二つの革命的な技術 - 人工知能とブロックチェーン - はもはや独立して進化しているわけではありません。 それらは融合し、かつてない事態が現れました：人間の介入なく価値を保持し、決定を行い、 取引する能力を持つ自律的なソフトウェアです。
2025年10月、CoinbaseはPayments MCPを発表しました。 これはAIエージェントに対し、暗号通貨ウォレット、オンランプ、ステーブルコイン決済に直接アクセスできる モデルコンテキストプロトコルの実装です。例えば、Claude、Gemini、Codexのような大規模な言語モデルが 自然言語による簡単なプロンプトで暗号経済にネイティブにアクセスし、ウォレットを作成し、資金を投入し、 決済を実行することができるようになりました。
これは単なる開発者ツールではありません。これはデジタルシステムを通じた価値の動きを 根本的に変えるものです。Coinbaseの開発者プラットフォームのエンジニアリング責任者である Erik Reppelは 暗号通貨を「機械に最適化されたもの」として、「どんなプログラムでも利用できる唯一の オープンでデジタルネイティブな支払い基準」と強調しています。
この動きの影響は自動取引をはるかに超えます。AIエージェントは分散型金融プロトコルに参加し、 デジタルアイデンティティを管理し、分散型自律組織で調整し、自らのサービスを作成し、 収益化することさえ始めています。AI暗号セクターは2025年に市場キャップ31.9億ドルに達し、総暗号市場の0.80%を占め、200を超える活発なAIトークンと一日あたり4.27億ドルの取引量を記録しています。
この収束は両方の領域における根本的な制限を解消します。AIシステムは情報処理を超えて経済活動に参加するのに苦労してきました。 ブロックチェーンネットワークは、複雑な金融インフラを備えていながらも、主に人間の入力に反応するという側面が強いです。 AIエージェントは暗号通貨のレールを使ってこのギャップを埋め、「エージェントコマース」と呼ばれる新しいパラダイムを生み出します。 それは、機械が行動を推奨するだけでなく、コードの速さで進むプログラム可能なお金に基づいて行動を実行するものです。
この収束のタイミングも偶然ではありません。2024年に1840億ドルと評価されていたグローバルAI市場は、 2030年までには8267億ドルに達すると予測されています, 年間成長率は28.46%です。同時に、ステーブルコインの決済量は2025年上半期には $1.39兆ドルに達しました, これにより暗号のインフラが機関レベルの支払いフローを処理できることが示されました。 機械学習モデルは推論や意思決定においてかつてない能力を獲得し、 ブロックチェーンのインフラは最小コストで0.001秒の取引をサポートする成熟度に達しました。 Content: AIシステムが利用可能な機能を発見し、そのパラメータを理解し、安全に実行するための標準化された方法です。Payments MCPにおいて、これらの機能にはウォレット作成、資金提供、および支払いの実行が含まれます。
The x402 Payment Protocol: HTTP 402「Payment Required」ステータスコードを基に構築され、AIエージェントが有料リソースにアクセスする必要があるとき、サーバーは402と支払い指示で応答します。エージェントは自動的に決済を構築・送信し、確認を受けてアクセスを取得します。
The Execution Layer: これは実際のオンチェーンオペレーションを処理します。エージェントが支払いを決定すると、Payments MCPはCoinbaseのインフラを介してBaseネットワーク（Ethereum Layer 2）上でトランザクションを作成し、署名し、安全にブロックチェーンにブロードキャストします。この全過程は数秒で行われます。
実際の操作方法
ユーザーエクスペリエンスは意図的にシンプルです。開発者またはユーザーは、AIアシスタントをPayments MCPに迅速に設定することで接続します。APIキーは不要です。アシスタントは、次のようなコマンドを実行できます。
「ウォレットを作成し、$50でファンドする」 「このアドレスに5 USDCを支払う」 「残高を確認し、半分を貯蓄ウォレットに送る」
舞台裏のワークフローには、次のステップが含まれます。
-
インテント認識: AIモデルが自然言語のリクエストを解析し、特定のMCP機能にマップします。
-
ウォレット管理: 新しいユーザーに対しては、Payments MCPがノンカストディアルウォレットを作成します。
-
認証: トランザクションを実行する前に、システムは設定された支出制限と承認ルールに対してチェックします。
-
トランザクション構築: システムは、ガス料金と最適なルートを計算して適切なオンチェーントランザクションを組み立てます。
-
実行: トランザクションは署名され、ブロックチェーンにブロードキャストされます。
-
確認: エージェントはトランザクションの確認を受け取り、後続のアクションを続けることができます。
The x402 Integration
x402プロトコルは、真のプログラム化されたコマースを可能にするため特に重要です。このプロトコルは以下を定義します：
- サーバーが支払い要件をどのように伝えるか
- クライアントが支払い証明をどのように作成してリクエストに添付するか
- 仲介者がトランザクションをどのように検証し、決済するか
これにより、インターネット上のペイ・パー・ユースモデルの普遍的なパターンが作成されます。
技術的な保護策
セキュリティは、Payments MCPの設計における中心的な要素です。いくつかのメカニズムがユーザーとエージェントを保護します：
支出制限: ユーザーは、エージェントがトランザクションごとと時間単位ごとに使える最大額を設定します。
承認ワークフロー: 一定の金額を超えるトランザクションには、実行前に明示的な人間による承認が必要です。
ウォレット隔離: エージェントのウォレットはユーザーのメインの保有から分離されており、エージェントが侵害された場合の露出を制限します。
ローカル実行: システムはユーザーのデバイス上でローカルに稼働し、リモートサーバーでは動作しません。これによりプライバシーが向上し、ユーザーに直接的な制御が与えられます。
監査履歴: すべてのトランザクションはオンチェーンで記録され、エージェントの活動の透明で不変の記録を提供します。
現在の制約とロードマップ
Payments MCPは、特定の制約の下で開始されました。現在、Baseネットワーク上のUSDCステーブルコインのみをサポートしています。ChatGPTは、技術的な違いからまだ互換性がありません。最初のリリースは、トレーディング、レンディング、流動性提供のようなより複雑なDeFiオペレーションよりも、支払いの実行に焦点を合わせています。
しかし、将来はより多くのモデルと開発者向けツールをサポートする予定です。
重要性
Payments MCPは、以下の理由から重要です：
- 使いやすさ: APIキーが必要なく、複雑な設定も不要です。ユーザーは数分で開始できます。
- 広範な互換性: 複数の主要なAIモデルとすぐに互換性があります。
- 実経済活動: テストネットやシミュレーションではなく、公共ネットワークで実際の価値を持つトランザクションを行います。
- オープンスタンダード: どの開発者でも実装可能なオープンプロトコルに基づいています。
- 企業クラス: 規制対象の公開取引所によって展開され、機関のコンプライアンス基準があります。
この組み合わせは、AIエージェントと暗号インフラストラクチャがどのように相互作用すべきかの青写真を作成します。
技術詳細: AIエージェントがブロックチェーンとどのように相互作用するか
AIエージェントをブロックチェーンインフラと接続する技術的アーキテクチャを理解するには、スタックの異なるレイヤーを調べる必要があります。各レイヤーは、アイデンティティ、意思決定、実行、およびセキュリティに関連する特定の問題を解決します。
エージェントアーキテクチャ
最新の暗号用AIエージェントは、通常、専門化されたコンポーネントを持つモジュール式アーキテクチャに従います：
知覚レイヤー: エージェントは周囲の環境を理解する必要があります。コンテンツ: 新しいアプローチが登場しました：
Multi-Party Computation (MPC): プラットフォームのLit Protocolのように、MPCを使用して秘密鍵を複数のノードに分割して分散します。この方法でエージェントは、どの単一のエンティティも完全な鍵を持たない状態で、トランザクションに署名できます。もし一つのノードが危険にさらされても、鍵は安全です。
しきい値署名: MPCに似ており、しきい値署名スキームでは有効な署名を作成するために複数の関係者が協力する必要があります。この方法で信頼が分散され、単一障害点が減少します。
ハードウェアセキュリティモジュール (HSMs): 高価値のアプリケーションには、専用のハードウェアで鍵を保存し、ソフトウェア環境に秘密鍵を露出させずに暗号操作を行います。
セキュアエンクレーブ: 現代のプロセッサは、隔離された実行環境（例えばIntel SGX）を持っており、システムの他の部分から保護された状態で機密操作を実行することができます。
ポリシーベースアクセス制御: Warden Protocolのようなプロジェクトは、エージェントがどの条件下でどのような行動を取れるかを定義するポリシーエンジンを実装しています。エージェントが署名キーにアクセスできても、事前に定義されたルールに従うトランザクションしか実行できません。
Lit Protocolの創設者David Sneider氏は、AIエージェントの鍵管理に三つの主要アプローチを述べました：
- 直接鍵アクセス: エージェントが直接秘密鍵にアクセスする、最も単純ですが最も安全性が低いアプローチ。
