要約すると

これはもう1つの「AI + Web3」に関する楽観的なVCの執筆ではありません。私たちは両方の技術を融合することに楽観的ですが、以下のテキストは戦いへの呼びかけです。さもなければ、その楽観主義は正当化されません。

なぜ？なぜなら、最高のAIモデルの開発と実行には、最先端でよく手に入らないハードウェアと非常に特定のドメインのR&Dに多額の資本支出が必要です。ほとんどのWeb3 AIプロジェクトが行っているように、これらをクラウドソーシングするための暗号インセンティブを与えることは、AI開発を制御する大手企業によって数十億ドルが注ぎ込まれているのには十分ではありません。ハードウェアの制約があるため、これは既存の組織外のスマートで創造的なエンジニアが破壊するリソースを持っていない可能性のある最初の大きなソフトウェアのパラダイムかもしれません。

ソフトウェアはますます「世界を飲み込んでいる」速く、AIの加速とともに指数関数的に飛躍することが決まっています。そして、現状では、このすべての「ケーキ」はテックの既存企業に行きます - 一方、政府や大企業、消費者など、エンドユーザーはますます彼らの力に依存しています。

インセンティブの不一致

これらすべては、90%の分散型Web参加者が、物語に基づいた開発の簡単な法定通貨の利益を追い求める忙しい時期に、より適さない時期に展開することはできませんでした。 はい、開発者は、業界の投資家に従っており、逆ではありません。 オープンな認め入れからより微妙で無意識の動機へと変化しますが、その物語と市場はWeb3の意思決定の大部分を駆動します。 参加者は、このサイクルをさらに推進するのに役立つ物語以外の世界に気づくことなく、古典的な反射バブルに完全に没頭しすぎています。 AIは明らかに最大のものであり、独自のブームを経験しているためです。

AI x Cryptoの交差点で数十のチームと話をしましたが、多くのチームが非常に能力があり、使命を持ち情熱的なビルダーであることを確認できます。しかし、誘惑に直面すると人間の性質上、それに屈してしまい、その選択を事後に合理化する傾向があることを確認できます。

暢気な流動性への道は、暗号通貨産業の歴史的な呪いであり、その発展を遅らせ、有用な採用を数年間にわたって遅らせてきました。これは、最も忠実な暗号信者さえも「トークンの価値を押し上げる」という方向に進ませます。その理屈は、トークンの形でより多くの資本が手元にあれば、これらの開発者にとってはより良いチャンスがあるということです。

機関投資家と小売資本の両方の比較的低い洗練度は、現実から切り離された主張を作り出す機会を提供し、それらの主張が既に実現したかのような評価を受けることができます。これらのプロセスの結果、実際に確立された道徳的ハザードと資本破壊が生じ、そのような戦略が長期的に成功するのはほんの一握りです。必要性はすべての発明の母であり、それがなくなると、発明もなくなります。

それは最悪のタイミングで起こったかもしれません。最も優れたテック起業家、国家行為者、企業が、AI革命からの恩恵を確保するために競っている中、暗号通貨の創業者や投資家は「急速な10倍」を選択しています。私たちの見解では、本当の機会費用である1000倍の一生の代わりに、「急速な10倍」を選択しています。

Web3 AIランドスケープの概要

上記のインセンティブを考慮すると、Web3 AIプロジェクトのタクソノミーは実際には次のようになります:

• 正当（リアリストと理想主義者にも分かれる）
• 半合法で、
• フェイカーズ

基本的に、私たちは、建設業者が自分たちのWeb2競争相手と、競争が実際に可能な垂直市場を追いかけるために必要なことを正確に知っていると考えています。そして、VCや未熟練な一般市民に押し付けることが可能であるところと、それが夢物語であるところについても、それでも押し進められると考えています。

目標は、ここで競争できるようになることです。さもないと、AIの開発速度がWeb3を置き去りにし、世界が西洋の企業AIと中国の国家AIのディストピアWeb4に飛び越える可能性があります。競争力を持てない者や、長期的な視野で分散技術に依存して追いつこうとする者は、あまり真剣に受け取られるにはあまりにも楽観的すぎます。

明らかに、これは非常に大まかな一般化であり、フェイカーグループには少なくともいくつかの真剣なチーム（そして多分ただの妄想的な夢想家がもっと）が含まれています。 しかし、このテキストは行動を呼びかけるものであり、客観的であるつもりはありませんが、むしろ読者の緊急感に訴えるものです。[1].

