จาก Cornell Lab สู่โปรโตคอลคริปโต: ดร. ลีโอ ฟาน เกี่ยวกับการสร้าง ZK Engine ของ Cysic

ด้วยการพิสูจน์ความรู้เป็นศูนย์ที่เปลี่ยนแปลงแนวหน้าของบล็อกเชนและความเป็นส่วนตัวอย่างรวดเร็ว การเดินทางจากทฤษฎีทางวิชาการสู่โปรโตคอลในโลกจริงเต็มไปด้วยความท้าทาย บทความนี้เจาะลึกเรื่องราวของ ดร. เลโอ ฟาน — นักวิชาการที่ย้ายจากห้องเรียนของตัวนำที่นำหน้าในคอร์เนลมาเป็นผู้ร่วมสร้างเครื่องยนต์ ZK (zero-knowledge) ที่ Cysic ในระหว่างทาง เราจะเปิดเผยว่า การวิจัยที่เข้มงวดผสมผสานกับความทะเยอทะยานทางวิศวกรรมได้อย่างไร และสิ่งที่ต้องใช้ในการเปลี่ยนแนวคิดทางเข้ารหัสที่ซับซ้อนให้เป็นโปรโตคอลที่ใช้งานได้จริง

เมื่อเราสำรวจการเปลี่ยนแปลงของดร. ฟาน ข้อมูลเชิงเทคนิค และวิสัยทัศน์สำหรับอนาคต ผู้อ่านจะได้รับมุมมองที่ละเอียดเกี่ยวกับวิธีการสร้างเครื่องยนต์ ZK — และทำไมมันจึงมีความสำคัญสำหรับคลื่นถัดไปของระบบแบบกระจายศูนย์.

Q1. คุณได้เปลี่ยนแปลงครั้งใหญ่จากการศึกษา (Cornell → Rutgers) มาเป็นการก่อตั้ง Cysic อะไรคือช่วงเวลาหรือปัญหาที่ทำให้คุณตัดสินใจออกจากการวิจัย/การสอนและสร้างบริษัทเกี่ยวกับฮาร์ดแวร์และโครงสร้างพื้นฐาน ZK?

ในช่วงเวลาของฉันในวงการวิชาการและในบทบาทการวิจัยในอุตสาหกรรม มันชัดเจนว่าระบบความรู้ศูนย์ประสบปัญหาข้อจำกัดพื้นฐาน: พวกมันมีความสวยงามทางคณิตศาสตร์ แต่ช้ามากและไม่มีประสิทธิภาพเพียงพอสำหรับการนำไปใช้ในโลกจริง ที่ Algorand ฉันได้เห็นด้วยตาตัวเองว่าระบบ ZK ขาดฮาร์ดแวร์และโครงสร้างพื้นฐานในการขยายขนาดเกินกว่าโปรโตไทป์ ช่องว่างนั้น แทนที่จะเป็นช่วงเวลาหนึ่งเดียว ทำให้ฉันมั่นใจที่จะออกจาก Rutgers และสร้าง Cysic ในปี 2022 เป็นความพยายามเฉพาะเพื่อทำให้การคำนวณที่สามารถตรวจสอบได้เป็นจริง

Q2. การวิจัยทางวิชาการและบทบาทในอุตสาหกรรมในช่วงต้นของคุณ (Algorand, IBM/Bell Labs เป็นต้น ) ได้มีอิทธิพลต่อวิสัยทัศน์ทางเทคนิคสำหรับ Cysic อย่างไร โดยเฉพาะอย่างยิ่งในการตัดสินใจที่จะรวมฮาร์ดแวร์ที่กำหนดเอง (ASIC/CUDA) กับเครือข่ายผู้พิสูจน์แบบกระจาย?

