分析: AIのデータ増加はコンピュート計画を上回りつつあり、ストレージが暗号資産インフラの新たなボトルネックになっている

ここ2年ほど、AIインフラをめぐる議論はGPU容量という1つの指標に支配されてきた。Web2でもWeb3でも、各チームはアクセラレータへのアクセスを奪い合い、モデル学習のパイプラインを最適化し、より安価な推論手段を探してきた。だが、より静かな制約として、見過ごしにくくなっているものがある。データストレージだ。

Western Digitalによる最近の分析は、AIデータセンターの計画が、単なるコンピュートの競争から、ストレージ容量・性能・消費電力・ライフサイクル管理がGPUと同じくらい重要になる、より広いインフラ課題へと移行しつつあると指摘している。IDCも、2030年までに世界の年間データ生成量が718ZBに達する可能性があると予測しており、AIに伴うデータフットプリントがいかに急速に拡大しているかを裏づけている。

ブロックチェーンおよび暗号資産業界にとって、これは単なるクラウドインフラの問題ではない。AIエージェント、オンチェーン分析、分散型物理インフラネットワーク、分散型ストレージ、データ可用性レイヤー、コンプライアンスツールはすべて、増え続ける機械生成データに依存している。もしストレージがAIの制約要因になるなら、暗号資産アプリケーションの設計、価格設定、保護、ガバナンスのあり方も変わっていくだろう。

なぜAIのデータは計算後も消えないのか

従来のコンピュート計画では、データを処理し、結果を出し、システムは次へ進む、という前提が置かれがちだ。だがAIはそうは動かない。

現代のAIシステムは、次のようなデータを継続的に蓄積する。

• 生の学習データセット
• クリーニング済み・ラベル付け済みデータ
• モデルのチェックポイント
• 埋め込みデータベース
• ベクトルインデックス
• プロンプトと応答のログ
• 評価記録
• ファインチューニング用データセット
• 推論トレース
• 安全性およびコンプライアンス監査ログ

暗号資産のアプリケーションでは、このデータはさらに複雑になりうる。AIトレーディングアシスタントには、過去の市場データ、ウォレットの活動パターン、注文板のスナップショット、トークンのメタデータ、ガバナンスの議論、リスクシグナル、スマートコントラクトの操作記録などが必要になるかもしれない。オンチェーンのセキュリティシステムは、トランザクションのグラフ、攻撃シグネチャ、フィッシングドメイン、コントラクトのバイトコード、インシデント後のフォレンジックデータをアーカイブすることになる。

重要なのは、この情報が一時的なものではないという点だ。これは、モデル改善、リスクレビュー、規制報告、ユーザー保護のためのフィードバックループの一部になる。一度AIシステムが金融環境に導入されると、運用データを削除しすぎれば監査可能性が損なわれ、モデル品質も下がりかねない。とはいえ、すべてを保持すれば、今度は経済的に持続不可能になる。

だからこそ、AIのストレージ計画は裏方の問題から、戦略的なインフラ判断へと変わりつつある。

暗号資産業界にも、AIストレージ問題の独自の形がある

暗号資産の構築者たちは、データ可用性と永続性が抽象的な話ではないことを、すでに理解している。パブリックブロックチェーンはある意味で、複製、検証、ステート遷移に厳格なルールを持つデータシステムだ。だがAIは、より大きく、構造化されておらず、検証も難しい新たな種類のデータを持ち込む。

急成長しているいくつかの分野を見てみよう。

AIエージェントには、ウォレットアクセスだけでなく記憶が必要

AIエージェントは、将来的に暗号資産市場の参加者になる存在として、ますます注目されている。DeFiポジションを監視し、ポートフォリオをリバランスし、不審な取引を検知し、ユーザー定義のポリシーに基づいてスマートコントラクトとやり取りする、といった役割が想定されている。

だが、記憶を持たないAIエージェントには限界がある。過去の指示、リスク嗜好、以前の取引、実行結果、失敗した試行、ユーザーからのフィードバックといった文脈が必要だ。つまり、機密性を保ちながら選択的に取り出せる永続データを保存しなければならない。

課題は、その記憶をどこに置くかだけではない。誰がそれを管理するのか、という点も重要だ。エージェントの運用履歴が中央集権型サービスの中に閉じ込められていれば、ユーザーは可搬性と透明性を失う。雑に保存すれば、プライバシーリスクが高まる。完全にオンチェーンに置けば、コストとデータ露出が受け入れがたくなる。

オンチェーン分析はますますデータ集約型になっている

ブロックチェーン分析にはすでに、膨大な量のトランザクション、アドレス、コントラクト、イベントをインデックス化する作業が必要だ。そこにAIが加わると、ストレージ要件はさらに膨らむ。モデルはアドレスの埋め込みを生成し、ウォレット行動をクラスタリングし、スマートコントラクトを分類し、不正検知のために過去ラベルを保持することになる。

