——分散型知能の未来像と投資機会を探る
はじめに — 二つのパラダイム革命の交差
研究の背景：二つの技術の波が必然的に出会うとき
現代世界には、人工知能（AI）の爆発的な台頭と、暗号技術を基盤とする技術群（Crypto）の継続的な進化という、二つの大きな波が押し寄せています。AIは次世代の生産性ツールとして、かつてない速さで産業を再編し、暗号技術は分散型のグローバルな価値ネットワークを構築しています。両者の発展経路や応用分野は異なるように見えますが、その基盤となる論理の進化は、歴史的な合流点へと両者を導いています。
AIの中央集権化というジレンマ：
現在のAI開発は少数の巨大IT企業に大きく依存し、「データ・モデル・計算資源」の閉じた循環を形成しています。その結果、データの独占、不透明なアルゴリズム、計算コストの高騰、単一障害点といった問題が生じます。この中央集権化はイノベーションを制限すると同時に、プライバシー、バイアス、権力集中への懸念も招いています。
暗号技術が提供する価値：
暗号技術は本質的に、暗号学を土台とする「信頼の機械」です。分散性、透明性、検閲耐性、プログラム可能な価値を特徴とし、AIの中央集権化の危機に新たな解決策をもたらします。
中心となる主張：AIと暗号技術の融合は偶然ではなく、必然です。暗号技術はAIの「生産力」である計算資源、アルゴリズム、データを置き換えるものではありません。提供するのは、分散型で相互の信頼を前提とせず、インセンティブが整合したネットワークと経済モデル、すなわち新しい「生産関係」です。これにより、AIの生産能力をより公平かつ広範に解放し、組み合わせられるようになります。
基本原則 AIと暗号技術の相乗効果は、デジタル時代の権力構造と価値分配を問い直す、深い相互補完性に基づいています。
相互に基盤を提供する：AIは暗号技術のアプリケーションの知能、適応力、自動化を高めます。たとえば、より賢いDeFi戦略、没入感のあるGameFi体験、効率的なDAOガバナンスです。一方、暗号技術はAIに、信頼を前提としない開かれた検閲耐性のある環境を与え、モデルやデータを単一主体の支配から解放します。
権力の均衡：この融合は、「ボトムアップ」の分散化の力と「トップダウン」の中央管理とのせめぎ合いでもあります。暗号技術の分散ネットワークはAIの集中傾向に対抗し、より開かれた多元的な知能のエコシステムを育みます。
デジタル所有権の回復：Web2では、プラットフォームがユーザーデータを無償で取り込んでいました。暗号技術はトークン化によって、データやAIモデルを所有・取引可能なデジタル資産、すなわちNFTやトークンに変え、制作者や貢献者が生み出した価値を受け取れるようにします。
検証可能な知能：ブロックチェーンの改ざん耐性と透明性にゼロ知識証明などの暗号技術を組み合わせることで、AIの意思決定を追跡・検証できます。これは信頼できるAIの基礎となり、「ブラックボックス」問題への対処につながります。
技術を深く読み解く
技術スタックの全体像 AIと暗号技術の統合は、下層の分散型物理インフラ（DePIN）と上層の知的アプリケーションや経済モデルを組み合わせた、多層の技術スタックに基づきます。現在のAI開発における中央集権化のボトルネックを体系的に解消し、分散型知能を実現する包括的な解決策を提供することが狙いです。主要な構成要素は、計算資源、データ、モデル、アプリケーション、検証可能性です。各層を革新的なプロトコルと経済的インセンティブが支えます。
分散型コンピューティング
基本的な考え方：分散型コンピューティングは、AWS、GCP、Azureなど少数の巨大クラウド企業による計算資源市場の独占を崩すことを目指します。トークンによる経済的インセンティブを使い、世界中の膨大な遊休計算資源、主にGPUを集約して、許可不要のP2P市場を形成するのが基本原理です。AI開発者やレンダリング制作者などの需要者は、マイナー、データセンター、個人ユーザーなどの供給者から直接計算資源を借りられ、より低コストで利用できる可能性があります。
