テクノロジー

OKZOOと従来のDePINプロジェクトの最大の相違点は、ネットワークが生み出し活用するリソースの種類にあります。従来のDePINプロジェクトがハッシュレート、通信ネットワーク、帯域幅、地理情報などの基盤インフラリソースを中心とするのに対し、OKZOOは環境データの収集とAIデータインフラに特化しています。P-miniデバイスを用いて実世界の環境データを取得し、AI PetとAIOTインセンティブメカニズムを融合させることで、AIoTネットワークを構築しています。

OKZOO（AIOT）は、AI、IoT、ブロックチェーンネットワークを統合するAIoTインフラです。分散型環境センシングデバイスにより現実世界のデータを収集し、AIペットのインタラクションメカニズムとAIOTトークンを用いて、ユーザーのデータ提供を促進します。OKZOOは、グローバルな環境データネットワークの構築を目指し、AIモデル、スマートデバイス、現実世界のアプリケーションに対して、信頼性が高く、リアルタイムで検証可能なデータソースを提供します。

OKZOOは、P-mini環境センシングデバイスを用いて、空気質、温度、湿度、騒音などの現実世界のデータを収集し、そのデータを分散型ネットワークにアップロードして検証と記録を行います。データの完全なアップロードプロセスは通常、環境データ収集、デバイス前処理、ネットワーク検証、オンチェーン記録、AIデータ統合、報酬配布の6段階から構成されます。従来のIoTネットワークとは異なり、OKZOOはデータ貢献、オンチェーンインセンティブ、AIユースケースを統合しており、現実世界のデータが継続的に検証可能なデジタル資産およびAIリソースになることを実現します。

SQDとThe Graphの主な違いは、データ処理アーキテクチャにあります。The Graphは主にSubgraphを利用してアプリケーション固有のデータインデックスを作成するのに対し、SQDは分散型データレイクとワーカーネットワークアーキテクチャを採用し、より柔軟な履歴データクエリやマルチチェーンデータ分析を実現しています。デベロッパーの観点では、The Graphは特定のプロトコル向けの標準化されたクエリインターフェースの構築に適しており、一方SQDは大規模なオンチェーンデータアクセス、複雑な分析タスク、リアルタイムデータ処理に重点を置いています。両ソリューションはいずれもWeb3データインフラの重要な構成要素ですが、その設計目的と技術アプローチは大きく異なります。

Subsquid（SQD）は、Web3アプリケーション向けに構築された分散型ブロックチェーンデータレイヤーです。分散型データレイク、ワーカーノードのネットワーク、そしてPortalクエリレイヤーを組み合わせることで、デベロッパーに高速で低コスト、かつ拡張性に優れたオンチェーンデータアクセスを提供します。従来のRPCノードがブロックチェーンデータを直接読み取るのに対し、SQDはデータ収集、インデックス作成、ストレージを事前に処理します。これにより、アプリケーションは複雑な過去データとリアルタイムデータの両方を迅速に取得できるようになります。

従来のRPCノードがリアルタイムでブロックチェーンをスキャンするのに対し、SQDはデータを前処理・インデックス化することで、複雑なクエリの効率を大幅に向上させます。ブロックチェーン上で新しいブロックやトランザクションが生成されるたびに、SQD Networkは生データを継続的に取り込み、分散型データレイクに保存します。ワーカーノードがインデックス化とデータ処理を担当し、Portalレイヤーがデベロッパーのリクエストを管理してネットワークリソースを調整し、最終的に構造化された結果をアプリケーションに返します。

SQDネットワークにおいて、データ処理とクエリ実行を支える中核インフラがワーカーノードです。ワーカーノードはブロックチェーンの生データを取得し、インデックス化、検証、ストレージの最適化を行った上で、ポータルレイヤーからのクエリ要求に応答します。複数のワーカーノードが分散型で連携することで、分散型データサービスネットワークが構成されます。

Orochi Networkは、Verifiable Data Infrastructure（VDI）に特化したWeb3データネットワークであり、ブロックチェーンとオフチェーン環境間における信頼性の高いデータ連携フレームワークの構築を中核目的としています。Zero-Knowledge Proofs（ZKP）、zkDatabase、Verifiable Data Pipeline、Fully Homomorphic Encryption（FHE）、Trusted Execution Environment（TEE）といった技術を活用し、Orochiはデータの生成、ストレージ、計算から最終出力に至るまでの全段階を検証可能にします。これにより、ユーザーは中央集権的な機関の信頼性に依存することなく、データの真正性と計算の正確性を自ら検証できるようになります。

