OKX Ventures レポート：10以上のプロジェクトを分解し、AIエージェントの地図を理解する（前編）
TechFlow厳選深潮セレクト
OKX Ventures レポート：10以上のプロジェクトを分解し、AIエージェントの地図を理解する（前編）
OKX Venturesの最新レポートはAI分野の発展地図を詳細に分析し、皆さんがAIの価値を理解する上でいくつかの示唆と考察を提供することを期待しています。
Web3業界の深掘り報道に専念し潮流を洞察
AI分野は、投機的な注目から実際の応用への展開へと進化している。
初期のAIミームトークンはAIブームに乗じて急成長したが、現在ではより機能性の高いAI取引ツール、スマートな投資リサーチ、オンチェーンAIエージェントが登場しつつある。AI駆動によるオンチェーンサッチ狙撃戦略から、AIエージェントによる自主的オンチェーンタスクの実行、AI生成によるDeFi収益最適化ソリューションまで、AI分野の影響力は急速に拡大している。
しかし、多くの人々がAIトークンの時価総額の指数関数的成長を見ることはできても、その価値ロジックを解読する座標系を見つけることはできない。 どのAI分野が長期的な生命力を持つのか？ DeFAIはAIの最適な応用なのか？ AIプロジェクト評価の観点は何があるのか？……OKX Venturesの最新レポートは、AI分野の発展マップを深く分析し、概念の解説、進化の歴史、応用分野、およびプロジェクト事例を通じて、AIの価値理解にインスピレーションと考察を提供することを目指している。
今回のレポートは内容が豊富であるため、読みやすさを考慮して（上）、（下）の二部構成に分けた。本稿は「前編」である。
関連記事：《OKX Ventures レポート：10以上のプロジェクトを分析し、AIエージェント版図を理解する（下）》
一、AIエージェントについて
AIエージェントとは、環境を認識し、意思決定を行い、対応する行動を実行できる知的実体のことである。従来の人工知能システムとは異なり、AIエージェントは独立して思考しツールを呼び出すことができ、特定の目標を段階的に達成できるため、複雑なタスク処理において高い自律性と柔軟性を持つ。
簡単に言えば、AIエージェントとは人工知能技術によって駆動される代理人であり、そのワークフローには以下の要素が含まれる：入力の取得を行う感知モジュール、言語モデルによる理解・推論・計画立案、タスク実行のためのツール呼び出し、検証と調整を行うフィードバックと最適化。
OpenAIは、AIエージェントを大規模言語モデル（LLM）を中心として、自律的な理解、認識、計画、記憶およびツール利用能力を持つシステムと定義しており、複雑なタスクを自動的に実行できる。従来の人工知能とは異なり、AIエージェントは独自の思考とツール呼び出しを通じて設定された目標を段階的に達成できる。
AIエージェントの定義は、以下の重要な要素に要約できる： 認識（Perception）— AIエージェントはセンサーやカメラ、その他の入力装置を通じて周囲の環境を認識し、必要な情報を取得する。理解と推論（Reasoning）— 取得した情報を分析し、複雑な推論を行い、合理的な意思決定を行うことができる。意思決定（Decision-making）— 分析結果に基づき、行動計画を策定し、最適な実行経路を選択する。行動（Action）— 最後に、AIエージェントは策定した計画を実行し、外部ツールやインターフェースを呼び出して他のシステムと相互作用することで、予め定めた目標を達成する。
AIエージェントの動作原理とプロセスは通常、以下のステップを含む： 第一に情報入力 — 環境からの情報（ユーザーの指示、センサーデータなど）を受け取る。次にデータ処理 — 内蔵アルゴリズムやモデルを用いて入力データを処理し、短期・長期の記憶システムを活用して現在の状態を理解する。その後、計画立案 — 処理結果に基づき、大きなタスクを管理可能な小タスクに分割し、具体的な実行計画を立てる。実行フェーズでは、AIエージェントは外部APIやツールを呼び出して計画を実施し、進行状況を監視してタスクが期待通りに完了するよう確保する。最後に、フィードバックと学習 — タスク完了後、結果に基づいて自己反省と学習を行い、将来の意思決定の質を向上させる。
二、進化の歴史
