화웨이 칩 과학자, AI 하드웨어 스케일링이 “눈사태” 지점에 가까워지고 있다고 경고: 이것이 크립토 인프라에 의미하는 바

크립토의 다음 병목은 블록 공간도, 유동성도, 규제도 아닐 수 있다. 바로 실리콘일 수 있다.

화웨이의 최고 반도체 과학자이자 Ascend AI 칩 개발의 핵심 인물 중 한 명인 랴오헝(Liao Heng)의 최근 경고가 AI 업계를 훨씬 넘어선 논의를 불러일으켰다. 그의 핵심 메시지는 단순하지만 매우 중요하다. 더 많은 프로세서와 더 많은 고대역폭 메모리를 쌓아 AI 연산을 확장하는 지배적인 방식은 영원히 지속될 수 없다는 것이다. 어느 시점이 되면 물리적 한계가 경제적 한계로 바뀌고, 경제적 한계는 결국 시스템 전반의 제약으로 이어진다.

블록체인과 암호화폐 업계에 이것은 단순한 AI 하드웨어 이야기가 아니다. 이는 영지식증명 생성, 분산 컴퓨트 시장, 온체인 AI 에이전트, 검증자 운영, 데이터 가용성, 그리고 차세대 크립토 보안을 좌우할 인프라 압박의 예고편이다.

“그냥 GPU를 더 붙이면 된다”의 종말

지난 10년 동안 AI 업계는 더 많은 칩, 더 큰 클러스터, 더 빠른 인터커넥트, 더 넓은 메모리 대역폭에 크게 의존해 왔다. NVIDIA의 GPU 생태계는 대규모 AI 학습, 추론, 그리고 점점 더 크립토그래피 프로빙과 시뮬레이션 같은 인접 워크로드의 기본 기반이 됐다. 회사 자체 자료도 NVIDIA 데이터센터 플랫폼을 통해 하드웨어, 네트워킹, 소프트웨어, 개발자 도구 전반을 아우르는 풀스택 접근으로 가속 컴퓨팅을 강조하고 있다.

랴오의 경고는 이런 확장 전략이 매끄럽게 계속될 수 있다는 전제를 흔든다. 그의 주장은 AI 연산 수요가 사라진다는 뜻이 아니다. 오히려 칩 수와 메모리 용량을 계속 늘려 가는 방식은 결국 전력 밀도, 발열 해소, 패키징 복잡도, 인터커넥트 지연, 공급망 집중, 비용 같은 제약에 부딪힌다는 것이다.

이 점이 중요한 이유는, 많은 새 블록체인 워크로드가 줄어드는 게 아니라 오히려 더 많은 연산을 요구하는 방향으로 가고 있기 때문이다.

영지식 롤업은 증명 생성을 필요로 한다. 완전 동형암호 실험은 특수 가속을 필요로 한다. 온체인 AI 애플리케이션은 추론 계층에 의존한다. 분산 물리 인프라 네트워크는 검증을 요구한다. 리스테이킹과 공유 보안 설계는 더 많은 모니터링, 시뮬레이션, 자동화를 필요로 한다. 한마디로 크립토는 거래 중심 시대에서 연산 중심 시대로 이동하고 있다.

만약 AI 하드웨어 곡선이 더 비싸지거나 예측하기 어려워진다면, 크립토 인프라 구축자들도 그 영향을 받게 된다.

AI 칩 한계가 블록체인에 중요한 이유

블록체인 시스템은 늘 하드웨어 현실의 영향을 받아 왔다.

비트코인 채굴은 ASIC으로 크게 바뀌었다. 이더리움의 지분증명 전환은 에너지 집약적 채굴을 줄였고, 이는 이더리움 재단의 에너지 소비 연구에서도 확인할 수 있다. 솔라나의 고처리량 설계는 검증자들이 까다로운 하드웨어와 네트워크 기준을 유지할 수 있다는 전제를 깔고 있다. 영지식 네트워크는 대개 강력한 CPU, GPU, FPGA, 또는 맞춤형 가속기를 필요로 하는 프로버에 의존한다.

업계는 종종 크립토를 “금융을 삼키는 소프트웨어”라고 말하지만, 실제로 모든 블록체인은 물리적 인프라 위에 놓여 있다.