技術の階層構造：
ベアメタル層：最下層の物理リソース層です。世界各地に分散した異種の計算機器からなり、専門データセンターのサーバークラスター、マイナーの採掘機、個人ユーザーの一般消費者向けグラフィックカードなどを含みます。
オーケストレーション層：下層の計算資源の標準化、スケジューリング、負荷分散、タスク割り当てを担います。分散型計算ネットワークの頭脳として、適切なタスクを適切な計算ノードに結び付け、サービスの安定性を確保します。
集約層：より大きなネットワーク効果を得るため、RenderやFilecoinなど異なる分散型計算ネットワークと従来型クラウドのリソースを集約するプロジェクトがあります。ユーザーに統一された、最適な計算資源へのアクセス窓口を提供します。
現在の課題：将来性は大きいものの、分散型計算には深刻な課題が残ります。まず、AI学習のような高要件の処理では、分散ノード間の通信遅延と帯域幅が大きなボトルネックとなり、中央集約型データセンターの高速な内部ネットワークに匹敵するのは困難です。次に、ネットワーク、ストレージ、運用などの隠れたコストを含めると、価格優位性が常に大きいとは限りません。さらに、H100/A100など高性能GPUの需要は供給を大幅に上回る一方、ネットワーク内に大量にある一般消費者向けGPUには十分な需要がありません。
検証可能な計算とZKML（ゼロ知識機械学習）
基本的な考え方：ゼロ知識機械学習（ZKML）は、検証可能な計算の最先端の応用です。入力データやモデル内部のパラメーターなどの機密情報を開示せずに、ゼロ知識証明（ZKP）という暗号学的手法でAIモデルの推論過程が完全かつ正しいと証明します。AIの「ブラックボックス」の処理に、信頼できる数学的な領収書を添えるようなものです。
中核的な価値：
プライバシーの保護：医療、金融、個人の身元情報などの機密データを扱う際、ZKMLは「使えるが見えない」を実現します。生データを公開せずにAI推論を完了できるため、ユーザーのプライバシーを十分に保護できます。
計算の完全性と信頼：オンチェーン環境では、特定のAI判断が特定のモデルと入力から改ざんなく導かれたことを、ZKMLでスマートコントラクトに証明できます。オンチェーンAIエージェントやWorldcoinのような分散型本人確認にとって重要です。
不正の防止：分散型AIネットワークでは、モデル運用者などの貢献者が計算タスクを正しく実行したかをZKMLで検証できます。誤った結果や偽造結果を提出して報酬を不正取得する行為を防ぎます。
現在のボトルネック：ZKMLはこの分野で最も先進的な技術の一つである一方、最も未成熟な技術でもあります。最大の問題は膨大な計算オーバーヘッドで、証明の生成時間と計算コストは元の計算の数百倍、場合によっては数千倍に達します。また、浮動小数点数を使う複雑なAIモデルをZKP向けの数学的回路へ変換すると精度が低下し、現行技術は主に小規模モデルしか対応できません。大規模モデルのオンチェーンZK証明は、まだごく初期の探索段階です。
分散型データとストレージ
基本的な考え方：AIの知能水準は学習データの質と量に強く依存します。分散型データとストレージは、Web2におけるデータ独占とサイロ化を解消し、開かれた信頼できる、公平に価値を分配するデータのエコシステムを構築することを目指します。中心となるのは、インセンティブによってユーザーや組織のデータ提供、検証、共有を促す仕組みです。
主要技術とパラダイム：
分散型ストレージネットワーク（DSN）：FilecoinやArweaveが代表例で、大量のデータを長期間、検閲に耐えながら保存する基盤を提供します。
データの収集と検証：Grassなどのプロジェクトは、ユーザーに遊休ネットワーク帯域の提供を促し、分散型ウェブクローラーを構築します。AI学習向けに公開ウェブデータを収集し、モデルにより分散的で透明なデータソースを提供することを目指します。
