AI + Web3：タワーと広場
TechFlow厳選深潮セレクト
AI + Web3：タワーと広場
タワーがますます高くなり、その背後で意思決定を行う者たちがますます閉ざされていく中、AIの集中化は多くのリスクをもたらしている。広場に集う人々は、いかにしてタワーの影を避けられるだろうか？
Web3業界の深掘り報道に専念し潮流を洞察執筆：Coinspire
TL;DR：
-
AI関連のWeb3プロジェクトは、一次・二次市場で資金を集める注目分野となっている。
-
Web3がAI業界に貢献できる点は、データ、ストレージ、コンピューティングにおいて、分散型インセンティブを用いてロングテール内の潜在的な供給を調整すること。同時に、オープンソースモデルやAIエージェントの非中央集権的マーケットプレイスを構築する点にある。
-
AIがWeb3業界で主に活躍する分野は、オンチェーン金融（暗号資産決済、取引、データ分析）および開発支援である。
-
AI＋Web3の価値は双方の相補性にあり、Web3はAIの集中化に対抗しうる一方、AIはWeb3の普及拡大を後押しする可能性を持つ。
はじめに
ここ2年ほど、AIの発展はあたかも加速ボタンが押されたかのようで、ChatGPTによって引き起こされたこの変化は、生成AIの新たな世界を開くだけでなく、対岸のWeb3にも大きな潮流をもたらした。
AI関連の話題に乗ったことで、低迷気味の暗号資産市場の資金調達は顕著に回復した。メディアによると、2024年前半だけで64件のWeb3＋AIプロジェクトが資金調達を完了しており、人工知能向けOSであるZyber365はシリーズAで1億ドルという最高額を調達した。
二次市場はさらに活況を呈している。暗号資産統合サイトCoingeckoのデータによれば、わずか1年余りの間にAI関連セクターの時価総額は485億ドルに達し、24時間取引高は約86億ドルとなった。主要なAI技術進展による恩恵も明確であり、OpenAIのSora（テキストから動画生成）リリース後、AI関連銘柄の平均価格は151％上昇した。AIの影響力はミームコインのような資金集めセグメントにも及んでいる。初のAIエージェント概念ミームコイン「GOAT」は急速に人気を集め、14億ドルの評価額を獲得し、AIミームブームを牽引した。
AI＋Web3に関する研究や議論も盛んであり、「AI＋DePin」から「AIミームコイン」、そして現在の「AIエージェント」「AI DAO」へと、新しいナラティブが次々と登場し、FOMO（取り残される恐怖）の感情ですら追いつけないほどのスピードである。
AI＋Web3という、投機的資金、流行、未来幻想が交錯するこの言葉の組み合わせは、まるで資本によって取り決められた政略結婚のように見えてしまう。しかし、この華やかな外見の下に隠れているのは、果たして投機家の楽園なのか、それとも黎明期の前触れなのか？
この問いに答えるには、双方にとって根本的な問いを考える必要がある。すなわち、「相手がいることで自分はより良くなるのか？」「相手の仕組みから利益を得られるのか？」本稿では、先人たちの知見を踏まえながら、この構図を検証する。Web3はAI技術スタックの各段階でどのような役割を果たせるのか？ また、AIはWeb3にどのような新たな活力をもたらすのか？
AIスタックにおけるWeb3のチャンスとは？
このテーマに入る前に、まずAI大規模モデルの技術スタックについて理解しておく必要がある。
画像出典：Delphi Digital
これをより平易に説明すると、「大規模モデル」は人間の脳のようなものだ。初期段階では、それはちょうどこの世に生まれたばかりの赤ん坊のような存在であり、周囲の膨大な情報を観察し摂取することで世界を理解しようとする。これが「データ収集」段階である。だが、コンピュータには人間のような視覚や聴覚といった感覚器官がないため、学習の前には、大量の未ラベル情報が「前処理」を通じて、コンピュータが理解できかつ利用可能な形式に変換される必要がある。
