ChainOpera は、Web3 ベースのガバナンスとインセンティブ メカニズムを活用して、ユーザー、開発者、GPU/データ プロバイダーを共同構築および共同ガバナンスに導き、AI エージェントを「使用」するだけでなく、「共同作成および共同所有」できるようにします。
0xjacobzhao 著
6月の調査レポート「暗号AIの聖杯：分散型トレーニングの最前線を探る」では、分散型トレーニングと分散型トレーニングの中間に位置する「制御された分散化」ソリューションであるフェデレーテッドラーニングについて言及しました。その中核となるアプローチは、データをローカルに保持し、パラメータを中央で集約することで、医療、金融などの分野におけるプライバシーとコンプライアンスの要件を満たすことです。また、これまでのレポートでも、エージェントネットワークの台頭を一貫して取り上げてきました。その価値は、マルチエージェントの自律性と分業化を可能にし、複雑なタスクを協調的に完了させることにあり、「大規模モデル」から「マルチエージェントエコシステム」への進化を促進しています。
「ローカルマシン内でのデータ保存と貢献に基づくインセンティブ」という原則を持つフェデレーテッドラーニングは、マルチパーティコラボレーションの基盤となります。分散型の性質、透明性のあるインセンティブ、プライバシー保護、そしてコンプライアンス遵守は、エージェントネットワークに直接的に再利用可能なエクスペリエンスを提供します。この流れに沿って、FedMLチームはオープンソースの性質をTensorOpera（AI産業インフラ層）へとアップグレードし、さらにChainOpera（分散型エージェントネットワーク）へと進化させました。もちろん、エージェントネットワークはフェデレーテッドラーニングの必然的な拡張ではありません。その核心は、複数のエージェントによる自律的なコラボレーションとタスク分担にあります。また、マルチエージェントシステム（MAS）、強化学習（RL）、あるいはブロックチェーンインセンティブメカニズムに直接構築することも可能です。
1. フェデレーテッドラーニングとAIエージェント技術スタックアーキテクチャ
フェデレーテッドラーニング（FL）は、集中データを必要としない協調学習のためのフレームワークです。その基本原理は、各参加者がモデルをローカルで学習し、パラメータまたは勾配のみを集約用の調整端末にアップロードすることで、プライバシーコンプライアンスを実現することです。医療、金融、モバイルといった典型的なシナリオでの実用化を経て、FLは比較的成熟した商用段階に入りました。しかしながら、高い通信オーバーヘッド、不完全なプライバシー保護、異機種デバイスによる収束効率の低さといったボトルネックが依然として存在します。他の学習モデルと比較して、分散学習は効率性と拡張性を重視して集中型の計算能力を重視しますが、分散学習はオープンコンピューティングネットワークを通じて完全な分散型コラボレーションを実現します。フェデレーテッドラーニングは、その中間に位置し、「制御された分散化」ソリューションを体現しています。これは、プライバシーとコンプライアンスに関する業界のニーズを満たすだけでなく、組織間のコラボレーションを実現する現実的な道筋も提供するため、業界内の移行的な導入アーキテクチャに適しています。
AIエージェントのプロトコルスタック全体は、前回の調査レポートで3つの主要な層に分けられました。
エージェント インフラストラクチャ レイヤー: このレイヤーは、エージェントに対して最も低いレベルの運用サポートを提供し、すべてのエージェント システムの技術的な基盤となります。
コアモジュール: エージェントフレームワーク (エージェント開発および運用フレームワーク) とエージェント OS (低レベルのマルチタスクスケジューリングおよびモジュラーランタイム) を含み、エージェントライフサイクル管理のコア機能を提供します。
サポート モジュール: エージェント DID (分散型 ID)、エージェント ウォレットと抽象化 (アカウントの抽象化とトランザクションの実行)、エージェント支払い/決済 (支払いおよび決済機能) など。
調整および実行層は、複数のエージェント間のコラボレーション、タスクのスケジュール設定、およびシステムインセンティブメカニズムに重点を置いており、エージェントシステムの「群知能」を構築するための鍵となります。
エージェントオーケストレーション：エージェントのライフサイクル、タスクの割り当て、実行プロセスを統一的にスケジュールおよび管理するためのコマンドメカニズムです。集中管理が必要なワークフローシナリオに適しています。
