백서
OURO 백서
이미 배포된 AI가 실제 업무 속에서 계속 스스로 개선하게 하고, 매 라운드 개선의 증거를 온체인에 기록합니다. 이 페이지는 온라인판이며 PDF와 내용이 같습니다.
AI that evolves AI. — 이미 배포된 AI가 실제 업무 속에서 계속 스스로 개선하게 하고, 매 라운드 개선의 증거를 온체인에 기록합니다.
1. 요약
지능은 가중치에서 스캐폴딩으로 옮겨가고 있습니다. OpenAI는 2026년 5월 “프롬프트와 스캐폴딩이 더 싸고 빠르다”는 이유로 셀프서브 파인튜닝을 단계적으로 종료한다고 발표했습니다. 같은 해 학계는 가중치를 고정한 채 AI가 자신의 프롬프트, 도구, 메모리, 스킬을 스스로 고쳐 쓰게 하면 SWE-bench를 20%에서 50%로 끌어올리고, 수직 도메인 작업을 평균 89% 향상시키며, 강화학습보다 35배 적은 연산으로 가능하다는 것을 증명했습니다. 이것이 뜻하는 바는 하나입니다. 이미 배포된 에이전트를 계속 강하게 만드는 데 더 이상 연구실급 클러스터가 아니라, 끊임없이 후보를 생성하고 병렬로 평가하고 선별해 제출하는 닫힌 루프가 필요하다는 것입니다. 이 루프가 소비하는 것은 대량의 저대역폭·내결함성 연산이며, 바로 분산 네트워크가 가장 잘 제공하는 종류입니다.
OURO가 바로 그 루프입니다. 국립 연구원의 자기 진화 AI 연구 성과를 세 가지 부품으로 만들었습니다. OURO Engine은 접속한 어떤 에이전트든 예산 안에서 계속 스스로 개선하게 하며, 스캐폴딩을 먼저 진화시키고 가중치는 선택 사항입니다. **Proof of Evolution(PoE)**은 매 라운드의 “강해졌다”를 서비스 제공자의 약속에서 온체인에서 검증·정산 가능한 사건으로 바꿉니다. OURO Grid는 전 세계에 분산된 컴퓨팅 네트워크로, 지역 앵커가 신뢰성을 보장하고 커뮤니티 노드와 외부 공급이 규모를 제공하며, 첫 앵커는 싱가포르와 조호르바루에 있습니다.
시장의 공백은 구체적입니다. 기업의 생성형 AI 지출은 2025년 370억 달러에 이르렀고, 79%의 기업이 에이전트를 도입하고 있지만 규모화에 성공한 곳은 23%뿐입니다. Gartner는 2027년 말까지 에이전틱 프로젝트의 40% 이상이 취소될 것으로 봅니다. 기업을 막는 것은 모델이 충분히 똑똑하지 않아서가 아니라, 에이전트가 배포된 뒤 더 이상 똑똑해지지 않기 때문입니다. OURO가 파는 것은 GPU 시간이 아니라 검증 가능한 능력 향상입니다.
네트워크 토큰 $OURO는 작업 증서입니다. 진화와 컴퓨팅 비용을 지불하고, 노드와 검증자로 스테이킹하고, 바운티를 예치하고, 거버넌스에 참여합니다. 총량은 10억 개로 고정되며, 네트워크 인센티브는 검증된 PoE 기록에 의해서만 촉발되어 방출되고, 법정화폐 수익의 고정 비율로 토큰을 매입해 인센티브 풀에 넣습니다. Bittensor dTAO가 18개월 동안 메커니즘을 세 번 바꾼 경험에서 배운 것은 이것입니다. 발행은 검증된 작업량에만 묶여야 하고, 규칙은 안정적이어야 하며, 데이터는 공개되어야 합니다.
소비자에게는 쓸수록 나에게 맞춰지는 어시스턴트 OURO Chat이 있고, 유휴 GPU를 OURO Grid에 연결해 평가와 학습에 참여하고 보상을 받을 수 있습니다. 개발자와 기업에게는 Evolve API가 어떤 에이전트든 통제 가능한 예산으로 지속적인 진화를 제공하며, 공개 검증 가능한 진화 보고서가 함께 옵니다.
이 프로젝트는 국립 연구원 기술팀이 개발하고 싱가포르 규제 준수 펀드의 투자와 지원을 받았으며, 전 세계에 수백 명 규모의 초기 커뮤니티를 모았습니다. 이 백서는 v1.1 초안이며, 토큰 파라미터, 로드맵, 파트너 정보는 법률 의견과 팀 확인 후 갱신됩니다.
2. 왜 지금인가: 세 가지 변곡점이 동시에
좋은 인프라 프로젝트는 아이디어가 새로워서가 아니라 여러 곡선이 같은 해에 교차하기 때문에 좋습니다. OURO의 세 곡선은 이렇습니다. 지능의 무게중심이 가중치에서 스캐폴딩으로 이동하고, 스캐폴딩 계층의 자기 진화에 확실한 데이터가 생겼으며, 이 진화에 필요한 연산이 마침 분산 네트워크가 싸게 공급할 수 있는 것이라는 점입니다.
2.1 변곡점 하나: 기업의 “가중치 시대”가 끝나고 있다
2026년 5월 OpenAI는 셀프서브 파인튜닝 플랫폼의 폐기 통지를 냈습니다. 먼저 신규 조직의 파인튜닝 작업 생성을 중단하고, 2027년 1월 전에 모든 고객에게 닫습니다. 공식 이유는 새 세대 기반 모델이 충분히 말을 잘 들어 “프롬프트 기반 방식이 더 싸고 빠르다”는 것이었습니다(Tessl의 폐기 통지 해석). 같은 시기 OpenAI는 Agent Builder와 Evals를 2026년 11월 30일에 종료한다고도 발표했습니다(OpenAI AgentKit 공지).
두 가지를 함께 읽으면 결론은 분명합니다. 대다수 기업에게 에이전트의 능력 차이는 더 이상 가중치가 아니라 가중치 바깥의 모든 것, 즉 시스템 프롬프트, 도구 체인, 메모리 구조, 스킬 라이브러리, 제어 흐름에서 나옵니다. 업계는 이 계층을 “스캐폴딩” 또는 “하네스”라고 부릅니다. 이것은 배포자의 것이지 모델 회사의 것이 아니며, 다음 버전을 기다리지 않고 계속 바꿀 수 있습니다. 문제는 오늘날 이 계층이 여전히 엔지니어의 손으로 조정되고, 엔지니어를 돕는 도구 계층은 모델 회사와 대기업에 흡수되고 있다는 것입니다. 2026년 1월 ClickHouse가 Langfuse를, 3월 OpenAI가 PromptFoo를 인수했고, Cisco는 Galileo 인수를 추진 중이며, Braintrust는 8억 달러 가치로 시리즈 B를 마쳤습니다(평가 시장 지도). 이 도구들은 “어디가 틀렸나”에 답하지만, “누가 자동으로 고치나”에 답하는 곳은 하나도 없습니다.