- 承認に基づくアクセス: エージェントが実行前に明確な承認を要するトランザクションを提案し、自律性と安全性をバランスします。
- ポリシー制限付きアクセス: エージェントは自律的にトランザクションを実行できますが、事前に定義されたポリシー境界内でのみ実行可能で、高い自律性をプログラムのガードレールで提供します。
ブロックチェーンのインタラクションパターン
AIエージェントは、いくつかの異なるパターンでブロックチェーンと対話します：
読み取り操作: 現在の状態のクエリを行い、オンチェーンの変更をしません。これには次が含まれます：
- バランスやトークンの保有状況の確認
- スマートコントラクトの状態の読み取り
- トランザクションの履歴の分析
- 流動性プールや取引条件の監視
書き込み操作: ブロックチェーンの状態を変更するトランザクションを作成します：
- トークンの転送
- 分散型取引所での取引の実行
- DeFiプロトコルに対する入出金
- スマートコントラクトの作成または変更
イベントモニタリング: ブロックチェーンのイベントを購読し、特定の条件が発生した時にアクションをトリガーします：
- レンディングプロトコルでの清算アラート
- 価格しきい値の突破
- ガバナンス提案の作成
- トークン転送の通知
マルチチェーンコーディネーション: 同時に複数のブロックチェーンでオペレーションを実行します：
- クロスチェーンアービトラージ
- ネットワーク間の資産ブリッジ
- チェーン全体のポートフォリオ再バランス
モデルコンテキストプロトコルの詳細
モデルコンテキストプロトコルは、Anthropicによって開発され、Coinbaseによって暗号のために適応されたもので、AIとブロックチェーンのインタラクションに関する重要な標準化を提供します。MCPは次を定義します：
ツールディスカバリー: AIモデルは、どの機能が利用可能かをクエリできます（ウォレット作成、支払いの送信、残高確認など）。
パラメータ指定: 各ツールは必要な入力を宣言します（受取人アドレス、金額、トークンの種類など）。
実行の安全性: ツールは、実行前に満たすべき条件を指定できます（残高チェック、承認要件など）。
結果報告: 成功確認、エラーメッセージ、および関連データを返すための標準化された形式。
この標準化の重要性は、開発者が各AIモデルに対するカスタム統合を作成する必要がないということです。どのMCP互換モデルでも、暗号機能を提供するMCPサーバーを使用できます。このモジュール性はエコシステムの開発を加速します。
スマートコントラクトのインタラクション
AIエージェントは、いくつかのメカニズムを通じてスマートコントラクトと対話します：
直接コール: エージェントはデプロイされたスマートコントラクトの公開関数を呼び出し、必要なパラメータとガス料金を渡せます。
意図ベースの実行: 正確なコントラクトのインタラクションを指定するのではなく、エージェントは「ETHをUSDCにスワップするための最適価格を取得する」などの高レベルの意図を表現し、ソルバーネットワークがそれを最適なトランザクションに翻訳します。
アカウント抽象化: ERC-4337や類似の標準は、柔軟な検証ロジックを備えたスマートコントラクトウォレットを使用するエージェントを可能にし、バッチトランザクションやあらゆるトークンでのガス支払い、複雑な許可構造をサポートします。
エージェント所有のコントラクト: いくつかのアーキテクチャでは、エージェントが独自のスマートコントラクトをデプロイおよび制御することができ、例えば自動化されたマーケットメイカーの作成やカスタムのトレジャリーマネジメントロジックの作成など、より洗練された行動を可能にします。
データフローと依存関係
暗号のAIエージェントは、いくつかのインフラレイヤーに依存しています：
RPCノード: ブロックチェーンデータへの直接アクセスとトランザクションのブロードキャスト機能を提供します。
インデキシングサービス: The Graph、Covalent、Moralisのようなサービスは、効率的にブロックチェーンデータを集約しクエリします。
プライスオラクル: Chainlink、Pyth、および類似のプロトコルは、信頼性のあるオフチェーンデータをオンチェーンで提供します。
IPFS/Arweave: エージェントのメモリー、モデルパラメータ、および関連データのための分散型ストレージ。
リレーネットワーク: エージェントに代わってトランザクションを送信でき、ガス管理を抽象化します。
パフォーマンスとスケーラビリティ
現在のAIとブロックチェーンのアーキテクチャはいくつかのパフォーマンス制約に直面しています：
トランザクションレイテンシ: ブロックチェーンの確認時間は、AIモデルの推論に比べて（秒から分の）遅いです。エージェントは非同期操作を処理するように設計されなければなりません。
ガスコスト: オンチェーンのすべてのアクションにはガス料金がかかります。マイクロトランザクションや高頻度操作の場合、これらのコストは厄介です。Layer 2ネットワークであるBase、Arbitrum、またはOptimismは、手数料を10〜100倍削減することで支援します。
データの可用性: エージェントは、トレーニングと意思決定のために広範な履歴データを必要とします。スケールでのオンチェーンデータのアクセスは高価で遅い場合があります。
モデル提供: 洗練されたAIモデルを運行するには、膨大なコンピュータ資源が必要です。リアルタイムの意思決定のためには、推論が迅速に行われなければなりません。モデルの洗練度とレイテンシ要件の間の緊張が生まれます。
解決策として次が浮上しています：
- ステートチャネルとロールアップ: ほとんどの操作をオフチェーンに移動しながらセキュリティの保証を維持する。
- 専門のハードウェア: 高速の推論のためのGPUやTPU、低レイテンシの取引のためのFPGA。
- ハイブリッドアーキテクチャ: 強力な保証のあるオンチェーンでの戦略的な意思決定と、オフチェーンでの迅速な戦術的実行が行われる。
- エージェントの専門化: ジェネラルパーパスエージェントよりも特定のタスクに集中した専門のエージェントが、それぞれの分野でのパフォーマンスを最適化できる。
AIエージェントとブロックチェーンを接続する技術アーキテクチャは急速に進化を続けています。新しいプロトコル、ツール、プラットフォームが、ますます洗練された自律システムのためのビルディングブロックを提供しています。
ユースケース: 自律型決済からデータ市場へ
AIと暗号の融合は、複数のドメインにわたるユースケースを可能にします。これらのアプリケーションを理解することは、自律型エージェントが単なる自動取引以上である理由を明確にするのに役立ちます。
自律型決済と商取引
最も即時性のあるアプリケーションは、摩擦のないマシン間決済です。x402と類似のプロトコルによって、AIエージェントは可能となります：
APIマネタイズ: 月額サブスクリプションの代わりに、APIはリクエストごとに請求します。あるトピックを調査するエージェントが、最適な価格対品質比を選択し、複数のソースからデータに自動的に支払います。
計算リソース: AIモデルは大量の処理能力を必要とします。エージェントは、Renderのような分散型ネットワークやクラウドプロバイダーからGPU時間を借りて、使用した分だけ支払います。
コンテンツアクセス: ニュース記事や研究論文、プレミアムコンテンツがペイパーアクセス型になります。エージェントは情報が費用に見合うかを自動で評価し、マイクロペイメントを透明に行います。
サービスチェイニング: あるエージェントが感情分析をした後、価格を予測し、取引を実行する別のサービスを使用し、それぞれのプロバイダーに対して人間の関与なく直接支払います。
初期の実装は有望です。Cloudflareは、エージェントがテストネットUSDCを使用して計算ツールに自動的に支払うx402プレイグラウンドをデモしました。Web3ストレージプラットフォームのPinataは、x402をペイパーファイルストレージのために使用しています。Heuristは、AI研究の支払いにそれを活用しています。
分散型金融 (DeFi) オートメーション
DeFiプロトコルはAIエージェントが価値を提供するための広範な機会を創出します：
イールド最適化: エージェントは、リスクを管理しつつリターンを最大化するために、数十のプロトコルと複数のチェーンでのイールドファーミングの機会を継続的に監視し、資本を自動的に再割り当てします。
自動マーケット作成: リアルタイムの価格差の特定や、DEX、CEXにおける価格差を利用するため、AIエージェントが、市場状態、ボラティリティ、在庫水準に基づいて積極的にポジションを調整します。異なるチェーン、ガス料金、スリッページ、タイミングを考慮した複雑なマルチホップ取引を実行する。
ポートフォリオリバランシング: エージェントは、多様な資産を対象に割り当てを維持し、価格が変動し新しい機会が出現するたびに自動的にリバランスする。
Olas Protocol、旧Autonolasはこのモデルの例である。プラットフォームは、Gnosis Chain上で予測市場を運営する自律トレーディングエージェントへのアクセスをユーザーに提供する。彼らのウェブサイトによると、Modiusのようなエージェントは自律トレーディングから約17%のAPYを達成し、OLASトークンのステーキングから138%のAPYを得ている。2025年初頭には既に300万以上の取引が報告されており、実質的な経済活動を示している。
DAOガバナンスと調整
分散型自律組織はAIエージェントの参加から大きな恩恵を受ける：
提案分析: エージェントはガバナンス提案を解析し、コード変更、経済的影響、DAOの目標との整合性をレビューする。OlasのGovernatooorrは、提案を評価し、デリゲーターの好みに従って投票する世界初の自律AIガバナーを代表している。