データ入力後、AIは「学習（トレーニング）」を通じて理解力と予測力を備えたモデルを構築する。これは赤ん坊が徐々に外界を理解し学んでいくプロセスに似ており、モデルのパラメータは言語能力が成長するように調整されていく。学びが専門化されたり、他者とのやり取りでフィードバックを受け修正が加わったりする段階になると、「ファインチューニング（微調整）」に入る。
子供が成長して会話ができるようになると、新たな会話の中で意味を理解し自分の感情や考えを表現できるようになる。この段階がAI大規模モデルの「推論（インファレンス）」に相当し、新たな言語・テキスト入力に対して予測や分析を行うことが可能になる。赤ん坊が言語を使って感情を伝え、物事を説明し、さまざまな問題を解決するのと同じように、AI大規模モデルも学習完了後に推論段階で画像分類、音声認識など特定タスクに応用される。
そしてAIエージェントは、大規模モデルの次の形態に近い。単に思考するだけでなく、記憶や計画を持ち、ツールを使いながら複雑な目的を追求して自立的にタスクを実行できる存在である。
現在、AI各スタック層での課題に対して、Web3はすでに多層的で相互接続されたエコシステムを形成しつつあり、AIモデルのプロセス各段階をカバーしている。
一、基盤層：算力とデータのAirbnb
算力
現在、AI最大のコストの一つが、モデルの学習と推論に必要な算力とエネルギーである。
例として、MetaのLLAMA3はNVIDIA製H100GPU（人工知能および高性能計算向けに設計されたトップクラスのGPU）を16,000個使い、30日間かけて学習を完了する必要がある。この80GB版の単価は3万〜4万ドルであり、GPUとネットワークチップを含むハードウェア投資額は4〜7億ドルにのぼる。さらに、毎月の学習には16億kWhの電力消費があり、エネルギーコストは毎月約2,000万ドルとなる。
AI算力の負担を軽減する取り組みこそが、Web3とAIが最初に交差した領域——DePin（Decentralized Physical Infrastructure Networks：非中央集権物理インフラネットワーク）である。現在、DePin Ninjaのデータベースには1,400以上のプロジェクトが登録されており、GPU算力共有の代表的プロジェクトにはio.net、Aethir、Akash、Render Networkなどが挙げられる。
その基本的な仕組みは、空き時間のあるGPUリソースを持つ個人または組織が、許可不要の非中央集権的な方法で計算能力を提供できること。UberやAirbnbのようなバイヤー・セラーのオンラインマーケットプレイスを通じて、十分に活用されていないGPUリソースの利用率を高め、エンドユーザーは低コストで効率的な計算リソースを利用できる。また、ステーキング（质押）メカニズムにより、品質管理違反やネットワーク中断が発生した場合、リソース提供者に罰則が科される。
特徴としては以下の通り：
-
空きGPUリソースの集約：サプライヤーは主に中小規模のデータセンター、暗号資産マイニング施設などの過剰な算力資源、PoS合意メカニズムのマイニングハードウェア（FileCoinやETHマイナーなど）。最近ではexolabのようにMacBook、iPhone、iPadなどのローカルデバイスを用いて大規模モデルの推論ネットワークを構築するプロジェクトも登場している。
-
AI算力のロングテール市場への対応：a.技術面では、非中央集権的算力市場は「推論」工程に適している。学習は超大規模GPUクラスタによるデータ処理能力に依存するが、推論は比較的低いGPU性能で済むため、Aethirは低遅延レンダリングやAI推論アプリケーションに特化している。b.需要側では、中規模以下の算力需要者は独自の大規模モデルを学習せず、少数のトップモデルを最適化・微調整するだけであるため、こうした用途には分散型の空きリソースが自然に適している。
-
非中央集権的所有権：ブロックチェーン技術の意義は、リソース所有者が常に自身のリソースを制御でき、需要に応じて柔軟に調整しながら収益を得られることにある。
