Dolphin

Dolphin이란 무엇인가?

Dolphin은 AI 및 DePIN 인프라 프로젝트로, 핵심 제품인 Dolphin Network는 AI 추론(workload)을 중앙화된 클라우드 클러스터에만 의존하지 않고 분산형 GPU 운영자에게 라우팅하도록 설계되어 있다. 이 프로토콜이 전제로 하는 문제의식은, 모델 추론 수요는 빠르게 증가하고 있지만, 하이퍼스케일 제공업체 밖에 있는 소비자 및 데이터 센터용 GPU 용량이 대량으로 놀고 있다는 수요-공급의 불일치다. Dolphin이 제시하는 이점은 “peer-to-pool” 방식의 추론 설계이다. 여기서 유휴 GPU 보유자는 요청을 처리하고 Dolphin 토큰을 벌며, 전통적인 중앙화 서비스 수준 계약(SLA)이 아니라 암호화, 무작위 검증, 모델 출력 점검, 암호경제적 본딩에 의해 제약을 받는다. 이 프로젝트의 공개된 AI 활동은 이론에 그치지 않는다. Hugging Face organization은 Dolphin을 AI 모델 개발과 분산 추론에 초점을 둔 조직으로 설명하며, Venice 브랜드가 붙은 모델 변형을 포함해 수십 개의 공개 모델 저장소를 나열하고 있다.

Dolphin은 범용 레이어 1 또는 레이어 2 블록체인이 아니라 틈새 영역에 초점을 둔 애플리케이션 계층 네트워크이다. 토큰은 원래 DPHN으로 불렸으나, 이후 여러 데이터 제공업체에서 POD로 리브랜딩되었고, Base 네트워크의 컨트랙트 주소는 0xed664536023d8e4b1640c394777d34abaff1df8f이다. 2026년 10월 초 기준으로, 시세 데이터 애그리게이터들은 Dolphin을 핵심 인프라 자산이라기보다는 소형~중형 시가총액 암호화폐 구간에 배치했다. CoinGecko와 DefiLlama’s token page는 유통 물량이 5억 개 상한 중 8천만 개 초반 수준이라고 제시했으며, 순위는 애그리게이터마다 상당한 차이를 보였다. Dolphin은 대출 시장이나 자동화 마켓 메이커처럼 Total Value Locked(TVL) 프로필을 갖고 있지 않으며, 공개 DeFi TVL 트래커들은 이를 자본을 장기간 잠그는 DeFi 프로토콜이기보다는 토큰 자체로 주로 분류한다. 이 때문에 TVL보다는 추론 수요, 노드 참여, API 사용량, 토큰 집중도, 모델 채택도 같은 지표가 더 의미 있는 인디케이터가 된다.

Dolphin은 누가, 언제 설립했는가?

Dolphin의 계보는 검열 없는 조정 가능(steerable) 언어 모델 파인튜닝 계열인 Dolphin 패밀리의 개발자 Eric Hartford와 밀접하게 연결되어 있다. 공개된 크립토 프로필과 지역 시장 자료는 Hartford를 핵심 설립자 또는 코어 컨트리뷰터로 지목하며, 프로젝트의 Hugging Face presence는 Dolphin 조직이 활발한 모델 퍼블리셔임을 보여준다. 실질적인 론칭 맥락은 두 단계에 걸쳐 전개되었다. 첫 번째는 2023–2025년 로컬 AI 사이클 동안 Dolphin 브랜드의 오픈 모델이 등장한 시기다. 이때 오픈 웨이트 LLM은 폐쇄형 모델 API에 대한 카운터웨이트 역할을 했다. 두 번째는 2026년 토큰화된 네트워크 단계로, Dolphin의 DPHN/POD 자산과 Base 배포가 탈중앙 추론, GPU 수익화, 프로토콜 바이백을 중심으로 포지셔닝되었다. 이러한 시점 선택은 Bittensor, Render, Akash, io.net, Gensyn 등 AI 연산을 크립토 기반 시장으로 전환하려는 여러 시도와 같은 거시 테마 안에 Dolphin을 위치시켰다.