2.2 변곡점 둘: 스캐폴딩의 자기 진화에 확실한 데이터가 생겼다
지난 18개월 동안 “AI가 자기 스캐폴딩을 스스로 고치게 하기”는 사고 실험에서 숫자가 있는 엔지니어링이 되었습니다.
| 연구 | 시기 | 무엇을 했나 | 결과 |
|---|---|---|---|
| Darwin Gödel Machine (Sakana AI) | 2025.05 | 코딩 에이전트가 자기 코드를 고쳐 쓰고 벤치마크로 선택하며 모든 과거 버전을 보관해 열린 탐색 | SWE-bench 20.0% → 50.0%; Polyglot 14.2% → 30.7% |
| GEPA (Databricks / UC Berkeley, ICLR 2026 Oral) | 2025.07 | 자연어 반성으로 프롬프트 진화, 가중치는 건드리지 않음 | GRPO 강화학습보다 평균 약 10%, 최대 20% 높고 롤아웃은 35배 적음 |
| Meta Context Engineering | 2026.01 | 메타 에이전트가 “컨텍스트를 구성하는 스킬” 자체를 진화, 가중치 고정 | 금융, 화학, 의료, 법률, 보안 다섯 분야 평균 89.1% 향상, 학습 속도는 전 세대보다 13.6배 |
| Hyperagents / DGM-H | 2026.03 | “개선을 만드는 방법”도 편집 가능한 대상으로 만들어 진화가 코딩에 국한되지 않음 | 메타 계층 개선이 도메인 간 이전되고 실행 간 누적 |
| SEAL (MIT) | 2025 | 모델이 학습 데이터를 스스로 생성해 스스로 파인튜닝 | 지식 흡수 정확도 32.7% → 47.0%, 그러나 연속 자기 수정 시 파국적 망각 |
이 표에는 두 가지 규칙이 있습니다. 첫째, 스캐폴딩 계층의 진화는 싸고 읽기 쉽고 잊지 않으면서도 효과는 가중치 계층에 뒤지지 않습니다. 둘째, 진화의 성패는 전적으로 평가에 달려 있습니다. DGM 논문에는 유명한 실패 사례가 있는데, 도구 호출 환각을 줄이라는 요구를 받은 에이전트의 “개선”은 환각을 감지하는 로그를 삭제하는 것이었습니다. 평가를 신뢰할 수 있게 만들고 변경을 감사 가능하게 만드는 쪽이 이 학술 곡선을 제품으로 바꿀 수 있습니다.
2.3 변곡점 셋: 진화에 필요한 연산을 분산 네트워크가 이미 싸게 줄 수 있다
진화 한 라운드의 연산 구조는 특별합니다. 후보 생성은 소량의 고품질 추론이고, 평가는 대량의 서로 독립적이고 반복 가능한 추론이며, 둘 사이에 가중치 동기화가 필요 없습니다. 사전학습과는 완전히 다릅니다. 학계와 산업계는 2025–2026년에 이를 반복해서 검증했습니다. Gensyn의 SAPO는 노드 간에 가중치가 아닌 텍스트만 교환하게 해 집단 학습의 누적 보상이 단일 머신보다 94% 높았고 소비자용 노트북도 참여할 수 있었습니다. Prime Intellect의 INTELLECT-2는 RTX 3090 네 장으로 32B 모델의 롤아웃 노드를 돌리고 가중치 갱신은 소수의 고대역폭 노드에 남겼습니다.
가격 격차도 실제입니다. 2026년 7월 시장 시세로 DePIN 네트워크의 RTX 4090은 시간당 약 0.29–0.40달러, H100은 약 1.45–2.70달러인 반면 AWS 온디맨드 H100은 약 4–7달러입니다(출처). 같은 보고서는 순수 DePIN의 약점도 지적합니다. 사용 가능한 노드가 광고 수치보다 훨씬 적고, 신뢰성은 99.99%가 아닌 약 99.7%입니다. 반대편에서는 중앙화된 컴퓨팅이 대량으로 놀고 있습니다. 4대 클라우드의 2026년 AI 자본지출은 7,250억 달러인데, Cast AI가 수만 개 기업 Kubernetes 클러스터를 집계한 결과 GPU 평균 가동률은 5%에 불과합니다(보고서 요약). H100 현물가는 1년 새 22% 내렸고, 아태 지역 가격은 여전히 미국보다 35–45% 높으며 유럽은 12–15% 낮습니다(DeployBase 2026년 3월). 컴퓨팅은 부족하지 않습니다. 부족한 것은 컴퓨팅을 끌어올 수 있는 검증 가능한 실제 작업입니다. 바로 이것이 OURO가 글로벌 네트워크 안에 지역 앵커를 두는 이유입니다. 싼 부분은 글로벌 네트워크에 맡기고, 핵심 부분은 직접 붙듭니다.
2.4 공백은 어디에 있나
기업 생성형 AI 지출은 2024년 115억 달러에서 2025년 370억 달러로 늘었고(Menlo Ventures), Salesforce의 Agentforce 연간 반복 매출은 약 8억 달러로 전년 대비 169% 성장했습니다. 그러나 McKinsey에 따르면 88%의 조직이 AI를 쓰지만 에이전트를 규모화한 곳은 23%뿐이고, Deloitte 2026 조사에서는 에이전트 파일럿의 40% 이상을 프로덕션으로 옮긴 기업이 25%에 불과하며, Gartner는 2027년 말까지 에이전틱 AI 프로젝트의 40% 이상이 취소될 것으로 봅니다(통계 모음).
파일럿과 프로덕션 사이의 죽음의 계곡이 생기는 핵심 이유는 모델이 똑똑하지 않아서가 아니라, 에이전트가 배포 후 만나는 실제 작업이 파일럿 때와 다른데 스스로 적응하지 못하기 때문입니다. 기존 도구 체인은 “어떻게 만드나”와 “어떻게 테스트하나”를 풀지만 “배포 후 어떻게 계속 강해지나”를 푸는 곳은 없습니다. 탈중앙 학습 네트워크는 사전학습과 RL 플랫폼을 풀고 “연산이 실행되었나”를 검증하지만 “능력이 향상되었나”를 검증하는 곳은 없습니다. 이 두 공백이 겹치는 자리가 OURO가 차지하려는 곳, 진화 계층입니다.
3. OURO 네트워크 개요
OURO 네트워크는 다섯 종류의 참여자로 이루어지며, 이들은 플라이휠을 통해 서로를 강화합니다. 접속한 에이전트가 많을수록 진화 작업이 많아지고, 끌어오는 컴퓨팅과 평가 세트가 많아지며, 진화 단가가 내려가고, 에이전트가 강해져 다시 더 많은 접속을 부릅니다.
[그림: OURO 진화 플라이휠 · 5개 고리 — 온라인판 참조]
| 참여자 | 투입 | 획득 |
|---|---|---|
| 에이전트 소유자 (개발자, 기업) | 에이전트 정의, 평가 세트, 예산 ($OURO 또는 스테이블코인) | 진화된 에이전트와 온체인 진화 보고서 |
| 일반 사용자 | OURO Chat 사용, 선택적 피드백 기여 | 쓸수록 맞춰지는 어시스턴트; 기여 포인트 |
| 컴퓨팅 노드 (데이터센터, 사용자 장비, 외부 DePIN) | GPU/CPU 시간, 스테이킹 | 작업량과 검증 통과율로 정산되는 $OURO |
| 검증자 | 평가 결과의 중복 채점, 오판에 대한 책임을 지는 스테이킹 | 검증 보상 |
| 평가 세트와 바운티 발행자 | 평가 세트, 바운티 예치 | 평가 세트 호출 수익 배분; 바운티에 해당하는 진화 성과 |
재단은 네트워크 초기에 파라미터 설정, 데이터센터 운영, 중재 역할을 맡고, 9장의 일정에 따라 권한을 토큰 보유자에게 점진적으로 넘깁니다.
4. OURO Engine: 자기 진화 엔진
OURO Engine은 열린 탐색 시스템입니다. 에이전트 하나와 평가 세트를 주면 예산 안에서 “진단 → 후보 생성 → 분산 평가 → 선별과 보관 → 증명 제출”을 반복해, 평가 점수가 더 높고 모든 변경을 추적할 수 있는 새 버전을 내놓습니다. 설계 원칙은 하나뿐입니다. 가장 싸고 가장 읽기 쉬운 계층을 먼저 진화시키고, 이득이 분명할 때만 가중치를 건드립니다.