データ
データはAIの土台である。データがなければ、計算は浮草同然で無意味である。データとモデルの関係は「Garbage in, Garbage out」ということわざのように、入力データの量と質が最終的なモデル出力の質を決定する。現在のAIモデル学習において、データはモデルの言語能力、理解力、さらには価値観や人間らしい振る舞いまで決定づける。現時点でのAIデータ需要の課題は主に以下の4点に集中している。
-
データ飢餓：AIモデルの学習は大量のデータ入力に依存している。公開情報によれば、OpenAIがGPT-4を学習する際のパラメータ数は兆単位に達している。
-
データ品質：AIと各業界の融合が進む中、データのタイムリーさ、多様性、特定分野の専門性、SNS上の感情といった新規データ源の取り込みが品質要件として新たに求められている。
-
プライバシーとコンプライアンス問題：各国や企業は優良データセットの重要性に気づき始め、データスクレイピングに制限をかける動きが出ている。
-
データ処理コストの高騰：データ量が多く、処理プロセスが複雑である。公開情報によれば、AI企業のR&Dコストの30％以上が基礎データの収集・処理に使われている。
現在、Web3のソリューションは以下4つの側面に現れている。
1、データ収集：無料で取得可能なリアルワールドデータは急速に枯渇しており、AI企業のデータ支払い額は年々増加している。しかし、この支出はデータの真の貢献者に還元されず、プラットフォームがデータ価値のすべてを享受している。例えばRedditはAI企業とのデータ使用契約により累計2.03億ドルの収入を得た。
データ貢献者に価値還元を行い、分散ネットワークとインセンティブメカニズムを通じて、低コストでより個人的かつ高価値なデータを取得することが、Web3のビジョンである。
-
Grassは非中央集権的なデータ層・ネットワークであり、ユーザーはGrassノードを稼働させ、空き帯域とリレートラフィックを提供することでインターネット全体のリアルタイムデータを収集し、代幣報酬を得ることができる。
-
Vanaは独自のデータ流動性プール（DLP）の概念を導入しており、ユーザーは自身の個人データ（購入履歴、閲覧習慣、SNS活動など）を特定のDLPにアップロードし、任意の第三者にそのデータ使用を許可するかどうかを選択できる。
-
PublicAIでは、X上で#AIまたは#Web3をハッシュタグとして使用し、@PublicAIをメンションすることでデータ収集が可能である。
2、データ前処理：AIのデータ処理プロセスでは、収集されたデータは通常ノイズが多く誤りを含むため、学習前のクリーニングと利用可能な形式への変換が必要であり、標準化、フィルタリング、欠損値処理といった繰り返し作業が発生する。この工程はAI業界で数少ない人的介入が必要な段階であり、「データアノテーター」という職業が生まれている。モデルのデータ品質要求が高まるにつれ、アノテーターのスキル要件も上がっているが、このタスクはWeb3の非中央集権的インセンティブメカニズムに非常に適している。
-
現在、GrassとOpenLayerはいずれもデータアノテーションの重要な工程に参入を検討している。
-
Synesisは「Train2earn（学習して報酬を得る）」の概念を提唱しており、データ品質を重視し、ユーザーがアノテーションデータや注釈などを提供することで報酬を得られる。
-
データアノテーションプロジェクトSapienはタスクをゲーム化し、ポイントをステーキングすることでさらに多くのポイントを獲得できるようにしている。
3、データのプライバシーとセキュリティ：注意すべきは、データのプライバシーとセキュリティは異なる概念であるということ。プライバシーは機密データの取り扱いに関わり、セキュリティはデータ情報が不正アクセス、破壊、盗難から守られることを指す。したがって、Web3のプライバシーテクノロジーの強みと潜在的応用は以下の2点に分けられる：（1）機密データの学習；（2）データ協働：複数のデータ所有者がオリジナルデータを共有せずに共同でAI学習に参加できる。