프로젝트의 내러티브는 오픈 모델 퍼블리싱에서 수직 통합형 AI 인프라 논지로 이동해왔다. 초기 Dolphin 스토리는 검열 없는 조정 가능 모델 파인튜닝과 사용자 주도 정렬(user-controlled alignment)에 초점을 두어 로컬 AI 사용자들 사이에서 인지도를 얻었지만, 이 자체만으로는 토큰 경제를 만들지는 못했다. 이후 Dolphin Network 내러티브는 여기에 거래 레이어를 추가한다. GPU 보유자는 지원 모델을 실행하고, 사용자나 애플리케이션은 추론 결과를 소비하며, 검증자는 운영자가 실제로 주장하는 모델을 돌리고 있는지 확인한다. 프로토콜 수익은 토큰 경제를 뒷받침하는 것을 목표로 한다. 여러 서드파티 프로필은 원래 DPHN 자산이 2026년 초에 POD로 마이그레이션 또는 리브랜딩되었다고 설명하며, 한국 시장 보도에 따르면 Upbit이 2026년 10월 2일 POD 마켓을 상장했다고 전한다. 이는 자산의 거래소 노출을 크게 확대했지만, 실제 추론 수요가 단순 투기 거래를 넘어 확장될 수 있는지라는 근본적 질문을 바꾸지는 못했다.

Dolphin Network는 어떻게 작동하는가?

Dolphin은 비트코인이 작업증명(PoW), 이더리움이 지분증명(PoS)을 사용하는 것과 같은 의미의 베이스 레이어 합의 네트워크가 아니다. 오히려 Ethereum 레이어 2인 Base 위에서 토큰 결제를 처리하면서, AI 추론을 위한 오프체인 GPU 작업을 조정하는 애플리케이션 계층 DePIN 프로토콜로 이해하는 편이 적절하다. 네트워크의 경제적 합의는 블록 생산이라기보다는 서비스 검증과 본딩된 참여 구조에 가깝다. 운영자는 GPU를 추론 풀에 기여하고, 요청을 수신하며, 유용한 연산에 대해 보상을 받는다. 검증자 또는 검증 루틴은 부정직한 서비스, 잘못된 모델 실행, 조작된 출력 등을 탐지하려 시도한다. 프로젝트의 공개 설명은 암호화, 무작위 샘플링 검증, 암호경제적 본딩을 강조하며, CoinGecko의 Dolphin 프로필 역시 본딩과 무작위 샘플링 검증이 출력 무결성을 유지하기 위한 메커니즘이라고 설명한다.

핵심 기술적 과제는 AI 추론을 저렴하게 검증하기가 어렵다는 점이다. Dolphin의 공개 자료와 시세 데이터 프로필은 모델 핑거프린팅, 로그 확률(log-probability) 점검, 검증 샘플링 등의 기법을 언급한다. 이들은 매 답변을 신뢰할 수 있는 중앙 서버에서 재계산하지 않고도 노드가 기대된 모델을 실제로 구동 중임을 입증하려는 설계다. 네트워크는 또한 Sonar를 중심으로 구축되고 있는 것으로 보인다. Sonar는 Hugging Face 모델을 OpenAI 호환 API를 통해 서빙하기 위한 Dolphin 연관 추론 스택으로, production deployment, distributed deployment, parallelism choices에 관한 문서를 제공한다. 이 문서들은 모델 서빙, 배칭, 텐서 및 파이프라인 병렬화, 멀티 노드 실행 등과 관련해 상당한 공학적 집중이 이루어지고 있음을 시사하지만, 이는 탈중앙 공개 GPU 마켓플레이스가 지연 시간, 가용성, 비용, 악용 통제 측면에서 중앙화 추론 제공자와 안정적으로 경쟁할 수 있음을 증명하는 것과는 별개의 문제다.

DPHN의 토크노믹스는 어떤가?

Dolphin의 토큰은 현재 일반적으로 POD로 추적되지만, 많은 레퍼런스가 여전히 과거 브랜드인 DPHN과 연결하고 있다. 2026년 10월 초 기준으로 CoinGecko, DefiLlama token data, Coinranking은 총/최대 공급량을 약 5억 개 수준으로 제시했으며, 유통 물량은 8천만 개 초반, 나머지 상당량은 재단, 트레저리, 스테이킹, 락업 지갑에 보관된 것으로 나타난다. 이러한 구조는 높은 플로트 리스크(high-float-risk) 프로필을 만든다. 배출(emission)이 유용한 작업에 연동된다 하더라도, 유통 물량 기반이 상대적으로 작으면 향후 언락, 운영자 보상, 스테이킹 인센티브, 트레저리 이동 등이 단기 시장 움직임을 좌우할 수 있기 때문이다. 따라서 단지 바이백이 논의된다는 이유만으로 이 토큰을 명확한 디플레이션 자산이라고 보기는 어렵다. 실질적인 공급 경로는 잠긴 잔고가 얼마나 빨리 유통으로 전환되는지, GPU 운영자에 대한 배출량이 어떻게 보정되는지, 바이백 수요가 신규 분배를 상쇄할 만큼 충분한지에 달려 있다.

