インフラストラクチャーレイヤーは AI ライフサイクルの基盤であり、この記事ではコンピューティングパワー、AI チェーン、および開発プラットフォームをインフラストラクチャーレイヤーに分類します。これらのインフラストラクチャーのサポートによって、AI モデルのトレーニングと推論が実現され、強力で実用的な AI アプリケーションがユーザーに提供されます。
開発プラットフォーム：いくつかのプロジェクトは AI エージェント開発プラットフォームを提供しており、Fetch.ai や ChainML などの AI エージェントの取引も実現できます。一体型ツールは、開発者が AI モデルをより便利に作成、トレーニング、展開できるようにし、代表的なプロジェクトには Nimble があります。これらのインフラは、Web3 エコシステムにおける AI 技術の広範な応用を促進しています。
Web3-AI全景：技術ロジック、アプリケーションシーンとトッププロジェクトデプス解析
Web3-AI サイド全景レポート：技術ロジック、シーンアプリケーションとトッププロジェクトデプス分析
AIのナラティブが高まる中、ますます多くの関心がこの分野に集中しています。本記事では、Web3-AI分野の技術的論理、アプリケーションシーン、および代表的なプロジェクトを深く分析し、当該分野の全体像と発展トレンドを包括的に提示します。
I. Web3-AI:テクニカルロジックと新興市場の機会分析
1.1 Web3 と AI の融合ロジック：Web3-AI スタートアップの定義方法
昨年、AIのナラティブはWeb3業界で異常に盛り上がり、AIプロジェクトが雨後の筍のように次々と現れました。多くのプロジェクトがAI技術を取り入れていますが、一部のプロジェクトはその製品の特定の部分でのみAIを使用しており、基盤のトークンエコノミクスはAI製品と実質的な関連がないため、この記事ではこのようなプロジェクトはWeb3-AIプロジェクトの議論には含まれません。
本記事のポイントは、ブロックチェーンを使用して生産関係の問題を解決し、AIが生産力の問題を解決するプロジェクトについてです。これらのプロジェクトは自らAI製品を提供すると同時に、Web3経済モデルに基づいて生産関係のツールとして機能し、両者は相互に補完し合います。このようなプロジェクトをWeb3-AIトラックに分類します。読者がWeb3-AIトラックをよりよく理解できるように、本記事ではAIの開発プロセスと課題、さらにWeb3とAIがどのように完璧に問題を解決し、新しいアプリケーションシーンを創出するかを詳しく紹介します。
1.2 AIの開発プロセスと課題：データ収集からモデル推論まで
AI技術は、コンピュータが人間の知能を模倣、拡張、強化するための技術です。これにより、コンピュータは言語翻訳、画像分類、人顔認識、自動運転などのさまざまな複雑なタスクを実行できるようになります。AIは私たちの生活や仕事の方法を変えています。
人工知能モデルの開発プロセスは通常、以下のいくつかの重要なステップを含みます：データ収集とデータ前処理、モデル選択とチューニング、モデルのトレーニングと推論。簡単な例を挙げると、猫と犬の画像を分類するモデルを開発するには、次のことが必要です：
データ収集とデータ前処理：猫と犬の画像データセットを収集します。公開データセットを使用するか、自分でリアルデータを収集できます。その後、各画像にカテゴリ（猫または犬）をラベル付けし、ラベルが正確であることを確認します。画像をモデルが認識できる形式に変換し、データセットをトレーニングセット、検証セット、テストセットに分割します。
モデル選択とチューニング：適切なモデルを選択します。例えば、畳み込みニューラルネットワーク（CNN）は画像分類タスクに適しています。異なるニーズに応じてモデルのパラメータやアーキテクチャを調整します。一般的に、モデルのネットワークの階層はAIタスクの複雑さに応じて調整可能です。この単純な分類の例では、浅いネットワークの階層で十分な場合があります。
モデルのトレーニング：GPU、TPU、または高性能計算クラスターを使用してモデルをトレーニングできます。トレーニング時間はモデルの複雑さと計算能力の影響を受けます。
