ジェンセン・ホアンは、オープンとクローズドなAIが共存すると述べる：暗号通貨と分散型AIへの影響
2026/08/02 08:06:00
NVIDIAのCEOであるジェンセン・ホアングは、オープン型とプロプライエタリ型の人工知能が共に発展すると考えており、これは主要なAI研究所間の競争を超えた広範な影響をもたらす。高度なモデルの重みがより広く利用可能になれば、次なるボトルネックはそれらをトレーニング、カスタマイズ、運用するために必要なインフラとなる。これは、分散型GPUネットワークやブロックチェーンベースのAIマーケット、Bittensorのようなプロトコルに可能性を開くが、すべての分散型AIプロジェクトや関連するトークンが成功することを保証するものではない。
暗号資産における中心的な問いは、より多くのAIモデルがダウンロード可能かどうか単純に問うものではない。分散型ネットワークが、企業や開発者が購入する意欲を持つレベルで、計算、推論、ストレージ、支払い、検証を提供できるかどうかである。ホアンの発言は、多様なAIエコシステムの必要性を強化するが、技術的パフォーマンス、ネットワークの信頼性、トークン経済、そして実際の顧客需要が、暗号資産を重要なインフラ層にするか、AI成長に関する投機的な物語にとどまるかを決定する。
ジェンセン・ホアンは、オープンシステムとクローズドシステムの間で勝者総取りの競争がAIの未来を決定すると見なしていない。2026年3月に開催されたNVIDIA GTCでの発言で、NVIDIAの創設者兼CEOは、その二分法的な選択を拒否し、「所有権とオープンの違いは存在しない。所有権とオープンの両方が存在する」と述べた。彼の主張は、グローバルなAIエコシステムが、単一の企業や開発哲学によって統制される普遍的なシステムではなく、異なるワークロード、業界、セキュリティ要件に応じて異なるモデルを必要とするという点にある。フロンティアの所有権モデルは、最大限の推論性能、管理されたセキュリティ、エンタープライズサポートを必要とするタスクを引き続きリードする一方で、オープンウェイトモデルは開発者、企業、政府にカスタマイズ、データ処理、デプロイメントにおけるより大きな制御を提供できる。
Huang、オープンとクローズドAIの議論を拒否
オープンAIとクローズドAIはしばしば競合するアプローチとして提示されますが、これらは異なるユーザー要件に対応しています。プロプライエタリモデルは通常、開発者によって管理され、アプリケーション、クラウドプラットフォーム、またはAPIを通じてアクセスされます。この構造により、顧客が複雑な機械学習インフラを運用することなく、高度なパフォーマンス、統合されたアップデート、集中型のセキュリティ保護、およびプロフェッショナルなサポートを提供できます。その代償として、ユーザーはモデルのパラメータ、トレーニングプロセス、内部セーフガードに対する可視性が制限される可能性があります。AIが組織の運用にますます深く統合されるにつれて、組織は1つのプロバイダーの価格設定、可用性、データポリシー、および使用制限に依存するようになる可能性があります。
オープンウェイトモデルは、学習済みパラメータを一般にダウンロード・変更・ユーザーが選択したインフラにデプロイできるため、異なる配布モデルを採用しています。これにより、プライベートデータセット、地域言語、科学研究、または専門的なビジネスワークフロー向けにモデルを微調整することが可能になります。組織は、レイテンシーやデータ制御が重要な自社サーバー、プライベートクラウド、またはエッジデバイス近傍でモデルを運用できます。ただし、オープンウェイトであっても、必ずしも完全なオープンソースを意味するわけではありません。学習データセット、ソースコード、セーフティ評価、開発手法が利用できない場合があり、ライセンスによって特定の利用が制限されることがあります。したがって、モデルのオープン性は単純なイエス・ノーのカテゴリーではなく、スペクトラム上の位置づけとなります。
