TechFlow Logo
로그인/ 회원가입
ETH 가스
Gwei
공포
gas
Pearl이 비트코인 해시파워로 AI 추론을 구동하며 채굴자 수익이 2배가 되는 이야기는 이제 막 시작되고 있다.

Pearl이 비트코인 해시파워로 AI 추론을 구동하며 채굴자 수익이 2배가 되는 이야기는 이제 막 시작되고 있다.

2026.10.13
공유하기
Pearl은 연산 능력을 유용하게 만들고 있으며, AI의 성장과 궁극적인 보급을 고려할 때 대상 시장은 매우 매력적입니다.

작성자: Castle Labs

번역: TechFlow

TechFlow 요약: AI에 대한 컴퓨팅 리소스 요구가 비트코인 채굴자들을尴尬한 분기점으로 이끌고 있다: 확보한 전력 및 데이터센터는 그 가치가 높아지고 있지만, 채굴 과정에서 생성되는 해시값은 무용지물이다. Pearl은 이 두 가지를 융합해 네트워크 보안을 유지하면서도 AI 추론 작업을 수행할 수 있도록 시도한다. 이 테마가 토큰 가격에 이미 3배 이상 반영되었으나, 실제 활용도가 이를 뒷받침할 수 있는지가 진정한 ‘AI 시대의 누락된 퍼즐조각’임을 판가름할 기준이 될 것이다.

인공지능(AI)은 핵심 기술입니다. 사용 규모가 확대됨에 따라 계산 처리량에 대한 수요도 급격히 증가하고 있습니다.

이러한 처리량을 제공하기 위해 AI 기업들은 GPU와 에너지가 필요합니다. 하지만 자금 사정이 좋은 회사라도 GPU 공급 부족과 전력 희소성으로 인해 충분한 자원을 확보하지 못할 수도 있습니다.

일반적인 해결책은 인프라를 임대하는 것입니다.

최근 몇 년간 비트코인 마이너들은 산업용급 마이닝 인프라를 구축했고 가장 중요한 자원인 전력 접근성을 장악했습니다. AI 컴퓨팅 수요가 증가함에 따라 이 우위가 시장으로부터 재평가받고 있습니다. 이러한 채굴기는 ASIC을 사용하여 직접 AI 계산에 사용할 수는 없지만, 마이너들은 시설과 전력을 AI 고객에게 임대할 수 있습니다.

이를 통해 마이너들은 전력을 AI 관련 계산에 활용함으로써 보다 지속 가능한 수익원을 확보할 기회를 얻게 됩니다. 광산 기업의 수익 구조는 이미 이러한 변화를 반영하고 있습니다. 상장 광산 기업 11곳 중 AI 및 HPC 수익이 총수익에서 차지하는 비율은 2025년 1분기 2%에서 2026년 2분기 22%로 상승했습니다.

결국 비트코인 해시 연산 능력이 AI 추론 작업과의 더 치열한 경쟁에 직면할 가능성이 생겼습니다.

AI와 마이닝 인프라 간의 관계가 더욱 긴밀해지는 현상을 관찰하는 또 다른 관점은 BTC가 어떻게 채굴되는지를 살펴보는 것입니다. 작업 증명(Proof-of-Work) 메커니즘 하에서 마이너들은 비트코인 네트워크를 보호하고 거래를 검증하기 위해 막대한 컴퓨팅 자원을 투입합니다. 이 과정에는 암호화 해시값을 지속적으로 계산해야 하며, 이렇게 계산된 해시값은 단 한 번 완성되면 어떠한 가치도 지니지 않습니다. 채굴된 BTC의 가치가 계산 및 인프라 비용을 초과할 때만 경제적으로 채굴이 성립합니다.

그렇다면 왜 양쪽 모두를 동시에 얻을 수 없는 걸까요?

AI 추론 작업을 실행하면서도 네트워크 보안 유지 및 자산 채굴을 병행할 수 있는 솔루션을 ‘유용한 작업 증명(Proof-of-Useful Work, PoUW)’이라고 부릅니다. 다음 섹션에서 자세히 다룰 Pearl 네트워크는 바로 AI 채택과 블록체인의 교차점에 주목하고 있습니다.

Pearl 네트워크란?

