Covalent：去中心化数据管道的结构、可扩展性以及AI应用潜力 @Covalent_HQ 是一个去中心化的数据基础设施，具有模块化的管道结构，用于链上数据索引，设计为通过每个阶段的密码学验证来确保数据完整性和操作员的诚实性。该结构分为区块数据摄取、索引/处理、存储、查询服务和审计，每个阶段生成的证明都记录在ProofChain上。 在第一个阶段，区块数据收集，区块样本生产者从支持的区块链中提取原始数据，并将其转换为“区块样本”形式。该数据存储在IPFS中，并且相应的哈希值被发布到ProofChain上，以不可篡改的状态保存。随后，区块结果生产者将区块样本加工为结构化数据，生成“区块结果”，这也存储在IPFS中，并且证明值记录在ProofChain上。最终，查询节点操作员调用这个区块结果来处理API查询，这一过程也旨在未来实现完全去中心化。所有操作都由审计员验证，成为奖励分配的依据。 在延迟时间方面，存在平均两个区块的延迟。这是优先考虑密码学验证的完整性而非实时性的设计选择，虽然保持了数据的可信度，但在超低延迟应用方面存在局限性。每个阶段的模块化使得并行处理成为可能，从而有助于可扩展性，但由于使用ProofChain和IPFS的结构特性，验证和网络同步导致的时间开销是不可避免的。 在可扩展性方面，Covalent支持100多个区块链，BSP和BRP的数量持续增加。然而，如果BSP的数量超过BRP的增长速度，可能会出现处理瓶颈，且由于大容量数据存储导致的成本增加和新节点的同步延迟也可能成为潜在的制约因素。目前查询节点集中化，因此需要完全去中心化的转变，随着网络的扩展，审计员之间的验证协调复杂性也可能增加。 在AI和代理应用方面，Covalent的结构化多链数据适合用于高可信度的学习和分析数据。特别是2024年底发布的AI Agent SDK支持代理读取和写入链上数据，并自动执行验证。此外，EWM（以太坊时光机）作为一个永久且可验证的数据存储库，可以用于AI模型学习和合规性。然而，由于两个区块的延迟和验证过程导致的响应速度限制，可能会对实时推理型AI应用造成制约，随着查询复杂性和数据量的增加，响应时间也可能延长。操作员的激励结构必须持续对齐，以维持网络的可信度和数据的新鲜度。 主要观察指标包括区块样本和结果生成数量、BSP·BRP·QNO的活跃数量、质押的CXT比例、数据不一致发生率、查询处理延迟时间，以及奖励分配记录等。此外，付费API客户数量和合作伙伴关系扩展、支持链增加、操作员社区增长率等链外指标也被视为项目实际增长和采用的关键指标。 截至2024年第四季度，BSP有24个，BRP有15个在活动中，区块样本生成量较上季度增长了14.5%。相对于循环供应量，CXT的质押比例上升至32%，EWM轻客户端操作员在测试网的数量约为458人。超过70个付费API客户，其中许多与主要DeFi和AI项目相关联。 总之，Covalent通过将数据收集、验证、存储、查询和审计分离的多层结构，建立了去中心化的数据可信基础设施，并逐步增强了AI和代理应用扩展的基础。未来基于Cosmos SDK的EWM-ProofChain的转变将成为处理能力扩展和瓶颈解决的关键转折点。