モデル推論：モデルのトレーニングが完了したファイルは通常モデルの重みと呼ばれ、推論プロセスとはトレーニング済みのモデルを使用して新しいデータの予測または分類を行うプロセスを指します。このプロセスではテストセットや新しいデータを使用してモデルの分類効果をテストすることができ、通常は精度、再現率、F1スコアなどの指標を使用してモデルの有効性を評価します。
図に示すように、データ収集とデータ前処理、モデル選択と調整、そしてトレーニングを経て、トレーニングされたモデルをテストセットで推論すると、猫と犬の予測値 P（確率）が得られます。これにより、モデルが猫または犬である確率を推論します。
訓練された AI モデルはさらにさまざまなアプリケーションに統合され、異なるタスクを実行できます。この例では、猫と犬を分類する AI モデルがモバイルアプリに統合され、ユーザーが猫または犬の画像をアップロードすると、分類結果が得られます。
しかし、中央集権的なAI開発プロセスには、以下のシナリオでいくつかの問題があります：
ユーザーのプライバシー：中央集権的なシナリオでは、AIの開発プロセスは通常不透明です。ユーザーデータは知らないうちに盗まれ、AIのトレーニングに使用される可能性があります。
データソースの取得：小規模なチームや個人が特定の分野のデータ（例えば、医療データ）を取得する際、データがオープンソースでない制約に直面する可能性があります。
モデルの選択と調整：小規模なチームにとって、特定の分野のモデルリソースを取得したり、モデルの調整に多大なコストをかけたりすることは難しい。
算力の取得：個人開発者や小規模チームにとって、高額なGPU購入コストやクラウド算力のレンタル費用は、かなりの経済的負担となる可能性があります。
AI資産収入：データラベリング作業者はしばしば自分の労力に見合った収入を得られず、AI開発者の研究成果も需要のあるバイヤーとマッチするのが難しい。
センター化されたAIシーンで存在する課題は、Web3との結合によって解決できます。Web3は新しい生産関係の一形態であり、新しい生産力を代表するAIと自然に適合し、技術と生産能力の同時進歩を促進します。
1.3 Web3 と AI の協働効果：役割の変化と革新アプリケーション
Web3とAIの融合は、ユーザーの主権を強化し、ユーザーにオープンなAI協力プラットフォームを提供します。これにより、ユーザーはWeb2時代のAI利用者から参加者へと転換し、誰もが所有できるAIを創造します。同時に、Web3の世界とAI技術の融合は、さらなる革新的なアプリケーションシーンやプレイスタイルを生み出すことができます。
Web3技術に基づいて、AIの開発と応用は新しい協力経済システムを迎えることになります。人々のデータプライバシーは保障され、データのクラウドソーシングモデルがAIモデルの進歩を促進し、多くのオープンソースのAIリソースがユーザーに利用可能となり、共有された計算能力は低コストで取得できます。分散型の協力的なクラウドソーシングメカニズムとオープンなAI市場を利用することで、公平な収入分配システムを実現し、より多くの人々がAI技術の進歩を促進することを奨励します。
Web3のシーンでは、AIは複数の分野で積極的な影響を与えることができます。例えば、AIモデルはスマートコントラクトに統合され、マーケット分析、安全検知、ソーシャルクラスタリングなど、さまざまなアプリケーションシーンで作業効率を向上させることができます。生成型AIは、ユーザーがAI技術を使って自分のNFTを作成することで「アーティスト」の役割を体験できるだけでなく、GameFiにおいて豊富で多様なゲームシーンや面白いインタラクティブ体験を創造することもできます。豊富なインフラストラクチャーはスムーズな開発体験を提供し、AIの専門家だけでなく、AI分野に入りたい初心者もこの世界で適切な入り口を見つけることができます。
二、Web3-AI エコシステムプロジェクトの地図と構造の解読
私たちは主に Web3-AI トラックの 41 のプロジェクトを研究し、これらのプロジェクトを異なるレベルに分類しました。各レベルの分類ロジックは以下の図に示されています。基盤層、中間層、アプリケーション層の 3 つの層があり、各層はさらに異なるセクションに分かれています。次の章では、いくつかの代表的なプロジェクトをデプスに解析します。
