AI＋Web3はこの一巡のブルマーケットの触媒となるだろうか？
TechFlow厳選深潮セレクト
AI＋Web3はこの一巡のブルマーケットの触媒となるだろうか？
AI＋Web3の方向性が大きなトレンドであることに間違いはないが、実際に実用化され発展するスピードはそれほど速くない。
Web3業界の深掘り報道に専念し潮流を洞察執筆：Haotian
市場はAI＋Web3が今回のブルマーケットの触媒になると期待しており、VCが付けている高評価や大規模な投資からもそれがうかがえる。問題は、AI＋Web3融合分野が現在直面している課題は何なのかということだ。@web3caff_zh のこの体系的なレポートを踏まえ、私の見解を述べたい。
1）AIの学習には大量のデータが必要だが、Web3の強みはまさにデータ追跡と、そこから派生するインセンティブ機能にある。長期的にはAIがWeb3の支援を必要とするだろうが、同時にWeb3はAIの限られた課題しか解決できないという点を明確にしなければならない。
たとえば、従来の大規模データ学習、アルゴリズムの継続的最適化、コンピュータービジョン、音声認識技術、ゲームAIなどのコア領域では、依然として大規模な集中型計算能力やチップ、アルゴリズムなどハード・ソフト両面の最適化が主な推進力であり、ディープラーニングの畳み込みニューラルネットワーク、強化学習、脳型計算モデルなどAIの能力限界を拡張する方向性においては、短期間でWeb3が関与できる余地はない。
2）生成AIはAI全体のごく一部にすぎないが、AIとWeb3の融合を加速させている。なぜなら生成AIはアプリケーション層に近い、より民主的なAI技術だからである。理想としては、基盤となる大規模モデルは大企業が集中型計算リソースを使って開発し、オープンソース化することで上位のアプリケーション市場を牽引していく。全体のAI市場は徐々にロングテール化し、モデルのファインチューニングや推論の重要性が際立ってくる。
しかし、核心的な計算資源やモデルを持つ企業がオープンソース方針を変更すれば、AI市場全体に直接的な影響が出る。こうしたリスクを回避するためには、分散型計算アーキテクチャおよび分散型推論協働アーキテクチャに基づくインフラが不可欠となる。
3）Web3はAI分散型フレームワーク構築において重要な役割を果たすことができる。例えば、モデル学習時においては、ブロックチェーンによりデータソースに一意の識別子を付与し、重複データを排除して学習効率を向上させられる。計算リソースが不足する場合には、トークノミクスのインセンティブメカニズムを活用して分散型AI計算ネットワークを構築できる。パラメータのファインチューニング段階では、ブロックチェーンでモデルのバージョン管理を行い、進化の軌跡を追跡するとともに細かい制御を可能にする。
またモデル推論フェーズでは、ZK（ゼロ知識証明）やTEE（Trust Execution Environment）などの技術を用いて非中央集権的な推論ネットワークを構築し、モデル間の通信と信頼性を強化できる。エッジコンピューティングとDePINの統合段階では、Web3が非中央集権的なエッジAIネットワークの構築を支援し、AI＋DePIN型IoTの実現を促進できる。
4）Vitalikは以前、AIとWeb3の接点について言及し、AIがWeb3世界の参加者として段階的に統合されていくと述べている。つまり、AIとWeb3の融合は非常に緩やかになるだろう。
一方で、主流のWeb2世界の注目はまだAIの成果そのものに集中しており、AIの裏側での協働フレームワークにはあまり依存していないため、Web3との乖離が生じている。他方、Web3側もAI連携分野では、分散型計算ネットワーク、分散型推論アーキテクチャ、分散型トークノミクス応用ネットワーク、分散型AIエージェントツール連携ネットワークといった基礎インフラの構築段階にとどまっており、Web2の主流かつ必須のユーザー層からの十分な検証や実利用には至っていない。
結局のところ、AI＋Web3の方向性は確かに大きなトレンドだが、実際に形になるまでの展開はそれほど速くはなく、一つのサイクル、あるいは複数サイクルを跨いでようやく顕著な進展が見えるかもしれない。ここには、もう少し忍耐が求められる。
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
Haotian | CryptoInsight
