AWS から Walrus と Filecoin へ：Web3 データ層がクラウドコンピューティングのコストと信頼構造に挑戦する方法

2026年、クラウドサービス支出は中堅IT・SaaS企業にとって人件費に次ぐ第2の費用となり、平均で年収入の10%を占めている。AIと機械学習のワークロードはクラウド支出の22%を占め、月次請求額が収入の5%から10%の間で頻繁に変動し、財務予測と利益管理を極めて困難にしている。同時に、2025年にはAWS、Microsoft Azure、Google Cloudが大規模なダウン障害を複数回経験した。コスト高、データロックイン、頻繁な中断が、企業に代替データインフラの探求を促している。

こうした背景の中、Web3データレイヤー——分散型ストレージ、オンチェーンデータ可用性レイヤー、AIネイティブメモリレイヤーを包含する——は、暗号ネイティブコミュニティの周辺実験から、インフラ責任者の評価対象へと徐々に移行している。2026年7月1日（日本時間）現在、Gateの相場データによると、分散型データプロトコルUnibaseのトークンUBは0.08298ドルで、24時間で22.30%下落したが、過去1年では429.16%上昇し、時価総額は約2.07億ドルである。この価格変動は、Web3データレイヤー分野に対する市場の強い関心を反映すると同時に、新興インフラが商業化初期段階で高いボラティリティを持つことを示している。コスト構造、データセキュリティと透明性、拡張性、AIトレーニングデータ適合性の4つの観点から、Web3データレイヤーと従来のクラウドデータベースを体系的に比較する。

コスト構造：「レンタルモデル」から「競争的価格設定」へ

従来のクラウドストレージの価格設定モデルは、集中型データセンターの資本支出と運用コストに基づいており、地域間のプレミアムも顕著に含まれている。AWS S3 Standardの年間ストレージ料金は、約1TBあたり267ドルである。分散型ストレージプロトコルは、これよりも大幅に低い価格でこの市場に参入している。

Walrus——Suiネットワークが支援し、1.4億ドルの資金調達を受けた分散型ストレージプロトコル——は、年間1TBあたり50ドルの補助金価格を提供している。これは、補助金条件下では、WalrusのコストがAWS S3の約5分の1であることを意味する。補助金がない場合でも、Walrusの目標価格は月間1GBあたり約0.005ドルであり、AWS S3の標準価格である約0.023ドル/GB/月を大幅に下回っている。

しかし、コスト比較はストレージ費用だけを見るべきではない。従来のクラウドサービスの主要なコストの落とし穴は、データ転送出力（egress）料金である——データが地域の境界を越えるたびに、クラウド事業者は追加料金を請求する。Shelby（Aptos LabsとJump Cryptoが共同開発）のような分散型ストレージプロトコルは、単一のグローバル名前空間設計により、データを地域間で必要に応じて移行でき、追加の地域プレミアムが発生しない。Shelbyは、その出力価格が従来のクラウド事業者より約70%低くなると見込んでいる。

Filecoinは2025年11月に全面的に「Onchain Cloud」戦略に移行し、「検証可能で、開発者が所有するインフラ」として、AWSを凌ぐ価格でオンチェーンストレージサービスを提供すると位置づけた。2026年初頭現在、100以上のチームがFilecoin Onchain Cloud上で構築しており、6,500以上の支払いルーティングを処理している。

コスト構造から見ると、分散型ストレージの核心的な利点は、大規模データセンターのインフラ資本支出が不要であり、ストレージノードが世界的に独立した参加者によって運営され、供給側の競争が単位ストレージコストを押し下げていることにある。ただし、現在の一部プロジェクトの低価格には補助金が含まれており、長期的な持続可能性はなお観察が必要である。

データセキュリティと透明性：検証可能性 vs 信頼の仮定

従来のクラウドデータベースのセキュリティモデルは、「単一のサービス事業者を信頼する」という前提に基づいている。ユーザーはAWS、Azure、またはGoogle Cloudの内部システムに依存して、データの完全性、アクセス制御、コンプライアンスを保証する。しかし、このモデルには2つの構造的な欠陥がある。

