AIビジネスは儲からない？DeAIの夜明けが見えてきた

著者: Zhang Feng

人工知能（AI）は間違いなく世界で最も注目されているテクノロジーのトレンドであり、AI技術はかつてない速度で各業界を再構築しています。しかし、繁栄の喧騒の裏には、残酷な現実があります。ほとんどのAIビジネス、特にスタートアップは、安定した持続可能な利益を見つけていません。彼らは「評価は高いが利益は出ない」という窮地に陥っており、技術の繁栄と商業の損失が共存しています。

一、なぜ「損をして宣伝する」のか？

AIビジネスの収益困難は、技術自体の失敗に起因するのではなく、その中央集権的な発展モデルが構造的矛盾を引き起こしているためです。具体的には、以下の三つの主要な理由にまとめることができます：

**極端な集中化：天文学的なコストとオリゴポリー。**現在の主流AI、特に大規模モデルは、典型的な「重資産」産業です。そのトレーニングと推論プロセスは、膨大な計算能力（GPU）、ストレージ、電力を消費する必要があります。これにより、二極化が進んでいます。一方には、数億ドルまたは数十億ドルの投資を負担できる資金力のあるテクノロジー巨人（Google、Microsoft、OpenAIなど）がいます。もう一方には、計算能力を得るために大部分の資金調達をクラウドサービスプロバイダーに「上納」せざるを得ない多くのスタートアップ企業がいます。そのため、利益空間が極度に圧迫されています。このモデルは「計算能力のオリゴポリー」を形成し、革新の活力を殺しています。例えば、OpenAIでさえ、その発展初期にはMicrosoftの巨額の投資とAzureクラウドコンピューティングリソースに大きく依存し、ChatGPTの開発と運営を支えていました。大多数のプレイヤーにとって、高額な固定コストにより規模の利益を実現することが難しくなっています。

**データのジレンマ：品質の壁とプライバシーリスク。**AIの燃料はデータです。中央集権的なAI企業は、高品質で大規模なトレーニングデータを取得するために、通常二つの大きな課題に直面します。一つ目は、データの取得コストが高額であることです。料金を払ってデータを収集したり、データにラベルを付けたり、ユーザーデータを利用したりすることは、莫大な資金と時間の投入を伴います。二つ目は、データのプライバシーとコンプライアンスリスクが非常に大きいことです。世界中のデータ規制（GDPR、CCPAなど）が厳しくなる中、ユーザーの明示的な承認なしにデータを収集し使用する行為は、いつ法的訴訟や巨額の罰金を引き起こすかもしれません。例えば、多くの有名なテクノロジー企業は、データ利用の問題により、高額な罰金に直面したことがあります。これはパラドックスを形成します：データがなければAIは発展できませんが、データを取得し使用することは容易ではありません。

**価値配分の不均衡：貢献者と創作者が利益から排除されている。**現在のAIエコシステムにおいて、価値の配分は非常に不公平です。AIモデルのトレーニングは、無数のユーザーが生成した行動データ、クリエイターが生産したコンテンツ（テキスト、画像、コードなど）、および世界中の開発者が貢献したオープンソースコードに依存しています。しかし、これらの主要な貢献者は、AIモデルが生み出す巨額の商業価値からほとんど何の報酬も得られないのです。これは倫理的な問題だけでなく、持続可能でないビジネスモデルでもあります。それはデータ提供者やコンテンツクリエイターのモチベーションを削ぎ、長期的にはAIモデルの継続的な最適化と革新の基盤を侵食します。典型的なケースとして、多くのアーティストや作家がAI企業が彼らの作品を使用してトレーニングし利益を上げていると告発し、何の補償も与えられていないことが広範な論争と法的紛争を引き起こしています。

二、 新しい利益のパラダイム

DeAI（分散型AI）は単一の技術ではなく、ブロックチェーン、暗号学、分散コンピューティングを融合させた新しいパラダイムです。これは、去中心化の方法を通じてAIの生産関係を再構築し、上記の三つの主要な痛点に対処することを目指し、利益を生む可能性を開くことを目的としています。

DeAIは「クラウドソーシング」モデルを通じて、計算力の需要を世界中のアイドルノード（個人のコンピュータ、データセンターなど）に分散させます。 これは「GPUのためのAirbnb」に似ており、グローバルな競争的計算力市場を形成し、計算力コストを大幅に削減します。参加者は計算力を提供することでトークンのインセンティブを得て、リソースの最適配置を実現します。

DeAIは「フェデレーテッドラーニング」や「同型暗号」などの技術を通じて、「データは動かさず、モデルを動かす」ことを実現しました。 それは元のデータを一か所に集中させる必要がなく、モデルを各データソースに配布してローカルトレーニングを行い、暗号化されたパラメータの更新のみを集約します。これにより、データプライバシーが根本的に保護されるとともに、分散されたデータの価値を合法的かつ適切に活用することができます。データの所有者は、自らの判断でデータを提供するかどうか、またその利益を得るかどうかを決定できます。

