LazAI uruchamia swoją główną sieć – porozmawialiśmy o tym ruchu z Metis

Dziecię L2 to zawsze projekt, którego nie można przegapić.

Autor: Eric, Foresight News

Wieczorem 22 grudnia czasu wschodnioazjatyckiego, LazAI – warstwa danych i aplikacji AI inkubowana przez Metis – ogłosiła oficjalne uruchomienie Alpha Mainnet. Ostatnim razem, gdy Metis zrobił na mnie takie wrażenie, było to, gdy jako pierwszy wprowadził zdecentralizowany sekwencer. W czasach, gdy L2 coraz częściej koncentrują się na handlu, dlaczego Metis z takim przekonaniem wybrał AI?

Z tym pytaniem zwróciliśmy się do Metis.

Skupienie na „danych” – Metis wybiera własną ścieżkę

Zespół Metis powiedział mi, że uruchomienie LazAI nie było spontaniczną reakcją na gorący temat AI. Już na początku tego roku Metis wyznaczył strategię skoncentrowaną na AI, a LazAI to flagowy produkt, który powstał po niemal roku intensywnych prac. LazAI nie jest czystą aplikacją AI ani zwykłym tokenem AI, lecz siecią służącą do trenowania modeli AI i ich zastosowań.

Tworzenie aplikacji „Web3+AI” może nie być dobrym wyborem. Obecny poziom rozwoju AI nie uzasadnia jeszcze łączenia jej z Web3 na poziomie aplikacji, a kierunek rozwoju aplikacji nie jest do końca pewny. Sukces stablecoinów i DeFi wynika z tego, że w wielu krajach i regionach infrastruktura finansowa jest niedostatecznie rozwinięta, co pozostawia lukę na rynku, podczas gdy w przypadku aplikacji AI uważam, że Web3 nie zyska zbyt wiele w krótkim okresie.

Jednak poza warstwą aplikacji sytuacja wygląda zupełnie inaczej. Przez ostatnie dwa lata dostawcy usług chmurowych, tacy jak Alibaba Cloud czy AWS, w mniejszym lub większym stopniu zintegrowali narzędzia lub produkty związane z L2 lub Alt L1, w tym Sui. Dzięki temu dostawcy chmury mogą oferować bardziej zróżnicowane opcje, a narzędzia Web3 często są bardziej opłacalne.

Moim zdaniem Metis, wykorzystując przewagę swojej L2 w zakresie weryfikacji i szybkości, wprowadził LazAI jako właściwy wybór. Ponadto LazAI nie jest po prostu adaptacją koncepcji Web3, lecz oryginalnym rozwiązaniem, które jest optymalne zarówno pod względem inżynieryjnym, jak i rynkowym.

Najpierw rzut oka na schemat: największą cechą LazAI jest to, że w projekcie uwzględniono cały proces – od danych, przez trening, po zastosowanie. Cały cykl życia AI – od treningu, przez użytkowanie, po aplikacje oparte na AI – może być realizowany na LazAI.

Aby dobrze wyjaśnić LazAI, trzeba najpierw omówić trzy kluczowe komponenty: iDAO, DATs i ramy weryfikowalnych obliczeń.

iDAO to najmniejsza jednostka uczestnicząca w sieci, a także węzeł konsensusu. Może pełnić dowolną rolę w cyklu życia AI: specjalista dostarczający dane, model AI trenujący na danych, podmiot dostarczający moc obliczeniową, zespół rozwijający aplikacje oparte na AI itd. LazAI rozdziela uczestników ekosystemu AI, oferując większą modułowość i możliwość łączenia elementów.

DATs (Data Anchoring Tokens, tokeny kotwiczące dane) to oryginalny pół-fungowalny standard tokenów stworzony przez zespół LazAI i kluczowa innowacja projektu. DAT koduje trzy kluczowe atrybuty: „certyfikat własności” potwierdzający źródło aktywów i tożsamość autora, „prawo użytkowania” definiujące limity dostępu (np. liczbę wywołań inferencji) oraz „udział w wartości”, czyli automatyczny udział w przychodach proporcjonalnie do posiadanych tokenów. DAT umożliwia monetyzację wkładu dostawców danych i twórców AI oraz zapewnia im stały dochód z użytkowania przez innych.

