計算資源の社会史 — Credit、暗号資産、AI、宇宙

CPU、GPU、memory、storage、network、電力、冷却、運用時間は、複数の用途が同時に求める有限の資源です。「idle cycle」も追加電力と発熱を伴い、所有者が科学、gaming、暗号資産、AI、業務のどれへ割り当てるかを決めます。演算能力は自然に一つの目的へ流れるのではなく、software対応、報酬、物語、費用、制度によって配分されます。

その歴史を「善意の科学計算がBitcoinに奪われ、EthereumからAIへ移った」という一本線にすると、証拠を失います。BitcoinのGPU期はASIC化までの移行期で、AI向けGPU計算はEthereumより前から進み、暗号資産市場が成熟した後にもFolding@homeは社会的要請に応じて急拡大しました。重なった用途と別々のhardwareを分ける必要があります。

本稿は、確認できる制度と時点値、資料から導ける限定的な推論、確認できない因果を分離します。「人間の欲求は止まらない」は歴史資料が検証できる事実ではありません。検証できるのは、どの制度がどんな行動を測り、承認し、支払ったかです。

BOINC creditは、検証された計算貢献を数値で承認する会計です。金銭、所有権、投票権、科学的正しさそのものではありません。total creditは蓄積、recent average credit（RAC）は最近の活動を見せ、host、利用者、teamのleaderboardや第三者のcross-project統計が世界規模の競争を可視化しました。

BOINC設計者は、leaderboardが複数PCの投入、hardware更新、専用機購入を促し、team競争が友人、家族、同僚の勧誘につながったと記録しています。SETI@homeの回顧も、screen saver、科学目的、順位、teamが一体となった参加文化を記述しています。pointsは計算の物理量だけでなく、参加継続と帰属を作る社会的装置でした。

ただし、全てが完全な無報酬だったわけではありません。GIMPSには発見の帰属と賞、distributed.netのRC5 challengeには賞金配分がありました。正確な一般化は、日常的な計算量の中心的な返礼が、jobごとに売買できる市場報酬ではなく、credit、順位、badge、証明書、科学参加の承認だった、というものです。

creditの設計は品質保証と切り離せません。数字に価値が生まれると、過大請求、改変client、許可のない端末、返却の選別といったgamingも誘発します。そのためvalidator、replication、passkey、return-rate条件、fair-play規則が発達しました。複製や定足数の方式はproject固有で、全ての仕事が同じ方法で検証されるわけではありません。

Bitcoinは、任意の科学計算へ値段を付けたのではありません。SHA-256dのtarget探索をblock提案とchain selectionへ組み込み、有効blockの発見者へblock subsidyとtransaction feeを割り当てました。pool利用時のshareは、pool内部で貢献を測る低難度の証明であり、それ自体はBitcoin consensusのblockではありません。

BOINC creditが主に「誰がどれだけ検証済み研究計算へ貢献したか」を記憶するのに対し、Bitcoin rewardは「誰がprotocol条件を満たし、譲渡可能な経済的請求権を得たか」を決めます。見た目はserverからjobを受けるpoolと似ても、目的、検証者、結果の再利用、報酬の交換可能性が異なります。

この違いはhardware所有者の機会費用を変え得ます。電力と機械を使うならcreditと科学参加を選ぶか、市場価格のある報酬を選ぶか、何もしないかという選択肢が生まれます。ただし「変え得る」という制度上の推論と、実際に何台が移動したかという測定は別です。

その因果を示す横断dataは確認できません。SETI@homeのactive participationは初期の報道後、Bitcoin登場前から漸減していました。2006年のBOINC self-selected surveyは、端末問題、設定の複雑さ、再開忘れ、関心喪失、電気代など複数の離脱理由を記録していますが、代表標本ではなく因果比率にも使えません。