DeAIは「トークンエコノミクス」と「スマートコントラクト」を通じて、透明で公平な価値分配システムを構築しました。 データ提供者、計算力提供者、モデル開発者、さらにはモデル利用者は、その貢献度に応じて、スマートコントラクトを通じて自動的に相応のトークン報酬を得ることができます。これにより、AIは巨大企業が支配する「ブラックボックス」から、コミュニティが共同で構築し、共同で管理し、共有するオープンエコノミーへと変わります。

三、 トランスフォーメーションの三層アーキテクチャ

従来の中央集権型AIビジネスをDeAIパラダイムに移行するには、技術、ビジネス、ガバナンスの3つの側面で体系的な再構築が必要です。

(1) 中央集権型から分散型への技術再構築

算力層は、Akash NetworkやRender Networkなどの分散型物理インフラストラクチャネットワーク（DePIN）プロジェクトに基づいて、従来の集中型クラウドサービスに代わる柔軟で低コストの分散型計算プールを構築します。

データ層は、連邦学習をコアトレーニングフレームワークとして採用し、同型暗号、安全なマルチパーティ計算などの暗号技術を組み合わせて、データプライバシーとセキュリティを確保します。Ocean Protocolのようなブロックチェーンに基づくデータマーケットを構築し、データが権利の確定と安全性を前提に取引されることを可能にします。

モデル層は、トレーニングされたAIモデルを「AIスマートコントラクト」の形式でブロックチェーン上にデプロイし、透明性があり、検証可能で、許可なしに呼び出すことができるようにします。モデルの使用ごとに、その収益が正確に記録され、分配されます。

（二）販売サービスからエコシステム共創へのビジネス再構築

**SaaSからDaaS（データ即サービス）およびMaaS（モデル即サービス）へ、**企業はもはやAPI呼び出し回数を販売するだけではなく、エコシステムの構築者として機能し、機能型トークンやガバナンストークンを発行することで、コミュニティのネットワーク構築への参加を促進しています。収入源は単一のサービス料金から、エコシステムの価値成長によるトークンの価値上昇、取引手数料の配当などに拡大しました。

**したがって、**データラベリング、モデルの微調整、特定のシナリオアプリケーションの開発などのタスクを「報酬」という形で公開する分散型タスクプラットフォームを構築し、世界中のコミュニティメンバーがそれを受け取り、報酬を得ることができるようにすることで、運営コストを大幅に削減し、革新の活力を引き出します。

（三）会社制度からDAOへのガバナンス再構築

コミュニティガバナンスに基づき、ガバナンストークンを保有することで、コミュニティの参加者（貢献者、ユーザー）は、モデルパラメータの調整方針、国庫資金の使用、新機能の開発優先順位などの重要な決定に投票する権利を持ちます。これにより、本当に「ユーザーは所有者である」ということが実現されました。

**オープンで透明性に基づき、**すべてのコード、モデル（部分的にオープンソース）、取引記録およびガバナンス決定をブロックチェーンに載せ、プロセスの公開透明性を保証し、信頼を必要としない協力関係を築くことは、それ自体が強力なブランド資産と信頼の裏付けとなります。

**従来の物流データプラットフォームからDeAIへの転換を例に挙げると、****従来の物流データプラットフォームの困難は、海運、陸運、倉庫などの各データを集約しているにもかかわらず、参加者がビジネス機密の漏洩を懸念して「共有を望まない」ため、データの孤島が生じ、プラットフォームの価値が限られていることです。**DeAIへの転換の核心は、原データを開示することなくデータの価値を引き出し、公平にインセンティブを与えることです：

技術的に信頼できるコンピューティングネットワークを構築。 プラットフォームはもはやデータを集中して保存せず、ブロックチェーンに基づく調整層に転換される。連邦学習などの技術モデルを採用し、AIモデルが各企業（船会社や倉庫など）のローカルサーバーに「空輸」されて訓練される。暗号化されたパラメータの更新のみを集約し、グローバル予測モデル（貨物船の到着時間や倉庫の過剰在庫リスクなど）を共同で最適化し、「データは動かず、価値が動く」を実現する。

**ビジネスでデータ資産化とトークンインセンティブを推進します。**発行プラットフォームの実用的なポイントを発行し、物流企業はデータ（モデルパラメータ）を貢献することによって「マイニング」を行い、ポイント報酬を得ます。そして、下流の顧客（例えば、荷主）は、原データを購入するのではなく、高精度の「予測結果」（例えば：ある航路の未来一週間の定時率）を確認するためにトークンを支払います。収益はスマートコントラクトを通じて自動的にデータ貢献者に分配されます。

