[Paper] Proof-of-Useful-Work에서의 유용성 격차: Pearl의 cuPOW 프로토콜에 대한 실증 연구

Source: arXiv - 2606.04819v1

Overview

The paper presents the first large‑scale, data‑driven audit of Pearl’s Proof‑of‑Useful‑Work (PoUW) protocol—an ambitious claim that a blockchain’s mining effort can simultaneously train or run AI models. By instrumenting the live network (≈24 EH/s, ~320 k GPU‑equivalents) the author shows that, in practice, Pearl’s miners are doing zero useful AI inference, and that the PoUW design actually creates a “usefulness gap” between what the protocol promises and what it delivers.

Key Contributions

• Empirical measurement of a deployed PoUW system – 여러 하드웨어 플랫폼에 걸쳐 8,012명의 활성 워커로부터 데이터를 수집함.
• Network composition analysis – 모든 채굴자는 AI‑가능 GPU를 보유하고 있지만, 채굴 소프트웨어에는 추론 코드가 포함되어 있지 않음.
• Verification protocol deconstruction – Pearl의 증명 검증이 무작위 행렬을 허용한다는 것을 입증했으며, 맞춤형 오픈‑소스 채굴기로부터 44개의 승인된 쉐어가 이를 확인함.
• Statistical attack demonstration – 단순 가우시안 샘플링으로 프로토콜의 통계 검사를 무력화할 수 있음을 보여줌.
• Economic analysis – 현재 PRL 토큰 가격에서 모든 GPU 등급에 걸쳐 채굴이 수익을 내지 못함 (‑54 %~‑72 % ROI), GPU 임대료가 38 % 상승하고 활용도가 57 %에서 94 %로 증가함.
• Portability assessment – PoUW 작업 부하는 일반 정수 연산으로 축소되어 하드웨어 공급업체에 대한 락인(lock‑in)이 없으며, 따라서 “유용한” AI 하드웨어 특화에 대한 인센티브가 없음.

방법론

1. 데이터 수집 – 저자는 다양한 테스트베드(NVIDIA, AMD, CPU, Apple Silicon)에서 맞춤형 오픈‑소스 마이너를 실행하고 Pearl의 마이닝 풀에 44개의 쉐어를 제출하여 수락/거부 응답을 기록했습니다.
2. 네트워크 탐색 – 공개된 노드 정보와 온‑체인 텔레메트리를 스크랩하여 8,012개의 활성 워커를 열거하고 하드웨어 사양(GPU 모델, 메모리, 연산 능력)을 추정했습니다.
3. 프로토콜 역공학 – 마이닝 클라이언트의 소스 코드와 온‑체인 검증 계약을 검토함으로써 네트워크가 검증하는 정확한 수학적 체크(행렬 크기, 통계 분포)를 식별했습니다.
4. 통계 테스트 – 무작위 가우시안 행렬을 생성해 제출함으로써 통계 체크가 쉽게 만족될 수 있음을 검증했습니다.
5. 경제 모델링 – 주요 클라우드 제공업체의 실제 GPU 임대 가격과 Pearl 토큰 가격 이력을 결합해, 측정된 장치당 해시레이트를 가정한 다양한 GPU 클래스의 ROI를 계산했습니다.

모든 단계는 Pearl의 내부 코드에 대한 특권 접근 없이, 공개적으로 관찰 가능한 행동만을 기반으로 수행되었으며, 다른 PoUW 프로젝트에서도 연구를 재현할 수 있도록 했습니다.

결과 및 발견

이러한 결과들을 종합하면 **“유용성 격차”**를 정량화할 수 있습니다: 프로토콜이 이론적으로 약속한 AI‑유용 작업이 실제로 구현되지 않았으며, 검증 메커니즘은 진정한 유용성을 강제하지 못합니다.

실용적 시사점

• For blockchain developers: Designing PoUW schemes requires hard constraints that tie proof validity to actual AI model progress (e.g., cryptographic commitments to model weights). Loose statistical checks are insufficient. → 블록체인 개발자를 위해: PoUW 스킴을 설계하려면 증명의 유효성을 실제 AI 모델 진행 상황에 연결하는 강력한 제약이 필요합니다(예: 모델 가중치에 대한 암호학적 커밋). 느슨한 통계적 검사는 충분하지 않습니다.

• For AI infrastructure providers: The surge in GPU rental prices demonstrates how a PoUW blockchain can unintentionally compete with legitimate AI workloads, potentially driving up costs for research labs and startups. → AI 인프라 제공자를 위해: GPU 임대 가격 급등은 PoUW 블록체인이 의도치 않게 정당한 AI 작업과 경쟁하게 되며, 연구실 및 스타트업의 비용을 상승시킬 수 있음을 보여줍니다.

• For token economists: Unprofitable mining combined with high hardware demand can destabilize token economics, leading to price pressure and reduced network security. → 토큰 경제학자를 위해: 수익을 내지 못하는 채굴과 높은 하드웨어 수요가 결합되면 토큰 경제가 불안정해져 가격 압박과 네트워크 보안 감소를 초래할 수 있습니다.

• For hardware vendors: Since Pearl’s PoUW reduces to generic integer ops, there is no incentive for specialized AI accelerators; vendors seeking blockchain‑related sales must offer real AI‑useful workloads. → 하드웨어 벤더를 위해: Pearl의 PoUW가 일반 정수 연산으로 축소되기 때문에 특수 AI 가속기에 대한 인센티브가 없습니다; 블록체인 관련 판매를 목표로 하는 벤더는 실제 AI에 유용한 작업을 제공해야 합니다.

• For regulators and auditors: The study provides a reproducible methodology to audit other “useful work” blockchains, ensuring that marketing claims match measurable outcomes. → 규제 기관 및 감사인을 위해: 이 연구는 다른 “유용한 작업” 블록체인을 감사하기 위한 재현 가능한 방법론을 제공하여 마케팅 주장과 측정 가능한 결과가 일치하도록 보장합니다.

제한 사항 및 향후 작업

• 범위가 Pearl의 현재 프로토콜 버전으로 제한됨 – 향후 업그레이드에서는 실제 추론 작업이 도입될 수 있으며, 그 경우 방법론을 다시 적용해야 합니다.
• 공개적으로 관찰 가능한 데이터에 의존 – 일부 내부 최적화나 오프‑체인 검증 단계가 숨겨져 있을 수 있어 분석의 완전성에 영향을 줄 수 있습니다.
• 경제 모델이 고정 토큰 가격을 가정 – 실제 가격 변동성이 ROI 계산을 변경할 수 있으며, 동적 모델이 정확성을 높일 수 있습니다.
• 저자가 제시한 향후 연구 방향은 다음과 같습니다:
  1. 모델 성능 지표에 연결되는 검증 가능한 AI 활용 증명 설계.
  2. PoUW 공정성을 위한 벤치마크 스위트 개발.
  3. 측정 프레임워크를 다른 신흥 PoUW 프로젝트(예: Filecoin의 Proof‑of‑Replication, Helium의 Proof‑of‑Coverage)로 확장.

저자

• Abhinaba Basu

논문 정보

• arXiv ID: 2606.04819v1
• 카테고리: cs.CR, cs.CY, cs.DC
• 출판일: 2026년 6월 3일
• PDF: PDF 다운로드