エージェントスウォーム：分散型インテリジェントエージェントの連携を重視した協調構造です。高度な自律性、分業、柔軟な連携を備え、動的な環境における複雑なタスクへの対応に適しています。
エージェント インセンティブ レイヤー: エージェント ネットワークの経済的インセンティブ システムを構築し、開発者、実行者、検証者の熱意を刺激し、インテリジェント エコシステムに持続可能なパワーを提供します。
アプリケーションおよび配布層
配信サブカテゴリ: エージェント ランチパッド、エージェント マーケットプレイス、エージェント プラグイン ネットワークを含む
アプリケーションのサブカテゴリ: AgentFi、Agent Native DApp、Agent-as-a-Service など。
消費サブカテゴリ: エージェントソーシャル/コンシューマーエージェント、主に消費者のソーシャルインタラクションなどの軽量シナリオ向け
ミーム: エージェントのコンセプトで宣伝されていますが、実際の技術的な実装とアプリケーションの実装が不足しており、マーケティングのみが推進されています。
2. FedML、フェデレーテッドラーニングベンチマーク、TensorOperaフルスタックプラットフォーム
FedMLは、フェデレーテッドラーニングと分散トレーニングのためのオープンソースフレームワークの中でも、最も初期のフレームワークの一つです。南カリフォルニア大学の学術チームから始まり、徐々にTensorOpera AIの企業所有製品へと発展を遂げ、研究者や開発者に、機関間およびデバイス間のデータ連携とトレーニングのためのツールを提供しています。学術界では、FedMLはフェデレーテッドラーニング研究のための普遍的な実験プラットフォームとなり、NeurIPS、ICML、AAAIといった主要なカンファレンスにも頻繁に登場しています。産業界では、医療、金融、エッジAI、Web3 AIといったプライバシーが重視される分野で高い評価を得ており、フェデレーテッドラーニングのベンチマークツールチェーンとして認識されています。
TensorOperaは、FedMLの商用アップグレードであり、企業と開発者向けのフルスタックAIインフラストラクチャプラットフォームです。フェデレーテッドラーニング機能は維持しながらも、GPUマーケットプレイス、モデルサービング、MLOpsへと拡張することで、大規模モデルとエージェント時代のより大規模な市場への参入を可能にします。TensorOperaの全体的なアーキテクチャは、コンピューティングレイヤー（基盤レイヤー）、スケジューラレイヤー（スケジューリングレイヤー）、MLOpsレイヤー（アプリケーションレイヤー）の3つのレイヤーに分けられます。
1. 計算層（最下層）
コンピューティング層はTensorOperaの技術基盤であり、FedMLのオープンソースDNAを基盤としています。その中核機能には、パラメータサーバー、分散トレーニング、推論エンドポイント、アグリゲーションサーバーが含まれます。その価値提案は、分散トレーニング、プライバシー保護を重視するフェデレーテッドラーニング、そしてスケーラブルな推論エンジンの提供にあります。「トレーニング／デプロイ／フェデレーション」という3つのコア機能をサポートし、モデルのトレーニングとデプロイから組織間のコラボレーションまで、あらゆるチェーンを網羅し、プラットフォーム全体の基盤として機能します。
2. スケジューラ層（中間層）
スケジューラレイヤーは、GPUマーケットプレイス、プロビジョニング、マスターエージェント、スケジュール＆オーケストレーションから構成される、コンピューティングパワーの取引とスケジューリングのハブとして機能します。パブリッククラウド、GPUプロバイダー、そして独立したコントリビューター間のリソース割り当てをサポートします。このレイヤーは、FedMLからTensorOperaへの進化における重要なマイルストーンです。インテリジェントなコンピューティングパワーのスケジューリングとタスクオーケストレーションにより、LLMや生成AIといった典型的なシナリオを含む、より大規模なAIトレーニングと推論を可能にします。さらに、このレイヤー内のShare & Earnモデルには、予約済みのインセンティブメカニズムインターフェースが含まれており、DePINやWeb3モデルとの互換性も実現する可能性があります。
3. MLOps レイヤー（上位層）
MLOpsレイヤーは、開発者と企業向けのプラットフォーム直接サービスインターフェースであり、モデルサービング、AIエージェント、スタジオなどのモジュールを網羅しています。代表的なアプリケーションには、LLMチャットボット、マルチモーダル生成AI、開発者向けツール「Copilot」などがあります。その価値は、基盤となるコンピューティング能力とトレーニング機能を高レベルAPIと製品に抽象化し、参入障壁を下げることにあります。すぐに使用できるエージェント、ローコード開発環境、スケーラブルなデプロイメント機能を提供します。Anyscale、Together、Modalといった次世代AIインフラストラクチャプラットフォームと競合する位置付けにあり、インフラストラクチャからアプリケーションへの橋渡しとして機能します。
