AI × Crypto銘柄「レンダー(Render)」について④くりぷと知っ得情報4月1日号

クリプトスタディ(クリスタ)の水野です。
最近の暗号通貨の新興(トレンド)プロジェクトは、いくつかの「テーマ」ごとに盛り上がっています。
次のサイクルの大きなテーマと言われる「AIと暗号の融合」というテーマで、シリーズでAI関連銘柄「レンダー(Render)」について書いています。
🔶レンダー(Render)の概要と沿革
くりぷと知っ得情報3月11日号🔶レンダー(Render)プロジェクトの目的、レンダー(Render)とNVIDIAの関係
くりぷと知っ得情報3月18日号🔶レンダー(Render)のコンセンサスアルゴリズム
くりぷと知っ得情報3月25日号
今回は、レンダー(Render)のトークノミクスについて書いていきます。
トークノミクス(Tokenomics)とは?
トークノミクス(Tokenomics)とは、トークンの経済設計のことです。
具体的には、そのトークンがどのように発行され、使われ、価値が保たれるのか」という仕組みになります。
レンダー(Render)の目的は、世界中にある余っているGPU(画像計算用の高性能チップ)をネットワークでつなぎ、3DレンダリングやAI計算において、
誰でも利用できる分散型GPUクラウドを作ること
です。
その目的とトークノミクス(Tokenomics)=トークンの経済設計とは、密接な関係があります。
トークンの経済設計って?
暗号通貨プロジェクトでは、トークンの価値や持続性を保つために、あらかじめ「トークノミクス」と呼ばれる経済設計が作られています。
主に次の4つの要素が重要になります。
トークンの発行量
まず決められるのが、トークンの総発行量(供給量)です。
例えば、ビットコイン(BTC)は、発行上限が2100万枚と決まっています。
このように発行量に上限を設けることで、希少性を保ち、価値の安定につなげる設計が行われます。
一方で、上限を設けずに少しずつ増える設計にするプロジェクトもあり、それぞれ目的に応じて発行モデルが決められます。
トークンの使い道
次に重要なのが、そのトークンが何に使われるのかです。
例えば‥‥
🔹ネットワーク利用料の支払い
🔹サービスの決済
🔹ステーキング
🔹ガバナンス投票
などです。
Render Networkでは、トークンはGPUレンダリングの計算費用の支払いに使われます。
つまり、ネットワークが使われるほどトークン需要が生まれる仕組みになっています。
報酬の分配方法
ブロックチェーンでは、ネットワークを支える参加者に対して報酬の仕組みが設計されています。
例えば
🔹マイナーへの報酬(PoW:Proof of Work)
🔹バリデータへの報酬(PoS:Proof of Stake)
🔹ノード(ネットワークに接続された機器)運営者への報酬
などです。
この報酬設計によって、ネットワークに参加するインセンティブが生まれ、システムが維持されます。
供給のコントロール
最後に重要なのが、トークン供給をどうコントロールするかです。
これは、インフレ(インフレーション)、デフレ(デフレーション)の仕組みを鑑み、
🔹新しいトークンを発行することで、インフレにコントロール
🔹トークンを焼却することで、デフレにコントロール
といった仕組みです。
レンダー(Render)の総発行枚数(最大供給量)
レンダー(Render)の総発行枚数(最大供給量)は、 644,168,762枚です。
どうして、こんな細かい数字なの?
この細かい数字は、ランダムに決められたわけではありません。
これは プロジェクト開始時の配分設計(トークン配布)の結果として決まった数字です。
多くの暗号通貨プロジェクトは、「10億枚」「1億枚」など、キリのいい数字を最大供給量に設定することが多いですが、レンダー(Render)は少し違います。
具体的な枚数割り当て
Renderのトークンはプロジェクト開始時に、主に次のような用途に分配されました。
🔹ネットワーク運営・開発
🔹エコシステム支援
🔹投資家
🔹チーム
🔹コミュニティ報酬
それぞれに割合ではなく具体的な枚数が割り当てられ、その合計が「644,168,762 RNDR」になりました。
つまり、
最初に「配分」を決めた結果として、最大供給量が決まった
という構造です。
BME(Burn-Mint Equilibrium)
Render Networkは、BME(Burn-Mint Equilibrium)という独自のトークノミクスを採用しています。
そこには、レンダー(Render)のプロジェクトの特徴の一つ、「GPU計算マーケット」との関連があります。
次回は、このBME(Burn-Mint Equilibrium)と「GPU計算マーケット」との関連について、書いていこうと思います。
お読みいただきありがとうございました。