Render Networkの仕組み：BMEモデルと「信頼」の担保

Render Networkとは、世界中に分散した余剰GPUリソースを統合し、AI推論や3DCG制作に必要な計算パワーをオンデマンドで提供する、分散型クラウド計算プラットフォームです。

第一回の記事では、Render Networkが「GPUの民主化」を掲げ、ビッグテックの独占に対する強力なカウンターパワーになりつつある現状を、その歴史的成り立ちと実需の両面から紐解きました。

しかし、ここでいくつかの重要な疑問が立ちはだかります。

悪意のあるノードが計算をサボり、デタラメなデータを送ってきたら？
需要が急増したときに、トークン価格が乱高下して利用料が安定しなくなったら？

中央集権的なSaaSの強みは、契約によるSLAと、提供企業の社会的信用です。しかし、Render Networkは違います。そこにあるのは契約書ではなく、「コード」と「経済的なインセンティブ」に依拠する規律です。

第二部となる本稿では、ネットワーク参加者の不正を抑止する「Proof of Render」やRender Networkの中核となった「BME（Burn-Mint-Equilibrium）モデル」、そしてデータの盗用を防ぐ仕組みや、多様な開発環境に対応する共通規格ORBXを紹介します。

なぜこのネットワークが、管理者が不在のまま、信頼性を担保して正確に動き続けられるのか。本記事では、Render Networkのホワイトペーパーをもとに、その設計思想に迫ります。

Proof of Renderによる信頼の記号化

分散型ネットワークにおける最大の敵とは、大多数の味方の中に潜む「悪意のあるノード」です。

計算をサボって適当なデータを送ってくるノードや、大量の偽アカウントを用いてネットワークを乗っ取ろうとするシビル攻撃をどう防ぐか。Render Networkは、これを経済的なペナルティで解決しています。

証拠としてのハッシュとプロビナンス

“Specifically, any task between Creators and Node Operators that is requested is time-stamped and recorded on-chain along with asset hashes. As Node Operators complete tasks, Creators are able to review and check rendered frames and thus, the performance of the Operator, with the result being factored into an Operator’s dynamic reputation.”

クリエイターとノード間のすべてのタスクは、アセットのハッシュ値と共にオンチェーンに記録される。ノードが作業を終えると、クリエイターはレンダリングされたフレームをチェックし、その結果（正誤）がノードの動的なレピュテーションスコアに反映される。

Render Network ホワイトペーパーより¹

Render networkでは、ユーザーがジョブを開始しノードが処理を開始すると、レンダリンググラフに含まれるすべてのアセットや設定がハッシュ化され、ブロックチェーン上に記録されます。このプロセスにより、演算に使用されたデータや設定が「不変かつ詳細な履歴」として保存され、後からの改ざんが一切不可能な状態になります。

このハッシュ化されたデータは、ジョブとその作業結果という単なる事実証明に留まらりません。

このハッシュ値はシーン内のすべてのオブジェクトや設定といった「意味的な履歴」に基づいて計算されるため、どの素材がどう使われたかを詳細に把握できます。ホワイトペーパーでは、これを「高いレベルのプロビナンス」と呼んでいます

これにより、作品の帰属や、AI学習用モデルとしてのライセンス管理、ロイヤリティの分配を正確に行うための「物証」としても機能することが期待されています。

ネットワークの裏付けとなる「信用情報」

“Node Operator reputation is built by timely and accurately completing jobs. … As creators build a history of successful jobs – with minimized user error – they are able to access larger amounts of concurrent GPU nodes.” “The reputation score, therefore, helps the network efficiently assign work and reduce unintentional congestion from failed renders or malicious Sybil Attacks.” “If a creator submits a job and a node delivers subpar work, the creator can initiate a dispute resolution process. Eventually, a review committee will be charged with reviewing the submission and slashing the node operator…”

各ノード運営者は「納期通り、かつ正確に」仕事をこなすことでスコアを積み上げていく。クリエイターも、ミスなくネットワークを利用することでスコアが高まり、より多くのGPUを同時に利用になっていく。このスコア制度によって、ネットワークは効率的なジョブ分配を実現し、失敗作による混雑やシビル攻撃を未然に防ぐ。… クリエイターは不当な作業に対して異議を申し立てることができ、過失が認められたノードはスラッシングによって厳しく罰せられる。

