# EdgeAI

> EdgeAI는 연합 학습, 차등 프라이버시 및 정보 엔트로피 증명(PoIE) 합의 메커니즘을 결합하여 엣지에서의 AI 연산과 데이터 수익화를 가능하게 하는 블록체인 기반 네트워크를 구축하는 레이어 1 프로젝트입니다.

- Canonical URL: https://iq.wiki/kr/wiki/edgeai
- Categories: Projects & Protocols
- Tags: Ethereum, Layer1, AIPlatform, AIInfrastructure, Infrastructure
- Created: 2026-09-02T20:28:31.077Z
- Last updated: 2026-09-02T20:28:31.077Z
- Source: IQ.wiki — the world's largest blockchain and crypto encyclopedia (https://iq.wiki)

---

**EdgeAI**는 분산형 물리적 인프라와 온디바이스 연산을 결합한 네트워크 엣지용 인공지능 [레이어 1](https://iq.wiki/wiki/layer-1) 네트워크라고 자칭하는 [블록체인](https://iq.wiki/wiki/blockchain) 프로젝트입니다. 이 프로젝트는 "엣지 AI를 위한 가장 지능적인 데이터 체인"을 표방하며, 중앙 집중식 클라우드가 아닌 데이터가 생성되는 곳 근처의 장치에서 AI 처리를 실행하기 위해 개인이 소유한 하드웨어를 블록체인으로 조정하는 모델인 [DePIN](https://iq.wiki/wiki/depin)(분산형 물리적 인프라 네트워크)을 [활용](https://iq.wiki/wiki/leverage)하는 안전하고 확장 가능하며 효율적인 레이어 1 솔루션으로 스스로를 소개합니다.[[1]](#cite-id-lfoocxk0h1) 프로젝트의 목적은 추론과 의사 결정을 데이터 소스에 가깝게 유지하여 지연 시간과 프라이버시 노출을 줄이는 것입니다.[[2]](#cite-id-61an89lxky) 프로젝트의 X 계정(@EdgeAI_xyz)은 2024년 5월에 생성되었으며, 프로필에 [이더리움](https://iq.wiki/wiki/ethereum) 주소 0x276b792d11b9e3712fe6a78a460a0deb416bab0a를 게시하고 있습니다.[[2]](#cite-id-61an89lxky)

## 개요

EdgeAI는 연결된 장치에서 생성되는 데이터 양의 증가가 기존 시스템의 능력을 초과하여 지연과 프라이버시 위험을 초래한다는 점을 해결 과제로 설정하고 있습니다.[[1]](#cite-id-lfoocxk0h1) 프로젝트가 제시하는 접근 방식은 엣지 컴퓨팅, 차등 프라이버시, 연합 학습을 [블록체인](https://iq.wiki/wiki/blockchain) 프레임워크 내에서 통합하는 것이며, 이러한 조합을 통해 실시간 의사 결정, 강화된 데이터 프라이버시 및 안전한 데이터 수익화가 가능해진다고 주장합니다.[[1]](#cite-id-lfoocxk0h1) 프로젝트의 설명에 따르면, "대부분의 AI는 여전히 데이터를 클라우드로 전송하고 기다린 다음 추측합니다. EdgeAI는 이를 뒤집습니다. 추론은 데이터가 생성되는 곳에서 발생하고, 프라이버시는 로컬에 유지되며, 가치 있는 기여는 단순히 숫자가 아닌 측정된 가치로 평가받고, 장치는 작업하면서 가치를 정산할 수 있습니다."[[2]](#cite-id-61an89lxky)

이 프로젝트는 집중 분야를 엣지 컴퓨팅 통합, 데이터 주권 및 프라이버시, 고성능 블록체인, 데이터 수익화 기회의 네 가지 범주로 구성합니다.[[1]](#cite-id-lfoocxk0h1) 또한 에너지 효율적인 데이터 처리, 지연 시간 단축, 엣지에서의 효율적인 AI 학습을 포함한 성능 목표를 나열합니다.[[1]](#cite-id-lfoocxk0h1) EdgeAI는 [백서](https://iq.wiki/wiki/white-paper)를 발행하고 DocSend를 통해 EdgeAI라는 제목의 피치 문서를 배포하며, 프로젝트 문의는 support@edgeai.xyz로 안내하고 있습니다.[[3]](#cite-id-mcvbc3b4ot)[[1]](#cite-id-lfoocxk0h1)