Pearl은 올해 4월 메인넷에 출시된 L1 블록체인으로, 코드베이스는 비트코인에서 포크했으나 SHA-256 해시 연산을 행렬 곱셈(matmul)으로 대체했습니다. 이는 GPU가 AI 추론을 실행할 때 수행하는 연산 유형과 동일합니다.

이는 Pearl이 현재 추진 중인 방향입니다. 비트코인의 작업 증명을 AI에게 유용한 계산(PoUW)으로 전환하는 것이 목표입니다.

AI 추론을 마이닝 프로세스에 통합하기 위해 Pearl은 표준 비트코인 SHA-256 해시 검증 대신 행렬 곱셈 검증을 수행하는 시스템을 설계했습니다.

행렬 곱셈은 AI 모델을 훈련하고 추론을 실행하는 핵심 방식이며, 방대한 컴퓨팅 파워를 필요로 합니다.

행렬 곱셈은 SHA-256과 다음과 같은 공통점을 많이 가지고 있습니다.

빠른 해결을 위해 막대한 계산이 필요함

알고리즘 결과가 주관적 판단이 아님

정답을 위조하거나 추측할 수 없음(다음 블록에 적용될 함수를 미리 예측할 수 없듯)

따라서 이러한 연산은 여전히 “실행 비용이 충분히 비싸야 하지만, 정답은 객관적이어야 하며 타인이 검증하는 데 드는 비용이 충분히 저렴해야 한다”는 조건을 충족해야 합니다. 이것이 Pearl이 영지식 증명(ZK)을 사용하는 이유이며, 검증 과정을 극도로 저렴하게 만듭니다.

AI 관련 컴퓨팅 수요를 확보하기 위해 Pearl은 집계형 컴퓨팅 네트워크이자 추론 서비스 제공처인 Together AI와 협력하고 있습니다. 이를 통해 기업은 마이너들이 생산한 컴퓨팅 파워를 활용할 수 있으며, 마이너는 PRL 토큰을 보상으로 획득합니다. 다만 Together AI는 자체적으로 해당 네트워크를 위한 마이닝 인프라를 운영하며, 획득한 PRL 보상을 바탕으로 고객들에게 할인을 제공하고 있습니다.

최종적으로 Pearl의 목표는 AI가 일상적으로 활용하는 더 유용한 행렬 곱셈으로, BTC 채굴자들이 BTC를开采하기 위해 수행하던 기존 계산을 대체하는 것입니다. 핵심 블록체인 경제 모형을 유지한 채 AI를 최우선 순위에 둡니다.

다만 PoUW의 ‘유용함(Utility)’ 부분에 대해서는 추가로 논의할 필요가 있습니다. Pearl을 향한 비판 중 하나는 프로토콜 차원에서 이 행렬 곱셈이 실제로 유료 고객이나 유용한 업무에서 기인했음을 증명할 수 없다는 점입니다. 마이너가 합성 행렬을 입력해도 동일한 PRL 보상을 받으며 수수께끼처럼 회피할 수 있기 때문입니다.

사실 6월 발표된 한 논문은 당시 주요 마이닝 소프트웨어가 산출한 결과가 “검증 가능한 행렬 곱셈이었지만 외부 추론 출력은 없었다”고 지적했습니다. Brian Breslow 역시 자신의 PRL 투자 논리에서도 이 문제를 거론했습니다.

이 부분이 바로 핵심입니다. 즉, 추론 결과의 ‘유용성’에 대해 주관적 평가가 개입되지 않도록 하는 것입니다. Bittensor는 과거 유사한 시스템 방식을 구현한 바 있습니다.

희소한 네이티브 토큰

마이너가 AI 관련 자원 제공

검증자가 출력 품질 판단

보상이 네트워크가 유능하다고 판단되는 곳으로 흐름

하지만 이러한 설계는 주관적 판단과 재량권을 과도하게 부여한다는 점에서 한계가 있습니다. 과거에는 “검증자에게 유용성에 대한 투표에 공모할 동기가 작동했기 때문”이라 지적되며 서로 결탁하는 사례가 발생하기도 했습니다.

반면에 Pearl의 AI 추론 구조에서는 이러한 주관적 판단 요소가 배제됩니다.

