詳細な調査レポート(パートII):AIとWeb3データ業界の統合状況、競争環境、将来の機会の分析

GPTの出現により、大規模言語モデルに世界の注目が集まっており、あらゆる階層がこの「ブラックテクノロジー」を使用して作業効率を向上させ、業界の発展を加速させようとしています。 Future3 CampusとFootprint Analyticsは共同で、AIとWeb3の組み合わせの無限の可能性について詳細な調査を実施し、「AIとWeb3データ産業の統合状況、競争環境、将来の機会の分析」と題する調査レポートを共同で発表しました。 研究レポートは2部構成で、本稿はFuture3 Campusの研究者であるSherryとHumphreyが編集した第2部です。

概要：

*AIとWeb3データの組み合わせにより、データ処理の効率とユーザーエクスペリエンスが向上しています。 現在、ブロックチェーンデータ業界におけるLLMの探求は、主にAI技術によるデータ処理効率の向上、LLMのインタラクティブな利点を利用したAIエージェントの構築、価格設定と取引戦略分析のためのAIの使用に焦点を当てています。 ※現在、Web3データ分野におけるAIの活用は、精度、説明可能性、商品化など、まだいくつかの課題を抱えています。 人間の介入が完全に取って代わられるまでには、まだ長い道のりがあります。 ※Web3データ企業のコアコンピタンスは、AI技術そのものだけでなく、データの蓄積力やデータの詳細な分析・活用力にあります。 ・AIは短期的にはデータ製品の商用化の問題を解決できない可能性があり、商用化にはさらなる製品化の取り組みが必要となる。

Web3データ産業とAIの組み合わせの現状と発展経路

1.1 砂丘

Duneは現在、Web3業界をリードするオープンデータ分析コミュニティであり、大量のデータをクエリ、抽出、視覚化するためのブロックチェーンツールを提供し、ユーザーやデータ分析の専門家がシンプルなSQLクエリを使用してDuneの事前入力されたデータベースからオンチェーンデータをクエリし、対応するチャートや意見を形成できるようにします。

2023年3月、DuneはAIの計画とLLMの組み込みの将来を発表し、10月にはDune AI製品をリリースしました。 DuneのAI関連製品の中核となるのは、LLMの強力な言語的および分析的機能でウィザードUXを強化し、DuneでのデータクエリとSQL書き込みをユーザーに提供することです。

(1)クエリの解釈:3月にリリースした製品では、ボタンをクリックするだけでSQLクエリの自然言語による説明を取得できるため、複雑なSQLクエリをよりよく理解し、データ分析の効率と精度が向上します。

(2) クエリの翻訳: Dune は、Dune 上のさまざまな SQL クエリ エンジン (Postgres や Spark SQL など) を DuneSQL に移行することを計画しているため、LLM は自動クエリ言語変換機能を提供して、ユーザーがより良い移行を行い、DuneSQL 製品の実装を容易にするのに役立ちます。

(3)自然言語クエリ:10月にリリースされたDune AI。 ユーザーが平易な英語で質問したり、データを取得したりできるようにします。 この機能の目的は、SQL の知識を必要としないユーザーがデータに簡単にアクセスして分析できるようにすることです。

(4)検索の最適化:Duneは、LLMを使用して検索機能を改善し、ユーザーがより効果的に情報をフィルタリングできるようにすることを計画しています。

(5) ウィザードのナレッジベース:Duneは、ユーザーがSpellbookとDuneのドキュメントでブロックチェーンとSQLの知識をすばやくナビゲートできるようにするチャットボットをリリースする予定です。

(6) SQL記述の簡素化(Dune Wand) :D uneは、8月にSQLツール「Wand」シリーズをローンチしました。 Create Wandを使用すると、ユーザーは自然言語プロンプトから完全なクエリを生成でき、Edit Wandを使用すると、ユーザーは既存のクエリに変更を加えることができ、デバッグ機能はクエリの構文エラーを自動的にデバッグできます。 これらのツールの中心となるのはLLMテクノロジーであり、クエリの記述プロセスを簡素化し、アナリストがコードや構文を気にすることなく、データ分析のコアロジックに集中できるようにします。

