AIの上位層アプリケーションをめぐる競争は熾烈を極めており、Gensynは5年間かけて基盤となる電力網の構築に尽力してきた。

2023年6月、a16z cryptoが4300万ドルのシリーズA資金調達ラウンドを主導した当時、Gensynが行っていたことは、ほとんどの仮想通貨投資家にとってまだ抽象的なものでした。それは、分散型機械学習トレーニングプロトコルです。その年、ChatGPTはオンラインになってからわずか6ヶ月しか経っておらず、H100の不足はまだ地政学的な問題にはなっておらず、AIインフラストラクチャセクター全体も今日のような「セクター」にはなっておらず、Bittensorのトークン$TAOは当時10ドル未満で、Akashはまだニッチなクラウドコンピューティングパワーの理解にとどまっていました。

3年後、状況は全く異なっている。AIコンピューティング能力の不足は世界的な話題となり、ハイパースケールクラウドベンダーの注文は2027年まで埋まり、OpenAIとAnthropicは次世代モデル用のチップを巡って競い合っている。2026年4月22日、Gensynメインネットが正式にローンチされ、4月29日には$AIがCoinbaseとOKXで同時にオープンし、5月14日にはBinanceの現物取引がAIGENSYNというコードで開始された。外部の人には理解し難いプロトコルのホワイトペーパーから、3週間以内に3つの主要取引所でローンチするまで、Gensynはほぼ完璧な好機を捉えた。

それは優れた計画か、あるいは並外れた幸運のどちらかだろう。チームの創設者2人の経歴から判断すると、その両方を兼ね備えている可能性が非常に高い。

ChatGPT以前から中央集権型AIに反対していた2人

Gensynの創業者であるベン・フィールディングとハリー・グリーブは、2020年にロンドンの起業家育成プログラム「Entrepreneur First」で出会った。それから8週間後、彼らは一つのことに全力を注ぐことを決意した。それは、分散型機械学習ネットワークの構築である。

2020年当時、この決断は特に魅力的なものではありませんでした。GPT-3がリリースされたばかりで、「AI」は暗号通貨の世界ではまだ時折話題に上るキーワードに過ぎず、ほとんどの人はDeFiブームの終盤と、これから登場するNFTに注目していました。二人がこの決断を下したのは、それぞれが具体的な実体験と問題点を抱えていたからです。

ベン・フィールディングはコンピュータサイエンスの博士号を取得しており、ニューラルネットワークのアーキテクチャ探索と、進化アルゴリズムを用いた深層ネットワークの構造の自動最適化を専門としています。つまり、博士課程では「AIに自己最適化させる」研究を行っていました。博士号取得前はデータベース管理の仕事をしており、取得後はデータプライバシー企業を共同設立しました。彼は「データ主権」と「アルゴリズムの自律性」の両方に深くコミットしている人物です。

ハリー・グリーブは全く異なる経歴の持ち主だ。計量経済学を専攻していたが、修士課程で機械学習に転向し、その後ロンドンを拠点とするAIスタートアップでデータ研究チームを率い、保険業界向けの災害リスク予測システムを先導した。彼が起業を決意した直接の動機は、トレンドを見抜いたことではなく、「大規模な計算能力と高品質のデータを入手することの極めて困難な」という自身の経験、つまり計算能力の壁に阻まれた経験だった。

二人は2つの点で意見が一致していた。1つ目は、機械学習が次の技術の波であるということ（これは2020年のことで、ChatGPTはさらに2年後まで待たなければならなかった）。2つ目は、二人とも中央集権化に反対していたことで、ベンはデータプライバシーの観点から、ハリーはコンピューティング能力の独占の観点から反対していた。彼らは当初、分散データでモデルをトレーニングするフェデレーテッドラーニングを研究していた。研究を進めるうちに、根本的なボトルネックはデータではなくコンピューティング能力であることを発見し、分散コンピューティング能力は「相互に信頼できないマシン間でタスクを分散し、結果を検証する方法」という問題を解決する必要があると考えた。これが、彼らがブロックチェーンを導入するきっかけとなった。

これはAIネイティブから暗号通貨への道筋であり、この区別は2025年から2026年にかけての「AI x Crypto」ブームの中でますます重要になるだろう。DeAIプロジェクトの創設チームのほとんどは、トレンドの出現を見て転身したWeb3のベテランであり、彼らの技術的な説明はディープラーニングに関する二次的な理解に基づいている。Gensynの中核チームは正反対だ。彼らはまずAI研究者となり、その後10年間かけて「中央集権化」がAIの根本的な問題であることを発見し、最終的に暗号通貨を使ってそれを解決することを決めたのだ。

