useful-Work(PoUW) 시스템의 첫 번째 실증적 측정"이라고 명명한 이 연구는, Pearl의 채굴 프로토콜이 채굴자가 행렬 곱셈을 올바르게 수행했는지는 검증하지만, 해당 작업이 실제 AI 학습이나 추론 워크로드에서 발생했는지는 검증하지 않는다고 주장합니다.

Pearl은 비트코인의 SHA-256 해싱을 cuPOW라고 부르는 체계로 교체하며, 채굴자에게 노이즈가 섞인 정수 행렬 곱셈을 계산하고 이를 올바르게 수행했음을 증명하도록 요구합니다. 이 연산은 신경망 추론 및 학습의 기초가 되는 산술과 동일하며, 이는 채굴과 AI 연산이 동일한 작업이 될 수 있다는 Pearl의 홍보 문구의 근간이 됩니다. 연구에 따르면 문제는 프로토콜의 검증 단계가 곱셈이 올바르게 수행되었는지만 확인한다는 점입니다. 입력 행렬이 실제 모델, 유료 고객, 또는 그 어떤 AI 워크로드에서 왔는지 전혀 확인하지 않습니다.

이러한 격차를 입증하기 위해 연구자 Abhinaba Basu는 추론 기능이 없는 균일하게 무작위인 행렬을 네트워크에 공급하는 채굴기를 구축한 후, 그 출력을 채굴 풀에 제출했습니다. 논문은 Nvidia 및 AMD 하드웨어에서 채굴 풀이 수락한 44개의 share를 보고했으며, 동일한 채굴기를 CPU 및 Apple Silicon에서도 벤치마크했으며, 수정되지 않은 표준 채굴 소프트웨어를 실행하여 온체인 지급을 획득했습니다. 만약 무작위 숫자가 실제 AI 작업만큼 쉽게 보상을 획득한다면, 네트워크는 두 가지를 구별할 수 없으며 채굴자들은 AI 부분을 완전히 건너뛸 모든 동기를 갖게 된다는 것이 이 논문의 주장입니다.

Basu는 또한 단일 풀 내의 8,012개 워커(Worker)(Pearl 해시레이트의 약 21%에 해당)를 분석하여, 이들 모두가 AI 추론 (Inference)이 가능한 하드웨어를 실행하고 있음을 발견했습니다. 그러나 지배적인 채굴 바이너리 (Binary)에는 머신러닝 프레임워크 (Machine Learning Framework)에 대한 식별 가능한 코드가 포함되어 있지 않았습니다. 해당 바이너리 분석은 문자열 검사에 의존하며, 논문은 이는 제거되거나 난독화 (Obfuscation)된 코드에 의해 무력화될 수 있음을 언급하며 이 발견을 확정적 증거라기보다 강력한 증거로 제시합니다. 런타임 프로파일링 (Runtime Profiling) 역시 동일한 방향을 가리켰으며, 채굴기들은 높은 연산 사용량과 낮은 메모리 대역폭 (Memory Bandwidth) 사용량을 보였습니다. 이는 순수 행렬 연산 (Matrix Operation)과 일치하며 메모리 집약적인 Transformer 추론 동작과는 일치하지 않는 특징입니다.

GPU 구매자들에게는 자원 측면의 문제가 뼈아픈 부분입니다. 연구는 vast.ai 마켓플레이스에서 저가형 GPU 대여 가격이 약 38% 급등한 원인을 Pearl 채굴로 돌렸으며, 5월 채굴 소프트웨어 공개 이후 점유율이 57%에서 94%로 상승했다고 분석했습니다. Basu는 더 비싼 데이터센터용 카드를 대상으로 한 차분법 비교를 사용하여, 동일한 저가형 하드웨어를 두고 경쟁하는 독립 연구자들이 연간 약 $600,000의 추가 대여 비용을 부담하는 것으로 추정합니다. 그러나 그는 이 수치가 이전의 가격 안정성에 대한 가정에 달려 있다고 경고합니다. PRL의 최근 가격이 $0.76 근처인 상황에서, 논문은 채굴이 RTX 3060 Ti와 같은 저가형 카드에서 미세하게 수익성이 있으며 RTX 3090에서는 거의 손익분기점에 도달한다고 계산합니다.

이 연구는 Pearl 채굴이 NVIDIA 전용 작업이라는 가정을 무너뜨립니다. Basu는 NVIDIA 하드웨어가 아닌 장치에서 채굴된 최초의 Pearl 공유를 보고하며, AMD Instinct MI300X를 사용하여 초당 1,060만 타일을 처리했습니다. 이는 폐쇄형 소스인 NVIDIA 채굴기가 RTX 3090에서 달성한 속도보다 빠르며, 동일한 워크로드를 서버 CPU 및 Metal compute shaders를 통한 Apple M2에서 벤치마킹했습니다. 계산이 범용 정수 산술 (General Integer Arithmetic)이므로, 이 논문은 벤더 종속성이 없으며 특정 회사의 실리콘 (Silicon)에만 머물러야 할 기술적 이유도 없다고 주장합니다.

Pearl은 즉각적인 대응을 준비했을 수 있지만, 이 연구는 이를 정면으로 다룹니다. 지난 5월 독점 파트너십을 발표한 Together AI는 이번 거래를 "AI 학습 (Training)과 추론 (Inference)에 동력을 공급하는 모든 GPU 사이클 (Cycle)"이 PRL 토큰을 발행할 수 있게 하는 것으로 규정했습니다. 또한 현재 채굴 수익으로 보조금을 지원하는 할인된 Gemma-4-31B-it-pearl 추론 엔드포인트 (Endpoint)를 제공하고 있습니다. Basu는 이것이 유용한 채굴이라기보다 금융 차익 거래 (Arbitrage)라고 반박합니다. Together AI의 자체 GPU는 채굴 네트워크와 별개로 해당 추론을 수행하며, PRL 수익은 엔드포인트 가격을 낮추는 데 사용되기 때문입니다. 그가 측정한 8,012명의 채굴 작업자는 해당 추론을 직접 수행하지 않았다고 그는 말합니다.

이 연구의 결론은 Proof-of-Useful-Work가 불가능하다는 것이 아니라, Pearl의 현재 설계에 중대한 집행 공백이 있다는 것입니다. 이 프로토콜 (Protocol)은 이론적으로 유용한 작업을 가능하게 하지만, 실제로는 이를 요구하지 않습니다. 이는 Pearl을 불편한 중간 지대에 놓이게 합니다. Pearl은 실제 계산을 수행하지만, 논문에 따르면 네트워크는 현재 해당 계산이 AI 형태의 수학을 이용한 암호화폐 채굴이 아니라 유용한 AI 작업임을 증명할 방법이 없습니다.

원문 출처: Tom's Hardware

※ 해당 기사는 퀘이사존 공식 기사가 아닌 해외 뉴스/기사를 번역한 기사입니다.
퀘이사존 견해와 주관은 포함되어 있지 않습니다.