이는 Adoption 측면에서 가장 중요한 포인트입니다. 전체 가치 제안은 ‘두 개의 행렬을 제출하여 AI 추론을 실행한다’는 동작이 매우 단순하며 추가 오버헤드가 거의 없다는 전제에 뿌리를 두고 있습니다(수령하는 PRL의 가치는 통합 마찰, 리스크, 처리량 손실 및 오버헤드를 상쇄해야 함).

마이닝은 여전히 PRL을 얻기 위해 모든 GPU 비용을 부담해야 합니다. 난이도가 오를수록 최고 등급 GPU를 보유한 마이너들만 수익성을 유지할 수 있으며, 이들은 압도적인 채굴 성능을 지녔기 때문입니다.

충분히 많은 ‘유용 마이너’가 네트워크에 진입할 경우, 나머지 참여자들은 수익성이 떨어지며 추가 마이닝을 계속할 동력을 잃게 됩니다.

주관성이 개입될 수 있는 요소를 원천 차단하는 것은 Bittensor를 비롯한 기타 네트워크에서 발생했던 마이너 간 결탁 문제를 방지하는 데 기여합니다.

하지만 여기에는 중요한 전제가 붙습니다. 현재 네트워크가 단순화된 디지털 형식(INT8)을 사용함에 따라 발생하는 추가 오버헤드는 약 10~15% 수준입니다. 이 오버헤드가 충분히 낮아져야 유용 마이너들이 최적의 블록 생성자로 부상할 수 있습니다. 이 문제에 대한 개선 작업은 진행 중이며, 테스트넷에 배포된 Pearl-GEMM은 표준 형식을 사용할 때 성능 손실이 단 0~3%에 불과함을 입증했습니다.

PRL: 토큰 경제 모형과 향후 가치 축적

PRL 토큰의 최대 발행량은 21억 개입니다. BTC의 감량 메커니즘과는 달리 PRL의 신규 생성은 선형적으로 감소하며, 제4년에는 전체 공급량의 약 50%가 시장에 공개될 것으로 예상됩니다.

본문 작성 시점 기준으로 PRL 시가총액은 4억 7,500만 달러이며, 이미 3억 3,900만 개가 채굴되었습니다(유통 공급량의 16.2%). 향후 12개월 동안 약 3억 500만 개의 PRL이 추가로发行되어 유통량이 거의 두 배로 늘어날 전망입니다.

현재 PRL은 두 곳의 거래소(BigONE 및 SafeTrade)에 상장되어 있으며, 일일 거래량은 약 600만 달러, 가격 변동 폭 2% 구간 내에서 매수 호가의 잔고는 약 2만 2천 달러 수준입니다.

그럼에도 불구하고 PRL의 재평가(Rerating)는 실제 활용 성장보다 앞서 나가는 모습입니다. 9월 이후 PRL 가격은 세 배 이상 급등했으며, No Limit Holdings의 Brian Breslow가 투자 논리를 발표한 이후 가장 많은 관심을 받았습니다.

더불어 PRL은 현재 희석(Dilution) 상태에 있습니다. Pearl에는 감량 메커니즘이 없으며, 매일 약 101만 개의 PRL이 마이너들에게 보상으로 지급되고 있어 본문 작성 시점에서 이는 약 140만 달러에 해당합니다. 더 중요한 점은 PRL의 공급 계획이 기대에 못 미친다는 것입니다. 가장 낮은 채굴 난이도를 적용한 초기 6일 만에 약 1억 2,200만 개(현재 유통량의 36%)가發行되었으며, 메인넷 오픈 후 30시간 이내에 무려 2만 개의 블록이 생성되었습니다. 이후 블록 간격은 목표치인 194초 근처에서 안정화되었습니다. 초기 독주가 불필요한 희석을 초래했고, 첫 주 마이닝에 참여한 마이너들에게 과도한 이익을 안겨주며 공급 집중화를 심화시켰습니다.

토큰 자체에는 추가 수익 모델이 부가되지 않았습니다. 마이너들은 PRL을 채굴하고 AI 추론 서비스를 제공하며 스테이블코인을 벌지만, PRL에는 소각 메커니즘이 없어 총공급량이 줄어드는 구조가 아닙니다.

다만 개발팀은 현재 직면한 과제인 성능 오버헤드, 합성 채굴(Synthetic Mining), 토큰 가치 축적 방안을 해결하기 위해 발벗고 나서고 있습니다.