AIトークンの進化過程は、「MEME」現象から高度な技術融合への転換を示している。当初、多くのトークンは一時的なコンセプトの宣伝やSNSのバズに頼って注目を集めたが、ネット上の流行語のように短命だった。しかし、市場が成熟するにつれ、AIトークンはより実用的で高度な機能へと進化し、単なる投機的ブームから脱却し、真のブロックチェーン金融ツールやデータ分析プラットフォームへと移行しつつある。ここでは、これらのトークンがどのように概念的な存在から、実際の応用価値を持つ技術製品へと発展してきたかを詳しく探る。
段階1：AIミーム（混乱期）
初期のAIトークンの多くは「MEME」として存在し、$GOAT、$ACT、$FARTCOINなどのトークンは実際の用途や機能を持たず、その価値は主にコンセプトの宣伝と市場の感情によって支えられていた。この段階では、トークンの用途は不明確で、市場やユーザーはその潜在能力についてほとんど理解しておらず、人気も主にSNSの拡散や短期間の注目によって左右され、神秘的で捉えどころのない特性を呈していた。
段階2：ソーシャル化（探索期）
市場がAIトークンに徐々に関心を持つようになると、これらのトークンはソーシャル領域での展開を始めるようになった。例えば、$LUNAや$BULLYといったトークンは、強化されたソーシャル機能によりユーザーの参加を促進した。この段階では、トークンは単なる投機的道具ではなく、コミュニティ主導型やソーシャルインタラクションにも組み込まれ始め、市場成長を牽引した。トークンは単なる「会話相手」の機能から抜け出し、ユーザーのソーシャルニーズと密接に結びつく機能を探求し始め、より多様なソーシャル属性を形成した。
段階3：垂直領域（機能深化期）
AIトークンは単純なソーシャル活動や投機的パターンから離れ、垂直領域における応用シナリオを深く探求し始めた。$AIXBTや$ZEREBROなどのトークンは、ブロックチェーン、DeFi、創作ツールとの統合を通じて、トークンに機能を与え始めた。これにより、それらはもはや投機的ツールではなく、明確な機能と目的を持つデジタル資産となった。この段階は、AIトークンがより効率的かつ専門的な方向へと発展し、独自の市場的地位を築き始めたことを示している。
段階3.5：インフラ整備（技術完成期）
トークンの応用がますます深まる中、AIトークンはより堅固な技術インフラの構築に着手し始めた。$AI16Zや$EMPなどのトークンの参画により、トークンの機能最適化がさらに推進された。トークンは経済的インセンティブや実用的機能に注力するだけでなく、クロスチェーン技術、分散型アプリケーション（dApps）、ハードウェアとの連携など、インフラの構築にも注目し始め、将来的な持続的発展のための技術的基盤を徐々に築いた。
段階4：データ分析（成熟期）
成熟期に入ると、AIトークンは市場で徐々に安定し、より複雑な暗号資産投資リサーチ分析機能を取り入れ始め、トークンエコシステムやガバナンス構造の改善を推進した。$TRISIGや$COOKIEなどのトークンはもはや単なるツールではなく、経済システムの一部となり、データ分析、コミュニティガバナンス、投資判断など高度な領域で広く活用されるようになった。この時点で、AIトークンの機能は着実に向上し、市場に深い分析と意思決定支援を提供できるようになり、暗号資産市場における重要な資産となっている。
段階4.5：金融応用（エコシステム融合期）
DeFi分野のさらなる発展に伴い、AIトークンの金融応用への統合はますます深まり、「DeFAI」という新興概念が生まれた。人工知能により、DeFiの複雑な操作がより簡単になり、一般ユーザーでも容易にオンチェーン金融活動に参加できるようになった。代表的なトークンである$GRIFFAIN、$ORBIT、$AIXBTなどは、基礎機能から複雑な金融サービスまでの一貫したチェーンを市場内で形成し、オンチェーンインタラクションを最適化し、参加のハードルを下げることで、ユーザーにさらなる機会と利便性を提供している。
三、AIエージェントフレームワーク
（一）Web3とWeb2のデータ比較
