Dolphin

Dolphin とは何か？

Dolphin は AI と DePIN のインフラプロジェクトであり、その中核プロダクトである Dolphin Network は、AI 推論ワークロードを、専ら中央集権的なクラウドクラスターに依存するのではなく、分散型 GPU オペレーターにルーティングするよう設計されている。プロトコルが掲げる課題は、モデル推論需要の急増と、ハイパースケールプロバイダの外側に存在する多数の遊休コンシューマー／データセンター GPU キャパシティとのミスマッチである。提案されている優位性は、アイドル状態の GPU 保有者がリクエストを処理して Dolphin トークンを獲得し、従来型の中央集権的なサービスレベル契約ではなく、暗号化、ランダム検証、モデル出力チェック、および暗号経済的ボンディングによって制約される「ピア・トゥ・プール」型推論設計にある。プロジェクトの公開されている AI の足跡は理論上のものにとどまらない。Hugging Face の組織ページでは、Dolphin は AI モデル開発と分散型推論に注力していると説明されており、Venice ブランドのモデルバリアントを含む多数のオープンモデルリポジトリが掲載されている。

Dolphin は、汎用的なレイヤー1やレイヤー2ブロックチェーンではなく、ニッチなアプリケーションレイヤーネットワークである。トークンは当初 DPHN と呼ばれていたが、その後いくつかのデータプロバイダによって POD にリブランディングされており、Base 上のコントラクトは 0xed664536023d8e4b1640c394777d34abaff1df8f である。2026 年 10 月上旬時点で、マーケットデータアグリゲーターは Dolphin を、コアインフラ資産というよりは、スモール〜ミッドキャップの暗号資産セグメントに位置付けていた。CoinGecko や DefiLlama のトークンページ は、約 5 億枚の供給上限に対して、流通供給量は 8,000 万枚台前半にとどまると示しており、時価総額順位はアグリゲーター間で大きく異なっていた。Dolphin はレンディングマーケットや自動マーケットメイカーのような Total Value Locked（TVL）プロファイルを持たず、パブリックな DeFi TVL トラッカーは主として Dolphin を「資本をロックする DeFi プロトコル」というより、単なるトークンとして扱っている。そのため、このプロジェクトの評価においては、TVL 以上に、推論需要、ノード参加状況、API 利用状況、トークン保有集中度、モデル採用状況といった指標の方が関連性が高い。

Dolphin は誰がいつ設立したのか？

Dolphin の系譜は、検閲されていないステアラブルな言語モデルファインチューニング「Dolphin ファミリー」の開発者として知られるオープンモデル開発者、Eric Hartford と密接に結びついている。公開されている暗号資産関連のプロフィールや地域市場のリファレンスでは、Hartford は Dolphin の主要な創設者あるいはコアコントリビューターとして位置付けられており、プロジェクトの Hugging Face 上の存在 でも Dolphin 組織がアクティブなモデルパブリッシャーとして示されている。実務的なローンチコンテキストは 2 つのフェーズにまたがる。第一に、クローズドなモデル API に対抗するオープンウェイト LLM が浮上した 2023〜2025 年のローカル AI サイクルにおける Dolphin ブランドのオープンモデルの登場である。第二に、2026 年のトークン化ネットワークフェーズであり、この時期に Dolphin の DPHN/POD 資産と Base 上でのデプロイが、分散型推論、GPU マネタイズ、およびプロトコルによるトークン買い戻しといったテーマに沿って位置付けられた。このタイミングにより、Dolphin は Bittensor、Render、Akash、io.net、Gensyn など、AI コンピュートを暗号資産を用いた協調市場へと変換しようとする他プロジェクトと同じマクロテーマに属することになった。