黄のGTC発言によると、医療、金融、製造などの業界は、汎用モデル、専門モデル、オープンモデル、および独自モデルの組み合わせにますます依存するようになるでしょう。病院は、広範な医療研究に商業的な最先端システムを使用しつつ、機密性の高い患者情報をローカルにデプロイされたモデルで処理できます。金融機関は、一般的な分析に独自モデルを使用しながら、顧客情報は自社の管理下にある環境に保持できます。製造業者は、工場や産業機器の近くで小さなモデルを実行し、複雑なエンジニアリングタスクにはクラウドベースのシステムに依存できます。AIエージェントやモデルルーティングプラットフォームにより、このようなハイブリッド構造がより一般的になるでしょう。すべてのリクエストを1つのモデルに送信するのではなく、オーケストレーションシステムは、各タスクの複雑さ、機密性、コスト、応答時間の要件を評価した上で、最も適切なオプションを選択できます。日常的な文書分類は効率的なローカルモデルに割り当てられ、高度なコーディングや科学的推論はより能力の高い独自プラットフォームに送信されるかもしれません。ユーザーは複数のモデルが裏で動作しているにもかかわらず、1つのアプリケーションとやり取りすることになります。このアプローチは、不要なコストを削減し、機密情報を保護し、1つのプロバイダーへの依存を制限しながら、最先端の機能へのアクセスを維持できます。
NVIDIAのオープンモデル戦略は、黄氏のビジョンを支援します
NVIDIAの行動は、ジェンセン・ホアンのオープンおよび独自AIへの支援が公の発言を超えて実践されていることを示している。2026年3月、同社はMistral AI、Black Forest Labs、Cursor、LangChain、Perplexity、Reflection AI、Sarvam、Thinking Machines LabとNemotron Coalitionを設立した。このコンソーシアムは、研究、データセット、評価フレームワーク、専門知識、計算リソースを統合し、オープンなフロンティアモデルの開発を推進する。その最初のベースモデルはNVIDIAとMistral AIが共同開発しており、他のメンバーはテスト、トレーニング後処理、継続的な開発に貢献している。NVIDIAは、完成したモデルを広範なAIエコシステムと共有し、Nemotron 4ファミリーの基盤として活用する計画である。2026年3月までに、既存のNemotronモデルはHugging Face上で4500万回以上のダウンロードを記録しており、柔軟なAIシステムに対する大きな需要を示している。NVIDIAは7月に、東京科学大学、ソフトバンク、SB Intuitions、Stockmark、日立、NTT DATAなどの日本の組織を含む展開を通じてこの戦略を拡大し、これらの組織はNemotron技術を日本語AI、エンタープライズエージェント、通信、製造、科学アプリケーションに活用している。これらのプロジェクトは、組織が独自のデータでオープンな基盤をカスタマイズしながら、貴重な内部知識を公開せずに活用できる方法を示している。
セキュリティの進展は、オープンモデルとクローズドモデルが共存するとするフアンの主張をさらに補強している。オープンモデルは検査可能で独立したテストが可能だが、ローカルデプロイにより組織は機密情報を制御されたインフラ内に保持できる。しかし、ダウンロード可能な重みはセーフガードを削除するよう変更される可能性があり、そのリリースは取り消しが困難である。クローズドシステムは中央集権的なアクセス制御と調整されたセキュリティ更新を提供するが、不透明な依存関係や集中した障害点を生む可能性がある。2026年7月27日、NVIDIAを含む複数のテクノロジーおよびサイバーセキュリティ企業が、Open Secure AI Allianceを設立し、両方のモデルタイプが依然として必要であることを認識しながら、オープンな防御ツールの開発を推進した。この混合エコシステムを支援することは、NVIDIAがAIインフラプロバイダーとしての立場にも合致する。専有ラボ、クラウドプラットフォーム、政府、オープンモデルを実行する開発者すべてがGPU、ネットワーキング、ストレージ、電力、専用ソフトウェアを必要とする。オープン重みを自己ホストすることはモデルアクセス料を削減するが、運用コストを排除しない。したがって、将来的なアプリケーションが専有プラットフォーム、オープン重みシステム、またはハイブリッド組み合わせのいずれを使用してもNVIDIAが恩恵を受ける可能性が高いと推論するのが妥当であり、多様化したAI市場が最も可能性の高い結果である。