チームの学術的な成果はこの点を裏付けています。コア検証プロトコルであるVerdeに関する論文はarXiv（ arxiv.org/abs/2502.19405）に掲載されており、その他にもNoLoCo（通信効率最適化）、CheckFree（分散型トレーニング障害回復）、SkipPipe、SAPO、RL Swarm、そして最新の「Hail to the Thief」（分散型GRPOの攻撃と防御に関する研究）などがあります。学術論文の代わりにホワイトペーパーが一般的に用いられる分野において、7本以上の引用論文を持つこと自体が稀です。

Gensynが行っていることは、「分散型コンピューティング能力」という枠をはるかに超えた規模のものです。

Gensynを最も簡潔にまとめると、それは機械知能のためのネットワークです。抽象的に聞こえるかもしれませんが、要点は一つに集約されます。分散環境でAIのトレーニング、推論、コラボレーションを実行するには、次の3つのことが同時に実現する必要があります。すなわち、機械同士が互いを見つけられること、参加者の身元が追跡可能であること、そして計算結果が検証可能であることです。Gensynは単一のレイヤーに留まることを目指しているのではなく、これら3つの要素すべてを同時に構築することを目指しています。

馴染みのある、しかし効果的な例えを用いると、上位層のAIアプリケーション（エージェント、モデル、各種プロンプトパッケージ製品など）が電化製品だとすれば、Gensynは基盤となる電力網を目指していると言えるでしょう。電力網は通常、最も目に見える要素ではありませんが、それがなければ、規模拡大と効率化は著しく阻害されます。現在、AIと暗号通貨の業界全体の注目は、ほぼ完全に電化製品に集中しており、溝を掘ってケーブルを敷設する企業はごくわずかです。Gensynのターゲットは、まさにこの溝なのです。

ネットワーク全体は3層構造のインフラストラクチャで構成されています。AXLが通信を、ChainがID管理と決済を、REEが認証をそれぞれ担当します。構造的には、以下のようになります。

通信層と認証層は比較的理解しやすいが、課題はそれらの実装方法にある。真に難しく、かつ非常に価値のある層は検証層である。

REE：AI計算の再現性を高める

GPU並列計算は本質的に非決定論的です。同じモデルと入力であっても、ハードウェアが異なれば結果も異なります。これは直感に反するように聞こえるかもしれませんが、これは工学的な事実です。浮動小数点演算の順序、基盤となるCUDAカーネルの並列スケジューリング、さらには異なるGPU間のわずかなハードウェアの違いでさえ、最終出力に目に見える差異をもたらす可能性があります。つまり、他人の計算の正しさを「自分でもう一度実行する」ことで検証することはできないのです。

REE（再現可能な実行環境）はこの問題を解決します。REEは独自開発の決定論的演算子ライブラリであるRepOpsを通じて、最大72バイトのパラメータを持つモデルをサポートし、サポートされているあらゆるハードウェア上で同じモデルからビットレベルで一貫性のある出力を生成できるようにします。2つのノードで計算結果に不一致が生じた場合、第三者はREEを使用して自身のハードウェア上で演算を再実行し、どちらが正しくどちらが間違っているかを判断できます。基盤となる紛争仲裁プロトコルであるVerdeは、計算グラフ内で不一致の原因となっている最初の演算を特定し、最も議論の余地のない部分のみを再計算することができます。

分散型AI分野というより広い文脈で見ると、REEの立場はより明確になる。

分散型AIは、常に同じ疑問に答えようとしてきました。それは、「オンチェーンAIの計算結果をオフチェーンで信頼するにはどうすればよいか？」という疑問です。これまで、この疑問に対しては主に4つのアプローチがありました。

一つは、Akashやio.netのような分散型コンピューティングパワー市場であり、安価なGPUを提供するものの、検証の問題を解決するものではない。

2つ目のタイプは、RitualやGizaなどのzkMLで、暗号技術を用いて計算の正当性を証明する。欠点は、パフォーマンスのオーバーヘッドが非常に高く、大規模なモデルを実行できないことである。