1.2 フットプリント分析

Footprint Analyticsは、人工知能技術の助けを借りて、ノーコードデータ分析プラットフォーム、統合データAPI製品、およびWeb3プロジェクト用のBIプラットフォームであるFootprint Growth Analyticsを提供するブロックチェーンデータソリューションプロバイダーです。

Footprintの利点は、オンチェーンデータ生産ラインとエコロジカルツールの作成、およびオンチェーンおよびオフチェーンデータのメタデータベースとオンチェーンの産業および商業登録を開放するための統合データレイクの確立にあり、ユーザーが分析および使用する際のデータのアクセシビリティ、使いやすさ、品質を確保します。 Footprintの長期戦略は、オンチェーンのデータとアプリケーションを生産できる「マシンファクトリー」を構築するために、テクノロジーの深さとプラットフォームの構築に焦点を当てます。

**フットプリント製品は、次のようにAIと組み合わされます。

Footprintは、LLMモデルの立ち上げ以来、既存のデータ製品とAIの組み合わせを模索し、データ処理と分析の効率を向上させ、よりユーザーフレンドリーな製品を作成してきました。 2023年5月、Footprintは自然言語インタラクションのためのデータ分析機能をユーザーに提供し始め、独自のノーコードに基づいてハイエンド製品機能にアップグレードし、ユーザーはプラットフォームのテーブルやデザインに精通していなくても、会話を通じてデータを迅速に取得し、チャートを生成できるようになりました。

また、現在市場に出回っているLLM+Web3データ製品は、主にユーザー利用の敷居を下げ、インタラクションパラダイムを変えるという問題の解決に重点が置かれており、製品やAIの開発におけるフットプリントの焦点は、ユーザーがデータ分析やユーザーエクスペリエンスの問題を解決するのを支援するだけでなく、暗号分野での垂直データやビジネス理解の促進、暗号領域での言語モデルのトレーニングなど、垂直シーンアプリケーションの効率と精度を向上させることです。 この点におけるフットプリントの強みは、以下の分野に反映されます。

*データ知識の量(知識ベースの質と量)。 データの蓄積、ソース、数量、およびカテゴリの効率。 特に、Footprint MetaMosaic サブプロダクトは、特定のビジネスロジックの関係グラフと静的データの蓄積を具体化します。 *知識アーキテクチャ。 フットプリントは30以上のパブリックチェーンを蓄積し、ビジネスセクションごとに構造化データテーブルを抽象化しました。 生データから構造化データまでの生産プロセスに関する知識は、生データの理解を深め、モデルをより適切にトレーニングすることができます。

• データ型。 チェーン上の非標準および非構造化の生データのトレーニングと、構造化されたビジネス意味のあるデータテーブルとメトリックのトレーニングから、トレーニングとマシンコストの効率に大きなギャップがあります。 典型的な例は、LLMにより多くのデータを提供する必要性であり、これには、暗号化フィールドに基づく専門的なデータに加えて、より読みやすく構造化されたデータと、フィードバックデータとしてより多くのユーザーが必要です。 *暗号通貨のフローデータ。 フットプリントは、時間、件名(フローを含む)、トークンの種類、金額(関連する時点でのトークン価格)、ビジネスの種類、トークンとエンティティのタグなど、投資に密接に関連する資本フローデータを抽象化し、LLMがトークンの主な資金を分析し、チップの分布を特定し、資金フローを監視し、オンチェーンの変化を特定し、スマートファンドを追跡するためのナレッジベースおよびデータソースとして使用できます。 *個人データの挿入。 フットプリントはモデルを3つのレイヤーに分割し、1つは世界の知識(OpenAIやその他のオープンソースモデル)を含むベースモデル、細分化されたドメインの垂直モデル、およびパーソナライズされた専門知識モデルです。 これにより、ユーザーはFootprint上のさまざまなソースからのナレッジベースを統合して管理し、プライベートデータを使用してプライベートLLMをトレーニングできるため、よりパーソナライズされたアプリケーションシナリオに適しています。