2025年3月、TensorOperaはAIエージェント向けのフルスタックプラットフォームへとアップグレードし、AgentOpera AIアプリ、フレームワーク、プラットフォームといったコア製品を提供しています。アプリケーション層は、ChatGPTと同様のマルチエージェントエントリポイントを提供します。フレームワーク層は、グラフ構造のマルチエージェントシステムとオーケストレーター/ルーターを備えた「Agentic OS」へと進化しました。プラットフォーム層は、TensorOperaモデルプラットフォームおよびFedMLと深く統合し、分散モデルサービング、RAG最適化、ハイブリッドエンドツーエンドクラウド展開を可能にします。全体的な目標は、「1つのオペレーティングシステム、1つのエージェントネットワーク」を構築し、開発者、企業、ユーザーがオープンでプライバシー保護された環境で次世代のAgentic AIエコシステムを共同で構築できるようにすることです。
3. ChainOpera AIエコシステムの概要：共同設立者から技術基盤へ
FedMLがフェデレーテッドラーニングと分散トレーニングのオープンソースDNAを提供する技術的中核であり、TensorOperaがFedMLの研究成果を商業的に実現可能なフルスタックAIインフラストラクチャに抽象化するとすれば、ChainOperaはTensorOperaのプラットフォーム機能をブロックチェーンに持ち込み、AIターミナル + エージェントソーシャルネットワーク + DePINモデル、コンピューティングレイヤー、そしてAIネイティブブロックチェーンを通じて、分散型エージェントネットワークエコシステムを構築します。核となる変化は、TensorOperaが引き続き企業と開発者を主なターゲットとしているのに対し、ChainOperaはWeb3ベースのガバナンスとインセンティブメカニズムを活用し、ユーザー、開発者、GPU / データプロバイダーをAIエージェントの共同構築と共同ガバナンスに取り込み、AIエージェントを単に「使用する」だけでなく「共同で作成し、共同所有する」ことを可能にする点にあります。
共同制作者
ChainOpera AI は、モデル & GPU プラットフォームとエージェント プラットフォームを通じてエコシステムの共同作成のためのツールチェーン、インフラストラクチャ、調整レイヤーを提供し、モデルのトレーニング、インテリジェント エージェントの開発、展開、拡張コラボレーションをサポートします。
ChainOperaエコシステムの共同開発者には、AIエージェント開発者（インテリジェントエージェントの設計と運用）、ツールおよびサービスプロバイダー（テンプレート、MCP、データベース、API）、モデル開発者（モデルカードのトレーニングと公開）、GPUプロバイダー（DePINおよびWeb2クラウドパートナーを通じてコンピューティングパワーを提供）、データコントリビューターおよびアノテーター（マルチモーダルデータのアップロードとアノテーション）が含まれます。これら3つのコアコンポーネント（開発、コンピューティングパワー、データ）が共同で、インテリジェントエージェントネットワークの継続的な成長を推進します。
共同所有者
ChainOperaエコシステムには共同所有メカニズムも組み込まれており、コラボレーションと参加を通じて協調的なネットワーク構築を可能にします。AIエージェント作成者は、エージェントプラットフォームを通じて新しいAIエージェントを設計・展開する個人またはチームであり、エージェントの構築、リリース、継続的なメンテナンスに責任を持ち、機能とアプリケーションの革新を推進します。AIエージェント参加者はコミュニティのメンバーです。アクセスユニットを取得・保有することでAIエージェントのライフサイクルに参加し、使用中およびプロモーション中の成長と活動をサポートします。これら2つの役割はそれぞれ供給側と需要側を担い、エコシステムにおける価値共有と共同開発のモデルを形成します。
エコシステムパートナー：プラットフォームとフレームワーク
