0G の分散型 AI オペレーティングシステムは、真に大規模な AI のオンチェーン化を推進できるか？
背景
AI セクターは、ChatGPT や ERNIE Bot のような大規模言語モデルに触発され、驚異的な上昇を続けています。しかし、AI は単なるチャットボットや生成テキストに留まりません。AlphaGo の囲碁の勝利から、MidJourney のような画像生成ツールまで、あらゆるものが含まれます。多くの開発者が追い求める究極の目標は、汎用人工知能、すなわち AGI (Artificial General Intelligence) です。これは、人間の知能と同様に学習、知覚、意思決定、および複雑な実行が可能な AI 「エージェント」と通称されます。
しかし、AI および AI エージェントのアプリケーションは、極めて データ集約的 です。これらは、トレーニングと推論のために膨大なデータセットに依存しています。従来、このデータは中央集権的なインフラストラクチャに保存され、処理されてきました。ブロックチェーンの出現により、DeAI (Decentralized AI: 分散型 AI) として知られる新しいアプローチが登場しました。DeAI は、データの保存、共有、検証に分散型ネットワークを活用することで、従来の中央集権的な AI ソリューションの欠点を克服しようとしています。
0G Labs は、この DeAI インフラストラクチャの展望において際立っており、単に 0G と呼ばれる 分散型 AI オペレーティングシステム の構築を目指しています。
0G Labs とは？
従来のコンピューティングにおいて、オペレーティングシステム (OS) はハードウェアとソフトウェアのリソースを管理します。Microsoft Windows、Linux、macOS、iOS、Android などを思い浮かべてください。OS は基盤となるハードウェアの複雑さを抽象化し、エンドユーザーと開発者の双方がコンピュータと対話しやすくします。
同様に、0G OS は Web3 において次のような役割を果たすことを目指しています：
- 分散型ストレージ、計算、およびデータ可用性を 管理 する。
- オンチェーン AI アプリケーションのデプロイを 簡素化 する。
なぜ分散化が必要なのか？ 従来の AI システムは、中央集権的なサイロにデータを保存・処理するため、データの透明性、ユーザーのプライバシー、データ提供者への公正な報酬に関する懸念が生じます。0G のアプローチでは、分散型ストレージ、暗号学的証明、およびオープンなインセンティブモデルを使用して、これらのリスクを軽減します。
「0G」 という名前は 「Zero Gravity (ゼロ・グラビティ)」 の略です。チームは、データの交換と計算が「重さを感じさせない」環境を構想しています。AI のトレーニングから推論、データ可用性に至るまで、すべてがオンチェーンでシームレスに行われます。
2024 年 10 月に正式に設立された 0G Foundation がこのイニシアチブを推進しています。その使命は、AI を公共財（誰もがアクセス可能で、検証可能で、オープンなもの）にすることです。
0G オペレーティングシステムの主要コンポーネント
根本的に、0G はオンチェーン AI アプリケーションをサポートするために特別に設計されたモジュール型アーキテクチャです。その 3 つの主要な柱 は以下の通りです：
- 0G Storage – 分散型ストレージネットワーク。
- 0G DA (Data Availability) – データの整合性を確保する特化型データ可用性レイヤー。
- 0G Compute Network – AI 推論（および将来的にはトレーニング）のための分散型計算リソース管理と決済。
これらの柱は、コンセンサスと決済を担当する 0G Chain と呼ばれる Layer1 ネットワーク の傘下で連携して動作します。
0G ホワイトペーパー (「0G: Towards Data Availability 2.0」) によると、0G Storage と 0G DA レイヤーの両方が 0G Chain の上に構築されています。開発者は複数のカスタム PoS コンセンサスネットワーク を立ち上げることができ、それぞれが 0G DA および 0G Storage フレームワークの一部として機能します。このモジュール型アプローチは、システム負荷が増大するにつれて、0G が動的に新しいバリデータセットや特化型ノードを追加して拡張できることを意味します。
0G Storage
0G Storage は、大規模データ向けに構築された分散型ストレージシステムです。ユーザーデータの保存に対して組み込みのインセンティブを持つ分散ノードを使用します。重要なのは、消失訂正符号 (Erasure Coding: EC) を使用してデータを 小さく冗長な「チャンク」 に分割し、これらのチャンクを異なるストレージノードに分散させることです。ノードが故障しても、冗長なチャンクからデータを再構築できます。
