本物の需要か、それともトレンドに乗っただけか？暗号資産VCたちはAI＋Web3をどう見ているのか？
TechFlow厳選深潮セレクト
本物の需要か、それともトレンドに乗っただけか？暗号資産VCたちはAI＋Web3をどう見ているのか？
AI＋Web3は、今後の業界における融合・革新の大きな突破口となる可能性がある。
Web3業界の深掘り報道に専念し潮流を洞察著者：万向ブロックチェーン
AI＋Web3データの融合をどう見るか？注目すべき方向性は何か？
Hashkey Capital - Harper：AIとWeb3データの統合には、いくつかのポイントがあると考えます。第一に、LLMモデルによって自然言語をSQLに変換生成するケースです。たとえばDuneのようなプロジェクトや、検索エンジン専門のプロジェクトでは、SQLの強化が必要で、データベース内のデータを正確に呼び出すことができます。また、自然言語から自動的にSQLを生成し、開発者がコピーして使用できるようにする試みもあります。第二に、ChatGPTをベースにしたチャットエージェントによる対話型インターフェースがあります。これはSQLや検索最適化に重点を置くよりも、カジュアルなやり取りを重視します。例えば「どのKOLがプッシュしたのか」「このセキュリティインシデントがトークン価格に与えた影響は？」といった問いに対して、ネット全体を検索して結果を提示します。この場合、データベースのSQL最適化はあまり重視されません。第三に、AIを使って適切なモデルを作成し、オンチェーン・オフチェーンのデータを整理・抽出することで、より優れたインサイトを得るアプローチです。
比較すると、一つ目はプロジェクト側が強力なデータベース構築能力を持つ必要があり、Web3のデータ処理は非常に複雑であるため、精度とスピードを両立するのは難しい。二つ目は比較的シンプルな統合方法であり、参入障壁も高くありません。
SevenX Ventures - Yuxing：実際、データはAIの「栄養源」です。Web3のデータは公開かつ検証可能ですが、一方でAIはブラックボックス的であり、検証が困難という課題があります。この2つの融合により、興味深い化学反応が生まれる可能性があります。現時点では、AIとWeb3の統合を単なる「AI＋Web3データ」と捉えるのではなく、「AIがどのようにWeb3を改善できるか」「Web3がどのようにAIを改善できるか」という2つの観点から考えるべきだと考えています。
まず、AIにとってWeb3データは、その公開性と検証可能性という特徴を活かせる貴重なリソースです。投資提案や警告分析など、あらゆるAIがWeb3データを活用して価値を創出できます。AIはWeb3データの処理・分析効率を高めることができます。一方で、Web3はAIの信頼性を高める役割を果たすこともできます。なぜなら、Web3自体が新しいタイプの信頼メカニズムだからです。Web3のデータの透明性・検証可能性を利用することで、AIの透明性を向上させることができ、ニュース報道やドキュメンタリーなどの重要な分野において、キーデータをWeb3方式で保存することで、AIの問題を回避できる可能性があります。
こうした問題の中でも特に顕著なのが、AIの「偽情報生成」と「ブラックボックス性」です。一部のAIアルゴリズムは理解可能ですが、ニューラルネットワークやGPTのように複雑なアルゴリズムの場合、その回答がどのように生成されたのか説明が難しく、「まるで魔法のようだ」と感じられることがあります。例えば、過去の人顔認識アルゴリズムが黒人をゴリラと誤認識したのは、トレーニングデータに黒人の画像が極端に少なかったためです。
もしAIモデルが使用するデータすべてが検証可能であれば、サンプルバイアスの有無をより容易に判断できます。Web3のデータは透明性が高いので、AIモデルの学習元データと結果の両方が明確になります。これにより、AIの意思決定プロセスを公正に評価でき、偏見や誤りを減らすことが可能になります。