正当な:

• 「AIをチェーン上にもたらす」ためのミドルウェア。このようなソリューションの背後にいる創設者たちは、（数が少ない）最先端のモデルの分散トレーニングや推論が現時点では実現不可能であることを理解しています。したがって、最高の集中型モデルをチェーン環境とつなげる方法を見つけ、洗練された自動化の恩恵を受けることを可能にするのは、彼らにとって十分な第一歩です。ハードウェアのエンクレーブは、TEEs(“air-gapped” processors) that can host API access points, 2-sided oracles (to index on and off-chain data bidirectionally) and provide verifiable off-chain compute environments for the agents, seem to be the best solution at the moment. There are also co-processor architectures that use zero-knowledge-proofs (ZKPs) for snapshotting state changes (rather than verifying full computation) that we also find feasible in the midterm.
  同じ問題に対するより理想主義的なアプローチでは、信頼の仮定に関してオンチェーン計算と同等にするために、オフチェーン推論を検証しようとします。この目標は、AIが単一の一貫したランタイム環境のように、オンチェーンとオフチェーンでタスクを実行できるようにすることです。しかし、推論の検証可能性の支持者のほとんどは、「モデルの重みを信頼する」ことや、数年後に実際に関連してくる同じ種類の他の毛むくじゃらの目標について話します。最近、このキャンプの創設者は、代替アプローチ推論可能性を検証するために、元々はすべてZKPベースでした。 ZKMLとして知られるようになったときから、多くの優れたチームがZKMLに取り組んでいますが、暗号最適化がAIモデルの複雑さと計算要件を追い越すと予期して、あまりにも大きなリスクを取っています。したがって、少なくとも現時点では、競争には適していないと見なしています。@ModulusLabs/chapter-14-the-worlds-1st-on-chain-llm-7e389189f85e">some recent progress is interesting and shouldn’t be ignored.

半適法：

• クローズおよびオープンソースモデルの周りにラッパを使用する消費者向けアプリ（例：画像生成用のStable DiffusionまたはMidjourney）。 これらのチームの中には市場投入が先行しており、実際のユーザーのトラクションを持っているものもあります。 ですから、彼らを一様に偽物と呼ぶのは公平ではありませんが、分散的な方法で基本モデルを進化させ、インセンティブ設計を革新する方法について深く考えているのはほんのわずかです。 トークンコンポーネントにおけるいくつかの興味深いガバナンス/所有権の要素があります。 ただし、このカテゴリのプロジェクトの大部分は、OpenAI APIなどに対してトークンを単純に追加して、評価プレミアムを得たり、チームにとってより速い流動性を得たりしています。

上記の2つのキャンプのどちらも対処していないのは、分散設定での大規模モデルのトレーニングと推論です。現時点では、密接に接続されたハードウェアクラスターに依存せずに、合理的な時間内に基本モデルをトレーニングする方法はありません。「合理的な時間」とは、競争レベルが鍵となる要因です。

一部有望な研究最近、トピックに関する議論が出てきましたが、理論的には、アプローチのようなものもあります。差分データフロー将来、通信能力がデータストリームの要件に追いつくにつれて、分散コンピュートネットワークを拡張して容量を増やすことができるかもしれません。しかし、競争力のあるモデルトレーニングには、単一の分散デバイスではなく、地域クラスター間の通信がまだ必要であり、最先端のコンピュート（小売GPUはますます競争力を失っています）。

モデルサイズを縮小することによる推論のローカライズ（分散化の2つの方法の1つ）に関する研究も行われています最近進展しています, しかし、それを活用するWeb3の既存のプロトコルはありません。

分散トレーニングと推論の問題は、私たちを三つのキャンプの最後に自然に導き、遠く最も重要なキャンプに、そして私たちにとって非常に感情的にトリガーとなります;-)

Fakers:

• インフラストラクチャアプリケーションは、主に分散型サーバースペースにあり、必要最低限のハードウェアまたは分散型モデルのトレーニング/ホスティング環境を提供します。また、フェデレーテッドラーニング(分散型モデルトレーニング)や、ソフトウェアとハードウェアの両方のコンポーネントを単一のプラットフォームに統合し、分散型モデルをエンドツーエンドでトレーニングおよびデプロイできるプロトコルを推進しているソフトウェアインフラストラクチャプロジェクトもあります。それらの大部分は、述べられた問題に実際に対処するために必要な洗練さを欠いており、ここでは素朴な「トークンインセンティブ+市場の追い風」という考え方が蔓延しています。パブリック市場とプライベート市場の両方で見てきたソリューションはどれも、今ここで意味のある競争に近づいていません。中には実用的な(しかしニッチな)製品に進化するものもありますが、今ここで新鮮で競争力のあるものが必要です。そして、それは分散コンピューティングのボトルネックに対処する革新的な設計によってのみ実現できます。トレーニングでは、速度だけでなく、実行された作業の検証可能性とトレーニングワークロードの調整も大きな問題であり、帯域幅のボトルネックに追加されます。