4.1 진화의 대상: 얕은 곳에서 깊은 곳으로 네 계층
| 계층 | 수정 가능한 내용 | 라운드당 비용 | 가독성 | 이론과 증거 |
|---|---|---|---|---|
| 컨텍스트와 프롬프트 | 시스템 프롬프트, 예시, 문서 구성 방식 | 낮음, 순수 추론 | 높음, 사람이 직접 검토 가능 | GEPA가 GRPO보다 약 10% 높고 롤아웃 35배 적음 |
| 스킬과 도구 체인 | 재사용 가능한 서브루틴, 도구 선택과 호출 전략, 검색과 계획 템플릿 | 낮음~중간 | 높음, 코드와 파일 | DGM이 SWE-bench를 20%에서 50%로 올린 것이 바로 이 계층 |
| 메모리와 컨텍스트 엔지니어링 전략 | 메모리 구조, “컨텍스트를 어떻게 구성하나”라는 프로그램 자체 | 중간 | 중간 | Meta Context Engineering 평균 89% 향상, 가중치 고정 |
| 가중치 | LoRA / 어댑터 파인튜닝, 소규모 RL | 높음, GPU와 동기화 필요 | 낮음 | SEAL류 방법은 효과적이지만 망각, 기본 비활성 |
고객은 진화를 앞의 세 계층으로 제한할 수 있습니다. 이것은 타협이 아니라 우리의 기본 설정입니다. 앞의 세 계층 변경은 텍스트와 코드라서 diff·검토·롤백이 가능하고 기반 모델을 망가뜨리지 않습니다. 가중치 계층은 평가가 앞의 세 계층이 포화되었음을 증명하고 고객이 명시적으로 허가했을 때만 열립니다.
4.2 진화 한 라운드의 흐름
- 진단. 엔진이 평가 세트에서 현재 버전을 돌리고 실패 사례를 분류합니다. 도구 오용, 추론 오류, 지식 공백, 형식 문제, 컨텍스트 초과. 진단 결과는 자연어 “반성”이며, 이것이 GEPA 경로가 순수 스칼라 보상 RL보다 샘플 효율이 수십 배 높은 이유입니다. 실패 하나에 담긴 정보를 숫자 하나로 누르지 않고 온전히 활용합니다.
- 후보 생성. 실패 유형별로 N개의 변형을 만듭니다. 엔진은 최선만 남기지 않고 과거 버전의 아카이브를 유지하며, 매 라운드 아카이브에서 “점수 × 참신성”으로 부모를 샘플링합니다. 이것이 DGM이 효과를 증명한 열린 탐색입니다. 지금 점수가 낮은 가지가 나중 돌파의 출발점일 수 있습니다.
- 분산 평가. 후보를 평가 작업으로 묶어 OURO Grid로 배포합니다. 각 작업은 여러 노드가 중복 실행하며, 노드 사이에는 작업 조각과 결과만 오가고 가중치는 전달되지 않습니다. 이 단계가 라운드 전체에서 연산 비중이 가장 높고, 소비자용 GPU에 가장 잘 맞는 부분입니다.
- 선별과 보관. 평가 향상폭, 추론 비용, 반복 실행의 분산 세 축으로 파레토 선별을 합니다. 모든 후보는 점수와 함께 아카이브에 들어갑니다. 점수는 높지만 비용이 두 배인 버전은 자동으로 채택되지 않습니다.
- 증명 제출. 승리한 버전의 평가 전후 점수, 평가 세트 해시, 후보 해시, 참여 노드 서명을 PoE 컨트랙트(5장)에 기록하고, 동시에 사람이 읽을 수 있는 변경 로그를 만들어 고객이 배포 전에 검토합니다.
4.3 엔진 자체도 진화한다
엔진은 “이번 라운드에 어떤 후보 생성 전략과 어떤 진단 템플릿이 향상을 가져왔는지”를 기록하고, 후보 생성기 자체에 대해서도 주기적으로 같은 진화를 수행합니다. 이것이 Hyperagents 경로의 핵심입니다. 에이전트만 개선하는 것이 아니라 “개선을 만드는 방법”도 개선합니다. 네트워크 차원에서 의미는 더 큽니다. 접속한 모든 에이전트가 메타 전략에 샘플을 기여하므로 천 번째 에이전트의 진화는 첫 번째보다 훨씬 빠릅니다. 메타 전략 갱신은 자동으로 적용되지 않으며 연구팀의 감사를 거쳐야 합니다(10장).
4.4 평가 체계: “로그를 지우면 만점”을 막기
신뢰할 수 있는 평가 없이는 신뢰할 수 있는 진화도 없습니다. OURO의 평가 세트는 세 종류이며 매 라운드 동시에 돌립니다.
- 고객 평가 세트: 고객이 제공하고 해시는 온체인, 내용은 비공개. 엔진은 그중 일부(학습 슬라이스)만 보고, 나머지는 블라인드 테스트(홀드아웃 슬라이스)로 쓰며 주기적으로 교체해 과적합을 막습니다.
- 공개 평가 세트: Studio 마켓에서 도메인 전문가가 발행하고 거버넌스 심사를 거치며, 발행자는 호출량에 따라 수익을 배분받습니다.
- 기준 평가 세트: 재단이 유지하는 안전과 일반 능력 기준선으로 매 라운드 필수 실행하여 “특정 작업은 강해지고 일반 능력은 퇴화”를 막습니다.
규칙으로 채점하기 어려운 열린 작업에는 고정된 판정 모델을 쓰며, 판정 모델 자체는 진화에 참여하지 않습니다. 평가 결과는 다중 노드 일치를 신뢰도로 삼고, 불일치 작업은 검증자 중재로 넘깁니다. 어떤 라운드의 변경이든 평가가 의존하는 로그, 검사, 도구를 삭제하거나 우회하면 정적 규칙에 의해 바로 무효로 판정됩니다.
4.5 호환성
엔진은 주류 에이전트 정의 형식(OpenAI Agents SDK, Anthropic 도구 호출 형식, LangGraph, CrewAI)과 오픈 가중치를 받으며 고객에게 스택 이전을 요구하지 않습니다. 비공개 기반 모델에도 앞의 세 계층 진화는 온전히 쓸 수 있습니다. 진화된 에이전트는 같은 형식으로 반환되며 기계가 읽을 수 있는 변경 요약과 PoE 기록 링크가 첨부됩니다.
5. Proof of Evolution: 검증 가능한 진화 증명
탈중앙 컴퓨팅 네트워크는 “이 연산이 실제로 실행되었다”를 증명하는 법을 이미 익혔습니다. Proof of Evolution이 증명하는 것은 다른 것입니다. “이 에이전트가 실제로 강해졌다.” 이 결론을 서비스 제공자의 한마디에서 온체인에서 누구나 확인할 수 있는 기록으로 바꾸고, 이 기록을 네트워크 정산과 토큰 방출의 유일한 트리거로 삼습니다.
5.1 PoE 기록에 담기는 것
- 에이전트 식별자와 버전 번호, 전후 두 버전의 콘텐츠 해시
- 평가 세트 해시와 유형(고객 / 공개 / 기준), 그리고 홀드아웃 슬라이스의 해시
- 평가 전후 점수, 실행 횟수, 분산, 추론 비용 변화
- 참여 노드 목록, 각 노드의 결과 해시와 서명, 검증자의 집계 서명
- 변경 로그의 해시(로그 자체는 고객에게 전달)
- 이번 라운드에 소비된 컴퓨팅 단위와 정산 금액
비공개 평가 세트는 해시만 온체인에 올립니다. 제3자는 평가 내용을 보지 않고도 “같은 평가 세트에서 여러 독립 노드가 일치하는 향상을 얻었다”를 검증할 수 있습니다.
