AI Layer1 研究レポート:分散型AIの肥沃な土壌を探る

概要

近年、OpenAI、Anthropic、Google、Metaなどの大手テクノロジー企業が大規模言語モデル（LLM）の急速な進展を推進し続けています。LLMはさまざまな業界で前例のない能力を示し、人類の想像力の範囲を大きく広げており、特定のシーンでは人間の労働を代替する可能性さえ示しています。しかし、これらの技術の核心は少数の分散化されたテクノロジー大手によってしっかりと掌握されています。豊富な資本と高額な計算リソースの管理を駆使して、これらの企業は越え難い障壁を築き、ほとんどの開発者や革新チームが対抗することが難しくなっています。

同時に、AIの急速な進化の初期において、社会の世論はしばしば技術のもたらす突破口や便利さに焦点を当て、プライバシー保護、透明性、安全性といった核心的な問題への関心は相対的に不足しています。長期的に見ると、これらの問題はAI業界の健全な発展と社会的受容度に深く影響するでしょう。もし適切に解決できなければ、AIが"善"に向かうのか"悪"に向かうのかという議論はますます際立ってくるでしょう。一方で、分散化の巨頭は利益追求の本能に駆動され、これらの課題に積極的に対処するための十分な動機を欠くことが多いのです。

ブロックチェーン技術は、その分散化、透明性、検閲耐性の特性により、AI業界の持続可能な発展に新たな可能性を提供しています。現在、Solana、Baseなどの主流のブロックチェーン上には、多くの「Web3 AI」アプリケーションが登場しています。しかし、深く分析すると、これらのプロジェクトには依然として多くの問題が存在します。一方では、分散化の程度が限られており、重要なプロセスやインフラが依然として中央集権のクラウドサービスに依存しており、meme属性が強すぎて、真の意味でのオープンエコシステムを支えるのが難しいです。他方では、Web2のAI製品と比較して、オンチェーンのAIはモデル能力、データ利用、アプリケーションシーンなどの面で依然として限界があり、革新の深さと幅を向上させる必要があります。

真に分散化AIのビジョンを実現し、ブロックチェーンが安全かつ効率的に、民主的に大規模AIアプリケーションを支えることができ、性能面で中央集権的なソリューションと対抗できるようにするためには、AIのために特別に設計されたLayer1ブロックチェーンを構築する必要があります。これはAIのオープンイノベーション、ガバナンスの民主化、データの安全性に対する堅固な基盤を提供し、分散化AIエコシステムの繁栄発展を促進します。

! BiteyeとPANewsが共同でAIレイヤー1研究レポートをリリース:オンチェーンDeAIの肥沃な土壌を見つける

AIレイヤー1のコア機能

AI Layer 1は、AIアプリケーションのために特別に設計されたブロックチェーンとして、基盤アーキテクチャと性能設計がAIタスクのニーズに密接に関連しており、チェーン上のAIエコシステムの持続的な発展と繁栄を効率的に支えることを目的としています。具体的には、AI Layer 1は以下のコア能力を備えるべきです:

1. 効率的なインセンティブと分散化コンセンサスメカニズム AI Layer 1の核心は、オープンな計算力、ストレージなどのリソースの共有ネットワークを構築することにあります。従来のブロックチェーンノードが主に帳簿記録に焦点を当てているのとは異なり、AI Layer 1のノードはより複雑なタスクを担う必要があります。計算力を提供し、AIモデルのトレーニングや推論を完了するだけでなく、ストレージ、データ、帯域幅などの多様なリソースを貢献する必要があります。これにより、AIインフラストラクチャにおける中央集権的な巨大企業の独占を打破します。これは、基盤のコンセンサスとインセンティブメカニズムに対してより高い要求を投げかけます: AI Layer 1は、AI推論、トレーニングなどのタスクにおけるノードの実際の貢献を正確に評価、インセンティブを与え、検証できる必要があります。ネットワークの安全性とリソースの効率的な配分を実現します。これによってのみ、ネットワークの安定性と繁栄を保証し、全体の計算力コストを効果的に削減できるのです。

2. 卓越な高性能と異種タスクサポート能力 AIタスク、特にLLMのトレーニングと推論は、計算性能と並列処理能力に非常に高い要求を提出します。さらに、オンチェーンAIエコシステムは、異なるモデル構造、データ処理、推論、ストレージなどの多様な異種タスクタイプをサポートする必要があります。AI Layer 1は、基盤アーキテクチャにおいて高スループット、低遅延、弾力的な並列処理などの要求に対して深く最適化し、異種計算リソースに対するネイティブサポート能力を事前に設定し、さまざまなAIタスクが効率的に実行されることを保証し、「単一型タスク」から「複雑多元エコシステム」へのスムーズな拡張を実現しなければなりません。