LLMモデルと組み合わせたフットプリントの探索では、一連の課題と問題にも遭遇しましたが、その最も一般的なものは、不十分なトークン、時間のかかるプロンプト、不安定な回答です。 Footprintが位置するオンチェーンデータの垂直分野が直面するより大きな課題は、オンチェーンデータエンティティには多くの種類があり、その数が多く、急速な変化があり、それらをLLMに供給する形式には、業界全体でより多くの研究と調査が必要であることです。 現在のツールチェーンはまだ比較的初期段階であり、特定の問題を解決するにはさらに多くのツールが必要です。

テクノロジーや製品における Footprint と AI の統合の将来には、次のようなものが含まれます。

(1)技術面では、LLMモデルとの組み合わせにより、フットプリントを3つの側面から検討し、最適化する

*構造化データの推論のためのLLMをサポートし、暗号化されたフィールドの大量の構造化データと知識をLLMのデータ消費と生成に適用できます。 *ユーザーがパーソナライズされた知識ベース(知識、データ、経験を含む)を構築し、プライベートデータを使用して最適化された暗号LLMの能力を向上させ、誰もが独自のモデルを構築できるようにします。 *AI支援分析とコンテンツ制作により、ユーザーは対話を通じて独自のGPTを作成し、資金フローデータとプライベートナレッジベースを組み合わせて、暗号投資コンテンツを制作および共有できます。

(2)製品面では、AI製品の応用とビジネスモデルの革新の探求に注力する。 Footprintの最近のプロモーション計画によると、ユーザー向けのAI暗号コンテンツ生成および共有プラットフォームを立ち上げます。

さらに、将来のパートナーの拡大のために、フットプリントは次の2つの側面を模索します。

まず、インフルエンサーとの連携を強化し、価値あるコンテンツの制作、コミュニティの運営、知識の収益化を支援します。

第二に、より協力的なプロジェクト関係者とデータプロバイダーを拡大し、オープンでウィンウィンのユーザーインセンティブとデータ協力を作成し、相互に有益でウィンウィンのワンストップデータサービスプラットフォームを確立します。

1.3 GoPlusセキュリティGoplus

GoPlus Securityは現在、Web3業界をリードするユーザーセキュリティインフラストラクチャであり、さまざまなユーザー向けセキュリティサービスを提供しています。 現在、主流のデジタルウォレット、マーケットWebサイト、Dex、および市場に出回っているその他のさまざまなWeb3アプリケーションと統合されています。 ユーザーは、資産セキュリティ検出、転送承認、フィッシング対策など、さまざまなセキュリティ保護機能を直接使用できます。 GoPlusは、ユーザーセキュリティのライフサイクル全体をカバーするユーザーセキュリティソリューションを提供し、さまざまなタイプの攻撃者からユーザー資産を保護します。

GoPlusとAIの開発と計画は次のとおりです。

GoPlusのAIテクノロジーにおける主な探求は、AI自動検出とAIセキュリティアシスタントの2つの製品に反映されています。

(1)AIによる自動検知

2022年以降、GoPlusは独自のAIベースの自動検出エンジンを開発し、セキュリティ検出の効率と精度を包括的に向上させています。 GoPlusのセキュリティエンジンは、静的コード検出、動的検出、機能または動作検出に多層的なファネルアプローチを使用しています。 この複合検出プロセスにより、エンジンは潜在的に危険なサンプルの特性を効果的に特定して分析し、攻撃の種類と動作を効果的にモデル化できます。 これらのモデルは、エンジンがセキュリティの脅威を特定して防止するための鍵であり、リスク サンプルに特定の攻撃シグネチャがあるかどうかをエンジンが判断するのに役立ちます。 さらに、長期間の反復と最適化の後、GoPlusセキュリティエンジンは豊富なセキュリティデータと経験を蓄積し、そのアーキテクチャは新たなセキュリティ脅威に迅速かつ効果的に対応し、さまざまな複雑で新しい攻撃をタイムリーに検出およびブロックし、ユーザーを全面的に保護できます。 現在、このエンジンは、危険な契約の検出、フィッシングWebサイトの検出、悪意のあるアドレスの検出、危険なトランザクションの検出など、複数のセキュリティシナリオでAI関連のアルゴリズムとテクノロジーを使用しています。 一方、手作業による参加の複雑さと時間コストが軽減され、リスクサンプルの判断精度が向上し、特に手作業で定義するのが難しい、またはエンジンによる識別が困難な新しいシナリオでは、AIは特徴をより適切に集約し、より効果的な分析方法を形成することができます**。

