對話 0G Labs：DA 終局之路與鏈上 AI 新紀元

編譯：思維怪怪，BlockBeats

#譯者註：今年3 月，0G Labs 完成Hack VC 領投的3500 萬美元Pre-Seed輪融資。 0G Labs 旨在建立第一個模組化 AI 鏈，幫助開發者在高效能、可程式化的資料可用性層上推出 AI dApp。透過創新的系統設計，0G Labs 力求實現每秒 GB 等級的鏈上資料傳輸，支援 AI 模型訓練等高效能應用場景。

在DealFlow 第四期播客節目中，BSCN 主編Jonny Huang、MH Ventures 普通合夥人Kamran Iqbal 和Animoca Brands 投資與策略合作負責人Mehdi Farooq 共同採訪了0G Labs 的聯合創始人兼CEO Michael Heinrich。 Michael 分享了他的個人背景，從微軟和SAP 實驗室的軟體工程師到創辦估值超10 億美元的Web2 公司Garten，再到如今全職投入0G，致力於在區塊鏈上建立模組化AI 技術棧。討論內容涵蓋了 DA 的現狀和願景、模組化的優勢、團隊管理以及 Web3 與 AI 的雙向依賴關係。展望未來，他強調 AI 將成為主流，帶來巨大的社會變革，Web3 需要跟上這一趨勢。

以下為訪談正文：

#Web2 獨角獸掌門再創業

Jonny ：今天我們要深入探討一個重要主題—資料可用性（ DA ），特別是加密AI 領域的資料可用性。 Michael ，你們公司在這領域有很大的發言權。在深入細節之前，請先簡單介紹一下職業背景，以及你是如何進入這一小眾領域的。

Michael ：我原本是微軟和 SAP 實驗室的軟體工程師和技術產品經理，在 Visual Studio 團隊從事尖端技術工作。後來轉向業務端，在貝恩公司工作了幾年，搬到康乃狄克州為橋水基金工作，負責投資組合建構。每天要審核約 600 億美元的交易，了解許多風險指標。例如，我們查看 CDS 利率來評估交易對手風險等。這段經歷讓我深入了解了傳統金融。

之後，我回到史丹佛讀研，創辦了我的第一家 Web2 公司 Garten 。公司鼎盛時期員工一度擴展到 650 名，年收入達 1 億美元，總融資額約 1.3 億美元，成為估值超 10 億美元的獨角獸公司和 Y Combinator 孵化的明星項目。

2022 年底，我在史丹佛的同學 Thomas 聯絡我。他提到五年前投資了 Conflux ，認為 Ming Wu 和 Fan Long 是他資助過的最優秀的工程師，我們四個應該聚在一起，看看能不能碰撞出什麼火花。經過六個月的相處，我得出同樣的結論。我心想：「哇， Ming 和 Fan 是我合作過的最優秀的工程師和電腦科學家。我們一定要一起創業。」我開始轉為 Garten 的董事長，並且全職投入 0G 。

0G Labs 的四位共同創辦人，由左至右分別為Fan Long、Thomas Yao、Michael Heinrich、Ming Wu

DA 的現狀、挑戰與終極目標

Jonny ：這是我聽過的最棒的創辦人介紹之一，我猜你們的VC 融資過程一定很順利。在深入探討資料可用性這個主題之前，我想先討論一下 DA 的現況。雖然有一些玩家眾所周知，但就目前而言，你如何評估 DA 的模式？

Michael ：DA 現在有多種來源，取決於區塊鏈。例如，在以太坊 Danksharding 升級之前，以太坊的 DA 大約為每秒 0.08 MB。後來，Celestia、EigenDA 和 Avail 進入市場，它們的吞吐量通常在每秒 1.2 到 10 MB 之間。問題在於，對於 AI 應用或任何鏈上遊戲應用，這種吞吐量遠遠不夠。我們需要討論的是每秒 GB 等級，而不是每秒 MB 級的 DA。舉個例子，如果你想在鏈上訓練 AI 模型，實際上需要每秒 50 到 100 GB 的資料傳輸量才能實現。這是數量級的差異。我們看到了這個機會，思考如何創造這種突破，使 Web2 的大型應用程式能夠以相同的效能和成本在鏈上建立。這是我們在該領域看到的巨大空白。此外，還有一些問題沒有充分考慮。例如，我們認為資料可用性是資料發布和資料儲存的結合。我們的核心洞察是將資料分成這兩個通道來避免系統中的廣播瓶頸，從而實現突破性的效能改進。