プロジェクトのナラティブは、オープンモデルの公開から、垂直統合された AI インフラストラクチャというテーゼへとシフトしている。初期の Dolphin のストーリーは、検閲されていないステアラブルモデルのファインチューニングとユーザー主導のアラインメントに焦点を当てており、それによって Dolphin はローカル AI ユーザーの間で知名度を得たものの、それだけではトークン経済を生み出すには至らなかった。その後の Dolphin Network のナラティブでは、トランザクションレイヤーが追加される。GPU 保有者がサポート対象モデルを実行し、ユーザーやアプリケーションが推論を消費し、バリデーターがオペレーターが実際に主張するモデルを実行しているかを検証し、プロトコル収益がトークン経済を支えることを意図しているのである。複数のサードパーティプロフィールは、元々の DPHN 資産が 2026 年初頭に POD へと移行／リブランディングされたと述べており、韓国市場の報道では Upbit が 2026 年 10 月 2 日に POD のマーケットを追加した とされている。これにより資産の取引所での可視性は大きく広がったものの、現実の推論需要が投機的取引を超えてスケールし得るかという根本的な問いが変わったわけではない。

Dolphin Network はどのように機能するのか？

Dolphin は、Bitcoin がプルーフ・オブ・ワークを、Ethereum がプルーフ・オブ・ステークを用いるような意味でのベースレイヤーのコンセンサスネットワークではない。むしろ、Base 上のアプリケーションレイヤー DePIN プロトコルとして理解する方が適切であり、基盤となる Ethereum レイヤー2 をトークン決済に利用しつつ、AI 推論のためのオフチェーン GPU ワークを調整している。ネットワークの経済的コンセンサスは、ブロック生成というよりも、サービス検証とボンディング参加に近い。オペレーターは GPU を推論プールに提供し、リクエストを受け取り、有用なコンピュートに対して報酬を受け取る。バリデーターや検証ルーチンは、不誠実なサービス、誤ったモデルの実行、あるいは捏造された出力を検出しようとする。プロジェクトの公開説明では、暗号化、ランダムサンプリングによる検証、および暗号経済的ボンディングが強調されており、CoinGecko の Dolphin プロフィール でも、ネットワークはボンディングとランダムサンプリング検証を用いて出力の完全性を維持すると説明されている。

技術的に特異な課題は、AI 推論を低コストで検証することが難しい点にある。Dolphin の公開資料やマーケットデータプロフィールでは、モデルのフィンガープリンティング、対数確率（log-probability）チェック、検証サンプリングといった手法に言及しており、これらは、信用できる中央集権サーバーで全ての回答を再計算することなく、ノードが期待されるモデルを実行していることを証明することを目的としている。ネットワークはまた、Sonar を中心に構築を進めているように見える。Sonar は、Hugging Face モデルを OpenAI 互換 API を通じて提供するための Dolphin 関連の推論スタックであり、本番デプロイ、分散デプロイ、並列化の選択肢 に関するドキュメントが用意されている。これらの文書からは、モデルサービング、バッチ処理、テンソルおよびパイプライン並列化、マルチノード実行といった領域への本格的なエンジニアリングの注力がうかがえるが、それは必ずしも、分散型のパブリック GPU マーケットプレイスが、レイテンシ、稼働率、コスト、不正利用の抑制といった点で、中央集権型の推論プロバイダに安定的に肩を並べられることを証明するものではない。

DPHN のトークノミクスはどうなっているか？

Dolphin のトークンは現在、一般的には POD としてトラッキングされているが、多くのリファレンスは依然として初期の DPHN ブランドと結び付けている。2026 年 10 月上旬時点では、CoinGecko、DefiLlama のトークンデータ、および Coinranking によると、総供給量または最大供給量は約 5 億枚、流通供給量は 8,000 万枚台前半とされており、トークンの大半はトレジャリー、財団、ステーキング、ロックウォレットに保有されている。この構造は、高いフロートリスク（売り圧リスク）プロファイルを生む。たとえエミッション（新規発行）が有用なワークに紐付いていたとしても、流通ベースが比較的小さいため、将来のロック解除、オペレーター報酬、ステーキングインセンティブ、あるいはトレジャリーの移動が、短期的な市場挙動を支配し得る。したがって、「買い戻し」が議論されているからといって、トークンが明確にデフレ的であるとは言えない。実効的な供給パスは、ロックされた残高がどの程度のペースで流通に入るのか、GPU オペレーターへのエミッションがどのように調整されるのか、そして買い戻し需要が新規分配を相殺するのに十分な規模かどうかに依存している。

