Disusun oleh: Weird Thinking, BlockBeats
Nota Penterjemah: Pada bulan Mac tahun ini, 0G Labs telah melengkapkan pusingan pembiayaan Pra-Seed bernilai $35 juta yang diketuai oleh Hack VC. 0G Labs menyasarkan untuk membina rantaian AI modular pertama untuk membantu pembangun melancarkan AI dApps pada lapisan ketersediaan data yang boleh diprogramkan berprestasi tinggi. Melalui reka bentuk sistem yang inovatif, 0G Labs berusaha untuk mencapai penghantaran data dalam rantaian peringkat GB sesaat dan menyokong senario aplikasi berprestasi tinggi seperti latihan model AI.
Dalam episod keempat podcast DealFlow, Ketua Pengarang BSCN Jonny Huang, Rakan Kongsi Umum MH Ventures Kamran Iqbal dan Ketua Pelaburan dan Perkongsian Strategik Animoca Brands Mehdi Farooq menemu bual Michael Heinrich, pengasas bersama dan Ketua Pegawai Eksekutif 0G Labs . Michael berkongsi latar belakang peribadinya, daripada menjadi jurutera perisian di Microsoft dan SAP Labs hinggalah mengasaskan Garten, sebuah syarikat Web2 bernilai lebih AS$1 bilion, hingga kini bekerja sepenuh masa di 0G, khusus untuk membina susunan teknologi AI modular pada blockchain . Perbincangan meliputi status dan visi semasa DA, faedah modulariti, pengurusan pasukan dan pergantungan dua hala Web3 pada AI. Melihat ke masa hadapan, beliau menekankan bahawa AI akan menjadi arus perdana dan membawa perubahan sosial yang besar, dan Web3 perlu mengikuti trend ini.
Berikut ialah teks temu bual:
Jonny: Hari ini kita akan mendalami topik penting - ketersediaan data (DA), terutamanya data dalam medan Ketersediaan AI yang disulitkan. Michael, syarikat anda mempunyai suara yang kuat dalam bidang ini. Sebelum pergi ke butiran, bolehkah anda memperkenalkan secara ringkas latar belakang profesional anda dan bagaimana anda memasuki bidang khusus ini.
Michael: Saya bermula sebagai jurutera perisian dan pengurus produk teknikal di Microsoft dan SAP Labs, mengusahakan teknologi termaju dalam pasukan Visual Studio. Kemudian, dia beralih ke bahagian perniagaan dan bekerja di Bain & Company selama beberapa tahun Dia kemudian berpindah ke Connecticut untuk bekerja untuk Bridgewater Associates, yang bertanggungjawab untuk pembinaan portfolio. Mengkaji kira-kira $60 bilion dalam transaksi setiap hari, terdapat banyak penunjuk risiko yang perlu difahami. Sebagai contoh, kami melihat kadar CDS untuk menilai risiko rakan niaga, dsb. Pengalaman ini memberi saya pemahaman yang mendalam tentang kewangan tradisional.
Selepas itu, saya kembali ke Stanford untuk sekolah siswazah dan mengasaskan syarikat Web2 pertama saya Garten. Pada kemuncaknya, syarikat itu pernah berkembang kepada 650 pekerja, dengan pendapatan tahunan mencecah AS$100 juta, dan jumlah pembiayaan kira-kira AS$130 juta Ia menjadi sebuah syarikat unicorn dengan penilaian lebih AS$1 bilion dan projek bintang yang diinkubasi oleh Y Combinator .
Pada penghujung tahun 2022, rakan sekelas saya Thomas di Stanford menghubungi saya. Dia menyebut bahawa dia melabur dalam Conflux lima tahun lalu dan berpendapat bahawa Ming Wu dan Fan Long adalah jurutera terbaik yang pernah dibiayainya. Kami berempat harus berkumpul dan melihat sama ada kami boleh mencipta sebarang percikan. Selepas enam bulan bersama, saya membuat kesimpulan yang sama. Saya berfikir dalam hati, "Wah, Ming dan Fan ialah jurutera dan saintis komputer terbaik yang pernah saya bekerjasama. Kami perlu memulakan perniagaan bersama-sama saya menjadi pengerusi Garten dan komited kepada 0G sepenuh masa.