• 검증자 하드웨어와 네트워크 지연
• 데이터센터와 클라우드 제공자
• 보안 키 저장 장치
• 증명 생성 머신
• RPC 인프라
• 인덱서와 아카이브 노드
• 자동화 에이전트를 위한 AI 추론 엔드포인트
• 에너지 공급과 지리적 분산

전통적인 칩 스케일링이 둔화되면, 블록체인 팀들은 AI 연구자들이 모델 설계를 다시 생각하게 된 것과 비슷한 방식으로 아키텍처를 재검토해야 할 수 있다.

무한한 연산을 가정하는 대신, 프로토콜은 효율성, 전문화, 지역성에 맞춰 최적화해야 할지도 모른다.

AI 인프라를 바라보는 “18층 탑” 관점

랴오는 AI 가치사슬을 “18층 탑”에 비유한 것으로 전해지며, 이는 젠슨 황이 널리 알려진 AI 스택의 계층적 구조를 설명할 때 쓰는 프레임과 대조된다. 이 비유는 크립토에도 유용하다.

현대의 블록체인 애플리케이션은 단순히 스마트컨트랙트 하나로 이루어지지 않는다. 그 뒤에는 서로 의존하는 여러 계층이 있다.

1. 칩 설계와 제조
2. 메모리와 패키징
3. 데이터센터와 전력 공급
4. 운영체제와 드라이버
5. 암호화 라이브러리
6. 가상 머신
7. 합의 메커니즘
8. 실행 클라이언트
9. 데이터 가용성 계층
10. 오라클
11. 인덱서
12. 지갑
13. 프런트엔드
14. 보안 모니터링
15. 거버넌스 시스템
16. 컴플라이언스 도구
17. AI 자동화
18. 사용자 신뢰와 수탁

여기서 얻을 수 있는 교훈은 경쟁력이 어느 한 계층만으로 나오지 않는다는 점이다. 스택 전반의 조정에서 나온다.

이 점은 특히 영지식 인프라에 중요하다. 더 빠른 프로빙 시스템은 단지 더 나은 알고리즘만 의미하지 않는다. 메모리 접근 패턴, 병렬화, 컴파일러 설계, 회로 아키텍처, 하드웨어 가속에까지 달려 있다. 분산 AI 네트워크도 마찬가지다. 토큰 인센티브만으로는 비효율적인 연산 라우팅이나 불안정한 추론 성능을 극복할 수 없다.

인프라를 풀스택 문제로 다루는 크립토 프로토콜이, 범용 클라우드 컴퓨트가 언제나 싸고 풍부할 것이라고 가정하는 프로토콜보다 더 유리한 위치에 설 가능성이 크다.

미세공정에서 데이터 이동으로: Tau 스케일링 법칙

화웨이의 칩 전략과 관련해 가장 흥미로운 개념 중 하나가 Tau 스케일링 법칙이다. 랴오가 설명한 바에 따르면, 전통적인 트랜지스터 축소의 이점이 약해지기 시작하면 시스템 설계자들은 구성 요소 간 데이터 전송을 개선하는 데 더 적극적으로 집중해야 한다.

이것은 블록체인과 매우 관련이 깊다.

많은 크립토 워크로드의 병목은 순수한 계산 능력이 아니라 메모리 이동, 통신 오버헤드, 조정 비용이다. 예를 들면:

• ZK 증명 생성은 종종 대규모 중간 데이터 구조를 수반한다.
• 검증자 성능은 상태 접근과 네트워크 전파에 좌우될 수 있다.
• 롤업 시퀀서는 정렬, 실행, 결제를 조율해야 한다.
• 블록체인 시스템과 상호작용하는 AI 에이전트는 빠른 추론과 신뢰할 수 있는 서명 흐름이 모두 필요하다.
• 분산 저장 및 컴퓨트 네트워크는 신뢰할 수 없는 환경에서 데이터를 효율적으로 옮겨야 한다.

즉, 병목은 종종 “이걸 계산할 수 있는가?”가 아니라 “필요한 데이터를 충분히 빠르고 효율적으로 이동·검증·조정할 수 있는가?”에 있다.

그래서 칩 수준의 사고와 프로토콜 수준의 사고가 점점 더 겹쳐진다. 하드웨어 현실을 무시한 블록체인 확장 로드맵은 이론상으론 그럴듯해 보여도 실제 운영에서는 막힐 수 있다.

딥시크가 주는 교훈: 효율성은 전략적 우위가 된다

랴오는 또한 딥시크 창업자 량원펑을 높게 평가하며, 그 회사의 돌파구는 단순히 자원을 덜 쓴 데 있는 게 아니라 제한된 연산을 더 잘 활용하는 모델 아키텍처를 설계한 데 있다고 주장했다.