オープンウェイトのAIは、モデルをダウンロードしても運用コストがなくなるわけではないため、分散型コンピューティングへの需要を高める可能性があります。開発者は依然として、モデルの微調整、ユーザー要求の処理、スケールしたAIエージェントの実行にGPU、ストレージ、帯域幅、電力、技術的インフラを必要とします。これにより、独立したハードウェアプロバイダーと計算能力を求める開発者を結びつける分散型物理インフラネットワークに潜在的な役割が生まれます。分散型マーケットプレイスは、未使用のGPUをモデルのトレーニング、推論、アプリケーションホスティングのために提供可能にし、分散型ストレージシステムはデータセット、チェックポイント、AI生成コンテンツをサポートできます。仮想通貨資産は、すべての参加者が同じ企業やクラウドプラットフォームを使用する必要なく、これらのネットワーク全体で支払い、プロバイダーへの報酬、ステーキング、アクセスを調整できます。より広範なカテゴリである分散型インフラネットワークは、モデル開発を超えて、デジタルサービスを運用するために必要な物理的リソースにも及びます。中心的な機会は、オープンウェイトがモデルへのアクセス障壁を低減する一方で、インフラのボトルネックを排除しないことで、代替GPUクラウド、許可不要な推論、地理的に分散したAIホスティングの市場を拡大する可能性があることです。
ブロックチェーンネットワークは、透明な支払い、モデル所有権の記録、データの起源、機械学習出力の評価に対するインセンティブを通じて、分散型AIをサポートすることも可能です。Bittensorは、参加者が推論、計算、ストレージ、予測などのサービスを提供し、バリデーターが貢献度を評価し、プロトコルインセンティブが有用なパフォーマンスを報酬で補うような専用サブネットを通じてこの概念を実装しています。暗号資産インフラは、 AI agents in cryptoがプログラム可能なウォレットとステーブルコインによる支払いを通じてデジタルサービスを購入することも可能にします。しかし、オープンウェイトAIは自動的に分散化されるわけではありません。ダウンロード可能なモデルは、依然として中央集権的なクラウドプロバイダーによってホストされ、集中したデータセットで学習され、少数のメーカーが供給するハードウェアを通じて運用される可能性があります。分散型ネットワークは、出力の検証、プライバシー、遅延、ハードウェアの品質、サイバーセキュリティ、サービスの可用性といった難しい課題を解決しなければ、中央集権的な代替手段と一貫して競争することはできません。したがって、オープンウェイトAIと暗号資産の最も強い関連性は、モデル周辺のインフラ—つまり計算リソースがどのように供給され、貢献者がどのように報酬を受け取り、出力がどのように検証され、ユーザーが1つの仲介者に完全に依存せずにサービスにアクセスできるかどうか—にあります。
Bittensorやその他の分散型AIプロジェクトは、従来のクラウドインフラに対する代替需要の増加に伴い注目を集めていますが、これらのプロジェクトの長期的な価値は人工知能の流行だけでは決まりません。これらのネットワークは、分散型参加者が競争力のある価格で信頼性の高いトレーニング、推論、ストレージ、データサービスを提供できることを実証する必要があります。暗号トークンはプロバイダー、バリデーター、支払いを調整するのに役立ちますが、持続的な採用には、トークン報酬に主に依存しない、実際の顧客、測定可能な出力、経済活動が必要です。AI crypto sectorsの広範な分野には複数の異なるビジネスモデルが存在するため、すべてのAIトークンを同じトレンドへの露出として扱うよりも、プロジェクト単位での評価の方が有用です。
BittensorとCovenant-72Bが分散型AIの可能性を浮き彫りに
Bittensorは、AI推論、トレーニング、予測、ストレージ、コンピューティングなどのデジタルサービスを提供するために競い合う専用サブネットを通じて動作します。Bittensorサブネットのドキュメントによると、マイナーが関連するサービスを生成し、バリデーターがその品質を評価し、サブネット作成者がインセンティブメカニズムを構築し、ステーカーがTAOを通じてバリデーターを支援します。2026年3月、Templarサブネット3が720億パラメータの言語モデルであるCovenant-72Bの分散トレーニングを支援したことで、このネットワークはより広範な注目を集めました。Covenant-72Bの技術レポートによると、このモデルは、許可なしでグローバルに分散されたプロセスを通じて約1.1兆トークンで事前学習されました。Huangはこの実験を現代版のFolding@homeに例え、その分散コンピューティングアプローチを評価しました。このコメントは、NVIDIAとBittensorの提携やTAOの推奨、または分散トレーニングが既に従来のデータセンターを上回っていることを示すものではありませんでした。これは、大規模な協調トレーニングが技術的に可能であることを示しており、Bittensorのより広範な機会は、そのサブネットを有用なマシンインテリジェンスの競争的な市場に変えることにあります。
分散型コンピューティングおよびAIトークンがインフラへのアクセスを拡大する可能性
