콘텐츠로 건너뛰기

text.Codec: AI 기반 로보틱스를 위한 실행 레이어 - 반드시 알아야 할 내용

2025년 8월 4일4 min

Codec은 Solana 위에서 AI 에이전트와 로보틱스를 위한 실행 레이어를 구축하고 있으며, 기본 LLM 래퍼를 넘어섭니다. 정적 봇에 의존하는 대신, Codec Operators는 Vision-Language-Action (VLA) 모델로 구동되는 지능형 에이전트로, 단순히 추론하는 것이 아니라 행동하도록 설계되었습니다. 이러한 Operators는 환경을 인식하고 복잡한 지시를 논리적으로 처리하며, 디지털 및 현실 세계 인터페이스 전반에 걸쳐 물리적으로 작업을 수행하는 새로운 인력의 기반을 형성합니다.

오늘 호에서는 Codec이 Solana의 고처리량을 활용해 이러한 적응형 에이전트를 대규모로 배포하는 방법, Operator 마켓플레이스와 컴퓨트 패브릭의 고유한 가치, 그리고 VLAs가 순수 LLM 모델이 제공할 수 없는 기능을 어떻게 열어주는지 살펴봅니다.

시장 소식을 놓치지 마세요 ⬇

Codec: Execution Layer for AI-Powered Robotics - What You Need to Know

Codec Operators 소개

Codec의 핵심 주장은 LLM은 작업을 설명할 수는 있지만 수행할 수는 없다는 것입니다. VLA 모델은 시각적 컨텍스트를 이해하고 하드코딩된 경로나 외부 비전 스택에 의존하지 않고 이를 실행함으로써 이를 해결합니다.

Vision-Language-Action 모델은 시각적 인식, 언어 이해, 구조화된 행동 출력을 하나의 포워드 패스로 통합합니다. 발생해야 할 일을 설명하는 LLM과 달리, VLA는 좌표, 제어 신호 또는 실행 가능한 명령을 내보내어 실제로 수행하게 합니다.

각 Operator는 지속적인 루프를 실행합니다:

  • Perceive: 스크린샷, 비디오 피드 또는 센서 데이터를 캡처합니다.

  • Reason: VLA 모델을 사용해 해당 컨텍스트를 자연어 프롬프트와 함께 처리합니다.

  • Act: UI 클릭 또는 하드웨어 제어를 통해 결과 결정을 실행합니다.

이를 통해 Operators는 인터페이스를 자율적으로 탐색하고, 시각적 변화를 적응하며, 실시간으로 예외를 처리할 수 있습니다. 실제로는 로봇 팔이 불규칙한 부품을 손상 없이 분류하거나, 캘린더 봇이 레이아웃에 관계없이 회의를 예약할 수 있다는 의미입니다.

Codec: Execution Layer for AI-Powered Robotics - What You Need to Know
Codec: Execution Layer for AI-Powered Robotics - What You Need to Know

Codec 인프라스트럭처 스택

Codec 플랫폼의 핵심은 자율 AI 에이전트를 단순히 지능형으로 만드는 것을 넘어, 디지털 및 물리 시스템 모두에서 배포 가능하고, 반응성이 뛰어나며, 안전하도록 설계된 수직 통합 아키텍처입니다.

이 스택은 세 가지 핵심 레이어를 중심으로 구성됩니다:

  1. Machine Layer: Operators가 배포, 훈련 및 실행되는 영역입니다. 각 Operator는 가상 환경 내에서 실행되며, 베어메탈에 가까운 성능과 VM 수준의 격리를 제공해 로컬 실행 성능과 전체 프로세스 격리 보안을 결합합니다.