Empat pengasas bersama 0G Labs, dari kiri ke kanan, Fan Long, Thomas Yao, Michael Heinrich, Ming Wu
Ini: ialah salah satu pengenalan pengasas terbaik yang pernah saya dengar, dan saya rasa proses pembiayaan VC anda akan berjalan lancar. Sebelum saya menyelami topik ketersediaan data, saya ingin membincangkan keadaan semasa DA. Walaupun terdapat beberapa pemain yang terkenal, bagaimana anda menilai landskap DA seperti yang sedia ada?
Michael:
DA kini datang daripada pelbagai sumber, bergantung pada rantaian blok. Sebagai contoh, sebelum peningkatan Ethereum Danksharding, DA Ethereum adalah lebih kurang 0.08 MB sesaat. Kemudian, Celestia, EigenDA dan Avail memasuki pasaran, dan daya pengeluaran mereka biasanya berjulat dari 1.2 hingga 10 MB sesaat. Masalahnya ialah daya pengeluaran ini tidak mencukupi untuk aplikasi AI atau mana-mana aplikasi permainan dalam rantaian. Kita perlu bercakap tentang DA dalam gigabait sesaat, bukan MB sesaat. Sebagai contoh, jika anda ingin melatih model AI dalam rantaian, anda sebenarnya memerlukan 50 hingga 100 GB pemindahan data sesaat untuk melakukannya. Ini adalah susunan perbezaan magnitud. Kami melihat peluang ini dan memikirkan cara untuk mencipta kejayaan ini supaya aplikasi berskala besar untuk Web2 boleh dibina dalam rantaian dengan prestasi dan kos yang sama. Ini adalah kekosongan besar yang kita lihat di lapangan. Di samping itu, terdapat beberapa isu yang belum dipertimbangkan sepenuhnya. Sebagai contoh, kami menganggap ketersediaan data sebagai gabungan penerbitan data dan penyimpanan data. Wawasan teras kami adalah untuk mencapai peningkatan prestasi terobosan dengan membahagikan data kepada dua saluran ini untuk mengelakkan kesesakan penyiaran dalam sistem.
Rangkaian storan tambahan membolehkan anda melakukan banyak perkara seperti storan model, melatih storan data untuk kes penggunaan tertentu dan juga kebolehprograman. Anda boleh melakukan pengurusan negeri yang lengkap, memutuskan tempat untuk menyimpan data, berapa lama untuk menyimpannya dan berapa banyak keselamatan yang diperlukan. Oleh itu, kes penggunaan dunia sebenar yang benar-benar diperlukan dalam pelbagai bidang kini boleh dilakukan.
Status semasa DA ialah kami telah mencapai kemajuan yang ketara daripada 0.08 MB sesaat kepada 1.4 MB, yang sememangnya telah mengurangkan kos transaksi, dalam beberapa kes sebanyak 99%. Tetapi ini tidak mencukupi untuk keperluan sebenar dunia masa depan. Aplikasi AI berprestasi tinggi, permainan dalam rantaian, DeFi frekuensi tinggi, semua aplikasi ini memerlukan daya pemprosesan yang lebih tinggi.
Mehdi : Saya ada dua soalan asas. Yang pertama ialah mengenai penyimpanan. Anda menyebut sejarah transaksi L2 dan juga sejarah model AI. Dari segi storan, berapa lama kita perlu menyimpan data? Ini soalan pertama saya. Soalan kedua ialah, sudah ada rangkaian storan terdesentralisasi seperti Arweave dan Filecoin, adakah anda fikir mereka boleh membantu meningkatkan daya pengeluaran? Saya tidak maksudkan penerbitan data, tetapi penyimpanan.