これは、規制当局や機関投資家がデジタル資産フローに対する強力な監視を求める中で、特に重要だ。FATFの仮想資産に関するガイダンスのような枠組みは、サービス提供者にコンプライアンス管理の強化を促してきた。一方で、ユーザーは引き続きプライバシーと自己保管を求めている。こうした目標の両立には、単にコンピュートを増やすだけではなく、慎重なデータアーキテクチャが必要になる。

分散型ストレージとDePINは恩恵を受けうるが、経済性が成立する場合に限る

AIデータの増加は、特にアーカイブ用データセット、オープンなモデル資源、研究記録、公開AI評価データにおいて、分散型ストレージやDePINシステムへの需要を強める可能性がある。ストレージ、取得、データ可用性に特化したネットワークは、AIチームが中央集権型クラウド依存の代替手段を探す中で、新たなユースケースを見つけるかもしれない。

ただし、AI向けストレージは単一市場ではない。ホットな学習データ、リアルタイム推論ログ、長期アーカイブ、公開データセットでは、それぞれ要件が異なる。低レイテンシーアクセスが必要なものもあれば、TBあたりの低コストが重要なものもある。暗号学的な検証が必要な場合もあれば、アクセス制御と削除ポリシーが必要な場合もある。

つまり、分散型インフラは理念だけでは勝負できない。信頼できる性能、価格、信頼性、開発者体験を提供しなければならない。

データ可用性レイヤーも同じ議論の一部

ブロックチェーンのスケーリングでは、データ可用性が大きな設計焦点になっている。Ethereumのproto-dankshardingアップグレードは、EIP-4844によって導入され、blobトランザクションという専用フォーマットを作ることで、ロールアップデータの公開コストを下げた。モジュラーブロックチェーンのプロジェクトもまた、データ可用性を実装上の細部ではなく中核レイヤーとして扱っている。

AIインフラはロールアップのインフラとは異なるが、根本的な教訓は似ている。データの移動と保持にかかるコストが、システム設計を左右しかねないということだ。

ロールアップで問われるのは、「トランザクションデータを、検証に十分なほど安く可用にできるか？」だ。

AIで問われるのは、「学習記録、推論ログ、埋め込み、監査証跡を、継続的なモデル改善に十分な効率で保存・取得できるか？」だ。

どちらの場合も、データを二次的な問題として扱った瞬間にシステムは破綻する。

GPU枚数から、データライフサイクル全体のコストへ

GPUの稼働率だけに注目すると、AI導入の長期コストが見えなくなる。より成熟した指標は、単に「何枚GPUがあるか」ではなく、組織がデータライフサイクルの各段階をどれだけ効率よく管理できるかだ。

AIを活用したプロダクトを構築する暗号資産企業にとって、関係する指標は以下のようなものになる。

• 保持データ1PBあたりのコスト
• ストレージの消費電力
• 障害後の復旧時間
• モデル学習・推論のレイテンシー
• データ整合性の保証
• 保持・削除ポリシー
• 暗号化とアクセス制御
• 機密性の高い金融ワークフローの監査可能性

たとえばDeFiのリスクエンジンは、高速な推論だけでは成り立たない。過去の市場データ、清算記録、オラクル更新、プロトコルパラメータ変更、ウォレット行動パターンも必要だ。それらのデータ取得が遅くなったり高くついたりすれば、モデル自体が強力でも、システムの価値は下がってしまう。

同様に、不正検知にAIを使う取引所やカストディプラットフォームは、アラートの理由を説明し、過去の判断を検証できるだけの証拠を十分に保持しなければならない。ストレージ設計は、調査の質とユーザー保護に直接影響する。

AIとWeb3において、階層型ストレージが重要になる理由

AIデータセットがTBからPB、やがてEB規模へと移るにつれ、1つのストレージアーキテクチャですべてを賄うことはできなくなる。企業は、階層型ストレージ戦略を採用する可能性が高まっている。

実用的なAIおよび暗号資産データスタックは、次のようになるかもしれない。

• アクティブなモデル学習、特徴量生成、リアルタイム推論向けの高性能フラッシュストレージ
• 大規模な履歴データや低頻度アクセス向けの大容量HDDシステム
• ログ、アーカイブ、モデルアーティファクト、コンプライアンス記録向けのオブジェクトストレージ
• 公開データセット、検証可能なアーカイブ、検閲耐性のあるリソース向けの分散型ストレージ
• 生データではなく、証明、ハッシュ、権限、決済ロジックのためのオンチェーンコミットメント

この多層アプローチが重要なのは、ブロックチェーンが大規模なAIデータセットを直接保存するようには設計されていないからだ。多くの場合、より良い設計は、かさばるデータはオフチェーンに置きつつ、整合性の証明やアクセス権だけをオンチェーンに固定することだ。