競争力のある本当に分散化された基本モデルのセットが必要であり、それらは分散型のトレーニングと推論を必要とします。 AIを失うと、「分散型の世界コンピューター」がイーサリアムの登場以来達成してきたすべての成果が無効になる可能性があります。コンピューターがAIになり、AIが中央集権化されると、いくつかのディストピアバージョン以外には何もない世界コンピューターが存在することになります。

トレーニングと推論はAIイノベーションの中心です。他のAI世界がより緊密に結びついたアーキテクチャに向かっている中、Web3は競争するためにいくつかの直交する解決策が必要です。なぜなら、真正面から競争することがますます不可能になっています。

問題の大きさ

It’s all about compute. The more you throw at both the training and inference, the better your results. Yes, there are tweaks and optimizations here and there and compute itself is not homogeneous - there’s now a whole variety of new approaches to overcome the bottlenecks of traditional Von Neumann architecture for processing units - but still it all comes down to how many matrix multiplications you can do over how big of a memory chunk and how fast.

そのため、私たちはいわゆる「ハイパースケーラー」によるデータセンターの強力な構築を目撃しており、すべての企業がトップにAIモデルの強力さを持ち、その下にそれをサポートするハードウェアを持つことを目指しています：OpenAI（モデル）+Microsoft（コンピューティング）、Anthropic（モデル）+AWS（コンピューティング）、Google（両方）、Meta（独自のデータセンターの構築を倍増することで、ますます両方）。細微なニュアンスや相互作用のダイナミクス、関与する当事者がさらにありますが、ここでは省略します。大局的には、ハイパースケーラーはかつてないほどの数十億ドルをデータセンターの構築に投資し、そのコンピューティングとAIの提供の相乗効果を創出し、AIが世界経済全体に普及することにより、大きな成果を上げると予想されています。

この年だけで期待される4社のビルドアウトレベルを見てみましょう。

• Meta anticipates $30-37bn2024年の資本支出は、おそらくデータセンターに大幅に偏っている可能性があります。
• Microsoftが費やした2023年には約$11.5bnCapExに関して、そして広く噂されているように、'24年から'25年にかけてさらに400-500億ドルを投資する可能性があります！これは、わずか数か国で発表されている巨額なデータセンター投資から部分的に推測することができます。$3.2bイギリスでは、$3.5bnオーストラリアで、$2.1bnin Spain, €3.2bn in Germany, $1bnアメリカのジョージア州および$10bnWisconsin、それぞれ。そして、それらは、60以上の地域にわたる300のデータセンターのネットワークからのいくつかに過ぎません。また、話OpenAIのためのスーパーコンピューターは、Microsoftにさらに100億ドルかかるかもしれません！
• Amazonのリーダーシップ期待2023年に480億ドルを支出した後、2024年にCapExは主にAI向けのAWSインフラストラクチャの拡大により大幅に増加する見込みです。
• Google 110億ドルを支出2023年第4四半期にサーバーおよびデータセンターを拡張する計画です。それらの投資はAI需要に対応するために行われたものであり、2024年にはインフラの支出額と率がAIにより大幅に増加することが予想されています。

そして、これは2023年にすでにNVIDIA AIハードウェアに費やされた金額です。

NVIDIAのCEOであるJensen Huangは、次の数年でAI加速に合計1兆ドルを投入するよう提案しています。最近行った予測倍増しました2兆ドルに、伝えられるところでは、彼はソブリンプレーヤーから目撃した関心によって促された。Altimeter のアナリストは、24 年と 25 年に世界で AI 関連のデータセンターの支出がそれぞれ 1,600 億ドルと 2,000 億ドルを超えると予想しています。

現在、これらの数字をWeb3が提供するものと比較し、独立したデータセンターのオペレーターに最新のAIハードウェアへのCapEx拡大を促進するためのインセンティブを提供します。