## 기술 및 아키텍처

EdgeAI의 합의 설계는 **정보 엔트로피 증명(PoIE, Proof of Information Entropy)**이라 부르는 메커니즘을 중심으로 합니다. 프로젝트 측은 PoIE가 사물인터넷(IoT) 장치의 고품질 데이터 기여도를 평가하고 보상하며, 참여 하드웨어가 단순한 연산 노력이 아닌 제공하는 정보 가치에 따라 보상을 받도록 네트워크 [채굴](https://iq.wiki/wiki/mining) 구조를 설계했다고 밝히고 있습니다.[[1]](#cite-id-lfoocxk0h1) 프로젝트는 PoIE가 장치들이 "작업하면서 가치를 정산"하고 기여도가 "단순히 세어지는 것이 아니라 측정"되도록 구축되었다고 언급했습니다.[[2]](#cite-id-61an89lxky)

이 프로젝트는 세 가지 구성 요소로 구축된 프라이버시 우선 아키텍처를 설명합니다. 로컬 차등 프라이버시는 데이터가 공유되기 전 장치 자체에서 통계적 노이즈를 추가합니다. 차등 프라이버시를 적용한 연합 학습은 기본 원시 데이터를 중앙 서버로 이동하지 않고도 여러 장치에서 공유 모델을 훈련합니다. 그리고 프라이버시 보존 데이터 집계는 개별 기록을 보호하려는 목적으로 기여분을 결합합니다.[[1]](#cite-id-lfoocxk0h1) EdgeAI는 이러한 기술을 통해 민감한 정보를 로컬에 유지하면서 엣지에서 데이터를 처리할 수 있는 수단으로 포지셔닝하며, 이를 통해 안전한 데이터 수익화를 지원한다고 설명합니다.[[1]](#cite-id-lfoocxk0h1) 이러한 모든 아키텍처 요소는 프로젝트 측의 설명에 따른 것입니다.

## EdgeML 및 TinyML 컴퓨터 비전

EdgeAI는 2025년 10월 28일에 생성된 공개 코드 저장소인 0xEdgeAI/EdgeML을 유지 관리하고 있으며, 최상위 프로젝트 제목은 "TinyML-Computer-Vision"입니다.[[4]](#cite-id-w1r251sfhk) 이 저장소는 엣지 기반 이미지 인식을 중심으로 구축된 스마트 도어벨 사용 사례를 제시하며, 얼굴, 고양이 및 개와 같은 반려동물, 총기와 같은 안전하지 않은 콘텐츠, 트럭으로 분류되는 구급차 및 소방차와 같은 주목할 만한 차량, 자동차, 택배 회사 로고(USPS, FedEx, DHL, Amazon Prime), 배송 패키지 또는 택배 상자 등을 탐지 대상으로 나열합니다.[[4]](#cite-id-w1r251sfhk)

저장소는 이러한 탐지 작업을 위한 세 가지 기술적 접근 방식을 문서화합니다. 첫 번째는 아마존 웹 서비스(AWS)를 기반으로 구축된 클라우드 서비스형 소프트웨어(SaaS) 파이프라인으로, 프로젝트는 이를 엣지와 클라우드 리소스 전반에 걸쳐 장면 탐지 분석을 구현하는 것으로 설명합니다. 이 방식은 비디오 장면 탐지를 위해 AWS Rekognition을, 엣지에서 클라우드로 분석 데이터를 업로드하기 위해 AWS Kinesis를, 해당 데이터를 저장하기 위해 AWS DynamoDB를, 비디오 및 이미지 프레임을 저장하기 위해 AWS S3를, 서비스 알림을 위해 AWS SNS를 사용합니다.[[4]](#cite-id-w1r251sfhk) 이 접근 방식의 코드는 AWS 자격 증명, Rekognition 기능 및 비디오 캡처 모듈을 활용하는 메인 프로그램을 중심으로 구성되며, 알려진 얼굴을 인덱싱하여 인식된 방문자를 문앞에서 식별할 수 있도록 하는 스크립트가 포함되어 있습니다.[[4]](#cite-id-w1r251sfhk) 프로젝트는 이 방식이 "저비용 IoT 장치를 이용한 비디오 분석 애플리케이션을 위한 클라우드 기반 소프트웨어 프레임워크 시연" 논문에서 설명된 시나리오를 재현하려는 시도라고 밝히고 있습니다.[[4]](#cite-id-w1r251sfhk)