토큰의 명시된 유틸리티는 세 가지다. 추론에 대한 지불 또는 회계 단위, GPU 운영자 보상, 네트워크 참여자를 위한 본딩 또는 스테이킹이다. 서드파티 프로필은 xPOD 스테이킹 볼트와 본딩된 운영자를 위한 보상 배수 시스템을 언급하며, Coinranking’s Dolphin explainer는 프로토콜 수익이 오픈 마켓에서 POD를 재매입하는 데 사용될 예정이며, 운영자는 xPOD에 스테이킹해 추가 수익을 얻거나 보상을 부스트할 수 있다고 설명한다. 이는 많은 유틸리티 토큰보다 더 명시적인 가치 포착(value accrual) 스토리를 제공하지만, 동시에 몇 가지 분석 과제를 제기한다. 사용자가 비원주 자산으로 지불하고 프로토콜이 해당 수익을 POD 바이백으로 전환한다면, 토큰 수요는 간접적이며 실제 유상 추론 사용량에 의존하게 된다. GPU 인센티브가 유기적 수익을 초과하면, 토큰 경제는 실질적으로 인플레이션적이 될 수 있다. 스테이킹 수익이 주로 수수료 흐름이 아닌 배출에 의해 조달된다면, 그 수익률은 지속 가능한 현금 창출의 증거라기보다 단순한 재분배 메커니즘에 가깝다.

누가 Dolphin을 사용하고 있는가?

확인 가능한 사용 현황은 다소 혼재되어 있다. 한편으로 Dolphin은 설득력 있는 오픈 모델 발자국을 보유하고 있다. Hugging Face organization은 Dolphin-Mistral 및 Venice 브랜드 변형을 포함해 많은 수의 모델 저장소를 나열하며, 프로젝트는 웹 인터페이스와 텔레그램 봇을 사용자 접점으로 제공한다. 다른 한편으로, 토큰 거래량은 추론 수요와 동일하지 않다. 2026년 10월 초 기준 시세 데이터 페이지는 특히 한국 거래소의 관심 이후 의미 있는 거래소 거래량을 보여주지만, 유상 API 고객, 일일 추론 요청 수, 활성 GPU 노드, 완료된 잡 수, 반복 수익, 고객 유지율과 같은 지속 가능한 지표에 대한 공개 데이터는 여전히 부족하다. 기관 관점의 평가에서는, Dolphin의 실제 채택 수준을 현물 거래 회전율이 아니라 서드파티 애플리케이션이 생산 워크로드를 얼마나 대규모로 이 네트워크로 라우팅하는지 여부로 판단해야 한다.

가장 구체적인 생태계 레퍼런스는 Venice.AI이다. 여러 시장 프로필은 Dolphin이 Venice에서 사용되는 검열 없는 모델 변형을 공급하거나 공동 개발한다고 밝히며, 한국 보도는 특히 Dolphin Mistral 24B Venice Edition을 Venice 연계 모델로 언급했다. 이는 Dolphin의 모델 개발 활동을 토큰 투기에 그치지 않고 외부 AI 애플리케이션과 연결해 준다는 점에서 중요한 기준점이다. 다만, 경제적 의존도의 수준은 공개 자료만으로는 완전히 투명하지 않다: 모델 가용성, 기본(default) 모델 지위, 각종 통합이 곧바로 Dolphin 프로토콜에 대규모 반복 매출이 발생함을 자동으로 입증해 주지는 않는다. Venice 외부에서 Dolphin의 잠재적 사용자층은 로컬 AI 사용자, GPU 보유자, AI 봇 개발자, 실험적 게임 또는 NPC 애플리케이션, 크립토 네이티브 AI 프로젝트 등으로 보이지만, 제도권 인프라 투자자들이 요구하는 수준의 폭넓은 엔터프라이즈 채택은 아직 입증되지 않았다.

Dolphin의 리스크와 과제는 무엇인가?

Dolphin은 스테이킹, 본딩, 토큰 발행(emissions), 가치 축적(value-accrual) 내러티브를 가진 소형 시가총액 유틸리티 토큰에 흔히 따라붙는 미국 규제의 불확실성에 직면해 있다. 2026년 10월 초 기준으로, 널리 알려진 Dolphin 특정 SEC 또는 CFTC 집행 조치, ETF 승인, 공식적인 상품(commodity) 분류는 존재하지 않지만, 이름이 적시된 조치가 없다고 해서 규제의 확실성이 보장되는 것은 아니다. 바이백, 스테이킹 수익, 오퍼레이터 보상, 재단이 관리하는 상업 활동 등을 가치 스토리로 포함하는 토큰은, 규제 당국이 구매자가 이익을 위해 경영진의 노력에 의존한다고 판단할 경우 주목을 받을 수 있다. 프로젝트의 Base 배포는 스마트 컨트랙트 및 관리자 키(admin key) 리스크도 수반하며, 제3자 프로필에서는 창립자 또는 관리 권한, 그리고 집중된 토큰 보유에 대한 우려를 제기한 바 있다. 중앙집중화 문제는 단지 법적 쟁점에 그치지 않고, 재무(treasury) 통제, 모델 거버넌스, 검증 설계, 핵심 IP 접근 권한, 그리고 저품질 또는 악의적 오퍼레이터를 차단하면서도 GPU 네트워크를 퍼미션리스 상태로 유지할 수 있는지 여부에도 나타난다.

