撰文：Ekko an、Ryan Yoon，Tiger Research

编译：Chopper，Foresight News

TL;DR

AIが急成長する中で、ブロックチェーン業界を需要サイドから評価する必要がある。すなわち、既存システムが解決できないどのような問題を解決し、どのような独自の能力をもたらすのか？
分散型コンピューティングや分散型ストレージには、データ主権やコスト優位性といった合理的な論理が確かに存在するが、絶対的な説得力を持つ技術的優位性はまだ形成されておらず、従来のクラウドサービスプロバイダーに深く依存する企業が切り替えリスクを負うには不十分である。
モデル検証やプライバシー暗号化技術は、企業が現在直面する差し迫ったビジネス上の課題を解決できず、企業が大規模に導入することはない。この分野の需要は規制政策の導入に遅れる可能性が高く、EUのAI法はその典型例である。基準が先に制定され、市場需要がそれに続くのだ。
AIエージェントの基盤インフラ分野のボトルネックは技術ではない。主流企業の現段階の焦点は内部プロセスの自動化であり、ブロックチェーンプロジェクトが研究開発しているのは次の段階の基盤インフラである。市場の成熟度が技術の発展速度に追いついていない。
AIエージェントによる決済は、ブロックチェーンと従来の金融が唯一同じスタートラインに立つ分野であり、双方とも業界の課題を適切に解決しておらず、現在唯一直接競合の条件を備えた細分化領域でもある。
全体として、ブロックチェーン + AI分野の苦境は、両者の組み合わせの論理が矛盾しているからではなく、需給の深刻なミスマッチにある。四つの細分化分野にはそれぞれ固有の需要欠落問題があり、AIエージェント決済分野のみが現在、市場競争に直接参加できる条件を備えている。

AIが全面開花する中、ブロックチェーン分野は大きく引き離される

AI業界は前例のない資本とインフラ投資ブームを迎え、大手テクノロジー企業が構築する大規模モデルエコシステムが、大衆生活や工業生産に全面的に浸透している。暗号資産業界も急速に進化し、AIとの技術的結合点を見つけようと模索している。

初期の探求は、従来のAI産業チェーンの補完や複製に集中していた。分散型GPUコンピューティングパワーの供給、データの権利確定、暗号学的モデル検証などである。最近では、集中型アーキテクチャでは克服が難しい課題の解決へと重心を移しており、AIエージェントによる自律的なオンチェーンインタラクションや、マシン間のリアルタイム自動決済などが含まれる。

「AI + ブロックチェーン」と一括りに分野全体を概括すると、細分化領域の真の差異を見失うことになる。そのため、厳格な需要サイド分析が必要だ。各細分化分野はどのような問題を狙い、ブロックチェーンネイティブなソリューションは真に差別化された解決策を提供できるのか？

四つの細分化分野

分散型コンピューティング

現在のクラウド市場は、コンピューティングリソースを掌握する少数の大手テクノロジー企業に大きく依存している。高性能GPUの調達は難しく、コストも高いため、大規模インフラを構築する力のないAIスタートアップチームや研究機関は、非常に高い参入障壁に直面している。

集中型プラットフォームのリソースは大口顧客に偏りがちで、市場には膨大なアイドル状態のGPUコンピューティングパワーが存在するものの、それらを調整する中立的なチャネルが不足している。

分散型コンピューティングは、二つのモデルを通じてリソースの集中と非効率性の問題を解決する。シェアリングエコノミーモデルは、個人や小規模データセンターの遊休グラフィックカードリソースを集約し、統合されたコンピューティングネットワークを構築することで、テクノロジー大手の独占を回避し、柔軟な供給体制を構築する。

分散型コンピューティングモデルでは、ユーザーは単一のサービスプロバイダーのハードウェアに依存することなく、世界中でコンピューティングパワーをレンタルでき、遊休ハードウェアの利用率を高め、高性能コンピューティングの利用ハードルを下げる。