ChainOpera AIは、Web3統合に重点を置き、プラットフォームの使いやすさとセキュリティを強化するために、複数の関係者と連携しています。AIターミナルアプリは、ウォレット、アルゴリズム、アグリゲーションプラットフォームを統合し、インテリジェントなサービス推奨を可能にします。エージェントプラットフォームは、開発の障壁を下げるために複数のフレームワークとゼロコードツールを導入しています。モデルのトレーニングと推論はTensorOpera AIによって行われ、FedMLとの独占的パートナーシップにより、機関やデバイスをまたいだプライバシー保護トレーニングをサポートしています。全体として、このプラットフォームは、エンタープライズレベルのアプリケーションとWeb3ユーザーエクスペリエンスのバランスをとるオープンなエコシステムを形成しています。
ハードウェアポータル: AIハードウェアとパートナー
ChainOperaは、DeAI Phone、ウェアラブル、Robot AIなどのパートナーを通じて、ブロックチェーンとAIをスマート端末に統合し、dAppの相互作用、デバイス側のトレーニング、プライバシー保護を可能にし、分散型AIハードウェアエコシステムを徐々に形成しています。
コアプラットフォームとテクノロジー基盤: TensorOpera GenAI & FedML
TensorOpera は、MLOps、スケジューラ、コンピューティングをカバーするフルスタックの GenAI プラットフォームを提供します。そのサブプラットフォームである FedML は、学術的なオープンソースから産業用フレームワークへと成長し、AI の「どこでも実行でき、任意に拡張できる」能力を強化しています。
ChainOpera AIエコシステム
4. ChainOperaコア製品とフルスタックAIエージェントインフラストラクチャ
ChainOperaは2025年6月、AIターミナルアプリと分散型テクノロジースタックを正式にリリースし、「OpenAIの分散版」と位置付けています。その中核製品は、アプリケーション層（AIターミナル＆エージェントネットワーク）、開発者層（エージェントクリエーターセンター）、モデルおよびGPU層（モデル＆コンピューティングネットワーク）、CoAIプロトコルと専用チェーンの4つの主要モジュールを網羅し、ユーザーエントリーから基盤となるコンピューティングパワー、オンチェーンインセンティブまでの完全なクローズドループをカバーしています。
AIターミナルアプリはBNBChainを統合し、オンチェーントランザクションとDeFiエージェントシナリオをサポートしています。エージェントクリエーターセンターは開発者向けにオープンで、MCP/HUB、ナレッジベース、RAGなどの機能を提供しており、コミュニティエージェントが継続的に参加しています。また、CO-AIアライアンスも立ち上げられ、io.net、Render、TensorOpera、FedML、MindNetworkなどのパートナーと連携しています。
BNB DApp Bayの過去30日間のオンチェーンデータによると、過去30日間の独立ユーザー数は15万8870人、取引量は260万件に達しています。BSCの「AIエージェント」カテゴリーで2位にランクインしており、オンチェーンでの活発な活動を示しています。
スーパーAIエージェントアプリ – AIターミナル（https://chat.chainopera.ai/）
分散型ChatGPTおよびAIソーシャルポータルであるAIターミナルは、マルチモーダルコラボレーション、データ貢献インセンティブ、DeFiツール統合、クロスプラットフォームアシスタント、AIエージェントコラボレーションとプライバシー保護（Your Data, Your Agent）のサポートを提供します。ユーザーはモバイルデバイスからオープンソースのDeepSeek-R1モデルとコミュニティエージェントに直接アクセスでき、言語トークンと暗号トークンはインタラクション中にオンチェーンで透過的に転送されます。その価値は、ユーザーが「コンテンツ消費者」から「インテリジェントな共同制作者」へと移行し、DeFi、RWA、PayFi、eコマースなどのシナリオ全体で専用エージェントネットワークを活用できるようにすることです。
AIエージェントソーシャルネットワーク（https://chat.chainopera.ai/agent-social-network）
LinkedIn + Messenger と似た位置付けですが、AI エージェント向けであり、仮想ワークスペースとエージェント間のコラボレーション メカニズム (MetaGPT、ChatDEV、AutoGEN、Camel) を活用して、単一のエージェントをマルチエージェントのコラボレーション ネットワークに変換し、金融、ゲーム、電子商取引、研究のアプリケーションを網羅しながら、メモリと自律性を徐々に強化します。
AIエージェント開発プラットフォーム（https://agent.chainopera.ai/）
