# AIとWeb3の融合:現状・課題・今後の展望## I. はじめに:AI + Web3の開発近年、人工知能(AI)とWeb3技術の急速な発展が世界的に広く注目されています。AIは人間の知能を模倣・再現する技術として、顔認識、自然言語処理、機械学習などの分野で重大な突破を遂げ、各業界に巨大な変革と革新をもたらしています。AI業界の市場規模は2023年に2000億ドルに達し、OpenAI、Character.AI、Midjourneyなどの業界の巨頭や優れたプレイヤーが雨後の筍のように次々と現れ、AIブームを牽引しています。一方で、Web3は新興のネットワークモデルとして、私たちのインターネットに対する認識や使用方法を徐々に変えています。Web3は去中心化されたブロックチェーン技術に基づき、スマートコントラクト、分散ストレージ、去中心化アイデンティティ認証などの機能を通じて、データの共有と制御、ユーザーの自治および信頼メカニズムの構築を実現しています。Web3の核心理念は、データを中央集権的な権威機関の手から解放し、ユーザーにデータの制御権とデータ価値の共有権を与えることです。現在、Web3業界の時価総額は25兆に達し、Bitcoin、Ethereum、Solana、あるいはアプリケーションレイヤーのUniswap、Stepnなどのプレイヤーにおいて、新しい物語やシーンが次々と現れ、ますます多くの人々がWeb3業界に参加することを引き付けています。AIとWeb3の融合は、東西のビルダーとVCが非常に注目している分野であり、両者をどのようにうまく融合させるかは探求する価値のある問題です。この記事では、AI+Web3の発展状況に焦点を当て、この融合がもたらす潜在的な価値と影響を探ります。まず、AIとWeb3の基本概念と特徴を紹介し、それらの相互関係について考察します。その後、現在のAI+Web3プロジェクトの状況を分析し、直面している限界や課題について深く議論します。このような研究を通じて、投資家や関連業界の従事者に有益な参考と洞察を提供できることを期待しています。! [新参者科学の普及丨詳細分析:AIとWeb3はどんな火花と衝突できるのか? ](https://img-cdn.gateio.im/social/moments-3a464664dade44c046b5c1451f1cf968)## 次に、AIがWeb3と対話する方法AIとWeb3の発展は、天秤の両側のようなもので、AIは生産性の向上をもたらし、Web3は生産関係の変革をもたらします。それでは、AIとWeb3はどのような火花を散らすのでしょうか?次に、AIとWeb3業界がそれぞれ直面している困難と改善の余地を分析し、その後、互いにどのようにこれらの困難を解決するのかを探っていきます。### 2.1 AI業界が直面している困難AI業界が直面している困難を探るためには、まずAI業界の本質を見てみる必要があります。AI業界の核心は、計算能力、アルゴリズム、データの3つの要素から成り立っています。1. 計算能力:計算能力は、大規模な計算と処理を行う能力を指します。AIタスクは通常、大量のデータを処理し、複雑な計算を行う必要があります。例えば、深層神経ネットワークモデルのトレーニングなどです。高強度の計算能力は、モデルのトレーニングと推論プロセスを加速し、AIシステムの性能と効率を向上させます。近年、ハードウェア技術の発展に伴い、グラフィックプロセッサ(GPU)や専用のAIチップ(TPUなど)のような技術が進化し、計算能力の向上はAI業界の発展に重要な推進力を与えています。近年株価が急騰しているNvidiaは、GPUの提供者として多くの市場シェアを占め、高い利益を上げています。2. アルゴリズム:アルゴリズムはAIシステムの核心を成す要素であり、問題解決やタスク実行のための数学的および統計的手法です。AIアルゴリズムは、従来の機械学習アルゴリズムと深層学習アルゴリズムに分類され、特に近年は深層学習アルゴリズムが大きな進展を遂げています。アルゴリズムの選択と設計はAIシステムの性能や効果にとって極めて重要です。絶え間ない改善と革新が行われるアルゴリズムは、AIシステムの正確性、堅牢性、および一般化能力を向上させることができます。異なるアルゴリズムは異なる効果を持つため、アルゴリズムの向上はタスクの効果を達成する上で重要です。3. データ:AIシステムの核心的なタスクは、学習とトレーニングを通じてデータ内のパターンや規則を抽出することです。データはモデルのトレーニングと最適化の基礎であり、大規模なデータサンプルを通じて、AIシステムはより正確で、よりインテリジェントなモデルを学ぶことができます。