ブラックボックス問題はおおむね2つに分けられます。一つはモデルやアルゴリズム自体のブラックボックス性で、学習の仕方やコンテンツ生成のメカニズムが、学習プロセスやアルゴリズム設計の面で不透明または説明不能であること。もう一つはデータのブラックボックスで、データが非公開であり、トレーニングセットの問題が最終的な結果のバイアスを引き起こすことです。
このようなバイアスが事実の正確性に関わるものであれば、継続的に改善することが可能です。しかし、イデオロギー、特に政治的・人種的差別に関わる問題になると、修正が困難になることがあります。そのような場合は、出力内容のコントロールに頼るしかありません。たとえば、現在多くの国営システムや国有企業のAIモデルでは、何を言ってはいけないかを制御することが最も重要な課題となっており、これは前述のイデオロギーバイアスと類似しています。
Qiming Venture Partners - 唐弈：AIとWeb3データの融合に関しては、個人的にはやや過剰な喧伝があり、実際の効果より話題性が先行していると感じます。私の見解では、暗号資産（Crypto）のデータ製品はまだ初期段階にあり、データに関する基盤整備が十分ではないのです。このような状況下で、早期にAIや大量のデータ分析を取り入れるのは時期尚早かもしれません。
さらに、ユーザー視点から見ると、多くの暗号プロジェクトとAIの連携シナリオは成立しにくく、AIの活用が限定的です。なぜなら、最近注目されているAIモデル、特に生成モデルは、大規模なインターネットデータに基づいて構築されており、言語処理や画像生成などの能力に特化しているからです。生成型AIを使ってユーザー体験を改善し、インタラクション性や会話感を高める試みもありますが、多くの場面ではその価値は限定的です。より広義のAI（データ分析機能や簡易なAIモデル）であれば、NFTの価格推定や、専門トレーディングチームによる取引支援など、いくつかの応用シーンが考えられます。全体として、現行のAIブームが暗号資産業界に短期間で特別な利益をもたらす機会は、現時点では見えていません。
もちろん、AIを活用してデータ処理や分析能力を向上させることを試みる初期段階のプロジェクトもいくつか見てきました。たとえば、AIを使ってスマートコントラクトのロジックを解釈したり、分類・識別を行うプロジェクトがあります。これらの作業は、取引などの重要な操作に関わるため、暗号資産領域では高い正確性が求められます。そのため、データ前処理にAIを活用することは意味があるかもしれませんが、最終的には人的な介入が必要となるでしょう。AIの能力で直接取引をトリガーしたい場合、専門のトレーダー以外では、製品面での大きな進展がまだ必要だと考えます。
Matrix Partners - 子熹：我々はFootprintやDuneなど、多くのWeb3データ関連プロジェクトを調査しました。私は当初Footprintの熱心なユーザーでもありました。これら2社は主にVC、開発者、中小企業向けのサービスを提供しており、一般ユーザーとの関係はそれほど深くありません。
また、暗号資産の取引や収益化に直結するデータ分析会社（Nansen、DefiLlama、Token Terminal、DappRadarなど）も調査しました。これらはVCや開発者にとって非常に有用ですが、収益化の面では限界があります。理由は、現状VCや開発者のデータ需要量が大きくなく、支払い意欲も低いからです。あるサービスが有料であっても、別の企業が同等の無料サービスを提供すれば、選ばれにくいのです。
データウェアハウス的な企業も調査しました。我々は腾讯とともにChainbaseへの投資も行いました。Chainbaseは安全、取引、NFT、DeFi、ゲーム、SNSなどのカテゴリに加え、総合的なデータを提供するプラットフォームです。開発者はこれらのデータを組み合わせて、自身に必要なAPIを生成できます。
熊相場では、Chainbase、Blocksec、Footprintなどの企業の多くが中堅・中小規模のスタートアップを顧客としています。たとえばChainbaseの大口顧客の収益は減少していないものの、中堅・中小顧客の収益は2〜3ヶ月でゼロにまで落ち込みました。これは資金不足により事業継続が困難になったことを示しています。