2012年の資料はvolunteer computing全体で約90万active computer、約10 PFLOPS、計算能力の約70%をGPUが担う時点像を報告し、2019年公開のBOINC論文は2018年頃のsnapshotとして約70万device、56万GPU、平均93 PFLOPSを推計しました。定義と時点が違うため点を一本の増減線へ結べず、hardware性能の向上によって人数とFLOPSも同じ方向には動きません。

2020年のCOVID-19対応では、Folding@home公式が3週間で70万人超の参加と参加規模の20倍化を報告し、project timelineは2020年3月25日に約1.5 exaFLOPSへ到達した時点を記録しています。これは持続性能やBOINCの値との直接比較ではありませんが、社会的な切迫性、明確な目的、参加導線が、暗号資産市場の存在下でも大量の計算資源を動員できた反証例です。

CUDAは2006年、OpenCL 1.0は2008年に登場し、GPUをgraphics以外へ使うsoftware基盤が整いました。BOINCは2008年にGPU対応を広げ、SETI@homeやGPUGridが科学applicationを配布しました。2012年のAlexNetは2基のGeForce GTX 580で学習され、GPUによるAI研究はEthereum開始前から進んでいました。

Bitcoinでは2010年にOpenCL miner、2011年にFPGA実装が公開され、2013年1月にAvalon ASICが初回出荷されました。固定されたSHA-256dを収益競争で反復するため、汎用GPUを長期間主役に留めるより専用回路へ移る誘因が強く、現代Bitcoin miningはSHA-256 ASIC中心です。Bitcoinがconsumer GPUを長期に占有したとは書けません。

科学、gaming、Bitcoin、Ethereum、AIは一つずつ前任者を置換したのではなく、同じ時代に重なりました。公開資料はBOINC/Folding@homeから暗号資産へ移ったGPUの台数を追跡していないため、図のlaneや線幅を市場shareとして読んではいけません。

Ethereum Frontierは2015年7月30日に開始し、MainnetはEthash Proof of Workでblockを生成しました。Ethashは大きなdatasetを使うmemory-hard設計でGPU miningを長く成立させましたが、ASICを永久に排除したわけではなく、後に専用機も登場しました。「ASIC-resistant」と「ASIC-proof」は違います。

企業開示は暗号資産需要がGPU市場へ影響したことを裏づけます。AMDは2017年Form 10-KでEthereumなどのminingに適したGPU需要を記録し、2018年第3四半期にはblockchain関連GPU売上が前年同期の全社売上high-single-digit percentageからnegligibleになったと説明しました。NVIDIAのFY2018 Form 10-Kもcrypto mining向けmainstream OEM GeForce売上の大幅増を記録しました。

ただしvendorは用途を完全には観測できず、暗号資産需要の影響を精密に算出できないとも開示しています。売上、channel inventory、中古流通への影響は確認できても、それをEthereum単独、またはBOINCからの転出へ全量帰属させることはできません。

Ethereum Mainnetは2022年9月15日のMergeでProof of Stakeへ移り、miningによる有効block生成を終了しました。ethereum.orgはenergy consumptionが約99.95%減ったと推計しています。これはEthereum Mainnetのconsensus変更であり、他のProof of Work chainやBitcoin miningの終了ではありません。

NVIDIAはその後の開示で、MergeがGPU miningのutilityを減らし、中古GPUの再販売を増やしてlow-end product需要へ影響した可能性を挙げました。同時にmacro環境、中国、channel在庫など複数要因も挙げており、gaming減収をMergeだけの結果にはしていません。

旧Ethereum GPUの行先は、売却、gaming、他PoW、科学計算、小規模AI、停止などに分かれ得ます。各経路の割合を示す一次dataは確認できません。「採掘GPUがAIへ移った」は、互換性の可能性を実際の移送実績へ置き換える断定です。

AIでGPUを使う歴史は暗号資産後に突然始まったのではありません。AlexNetは2012年、2基のGTX 580でImageNet modelを5〜6日学習したと報告しました。その後、低精度matrix演算、HBM、ECC、高速interconnect、collective communication、compiler、frameworkを含むdata-center systemが学習と推論を拡大しました。

