بنیان‌گذار Cartesi: رول‌آپ‌های خوشبینانه همچنان برای مقیاس‌پذیری اتریوم حیاتی هستند، علی‌رغم کاهش هیجان

رول‌آپ‌های خوش‌بینانه اساسی برای زیرساخت بلاکچین چند لایه

رول‌آپ‌های خوش‌بینانه (OR)، که زمانی به عنوان یک راه‌حل انقلابی برای مقیاس‌پذیری بلاکچین‌های لایه یک (L1) تحسین می‌شدند، در ماه‌های اخیر کمی افت توجه داشته‌اند. با این حال، به گفته کارشناسان صنعت، اهمیت آن‌ها همچنان کلیدی است و داده‌ها نشان می‌دهد که همچنان در اکوسیستم لایه دو (L2) برتری دارند.

فلیپه آرگنتو، هم‌بنیان‌گذار Cartesi، پلتفرمی که بر روی رول‌آپ‌های خاص برنامه‌ها تمرکز دارد، بر نقش پایدار ORها تأکید می‌کند. آرگنتو می‌گوید: “اکثریت غالب TVL (کل ارزش قفل‌شده) در راه‌حل‌های L2 همچنان با رول‌آپ‌های خوش‌بینانه تأمین می‌شود.” وی اضافه می‌کند: “همین آمار نشان می‌دهد که آن‌ها همچنان بخش اساسی از زیرساخت بلاکچین چند لایه هستند.”

مشاهده آرگنتو با گزارش‌هایی که نشان می‌دهد ORها همچنان بخش بزرگی از سهم بازار L2 را نگه می‌دارند، همخوانی دارد. داده‌هایی که از منابعی که TVL در راه‌حل‌های L2 را تحلیل می‌کنند، گرفته شده، واقعیت را تایید می‌کند که اگرچه راه‌حل‌های دیگر L2 در حال ظهور هستند، رول‌آپ‌های خوش‌بینانه همچنان غولی در این بخش باقی مانده‌اند.

آرگنتو کاهش هیجان را به چالش‌های ذاتی توسعه بلاکچین نسبت می‌دهد. او اشاره می‌کند: “متأسفانه، ایجاد هیجان بسیار آسان‌تر از نوشتن کد تولید قوی است، که در این صنعت همچنان یک مسئله مداوم است.” این واقعیت به این معناست که تکنولوژی‌های خیره کننده و کمتر بالغ گاهی می‌توانند توجه عمومی را به خود جلب کنند و پیشرفت ثابت راه‌حل‌های مستقر مانند ORها را تحت الشعاع قرار می‌دهند.

با این حال، آرگنتو که به عنوان مشاور بنیاد Cartesi نیز فعالیت می‌کند، اصرار دارد که رول‌آپ‌های خوش‌بینانه (ORها) همچنان یک ابزار اساسی در مقیاس‌گذاری اتریوم باقی خواهند ماند. ادعاهای او با یک مقاله که ORها و رول‌آپ‌های دانش صفر (ZK) را مقایسه می‌کند، پشتیبانی می‌شود. طبق داده‌های مقاله ۱۰ سپتامبر ۲۰۲۴، کل ارزش قفل‌شده (TVL) که بین رول‌آپ‌های خوش‌بینانه و اتریوم پل زده شده بود، قریب به ۱۸۶.۴ میلیارد دلار بود، در مقایسه با ۲۰.۸ میلیارد دلار برای ZK رول‌آپ‌ها.

به همین ترتیب، داده‌هایی از Dune Analytics نشان می‌دهد که در حالی که TVL رول‌آپ‌های خوش‌بینانه از اوج اوت ۲۰۲۴ بیش از ۱۲ میلیارد دلار به حدود ۶.۵۵ میلیارد دلار در ۱۰ فوریه ۲۰۲۴ کاهش یافته است، همچنان ۱۵ برابر بیشتر از ZK رول‌آپ‌ها بوده است. این با اصرار آرگنتو که ORها همچنان حاکم هستند با وجود از دست دادن “ذهنیت به راه‌حل‌هایی که اساساً رویایی لوله‌ای یا وعده‌های دور هستند” سازگار است.