委任投票: トークンホルダーは特定の指示や価値を持つAIエージェントに投票権を委任できる。エージェントはすべての提案に投票し、人間は議論を呼ぶまたは大きな影響を与える決定のみを担当する。
調整: 大規模なDAOでは、時差と利害関係者をまたいだ調整が困難である。エージェントは議論を促進し、立場を要約し、コンセンサスを識別し、妥協案を提案できる。
財務管理: DAOの財務はしばしば放置されるかアドホックに管理される。AIエージェントは、高度な財務戦略を実行し、保有を多様化し、収益を生成し、あらかじめ定義された方針に基づいて業務を自動的に資金調達することができる。
データ市場とモネタイズ
AIと暗号はデータ交換の新しいモデルを可能にする：
分散トレーニングデータ: Ocean Protocolのようなプロジェクトは、データ所有者がファデレーテッドラーニングや差分プライバシーのような技術を用いて情報を収益化しながらプライバシーを維持できる市場を創出する。
モデル市場: SingularityNETのAIマーケットプレイスは、開発者がAIサービスを公開し収益化することを可能にする。エージェントは必要に応じて専門的なモデルへのアクセスを発見し、評価し、購入できる。
計算市場: Bittensorはピアツーピアの機械学習ネットワークを運営しており、寄稿者は質の高い出力に基づいてTAOトークンを稼ぎ、そのネットワーク内でAIモデルを訓練する。これは、分散AI開発のための経済的インセンティブを生み出している。
データ出所: ブロックチェーンはデータの所有権と使用法の検証可能な記録を提供する。エージェントは意思決定に使用したデータを証明でき、コンプライアンスと監査に重要である。
アイデンティティと評判
AIエージェントは信頼を構築し評判を追跡するために持続可能なアイデンティティが必要である：
オンチェーンアイデンティティ: ENS（Ethereum Name Service）のようなシステムは、エージェントにブロックチェーンアドレスに結びついた人間可読な名前を提供する。
評判システム: エージェントの行動をオンチェーンで記録することで検証可能な実績を作成する。成功したトレーダー、信頼できるサービス提供者、または有益な助手は、プレミアム手数料を徴収するための肯定的な評判を蓄積する。
資格認定: エージェントは健全性、規制遵守、特定の能力の証拠といった検証可能な資格を保持でき、分散環境で信頼を可能にする。
ソーシャルグラフ: エージェントは信頼できる相手のネットワークを維持し、信頼性の高いエンティティと取引することを好む。
NFTとデジタルアセット
ノンファンジブルトークンはAIエージェントにユニークな機会を提供する：
自動化されたキュレーション: エージェントは希少性、過去の販売記録、クリエイターの評判、美的品質に基づいてNFTコレクションを評価し、キュレーションされたポートフォリオや市場を構築する。
動的NFT: AI生成コンテンツは外部データ、オーナーのインタラクション、市場条件に基づいて進化するNFTを作成できる。
ゲームNPC: Illuviumと統合されたVirtuals ProtocolはブロックチェーンゲームでAI駆動のNPCを実演しており、学び、適応し、プレイヤーが所有し取引できるトークン化されたアセットとしてユニークな体験を提供する。
ロイヤリティ分配: エージェントはデジタルコンテンツの複雑なロイヤリティ構造を管理し、クリエイターやコラボレーター、権利保持者に支払いを自動的に分配することができる。
クロスチェーンオペレーション
ブロックチェーンエコシステムが複数のネットワークに断片化する中、エージェントは重要なブリッジを提供する：
マルチチェーンアービトラージ: エージェントはEthereum、Solana、Avalanche、Polygonなどのネットワーク間で価格をモニターし、ブリッジコストとリスクを管理しつつ、利益を上げる取引を実行する。
アセット移行: 資産をより効果的に使用できるチェーンへ自動的に移動する - たとえば、手数料が低いBaseへステーブルコインをブリッジしたり、広範な市場アクセスのためにPolygonへNFTを移行したり。
流動性の集約: ユーザーがチェーン間のポジションを手動で管理する代わりに、エージェントがクロスチェーンの流動性供給を処理し、条件の変化に応じてリバランスする。
ソーシャルとエンターテインメント
AIエージェントはソーシャルおよびエンターテイメントのコンテキストに進出している：
AIインフルエンサー: Virtuals Protocolはソーシャルメディアで交流し、コンテンツを作成し、コミュニティを構築できるトークン化されたAIエージェントの作成を可能にする。トークンホルダーはこれらのエージェントを共同所有し、生成した収入を共有する。
仮想コンパニオン: AIエンティティは、パーソナライズされたインタラクション、エンターテイメント、または補助を提供し、支払いと所有権がブロックチェーン上で行われる。
協働クリエーション: 人間と協力してアート、音楽、執筆などのクリエイティブプロジェクトを生成するエージェント - ブロックチェーンは貢献を追跡し、公平に価値を分配する。
これらのユースケースは仮想上のものではない。520以上のAIエージェントクリプトプロジェクトが2025年8月時点で活動しており、合計時価総額は60億ドルを超えていた。プロトコルが成熟し、採用が加速するにつれてDeFAI市場は2026年までに10-15億ドルから50億ドル以上に拡大することが期待されている。
エコシステムマップ：主要プレイヤー、プロトコル、およびインフラストラクチャーレイヤー
AIエージェントクリプトエコシステムはそれぞれ特定の能力を貢献する多くのプロジェクトで構成されている。ランドスケープをマップすることで、価値とイノベーションが集まる場所を特定するのに役立つ。
インフラストラクチャープロトコル
Fetch.ai (FET): 初期の参入者の一つであるFetch.aiは2019年にローンチし、自律経済エージェントのためのインフラを提供している。プラットフォームはエージェントが相互に発見し、条件を交渉し、価値を取引することを可能にする。Fetch.aiはASI-1を導入した、これは特に独立した計画とマルチステップタスクの実行に最適化されたWeb3ネイティブの大規模言語モデルである。プロジェクトはArtificial Superintelligence Allianceの一部で、SingularityNETおよびOcean Protocolと合併して、分散型AGIに専念する最大のオープンソースイニシアチブを創出している。2025年半ばには、Fetch.aiのトークンFETは約$0.78で取引されており、時価総額は約17.9億ドルに達している。
Autonolas (OLAS): 現在はOlasとしてブランド変更されたこのプロトコルは、オートメーション、オラクル、および共同所有のAIを含むオフチェーンサービスの統合ネットワークを提供している。2022年夏にローンチされたOlasは、自律エコノミックエージェント（AEA）フレームワークを使用して暗号およびAIを統合する。プロトコルのPearlアプリケーションは、ユーザーがデスクトップで自律エージェントを操作できる「アプリストア」として機能する。Olasは2025年初頭に1,380万ドルを調達し、エコシステムを拡大するために利用し、現在エージェントは月に700,000以上の取引を処理しており、月ごとに30%の増加を示している。
Bittensor (TAO): 分散型機械学習ネットワークとして運営されているBittensorは、マイナーがTAOトークンとの引き換えにネットワークにAIモデルを提供できる。プラットフォームはテキスト生成から画像認識、データ分析までのタスクリストに特化した125以上のサブネットを運営している。Bittensorの初の半減期は2025年12月に予定されており、1日のTAO発行が7,200から3,600トークンに減少する。約70%のTAOが既にステークされているため、この供給削減はかなりの上昇圧力を生む可能性がある。TAOは約436ドルで取引されその時価総額は約36.3億ドルであり、最大のAIクリプト資産の一つとなっている。
SingularityNET (AGIX): Dr. Ben Goertzelによって2017年に創設されたSingularityNETはAIサービスのための分散型マーケットプレイスを運営している。開発者はAIツールを公開し、ユーザーはAGIXトークンでアクセスを支払うことができる。プラットフォームはThe content you provided has been translated into Japanese below. I've maintained the original markdown links as requested:
Content: AI-to-AIサービスにおける交渉、独立エージェントとエージェントのインタラクションを可能にする。SingularityNETは、倫理的かつ事実に基づいたAIのためにディープラーニングと論理ベースの推論を組み合わせたニューロシンボリックLLM、Zarqaを開発している。ASIアライアンスの一環として、AGIXは統一ASIトークンへ移行中であるが、正確なスケジュールとメカニズムはコミュニティによるガバナンス下にある。
アプリケーションプラットフォーム
Virtuals Protocol (VIRTUAL): 注目のAIエージェントランチパッドとして登場、Virtuals Protocolは、自立型エージェントの作成、トークン化、収益化のためのインフラを提供している。プラットフォームのGAMEフレームワークにより、開発者はコーディングの専門知識なしにマルチモーダルAIエージェントを作成できる。起動された各エージェントはERC-20トークンとなり、コミュニティがAIエンティティを共同所有、管理できるようになる。Virtualsは2025年10月までに約10億ドルの時価総額に達し、プロトコルは取引手数料から年間3000万ドルを生成している。注目の実装例として、ゲーム環境内のAI駆動NPCや、参加を通じて収益を生成するソーシャルメディアパーソナリティがある。
