AI 암호화폐 채굴 네트워크의 RTX 3090급 GPU 320,000개가 '유용한 AI 연산 없이' 112MW의 전력을 소모한다는 주장 —

최근 GPU 채굴 열풍을 일으켰음에도 불구하고, 암호화폐 채굴을 유용한 인공지능 (AI) 연산으로 전환한다고 홍보해 온 Layer-1 블록체인인 Pearl이 실제로는 전혀 그렇지 않다는 새로운 연구 프리프린트 (preprint)가 발표되었습니다. 해당 연구는 Pearl의 네트워크가 초당 약 24 엑사해시 (EH/s)로 구동된다고 추정하며, 이는 약 320,000개의 RTX 3090급 GPU가 추정치 112 메가와트 (MW)의 전력을 소모하는 것과 맞먹지만, 이 모든 과정이 "유용한 AI 연산은 전혀 생성하지 않고" 이루어진다고 밝혔습니다. 연구진은 채굴 소프트웨어가 5월에 공개된 이후, marketplace인 vast.ai의 저가형 GPU 대여 가격이 Pearl 채굴로 인해 약 38% 급등했으며, 가동률(utilization) 또한 57%에서 94%로 상승하는 것을 목격했습니다.

'The Usefulness Gap in Proof-of-Useful-Work*'라는 제목의 이 논문은 해당 네트워크가 실제 추론 (inference)이나 학습 (training)을 수행하는 대신, 단지 AI 수학의 형태만 띠고 있는 무작위 행렬 곱셈 (matrix multiplications)을 처리하고 있다고 말합니다. 스스로를 "배포된 Proof-of-Useful-Work (PoUW) 시스템에 대한 첫 번째 실증적 측정"이라고 명명한 이 연구는, Pearl의 채굴 프로토콜이 채굴자가 행렬 곱셈을 올바르게 수행했는지는 검증하지만, 그 작업이 실제 AI 학습이나 추론 워크로드로부터 나온 것인지는 검증하지 않는다고 주장합니다.

Pearl은 비트코인의 SHA-256 해싱을 대신하여 cuPOW라고 부르는 체계를 사용하는데, 이는 채굴자에게 노이즈가 섞인 정수 행렬 곱셈을 계산하고 이를 올바르게 수행했음을 증명하도록 요구합니다. 이 연산은 신경망 (neural network) 추론 및 학습의 근간이 되는 산술 연산과 동일하며, 이는 채굴과 AI 연산이 동일한 작업이 될 수 있다는 Pearl의 홍보 논거의 기초가 됩니다. 하지만 연구에 따르면 문제는 프로토콜의 검증 단계가 곱셈이 올바르게 수행되었는지만 확인한다는 점입니다. 입력된 행렬이 실제 모델에서 왔는지, 유료 고객으로부터 왔는지, 혹은 그 어떤 AI 워크로드로부터 왔는지 여부는 전혀 확인하지 않습니다.

그 격차를 입증하기 위해, 연구자 Abhinaba Basu는 추론 (inference) 과정이 포함되지 않은 균등 무작위 행렬 (uniformly random matrices)을 네트워크에 공급하는 채굴기를 구축한 뒤, 그 출력값을 마이닝 풀 (mining pool)에 제출했습니다. 해당 논문은 Nvidia 및 AMD 하드웨어에서 44개의 풀 승인 셰어 (pool-accepted shares)를 보고했으며, 동일한 채굴기를 CPU 및 Apple Silicon에서도 벤치마킹했습니다. 또한, 수정되지 않은 표준 채굴 소프트웨어를 실행하여 얻은 온체인 보상 (on-chain payout)도 확인되었습니다. 만약 무작위 숫자가 실제 AI 작업만큼 쉽게 보상을 수집할 수 있다면, 네트워크는 이 둘을 구분할 수 없으며, 채굴자들은 AI 부분을 완전히 건너뛸 강력한 동기를 갖게 된다는 것이 논문의 주장입니다.

Basu는 또한 Pearl 해시레이트 (hashrate)의 약 21%를 차지하는 단일 풀 내의 워커 (worker) 8,012개를 분석하였고, 이들 모두가 AI 추론 (inference)이 가능한 하드웨어를 실행하고 있음을 발견했습니다. 그러나 지배적인 마이닝 바이너리 (mining binary)에는 어떠한 머신러닝 프레임워크 (machine-learning framework)를 위한 식별 가능한 코드도 포함되어 있지 않았습니다. 이러한 바이너리 분석 (binary analysis)은 문자열 검사 (string inspection)에 의존하며, 논문은 이것이 스트립 (stripped)되거나 난독화 (obfuscated)된 코드에 의해 무력화될 수 있음을 언급하고 있으므로, 이 결과는 확정적인 증거라기보다는 강력한 증거로 제시되었습니다. 런타임 프로파일링 (Runtime profiling) 결과도 동일한 방향을 가리켰는데, 채굴기들이 높은 연산 사용량 (heavy compute use)과 낮은 메모리 대역폭 사용량 (light memory-bandwidth use)을 보였으며, 이는 순수 행렬 연산 (pure matrix math)의 특징과 일치하는 반면, 메모리 집약적인 트랜스포머 추론 (transformer inference)의 동작과는 일치하지 않았습니다.