一個附加的儲存網路可以讓你做很多事情，例如模型儲存、針對特定用例的訓練資料存儲，甚至可程式化。你可以進行完整的狀態管理，決定將資料儲存在哪裡，儲存多長時間，以及需要多少安全性。因此，各種領域真正需要的真實用例，現在都成為可能。

目前 DA 的現狀是，我們取得了重大進展，從每秒 0.08 MB 提高到 1.4 MB ，確實降低了交易成本，在某些情況下甚至減少了 99%。但對於未來世界的真正需求來說，這還不夠。高效能 AI 應用、鏈上遊戲、高頻 DeFi ，所有這些應用都需要更高的吞吐量。

Mehdi ：我有兩個基礎的問題。首先是關於儲存。你提到 L2 的交易歷史，甚至是 AI 模型的歷史。在儲存方面，我們需要儲存資料多久？這是我的第一個問題。第二個問題是，已經有 Arweave 和 Filecoin 這樣的去中心化儲存網絡，你認為它們能否幫助提高吞吐量？我指的不是資料發布，而是儲存。

Michael ：資料的儲存長度取決於其目的。如果考慮災難恢復，資料應永久存儲，以便重構狀態。對於樂觀 rollup 那種有詐欺證明視窗的情況，至少需要儲存 7 天，以便在需要時重建狀態。對於其他類型的 rollup，儲存時間可能更短。具體情況不同，但大致如此。

至於其他儲存平台，我們選擇內部建置儲存系統，因為 Arweave 和 Filecoin 更多是為日誌類型的儲存而設計的，也就是長期冷儲存。因此它們並非為非常快速的資料寫入和讀取而設計，而這對 AI 應用以及需要鍵值儲存或事務型資料類型的結構化資料應用至關重要。這樣才能實現快速處理，甚至可以建構去中心化的 Google 文件應用程式。

Jonny ：關於為什麼需要 DA ，以及現有的去中心化儲存解決方案為何不適合這種特定場景，你闡述得非常清楚。可以討論一下數據可用性的終極目標嗎？

Michael ：終極目標很容易定義，我們要實現的是與Web2 相當的性能和成本，使得在鏈上建立任何東西都成為可能，特別是AI應用。這很直白，就像 AWS 有運算和存儲，S3 是一個關鍵元件。資料可用性雖然有不同特性，但也是一個關鍵元件。我們的最終目標是建立一個模組化的 AI 技術棧，其中的資料可用性部分不僅包括資料發布，還包括儲存元件，由共識網路整合。我們讓共識網路處理資料可用性抽樣，一旦達成共識，我們就能在底層 Layer 1（如以太坊）上進行證明。我們的最終目標是建立一個可以運行任何高效能應用的鏈上系統，甚至支援鏈上訓練 AI 模型。

Kamran ：能再詳細說明一下你們的目標市場嗎？除了人工智慧和那些在區塊鏈上建立 AI 應用的人之外，你們希望哪些項目使用 0G ？

Michael ：你已經提到一個應用領域。我們正努力建立最大的去中心化 AI 社區，並希望有大量項目在我們之上建構。無論是Pond 在建立大型圖模型，還是像Fraction AI 或PublicAI 在做去中心化資料標註或清洗，甚至是Allora、Talus Network 或Ritual 這樣的執行層項目，我們都在努力為AI 建設者建立最大的社區。這對我們來說是基本要求。

但實際上，任何高效能應用程式都可以在我們之上建置。以鏈上遊戲為例，5000 個用戶在非壓縮情況下，需要每秒 16MB 的資料可用性來實現完整的鏈上遊戲狀態。目前沒有任何 DA 層能做到這一點，也許 Solana 可以，但那與以太坊生態系統不同，支援也有限。所以，這樣的應用對我們來說也非常有趣，特別是如果它們結合了鏈上 AI 代理（如 NPC ）。在這方面有很多交叉應用的潛力。

