Verfasser: Eric, Foresight News
Am Abend des 22. Dezember nach Pekinger Zeit gab LazAI, eine von Metis inkubierte AI-Daten- und Anwendungsschicht, offiziell den Start des Alpha-Hauptnetzes bekannt. Der letzte beeindruckende Schritt von Metis war die frühzeitige Einführung eines dezentralen Sortierers. Warum hat Metis, während sich L2 in den letzten Jahren verstärkt in Richtung transaktionszentrierter Ansätze bewegt haben, entschieden, mit einem klaren Fokus auf AI zu gehen?
Mit Fragen im Gepäck haben wir mit Metis gesprochen.
Fokus auf “Daten”, Metis' neuer Ansatz
Das Metis-Team teilte dem Autor mit, dass die Einführung von LazAI nicht eine kurzfristige Reaktion auf den AI-Trend ist. Bereits zu Beginn dieses Jahres hat Metis eine strategische Ausrichtung auf AI festgelegt, und LazAI ist das Flaggschiffprodukt, das nach fast einem Jahr intensiver Arbeit eingeführt wurde. LazAI ist nicht nur eine reine AI-Anwendung oder ein einfaches AI-Produkt, das eine Währung herausgibt, sondern ein Netzwerk, das dem Training und der Anwendung von AI-Modellen dient.
Eine Anwendung im Bereich „Web3+KI“ zu entwickeln, könnte keine gute Wahl sein. Der aktuelle Entwicklungsstand von KI hat noch nicht das Niveau erreicht, das eine Kombination mit Web3 auf Anwendungsebene rechtfertigt, oder anders gesagt, die Unsicherheit hinsichtlich der Anwendungsrichtung ist recht hoch. Der Grund dafür ist, dass der Erfolg von Stablecoins und DeFi darauf zurückzuführen ist, dass die Finanzinfrastruktur in vielen Ländern oder Regionen nicht ausgereift ist und somit eine Marktlücke hinterlässt, während ich der Meinung bin, dass Web3 im Bereich der KI-Anwendungen kurzfristig nicht viel Vorteil daraus ziehen kann.
Aber auf der nicht-anwendungsbezogenen Ebene sieht es ganz anders aus. Wenn man die letzten ein oder zwei Jahre betrachtet, haben Cloud-Anbieter wie Alibaba Cloud und AWS mehr oder weniger L2 oder verwandte Tools oder Produkte von Alt L1, einschließlich Sui, integriert. Auf diese Weise können Cloud-Anbieter vielfältigere Optionen anbieten, und Web3-Tools sind in vielen Fällen auch eine kostengünstigere Wahl.
Aus der Sicht des Verfassers ist es die richtige Entscheidung, dass Metis seine Vorteile in Bezug auf Verifizierungskapazität und Verifizierungsgeschwindigkeit mit seinem L2 nutzt, um LazAI einzuführen. Darüber hinaus ist LazAI nicht einfach eine Anwendung des Web3-Konzepts, sondern hat ein originales, sowohl in der Technik als auch in der Marktanpassung optimales Konzept entwickelt.
Wir zeigen zuerst das Bild: Das größte Merkmal von LazAI ist, dass es ein ganzheitliches Konzept von Daten, Training bis hin zur Anwendung in der Gestaltung berücksichtigt. Der gesamte Lebenszyklus, von der Ausbildung über die Nutzung bis hin zu AI-basierten Anwendungen, kann auf LazAI abgeschlossen werden.
Um LazAI klar zu erklären, müssen zuerst die drei Kernkomponenten iDAO, DATs und der verifizierbare Rechenrahmen erläutert werden.
iDAO ist die kleinste Einheit, die am Netzwerk teilnimmt, und auch ein Konsens-Knoten. Es kann jede Rolle im Lebenszyklus von KI sein, wie Fachleute, die Daten bereitstellen, KI-Modelle, die mit Daten trainiert werden, Akteure, die Rechenleistung bereitstellen, oder Teams, die Anwendungen auf der Grundlage von KI entwickeln. LazAI trennt die verschiedenen Teilnehmer im KI-Ökosystem und bietet eine modulare Struktur, die mehr Kombinierbarkeit für KI ermöglicht.