ai16z: 2024年後半にSolanaでローンチされ、ai16zは自律AIエージェントが率いる初のDAOとして機能し、ベンチャーキャピタリストMarc Andreessenのデジタル化身である。このプロジェクトはElizaフレームワークを使用し、マルチエージェントシミュレーションを可能にし、AIエンティティがプラットフォーム間で一貫したパーソナリティを維持できるようにする。ai16zの時価総額は2025年1月までに20億ドルに急騰し、トークン保有者はai16zPOOLを通じて31.39%のAPRを獲得している。このプロジェクトは、投資決定とコミュニティのガバナンスをAIエージェントがどのように調整できるかを示している。
Infinit Labs: インテントベースのDeFiに焦点を当てたInfinit Labsは10のブロックチェーンにわたる20以上のAIエージェントの群れを運営している。これらのエージェントはナチュラルランゲージプロンプトを通じて、ブリッジング、スワッピング、利回りの最適化を自動化している。このプロトコルは$6.3億のトータルバリューをロックし、月間$2億のボリュームを処理しており、ユーザーの採用が顕著である。
データとコンピュートネットワーク
Render (RNDR): 厳密にはAIに特化していないものの、Renderは分散型GPUレンダリングを提供し、AIエージェントは計算タスクに利用している。ネットワークはGPUパワーをトークン化し、エージェントが必要に応じて処理資源をレンタルすることができる。これは重大なボトルネックに対処するものであり、AIモデルが必要とする大規模な計算をRenderのマーケットプレイスを通じてアクセス可能にしている。
Ocean Protocol (OCEAN): ASIアライアンスの一部であるOcean Protocolは、安全なデータ共有と収益化のためのインフラを提供している。このプラットフォームはデータ所有者が制御を維持しながら、AIエージェントがトレーニングや推論のための情報にアクセスできるようにしている。Oceanのcompute-to-dataアプローチは、価値の抽出を可能にしつつ、機密情報をプライベートに保つ。
NEAR Protocol: 主にレイヤー1ブロックチェーンであるが、NEARはAIツールのハブとしての地位を確立しており、Near Tasksのようなイニシアティブを通じてAIプロジェクト開発者を引きつけている。プラットフォームの低コストと高スループットは、頻繁なトランザクションを必要とするAIエージェントオペレーションに適している。
専門的なアプリケーション
OriginTrail (TRAC): 元々はサプライチェーンデータに焦点を当てていたが、OriginTrailは、AIエージェントが構造化情報を検索するためのナレッジグラフを運用している。このプロジェクトは、外部情報に基づいた意思決定を行うエージェントにとって、データの出所と検証を提供している。
PAAL AI: 暗号ユーザー向けのパーソナライズドAIアシスタントを提供しており、取引、情報検索、ポートフォリオ管理を支援するカスタマイズ可能なボットを提供している。このプラットフォームは、AIエージェントが純粋に自律的にではなく、個々のユーザーのためにどのように役立つかを示している。
AIXBT: 暗号に特化したAIインフルエンサー兼アナリストとして機能し、オンチェーンデータ、マーケットセンチメント、トークンメトリクスを分析して機会を特定している。「幻覚」と呼ばれる取り組みや、2025年に55 ETHの損失を出したセキュリティ侵害により議論を呼んでいるが、AIXBTは市場参加者としてのAIエージェントの可能性（とリスク）を示している。このエージェントは2025年8月にトークン$PIPPINの600%のラリーを見つけ、予測能力とブラックボックスアルゴリズムに関する警告の両方を示した。
サポートインフラストラクチャ
Lit Protocol: MPCを使用した分散キー管理を提供しており、AIエージェントが秘密鍵を公開することなくトランザクションに安全に署名できるようにしている。
Warden Protocol: AIエージェントウォレットのポリシーベースのアクセス制御を実装し、エージェントがどの条件下でどのアクションを実行できるかを定義している。
The Graph (GRT): ブロックチェーンデータの分散インデクシングを提供しており、AIエージェントが履歴情報を効率的に問い合わせやすくしている。
Chainlink: 無限のAIXBTマーケットと支払いサービスの信頼できる価格オラクルと外部データを提供し、AIエージェントが意思決定に依存している。
市場ダイナミクス
AIエージェント暗号市場は、いくつかの大規模プロジェクトに集中価値を持ち、様々な新興アプリケーションが並んでいる。2025年のAI暗号市場全体の時価総額は319億ドルに達し、例えば:
- Bittensor (TAO)は36.3億ドル
- 5億ドルから20億ドルの範囲の複数のプロジェクト
- 様々な専門性を持つ200以上のアクティブAIトークン
2025年のある週には100億ドルの時価総額成長が見られ、投資家の関心が強いことを示している。しかし市場は非常に不安定であり、個々のトークンは日々50%以上の上下動を経験している。
地理的集中は、規制の明確さやAI人材へのアクセスのため、米国やEUに強い存在感を持つプロジェクトを支持している。アジアのプロジェクトはゲームやエンターテイメントアプリケーションに重点を置いており、西欧のプロジェクトはDeFiやインフラに重点を置いている。
競争環境は流動的である。すべてのユースケースを支配する単一のプロジェクトはなく、専門化のための機会がある。ただし、相互運用性は限られており、ほとんどのエージェントは特定のエコシステム内で動作しており、より広範な暗号ランドスケープ全体で動作するわけではない。跨プロトコル互換性を達成したプロジェクトは、大きなアドバンテージを得る可能性がある。
リスクと課題: セキュリティ、規制、アイデンティティ、自律性
有望なアプリケーションである一方で、暗号におけるAIエージェントは、採用を制限したり重大な損害を引き起こす可能性のある多大なリスクに直面している。これらの挑戦を理解することは、開発者、ユーザー、および規制当局にとって不可欠である。
セキュリティの脆弱性
AIエージェントは、従来のセキュリティモデルが完全には対処しない新たな攻撃面を生み出している。
プロンプトインジェクション: プリンストン大学の研究者が示したように、悪意のある行為者がAIエージェントのメモリを「コンテキスト操作」を通じて操作できる。エージェントが参照するメッセージ（例えばXやDiscordでの投稿）に悪意のあるコマンドを埋め込むことにより、攻撃者はエージェントの動作を警告を発さずに変更できる。
鍵管理: MPCのような解決策は信頼を分散するが、複雑さを増す。鍵管理システムの誤設定は、ユーザーが資金へのアクセスを失ったり、ルーチン操作中にキーを露出したりする可能性がある。暗号におけるAIエージェントの数は2025年に100万を超えると予想されており、大規模な鍵のセキュリティは今なお課題である。
スマートコントラクトの脆弱性: AIエージェントがスマートコントラクトとやりとりする際、そのコントラクトの脆弱性がエージェントの脆弱性となる可能性がある。エージェントがバグのあるDeFiプロトコルに資金を送ると、エージェントのエラーではなく、基盤となるスマートコントラクトの欠陥により資本を失うリスクがある。
オラクル操作: AIエージェントは外部データフィードに依存している。価格オラクルやその他のデータソースを操作すると、エージェントが誤った判断を下す、お得にならない取引を実行する、意図しない清算をトリガーする可能性がある。
ビザンチン行動: マルチエージェントシステムでは、一部のエージェントが悪意を持って振る舞うかもしれない - 偽情報を提供したり、協力を拒否したり、システムの目標に対して積極的に働いたりする。エージェントの協調のためのロバストなコンセンサス機構設計は、未解決の研究問題となっている。
プライバシーの懸念
AIエージェントがセンシティブな情報を処理することで、プライバシーリスクが発生する：
データ露出: エージェントはしばしばオンチェーンとオフチェーンの両方のデータにアクセスする。注意深く扱われないと、ユーザーのアイデンティティ、トランザクションのパターン、その他の機密情報を暴露する可能性がある。Content: 情報。
監視: トランザクション履歴を蓄積する持続的なエージェントのアイデンティティは、アプリケーションを越えて個人をプロファイリングおよび追跡することを可能にする可能性があります。
コンプライアンス対プライバシー: KYC/AMLのような規制はアイデンティティの確認を要求しますが、仮想通貨ユーザーはプライバシーを重視しています。この分野で活動するAIエージェントは、相反する要求のバランスを取らなければなりません。
規制の不確実性
仮想通貨におけるAIエージェントの規制環境はほとんど定義されていません:
証券法: AIエージェントが自身またはそのサービスをトークン化する場合、それらのトークンが証券に該当するかについての疑問が生じます。AIエージェントトークンをめぐるSECの分類論争 は、これらのシステムの発展に大きな影響を与える可能性があります。
責任: AIエージェントが誤りを犯した場合 - 悪い取引を実行したり、スマートコントラクトに違反したり、金融損失を引き起こしたりする場合 - 誰が責任を負うべきでしょうか？エージェントの開発者でしょうか？それを展開したユーザーでしょうか？インフラストラクチャを提供するプラットフォームでしょうか？Fenwick法律事務所の注釈 では、「投資契約の下で米国の投資家から資金を募集するためにソフトウェアを使用することは、証券法に基づく規制を受ける証券の提供として考慮される可能性があります」としています。