Render Network ホワイトペーパーより

更に、Render NetworkはReputation Scoreという動的な格付けシステムを導入することで、ノードの行動を統制しています。このReputation Scoreは各ノードの過去の成功率や納期の遵守などのデータを数値化しており、いわばノードの通知表として機能しています。

ノードがタスクを完了すると、クリエイターはレンダリングされたフレームをレビューすることができ、作業成果が問題ないことを追認することによって、プロトコルは支払いのエスクローを完了させ、レピュテーションスコアを更新します。

そして、このスコアは単なる客寄せの飾りではありません。

高いスコアを持つノードは優先的にジョブを割り当てられる一方で、高いスコアを持つクリエイターもまた、より多くのGPUノードを同時に稼働させることができるようになります。逆に、計算ミスを繰り返したり途中でオフラインになったりする不安定なノードはスコアが急落し、低単価なジョブが低頻度にしか回ってこない、村八分状態に置かれます。それだけではなく、「スラッシング」という制度によって、逆に報酬を没収されることすらあるのです。

このような仕組みによって経済的インセンティブを参加者に付与することで、ネットワークは意図的な混雑や不正な攻撃を未然に防ぎ、誠実な参加者がより多くの利益を得られる自浄作用を維持しています。

BMEモデル: 経済の安定と「計算コスト」の切り離し

Proof of Renderによって、Render Networkはブロックチェーン上の記録と人間による承認によって二重の担保を得、「信頼」で繋がるネットワークの構築に成功しました。

利用者の安全性を担保したうえで、次に問われるのは「その経済圏をいかに持続・成長させるか」という点です。

いくら演算が正確であっても、利用料が暗号資産特有のボラティリティを受けてしまっては、”現場で使う”インフラとしては失格です。RENDERトークンが投機的に暴騰した結果、先月まで1万円で実行できていたタスクが急に10万円かかるようになり原価割れしてしまった、ということになっては、それを長期的に使用しようと考えるユーザーは現れないからです。

また、GPU演算リソースを提供するノードに対しても、”トークン価格の暴落”など市場環境に左右されない安定した報酬系を用意しなければ、コスト倒れでノードオペレータがみな撤退してしまい、長期的なネットワークを維持することはできません。

この「利用者のコスト安定」と「ネットワークの安定性・価値向上」という2つの課題を解決するために導入されたのが、Render Networkの経済的発明である「BMEモデル」です。

RNP-001において提案・可決された「BME（Burn-and-Mint Equilibrium：焼却・鋳造均衡）モデル」は、RENDERトークンを単なる決済手段ではなく、ネットワークの利用実態と価値を連動させる「コモディティ資産」として定義する仕組みです。このモデルの最大の特徴は、クリエイターとノードとの価値交換を、直接的な送金ではなく、トークンの「バーン」と「ミント」という独立したプロセスを介して行う点にあります。

Burn（焼却）：支払いの証明とエスクロー

BMEモデルにおいて、レンダリングなどの仕事の価格はトークンの枚数ではなく、米ドル建てで決定されます。

クリエイターはジョブを依頼する際、必要なドル価値に相当するRENDERトークンを市場から調達して支払うと、プロトコルはその95%を焼却し、5%は手数料収入としてRender Network Foundationが受け取ります。

こうしてトークンが焼却されると、代わりに「レンダー・クレジット（Coupon Token）」が発行されます。これは他人に譲渡できない性質を持っており、「確かに代金が支払われた」という事実をオンチェーンで記録するために用いられます。

Mint（供給）：貢献への報酬

ノードオペレーターへの報酬は、ユーザーが支払ったトークンを直接受け取るのではなく、ネットワークが新たに発行するトークンから支払われます。

ネットワークは一定期間ごとに、あらかじめ決められたスケジュールに従って新しくトークンを発行します 。そしてノードは、実際に完了させた仕事量（レンダー・クレジットの消化実績）や、ネットワークへの接続維持（可用性）に応じて、これらのトークンを報酬として受け取ります。

供給の全体像

ノードへの報酬を支えるミントの総量は、RNP-001で定義されたスケジュールに基づいています。

この提案書において、エコシステム拡大のための起爆剤として、当初の供給量に対して20%にあたる新規発行枠を計画的に導入しました。

• インフレ前供給量: 536,870,912 RENDER
• 新規発行枠: 107,374,182 RENDER
• 理論上の最大供給量: 644,245,094 RENDER

この1億枚を超える新規発行枠は、無秩序な増刷ではなく、ノードオペレーター、クリエイター、そして流動性提供者という、ネットワークを支える人々に報いるための戦略投資として用意されたものでした。

We strongly believe that this is necessary in order to reward value accretive stakeholders, and the total network activity generated as a result will outweigh any concerns around a fixed supply cap.