Michael: Berapa lama data disimpan bergantung pada tujuannya. Jika pemulihan bencana dipertimbangkan, data harus disimpan secara kekal supaya keadaan boleh dibina semula. Untuk rollup optimistik, di mana terdapat tetingkap kalis penipuan, sekurang-kurangnya 7 hari storan diperlukan untuk membolehkan keadaan dibina semula jika diperlukan. Untuk jenis rollup lain, masa penyimpanan mungkin lebih singkat. Khususnya berbeza-beza, tetapi itu biasanya berlaku.
Bagi platform storan lain, kami memilih untuk membina sistem storan secara dalaman kerana Arweave dan Filecoin lebih direka untuk storan jenis log, iaitu storan sejuk jangka panjang. Oleh itu, ia tidak direka untuk menulis dan membaca data yang sangat pantas, yang penting untuk aplikasi AI dan aplikasi data berstruktur yang memerlukan simpanan nilai kunci atau jenis data transaksi. Dengan cara ini, pemprosesan pantas boleh dicapai, dan aplikasi Google Docs terdesentralisasi juga boleh dibina.
Jonny: Anda sangat jelas tentang sebab DA diperlukan dan mengapa penyelesaian storan terdesentralisasi sedia ada tidak sesuai untuk senario khusus ini. Bolehkah anda membincangkan matlamat utama ketersediaan data? . Ianya mudah, sama seperti AWS mempunyai pengiraan dan storan, S3 ialah komponen utama. Ketersediaan data, walaupun mempunyai ciri yang berbeza, juga merupakan komponen kritikal. Matlamat utama kami adalah untuk membina tindanan teknologi AI modular di mana bahagian ketersediaan data termasuk bukan sahaja penerbitan data tetapi juga komponen storan, yang disatukan oleh rangkaian konsensus. Kami membiarkan rangkaian konsensus mengendalikan pensampelan ketersediaan data, dan setelah konsensus dicapai, kami boleh membuktikannya pada Lapisan 1 asas (seperti Ethereum). Matlamat utama kami adalah untuk membina sistem dalam rantaian yang boleh menjalankan sebarang aplikasi berprestasi tinggi dan juga menyokong latihan dalam rantaian model AI.
Kamran: Bolehkah anda menghuraikan lebih lanjut mengenai sasaran pasaran anda? Selain kecerdasan buatan dan mereka yang membina aplikasi AI pada blockchain, projek manakah yang anda harapkan untuk menggunakan 0G?
Michael:Anda telah menyebut kawasan permohonan. Kami bekerja keras untuk membina komuniti AI terdesentralisasi terbesar dan berharap untuk mempunyai sejumlah besar projek dibina di atas kami. Sama ada Pond sedang membina model graf yang besar, Fraction AI atau PublicAI sedang melakukan anotasi atau pembersihan data terpencar, atau projek lapisan pelaksanaan seperti Allora, Talus Network atau Ritual, kami bekerja keras untuk membina komuniti terbesar untuk pembina AI . Ini adalah keperluan asas untuk kami.
Tetapi sebenarnya, mana-mana aplikasi berprestasi tinggi boleh dibina di atas kita. Mengambil permainan dalam rantaian sebagai contoh, 5,000 pengguna memerlukan 16MB ketersediaan data sesaat untuk mencapai keadaan permainan dalam rantaian yang lengkap tanpa pemampatan. Tiada lapisan DA pada masa ini boleh melakukan ini, mungkin Solana boleh, tetapi itu tidak sama dengan ekosistem Ethereum dan sokongan adalah terhad. Jadi, aplikasi sedemikian juga sangat menarik untuk kami, terutamanya jika ia digabungkan dengan ejen AI dalam rantaian (seperti NPC). Terdapat banyak potensi untuk aplikasi silang di kawasan ini.DeFi frekuensi tinggi ialah satu lagi contoh. Penyulitan homomorfik sepenuhnya (FHE), pasaran data dan aplikasi mendalam frekuensi tinggi pada masa hadapan semuanya memerlukan daya pemprosesan data yang sangat besar dan memerlukan lapisan DA yang benar-benar boleh menyokong prestasi tinggi. Oleh itu, mana-mana aplikasi DA atau Layer2 berprestasi tinggi boleh dibina di atas kami.