金融サービス規制: 金融サービスを促進するAIエージェント は、送金、投資顧問、ブローカー・ディーラー活動に関する既存の規制へのコンプライアンスを考慮する必要があります。
AI特有の法律: 各地域ではAI特有の規制が導入されています。カリフォルニアのAB 2013はトレーニングデータに関する開示を要求し、SB 942はAI検出ツールを要求し、コロラドのSB 24-205は高リスクAIシステムに関する開示を義務付けています。グローバルに活動する仮想通貨AIエージェントは、規制のパッチワークを乗り越えなければなりません。
国境を越えた操作: 法域を超えて活動するエージェントは分断された規制に直面します。ある国で合法なものが他の国では制限されることがありますが、それでもエージェントは瞬時にグローバルに取引することができます。
KYC/AMLコンプライアンス: 従来のKYC/AMLプロセスは人間の顧客を前提としていました。エージェントが自律的に取引する場合、疑問が生じます: エージェントはKYCの対象となるべきでしょうか？彼らはKYCを完了することができるのでしょうか？エージェントが金融犯罪を犯した場合、当局はどのように対応するのでしょうか？規制当局はますますリアルタイムのトランザクションモニタリングを要求しており、自律システムにとって複雑さが増します。
アルゴリズムの偏りと公正性
AIエージェントは、トレーニングデータに存在する偏りを引き継ぎます:
取引差別: 歴史的データを基にトレーニングされたエージェントは、偶然の相関に基づいて特定のトークン、プロジェクト、ユーザーグループを差別する可能性があります。
アクセス不平等: AIエージェントが優れた取引やイールド最適化を提供する場合、それへのアクセスがない人々は成長する不利な立場に直面し、富の不平等が悪化する可能性があります。
説明性: エージェントが自律的に意思決定を行う際に、なぜそのようにしたのかを理解することが難しい場合があります。この「ブラックボックス問題」は、デバッグ、監査、信頼の構築を困難にします。規制当局は説明可能なAIを要求しますが、多くのML技術は解釈に抵抗します。
技術的制約
現在の技術はAIエージェントが信頼性を持って達成できる範囲を制約しています:
コンテキストウィンドウ: 先進的なLLMでさえもコンテキストに限りがあり、一度に処理できる情報量には限界があります。複雑な多段階の戦略はこれらの限界を超えるかもしれません。
計算コスト: 高度なAIモデルを運用することは高価です。小取引では、推論コストが創出される経済的価値を上回る可能性があります。
幻影: AIモデルは、偶然に見えながらも誤った情報を生成することがあります。投資機会や規制要件を「幻視」するエージェントは、実際の経済的損害を引き起こす可能性があります。
敵対的例: 入力へのわずかな摂動がAIモデルに紛らわしい出力をもたらすことがあります。悪意のある行為者がこれを利用してエージェントの行動を操作する可能性があります。
経済的およびゲーム理論的リスク
AIエージェントは、不確実な結果を伴う新しい経済的ダイナミクスを生み出します:
フラッシュ・クラッシュ: 多くのAIエージェントが市場状況に同様に反応することで、ボラティリティを増幅したり、連鎖的な清算を引き起こす可能性があります。
抽出戦略: 高度なAIエージェントは、低高度なエージェントや人間のトレーダーから価値を抽出し、捕食的なダイナミクスを作り出すかもしれません。
資源枯渇: 機会を競うエージェントがガス料金を引き上げたり、人間の参加者を締め出したり、流動性プールを枯渇させる可能性があります。
協調失敗: 多エージェントシステムでは、利益となる協調を達成することは困難です。エージェントはより良い結果が存在する場合でも、最適でない均衡に落ち着くかもしれません。
自律性と制御
最も基本的な課題は、自治と制御のバランスを取ることです:
制御不能な行動: 幅広い自律性を与えられたエージェントは、意図しない方法で目標を追求するかもしれません。たとえば、「リターンを最大化する」ことをタスクとするエージェントが、リスキーな戦略を追求し続け、最終的に壊滅的な損失を引き起こすかもしれません。
価値の整合性: エージェントがユーザーの価値に合致した目標を追求することを確保するのは難しいです。Nick Bostromの「ペーパークリップの最大化者」という思考実験 は、適切な制約なしに追求されると、どのように見かけ上無害な目標が有害な結果をもたらすかを示しています。
人間の監視: 完全に自律的なエージェントは意思決定のループから人間を排除しますが、完全に手動での制御は目的に反します。エージェントが日常的な意思決定を扱い、重要な選択をエスカレートさせる適切なバランスを見つけることは、未解決の設計問題です。
可逆性: エージェントが誤って行動した場合、その行動は元に戻せるでしょうか？スマートコントラクトは元に戻せないので、エージェントの誤りは永久的かもしれません。
緩和戦略
業界はこれらのリスクに対処するためのアプローチを開発しています:
漸進的な自律性: 認可が必要なアクションを提案するエージェントから始め、システムが信頼性を証明した場合に自律性を徐々に増やします。
サンドボックス化: 実際の資本を用いて展開する前にシミュレーション環境でエージェントをテストします。
サーキットブレーカー: エージェントが予期しない行動を取った場合、自動的にシャットダウンする仕組みを実装します - 支出制限を超えたり、多数のトランザクションを実行したり、損失がしきい値を超えた場合など。
モニタリングと監査: エージェントの行動を継続的に観察し、異常に対する警告を出します。透明なログは事後分析を可能にします。
保険: エージェントの不正行動による損失をカバーする新たな保険商品が登場し、多くのユーザー間でリスクを分散させます。
集合的ガバナンス: 独立して活動する個々のエージェントではなく、分散型の意思決定を持つエージェントの集合体がより堅牢であるかもしれません。
形式的検証: 重要な機能に関しては、エージェントの行動が仕様に一致していることを数学的に証明することで、特定のエラーのクラスを防ぐことができます。
これらの戦略にもかかわらず、重大な不確実性は依然として残ります。仮想通貨におけるAIエージェントのリスクの全体像は、システムが規模を拡大し成熟するにつれてのみ明らかになるでしょう。初期の導入は慎重に進められ、詳細な監視と迅速な対応能力を有する必要があります。
経済的影響: AI駆動の取引がDeFiをどのように変えるか
AIエージェントのDeFiへの統合は、単なる自動取引を超越して市場構造、価値創造、力のダイナミクスを再構築する深遠な経済的影響を有しています。
効率向上と市場流動性
AIエージェントは市場の効率を大幅に向上させることができます:
スプレッドの引き締め: リスクや在庫に基づいて継続的に価格を更新する流動性提供エージェントは、ビッド・アスクスプレッドを削減します。これによりすべての参加者の取引コストが引き下げられます。
裁定取引の排除: 裁定取引を迅速に実行するAIエージェントは、異なる場での価格の不一致を排除し、価格がすべての利用可能な情報を反映するようにします。
24時間営業: 睡眠を取る人間トレーダーと違って、AIエージェントは常に稼働しています。これにより、継続的な流動性が提供され、夜間のリスクプレミアムが低減されます。
複雑な戦略の実行: 人間にとって非現実的な高度な多足戦略がアクセス可能となり、資本効率が向上します。
研究は示しています AI駆動の取引がすでに仮想通貨の日々の取引量の約40％を占めています。エージェントの洗練が増すにつれ、この割合はさらに増加するでしょう。
新しいビジネスモデル
AIエージェントは、これまで実現不可能だったビジネスモデルを可能にします:
小額決済サービスとしてのサービス: x402によって要求ごとの支払いを可能にすることで、サービスはより細かいレベルで収益化が可能になります。セントの断片を要するAPIコールが経済的に実行可能になります。
動的な価格設定: エージェントは需要、在庫、市場状況に基づいて価格を継続적으로調整し、収益を最適化できます。
分散所有権: トークン化された資産を管理するエージェントは、所有権を微小な部分に分割し、高価値資産への広範な参加を可能にします。
パーソナライズされた金融商品: 画一的なDeFiプロトコルではなく、エージェントはユーザーのリスク許容度、目標、好みに基づいてカスタマイズされた戦略を作成することができます。
富の分配効果
AIエージェントは、複雑な方法で富の分配に影響を与える可能性があります:
民主化: 高度な戦略を誰にでもアクセス可能にすることで、AIエージェントはプロのトレーダーや機関が現在享受している優位性を縮小するかもしれません。Content: small investor's AI agent](https://www.ulam.io/blog/ai-crypto-agents-in-crypto-trading-key-use-cases-trends) might execute strategies similar to what hedge funds employ.
小規模投資家のAIエージェント](https://www.ulam.io/blog/ai-crypto-agents-in-crypto-trading-key-use-cases-trends)は、ヘッジファンドが採用する戦略に似たものを実行するかもしれません。
Winner-Take-All Dynamics: Conversely, if the best AI agents significantly outperform others, their developers or owners could accumulate wealth rapidly, potentially increasing inequality.