งานวิจัยทางวิชาการของฉันที่ Cornell ภายใต้การดูแลของศาสตราจารย์ Elaine Shi นักวิทยาศาสตร์คอมพิวเตอร์และนักเข้ารหัสชื่อดัง ได้มอบพื้นฐานที่มั่นคงในด้านการเข้ารหัสลับและการคำนวณที่สามารถตรวจสอบได้ งานในอุตสาหกรรมที่ Algorand และ IBM/Bell Labs ทำให้ฉันได้สัมผัสกับข้อจำกัดในทางปฏิบัติ: ระบบ ZK ส่วนใหญ่ถูกจำกัดด้วยการคำนวณ และฮาร์ดแวร์ทั่วไปไม่ได้ถูกออกแบบมาสำหรับภาระงานที่ต้องการการพิสูจน์ การรวมกันนั้น—ทฤษฎีที่เข้มงวดบวกกับอุปสรรคในโลกแห่งความจริง—ได้กำหนดการตัดสินใจของ Cysic ในการจับคู่ฮาร์ดแวร์ที่กำหนดเอง (ASIC/CUDA acceleration) กับเครือข่ายผู้พิสูจน์แบบกระจายศูนย์ นี่เป็นวิธีเดียวที่จะทำให้การพิสูจน์รวดเร็ว เชื่อถือได้ ราคาไม่แพง และขยายขนาดได้.

Q3. Cysic อธิบายตัวเองว่าเป็น “ซิลิคอนถึงโปรโตคอล” คุณสามารถอธิบายลำดับชั้นตั้งแต่การออกแบบฮาร์ดแวร์ไปจนถึงการสร้างหลักฐานและการชำระเงิน และคุณให้ความสำคัญกับเลเยอร์ไหนบ้างในขณะที่ขยาย?

“ซิลิคอนสู่โปรโตคอล” หมายถึงเราทำให้ทุกชั้นของวงจรการพิสูจน์มีประสิทธิภาพสูงสุด:

ชั้นฮาร์ดแวร์: ตัวเร่งความเร็วที่ออกแบบเองสำหรับงาน ZK โดยได้รับการปรับให้เหมาะสมสำหรับความเร็วและต้นทุน.

ชั้น Prover: เครือข่ายแบบกระจายของ GPU และ ASIC ที่ทำงานตามโมเดล ComputeFi ของเรา.

ชั้นโปรโตคอล: การตั้งถิ่นฐาน การตรวจสอบ และการรวมกับตลาดการพิสูจน์และระบบนิเวศ L2.

ในระยะเริ่มต้น เราให้ความสำคัญกับฮาร์ดแวร์และเลเยอร์โปรเวอร์เพราะพวกมันเป็นพื้นฐานสำหรับการขยายตัว ComputeFi—กลไกของเราในการนำฮาร์ดแวร์เข้าสู่เชน—กลายเป็นช่วงเวลาที่สำคัญ ทำให้สามารถคอมพิวเตอร์ที่ตรวจสอบได้และกระจายอำนาจในขนาดใหญ่ได้

Q4. การออกแบบฮาร์ดแวร์ตัวเร่งสำหรับ ZK proofs นั้นยากมาก อะไรคือความประหลาดใจหรือการแลกเปลี่ยนทางวิศวกรรมที่ใหญ่ที่สุดที่คุณพบเมื่อพยายามเพิ่มประสิทธิภาพสำหรับการส่งข้อมูล, ความล่าช้า, ค่าใช้จ่าย และความทั่วไปในระบบหลักฐาน?

การเพิ่มประสิทธิภาพสำหรับการส่งข้อมูล ความล่าช้า ต้นทุน และความทั่วไปพร้อมกันนั้นยากโดยธรรมชาติ ความก้าวหน้าที่ใหญ่ที่สุดของเราคือ ComputeFi ซึ่งช่วยให้เราสามารถจับคู่ทรัพยากรฮาร์ดแวร์โดยตรงบนเชน การเลือกออกแบบนั้นช่วยแก้ปัญหาหลายอย่างของการแลกเปลี่ยนระหว่างความยืดหยุ่นและประสิทธิภาพ และเป็นรากฐานของวิสัยทัศน์ระยะยาวของเราสำหรับการคอมพิวเตอร์ที่กระจายอำนาจและสามารถตรวจสอบได้

Q5. Cysic กำลังวางตำแหน่งตัวเองเป็นตัวนำ ZK DePIN ประเภทหนึ่ง (ตลาดทรัพยากรการคอมพิวเตอร์) คุณคิดว่าการกระจายอำนาจการคอมพิวเตอร์ ZK จะเปลี่ยนเศรษฐศาสตร์และ UX ของ ZK rollups และ L2s อย่างไร?