高頻 DeFi 是另一個例子。未來的全同態加密 ( FHE )、資料市場、高頻深層應用，所有這些都需要非常大的資料吞吐量，需要一個能夠真正支援高效能的 DA 層。因此，任何高效能的 DA pp 或 Layer2 都可以在我們之上建置。

模組化的優勢：靈活選擇

Mehdi ：你們正在努力提高可擴展性、吞吐量，以及解決儲存元件導致的狀態膨脹問題。為什麼不直接推出一條完整的 Layer1 呢？如果你們有能力在技術上取得突破，為什麼要採用模組化的方法，而不是創建一個擁有自己虛擬機器的 Layer1 呢？採用模組化堆疊背後的邏輯是什麼？

Michael ：從根本上說，我們底層就是一個 Layer1，但我們堅信模組化是未來建構應用的方式。而且我們是模組化的，並不排除未來提供一個專門針對 AI 應用優化的執行環境。我們還沒完全確定這方面的路線圖，但這是可能的。

模組化的核心在於選擇。你可以選擇結算層、執行環境和 DA 層。根據不同的用例，開發者可以選擇最佳方案。就像 Web2 中， TCP / IP 之所以成功，是因為它本質上是模組化的，開發者可以自由選擇使用其不同面向。因此，我們希望給予開發者更多選擇，讓他們根據自己的應用類型，建立最適合的環境。

Mehdi ：如果現在要選擇一個虛擬機，就你們正在考慮或努力實現的應用程式而言，市場上哪個虛擬機最適合？

Michael ：我對此持非常實際的看法。如果為了吸引更多 Web2 開發者進入 Web3，那應該是某種類型的 WASM 虛擬機，可以用最常見的程式語言如 JavaScript 或 Python 來建立應用程式。這些語言不一定是鏈上開發的最佳選擇。

Move VM 在物件和吞吐量方面的設計非常出色。如果追求高性能，這是一個值得關注的選擇。如果考慮經過實戰檢驗的虛擬機，那就是 E VM ，因為有大量的 Solidity 開發者。所以選擇取決於特定的使用場景。

優先排序與社群建立

Jonny ：我想聽聽你們面臨的最大障礙是什麼，還是說一切都一帆風順？我無法想像你們的事業如此龐大，不可能一直都那麼順利吧。

Michael ：是的，我認為任何新創公司都不會一帆風順，總是會有一些挑戰。從我的角度來看，最大的挑戰是確保我們能跟上節奏，因為我們必須非常出色地執行多個任務，必須做出一些權衡才能快速進入市場。

例如，我們本來想用客製化的共識機制啟動，但那會延長四到五個月的啟動時間。所以我們決定在第一階段使用現成的共識機制，做一個強大的概念驗證，達到終局目標的一部分，例如每個共識層每秒 50 GB 。然後在第二階段引入可橫向擴展的共識層，以實現無限的 DA 吞吐量。就像打開開關啟動另一台 AWS 伺服器一樣，我們可以添加額外的共識層，從而提高整體 DA 吞吐量。

另一個挑戰是確保我們能吸引到一流的人才加入公司。我們的團隊實力雄厚，包括資訊學奧林匹克競賽金牌得主和頂尖的電腦科學博士，所以我們需要行銷團隊和新加入的開發人員也能與之匹配。

Jonny ：聽起來你們目前面臨的最大障礙是優先排序，對吧？接受無法在短時間內做所有事情，必須做出一些權衡。關於競爭，你們如何看待？我猜 Celestia 或 EigenDA 對你們的具體用例不會構成嚴重威脅。

Michael ：在 Web3 中，競爭很大程度取決於社群。我們圍繞著高性能和 AI 建造者建立了一個強大的社區，而 Celestia 和 EigenDA 可能擁有更多的通用社區。 EigenDA 可能更關心如何帶來經濟安全並在 EigenLayer 上建立 AVS，而 Celestia 則更關心哪個 Layer2 想要降低他們的交易成本，並且沒有很多高吞吐量的應用。舉個例子，在 Celestia 上建立高頻 DeFi 非常具有挑戰性，因為你需要每秒多兆位元組的吞吐量，這會完全堵塞 Celestia 網路。

