腾讯领投 1500 万美元融资,Chainbase 怎样构建全链数据交互层

链捕手发布于2024-07-26更新于2024-07-26

作者:Pzai,Foresight News

 

时至今日,链上所产生的数据已经数以亿计,对这些数据的处理也日益成为加密领域亟待考量的事务。并且随着生态发展,各链之间的数据互通存在不同程度的瓶颈和割裂,导致相关用例(如 AI、钱包、链上基础设施等)需要更复杂的建构,故对更广泛和便捷获取全链数据的需求也在逐渐上升。

近日,区块链数据网络 Chainbase 宣布完成 1500 万美元 A 轮融资,腾讯投资(Tencent Investment Group)和经纬中国(Matrix Partners China)领投,Folius Ventures、Hash Global、JSquare、Mask Network 和 Bodl Ventures 参投,这也是腾讯近一年来在加密领域的唯一一次出手。

Chainbase 是什么?

Chainbase 旨在将所有区块链数据整合到统一的生态系统中,为人工智能时代提供一个开放透明的数据互操作层。在操作层上,作为全链模式的数据层,必然需要进行数据的有机整合,而在 Chainbase 网络中,囊括了运营商、验证者、开发者和委托人等角色,继而通过 API 等渠道为各类 Web3 应用提供数据。现在在网络中已有 20 多条链的相关数据,并在多条链上实现小于三秒的即时性同步。

在网络中,数据基于「手稿」的结构进行流通,其中包含两部分,分别为图式(Schema)和运算符(Operators),图式定义了链上交易的数据类型和对应参数,运算符则作为数据提取与分析手段存在。在开发者编译完手稿后,运营者(需在 EigenLayer 中注册)会对这些手稿进行索引,并与验证者进行确认,验证者需要确保数据的安全性和完整性,而委托人会将原生 ETH 或协议代币 CBT 进行质押和委托,从经济层面上确保安全性。

图 1 网络运作模式

在底层构建上,它设计了一种新颖的双链技术架构,支持跨链的数据互操作性和可编程性,并达成高吞吐量、低延迟和最终性,以及更高的网络安全性。具体而言,在双链技术架构中,执行层与共识层之间是分离的,执行层基于 EigenLayer 支持的 AVS 构建经济安全性,并通过协议虚拟机(CVM)提供并行计算能力,通过可编程的运行环境实现高吞吐量的数据处理,允许开发者处理复杂数据任务。在公示层中,得益于 Cosmos CometBFT 架构,数据处理可以实现即时的最终性,而无需额外确认或重组,且通过 Cosmos 与 EigenLayer,协议可以构建双重质押模型。

代币经济学

在协议内,CBT 作为一种实用性代币,用于协调网络内的数据提供者和消费者,并激励协议参与者有效地组织数据,实现网络的可持续性和生态的有机增长。

图 2 代币经济学

在开发者创建手稿后,数据集的相关查询需要支付 CBT 费用,这些费用包括数据检索成本,并将费用的 80% 作为对网络资源提供者(如运营商和验证者)的奖励,15% 分配予开发者,其余 5% 进行销毁,实现可持续性。另外协议代币总量的 15% 在 6 年内进行线性分配并全额按数据处理质量与数量分配予运营商和委托人。另外 2% 的年通胀分配予验证者及其委托人,确保了网络的可持续性和长期的激励。

加密世界 AI 模型

加密世界一直建构于海量且快速增长的区块链数据之上,其中包含丰富的知识和潜在机会。在不断提取并组织这些数据的同时,加密数据中大量的「暗知识」无法仅靠传统数据库和有限的人力进行有效率的组织规划,继而对于一般加密人士而言,存在一定访问知识的门槛。

Chainbase 基于区块链数据构建了一个加密世界大模型 Theia,该模型旨在学习区块链数据并实现对原生区块链环境的模拟和推理。未来基于它构建的 AI Agent 可以有效地理解、预测区块链并与之交互。具体实现上,该模型通过将大模型分解为量级向量和方向向量,组成的矩阵可以体现链上的广泛知识,且模型上构建的完整推理链为用户提供易读性较强的结果。并且去中心化的数据模型天然具有高性能的加密原生性和高透明度。

结语

现有的数据相关项目在去中心化、性能、泛用性和经济模型上都略有掣肘,而 Chainbase 希望在一定程度上突破这个局面。随着 Mass Adoption 的临近,我们正在面临更汹涌的数据海啸,而坚实的防波堤也正在构建,可以期待未来在去中心化的高性能架构之上,我们可以更从容地面对它。

