AIビジネスは儲からない？

Author: Zhang Feng

人工知能（AI）は間違いなく世界で最もホットなテクノロジーの風雲児である。AI)は間違いなく世界で最もホットな技術風雲児であり、AI技術はあらゆる産業をかつてないスピードで再構築している。しかし、ブームと喧騒の裏には、大多数のAIビジネス、特に新興企業が安定的かつ持続可能な収益への道筋を見出せていないという厳しい現実がある。彼らは、技術的繁栄と商業的損失が共存する「良いが良くない」というジレンマに陥っているのだ。

なぜ彼らは損をしているのか？

AIビジネスの収益性のジレンマは、技術そのものの失敗から生じているのではなく、むしろ中央集権的な開発モデルによる構造的矛盾から生じている。

極端な中央集権化：高コストと寡占。現在主流のAI、特に大きなモデルは、典型的な「資産の多い」産業です。そのトレーニングや推論プロセスは、膨大なコンピューティング・パワー（GPU）、ストレージ、電力を消費する。このため、莫大な資本を持ち、数億ドル、数十億ドルを投資する余裕のあるテック大手（グーグル、マイクロソフト、OpenAIなど）と、コンピューティング・パワーを利用するためにクラウド・サービス・プロバイダーに資金調達の大部分を支払わなければならず、利益率が極端に圧迫されている多数の新興企業との間で二極化が進んでいる。利益率は極端に圧迫されている。このモデルは「算術的寡頭政治」を生み出し、イノベーションの活力を抑制する。例えば、OpenAIでさえ、開発の初期段階でChatGPTの研究開発と運営をサポートするために、マイクロソフトの莫大な投資と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ていた。大半のプレイヤーにとって、高い固定費により、規模を拡大しても収益性を達成することは難しい。

データのジレンマ：品質の障壁とプライバシーリスク。AIの燃料はデータです。中央集権型のAI企業は通常、高品質で大規模なトレーニングデータにアクセスするために、2つの大きな課題に直面しています。1つは、データ取得のコストが高いことだ。有償取得、データラベリング、ユーザーデータの活用のいずれにせよ、膨大な費用と時間がかかる。2つ目は、データプライバシーとコンプライアンスリスクが大きいことだ。世界的なデータ規制（GDPR、CCPAなど）が強化される中、ユーザーの明示的な承認なしにデータを収集・利用すれば、いつでも法的措置や巨額の罰金につながる可能性がある。例えば、いくつかの有名なハイテク企業は、データ使用に関して高額の罰金に直面している。データがなければAIを開発することはできないが、データにアクセスして使用することは難しいというパラドックスが生まれる。

価値の分配の不均衡：貢献者やクリエイターは恩恵から除外されている。現在のAIエコシステムでは、価値の分配が非常に不平等です。AIモデルのトレーニングは、無数のユーザーが生成した行動データ、クリエイターが制作したコンテンツ（テキスト、画像、コードなど）、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、これらの中心的貢献者は、AIモデルによって生み出される巨大な商業的価値から、ほとんど何の見返りも受け取っていない。これは単なる倫理的問題ではなく、持続不可能なビジネスモデルである。データ提供者やコンテンツ制作者のやる気を失わせ、長期的には、AIモデルの継続的な最適化と革新の根源を侵食してしまう。その一例として、多くのアーティストや作家が、AI企業が自分たちの作品をトレーニングや利益のために無報酬で使用していると非難しており、広範な論争や法廷闘争を巻き起こしている。

II.収益性のため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、分散コンピューティングを組み込んだ新しいパラダイムである。分散化を通じてAIの生産関係を再構築することで、前述の3つの主要なペインポイントをターゲットとし、収益性の可能性を切り開くことを目的としている。世界中のアイドルノード（PC、データセンターなど）。 これは「GPUのためのAirbnb」に似ており、演算コストを大幅に削減する演算のためのグローバルな競争市場を作り出します。参加者は演算に貢献することでトークンのインセンティブを受け、リソースの最適な割り当てが可能になります。