2023年、大型モデルが進化するにつれて、GoPlusはLLMに迅速に適応し、採用しました。 従来のAIアルゴリズムと比較して、LLMはデータの識別、処理、分析において大幅に効率的かつ効果的です。 動的ファズテストの方向では、GoPlusはLLMテクノロジーを使用してトランザクションシーケンスを効果的に生成し、より深い状態を探索して契約リスクを発見します。

(2)AIセキュリティアシスタント

GoPlusは、LLMベースの自然言語処理機能を活用して、即時のセキュリティコンサルティングを提供し、ユーザーエクスペリエンスを向上させるAIセキュリティアシスタントも開発しています。 AIアシスタントは、GPT大規模モデルに基づいて、フロントエンドのビジネスデータの入力を通じて自社開発のユーザーセキュリティエージェントのセットを開発し、問題に応じて自動的に分析、ソリューションの生成、タスクの分解、実行を行い、ユーザーが必要とするセキュリティサービスを提供できます。 AIアシスタントは、ユーザーとセキュリティ問題の間のコミュニケーションを簡素化し、理解への障壁を下げます。

製品機能面では、セキュリティ分野におけるAIの重要性から、AIは今後、既存のセキュリティエンジンやウイルス対策エンジンの構造を根底から変える可能性を秘めており、AIを中核とする新しいエンジンアーキテクチャが登場するでしょう。 GoPlusは、AIを支援ツールからセキュリティ検出エンジンのコア機能に変えるために、AIモデルのトレーニングと最適化を継続します。

ビジネスモデルの面では、GoPlusのサービスは現在、主に開発者やプロジェクト関係者向けですが、同社はCエンドユーザー向けの直接的な製品やサービス、およびAIに関連する新しい収益モデルを模索しています。 効率的で正確、かつ低コストのCエンドサービスを提供することは、将来のGoPlusのコアコンピタンスです。 そのため、企業はユーザーと対話する大規模なAIモデルについて、より多くのトレーニングとアウトプットを継続的に行う必要があります。 同時に、GoPlusは他のチームと協力してセキュリティデータを共有し、コラボレーションを通じてセキュリティ分野でAIアプリケーションを推進し、将来の業界の変化に備える予定です。

1.4 Trusta ラボ

2022年に設立されたTrusta Labsは、Web3分野におけるAIを活用したデータスタートアップです。 Trusta Labsは、高度な人工知能技術を使用してブロックチェーンデータの効率的な処理と正確な分析を行い、ブロックチェーンのオンチェーンレピュテーションとセキュリティインフラストラクチャを構築することに重点を置いています。 現在、Trusta Labsのビジネスは、TrustScanとTrustGoの2つの主要製品で構成されています。

(1) TrustScan、TrustScanはBエンド顧客向けに設計された製品で、主にWeb3プロジェクトがオンチェーンユーザーの行動を分析し、ユーザー獲得、ユーザーアクティビティ、ユーザーリテンションの観点から階層化を洗練させ、価値の高い実際のユーザーを特定するために使用されます。

(2)Cエンド顧客向け製品であるTrustGoは、オンチェーンアドレスを5つの次元(資金額、活動量、多様性、アイデンティティ権、ロイヤリティ)から分析・評価できるMEDIA分析ツールを提供し、オンチェーンデータの詳細な分析を重視し、取引決定の品質と安全性を向上させます。