データ所有権と価値の獲得：データ所有権をData NFTとしてトークン化することで、提供者は自分のデータを実際に所有し、データ市場やデータ流動性プールを通じて売買・ライセンス提供し、経済的な対価を得られます。「資産としてのデータ」という新しい考え方です。
応用の方向性：大規模モデルの学習データ提供に加え、分散型データネットワークは、合成データの生成、RLHFなどのデータアノテーション、検証可能なデータソースの構築にも大きな可能性があります。TLS Notaryなどの技術により、オフチェーンデータの真正性を確保できます。
AIエージェントの経済モデル
基本的な考え方：ここまでの技術スタックがAIのインフラを築くものだとすれば、AIエージェントはこの新大陸の住人です。オンチェーンAIエージェントの核心は、暗号資産ウォレットのアドレスなど独立した経済的な身元をモデルに与えることです。これにより、資産の保有、取引への署名、スマートコントラクトの実行、他のエージェントやプロトコルとのやり取りを自律的に行い、オンチェーンの経済主体となれます。
主要なパラダイム：
ノードとしてのモデル：一部のネットワークでは、AIモデル自体が中心的な参加者として、コンセンサスやガバナンスに参加できます。高品質な推論の提供などの貢献に対して、トークン報酬を得ます。
インテント中心：AIエージェントとのやり取りを支える基本的な考え方です。ユーザーは複雑な多段階操作をする代わりに、最終目的である「インテント」を自然言語で伝えます。たとえば「ETHをAaveに預け、受け取ったaETHを担保にUSDCを借りる」と指示します。エージェントはその意図を自動で解析し、実現に必要な最適なオンチェーン取引の一連の流れを計画・実行します。
自律的な経済活動：AIエージェントは資金を自律管理し、複雑なDeFi裁定取引を実行し、DAO投票に参加し、オンチェーンゲームの知的NPCとして動作できます。さらに他のAIサービスを呼び出して複雑なタスクをこなすことで、機械同士のサービス経済を形成します。
利用シナリオ：応用の範囲は極めて広く、MEVの獲得と保護を含む自動取引、知的な投資助言と資産運用、タスク自動化、分散型オラクルネットワーク、さらに複雑な自律経済システムの構築まで及びます。Fetch.aiやOlas（Autonolas）は、こうしたエージェント経済を築くための中核技術とプロトコルの枠組みを提供しています。
エコシステムの全景
分野別の全体整理
AIと暗号技術のエコシステムは急速に拡大し、インフラ、ミドルウェア、アプリケーションを含む多層構造を形成しています。この活気と革新に満ちた新領域では、各プロジェクトが異なる切り口からAI中央集権化の根本的な問題を解こうとしています。
インフラ層：エコシステム全体の土台です。io.netやAkashなどの分散型計算、Grassなどのデータ、Filecoinなどのストレージを提供するプロジェクトを中心に、AIの稼働に必要な基礎リソースを供給します。
ミドルウェア／プロトコル層：インフラと上位アプリケーションをつなぎ、中核機能とプロトコル標準を提供します。たとえばBittensorはAIモデルの分散型協調ネットワークを目指し、Fetch.aiとOlasはエージェントの構築・相互作用の枠組みに注力しています。RitualとModulus LabsはZKMLを探索し、AI計算の検証可能性を提供しようとしています。
アプリケーション層：ユーザーに直接接する層で、各種dAppsにAIを組み込み、機能や体験を高めます。AI駆動のDeFiプロトコル、より賢いウォレット、自律行動するオンチェーンゲームのNPC、「インテント」に基づく新しいアプリケーションなどが含まれます。
現時点では、価値と関心の大部分はインフラ層とプロトコル層に集中しています。分散型知能の構想を実現する前提条件だからです。ただし、基盤技術が成熟すれば、今後数年でアプリケーション層が爆発的に成長すると予想されます。