Kelebihan modulariti: pilihan fleksibelMehdi: Anda sedang bekerja keras untuk meningkatkan kebolehskalaan, pemprosesan dan menyelesaikan masalah pengembangan keadaan yang disebabkan oleh komponen storan. Mengapa tidak melancarkan sahaja Layer1 yang lengkap? Jika anda mempunyai keupayaan untuk mencapai kejayaan teknologi, mengapa mengambil pendekatan modular dan bukannya mencipta Layer1 dengan mesin mayanya sendiri? Apakah logik di sebalik penggunaan timbunan modular?
Michael: Secara asasnya, lapisan bawah kami ialah Lapisan 1, tetapi kami yakin bahawa modularisasi ialah cara untuk membina aplikasi pada masa hadapan. Dan kami adalah modular dan tidak menolak menyediakan persekitaran pelaksanaan yang dioptimumkan khusus untuk aplikasi AI pada masa hadapan. Kami masih belum pasti tentang peta jalan untuk ini, tetapi ia mungkin.
Inti modulariti ialah pilihan. Anda boleh memilih lapisan penyelesaian, persekitaran pelaksanaan dan lapisan DA. Bergantung pada kes penggunaan, pembangun boleh memilih penyelesaian terbaik. Sama seperti dalam Web2, TCP/IP berjaya kerana ia bersifat modular dan pembangun bebas menggunakan aspek yang berbeza mengikut pilihan mereka. Oleh itu, kami berharap dapat memberi pembangun lebih banyak pilihan supaya mereka boleh membina persekitaran yang paling sesuai mengikut jenis aplikasi mereka.
Mehdi : Jika anda memilih mesin maya sekarang, mesin maya manakah di pasaran akan menjadi yang terbaik untuk aplikasi yang sedang anda pertimbangkan atau usahakan?
Michael: Saya mengambil pandangan yang sangat praktikal tentang perkara ini. Jika apa-apa perlu dilakukan untuk menarik lebih ramai pembangun Web2 ke Web3, ia akan menjadi beberapa jenis mesin maya WASM yang boleh membina aplikasi dalam bahasa pengaturcaraan yang paling biasa seperti JavaScript atau Python. Bahasa-bahasa ini tidak semestinya pilihan terbaik untuk pembangunan rantaian.
Move VM direka dengan sangat baik dari segi objek dan daya pemprosesan. Jika anda mahukan prestasi tinggi, ini adalah pilihan yang patut diberi perhatian. Jika anda berfikir tentang mesin maya yang diuji pertempuran, ia adalah E VM kerana bilangan pembangun Solidity yang besar. Jadi pilihan bergantung pada senario penggunaan tertentu.
Jonny : Saya ingin mendengar apakah halangan terbesar yang telah anda hadapi, atau adakah ia berjalan lancar? Saya tidak dapat bayangkan bahawa kerjaya anda begitu besar dan ia tidak boleh sentiasa begitu lancar.
Michael: Ya, saya rasa mana-mana permulaan tidak akan berjalan lancar, akan sentiasa ada beberapa cabaran. Cabaran terbesar dari perspektif saya ialah memastikan kami dapat bersaing kerana kami perlu melaksanakan pelbagai tugas dengan baik dan perlu melakukan beberapa pertukaran untuk sampai ke pasaran dengan cepat.
Sebagai contoh, kami pada asalnya ingin melancarkan dengan mekanisme konsensus tersuai, tetapi itu akan memanjangkan masa pelancaran selama empat hingga lima bulan. Oleh itu, kami memutuskan untuk menggunakan mekanisme konsensus luar biasa dalam fasa pertama untuk melakukan bukti konsep yang kukuh dan mencapai sebahagian daripada matlamat akhir, seperti 50 GB sesaat setiap lapisan konsensus. Lapisan konsensus berskala mendatar kemudiannya diperkenalkan dalam fasa kedua untuk mencapai daya pemprosesan DA tanpa had. Sama seperti menghidupkan suis untuk memutar pelayan AWS yang lain, kami boleh menambah lapisan konsensus tambahan, sekali gus meningkatkan daya pemprosesan DA keseluruhan.