Trusta LabsとAIの開発と計画は次のとおりです。

現在、Trusta Labsの2つの製品は、AIモデルを使用して、オンチェーンアドレスのインタラクションデータを処理および分析しています。 ブロックチェーン上のアドレスインタラクションの行動データはデータのシーケンスであり、AIモデルのトレーニングに非常に適しています。 Trusta Labsは、オンチェーンデータのクリーニング、整理、ラベリングの過程で、多くの作業をAIに任せることで、データ処理の品質と効率を大幅に向上させると同時に、多くの人件費を削減しています。 Trusta Labsは、AI技術を使用して、オンチェーンアドレスインタラクションデータの詳細な分析とマイニングを行い、Bエンドの顧客にとってより可能性の高いWitchアドレスを効果的に特定することができます。 Tursta Labsは、Tursta Labs製品を使用した多くのプロジェクトで潜在的なSybil攻撃を防ぐことができ、Cエンドの顧客向けには、TrustGoは既存のAIモデルを活用して、ユーザーがオンチェーンの行動データに関する洞察を得るのを支援しています。

Trusta Labsは、LLMモデルの技術的進歩とアプリケーションプラクティスを綿密に追跡してきました。 Web3分野では、モデルのトレーニングと推論のコストが削減され続け、大量のコーパスとユーザーの行動データが蓄積されているため、Trusta LabsはLLMテクノロジーを導入し、AIの生産性を利用して、製品とユーザーにより深いデータマイニングと分析機能を提供する適切な時期を探します。 Trusta Labsがすでに提供している豊富なデータに基づいて、AIのインテリジェント分析モデルを使用して、Bエンドユーザーにキャプチャされたシビルアカウントの分析の定性的および定量的解釈を提供するなど、データ結果に対してより合理的で客観的なデータ解釈機能を提供できることが期待されています。

一方、Trusta Labsは、オープンソースまたは成熟したLLMモデルを使用し、インテント中心の設計コンセプトを組み合わせてAIエージェントを構築し、ユーザーがオンチェーンインタラクションの問題をより迅速かつ効率的に解決できるようにすることも計画しています。 具体的なアプリケーションシナリオとしては、将来的には、Trusta Labsが提供するLLMトレーニングに基づくAIエージェントインテリジェントアシスタントを通じて、ユーザーは自然言語を介してインテリジェントアシスタントと直接通信でき、インテリジェントアシスタントはチェーン上のデータに関連する情報を「インテリジェント」にフィードバックし、提供された情報に基づいてフォローアップ操作の提案と計画を行い、ユーザーの意図を中心としたワンストップのインテリジェント操作を真に実現し、ユーザーがデータを使用するための敷居を大幅に下げ、オンチェーン操作の実行を簡素化します。

さらに、Trustaは、今後ますます多くのAIベースのデータ製品が出現するにつれて、各製品の中核的な競争要因は、使用されるLLMモデルではないかもしれませんが、重要な競争要因は、すでに習得されたデータのより深い理解と解釈であると考えています。 マスターデータの分析に基づいて、LLMモデルと組み合わせることで、より「スマート」なAIモデルをトレーニングすることができます。

1.5 0xスコープ

2022年に設立された0xScopeは、ブロックチェーン技術と人工知能の組み合わせに焦点を当てたデータ中心のイノベーションプラットフォームです。 0xScopeは、人々がデータを処理、使用、見る方法を変えることを目指しています。 0xScopeは現在、BサイドとCサイドのお客様にご利用いただけます:0xScope SaaS製品と0xScopescan。

(1) 企業向けSaaSソリューションである0xScope SaaS製品は、企業顧客が投資後の管理を行い、より良い投資決定を下し、ユーザーの行動を理解し、競争のダイナミクスを綿密に監視することを可能にします。

(2)0xScopescanは、暗号通貨トレーダーが選択したブロックチェーン上の資金の流れと活動を調査できるようにするB2C製品です。

0xScopeのビジネスフォーカスは、オンチェーンデータを使用して共通のデータモデルを抽象化し、オンチェーンデータ分析を簡素化し、オンチェーンデータを理解可能なオンチェーン運用データに変換して、ユーザーがオンチェーンデータの詳細な分析を行えるようにすることです**。 0xScopeが提供するデータツールプラットフォームを使用すると、チェーン上のデータの品質を向上させ、データの隠された情報をマイニングして、ユーザーにより多くの情報を明らかにするだけでなく、データマイニングのしきい値を大幅に削減できます。