DeAIは、連合学習や同形暗号化などの技術によって最適化された、演算能力のためのグローバルな競争市場です。ホモモーフィック暗号化」などの技術により、DeAIは「データは動かず、モデルが動く」ことを実現しています。 生データを一箇所に集中させる必要はなく、ローカル学習のためにモデルをさまざまなデータソースに分散させ、暗号化されたパラメータ更新のみを集約します。これにより、分散型データの価値を法的に遵守しながら、データのプライバシーを根本的に保護することができる。データ所有者は、自分のデータを利用可能にするかどうか、利益を生むかどうかを決定する自律性を持っている。

DeAIは「トークンエコノミクス」と「スマートコントラクト」の使用を通じて新しいシステムを構築します。スマートコントラクト」によって、DeAIは透明で公正な価値分配システムを構築しました。 Data contributors, arithmetic providers, model developers, and even model users can be automatically reward with corresponding token through smart contracts based on their contribution.これにより、AIは巨大な管理された「ブラックボックス」から、コミュニティによって構築され、管理され、共有されるオープンエコノミーへと変貌する。align: left;">従来の中央集権的なAIオペレーションをDeAIパラダイムに移行するには、テクノロジー、ビジネス、ガバナンスの3つのレベルで体系的なリファクタリングが必要です。

(i)集中型から分散型への技術的リファクタリング

公開性と透明性に基づいて、すべてのコード、モデル（一部はオープンソースにできる）、取引記録、ガバナンスの決定がチェーンにアップロードされ、オープンで透明なプロセスを保証し、信頼を必要としない協力関係を確立する。span leaf="">従来のロジスティクス・データ・プラットフォームのジレンマは、海運、陸運、倉庫などのデータが集まっているにもかかわらず、参加者が商業機密の漏洩を恐れて「共有したがらない」ため、データのサイロ化が起こり、プラットフォームの価値が限定されてしまうことだ。DeAIへの移行の核心は、生のデータを公開することなく、データの価値を解き放ち、公平にインセンティブを与えることです：

DeAIへの移行の核心は、生のデータを公開することなく、データの価値を解き放ち、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コンピューティング・ネットワークを構築する。プラットフォームはもはや中央集権的にデータを保存するのではなく、ブロックチェーン・ベースの調整レイヤーへと変化します。連合学習やその他の技術モデルを使用し、AIモデルを各企業（例えば、海運会社、倉庫）のローカルサーバーに「パラシュート」して学習させ、暗号化されたパラメータ更新のみを集約してグローバル予測モデル（例えば、貨物船の到着時間、倉庫のアウトブレイクのリスク）を共同で最適化することで、データが動かない、価値が動かないことを実現する。データは動いていないが、値は動いているのだ。

データ資産化とトークンインセンティブのビジネス実装。プラットフォームのユーティリティポイントを発行し、ポイント報酬を得るために "マイニング "にデータ（モデルパラメータ）の貢献を通じて物流企業。川下の顧客（荷主など）は、生データを購入する代わりに、精度の高い「予測」（来週の特定のルートの定時性など）に対してトークンを支払う。収益はスマートコントラクトを通じてデータ貢献者に自動的に分配される。

業界を構築するガバナンス業界を構築するガバナンスDAO主要な決定事項（例：新機能の開発、料金の調整）は、以下のように管理されています。新機能の開発やレートの調整など）は、トークン保有者（つまりコア参加者）の共同投票によって管理され、プラットフォームを民間企業の支配から産業コミュニティへと変貌させます。

プラットフォームは、データ仲介手数料を引き出そうとする中央集権的な組織から、共同構築、共同統治、共有という物流業界チェーン全体の神経系へと変容し、信頼問題を解決することで業界コラボレーションの効率とリスク回復力を大幅に向上させた。