Ramy weryfikowalnych obliczeń rozwiązują problem „czarnej skrzynki” w obliczeniach AI, zapewniając potwierdzenie procesu korzystania z danych i modeli. LazAI wykorzystuje TEEs (Trusted Execution Environments), ZKPs (Zero-Knowledge Proofs) i OPs (Optimistic Proofs), aby zminimalizować zaufanie do wykonywania AI poza łańcuchem. TEE zapewnia prywatność wykonania, ZKP weryfikuje wyniki bez ujawniania danych, a OP zakłada poprawność dla optymalizacji szybkości. Ten hybrydowy system dowodów przypomina ZK Rollup, ale jest dostosowany do AI, równoważąc prywatność, wydajność i weryfikowalność.

Na tej podstawie możemy prześledzić ogólny proces działania sieci LazAI: użytkownik szyfruje dane i przesyła je do iDAO, iDAO pakuje je w LazAI Flow i wysyła przez VSC do Quorum, Quorum używa TEE/ZKP do weryfikacji i kotwiczy hash w LazChain. Po weryfikacji on-chain można wybić DATs, zarejestrować metadane i prawa, użytkownik przekazuje DATs, aby wywołać usługę, TEE wykonuje zadanie off-chain, a wynik jest weryfikowany przez ZKP/OP.

W tym procesie VSC (Verifiable Service Coordinator) można rozumieć jako grupę ekspertów potwierdzających autentyczność specjalistycznych danych, a Quorum to mechanizm konsensusu LazChain. iDAO jako węzeł konsensusu nie tylko realizuje swoje zadania, ale także zapewnia działanie konsensusu.

Alpha Mainnet wystartował – co możemy zrobić?

LazAI został zaprojektowany, by rozwiązać problem pozyskiwania danych do uczenia AI. Obecnie wśród projektów Web3+AI, poza x402, mamy sieci motywacyjne, takie jak sieci mocy obliczeniowej, AI Launchpad i ostatnio powstałe projekty skupione na dostarczaniu danych do uczenia. Z mojej perspektywy, pierwsze dwa nie odpowiadają na realne potrzeby, lecz traktują Web3 jako lepszy nośnik dla AI, podczas gdy te ostatnie są zbyt wąsko wyspecjalizowane.

LazAI, zaprojektowany z myślą o konkretnym problemie, wprowadza oryginalny mechanizm, który pozwala uczestnikom stale zarabiać, a wszystko to jest zapisane w kodzie, a nie dodawane ad hoc.

Zespół poinformował mnie, że Alpha Mainnet LazAI nie wprowadzi od razu tokena. Dla osób z wiedzą specjalistyczną, które mogą wnieść wkład, a także dla twórców modeli i produktów AI, to rzadka okazja do zaprezentowania się i monetyzacji swoich umiejętności poprzez airdrop. Ponadto LazAI uruchomi program motywacyjny dla deweloperów z pulą nagród 10 000 METIS, obejmujący wsparcie na wszystkich etapach – od wczesnych prototypów po dojrzałe aplikacje – oraz wielopoziomowe wsparcie ekosystemu, w tym promocję w mediach społecznościowych i fundusz wzrostu użytkowników.

Przed uruchomieniem mainnetu LazAI osiągnął już dobre wyniki na testnecie. Według zespołu liczba aktywnych użytkowników testnetu zbliżyła się do 140 000, a oficjalny ewoluujący AI companion Lazbubu zdobył prawie 15 000 użytkowników.

Osiągnięcia testnetu na tym się nie kończą – ROVR Network, przekształcający codzienne pojazdy w inteligentne mapery 3D rzeczywistego świata, również korzysta z rozwiązań LazAI.

ROVR za pomocą swoich urządzeń nieustannie tworzy mapy otoczenia i generuje bogate zbiory danych geoprzestrzennych, które następnie trafiają do ekosystemu LazAI. W tym przypadku ROVR jest „iDAO”, a przesłane przez niego dane są mintowane jako DAT. Dzięki temu LazAI zyskuje precyzyjną bazę danych DePIN i RWA, którą w przyszłości mogą wykorzystać narzędzia AI do autonomicznej jazdy w celu samodoskonalenia.

Zespół powiedział mi, że kultura LazAI jest bardzo przyjazna dla deweloperów, co widać po motywacjach oferowanych przy uruchomieniu mainnetu. Takie podejście przyciągnęło również uznanie środowiska naukowego AI. W czerwcu tego roku dr Zehua Wang, kluczowy członek Blockchain Research Center na University of British Columbia (UBC) i adiunkt na wydziale inżynierii elektronicznej i komputerowej, dołączył do LazAI jako doradca techniczny. Dr Wang od lat zajmuje się zdecentralizowanymi systemami wieloagentowymi, bezpieczeństwem i współpracą, łącząc AI i blockchain, a szczególnie specjalizuje się w zaufanym edge AI, bezpieczeństwie blockchain i smart kontraktów oraz zero-knowledge proofs.

