2026년 3월 28일 · Unknown · financial · 출처 Globenewswire
캘리포니아주 샌프란시스코, 2026년 3월 27일 (글로브뉴스와이어) -- 0G 랩스(0G Labs)가 분산형 AI 학습 검증을 위한 기술 프레임워크를 발표했습니다. 이는 분산 모델이 첨단 성능으로 확장되면서 커지는 신뢰 격차를 해소하기 위한 것입니다. 이 프레임워크는 신뢰 실행 환경(TEEs)과 경제적 인센티브 정렬을 결합하여 각 학습 단계가 올바르게 실행되었음을 암호학적으로 증명합니다.
0G 랩스의 4계층 검증 인프라는 분산형 AI 학습에 하드웨어 수준의 암호학적 증명을 추가하여 경제적 인센티브만으로는 부족한 부분을 보완합니다.
이번 발표는 0G가 최근 시연한 1070억 개의 파라미터를 가진 세계 최대 분산형 AI 모델 'DiLoCoX-107B'에 이은 것입니다. 이 모델은 일반 1Gbps 인터넷 연결에서 표준 방법 대비 357배의 통신 효율성을 달성했습니다. 분산형 학습이 확장됨에 따라 분산 노드가 정직하게 작업을 수행했는지 검증하는 방법은 단순한 기술 문제를 넘어 보안 문제로 대두되고 있습니다.
0G 랩스의 최고기술책임자(CTO) 밍 우(Ming Wu)는 "모델을 훈련시키는 것과 그 훈련 방식을 신뢰하는 것은 완전히 다른 문제"라며 "훈련 비용이 수억 달러에 달하고, 결과 모델이 금융 거래나 의료 결정을 처리할 때 '인센티브가 사람들을 정직하게 만들 것'이라는 가정만으로는 부족합니다. 하드웨어가 이를 증명해야 합니다"라고 말했습니다.
**검증 격차**
현재 분산형 AI 학습 접근법은 주로 경제적 인센티브 정렬에 의존합니다. 70개 이상의 독립 기여자가 훈련한 비트텐서(Bittensor)의 'Covenant-72B'는 스테이킹 패널티를 통해 부정행위를 억제합니다. 열등한 그래디언트를 생성하는 노드는 토큰을 잃습니다. 이 방식은 실질적인 결과를 보여주었지만, 합리적 행위자와 측정 가능한 출력 품질을 가정합니다.
0G의 프레임워크는 하드웨어 검증 계층을 추가합니다. 모든 컴퓨팅 연산은 TEE 내부에서 실행됩니다. TEE는 하드웨어로 격리된 프로세서 영역으로, 코드가 암호화된 상태에서 실행됩니다. TEE는 특정 코드가 특정 데이터에서 실행되어 특정 결과를 생성했음을 증명하는 암호학적 증명을 생성합니다.