iota

iota란 무엇인가?

iota는 정식 명칭으로 IOTA 또는 Incentivised Orchestrated Training Architecture라 불리며, Macrocosmos가 운영하는 Bittensor 서브넷 9로, 이기종 GPU들을 조율해 채굴자들이 각각 고립된 체크포인트로 독립적으로 경쟁하는 대신, 하나의 공유 모델을 함께 학습시키는 탈중앙화 대규모 언어 모델 사전학습 네트워크이다.

IOTA가 풀고자 하는 핵심 문제는 최전선 모델 학습에서의 경제적·기술적 병목이다. 중앙화 연구소들은 자본과 데이터센터급 GPU, 그리고 비공개 오케스트레이션 소프트웨어를 집적하면서, 소규모 연구소나 개인은 진입 비용 때문에 배제된다. IOTA가 제시하는 강점은 단순한 “탈중앙화 연산”이 아니라, 모델 레이어를 채굴자들 사이에 분할하고, 활성값(activations)을 파이프라인으로 스트리밍하며, 보상을 한 명의 승자에게만 주는 것이 아니라 측정 가능한 기여도에 따라 배분하는 특정 학습 아키텍처이다.

Macrocosmos는 데이터·파이프라인 병렬화, 활성값 압축, Butterfly All-Reduce, CLASP 기여도 점수를 프로젝트의 핵심 기술적 주장으로 제시하며, 이를 IOTA 사이트, 개발자 문서, GitHub 저장소, 기술 프라이머를 통해 설명한다. (iota.macrocosmos.ai)

크립토 시장 안에서 sn9는 범용 레이어 1 자산이나 DeFi 프로토콜과 유사한 애플리케이션 토큰 경제가 아니라, Bittensor Dynamic TAO 시스템 내의 서브넷별 알파 토큰이다.

2026년 8월 말 기준, 서드파티 Bittensor 대시보드는 iota를 실험적 롱테일 서브넷이 아닌, 규모가 큰 서브넷 알파 시장 중 하나로 분류했다. Bittensor.ai의 서브넷 디렉토리는 총 129개 서브넷을 나열하면서 iota가 서브넷 시가총액 90.91K TAO, TVL 119.38K TAO, 24시간 거래량 2.72K TAO, 보유자 4,908명, 검증인 9명, 발행 랭킹 2위를 기록했다고 표기했으며, 시가총액 기준 정렬 테이블에서 Chutes, lium.io, Targon, Score, Affine, engy에 이어 대략 7위권에 위치한 것으로 나타났다.

이 수치들은 재무제표 감사를 거친 값이 아니라 대시보드 스냅샷으로 보아야 하며, Yellow가 제공한 자산 스냅샷에서는 달러 기준 약 3,560만 달러 수준의 다른 시가총액 추정치와 한 자릿수 후반대의 토큰 가격을 제시해, TAO 기준 알파 시장과 미달러 환산 값이 얼마나 빠르게 괴리될 수 있는지를 보여준다. 실제 사용량 데이터 역시 균일하지 않다. OpenTAO의 iota 페이지는 전체 256명 중 246명의 채굴자가 “compute active”로 참여하고 있으며 검증인은 약 10명이라고 보고하는 반면, Bittensor.ai의 표준화된 디렉토리는 보유자 수와 검증인 수는 보여주지만, 같은 방식으로 활성 IOTA 학습 채굴자를 포착하지는 않는다. (bittensor.ai)

iota는 누가, 언제 설립했는가?

IOTA는 Bittensor 생태계 안에 위치하지만, 구체적으로는 런던 소재 AI 인프라 기업 Macrocosmos Ltd.가 운영한다. Macrocosmos는 2024년 3월, CEO이자 공동 창립자인 Will Squires와 CTO이자 공동 창립자인 Steffen Cruz에 의해 설립되었다. Macrocosmos는 개발자 가이드에서, 자율적인 팀들이 특화된 머신러닝 시장을 위한 인센티브 메커니즘을 설계할 수 있는 서브넷 모델로 네트워크가 전환된 Bittensor의 “Revolution” 단계에서 진화해 나왔다고 밝힌다.

경제적 배경은 2023년 이후 AI 인프라 부족과 크립토 네이티브 인센티브 설계의 결합이다. Nvidia GPU 공급은 고가였고, 오픈소스 AI 팀들은 중앙화 하이퍼스케일러에 대한 대안을 모색하고 있었으며, Bittensor는 연산, 추론, 데이터, 모델 학습과 같은 “디지털 상품”을 위한 온체인 시장으로 스스로를 포지셔닝하기 시작했다. (macrocosmos.ai)

프로젝트 내러티브는 초기 SN9 사전학습 실험 이후 상당히 바뀌었다. 2024년 8월, SN9는 수억~수십억 파라미터 규모 모델을 퍼미션리스 참여자들이 경쟁적으로 학습할 수 있는 사전학습 서브넷으로 소개되었으나, 2025년 6월 IOTA 출시 시점에는 채굴자들이 하나의 공유 모델의 일부를 함께 학습하는 협력적 스웜(swarm)으로 재구성되었다.