そのアーキテクチャなら、すべてのノードに不必要なストレージ負担を強いることなく、検証可能性を支えられる。

セキュリティの観点: AIデータもまた攻撃対象になる

AIシステムが保存するデータが増えるほど、攻撃者にとっても魅力的になる。

暗号資産ユーザーにとって重要なのは、AIインフラがウォレットの行動、取引意図、本人確認記録、ポートフォリオデータ、セキュリティアラートといった機密情報を含みうることだ。もし侵害されれば、このデータはフィッシング、ソーシャルエンジニアリング、標的型詐欺、市場操作に利用される可能性がある。

ウォレットと連携するAIエージェントは、別のリスクも生む。エージェントがプロンプト、権限、取引履歴を安全でない形で保存していれば、攻撃者は悪意ある取引への署名を誘導する方法を推測できてしまうかもしれない。

ここで重要になるのが、自己保管の原則だ。AIは意思決定を支援できるが、秘密鍵はあくまでユーザーの管理下に置かれるべきだ。OneKeyのようなハードウェアウォレットは、署名権限をオンラインのAIツールやアプリケーションから切り離すのに役立つ。その分離は、自動化ワークフロー、DeFiダッシュボード、AI搭載の取引アシスタントを試すユーザーが増えるほど重要になる。

検証可能なAIには、検証可能なデータが必要になる

AIと暗号資産の最重要な接点の1つが、検証可能性だ。ユーザーは、AIモデルが本当に主張されたデータセットを使ったのか、推論結果が特定のモデルから生成されたのか、トレーディングエージェントが事前定義されたルールに従ったのかを知りたがるかもしれない。

ここで暗号技術、ゼロ知識証明、信頼実行環境、分散型IDが関係してくる可能性がある。だが、基盤となるデータ管理がずさんでは、どの手法も十分に機能しない。

NISTのAIリスクマネジメントフレームワークは、AIシステムにおけるガバナンス、計測、リスク管理を重視している。暗号資産の世界では、不可逆なトランザクションと敵対的な市場環境があるため、こうした懸念はさらに大きくなる。より良いストレージアーキテクチャは、単なるコスト削減ではなく、説明責任のためのものでもある。

将来のAI搭載DeFiプロトコルは、次のようなことを証明する必要があるかもしれない。

• どのモデルバージョンが推奨を生成したか
• どのデータセットで学習または評価したか
• 過去ログが改ざんされていないか
• ユーザー権限が尊重されていたか
• 自動アクションが署名済みポリシーと一致していたか

そのすべては、信頼できるデータ保持、整合性チェック、アクセス管理に依存している。

構築者が今やるべきこと

AIを組み込む暗号資産チームは、ストレージを後回しの最適化だと考えるべきではない。初期段階での意思決定が、プロダクトのスケーラビリティと信頼性を左右する。

実践的なチェックリストは以下の通りだ。

1. GPU利用を拡大する前に、AIデータライフサイクル全体を可視化する
   学習、推論、監視、ユーザーとのやり取りの各段階で、どんなデータが生まれるのかを把握する。

2. ホットデータ、ウォームデータ、コールドデータを分ける
   すべてのデータセットに高速アクセスは不要だ。性能ストレージは、測定可能な価値がある場合にのみ使う。

3. ブロックスペースを使いすぎずに整合性を固定する
   大きなデータはオフチェーンに保存しつつ、検証可能性が重要な場合はオンチェーンのハッシュ、証跡、コミットメントを検討する。

4. 最初からプライバシーを前提に設計する
   プロンプトログ、ウォレットのメタデータ、行動データは機密情報になりうる。可能な限り収集を最小化する。

5. 署名権限を保護する
   AIシステムはアクションを提案できても、秘密鍵をオンラインのエージェントやクラウド環境にさらすべきではない。

6. ストレージ経済性をプロダクト指標として追跡する
   保持データセットあたりのコスト、取得レイテンシー、復旧効率は、コンピュートの利用率と並んで監視すべきだ。

結論: 次のAIボトルネックは、暗号資産にとっての機会でもある

AIインフラは新たな局面に入っている。GPUだけでは能力を定義できない、という認識が市場に広がりつつある。データストレージ、データ取得、エネルギー効率、監査可能性、ライフサイクル管理が、競争力の中核になりつつある。

暗号資産業界にとって、この変化はとりわけ重要だ。ブロックチェーンは検証可能なデータを中心に構築されているが、AIはチェーン外の文脈を膨大に生み出し、それを賢く保存し、保護し、オンチェーンシステムと接続する必要がある。勝つのは、最も多くのコンピュートを持つチームではない。データを長期的な資産として管理できるチームだ。

AIエージェント、DePINストレージ、オンチェーン分析、検証可能なコンピュートが進化し続けるなかで、ユーザーは基本的なセキュリティ原則も忘れるべきではない。自動化は鍵管理を置き換えるものではない。AIツールを暗号資産のワークフローに組み込むなら、OneKeyのようなハードウェアウォレットで秘密鍵をオフラインに保つことが、知的な支援と取り消し不能な承認の境界を守る助けになる。