데이터 '족보' 장부를 선점하라 — DATA Network, AI 학습 데이터 권리 프로토콜로 3천만 달러 확보

기사 제공처 : 아이티인사이트 / 등록기자: 최시훈 [기자에게 문의하기] /

해당 기사에 관련하여 문의하기에 남겨주시면 "최시훈"기자에게 전송됩니다

이름

연락처

- -

이메일

DATA Network 3천만 달러 유치가 가리킨 데이터 시장의 가격 재편

2026년 10월 현재 인공지능(AI) 기업의 경쟁력은 모델 크기보다 데이터의 출처를 얼마나 설득력 있게 증명하느냐로 이동했다. CRYPTO fundraising team 자료에 따르면 DATA Network는 인간이 기여한 AI 학습 데이터의 소싱, 기록, 라이선싱, 검증을 위한 개방형 프로토콜 개발 명목으로 3천만 달러, 원화 약 400억 원 규모 투자를 유치했다. 이 투자 라운드는 Sui Foundation이 주도했다.

단순한 가상자산 프로젝트 투자가 아니다. AI 산업이 학습 데이터의 양적 확보 단계에서 권리·동의·정산을 사업 모델 안에 넣는 단계로 넘어갔다는 신호에 가깝다.

이번 거래의 핵심은 데이터가 더 이상 원재료처럼 익명으로 흡수되지 않는다는 점이다. DATA Network는 구 Story Protocol로 알려진 프로젝트이며, 인간이 제공한 학습 데이터의 출처, 동의, 라이선스 조건, 기여자 지불 내역을 Trace 레지스트리(Trace registry)에 기록하는 구조를 내세운다.

3천만 달러라는 금액은 대형 AI 모델 투자와 비교하면 작아 보일 수 있다. 그러나 본지 추가 분석에 따르면 이 자금의 의미는 컴퓨팅 인프라 확장보다 데이터 권리 시장의 운영 규칙을 선점하는 데 있다. 모델 개발사가 앞으로 마주할 비용 항목이 그래픽처리장치(GPU) 임차료와 인력비에 그치지 않고, 데이터의 법적 안정성과 정산 체계까지 넓어졌기 때문이다.

AI 산업은 지난 몇 년간 데이터의 양을 빠르게 빨아들이는 방식으로 성장했다. 공개 웹, 사용자 생성 콘텐츠, 전문 지식 데이터, 창작물은 모델 성능 향상의 기반이 됐다.

문제는 이 데이터가 누가 만들었고, 어떤 동의 절차를 거쳤으며, 상업적 학습에 어떤 조건으로 쓰였는지를 나중에 입증하기 어렵다는 데 있다. DATA Network가 내세운 장부형 접근은 이 공백을 겨냥한다. 데이터가 모델에 들어가기 전 단계에서 권리 정보를 붙이고, 이후 기여자에게 지급할 보상 조건까지 기록한다면 데이터는 비용이 아니라 거래 가능한 자산으로 바뀐다.

투자 관점에서 보면 이번 3천만 달러 조달은 AI와 블록체인(blockchain)의 결합이라는 표어보다 더 구체적인 시장 변화를 보여준다.

블록체인은 투기적 토큰 발행의 도구라는 비판을 오랫동안 받아왔다. 그러나 데이터 출처와 사용 조건을 여러 참여자가 검증해야 하는 시장에서는 변경 이력을 남기는 분산 원장 구조가 사업적 쓸모를 얻는다.

모든 기업이 블록체인에 학습 데이터를 올린다는 뜻은 아니다. 오히려 중요한 지점은 민감한 원본 데이터 자체가 아니라 권리와 거래 조건, 정산의 흔적을 어떤 표준으로 남길지다. DATA Network가 Trace 레지스트리를 전면에 둔 이유도 여기에 있다.

Sui Foundation의 참여는 별도 의미를 갖는다. DATA Network는 현재 자체 체인에서 운영되다가 Sui 블록체인으로 마이그레이션 중이라고 밝혔다.

체인 이전은 기술 선택을 넘어 생태계 선택이다. AI 데이터 프로토콜이 독립 체인으로 남으면 통제력은 크지만 개발자와 애플리케이션 유입 속도에서 한계를 만난다. 반대로 Sui 같은 기존 생태계로 옮기면 지갑, 스마트계약(smart contract), 개발 도구, 저장 인프라와 연결할 가능성이 커진다.