第三に、PhalaのようなTEE（Trusted Encryption Environment）があり、これはハードウェアを使用して実行環境を分離します。欠点は、ハードウェアベンダーが悪意のある行為を行わないことを信頼する必要があることです（Intel SGXのサイドチャネル脆弱性は繰り返し実証されています）。

第四に、ビッテンソルに代表される経済ゲーム理論があります。これは、ノード同士が競争して正しい結果に近づくようにインセンティブメカニズムを利用します。欠点は、確率論的であり、個々の計算の正しさを証明できないことです。

Gensynは5つ目の道を選んだ。計算の正しさを証明するのではなく、誰もが自分のハードウェア上で計算を再現・実行して検証できるようにするのだ。この道は、特定の誰かの信頼に頼らず、検証機能を誰でも利用できるようにすることで、オープンソースの精神に哲学的に寄り添っている。ベン・フィールディング自身の言葉を借りれば、「デジタル世界には新たな審判者がおり、彼らは腐敗することはない」。

メインネットのローンチ後、最初の標的はデルファイだった。

2026年4月22日、メインネットのローンチと同日に、Gensyn初のアプリケーションであるDelphiが稼働を開始しました。これはAI決済を利用した情報マーケットプレイスで、誰でもマーケットプレイスを作成でき、AIモデルが結果の決定を担当し、REEは決済が誰でも再現・検証できることを保証します。マーケットプレイスの作成者は取引量の1.5%の手数料を受け取り、本人確認（KYC）は不要で、AIエージェントは許可なく参加できます。

製品形態という点ではPolymarketに似ていますが、ターゲットユーザーは人間に限定されません。GensynチームはDelphiをより深く「AI強化学習環境」と定義しており、市場価格が報酬関数として機能します。AIエージェントは取引に参加し、報酬シグナルを受け取ることで継続的に学習します。この仕組みはまだ初期段階ですが、論理的な流れはしっかりしています。

Delphiのローンチ以来、いくつかの製品進化の兆候に注目する価値がある。5月7日、公式チームは「Building Delphi: Pricing, Settlement, and Agentic Trading」と題した長文の記事を公開し、ロードマップに「エージェント取引」を明示的に含めた。Delphi SDKはGitHubで同期的に更新され続けており、エージェント呼び出し用のAPIは現在公開されている。決済モデルには、Claude Opus 4.6やQwen3-32Bなどのオープンソースモデルとクローズドソースモデルが混在しており、市場のテーマはスポーツ、暗号資産、文化エンターテイメントから学術分野（「2026年のIMOで満点を獲得する人数」など）にまで拡大している。現在、メインネット上では、公開されたAI決済型のロングテール問題市場インフラが稼働している。

なぜ今、窓が開いているのですか？

最初の質問に戻ると、a16zが2023年に4300万ドルを投資した当時、Gensynの取り組みは当時話題になっていたわけでもなく、実装の時期も予測できるものではありませんでした。しかし、3年後には2つの点について彼らの見解がますます明確になっていきました。1つ目は、AIは中央集権的な研究所に留まることはなく、KYCやAPIキー、あるいは誰の承認もなしに、外部でAIを実行したいと考える人が常に存在するということ。2つ目は、その「外部」でAIを実行するには、単一のツールだけでなく、完全なインフラストラクチャが必要になるということでした。

H100の不足が世界的な話題となり、MCPとA2Aがエージェント業界で流行語となり、そして4月22日にメインネットが稼働した際にa16z自身がツイートして情報を拡散したことで、市場の注目はついにこのチームが5年間取り組んできたことに向けられた。

AIと暗号通貨の分野に注目している人にとって、Gensynを長期的に追跡する価値があるかどうかを判断するのに役立つ、微妙ながらも強力な指標がいくつかあります。a16zは分散型AI分野で多くのプロジェクトを抱えておらず、Gensynは彼らの最大の賭けです。チームの学術的な成果は、ホワイトペーパーの記述に基づくものではなく、実際に検証可能です。2020年に全力を注ぐことを決定してから2026年のメインネットローンチまで、彼らはその過程でよりホットな分野に飛び移っていません。

流行の話題を次々と消費し、すぐに次の話題に移ってしまう市場において、5年間も溝を掘り、地下にケーブルを敷設するチームは、必ずしも最も魅力的な存在とは言えない。しかし、誰もが家電製品の販売に躍起になっている状況では、いずれ電力網を接続する必要が生じる。そして、最も替えのきかない人材こそが、電力網を接続する役割を担う人々なのである。