第一に、ユーザーはクラウドサービス事業者が約束通りにデータを処理しているかを独立して検証できない。Shelbyは、従来のクラウドストレージには「どのデータが提供されたか、どのような権利に基づいているか、許可が遵守されたかを検証するネイティブなメカニズムがない」と指摘する。データ漏洩や内部関係者による不正アクセスのシナリオでは、ユーザーはサービス事業者の事後監査報告書に依存するしかない。

第二に、集中型アーキテクチャには単一障害点のリスクがある。特定のクラウドサービス事業者のインフラに地域的な障害や検閲が発生した場合、その事業者に依存するすべてのアプリケーションが影響を受ける。Walrusのような分散型ストレージプロトコルは、データを世界中の独立したノードに分散して保存することで、「ユーザーに権限を返還」し、より強力なプライバシー保護と、単一企業から独立した検閲耐性を提供することを目指している。

Web3データレイヤーは、異なるセキュリティパラダイムを導入する：検証可能性である。例えばThe Graphは、その分散型インデックスプロトコルにおいて、複数の独立したインデクサー（Indexers）がGRTトークンをステークしてインデックス作業を実行し、クエリ結果は暗号証明によって検証可能である。この設計により、データ消費者は単一の集中型ノードを信頼する必要がなく、経済的インセンティブと暗号メカニズムを通じてデータの正確性を確保できる。

Unibaseの分散型データ可用性レイヤー（Unibase DA）は、さらにゼロ知識証明と詐欺証明をデータ検証プロセスに導入し、オンチェーンデータの検証可能性をAIエージェントのインタラクションのためのインフラレイヤーとしている。高い確実性を必要とするシナリオ——例えばDeFiプロトコルの価格オラクル、ガバナンスシステムの投票記録——では、この検証可能性は代替不可能な価値を持つ。

ただし、現在の分散型ストレージとデータレイヤーのセキュリティモデルには代償がないわけではない。ノード運用の分散化は、より複雑な鍵管理とデータ冗長化戦略をもたらし、一部のプロトコルの学習曲線と運用の複雑さは、従来のクラウドサービスよりも依然として高い。

拡張性：スループットのボトルネックとモジュール型のブレークスルー

従来のクラウドデータベースの拡張性は、単一のクラウドサービス事業者のインフラ容量に制限されるが、AWS、Azureなどの大手企業は、グローバルな地域展開と弾力的なコンピューティングリソースにより、ほとんどのアプリケーションシナリオで十分な拡張能力を提供している。Web3データレイヤーにおける拡張性の課題はより顕著である——ブロックチェーン自体のスループット制限は、長年にわたりオンチェーンデータアプリケーションのスケーリングにおける核心的なボトルネックとなっている。

この状況は変化しつつある。Celestiaは2026年1月にFibre Blockspaceプロトコルを発表し、498ノードのテストで毎秒1テラビット（1Tbps）のスループットを達成し、当初のロードマップ目標から1,500倍向上した。このインフラに基づき、OnchainDBは「クエリごとに支払う」データベースモデルを立ち上げた——開発者はアプリケーションデータをCelestiaのデータ可用性レイヤーに保存し、データがアクセスされるたびに収入を得る。その設計では、読み書き収入の70%をアプリケーション開発者に、30%をプラットフォームに割り当てる。

このモデルの根底にあるロジックは、基盤となるブロックチェーンの1バイトあたりのコストが十分に低くなれば、AIエージェントがマイクロペイメントでクエリごとにデータにアクセスすることが経済的に実行可能になるというものである。OnchainDBは自身をAIエージェントの「ディスカバリーレイヤー」と位置づけている——AIエージェントが自律的にデータセットを発見し、クエリごとに支払い、アプリケーション間で情報を関連付け、結果を処理することを可能にし、人間の介入を必要としない。

インデックスレイヤーでは、The Graphの2026年技術ロードマップは6つの製品とAI統合計画を網羅し、自身をWeb3アプリケーションのデータバックボーンとすることを目指している。その核心的なロジックは、マルチチェーンエコシステムの拡大とアプリケーション数の増加に伴い、オンチェーンデータのインデックスとクエリの需要が指数関数的に増加し、集中型インデックスソリューションは分散型アプリケーションの検閲耐性と検証可能性の要件を満たせないという点にある。