豊富なデータセットは、より包括的かつ多様な情報を提供し、モデルが見たことのないデータに対してより良く一般化できるようにし、AIシステムが現実世界の問題をより良く理解し解決するのに役立ちます。! [新参者科学の普及丨詳細分析:AIとWeb3はどんな火花と衝突できるのか? ](https://img-cdn.gateio.im/social/moments-166b11addde400b95cef849db8a9f96d)現在のAIの核心的な三要素を理解した後、これらの三つの側面でAIが直面している困難と挑戦を見てみましょう:1. 計算能力の面:AIタスクは通常、モデルのトレーニングや推論に大量の計算リソースを必要とします。特に深層学習モデルにとってはそうです。しかし、大規模な計算能力を取得し管理することは、高価で複雑な課題です。高性能計算デバイスのコスト、エネルギー消費、メンテナンスはすべて問題です。特にスタートアップ企業や個人開発者にとっては、十分な計算能力を得ることが困難な場合があります。2. アルゴリズムの面:深層学習アルゴリズムは多くの分野で巨大な成功を収めていますが、いくつかの困難や課題も存在します。例えば、深層神経ネットワークのトレーニングには大量のデータと計算リソースが必要であり、特定のタスクにおいてはモデルの解釈性や説明可能性が不足している可能性があります。さらに、アルゴリズムのロバスト性と一般化能力も重要な問題であり、モデルが未見のデータでどのように機能するかは不安定な場合があります。数多くのアルゴリズムの中で、最良のアルゴリズムを見つけて最良のサービスを提供することは、常に探究し続けるプロセスです。3. データ面:データはAIの原動力ですが、高品質で多様なデータを取得することは依然として課題です。いくつかの分野ではデータの取得が難しい場合があります。例えば、医療分野のセンシティブな健康データです。さらに、データの質、正確性、ラベル付けも問題であり、不完全または偏ったデータはモデルの誤った動作や偏りを引き起こす可能性があります。同時に、データのプライバシーとセキュリティを保護することも重要な考慮事項です。さらに、説明可能性や透明性などの問題も存在しており、AIモデルのブラックボックス特性は公衆の関心事です。金融、医療、司法などの特定のアプリケーションにおいては、モデルの意思決定プロセスは説明可能で追跡可能である必要がありますが、既存の深層学習モデルはしばしば透明性に欠けています。モデルの意思決定プロセスを説明し、信頼できる説明を提供することは依然として課題です。それに加えて、多くのAIプロジェクトのビジネスモデルは明確ではなく、この点が多くのAI起業家を困惑させています。### 2.2 Web3業界が直面している課題Web3業界においては、現在多くの異なる側面で解決すべき課題が存在しています。Web3のデータ分析や、Web3製品のユーザー体験の悪さ、さらにはスマートコントラクトのコードの脆弱性やハッキングの問題など、改善の余地が多くあります。そして、AIは生産性を向上させるツールとして、これらの分野でも多くの潜在的な活用の余地があります。まずはデータ分析と予測能力の向上です:AI技術のデータ分析および予測への応用は、Web3業界に巨大な影響をもたらしました。AIアルゴリズムによるインテリジェントな分析と掘り起こしを通じて、Web3プラットフォームは膨大なデータから価値のある情報を抽出し、より正確な予測と意思決定を行うことができます。これは、分散型金融(DeFi)分野におけるリスク評価、市場予測、資産管理などにおいて重要な意義を持ちます。さらに、ユーザー体験とパーソナライズされたサービスの改善も実現できます:AI技術の応用により、Web3プラットフォームはより良いユーザー体験とパーソナライズされたサービスを提供できます。ユーザーデータの分析とモデリングを通じて、Web3プラットフォームはユーザーに対してパーソナライズされた推奨、カスタマイズされたサービス、そしてインテリジェントなインタラクション体験を提供できます。これはユーザーの参加度と満足度を向上させ、Web3エコシステムの発展を促進するのに役立ちます。たとえば、多くのWeb3プロトコルがChatGPTなどのAIツールを接続して、ユーザーにより良いサービスを提供しています。安全性とプライバシー保護の観点から、AIの応用はWeb3業界にも深遠な影響を与えています。AI技術は、ネットワーク攻撃の検出と防御、異常行動の識別、そしてより強力なセキュリティ保障の提供に利用できます。同時に、AIはデータプライバシー保護にも応用可能であり、データ暗号化やプライバシー計算などの技術を通じて、Web3プラットフォーム上でのユーザーの個人情報を保護します。スマートコントラクトの監査に関しては、スマートコントラクトの作成と監査の過程で脆弱性やセキュリティリスクが存在する可能性があるため、AI技術は契約の自動監査と脆弱性検出に利用され、契約の安全性と信頼性を向上させることができます。