現在、Web3で一般的なプライバシーテクノロジーには以下がある：
-
信頼できる実行環境（TEE）、例：Super Protocol；
-
完全準同型暗号（FHE）、例：BasedAI、Fhenix.io、Inco Network；
-
ゼロ知識技術（zk）、例：Reclaim ProtocolはzkTLS技術を用い、HTTPSトラフィックのゼロ知識証明を生成することで、外部サイトから活動履歴、評判、アイデンティティデータを安全にインポートできるようになり、機密情報を暴露せずに済む。
ただし、この分野はまだ初期段階にあり、大多数のプロジェクトが試行中である。現在の課題の一つは計算コストが高すぎることであり、以下のような例がある。
-
zkMLフレームワークEZKLでは、1M-nanoGPTモデルの証明を生成するのに約80分かかる。
-
Modulus Labsのデータによれば、zkMLのオーバーヘッドは純粋な計算よりも1,000倍以上大きい。
4、データストレージ：データを得た後は、それをオンチェーンに保存する場所が必要であり、LLM（大規模言語モデル）も同様である。イーサリアムのDankshardingアップグレード以前は、データ可用性（DA）が課題となり、スループットは0.08MBだった。一方、AIモデルの学習やリアルタイム推論では、秒間50〜100GBのデータスループットが必要とされる。この巨大なギャップにより、既存のオンチェーンソリューションは「リソース集約型のAIアプリケーション」に太刀打ちできない。
-
0g.AIはこのカテゴリの代表的プロジェクト。AIの高性能要求に特化した分散型ストレージソリューションであり、主な特徴は高性能と拡張性。高度なシャーディングと消散符号（Erasure Coding）技術により、大規模データセットの高速アップロード・ダウンロードをサポートし、データ転送速度は秒間約5GBに達する。
二、ミドルウェア：モデルの学習と推論
オープンソースモデルの非中央集権的マーケットプレイス
AIモデルのクローズドソースかオープンソースかに関する議論は絶えない。オープンソースがもたらす集団的革新は、クローズドモデルには比べられない利点である。しかし、収益化手段が一切ない状況下で、オープンソースモデルが開発者のモチベーションをどう維持するかは重要な課題である。百度創業者の李彦宏は今年4月、「オープンソースモデルはますます遅れていくだろう」と断言した。
これに対して、Web3は非中央集権的なオープンソースモデル市場という可能性を提示している。つまりモデル自体をトークン化し、チームが一定比率のトークンを保有し、モデルの将来の一部収益をトークン保有者に還元するのである。
-
BittensorはオープンソースモデルのP2Pマーケットを構築しており、数十の「サブネット」で構成されている。リソース提供者（計算、データ収集／保存、機械学習人材）が特定のサブネット所有者の目標達成に向けて競い合い、サブネット同士が相互に接続・学習することで、より強力な知能を実現する。報酬はコミュニティ投票で配分され、競争結果に基づいて各サブネット内でさらに分配される。
-
ORAは初期モデル発行（IMO）の概念を導入し、AIモデルをトークン化。非中央集権ネットワーク上でAIモデルの購入、販売、開発が可能になる。
-
Sentientは非中央集権的なAGI（汎用人工知能）プラットフォームで、人々が協力してAIモデルを構築・複製・拡張することを奨励し、貢献者に報酬を与える。
-
Spectral NovaはAIおよびMLモデルの作成と応用に焦点を当てる。
検証可能な推論（Verifiable Inference）
AI推論プロセスにおける「ブラックボックス」問題に対する標準的なWeb3ソリューションは、複数の検証者が同じ操作を繰り返して結果を比較する方法だが、現在のハイエンド「NVIDIAチップ」不足により、AI推論コストが極めて高くなるという明確な課題がある。