したがって、データプロバイダーにとっては、熊相場で新たな開発者が参入しない限り、収益化は困難です。これは、現時点のWeb3分野では、データプロバイダーがデータの価値を認識する開発者や中小企業に依存しており、彼らが内部でデータを統合・商品化し、収支バランスを取っている現状を反映しています。
根本的には、現在のWeb3データ企業はBtoC・BtoBを問わず、収益モデルが明確ではなく、安定したキャッシュフローを持てていないと言えます。特に中堅・中小の起業家にとって、これがWeb3データ業界最大の課題だと感じています。
話をAIとWebデータの融合に戻すと、最近我々はAI関連のデータ企業にも投資・調査を行いました。AIデータ企業も同様に、データ販売における課題に直面しています。顧客のコストと成果のバランスを考慮する必要があります。現時点では、海外市場に限れば、AIデータ企業の収益見通しには楽観的です。
しかし、国内市場だけをターゲットにする場合、最終的にはWeb2のSaaS企業と同様の結果になる恐れがあります。つまり、ある程度の収益は得られても規模は大きくならず、顧客の支払い意欲も低く、カスタマイズサービスを提供せざるを得ず、粗利益率も上がらない可能性があります。したがって、国内での展開には悲観的ですが、海外では楽観的です。
AIはWeb3データインフラおよびWeb3データ企業にどのような価値をもたらせるか？現在AIを活用したWeb3データプロジェクトの成果はどうか？ビジネスモデルに革新は可能か？
SevenX Ventures：AIがWeb3データに与える最大の価値は効率性の向上です。たとえば、DuneがAI大規模モデルツールをリリースし、コードの異常検出や情報インデックス化を可能にしました。ユーザーは自然言語でデータを問い合わせることができ、対応するコードが自動生成され、最適化も行われます。これは明らかに効率の向上です。
また、AIを使ったセキュリティ警告プロジェクトもあり、AIを訓練することで、迅速にセキュリティ問題を検出できるAIロボットを構築できます。AIアルゴリズムの中には「異常検出」というものがあり、純粋な数学的統計手法でデータ分布を見て異常値を検出するよりも効果的です。このため、AIはセキュリティ監視においてより効果的に機能できます。
また、大規模言語モデルを用いてWeb3のニュースデータ（オンチェーンデータだけでなく）を検索し、情報の集約や世論分析を行い、AIエージェントを形成するプロジェクトもあります。たとえば、ユーザーはチャットボックスで「あるトークンの過去30日または90日のネット上の世論はどうか」「買いか売りか」と尋ねることができ、それに応じたスコアが表示されます。また、曲線グラフにより、そのトークンの議論がピークを迎えたか、下降中か、上昇中かを判断できます。これは投資判断の補助となり、非常に興味深い応用例です。
ただし、一部のプロジェクトは自社のデータを「AIのデータソース」と称してAIブームに乗ろうとしていますが、これはやや無理があると思います。オンチェーンデータはそもそも公開されているため、誰でもAIのデータソースとして使えるので、いわば流行りに乗っかっているだけに過ぎないからです。
Matrix Partners - 子熹：ビジネスモデルは現在のデータ分野の大きな課題であり、解決策を見つけるのは難しい。BtoC領域では、Web3の概念（トークンや分散型）を活用することで、AIデータに新たなビジネスモデルを導入できる可能性がある。しかし、AI技術がデータに付加価値を与えるという点では、現状目立った進展はない。
AIはデータの処理・クリーニングに補助的な役割を果たすことはありますが、これは主に内部プロセスの改善であり、製品開発中の機能やUX向上に寄与する程度です。ビジネス面では大きな変化はありません。
AIボットは確かに競争力を若干高める助けになりますが、現時点では大きな差別化要因ではありません。核心的な競争力は依然としてデータソースの質にあります。データソースが豊富であれば、必要な情報を取得できます。問題は、それらのデータを商業化する場合、組み合わせた結果が実際に収益化できるかどうかです。現在の市場環境では、スタートアップがデータの収益化方法を知らず、新たな参入者も不足しています。