DATs (Data Anchoring Tokens) sind der von dem LazAI-Team entwickelte Standard für semi-fungible Tokens und die zentrale Innovation von LazAI. DAT kodiert drei wichtige Eigenschaften: das „Eigentumszertifikat“, das die Herkunft und die Identität des Urhebers des Vermögenswerts nachweist, das „Nutzungsrecht“, das den Zugriff auf Quoten definiert (z. B. die Anzahl der Inferenzaufrufe), und die „Wertteilung“, die es den Inhabern ermöglicht, entsprechend ihrem Anteil automatisch Einnahmen zu erzielen. DAT ermöglicht es den Datenbeiträgen und den Entwicklern von KI, ihren Beitrag zu monetarisieren und in Zukunft kontinuierlich Einnahmen aus der Nutzung durch die Nutzer zu generieren.
Das verifiable Computing-Framework dient dazu, das “Black Box”-Problem der KI-Berechnungen zu lösen, hauptsächlich um die Bestätigung von Daten und dem Modellaufrufprozess zu gewährleisten. LazAI verwendet TEEs (Trusted Execution Environments), ZKPs (Zero-Knowledge Proofs) und OPs (Optimistic Proofs), um das Vertrauen in die off-chain KI-Ausführung zu minimieren. TEE bietet private Ausführung, ZKPs validieren Ausgaben, ohne Daten offenzulegen, und OPs nehmen die Gültigkeit an, um die Geschwindigkeit zu optimieren. Dieses hybride Nachweissystem ähnelt dem ZK Rollup, ist jedoch speziell für KI maßgeschneidert und balanciert Privatsphäre, Effizienz und Verifizierbarkeit.
Daraus können wir den gesamten Arbeitsablauf im LazAI-Netzwerk skizzieren: Benutzer verschlüsseln Daten und reichen sie bei iDAO ein, iDAO packt sie in LazAI Flow und sendet sie über VSC an Quorum. Quorum verwendet TEE/ZKP zur Überprüfung und verankert den Hash in LazChain. Nach der On-Chain-Überprüfung können DATs geprägt, Metadaten und Rechte aufgezeichnet werden. Benutzer übertragen DATs, um Dienste anzufordern, TEE wird außerhalb der Kette ausgeführt, und das Ergebnis wird durch ZKP/OP überprüft.
In diesem Prozess kann VSC (Verifiable Service Coordinator) als eine Expertengruppe verstanden werden, die die Echtheit dieser fachspezifischen Daten bestätigt, während Quorum der Konsensmechanismus von LazChain ist. iDAO übernimmt als Konsensnode nicht nur seine eigene Verantwortung, sondern stellt auch den Betrieb des Konsenses sicher.
Was können wir tun, jetzt wo das Alpha-Hauptnetz online ist?
LazAI wurde entwickelt, um das Problem der erlernbare Datenerfassung im Bereich der KI anzugehen. Derzeit sehen wir bei den Web3+AI-Projekten, abgesehen von x402, in anderen Bereichen, einschließlich Rechenleistungsnetzwerken, AI Launchpads und anderen Anreizmodellen, sowie bei den jüngst aufgekommenen Projekten, die ebenfalls darauf abzielen, erlernbare Daten bereitzustellen. Aus der Perspektive des Verfassers scheinen die ersten beiden nicht auf eine tatsächlich bestehende Nachfrage abzuzielen, sondern nutzen Web3 als besseren Träger für KI, während die Abdeckung der letzteren zu einseitig ist.
LazAI, das für spezifische Probleme entwickelt wurde, hat ein System entworfen, das es den Beitragsleistenden ermöglicht, kontinuierlich Gewinne zu erzielen, und das in der Logik des Codes fest verankert ist, anstatt jedes Mal vorübergehend hinzugefügt werden zu müssen, um die Interessen der Teilnehmer zu gewährleisten.