主要プレーヤーの位置付け
この分野には明確な立ち位置を持つ主要プレーヤーが多数存在し、協力と競争が入り交じる複雑な関係を形成しています。
分散型計算における競争と統合：最も参入者が多く、競争の激しい領域です。Akash Network（AKT）は「分散型クラウドのタオバオ」と呼ばれ、クラウド計算資源を貸し借りする公開市場を提供します。Render Network（RNDR）は3Dレンダリング市場から参入し、多数の一般消費者向けGPUを集め、AI推論へ積極的に拡大しています。新興のio.net（IO）は「計算資源アグリゲーター」として、RenderやFilecoinなどのGPUを統合するだけでなく、地理的に離れたGPUをクラスタリングで接続します。より複雑なAI学習と推論を支え、企業市場を直接狙っています。
分散型AIモデルとネットワーク：Bittensor（TAO）はこの領域を代表するプロジェクトです。単一のモデルを提供するのではなく、世界中の機械学習モデルが競争・協調するインセンティブネットワークを築き、進化し続ける「集合知」を形成します。SingularityNET（AGIX）は、誰でもAIサービスを作成、共有、収益化できる公開市場の構築に取り組んでいます。
オンチェーンAIエージェントのプラットフォーム：Fetch.ai（FET）はこの分野の先駆者の一つで、自律経済エージェント（AEA）の構築、展開、接続に必要な一式のツールを提供します。Olas（Autonolas、OLAS）は、オフチェーンの自律AIサービスを構築する組み合わせ可能なスタックに注力し、オラクルなどでオンチェーンへ接続します。自動化と複雑なタスク実行で大きな可能性を示しています。
これらのプロジェクトが、AIと暗号技術のエコシステムの中核を形成しています。それぞれの発展経路と相互関係の変化は、分野全体の将来を大きく左右するでしょう。
投資の枠組みと機会
市場規模と成長予測
分野横断型の新興領域であるAIと暗号技術の市場規模は、その基盤となるAI市場と高性能計算市場、特にGPUの市場を総合的に考慮して推計する必要があります。Mordor Intelligenceの予測では、世界のAI市場は2027年までに7,800億～9,900億米ドルに達する見通しです。また、AI開発を支える中核ハードウェアであるGPUについて、AMDなどの業界大手は2027年に世界市場が2,000億～4,000億米ドルに拡大すると予測しています。AIと暗号技術の分野の時価総額はまだ初期段階ですが、潜在的な獲得可能市場（TAM）は巨大です。私たちは、分散型ネットワークがこの二つの大市場のわずか1～5%を取り込むだけでも、数千億ドル規模の新市場を生み出すと考えます。成長の可能性は、基盤技術の成熟速度と決定的なアプリケーションの出現に左右されます。
投資の論理と主張
AIと暗号技術の分野への投資の考え方は、次の柱に基づきます。
マクロの推進力：AI計算需要の爆発的増加と、中央集約型クラウド事業者の供給制約という構造的な矛盾が、分散型計算ネットワークに歴史的な機会をもたらします。この分野で最も確かで明瞭な基礎的成長要因です。
分野横断のイノベーションが生む利益：AIは暗号技術の世界に前例のない知能と自動化をもたらし、より複雑なDeFi戦略、適応的なDAOガバナンス、没入感のあるブロックチェーンゲームを可能にします。逆に、暗号技術は開放的で許可不要の経済モデルと世界的な協調ネットワークをAIに提供し、その「生産関係」の問題を解決します。
機関投資資金の関心：a16z、Paradigm、Multicoin Capitalなどの有力VCは、すでにこの分野へ深く投資しています。その調査と資金投入は、分野の発展を強く後押しする評価と触媒になっています。
評価体系と主要指標
