AI ビジネスは儲からない？DeAI の夜明けが見えてきた

著者: 張鳳

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流行であり、AI技術は前例のない速度でさまざまな業界を再構築しています。しかし、繁栄と喧騒の背後には、残酷な現実があります。それは、大多数のAIビジネス、特にスタートアップが安定した持続可能な利益の道を見つけられていないことです。彼らは「称賛はされるが、収益は上がらない」という窮地に陥っており、技術の繁栄とビジネスの損失が共存しています。

一、なぜ「赤字で宣伝する」？

AIビジネスの利益の困難は、技術自体の失敗に起因するものではなく、その中央集権的な発展モデルが構造的な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集約されます。

究極の中央集権化：天文学的コストとオリゴポリー。現在の主流の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には、大量の計算能力（GPU）、ストレージ、電力が必要です。これにより二極化が進んでいます。一方には、数億あるいは数十億ドルの投資を負担できる豊富な資本を持ったテクノロジー大手（Google、Microsoft、OpenAIなど）が存在し、もう一方には、クラウドサービスプロバイダーに計算能力を得るためにほとんどの資金調達を「上納」せざるを得ない多くのスタートアップ企業があります。そのため、利益の余地が極度に圧迫されています。このモデルは「計算能力オリゴポリー」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ることができました。ほとんどのプレイヤーにとって、高額な固定コストは規模の利益を実現するのを難しくしています。

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。一つは、データ取得コストが高いことです。料金を支払って収集したり、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場合、巨額の資金と時間の投入が必要です。もう一つは、データプライバシーとコンプライアンスのリスクが大きいことです。世界各国のデータ規制（GDPRや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・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可能性があります。例えば、いくつかの有名なテクノロジー企業は、データ使用の問題で高額な罰金に直面したことがあります。これにより、パラドックスが生まれます：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のは非常に困難です。

価値分配の不均衡：貢献者と創作者が利益から排除されています。現在のAIエコシステムでは、価値分配が非常に不公平です。AIモデルの訓練は、無数のユーザーによって生成された行動データ、クリエイターによって制作されたコンテンツ（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モデルによって生み出される莫大な商業価値からほとんど報酬を得ることができません。これは倫理的な問題であるだけでなく、持続可能ではないビジネスモデルです。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モデルの持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企業に自分たちの作品を訓練に使用され利益を得ることを訴えていますが、いかなる補償も与えられておらず、これが広範な論争と法的な争いを引き起こしています。

二、 利益の新しいパラダイム

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。この技術は、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3つの主要な痛点を特定的に解決し、利益を得る可能性を切り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余剰ノード（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、世界的で競争的な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、リソースの最適な配置を実現します。

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」を実現しました。元のデータを一箇所に集める必要はなく、モデルを各データソースに配布し、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同時に、分散されたデータの価値を合法的かつ適切に活用できます。データ所有者はデータを提供するかどうか、またそこから利益を得るかどうかを自ら決定できます。

DeAIは「トークンエコノミー」と「スマートコントラクト」を通じて、透明で公平な価値配分システムを構築しました。データの貢献者、計算力の提供者、モデルの開発者、さらにはモデルの使用者は、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は巨大企業によって制御される「ブラックボックス」から、コミュニティが共に構築し、共に管理し、共に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

伝統的な中央集権型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などの去中心化物理基盤ネットワーク（DePIN）プロジェクトに基づいて、従来の中央集権型クラウドサービスに代わる柔軟で低コストの分散型算力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、同型暗号や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、データのプライバシーと安全性を確保します。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、権利確定と安全性の前提の下でデータを取引できるようにします。

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、それを透明で検証可能かつ許可なしで呼び出せるようにします。モデルの使用ごとに、その生成される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（データとしてのサービス）およびMaaS（モデルとしてのサービス）へ、企業はもはやAPI呼び出し回数を単に販売するのではなく、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奨励します。収入源は単一のサービス料から、エコシステムの価値成長によるトークンの価値向上や取引手数料の配当などに拡大しています。

したがって、データのアノテーション、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」形式で発表し、世界中のコミュニティメンバーがそれを受けて報酬を得ることができる、分散型タスクプラットフォームを構築することで、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によって、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向、国庫資金の使用、新機能の開発優先順位など、重要な決定に投票する権利を持ちます。これにより、真の「ユーザーが所有者である」ことが実現されます。