• すべてのDePInプロジェクトの総時価総額は現在、比較的流動性の低いおよび主に投機的なトークンで約400億ドルに達しています。基本的に、これらのネットワークの時価総額は、トークンでこの建設をインセンティブ付けることで、貢献者の総CapExの上限推定値に等しいです。しかし、現在の時価総額はほとんど役に立たないので、すでに発行されています。
• したがって、次に、市場にAIのユースケースに向けて100%投資される、$80bn（既存の価値の2倍）のプライベートおよびパブリックのDePInトークンの時価総額が3〜5年以内に追加されると仮定しましょう。

この非常に粗い見積もりを3（年）で割り、2024年に単にHyperscalersが費やした現金と比較してみても、わかるように、「分散型GPUネットワーク」プロジェクトにトークンインセンティブを付け加えるだけでは不十分であることが明らかです。

これらのトークンを吸収するには、何十億ドルもの投資家需要が必要です。このようなネットワークの運営者は、Cap-およびOpEXの重要なコストを賄うために、採掘されたコインの大部分を売却します。さらに何十億ドルも必要で、これらのトークンを押し上げ、成長を促進し、ハイパースケーラーを凌駕するための構築を図ります。

しかし、Web3サーバーのほとんどが現在どのように運用されているかを熟知している人は、「分散型物理インフラストラクチャ」の大部分が、同じハイパースケーラーのクラウドサービス上で実際に実行されることを期待するかもしれません。そしてもちろん、GPUやその他のAIに特化したハードウェアの需要の急増により、供給が増加しており、最終的にはクラウドのレンタルや購入がはるかに安価になるはずです。少なくとも、それは期待です。

しかし、これも考慮に入れてください：現在、NVIDIAは最新世代のGPUのクライアントを優先する必要があります。競争を始める彼ら自身のテリトリーで最大のクラウドプロバイダーと提携し、これらのハイパースケーラーに既にロックされている企業クライアントにAIプラットフォームサービスを提供することで、それは最終的には自社のデータセンターを時間の経過とともに構築するか（現在享受している大幅な利益率を侵食することになるため、それほど可能性は低い）、または単にパートナーシップネットワークのクラウドプロバイダーに対するAIハードウェアの販売を大幅に制限することを奨励します。

また、NVIDIAに対抗する競合他社は、主にNVIDIAと同じチップを使用しているAI専用ハードウェアを追加で導入しています。TSMCによって製造されました。したがって、すべてのAIハードウェア企業は現在、すべてTSMCの生産能力を競合しています。TSMCも他の顧客よりも特定の顧客を優先する必要があります。サムスンと潜在的にインテル（自社ハードウェア向けの最新のチップ製造に再参入しようとしている）は余分な需要を吸収することができるかもしれませんが、TSMCは現在ほとんどのAI関連チップを生産しており、最先端のチップ製造（3ナノメートルと2ナノメートル）のスケーリングとキャリブレーションには数年かかります。

その上、現在最先端のチップ製造は、台湾のTSMCと韓国のサムスンによって台湾海峡の隣で行われており、米国に建設中の施設がこのリスクを相殺するために立ち上がるかもしれないが（また、次世代チップを数年後に生産する予定もない）、軍事紛争の危険が現実化する可能性があります。

そして最後に、米国によるNVIDIAとTSMCへの制限により、最新世代のAIハードウェアに実質的にアクセスできなくなっている中国は、残されている計算資源を求めて競争しています。Web3 DePInネットワーク同様、中国企業は実際に独自の競争モデルを持っており、特に百度やアリババなどのLLMは、以前の世代のデバイスが多く必要です。

上記のいずれかの理由または複数の要因により、非無形のリスクが存在し、AI支配戦争が激化し、クラウドビジネスよりも優先されるようになる可能性があり、その結果、ハイパースケーラーは外部の利用者へのAIハードウェアへのアクセスを制限する可能性があります。基本的に、彼らは自身の利用のためにAI関連のクラウド容量をすべて取り上げ、他の誰にも提供しなくなり、同時に最新のハードウェアを独占します。これが起こると、残りの計算機供給は他の主要プレーヤー、主権国を含む、さらに高い需要に直面します。一方で、消費者向けのGPUはますます競争力を失っています。

明らかに、これは極端なシナリオですが、ハードウェアのボトルネックが残っている場合、大手プレーヤーが引き下がるには賞が大きすぎます。これにより、Web3 DePinプロバイダーの大部分を占める第2ティアデータセンターや小売グレードのハードウェア所有者など、分散化されたオペレーターは競争から取り残されます。

コインのもう一方の側

クリプトの創設者たちが寝ている間、AIの重要人物たちは注意深くクリプトを見ています。政府の圧力そして競争が彼らを駆り立て、規制の厳しい状況を避けるために暗号通貨を採用する可能性があります。