ตลาด DePIN ในปัจจุบันขึ้นอยู่กับฮาร์ดแวร์จากผู้ผลิต GPU ขนาดใหญ่เช่น Nvidia เป็นอย่างมาก ในความเป็นจริง GPU ของ Nvidia ทำงานประมาณ 80% ของโครงสร้างพื้นฐาน DePIN ที่เราเห็นในปัจจุบัน สิ่งนี้นำไปสู่การผูกขาดที่ตลาดมีอิทธิพลอย่างมากจากราคาของ Nvidia การตัดสินใจ และความสามารถในการอัปเกรด นักพัฒนาขนาดเล็กยังได้รับผลกระทบเชิงลบจากต้นทุน GPU ที่สูงในปัจจุบัน เนื่องจากพวกเขาไม่สามารถเข้าถึงเศรษฐศาสตร์ของขนาดที่นักพัฒนาที่มีงบประมาณมากกว่าสามารถเพลิดเพลินได้

การกระจายพลังการคอมพิวเตอร์เป็นทางออก เนื่องจากผู้ใช้ไม่จำเป็นต้องซื้อและเป็นเจ้าของฮาร์ดแวร์ที่มีราคาแพง; แทนที่นั้น พวกเขาสามารถเข้าถึงพลังการคอมพิวเตอร์ที่มีประสิทธิภาพสูงตามความต้องการได้ สิ่งนี้ช่วยให้นักพัฒนาขนาดเล็กที่มีงบประมาณน้อยสามารถหลีกเลี่ยงการซื้อและบำรุงรักษาฮาร์ดแวร์ทางกายภาพที่มีราคาแพง และเพียงแค่ซื้อการเข้าถึงเมื่อใดก็ตามที่พวกเขาต้องการสำหรับการดำเนินงานเช่น การทดสอบหรือการวัดประสิทธิภาพ.

Q6. การปรับเปลี่ยนผลิตภัณฑ์ให้ตรงกับตลาดมักจะบังคับให้มีการปรับเปลี่ยนกลยุทธ์ Cysic ได้เปลี่ยนแปลงแผนที่ผลิตภัณฑ์และการเข้าสู่ตลาดตั้งแต่ต้นแบบแรกสุดไปจนถึงช่วงทดสอบปัจจุบันอย่างไร และข้อเสนอแนะแบบผู้ใช้/พันธมิตรใดที่ทำให้เกิดการเปลี่ยนแปลงเหล่านั้น?

แผนงานของเราติดตามการขยายตัวที่มีระเบียบและเป็นลำดับชั้น ตลาดการพิสูจน์เป็นชั้นพื้นฐานของเรา จากนั้นเรากำลังขยายเข้าสู่ตลาดการคอมพิวเตอร์ที่กว้างขึ้นผ่านการตรวจสอบ AI, การอนุมาน และการเรียนรู้ของเครื่อง ZK การพัฒนาได้รับการขับเคลื่อนโดยข้อเสนอแนะแบบคู่ค้าและลูกค้าที่ขอให้มีโครงสร้างพื้นฐานที่เป็นเอกภาพสำหรับทั้งงาน AI และงาน ZK ผลลัพธ์คือเราให้บริการเซิร์ฟเวอร์และบริการที่รองรับกลุ่มงานการคอมพิวเตอร์ที่กว้างขึ้นนี้

Q7. เศรษฐศาสตร์ของชุมชนและผู้ดำเนินการมีความสำคัญต่อ DePINs คุณได้ออกแบบการกระตุ้น เครื่องมือ และการนำเข้าอย่างไรเพื่อให้ผู้ให้บริการฮาร์ดแวร์ที่หลากหลาย ( ตั้งแต่ GPU ของผู้สนใจไปจนถึง ASICs ) สามารถเข้าร่วมได้อย่างยั่งยืน?