3. 検証可能性と信頼できる出力の保障 AI Layer 1は、モデルの悪用やデータ改ざんなどのセキュリティリスクを防ぐだけでなく、AI出力結果の検証可能性と整合性を底層メカニズムから保証する必要があります。信頼できる実行環境（TEE）、ゼロ知識証明（ZK）、多者安全計算（MPC）などの最前線技術を統合することで、プラットフォームはモデル推論、トレーニング、データ処理のプロセスを独立して検証できるようにし、AIシステムの公正性と透明性を確保します。同時に、この検証可能性はユーザーがAI出力の論理と根拠を明確に理解するのに役立ち、「得られるものは望み通り」であり、ユーザーのAI製品に対する信頼と満足度を向上させます。

4. データプライバシー保護 AIアプリケーションは、金融、医療、ソーシャルなどの分野でユーザーのセンシティブなデータを扱うことが多く、データプライバシー保護は特に重要です。AI Layer 1は、検証可能性を確保しつつ、暗号化に基づくデータ処理技術、プライバシー計算プロトコル、データ権限管理などの手段を採用して、推論、トレーニング、保存などのプロセス全体におけるデータの安全性を確保し、データの漏洩や悪用を効果的に防ぎ、ユーザーのデータ安全に対する懸念を解消します。

5. 強力なエコシステムのサポートと開発能力 AIネイティブのLayer 1インフラとして、プラットフォームは技術的な先進性を持つだけでなく、開発者、ノードオペレーター、AIサービスプロバイダーなど、エコシステムの参加者に対して、充実した開発ツール、統合SDK、運用サポート、インセンティブメカニズムを提供する必要があります。プラットフォームの可用性と開発者体験を継続的に最適化することによって、豊かで多様なAIネイティブアプリケーションの実現を促進し、分散化されたAIエコシステムの持続的な繁栄を実現します。

以上の背景と期待に基づき、この記事ではSentient、Sahara AI、Ritual、Gensyn、Bittensor、そして0Gを含む6つのAI Layer1代表プロジェクトを詳細に紹介し、レースの最新の進展を整理し、プロジェクトの発展状況を分析し、今後のトレンドについて考察します。

! BiteyeとPANewsが共同でAIレイヤー1研究レポートをリリース:オンチェーンDeAIの肥沃な土壌を見つける

Sentient：忠実なオープンソース分散化AIモデルを構築する

プロジェクト概要

Sentientはオープンソースのプロトコルプラットフォームであり、AI Layer1ブロックチェーン(の構築に取り組んでいます。初期段階はLayer 2で、その後Layer 1)に移行します。AI Pipelineとブロックチェーン技術を組み合わせることで、分散化された人工知能経済体を構築します。コアの目標は、"OML"フレームワーク（オープン、収益性、忠誠）を通じて、中央集権化されたLLM市場におけるモデルの帰属、呼び出しの追跡、価値の分配の問題を解決し、AIモデルがチェーン上の所有権構造、呼び出しの透明性、価値の分配を実現できるようにすることです。Sentientのビジョンは、誰もがAI製品を構築、協力、所有し、貨幣化できるようにして、公正でオープンなAIエージェントネットワークエコシステムを推進することです。

Sentient Foundation チームは、世界中のトップクラスの学術専門家、ブロックチェーン起業家、エンジニアを集結させ、コミュニティ主導のオープンソースで検証可能な AGI プラットフォームの構築に取り組んでいます。コアメンバーにはプリンストン大学の教授 Pramod Viswanath とインド科学研究所の教授 Himanshu Tyagi が含まれ、それぞれ AI の安全性とプライバシー保護を担当し、Polygon の共同創設者 Sandeep Nailwal がブロックチェーン戦略とエコシステムの設計を主導しています。チームメンバーのバックグラウンドは Meta、Coinbase、Polygon などの著名企業、そしてプリンストン大学、インド工科大学などのトップ校にわたり、AI/ML、NLP、コンピュータビジョンなどの分野をカバーし、プロジェクトの実現に向けて協力しています。

Polygonの共同創業者であるSandeep Nailwal氏の2番目のベンチャー企業であるSentientは、創業以来独自のオーラを持ち、豊富なリソース、コネクション、市場での認知度を持ち、プロジェクトの発展を強く支持しています。 2024年半ば、Sentientは、Founders Fund、Pantera、Framework Venturesが主導する8,500万ドルのシードラウンドを完了し、他の投資家にはDelphi、Hashkey、Spartanなどの著名なVC数十社が含まれています。