拡張性の観点から見ると、Web3データレイヤーは「ブロックチェーンは遅すぎる」というナラティブから、「モジュール型インフラが大規模データアプリケーションを支える」という新たな段階へと移行しつつある。しかし、この転換にはまだ時間を要する——Celestia Fibreの1Tbpsスループットは現在テスト段階にあり、大規模な本番環境での実際のパフォーマンスはまだ検証されていない。

AIトレーニングデータの優位性：追跡可能、検証可能、貨幣化可能

AIトレーニングデータの品質と追跡可能性は、大規模モデルの発展を制約する重要なボトルネックとなっている。従来のAIトレーニングデータの収集、ラベリング、検証プロセスは高度に集中化されており、データの出所、権限、貢献を追跡することは困難である。Web3データレイヤーは、この分野で差別化されたソリューションを提供する。

Unibaseはこの方向性の典型的な代表である。AIエージェント専用に設計された分散型メモリレイヤーとして、UnibaseはMembase（AI長期記憶システム）、AIP Protocol（エージェント相互運用プロトコル）、Unibase DA（データ可用性レイヤー）の3つのモジュールを通じて、AIエージェントに継続的な学習とクロスプラットフォーム連携能力を提供する。限られたコンテキストウィンドウに依存する従来のAIシステムとは異なり、UnibaseはAIエージェントが時間を超えて過去の情報を継続的に検索し、真の継続的学習を実現する。そのトークンUBは2026年7月1日時点で0.08298ドルと、短期調整で22.30%下落したものの、過去90日間で312.75%、過去1年で429.16%上昇しており、市場がAI＋データインフラのナラティブに顕著なプレミアムを付与していることを示しているが、短期的な変動はこの分野がまだ初期の駆け引き段階にあることも反映している。

データのトレーサビリティと貢献インセンティブの面では、Poseidon（Story Foundationが育成するブロックチェーンAIデータインフラプロジェクト）は、ユーザーがAIトレーニングデータを提供し、報酬を得られるプラットフォームを構築している。その核心的なメカニズムは、ブロックチェーンによって各トレーニングデータの出所、選別、ラベリング、貢献価値を記録し、データ提供者がそのデータの用途を追跡し、それに見合った報酬を得られるようにすることである。

AIトレーニングデータの提供者にとって、Web3データレイヤーは従来のモデルではうまく処理できなかった2つの問題を解決する。

検証問題: 従来のAIトレーニングデータセットの調達では、データ購入者はデータの出所の合法性、ラベリングの正確性、権限範囲を独立して検証できない。オンチェーンで検証可能なデータレイヤーにより、各データ取引を独立して監査できる。

インセンティブ問題: 従来のデータラベリングと収集における利益配分は高度に不透明である。スマートコントラクトとトークンインセンティブメカニズムを通じて、Web3データレイヤーはデータ提供者、ラベラー、モデルトレーナー間の自動化された透明な利益配分を実現できる。

世界のAI需要は2026年に3,000億ドルに達すると予想されている。この規模において、データの取得コストと品質保証はAI企業の核心的な競争要素となる。Web3データレイヤーが提供する検証可能性と脱仲介化特性は、AIトレーニングデータインフラにおいて独自の生態的地位を占める。

ただし、現在のWeb3データレイヤーのAIトレーニングシナリオにおける実際の採用はまだ初期段階にある。Unibaseテストネットでは、200以上のデプロイ済みエージェントと1,240万件以上のオンチェーンメモリエントリが記録されているが、これらのデータは主に暗号ネイティブプロジェクトからのものであり、従来のAI企業の採用率は依然として限定的である。

結び

Web3データインデックスプラットフォームの市場規模は、2025年の21.2億ドルから2026年には26.8億ドルに成長し、年平均成長率は25.9%と予想されている。2030年までに、この市場はさらに67.7億ドルに拡大する可能性がある。この成長軌跡は、市場が核心的な問いに対して真剣に応えていることを示している：データインフラのアーキテクチャ選択が「利便性優先」から「検証可能性とデータ主権優先」へとシフトしているのである。

