技術

本文將介紹基於 Rollups 的解決方案，這種方法旨在解決經典 Rollups 存在的一些問題，例如排序器中心化、活性風險和抗審查問題。我們將探討基於 Rollups 的運作方式、它們帶來的好處以及在採用過程中可能遇到的挑戰。

Project89 採用 ArgOS的 ECS（實體-組件-系統）架構，來設計 Agent Framework。其獨特之處在於將系統分為有意識、潛意識和無意識三個層次，每個System獨立運行且無耦合。通過感知、體驗、思考、行動等系統的協同，實現了高度模塊化和高性能的Agent框架。這種架構不僅適用於遊戲開發，在複雜的DefAI場景下也具有潛在優勢。

Gate 研究院（2025.2.1-2025.2.7），2 月 1 日，Uniswap CEO 稱 V4 版本將為用戶 Swap 提供更低的 gas 成本以及更多的 LP 利潤。2 月 4 日，以太坊創始人 Vitalik 表示 Pectra 升級預計將在三月份執行。2 月 4 日，Movement 推出為期一年的 Cornucopia 流動性提升計劃。2 月 6 日，Syndicate 與 Alchemy Rollup 基礎設施集成，併合作推出加速器計劃。

TEE 技術透過提供安全的隔離運算環境，解決社群、開發者和 AI Agent 之間的信任問題，為 AI Agent 的發展提供堅實的技術支援，文中詳細介紹 Phala Network 如何透過與頂級 AI Agent 專案合作，將 TEE 技術應用於實際場景中，並即將進行代幣經濟模型升級，以支援更多 TEE 用例。

最近，一個名為 BuilderNet 的提案引起了廣泛關注，它被認為能夠有效解決區塊構建中的集中化問題。在深入瞭解 BuilderNet 的潛在影響之前，我們先來回顧一下以太坊當前區塊構建的現狀。

SOON Network 在 Solana 虛擬機（SVM）中引入 Merkle 樹結構，解決了其全局狀態根缺失的問題。此舉增強了 SVM 在彙總系統中的完整性驗證、欺詐證明和跨層操作能力。通過將狀態根直接嵌入 SVM 區塊鏈，SOON 提升了安全性和可擴展性，為 SVM 彙總提供了更強的支持。

本文將深入探討彙總的下一次演變：Booster彙總。Booster彙總不僅建立在基於彙總的基礎上，還推動了以太坊可組合性的邊界。那麼，我們究竟是如何擴展這種可組合性的呢？

Gate 研究院（2025.1.18-2025.1.24），1 月20 日，Polyhedra 啟動新的零知識訓練營，包含 zkML 等五個賽道。1 月20 日，Tether 宣佈在 Kraken 的以太坊二層網絡 Ink 上部署全新代幣 USDT0，這是一項基於 LayerZero 全鏈可替代代幣標準的重大創新。1 月 21 日，EigenLayer 宣佈其 Rewards v2 協議升級已於 1 月 21 日上線主網，標誌著首個 EigenLayer 改進提案（ELIP-001）的成功執行。1 月 21 日， 以太坊基金會將撥款 5 萬枚 ETH 參與 DeFi 生態，已在 Aave 上進行測試交易。

深入瞭解 DeFAI（Decentralized Finance + AI）的最新發展和市場潛力，文中詳細介紹 DeFAI 的概念，包括其運作機制、相關項目和未來發展方向，DeFAI 透過 AI 智能體和各種 AI 平臺，讓用戶能夠自主管理投資組合，輕鬆參與加密市場交易，不僅分析 DeFAI 的技術基礎，還介紹了多個相關項目，如 Griffain、Anon、Slate 等，並探討 AI 智能體在 DeFi 領域的應用場景。

這篇文章深入探討AI16Z 和ELIZA 在快速發展的AI 和加密領域中的表現，分析它們的營運、市場潛力和獨特優勢，AI16Z作為AI 驅動的創投基金，透過融合AI 分析與社群見解，挑戰傳統投資規範，管理超過2,500 萬美元的資產，市值超過20 億美元，ELIZA 框架透過創建和管理自主AI 代理，為AI16Z 提供動力，支援快速原型製作和多種用途。

本文由史丹佛大學生物工程系副教授Jan Liphardt 撰寫，深入探討自主智慧機器人與人類社會融合的挑戰與機遇，以及區塊鏈技術在其中扮演的關鍵角色，文中分析智慧機器人在教育、醫療、國防等領域的應用前景，討論去中心化治理、智慧合約等技術如何支援人機協作和機器間協作，推動自主智慧機器人的快速發展。

本文從技術角度詳細闡述了Eliza項目的快速增長、技術深度和可擴展性，同時強調了安全性、插件管理和碎片化等潛在問題。

雖然 L2s 在一定程度上提升了以太坊的擴展能力，但仍然存在一些侷限性。Monad 的目標是打造一個新平臺，融合以太坊的深厚文化與 Solana 和 Sui 的高效擴展性，創建一個能夠滿足新時代效率需求的以太坊兼容系統。

近年來，生成式人工智能的快速發展對基礎設施和工作流程提出了新的要求，特別是在驗證和評估方面。 Mira正在構建一個創新的第1層網絡，為AI輸出提供無需信任、可擴展且準確的驗證。通過將複雜的AI輸出分解為更小的可驗證部分，並利用多個AI模型進行驗證，Mira顯著降低了錯誤率和幻覺。該平臺已為多個擁有20萬以上用戶的AI應用提供驗證服務。隨著生成式AI市場預計在2030年突破1萬億美元，Mira致力於成為所有AI應用的可信任驗證層，通過去中心化方式解決AI輸出可靠性這一關鍵挑戰。

Skynet引入了一種全新的自主AI智能體方法，從根本上重新構想了在保持安全性的同時實現真正自主的方式。與其通過傳統手段解決自主三難問題，Skynet採用了一種基於群體智能和分佈式共識的新穎架構。