より有望な解決策は、オフチェーンのAI推論計算に対してZK証明（ゼロ知識証明。一方の当事者が、別の当事者に対してある命題が真であることを、追加情報を漏らすことなく証明する暗号プロトコル）を実行し、オンチェーンでAIモデル計算を許可不要に検証できるようにすることである。これは、オフチェーン計算が正しく完了したことを暗号的に証明しつつ（例：データセットが改ざんされていない）、すべてのデータを秘密に保つ必要がある。
主な利点は以下の通り。
-
スケーラビリティ：ゼロ知識証明は多数のオフチェーン計算を迅速に確認できる。取引量が増えても、単一のゼロ知識証明で全取引を検証できる。
-
プライバシー保護：データやAIモデルの詳細は秘匿されたまま、関係者がデータやモデルが改ざんされていないことを検証できる。
-
信頼不要：中央集権的な主体に依存せずに計算の正当性を確認できる。
-
Web2との統合：定義上、Web2はオフチェーン統合であるため、検証可能な推論はそのデータセットやAI計算をオンチェーンに持ち込む助けとなり、Web3の採用促進に寄与する。
現在、Web3における検証可能な推論のための検証技術は以下の通り。
-
zkML：ゼロ知識証明と機械学習を統合し、データとモデルのプライバシー・機密性を確保。基礎属性を明らかにせずとも検証可能な計算を可能にする。Modulus LabsはZKMLに基づき、AIプロバイダーがオンチェーンでアルゴリズムを正しく実行しているかをチェックするZKプローバーをリリースしているが、現時点では主にオンチェーンDApp向けの顧客が多い。
-
opML：オプティミスティックロールアップの原則を応用し、紛争が発生した場合にのみ検証を行うことで、ML計算のスケーラビリティと効率を向上させる。このモデルでは「検証者」が生成した結果の一部だけを検証すればよく、不正行為の経済的コストを高く設定することで冗長な計算を節約できる。
-
TeeML：信頼できる実行環境（TEE）を使用してML計算を安全に実行し、データとモデルが改ざんや不正アクセスから守られるようにする。
三、アプリケーション層：AIエージェント
現在のAIの発展は、モデル能力からAIエージェントへの重点移行という姿を見せている。OpenAI、AI大手Anthropic、マイクロソフトなどのテック企業が相次いでAIエージェントの開発に乗り出し、現在のLLM技術のプラトーを打破しようとしている。
OpenAIが定義するAIエージェントとは、LLMを頭脳とし、自律的な理解・認識・計画・記憶・ツール使用能力を持ち、複雑なタスクを自動実行できるシステムである。AIが使われる道具から、道具を使う主体へと変わる瞬間、それがAIエージェントとなる。まさにこの点が、AIエージェントが人類にとって理想的な知的アシスタントとされる理由なのである。
では、Web3はエージェントに何をもたらせるのか？
1、非中央集権性
Web3の非中央集権的特性により、エージェントシステムはより分散的かつ自律的になれる。PoS、DPoSなどのメカニズムを通じて、ステーキング者や委任者のインセンティブ・ペナルティ制度を構築することで、エージェントシステムの民主化を促進できる。GaiaNet、Theoriq、HajimeAIなどが試みている。
2、冷始動（Cold Start）
AIエージェントの開発・反復には多額の資金が必要だが、Web3は有望なAIエージェントプロジェクトに早期資金調達と冷始動の支援ができる。
-
Virtual ProtocolはAIエージェント作成・トークン発行プラットフォームfun.virtualsをリリース。誰でもワンクリックでAIエージェントを展開でき、AIエージェントのトークンを100％公平に発行可能。
-
SpectralはオンチェーンAIエージェント資産発行の製品構想を提案：IAO（Initial Agent Offering）でトークンを発行。AIエージェントは投資家から直接資金を得ることができ、DAOガバナンスの一員となり、投資家はプロジェクトの発展に関与し将来の収益を共有できる。