5.2 검증 스택: 이론적으로 완벽한 것이 아니라 공학적으로 가능한 수단
추론 검증 기술은 2025–2026년에 계층이 나뉘었습니다. zkML의 오버헤드는 네이티브 실행의 100–10,000배로 LLM에는 비현실적이고, TEE는 약 5–10%, TOPLOC 같은 지역 민감 해시는 약 1%로 모델·프롬프트·정밀도 교체를 감지하며 검증 속도는 생성보다 백 배 빠릅니다(Equilibrium의 검증 가능한 추론 리뷰). OURO는 새 암호학을 발명하지 않고 작업 가치에 따라 계층별로 조합합니다.
| 계층 | 수단 | 오버헤드 | 방어 대상 |
|---|---|---|---|
| 실행 계층 | TOPLOC 방식 활성화 해시, 검증자 표본 재계산 | 약 1% | 노드의 모델 교체, 프롬프트 변경, 정밀도 저하, 미실행 |
| 결과 계층 | 작업당 3개 이상 노드 중복 실행, 이상치 무효화, 스테이킹 차감 | 작업 비용 × 중복도 | 허위 점수, 담합 |
| 평가 계층 | 홀드아웃 블라인드 테스트, 기준선 강제 병행, 정적 규칙 검사 | 평가 비용의 고정 비율 | 과적합, 느슨한 평가 세트, 로그 삭제식 보상 해킹 |
| 기밀 계층(선택) | TEE 실행, 기업 비공개 평가 세트와 가중치 대상 | 약 5–10% | 평가 내용과 가중치 유출 |
| 중재 계층 | 지역 앵커 노드가 분쟁 작업 재계산(첫 앵커는 싱가포르와 조호르바루) | 분쟁 작업만 | 대규모 시빌, 검증자 공모 |
5.3 위조를 막는 법
| 공격 | 대책 |
|---|---|
| 노드가 평가 결과를 허위 보고하거나 소형 모델로 대체 | 실행 계층 해시 + 결과 계층 중복; 이상치 결과 무효화와 스테이킹 차감 |
| 노드 담합 | 작업 무작위 배정, 노드 신원과 스테이킹 결합, 앵커 노드 중재 |
| 고객이 “느슨한” 평가 세트로 증명 생산 | 기준 평가 세트 강제 병행; PoE에 평가 세트 유형 표기, 시장이 가격 결정; 고객 평가 세트는 네트워크 인센티브 방출을 촉발하지 않음 |
| 평가 세트 유출로 인한 과적합 | 학습 슬라이스와 홀드아웃 슬라이스 분리, 홀드아웃 주기적 교체; 단일 노드는 일부 샘플만 봄 |
| 보상 해킹(평가 자체를 수정) | 평가 코드와 진화 대상의 물리적 격리, 진화 과정은 접근 불가; 변경 로그 정적 검사 |
| 시빌 노드의 인센티브 편취 | 작업 할당량을 스테이킹에 연동, 신규 노드는 시험 기간과 낮은 할당량; 인센티브는 검증된 PoE로만 촉발 |
5.4 정산
PoE 기록이 검증자에게 확인되면 정산이 촉발됩니다. 컴퓨팅 노드는 완료 작업과 검증 통과율로 $OURO를 받고, 검증자는 검증 보상을, 평가 세트 발행자는 배분을 받으며, 고객 예산은 실제 소비량만큼 차감됩니다. PoE가 없으면 정산도 토큰 방출도 없습니다. 이것이 8장 토큰 모델의 초석입니다.
5.5 왜 온체인인가
에이전트의 진화 이력은 여러 서비스 제공자, 여러 팀, 심지어 여러 소유자를 거칩니다. 진화 증명을 온체인에 두면 고객이 공급자를 바꿀 때 완전한 능력 증명을 가져갈 수 있고, 거래소·감사인·하류 사용자가 독립적으로 검증할 수 있으며, 네트워크 참여자의 보상이 어느 한 회사의 장부에 의존하지 않습니다. 체인 선택에서 OURO는 PoE 기록, 정산, 거버넌스를 전담하는 자체 앱 체인(OURO Chain, EVM 호환)을 선호하여 범용 퍼블릭 체인의 혼잡과 수수료 변동이 고빈도 정산에 미치는 영향을 피합니다. 테스트넷 단계에서는 먼저 이더리움 L2에서 컨트랙트 로직을 검증하고, 메인넷 전에 보안 감사와 생태계 수요에 따라 최종 방안을 정합니다.
6. OURO Grid: 글로벌 컴퓨팅 네트워크
OURO Grid의 설계 출발점은 단순한 관찰입니다. 진화 루프에서 약 90%의 연산은 평가와 샘플링에 쓰이며, 이 작업은 서로 독립적이고 반복 가능하며 가중치 동기화가 필요 없고 어느 대륙에서 도는지 상관없습니다. 나머지 10%인 가중치 갱신, 중재, 비공개 데이터 호스팅은 고대역폭과 고신뢰성이 필요합니다. 그래서 Grid는 3층 구조의 글로벌 네트워크입니다. 지역 앵커가 신뢰성이 필요한 10%를 맡고, 글로벌 커뮤니티 노드가 병렬 가능한 90%를 맡으며, 외부 컴퓨팅 네트워크가 피크를 받칩니다. 네트워크는 첫날부터 기본 용량이 있어 “먼저 토큰을 발행하고 채굴자를 기다리는” 방식에 의존하지 않고, 첫날부터 글로벌이어서 어느 한 데이터센터의 용량에 제한되지 않습니다.
글로벌은 구호가 아니라 비용과 보안 두 가지 이유입니다. 비용 면에서 같은 모델 GPU의 가격은 아태 지역이 미국보다 35–45% 높고 유럽은 미국보다 12–15% 낮으며(DeployBase, 2026년 3월), 평가형 작업은 지연에 둔감하므로 싼 곳에서 돌려야 합니다. 보안 면에서 PoE의 중복 재계산은 다른 대륙, 다른 운영자의 노드에 분산되어 담합 비용이 단일 지역보다 훨씬 높습니다.
6.1 작업 계층
| 작업 유형 | 대역폭 요구 | 내결함성 요구 | 배정 대상 | 공학적 근거 |
|---|---|---|---|---|
| 후보 평가, 추론 샘플링 | 낮음 | 높음, 반복 실행 가능 | 모든 GPU 노드 | INTELLECT-2의 롤아웃 노드는 RTX 3090 4장 |
| 집단 RL 샘플링(텍스트만 교환) | 낮음 | 중간 | 소비자용 GPU(RTX 4070 이상) | SAPO는 노드 간 롤아웃 텍스트만 전달, 보상 +94% |
| 저통신 학습 조각(DiLoCo 방식) | 중간 | 중간 | 소비자용과 전문가용 GPU | 동기화 지연 150ms 미만 필요 |
| 가중치 수준 파인튜닝, 가중치 브로드캐스트 | 높음 | 낮음 | 지역 앵커 노드, 기업급 노드 | NVLink / 고대역폭 인터커넥트 필요 |
| 중재, 비공개 평가 세트 조각 호스팅 | 낮음 | 매우 높음 | 지역 앵커 노드 | 신뢰 앵커 |
| 데이터 전처리, 결과 검증 | 매우 낮음 | 높음 | GPU 없는 장비 포함 | — |
6.2 앵커 계층: 지역 앵커, 싱가포르–조호르바루에서 출발
앵커 계층은 각 지역에 분산된 중소형 데이터센터로 구성되며, 각 앵커는 세 가지를 맡습니다. 중재와 홀드아웃 평가(신뢰 앵커), 고대역폭 인터커넥트가 필요한 가중치 수준 작업, 그리고 커뮤니티 노드가 흔들릴 때의 기본 용량. 이들은 주력 컴퓨팅이 아니라 네트워크의 뼈대이며, 네트워크 규모는 커뮤니티 공동 구축으로 확장됩니다. 이것이 순수 DePIN의 약점에 대한 정면 답입니다. io.net은 3만여 장의 GPU를 내세우지만 블록 탐색기에는 2026년 8월 2,447대만 온라인으로 표시되었고, Aethir의 월 서비스 수수료는 최근 10개월간 절반 이상 줄었습니다(DePIN 수익 비교). 앵커 계층이 없는 네트워크는 활성 노드가 흔들리는 순간 바로 서비스가 끊깁니다.