開発者に「レゴのような」クリエイティブ体験を提供します。ゼロコードとモジュール式の拡張性をサポートし、ブロックチェーン契約による所有権の保証、DePINとクラウドインフラストラクチャによる参入障壁の低減、そしてマーケットプレイスによる流通と発見のチャネルを提供します。開発者がユーザーに迅速にリーチし、エコシステムへの貢献を透明性を持って記録し、インセンティブを獲得できるようにすることを主な目標としています。
AI モデルと GPU プラットフォーム (https://platform.chainopera.ai/)
インフラストラクチャ層であるDePINは、フェデレーテッドラーニングと連携することで、Web3 AIが中央集権的なコンピューティングパワーに依存するという課題に対処します。分散GPU、プライバシー保護データトレーニング、モデルおよびデータマーケットプレイス、エンドツーエンドのMLOpsを通じて、マルチエージェントコラボレーションとパーソナライズされたAIをサポートします。DePINのビジョンは、「大企業主導の企業」から「コミュニティベースのコラボレーション」へのインフラストラクチャのパラダイムシフトを促進することです。
5. ChainOpera AIロードマップ
ChainOpera AIは、フルスタックAIエージェントプラットフォームの正式リリースに加え、マルチモーダルかつマルチエージェントの協調ネットワークから汎用人工知能（AGI）が生まれると確信しています。そのため、長期ロードマップは4つのフェーズに分かれています。
プロバイダーは使用量に基づいて収益を受け取ります。
フェーズ2（エージェントアプリ→協調型AIエコノミー）：AIターミナル、エージェントマーケットプレイス、エージェントソーシャルネットワークを立ち上げ、マルチエージェントアプリケーションエコシステムを形成します。CoAIプロトコルを通じてユーザー、開発者、リソースプロバイダーを接続し、ユーザーの需要と開発者のマッチングシステムとクレジットシステムを導入して、高頻度のインタラクションと継続的な経済活動を促進します。
フェーズ3（協調型AI→暗号ネイティブAI）：DeFi、RWA、決済、電子商取引などの分野に実装し、KOLシナリオや個人データ交換に拡大します。金融/暗号化専用のLLMを開発し、エージェント間決済およびウォレットシステムを立ち上げ、「暗号AGI」シナリオの応用を促進します。
フェーズ 4 (エコシステム → 自律型 AI エコノミー): 自律型サブネット エコノミーへと徐々に進化します。このエコノミーでは、各サブネットがアプリケーション、インフラストラクチャ、コンピューティング能力、モデル、データを中心に独立して管理およびトークン化され、クロスサブネット プロトコルを介して連携して、マルチサブネットの共同エコシステムを形成します。同時に、エージェント AI から物理 AI (ロボット工学、自動運転、航空宇宙) へと移行します。
免責事項：このロードマップは参考用です。タイムラインと機能は市場状況に応じて動的に調整される可能性があり、提供を保証するものではありません。
7. トークンインセンティブとプロトコルガバナンス
ChainOperaはまだ完全なトークンインセンティブプランを発表していませんが、同社のCoAIプロトコルは「共創と共同所有」を軸としており、ブロックチェーンとProof-of-Intelligenceメカニズムを用いて透明性と検証性に優れた貢献記録を実現します。開発者、コンピューティングパワー、データ、サービスプロバイダーの貢献は、標準化された方法で測定・報酬されます。ユーザーはサービスを利用し、リソースプロバイダーは運用をサポートし、開発者はアプリケーションを構築し、すべての参加者が成長の配当を共有します。プラットフォームは1%のサービス手数料、報酬分配、流動性サポートによってこのサイクルを維持し、オープンで公平かつ協調的な分散型AIエコシステムを推進します。
知能証明学習フレームワーク
Proof-of-Intelligence (PoI) は、CoAI プロトコルの下で ChainOpera が提案した中核的なコンセンサスメカニズムであり、分散型 AI のための透明性、公平性、検証可能なインセンティブおよびガバナンスシステムを提供することを目的としています。Proof-of-Contribution (PoC) に基づくこのブロックチェーンベースの協調型機械学習フレームワークは、フェデレーテッドラーニング (FL) の実際のアプリケーションにおけるインセンティブ不足、プライバシーリスク、検証可能性の欠如という課題に対処することを目的としています。スマートコントラクトを中心に、分散型ストレージ (IPFS)、集約ノード、ゼロ知識証明 (zkSNARK) を組み合わせたこの設計は、5 つの主要な目標を達成します。1. 貢献に基づく公平な報酬分配。トレーナーは実際のモデルの改善に基づいてインセンティブを与えられるようにします。2. プライバシーを保護するためにデータの局所性を維持します。3. 悪意のあるトレーナーポイズニングや集約攻撃に対抗するための堅牢性メカニズムを導入します。 4. ZKP によるモデル集約、異常検出、寄与評価などの主要な計算の検証可能性の確保。5. 異種データと多様な学習タスクの効率的かつ多用途な適用。