サポートされるデータ型
0G Storage は、構造化データ と 非構造化データ の両方に対応しています。
- 構造化データ は KV（キーバリュー）レイヤー に保存され、動的で頻繁に更新される情報（データベース、共同編集ドキュメントなど）に適しています。
- 非構造化データ は Log（ログ）レイヤー に保存され、データエントリを時系列で追加します。このレイヤーは、大規模なアペンドオンリー（追記専用）のワークロードに最適化されたファイルシステムに似ています。
Log レイヤーの上に KV レイヤーを重ねることで、0G Storage は大規模なモデルの重み（非構造化）から、動的なユーザーベースのデータやリアルタイムのメトリクス（構造化）まで、多様な AI アプリケーションのニーズに応えることができます。
PoRA コンセンサス
PoRA (Proof of Random Access: プルーフ・オブ・ランダムアクセス) は、ストレージノードが実際に保存していると主張するチャンクを保持していることを保証します。仕組みは以下の通りです：
- ストレージマイナーは、保存している特定のランダムなデータチャンクの暗号ハッシュを生成するよう、定期的に チャレンジ されます。
- マイナーは、ローカルに保持しているデータのコピーから派生した有効なハッシュ（PoW に似たパズル解き）を生成して応答しなければなりません。
公平な競争環境を整えるため、システムはマイニング競争を 8 TB のセグメントに制限しています。大規模なマイナーはハードウェアを複数の 8 TB パーティションに分割でき、小規模なマイナーは 単一の 8 TB の境界内で競争します。
インセンティブ設計
0G Storage のデータは 8 GB の「価格設定セグメント」に分割されます。各セグメントには 寄付プール と 報酬プール の両方があります。データを保存したいユーザーは 0G トークン (ZG) で手数料を支払い、それがノードの報酬の一部に充てられます。
- 基本報酬: ストレージノードが有効な PoRA 証明を提出すると、そのセグメントの即時ブロック報酬を受け取ります。
- 継続報酬: 時間の経過とともに、寄付プールから一定割合（現在は年間約 4%）が報酬プールに放出され、ノードがデータを 恒久的 に保存するインセンティブとなります。特定のセグメントを保存するノードが少ないほど、各ノードが獲得できるシェアは大きくなります。
ユーザーは恒久ストレージのために 一度だけ 支払いますが、システム最小値以上の寄付手数料を設定する必要があります。寄付額が高いほど、マイナーがユーザーのデータを複製する可能性が高くなります。
ロイヤリティメカニズム: 0G Storage には「ロイヤリティ」または「データ共有」メカニズムも含まれています。初期のストレージ プロバイダーは、各データチャンクの「ロイヤリティ記録」を作成します。新しいノードが同じチャンクを保存したい場合、元のノードがそれを共有できます。新しいノードが後に（PoRA を通じて）ストレージを証明すると、元のデータプロバイダーは継続的なロイヤリティを受け取ります。データが広く複製されるほど、初期プロバイダーの報酬総額は高くなります。
Filecoin および Arweave との比較
共通点:
- 3 つとも分散型データストレージにインセンティブを与えます。
- 0G Storage と Arweave の両方が 恒久的 なストレージを目指しています。
- データのチャンク化と冗長化は標準的なアプローチです。
主な違い:
- ネイティブ統合: 0G Storage は独立したブロックチェーンではなく、0G Chain と直接統合されており、主に AI 中心のリユースケースをサポートします。
- 構造化データ: 0G は非構造化データと並んで KV ベースの構造化データをサポートしています。これは、頻繁な読み書きアクセスを必要とする多くの AI ワークロードにとって重要です。
- コスト: 0G は恒久ストレージで 10〜11ドル/TB を謳っており、Arweave よりも安価であると報告されています。
- パフォーマンス重視: Filecoin や Arweave が汎用的な分散型ストレージネットワークであるのに対し、0G は AI のスループット要求を満たすように特別に設計されています。
0G DA (Data Availability Layer)
データ可用性 は、すべてのネットワーク参加者がトランザクションデータを完全に検証し、取得できることを保証します。データが不完全であったり隠されたりすると、ブロックチェーンの信頼の前提が崩れます。