トークンの表明されているユーティリティは 3 つある。推論に対する支払いまたは会計、GPU オペレーターへの報酬、およびネットワーク参加者のためのボンディングまたはステーキングである。サードパーティプロフィールでは xPOD ステーキングボールトや、ボンディング済みオペレーター向けの報酬マルチプライヤーシステムが説明されており、Coinranking の Dolphin 解説 では、プロトコル収益はオープンマーケットから POD を買い戻すために用いられ、オペレーターは xPOD にステークすることで追加利回りや報酬ブーストを得られるとされている。これにより、Dolphin には多くのユーティリティトークンよりも明示的なバリューアクルー（価値捕捉）のストーリーが与えられているが、同時に分析上の論点も生じる。仮にユーザーがネイティブでない資産で支払いを行い、プロトコルがその収益を POD の買い戻しへと転換する場合、トークン需要は間接的なものとなり、実際の有料推論利用に依存することになる。GPU インセンティブがオーガニックな収益を上回る場合、トークン経済は実務上インフレ的になり得る。また、ステーキング利回りが主にエミッションによって賄われ、手数料フローに基づいていない場合、その利回りは持続的なキャッシュ創出の証拠というより、再分配メカニズムに過ぎない。

誰が Dolphin を利用しているのか？

観測可能な利用状況は混在している。一方では、Dolphin には信頼できるオープンモデルの足跡がある。Hugging Face の組織ページ には多数のモデルリポジトリが掲載されており、Dolphin-Mistral や Venice ブランドのバリアントなどが含まれるほか、プロジェクトはウェブインターフェースや Telegram ボットといったユーザー向けアクセスポイントも提供している。他方で、トークンの取引量は推論需要と同義ではない。2026 年 10 月上旬時点で、特に韓国取引所からの注目以降、マーケットデータページは意味のある取引所ボリュームを示していたが、有料 API 顧客数、日次推論リクエスト数、アクティブ GPU ノード数、完了ジョブ数、継続的な収益、顧客維持率といった、持続的な指標に関するパブリックデータは依然として乏しい。機関投資家による評価においては、Dolphin の実際の採用状況は、現物取引回転率ではなく、サードパーティアプリケーションが本番ワークロードをどの程度このネットワークにルーティングしているかによって判断されるべきである。

最も具体的なエコシステム上のリファレンスは Venice.AI である。複数のマーケットプロフィールは、Dolphin が Venice で利用される検閲されていないモデルバリアントを供給または共同開発していると述べており、韓国の報道では、Venice と関連付けられたモデルとして Dolphin Mistral 24B Venice Edition が特に言及されている。これは、Dolphin のモデル開発ワークが、単なるトークン投機ではなく、外部の AI アプリケーションと結び付いていることを示す点で、重要なアンカーとなる。ただし、経済的な依存度の水準は 公開情報からは完全には透明化されていない点として、モデルの提供状況、デフォルトモデルとしての採用状況、統合状況などが挙げられるが、こうした要素は必ずしも Dolphin プロトコルにとっての大口の継続的収益を自動的に証明するものではない。Venice の外では、Dolphin の想定ユーザーベースは、ローカル AI ユーザー、GPU 保有者、AI ボット開発者、実験的なゲームまたは NPC アプリケーション、そしてクリプトネイティブな AI プロジェクトなどとなる一方で、機関投資家レベルのインフラ投資家が求めるような形での広範なエンタープライズ採用は、まだ実証されていない。