NVIDIAのFY2026 Form 10-KではData Center revenueが193.7 billion dollars、全社revenueが215.9 billion dollars、Gamingが16.0 billion dollarsでした。Data Centerにはnetworkingなども含まれ、全額を生成AI GPU売上とは呼べません。AMDのFY2025 Form 10-K/AはData Center revenue 16.6 billion dollarsとEPYC・Instinct需要を記録する一方、IntelのFY2025 Form 10-KはAI向けGPUへの大きな需要転換を逃し、Gaudi acceleratorで有意な市場参加に至らなかったと自己評価しています。

したがって「今はAIへ」は、複数企業の製品roadmapと売上構成に現れた市場重心として確認できます。同時に、企業ごとの結果は大きく異なり、三社の開示を業界全体の売上へ合算することもできません。また、家庭の旧mining GPUがそのままH100級clusterになったという意味でもありません。consumer boardとdata-center systemではmemory容量、precision、interconnect、reliability、software support、冷却、運用保証が異なります。

FLOPS、hash/s、token/s、BOINC creditは変換できません。同じsilicon familyでもapplication、precision、memory traffic、通信、validationが違います。資源配分を論じるときは、台数ではなく「どのworkloadを、どのsoftwareとsystem境界で、どの電力costで実行できるか」を確認します。

宇宙計算は未来形だけではありません。NASAによると、2017年にISSへ送られた最初のSpaceborne Computerはresetなしで207日間、1 TFLOP級のCOTS systemを運用しました。2021年にISSへ送られたSpaceborne Computer-2について、NASAの2022年12月30日運用報告はunitの帰還準備を記録し、ISS上でdata processing、AI、error mitigationを試験した実験だったと説明しています。

ESAのPhiSat-1は2020年9月3日に打ち上げられ、Intel Movidius Myriad 2でEarth-observation画像のcloud判定を軌道上実行し、利用価値の低い画像をdownlink前に除外しました。これはsensorの近くでdata volumeと応答時間を減らすedge AIの実証であり、一般利用できる軌道上cloud data centerではありません。

NASAのHigh-Performance Spaceflight Computingは、放射線耐性と高性能を両立する次世代processorを開発中です。2026年時点の公式記録はchip製造とtestの進行を報告しており、test完了前に「space qualified」「配備済み」とは扱いません。

ESAのCognitive Cloud Computing in Space campaignは、既存の軌道上hardwareを使うapplication demoと、将来のnetworked data centre構想に向けた短期studyを分けて記録しています。ESAの2023年総括も、prototypeとtechnology-readiness向上を次段階に挙げました。これらは重要な技術開発ですが、地上cloudを置換する常設・大規模な公共utilityが既に運用中である証拠ではありません。

宇宙では大気対流による冷却が使えず、熱は構造内の伝導とradiatorからの放射で捨てます。熱設計、放射線によるsingle-event effect、spacecraftの電力・質量budget、通信遅延と途絶をsystem boundaryに入れる必要があります。「太陽光があるから電力と冷却が無料」という推論は成立しません。

2026年8月23日までに確認した一次資料では、Bitcoin mining farmまたはBOINC data centerを宇宙空間で商用運用した実績は見つかりませんでした。将来の可能性を否定する資料でもありませんが、現在の実証として表示することもできません。現時点で実証されたnear-term use caseの一つは、宇宙で生成したsensor dataをその場で選別・圧縮・判断するedge computingです。

人は科学参加、名誉、所属、競争、収益、好奇心、公共目的など複数の理由で計算機を動かします。資料は行動と制度を記録できますが、人類全体の欲望を一つの測定値にはできません。世界級の図書館が残すべきものは予言ではなく、誰が、何を、どのmachineで、誰の費用により計算し、誰が結果を検証し、誰が利益を受けたかという追跡可能な関係です。