Stability AIの創設者最近辞任彼の会社を「分散化」するために始めるのは、その最初の公的なヒントの1つです。彼は以前、公の場でトークンを発行する計画を何度も明かしていましたが、会社のIPOが成功裏に完了した後にのみ、その本当の動機が明らかになります。

同様に、Sam Altmanは共同創設者である暗号プロジェクトWorldcoinに運営的に関与していませんが、そのトークンは確かにOpenAIへの代理として取引されています。接続する経路AI R&Dプロジェクトを備えた無料のインターネットマネープロジェクト、時間が証明するだろう。しかし、Worldcoinチームもそう思われる。認める市場がこの仮説を検証していること

AI巨大企業が分散化への異なる道を探ることは、私たちにとって多くの意味があります。ここで再び見る問題は、Web3が意味のある解決策を生み出していないことです。“ガバナンストークン”は大部分がミームですが、資産保有者とネットワークの開発および運営との直接的な関係を明示的に回避するものだけが、現時点で真に分散化されたものです - $BTCおよび$ETHです。

同じ（非）インセンティブが技術開発の停滞に影響を与えるのと同様に、暗号ネットワークのガバナンス設計の開発にも影響を与えます。スタートアップチームは、勢いをつけながらそれを解決しようとして、最終的には資源配分に関する「ガバナンス劇場」で固定化してしまいます。

結論

AIレースが進行中で、誰もが非常に真剣に取り組んでいます。大手テック企業が計算能力を前例のない速さで拡張する際に、彼らの考え方に欠点を見つけることはできません。より多くの計算能力はより優れたAIを意味し、より優れたAIはコスト削減、新たな収益の追加、市場シェアの拡大を意味します。これは私たちにとって、バブルが正当化されていることを意味しますが、すべての偽物は不可避の淘汰で洗い流されるでしょう。

中央集権的な大企業のAIがこの分野を支配しており、合法的なスタートアップは追いつくのが難しいと感じています。Web3スペースはパーティーに遅れをとっていますが、レースにも参加しています。市場は、この分野のWeb2スタートアップと比較して、暗号AIプロジェクトにあまりにも多くの報酬を与えており、創業者の関心を製品の出荷から、追いつく機会の窓が急速に閉じている重要な岐路でトークンをポンピングすることにそらしています。これまでのところ、競争のためにコンピューティングを大規模に拡張することを回避するような直交的なイノベーションは行われていません。

現在、消費者向けモデルをめぐる信頼できるオープンソースの動きがありますが、もともとは一部の中央集権的なプレーヤーが、より大きなクローズドソースのライバル(Meta、Stability AIなど)と市場シェアを競うことを選択したことで推進されました。しかし今、コミュニティは大手AI企業に追いつき、圧力をかけています。これらのプレッシャーは、AI製品のクローズドソース開発に影響を与え続けるでしょうが、オープンソースが追いつくまでは意味のある方法ではないでしょう。これはWeb3空間にとってもう一つの大きなチャンスですが、それは分散型モデルのトレーニングと推論を解決する場合に限ります。

そのため、表面的にはディスラプターの「古典的」な開口部は存在しますが、現実はディスラプターに有利に働くどころか、そうではありません。AIは主にコンピューティングと結びついており、今後3〜5年の間に画期的なイノベーションが起こらない限り、AIを変えることはできません。

コンピュート市場自体は、需要が供給サイドの取り組みを後押ししているとはいえ、チップ製造や規模の経済などの構造的要因によって制約されたメーカー間の競争により、「百花を咲かせる」ことはできません。

我々は人間の創造力について楽観的であり、自由な世界を重視する方法でAIの問題を解決しようとする知恵豊かで高貴な人々が十分にいると確信しています。しかし、その可能性は非常に低く、ベストの場合でもコイントスですが、Web3の創設者たちは実世界への影響よりも財務上のコイントスに忙しいです。

Web3の可能性を高めるために何か素晴らしいものを構築しており、単なるハイプの波に乗っていない場合は、お知らせください。

免責事項：

1. この記事は[から転載されていますgagra.vc], すべての著作権は元の著者に帰属します [gagra.vc]. If there are objections to this reprint, please contact the Gate Learnチーム、そして迅速に対応いたします。
2. 免責事項:この記事で表明された見解や意見は、著者のものであり、投資アドバイスを構成するものではありません。
3. その記事の翻訳は、Gate Learnチームによって行われます。特に記載されていない限り、翻訳された記事のコピー、配布、または盗用は禁止されています。