OpenTAO의 프로젝트 히스토리는 2024년의 승자독식 사전학습 단계, 2025년 6월 IOTA 메인넷 론칭, 2025년 7월 기술 프라이머 공개, 2026년 3월 Iroh-Cosmos를 활용한 피어 투 피어 활성값 전송을 도입한 v3.0.0 릴리스를 기록하고 있다. Macrocosmos의 공식 사이트는 또한 “Project Orion”을 분산형·이기종·퍼미션리스 모델 학습이 중앙화 학습과 경제적으로 경쟁할 수 있음을 보여 주는 라이브 데모로 제시한다. (opentao.ai)

iota 네트워크는 어떻게 작동하는가?

IOTA는 자체 베이스 레이어 합의를 가진 독립 블록체인이 아니라, Subtensor 위에서 구동되는 Bittensor 서브넷으로, 체인 레벨 합의와 서브넷 레벨 인센티브 합의가 분리되어 있다. Bittensor의 공식 체인 합의 문서에 따르면, Subtensor는 현재 블록 생성과 파이널리티를 위해 Aura와 GRANDPA를 사용하는 권위증명(Proof of Authority)을 채택하고 있으며, 향후 지명 지분증명(Nominated Proof of Stake)으로 전환할 계획이다. 한편 서브넷 보상은 Yuma Consensus를 통해 처리되는데, 이는 검증인이 채굴자를 점수화하고, 가중치를 지분 가중 중앙값 쪽으로 클리핑하며, 합의로 조정된 채굴자 효용에 따라 보상을 배분하는 지분 가중 주관적 효용 메커니즘이다. IOTA는 따라서 체인 레이어에서 Bittensor의 현재 권위 세트가 지니는 중앙화·라이브니스 가정에 의존하며, 서브넷 검증인을 통해 채굴자가 실제로 학습 작업에 기여하고 있는지를 평가한다. (bittensor.com)

기술적으로 IOTA 아키텍처는 전통적인 스마트컨트랙트 애플리케이션이라기보다는 분산 시스템 연구에 더 가깝다. Macrocosmos의 채굴 문서에서, 채굴자들은 GPU 연산, 메모리, 대역폭을 제공하고, 오케스트레이터는 그들을 특정 모델 레이어에 할당한다. 채굴자들은 순전파 및 역전파 활성값을 처리하며, 주기적인 머지 단계에서 로컬 가중치와 옵티마이저 상태를 통합한다.

IOTA 기술 프라이머는 데이터 병렬성과 파이프라인 병렬성을 결합한 SWARM 모델, 최대 128배 활성값 압축, 파라미터 슬라이스 평균을 위한 Butterfly All-Reduce, 그리고 다중 노드 학습 경로에서 공로를 배분하기 위해 설계된 샤플리 스타일 기여도 평가 방법인 CLASP를 설명한다.

현재 공개된 GitHub readme는 15억 파라미터 규모의 Llama에서 영감을 받은 러닝을 설명하고 있으며, 향후 150억, 500억, 1,000억 파라미터 모델에 대한 로드맵을 제시한다. Macrocosmos 대시보드는 2026년 8월 초 기준 “Research Orion 16B” 러닝을 언급한다. 이 수치들은 분산 학습의 모든 난제를 해결했다는 증거가 아니라, 운영상 목표와 시점 스냅샷에 가깝다. 특히 대역폭, 적대적 행위, 동기화 오버헤드, 재현성 같은 영역에서는 여전히 난제가 남아 있다. docs.macrocosmos.ai

sn9의 토크노믹스는 어떠한가?

sn9는 독립적인 ERC-20이나 L1 가스 토큰이 아니라, Dynamic TAO 프레임워크 아래 Bittensor 서브넷 9를 위한 알파 토큰이다. Bittensor의 발행 문서에 따르면 TAO의 최대 공급량은 2,100만 개이며, 첫 번째 TAO 반감기는 2025년 12월에 발생했다. 각 서브넷 알파 토큰 역시 2,100만 개 상한을 가지며, 서브넷 론칭 시점부터 유사한 반감 곡선을 따른다. 2025년 2월 도입된 dTAO 체계에서, 각 서브넷은 TAO/알파 풀을 가지며, 사용자는 서브넷 풀에 TAO를 스테이킹해 해당 서브넷의 알파 토큰을 받고, 채굴자·검증인·서브넷 소유자·스테이커가 알파 발행량을 배분받는다.

