Egal ob Web2 oder Web3, AI-Agenten basieren auf großen Sprachmodellen (LLM) als Kerntechnologie. Man kann sagen, dass der Aufstieg von LLM AI-Agenten zur Realität gemacht hat und den Weg für deren Kommerzialisierung geebnet hat. Nach einer frühen technologischen Ansammlung erlebten LLM im Jahr 2022 einen Anwendungsboom. OpenAI veröffentlichte GPT-3.5, das erneut bedeutende Fortschritte in der Verarbeitung natürlicher Sprache erzielte, aber zu diesem Zeitpunkt hatte AGI noch nicht das „Agent“-Niveau erreicht. Ab 2023 veröffentlichten weltweit mehrere Unternehmen verschiedene Open-Source-LLMs, darunter LLaMA, BLOOM, StableLM und ChatGLM. Plattformen zur Erstellung von AI-Agenten wie Voiceflow tauchten ebenfalls auf, und im August 2023 hatten bereits über 130.000 Teams bei Voiceflow AI-Agenten erstellt. Nach 2024 wird der Wettbewerb um LLMs zunehmend intensiver, mit ständigen Updates und neuen LLMs wie Gemini 2.0 und DeepSeek R1, die aufgrund des Wettbewerbs die Nutzungskosten allmählich senken, die Analysefähigkeiten verstärken und mehr AI-Agenten-Tools bereitstellen, die viele dazu ermutigen, es auszuprobieren. Mit der kontinuierlichen Verbesserung der LLM-Leistung sind AI-Agenten nicht mehr nur ein Konzept im Forschungsbereich, sondern haben sich zu Werkzeugen in der Realität entwickelt. Im Jahr 2024 integrierte Microsoft in Dynamics 365 zehn autonome AI-Agenten, die automatisch Aufgaben in den Bereichen Kundenservice, Vertrieb, Finanzen und Lagerverwaltung erledigen können. Google veröffentlichte Ende desselben Jahres das multimodale große Modell Gemini 2.0 und stellte darauf basierend drei neue Agentenprototypen vor, darunter den allgemeinen großen Modellassistenten Project Astra und den Programmierassistenten Jules. Im Jahr 2025 brachte OpenAI den ersten AI-Agenten Operator auf den Markt, der komplexe Aufgaben wie das Schreiben von Code, das Buchen von Reisen und das Einkaufen im E-Commerce automatisch erledigen kann. Mit der direkten Einführung von AI-Agenten durch LLM-Unternehmen ist das Hauptziel, Entwickler und Ersteller dazu zu bringen, ihre LLM-Technologie zu nutzen, um Anwendungsfälle zu erweitern und den Umsatz zu steigern. Dieser Übergang von der Forschung zur Anwendung markiert auch den Eintritt der AI-Agententechnologie in eine neue Entwicklungsphase.

Lange Zeit wurde die Zero-Knowledge-Proof-Technologie aufgrund ihrer hohen Rechenkosten und langsamen Geschwindigkeit als "theoretisch perfekt, praktisch langsam" angesehen, was ihre Anwendung in der Blockchain aufgrund der strengen Anforderungen an die Blockzeit erschwerte. Doch im Jahr 2025 wurde diese Situation grundlegend verändert, die ZK-Leistung ist nicht mehr das Haupthindernis für ihre Anwendung. Ein markanter Durchbruch ist das von dem Succinct-Team entwickelte SP1 Hypercube-Proofs-System. Es hat erfolgreich gezeigt, dass es in der Lage ist, ZK-Beweise für über 93 % der Ethereum-Hauptnetzblöcke innerhalb eines 12-Sekunden-Blockzeitfensters zu generieren, wobei die durchschnittliche Beweiszeit nur 10,3 Sekunden beträgt. Was die technischen Fortschritte von Succinct SP1 Hypercube so bemerkenswert macht, lässt sich einfach auf zwei Hauptverbesserungen zurückführen: 🔹 Der Prozess zur Generierung von ZK-Beweisen erfordert die Kodierung von Blockchain-Transaktionsdaten in ein mathematisches Polynom, dessen Kodierungsergebnis zur Bildung des endgültigen Beweises beiträgt. Man kann sich das vorstellen wie das Verstauen einer großen Menge unordentlicher Gepäckstücke in einen Koffer. Das zuvor verwendete Polynom hieß Univariate Polynomials, das nicht gut zur Struktur der Blockchain-Daten passte, ähnlich wie das Verwenden eines runden Koffers für quadratische Gegenstände, was immer zu Lücken oder Quetschungen führte und die Kodierungsvorbereitung zeitaufwendig und ineffizient machte. SP1 Hypercube hat ein neues Polynom (Multilinear Polynomials) erfunden, das besser zu den multidimensionalen Eigenschaften der Transaktionsdaten passt, was dem Entwurf eines rechteckigen Koffers entspricht, der das Gepäck perfekt ausfüllt. Dadurch wurde die Vorbereitungszeit für die Datenkodierung erheblich verkürzt, sodass die Beweisgenerierung von Minuten auf Sekunden beschleunigt wurde und in Echtzeit möglich ist; 🔹 Früher war die Beweisgenerierung wie das manuelle Verpacken durch eine Person, der gesamte Prozess verlief Schritt für Schritt und konnte nicht aufgeteilt werden. Jetzt erlaubt SP1 Hypercube mit neuen Algorithmen (einschließlich rekursiver Aggregation und optimierter Protokolle), große Beweise in mehrere kleine Beweisaufgaben zu zerlegen, die jeweils unabhängig bearbeitet und dann leicht zu einem vollständigen Beweis zusammengeführt werden können. Der Vorteil der Aufteilung besteht darin, dass die parallele Verarbeitung durch Mehrkern-CPUs oder GPUs optimal genutzt werden kann, ähnlich wie wenn mehrere Personen gleichzeitig Gepäck packen, wodurch die Gesamtgeschwindigkeit erheblich steigt und die Echtzeitbeweise im Takt von Ethereum, das alle 12 Sekunden einen Block erzeugt, erreicht werden können.

1/ 📖 Web3Caff Forschung Bericht veröffentlicht: „2025 Ethereum-Ökosystem und zukünftige Schicksalsprognose, 25.000 Wörter Bericht: Kann eine tiefgreifende innere Transformation unter dem ZK-Endspiel im historischen Strom weiterhin durchbrechen und führend bleiben?“ Verfasst von @Web3Caff_Res Forscher @ChromiteMerge, analysiert systematisch die technologischen Innovationen, die ökologische Rekonstruktion und den Governance-Wandel von Ethereum im Jahr 2025: Von der Wiederbelebung von L1 und ZK-Transformation bis hin zur L2-Transformation und der strategischen Entwicklung der Stiftung, wird der entscheidende Wendepunkt von Ethereum umfassend dargestellt. Den gesamten Artikel lesen👇