AIと暗号技術のプロジェクト評価は複雑です。PERやDCFなど従来の評価モデルは、安定したキャッシュフローや利益予測に依存するため、適用が困難です。そのため、暗号資産固有の指標とこの分野独自の新指標を組み合わせた、多次元の評価枠組みが必要です。暗号資産固有の評価指標：
プロトコル収益と売上高倍率（P/S）：ネットワークが価値を取り込む能力を測り、プロジェクトの財務健全性を評価する中心的な指標です。
トークンのステーキング比率：保有者がネットワークの長期的価値をどれほど信頼し、その安全性に参加しようとしているかを表します。
ネットワーク価値対取引比率（NVT）：PERに似た指標で、オンチェーンの取引活動に対してネットワーク価値がどの水準で評価されているかを測ります。
アクティブアドレス数と開発者の活動：ネットワークの実利用とエコシステムの健全性を測ります。
AIと暗号技術に特有の指標：
計算資源の利用率：分散型計算プロジェクトでは、需要と供給のマッチング効率と実際の事業需要を測る重要な指標です。
モデルAPIの呼び出し数：分散型AIモデルのプラットフォームでは、API呼び出し量がモデルの実利用頻度と価値を直接反映します。
データ提供の量と価値：分散型データプロジェクトにおいて、ネットワークが収集・処理するデータの規模と質を測ります。
エージェント間のやり取りの頻度と価値：AIエージェントのプラットフォームでは、ネットワーク内の活動、実行タスクの複雑さ、動かす資金量を測ります。
リスク、課題、戦略
技術的なリスクとボトルネック 魅力的な将来性がある一方、AIと暗号技術は技術面で深刻な課題とボトルネックを数多く抱えています。これらが、短期的な大規模普及を妨げる主な障害です。
拡張性と性能：多くのパブリックチェーンのTPS（毎秒取引数）は低く、高頻度AIアプリケーションの需要を満たせません。また、分散ネットワークのノード間通信遅延は、大規模なデータ同期を要する効率的な分散AI学習の大きな障壁です。
モデルの複雑さとコスト：大規模言語モデル（LLM）を直接オンチェーンに展開・実行するコストは、ストレージと計算の両面で天文学的で、負担できる水準ではありません。現状のオンチェーンAIは、モデル自体を動かすのではなく、主に推論結果を実行に移しています。
エージェントの文脈理解力：現在のAIエージェントは、複雑で動的、かつ敵対的なオンチェーン環境を理解する能力が限られています。悪意のある者に利用されたり、想定外の市場状況で誤った判断を下したりする可能性があります。
中核技術の成熟度：信頼できる計算の土台であるZKML（ゼロ知識機械学習）やFHE（完全準同型暗号）などのプライバシー保護計算技術は、まだ研究のごく初期段階にあり、大規模商用化には遠い状況です。
経済・市場リスク 技術的な課題に加えて、この分野は経済モデルと市場動向の面でも大きなリスクを抱えています。
過熱とバブル：AIは現在、テクノロジー分野で最も注目されるテーマです。そのためAIと暗号技術の多くのプロジェクトが著しく過大評価され、大きなバブルリスクが生じています。短期の価格は、基礎的価値よりも市場心理に強く左右されます。
トークン経済モデルの脆弱性：需給の均衡を持続的に保ち、計算資源提供者、モデル開発者、ユーザーなどすべての参加者に適切な動機を与えるトークン経済の設計は極めて複雑です。わずかな誤りがシステムを「デススパイラル」に陥らせるおそれがあります。
従来型クラウドとの競争：信頼性、安定性、使いやすさ、総合的なサービスコストの面で、分散型計算ネットワークが短期にAWSやAzureなどの大手と正面から競うのは困難です。存続するには、差別化された市場での位置付けを見つける必要があります。
セキュリティと倫理のリスク AIと暗号技術の組み合わせは、新たな安全性と倫理のジレンマももたらします。
スマートコントラクトとAIエージェントの脆弱性：コードの複雑さは指数関数的に増え、ごく小さな脆弱性でも悪用されればユーザー資産の大規模損失につながります。エージェントの自律実行が、そのリスクを増幅させる可能性もあります。