むしろ今注目すべきは、Web2の企業がWeb3技術を活用しているケースです。たとえば、合成データを生成する企業があり、大規模モデルを使ってソフトウェアテスト、データ分析、AIモデルの学習用に合成データを生成しています。データ処理時に多数のプライバシー課題に直面しますが、Oasisブロックチェーンを活用することで、データのプライバシー問題を効果的に回避しています。今後はデータ取引所を設立し、合成データをNFTとして包装して売買することで、権利確定とプライバシー保護を同時に解決しようとしています。これは非常に良いアイデアであり、Web3技術がWeb2の問題解決に貢献する好例です。必ずしもWeb3企業に限定されるわけではありません。ただし、現時点では合成データ市場はまだ小さく、早期投資にはリスクがあります。下流市場が育たなければ、あるいは競合が多すぎれば、厳しい状況に陥る可能性があります。
AI＋Web3データ分野で、投資した有望なプロジェクトはあるか？それぞれの方向性や投資判断の鍵となった要素は何か？また、こうしたプロジェクトの核心競争力とは何か？AIはそれを強化できるか？
Hashkey Capital - Harper：我々が投資したデータプロジェクトは比較的早期であり、当時はまだAIが注目される前でした。たとえばSpace and Time、0xscope、Mind Network、Zettablockなどです。投資判断の鍵は、プロジェクトのポジショニングとデータ品質でした。現在、これら各プロジェクトはAI導入を計画しており、多くはチャットエージェントから始めています。Space and TimeはChainMLと協力し、AIエージェント構築のインフラを提供しており、その一環としてDeFiエージェントがSpace and Time内で利用されています。これはAIとの融合の一形態です。
SevenX Ventures - Yuxing：プロジェクトがAIとの統合をうまく実現している場合、当然関心が高まります。投資判断の鍵となる要素の一つは、そのプロジェクトに市場参入障壁があるかどうかです。多くのプロジェクトが「AI統合により効率が向上する」と主張しています。たとえば、自然言語による高速データ検索機能などです。最近取引が活発なトップ10のNFTを自然言語で瞬時に検索できるプロジェクトもあります。このようなプロジェクトは先発優位を持ち得ますが、持続的な市場障壁は弱いかもしれません。
真の参入障壁は、AIの応用そのものと、エンジニアがAIを特定のシナリオに適用する能力にあります。エンジニアがモデルのファインチューニングを巧みに行える場合、良好な結果を得られます。効率向上型のプロジェクトでは、市場障壁は主にデータソースにあります。オンチェーンデータだけでなく、プロジェクト側がデータをどのように処理・解析するかも重要です。前述のプロジェクトは、AIアルゴリズムで重要なデータを迅速に検索できます。しかし、モデルのファインチューニングには限界があり、持続的な優位性はデータソースの質と継続的な最適化能力に依存します。そのため、一部のデータ分析企業が市場で差別化できるのは、データソースだけでなく、データ処理・分析能力も提供できるからです。違いはしばしばチームの技術力と人材にあります。これらがAI統合の最終的な成果に直接影響します。
また、AI自体をより良くするWeb3技術プロジェクトにも注目しています。AI市場は非常に巨大であり、Web3技術がAIの能力を強化できれば、応用範囲は非常に広がります。これがZKMLプロジェクトが注目を集める理由です。しかし、Web3プロジェクトはその価値が過大評価または過小評価されがちです。ZKMLのようなプロジェクトは注目されていますが、期待されるほど早く投資回収できず、出口戦略も不明確です。なぜなら、トークン発行が難しいからです。したがって、創造的で潜在的価値があるとしても、現時点で投資に値するか、最終的にどれほどのリターンをもたらすかは、投資家が慎重に検討すべきです。