Web3業界が直面している困難と潜在的な改善の余地に対して、AIは多くの面で参加し、支援することができることがわかります。! [新参者科学の普及丨詳細分析:AIとWeb3はどんな火花と衝突できるのか? ](https://img-cdn.gateio.im/social/moments-de2f6c381547c3d62e1f40e50f67e32d)## 三、AI+Web3プロジェクトの現状分析AIとWeb3を組み合わせたプロジェクトは、主に2つの大きな側面から取り組んでいます。1つはブロックチェーン技術を利用してAIプロジェクトのパフォーマンスを向上させること、もう1つはAI技術を利用してWeb3プロジェクトの向上に貢献することです。2つの側面を中心に、多くのプロジェクトがこの道を探索しています。Io.net、Gensyn、Ritualなど、さまざまなプロジェクトが含まれています。次に、この記事では、AIがWeb3をサポートすることと、Web3がAIをサポートすることの異なるサブトラックについて、現状と発展状況を分析します。### 3.1 Web3がAIを支援する#### 3.1.1分散型コンピューティングパワーOpenAIが2022年末にChatGPTを発表して以来、AIブームが巻き起こりました。発表から5日でユーザー数は100万人に達し、それ以前にInstagramは約2ヶ月半かかって100万ダウンロードに到達しました。その後、ChatGPTの成長も非常に急速で、2ヶ月以内に月間アクティブユーザー数は1億に達し、2023年11月には週間アクティブユーザー数も1億に達しました。ChatGPTの登場に伴い、AI分野は急速にニッチな領域から注目される業界へと成長しました。Trendforceの報告によると、ChatGPTは運用するために30000個のNVIDIA A100 GPUを必要とし、将来的なGPT-5はさらに多くの計算能力を必要とするとのことです。このため、AI企業間で軍拡競争が始まり、十分な計算能力を手に入れた者だけがAI戦争で十分な推進力と優位性を確保できるようになり、その結果、GPUの不足現象が生じています。AIの台頭前、GPUの最大の供給者であるNVIDIAの顧客は、主に3つのクラウドサービスに集中していました:AWS、Azure、GCP。人工知能の興隆に伴い、MetaやOracleなどの大手テクノロジー企業を含む多くの新しいバイヤーが登場し、人工知能モデルのトレーニングのためにGPUを蓄積する戦争に参戦しました。Metaやテスラなどの大企業は、カスタムAIモデルや内部研究の購入量を大幅に増加させました。Anthropicのような基盤モデル企業やSnowflake、Databricksのようなデータプラットフォームも、顧客に人工知能サービスを提供するためにより多くのGPUを購入しました。昨年のSemi Analysisが言及した「GPUの富者とGPUの貧者」のように、少数の企業が2万以上のA100/H100 GPUを所有しており、チームメンバーはプロジェクトに100から1000のGPUを使用できます。これらの企業は、クラウドプロバイダーであったり、独自のLLMを構築しているもので、OpenAI、Google、Meta、Anthropic、Inflection、Tesla、Oracle、Mistralなどが含まれます。しかし、大部分の企業はGPUが不足しており、わずかに存在するGPUで苦労しながら、エコシステムの発展を促進するのが難しいことに多くの時間と労力を費やしています。この状況はスタートアップ企業に限ったことではありません。最も有名な人工知能企業のいくつかであるHugging Face、Databricks (MosaicML)、Together、さらにはSnowflakeのA100/H100の数は20K未満です。これらの企業は世界最高の技術者を擁しているにもかかわらず、GPUの供給数に制約があり、大企業との人工知能競争において不利な立場にあります。この不足は「GPU貧乏人」に限定されるものではなく、2023年末にはAI分野のリーダーであるOpenAIが十分なGPUを確保できず、数週間の間有料登録を停止せざるを得ず、より多くのGPU供給を調達する必要がありました。AIの急速な発展に伴い、GPUの需要側と供給側の間に深刻なミスマッチが生じており、供給不足の問題が差し迫っています。この問題を解決するために、一部のWeb3プロジェクトはWeb3の技術的特徴を組み合わせて、Akash、Render、Gensynなどを含む分散型コンピューティングサービスを提供し始めました。これらのプロジェクトの共通点は、トークンを通じて多くのユーザーが使われていないGPUコンピューティングパワーを提供することを奨励し、供給側として機能することです。
AIとWeb3の融合をめぐる現状と課題、今後の開発動向