コストの観点から見ると、分散型ストレージは従来のクラウドサービスに対して顕著な価格優位性を示している——WalrusはAWS S3よりも約80%安く、Shelbyの出力価格は70%低くなると見込まれている。しかし、これらの価格優位性が補助金廃止後も持続するかどうかは、時間をかけて検証する必要がある。

セキュリティと透明性の観点から見ると、Web3データレイヤーが提供する検証可能性——暗号証明と経済的インセンティブを通じてデータの正確性を保証する——は、従来のクラウドサービスでは提供できない差別化された価値である。高いステークスを伴うシナリオ（DeFi、ガバナンス、AIトレーニングデータのトレーサビリティ）では、この検証可能性が決定的な選択要因となる可能性がある。

拡張性の観点から見ると、Celestiaの1TbpsスループットとThe Graphのマルチチェーンインデックスアーキテクチャは、Web3データレイヤーの大規模アプリケーション化における技術的ボトルネックを解決しつつある。しかし、これらのインフラはほとんどがテスト段階または初期の本番段階にあり、大規模な検証にはまだ時間がかかる。

AIデータ適合性の観点から見ると、Web3データレイヤーのデータトレーサビリティ、貢献インセンティブ、検証可能性に関する設計は、AIトレーニングデータのインフラニーズと高い親和性を持つ。しかし、従来のAI企業の採用曲線は、依然として最大の不確定要素である。

現時点で最も合理的な判断はおそらく次の通りである：Web3データレイヤーは従来のクラウドデータベースの完全な代替品ではなく、特定のシナリオにおいて——検証可能性、データ主権、検閲耐性を必要とするアプリケーション——従来のアーキテクチャでは実現できない差別化された価値を提供する。モジュール型ブロックチェーンインフラの成熟とAIデータ需要の増加に伴い、この差別化された価値は「理論上の優位性」から「定量化可能な商業的優位性」へと徐々に転換しつつある。インフラの意思決定者にとって、この分野の進展を注視し、適切なアプリケーションシナリオで小規模な試験運用を実施することが、現段階で最も現実的な戦略であろう。

FAQ

1. Web3データレイヤーはAWSクラウドデータベースを完全に代替できますか？

現時点ではできません。Web3データレイヤーは検証可能性、検閲耐性、データ主権において優位性を持ちますが、読み書きレイテンシ、運用の成熟度、エコシステムツールチェーンにおいてはAWSに及びません。両者は補完関係にあり、Web3データレイヤーは高い透明性と監査性を必要とするシナリオに、従来のクラウドは高頻度・低レイテンシのビジネスに適しています。

2. 分散型ストレージは本当にAWSより安いのですか？

純粋なストレージ費用では、Walrusなどのプロトコルは現在確かにAWS S3より低いですが、その価格には補助金が含まれている場合があることに注意が必要です。データ転送出力費用を含めると、分散型プロトコルは地域プレミアムがないためより安くなる可能性がありますが、長期的な価格安定性はまだ観察が必要であり、追加の冗長性や検索コストも考慮する必要があります。

3. Web3データレイヤーはどのようにデータセキュリティを保証しますか？

暗号化シャーディング、マルチノード冗長ストレージ、経済的インセンティブメカニズム（ステークペナルティなど）を通じて、データの喪失や改ざんを防止します。同時に、オンチェーンでの検証可能性により、データのアクセス記録と変更履歴が公開され、内部不正や単一障害点のリスクを低減しますが、ユーザーは自分で秘密鍵を管理する必要があります。

4. AIトレーニングになぜWeb3データレイヤーが必要なのですか？

AIトレーニングはデータソースの合法性とラベリング品質に大きく依存するためです。Web3レイヤーは各データの提供者、権限範囲、ラベリングプロセスを追跡し、スマートコントラクトを通じて自動的に利益を分配することで、従来のデータ調達におけるブラックボックス問題を解決し、法的リスクを低減し、データ品質を向上させます。

5. 現在、Web3データレイヤーを採用する主な障害は何ですか？

主な障害には、技術の成熟度（スループットとレイテンシが集中型ソリューションに及ばない）、開発者の学習コスト、標準化されたインターフェースの欠如、そして従来企業のコンプライアンス部門によるオンチェーンデータに対する監視上の懸念が含まれます。また、トークン価格の変動は、企業の長期予算計画の安定性にも影響を与えます。