Web2のAIエージェントが推薦アルゴリズムの中で競争を繰り広げる一方で、Web3の実験場でもより多くのAIエージェントの革新が育まれている。しかし、データによれば、Web3とWeb2のプロジェクトは貢献者分布、コードコミット、GitHub Starsの面で明らかな違いを示している。Web3とWeb2プロジェクトのデータを比較することで、両者の技術革新、コミュニティ活性度、市場受容度などの現状をよりよく理解できる。特にGitHubプラットフォーム上では、これらのプロジェクトの活性度や人気度が重要な指標を提供しており、今後の技術トレンドやコミュニティエコシステムの変化を洞察するのに役立つ。
開発者参加に関しては、Web2プロジェクトの貢献者数が明らかにWeb3プロジェクトを上回っている。具体的には、Web3プロジェクトの貢献者は575人であるのに対し、Web2プロジェクトは9,940人に達しており、Web2エコシステムの成熟とより広範な開発者基盤を反映している。貢献者数トップ3のプロジェクトは次の通り：Starkchain 3,102名の貢献者；Informers-agents 3,009名の貢献者；Llamaindex 1,391名の貢献者。
コードコミットの分布に関して。Web2プロジェクトのコミット数も明らかにWeb3プロジェクトを上回っている。Web3プロジェクトの総コミット回数は9,238回であるのに対し、Web2プロジェクトは40,151回に達しており、Web2プロジェクトの開発活性度が高く、更新頻度も比較的安定していることを示している。コードコミット数トップ3のプロジェクトは：ElipsOSが5,905回のコミットで首位；次いでDustが5,602回のコミット；LangChainが5,506回のコミットで第3位。
GitHub Starsの分布に関して。 Web2プロジェクトはGitHub上での人気度がWeb3プロジェクトを大きく上回っており、Web2プロジェクトは累計526,747スターを獲得したのに対し、Web3プロジェクトは15,676スターであった。この差は、Web2プロジェクトが開発者コミュニティでの広範な認知と長年にわたる市場影響力を蓄積していることを反映している。Stars数トップ3のプロジェクトは：JS Agentsが最も人気があり、137,534スターを獲得；次いでLangChainが98,184スターで第2位；MetaGPTが46,676スターで第3位。
全体として、Web2プロジェクトは貢献者数とコードコミット頻度において明らかにリードしており、成熟し安定したエコシステムを持っていることを示している。膨大な開発者基盤と継続的な技術革新により、Web2プロジェクトは市場で強い競争力を維持している。一方、Web3プロジェクトは貢献者数が少ないものの、いくつかのプロジェクトはコードコミット頻度において優れた成果を上げており、安定したコア開発チームを持ち、継続的にプロジェクトを推進できることを示している。Web3エコシステムは現時点ではまだ初期段階にあるが、その可能性は無視できない。形成されつつある開発者コミュニティとユーザーベースは、将来の成長のための堅固な基盤を築いている。
プロジェクトの人気度に関して、GitHub Starsの分布はJavaScriptとPythonがAIエージェントフレームワーク開発において重要な地位を占めていることを示している。JS AgentsとLangChainが最も人気のあるプロジェクトであり、AIと暗号資産の融合トレンドが広く注目されていることが分かる。Web3プロジェクトのStars数はWeb2プロジェクトを大きく下回っているが、MetaGPTのようないくつかのWeb3プロジェクトも優れた成果を上げており、開発者の認可を得ている。全体的に見ると、Web3プロジェクトは追いつきの段階にあるものの、技術のさらなる成熟とエコシステムの拡大に伴い、将来の市場における地位は着実に向上すると予想される。
（二）主流ブロックチェーンAIエージェントフレームワーク
データ元：https://www.aiagenttoolkit.xyz/#frameworks
（三）現行ブロックチェーンAIエージェントフレームワークが直面する課題
大手企業の「次元違いの攻勢」
OpenAI、Google、Microsoftなどのテックジャイアントは、公式レベルのマルチツールエージェントを迅速に投入しており、強力な資金力と技術的優位性により、市場を席巻し、スタートアップのフレームワークを周縁化する可能性がある。大規模言語モデル（LLM）、クラウドサービス、ツールエコシステムを深く統合することで、大手企業は包括的かつ高効率なソリューションを提供でき、中小規模のフレームワークはより大きな競争圧力に直面し、生存空間が極めて狭められている。