กลไกเพื่อรับประกันความยั่งยืนในระยะยาวรวมถึงการตัด: หากผู้พิสูจน์หรือผู้ตรวจสอบไม่สามารถตอบสนองได้ทันเวลา โทเค็น $CYS ของพวกเขาจะถูกยึดและแจกจ่ายให้กับผู้อื่น ซึ่งช่วยให้ผู้ตรวจสอบอยู่ในระดับสูงของงาน ซึ่งป้องกันความล่าช้าในระยะยาว.

สำหรับนักขุด เราจะเรียกเก็บค่าบำรุงรักษาบน BTC ที่ถูกเผาในช่วงเวลาหนึ่ง กลไกเหล่านี้ช่วยรับประกันความมีชีวิตอยู่ ป้องกันการทำงานที่ไม่ดี และให้รางวัลแก่การเข้าร่วมที่เชื่อถือได้ในระยะยาวทั่วทั้งสเปกตรัมของฮาร์ดแวร์.

Q8. คุณสามารถแชร์บทเรียนจากการขยายระบบนิเวศของ Cysic, ความร่วมมือ, การบูรณาการ, เครื่องมือสำหรับนักพัฒนา, หรือความสัมพันธ์กับผู้ดูแลระบบ/ผู้ตรวจสอบที่เร่งการนำไปใช้ได้อย่างมีนัยสำคัญหรือไม่?

บทเรียนที่สำคัญที่สุดคือความสามารถในการปรับตัว สภาพแวดล้อมคริปโตเปลี่ยนแปลงอยู่ตลอดเวลา และแผนที่ที่แข็งกร้าวมักจะไม่รอดจากการติดต่อกับความเป็นจริงของตลาด ในขณะที่การสร้างชุมชนและความร่วมมือกับระบบนิเวศที่แข็งแกร่งนั้นมีความสำคัญ ความสามารถในการปรับตัวกลับกลายเป็นปัจจัยที่ตัดสิน—การสามารถปรับแต่งเครื่องมือ การรวมเข้าด้วยกัน และความร่วมมือได้อย่างรวดเร็วทำให้เราได้พบกับนักพัฒนาและเครือข่ายในขณะที่ความต้องการของพวกเขาเกิดขึ้น.

Q9. ในด้านการกำกับดูแลและโทเค็น (ถ้าคุณพูดถึงมันได้): คุณมองว่าโมเดลการกำกับดูแลและกลไกทางเศรษฐกิจใดบ้างที่จำเป็นในการสร้างสมดุลระหว่างการกระจายอำนาจ ความปลอดภัย และการให้ทุนโปรโตคอลในระยะยาว?

กลไกทางเศรษฐกิจหลักที่เราพึ่งพาคือการลดลง รางวัลแบบไดนามิกสำหรับผู้พิสูจน์และผู้ตรวจสอบ และกลไกการเผาค่าธรรมเนียมที่เกี่ยวข้องกับต้นทุนการบำรุงรักษา สิ่งเหล่านี้ทำให้เกิดแรงจูงใจที่สอดคล้องกันทั่วทั้งเครือข่าย โดยมั่นใจว่าความปลอดภัยและความมีชีวิตชีวายังคงอยู่ในขณะที่สร้างวงจรการระดมทุนที่ยั่งยืนในระยะยาวสำหรับโปรโตคอล.

Q10. ความปลอดภัยและความเชื่อถือได้เป็นหัวใจของโครงสร้างพื้นฐาน ZK คุณมีแนวทางในการจัดการความเสี่ยงอย่างไร เช่น ข้อบกพร่องของฮาร์ดแวร์ ผู้เสนอที่มุ่งร้าย หรือการโจมตีในห่วงโซ่อุปทาน และคุณให้ความสำคัญกับชั้นการป้องกันใดบ้าง?

แนวทางของเรามุ่งเน้นไปที่การป้องกันหลายชั้น: การตรวจสอบในระดับฮาร์ดแวร์, การรับประกันความถูกต้องในระดับผู้พิสูจน์ผ่านการตัดสิทธิ์, และการตรวจสอบในระดับโปรโตคอลสำหรับการมีชีวิตอยู่และพฤติกรรม โดยการรวมความซ้ำซ้อนของผู้พิสูจน์แบบกระจายศูนย์เข้ากับบทลงโทษทางเศรษฐกิจสำหรับพฤติกรรมที่ไม่เหมาะสม เราจึงลดความเสี่ยงจากจุดล้มเหลวเดียวและมั่นใจว่ากิจกรรมที่เป็นอันตรายจะถูกป้องกันหรือถูกทำให้ไม่เป็นที่สนใจทางเศรษฐกิจ.