경쟁적 위협 또한 상당한데, 탈중앙화 AI 컴퓨팅은 가장 붐비는 크립토 인프라 내러티브 중 하나이기 때문이다. Dolphin은 Render, Akash, Bittensor, io.net 및 새롭게 등장하는 추론(inference) 특화 시스템과 같은 토큰화된 컴퓨트 네트워크와 간접적으로 경쟁하는 동시에, 이미 저지연, 예측 가능한 업타임, 컴플라이언스 툴링, 엔터프라이즈 지원을 제공하는 중앙화 추론 서비스 사업자와는 직접적으로 경쟁한다. 오픈 모델 특화 및 검열 없는(uncensored) 모델이라는 포지셔닝은 차별화된 사용자층을 끌어들일 수 있지만, 안전 필터, 면책(indemnities), 데이터 통제, 규제 보증을 요구하는 엔터프라이즈 고객층의 범위를 오히려 좁힐 수도 있다. 경제적 위협은 단순하다. 중앙집중형 사업자가 Dolphin이 신뢰할 수 있는 공급을 조율해 내기 전에 추론 가격을 더 빠르게 인하하거나, 경쟁 DePIN 네트워크가 더 깊은 유동성과 우수한 개발자 툴링을 제공한다면, Dolphin의 토큰 인센티브는 지속 가능한 시장 점유율을 확보하지 못한 채 활동만 보조(subsidize)하는 결과가 될 수 있다.

Dolphin의 미래 전망은 어떠한가?

Dolphin의 전망은 토큰 시장에서의 가시성보다는, 잘 알려진 오픈 모델 브랜드를 신뢰할 수 있는 수익 창출형 추론 네트워크로 전환할 수 있는지에 더 크게 좌우된다. 최근 기간 중 가장 중요한 확인 가능한 성과는 DPHN에서 POD로의 마켓 전환, Base 상의 토큰 배포, 2026년 10월의 한국 거래소 상장 확대, Hugging Face에 지속적으로 Dolphin 모델을 게시한 것, 그리고 프로덕션 지향 모델 서빙 스택인 Sonar 개발이다. 프로젝트 로드맵의 주요 테마로는 공개 API 확장, 보다 성숙한 노드 참여 구조, 스테이킹 및 본딩 메커니즘, 더 강력한 검증 체계, 그리고 더 큰 모델을 위한 샤딩 혹은 분산 추론 등이 포함되는 것으로 보인다. 각각의 방향성은 기술적으로 실현 가능하지만, 그만큼 운영 복잡성도 증가시킨다. 신뢰성이 떨어지는 이질적 GPU들 전반에 걸친 분산 추론은 단순한 토큰 트랜잭션 라우팅보다 훨씬 어렵고, 추론 고객은 DeFi 사용자가 블록 시간 변동에 대해 보여주는 인내심보다 지연(latency) 변동에 훨씬 덜 관대하다.

구조적 난제는 토큰이 단지 컴퓨트 시장을 자금 조달하는 수준을 넘어, 실제로 그 효율을 개선한다는 점을 입증하는 것이다. 실행 가능한 Dolphin이 되기 위해서는 추론 매출, 토큰 바이백, 오퍼레이터 인센티브 발행(emissions), 활성 노드 수, 모델 단위 수요, 검증 실패, 고객 집중도 등에 대한 투명한 공시가 필요하다. 이러한 지표가 없다면, 시장은 거래소 상장, 소셜 미디어 주목도, 모델 다운로드 수 등에서 사용량을 추론할 수밖에 없으며, 이는 프로토콜 현금 흐름의 대체 지표로는 미흡하다. 유휴 GPU 공급의 비효율성과 AI 추론에 대한 구조적(secular) 수요를 고려하면 Dolphin의 인프라 논지는 일관성이 있지만, 여전히 초기 단계이자 실행 난도가 높은 프로젝트로 남아 있다. Dolphin의 미래는 단기적인 가격 움직임이 아니라 네트워크의 품질과 신뢰성에 의해 결정될 것이며, 투자자는 로드맵 이행, 공급(토큰) 집중도, 실제 유료 추론 수요를 주요 변수로 취급해야 한다.