이로 인해 공급 프로파일은 알파 상한에 근접하기 전까지 인플레이션 성격을 띠지만, 실제 시장 유통량은 스테이킹, AMM 유동성, 프로토콜 보유 알파, 채굴자 매도, TAO 기준 수요에 의해 조정된다. (bittensor.com)

sn9의 효용은 주로 반사적(reflexive)이면서 서브넷 특화적이다. Bittensor가 IOTA 학습 시장에 대한 경제적 익스포저를 배분하는 단위가 sn9이기 때문이다. 사용자는 서브넷 발행량, 검증인·스테이커 배당, iota 대비 TAO의 상대 가격 재조정을 기대해 TAO를 서브넷 풀에 스테이킹하고 sn9 알파를 취득한다. 채굴자는 검증된 학습 기여에 대해 sn9 알파를 받고, 검증인과 스테이커는 Yuma의 점수 및 본드 메커니즘을 통해 알파 보상을 나눈다. Bittensor의 TAO 설명서는 TAO가 여전히 수수료, 스테이킹, 서브넷 유동성의 기축 통화이며, 알파 토큰이 TAO 대비 가격이 정해진다고 강조한다. 따라서 토큰 가치 축적은 L1 가스 토큰처럼 일반적인 애플리케이션 수수료에서 직접 발생하는 것이 아니라, iota 풀에 스테이킹하려는 수요, Bittensor 발행량에서 서브넷이 차지하는 몫, 그리고 IOTA의 학습 작업이 향후에도 가치 있을 것이라는 시장의 판단에서 비롯된다. 2026년 7월 27일 spec 440 기준으로, TaoStats 문서는 서브넷 발행량 배분이 단순 비례 수요 공식이 아니라 emission-gate 메커니즘에 의해 조정되도록 변경되었음을 보여주며, 이는 sn9 수익률 가정에 또 하나의 거버넌스·메커니즘 설계 변수로 작용한다. (learnbittensor.org)

누가 iota를 사용하고 있는가?

iota의 가장 눈에 띄는 사용자는 결제하는 최종 소비자나 대출 시장을 이용하는 DeFi 트레이더가 아니라, Bittensor의 연산 인센티브 경제에 참여하는 채굴자, 검증인, 스테이커, 보유자들이다. 이 구분은 중요하다. 왜냐하면 거래량과 보유자 수는 유용한 모델 학습을 증명하지 못하며, 반대로 학습 처리량과 손실 곡선 개선이 자동으로 토큰 보유자 가치로 이어지는 것도 아니기 때문이다. 2026년 8월 말 기준으로, 2026년 8월, 시장 대시보드는 수천 명의 sn9 보유자와 의미 있는 TAO 기준 TVL을 보여주었고, OpenTAO는 수백 명의 활성 또는 등록된 컴퓨트 참가자를 보고했다. Macrocosmos의 문서에 따르면, 마이너는 GPU 연산, 메모리, 대역폭을 제공하는 작업자로 묘사되며, 보상은 학습에 기여한 품질과 양에 따라 결정된다. 실질적으로 지배적인 섹터는 탈중앙화 AI 인프라, 그중에서도 분산 LLM 사전 학습이며, DeFi, 게임, RWA 토큰화, 결제, 소비자용 소셜 애플리케이션이 아니다. (bittensor.ai)

기관 채택은 보수적으로 서술되어야 한다. Macrocosmos는 Bittensor 생태계 내에서 정당한 가시성을 갖고 있으며, 자체 문서에 따르면 Apex, IOTA, Data Universe, Mainframe, Finetuning 등을 포함한 여러 서브넷을 운영하고 있다.

회사의 공개 자료와 OpenTAO 프로필에 따르면 Macrocosmos는 런던에 기반을 둔, Bittensor 내 비교적 규모가 큰 서브넷 운영자 중 하나이지만, IOTA에서 나온 프로덕션 수준의 모델 학습 산출물에 대해 대규모로 비용을 지불하는 대형 엔터프라이즈 고객이 있다는 공공 증거는 제한적이다. 보다 방어 가능한 채택 신호는 생태계 참여이다. 예를 들면 오픈소스 리포지토리, 마이너 온보딩, 대시보드, Project Orion, Train at Home 자료, Bittensor 네이티브 자본 배분 등이 있다.