私たちは、価値を創出するステークホルダーに報いるためにはこれが必要不可欠であり、その結果として生成されるネットワーク全体の活動は、固定供給キャップに関するいかなる懸念をも上回ると強く信じています。

https://github.com/rendernetwork/RNPs/blob/main/RNP-001.md

供給スケジュールは、初期の爆発的成長を支える「Launch」フェーズと、長期的な安定を目指す「Growth」フェーズの2段階に分けられています。

第一段階のLaunchフェーズにおいては、ネットワーク運営を軌道に乗せるため、最初の5年間手厚い報酬を約束しました。

• 1年目: 毎月 760,567 RENDER（年間約912万枚）
• 2〜3年目: 毎月 492,132 RENDER（年間約590万枚）
• 4年目: 毎月 380,284 RENDER（年間約456万枚）
• 5年目: 毎月 335,544 RENDER（年間約402万枚）

6年目からは、0.945という減衰係数に基づき、発行量は永続的に減少していきます。 例えば、6年目の年間排出量は約402万枚ですが、10年目には約321万枚、30年目には約103万枚、そして60年目には約19万枚へと、緩やかな放物線を描いて減少します²。

これにより、インフレを抑制しながらも、半永久的にノードへの報酬を出し続ける持続可能なエコシステムが完成したのです。

Equilibrium（均衡）：自動調整される経済

この仕組みの白眉は、ネットワークの需要と供給が市場原理によって均衡へと自動調整される点にあります。

ネットワークの利用が増え、新しく発行される量よりも多くのトークンが焼却されると、市場の供給量が減り、トークン価格に上昇圧力がかかります。

そうしてトークン価格が上がれば、クリエイターは同じドル建てのサービスを受けるために「焼却する枚数」を減らすだけで済みます。これにより、利用コストは常に一定に保たれ、システムは再び均衡へと向かいます。

失敗した暗号資産プロジェクトと目されるものの多くは、価格の暴騰によって利用者が離れるか、暴落によって開発者や利用者が去るという悲劇が起因しています。しかしRender Networkは、BMEモデルによって「利用コストの固定」と「トークンの希少化」をデカップリングすることに成功しました。

この価格の錨があるからこそ、Render Networkは単なる投機の対象ではなく、過酷なAI開発競争を支える、実用的で堅牢なインフラとして存在が成立しているのです。

機密保持の多層防御

クリエイティブシーンにおいて「見知らぬ他人のPC」にデータを送るという行為が禁忌とされるのは、データの盗作や流出リスクを孕んでいるからです。

一方でRender Networkは他人の演算リソースを間借りする技術である以上、クリエイティブに関するデータを見ず知らずの他人に送信するというステップは避けられません。しかし、Render Networkはプロフェッショナルの現場から生まれたプロジェクトです。当然、そのリスクに対する防御策も多重に講じています。

データの断片化と暗号化

Render Networkでは、一つの大きな「シーン」をそのまま送るということはありません。アップロードの過程で、シーンは無数の個別のアセットに分解され、それぞれが個別にハッシュ化・暗号化されます 。

ノードオペレーターの手元に届くのは、「巨大なジグソーパズルの数ピース」に過ぎません 。全体像を把握するためのXMLレンダーグラフは高度に抽象化された目次のような存在ですから、特定のノードがクリエイターのアイデア全体を盗み出すことは構造的に困難です。

また、データは「通信中」だけでなく、「保存中」「計算中」どのようなステータスであっても常に暗号化された状態を維持します。

GPUのビデオメモリ上で演算しているときやディスクに展開される際も暗号化は解除されないため、オペレーターがハードウェアを物理的に解析しても、意味のあるデータを取り出すことはできない仕組みになっています。

更に、計算処理は隔離された仮想環境内で行われます 。これにより、ノード側のPCにデータが残存することを防ぐとともに、ノード側からの不正なアクセスを遮断しています。

ウォーターマークによる公平性の担保

こうした技術的な暗号化に加え、Render Networkは「最悪の事態」に備えて非常に実務的な仕組みも採用しています。 ノードから返却される演算結果には、支払いが完了するまで自動的に透かしが入れられており、クリエイターが内容を確認し、報酬を支払うことで初めて、透かしのない完全なデータがダウンロード可能になります 。