  2. System Layer: 이 레이어는 Machine Layer 위에 위치합니다. 배포된 Operators와 실행 환경 간의 실시간 양방향 상호작용을 가능하게 합니다. 저지연 WebRTC 파이프라인을 사용해 Codec은 고해상도 데스크톱 화면이나 실시간 카메라 피드를 실시간으로 Operator에게 스트리밍하여 의사결정을 위한 시각적 기반을 제공합니다. 동시에, 추상화 레이어를 통해 모델 출력물을 실행 가능한 마우스 움직임, 키 입력 또는 로봇 명령으로 변환하여 정확한 입력을 해당 환경에 주입합니다.

  3. Intelligence Layer: 이 레이어는 Operator의 의사결정을 담당합니다. 각 배포된 에이전트에 직접 내장된 경량 VLA 모델입니다. 오프 디바이스 클라우드 호출에 의존하는 대형 LLM과 달리, VLA는 완전히 로컬에서 실행되도록 설계되었습니다. 따라서 스크린샷, 비디오, 텍스트 지시와 같은 데이터를 OpenAI, AWS 또는 제3자 추론 제공업체가 호스팅하는 LLM이나 VLA에 전송하는 대신, Codec은 모델을 Operator와 함께 제공합니다. 로컬에서 실행하면 지연 시간이 낮아지고, 신뢰성이 향상되며, 보안이 강화되고, 오프라인 실행도 가능합니다.

Operator 훈련: 데모에서 배포까지

Codec에서 Operator를 훈련하는 것은 비개발자와 엔지니어 모두를 위해 설계되었습니다. 코드 없는 경로에서는 사용자가 워크플로를 클릭하면서 작업을 시연하면 시스템이 화면을 기록하고 각 입력을 캡처합니다. 이후 Codec 플랫폼은 이 데모를 기반으로 내장된 VLA 모델을 미세 조정하며, 자체 감독 학습을 사용해 이해를 보강하고 강화합니다.

개발자를 위해 Codec은 SDK를 제공하여 구조화된 훈련을 가능하게 합니다: 데이터셋 업로드, 워크플로 구성, 엣지 케이스에 대한 로직 작성 등. 미세 조정된 모델은 점진적으로 업데이트될 수 있어 견고하고 일반화 가능한 에이전트를 반복적으로 개발할 수 있습니다. 이 듀얼 모드는 Operator 생성의 접근성을 높이면서도 보다 정교한 작업을 위한 프로그래밍 가능성을 제공합니다.

최종 제품

간단히 말해, Codec은 텍스트 생성 LLM이 아닌 AI를 작업자로 전환하는 방법입니다. Codec은 화면과 실제 하드웨어 모두에서 볼 수 있고, 이해하며, 행동할 수 있는 에이전트를 제공하여 데스크톱 작업 자동화, 로봇 조종, 공장 영상 처리 및 기계 제어와 같은 다양한 작업을 수행합니다.

이를 가장 잘 비유하자면 AI 자동화를 위한 “Windows” 운영 체제라고 할 수 있습니다. Codec을 사용해 노트북에서 PDF 처리 흐름을 자동화하거나, 창고에서 전체 정렬 로봇 군대를 관리할 수 있습니다.

최근 예시로는 Robomove가 있습니다. 이는 Unitree G1 휴머노이드 로봇을 사용해 로봇이 작동하는 모습을 실시간 스트리밍하는 인터랙티브 로봇 놀이터입니다.

Codec이 암호화폐 친화적인 이유는 각 Operator가 온체인으로 조정되어 게시, 재사용 또는 더 큰 워크플로로 구성될 수 있기 때문입니다. 모든 기여와 사용은 $CODEC 토큰을 통해 추적 및 보상됩니다(토큰 이코노미는 아직 공개되지 않음). 이는 자동화를 개인 도구에서 누구나 Operator를 구축하고 실행할 수 있는 공개 자원으로 전환하며, 이를 지원하는 인프라는 탈중앙화 컴퓨팅과 개방형 경제 인센티브를 통해 수평적으로 확장됩니다.

Codec: Execution Layer for AI-Powered Robotics - What You Need to Know

중요 링크