DATA Foundation 애플리케이션의 기본 스토리지 레이어로 Walrus가 예정된 점도 같은 맥락이다. 저장 계층까지 묶는 전략은 데이터 권리 기록과 실제 데이터 관리 사이의 거리를 줄이려는 선택으로 읽힌다.

Sui 이전과 Walrus 채택으로 보는 블록체인 인프라 전략

기업 전략 측면에서 가장 큰 변화는 AI 학습 데이터 조달 부서의 역할이다. 지금까지 데이터 확보는 연구 조직과 법무 조직 사이의 보조 업무로 취급된 경우가 많았다.

앞으로는 데이터 조달, 라이선스 협상, 기여자 정산, 감사 대응을 묶은 별도 운영 체계가 경쟁력의 일부가 된다. 특히 콘텐츠, 의료, 교육, 금융처럼 권리 관계와 규제 부담이 큰 산업은 출처 증명이 없는 데이터 사용을 장기 계약의 리스크로 본다.

DATA Network 같은 프로토콜이 실제 표준으로 자리 잡을지는 아직 확인되지 않았다. 다만 시장이 어떤 문제에 비용을 지불하기 시작했는지는 분명하다.

이번 조달 금액 3천만 달러는 데이터 거버넌스가 독립 투자 테마로 분리됐다는 점을 보여준다.

본지 추가 분석에 따르면, 한국 기업에도 이 변화는 직접적으로 연결된다. 국내 AI 스타트업과 대기업은 한국어 데이터, 산업 특화 데이터, 고객 상호작용 데이터를 확보해야 모델 차별화를 만들 수 있다.

그런데 한국어 데이터는 글로벌 영어권 데이터보다 규모가 작고, 저작권자·플랫폼·이용자 간 권리 관계가 복잡한 경우가 많다. 무단 수집 논란이 발생하면 기술 성능보다 사업 지속성이 먼저 흔들린다. 따라서 한국 AI 기업은 데이터 정제 품질과 라벨링 비용만 따질 것이 아니라 동의 증적, 라이선스 조건, 2차 사용 가능 범위, 기여자 보상 구조를 초기에 설계해야 한다.

이 비용을 뒤로 미루면 모델 고도화 이후 더 비싼 법무·계약 비용으로 돌아온다. 반론도 있다. 본지 추가 분석 결과, 블록체인을 쓰지 않아도 기존 데이터베이스와 계약 관리 시스템으로 출처와 동의 정보를 관리할 수 있다는 주장은 타당한 지적이다.

기업 내부 데이터만 다룬다면 중앙화된 시스템이 더 빠르고 싸다. 그러나 AI 학습 데이터 시장은 단일 기업 내부에서 끝나지 않는다. 데이터 제공자, 모델 개발사, 애플리케이션 사업자, 저장 인프라, 검증자, 최종 고객이 서로 다른 이해관계를 갖는다.

이때 한 회사가 모든 거래 기록을 독점 관리하면 신뢰 비용이 높아진다. 블록체인 기반 프로토콜의 경제적 가치는 기술 자체의 새로움보다 여러 주체가 같은 장부를 기준으로 계약과 정산을 확인하는 데서 나온다. 그렇다고 DATA Network의 성공이 보장됐다는 뜻은 아니다.

원본 자료에서 공개된 사실은 3천만 달러 투자 유치, Sui Foundation의 라운드 주도, Trace 레지스트리 운영, Sui로의 마이그레이션, Walrus 채택 예정까지다. 구체적인 매출, 고객사, 토큰 경제 구조, 데이터 공급자 규모는 현재까지 확인되지 않았다.

투자자는 이 대목을 분리해서 봐야 한다. AI 데이터 거버넌스 시장의 성장 가능성과 특정 프로토콜의 사업 성과는 같은 말이 아니다. 초기 인프라 프로젝트는 표준을 만들면 높은 네트워크 효과를 얻지만, 표준 경쟁에서 밀리면 기술 완성도와 무관하게 시장 접근권을 잃는다.

한국 AI 기업에 남은 과제는 데이터 출처와 권리 관리

산업 생태계 차원에서 보면 더 큰 쟁점은 데이터의 가격 발견이다. 본지 추가 분석에 따르면, 지금까지 AI 기업은 학습 데이터 확보 비용을 공개적으로 산정하기 어려웠다.

권리자가 누구인지, 어느 범위까지 쓸 수 있는지, 파생 모델 수익과 어떻게 연결되는지 명확하지 않았기 때문이다. Trace 레지스트리 같은 시스템이 확산하면 데이터 제공자는 자신의 기여 기록을 근거로 가격을 요구할 수 있고, 모델 기업은 위험이 낮은 데이터셋에 더 높은 비용을 지불할 근거를 얻는다.