この仕組みにより、ノード側は「データを人質に取る」ことができず、クリエイター側は「中身を確認してから支払う」という、フェアで安全な取引が担保されているのです。

ORBX：分散型演算を実現する共通言語

リモートでレンダリングを行うことを考えたとき、処理を実行するマシンにも同じソフトウェアやプラグインといった、前提となるソフトウェアがインストールされている必要がある、と考えるのは非常に自然かつ論理的な帰結の1つです。

しかし、Render Networkが採用したORBXはこの依存関係を完全に解消し、ユニバーサルな分散型演算を実現しました。

“By fully abstracting scene data from third party software tools with the ORBX scene format, the Render Network is able to parallelize work across a blockchain peer-to-peer network at near unlimited scale without dependencies on local software.”

ORBXシーン形式によってシーンデータをサードパーティのソフトウェアツールから完全に抽象化することで、Render Networkはローカルソフトウェアの依存関係に縛られることなく、ブロックチェーンのピアツーピアネットワーク全体で、ほぼ無制限のスケールで作業を並列化することができます。

Render Network ホワイトペーパーより

この規格により、クリエイターが手元のBlenderで書き出しボタンを押した瞬間、そのプロジェクトは「GPUが追加知識なく理解できる、純粋な計算命令」へと変換されます。

これによって、受け取り側のノードはBlenderをインストールしていなくても、ORBXという共通言語を通じて正確にピクセルを生成できるようになりました。

作者の証明: セマンティック・ヒストリー

ORBXは、単なる色や形といったデータだけでなく、その素材がどこから来たのかという「意味的な履歴」も保持します。

“With assets in a scene attributed in ORBX XML render graph, the network has a semantic history of every object and setting within a scene. … ORBX provides full traceability needed for attribution and authorship.”

シーン内の資産がORBXのXMLレンダーグラフに帰属されることで、ネットワークはシーン内のすべてのオブジェクトや設定の意味的な履歴（セマンティック・ヒストリー）を保持します。……ORBXは、帰属と著作権の証明に不可欠な完全なトレーサビリティを提供します。

Render Network ホワイトペーパーより

この機能は、今日のAI全盛期において極めて重要な意味合いを持ち始めています。

AI生成された作品にどのアーティストの素材が使われたか、どの設定で出力されたかという証拠を、ハッシュ化されたORBXデータが半永久的に証明し続けるからです。

AIを活用した創作の普及に伴う最大の悲劇は「創造のブラックボックス化」です。AIが学習し、出力するプロセスにおいて、個々のアーティストの筆致や色彩設計は巨大なモデルの中に溶け込み、誰の貢献によってその美しさが生まれたのかが闇に葬られてしまいます。

Render Networkが提唱するセマンティック・ヒストリーとは、この「溶けて消えゆく個性」を救い出し、デジタルデータに「DNA」を刻み込む試みに他ならないのです。

第二回のまとめ

本稿を通じて見てきた通り、Render Networkは「Proof of Render」で信頼を記号化し、「BMEモデル」で経済を自律化させました。

信頼と経済という2本の柱が精緻に組み上げられたことで、Render Networkは中央集権的なビッグテックの計算資源独占に対する、最も強力な「分散型カウンターパワー」へと成長を遂げたのです。

しかし、この巨大な「時計仕掛けの経済」が大量の演算リクエストを捌き、リアルタイムに報酬を分配するためには、基盤となるブロックチェーンにも極限の性能が求められました。かつてのEthereumという大地では、その鼓動を支えきれなくなっていたのです。

次回予告

「信頼」と「経済」の仕組みを整えたRender Networkが次に向かったのは、インフラとしての「極限のスケーラビリティ」と「レンダリングを超えた汎用性」でした。

なぜRender Networkは、Solanaへの大規模な移住（RNP-002/006）を決断したのか？ その移行が、現在のAI推論チップ不足に立ち向かう「DePIN革命」をどう引き起こしたのか？

その答えは、2025年末にローンチされた新プラットフォーム「Dispersed」、そしてH100/H200といったモンスターチップを数千台規模で動員する「AI推論への大拡張」に隠されています。

次回、第3部ではDePINが塗り替えたAI推論の最前線を解き明かします。

1. https://renderfoundation.com/whitepaper ↩︎
2. https://docs.google.com/spreadsheets/d/1vgNamfJsJeCOUnFGtrdBw7GJCtN25bXEIFOluJQAO64/edit ↩︎