你可能也喜欢

韩国机构的加密竞赛:稳定币与 RWA 双线爆发

韩国加密货币市场正经历结构性变革,金融与互联网巨头依托庞大的散户基础,积极布局机构级区块链基础设施,其中稳定币和现实资产(RWA)代币化是两大核心驱动力。 在稳定币领域,各方正围绕合规韩元稳定币的发行主体展开博弈。银行(如KB金融、韩亚金融)、支付商(如新韩信用卡、BC Card、Danal)及互联网平台(如KakaoPay、NAVER Pay)均已开展试点,旨在防御因美元稳定币流行导致的资金外流,并将数字金融活动锚定在本土体系内。加密原生项目若能在此期间主动提供底层技术解决方案,有望在监管放开后成为关键基建一环。 RWA代币化方面,韩国机构进展迅速,且聚焦本土特色产业,如船舶融资、军工供应链、K-pop知识产权等。相关法律框架(《资本市场法》修订)将于2027年初生效,新韩投资证券等机构已牵头搭建交易平台。加密项目的机遇在于弥补韩国券商的技术短板,提供全球分发渠道、跨链流动性方案及资产赋能工具,而非试图颠覆现有机构。 用户入口方面,互联网平台掌握关键流量。NAVER拟收购Upbit母公司Dunamu,Kakao正打造统一数字钱包,Toss则拥有全金融牌照和广泛线下网络。它们将区块链视为底层基建,是加密项目触达海量普通用户的重要渠道。 当前韩国监管框架逐步明晰,市场已具备散户基础、机构试点和民众认知。在监管完全落地前,与本土机构建立深度合作、落地实用场景的加密企业,将更有可能定义韩国数字资产行业的未来格局。美国《CLARITY法案》等外部监管进展也可能影响韩国市场的推进节奏。

Foresight News19分钟前

韩国机构的加密竞赛:稳定币与 RWA 双线爆发

Foresight News19分钟前

如何判断AI视频真假?综述动态、可溯源、可解释的检测体系

随着AI生成视频技术(如Sora、Veo等模型)的飞速发展,生成内容的逼真度已大幅提升,对虚假视频的检测变得日益困难且紧迫。传统仅输出“真假”二分类的检测方法已无法满足需求,检测目标应重新定义为“事实保真度验证”,即核查视频内容在感知和认知层面是否与真实世界一致。 本文综述了AI生成视频检测领域的最新进展。首先,将AI生成视频分为三类范式:局部操控视频、跨模态音视频编辑和端到端生成式视频合成。针对检测,提出了一个从低层到高层的四层方法框架: 1. 底层视觉线索分析:检测像素异常、生理信号等底层伪迹。 2. 时空一致性分析:核查视频在时间和空间上的连续性与合理性。 3. 跨模态一致性分析:验证视频内画面、声音、文字等多模态信息是否对齐。 4. 语言引导的世界级推理:引入外部知识,判断视频内容是否符合常识、物理规律和事实。 检测方法的演进趋势是从依赖视觉线索(第1、2层)逐步转向结合语言和多模态推理(第3、4层)。评测体系也需相应发展,不仅评估分类准确率,更要关注模型判断的可解释性、证据的可靠性以及在真实复杂环境下的鲁棒性。 未来的可信检测系统需要协同视觉与语言双视角,建立“识别-定位-解释”的清晰推理路径,并将内容分析与来源追溯相结合。这需要计算机视觉、自然语言处理、多模态理解等领域的共同努力,构建动态、可溯源、可解释的检测体系,以应对日益严峻的AI生成视频挑战。

marsbit56分钟前

如何判断AI视频真假?综述动态、可溯源、可解释的检测体系

marsbit56分钟前

万万没想到,AI x Crypto 最先落地的是安全审计

AI正深刻改变加密领域安全审计的格局。数据显示,2026年上半年DeFi领域安全事件频发,累计损失约9.42亿美元,其中第二季度尤为严重。传统观点认为安全审计需求稳定,但以Claude Mythos为代表的新一代AI工具大幅降低了发现智能合约漏洞的门槛,攻击者可快速扫描并利用漏洞,使得传统审计报告的有效期急剧缩短。 攻击不再局限于小型协议,即使经过多家知名机构审计的头部协议也频繁遭殃。攻击手段扩展到社会工程学、基础设施配置缺陷等领域,显示代码审计的覆盖范围存在局限。例如,Drift Protocol和KelpDAO均因非代码层面的漏洞导致重大损失。同时,AI也在辅助攻击者挖掘多年前部署的旧合约漏洞,使历史审计的保护价值归零。OpenZeppelin联合创始人甚至公开表示“所有DeFi都不安全”,引发行业广泛讨论。 面对挑战,项目方开始基于新标准进行防御性的重复审计,但这更多是应对风险的被动支出。审计机构则加速转型,一方面研发AI辅助审计系统提升效率,如OpenZeppelin推出Skills系统将安全防线前移;另一方面,商业模式正从一次性报告交付转向提供持续监控、形式化验证等嵌入式服务。例如,AI原生审计工具Firepan在已被多重人工审计的Curve合约中发现了新的组合型漏洞,展现了AI在防守端的潜力。 总之,AI加剧了攻防两端的竞赛。对于项目方,安全已成为需要持续投入的基础设施;对于审计机构,唯有加快技术和服务模式的重构,才能适应新时代的竞争。安全审计赛道正从红利模式转向激烈的竞争模式。

链捕手1小时前

万万没想到,AI x Crypto 最先落地的是安全审计

链捕手1小时前

交易

现货
活动图片