分散型ストレージ

既存のデータストレージシステムは、ほぼ完全にGoogle、Metaなどの集中型クラウドサービスプロバイダーに依存している。ユーザーがデータをアップロードすると、実質的なデータ所有権はプラットフォームに移り、AIの学習データは長期間にわたって大手企業に独占される。また、集中型アーキテクチャには運用リスクも存在する。ポリシーの変更、サービスの中断、プラットフォーム障害などが、データへのアクセス不能や永久消失を引き起こす可能性がある。

分散型ストレージは、これらの構造的問題を二つの方法で解決する。FilecoinやArweaveに代表されるシェアリングエコノミーモデルでは、各参加者の未使用ストレージスペースを一つのネットワークに集約し、そのネットワークが既存の集中型クラウドを代替する。

永久保存モデルでは、データは分散ノード上で多重バックアップされ、単一サーバーの稼働状態に影響されず、単一プラットフォームへの依存を低減する。

オンチェーンデータ取引市場

AIの研究開発には膨大な学習データが必要だが、既存のデータ流通市場は極めて閉鎖的であり、Hugging Faceや大手クラウドベンダーが収益と価格決定権を独占している。データ作成者の収益は微々たるもので、データ貢献に対するインセンティブメカニズムは透明性を欠いている。

オンチェーン取引市場は、スマートコントラクトを活用して中間業者を排除し、透明な取引ルールを確立する。Ocean Protocolなどの直接取引モデルでは、データ所有者とAI開発者がスマートコントラクトを通じて直接取引し、報酬は透明な形で分配される。Grassなどの貢献報酬モデルでは、個人が未使用の帯域幅をAIデータ収集に接続し、その貢献価値に応じて相応の報酬を得る。

モデル推論検証とプライバシー保護

従来のAIはブラックボックスシステムであり、モデルの計算が規定に準拠しているか、機密性の高いユーザーデータが安全に処理されているかを外部から検証することができない。

ゼロ知識機械学習（ZKML）は、AI推論層に暗号学的検証メカニズムを重ねることで、プライバシー保護と監査証跡の追跡可能性を同時に実現する。モデル計算は依然としてオフチェーンで行われるが、計算プロセス全体が事前設定されたルールを厳密に遵守したことを証明する暗号化証明が生成される。

この証明は、元のデータそのものではなく、チェーン上に記録される。例えば、医療保険の自動請求シナリオでは、病院は患者の完全なカルテをアップロードすることなく、AI計算が適切に行われたことのコンプライアンス証明のみをアップロードする。保険会社はその証明の真偽を検証するだけで請求処理を完了でき、プロセス全体を通じて元のプライバシー医療データにアクセスできない。

AIエージェントフレームワーク

AIエージェントは徐々にトラフィックと価値創造の中核となり、ツールから自律的な経済主体へと進化している。既存の金融システムは人間の消費行動に基づいて設計されており、マシン主導の決済シナリオには本質的に適応できない。

エージェントエコノミーは、ミリ秒単位の高頻度少額取引や国境を越えたリアルタイム決済を必要とするが、従来の金融インフラではこれに対応することが難しい。

オンチェーンエージェントインフラストラクチャは、二つのメカニズムを通じてこの問題を解決する。自律的な実行と制御メカニズムは、AIエージェントに一意のウォレットとアイデンティティを割り当て、トランザクションに直接署名できるようにし、意図しない動作を防ぐために設定可能な支出制限や安全策を設ける。

プロトコルベースの決済メカニズムは、ステーブルコイン決済プロトコル（例：x402）を使用して、マイクロトランザクションや高頻度決済をリアルタイムで決済し、通貨変換や承認プロセスを回避する。

ブロックチェーン + AI と従来型AI産業チェーンの違い

従来型AI産業チェーンの資本論理は、「発展のボトルネック解消」を中心に展開される。AI需要の拡大に伴い、ビデオメモリ、電力、データ転送帯域幅が次々とボトルネックとなる。これらの制約を迅速に解決できる企業（高帯域幅メモリメーカーや電力インフラ企業など）は、巨額の資金調達と時価総額の上昇を享受する。市場は、成長のボトルネックを打破するソリューションに対して高額な評価を与える用意がある。

ブロックチェーン + AIプロジェクトは確かに現実の業界課題に狙いを定めているが、同等の市場の注目を常に獲得できないでいる。もしこれらの問題が本当に差し迫ったものであれば、市場ではすでに大規模な導入と転換が起きているはずである。