크립토에 대한 더 넓은 교훈은 분명하다. 효율성은 해자가 될 수 있다.

2025년 딥시크는 비용 효율적 AI 개발의 글로벌 기준점이 되었고, 회사의 연구와 모델은 arXiv에 공개된 논문과 오픈 모델 출시를 통해 큰 주목을 받았다. 의미는 단지 어떤 모델이 더 싸게 돌아갈 수 있다는 데 있지 않았다. 아키텍처 혁신이 더 큰 하드웨어 예산을 가진 경쟁자와의 격차를 좁힐 수 있다는 점이었다.

크립토도 비슷한 역학을 가진다.

더 적은 자원을 가진 프로토콜도 검증 비용을 줄이고, 상태를 더 효율적으로 압축하고, 프로버 효율을 높이고, 낭비를 최소화하는 인센티브를 설계한다면 충분히 경쟁할 수 있다. 롤업 생태계에서 이미 이런 흐름이 보인다. 팀들은 더 효율적인 증명 시스템, 대체 가상 머신, 모듈형 데이터 가용성 설계를 실험하고 있다.

다음 사이클은 더 적은 것으로 더 많이 해내는 프로토콜을 보상할 가능성이 크다.

분산 컴퓨트는 현실 점검을 받게 될 것이다

칩 스케일링 논쟁은 크립토에서 가장 인기 있는 서사 중 하나인 분산 컴퓨트에도 영향을 미친다.

이 아이디어는 매력적이다. 몇몇 초대형 클라우드 제공자에 의존하는 대신, 네트워크가 유휴 GPU, 특수 하드웨어, 분산 데이터센터를 토큰 인센티브로 조정하는 방식이다. 이는 AI 추론, 렌더링, 과학 계산, 또는 암호학적 프로빙을 지원할 수 있다.

하지만 하드웨어 부족은 토크노믹스만으로 해결되지 않는다.

분산 컴퓨트 네트워크는 어려운 질문들에 답해야 한다.

• 확보 가능한 칩이 해당 워크로드에 적합한가?
• 과도한 오버헤드 없이 성능을 검증할 수 있는가?
• 데이터 전송은 충분히 빠른가?
• 사용자는 가동 시간과 예측 가능한 가격을 신뢰할 수 있는가?
• 이 네트워크는 프라이버시 민감 워크로드를 어떻게 처리하는가?
• 장기적인 인프라 투자를 위한 인센티브는 정렬되어 있는가?

고급 칩이 더 희소해지면 분산 컴퓨트 시장의 가치는 커질 수 있지만, 동시에 요구 수준도 훨씬 높아질 것이다. 사용자들은 단지 “GPU 하나”를 원하는 게 아니다. 검증된 성능, 안전한 실행, 예측 가능한 지연 시간, 투명한 가격을 원하게 될 것이다.

이 지점에서 블록체인이 가치를 더할 수 있다. 정산, 평판, 에스크로, 접근 제어, 감사 가능한 사용 기록이 그것이다. 하지만 기반 하드웨어 계층은 여전히 중요하다.

ZK, AI, 그리고 특수 하드웨어 수요의 도래

영지식 기술은 칩 제약과 블록체인 전략이 가장 분명하게 만나는 영역 중 하나다.

ZK 증명은 확장 가능한 검증을 약속한다. 블록체인은 큰 계산을 다시 실행하는 대신, 작은 증명만 검증하면 된다. 이것은 많은 롤업 설계의 핵심이며, 더 넓게는 이더리움 연구 논의에서 설명되는 롤업 중심 실행으로의 전환을 포함한 이더리움 로드맵의 장기 확장 전략과도 맞닿아 있다.

하지만 증명 생성은 계산 비용이 클 수 있다. AI 수요가 계속해서 고급 GPU 공급을 소모한다면, ZK 인프라는 더 높은 비용이나 더 긴 배포 일정에 직면할 수 있다.

이는 다음 세 가지 흐름을 가속할 수 있다.

1. 증명용 ASIC
   대량의 증명 생성을 위해 맞춤형 칩이 매력적인 선택이 될 수 있다.

2. 프로토콜 수준의 증명 효율성
   팀들은 회로 복잡도를 줄이고, 상태 접근을 최적화하며, 하이브리드 증명 시스템을 사용할 수 있다.

3. 프로버 마켓플레이스
   네트워크가 신뢰성, 속도, 비용으로 경쟁하는 특수 운영자들을 조정할 수 있다.