0xScopeとAIの開発と計画は次のとおりです。

0xScopeの製品は、大規模モデルと組み合わせてアップグレードされており、1つ目は自然言語対話によるユーザーの敷居をさらに下げること、2つ目はAIモデルを使用してデータのクリーニング、分析、モデリング、分析の処理効率を向上させることの2つの方向性があります。 同時に、0xScopeの製品は、チャット機能を備えたAIインタラクティブモジュールを間もなく発売し、ユーザーがデータをクエリおよび分析し、自然言語を介してのみ基礎となるデータを操作およびクエリするためのしきい値を大幅に削減します。

しかし、0xScopeは、AIのトレーニングと使用の過程で、AIトレーニングのコストと時間コストが高いという課題に直面していることに気付きました。 質問をした後、AIが応答するまでに長い時間がかかります**。 その結果、この難しさにより、チームはビジネスプロセスを合理化して集中し、オールラウンドなスーパーAIアシスタントにするのではなく、垂直的なQ&Aに焦点を当てることを余儀なくされています。 第二に、LLMモデルの出力は制御不能です。 **データ製品は正確な結果を提供することを望んでいますが、現在のLLMモデルによって得られる結果は実際の状況と異なる可能性が高く、データ製品のエクスペリエンスにとって非常に致命的です。 さらに、大規模なモデルの出力には、ユーザーのプライベート データが含まれる場合があります。 したがって、製品でLLMパターンを使用する場合、チームはAIモデルの出力を制御して正確にできるように、LLMパターンを大幅に制限する必要があります。

将来的には、0xScopeはAIを使用して特定の垂直トラックに焦点を当て、その育成を深める予定です。 現在、0xScopeは、大量のオンチェーンデータの蓄積に基づいて、オンチェーンユーザーのIDを定義することができ、AIツールを使用してオンチェーンユーザーの行動を抽象化し、オンチェーンデータの隠された情報を明らかにする独自のデータモデリングシステムを作成し続けます。

協力の面では、0xScopeは2種類のグループに焦点を当てます:最初のカテゴリは、開発者、プロジェクト関係者、VC、取引所など、現在の製品によって提供されるデータを必要とする製品が直接提供できるオブジェクトであり、2番目のカテゴリは、Debank、ChainbaseなどのAIチャットを必要とするパートナーは、AIチャットを直接呼び出すために関連する知識とデータのみを必要とします。

VCインサイト - AI+Web3データ企業の事業化と今後の展開

本コーナーでは、VCシニア投資家4名へのインタビューを通じて、AI+Web3データ産業の現状と発展、Web3データ企業のコアコンピタンス、今後の事業化の道筋について、投資と市場の観点から考察します。

2.1 AI+Web3データ産業の現状と発展

現在、AIとWeb3データの組み合わせは活発な模索の段階にあり、さまざまな主要なWeb3データ企業の開発方向性の観点から、AI技術とLLMの組み合わせは不可欠なトレンドです。 しかし同時に、LLMには独自の技術的限界があり、現在のデータ業界が抱える問題の多くを解決することはできません。

したがって、プロジェクトのメリットを高めるためにAIと盲目的に組み合わせたり、AIの概念を誇大広告に使用したりする必要はなく、真に実用的で有望な応用分野を探求する必要があることを認識する必要があります。 VCの観点から、AIとWeb3データの組み合わせは、以下の側面から検討されています。

(1)企業が内部データ処理と分析の効率を向上させるのに役立つAI技術を含むAI技術を通じてWeb3データ製品の機能を向上させ、それに応じてユーザーのデータ製品を自動的に分析および取得する能力を向上させます。 **例えば、SevenX VenturesのYuxing氏は、Duneがコードの異常検出にLLMモデルを使用し、自然言語変換を使用して情報インデックス作成用のSQLを生成するなど、Web3データにAI技術を使用する主な助けは効率であると述べています。 モデルにはデータが事前にラベル付けされているため、人件費を大幅に節約できます。 それにもかかわらず、VCは、データの事前注釈など、Web3データ製品の機能と効率を向上させる上でAIが補助的な役割を果たしており、最終的には正確性を確保するために人間によるレビューが必要になる可能性があることに同意しています。 **