**産業DAOを構築し、**重要な決定（新機能の開発や料金の調整など）は、トークン保持者（コア参加者）が共同で投票して管理します。これにより、プラットフォームは民間企業主導から産業共同体へと変わります。

プラットフォームは、データの仲介手数料を抽出しようとする中央集権的な機関から、物流産業全体の共建、共治、共有の神経系へと進化しました。信頼の問題を解決することで、業界の協調効率とリスク耐性が大幅に向上しました。

四、 コンプライアンスとセキュリティ

DeAIは将来性があるにもかかわらず、その発展はまだ初期段階にあり、一連の無視できない課題に直面しています。

**コンプライアンスと法的な不確実性。データ規制に関して、**データが移動しなくても、フェデレーティッドラーニングなどのモデルは、個人データを処理する際に、GDPRなどの規制における「目的の制限」、「データの最小化」、およびユーザーの権利（例えば、忘れられる権利）の要件を厳守する必要があります。プロジェクトチームは、コンプライアンスのためのデータの許可および撤回メカニズムを設計しなければなりません。

**証券法の観点から、**プロジェクトが発行するトークンは、各国の規制機関（例えば、アメリカのSEC）によって証券と見なされる可能性が高く、それによって厳格な規制審査に直面することになります。トークンの経済モデルを設計する際に法的リスクを回避する方法は、プロジェクトの生存において重要な鍵となります。

**内容の責任について、**チェーン上に展開されたDeAIモデルが有害、偏見、または違法なコンテンツを生成した場合、責任主体は誰ですか？モデルの開発者、計算力提供者、それともガバナンストークンの保有者ですか？これは既存の法律体系に新たな課題をもたらします。

安全性とパフォーマンスの課題に関して、 公開チェーン上に展開されたモデルは、スマートコントラクトの脆弱性を狙った攻撃や、フェデレーテッドラーニングシステムに対する悪意のあるデータポイズニングなど、新しい攻撃ベクトルに直面する可能性があります。

パフォーマンスボトルネックはブロックチェーン自体の取引速度（TPS）とストレージ制限であり、高頻度で低遅延の大規模モデル推論要求をサポートできない可能性があります。これにはLayer2の拡張ソリューションとオフチェーン計算の効果的な結合が必要です。

協力効率とは分散型協力は公平であるが、意思決定と実行の効率は中央集権的な企業よりも低い可能性があります。効率と公平の間でバランスを取る方法は、DAOガバナンスが継続的に探求する必要がある芸術です。

DeAIは生産関係の革命として、分散技術、トークン経済、コミュニティガバナンスを通じて、巨頭の独占を打破し、世界中の遊休計算能力とデータ価値を解放し、より公平で持続可能かつ利益性の高いAIの新しいエコシステムを構築することを期待されています。

V. 現在の探査方向

現在のAIツールの発展は、理想的な分散型人工知能を実現するにはまだかなりの道のりがあります。現在、私たちは依然として中央集権的なサービスが主導する初期段階にいますが、一部の探求は未来の方向性を示しています。

! j0HbQ2gIVS6NXJdpjJ7khn2w5mdTIC5I0Ud3pNRR.jpeg

**現在の探求と未来の課題。**理想的なDeAIはまだ実現されていませんが、業界はすでに価値ある試みを行っており、これが私たちに未来の道筋と乗り越えるべき障害を見極める助けとなっています。

多エージェントシステムの協力の原型として。一部のプロジェクトは、AIエージェントが相互に協力し、共に進化する環境の構築を探求しています。例えば、AMMOプロジェクトは「人とAIの共生ネットワーク」を作成することを目指しており、設計された多エージェントフレームワークとRL Gymsシミュレーション環境により、AIエージェントが複雑なシナリオの中で協力と競争を学ぶことができます。これはDeAIの世界の基盤となる相互作用ルールを構築するための試みと見なすことができます。

**初期のインセンティブモデルの試みについて。**DeAIの構想では、データを提供するユーザーと計算能力を提供するノードは、共に公正な報酬を得るべきです。一部のプロジェクトは、暗号化されたインセンティブシステムを通じて、価値をエコシステムの貢献者に直接再分配しようとしています。もちろん、この経済モデルがどのように大規模かつ安定して公正に機能するかは、依然として大きな課題です。

より自律的な****AIへの移行の例：Deep Researchタイプの製品は、特定のタスク（情報検索や分析など）におけるAIの強力な自律性を示しています。これらは自律的に計画を立て、多段階の操作を実行し、結果を繰り返し最適化することができ、このタスク自動化能力は将来のDeAIネットワークにおけるAIエージェントの独立した作業の基盤となります。

紅海で苦しむAI業界の人々にとって、古いパラダイムの中で競争するよりも、DeAIという新しいブルーオーシャンを勇敢に受け入れる方が良い。この転換は単なる技術的な道筋の変更にとどまらず、「搾取」から「インセンティブ」へ、「閉鎖」から「オープン」へ、「独占利益」から「普遍的成長」へといったビジネス哲学の再構築でもある。