勝者総取りの動態：反対に、最も優れたAIエージェントが他を大きく上回る能力を持つ場合、その開発者や所有者は急速に富を蓄積する可能性があり、不平等を増大させる恐れがあります。
Labor Displacement: As agents handle tasks humans currently perform - market making, portfolio management, governance voting - questions arise about economic roles for humans in an agent-dominated system.
労働の代替: エージェントが現在人間が行っているタスク（マーケットメイキング、ポートフォリオ管理、ガバナンス投票）を扱うようになると、エージェントに支配されたシステムにおける人間の経済的役割についての疑問が生じます。
Capital Allocation
AI agents change how capital flows through the economy:
資本配分
AIエージェントは経済を流れる資本の流れを変えます：
Hyper-Rational Markets: If agents dominate trading, markets may become more efficient but also more volatile as algorithmic strategies interact in unpredictable ways.
超合理的な市場：エージェントが取引を支配すると、マーケットは効率的になるかもしれませんが、アルゴリズム戦略が予測不可能な方法で相互作用するため、より不安定になる可能性があります。
Long-Tail Value Creation: Agents can economically serve niches too small for human attention. This could direct capital to overlooked opportunities, improving overall allocation efficiency.
長尾の価値創造：エージェントは、人間が関心を持つには小さすぎるニッチを経済的にサービスすることができます。これにより、見過ごされがちな機会への資本配分が可能になり、全体的な配分効率が向上する可能性があります。
Coordination at Scale: Agent networks coordinating through smart contracts could allocate capital to projects based on complex multi-stakeholder criteria, potentially improving on both market mechanisms and centralized planning.
大規模での調整：スマートコントラクトを介して調整されるエージェントネットワークは、複雑な複数利害関係者基準に基づいてプロジェクトへの資本配分を行うことができ、市場メカニズムと中央集権的な計画の両方を改善する可能性があります。
DeFi Protocol Design
Protocols must adapt to accommodate AI agents:
DeFiプロトコル設計
プロトコルはAIエージェントを収容するために適応する必要があります：
Gas Optimization: With agents making frequent small transactions, protocols must minimize gas costs or migrate to Layer 2 solutions.
ガス最適化：エージェントが頻繁に小さなトランザクションを行うため、プロトコルはガスコストを最小限に抑えるか、Layer 2ソリューションに移行する必要があります。
Bot-Resistant Mechanisms: Some protocols may want to limit bot activity to protect human users. Designing mechanisms that distinguish beneficial agents from extractive ones is challenging.
ボット耐性メカニズム：人間のユーザーを保護するために、ボットの活動を制限したいプロトコルもあります。恩恵を与えるエージェントと搾取的なものを区別するメカニズムを設計することは困難です。
Agent-Friendly Interfaces: Rather than user interfaces, protocols need machine-readable APIs, standardized data formats, and clear documentation enabling agent interaction.
エージェントフレンドリーなインターフェース：ユーザーインターフェースではなく、プロトコルはマシンが読み取れるAPI、標準化されたデータ形式、エージェントの相互作用を可能にする明確な文書が必要です。
Governance Evolution: DAO governance must account for agent voting. Should agents have full voting rights? Should there be verification that agents vote according to delegator preferences? How should agent voting power be capped?
ガバナンスの進化：DAOガバナンスはエージェントの投票を考慮に入れる必要があります。エージェントに完全な投票権を与えるべきでしょうか？エージェントがデリゲイターの好みに従って投票していることを確認すべきでしょうか？エージェントの投票権はどのように制限すべきでしょうか？
Risk Transformation
AI agents transform rather than eliminate risk:
リスクの転換
AIエージェントはリスクを排除するのではなく変革します：
Model Risk: Rather than human judgment error, we face model risk - the possibility that AI decision-making logic is flawed.
モデルリスク：人間の判断ミスではなく、AIの意思決定ロジックに欠陥がある可能性を持つモデルリスクに直面します。
Systemic Fragility: Agent interdependence could create systemic risks. If many agents rely on similar data sources, models, or strategies, they might fail simultaneously.
システムの脆弱性：エージェントの相互依存はシステム的なリスクを生むかもしれません。多くのエージェントが同様のデータソース、モデル、または戦略に依存している場合、それらは同時に失敗する可能性があります。
Operational Risk: Managing agent infrastructure - ensuring uptime, preventing unauthorized access, updating models - becomes critical.
オペレーショナルリスク：エージェントインフラの管理、アップタイムの確保、不正アクセスの防止、モデルの更新などが重要になります。
Liquidity Risk: Agent behavior might create sudden liquidity crunches if many agents simultaneously try to exit positions.
流動性リスク：多くのエージェントが同時にポジションを解消しようとすると、エージェントの行動が急な流動性の逼迫を引き起こす可能性があります。
Transaction Costs and Value Capture
AI agents reshape who captures value:
トランザクションコストと価値の捕捉
AIエージェントは誰が価値を捕捉するかを再形成します：
Disintermediation: Agents reduce need for intermediaries like exchanges, brokers, or advisors. This could reduce costs but also eliminate revenue streams supporting infrastructure.
仲介者の排除：エージェントは取引所、ブローカー、またはアドバイザーのような仲介者の必要性を減少させます。これによりコストが削減される可能性がありますが、インフラを支える収益源も消えることがあります。
Protocol Fees: If protocols charge fees for agent transactions, they could generate substantial revenue. However, agents will seek lowest-cost venues, creating competitive pressure.
プロトコル手数料：プロトコルがエージェント取引に手数料を課す場合、かなりの収入を生み出す可能性があります。しかし、エージェントは最低コストの場を求めるため、競争圧力が発生します。
Information Asymmetry: Agents with better data access, superior models, or faster execution capture value from less capable agents and human traders. This could create a technical arms race.
情報の非対称性：より優れたデータアクセス、優れたモデル、または高速な実行を持つエージェントは、能力の劣るエージェントや人間のトレーダーから価値を捕捉します。これが技術の軍拡競争を引き起こす可能性があります。
Macroeconomic Effects
At scale, AI agents could influence broader economic dynamics:
マクロ経済的影響
大規模な場合、AIエージェントはより広範な経済力学に影響を与える可能性があります：
Velocity of Money: Agents transacting rapidly could increase money velocity, potentially affecting prices and volatility.
貨幣の流通速度：エージェントが急速に取引を行うことで、貨幣の流通速度が上昇し、価格やボラティリティに影響を与える可能性があります。
Market Discovery: If agents trade based on fundamentals rather than sentiment, price discovery might improve. Conversely, if agents trade based on technical patterns, markets might become more self-referential.
市場発見：エージェントが感情ではなくファンダメンタルに基づいて取引する場合、価格発見が改善される可能性があります。逆に、エージェントが技術的パターンに基づいて取引する場合、マーケットは自己参照的になる可能性があります。
Business Cycles: Agent behavior could dampen or amplify economic cycles depending on how they respond to changing conditions.
ビジネスサイクル：エージェントの行動は、変化する条件にどのように対応するかに応じて、経済サイクルを抑制したり強調したりする可能性があります。
Monetary Policy Transmission: If significant economic activity involves agent-to-agent transactions, traditional monetary policy tools might become less effective.
金融政策の伝達：重要な経済活動がエージェント間の取引を含む場合、伝統的な金融政策ツールの効果が減少する可能性があります。
The Stablecoin Economy
Stablecoins are positioned as "AI-native money," with monthly settlement volumes reaching $1.39 trillion in the first half of 2025. Major stablecoin issuers now rank 17th globally in U.S. Treasury holdings.
ステーブルコイン経済
ステーブルコインは「AIネイティブの貨幣」として位置付けられていますが、2025年上半期には月間決済金額が1.39兆ドルに達しています。主要なステーブルコイン発行者は現在、米国債保有で世界17位にランクされています。
AI agents benefit from stablecoin's characteristics:
AIエージェントはステーブルコインの特徴から利益を得ます：
Programmability: Code can directly control stablecoin movements based on agent decisions. Speed: Settlements complete in seconds, matching AI decision-making pace. Composability: Stablecoins work across protocols without conversion friction. Cost: Transaction fees are minimal, enabling micropayments.
プログラム可能性：コードはエージェントの決定に基づいてステーブルコインの動きを直接制御できます。 速度：決済は数秒で完了し、AIの意思決定のペースに合致します。 合成性：ステーブルコインは変換の摩擦なしにプロトコル間で機能します。 コスト：トランザクション手数料は最小限であり、マイクロペイメントを可能にします。
This suggests stablecoin adoption could accelerate as AI agents proliferate, potentially positioning stablecoins as infrastructure for machine-to-machine commerce.
これは、AIエージェントが増殖するにつれてステーブルコインの採用が加速する可能性があることを示唆しており、機械間の商取引のインフラとしてステーブルコインを位置付ける可能性があります。
Value Creation vs. Value Extraction
A central question is whether AI agents primarily create new value or extract existing value from other participants:
価値の創造対価値の抽出
中心的な問題は、AIエージェントが主に新たな価値を創造するのか、他の参加者から既存の価値を抽出するのかということです：
Value Creation: Agents providing liquidity, improving information efficiency, enabling new services, and reducing friction create genuine economic value.