分散型コンピューティングやデータ権利確定などの分野に妥当な価値があったとしても、主流の資本を引きつけることは難しい。核心的な矛盾は、技術供給側と資金を握っている購買側のニーズが深刻に乖離していることにある。

人工知能業界の展開はタイトであり、買い手（主に大手テクノロジー企業やエンタープライズ顧客）は、現在のオペレーション上のボトルネックを最速で解決するソリューションに大規模な投資を行う。彼らは未検証のインフラを評価するために時間を割くことはない。彼らの最優先事項は、計算性能、インフラの信頼性、そして測定可能な投資収益率である。

例えば、データ転送速度がモデル学習のボトルネックとなった時、大量の資金が銅線ケーブルを代替する光ファイバーインフラに流れ込んだ。メモリ帯域幅が主要な制約要因となった時、SKハイニックスとサムスン電子は高帯域幅メモリを提供することで問題を解決し、世界的な名声を得た。このパターンは常に一貫している。資本は、制約要因を排除し進歩を促進する企業に追従する。

ブロックチェーン + AI分野の根本的問題は、ポジショニングのずれである。多額の予算を持つ企業は短期的な性能向上とコスト削減のみを重視する一方、ブロックチェーンAIプロジェクトは、企業にとっては副次的で遠い、長期的な課題に深く取り組んでいる。供給側の技術ビジョンは、需要側の現在のオペレーションニーズと合致しない。

供給側の技術ビジョンは、需要側の現在のオペレーションニーズと合致しない。

技術的実力の不足

多くのプロジェクトがベンチマークテストを通じて分散型インフラの可能性と設計思想を証明しているが、破壊的な技術的ブレークスルーは達成できておらず、市場に深く根付いた集中型クラウドプロバイダー（AWS、GCP等）を揺るがすには至っていない。

集中型クラウドプラットフォームは既に潤沢な資金と成熟したインフラを保有しており、新技術が市場シェアを獲得するには、企業が切り替えコストを負担するに足る圧倒的な性能優位性が必要である。AppleがIntelチップから自社開発のM1チップに切り替えた際には、ソフトウェアの互換性が損なわれる巨大なリスクを負ったが、その決断を支えたのは3倍のエネルギー効率向上という優位性であり、この利益は移行の代償を十分にカバーするものだった。

しかし、ブロックチェーン + AIは現在、ペタバイト級のデータ同期や超低遅延を必要とするエンタープライズ顧客に対し、十分に説得力のある利益ロジックを提供できておらず、企業は移行リスクを負いたがらない。

需給の構造的ミスマッチ

一部の分散型コンピューティングプロジェクトは、SLA（サービスレベルアグリーメント）を導入して企業リスクを低減しようとしているが、企業は依然として様子見の姿勢を崩さない。問題の根源は契約にあるのではなく、基盤構造にある。大手クラウドサービスプロバイダーは専用の隔離されたサーバー室を提供できるが、ブロックチェーンネットワークは分散した匿名のノードに依存してコンピューティングパワーを供給している。

仮に一つのノードがダウンし、数億円規模のモデル学習が中断された場合、トークンによる返金や現金補償では、企業が失う時間的コストとビジネス機会を補償できない。熾烈な業界競争の中にある企業にとって、システムの安定性は妥協できない一線である。リスクヘッジ手段を伴っていたとしても、企業には分散型ネットワークが本質的に内包する不確実性を引き受けるインセンティブがない。

市場需要の未成熟

ブロックチェーンエージェントフレームワークは、複数のエージェントが協調し自律的に動作する成熟したエコシステムを想定しているが、主流市場の発展段階はこのビジョンに遠く及んでいない。

マイクロソフトやSalesforceなどの企業はAIエージェントの導入を加速させているが、現時点ではすべて社内ネットワークのプロセス自動化に集中している。ブロックチェーンプロジェクトが整備するインフラは、次の段階、すなわち企業を跨ぐ外部ネットワーク上で独立して動作する自律エージェントを支えるものだ。現在、大多数の企業は既存AIシステムの安定性と投資対効果（ROI）の向上に注力しており、ネットワークを跨ぐマルチエージェント連携は、企業のインフラ計画の優先リストにはまったく入っていない。

