지식 기반 섹션 ▾
초보자용
투자자용
- GNK 토큰 가치의 원천
- Gonka 대 경쟁사: Render, Akash, io.net
- 리베르만스: 생물물리학에서 분산형 AI까지
- GNK 토크노믹스
- Gonka의 위험과 전망: 객관적 분석
- Gonka vs Render Network: 상세 비교
- Gonka vs Akash: AI 추론 vs 컨테이너
- Gonka vs io.net: 추론 vs GPU 마켓플레이스
- Gonka vs Bittensor: AI에 대한 두 가지 접근 방식에 대한 상세 비교
- Gonka vs Flux: 유용한 채굴에 대한 두 가지 접근 방식
- Gonka 거버넌스: 분산형 네트워크가 관리되는 방식
기술
분석
도구
- Cursor + Gonka AI — 코딩을 위한 저렴한 LLM
- Claude Code + Gonka AI — 터미널을 위한 LLM
- OpenClaw + Gonka AI — 저렴한 AI 에이전트
- OpenCode + Gonka AI — 코드를 위한 무료 AI
- Continue.dev + Gonka AI — VS Code/JetBrains를 위한 AI
- Cline + Gonka AI — VS Code의 AI 에이전트
- Aider + Gonka AI — AI 페어 프로그래밍
- LangChain + Gonka AI — 저렴한 AI 애플리케이션
- n8n + Gonka AI — 저렴한 AI로 자동화
- Open WebUI + Gonka AI — 나만의 ChatGPT
- LibreChat + Gonka AI — 오픈소스 ChatGPT
- API 빠른 시작 — curl, Python, TypeScript
- JoinGonka Gateway — 전체 개요
- 관리 키 — Gonka 위의 SaaS
분석
유용한 작업 증명: 유용한 채굴에 대한 완전 가이드
일반적인 작업 증명의 문제점
비트코인은 약 26GW의 전력을 소비합니다. 이는 연간 약 150TWh로, 아르헨티나의 에너지 소비량과 비슷합니다. 모든 와트는 SHA-256 해시를 계산하는 데 사용되며, 그 유일한 목적은 채굴자가 에너지를 소비했음을 증명하는 것입니다. 15년 동안 비트코인은 단 하나의 유용한 결과도 만들어내지 못했습니다: 신경망 응답, 과학적 계산, 렌더링 결과도 없었습니다. 이 모든 에너지는 보안을 위한 순수한 비용입니다.
이더리움은 이 문제를 인식하고 2022년 9월에 '더 머지(The Merge)'를 수행하여 작업증명(Proof of Work)에서 PoS로 전환했습니다. 네트워크의 에너지 소비량은 99.95% 감소했습니다. 그러나 PoS는 새로운 문제를 야기했습니다: 이제 보안은 작업이 아닌 자본에 따라 달라집니다. 대규모 스테이커(Lido, Coinbase, Binance)는 네트워크의 상당 부분을 통제합니다. PoS는 에너지 효율성을 위해 탈중앙화를 희생했지만, 탈중앙화는 블록체인의 주요 약속이었습니다.
PoUW는 세 번째 길을 제시합니다: GPU 작업을 유지하되(비트코인과 같이 계산을 통한 보안), 이 작업을 실제 작업(AI 추론, 과학 계산, 렌더링)에 집중시키는 것입니다. 무의미한 해싱을 통한 보안이 아니라, 자본을 잠그는 방식도 아니며, 유용한 작업을 통한 보안입니다.
유용한 작업 증명은 무엇입니까
PoUW 개념은 2022년 IACR Crypto Conference(암호학 분야의 선도적인 글로벌 포럼 중 하나인 IACR))에서 발표된 Ofelimos 프로토콜에서 공식화되었습니다. 아이디어는 무의미한 해싱 대신 채굴자가 실제 최적화 문제를 해결하는 것입니다. 결과는 동시에 블록체인에서 블록을 확인하고 최종 사용자에게 가치를 창출합니다.
PoUW의 주요 과제는 검증 가능성입니다. 일반 PoW에서는 결과를 확인하는 것이 간단합니다: 해시가 대상보다 작거나 그렇지 않습니다. 유용한 계산(신경망 응답, 3D 장면 렌더링)은 확인하기가 더 어렵습니다. 결과를 빠르게 확인할 수 없으면 공격자는 실제 응답 대신 가비지를 보내고 보상을 받는 방식으로 위조할 수 있습니다.
여러 프로젝트는 이 문제를 근본적으로 다르게 해결합니다.
- 접근 방식 1: 수학적 증명 (Gonka). 계산 → PoC V2 교차 검증 → BLS 블록체인 서명. 작업의 1-10%는 다른 노드에 의해 검증됩니다. 결과가 일치하지 않으면 20%의 담보가 벌금으로 부과됩니다. 보안 보장: 주관적이지 않고 수학적입니다.