승자는 암호학과 하드웨어를 별개의 분야가 아니라 공동 설계 문제로 다루는 설계를 채택한 팀일 가능성이 크다.

연산 제약 세계에서의 크립토 보안

비싼 연산의 세계는 사용자 보안에 대한 가정도 바꾼다.

AI 에이전트가 크립토에서 더 흔해지면, 사용자는 포트폴리오 모니터링, DeFi 실행, 크로스체인 라우팅, 세금 분류, 거버넌스 참여 같은 작업을 위임할 수 있다. 이런 시스템은 중앙화 서버, 분산 컴퓨트 네트워크, 또는 개인 기기에서 실행될 수 있다.

하지만 크립토 경험이 더 자동화될수록, 개인 키 격리의 중요성은 더 커진다.

AI는 위험 탐지, 거래 요약, 워크플로 자동화를 도울 수 있다. 그러나 통제되지 않은 서명 주체가 되어서는 안 된다.

바로 이 지점에서 하드웨어 월렛이 여전히 중요하다. 안전한 서명 장치는 의사결정과 키 수탁을 분리한다. AI 에이전트, 브라우저 확장 프로그램, 클라우드 서비스가 침해되더라도 개인 키는 인터넷에 연결된 환경과 분리된 상태로 유지되어야 한다.

장기 자산을 관리하거나 DeFi와 상호작용하거나 AI 기반 크립토 도구를 실험하는 사용자에게 핵심 원칙은 단순하다. 자동화는 보조할 수 있지만, 서명 권한은 사용자가 통제해야 한다는 것이다.

2025년 이후 빌더들이 주목해야 할 것

AI 칩과 블록체인 인프라의 교차점은 앞으로 몇 년간 더 중요해질 가능성이 크다. 빌더와 투자자는 몇 가지 신호를 주시해야 한다.

1. 증명 생성 비용

ZK 증명 비용이 내려가면 롤업과 프라이버시 보존 애플리케이션을 더 쉽게 확장할 수 있다. 하드웨어 부족으로 비용이 높은 상태가 유지되면, 채택은 자금력이 더 탄탄한 팀에 집중될 수 있다.

2. 프로버 네트워크의 성장

성숙한 프로버 시장은 롤업에 있어 검증자가 레이어1 체인에 중요한 만큼 중요해질 수 있다.

3. 크립토 레일 위의 AI 추론

온체인 AI 에이전트는 안전한 실행, 신뢰할 수 있는 추론, 통제된 서명이 필요하다. 지갑 계층이 사용자의 정책 엔진이 될 수 있다.

4. 하드웨어 공급망 다변화

업계는 칩 설계, 패키징, 메모리 대역폭, 지리적 집중에 더 많은 관심을 기울이게 될 것이다. 연산 주권은 AI와 크립토 모두에서 진지한 주제가 될 것이다.

5. 효율성 우선 프로토콜 설계

계산 낭비를 줄이는 프로젝트는 무제한 하드웨어 접근을 전제로 하는 프로젝트보다 우위를 점할 수 있다.

더 큰 그림: 무차별 대입에서 공동 설계로

랴오의 “눈사태” 경고는 AI 발전이 멈출 것이라는 예언으로 읽어서는 안 된다. 오히려 오래된 스케일링 교과서가 점점 덜 신뢰할 만해지고 있다는 경고로 이해하는 편이 맞다.

크립토에 대해선 이 메시지가 특히 중요하다. 업계는 블록체인, AI 시스템, 암호학적 증명, 하드웨어 인프라가 깊게 연결되는 단계에 들어서고 있다. 미래의 승자는 가장 시끄러운 서사를 내세운 프로젝트가 아니라, 프로토콜, 암호학, 연산, 보안, 사용자 경험을 가로질러 설계하는 프로젝트일 수 있다.

다음 개척지는 단순히 더 큰 칩이나 더 큰 모델이 아니다. 더 나은 조정이다.

그리고 개인 사용자에게도 그 조정에는 안전한 자기 수탁이 포함되어야 한다. 크립토 애플리케이션이 더 자동화되고 AI 중심으로 변할수록, 개인 키를 보호하는 일은 더욱 중요해진다. OneKey 하드웨어 월렛은 온라인 환경과 분리된 서명을 유지하도록 설계되어, 사용자가 점점 더 복잡해지는 온체인 세계와 상호작용하면서도 통제권을 유지할 수 있도록 돕는다.