Pearl-GEMM 업그레이드: 현재 운영 중인 Pearl 버전은 단순화된 숫자 형식(INT8)만 처리하며, 대부분의 호환형 AI 모델은 이 형식을 사용하지 않아 추론 속도가 10~15% 저하됩니다. 이러한 오버헤드 하에서는 AI 기업들이 마이너들로부터 컴퓨팅 파워를 구매할 명분이 거의 없습니다. 그러나 해결 방안이 테스트넷에서 제시되었습니다. Pearl-GEMM은 표준 형식을 사용할 때 성능 손실이 단 0~3%에 불과합니다. 이번 업그레이드는 AI 운영 측이 10~15%의 생산성 손실을 감내하지 않을 것이므로 매우 중요합니다.

진짜 AI 작업이 합성 채굴을 대체해야 함: 현재 모든 마이닝이 유용한 AI 추론으로 이어지는 것은 아닙니다. 6월 실시된 연구에서는 추론 지원 하드웨어 위에서 실행되지만 AI 관련 코드를 전혀 구동하지 않는 약 8,000대의 기계를 분석했습니다. Pearl이構想한 탈중앙화 컴퓨팅 시장은 AI 기업들과의 파트너십을 통해 이 같은 문제를 해소할 수 있습니다. 사용자가 PRL로 결제하고 대가로 보상을 받으며 네트워크상에서 추론 작업을 수행하는 형태입니다. 여기에는 GPU 용량 예약, 모델 파인튜닝(Fine-tuning), 혹은 전통적인 클라우드 솔루션 의존 없이 컴퓨팅 계약을 정산하는 작업이 모두 포함됩니다.

AI 활용은 매수압력과 잠재적 소각 메커니즘을 형성해야 함: 현재 AI 추론 활용은 오히려 매도압력만 창출하고 있습니다. 미국 클라우드 서비스 제공업체인 Together AI는 2026년 5월 특정 모델을 출시하며 25% 이용 할인 혜택을 제공했는데, 이 할인 혜택의 일정 부분은 그들이 컴퓨팅 수요 충당을 위해 진행한 PRL 마이닝으로 조달되었습니다. 개발팀은 AI 서비스에 PRL 기반 가격을 책정하거나, 모든 거래 시 일정량의 PRL을 소각하는 방안을 검토 중입니다. 이는 기존 달러 기반定價에서 벗어나 해당 자산에 대한 추가 수요를 창출하려는 목적이 큽니다.

맺음말

Pearl은 컴퓨팅 파워에 실질적인 효용을 더하고자 하며, AI의 폭발적 성장과 궁극적인 보급을 고려할 때 목표 시장의 매력은 충분합니다.

신규 네트워크를 구축하는 과정에는 항상 어려움이 따르기 마련입니다. Pearl 역시 높은 오버헤드, 합성 채굴, 토큰 가치 축적 메커니즘 등의 과제에 직면해 있으나, 팀은 하나씩 해결해 나가고 있습니다.

가장 중요한 점은 현재 Pearl이 모델 서비스에 달러 기준가격을 부과하고 있어 토큰 쪽으로 되돌아오는 가치 흐름이 거의 없다는 사실입니다. PRL 사용을 활성화하는 것이 토큰 가치를 견인하고 수요 고정(Stock-to-Flow)을 개선하는 근본적인 해결책이 될 것입니다. 현재 발행된 대부분의 PRL은 인센티브로 쓰이며, 결국 마이너들이 판매하여 수익을 실현할 가능성이 높습니다.

또한 PRL은 개발팀이構想한 탈중앙화 시장의 유틸리티 토큰으로 자리매김할 것으로 예상되어 트래픽과 거래량 추세가 쉽게 파악되지 않습니다. 현재 단계에서는 Pearl의 가격이 BTC 가격과 직접 비교되는 것(예: Pearl이 BTC 시가총액의 1% 달성 등)을 사실보다는 추정치로 보는 것이 타당해 보입니다.

그러나 우리는 이미 AI 추론 서비스를 판매하고 있는 BTC 마이너들에게 Pearl이 매력적인 가치 제안이 될 것이라고 믿습니다. 이는 상당 수준의 마이닝 컴퓨팅 파워를 흡수할 잠재력을 지니며, 특히 AI 추론 시장이 향후 급성장할 것이라는 점을 고려하면 더욱 그렇습니다.