AIがWeb3に与える恩恵とは？
AIがWeb3プロジェクトに与える影響は明らかであり、スマートコントラクト実行、流動性最適化、AI駆動ガバナンス意思決定などオンチェーン操作の最適化を通じてブロックチェーン技術を支援する。同時に、より良いデータ駆動洞察を提供し、オンチェーンセキュリティを向上させ、新しいWeb3ベースアプリケーションの基盤を築くことができる。
一、AIとオンチェーン金融
AIと暗号経済
8月31日、CoinbaseのCEOブライアン・アームストロングは、Baseネットワーク上で初のAI対AIの暗号資産取引が成立したと発表。AIエージェントは現在Base上でUSDを使って人間、商人、他のAIと取引ができ、これらの取引は即時的でグローバルかつ無料であると述べた。
支払い以外にも、Virtuals ProtocolのLunaはAIエージェントがどのように自律的にオンチェーン取引を実行できるかを初めて実演し、注目を集めた。環境を認識し、意思決定を行い、行動を実行できる知的エンティティとしてのAIエージェントは、オンチェーン金融の未来と見なされている。現在、AIエージェントの潜在的ユースケースは以下の通り。
1、情報収集と予測：投資家が取引所の公告、プロジェクトの公開情報、パニック感情、世論リスクなどを収集し、資産のファンダメンタル、市場状況をリアルタイムで分析・評価し、トレンドとリスクを予測。
2、資産管理：ユーザーに適切な投資対象を提案し、資産ポートフォリオを最適化し、取引を自動実行。
3、金融体験：投資家が最も速いオンチェーン取引方法を選択できるよう支援し、クロスチェーン、gas手数料の調整などの手動操作を自動化し、オンチェーン金融活動のハードルとコストを低下。
このようなシナリオを想像してみよう。「1,000USDTを持っていて、1週間以内のロック期間で最も高いリターンの組み合わせを探して」とAIエージェントに指示すると、AIエージェントは「初期配分はAに50％、Bに20％、Xに20％、Yに10％をおすすめします。金利とリスクレベルを監視し、必要に応じて再バランスします」と提案する。また、有望なエアドロッププロジェクトや人気コミュニティの兆候を持つミームコインを探すことも、今後AIエージェントが可能になるかもしれない。
画像出典：Biconomy
現在、AIエージェントウォレットBitteやAIインタラクションプロトコルWayfinderなどが同様の試みを行っており、いずれもOpenAIのモデルAPIに接続し、ChatGPT風のチャットインターフェースでユーザーがエージェントにオンチェーン操作を命令できるようにしている。たとえば、WayFinderは今年4月、Base、Polygon、Ethereumの3つのパブリックチェーンメインネットでswap、send、bridge、stakeの4つの基本操作を実装した初のprototypeを公開した。
現在、非中央集権エージェントプラットフォームMorpheusも同様のエージェント開発をサポートしており、Biconomyも完全なウォレット権限を許可せずともAIエージェントがETHをUSDCにスワップできる操作をデモンストレーションしている。
AIとオンチェーン取引セキュリティ
Web3の世界では、オンチェーン取引の安全性が極めて重要である。AI技術はオンチェーン取引の安全性とプライバシー保護を強化するために利用可能であり、潜在的な応用例には以下がある。
取引監視：異常な取引活動をリアルタイムで監視し、ユーザーとプラットフォームにリアルタイム警報を通知するインフラ。
リスク分析：プラットフォームが顧客の取引行動データを分析し、リスクレベルを評価。
たとえば、Web3セキュリティプラットフォームSeQureは、AIを活用して悪意ある攻撃、詐欺行為、データ漏洩を検出し防止し、リアルタイム監視と警報メカニズムを提供することで、オンチェーン取引の安全性と安定性を確保している。同様のセキュリティツールにはAI搭載Sentinelもある。