從這個角度來看，我們確實感受不到威脅。我們正在建立一個非常強大的社區，即使有其他人出現，我們也已經擁有開發者和市場份額的網路效應，並有望隨之獲得更多資金。所以，最好的防禦就是我們的網路效應。

Web3 與 AI 的雙向依賴

Jonny ：你們選擇人工智慧作為主要發力點，但為什麼 Web3 需要在其生態系統內託管人工智慧？反過來，為什麼人工智慧需要 Web3 ？這是一個雙向的問題，兩個問題的答案不一定都是肯定的。

Michael ：當然，沒有 AI 的 Web3 是可能的。但我認為在未來 5 到 10 年裡，每家公司都會成為 AI 公司，因為 AI 將像網路一樣帶來巨大的變革。我們真的想在 Web3 中錯失這個機會嗎？我認為不會。根據麥肯錫的說法，AI 將釋放數萬億美元的經濟價值，70% 的工作可以由 AI 自動化。那為什麼不利用它呢？沒有 AI 的 Web3 是可能存在的，但有了 AI，未來會更加美好。我們相信未來 5 到 10 年，區塊鏈上的大多數參與者將是 AI 代理，他們為你執行任務和交易。這將是一個非常令人興奮的世界，我們將擁有大量由 AI 驅動、為用戶量身定制的自動化服務。

反過來，我認為 AI 也絕對需要 Web3 。我們的使命是讓 AI 成為公共產品。這從根本上來說是一個激勵機制的問題。你如何確保 AI 模型不會作弊，如何確保它們做出最有利於人類的決策？對齊可以分解為激勵、驗證和安全組件，每個組件都非常適合在區塊鏈環境中實現。區塊鏈可以透過代幣來幫助實現金融化和激勵，從而創造一個環境讓 AI 在經濟上不願意作弊。所有交易歷史也都在區塊鏈上。這裡做一個大膽的聲明，我認為從根本上說，從訓練數據到數據清洗組件，再到數據攝取和收集組件，所有東西都應該在鏈上，從而可以完整地追溯是誰提供了數據，然後AI 模型又做了什麼決策。

展望未來5 到10 年，如果AI 系統在管理後勤、行政和製造系統，我會想知道模型的版本、它的決策，並對超越人類智慧的模型進行監督，確保它與人類利益實現對齊。而把AI 裝進一個可能作弊、不為人類最大利益做決策的黑盒子裡，我不確定我們是否能信任幾家公司始終如一地確保這種系統的安全和誠信，尤其是考慮到AI 模型在未來5 到10 年可能具有的超級能力。

Kamran ：我們都知道加密領域充滿了各種敘事，而你們如此專注於 AI 領域，從長遠來看，你認為這會成為你們的障礙嗎？正如你所說，你們的技術棧將遠優於我們現在所見的。你認為圍繞著 AI 的敘事和命名本身，會在未來阻礙你們的發展嗎？

Michael ：我們不這麼認為。我們堅信在未來，每家公司都將成為 AI 公司。幾乎不會有哪家公司在其應用程式或平台中不以某種形式使用 AI。從這個角度來看，每當 GPT 推出一個新版本，例如擁有一兆級參數，開啟了先前所不具備的新功能，達到了更高的效能水準。我認為熱度將持續存在，因為這是一個全新的典範。這是我們首次能夠用人類語言告訴電腦要做什麼。在某些情況下，你可以獲得超越普通人的能力，實現先前無法實現的流程自動化。例如，一些公司幾乎完全自動化了他們的銷售開發和客戶支援。隨著 GPT-5、GPT-6 等的發布，AI 模型將變得更加聰明。我們需要確保在 Web3 中跟上這一趨勢，建立我們自己的開源版本。

AI 代理將在未來運行社會的某些部分，確保其以適當的方式被區塊鏈所治理至關重要。 10 到 20 年內， AI 肯定會是主流，帶來巨大的社會變革。看看特斯拉的全自動駕駛模式就知道了，未來正在一天天變成現實。機器人也會進入我們的生活，為我們提供大量支援。我們基本上正生活在一部科幻電影中。

以上是對話 0G Labs：DA 終局之路與鏈上 AI 新紀元的詳細內容。更多資訊請關注PHP中文網其他相關文章！