安定性と保守性が不十分
現在、すべてのAIエージェントは一般的に高いエラー率と「ハルシネーション（幻覚）」問題に直面しており、特に複数回モデルを呼び出す場合、無限ループや互換性バグが生じやすい。エージェントが複数のサブタスクを実行するよう要求されると、これらのエラーは層を重ねて拡大しやすく、システムの不安定を引き起こす。高い信頼性が求められる企業用途において、これらのフレームワークは現時点では十分な安定性や実稼働レベルの保証を提供できず、実際のビジネス環境での広範な応用を制限している。
パフォーマンスとコストが依然高い
エージェント化プロセスは通常、大量の推論呼び出し（ループ内チェック、ツール関数など）を必要とする。もしGPT-4のような大規模モデルに依存している場合、呼び出しコストが非常に高くなるだけでなく、迅速な応答の要件を満たせないことも多い。一部のフレームワークはオープンソースモデルを用いたローカル推論でコスト削減を試みているが、それでも強力な計算資源に依存しており、推論結果の品質は安定せず、システムの信頼性とパフォーマンスを確保するためには専門チームによる継続的な最適化が必要である。
開発エコシステムと柔軟性が不足
現在、これらのAIエージェントフレームワークは開発言語や拡張性の面で統一された標準がなく、開発者が選択する際に混乱や制限を感じている。例えば、ElizaはTypeScriptを使用しており、使い始めは簡単だが、高複雑度のシナリオでは拡張性が劣る。一方、RigはRustを採用しており、パフォーマンスは優れているが、学習コストが高い。また、ZerePy（ZEREBRO）はPythonベースで、クリエイティブ生成系アプリケーションに適しているが、機能がやや限定的である。その他のフレームワーク如きAIXBTやGriffainは特定のブロックチェーンまたは垂直領域への応用に集中しており、市場での検証にはまだ時間がかかる。開発者はこれらのフレームワーク間で、使いやすさ、パフォーマンス、マルチプラットフォーム対応の間で妥協を余儀なくされ、より広範な応用における柔軟性と発展可能性に影響が出ている。
セキュリティとコンプライアンスリスク
マルチエージェントシステムは、外部APIへのアクセス、重要取引の実行、自動意思決定を行う際に、権限を超えた呼び出し、個人情報漏洩、脆弱性悪用などのセキュリティリスクを引き起こしやすい。多くのフレームワークはセキュリティポリシーや監査記録の処理が未だ不十分であり、特に企業や金融アプリケーションのシーンではこれらの問題が顕著で、厳格なコンプライアンス要件を満たせないことが多い。そのため、実際の導入時に重大な法的リスクやデータセキュリティの課題に直面する可能性がある。
上述の問題を踏まえ、多くの関係者は、現行のAIエージェントフレームワークは「次の技術的ブレークスルー」や「大手企業の一体化ソリューション」の圧力により、さらに追い詰められる可能性があると考えている。しかし、別の見方では、スタートアップフレームワークが特定分野、例えばオンチェーンシナリオ、クリエイティブ生成、コミュニティプラグイン連携などで依然として独自の価値を発揮できるとされている。信頼性、コスト管理、エコシステム構築の面で突破口を開ければ、大手企業のエコシステム外でも実現可能な発展経路を見つけることができるだろう。総じて、いかに「高コスト・高エラー」と「多シナリオの柔軟性」の二大難題を解決するかが、すべてのAIエージェントフレームワークが直面する鍵となる課題である。
三、AIエージェントの発展方向
マルチモーダルAIの普及
技術の急速な進展に伴い、マルチモーダルAIは各業界における主要な原動力になりつつある。マルチモーダルAIはテキスト、画像、動画、音声など複数のデータ形式を処理でき、さまざまな分野で大きな可能性を示している。特に医療分野では、医療記録、画像データ、ゲノム情報を統合することで、マルチモーダルAIは個別化医療の実現を支援し、医師が患者一人ひとりに合わせた治療法をより正確に設計するのを助ける。小売および製造業では、この技術を活用して生産プロセスの最適化、効率向上、顧客体験の改善が可能となり、企業の競争力を高める。データ量と計算能力の向上に伴い、マルチモーダルAIはさらに多くの業界で変革的な役割を果たし、技術の急速な反復と応用拡大を推進すると予想される。