Q11. เมื่อมองย้อนกลับไปที่การเปลี่ยนแปลงจากอาจารย์เป็น CEO ทักษะนุ่มหรือความท้าทายในการจัดการที่ไม่คาดคิดใดที่ยากที่สุดในการเรียนรู้ และคุณมีคำแนะนำอย่างไรให้กับนักวิชาการคนอื่นที่คิดจะก่อตั้งสตาร์ทอัพด้านเทคโนโลยีล้ำลึก?

การเป็นอาจารย์และการเป็นผู้ก่อตั้งสตาร์ทอัพนั้นเป็นบทบาทที่แตกต่างกันโดยสิ้นเชิง ในฐานะอาจารย์ ฉันต้องมีความถูกต้อง ระมัดระวังในสิ่งที่กล่าวอ้าง และเตรียมพร้อมเกินไป; งานทุกชิ้นต้องได้รับการปรับแต่งก่อนที่จะสามารถเผยแพร่ได้.

ในสตาร์ทอัพ มันแทบจะตรงกันข้ามเลย ฉันต้องเรียนรู้ที่จะมุ่งเน้นไปที่วิสัยทัศน์ในระดับมหภาคและดำเนินการจากมุมมองในระดับสูง แทนที่จะรอผลลัพธ์ที่สมบูรณ์แบบ ฉันต้องแสดงให้เห็นถึงความก้าวหน้าเป็นขั้นตอนและมั่นใจในทุกการปรับปรุง แนวคิดนี้ขัดแย้งโดยตรงกับการฝึกอบรมทางวิชาการ ซึ่งคาดหวังว่าคุณจะหลีกเลี่ยงการทำข้อเรียกร้องล่วงหน้าจนกว่าทุกอย่างจะได้รับการพิสูจน์แล้ว.

คำแนะนำหลักของผมสำหรับนักวิชาการที่พิจารณาเริ่มต้นธุรกิจเทคโนโลยีลึกคือไม่ควรมุ่งเน้นที่เทคโนโลยีเพียงอย่างเดียว 99% ของสตาร์ทอัพไม่สามารถชนะได้เพียงแค่เทคโนโลยี คุณต้องมีการประชาสัมพันธ์ การตลาด การเป็นพันธมิตร และชุมชน ในฐานะผู้ก่อตั้ง คุณต้องจัดการทุกอย่างเหล่านี้และมุ่งเน้นที่ภาพรวมที่ใหญ่กว่า

Q12. ห้าปีจากนี้ ความสำเร็จสำหรับ Cysic จะมีลักษณะเป็นอย่างไรในด้านเทคนิค สำหรับระบบนิเวศ และสำหรับภูมิทัศน์ ZK ที่กว้างขึ้น? และมีความเสี่ยงทางเทคนิคหรือการตลาดที่สำคัญอะไรบ้างที่คุณกำลังเฝ้าติดตามอยู่ในขณะนี้?

ความสำเร็จหมายถึงการเป็นโซลูชันที่เป็นที่พึ่งพิงสำหรับการเร่งความเร็วฮาร์ดแวร์ที่สามารถขยายได้และมีต้นทุนที่มีประสิทธิภาพสำหรับระบบนิเวศการคำนวณ ZK และการตรวจสอบได้ทั้งหมด เป้าหมายระยะยาวของเราคือการทำหน้าที่เป็นโครงสร้างพื้นฐานหลักสำหรับนวัตกรรมในทั้ง AI และคริปโต ความเสี่ยงหลักในปัจจุบันคือความผันผวนของตลาดและการเปลี่ยนแปลงทางเทคโนโลยีที่รวดเร็ว ซึ่งยืนยันความจำเป็นในการปรับตัวในขณะที่สร้างสู่วิสัยทัศน์ที่กว้างขึ้นนั้น