0G システムでは、データはチャンク化され、オフチェーンに保存されます。システムはこれらのデータチャンクのマークルルートを記録し、DA ノードはこれらのチャンクを サンプリング して、それらがマークルルートおよび消失訂正符号のコミットメントと一致することを確認しなければなりません。そのとき初めてデータは「利用可能」と見なされ、チェーンのコンセンサス状態に追加されます。
DA ノードの選択とインセンティブ
- DA ノードは参加するために ZG を ステーキング する必要があります。
- ノードは検証可能なランダム関数 (VRF) を介してランダムに クォーラム にグループ化されます。
- 各ノードはデータの サブセット のみを検証します。クォーラムの 2/3 がデータを利用可能かつ正確であると確認すると、証明に署名し、その証明が統合されて 0G コンセンサスネットワークに提出されます。
- 報酬の分配も定期的なサンプリングを通じて行われます。ランダムにサンプリングされたチャンクを保存しているノードのみが、そのラウンドの報酬の対象となります。
Celestia および EigenLayer との比較
0G DA は Celestia (データ可用性サンプリング) や EigenLayer (リステーキング) から着想を得ていますが、より 高いスループット を提供することを目指しています。Celestia のスループットは現在、約 12 秒のブロック時間で 10 MB/s 程度にとどまっています。一方、EigenDA は主に Layer2 ソリューションを対象としており、実装が複雑になる場合があります。0G は GB/s のスループットを構想しており、これは 50〜100 GB/s を超えるデータ取り込みが必要な大規模 AI ワークロードに適しています。
0G Compute Network
0G Compute Network は分散型計算レイヤーとして機能します。これは段階的に進化しています：
- フェーズ 1: AI 推論の決済に焦点を当てます。
- ネットワークは、分散型マーケットプレイスで「AI モデルの購入者」（ユーザー）と計算プロバイダー（販売者）をマッチングさせます。プロバイダーはスマートコントラクトにサービスと価格を登録します。ユーザーはコントラクトに事前入金し、サービスを利用し、コントラクトが支払いを仲介します。
- 時間の経過とともに、チームはオンチェーンでの本格的な AI トレーニング への拡大を望んでいますが、それはより複雑な課題です。
バッチ処理: プロバイダーはユーザーのリクエストをバッチ処理してオンチェーンのオーバーヘッドを削減し、効率を向上させ、コストを下げることができます。
0G Chain
0G Chain は、0G のモジュール型アーキテクチャの基盤となる Layer1 ネットワークです。以下を支えています：
- 0G Storage (スマートコントラクト経由)
- 0G DA (データ可用性証明)
- 0G Compute (決済メカニズム)
公式ドキュメントによると、0G Chain は EVM 互換 であ り、高度なデータストレージ、可用性、または計算を必要とする dApps の統合を容易にします。
0G コンセンサスネットワーク
0G のコンセンサスメカニズムはややユニークです。単一のモノリシックなコンセンサスレイヤーではなく、異なるワークロードを処理するために、0G の下で 複数の独立したコンセンサスネットワーク を立ち上げることができます。これらのネットワークは同じステーキングベースを共有します：
- 共有ステーキング: バリデータは Ethereum 上で ZG をステーキングします。バリデータが不正を行った場合、Ethereum 上でステーキングされた ZG がスラッシングされる可能性があります。
- 拡張性: 水平方向にスケールするために、新しいコンセンサスネットワークを立ち上げることができます。
報酬メカニズム: バリデータが 0G 環境でブロックをファイナライズすると、トークンを受け取ります。しかし、0G Chain で獲得したトークンはローカル環境で バーン (焼却) され、バリデータの Ethereum ベースのアカウントに同等量が ミント (鋳造) されることで、流動性とセキュリティの単一の接点を確保します。
0G トークン (ZG)
ZG は、0G 経済のバックボーンを表す ERC-20 トークン です。これは Ethereum 上の スマートコントラクト を通じてミント、バーン、および流通されます。実用的には：
- ユーザーは、ストレージ、データ可用性、および計算リソースの料金を ZG で支払います。
- マイナーとバリデータは、ストレージの証明やデータの検証に対して ZG を獲得します。
- 共有ステーキングにより、セキュリティモデルが Ethereum に結び付けられます。
主要モジュールのまとめ