Matrix Partners - 子熹：我々はAIとWeb3を統合した企業に投資しました。それはデータアノテーション企業「Questlab」です。彼らはブロックチェーン技術を用いて、データアノテーションのクラウドソーシングサービスを提供しています。従来のデータアノテーションは直営または請負型が主流で、知識領域の網羅性に限界がありました。
従来のデータアノテーションは大きく3種類に分けられます：直営、請負、クラウドソーシングです。しかし、クラウドソーシングを採用する企業は少ないです。いずれのモデルを選択するにしても、価格、品質、効率、業界カバレッジという要素を考慮する必要があります。汎用モデルの言語や画像アノテーションは簡単です。英字や画像の識別程度です。少し難しくなると、猫、犬、月、ベビーカーなどを区別する程度ですが、それでもそれほど難しくありません。しかし、音声ロボットコミュニティ向けのアノテーションなどになると、中国語方言、英語方言、各地域の少数言語など、非常に複雑になります。このような仕事を請け負う伝統的なスタジオはほとんどありません。
より複雑な例としては、法律＋AI企業があり、多数の法律知識をアノテーションして各種モデルを訓練する必要があります。法律に精通し、かつ専門的なアノテーションができる人材を見つけるのは非常に難しく、各国の法律に通じ、契約法、賃貸法、民法、刑法などさまざまな専門分野を理解している必要があります。市場にはこのような高度なサービスを提供できるデータアノテーション企業はほぼ存在しません。法律だけでなく、金融、バイオ、医療、教育なども同様です。そのため、こうした分野のアノテーションは通常、内部チームがクラウドソーシング方式で行うしかないのです。
我々は、ブロックチェーンを用いたクラウドソーシングは非常に有望な方向性だと考えます。GameFi分野でYGGが行ったことに似ています。これは将来性のある分野だと捉えています。
また、オープンソースモデルコミュニティにも良い機会があると考えます。たとえばPolychainが投資したプロジェクトは、Web3版Hugging Faceのようなもので、モデル作成者のエコノミーを解決しようとしています。
他のAIとWeb3の融合については、BtoC方向でトークンの仕組みを組み込むことで、コミュニティの粘着性、DAU、感情的つながりを高められれば、実現可能だと考えます。投資家の収益化も容易になりますが、市場規模の大きさは不透明です。以上が私たちのAI＋Web3に対する見解です。純粋なBtoBビジネスであれば、Web3を使う必要はなく、Web2方式で十分だと考えます。
Qiming Venture Partners - 唐弈：現在、我々が投資しているデータプロジェクトのいくつかは、オンチェーンデータを活用してセキュリティ分野で活動しています。AIによる基本的なパターン認識や特徴抽出の作業に取り組んでおり、一定の成果を上げています。しかし、大量のアクティビティデータをモデルに入力し、複数の情報を識別する高度な作業はまだ試行段階であり、成果は検証中です。セキュリティ分野以外でも同様の状況が多く見られます。
最近の例として、我々が投資したNFTGoは、ビッグデータ分析に基づきNFTの価格付けを行っており、一定の正確性を持っています。将来的には価格オラクルなどにも利用する予定です。この仕組みは魅力的に聞こえますが、製品としての完成度やユーザーの受け入れ度はまだ検証が必要です。仮に現在の正確性が85～90点でも、ユーザーは95～98点を求める可能性があり、さらなる検証が必要です。したがって、一部のプロジェクトがデータ分析やパターン認識といった単純なAI機能を製品に取り入れていますが、それが鍵となる要素かどうかはまだ不明です。
投資意思決定に関しては、プロジェクトにAIの話題性があるからといって投資を優先することはありません。実際の成果、目標達成の可能性、もたらされるメリットがより重要だと考えます。プロジェクト名やマーケティングに話題性があるのは、注目を集めたり露出を増やすためのマーケティング手段として理解できます。しかし、投資判断では、実際の成果が最も重要です。