AIの責任問題：自律AIエージェントの誤判断が莫大な損失を生んだ場合、誰が法的責任を負うのでしょうか。所有者、開発者、それともプロトコル自体でしょうか。これは未解決の法的・倫理的問題です。
データのプライバシーと悪用：分散化はデータ保護を目指しますが、設計が不適切なら、公開オンチェーンデータが偏ったAIモデルの学習に使われたり、ユーザーの行動を精密に分析して搾取するなどの悪意ある目的に利用されたりする可能性があります。
規制の不確実性 規制は、AIと暗号技術の両分野に共通する最大の外部不確実要因です。
国境をまたぐ規制の複雑さ：AIの倫理とデータ利用基準、暗号資産の金融的性質は、国ごとに異なり急変する規制方針に直面しています。国際的な分散ネットワークがこの複雑な規制環境にどう適応するかは、大きな課題です。
コンプライアンスと分散化の矛盾：規制当局は通常、マネーロンダリング対策（AML）や本人確認（KYC）などを要求します。しかし、これらは暗号技術が追求する許可不要性と検閲耐性の理念と根本的に衝突します。開発チームは、法令遵守と分散化の難しい均衡を見つけなければなりません。
長期的価値と歴史的な機会
AIと暗号技術の統合は一時的な技術ブームではなく、デジタル世界における価値の創造、分配、所有を再構築する深いパラダイム革命です。AIの比類ない知能と分析力を、暗号技術がもたらす分散型の信頼、調整の仕組み、プログラム可能な価値ネットワークと結び付けます。長期的な価値は単なる技術の積み重ねではなく、生産性（AI）と生産関係（暗号技術）の共進化にあります。それは、より公平で開かれた、自律的なデジタル経済の基礎となります。私たちは「情報のインターネット」から「価値と知能のインターネット」へ移る歴史的な転換点に立っています。
今後3～5年：技術的突破口と市場の転換点 今後3～5年の中期では、次の領域が主要な技術的突破口となり、市場成長を引き起こすと予測します。
検証可能な計算の実用化：ZKMLは理論から実践へ進み、金融リスク管理、分散型ID（DID）、オンチェーン投票など、プライバシーと検証可能性への要求が高い特定の用途で商用導入を先行させるでしょう。「信頼できるAI」という概念を確立する土台となり、機関向けアプリケーションを呼び込む重要な要素になります。
AIエージェントの連携と創発：Olasが提案するようなエージェント標準が成熟すると、プロトコルやチェーンをまたぐ大規模な協働が進み、複雑な「エージェント社会」が形成されるでしょう。市場の転換点は、複雑なオンチェーン操作を自然言語の指示に簡素化する、最初の決定的な「インテント駆動」アプリケーションの登場です。これがWeb3の体験を根本から変えます。
特化型DePINネットワークの台頭：AI学習と推論を対象とする分散型物理インフラネットワーク（DePIN）は、さらに専門化し効率を高めます。ネットワークプロトコルとハードウェアのクラスタリングを最適化することで、モデルの微調整や特定分野の推論といったニッチ市場で、中央集約型クラウドに匹敵する費用対効果を実現し、相当の市場シェアを獲得するでしょう。
結論
構造変革の始まり AIと暗号技術の結合は、長期にわたる構造変革です。AI開発で顕在化する中央集権化、データプライバシー、価値分配の問題に対処しつつ、暗号技術の世界へ前例のない知能と自律性を注ぎ込みます。技術的な制約、市場バブル、規制の不確実性など多くの課題が残るものの、その根本的な補完関係と歴史的な必然性はすでに明らかです。
私たちは、これが新たな投資分野であるだけでなく、自律的で知的かつ公平な価値ネットワークという次世代インターネットの設計図でもあると確信しています。この道の先では、AIエージェントが徐々に主要な経済主体となり、データとモデルが制作者の手に戻り、真に「分散化された知能社会」が地平線に姿を現すでしょう。今日の開発者と投資家にとって、今こそこの壮大な実験に参加し、未来のデジタル世界を共に形作る最良の時です。