! BiteyeとPANewsが共同でAIレイヤー1研究レポートをリリース:オンチェーンDeAIの肥沃な土壌を見つける

設計アーキテクチャとアプリケーション層

インフラストラクチャレイヤー

コアアーキテクチャ

Sentientのコアアーキテクチャは、AIパイプラインと分散化システムの2つの部分で構成されています:

AIパイプラインは"忠実なAI"アーティファクトを開発およびトレーニングするための基盤であり、2つのコアプロセスを含みます:

• データキュレーション（Data Curation）：コミュニティ主導のデータ選択プロセスで、モデルの整合性に使用されます。
• 忠誠度トレーニング（Loyalty Training）：モデルがコミュニティの意図に一致したトレーニングプロセスを維持することを保証します。

ブロックチェーンシステムはプロトコルに透明性と分散化制御を提供し、AIアーティファクトの所有権、使用追跡、収益分配、及び公正なガバナンスを確保します。具体的なアーキテクチャは4層に分かれています:

• ストレージ層：モデルの重みと指紋登録情報を保存する；
• 配信層：権限契約がモデル呼び出し入口を制御する；
• アクセス層：権限証明を通じてユーザーが承認されているかを検証する；
• インセンティブ層：収益ルーティング契約は、各呼び出しの支払いをトレーナー、デプロイヤー、検証者に配分します。

! BiteyeとPANewsが共同でAIレイヤー1研究レポートをリリース:オンチェーンDeAIの肥沃な土壌を見つける

OML モデルフレームワーク

OML フレームワーク（オープン Open、マネタイズ可能 Monetizable、ロイヤル Loyal）は、Sentient によって提唱されたコア概念であり、オープンソース AI モデルに明確な所有権保護と経済的インセンティブメカニズムを提供することを目的としています。チェーン上の技術と AI ネイティブ暗号学を組み合わせることにより、以下の特徴を持っています:

• オープン性：モデルはオープンソースでなければならず、コードとデータ構造が透明であり、コミュニティによる再現、監査、改善が容易である。
• マネタイズ：モデルの呼び出しごとに収益の流れが発生し、オンチェーン契約は収益をトレーナー、デプロイヤー、バリデーターに分配します。
• 忠誠性： モデルは貢献者コミュニティに帰属し、アップグレードの方向性とガバナンスはDAOによって決定され、使用と変更は暗号化メカニズムによって制御される。

AIネイティブ暗号

AIネイティブ暗号は、AIモデルの連続性、低次元多様体構造、およびモデルの微分可能性を利用して、"検証可能だが削除不可能"な軽量安全メカニズムを開発したものです。そのコア技術は:

• 指紋埋め込み：トレーニング中に一組の隠れたクエリ-レスポンスキーペアを挿入してモデルのユニークな署名を形成する；
• 所有権検証プロトコル：第三者のプローバーを通じて、クエリ形式で指紋が保持されているかどうかを検証します；
• 許可呼び出しメカニズム：呼び出し前にモデルの所有者が発行した"権限証明書"を取得する必要があり、システムはこれに基づいてモデルにその入力をデコードし、正確な答えを返すことを許可します。

この方法は、再暗号化コストなしで「行動ベースの承認呼び出し + 所属検証」を実現できます。

! BiteyeとPANewsが共同でAIレイヤー1研究レポートをリリース:オンチェーンDeAIの肥沃な土壌を見つける

モデルの権利確定と安全な実行フレームワーク

Sentient 現在採用の方式は Melange混合安全: 指紋による権利確定、TEE 実行、チェーン上契約分配の組み合わせです。その中で指紋方式は OML 1.0 によって実現されており、「楽観的安全（Optimistic Security）」の思想を強調しています。つまり、デフォルトではコンプライアンスを想定し、違反があった場合には検出して罰則が科されます。

指紋メカニズムはOMLの重要な実装であり、特定の「問題-回答」ペアを埋め込むことで、モデルがトレーニング段階で独自の署名を生成できるようにします。これらの署名を通じて、モデルの所有者は帰属を検証し、不正な複製や商業化を防止できます。このメカニズムは、モデル開発者の権利を保護するだけでなく、モデルの使用行動に対して追跡可能なチェーン上の記録を提供します。

さらに、SentientはEnclave TEE計算フレームワークを導入し、信頼できる実行環境（AWS Nitro Enclavesなど）を利用して、モデルが認可されたリクエストのみに応答することを保証し、不正なアクセスや使用を防ぎます。TEEはハードウェアに依存し、一定のセキュリティリスクがありますが、その高性能とリアルタイム性の利点は、現在のモデル展開において重要なものとなっています。