第四に、コンプライアンスとセキュリティ

その有望な将来にもかかわらず、DeAIはまだ開発の初期段階にあり、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不確実性。データ規制の面では、たとえデータがモバイルでなくても、フェデレイテッド・ラーニングのようなモデルは、個人データを処理する際、GDPRのような規制における「目的の制限」を厳守する必要があります、GDPRなどの規制における「データ最小化」とユーザーの権利（忘れられる権利など）。プロジェクトは、準拠したデータ承認およびオプトアウトの仕組みを設計しなければならない。text=""> プロジェクトによって発行されたトークンは、さまざまな国の規制当局（米国のSECなど）によって有価証券として認識される可能性が高いため、規制当局による厳しい監視にさらされます。トークンの経済モデルを設計する際にいかに法的リスクを回避するかが、プロジェクト存続の鍵となる。

コンテンツ責任チェーン上に配置されたDeAIモデルが有害、偏向、または違法なコンテンツを生成した場合、誰が責任を負うのでしょうか？モデル開発者なのか、演算プロバイダーなのか、ガバナンストークンホルダーなのか。これは既存の法制度に新たな疑問を投げかけることになる。

セキュリティとパフォーマンスの面での課題Model securityすなわちパブリックチェーン上にデプロイされたモデルは、スマートコントラクトを標的とした脆弱性の悪用や、データポイズニングによるFederated Learning Systemsの悪意のある妨害行為など、新しい攻撃ベクトルにさらされる可能性があります。

パフォーマンスのボトルネック、すなわちブロックチェーン自体のトランザクション速度（TPS）とストレージの限界は、大規模なモデル推論のための高頻度かつ低レイテンシーのリクエストをサポートできない可能性があります。そのため、レイヤー2のスケーリングスキームとオフチェーンコンピューティングを効果的に組み合わせる必要があります。

コラボレーション効率すなわち分散型コラボレーションは、公正ではあるが、中央集権型企業よりも意思決定や実行の効率が劣る可能性がある。効率性と公平性のバランスをどのように取るかは、DAOガバナンスが探求し続ける必要のある技術です。

DeAIは、生産関係の革命として、分散技術、トークンエコノミー、コミュニティガバナンスを通じて、巨人の独占を打ち破り、遊休演算とデータをグローバルに解放し、新たなAIエコシステムを構築することが期待されている。そして、より公平で、より持続可能で、潜在的により収益性の高い新しいAIエコシステムを構築する。

V.現在の探求の方向性

V. 現在の探求の方向性

V.strong>現在のAIツールの開発は、理想的な分散型AIの実現にはまだかなり遠い。私たちはまだ中央集権的なサービスの初期段階にいますが、いくつかの探求はすでに進むべき道を指し示しています。

現在。探査と今後の課題。理想的なDeAIはまだ実現されていませんが、業界はすでに、前途と乗り越えるべきハードルを見通すための貴重な試みを行っています。

例えば、マルチエージェントシステムにおけるコラボレーションの始まりです。いくつかのプロジェクトでは、AIエージェントが互いに協力し、共進化する環境の構築を模索している。例えば、AMMOプロジェクトは、マルチエージェント・フレームワークとRL Gymsシミュレーション環境を設計することで、「人とAIの共生ネットワーク」を構築し、AIエージェントが複雑なシナリオの中で協力したり競争したりすることを学習できるようにすることを目指しています。これは、DeAIの世界の基礎となる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。

もう1つの例は、インセンティブ・モデルの最初の試みです。DeAIのビジョンでは、データを貢献するユーザーと演算を提供するノードの両方が、公平に報われるべきです。一部のプロジェクトは、暗号ベースのインセンティブ・システムを通じて、エコシステムへの貢献者に直接価値を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スケール、一貫性、公平性をもって機能するかは、依然として大きな課題である。

それから、より自律的なAI：ディープ・リサーチ・クラスの製品は、特定のタスク（情報検索や分析など）に対するAIの強力な自律性を示している。これらは自律的に計画を立て、多段階の操作を実行し、結果を反復的に最適化することができます。このタスク自動化機能は、AIエージェントが将来のDeAIネットワークで独立して動作するための基礎となります。

赤い海でもがくAIの実務家にとって、古いパラダイムに引きずられるのではなく、DeAIという新しいブルーオーシャンを勇敢に受け入れるべきです。これはテクノロジーの転換であると同時に、「抽出」から「インセンティブ」へ、「クローズド」から「オープン」へというビジネス哲学の再構築でもある。