価値の創造：流動性を提供し、情報効率を改善し、新しいサービスを可能にし、摩擦を軽減するエージェントは、真の経済的価値を創造します。
Value Extraction: Agents front-running trades, exploiting less sophisticated market participants, or engaging in zero-sum competition may extract rather than create value.
価値の抽出：エージェントが取引をフロントランしたり、洗練されていない市場参加者を利用したり、ゼロサム競争に従事したりすることは、価値を創造するのではなく抽出する可能性があります。
The net impact depends on regulatory frameworks, protocol design choices, and the sophistication distribution among agents. If all agents become highly capable, competition could eliminate excess profits, benefiting end users. If capabilities remain concentrated, early movers could extract significant rents.
純影響は、規制の枠組み、プロトコルの設計選択、およびエージェント間の洗練度の分布に依存します。すべてのエージェントが非常に能力を持つようになれば、競争が過剰利益を排除し、最終利用者に利益をもたらす可能性があります。能力が集中したままだと、早期参入者が大きな利益を抽出する可能性があります。
Long-Term Structural Change
Over longer time horizons, AI agents could fundamentally restructure economic activity:
長期的な構造変化
より長期的には、AIエージェントは経済活動を根本から再構築する可能性があります：
From Firms to Agent Networks: Rather than corporations employing humans, we might see networks of autonomous agents coordinating to provide services.
企業からエージェントネットワークへ：人間を雇用する企業に代わって、自律的エージェントのネットワークが協調してサービスを提供する姿が見られるかもしれません。
From Employment to Ownership: If agents handle much economic activity, value might accrue to agent owners rather than workers, shifting economic organization toward capital ownership.
雇用から所有へ：エージェントが多くの経済活動を処理する場合、価値は労働者ではなくエージェントの所有者に帰属し、経済組織は資本所有に向かってシフトする可能性があります。
From Transactions to Subscriptions: Rather than purchasing access repeatedly, users might subscribe to agent services, creating recurring revenue streams.
取引からサブスクリプションへ：アクセスを繰り返し購入するのではなく、ユーザーがエージェントサービスを購読し、定期的な収入源を作り出す可能性があります。
From Competition to Cooperation: Agent networks that cooperate effectively might outcompete purely competitive agents, favoring protocols that enable coordination.
競争から協力へ：効果的に協力するエージェントネットワークは、純粋に競争的なエージェントを凌駕し、調整を可能にするプロトコルを支持するかもしれません。
These changes pose profound questions about economic organization, wealth distribution, and the role of humans in economic systems. While speculative, they merit serious consideration as AI agent deployment accelerates.
これらの変化は、経済組織、富の分配、および経済システムにおける人間の役割に関する深い問いを提起します。仮説的なものでありながら、AIエージェントの展開が加速するにつれて、真剣な考察に値するものです。
Future Outlook: Toward a Fully Agentic On-Chain Economy
The trajectory of AI agents in crypto points toward increasingly sophisticated autonomous systems reshaping how value is created, exchanged, and governed in digital economies.
将来の展望：完全なエージェント化されたオンチェーン経済に向けて
暗号通貨におけるAIエージェントの軌跡は、デジタル経済における価値の創造、交換、ガバナンスの方法を再形成する、ますます高度化した自律システムへと向かっています。
Near-Term Evolution (2025-2026)
Several trends will likely dominate the next 12-18 months:
短期的な進化 (2025-2026)
次の12〜18か月で支配的になるであろういくつかのトレンドがあります：
Expanded Protocol Support: Coinbase indicated plans to increase support for more AI models and developer tools. Expect integrations with additional LLMs, broader chain support beyond Base, and expanded functionality covering DeFi operations like lending, staking, and liquidity provision.
プロトコルサポートの拡張： Coinbaseは示しています より多くのAIモデルと開発者ツールのサポートを拡大する計画をしています。追加のLLMとの統合、Baseを超えるより広範なチェーンサポート、貸付、ステーキング、流動性提供などのDeFiの運用をカバーする機能の拡張が期待されます。
Cross-Chain Agents: Currently, most agents operate within specific ecosystems. Development of cross-chain messaging protocols and improved bridge infrastructure will enable agents to operate across multiple networks simultaneously, optimizing strategies globally rather than locally.
クロスチェーンエージェント：現在、ほとんどのエージェントは特定のエコシステム内で活動しています。クロスチェーンメッセージプロトコルの開発と橋渡しインフラの改善は、エージェントが複数のネットワークを同時に動かし、局地的ではなく全球的に戦略を最適化することを可能にします。
Agent Marketplaces: Platforms like Virtuals Protocol's Pearl demonstrate demand for discovering and deploying pre-built agents. Expect growth in marketplaces where users can browse, purchase, and configure agents for specific tasks - similar to app stores but for autonomous economic entities.
エージェントマーケットプレイス：Virtuals ProtocolのPearlのようなプラットフォームは 事前に構築されたエージェントを発見し展開する需要を示しています。ユーザーが特定のタスクのためにエージェントを閲覧し、購入し、設定できるマーケットプレイスの成長が期待されます—これはアプリストアに似ていますが、自律的な経済体のためのものです。
Regulatory Clarity: As adoption grows, regulators will provide more explicit guidance. The U.S. SEC's Crypto Task Force launched in January 2025 is developing clearer guidelines. Europe's MiCA regulation being fully enforced provides a framework that likely influences global standards.
規制の明確化：導入が進むにつれ、規制当局はより明確な指針を提供する予定です。米国SECの暗号通貨タスクフォースは2025年1月に発足しました が、より明確なガイドラインを開発しています。ヨーロッパのMiCA規制が完全に施行されることは 、おそらくグローバルな標準に影響を与える枠組みを提供します。
Institutional Adoption: Public companies like Interactive Strength planning $500 million FET purchases and Grayscale including TAO in investment trusts signal institutional interest. This capital influx could accelerate development and mainstream adoption.
機関投資の採用：Interactive Strengthのような公開企業が5億ドルのFET購入を計画していること や Grayscaleが投資信託にTAOを含めること は、機関の関心を示唆しています。この資本流入は開発を加速させ、主流の普及を促進する可能性があります。
Mid-Term Developments (2027-2028)
中期的な発展 (2027-2028)
Agent-to-Agent Economies: Rather than agents serving human users, agents will increasingly transact with each other. An agent needing data pays another agent providing it. An agent requiring computation rents from another agent supplying it. This creates autonomous economic networks with minimal human involvement.
エージェント間の経済：エージェントが人間ユーザーにサービスを提供するのではなく、エージェントが互いに取引を行うようになります。データを必要とするエージェントは、それを提供する他のエージェントに支払いをします。計算を必要とするエージェントは、それを供給する他のエージェントから借ります。これにより、最低限の人間の関与で自律的な経済ネットワークが形成されます。
Sophisticated Governance: AI agents will play larger roles in DAO governance. Rather than just deploying predefined decision trees, agents could independently evaluate governance proposals, improving decision-making processes.翻訳 skip:
内容: simple voting, agents might negotiate compromises, draft proposals, and coordinate implementation - acting as digital politicians or administrators.
分散型トレーニング: Projects like Bittensor demonstrate that AI model training can happen across distributed networks. As this matures, agents might coordinate to train models collectively, sharing costs and benefits.