پیاده‌سازی کامل AI روی زنجیره همچنان چالش‌برانگیز است

در همین حال، آرگنتو ادعا می‌کند فناوری Cartesi تنها فناوری است که به لینوکس اجازه می‌دهد روی زنجیره اجرا شود و به توسعه‌دهندگان اجازه می‌دهد از ابزارهای برنامه‌نویسی آشنا برای برنامه‌های بلاکچین سازگار با اتریوم استفاده کنند. او به Bitcoin.com News گفت که فناوری زیرساخت دو محصول را فراهم می‌کند: رول‌آپ‌های Cartesi که از برنامه‌های دارای حالت پشتیبانی می‌کنند و کوپروسسورهای Cartesi که محاسبات بدون حالت را مدیریت می‌کنند. این کوپروسسورها وظایف پیچیده را از قراردادهای هوشمند Solidity برون‌سپاری می‌کنند، کارایی و امنیت را افزایش می‌دهند و به برنامه‌ها اجازه می‌دهند که عمدتاً در لایه یک (L1) باقی بمانند.

در نظر گرفتن تقاطع رو به رشد هوش مصنوعی (AI) و ارزهای دیجیتال، که وعده تولید راه‌حل‌های انقلابی را می‌دهد، آرگنتو احتیاط را توصیه می‌کند. او استدلال می‌کند که پیاده‌سازی این فناوری‌ها بر روی زنجیره با چالش‌های فنی قابل توجهی روبرو است که پتانسیلشان را به خطر می‌اندازد. او توضیح داد:

اجرای کامل AI بر روی زنجیره از دیدگاه فنی همچنان بسیار چالش‌برانگیز است. بیشتر پروژه‌ها با دو مسئله عمده روبرو می‌شوند هنگامی که تلاش می‌کنند از هیجان یا روایت به اجرا در دنیای واقعی منتقل شوند: سازگاری و مقیاس‌پذیری.

دیدگاه آرگنتو با تأکید قبلی‌اش بر اهمیت کدهای تولید قوی در مقایسه با روایت‌های گذرا همسو است. او استدلال می‌کند که بسیاری از پروژه‌هایی که AI و کریپتو را ترکیب می‌کنند، در پر کردن شکاف بین مفاهیم نظری و کاربردهای عملی دشواری دارند.

هنگام سوال در مورد خطرات درک‌شده‌ای که زنجیره‌های L2 برای زنجیره‌های بومی دارند، هم‌بنیان‌گذار Cartesi گفت توسعه نرم‌افزار بلاکچین، به ویژه برای راه‌حل‌های L2، نیازمند احتیاط شدید و آزمایش‌های دقیق است. این مهم است با توجه به مسئولیت بزرگ مدیریت دارایی‌های مالی.

او همچنین به اهمیت به حداقل رساندن فرض‌های جدید اعتماد، با هدف دستیابی به راه‌حل‌هایی که فقط به نیاز اساسی یک بازیگر صادق متکی هستند، اشاره می‌کند. علاوه بر این، او استدلال می‌کند که استفاده از نرم‌افزارهای Web2 “نبردآزموده” می‌تواند با اجتناب از خطرات مرتبط با بازافرینی ابزارهای مستقر، امنیت را افزایش دهد.

آرگنتو نتیجه‌گیری می‌کند که با توسعه دقیق و تمرکز بر به حداقل رساندن نیازهای اضافی اعتماد، راه‌حل‌های L2 ذاتاً مسئولیت‌های امنیتی ایجاد نمی‌کنند. بلکه، آن‌ها می‌توانند با ادغام نرم‌افزارهای قوی و موجود، امنیت کلی را بهبود بخشند.