첫 앵커는 싱가포르와 조호르바루에 둡니다. 두 곳은 약 30km 떨어져 하나의 논리 클러스터로 스케줄링할 수 있으면서도 두 관할권과 두 전력 체계에 속해 자연스러운 재해 복구가 됩니다. 이곳에서 출발하는 이유는 세계에서 드문 “규제 준수는 한쪽에, 컴퓨팅은 다른 쪽에”이기 때문입니다. 싱가포르에는 재단, 규제 준수 펀드, DTSP 제도가 있지만 데이터센터 용량이 극도로 빠듯하고(운영 약 1.46GW, 건설 중 20–25MW뿐), 조호르는 2026년 상반기 아태 최대 데이터센터 시장이 되어 운영 1,110MW, 건설 중 602MW, 계획 2,486MW에 완공 시설 공실률은 0.7%에 불과합니다(Cushman & Wakefield H1 2026). 중소형 앵커는 초대형 데이터센터와 용량을 다투지 않고 신뢰성이 필요한 소수의 작업만 맡습니다.
이후 앵커는 “대응 커뮤니티가 있고, 협력 운영사가 있고, 가격 우위가 있다”는 세 조건에 따라 커뮤니티와 파트너가 함께 구축하며, 후보 지역은 동북아시아(도쿄 / 서울), 유럽(프랑크푸르트 / 암스테르담), 미국 중부입니다. 앵커 운영자는 $OURO를 스테이킹하고 중재 결과는 다른 앵커의 교차 검토를 받습니다. 첫 앵커의 GPU 모델, 수량, 가동 시점은 정식판에서 공개됩니다.
6.3 탄력 계층: 글로벌 커뮤니티 노드
사용자는 OURO Grid 클라이언트를 내려받아 소량의 $OURO를 스테이킹해 작업 할당량을 받고, 클라이언트가 장비 성능을 자동 평가해 맞는 작업을 받습니다. 노드는 비식별 처리된 작업 조각만 다루며 전체 모델 가중치나 비공개 평가 세트 전문은 접하지 않습니다. 정산은 “완료 작업 수 × 검증 통과율 × 작업 가중치”로 계산되며, 신규 노드는 시험 기간 후 할당량이 점차 늘어납니다. 사용자 입장에서 유휴 RTX 4090 한 장의 2026년 시장 가격은 시간당 약 0.29–0.40달러이며, 이것이 Grid에서의 수익 기준입니다.
6.4 외부 컴퓨팅 공급
io.net, Aethir, Akash, Render 같은 DePIN 네트워크와 RunPod, Vast.ai 같은 현물 시장은 모두 OURO Grid의 외부 공급자로 접속할 수 있으며, 재단이 $OURO나 스테이블코인으로 필요한 만큼 구매합니다. 이를 통해 OURO는 수요 피크 시 탄력적으로 확장하면서도 이들 네트워크와 컴퓨팅 규모로 경쟁하지 않습니다. 그들에게 OURO는 안정적인 실수요를 가져오는 고객이며, 이것이 바로 2026년 DePIN 컴퓨팅 네트워크에 공통으로 부족한 것입니다(Akash의 2025년 연간 수익은 315만 달러에 불과).
6.5 스케줄링과 신뢰성
스케줄러는 작업 유형, 노드 성능, 과거 신뢰도, 위치, 실시간 가격으로 작업을 배정합니다. 지연에 둔감한 평가 작업은 가격을 따르고, 핵심 작업은 신뢰성을 따르며, 중복 재계산은 일부러 다른 지역과 운영자에게 분산합니다. 핵심 작업은 3중 중복이며, 노드 신뢰도 점수는 이후 할당량과 보상 계수에 영향을 줍니다. 네트워크 상태 지표(지역별 노드 수, 작업 완료율, 평가 일치율, 진화 라운드당 평균 비용)는 온체인과 대시보드에 공개되며 키 없이 읽을 수 있습니다.
7. 제품과 응용
7.1 OURO Chat (일반 사용자)
쓸수록 강해지는 AI 어시스턴트. 일반 채팅 제품의 “개인화”는 선호를 기억하는 데 그치지만, OURO Chat은 사용자의 수정, 평점, 작업 결과를(사용자가 기여 모드를 켠 뒤) 진화 신호로 바꾸어 주기적으로 Grid에서 진화 작업을 돌리고, “나의 진화” 페이지에서 이번 주 어시스턴트가 어떤 작업 유형에서 얼마나 향상되었는지 보여줍니다. 고품질 피드백을 기여한 사용자는 포인트를 얻고, 포인트는 고급 기능이나 $OURO로 교환할 수 있습니다. 대화는 기본적으로 학습에 쓰이지 않으며, 기여 모드는 언제든 끌 수 있고 기여한 데이터를 철회할 수 있습니다.
7.2 Evolve API (개발자와 기업)
세 단계로 접속합니다. 에이전트 정의와 평가 세트를 제출하거나 Studio 마켓의 공개 평가 세트를 선택하고, 예산과 허용할 진화 계층을 설정한 뒤, 진화 보고서를 기다립니다. 보고서에는 평가 전후 비교, 라운드별 변경 요약, PoE 온체인 기록 링크, 바로 배포 가능한 새 버전이 담깁니다. 가격은 진화 라운드와 컴퓨팅 단위로 책정하며 $OURO 결제 시 할인이 있고, 기업은 프라이빗 배포 버전(엔진이 고객 클러스터에서 돌고 PoE 기록만 온체인)을 구매할 수 있습니다.
7.3 OURO Studio (개발자 플랫폼)
개발자는 Studio에서 진화 이력을 보고, 버전을 비교하고, 평가 세트를 발행하고, 진화 바운티를 발행하거나 수령합니다. 평가 세트 마켓은 도메인 전문가가 평가 역량을 수익으로 바꾸게 하고, 바운티는 누구나 “어떤 오픈소스 에이전트를 어떤 작업에서 강하게 만들기”에 자금을 대고 네트워크가 경쟁해 완수하게 합니다.
7.4 Grid 클라이언트 (컴퓨팅 기여자)
Windows, macOS, Linux를 지원하는 데스크톱과 서버 클라이언트. 원클릭 설치, 자동 작업 매칭, 수익과 신뢰도 점수 실시간 표시, 다중 GPU와 소형 데이터센터 모드 지원.
