Scale AI는 2024년 약 8억 7천만 달러의 매출을 기록한 데 이어, 2025년에는 약 20억 달러의 매출을 달성할 것으로 예상된다. 이는 고품질 실시간 데이터 운영이 단순한 비용 절감이 아닌 수익 창출의 원동력이 될 수 있음을 보여준다.

이 같은 매출 성장세는 지속적인 주석(annotation), 평가(evaluation), 레드팀 구성(red teaming), 합성 데이터(synthetic data) 파이프라인이 현대 인공지능(AI) 경제학의 핵심 역할을 하고 있음을 시사한다.

한편 전 세계는 2025년에 약 181제타바이트의 데이터를 생성할 것으로 예측되며, 이는 하루 평균 약 1조 4,500억 기가바이트에 해당한다. 이 같은 수치는 데이터 계층이 전 지구적 규모의 AI 학습 및 추론 과정에서 전략적 핵심 역할을 하게 된 이유를 설명한다.

실시간 고품질 데이터 스트림을 통해 AI 모델이 더 빠르게 학습하고, 보다 정밀한 개인화(personalization)를 달성할 수 있게 되면서 AI 환경 전반에 변화가 나타나고 있다.

◇ 사일로화된 데이터에서 공유 자산으로

과거에는 데이터와 컴퓨팅 자원의 접근이 소수 Web2 플랫폼에 집중되어 있었다. AWS, Azure, Google Cloud는 2025년 기준 전 세계 클라우드 인프라 지출의 약 3분의 2를 점유하고 있으며, 이로 인해 공급업체 종속이 강화되고 소규모 개발사들은 높은 진입 장벽에 직면하고 있다.

Microsoft가 2030년까지 Azure에서 OpenAI의 API를 독점적으로 호스팅하는 점 역시, 일부 독점 조건이 신규 용량에 대한 우선매수권(right-of-first-refusal)으로 전환되고 있음에도 불구하고 주요 AI 워크로드가 여전히 특정 하이퍼스케일러에 묶여 있음을 보여준다.

Impossible Cloud Network Foundation의 세바스찬 파이퍼 상무는 “실시간 데이터 생태계 구축의 핵심 과제는 데이터 기여자, 컴퓨팅 플랫폼, AI 개발자라는 세 주요 그룹의 이해관계가 현 체계에서 본질적으로 어긋나 있다는 점”이라고 지적했다.

그는 “데이터 제공자들은 통제력 상실과 부적절한 보상에 대한 우려가 크고, 컴퓨팅 제공업체들은 자원 할당의 경제성에 어려움을 겪고 있으며, AI 개발자들은 고품질 실시간 데이터와 확장 가능한 컴퓨팅 자원에 대한 접근 장벽에 직면해 있다”고 설명했다.

토큰화된 마켓플레이스(tokenized marketplace)는 이러한 문제 해결을 위한 초기 솔루션 중 하나로 주목받고 있다. 해당 플랫폼들은 ‘컴퓨트 투 데이터(compute-to-data)’와 같은 개인정보 보호 메커니즘을 통해 데이터 제공자가 주권을 유지하면서도 민감한 원시 데이터를 노출하지 않고 데이터 공유가 가능하도록 한다.

파이퍼 상무는 “Web3 기반 솔루션이 기존 데이터 사일로 구조를 해체하기 시작했다”며 “탈중앙화 데이터 마켓플레이스는 토큰화를 통해 투명하고 세분화된 실시간 결제 시스템을 제공하며, 탈중앙화 컴퓨팅 네트워크는 누구나 리소스를 제공하고 공정한 보상을 받을 수 있는 개방형 시장을 형성하고 있다”고 말했다.

◇ 엣지 AI와 DePIN의 역할

이러한 새로운 인프라 환경에서 가장 주목받는 진전 중 하나는 엣지 AI(Edge AI)다. 엣지 AI는 중앙 집중식 데이터 센터에서 이뤄지던 의사결정 기능을, 데이터가 생성되는 지점에 더 가까운 기기에서 직접 수행하는 구조다.

이러한 구조는 비용을 절감하는 동시에 반응 속도를 높이는 효과를 낳는다. 특히 지도 제작, 내비게이션, 물류 등의 분야에서 효율성과 경제성이 향상된다.

Hivemapper의 공동 창립자이자 Bee Maps CEO인 아리엘 세이드먼은 “엣지 AI는 컴퓨팅 및 의사결정 기능을 클라우드 중심 시스템에서 데이터 생성 지점에 가까운 기기로 이동시키는 방식으로, 대역폭 및 지연 시간을 줄이고 분산형 네트워크의 경제성과 응답성을 강화한다”고 설명했다.

AI에서 스마트한 데이터 처리는 원시 데이터를 특정 목적에 맞는 신호로 전환함으로써 대역폭 및 추론 비용을 줄이는 동시에 최신성을 높일 수 있다.

예를 들어 Hivemapper Bee는 변화 감지, 이미지의 위치 지정 등 주요 정보를 식별해 장치 내에서 처리하고, 관련된 스니펫만 업로드한다. 이는 지도 업데이트 속도를 높이고, 고부가가치 작업을 위한 컴퓨팅 자원을 확보하는 엣지 우선 전략을 반영한 방식이다.

◇ 실시간 정렬의 남은 과제

이러한 발전에도 불구하고, 실시간 데이터-컴퓨팅-인센티브 정렬을 매끄럽게 구현하는 것은 여전히 해결되지 않은 과제로 남아 있다.

파이퍼 상무는 “Web3 기반 AI 인프라가 틈새 솔루션을 넘어 광범위하게 확산되기 위해서는 AI 결과물에 기반해 기여자에게 보상을 제공할 수 있는 전 세계적으로 통용되는 프레임워크가 필요하다”고 강조했다.

그는 “데이터와 컴퓨팅에 대한 여러 신기술이 등장했지만, 이 세 주체의 경제적 인센티브를 실시간으로 동적으로 조율하고, 창출된 가치를 기여자에게 공정하게 분배하는 성숙하고 보편적인 프레임워크는 아직 부재하다”고 말했다.

◇ 기업가와 최종 사용자에게 미치는 영향

기술 기반 기업가들에게 이러한 구조적 변화는 분산형 지도 제작, 의료 데이터 활용, 공급망 인텔리전스 등 다양한 분야에서 새로운 데이터 기반 모델을 설계할 수 있는 기회를 제공한다.

한편 기존 AI 대기업들은 협력적이고 검증 가능하며 공정성을 갖춘 AI 모델을 채택해야 한다는 압박을 점점 더 강하게 받고 있다.

결국 실시간 데이터 생태계, 탈중앙화 컴퓨팅, 엣지 AI가 결합된 구조는 AI 혁신이 소수 대기업에만 의존하지 않는 미래를 가능케 한다.

가치 창출과 소유권은 전 세계적 참여 네트워크를 통해 공유될 수 있으며, 향후 경쟁은 기술적 안정성, 경제적 지속 가능성, 사회적 신뢰를 모두 갖춘 시스템 설계에 달려 있다.