AIとWeb3のレイアウト機会：投資家の視点から見た将来性とチャンス（下）
TechFlow厳選深潮セレクト
AIとWeb3のレイアウト機会：投資家の視点から見た将来性とチャンス（下）
人々はずっとAIとWeb3の接点を探求し続けてきた。
Web3業界の深掘り報道に専念し潮流を洞察執筆：Lao Bai、ABCDE 投研パートナー
前回の記事では、Web3＋AIの6つのモデルのうち、「Bot／Agent／Assistantのアセット化」について紹介しました。本稿では残りの5つのモデルについてさらに詳しく解説します。これらはそれぞれ「コンピューティングプラットフォーム」「データプラットフォーム」「ジェネレーティブAI」「DeFi取引／監査／リスク管理」「ZKML」です。
コンピューティングプラットフォーム
コンピューティングプラットフォームのプロジェクトは、Botモデルのアセット化ほど数が多くなく競争もそれほど激しくないですが、理解しやすい側面があります。つまり、AIが大量の計算能力を必要としていることは周知の事実であり、BTCやETHは過去10年以上の期間を通じて、経済的インセンティブとゲーム理論に基づき、自発的かつ分散的に膨大な計算リソースを協調・競争させる仕組みが存在することを証明してきました。この仕組みを今度はAI分野に応用できるのです。
業界で最も有名な2つのプロジェクトはTogetherとGensynでしょう。前者はシードラウンドで数千万ドルを調達し、後者はシリーズAで4300万ドルを調達しています。これらのプロジェクトがこれほど大規模な資金調達を行う理由は、自社のモデルを訓練するための資金と計算資源を確保する必要があるためだとされています。その後、他のAIプロジェクト向けのトレーニング用コンピューティングプラットフォームとして提供していく予定です。
一方、推論（Inference）用途のコンピューティングプラットフォームは比較的小規模な資金調達にとどまっています。というのも、本質的には空いているGPUなどの計算リソースを集約し、必要なAIプロジェクトに推論用として提供するだけだからです。RNDRはレンダリング用の計算リソースを集約していますが、同様のモデルで推論用の計算リソースを集約するプラットフォームも登場しています。ただし、現時点での技術的ハードルはそれほど高くなく、将来的にはRNDRやWeb3のクラウドコンピューティングプラットフォームが推論用プラットフォームにも進出する可能性すらあります。
モデルのアセット化と比べると、コンピューティングプラットフォームはより現実的で将来性が予測しやすく、需要が確実に存在する分野です。この分野ではいずれかのプロジェクトが頭角を現すのは時間の問題といえますが、不確定要素としては、トレーニングと推論それぞれに別々のリーディングプロジェクトが生まれるのか、あるいは一つの企業が両方を独占するのか、といった点です。
データプラットフォーム
これはそれほど難解ではありません。AIの基盤を成すのは主に三つ——アルゴリズム（モデル）、計算能力、そしてデータ——だからです。
アルゴリズムと計算能力に「分散型バージョン」があるなら、データにも当然その対応物が存在するはずです。これは奇績創壇の創業者である陸奇博士が、AIとWeb3の融合について語る際に特に注目している分野でもあります。
Web3は常にデータのプライバシーと所有権を重視しており、ZK（ゼロ知識証明）などの技術によってデータの信頼性と完全性を保証できます。そのため、Web3上のオンチェーンデータを使って学習したAIモデルは、従来のWeb2のオフチェーンデータから学習したモデルとは明らかに異なる特徴を持つはずです。この方向性は理にかなっており、現在のところ、Oceanがこの分野の代表的なプロジェクトといえるでしょう。またプライベート市場では、Oceanをベースにした専門のAIデータマーケットプレイスのようなプロジェクトも見られます。
ジェネレーティブAI
簡単に言えば、AIを使って絵を描いたり、創作活動を行ったりして、NFT制作やゲーム内のマップ生成、NPCの背景設定などさまざまな用途に活用する分野です。NFT分野についてはやや厳しい印象があり、AI生成コンテンツは希少性に欠ける傾向があります。一方でGameFiは有望な道筋の一つであり、プライベート市場ではすでに取り組んでいるチームも存在します。
しかし最近のニュースによると、Unity（長年 Unreal Engine とともにゲームエンジン市場を二分している企業）が独自のAI生成ツール「Sentis」と「Muse」を発表しました。まだクローズドベータ段階ですが、来年には正式リリースされる見込みです。正直なところ、Web3業界のゲーム関連AIGCプロジェクトは、Unityによって次元が違うレベルで圧倒される可能性がある……というのが率直な感想です。
DeFi取引／監査／Yield／リスク管理
これらの分野でもいくつかのプロジェクトが試みられていますが、類似性は比較的低いです。
-
取引——これはやや厄介です。ある取引戦略が有効であっても、利用者が増えれば徐々にその有効性が薄れていきます。新しい戦略への切り替えが必要になります。また、AI取引ボットの将来の勝率がどの程度になるのか、一般のトレーダーと比べてどのくらいのレベルに位置づけられるのかも興味深い点です。
-
監査——既存の一般的な脆弱性を素早く検出することは可能でしょう。しかし、これまでにない新たなタイプやロジック上のバグについては対応できない可能性があります。こうした課題を克服するにはAGI（汎用人工知能）時代の到来が不可欠かもしれません。
-
Yield——これは比較的理解しやすいです。AI搭載版のYFI（Yearn Finance）と考えればよいでしょう。ユーザーが資金を預けると、AIがそのリスク許容度に応じて自動的にStaking先を選定し、LP構築やマイニングなどを実行します。
-
リスク管理——単体のプロジェクトとして成立させるのはやや不自然で、むしろ各貸借プラットフォームやDeFiプロトコルにプラグイン形式で提供される方が現実的です。
ZKML
現在、業界内でますます注目を集めている分野です。これは、Web3界隈の最先端技術「ZK（ゼロ知識証明）」と、外部の最先端技術「ML（機械学習、AIの狭義の一分野）」が融合したものです。
理論的には、ZKとの統合により、MLに対してプライバシー保護、完全性、正確性を提供できるとされています。しかし、具体的にどのようなユースケースがあるのかと問われると、多くのプロジェクト関係者自身も明確な答えを持っていないのが現状です。とりあえずインフラを構築しておこう、という感じです。
現時点で本当に必要とされているのは、医療分野における機械学習で患者データのプライバシー保護が求められるケースです。一方、オンチェーンゲームの完全性担保やチート防止といったストーリーは、やや無理があるように感じられます。
この分野では現在、Modulus Labs、EZKL、Gizaといった数少ないスター・プロジェクトが存在し、プライベート市場で熱烈に支持されています。
そもそも世界中でZKの技術を理解できる人間は限られており、ZKに加えてMLまで精通している人材はさらに稀少です。そのため、この分野の技術的ハードルは他に比べて非常に高く、類似プロジェクトも生まれにくい状況です。
最後に一点、ZKMLは主に「推論（Inference）」に焦点を当てており、「学習（Training）」には向いていません。
以上が、AI＋Web3に関する現時点でのトレンドです。もし上記6分野以外で有望な融合プロジェクトや新アイデアをご存知でしたら、ぜひご連絡ください。
TechFlow公式コミュニティへようこそ
Telegram購読グループ：https://t.me/TechFlowDaily
Twitter公式アカウント：https://x.com/TechFlowPost
Twitter英語アカウント：https://x.com/BlockFlow_News
Lao Bai