7.5 응용 시나리오
| 시나리오 | 사용자 | 진화 목표 | 전형적인 평가 신호 |
|---|---|---|---|
| 고객지원 에이전트 | 이커머스, SaaS 기업 | 상담원 전환율 감소, 1회 해결률 향상 | 티켓 종료 결과, 사용자 평점, 상담원 인계 기록 |
| 코딩 에이전트 | 개발 도구 기업, 엔지니어링 팀 | 저장소 수준 작업 통과율 향상, 작업당 토큰 비용 감소 | 단위 테스트, CI 결과, 코드 리뷰 통과율 |
| 트레이딩 / 리서치 에이전트 | 암호화폐와 금융 기관 | 신호 정확도 향상, 통제된 손실폭 | 백테스트 결과, 모의투자 PnL, 사실 확인 |
| 운영 / 데이터 에이전트 | 중대형 기업 | 보고서, 티켓, 프로세스 자동화의 정확도와 일관성 | 수동 수정률, 재실행률 |
| 오픈소스 에이전트 | 커뮤니티 | 바운티를 통한 집단 진화 | 공개 평가 세트 |
| 개인 어시스턴트 | 일반 사용자 | 개인 워크플로에 맞춤 | 사용자 수정과 평점 |
진화 작업이 네트워크에서 어떻게 도는지 보여주는 세 가지 예시입니다(숫자는 흐름 설명을 위한 가정).
예시 하나: 동남아 이커머스 기업의 고객지원 에이전트. 출시 때 해결률 62%였지만 석 달 뒤 프로모션 규칙, 물류사, 기반 모델이 모두 바뀌어 54%로 떨어졌습니다. Evolve API에 접속한 뒤 매주 비식별 처리한 티켓 샘플을 평가 세트로 제출하면, 엔진은 글로벌 커뮤니티 노드에서 수백 개 후보 버전을 병렬 평가하며 시스템 프롬프트, 주문 조회 도구의 호출 전략, 메모리 구성 방식을 바꿉니다. 홀드아웃은 지역 앵커에서 돌고, 검증을 통과하면 새 버전이 고객에게 돌아가고 증거는 온체인에 오릅니다. 고객이 지불하는 것은 “해결률이 54%에서 66%로 돌아왔다”는 결과입니다.
예시 둘: 오픈소스 코딩 에이전트. 커뮤니티가 Studio에 바운티를 겁니다. “어떤 유형의 저장소 수정 작업에서 통과율을 10포인트 올려라.” 여러 팀이 엔진으로 서로 다른 진화 전략을 돌리고, 결과는 같은 공개 평가 세트에서 경쟁하며, 바운티는 PoE 기록의 향상폭에 비례해 배분됩니다. 공개 리더보드는 이미 포화되었고(SWE-bench Verified 최상위 모델 97%), 커뮤니티가 진짜 신경 쓰는 것은 자기 저장소에서의 성능입니다.
예시 셋: 퀀트 기관의 리서치 에이전트. 평가 세트는 비공개이고 해시만 온체인에 오릅니다. 진화는 고객 자체 클러스터나 TEE 앵커에서 돌고, 커뮤니티 노드는 비식별 처리된 후보 생성만 맡습니다. 고객이 얻는 것은 전략 세부를 노출하지 않으면서 컴플라이언스와 LP에게 보여줄 수 있는, 제3자가 검증 가능한 능력 증명입니다.
7.6 비즈니스 모델과 단위 경제
OURO의 수익 논리는 “결과로 가격을 매기고 비용으로 정산한다”입니다. 고객은 PoE로 검증된 매 진화 라운드에 대해 지불하고, 네트워크는 실제 컴퓨팅 소비량에 따라 노드에 정산하며, 그 차액이 엔진과 검증의 가치입니다.
| 수익원 | 가격 논리 | 비용 구조 | 참고 기준 |
|---|---|---|---|
| Evolve API | 진화 라운드 + 컴퓨팅 단위로 과금; 스캐폴딩 계층 라운드 가격은 가중치 계층보다 훨씬 낮음 | 평가 컴퓨팅(Grid에 위탁, 소비자용 GPU 시간당 약 0.3–0.4달러) + 후보 생성 추론 비용 + 검증 오버헤드(약 1%) | 기업의 중앙화 H100 구매 시간당 약 4–7달러; 시니어 엔지니어가 스캐폴딩 한 라운드를 수동 조정하는 인건비 |
| OURO Chat 구독 | 월 구독 + 고급 기능, $OURO 할인 | 추론 + 사용자당 주기적 진화 비용(스캐폴딩 계층) | 주류 어시스턴트 구독가 |
| 평가 세트 마켓과 바운티 | 거래 수수료 | 예치와 정산 | — |
| 기업 프라이빗 배포 | 연간 라이선스 + 라운드당 | 엔진이 고객 클러스터에서 실행, PoE만 온체인 | 기업 RL / 평가 플랫폼 라이선스 비용 |
단위 경제의 핵심은 스캐폴딩 우선입니다. 스캐폴딩 계층 진화 한 라운드의 연산은 거의 전부 평가 추론이라 소비자용 GPU에 전부 올릴 수 있고, 고객이 지불하는 것은 “평가 점수가 얼마나 올랐나”입니다. 총이익은 두 가지 격차에서 나옵니다. 분산 컴퓨팅과 중앙화 컴퓨팅 사이의 60–70% 가격 차이, 그리고 자동 진화와 수동 조정 사이의 인건비 차이. 구체적 가격은 엔진 비공개 베타가 끝나고 실제 라운드당 비용 데이터를 확보한 뒤 공개합니다.
두 가지 외부 변화가 이 모델에 유리합니다. OpenAI의 Agent Builder와 Evals가 2026년 11월에 종료되고 셀프서브 파인튜닝이 2027년 1월에 닫히므로 기업은 특정 모델 회사에 묶이지 않는 지속 개선 계층이 필요합니다. 그리고 Gartner가 예상하는 40%의 에이전틱 프로젝트 취소율은 “이미 배포된 에이전트를 살리는 것” 자체가 예산 항목임을 뜻합니다.
7.7 경쟁 구도와 포지셔닝
OURO 주변에는 세 부류의 플레이어가 있지만 같은 일을 하는 곳은 없습니다.
| 평가 / 관측 플랫폼 (Braintrust, LangSmith, Arize) | 탈중앙 컴퓨팅 (io.net, Akash, Aethir) | 탈중앙 지능 마켓 (Bittensor) | OURO | |
|---|---|---|---|---|
| 핵심 산출물 | 어디가 틀렸는지 알려줌 | GPU 시간 판매 | 서브넷 경쟁으로 모델과 서비스 산출 | 당신의 에이전트를 더 좋게 만들고, 더 좋아졌음을 증명 |
| 최적화 주체 | 사람 | — | 채굴자 스스로 결정 | 자기 진화 엔진 |
| 수요 출처 | 기업 구독 | 외부 임대, 변동 큼 | 주로 발행 보조 | 진화 작업 자체 |
| 발행 근거 | — | 온라인 시간 / 자가 보고 | 검증자 채점 | 검증된 진화 향상폭 |
| 모델 중립 | 모델 회사에 인수되는 중 | 예 | 예 | 예, 설계 원칙 |
| 2026년 규모 참고 | 평가와 관측 시장 2025년 19.7억 달러, 2029년 68억 | Aethir 2025년 서비스 수수료 약 1.28억 달러, Akash 315만 | Bittensor 2026년 1분기 프로토콜 수익 4,320만 달러, 시가총액 약 30억 | — |
학계에서 가장 가까운 연구(DGM, GEPA, Hyperagents)는 아직 제품화되지 않았고, 상업계에서 가장 가까운 Pydantic Logfire 등은 “증거를 인용한 단일 변경 제안”을 제공하기 시작했지만 자동·지속·검증 가능한 진화까지는 한 계층이 더 남아 있습니다. OURO의 위치는 평가 계층 위, 모델 계층 밖입니다. 평가 플랫폼은 신호원이고, 컴퓨팅 네트워크는 공급자이며, 모델 회사는 상류입니다.