! Web3-AIトラックパノラマレポート:テクニカルロジック、シナリオアプリケーション、トッププロジェクトの詳細な分析
インフラストラクチャ層は、AIライフサイクル全体の運用をサポートする計算リソースと技術アーキテクチャを含み、中間層はインフラストラクチャとアプリケーションを接続するデータ管理、モデル開発、検証推論サービスを含み、アプリケーション層はユーザーに直接向けられたさまざまなアプリケーションとソリューションに焦点を当てています。
インフラ層：
インフラストラクチャーレイヤーは AI ライフサイクルの基盤であり、この記事ではコンピューティングパワー、AI チェーン、および開発プラットフォームをインフラストラクチャーレイヤーに分類します。これらのインフラストラクチャーのサポートによって、AI モデルのトレーニングと推論が実現され、強力で実用的な AI アプリケーションがユーザーに提供されます。
非中央集権型計算ネットワーク：AIモデルのトレーニングに分散型計算能力を提供し、高効率かつ経済的な計算リソースの利用を確保します。一部のプロジェクトは、ユーザーが低コストで計算能力をレンタルしたり、計算能力を共有して利益を得ることができる非中央集権型計算能力マーケットを提供しています。代表的なプロジェクトにはIO.NETやHyperbolicがあります。さらに、一部のプロジェクトは新しいプレイスタイルを派生させており、Compute Labsはトークン化プロトコルを提案し、ユーザーはGPU実体を代表するNFTを購入することで、異なる方法で計算能力のレンタルに参加し、利益を得ることができます。
AIチェーン：ブロックチェーンをAIライフサイクルの基盤として利用し、チェーン上とチェーン下のAIリソースのシームレスな相互作用を実現し、業界エコシステムの発展を促進します。チェーン上の分散型AI市場は、データ、モデル、エージェントなどのAI資産を取引でき、AI開発フレームワークと関連する開発ツールを提供します。代表的なプロジェクトはSahara AIです。AIチェーンは、Bittensorが革新的なサブネット報酬メカニズムを通じて異なるAIタイプのサブネット競争を促進するように、異なる分野でのAI技術の進歩も促進できます。
開発プラットフォーム：いくつかのプロジェクトは AI エージェント開発プラットフォームを提供しており、Fetch.ai や ChainML などの AI エージェントの取引も実現できます。一体型ツールは、開発者が AI モデルをより便利に作成、トレーニング、展開できるようにし、代表的なプロジェクトには Nimble があります。これらのインフラは、Web3 エコシステムにおける AI 技術の広範な応用を促進しています。
中間：
このレイヤーは、AIデータ、モデル、推論および検証に関わり、Web3技術を採用することでより高い作業効率を実現できます。
さらに、一部のプラットフォームでは、分野の専門家や一般ユーザーがデータ前処理タスクを実行できるようになっています。たとえば、画像のラベリングやデータの分類など、これらのタスクは専門知識を必要とする金融や法律関連のデータ処理を含むことがあります。ユーザーはスキルをトークン化し、データ前処理の協力的クラウドソーシングを実現できます。Sahara AIのようなAIマーケットは、さまざまな分野のデータタスクを持ち、多様なデータシナリオをカバーできます。一方、AITプロトコルは人間と機械の協調によってデータをラベリングします。
いくつかのプロジェクトは、ユーザーがさまざまなタイプのモデルを提供したり、クラウドソーシングの方法でモデルを共同訓練したりすることをサポートしています。例えば、Sentientはモジュール化された設計を通じて、ユーザーが信頼できるモデルデータをストレージ層や配信層に置いてモデルの最適化を行うことを可能にします。Sahara AIが提供する開発ツールには、先進的なAIアルゴリズムと計算フレームワークが内蔵されており、共同訓練の能力を備えています。
アプリケーション層：
このレイヤーは主にユーザー向けのアプリケーションであり、AIとWeb3を組み合わせて、より面白く、革新的なプレイを創造します。本記事では、AIGC（AI生成コンテンツ）、AIエージェント、データ分析のいくつかのセクターのプロジェクトを整理しています。