二、AIとオンチェーンインフラ
AIとオンチェーンデータ
AI技術はオンチェーンデータの収集・分析において重要な役割を果たしている。例：
-
Web3 Analytics：AIベースの分析プラットフォームで、機械学習とデータマイニングアルゴリズムを用いてオンチェーンデータを収集・処理・分析。
-
MinMax AI：AIベースのオンチェーンデータ分析ツールを提供し、ユーザーが潜在的な市場機会とトレンドを発見できるように支援。
-
Kaito：LLMをベースとしたWeb3向け検索エンジンプラットフォーム。
-
Followin：ChatGPTを統合し、異なるウェブサイトやコミュニティプラットフォームに散在する関連情報を収集・統合・提示。
-
もう一つの応用例はオラクルであり、AIは複数のソースから価格を取得し、正確な価格データを提供できる。例えばUpshotはAIを用いてNFTの不安定な価格を、毎時1億回以上の評価を通じて誤差3〜10％の範囲で提供している。
AIと開発・監査
最近、Web2のAIコードエディタ「Cursor」が開発者コミュニティで注目を集めている。このプラットフォームでは、ユーザーが自然言語で要求を記述するだけで、Cursorが自動的にHTML、CSS、JavaScriptコードを生成し、ソフトウェア開発プロセスを大幅に簡素化する。このロジックはWeb3の開発効率向上にも同様に適用可能である。
現在、パブリックチェーンにスマートコントラクトやDAppを展開するには、通常
現在、AIがWeb3開発を支援する場面として想定されるのは、自動コード生成、スマートコントラクト検証とテスト、DAppの展開と保守、インテリジェントコード補完、AI対話による開発疑問への回答などがある。AIの支援により、開発効率と正確性の向上だけでなく、プログラミングの敷居も下げられ、非プログラマーでもアイデアを実際のアプリに変えることが可能となり、非中央集権技術の発展に新たな活力をもたらす。
現在特に注目されているのはワンクリックでトークンを起動できるプラットフォーム、例えばClankerというAI駆動の「Token Bot」。これは素早くDIYトークンを展開するために設計されており、SocialFiプロトコルFarcasterのクライアント（WarpcastやSupercastなど）でClankerをメンションし、トークンのアイデアを伝えるだけで、Baseチェーン上にトークンを立ち上げてくれる。
また、Spectralのようなコントラクト開発プラットフォームもあり、スマートコントラクトのワンクリック生成・展開機能を提供し、Web3開発のハードルを下げる。初心者ユーザーでもスマートコントラクトのコンパイルと展開が可能になる。
監査に関しては、Web3監査プラットフォームFuzzlandがAIを活用してコードの脆弱性をチェックし、自然言語による説明で監査の専門知識を補助している。Fuzzlandはさらに、正式仕様やコントラクトコードに対する自然言語解説、サンプルコードを提供し、開発者がコード内の潜在的問題を理解しやすくしている。
三、AIとWeb3の新ナラティブ
生成AIの台頭は、Web3の新ナラティブにまったく新しい可能性をもたらした。
NFT：AIは生成NFTに創造性を注入する。AI技術を用いて独特で多様なアート作品やキャラクターを生成でき、これらはゲーム、バーチャルワールド、メタバースにおけるキャラクターやアイテム、シーン要素となる。例えばバイナンス傘下のBicassoでは、ユーザーが画像をアップロードしキーワードを入力することでAIがNFTを生成。同様のプロジェクトにはSolvo、Nicho、IgmnAI、CharacterGPTがある。