(2)適応性と相互作用におけるLLMの利点を利用して、AIエージェント/ボットを構築します。 **例えば、オンチェーンデータやオフチェーンのニュースデータなど、Web3全体からデータを取得し、情報集約や世論分析を行うために、大規模言語モデルを使用しています。 Hashkey CapitalのHarper氏は、このタイプのAIエージェントは、ユーザーとの統合、生成、相互作用に傾倒しており、情報の正確性と効率性の点で比較的弱いと考えています。

上記2つの側面を応用した事例は数多くありますが、技術や製品はまだ模索の初期段階にあるため、今後も継続的に技術の最適化と製品の改良を行っていく必要があります。

(3)価格設定と取引戦略分析にAIを使用:現在、Qiming Venture Partnersが投資したNFTGoなど、AI技術を使用してNFTの価格を推定するプロジェクトが市場に出回っており、一部の専門取引チームはデータ分析と取引実行にAIを使用しています。 さらに、Ocean Protocolは最近、価格予測AI製品をリリースしました。 このタイプの製品は想像力に富んでいるように見えるかもしれませんが、製品の受け入れ、ユーザーの受け入れ、特に精度の観点から検証する必要があります。

一方、多くのVC、特にWeb2 VCに投資した人は、Web3とブロックチェーン技術がAI技術にもたらす利点とアプリケーションシナリオにもっと注意を払うでしょう。 ブロックチェーンのオープン性、検証可能性、分散化、およびプライバシー保護を提供する暗号化の能力は、Web3の生産関係の再構築と相まって、AIにいくつかの新しい機会をもたらすことができるかもしれません。

(1)AIデータの所有権の確認と検証。 AIの出現により、データコンテンツの生成が急増し、安価になりました。 **Qiming Venture PartnersのTang Yi氏は、デジタル作品などのコンテンツの品質と作成者を判断するのは難しいと述べました。 この点、データ内容の確認には全く新しいシステムが必要であり、ブロックチェーンがその一助となるかもしれません。 Matrix PartnersのZixi氏は、取引のためにデータをNFTに入れるデータ取引所があり、データの権利確認の問題を解決できると述べました。

また、SevenX VenturesのYuxing氏は、Web3データはAI詐欺やブラックボックスの問題を改善できると述べており、現在、モデルアルゴリズム自体とデータの両方にブラックボックスの問題があり、アウトプットの偏りにつながる可能性があります。 しかし、Web3のデータは透明性が高く、データはオープンで検証可能であり、AIモデルのトレーニングソースと結果がより明確になるため、AIはより公平になり、バイアスやエラーが減少します。 しかし、現在のWeb3のデータ量では、AI自体のトレーニングを強化するには十分ではないため、短期的には実現しないでしょう。 しかし、この機能を利用してWeb2データをオンチェーン化し、AIディープフェイクを防ぐことができます。 **

(2)AIデータアノテーションのクラウドソーシングとUGCコミュニティ:現在、従来のAIアノテーションは、特に専門知識の分野では効率と品質が低いという問題に直面しており、従来の一般的なデータアノテーション企業ではカバーできない学際的な知識が必要になる可能性があり、多くの場合、専門チームが社内で行う必要があります。 Matrix Partnersが出資したQuestlabは、ブロックチェーン技術を用いてデータアノテーションのためのクラウドソーシングサービスを提供するなど、ブロックチェーンやWeb3の概念によるデータアノテーションのためのクラウドソーシングの導入は、この問題を改善する良い方法となり得ます。 さらに、一部のオープンソースモデルコミュニティでは、ブロックチェーンの概念を使用して、モデルクリエーターエコノミーの問題を解決することもできます。

(3)データプライバシーの展開:ブロックチェーン技術と暗号化関連技術を組み合わせることで、データのプライバシーと分散化を確保できます。 Matrix PartnersのZixi氏は、主にソフトウェアテスト、データ分析、AI大規模モデルトレーニングに使用できる大規模モデルを通じて合成データを生成する合成データ企業に投資したと述べました。 企業はデータを処理する際に多くのプライバシー展開の問題に関与しており、Oasisブロックチェーンを使用することで、プライバシーと規制の問題を効果的に回避できます。