フルスタックAIにおけるトークンの価値
ChainOpera のトークン メカニズムは、5 つの主要なバリュー ストリーム (LaunchPad、エージェント API、モデル サービング、貢献、モデル トレーニング) を中心に動作し、その中核は投機的な収益ではなく、サービス料金、貢献の確認、リソースの割り当てです。
AI ユーザー: トークンを使用してサービスにアクセスしたり、アプリケーションにサブスクライブしたり、データを提供/ラベル付け/ステーキングすることでエコシステムに貢献します。
エージェント/アプリケーション開発者: プラットフォームのコンピューティング能力とデータを開発に使用し、提供するエージェント、アプリケーション、またはデータセットのプロトコル認識を受け取ります。
リソース プロバイダー: 透明な記録とインセンティブを取得するために、コンピューティング能力、データ、またはモデルを提供します。
ガバナンス参加者（コミュニティとDAO）：トークンを通じて投票、メカニズム設計、エコシステム調整に参加します。
プロトコル層 (COAI): サービス料金を通じて持続可能な開発を維持し、自動割り当てメカニズムを使用して需要と供給のバランスをとります。
ノードとバリデーター: ネットワークの信頼性を確保するために検証、コンピューティング能力、セキュリティ サービスを提供します。
プロトコルガバナンス
ChainOperaはDAOガバナンスを採用し、参加者がトークンステーキングを通じて提案や投票に参加できるようにすることで、透明性と公正性を確保しています。ガバナンスメカニズムには、レピュテーションシステム（貢献度の検証と定量化）、コミュニティコラボレーション（エコシステム開発を促進するための提案と投票）、パラメータ調整（データ使用、セキュリティ、バリデーターの責任）が含まれます。全体的な目標は、中央集権的な権力構造を回避し、システムの安定性を維持し、コミュニティの共創を促進することです。
8. チームの背景とプロジェクトの資金調達
ChainOperaプロジェクトは、フェデレーテッドラーニングの専門家であるサルマン・アヴェスティメール教授とヘ・チャオヤン博士（Aiden）によって共同設立されました。他のコアチームメンバーは、カリフォルニア大学バークレー校、スタンフォード大学、南カリフォルニア大学、マサチューセッツ工科大学（MIT）、清華大学、Google、Amazon、テンセント、Meta、Appleといった一流の学術機関や技術機関での経歴を持ち、学術研究と実務経験を融合させています。ChainOpera AIチームは現在40名以上に成長しています。
共同創設者：サルマン・アヴェスティメール
サルマン・アヴェスティメール教授は、南カリフォルニア大学（USC）の電気・コンピュータ工学科の学部長教授です。USC-Amazon Trusted AI Centerの創設ディレクターを務め、USC情報理論・機械学習研究所（vITAL）を率いています。FedMLの共同創設者兼CEOであり、2022年にはTensorOpera/ChainOpera AIを共同設立しました。
Salman Avestimehr教授は、カリフォルニア大学バークレー校で電気電子情報通信学会（EECS）の博士号（最優秀論文賞受賞）を取得しました。IEEEフェローとして、情報理論、分散コンピューティング、フェデレーテッドラーニングの分野で300本以上の高水準論文を発表し、3万回以上の引用数を記録しています。PECASE、NSF CAREER、IEEE Massey賞など、数々の国際的な賞を受賞しています。また、ヘルスケア、金融、プライバシー保護コンピューティングの分野で広く利用されているオープンソースフレームワークFedMLの開発を主導し、TensorOpera/ChainOpera AIの中核技術基盤を形成しています。
共同創設者：エイデン・チャオヤン・ハー博士