0G OS は、Storage、DA、Compute、および Chain の 4 つのコンポーネントを、相互に接続された 1 つのモジュール型スタックに統合します。システムの設計目標は 拡張性 であり、各レイヤーは水平方向に拡張可能です。チームは、大規模な AI タスクにとって特に重要な 「無限の」スループット の可能性をアピールしています。
0G エコシステム
比較的新しいものの、0G エコシステム にはすでに主要な統合パートナーが含まれています：
-
インフラストラクチャ & ツール：
- Union、Brevis、Gevulot などの ZK ソリューション
- Axelar などの クロスチェーン ソリューション
- EigenLayer、Babylon、PingPong などの リステーキング プロトコル
- IoNet、exaBits などの 分散型 GPU プロバイダー
- Hemera、Redstone などの オラクル ソリューション
- Ethereum blob データの インデックス ツール
-
データストレージ & DA に 0G を使用しているプロジェクト：
- L2 / L3 統合のための Polygon、Optimism (OP)、Arbitrum、Manta
- Web3 インフラストラクチャのための Nodekit、AltLayer
- オンチェーン・ゲーミングのための Blade Games、Shrapnel
供給側
ZK および クロスチェーン フレームワークは、0G を外部ネットワークに接続します。リステーキング・ソリューション（EigenLayer、Babylon など）はセキュリティを強化し、流動性を引き付ける可能性があります。GPU ネットワークは消失訂正符号（erasure coding）を加速させます。オラクル・ソリューションはオフチェーン・データを提供したり、AI モデルの価格設定を参照したりします。
需要側
AI エージェント は、データストレージと推論の両方で 0G を活用できます。L2 および L3 は、0G の DA を統合してスループットを向上させることができます。ゲーミング や、堅牢なデータソリューションを必要とするその他の dApp は、アセット、ログ、またはスコアリングシステムを 0G に保存できます。一部のプロジェクトはすでに提携しており、初期のエコシステムの牽引力を示しています。
ロードマップ & リスク要因
0G は、AI を誰でもアクセス可能で検証可能な 公共インフラ（public utility） にすることを目指しています。チームは GB/s レベルの DA スループットを目指しており、これは 50 ～ 100 GB/s のデータ転送を必要とするリアルタイム AI トレーニングにとって極めて重要です。
共同創設者 兼 CEO の Michael Heinrich 氏は、AI の爆発的な成長により、タイムリーなイテレーションが不可 欠であると述べています。AI イノベーションのスピードは速く、0G 自身の開発プロセスもそれに追いつく必要があります。
潜在的なトレードオフ：
- 現在の 共有ステーキング（shared staking） への依存は、暫定的なソリューションかもしれません。最終的に 0G は、段階的に増強可能な（新しい AWS ノードを立ち上げるような）水平スケーラブルなコンセンサス・レイヤーを導入する計画です。
- 市場競争： 分散型ストレージ、データ可用性、およびコンピューティングには、多くの特化型ソリューションが存在します。0G のオールインワン・アプローチは、魅力的なものであり続ける必要があります。
- 採用 & エコシステムの成長： 開発者の強力な牽引力がなければ、約束された「無制限のスループット」は理論上のままです。
- インセンティブの持続可能性： ノードに対する継続的な動機付けは、実際のユーザー需要と均衡の取れたトークン経済に依存します。
結論
0G は、分散型ストレージ、データ可用性、およびコンピューティングを、オンチェーン AI をサポートする単一の「オペレーティングシステム」に統合しようとしています。GB/s のスループットをターゲットにすることで、チームは現在、大規模 AI のオンチェーンへの移行を妨げているパフォーマンスの壁を打破しようとしています。成功すれば、0G は スケーラブルで統合された、開発者フレンドリーな インフラストラクチャを提供することで、Web3 AI の波を大幅に加速させる可能性があります。
それでも、多くの未解決の疑問が残っています。「無限のスループット」の実現性は、0G のモジュール式コンセンサスとインセンティブ構造がシームレスに拡張できるかどうかにかかっています。市場の需要、ノードの稼働時間、開発者の採用といった外部要因も、0G の持続力を決定するでしょう。それにもかかわらず、AI のデータのボトルネックに対処する 0G のアプローチは斬新かつ野心的であり、オンチェーン AI の有望な新しいパラダイムを示唆しています。