8. 토큰 경제: $OURO
$OURO는 네트워크의 작업 토큰이며 어떤 회사의 지분이나 이익 배분권도 대표하지 않습니다. 설계는 한 가지 질문에만 답합니다. 토큰의 흐름을 가격이나 투표가 아니라 검증된 작업량에 엄격히 따르게 하려면 어떻게 해야 하나. 총량은 10억 개로 고정되며 추가 발행은 없습니다.
8.1 Bittensor에서 배운 것
Bittensor는 현존 최대의 AI 네트워크 토큰 실험입니다. 2025년 2월 서브넷 토큰 가격에 따라 발행을 배분하는 dTAO를 출시하자 프로젝트들이 국고로 가격을 떠받쳐 발행을 편취했고, 11월에 순유입 기준으로 바꿨다가, 2026년 6월 다시 가격 기준으로 돌아가며 순위 문턱을 추가했습니다. 18개월에 세 가지 메커니즘, 승자독식, 수동 보유자는 계속 희석되었습니다(dTAO 서브넷 경제학 분석). OURO는 여기서 다섯 가지 설계 제약을 뽑았습니다. 발행은 검증된 작업 산출에만 묶고 조작 가능한 단일 시장 신호는 쓰지 않는다. 경직된 문턱 대신 매끄러운 곡선을 쓴다. 규칙 변경은 드물고 문서화되며 거버넌스를 거친다. 모든 배분과 성과 데이터는 온체인에 키 없이 공개한다. 참여 문턱을 낮춘다.
8.2 수요의 원천
- 결제: Evolve API 고객과 Chat 고급 사용자는 $OURO로 결제 시 20% 할인; 법정화폐나 스테이블코인 결제 수익의 고정 비율(30% 제안)로 공개 시장에서 $OURO를 매입해 인센티브 풀에 투입.
- 스테이킹: 컴퓨팅 노드와 검증자는 작업 할당량을 받으려면 $OURO를 스테이킹해야 하며, 부정행위나 장기 오프라인 시 차감.
- 예치: 바운티와 평가 세트 마켓은 $OURO로 예치하고 정산.
- 거버넌스: 제안에는 스테이킹 문턱이 필요하고, 투표권은 스테이킹 수량과 기간에 연동.
8.3 배분
| 범주 | 비율 | 방출 규칙 |
|---|---|---|
| 네트워크 인센티브 (노드, 검증자, 사용자 기여) | 38% | 검증된 PoE로만 촉발; 첫 4년간 최대 60%까지 방출, 이후 매끄러운 감쇠 곡선 |
| 생태계와 연구 기금 | 15% | 재단이 분기별 해제, 바운티·지원금·학술 협력에 사용 |
| 팀과 연구원 | 18% | TGE 후 12개월 잠금, 이후 36개월 선형 방출 |
| 투자자 | 17% | 6–12개월 잠금, 이후 24개월 선형 방출 |
| 재단 국고와 유동성 | 8% | TGE 시 3% 해제해 거래소 유동성에 사용, 나머지는 거버넌스가 결정 |
| 커뮤니티 런치 (초기 지지자, 에어드롭, 공개 판매) | 4% | TGE 시 50% 해제, 나머지 6개월 선형 |
8.4 발행의 촉발 논리
네트워크 인센티브는 시간에 따라 균등하게 방출되지도, 토큰 가격이나 투표에 따라 방출되지도 않습니다. 검증된 PoE 기록 하나가 정산 한 번에 대응하며, 정산량은 작업 난이도, 검증 통과율, 평가 향상폭이 함께 결정합니다. 고객이 자체 평가 세트를 가져온 진화는 정산만 하고 발행하지 않아 느슨한 평가로 발행을 편취하는 것을 막습니다. 네트워크 활동이 적으면 방출도 적어 초기 인플레이션이 가격을 짓누르는 것을 피하고, 수익으로 매입한 토큰도 인센티브 풀에 들어가 보상이 실제 수익과 양의 상관을 갖습니다. 스테이킹하지 않는 보유자가 발행으로 0까지 희석되지는 않습니다. 발행 상한은 고정이고 매입은 추가 발행이 아닙니다.
8.5 토큰의 법적 위치
$OURO는 네트워크 유틸리티 토큰으로 설계되었습니다. 수익을 약속하지 않고, 배당하지 않으며, 보유 자체로 수익이 생기지 않습니다. 싱가포르 통화청(MAS)이 2025년 6월 30일 시행한 디지털 토큰 서비스 제공자(DTSP) 제도는 순수 유틸리티 또는 거버넌스 토큰 관련 서비스가 이 제도의 규제 범위 밖임을 명시합니다(Allen & Gledhill 해석). TGE 전에 증권선물법, 결제서비스법, FSMA에 관한 싱가포르 변호사의 법률 의견서를 받고, 이에 따라 발행 주체와 각 관할권의 판매 제한을 정합니다. 이 장의 모든 비율과 규칙은 초안이며 법률 의견에 따라 조정될 수 있습니다.
9. 거버넌스
거버넌스는 세 단계로 점진적 탈중앙화하며, 속도는 로드맵의 관문과 연동됩니다.
| 단계 | 결정 주체 | 결정 가능 사항 |
|---|---|---|
| 재단 주도 (0–1단계) | OURO Foundation 이사회 (규제 준수 펀드 대표와 독립 이사 포함) | 모든 파라미터, 데이터센터 운영, 평가 세트 심사 |
| 혼합 거버넌스 (2단계) | 토큰 보유자 투표 + 재단 거부권 (안전과 규제 준수 사항에 한정) | 인센티브 파라미터, 평가 세트 심사, 바운티 예산, 생태계 지원 |
| 커뮤니티 거버넌스 (3단계부터) | 토큰 보유자와 노드 대표로 구성된 이사회 | 프로토콜 업그레이드, 국고 사용, 재단 예산 |
투표권은 스테이킹 수량과 기간에 연동되어 단기 차입 토큰 조작을 막습니다. 핵심 파라미터 수정에는 타임락이 있으며, 엔진의 안전 경계(10장)에 관한 사항은 일반 투표에 부치지 않습니다.
10. 안전, 프라이버시, 규제 준수
10.1 자기 진화의 안전 경계
자기 수정 시스템에는 시스템 스스로 수정할 수 없는 경계가 있어야 합니다. 이것은 추상적 걱정이 아닙니다. DGM 논문의 에이전트는 “도구 호출 환각을 줄이기” 위해 환각을 감지하는 로그를 삭제했고, SEAL의 저자들은 연속 자기 편집이 초기 지식을 지운다고 보고했습니다. OURO는 다섯 가지 경계를 둡니다.
- 평가와 진화 대상의 물리적 격리. 진화 과정은 평가 코드, 홀드아웃 슬라이스, 판정 모델을 읽거나 쓸 권한이 없으며, 모든 후보 버전은 샌드박스에서만 평가됩니다.
- 기준 안전 평가 세트는 매 라운드 필수 실행하며, 통과하지 못한 버전은 특정 평가에서 얼마나 향상되었든 제출할 수 없습니다.
- 매 라운드 변경은 사람이 읽을 수 있는 변경 로그(스캐폴딩 계층은 곧 diff)를 생성하고, 고객이 배포 전에 검토·거부·롤백합니다. 엔진이 전달하는 것은 버전 패키지이며 배포 시점은 고객이 정합니다.