エイデン・チャオヤン博士 TensorOpera/ChainOpera AIの共同創設者兼社長。南カリフォルニア大学（USC）でコンピュータサイエンスの博士号を取得し、FedMLのオリジナル開発者でもあります。研究分野は、分散学習と連合学習、大規模モデルトレーニング、ブロックチェーン、プライバシー保護コンピューティングなどです。起業前は、Meta、Amazon、Google、Tencentで研究開発に携わりました。また、Tencent、Baidu、Huaweiでも中核エンジニアリングおよびマネジメントの役職を歴任し、複数のインターネットグレード製品とAIプラットフォームの実装を主導しました。
エイデンは、学界と産業界の両方で30本以上の論文を発表しており、Google Scholarで13,000回以上引用されています。また、Amazon Ph.D. Fellowship、Qualcomm Innovation Fellowship、NeurIPSおよびAAAIのBest Paper Awardsを受賞しています。彼が開発を主導したFedMLフレームワークは、フェデレーテッドラーニング分野で最も広く利用されているオープンソースプロジェクトの一つであり、1日平均270億件のリクエストをサポートしています。また、Sahara AIなどの分散型AIプロジェクトで広く使用されているFedNLPフレームワークとハイブリッドモデル並列学習手法のコア著者でもあります。
ChainOpera AIは2024年12月、350万ドルのシードラウンドを完了したことを発表し、TensorOperaとの資金調達総額は1,700万ドルに達した。この資金は、分散型AIエージェント向けのブロックチェーンL1プラットフォームとAIオペレーティングシステムの構築に使用される。このラウンドは、Finality Capital、Road Capital、IDG Capitalが主導し、Camford VC、ABCDE Capital、Amber Group、Modular Capitalが参加した。同社はまた、Sparkle Ventures、Plug and Play、USC、EigenLayer創業者のSreeram Kannan氏、BabylonChain共同創業者のDavid Tse氏など、著名な機関投資家や個人投資家からの支援も受けた。チームは、今回の資金調達により、「AIリソース提供者、開発者、ユーザーが共同所有し、共同で創造する分散型AIエコシステム」というビジョンの実現が加速すると述べた。
9. フェデレーテッドラーニングとAIエージェント市場の状況分析
代表的な連合学習フレームワークには、FedML、Flower、TFF、OpenFLの4つがあります。FedMLは最も包括的で、連合学習、分散型大規模モデルトレーニング、MLOpsを組み合わせているため、産業展開に適しています。Flowerは軽量で使いやすく、活発なコミュニティがあり、教育と小規模実験に重点を置いています。TensorFlowに大きく依存するTFFは、学術研究の価値は高いものの、産業化には弱いです。OpenFLはヘルスケアと金融に焦点を当て、プライバシーコンプライアンスを重視し、比較的閉鎖的なエコシステムを持っています。全体として、FedMLは産業グレードのオールラウンドなアプローチであり、Flowerは使いやすさと教育に重点を置き、TFFは学術実験に重点を置いており、OpenFLは垂直的な業界規制への準拠に優れています。
産業化とインフラレベルでは、TensorOpera（FedMLの商用化）はオープンソースFedMLの技術的専門知識を継承し、クロスクラウドGPUスケジューリング、分散トレーニング、フェデレーテッドラーニング、MLOpsのための統合機能を提供します。その目標は、学術研究と産業応用を橋渡しし、開発者、中小企業、そしてWeb3/分散型インフラ（分散型インフラ）エコシステムにサービスを提供することです。全体として、TensorOperaは「オープンソースFedMLのためのHugging Face + W&B」のような存在であり、より包括的で汎用性の高いフルスタック分散トレーニングおよびフェデレーテッドラーニングプラットフォームを提供し、コミュニティ、ツール、または特定の業界に特化した他のプラットフォームとは一線を画しています。
イノベーション層の代表格であるChainOperaとFlockは、どちらもWeb3とフェデレーテッドラーニングの統合を試みていますが、アプローチは大きく異なります。ChainOperaは、アクセス、ソーシャルネットワーキング、開発、インフラストラクチャの4つのレイヤーを網羅するフルスタックAIエージェントプラットフォームを構築しています。その中核的な価値は、ユーザーを「消費者」から「共同制作者」へと変革し、AIターミナルとエージェントソーシャルネットワークを通じて、協調的なAGIとコミュニティ構築エコシステムを実現することにあります。一方、Flockはブロックチェーン強化フェデレーテッドラーニング（BAFL）に重点を置き、分散環境におけるプライバシー保護とインセンティブメカニズムを重視し、主にコンピューティング層とデータ層における協調検証をターゲットとしています。ChainOperaはアプリケーションとエージェントネットワークの実装を優先し、Flockは基盤となるトレーニングとプライバシー保護コンピューティングの強化に重点を置いています。