AIとWeb3の融合:現状・課題・今後の展望
I. はじめに:AI + Web3の開発
近年、人工知能(AI)とWeb3技術の急速な発展が世界的に広く注目されています。AIは人間の知能を模倣・再現する技術として、顔認識、自然言語処理、機械学習などの分野で重大な突破を遂げ、各業界に巨大な変革と革新をもたらしています。
AI業界の市場規模は2023年に2000億ドルに達し、OpenAI、Character.AI、Midjourneyなどの業界の巨頭や優れたプレイヤーが雨後の筍のように次々と現れ、AIブームを牽引しています。
一方で、Web3は新興のネットワークモデルとして、私たちのインターネットに対する認識や使用方法を徐々に変えています。Web3は去中心化されたブロックチェーン技術に基づき、スマートコントラクト、分散ストレージ、去中心化アイデンティティ認証などの機能を通じて、データの共有と制御、ユーザーの自治および信頼メカニズムの構築を実現しています。Web3の核心理念は、データを中央集権的な権威機関の手から解放し、ユーザーにデータの制御権とデータ価値の共有権を与えることです。
現在、Web3業界の時価総額は25兆に達し、Bitcoin、Ethereum、Solana、あるいはアプリケーションレイヤーのUniswap、Stepnなどのプレイヤーにおいて、新しい物語やシーンが次々と現れ、ますます多くの人々がWeb3業界に参加することを引き付けています。
AIとWeb3の融合は、東西のビルダーとVCが非常に注目している分野であり、両者をどのようにうまく融合させるかは探求する価値のある問題です。
この記事では、AI+Web3の発展状況に焦点を当て、この融合がもたらす潜在的な価値と影響を探ります。まず、AIとWeb3の基本概念と特徴を紹介し、それらの相互関係について考察します。その後、現在のAI+Web3プロジェクトの状況を分析し、直面している限界や課題について深く議論します。このような研究を通じて、投資家や関連業界の従事者に有益な参考と洞察を提供できることを期待しています。
! 新参者科学の普及丨詳細分析:AIとWeb3はどんな火花と衝突できるのか?
次に、AIがWeb3と対話する方法
AIとWeb3の発展は、天秤の両側のようなもので、AIは生産性の向上をもたらし、Web3は生産関係の変革をもたらします。それでは、AIとWeb3はどのような火花を散らすのでしょうか?次に、AIとWeb3業界がそれぞれ直面している困難と改善の余地を分析し、その後、互いにどのようにこれらの困難を解決するのかを探っていきます。
2.1 AI業界が直面している困難
AI業界が直面している困難を探るためには、まずAI業界の本質を見てみる必要があります。AI業界の核心は、計算能力、アルゴリズム、データの3つの要素から成り立っています。
計算能力:計算能力は、大規模な計算と処理を行う能力を指します。AIタスクは通常、大量のデータを処理し、複雑な計算を行う必要があります。例えば、深層神経ネットワークモデルのトレーニングなどです。高強度の計算能力は、モデルのトレーニングと推論プロセスを加速し、AIシステムの性能と効率を向上させます。近年、ハードウェア技術の発展に伴い、グラフィックプロセッサ(GPU)や専用のAIチップ(TPUなど)のような技術が進化し、計算能力の向上はAI業界の発展に重要な推進力を与えています。近年株価が急騰しているNvidiaは、GPUの提供者として多くの市場シェアを占め、高い利益を上げています。
アルゴリズム:アルゴリズムはAIシステムの核心を成す要素であり、問題解決やタスク実行のための数学的および統計的手法です。AIアルゴリズムは、従来の機械学習アルゴリズムと深層学習アルゴリズムに分類され、特に近年は深層学習アルゴリズムが大きな進展を遂げています。アルゴリズムの選択と設計はAIシステムの性能や効果にとって極めて重要です。絶え間ない改善と革新が行われるアルゴリズムは、AIシステムの正確性、堅牢性、および一般化能力を向上させることができます。異なるアルゴリズムは異なる効果を持つため、アルゴリズムの向上はタスクの効果を達成する上で重要です。
データ:AIシステムの核心的なタスクは、学習とトレーニングを通じてデータ内のパターンや規則を抽出することです。データはモデルのトレーニングと最適化の基礎であり、大規模なデータサンプルを通じて、AIシステムはより正確で、よりインテリジェントなモデルを学ぶことができます。豊富なデータセットは、より包括的かつ多様な情報を提供し、モデルが見たことのないデータに対してより良く一般化できるようにし、AIシステムが現実世界の問題をより良く理解し解決するのに役立ちます。
! 新参者科学の普及丨詳細分析:AIとWeb3はどんな火花と衝突できるのか?