Satu lagi cabaran ialah memastikan kami menarik bakat terbaik untuk menyertai syarikat. Pasukan kami kuat, termasuk pemenang pingat emas Olimpik Informatik dan PhD sains komputer terkemuka, jadi kami memerlukan pasukan pemasaran kami dan pembangun baharu untuk memadankannya.
Jonny : Nampaknya halangan terbesar yang kamu hadapi sekarang ialah keutamaan, bukan? Terima bahawa anda tidak boleh melakukan segala-galanya dalam tempoh yang singkat dan bahawa beberapa pertukaran perlu dibuat. Apa pendapat anda tentang persaingan? Saya rasa Celestia atau EigenDA tidak menimbulkan ancaman serius kepada kes penggunaan khusus anda.
Michael: Dalam Web3, persaingan sebahagian besarnya bergantung kepada komuniti. Kami telah membina komuniti yang kukuh di sekitar pembina berprestasi tinggi dan AI, manakala Celestia dan EigenDA mungkin mempunyai lebih banyak komuniti tujuan umum. EigenDA mungkin lebih mengambil berat tentang membawa keselamatan ekonomi dan membina AVS pada EigenLayer, manakala Celestia lebih mengambil berat tentang Layer2 yang ingin mengurangkan kos transaksi mereka dan tidak mempunyai banyak aplikasi berkemampuan tinggi. Contohnya, membina DeFi frekuensi tinggi pada Celestia adalah sangat mencabar kerana anda memerlukan daya pemprosesan berbilang terabait sesaat, yang akan menyumbat sepenuhnya rangkaian Celestia.
Dari perspektif ini, kami benar-benar tidak berasa terancam. Kami sedang membina komuniti yang sangat kuat, dan walaupun orang lain datang, kami sudah mempunyai kesan rangkaian pembangun dan bahagian pasaran, dan diharapkan lebih banyak pembiayaan akan menyusul. Jadi, pertahanan terbaik adalah kesan rangkaian kami.
Jonny: Anda memilih kecerdasan buatan sebagai fokus utama anda, tetapi mengapakah Web3 perlu mengehoskan kecerdasan buatan dalam ekosistemnya? Sebaliknya, mengapakah kecerdasan buatan memerlukan Web3? Ini adalah soalan dua hala, dan jawapan kepada kedua-dua soalan itu tidak semestinya ya.
Michael: Sudah tentu, Web3 tanpa AI boleh dilakukan. Tetapi saya fikir dalam 5 hingga 10 tahun akan datang, setiap syarikat akan menjadi syarikat AI kerana AI akan menjadi transformatif seperti Internet. Adakah kita benar-benar mahu melepaskan peluang ini dalam Web3? Saya tidak fikir begitu. Menurut McKinsey, AI akan membuka kunci bertrilion dolar dalam nilai ekonomi dan 70% pekerjaan boleh diautomasikan oleh AI. Jadi mengapa tidak mengambil kesempatan daripadanya? Web3 tanpa AI adalah mungkin, tetapi dengan AI, masa depan akan menjadi lebih baik. Kami percaya bahawa dalam tempoh 5 hingga 10 tahun akan datang, majoriti peserta di blockchain akan menjadi ejen AI yang melaksanakan tugas dan transaksi untuk anda. Ia akan menjadi dunia yang sangat menarik di mana kami akan mempunyai banyak perkhidmatan automatik yang dikuasakan oleh AI yang disesuaikan dengan pengguna.