エージェントネットワークレベルでは、業界で最も代表的なプロジェクトはOlas Networkです。連合学習から派生したChainOperaは、モデル、コンピューティングパワー、エージェントからなるフルスタックのクローズドループを構築し、エージェントソーシャルネットワークをテストの場として活用することで、マルチエージェントインタラクションとソーシャルコラボレーションを探求しています。DAOコラボレーションとDeFiエコシステムを基盤とするOlas Networkは、分散型自律サービスネットワークとして位置付けられています。Pearlを通じて、直接実装可能なDeFi収益シナリオを立ち上げ、ChainOperaとは異なるアプローチを示しています。
10. 投資ロジックと潜在的リスク分析
投資ロジック
ChainOpera の優位性は、まずその技術的な堀にあります。FedML (フェデレーテッド ラーニングのベンチマーク オープン ソース フレームワーク) から TensorOpera (エンタープライズ レベルのフルスタック AI インフラ)、そして ChainOpera (Web3 エージェント ネットワーク + DePIN + トークノミクス) に至るまで、学術的蓄積、産業実装、暗号化の物語を組み合わせた独自の継続的な進化の道筋を形成してきました。
アプリケーションとユーザー規模の面では、AIターミナルは既に数十万人のデイリーアクティブユーザーと数千のエージェントを擁するエコシステムを構築しています。BNBChain DApp BayのAIカテゴリーで1位を獲得し、オンチェーンユーザーの増加と実質取引量の顕著な伸びを示しています。暗号資産ネイティブアプリケーションのマルチモーダルカバレッジは、今後、より幅広いWeb2ユーザーに徐々に拡大していくことが期待されます。
エコシステム協力の面では、ChainOperaはCO-AIアライアンスを立ち上げ、io.net、Render、TensorOpera、FedML、MindNetworkなどのパートナーと連携し、GPU、モデル、データ、プライバシーコンピューティングなどの多国間ネットワーク効果を構築しました。同時に、サムスン電子と協力してモバイルマルチモーダルGenAIを検証し、ハードウェアおよびエッジAIへの拡張の可能性を示しました。
トークンと経済モデルに関して、ChainOpera は Proof-of-Intelligence コンセンサスに基づいて 5 つの主要なバリュー ストリーム (LaunchPad、エージェント API、モデル サービング、貢献、モデル トレーニング) にインセンティブを分配し、1% のプラットフォーム サービス料、インセンティブ分配、流動性サポートを通じて正のサイクルを形成し、単一の「コイン投機」モデルを回避して持続可能性を向上させます。
潜在的なリスク
まず、技術的な実装は非常に困難です。ChainOperaが提案する5層分散アーキテクチャは幅広い領域にまたがっており、クロスレイヤー連携（特に大規模分散推論やプライバシー保護トレーニング）は依然としてパフォーマンスと安定性の課題に直面しています。大規模アプリケーションでの検証はまだ行われていません。
第二に、エコシステムのユーザー定着率はまだ不透明です。プロジェクトは初期のユーザー増加を達成しましたが、エージェントマーケットプレイスと開発者ツールチェーンが長期的な活動と高品質な供給を維持できるかどうかは依然として不透明です。現在稼働中のエージェントソーシャルネットワークは、主にLLMを基盤としたテキスト会話に依存しており、ユーザーエクスペリエンスと長期的な維持にはさらなる改善が必要です。インセンティブメカニズムが適切に設計されなければ、短期的な活動は活発でも長期的な価値が不十分になるリスクがあります。
最後に、ビジネスモデルの持続可能性は未だ不透明です。現状、収益は主にプラットフォームサービス手数料とトークン流通に依存しており、安定したキャッシュフローは未だ確立されていません。AgentFiやPaymentといった、より金融や生産性に重点を置いたアプリケーションと比較すると、現在のモデルの商業的価値は更なる検証が必要です。さらに、モバイルとハードウェアのエコシステムはまだ探索段階にあり、市場の見通しは不透明です。