Der Autor hat vom Team erfahren, dass das Alpha-Hauptnetz von LazAI nicht sofort Token einführen wird. Für Fachleute, die einen Beitrag leisten können, sowie für Entwickler von KI-Modellen und Produkten ist dies eine seltene Gelegenheit zur Selbstpräsentation und auch eine Chance, ihre Fähigkeiten durch Airdrops zu monetarisieren. Darüber hinaus wird LazAI ein Entwickleranreizprogramm mit einem Gesamtpreisfonds von 10.000 METIS für das Alpha-Hauptnetz einführen, das Unterstützung in allen Phasen von frühen Prototypen bis hin zu ausgereiften Anwendungen bietet und ein mehrschichtiges Ökosystem mit Funktionen wie der Förderung über soziale Kanäle und einem Fonds für Benutzerwachstum bereitstellt.
Vor der Einführung des Mainnets hat LazAI im Testnetz bereits bemerkenswerte Ergebnisse erzielt. Laut dem Team liegt die Gesamtzahl der aktiven Nutzer im Testnetz bei fast 140.000, und der von dem offiziellen Team eingeführte evolutionäre KI-Begleiter Lazbubu hat ebenfalls fast 15.000 Nutzer gewonnen.
Die Erträge des Testnetzes enden hier nicht. Das ROVR Network, das alltägliche Fahrzeuge in intelligente 3D-Physik-Welt-Datenmapper verwandelt, nutzt die Lösungen von LazAI.
ROVR zeichnet kontinuierlich Karten der Umgebung durch seine Geräte und generiert reichhaltige geospatiale Datensätze, die in das LazAI-Ökosystem eingespeist werden. In diesem Fall ist ROVR eine “iDAO”, deren hochgeladenen Daten als DAT gemintet werden, und LazAI hat somit eine hochpräzise DePIN- und RWA-Datenbank. Zukünftig können beispielsweise KI-automatisierte Fahrwerkzeuge diese Daten zur Selbstoptimierung nutzen.
Das Team teilte dem Autor mit, dass die Teamkultur von LazAI es sehr entwicklerfreundlich macht, was sich auch in den Anreizen zeigt, die LazAI den Entwicklern mit dem Start des Hauptnetzes bietet. Diese Wertschätzung der Entwicklerkultur hat auch dazu geführt, dass Metis bei Wissenschaftlern aus der KI-Branche Anklang gefunden hat. Im Juni dieses Jahres trat Dr. Wang Zehua, ein Kernmitglied des Blockchain-Forschungszentrums der University of British Columbia (UBC) und außerordentlicher Professor für Elektronik und Computertechnik, als technischer Berater bei LazAI ein. Es wird berichtet, dass Dr. Wang Zehua seit langem im Bereich der Zusammenarbeit und Sicherheit dezentraler Multi-Agentensysteme tätig ist und sich auf die Integration von KI und Blockchain-Technologie spezialisiert hat, insbesondere in den Bereichen vertrauenswürdige Edge-KI, Sicherheit von Blockchain und Smart Contracts sowie Zero-Knowledge-Beweise.
Der Autor erwähnte zu Beginn, dass Metis der erste L2 ist, der dezentrale Sortierer in die Praxis eingeführt hat, und dies spiegelt gut das Streben nach technologischer Iteration wider. Diese Hingabe an Technologie und die Aufmerksamkeit für Entwickler legen ein solides Fundament für eine langfristige Entwicklung.
Warum AI wählen?
Diese Frage mag ein wenig dumm erscheinen. Als heißes Konzept scheint die Wahl von KI eine Entscheidung zu sein, über die man nicht nachdenken muss, aber die Realität könnte komplizierter sein, als man denkt.
Die Herausforderungen, mit denen generische Ethereum L2 konfrontiert ist, werden zunehmend ernster. Viele Projekte entscheiden sich dafür, L1 selbst zu erstellen oder Anwendungen auf der Basis von ausgereiften Rollups zu entwickeln, um maßgeschneiderte Leistung anzustreben. Dies zwingt die L2 dazu, sich neu zu positionieren und nach neuen Richtungen basierend auf ihren eigenen Merkmalen zu suchen.