Jak wspomniałem na początku, Metis jako pierwszy wprowadził zdecentralizowany sekwencer do praktyki L2, co dobrze odzwierciedla jego dążenie do innowacji technologicznych. Ta determinacja i koncentracja na deweloperach stanowią solidną podstawę do długoterminowego rozwoju.

Dlaczego wybrać AI?

To pytanie może wydawać się głupie. Wybór AI jako gorącego trendu wydaje się oczywisty, ale rzeczywistość jest bardziej złożona.

Uniwersalne L2 na Ethereum napotykają coraz większe wyzwania. Wiele projektów decyduje się na własne L1 lub buduje aplikacyjne łańcuchy na dojrzałych rollupach, by uzyskać bardziej dostosowaną wydajność. To zmusza L2 do ponownego pozycjonowania i szukania nowych kierunków opartych na własnych atutach.

Ostatnio telefon z wbudowanym Doubao od ByteDance wywołał sensację. Klucz tkwi w tym, że dzięki AI użytkownik nie musi już korzystać z wielu aplikacji – wystarczy powiedzieć AI, czego potrzebuje, a ono samo wywoła odpowiednie aplikacje, by osiągnąć cel. To fundamentalnie zmienia logikę „przyciągania ruchu” w erze internetu – w przyszłości wejście do ekosystemu będzie polem walki AI.

Podaję ten przykład, by pokazać, że choć wiele L2 wybiera handel, rynki predykcyjne czy tokenizację RWA, to zapomina, że w przyszłości użytkownikami tych aplikacji mogą nie być ludzie, lecz AI wykonujące polecenia ludzi. Jeśli przegapi się wejście do AI, nawet najlepsze aplikacyjne łańcuchy staną się tylko narzędziami dla AI – Metis dostrzegł to już rok temu.

Jak już wspomniałem, Metis od początku roku realizuje strategię skoncentrowaną na AI. W marcu na ETHDenver ogłoszono strategię dual-chain: oprócz Metis, Hyperion to zoptymalizowana pod AI, wysokoprzepustowa L2, wspierająca równoległe wykonanie i natychmiastowy feedback. Hyperion jest głęboko zintegrowany z Metis SDK, umożliwiając modułową budowę aplikacyjnych łańcuchów, skierowanych do high-frequency trading i aplikacji AI w czasie rzeczywistym.

LazAI to „flagowy produkt” tej strategii, a wcześniejsze działania właśnie teraz pokazują swoją prawdziwą wartość. Wszystkie L2, w tym Metis, dobrze wiedzą, że ich przewaga wydajnościowa jest stopniowo niwelowana przez Ethereum Mainnet, więc muszą mieć przynajmniej jeden mocny produkt, by utrzymać stabilne wykorzystanie sieci i ekosystem. Infrastruktura AI to „trudna, ale słuszna sprawa”.

Wykorzystanie rozwiązań Web3 do optymalizacji problemu oznaczania danych AI dopiero zaczyna się pojawiać w ostatnich miesiącach, a Metis jest jednym z pierwszych, którzy to robią. Jednak rozwiązanie Metis to typowo Web3 Native – nie ogranicza się do wprowadzenia potwierdzeń on-chain i emisji tokena.

Dla Metis rozwój ekosystemu aplikacji on-chain i traktowanie łańcucha jako warstwy rozliczeniowej idą w parze. Wierzę, że w przyszłości cena tokena będzie coraz bardziej powiązana z realną wartością, a stopień adopcji sieci i rzeczywisty popyt na tokeny gas będą decydować o wartości tokena i sieci. Wejście w AI to także wsparcie wartości METIS – jeśli moja prognoza się sprawdzi, im więcej pojawi się nie-AI aplikacyjnych łańcuchów opartych na L2, tym większe wsparcie wartości dla METIS.

Produkty oparte na blockchainie już zaczynają przenikać do wszystkich aspektów aplikacji internetowych, a w AI jest to jeszcze bardziej widoczne. Nadal uważam, że czysto „on-chain model” czy „AI Launchpad” nie będą miały długiego życia, ale produkty takie jak LazAI, obsługujące cały cykl życia AI, są inne. Dla deweloperów i użytkowników produkty stawiane w centrum strategii ekosystemu zawsze są warte uwagi i udziału.