Dolphin にとってのリスクと課題は何か？

Dolphin は、ステーキング、ボンディング、エミッション、バリューアクルー（価値還元）といったナラティブを伴う小型ユーティリティトークン特有の、米国における規制上の不透明性に直面している。2026年10月初旬時点で、Dolphin 固有の SEC / CFTC による法執行措置、ETF 承認、あるいは正式なコモディティ分類が広く報じられているわけではないが、「名指しの措置がないこと」は「規制上の確実性」を意味しない。トークンの価値ストーリーに、トークン買い戻し、ステーキング利回り、オペレーターへの報酬、財団による商業活動の管理などが含まれる場合、購入者が「利益を得るためにマネジメント側の努力に依拠している」と規制当局に見なされれば、監視や追及の対象となりうる。さらに、Base へのデプロイはスマートコントラクトリスクや管理鍵リスクも導入しており、第三者によるプロファイルでは、クリエイターまたは管理権限、トークン保有の集中度合いに関する懸念も指摘されている。中央集権性は法的な問題にとどまらず、トレジャリー（財務）管理、モデルガバナンス、バリデーション設計、中核 IP へのアクセス、そして低品質または悪意あるオペレーターを排除しつつ GPU ネットワークをどこまでパーミッションレスに維持できるか、といった点にも現れる。

競争上の脅威も大きい。分散型 AI コンピュートは、暗号インフラの中でも最も混雑したナラティブの一つであるためだ。Dolphin は、トークン化されたコンピュートネットワークである Render、Akash、Bittensor、io.net や、台頭しつつある推論特化型システムと間接的に競合すると同時に、すでに低レイテンシー、予測可能な稼働時間、コンプライアンスツール、エンタープライズサポートを提供している中央集権型の推論プロバイダーとも直接競合している。オープンモデルに特化し、検閲されないモデルというポジショニングは、独自のユーザーベースを引きつける可能性がある一方で、安全フィルター、補償条項、データ管理、規制上の保証を必要とするエンタープライズ顧客にとっては、採用の幅を狭める可能性もある。経済的な脅威は単純である。もし中央集権型プロバイダーが、Dolphin が信頼できる供給を調整できる速度より早く推論価格を引き下げたり、あるいは競合する DePIN ネットワークがより深い流動性と優れた開発者向けツールを提供したりすれば、Dolphin のトークンインセンティブは、持続的なマーケットシェアを確立できないまま活動を補助するだけに終わる可能性がある。

Dolphin の将来見通しはどうか？

Dolphin の見通しは、トークン市場での露出度そのものよりも、「認知されたオープンモデルブランドを、どこまで信頼できる収益創出型の推論ネットワークに転換できるか」に大きく依存している。直近の期間で最も重要かつ検証可能なマイルストーンは、DPHN から POD への市場移行、Base 上でのトークンデプロイ、2026年10月の韓国取引所への展開、Hugging Face 上での Dolphin モデルの継続的な公開、そしてプロダクション志向のモデル提供スタックとしての Sonar の開発である。プロジェクトのロードマップ上のテーマとしては、パブリック API の拡張、より成熟したノード参加、ステーキングおよびボンディングのメカニクス、より強固なバリデーション、そして将来的には大規模モデル向けのシャーディングまたは分散推論などが含まれるように見える。いずれも技術的には実現可能だが、その分オペレーションの複雑性は増す。信頼性が低く不均一な GPU 群を跨いだ分散推論は、単純なトークントランザクションをルーティングするよりもはるかに難しく、推論顧客は、DeFi ユーザーがブロックタイムのばらつきに対して示す寛容さよりも、レイテンシーのばらつきに対してはるかに厳しい。

構造的なハードルは、「トークンが単なる資金調達手段ではなく、コンピュート市場そのものを改善している」と証明することにある。実行可能な Dolphin であるためには、推論収益、トークン買い戻し、オペレーターへのエミッション、アクティブノード数、モデル単位の需要、バリデーション失敗率、顧客集中度などについて、透明性の高いレポーティングが必要になる。これらの指標がなければ、市場は取引所への上場状況、ソーシャル上の注目度、モデルのダウンロード数などから利用状況を推測するしかないが、それらはプロトコルのキャッシュフローを測るには弱い代替指標に過ぎない。AI 推論に対する構造的な需要と、遊休 GPU 供給の非効率性を踏まえると、Dolphin のインフラ論は一貫しているものの、依然としてプロジェクトは初期段階であり、実行力に大きく依存している。その将来は、短期的な価格変動ではなく、ネットワークの品質と信頼性によって決まり、投資家はロードマップの遂行状況、供給の集中度、そして実際に有料で発生している推論需要を主要な変数として扱うべきである。