이는 데이터 시장의 투명성을 높이지만 동시에 AI 개발 비용을 끌어올린다. 무료 또는 저비용 데이터에 의존했던 사업자는 비용 구조를 다시 짜야 한다. 투자자에게 이번 사례는 AI 인프라의 무게중심이 칩과 클라우드에서 데이터 권리 계층으로 넓어지는 장면이다.

물론 단기 수익성을 확인하려면 고객 채택, 반복 매출, 규제 환경, 개발자 생태계라는 네 가지 변수를 점검해야 한다. Sui 이전이 개발자 유입을 실제로 늘리는지, Walrus 저장 계층이 데이터 앱 운영비를 낮추는지, Trace 레지스트리가 법적 분쟁에서 증거력을 인정받는지는 별도의 검증 영역이다.

그러나 AI 모델 성능 경쟁이 계속될수록 고품질 학습 데이터의 확보 경쟁도 피할 수 없다. 이때 출처와 동의를 증명하는 인프라는 선택적 부가 기능이 아니라 계약의 전제가 된다. 본지 판단으로는 이번 투자를 AI와 블록체인의 단순 결합보다 데이터 공급망의 회계 처리 변화로 봐야 한다.

기업은 원재료의 원산지를 관리하듯 학습 데이터의 원산지와 사용 조건을 관리해야 하는 시점에 들어섰다. DATA Network가 그 표준의 주인이 될지는 아직 공식 확인된 성과가 부족하다.

3천만 달러 규모 자금이 이 영역으로 들어갔다는 사실 자체가 시장의 우선순위가 바뀌었음을 보여준다. 한국 AI 기업은 더 많은 데이터를 모으는 데 그칠 것인가, 아니면 데이터 권리의 장부까지 사업 전략에 넣을 것인가. 이 질문에 대한 답을 미루는 비용은 시간이 갈수록 커진다.

※ 이 기사는 CRYPTO fundraising team의 DATA Network 투자 유치 관련 보도(발행 날짜 및 기자명 원천 자료에서 미확인)를 참조하여 작성하였다. 원본 자료에 없는 분석·추론은 본문 내 '본지 추가 분석' 또는 '본지 판단' 표현으로 구분하였다.

FAQ

Q. 일반 기업은 DATA Network 같은 프로토콜을 바로 도입해야 하나

A. 현재 공개된 자료만으로 특정 기업이 즉시 도입해야 한다고 단정하기 어렵다. 다만 AI 학습에 외부 데이터나 이용자 생성 데이터를 쓰는 기업은 데이터 출처, 동의, 라이선스 범위를 내부 장부로 먼저 정리해야 한다. 블록체인 프로토콜 채택 여부와 무관하게 권리 증적을 남기는 절차는 향후 계약과 감사 대응의 기본 요건이 된다. 특히 한국어 데이터처럼 공급 범위가 제한된 자산은 초기 권리 설계가 사업 확장 속도를 좌우한다.

Q. Sui로의 마이그레이션은 왜 사업적으로 의미가 있나

A. DATA Network는 자체 체인에서 운영되다가 Sui 블록체인으로 이전하는 중이라고 밝혔다. 이는 독자 인프라를 고집하기보다 기존 개발자 생태계와 저장·애플리케이션 계층을 활용하려는 선택으로 해석된다. Sui Foundation이 투자 라운드를 주도했다는 점도 양측 이해관계가 기술 통합 쪽으로 맞물렸음을 보여준다. 다만 이전 완료 시점과 실제 이용 규모는 원본 자료에서 확인되지 않았다.

Q. AI 데이터 라이선싱 시장은 투자 대상으로 어떤 점을 봐야 하나

A. 투자자는 단순 모금 규모보다 실제 데이터 공급자와 모델 개발사가 같은 장부를 쓰는지 살펴야 한다. Trace 레지스트리처럼 출처, 동의, 지급 조건을 기록하는 기능은 강력한 네트워크 효과를 만들 여지가 있지만, 고객 채택이 부족하면 인프라 가치가 제한된다. 법무 리스크를 낮추는 데이터셋에 비용을 지불하려는 기업 수요가 커질수록 이 시장의 가격 체계가 구체화된다. 확인되지 않은 매출이나 고객사를 전제로 투자 판단을 내리기보다 공개된 파트너십과 사용 사례를 단계적으로 검증해야 한다.

▶ 법률 고민이 있다면 → 김연순법률노트 무료상담 바로가기