Vor einiger Zeit sorgte das von ByteDance eingeführte Smartphone mit integriertem Doubao für Aufsehen. Der Kern des Aufsehens besteht darin, dass die Nutzer dank KI nicht mehr mit mehreren Apps interagieren müssen, sondern lediglich der KI ihre Anforderungen mitteilen, damit die KI verschiedene Apps nutzt, um die Ziele der Nutzer zu erreichen. Dies führt zu einer qualitativen Veränderung der Logik des “Traffic-Kreierens” im Internetzeitalter, und in Zukunft könnte der Zugang zu Traffic möglicherweise zu einem Wettkampf zwischen KIs werden.
Der Autor bringt dieses Beispiel, um zu zeigen, dass selbst wenn viele L2-Optionen den Handel, die Vorhersagemärkte und die Tokenisierung von RWA wählen, sie möglicherweise übersehen, dass die zukünftigen Operationen dieser Anwendungen nicht unbedingt von Menschen durchgeführt werden, sondern von KI, die menschliche Befehle empfängt. Wenn der Zugang zur KI verpasst wird, werden auch die besten Anwendungs-Blockchains zu den Arbeitern der KI, und offensichtlich hat Metis dieses Problem bereits vor einem Jahr erkannt.
Der Autor hat zuvor gesagt, dass Metis tatsächlich seit Jahresbeginn eine AI-zentrierte Strategie verfolgt. Im März dieses Jahres hat Metis auf der ETHDenver eine Dual-Chain-Strategie angekündigt. Neben Metis selbst unterstützt Hyperion, das als hochgradig optimierte L2 für AI-Anwendungen konzipiert ist, parallele Ausführung und sofortiges Feedback. Darüber hinaus ist Hyperion tief in das Metis SDK integriert und unterstützt den modularen Aufbau von Anwendungs-Chain, die sich auf Hochfrequenzhandel und Echtzeit-AI-Anwendungen konzentrieren.
LazAI ist das „Flaggschiffprodukt“, das durch diese Unterstützung hervorgehoben wird, und alle vorherigen Strategien zeigen in diesem Moment ihren wahren Wert. Alle L2, einschließlich Metis, wissen eines: Der Effizienzvorteil von L2 wird langsam vom Ethereum-Hauptnetz erodiert, daher muss es ein konkurrenzfähiges Produkt geben, das sich mindestens in einem Bereich behaupten kann, um eine stabile Nutzung der Kette zu gewährleisten und einen reibungslosen Betrieb des Ökosystems aufrechtzuerhalten. Die KI-Infrastruktur ist eher eine „schwierige, aber richtige Sache“.
Die Nutzung von Web3-Lösungen zur Optimierung des Problems der KI-Datenannotation hat in den letzten Monaten gerade erst begonnen, an Bedeutung zu gewinnen. Metis ist ebenfalls eines der ersten Mitglieder der Pioniere, aber die Lösung von Metis ist eine sehr typische Web3-nativer Lösung und beschränkt sich nicht nur darauf, On-Chain-Bestätigungen einzuführen und Token auszugeben.
Für Metis gehen die Expansion des On-Chain-Anwendungsecosystems und die Strategie, die Chain als eine Art Abrechnungsebene zu nutzen, Hand in Hand. Ich glaube, dass in Zukunft die Preise der Token immer mehr mit dem echten Wert verknüpft sein werden; das Maß, in dem das Netzwerk angenommen wird, und die tatsächliche Nachfrage nach Gas-Token werden den Wert der Token und des Netzwerks bestimmen. Der Einstieg in AI ist ebenfalls eine Rückführung zum Wert von METIS selbst. Wenn meine Vorhersage wahr wird, werden immer mehr nicht AI-basierte Anwendungen auf dem L2-Stack erscheinen, was METIS mehr Wertunterstützung bieten wird.
Blockchain-basierte Produkte haben begonnen, in alle Aspekte von Internetanwendungen einzudringen, wobei ihre Leistung im Bereich KI noch auffälliger ist. Der Autor bleibt dabei, dass reine “On-Chain-Modelle” oder “AI Launchpads” nicht lange Lebenszyklen haben werden, aber Produkte wie LazAI, die den Lebenszyklus von KI unterstützen, sind anders. Für Entwickler und Benutzer sind Produkte, die in der ökologischen Strategie an erster Stelle stehen, immer wert, Beachtung zu finden und daran teilzunehmen.