두 번째 접근 방식은 라즈베리 파이 3 모델 B+, NVIDIA Jetson [Nano](https://iq.wiki/wiki/nano), Arduino Nano 33 BLE를 포함한 하드웨어를 대상으로 장치에서 직접 컴퓨터 비전을 실행합니다. 이는 TensorFlow Lite 인터프리터를 사용하여 여러 모델을 실행합니다: 무기 탐지 모델(gun_model_2.2.tflite), 배송 차량의 DHL, FedEx, Amazon Prime, USPS 로고를 위한 택배 로고 탐지 모델(LogoModel.tflite), 사람, 반려동물, 자동차 및 주요 차량과 같은 일반 객체를 위한 사전 훈련된 MobileNet SSD v2 모델(MobileNetV2.tflite), 문앞에 배달된 소포를 위한 패키지 탐지 모델(PackageModel.tflite)이 포함됩니다.[[4]](#cite-id-w1r251sfhk) 저장소는 데이터셋, 사전 훈련 및 맞춤형 훈련된 TFLite 모델, 클래스 이름을 정의하는 레이블 맵, 라즈베리 파이 및 Jetson Nano에서 실행된 실험의 탐지 결과가 포함된 결과 폴더를 관리합니다.[[4]](#cite-id-w1r251sfhk)

세 번째 접근 방식은 밝고 어두운 영역의 패턴을 사용하여 객체를 탐지하는 구식 기술인 Viola–Jones 알고리즘과 Haar 캐스케이드 분류기를 통한 고전적 컴퓨터 비전을 사용합니다. 이 방식은 동일한 도어벨 사용 사례를 위해 훈련된 캐스케이드 파일 세트를 제공합니다. 여기에는 정면 얼굴, 총기, 고양이, 개, 구급차, 소방차, 패키지 및 Amazon, DHL, FedEx, USPS 로고를 위한 별도의 XML 분류기가 포함됩니다.[[4]](#cite-id-w1r251sfhk) 저장소는 또한 비교 분석, API 서버 및 모바일 앱을 위한 섹션도 참조하고 있습니다.[[4]](#cite-id-w1r251sfhk)

저장소는 해당 작업을 학술적 전파와 연결하여 세 편의 연구 논문을 나열합니다: "비디오 분석 애플리케이션을 편성하기 위한 분산 프레임워크", "저비용 IoT 장치를 이용한 비디오 분석 애플리케이션을 위한 클라우드 기반 소프트웨어 프레임워크 시연", "연합 딥러닝을 이용한 스마트 도어벨 설계 시연".[[4]](#cite-id-w1r251sfhk) 또한 "저비용 COTS 장치를 이용한 클라우드 기반 스마트 도어벨"이라는 제목의 시연 영상도 참조합니다.[[4]](#cite-id-w1r251sfhk)

## 파트너십 및 커뮤니티

EdgeAI는 자사 네트워크가 10,000개 이상의 엣지 장치에 걸쳐 있다고 밝히고 있으며, 이 수치는 데이터 수익화 및 추론 서비스가 운영될 규모를 설명하는 데 사용됩니다.[[2]](#cite-id-61an89lxky) 2026년 8월, 프로젝트는 Solulu Pay(@SoluluPay)와의 파트너십을 발표했습니다. 양측은 이를 통해 해당 장치 네트워크에 실시간 프라이버시 우선 암호화폐 소액 결제를 도입하여 "기계의 속도"로 데이터 수익화와 AI 추론을 가능하게 하는 것을 목표로 한다고 설명했습니다.[[2]](#cite-id-61an89lxky) 이에 상응하는 Solulu Pay의 게시물은 이 협업을 [Web3](https://iq.wiki/wiki/web3) 결제 레일과 EdgeAI의 장치 네트워크를 연결하여 엣지 데이터 수익화 및 프라이버시 우선 체크아웃을 통한 AI 추론을 위한 실시간 암호화폐 정산을 가능하게 하는 것으로 묘사했습니다.[[2]](#cite-id-61an89lxky)

프로젝트는 또한 여러 커뮤니티 이벤트에 참여했습니다. 2026년 8월 18일에는 "AI 플랫폼이 엣지를 만나는 곳"이라는 주제로 Discord에서 열린 Tilted(@tiltedxyz) 커뮤니티 AMA에 참여했으며, 비슷한 시기에 100 USDT 증정 이벤트와 함께 홍보된 2026년 8월 20일 예정의 WikiBit(@WikiBitOfficial) X Space에도 참여했습니다.[[2]](#cite-id-61an89lxky) EdgeAI는 추가로 Beatcoin(@BrcToTheMoon)과 함께 [비트코인](https://iq.wiki/wiki/bitcoin) 랠리, ETF 유입 및 기관 포지셔닝에 대해 논의하는 Space에 참여한다고 발표했습니다.[[2]](#cite-id-61an89lxky)

## 수상 실적

EdgeAI는 빈청 국제 혁신 대회(Bincheng International Innovation Competition)에서 테크놀로지 [프런티어](https://iq.wiki/wiki/frontier) 어워드(Technology Frontier Award)를 수상했다고 밝혔습니다.[[1]](#cite-id-lfoocxk0h1) 이 수상 사실은 프로젝트 측에 의해 보고되었습니다.