GameFi：AIの自然言語生成、画像生成、スマートNPC機能を活用することで、GameFiはゲームコンテンツ制作の効率と革新性を高められる。Binaryx傘下の初のチェーンゲーム「AI Hero」では、プレイヤーがAIを通じてランダムに異なるストーリー選択を探索できる。同様に仮想パートナーゲーム「Sleepless AI」はAIGCとLLMをベースに、プレイヤーの異なるインタラクションで個別化されたゲームプレイを解放できる。
DAO：現在、AIはDAOへの応用も想定されており、コミュニティのやり取りを追跡し、貢献を記録し、最も貢献したメンバーに報酬を与え、代理投票を行うなど。ai16zはAIエージェントを用いてオンチェーン・オフチェーンで市場情報を収集し、コミュニティの合意を分析し、DAOメンバーの提案を踏まえて投資判断を行う。
AI＋Web3の統合の意義：塔と広場
イタリア・フィレンツェ市の中心部には、地元で最も重要な政治的活動の場であり、市民や観光客が集まる場所——中央広場がある。そこには高さ95メートルの市庁舎の塔がそびえ、垂直な塔と水平な広場という対比が劇的な美意識を生み出している。ハーバード大学歴史学教授ネイアル・ファーガソンはこの光景に着想を得て、『広場と塔』という著書で、ネットワークと階層制度の世界史を考察。両者は歴史の流れの中で交互に優勢となりながら発展してきた。
この比喩は、現代のAIとWeb3の関係にもぴったり当てはまる。長期的・非線形な関係史を見ると、塔よりも広場の方が新しいものを生み出しやすく創造的であるが、塔にもその正当性と強靭な生命力がある。
テック企業が算力・エネルギー・データを高度に集中させることで、AIは前例のない想像力を発揮している。大手テック企業が巨額の投資を行い、さまざまなチャットボットから「基盤大規模モデル」GPT-4、GPT-4oなどの新版まで次々と登場。自動プログラミングロボット（Devin）や、現実の物理世界を模擬する能力を持つSoraの登場など、AIの想像力は無限に拡大している。
一方で、AIは本質的に規模と集中が求められる産業であり、この技術変革は「インターネット時代」から構造的主導権を握ってきたテック企業をさらに狭い頂点へと押し上げている。莫大な電力、独占的なキャッシュフロー、そして知能時代に必要な巨大なデータセットが、より高い参入障壁を築いている。
塔がますます高くなり、裏舞台の意思決定者がますます少数になる中、AIの集中化は多くのリスクをもたらす。広場に集う人々は、塔の影からどう逃れられるのか？ まさにこれがWeb3が解決しようとしている課題である。
本質的に、ブロックチェーンの固有属性はAIシステムを強化し、新たな可能性をもたらす。主に以下の通り。
-
人工知能時代の「コードは法律である」——スマートコントラクトと暗号検証により、透明なシステムでルールを自動実行し、目標に近い人々に報酬を届ける。
-
トークンエコノミー——トークンメカニズム、ステーキング、ペナルティ、報酬・罰則を通じて参加者の行動を創出・調整。
-
非中央集権的ガバナンス——情報源を問い直すことを促し、AI技術に対してより批判的で洞察力のあるアプローチを奨励。偏見、誤情報、操作を防ぎ、より情報に精通し権利を与えられた社会を育む。
AIの発展はWeb3にも新たな活力をもたらしている。Web3がAIに与える影響は時間が証明する必要があるかもしれないが、AIがWeb3に与える影響は即座に明らかである。ミームの狂乱であろうと、AIエージェントがオンチェーンアプリの利用敷居を下げる効果であろうと、その影響は明らかだ。
Web3が少数の人々の自己満足とされ、従来の業界を模倣するだけではないかと疑問視されていた中で、AIの参入は予見可能な未来をもたらした。より安定的で規模の大きなWeb2ユーザー層、より革新的なビジネスモデルとサービスである。
我々は「塔と広場」が共存する世界に生きている。AIとWeb3は異なる時間軸と出発点を持つが、その終着点はどちらも「機械が人間によりよく奉仕すること」である。誰も奔流を定義できない。だからこそ、我々はAI＋Web3の未来に期待する。
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