具身知能と自律知能
具身知能（Embodied AI）とは、AIシステムが物理世界との認識と相互作用を通じて環境を理解・適応する技術を指す。この技術はロボット工学の方向性を大きく変え、自動運転、スマートシティ、その他応用分野での普及の基盤を築く。2025年は「具身知能元年」とされており、この技術は複数の分野で広く応用されると予測されている。ロボットに認識、理解、自律的判断の能力を与えることで、具身知能は物理世界とデジタル世界の融合を推進し、生産性を向上させ、あらゆる産業の知能化発展を加速させる。個人アシスタント、自動運転車、スマートファクトリーにおいても、具身知能は人と機械の関わり方を変えていく。
AIエージェント（Agentic AI）の台頭
AIエージェント（Agentic AI）とは、複雑なタスクを自立的に完遂できる人工知能システムを指す。このようなAIエージェントは、初期の単純な問い合わせ応答ツールから、より高度な自律的判断システムへと変貌しており、業務プロセスの最適化、カスタマーサービス、産業オートメーションなどの分野で広く活用されている。例えば、AIエージェントは顧客の問い合わせを自律的に処理し、パーソナライズされたサービスを提供したり、最適化の意思決定を行ったりできる。産業オートメーションでは、設備の稼働状態を監視し、故障を予測し、問題発生前に調整や修復を行うことができる。AIエージェントが成熟するにつれ、その各業界への応用はさらに深まり、効率向上とコスト削減の重要なツールとなるだろう。
科学研究におけるAIの応用
AIの導入は科学的研究の進展を加速しており、特に複雑なデータ分析分野で顕著である。AI4S（AI for Science）は新たな研究トレンドとなり、大規模モデルによるデータの深層分析を活用して、AIは研究者が従来の研究の限界を突破するのを助けている。バイオメディカル、材料科学、エネルギー研究などの分野で、AIの応用は基礎科学の飛躍を推進している。顕著な例としてAlphaFoldがあり、タンパク質構造の予測により長年にわたり科学者を悩ませてきた難問を解決し、バイオメディカル研究の進展を大きく促進した。今後、AIは科学研究の進歩、新材料や新薬の発見においてますます重要な役割を果たしていくだろう。
AIの安全性と倫理
AI技術の普及に伴い、AIの安全性と倫理の問題は世界的な関心事となってきている。AIシステムの意思決定の透明性、公平性、潜在的な安全リスクは多くの議論を呼んでいる。AI技術の持続可能な発展を確実にするため、企業や政府は革新的な技術を推進しつつリスクを効果的に管理できるガバナンス枠組みの構築を急いでいる。特に自動意思決定、データプライバシー、自律システムなどの分野では、技術進歩と社会的責任のバランスをどう取るかが、AI技術のプラスの影響を保証する鍵となる。これは技術発展の課題であるだけでなく、道徳的・法的側面の重要なテーマでもあり、AIが将来の社会で果たす役割と地位に影響を与える。
本レポートの「後編」では、AIエージェントの応用および代表プロジェクトを詳しく紹介し、評価フレームワークも提示する予定である。ぜひご注目いただきたい。
免責事項
本コンテンツは参考情報提供を目的としており、(i) 投資アドバイスまたは勧告、(ii) デジタル資産の購入、売却、保有の申し出または勧誘、(iii) 金融、会計、法務または税務アドバイスと見なされるべきではありません。当社は、情報の正確性、完全性、有用性を保証するものではありません。デジタル資産（ステーブルコインおよびNFTを含む）は市場変動の影響を受け、高リスクを伴い、価値が下落したり、まったく価値を失う可能性があります。デジタル資産の取引または保有が自分に適しているかは、自身の財務状況およびリスク許容度に基づいて慎重に検討してください。具体的な状況については、法律／税務／投資の専門家にご相談ください。すべての製品がすべての地域で提供されているわけではありません。詳細はOKX利用規約およびリスク開示・免責条項をご確認ください。OKX Web3モバイルウォレットおよびその派生サービスは、別途の利用規約が適用されます。各自で現地の適用法および規制を把握し、遵守する責任を負います。
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
OKX Ventures