Bluwhale AI (BLUAI)は、Web3 エコシステム向けに構築されたインテリジェントなデータインフラです。アイデンティティ埋め込み、オンチェーン行動分析、プライバシーコンピューティングを活用し、ブロックチェーンネットワークに分散したユーザーデータを、AIエージェント、分散型アプリケーション、エンタープライズシステムが利用可能なインテリジェントプロファイルに変換します。Bluwhale AIは、ユーザーデータの所有権とプライバシーを保護しつつ、Web3のインテリジェンスレイヤーを確立し、AIがユーザーの行動、嗜好、オンチェーンアイデンティティを理解できるようにすることを目指しています。これにより、パーソナライズドレコメンデーション、インテリジェントな意思決定、自動化サービス、新しいデジタルエコノミーアプリケーションなどが実現します。

Identity Embeddingは、Bluwhale AIがオンチェーンユーザーインテリジェンスプロファイルを構築するための中核技術です。機械学習モデルを適用し、ユーザーの行動パターン、資産配置、プロトコルインタラクション、およびアイデンティティ特性をブロックチェーンネットワーク全体にわたって分析することで、これらのデータポイントを統合されたベクトル化されたアイデンティティ表現へと変換します。単にトランザクションデータを記録する従来のウォレットアドレスとは異なり、Identity EmbeddingによりAIシステムはユーザーの行動嗜好、リスク特性、参加習慣を把握し、より完全なデジタルアイデンティティモデルを実現します。

Bluwhale AIとFetch.aiは、どちらもAIとブロックチェーンが交わる領域における重要なインフラプロジェクトですが、その核となる立ち位置は根本的に異なります。Bluwhale AIは、アイデンティティ埋め込みとユーザープロファイリングを活用して、AIがオンチェーンユーザーを理解できるようにするWeb3 Intelligence Layerの構築に注力しています。一方、Fetch.aiは自律型AIエージェントネットワークの構築に専念し、インテリジェントエージェントによる自動連携とタスク実行を実現します。

Glamsterdamは、イーサリアムのロードマップにおける重要なアップグレードフェーズです。その中核的な目標の1つは、イーサリアムを従来の逐次実行から並列実行へ移行させることです。これを達成するため、イーサリアムはBlock Access Lists（BAL）を推進し、ステートアクセスを最適化し、ブロック実行アーキテクチャを調整しています。これらはすべて、レイヤー1のスループットとリソース利用率を向上させつつ、分散化とセキュリティを維持することを目的としています。

Ethereum ePBS（Enshrined Proposer Builder Separation）は、Ethereum Glamsterdamアップグレードにおいて最も注目を集めるプロトコルレベルのメカニズムの一つです。その中核的な目標は、ネットワークの分散化とセキュリティを維持しつつ、ブロック構築をプロトコル層に直接組み込むことです。これにより、MEV（最大抽出可能価値）成行構造を最適化し、サードパーティリレーへの依存を低減し、ブロック生成プロセスにおける透明性と公平性を向上させます。

イーサリアムグラムステルダムは、イーサリアムのロードマップにおける次世代プロトコルアップグレードです。中核的な目的は、レイヤー1のOperarスループット向上、ブロック構築メカニズムの最適化、ネットワークのスケーラビリティとユーザーエクスペリエンスのさらなる強化であり、これらを実現しつつ、分散化とセキュリティも維持します。本アップグレードの主要な構成要素として、Enshrined Proposer Builder Separation（ePBS）、Block Access Lists（BAL）、並列実行機能が挙げられます。本アップグレードは、イーサリアムメインチェーンのスケーリングにおいて、重要なマイルストーンと位置づけられています。

GEODNETと従来のCORSネットワークは、いずれもRTK高精度測位サービスを提供しています。しかし、GEODNETは分散型物理インフラネットワーク（DePIN）モデルを採用しているのに対し、従来のCORSネットワークは主に政府機関、測量当局、民間事業者による中央集権的な構築・運用が行われています。両者ともGNSS基準局を利用して測位補正データを生成する点では共通していますが、ネットワーク拡張の手法、コスト構造、参加モデルに大きな違いがあります。