分散型コンピューティングにおける最も強い機会は、AIモデルにアクセスすることと、それを動作させるためのハードウェアを取得することとの間のギャップにある。中央集権的なクラウドプロバイダーは大規模にGPUを提供しているが、価格設定、地域ごとの可用性、容量制限、長期契約などが小規模な開発者にとって障壁となることがある。分散型ネットワークは、独立したプロバイダーからのリソースを集約し、オープンなマーケットプレイスを通じて提供しようとしている。競争力のある価格と信頼性の高いサービスを提供できれば、一時的または柔軟な容量を必要とするスタートアップ、研究者、AIエージェント開発者を支援できる可能性がある。この機会は大規模モデルのトレーニングに限定されない。推論、ファインチューニング、モデル評価、合成データ生成、継続的なエージェント実行も継続的なワークロードを生み出す可能性がある。トークンはこれらのシステム間での支払いと報酬を調整する役割を果たすが、その最も強力な使用事例は、資産がAIアプリケーションに付随する投機的なラベルとして機能するのではなく、ネットワークの必須機能を実行する際に発揮される。
技術的、セキュリティ、および中央集権化のリスクが採用を制限する可能性があります
分散型AIネットワークは、通常のブロックチェーン取引にはない課題に直面しています。AIの出力は主観的であり、評価にコストがかかるため、バリデーターがプロバイダーが本当に有用な作業を生成したのか、それともスコアリングメカニズムにのみ最適化しただけなのかを判断することが困難です。弱い評価は、操作、共謀、外部顧客に役立たないにもかかわらず報酬を得る活動を助長します。分散学習は、通信遅延、ハードウェアの不一致、参加者が切断したり不適切な更新を送信したりするリスクももたらします。ブロックチェーンは、GPUメーカー、大規模なバリデーター、データセンター、開発チームの数に限定され続ける可能性があり、支払いが分散されていても重要なレイヤーが集中したままになります。悪意のあるプロバイダー、 compromized されたキー、ソフトウェアの脆弱性、著作権または機密データの不正使用は、さらなるリスクを生み出します。したがって、既存のクラウドサービスと競争するには、信頼できるパフォーマンス、透明なガバナンス、強力なプライバシー保護、および完了した作業を検証するための信頼できる方法が必要です。
ネットワークの成長はAIトークンの価値を自動的に増加させません
AIトークンの価格は、モデルのリリース、影響力のあるコメント、および広範な市場センチメントに迅速に反応する可能性がありますが、注目が必ずしも継続的な収益を生み出すわけではありません。ネットワークはより多くのデプロイメント、トランザクション、または参加者を報告するかもしれませんが、その活動の多くはトークンの発行とインセンティブによって資金提供されています。参加者への報酬が外部顧客からの収益を一貫して上回る場合、表面的な成長は持続可能なビジネスモデルではなく、継続的な発行に依存している可能性があります。TAOその他の分散型コンピューティングトークンを評価するには、顧客からの支払い、継続的なワークロード、ハードウェアの利用率、バリデーターの独立性、プロバイダーの集中度、および活動を維持するために必要なインセンティブのコストを検討する必要があります。投資家はまた、ユーザーがサービスにアクセスするためにトークンを必要とするかどうか、ネットワーク手数料が継続的な需要を生み出しているかどうか、および発行が既存の保有者を希薄化しているかどうかを確認すべきです。Bittensorと分散型コンピューティングは、よりオープンなAI経済を支える信頼できる機会を有していますが、長期的な成功は検証可能なサービス、リピーター顧客、そして持続可能なトークン経済に依存します。
ジェンスン・ホアングの、オープン型とプロプライエタリ型のAIが共存するという見解は、組織が一つの普遍的な開発アプローチに従うのではなく、パフォーマンス、プライバシー、コスト、制御性に基づいてシステムを選択する、マルチモデル経済への道を示している。この拡大は、分散型コンピューティング、ブロックチェーンベースの支払い、Bittensorのようなインセンティブネットワークに対する意味のある需要を生み出す可能性がある。なぜなら、アクセス可能なモデル重みは依然として訓練と運用に膨大なインフラを必要とするからである。Covenant-72Bは、大規模な許可なし訓練実験が可能であることを示したが、技術的な実現可能性は商業的優位性やトークン価値を保証しない。分散型AIプロジェクトは、排出量に過度に依存することなく、出力の検証、データ保護、信頼できるサービスの提供、そして支払い顧客の獲得を実証しなければならない。暗号通貨はオープンAI経済の重要な調整・決済レイヤーとなる可能性があるが、最も強力なプロジェクトは、AIという物語を測定可能な利用、持続可能な収益、透明なトークン経済に交換することができるものになるだろう。