- 접근 방식 2: 주관적 평가 (Bittensor). 계산 → 검증자는 Yuma Consensus를 통해 응답의 '품질'을 평가합니다. 문제: '품질'은 주관적이며 시스템은 검증자 공모에 취약합니다. 보장: 경제적 (스테이크), 암호화되지 않습니다.
차이점은 중요합니다: 수학적 증명은 위조할 수 없습니다 (공격자가 얼마나 많은 돈을 가지고 있든 관계없이). 주관적 평가는 다수 공격에 취약합니다. 이는 각 접근 방식에 대한 신뢰 수준이 다름을 결정합니다.
유용한 작업 증명 프로젝트
2026년에 PoUW를 구현하는 주요 프로젝트를 살펴보겠습니다:
| 프로젝트 | 유용한 작업 | 합의 메커니즘 | GPU | 투자 / 시가총액 |
|---|---|---|---|---|
| Gonka | AI 추론 (Qwen3-235B) | Sprint (PoW 2.0) | ~4,648 | 8천만 달러 |
| Flux | Docker 호스팅 | PoUW v2 (CPU) | 없음 (CPU) | ~2천 3백만 달러 시가총액 |
| Prime Intellect | 분산 학습 | Proof-of-Training | 클러스터 | 초기 단계 |
| Bittensor | 126개의 서브넷 (다양) | Yuma Consensus | 다양 | 20억 7천만 달러 시가총액 |
Gonka (PoW 2.0) — PoUW의 가장 순수한 구현입니다. 처리된 각 AI 요청은 동시에 블록을 확인합니다. 네트워크 리소스의 99%는 유용한 작업에, 1%는 검증에 사용됩니다. Qwen3-235B 모델 (MoE, 22B 활성 매개변수)은 H100/H200 클러스터에 의해 서비스됩니다. Coatue, Bitfury, Insight Partners로부터 8천만 달러의 투자 유치.
Flux — PoUW 프로젝트 중 가장 초기에 등장했지만, 2025년 GPU 마이닝에서 PoUW v2로 전환하여 CPU 노드 (FluxNodes)만 사용합니다. 유용한 작업은 컨테이너화된 애플리케이션 (Docker) 호스팅입니다. 본질적으로 Flux는 AI 네트워크가 아닌 분산형 클라우드 호스팅이 되었습니다. 시가총액은 약 2천 3백만 달러입니다.
Prime Intellect — 추론이 아닌 모델의 분산 학습 (training)에 중점을 둡니다. Gonka의 DiLoCo와 유사한 접근 방식을 사용하지만, 이는 추가 기능이 아닌 주요 제품입니다.
Bittensor는 엄밀히 말해 순수한 PoUW는 아닙니다. Yuma Consensus는 암호학적 증명이 아닌 검증자의 주관적 평가를 기반으로 합니다. 하지만 126개의 서브넷은 광범위한 AI 작업을 포괄하며, 이 섹션에서 가장 높은 시가총액을 가지고 있습니다.
PoUW가 왜 마이닝의 미래인가
AI 컴퓨팅 시장은 1,500억 달러 이상으로 평가되며 매년 30% 이상 성장하고 있습니다. 반면 비트코인은 여전히 연간 ~150TWh를 쓸모없는 해시에 소비하고 있습니다. PoUW는 이 모순을 해결합니다: 동일한 '에너지 = 보안' 원칙이지만, 에너지는 실제 가치를 창출합니다.
GPU를 가진 비트코인 채굴자에게: 이더리움이 2022년 PoS로 전환한 후 수백만 개의 GPU가 일자리를 잃었습니다. GPU를 이용한 비트코인 채굴은 더 이상 수익성이 없습니다 ( ASIC이 필요합니다). Gonka와 같은 PoUW 프로젝트는 GPU에 두 번째 생명을 부여합니다. 이전에는 쓸모없는 해시를 계산하던 동일한 카드가 이제 AI 요청을 처리하고 보상을 받습니다.
투자자에게: PoUW는 두 가지 가장 큰 기술 트렌드인 암호화폐 (2조 달러 이상의 시장)와 AI (1,500억 달러 이상의 시장)의 교차점입니다. Gonka는 실제 AI 요청으로 PoUW를 구현하고 CertiK 감사를 통과했으며 기관 투자자로부터 8,000만 달러를 유치한 최초의 프로젝트입니다.
PoUW의 미래: 현재 Gonka는 하나의 모델 (Qwen3-235B)을 서비스합니다. 로드맵에는 다중 모델 추론이 포함되어 있습니다. 호스트는 GPU에 따라 다른 모델 (텍스트, 코드, 이미지)을 서비스할 수 있습니다. DiLoCo는 분산 학습을 추가합니다. Gonka는 모델을 실행할 뿐만 아니라 학습할 수도 있습니다. 이는 Gonka를 추론 네트워크에서 완전한 AI 플랫폼으로 전환합니다. 이는 개방형, 분산형이며 수학적으로 검증 가능한 유용한 작업 증명을 기반으로 합니다.