IOTA가 이미 소버린 AI나 상업적 프런티어 모델 연구소의 중앙화 학습을 대체했다는 주장은, 고객 실명, 계약, 모델 공개, 재현 가능한 성능 벤치마크가 함께 제시되지 않는 한 시기상조라고 봐야 한다. docs.macrocosmos.ai

iota의 위험과 도전 과제는 무엇인가?

sn9의 규제 프로파일은 Bittensor 및 더 넓은 범주의 크립토 자산, 스테이킹, 이자·수익 유사 보상에 대한 규제 취급과 연결되어 있다. 현재 iota나 Macrocosmos를 특정 대상으로 한, 널리 알려진 SEC의 적극적인 소송은 없으며, 서브넷 알파 토큰으로서의 sn9에 대해 승인된 미국 현물 ETF도 없다. 반면 기초 자산인 TAO의 경우 규제 환경은 보다 활성화되어 있다. Grayscale은 Bittensor 트러스트 구조를 전환 또는 상장하기 위해 신청했지만, 해당 신청서에서 SEC 효력 발생과 NYSE Arca 상장이 보장되지 않음을 경고했으며, 규제 해석에 따라 TAO가 SEC에 의해 증권으로, 또는 CFTC에 의해 상품(커머디티) 관련 이익으로 분류될 수 있음을 공시했다. sn9의 경우, 알파 토큰이 서브넷 성능, 이뮤니션(발행), 스테이킹 수요, 특정 운영자 정의 인센티브 메커니즘에 명시적으로 연결되어 있기 때문에 이 위험은 더 뚜렷하다. 추가로, Bittensor의 현재 체인 레벨 Proof-of-Authority 설계는 중앙집중화 벡터를 도입한다. 승인된 어소리티들이 개방형 NPoS 검증자가 아니라 블록을 생성·최종화하고 있으며, 비록 서브넷 유틸리티 스코어링은 Yuma 컨센서스에 의해 처리되고 있더라도 그렇다. sec.gov

경쟁 리스크는 내부와 외부 모두에 존재한다. Bittensor 내부에서 iota는 GPU 연산, 추론, 파인튜닝, 강화학습, 데이터 마켓플레이스 서브넷을 포함한 다른 AI 및 컴퓨트 서브넷과 이뮤니션, 검증자 관심, 마이너 참여, 스테이커 자본을 두고 경쟁한다. Bittensor 외부에서는 중앙화 GPU 클라우드, 하이퍼스케일러 AI 플랫폼, 오픈소스 학습 집단, 탈중앙화 컴퓨트 네트워크, 특화된 추론·학습 마켓플레이스와 경쟁한다. 기술적 위협은, 신뢰도가 낮은 인터넷 연결 GPU들에 걸친 분산 사전 학습이, 통신 오버헤드, 느린 노드(straggler), 적대적 마이너, 활성화 전송 지연 등을 모두 감안했을 때, 밀집된 데이터센터 클러스터보다 여전히 본질적으로 비효율적일 수 있다는 점이다. 경제적 위협은, sn9의 시장 가격이, 기저 학습 산출물이 상업적 가치를 갖기 전에 투기적 스테이킹 흐름으로 인해 상승할 수 있다는 점이며, 이 경우 서브넷이 기대에 못 미칠 때 보유자는 유동성, 희석, 이뮤니션, 상대 성과 리스크에 노출된다. (subnetradar.com)

iota의 미래 전망은 어떤가?

iota에 대한 미래 논지는 토큰 시장 내러티브보다, Macrocosmos가 조정된(permissionless) 학습이 데모 수준을 넘어 재현 가능하고 경제적으로 경쟁력 있는 모델 개발로 확장될 수 있음을 입증할 수 있는지에 더 크게 의존한다.

검증 가능한 로드맵과 최근 기술 항목에는 2025년 6월 IOTA 메인넷 전환, 2025년 7월 테크니컬 프라이머 공개, 2026년 3월 Iroh-Cosmos를 이용한 피어 투 피어 활성화 전송을 포함하는 v3.0.0 릴리스, Project Orion 라이브 학습 프로그램, 그리고 GitHub에 명시된 현재의 소규모 Llama 영감 러닝에서 더 나아가 150억, 500억, 1,000억 파라미터 구간으로 확장하고 더 나은 압축을 달성하겠다는 야심이 포함된다.

구조적 장벽은 상당하다. IOTA는 대역폭 오버헤드를 줄이고, 마이너 신뢰성을 개선하며, 검증자가 게임(조작)에 대해 견고하게 검증할 수 있도록 하고, 신뢰할 수 있는 모델 품질 산출물을 공개하며, 토큰 인센티브가 단순히 활동을 보조하는 것이 아니라 경제적으로 유용한 학습을 구매하고 있음을 입증해야 한다. 이러한 문제들이 해결된다면, sn9는 Bittensor에서 보다 실질적인 AI 인프라 시장 중 하나가 될 수 있다. 해결되지 못한다면, sn9는 이뮤니션, 스테이킹 흐름, 내러티브에 가치가 더 크게 의존하고, 지속적인 외부 수요에는 덜 의존하는 하이 베타 서브넷 토큰으로 남게 된다. (opentao.ai)