ZKMLのようなプロジェクトも注目されていますが、同時に大きな課題があります。それは「具体的にどのようなシーンで使うのか」という点です。現時点では不確実性が非常に強く、壮大な物語に終始している印象です。
業界全体の発展動向から見て、AI＋Web3データ分野にはどのような潜在的機会や方向性があるか？将来、AIはデータ製品を完全にアップグレードし、新概念を導入できるか？ユーザーの支払い意欲を高められるか？
Hashkey Capital - Harper：間違いなく潜在的機会はあります。将来の方向性は、現時点でWeb2のAIに比べると遅れており、創造性も劣ります。Web3のAIは、おそらくWeb2のAIの写し鏡のような実装になるでしょう。
Matrix Partners - 子熹: 最近の「妙鸭カメラ」の成功から、ユーザーはAI製品に対して支払い意欲を持っていることがわかりました。これは従来のSaaS製品やゲームとは異なり、人々が無料を前提とする傾向があります。しかし、AIに対する支払い意欲は意外に強いのです。
将来について少し考察を述べます。データアノテーションプロセスには「プリアノテーション」という重要なステップがあります。これは、モデルを訓練して初期段階のアノテーションを行う工程です。このステップは非常に価値があり、人的コストを大幅に削減できます。原始データを事前学習済みモデルに入力してプリアノテーションを行い、半自動化されたデータ処理を経て、最後に手動で精密なアノテーションを行います。これにより、従来100人必要だった作業が、50～70人で済むようになります。
また、プリアノテーションにはAIと人間の協働が含まれ、フィードバックを通じてモデルのプリアノテーション能力を継続的に向上させることで、アノテーションチームの人数をさらに減らすことができます。AIと人間の協働が進むにつれ、100人のチームが30人で済むようになるかもしれません。しかし、このプロセスには下限があります。AIとの協働がどれほど優れていても、最終的なアノテーションと審査には一定の人力が必要です。
他の分野については、私はデータサイエンティストではないため、データのクリーニングやSQLクエリによるデータ利用を実際に経験していないので、AIが具体的にどれほど貢献できるかは分かりません。
Qiming Venture Partners - 唐弈：長期的には、Web3とAIに交差点が生まれると考えます。たとえばイデオロギーの観点から、Web3の価値体系をAIに統合でき、ボットのアカウント体系や価値変換体系として適していると考えます。想像してみてください。ロボットが自分のアカウントを持ち、その知能部分で収益を得たり、コンピューティング基盤の維持費を支払ったりする世界です。これは少しSF的ですが、実用化にはまだ長い道のりがあります。
第二の方向性として、AIモデルの出力が特定のカテゴリー・モデル・データに基づいており、信頼できるかどうかを検証する分野があります。これは信頼できるAIモデルの分野で応用が期待されます。技術的には非常に興味深いですが、十分な市場需要があるかどうかは不透明です。
もう一つの課題は、AIの登場によりデジタルコンテンツの生成が氾濫し、安価になっていることです。デジタル作品などの品質や創作者の特定が困難になっています。この点で、コンテンツの権利確定には、創作者とエージェントの役割を含む全く新しい体系が必要になるかもしれません。しかし、これらは未解決の問題が多く、物語的なコンテンツの発展には時間がかかるでしょう。短期的には、データ基盤の品質に注力し、モデルのさらなる強化を待つべきです。
また、商業化の面では、データ製品の商業化は非常に困難です。ビジネスの観点から言えば、AIは短期間でデータ製品の商業化問題を解決する手段にはならないと考えます。商業化には、データ処理能力以上の製品化努力が必要です。したがって、これらのプロジェクトは他の製品を開発して収益化を目指す必要があるでしょう。
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
