곤카, PoC 메커니즘 및 모델 진화 방향 공개: 실제 컴퓨팅 파워 정렬, 다중 계층 GPU 지속적 참여 보장

분산형 AI 컴퓨팅 네트워크 곤카(Gonka)는 최근 커뮤니티 AMA에서 PoC 메커니즘과 모델 운영 방식의 단계적 조정에 대해 설명했다. 주요 조정 내용은 다음과 같다: PoC와 추론이 동일한 대규모 모델로 통합 운영, PoC 활성화 방식이 지연 전환에서 실시간 트리거로 변경, 컴퓨팅 파워 가중치 계산 방식을 최적화하여 다양한 모델과 하드웨어의 실제 계산 비용에 더 가깝게 조정. 공동 창립자 데이비드는 "이번 조정은 단기적 성과나 특정 참여자를 위한 것이 아니라, 네트워크 컴퓨팅 파워 규모가 급속히 확대됨에 따라 합의 및 검증 구조를 필수적으로 진화시킨 것으로, 고부하 상태에서의 네트워크 안정성과 보안성을 높여 향후 더 큰 규모의 AI 작업 부하를 수용할 기반을 마련하기 위함"이라고 밝혔다. 커뮤니티 논의에서 제기된 소규모 모델의 현재 토큰 생산량 과다 문제에 대해 팀은 "동일한 토큰 수에서 모델 규모에 따른 실제 컴퓨팅 전력 소모량은 현저한 차이를 보인다"고 지적했습니다. 네트워크가 더 높은 컴퓨팅 전력 밀도와 복잡한 작업으로 진화함에 따라, 곤카는 컴퓨팅 전력 가중치와 실제 계산 비용의 정렬을 점진적으로 유도하여 컴퓨팅 구조의 장기적 불균형으로 인한 네트워크 확장성 저하를 방지하고 있습니다. 최신 PoC 메커니즘 하에서 네트워크는 PoC 활성화 시간을 5초 이내로 단축하여 모델 전환 및 대기 시간으로 인한 컴퓨팅 낭비를 줄이고, GPU 자원이 효과적인 AI 계산에 더 높은 비율로 활용될 수 있도록 했습니다. 동시에 모델 실행을 통합함으로써 노드가 합의와 추론 간 전환 시 발생하는 시스템 오버헤드를 줄여 전체 컴퓨팅 효율을 향상시켰습니다. 팀은 또한 단일 카드 및 중소 규모 GPU가 마이닝 풀 협업, 에포크(Epoch)별 유연한 참여, 추론 작업 등을 통해 지속적으로 수익을 얻고 거버넌스에 참여할 수 있다고 강조했습니다. Gonka의 장기 목표는 메커니즘 진화를 통해 서로 다른 수준의 컴퓨팅 파워가 동일한 네트워크에서 장기적으로 공존할 수 있도록 지원하는 것입니다. Gonka는 모든 핵심 규칙 조정이 온체인 거버넌스와 커뮤니티 투표를 통해 추진된다고 밝혔습니다. 향후 네트워크는 점차 더 많은 모델 유형과 AI 작업 형태를 지원하여 전 세계 다양한 규모의 GPU에 지속적이고 투명한 참여 공간을 제공함으로써, 탈중앙화된 AI 컴퓨팅 인프라의 장기적 건전한 발전을 촉진할 것입니다.