2.2AI+Web3データ企業のコアコンピタンスを構築する方法

Web3テクノロジー企業にとって、AIの導入はプロジェクトの魅力や注目度をある程度高めることができますが、現状では、AIと組み合わせたWeb3テクノロジー企業に関連する製品のほとんどは、企業のコアコンピタンスになるのに十分ではなく、よりユーザーフレンドリーな体験を提供し、効率を向上させるためのものです。 例えば、AIエージェントの敷居は高くなく、最初にAIエージェントをやった企業が市場で先行者利益を得られるかもしれませんが、障壁は生まれません。 **

Web3データ業界において、コアコンピタンスと障壁を実際に生み出すのは、チームのデータ能力と、特定の分析シナリオにおける問題を解決するためにAI技術をどのように適用するかであるべきです。 **

まず第一に、チームのデータ機能には、データソースと、その後の作業の基礎となるデータを分析してモデルを調整するチームの能力が含まれます。 インタビューでは、SevenX Ventures、Matrix Partners、Hashkey Capitalが異口同音に、AI+Web3データ企業のコアコンピタンスはデータソースの品質にかかっていると述べています。 さらに、エンジニアには、モデルを巧みに微調整し、データを処理し、データソースに基づいて解析できることも求められます。

一方で、チームのAI技術の具体的な組み合わせも非常に重要であり、シナリオは価値があるはずです。 **Harper氏は、現在のWeb3データ企業とAIの組み合わせは基本的にAIエージェントから始まるものの、Hashkey Capitalが出資したSpace and TimeとchainMLが協力して、作成したDeFiエージェントをSpace and Timeに利用するAIエージェント作成のインフラを立ち上げるなど、ポジショニングも異なると考えています。

2.3** Web3 **** データ会社 将来の商業化の道**

Web3データ企業にとって重要なもう一つのトピックは、商業化です。 長い間、データ分析会社の収益モデルは比較的単純で、そのほとんどがToCフリーであり、主なToBは利益を上げており、これはBエンド顧客の支払い意欲に依存しています。 Web3の分野では、企業の支払い意欲は高くなく、業界のスタートアップが主力であるため、プロジェクト関係者が長期的な支払いをサポートすることは困難です。 その結果、Web3データ企業は現在、商業化が困難な立場にあります。

この点について、VC一般的には、現在のAI技術の組み合わせは、生産プロセスの問題を社内で解決するためにのみ使用され、収益化の難しさという固有の問題は変わらないと考えています。 AIボットなど、一部の新しい製品形態は閾値が十分に高くないため、toC分野でのユーザーの支払い意欲はある程度高まる可能性がありますが、それでもそれほど強くはありません。 AIは短期的にはデータ製品の商業化の問題の解決策にはならない可能性があり、商業化には、より適切なシナリオや革新的なビジネスモデルを見つけるなど、より多くの製品化の取り組み**が必要です。

今後、Web3とAIを融合させる道筋では、Web3の経済モデルとAIデータを組み合わせることで、ToC分野を中心に新たなビジネスモデルが生まれるかもしれません。 Matrix PartnersのZixi氏は、AI製品をトークンのゲームプレイと組み合わせることで、コミュニティ全体の粘着性、日々の活動、感情を向上させることができ、実現可能で収益化が容易であると述べました。 Qiming Venture CapitalのTang Yi氏は、イデオロギー的な観点から、Web3の価値体系はAIと組み合わせることができ、ボットのアカウントシステムや価値変換システムとして非常に適していると述べました。 たとえば、ボットは独自のアカウントを持ち、スマートパーツを通じてお金を稼いだり、基盤となるコンピューティングパワーを維持したりすることができます。 しかし、この概念は未来の想像力に属しており、実用化にはまだ長い道のりがあるかもしれません。

本来のビジネスモデル、つまりユーザーへの直接支払いでは、ユーザーがより強い支払い意欲を持てるような、強い商品力が必要です。 たとえば、より高品質のデータソース、データのメリットは、AIテクノロジーの適用だけでなく、データチーム自体の能力においても、支払われるコストを上回ります。