|
KuCoinは9周年を記念して、独自の報酬、取引アクティビティ、期間限定オファーが満載の特別プラットフォームキャンペーンを開催中です。取引所が9年間の成長とイノベーションを祝うこの機会をお見逃しなく。今すぐ公式キャンペーンページをご覧ください：
|
Bittensorは分散型クラウドコンピューティングプラットフォームと同じですか？
いいえ。分散型クラウドマーケットプレイスは主に、計算リソースを提供する独立したプロバイダーと顧客を結びつけます。Bittensorは、専門的なサブネットが推論、予測、トレーニング、ストレージその他のデジタルサービスを提供できるより広範なインセンティブネットワークです。一部のサブネットは計算関連のサービスを提供する可能性がありますが、このネットワークは1つの標準化されたGPUレンタルマーケットプレイスとして運営されていません。
オープンウェイトのAIモデルはオフラインで完全に動作できますか？
はい、ユーザーが十分なハードウェア、互換性のあるソフトウェア、およびモデルの重みのローカルコピーを備えている場合です。オフラインデプロイはプライバシーを向上させ、外部APIへの依存を減らすことができますが、大規模なモデルでは高価なGPUと大量のメモリが必要になる場合があります。インターネット接続は、モデルのダウンロード、セキュリティ更新、外部ツール、またはライブデータのために依然として必要となる場合があります。
一般のGPU所有者は分散型AIネットワークに参加できますか？
参加はネットワーク、サブネット、ワークロードの要件に依存します。一部のサービスでは消費者向けGPUを受け入れる一方、大規模なトレーニングや推論タスクにはプロフェッショナルなハードウェア、高速インターネット、大量のメモリ、安定した稼働時間が必要です。GPUを所有していても、報酬が電気代、保守費、帯域幅、機器コストを上回らない限り、収益性は保証されません。
分散型コンピューティングネットワークは、機密AIデータをどのように保護できますか？
ネットワークが分散化されているからといって、プライバシーが保証されるわけではありません。セキュアなプラットフォームは、暗号化、機密計算環境、ワークロードの分離、および制限されたデータアクセスを使用して、機密情報を保護します。組織は、プロバイダーがアップロードされたデータを閲覧できるかどうか、結果がどのように保存されるか、タスク完了後に一時ファイルがどうなるかを確認すべきです。
ハードウェアプロバイダーがAIワークロード中に切断された場合、何が起こりますか？
優れた設計のネットワークはチェックポイントを保存し、未完了の作業を再割り当てし、信頼性要件を満たさないプロバイダーにペナルティを課すことができます。中断は依然として完了時間とコストを増加させる可能性があり、特に参加者が同期を保つ必要がある分散学習中には顕著です。したがって、分散型コンピューティングサービスを評価する際には、プロバイダーの冗長性と自動復旧が重要です。
分散型GPUコンピューティングは、常に集中型クラウドサービスよりも安価ですか？
必ずしもそうとは限りません。分散型マーケットプレイスは、未使用のハードウェアと競争入札を活用して低価格を提供する可能性がありますが、総コストはデータ転送、レイテンシ、セットアップの複雑さ、ワークロードの継続時間、信頼性にも依存します。企業は、広告されているGPUの時間当たりの価格だけでなく、タスクを完了させるための総コストを比較すべきです。
分散型AIネットワークに実際の需要があるかどうかを示す指標はどれですか？
有用な指標には、外部顧客からの支払い、継続的な作業量、GPU利用率、顧客維持率、稼働時間、および独立したプロバイダーの数が含まれます。ユーザーは、取引手数料収入とトークン報酬を比較して、活動が商業的に資金提供されているか、エミッションによって大きく補助されているかを判断すべきです。取引数が多ければ必ずしも意味のあるAI利用を表すわけではありません。
免責事項：本記事は情報提供を目的としたものであり、財務または投資アドバイスを構成するものではありません。仮想通貨資産は変動が激しいため、読者は意思決定の前にWEMIXの最新公式アナウンスを確認してください。
免責事項: このページは、お客様の便宜のためにAI技術を使用して翻訳されています。最も正確な情報については、元の英語版を参照してください。