現在のAIの核心的な三要素を理解した後、これらの三つの側面でAIが直面している困難と挑戦を見てみましょう:
計算能力の面:AIタスクは通常、モデルのトレーニングや推論に大量の計算リソースを必要とします。特に深層学習モデルにとってはそうです。しかし、大規模な計算能力を取得し管理することは、高価で複雑な課題です。高性能計算デバイスのコスト、エネルギー消費、メンテナンスはすべて問題です。特にスタートアップ企業や個人開発者にとっては、十分な計算能力を得ることが困難な場合があります。
アルゴリズムの面:深層学習アルゴリズムは多くの分野で巨大な成功を収めていますが、いくつかの困難や課題も存在します。例えば、深層神経ネットワークのトレーニングには大量のデータと計算リソースが必要であり、特定のタスクにおいてはモデルの解釈性や説明可能性が不足している可能性があります。さらに、アルゴリズムのロバスト性と一般化能力も重要な問題であり、モデルが未見のデータでどのように機能するかは不安定な場合があります。数多くのアルゴリズムの中で、最良のアルゴリズムを見つけて最良のサービスを提供することは、常に探究し続けるプロセスです。
データ面:データはAIの原動力ですが、高品質で多様なデータを取得することは依然として課題です。いくつかの分野ではデータの取得が難しい場合があります。例えば、医療分野のセンシティブな健康データです。さらに、データの質、正確性、ラベル付けも問題であり、不完全または偏ったデータはモデルの誤った動作や偏りを引き起こす可能性があります。同時に、データのプライバシーとセキュリティを保護することも重要な考慮事項です。
さらに、説明可能性や透明性などの問題も存在しており、AIモデルのブラックボックス特性は公衆の関心事です。金融、医療、司法などの特定のアプリケーションにおいては、モデルの意思決定プロセスは説明可能で追跡可能である必要がありますが、既存の深層学習モデルはしばしば透明性に欠けています。モデルの意思決定プロセスを説明し、信頼できる説明を提供することは依然として課題です。
それに加えて、多くのAIプロジェクトのビジネスモデルは明確ではなく、この点が多くのAI起業家を困惑させています。
2.2 Web3業界が直面している課題
Web3業界においては、現在多くの異なる側面で解決すべき課題が存在しています。Web3のデータ分析や、Web3製品のユーザー体験の悪さ、さらにはスマートコントラクトのコードの脆弱性やハッキングの問題など、改善の余地が多くあります。そして、AIは生産性を向上させるツールとして、これらの分野でも多くの潜在的な活用の余地があります。
まずはデータ分析と予測能力の向上です:AI技術のデータ分析および予測への応用は、Web3業界に巨大な影響をもたらしました。AIアルゴリズムによるインテリジェントな分析と掘り起こしを通じて、Web3プラットフォームは膨大なデータから価値のある情報を抽出し、より正確な予測と意思決定を行うことができます。これは、分散型金融(DeFi)分野におけるリスク評価、市場予測、資産管理などにおいて重要な意義を持ちます。
さらに、ユーザー体験とパーソナライズされたサービスの改善も実現できます:AI技術の応用により、Web3プラットフォームはより良いユーザー体験とパーソナライズされたサービスを提供できます。ユーザーデータの分析とモデリングを通じて、Web3プラットフォームはユーザーに対してパーソナライズされた推奨、カスタマイズされたサービス、そしてインテリジェントなインタラクション体験を提供できます。これはユーザーの参加度と満足度を向上させ、Web3エコシステムの発展を促進するのに役立ちます。たとえば、多くのWeb3プロトコルがChatGPTなどのAIツールを接続して、ユーザーにより良いサービスを提供しています。
安全性とプライバシー保護の観点から、AIの応用はWeb3業界にも深遠な影響を与えています。AI技術は、ネットワーク攻撃の検出と防御、異常行動の識別、そしてより強力なセキュリティ保障の提供に利用できます。同時に、AIはデータプライバシー保護にも応用可能であり、データ暗号化やプライバシー計算などの技術を通じて、Web3プラットフォーム上でのユーザーの個人情報を保護します。スマートコントラクトの監査に関しては、スマートコントラクトの作成と監査の過程で脆弱性やセキュリティリスクが存在する可能性があるため、AI技術は契約の自動監査と脆弱性検出に利用され、契約の安全性と信頼性を向上させることができます。
Web3業界が直面している困難と潜在的な改善の余地に対して、AIは多くの面で参加し、支援することができることがわかります。
! 新参者科学の普及丨詳細分析:AIとWeb3はどんな火花と衝突できるのか?
