Gensyn Delphi:AI決済情報市場の手数料による買い戻し・バーン
プロトコルはDelphiの取引量から0.5%のプロトコル手数料を徴収しBuyBack Vaultへ流入させる
主要項目
FIELD STAMPS📌 背景
Gensynメインネットは2026年4月にEthereum OP Stack L2上でローンチされ、$AIトークンが発行されたが、分散型学習メインネットはまだ完全な商用化に至っておらず、モデル規模も1Bパラメータ級が中心であり、学習タスクの手数料は主要なキャッシュフローとなっていない。初のプロダクションレベルのアプリケーションである「Delphi」(AIモデルが自動的に結果を決済する分散型情報・予測市場)が、プロトコルの実質的な収益源となっており、2026年は「アプリケーション手数料でコンピューティングネットワークを支える」というモデルが機能するかを見極める重要な期間となる。
👤 ターゲット顧客
市場を作成する機関および個人(取引量に応じた分配金を受け取る)、市場取引の参加者、および将来的に$AIで学習タスクの支払いを行うAIモデル開発者と企業
💰 収益ポイント
プロトコルはDelphiの取引量から0.5%のプロトコル手数料を徴収しBuyBack Vaultへ流入させる。市場作成者は別途1.5%の分配金を得る。0.5%の手数料は二次市場での$AI買い戻しに充てられ、そのうち約70%が永久バーン(消却)、29%がコミュニティトレジャリー、約1%が実行者に割り当てられる。学習ネットワークが成熟した後は、タスク発注者から徴収するプロトコル/サービス手数料が第二の収益の柱となる。
🧮 コスト構造
プロトコルの研究開発およびセキュリティ監査、AI決済モデルに必要なコンピューティングリソース、バリデーターと実行者へのインセンティブ、コミュニティトレジャリーおよびエコシステム支出、チーム運営費
🛡️ 参入障壁
RepOps再現可能実行環境(クロスハードウェアでのビット単位の整合性)とVerde二分法による紛争検証プロトコルが構築する技術的障壁。$AIの総供給量は1億枚に固定されており、プロトコル手数料による買い戻し・バーンが利用量と連動するデフレメカニズム。テストネットで蓄積された15万人のユーザーとa16z cryptoなどの投資家による裏付け。
🔑 成功のカギ
- 学習タスクのプロトコル/サービス手数料を、Delphiに代わる主要なキャッシュフローとして早期に確立する
- Delphiの取引量を維持・拡大し、買い戻し・バーンのフライホイールを支える
- 検証可能学習の信頼性、コスト優位性、低い参入障壁を継続的に証明する
⚠️ リスク
- 現在のプロトコル収益規模が極めて小さく、モデルが取引量によって十分に検証されていない
- 学習メインネットの商用化が予定より遅れ、長期的な収益曲線が実現しない可能性がある
- トークン価格の変動や地域をまたぐ規制政策の変化に伴うコンプライアンスリスク
🏢 事例
- Delphiは2026年4月にメインネットと同時にローンチされ、市場作成者1.5%、プロトコル0.5%の取引手数料構造を採用。プロトコル手数料はBuyBack Vaultに入り、買い戻し・バーンが実行される
- Gensynは2026年9月にopen-1bモデルをリリースし、完全な学習監査証明を提供することで、検証可能学習の実際のアウトプットを提示した
- Gensynテストネットは累計で約15万人のユーザーを獲得。共同創設者のHarry Grieve氏は、これをAIコンピューティング規模の天井を打ち破るための道筋であると述べている
📊 SWOT分析
強み Strengths
- 検証可能なコンピューティング技術により、信頼できないノードでもタスクを完全に再実行することなく学習の検証が可能
- 「手数料-買い戻し-バーン」メカニズムにより、ネットワーク利用量とトークン価値を直接連動させている
- 遊休コンピューティングリソースを活用するため限界コストが低く、従来のクラウドと比較して学習コストを大幅に削減できると主張
弱み Weaknesses
- 学習メインネットが完全商用化されておらず、収益がDelphiという単一アプリに大きく依存している
- 初期の買い戻し・バーン額は数千ドル規模にとどまり、収益規模が非常に小さい
- 暗号資産建ての収益はトークン価格の変動の影響を強く受ける
機会 Opportunities
- AI学習コストが高騰しており、AWSより安価な検証可能コンピューティングに対する実需が存在する
- Delphiテストネットでは単一市場で約500万ドルの取引量を記録したことがあり、検証需要の潜在性が高い
- open-1bのような完全な学習監査証明付きモデルのリリースにより、企業顧客に対して信頼性を証明できる
脅威 Threats
- 中央集権型クラウドベンダーや同種の分散型コンピューティングネットワークとの激しい競争
- トークンおよび予測市場が主要な法域において規制上の不確実性に直面している
- 学習タスクの不正や検証の失敗といった技術的リスクが信頼を損なう可能性がある