提供
Featured

専門家は、AIへの信頼需要が高まる中、ZK証明がDePINに優位性をもたらすと指摘しています。

ゴールドマン・サックスが提示した、人工知能(AI)関連の設備投資額が7.6兆ドルに達するという基本シナリオは、結局のところ、AI専用シリコンがどれほど長く有用であり続けるかにかかっています。分散型ネットワークは大幅なコスト効率化を約束しているものの、依然として遅延の問題に直面しており、専門家たちは、その長期的な存続可能性は、純粋な性能よりも検証可能性を優先するかどうかにかかっているとしています。

共有
専門家は、AIへの信頼需要が高まる中、ZK証明がDePINに優位性をもたらすと指摘しています。

Key Takeaways

  • 主なポイント:
  • ゴールドマン・サックスは、チップの寿命が3年を超えるかどうかによって、2031年までに7.6兆ドルの支出が見込まれると指摘しています。
  • StealthEXやCysicの専門家は、DePINのレイテンシーが分散型AIをライブチャットよりもバッチ処理に限定してしまうと警告しています。
  • Mapleのようなオンチェーン企業は、2028年までにティア2データセンターの500万ドルから5,000万ドルの資金調達ギャップを埋める可能性がある。

7.6兆ドルのベースライン

ゴールドマン・サックスの最近のレポートは、人工知能(AI)の需要があるかどうかという議論から、どの供給側の要因がインフラ構築の実際のコストを決定するかという議論へと焦点を移しています。同レポートは、AI設備投資のベースラインとして7.6兆ドルを予測していますが、この数値はAI用半導体の耐用年数を含む「変動要因」に極めて敏感であることを強調しています。

この耐用年数は最も重要な要因とみなされています。急速な技術革新によって、通常4~6年使える標準的なチップが3年で陳腐化し、コストが急騰する恐れがあるからです。逆に、古いチップを推論などの単純なタスクに再利用する「階層型モデル」を採用すれば、コストを安定させることができます。

データセンターの複雑さと計算需要の弾力性も、今後5年間でAIインフラに投じられる資本額に影響を与える変数とされている。電力網の容量、専門人材、電気機器の不足も、インフラ構築の長期化要因と見なされている。

一方、別の報告書はこの驚異的なインフラ支出を台頭しつつある「マシン経済」の基礎と位置づけています。このパラダイムではAIエージェントが主要な経済主体となり、高頻度の取引を実行し、リソース配分を自律的に管理します。報告書の著者らは、決済サイクルの遅さや厳格な顧客確認(KYC)枠組みを特徴とする従来の金融システムは、エージェント主導の商取引のスピードに対応する能力を根本的に欠いていると主張しています。

分散型インフラとレイテンシーのトレードオフ

その結果、このレポートは、この変革を促進するために不可欠な、許可不要の「経済のレール」として、暗号資産と分散型プロトコルを位置づけています。しかし、懐疑派は依然として警戒しており、分散型物理インフラネットワーク(DePINs)がAIの膨れ上がる資本要件を真に緩和できるのか疑問を呈しています。

StealthEXの成長部門責任者であるVadim Taszycki氏は、分散型ネットワークは大幅なコスト削減をもたらす一方で、物理的な制約に直面していると指摘する。Akashのような分散型プロバイダーがH100 GPUを1時間あたり1.48ドルでレンタルできるのに対し、Amazon Web Servicesでは12.30ドルかかるが、その代償として速度が犠牲になる。 「大手クラウドプロバイダーは [fast work] なぜなら、彼らのGPUは1つの建物内に隣接して設置され、データをマイクロ秒単位で転送する専用ケーブルで接続されているからです」とタシツキ氏は述べました。同氏は、パブリックインターネットを介して異なる国々のGPUをつなぎ合わせる分散型ネットワークでは、数ミリ秒の遅延が生じると説明しました。このレイテンシ(遅延)により、分散型オーケストレーションはバッチ処理や微調整には競争力があるものの、ユーザー体験がほぼ瞬時の応答に依存する大規模なライブチャットボットの提供には不向きとなります。

Cysic創業者のレオ・ファン氏もこの見解に同意し、分散型推論は低遅延ワークロードには適していないと主張しました。ただしファン氏は、分散型プラットフォームとAWSのようなハイパースケーラーを比較する際に、レイテンシーが適切なベンチマークではないとも論じています。

「真の難題は分散コンピューティングではなく、ノードの発見、スケジューリング、検証にあります。決定的な要因はトークン単価ではなく、検証可能性だ」とファン氏は述べました。同氏は、信頼実行環境(TEE)やゼロ知識(ZK)証明により、分散型ネットワークは「末端の遅延」よりも信頼と検証が重視される分野で競争できると指摘しました。

オンチェーン・クレジットと資金調達ギャップ

計算処理の領域を超え、注目はこうした資本集約型プロジェクトの資金調達方法へと移りつつあります。従来のプライベートクレジットには十分な資本がありますが、小規模や非標準的な案件を見落としがちです。オンチェーンクレジットには、これまで機関投資家のリミテッドパートナーに限定されていたデータセンター収益に個人投資家が参加できるという明確な利点があります。 さらに、MapleやCentrifugeのようなプラットフォームは500万ドルから5,000万ドルのレンジでシンジケーション融資を組みやすい点も特長です。このレンジは手数料に対する引受コストが高いためApolloのような企業からはしばしば見送られてきました。最後に、オンチェーン・クレジットは収益がGPUの使用量に応じて変動する新しい「pay-per-inference」モデルを可能にします。このモデルは20年の固定期間を定める従来のリース契約よりも、トークン化された収益分配構造に自然に適合します。

こうした可能性にもかかわらず、専門家らは機関投資家の採用を阻む四つの「障壁」を指摘しています。それは、破産裁判所における法的強制力、契約条項の履行を担保する改ざん防止型オラクルインフラの欠如、数十億ドル規模のトランシェに対する規制上の不確実性、そして標準化されていない税務・会計製品です。

コンセンサスでは、中規模のシンジケート取引がオンチェーンで普及するまでの現実的なタイムラインは12~24ヶ月と見込まれており、オンチェーンが主流となるメザニン債務の実現には3~5年かかる可能性が高い。最初のブレイクスルーは、Coreweaveのような業界リーダーではなく、Tier 2の事業者から生まれる可能性が高い。

MetaがNebiusに最大270億ドルを投資し、AIインフラへの熱狂が高まっています

MetaがNebiusに最大270億ドルを投資し、AIインフラへの熱狂が高まっています

MetaがNebius Groupと提携し、クラウドコンピューティング能力に270億ドルを投資する中、2026年のAI開発競争の行方を追います。 read more.

今すぐ読む
この記事のタグ