Placeholder 研究員：Web3はAI分野でテック大手とどう戦うのか？
TechFlow厳選深潮セレクト
Placeholder 研究員：Web3はAI分野でテック大手とどう戦うのか？
Web3の参加者は、より一層ニッチなシナリオに注力し、検閲耐性、透明性、社会的検証可能性における独自の強みを十分に発揮すべきである。
Web3業界の深掘り報道に専念し潮流を洞察著者：David & Goliath
翻訳：TechFlow
現在、AI産業における計算および学習プロセスは、主に集中型のWeb2巨大企業が支配しています。これらの企業は強大な資金力、最先端のハードウェア、そして膨大なデータ資源を背景に、圧倒的な優位性を占めています。このような状況は、最も強力な汎用機械学習（ML）モデルを開発する場面では当面続く可能性がありますが、中規模またはカスタムモデルに関しては、Web3ネットワークが次第にコスト効率が高く、利用しやすい計算リソースの供給源となるかもしれません。
同様に、推論処理のニーズが個人のエッジデバイスの能力を超えてしまう場合、一部のユーザーはより少ない検閲と多様な出力を得るためにWeb3ネットワークを選択するかもしれません。AI技術スタック全体を一から覆すことを目指すよりも、Web3の参加者はこうした特定のユースケースに注力し、検閲耐性、透明性、社会的検証可能性という独自の強みを最大限に活かすべきです。
次世代の基盤モデル（GPTやBERTなど）の学習には非常に希少で高価なハードウェアが必要であり、最上位クラスのチップに対する需要は今後も供給を上回り続けるでしょう。このリソースの希少性ゆえに、ハードウェアは資金に余裕のある少数の大手企業に集中しており、これら企業はそのハードウェアを使って最高性能かつ高度に複雑な基盤モデルを学習・商用化しています。
しかし、ハードウェアの更新スピードは極めて速いものです。では、時代遅れとなった中程度あるいは低性能のハードウェアは、その後どのように活用されるでしょうか？
こうしたハードウェアは、比較的シンプルで特定用途に特化したモデルの学習に使われる可能性が高いです。異なる性能のハードウェアと、それに適した種類のモデルをマッチングさせることで、リソースの最適配分が実現できます。この文脈において、Web3プロトコルは、多様で低コストな計算リソースへのアクセスを調整する上で重要な役割を果たすことができます。例えば、ユーザーは自身のデータセットで学習された簡易な中規模モデルを利用しつつ、より複雑なタスクに対してのみ、集中型企業が学習・ホスティングする高性能モデルを使用することも可能になります。その際、ユーザーの身元は匿名化され、プロンプトデータは暗号化されるようにすることでプライバシーを守れます。
効率性の問題に加えて、集中型モデルにおける偏見や潜在的な検閲への懸念も高まっています。Web3環境は透明性と検証可能性に優れており、Web2では無視されたり、あまりにもセンシティブと判断されて取り扱われなかったモデルの学習を支援することができます。こうしたモデルは、性能や革新性の面では競争力がないかもしれませんが、特定の社会集団にとっては依然として重要な価値を持ちます。したがって、Web3プロトコルは、より開放的で信頼でき、検閲に強いモデル学習サービスを提供することで、独自の市場を切り開くことができるのです。
当初は、集中型と分散型の両方のアプローチが共存し、それぞれ異なるユースケースに対応するでしょう。しかし、Web3が開発者体験やプラットフォーム互換性を継続的に改善し、オープンソースAIのネットワーク効果が徐々に現れてくるにつれて、Web3は最終的に集中型企業のコア領域でも競争できるようになるかもしれません。特に、ユーザーが集中型モデルの限界をますます認識するようになれば、Web3の強みはさらに際立ってくるでしょう。
中規模または特定ドメイン向けモデルの学習に加えて、Web3の参加者はより透明で柔軟な推論ソリューションを提供するという利点も持っています。分散型の推論サービスは、ダウンタイムゼロ、モデルのモジュール化・組み合わせ可能、公開されたモデル性能評価、多様で検閲のない出力といったさまざまなメリットをもたらします。また、消費者が少数の集中型プロバイダーに依存することで生じる「ベンダーロックイン」問題を効果的に回避することも可能です。モデル学習の場合と同様に、分散型推論層の競争優位性は計算能力そのものではなく、クローズドソースのファインチューニングパラメータの透明性不足、検証不可能性、高コストといった長年の課題を解決できる点にあります。
Dan OlshanskyはPOKTのAI推論ルーティングネットワークを通じて、AI研究者やエンジニアが研究成果を実践に移し、カスタムの機械学習（ML）または人工知能（AI）モデルを通じて追加収入を得られる機会を創出するという有望な構想を提示しています。さらに重要なのは、このネットワークが分散型・集中型双方のプロバイダーを含む複数のソースからの推論結果を統合することで、推論サービス市場におけるより公平な競争を促進できる点です。
楽観的な予測では将来的にAI技術スタック全体がチェーン上に完全に移行する可能性もありますが、現時点では、データおよび計算リソースの集中という大きな障壁があり、既存の巨人たちに明確な競争優位をもたらしています。しかし、分散型の調整および計算ネットワークは、よりパーソナライズされ、経済的で、開放的かつ検閲に強いAIサービスを提供するという独自の価値を示しています。こうした価値が特に重要となるニッチ市場に焦点を当てることで、Web3は自らの競争的防衛線を築き上げ、この時代で最も影響力を持つ技術が少数の伝統的巨人に独占されることなく、多様な方向性で共進化し、より広範なステークホルダーに利益をもたらすことを可能にするのです。
最後に、本稿執筆にあたり、Placeholder Investmentチーム全員、Multicoin CapitalのKyle Samani、Canonical VCのAnand Iyer、Nectar AIのKeccak Wong、Osmosis LabsのAlpin Yukseloglu、NEAR FoundationのCameron Dennis各位にレビューおよび貴重なフィードバックをいただいたことに、心より感謝申し上げます。
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
@placeholdervc