オープンで透明性のある基盤に基づき、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、ガバナンス決定をブロックチェーン上に記録し、プロセスの公開性と透明性を保証し、信頼を必要としない協力関係を構築すること自体が、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への移行を例に挙げると、従来の物流データプラットフォームの困難は、海運、陸運、倉庫などのさまざまなデータを集約しているにもかかわらず、参加者が商業機密の漏洩を懸念するために「共有を望まない」ことに起因し、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への移行の核心は、原始データを露出させることなく、データの価値を解放し、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計算ネットワークを構築します。プラットフォームはもはやデータを中央集権的に保存せず、ブロックチェーンに基づく調整層へと移行します。連邦学習などの技術モデルを採用し、AIモデルを各企業（例えば、船会社や倉庫）のローカルサーバーに「降下」させてトレーニングを行い、暗号化されたパラメータの更新を集約し、全体の予測モデル（例えば、貨物船の到着時間や倉庫の過負荷リスク）を共同で最適化し、「データは動かず、価値が動く」を実現します。

ビジネスにおいてデータ資産化とトークンインセンティブを推進します。プラットフォームは実用的なポイントを発行し、物流企業はデータ（モデルパラメーター）を提供することで「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：特定の航路の今後1週間の定時到着率）を照会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提供者に分配されます。

産業DAOを構築し、重要な意思決定（新機能の開発や料金の調整など）をトークン保有者（コア参加者）が共同で投票して管理し、プラットフォームを民間企業主導から産業共同体へと変革します。

プラットフォームは、データ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は将来性があるものの、その発展はまだ初期段階にあり、無視できない一連の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。データ規制の観点から、データが移動しなくても、フェデレーテッドラーニングなどのモデルは、個人データを扱う際に、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（忘れられる権利など）の要件を厳密に遵守する必要があります。プロジェクト側は、コンプライアンスに基づいたデータの許可と退出メカニズムを設計する必要があります。

証券法の観点から、プロジェクトが発行するトークンは、各国の規制当局（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非常に高く、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、プロジェクトの存続にとって重要です。

コンテンツの責任に関して、ブロックチェーン上にデプロイされた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、責任の主体は誰ですか？モデルの開発者、計算能力の提供者、または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おいて、モデルの安全性は、公開チェーン上にデプロイされたモデルが新たな攻撃ベクトルに直面する可能性があることを意味します。たとえば、スマートコントラクトの脆弱性を利用した攻撃や、フェデレートラーニングシステムに対する悪意あるデータポイズニングを通じた破壊行為などです。

パフォーマンスのボトルネックは、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リクエストをサポートできない可能性があります。これには、Layer 2のスケーリングソリューションとオフチェーン計算の効果的な組み合わせが必要です。

分散型協力は公平ですが、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。効率と公平のバランスをどのように取るかは、DAOガバナンスが継続的に探求する必要があるアートです。

DeAIは生産関係の革命として、分散型技術、トークン経済、コミュニティガバナンスを通じて、大手企業の独占を打破し、世界中の未活用の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を上げる可能性のあるAIの新しいエコシステムを構築することが期待されています。

第五に、現在の探査の方向性

現在のAIツールの発展は、理想的な分散型人工知能の実現にはまだかなりの時間がかかる。現在、私たちは中央集権的サービスが主導する初期段階にあり、しかしいくつかの探求が未来の方向性を示している。

現在の探索と未来の挑戦。理想的な DeAI はまだ実現されていませんが、業界ではすでに価値のある試みが行われており、これが未来の道筋と乗り越えるべき障害を見極めるのに役立っています。

多エージェントシステムの協力の原型のようです。いくつかのプロジェクトは、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ーンで協力と競争を学ぶことができます。これはDeAIの世界の基本的な相互作用ルールを構築する試みと見なすことができます。

また初歩的なインセンティブモデルの試みです。DeAIの構想では、データを提供するユーザーと計算力を提供するノードは公平な報酬を受けるべきです。一部のプロジェクトは、暗号に基づく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的かつ公平に運用されるかは、依然として大きな課題です。

さらに、より自律的なAIへの移行：Deep Researchタイプの製品は、特定のタスク（情報検索、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、自主的に計画し、複数のステップを実行し、結果を反復的に最適化することができ、このタスク自動化能力は未来の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。

赤海で苦しむAI従事者にとって、旧来のパラダイムに巻き込まれるよりも、DeAIという新たなブルーオーシャンを勇敢に受け入れる方が良い。これは単なる技術路線の転換ではなく、ビジネス哲学の再構築でもある——「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。