Seterusnya, saya rasa AI benar-benar memerlukan Web3. Misi kami adalah untuk menjadikan AI sebagai barang awam. Ini pada asasnya adalah persoalan insentif. Bagaimanakah anda memastikan model AI tidak menipu dan mereka membuat keputusan yang terbaik untuk manusia? Penjajaran boleh dipecahkan kepada komponen insentif, pengesahan dan keselamatan, yang setiap satunya sangat sesuai untuk dilaksanakan dalam persekitaran rantaian blok. Blockchain boleh membantu dengan kewangan dan insentif melalui token, mewujudkan persekitaran di mana AI secara kewangan tidak gemar menipu. Semua sejarah transaksi juga terdapat pada blockchain. Untuk membuat kenyataan yang berani di sini, saya fikir pada asasnya, segala-galanya daripada data latihan kepada komponen pembersihan data kepada pengingesan data dan komponen pengumpulan haruslah dalam rantaian supaya terdapat kebolehkesanan lengkap tentang siapa yang menyediakan data dan kemudian Apakah keputusan yang dibuat buatan model AI?
Melihat ke hadapan 5 hingga 10 tahun, jika sistem AI mengurus logistik, pentadbiran dan sistem pembuatan, saya ingin mengetahui versi model, keputusannya dan menyelia model di luar kecerdasan manusia untuk memastikan ia sejajar dengan manusia minat . Dan dengan meletakkan AI ke dalam kotak hitam yang boleh menipu dan tidak membuat keputusan demi kepentingan terbaik manusia, saya tidak pasti kami boleh mempercayai beberapa syarikat untuk memastikan keselamatan dan integriti sistem sedemikian secara konsisten, terutamanya memandangkan kesan masa depan model AI yang berkemungkinan dalam 5 hingga 10 tahun.
Kamran: Kita semua tahu bahawa ruang crypto penuh dengan naratif, dan anda begitu tertumpu pada ruang AI, adakah anda fikir ini akan menjadi penghalang untuk anda dalam jangka masa panjang? Seperti yang anda katakan, tindanan teknologi anda akan jauh lebih baik daripada apa yang kita lihat sekarang. Adakah anda fikir naratif sekitar AI, dan penamaan itu sendiri, akan menghalang perkembangan anda pada masa hadapan?
Michael: Kami tidak fikir begitu. Kami amat percaya bahawa pada masa hadapan, setiap syarikat akan menjadi syarikat AI. Hampir tidak ada syarikat yang tidak menggunakan AI dalam beberapa bentuk dalam aplikasi atau platformnya. Dari perspektif ini, setiap kali GPT melancarkan versi baharu, seperti yang mempunyai trilion parameter, ia membuka ciri baharu yang tidak tersedia sebelum ini dan mencapai tahap prestasi yang lebih tinggi. Saya rasa kepanasan akan kekal kerana ini adalah paradigma yang sama sekali baru. Buat pertama kalinya, kami telah dapat memberitahu komputer apa yang perlu dilakukan menggunakan bahasa manusia. Dalam sesetengah kes, anda memperoleh keupayaan untuk mengatasi orang biasa dan mengautomasikan proses yang sebelum ini tidak dapat dicapai. Sebagai contoh, sesetengah syarikat telah mengautomasikan sepenuhnya pembangunan jualan dan sokongan pelanggan mereka. Dengan keluaran GPT-5, GPT-6, dsb., model AI akan menjadi lebih pintar. Kami perlu memastikan kami mengikuti aliran ini dalam Web3 dan membina versi sumber terbuka kami sendiri.
Ejen AI akan menjalankan sebahagian daripada masyarakat pada masa hadapan dan adalah penting untuk memastikan mereka ditadbir oleh blockchain dengan cara yang sesuai. Dalam tempoh 10 hingga 20 tahun, AI pasti akan menjadi arus perdana dan membawa perubahan sosial yang besar. Lihat sahaja mod pemanduan autonomi sepenuhnya Tesla dan anda akan tahu bahawa masa depan menjadi realiti hari demi hari. Robot juga akan memasuki kehidupan kita dan memberi kita banyak sokongan. Kami pada asasnya hidup dalam filem fiksyen sains.
Atas ialah kandungan terperinci Perbualan dengan 0G Labs: Jalan DA ke penghujung dan era baharu AI dalam rantaian. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!
![[Web front-end] Permulaan pantas Node.js](https://img.php.cn/upload/course/000/000/067/662b5d34ba7c0227.png)
