AI資産のトークン化の台頭：Web3の次なるイノベーションの波

Web3は過去5年間で数々のイノベーショントレンドを経験してきましたが、それぞれがtron魅力と市場性を持っています。これらのトレンドの中には衰退したものもあれば、tronングのように強力な影響力を持ち続けたものもあり、Web3エクスペリエンスのより成熟した機能へと進化を遂げています。.

RWAはここ数年、興味深いトレンドとなっており、トークン化された現実世界の資産で何が実現可能かを示唆しています。しかし、これらのユースケースの多くは金融資産に焦点を当てており、別の金融資産のオンチェーンホルダーとして機能します。確かにこれは一定の位置づけではありますが、市場関係者の多くは、これらのユースケースの多様性がそれほど広がっていないことに失望しています。新しいユースケースはあちこちで垣間見られ、それらが登場するたびに、RWAの世界にはまだ多くの発見が残されているというメッセージを感じます。.

ヴィタリック・ブテリン氏もこの考えを表明しており、X 上で RWA の利用望んでいると述べています。朗報は、AI 分野が他のあらゆる業界に浸透しつつあることから、この多様性が爆発的に拡大する可能性があることです。ブロックチェーンも例外ではなく、AI はここでも存在感を示しています。Web3 業界では AI のさまざまな用途が見られますが、AI 業界自体も Web3 から大きな恩恵を受ける可能性があることに気づき始めています。RWA はここで大きな可能性を秘めており、おそらく最大のユースケース、つまり AI 業界の主要資産のトークン化を実現できるでしょう。RWA が AI 業界にどのようなメリットをもたらすか、AI 関連の RWA がポートフォリオの多様化にどのように役立つか、そしてこの種のトークン化がどのように機能するかを掘り下げてみましょう。このトピックについてさらに理解を深めるために、 Cogito Finance、AI と RWA の交差点についての考えを共有してもらいました。

トークンの形でその会社の株式を購入できるようにする。

これはリスク加重資産（RWA）ではないか？

（私はRWAを支持しており、アプリが単一の発行体や資産クラスのシステミックリスクにさらされることなく利用できるよう、オンチェーン上でより多様なRWAが利用されることを望んでいます。）

— vitalik.eth (@VitalikButerin) 2024年8月26日

RWAは金融の枠を超えて進化する必要がある

前述の通り、今日のリスク加重資産（RWA）は、伝統的な金融資産に過度に依存する傾向があります。これは、これらの資産が良くないとか、トークン化が良くないという意味ではありません（資産自体 も トークン化も優れています）。米国短期国債（T-Bills）のような低リスク資産に連動するRWAは、分散投資ポートフォリオの優れた構成要素となり得ます。T-Billsは暗号資産市場とは無関係であるため、価格の急激な変動からさらに保護され、ポートフォリオに求められる安定性をもたらします。ここまでは順調ですよね？  

問題は、リスクアセットがこれらの金融商品の代理資産となり、実際にはそれほど多様ではないにもかかわらず、あたかも多様性があるかのように見せかけてしまうことです。そうではなく、リスクアセットを非金融資産と結び付け、それらの資産をポートフォリオにしっかりとしたバランスで組み込むための新たな方法を見つける必要があります。AI業界にとって、これらの資産には、AIモデルそのもの、モデルの学習に使用されるデータセット、そして実際にモデルを処理能力によって実行するGPUが含まれます。.  

RWA形式のこれら3つの新たな資産は、トレーディング・ポートフォリオのバランスをさらに改善するのに役立ちます。しかし、利回りの面ではどのような位置づけなのでしょうか？  

チェン氏によると、「トークン化されたAI資産は一般的に高いリスクとリターンのプロファイルを伴いますが、その市場環境、特にAIサービスの急速な成長を考慮することが不可欠です。これらの資産は、AIサービスの急速な成長に牽引され、既に高い需要があります。さらに、AIは今後も存在し続けるため、長期的には、トークン化とこれらの資産への投資が一般的になるでしょう。トークン化されたAI経済は、初期段階では（従来の金融市場と比較して）流動性が低くなる可能性がありますが、trac多くの投資家にとって魅力的な新興市場を創出するでしょう。」

AIのトークン化

AI分野において、トークン化の可能性はポートフォリオに独自の機会をもたらすだけでなく、AI資産そのものの観点からも切実に求められています。GPUは、特にAIモデルの学習に最大限の利用が必要で、必ずしも運用に必要ではない場合、法外な価格になる可能性があります。これは大きな効率性の問題を引き起こし、リンクされた複数のGPUを同期させて様々なジョブを処理することで、ハードウェアを最大限に活用できるという問題が生じます。GPUをトークン化できれば、その使用状況を監視し、収益化することができます。さらに、GPU（処理負荷が高い場合は複数）の高コストは非常に大きな負担となりますが、RWAの部分所有は、コストと利益の両方を分配するのに役立ちます。.

チェン氏は、AIモデルをトークン化する方法についても論じています。「重要な利点の一つは、従来の形式では非常に困難であった知的財産権の行使という問題を解決できることです。トークン化によって、AI研究者はトークン化されたモデルをマーケットプレイスに出品し、知的財産権をトークン自体に直接埋め込むことで、モデルを収益化することができます。」

これは非常に重要な利点であり、AIモデルの処理を完全に制御できるため、情報を漏洩して知的財産が盗まれるリスクがありません。所有権を分割することで、メンバーは保有資産を売買することができ、物理的な資産が売買されなくても、完全に流動性の高い市場が形成されます。.

AIモデルの学習に必要なデータセットの管理方法も変革する必要があります。従来のデータブローカーは、データとプロセスに対する過度なレベルのtronに慣れていました。Web3では、プロセスははるかに民主的です。チェン氏はデータブローカーについて次のように述べています。「多くの従来のデータブローカーは、データに対する過度なコントロールを許容する形で運営されています。しかし、データプロバイダーがデータの収益化方法に関してより高い透明性とコントロールを求めるにつれて、これらの企業は進化する市場基準に合わせて適応していく必要があります。言い換えれば、従来のデータブローカーとトークン化プラットフォームとの提携の可能性は十分に考えられます。」

今後の展望

AIはそれ自体が革命的な存在ですが、多くの業界に浸透しています。Web3も例外ではなく、AIを最大限に活用し、RWAのあるべき姿を再defiしようとしています。Web3は、部分所有権、AIモデルの有効ライフサイクルに合わせて進化するプログラマブルトークン、コミュニティがデータセットを構築・運用する機能など、AI業界にも多くのメリットをもたらすことができます。私たちは、これら2つの技術が今後どのように発展していくのかを注視し、両技術が融合し、より多くのメリットを生み出すことを期待しています。.