高度な金融商品: エージェントが複雑な金融商品を自動的に作成します。特定のリスクプロファイルに最適化された合成資産、オプション、構造商品などが自律的に生成され、管理されます。
法的人格: エージェントの法的地位に関する疑問が強まります。一部の法域では、エージェントが物件を所有したり、契約を結んだり、限定的な責任を負うことができるエンティティとして認識する可能性があります。これは法人が法的人格を獲得したのと同様です。
長期的変革 (2029-2035)
自律型企業: すべてが完全に自律的なエンティティを目にするかもしれません。エージェントが製品やサービスを提供し、財務を管理し、契約者（人間またはエージェント）を採用し、利益をトークン保有者に分配します。これらの「分散型自律会社」は新しい経済組織の形を表します。
機械最適化プロトコル: 現在のDeFiプロトコルは人間のインタラクションを前提に設計されています。将来のプロトコルはエージェントの使用に最適化されるかもしれません—複雑なロジック、高頻度の操作、そして人間の使いやすさではなく機械の可読性に最適化されたインターフェースを備えるでしょう。
経済的複雑性: 数千のプロトコルと数百万の取引を調整するエージェントネットワークが、人間が完全には理解できないほどの経済構造を生み出すかもしれません。これらのシステムを理解するために、エージェントを監視するAI支援が必要かもしれません。
価値の再評価: エージェントが大部分の経済取引を扱う場合、人間が何をするのかが疑問になります。おそらく人間の役割は価値の指定（エージェントに最適化するものを指示する）、監視（エージェントの行動を監視する）、創造的な作業（エージェントが実行する新しいアイデアを生み出す）にシフトするのかもしれません。
ハイブリッド人間-エージェントシステム: 純粋に自律的または純粋に人間が制御するシステムではなく、最も効果的なシステムは緊密な協力を含む可能性があります—エージェントがルーチン作業を行い、人間が新しい状況に対して方向性、価値判断を提供する。
主要不確定要素
以下の要素はいずれもこの軌跡を大きく変える可能性があります:
技術的なブレークスルー: AIの推論、量子コンピューティング、またはブロックチェーンのスケーラビリティの進展が、現在は不可能な機能を可能にするかもしれません。
規制介入: 厳しい規制が開発を遅らせたり、活動を許容的な法域に押しやる可能性があります。それとは逆に、明確で支援的なフレームワークが採用を加速するかもしれません。
セキュリティインシデント: 重大なハッキング、エクスプロイト、または失敗が信頼を損ね、規制の反発を引き起こすかもしれません。
経済状況: クリプトのベアマーケットや広範な景気後退が資金調達と注目を減少させ、開発を遅らせるかもしれません。
競合する技術: 自律的な価値移転への代替アプローチが現れ、現在のモデルを凌ぐかもしれません。
社会的受容: 仕事の喪失、富の集中、または人間の主体性の喪失への公衆の懸念が、技術的な能力に関わらずエージェントの採用を抑制する可能性があります。
注目すべき指標
このビジョンが実現しているかを示すいくつかの指標があります:
エージェントの取引量: 現在、Olas agents have executed over 3 million transactions. エージェントが開始したオンチェーン活動の成長を追跡すると、採用ペースがわかります。
エージェント資産所有: エージェントが直接管理する資産（人間のために管理する資産ではなく）の監視は、成長する自律性を示します。
プロトコル採用: どのくらいのプロトコルがMCPやx402などの標準を実装しているか？採用率は業界の協調を示します。
資本配分: AIエージェントプロジェクトへのベンチャー資金、トークンの評価、機関投資が市場の信頼を反映します。
規制のマイルストーン: 主要な規制の決定—エージェントにライセンスが必要か、どのように責任が割り当てられるか、トークンが証券かどうか—が、実行可能な軌道を形成します。
ユーザーエクスペリエンス: おそらく最も重要なのはエージェントがクリプトをどれだけアクセスしやすくするかです。一般のユーザーが簡単な自然言語の指示で高度な結果を達成できれば、採用は劇的に加速するかもしれません。
人間学的問い
技術的および経済的考慮の下に、より深い問いが横たわっています: 非人間のエンティティが経済システムに参加することの意味とは何か？
歴史を通じて、経済活動は根本的に人間のものでした。我々は目的に仕える道具を作り出しましたが（アバカスからスーパーコンピュータまで）、常に人間の目的に仕えるものとしてでした。AIエージェントは質的に異なるものを表します: 最小限の人間の指導で目的を追求し、戦略を適応させ、価値を創造することができるエンティティです。
これには深い疑問があります:
主体性と自律性: エージェントが独立に意思決定を行う場合、それはある種の主体性を持っているでしょうか？我々にはエージェントに対するどのような義務がありますか？エージェントはどのような権利を主張するかもしれませんか？
価値と目的: 経済システムは伝統적으로人間の幸福を目指していました。エージェントが多くの経済活動を扱う場合、結果が人間の価値にサービスすることを保証するものは何でしょうか？
アイデンティティとコミュニティ: 人間がエージェントにどのように関連づけるか？それらは道具ですか？パートナーですか？競争相手ですか？その答えは社会構造と個人的アイデンティティを形作ります。
パワーとコントロール: 有能なエージェントの集中所有は、前例のない富と権力の集中を生むかもしれません。逆に、広範なエージェントアクセスが、以前はエリートに限定されていた能力を民主化するかもしれません。
これらの質問は技術を超えて哲学、倫理、ガバナンスに至ります。AIエージェントがより有能で自律的になるにつれて、社会はDeFiの利回り最適化を超えた影響と取り組む必要があります。
楽観的なケース
樂観的なシナリオでは、AIエージェントが人間の幸福を増進します:
- アクセシビリティ: 洗練された金融サービスがスマートフォンを持つ誰でも利用可能になります。
- 効率: 経済取引の摩擦が大幅に減少し、無駄が減り、繁栄が増加します。
- イノベーション: エージェントが人間の規模では不可能な経済実験を可能にし、新しい調整と価値創造のメカニズムを発見します。
- 解放: 人間は面倒な作業から解放され、創造性や人間関係、意味をもたらす追求に集中することができます。
- エンパワーメント: 個人の自律性が向上し、人々が彼らの能力を拡張する強力な道具を制御できます。
悲観的なケース
悲観的なシナリオでは、AIエージェントが新たな問題を生み出します:
- 不平等: 利益がエージェントの所有者に集中し、他の人が解雇され、富の格差が拡大します。
- 不安定性: エージェントの相互作用がフラッシュクラッシュ、システムの失敗、経済のボラティリティを生み出します。
- 不透明性: ブラックボックスの意思決定がシステムを理解しにくく、予測不能にします。
- 脆弱性: エージェントを制御する集中化が失敗や攻撃の単一障害点を作ります。
- 疎外感: 自動化システムが人間の入力や理解なしに重要な決定を行うため、ヒューマンエージェンシーが減少します。
現実的なケース
現実はおそらく両方の要素を含むでしょう。いくつかの領域ではエージェントが結果を劇的に改善する一方で、他のものは慎重な管理を必要とする課題を直面するでしょう。成功は選択に依存します—技術的アーキテクチャの決定、規制のフレームワーク、社会的規範、個々の行動。
次の数年は基盤を築く重要な窓です。今確立される標準、今日実装されるアーキテクチャ、現在開発される規範が、数十年の軌道を形作ります。開発者がシステムを構築し、ユーザーが採用し、規制者が監視し、市民が影響を受けるため、参加が重要です。
最終的な考え
AIエージェントがブロックチェーン上で取引することは、段階的な革新以上のものを表します。それは経済活動の組織化、実行、ガバナンスがデジタル環境でどのように行われるかの根本的な変化を示します。
Coinbase's Payments MCP, enabling large language models to create wallets and make payments through simple prompts, provides tangible proof that this convergence has moved from concept to reality. The x402 Foundation, jointly established by Coinbase and Cloudflare, creates standardized protocols for programmatic value exchange. The AI crypto sector reaching $31.9 billion in market capitalization with over 200 active projects demonstrates substantial capital and attention flowing to this space.
The use cases extend across domains: autonomous trading agents managing portfolios, DeFi protocols optimized by AI, DAO governance enhanced through agentic participation, data marketplaces enabling AI model training, and tokenized agents creating new forms of digital entities. These aren't hypotheticals - they're operational systems processing millions of transactions and managing billions in value.
Yet significant risks remain. Security vulnerabilities like prompt injection, regulatory uncertainty around liability andContent: 分類、スケールにおける安全なキー管理の維持に関する課題](https://dig.watch/updates/ai-agents-bring-new-security-risks-to-crypto)、および自律性と制御に関する基本的な問いに対処する必要があります。産業界は緩和戦略を開発していますが、包括的な解決策はまだ進行中の作業です。
経済的な影響は深遠です。AIエージェントは市場効率を向上させ、新しいビジネスモデルを可能にし、洗練された金融サービスをより広範な人口にアクセス可能にする可能性があります。それらはまた、富を集中させ、システム的な不安定性を生み出し、人間の経済的役割を置き換える可能性もあります。どの結果が実現するかは技術設計の選択、規制枠組み、社会の反応に依存します。
将来を見据えると、軌道はますます自律的なシステムに向かっています。DeFAI市場は2026年までに100億～150億ドルから500億ドル以上に拡大すると予想されています は市場の信頼を示しています。機関投資家がこの分野に参入 して開発に資本を提供しています。規制枠組みが形を取り始める ようになり、コンプライアンス実装に対する明確さを提供しています。
AIと暗号の融合は避けられないわけではありません。それは継続的な技術革新、思慮深いガバナンス、リスクに対する注意深い配慮を必要とします。しかし、潜在能力は明らかです：価値を保持し、意思決定を行い、独立して取引することができる自律型エージェントは、Web3インフラストラクチャの新しい層を表しています。それらは情報処理（AIが得意とすること）と価値の交換（ブロックチェーンが可能にすること）の間のギャップを埋め、単独の技術では実現できない可能性を創出します。
この瞬間 - 2025年後半 - は、機械間ファイナンスが理論的な可能性から実際の現実に移行した時期として記憶されるかもしれません。現在展開されているシステム、現在確立されている標準、そして今日開発されている規範は、今後何年にもわたってデジタル経済を形作るでしょう。
問題はAIエージェントが暗号経済に参加するか否かではなく、その参加をどのように設計し、人類の繁栄に寄与しつつ、内在するリスクを管理するかです。その答えは、技術者、経済学者、規制当局、市民を含むすべてのステークホルダー間の継続的な協力が必要であり、知能と価値が例のない方法で交差する新たなシステムにおけるすべての利害関係者を含みます。