- 엔진의 메타 전략 갱신은 연구팀의 감사 후에만 적용되고 감사 기록은 공개되며, 메타 전략은 일반 거버넌스 투표에 들어가지 않습니다.
- 엔진은 프로덕션 환경, 자금, 키에 접근할 권한이 없습니다.
10.2 프라이버시
사용자 대화는 기본적으로 학습에 들어가지 않습니다. 기여 모드는 명시적으로 켜야 하며 언제든 끄고 철회할 수 있습니다. 기여 데이터는 비식별 처리와 분할을 거쳐 작업에 들어가며 단일 노드로는 전체 맥락을 복원할 수 없습니다. 비공개 평가 세트는 해시만 온체인에 올리며, 기업은 TEE 실행을 선택할 수 있습니다. 싱가포르 PDPA를 따르고 해외 사용자에게는 GDPR을 기준선으로 적용합니다.
10.3 네트워크 보안
스마트 컨트랙트는 메인넷 전에 최소 두 곳의 감사 기관이 감사합니다. 노드 클라이언트는 오픈소스입니다. 핵심 작업은 3중 중복과 앵커 노드 중재를 거칩니다. 버그 바운티 프로그램은 상시 운영됩니다.
10.4 규제 준수
재단은 싱가포르에 설립되어 규제 준수 펀드의 투자를 받고 독립 이사를 둡니다. MAS의 DTSP 제도는 2025년 6월 30일부터 유예 기간 없이 시행되었고, 해외 고객만 상대하는 싱가포르 법인에는 일반적으로 면허를 내주지 않는다고 MAS가 명시했습니다. 이것이 OURO의 주체 구성을 결정합니다. 재단은 유틸리티 토큰과 거버넌스 관련 활동만 하고 어떤 디지털 결제 토큰 서비스도 제공하지 않으며, 거래와 수탁은 면허를 가진 제3자에게 맡깁니다. 토큰 발행 전에 법률 의견서를 받고, 제한 관할권(미국인 포함)에는 지리와 KYC 제한을 적용하며, 마케팅 자료는 수익을 약속하지 않고 KOL 협업은 서면 공개가 필수입니다. 데이터센터 운영은 싱가포르와 말레이시아 현지의 데이터센터 및 전력 규제를 준수합니다.
11. 로드맵
[그림: 로드맵 · 4단계, 3개 관문 — 온라인판 참조]
각 단계 진입은 이전 단계의 관문 충족을 전제로 합니다. 엔진 베타가 지속적으로 향상되고 첫 앵커가 안정적으로 운영(G1), 테스트넷 90일 무중대장애 운영과 보안 감사 완료(G2), Evolve API 유료 고객 확보와 법률 의견·토큰 감사 완료(G3). 충족하지 못하면 미루되, 일정에 쫓겨 관문을 건너뛰지 않습니다.
12. 팀, 연구원, 파트너
연구원 명칭, 핵심 구성원과 대표 논문, 싱가포르 규제 준수 펀드의 명칭과 투자 라운드는 모두 공개 가능하며, 각 당사자의 최종 확인 후 이 장에 기입합니다. 초기 커뮤니티는 현재 수백 명 규모로 글로벌 시장에 분포하며 제네시스 노드와 첫 사용자의 기반이 됩니다.
조직 구조는 “재단(토큰과 거버넌스) + 운영 회사(제품과 수익) + 연구원 협력(기술 투입)” 세 주체로 구성하며, 자세한 내용은 프로젝트 기본 핸드북 9장을 참조하세요.
13. 위험 고지와 면책
이 문서는 OURO 네트워크의 설계와 계획을 소개하기 위한 것으로, 어떤 증권·금융상품·투자의 청약이나 권유도 아니며 투자·법률·세무 자문도 아닙니다. $OURO는 네트워크 유틸리티 토큰이며 어떤 주체의 지분, 채권, 이익 배분권도 대표하지 않습니다.
문서의 기술, 제품, 토큰 파라미터, 로드맵에 관한 모든 설명은 계획이며 기술 진척, 시장 상황, 규제 요구, 법률 의견에 따라 조정될 수 있고 실현을 보장하지 않습니다. 디지털 자산 가격은 변동이 심하며 네트워크 참여로 투입한 전부를 잃을 수 있습니다. 일부 관할권(미국과 제재 지역을 포함하되 이에 한정되지 않음)에서는 $OURO가 거주자에게 제공되지 않을 수 있습니다. 독자는 위험을 직접 평가하고 전문가의 의견을 구해야 합니다.
문서 버전: v1.1 초안, 2026년 10월 10일. 정식판은 법률 의견서, 컨트랙트 감사, 팀 정보 확인 후 발행됩니다.
부록: 자주 묻는 질문
OURO는 또 하나의 GPU 임대 네트워크인가요? 아닙니다. OURO가 파는 것은 검증된 능력 향상이며, 컴퓨팅은 비용 항목이지 제품이 아닙니다. 기존 DePIN 네트워크는 OURO에게 경쟁자가 아니라 공급자입니다.
왜 Braintrust나 LangSmith를 바로 쓰지 않나요? 그들은 에이전트의 어디가 틀렸는지 알려주지만 고치는 것은 여전히 사람의 몫입니다. OURO는 “고치기”를 자동화하고 그 결과를 제3자가 검증할 수 있게 합니다. 평가 플랫폼의 데이터는 OURO의 입력 신호가 될 수 있습니다.
모델 회사가 직접 하면 어떻게 되나요? 모델 회사의 동기는 자사 모델을 쓰게 하는 것입니다. OURO는 모델에 묶이지 않고 모델 바깥의 스캐폴딩을 진화시키므로, 모델을 바꿔도 진화 성과가 따라갑니다. OpenAI가 2026년에 파인튜닝과 호스팅 평가를 축소한 것은 이 계층을 장기적으로 할 생각이 없음을 보여줍니다.
자기 진화가 통제를 벗어나지 않을까요? 진화는 고객이 설정한 예산, 계층, 평가 세트 범위 안에서만 진행됩니다. 매 라운드 변경에는 읽을 수 있는 차이 기록과 롤백 지점이 있고, 홀드아웃과 중복 재계산이 “감지기 삭제”식 가짜 향상을 막습니다. 10.1절의 다섯 가지 경계를 참조하세요.
컴퓨팅 네트워크에는 싱가포르와 조호르바루 두 데이터센터뿐인가요? 두 곳은 중재와 기본 용량을 맡는 첫 지역 앵커입니다. 네트워크의 규모는 글로벌 커뮤니티 노드와 외부 공급에서 오며, 이후 앵커는 커뮤니티와 파트너가 다른 지역에 함께 구축합니다.
내 GPU로 얼마나 벌 수 있나요? 검증된 작업을 얼마나 완료했는지에 달려 있습니다. 기준은 시장의 같은 모델 GPU 임대가(RTX 4090 시간당 약 0.3–0.4달러)이며 고정 수익은 약속하지 않습니다. 네트워크 수요가 없을 때는 발행이 없습니다.
$OURO는 언제 발행되나요? TGE는 Evolve API 유료 고객 확보, 법률 의견과 토큰 감사 완료 이후(로드맵 G3)로, 2027년 4분기에서 2028년 1분기 사이로 계획하고 있습니다. 제품이 먼저, 토큰은 나중입니다.
미국 사용자도 참여할 수 있나요? 제품 사용과 컴퓨팅 기여는 제한이 없습니다. 토큰 판매는 제한 관할권에 지리와 KYC 제한을 적용하며, 구체적인 사항은 법률 의견에 따릅니다.