現在の需要低迷は発展サイクルの問題であり、技術的欠陥ではない。ブロックチェーンエージェントインフラストラクチャは、短期的な収益化事業ではなく、将来のエージェント経済に向けた長期的なインフラ整備として位置づける方が適切である。

規制

ゼロ知識証明やプライバシー暗号化技術は、信頼できるAIを構築する中核的ソリューションだが、AI普及初期において、企業がプライバシーインフラを自発的に導入する需要は極めて低い。企業の自発的な取り組みによる大規模導入は期待しにくく、業界の需要はおそらく規制基準によって喚起され、技術はその後にコンプライアンス要件に合わせて実装される。

EUのAI法案など世界的な規制の細則が継続的に精緻化されることは、このセクターに追い風となる。データのトレーサビリティやデータセキュリティが厳格な法的要件となれば、ブロックチェーンの検証能力はオプション機能から、企業がAIを導入する際のコンプライアンス必須項目へと変わる。

規制の整備は業界の制約ではなく、市場形成の触媒である。明確な法規制は業界の不確実性を低下させ、ブロックチェーン＋AIが機関投資家市場で安定的に導入される道を開く。

ベンチマークとなる導入事例の不在

重層的な構造的矛盾が重なり合い、最も核心的な障壁を生み出している：ビジネス価値を証明する説得力のある大規模なベンチマーク事例が存在しないこと。従来のAI業界はChatGPTを頼りに成長のフライホイールを形成し、誰もが目にするヒット製品が膨大な資本と人材を惹きつけ、継続的な反復改良を実現している。

ブロックチェーン＋AIの分野には、今のところ同程度の規模で製品と市場が適合した事例はない。初期のコミュニティの熱気を除けば、企業の生産活動や一般消費者の日常的な利用シーンに浸透したプロジェクトはなく、従来の機関投資家の資本からの重視を得られていない。ベンチマークとなる導入事例の欠如が、保守的な機関資金を遠ざけ、業界の普及を遅らせる最大の障壁である。

ブロックチェーン＋AIに長期的価値はあるのか？

短期的な市場の熱狂を脇に置けば、ブロックチェーン＋AIはまだ主流のAI産業チェーンで確固たる地位を築いてはいない。しかし、それは両者の組み合わせに価値がないことを意味するわけではない。

この分野が冷え込んでいる核心的な理由は、技術の組み合わせに論理的な矛盾があるからではなく、それぞれの細分化された分野で、成熟した業界の需要と技術供給の方向性にミスマッチが存在するからである。

従来のAI業界の中核的な要求は極めて明確だ：短期的な性能向上、コスト最適化、徹底したインフラの安定性。一方、大半のブロックチェーンAIソリューションは、データの所有権、演算の透明性、分散化に焦点を当てている。

これらは業界が現在早急に解決すべきボトルネックではなく、導入にはしばしば性能の犠牲を伴い、費用対効果で企業を納得させるのが難しい。

人工知能ブームが起こる前、電力インフラ企業は通常、成熟し成長の遅い企業に分類されていた。データセンターによる電力需要の急増がその状況を一変させ、その後これらの企業は多くの市場の注目を集めた。現在、人々がブロックチェーン人工知能に対して冷淡であることも、同様のラグ効果を反映している可能性がある。すなわち、新しいパラダイムが出現するまで、インフラの価値は完全には顕在化しないということだ。

この移行期において重要なのは、業界が市場の実際の需要にどう応えるかである。

前進する道は二つの方向に分かれる：1）成熟したAI産業チェーンの標準に積極的に適応し、短期的な性能の弱点を補完すること；2）既存の技術路線を堅持し、次世代AIの大規模導入に適した長期的なインフラを継続的に整備すること。

ブロックチェーン＋AIの最終的な行方は、どちらの路線が将来の実際の市場需要に合致できるかにかかっている。

Metalphaの関連ウォレットは、Binanceに27,000ETHを入金した。これは約6,278万ドルに相当する。

人気記事