GPU 구매자들에게는 자원 측면의 문제가 가장 뼈아픈 부분입니다. 연구에 따르면, vast.ai 마켓플레이스에서 저가형 GPU 대여 가격이 약 38% 급등했는데, 이는 Pearl 채굴 때문인 것으로 분석되었습니다. 채굴 소프트웨어가 5월에 공개된 이후 가동률(utilization)은 57%에서 94%로 상승했습니다. Basu는 더 비싼 데이터센터용 카드와의 이중차분법(difference-in-differences) 비교를 통해, 동일한 저가형 하드웨어를 두고 경쟁하는 독립 연구자들이 연간 약 600,000달러의 추가 대여 비용을 부담하고 있다고 추정합니다. 다만, 그는 이 수치가 이전의 가격 안정성에 대한 가정에 따라 달라질 수 있다고 경고합니다. PRL의 최근 가격이 약 0.76달러일 때, 이 논문은 RTX 3060 Ti와 같은 저가형 카드에서는 채굴이 미미하게 수익성이 있으며, RTX 3090에서는 대략 손익분기점(breakeven) 수준이라고 계산합니다.

또한 이 연구는 Pearl 채굴이 Nvidia 전용이라는 가설을 무너뜨립니다. Basu는 비 Nvidia 하드웨어에서 채굴된 최초의 Pearl 셰어(shares)를 보고했는데, AMD Instinct MI300X를 구동하여 초당 1,060만 타일(tiles per second)을 기록했으며, 이는 폐쇄형 소스인 Nvidia 채굴기가 RTX 3090에서 달성한 속도보다 빠릅니다. 또한 서버 CPU와 Metal 컴퓨팅 셰이더(compute shaders)를 통한 Apple M2에서 동일한 워크로드를 벤치마킹했습니다. 계산 방식이 범용 정수 산술(commodity integer arithmetic)이기 때문에, 이 논문은 특정 벤더에 대한 종속(vendor lock-in)이 없으며 이 작업이 특정 회사의 실리콘(silicon)에 머물러야 할 기술적 이유가 없다고 주장합니다.

Tom's Hardware의 최고의 뉴스 및 심층 리뷰를 귀하의 편지함으로 직접 받아보세요.

Pearl 측에서 즉각적인 대응을 내놓을 수도 있겠지만, 이번 연구는 이를 정면으로 반박합니다. 지난 5월 독점 파트너십을 발표한 Together AI는 이번 계약을 "AI 학습 및 추론(Inference)을 구동하는 모든 GPU 사이클"이 PRL 토큰을 함께 발행할 수 있게 하는 구조로 설명했으며, 현재 채굴 수익금으로 보조금을 지급하여 할인된 가격에 Gemma-4-31B-it-pearl 추론 엔드포인트(Endpoint)를 제공하고 있습니다. 이에 대해 Basu는 이것이 유용한 채굴(Useful Mining)이라기보다는 금융 차익 거래(Financial Arbitrage)에 가깝다고 반박합니다. Together AI의 자체 GPU들이 채굴 네트워크와는 별개로 해당 추론을 수행하고 있으며, PRL 수익은 단지 엔드포인트 가격을 낮추는 데 사용될 뿐이기 때문입니다. 그는 자신이 측정한 8,012개의 채굴 작업자(Mining Workers)들이 해당 추론을 직접 수행한 사례는 전혀 없었다고 말합니다.

이 연구의 결론은 유효 작업 증명 (Proof-of-Useful-Work, PoUW)이 불가능하다는 것이 아니라, Pearl의 현재 설계에 중대한 강제 집행의 공백이 존재한다는 것입니다. 프로토콜 이론상으로는 유효한 작업을 가능하게 하지만, 실제로는 이를 요구하지 않습니다. 이로 인해 Pearl은 난처한 중간 지대에 놓이게 되었습니다. 즉, 실제 연산을 수행하기는 하지만, 해당 논문에 따르면 현재 네트워크는 그 연산이 AI 형태를 띤 수학을 이용한 암호화폐 채굴이 아니라, 실제로 유용한 AI 작업인지 증명할 방법이 없습니다.

최신 뉴스, 분석 및 리뷰를 피드에서 받아보시려면 Google 뉴스에서 Tom's Hardware를 팔로우하거나, 저희를 기본 소스로 추가하세요.

Etiido Uko는 빅테크 및 PC 산업의 최신 업데이트를 다루는 Tom's Hardware의 뉴스 기고자입니다. 그는 기계 공학자이자 9년 이상의 문서화 및 보도 경험을 가진 시니어 테크니컬 라이터(Senior Technical Writer)입니다. 그는 공학 및 기술 전반에 깊은 열정을 가지고 있으며, 가젯, 제조, 로보틱스, 자동차 및 항공우주 분야의 전문가입니다.