三、AI+Web3プロジェクトの現状分析
AIとWeb3を組み合わせたプロジェクトは、主に2つの大きな側面から取り組んでいます。1つはブロックチェーン技術を利用してAIプロジェクトのパフォーマンスを向上させること、もう1つはAI技術を利用してWeb3プロジェクトの向上に貢献することです。
2つの側面を中心に、多くのプロジェクトがこの道を探索しています。Io.net、Gensyn、Ritualなど、さまざまなプロジェクトが含まれています。次に、この記事では、AIがWeb3をサポートすることと、Web3がAIをサポートすることの異なるサブトラックについて、現状と発展状況を分析します。
3.1 Web3がAIを支援する
3.1.1分散型コンピューティングパワー
OpenAIが2022年末にChatGPTを発表して以来、AIブームが巻き起こりました。発表から5日でユーザー数は100万人に達し、それ以前にInstagramは約2ヶ月半かかって100万ダウンロードに到達しました。その後、ChatGPTの成長も非常に急速で、2ヶ月以内に月間アクティブユーザー数は1億に達し、2023年11月には週間アクティブユーザー数も1億に達しました。ChatGPTの登場に伴い、AI分野は急速にニッチな領域から注目される業界へと成長しました。
Trendforceの報告によると、ChatGPTは運用するために30000個のNVIDIA A100 GPUを必要とし、将来的なGPT-5はさらに多くの計算能力を必要とするとのことです。このため、AI企業間で軍拡競争が始まり、十分な計算能力を手に入れた者だけがAI戦争で十分な推進力と優位性を確保できるようになり、その結果、GPUの不足現象が生じています。
AIの台頭前、GPUの最大の供給者であるNVIDIAの顧客は、主に3つのクラウドサービスに集中していました:AWS、Azure、GCP。人工知能の興隆に伴い、MetaやOracleなどの大手テクノロジー企業を含む多くの新しいバイヤーが登場し、人工知能モデルのトレーニングのためにGPUを蓄積する戦争に参戦しました。Metaやテスラなどの大企業は、カスタムAIモデルや内部研究の購入量を大幅に増加させました。Anthropicのような基盤モデル企業やSnowflake、Databricksのようなデータプラットフォームも、顧客に人工知能サービスを提供するためにより多くのGPUを購入しました。
昨年のSemi Analysisが言及した「GPUの富者とGPUの貧者」のように、少数の企業が2万以上のA100/H100 GPUを所有しており、チームメンバーはプロジェクトに100から1000のGPUを使用できます。これらの企業は、クラウドプロバイダーであったり、独自のLLMを構築しているもので、OpenAI、Google、Meta、Anthropic、Inflection、Tesla、Oracle、Mistralなどが含まれます。
しかし、大部分の企業はGPUが不足しており、わずかに存在するGPUで苦労しながら、エコシステムの発展を促進するのが難しいことに多くの時間と労力を費やしています。この状況はスタートアップ企業に限ったことではありません。最も有名な人工知能企業のいくつかであるHugging Face、Databricks (MosaicML)、Together、さらにはSnowflakeのA100/H100の数は20K未満です。これらの企業は世界最高の技術者を擁しているにもかかわらず、GPUの供給数に制約があり、大企業との人工知能競争において不利な立場にあります。
この不足は「GPU貧乏人」に限定されるものではなく、2023年末にはAI分野のリーダーであるOpenAIが十分なGPUを確保できず、数週間の間有料登録を停止せざるを得ず、より多くのGPU供給を調達する必要がありました。
AIの急速な発展に伴い、GPUの需要側と供給側の間に深刻なミスマッチが生じており、供給不足の問題が差し迫っています。
この問題を解決するために、一部のWeb3プロジェクトはWeb3の技術的特徴を組み合わせて、Akash、Render、Gensynなどを含む分散型コンピューティングサービスを提供し始めました。これらのプロジェクトの共通点は、トークンを通じて多くのユーザーが使われていないGPUコンピューティングパワーを提供することを奨励し、供給側として機能することです。