2026 年以来，AI Agent、自动化工作流与链上 AI 叙事持续扩张，市场对于 AI 基础设施的关注重点，也开始从单纯的模型能力与 GPU 算力，逐渐转向数据如何被调用、验证、执行与协同。在这一背景下，Irys 持续强化的 AI Datachain 与“可编程数据”路线，开始重新进入 AI Infra 与开发者生态讨论之中。
相比过去传统去中心化存储项目更多解决“数据如何长期保存”的问题，Irys 当前试图回答的是另一个更复杂的问题：当 AI Agent 开始参与链上交易、自动化执行与跨协议协作时，数据是否仍然只是静态存储对象，还是需要成为能够被 AI 调用、验证并参与链上逻辑执行的资源。这个变化，也让 Irys 的市场定位逐渐从 Storage Infra 转向 AI 数据执行层。
Irys 近期持续推进 AI Datachain 与可编程数据路线
Irys 最近一年的核心变化，是其叙事已经明显从传统存储基础设施，转向 AI 数据基础设施。
2025 年初，Irys 推出面向 AI 场景的 Programmable Datachain 测试网，并开始围绕 AI-native infrastructure、Verifiable AI 与链上数据执行能力持续更新路线。官方强调的重点不再只是数据上传与长期保存，而是数据能否成为能够被智能合约直接调用、验证与执行的链上资源。
这也是“可编程数据”概念真正重要的地方。
过去链上数据更多只是被记录与保存，但 AI 工作流出现后，数据本身开始承担更多功能。AI Agent 如果想要参与链上自动化交易、内容生成、状态判断与跨协议协作，就必须实时访问可信数据，并基于数据结果触发下一步动作。这意味着，数据层开始从“被动存储”，逐渐转向“主动执行”。
2024 年 AI 行情初期，市场主要围绕模型能力、推理性能与 GPU 算力展开讨论。无论是 NVIDIA、TSM 还是云计算巨头，核心逻辑都围绕“AI 训练需求扩张”展开。但随着 AI Agent 与自动化工作流逐渐进入链上场景，开发者开始意识到，仅有 AI 模型本身并不足以支撑复杂 AI 工作流。
AI Agent 想要真正参与链上任务，需要解决几个关键问题：
数据来源是否可信
数据是否能够实时验证
AI 是否能够跨协议调用数据
数据是否支持链上协同执行
这意味着，AI 与 Crypto 的结合正在从“模型竞争”，逐渐转向“数据结构竞争”。
尤其在自动化交易、预测市场、AI 协作网络与链上身份系统等场景中，数据已经不只是输入材料，而是会直接影响 AI Agent 的执行结果。如果数据本身无法验证、无法追踪或者无法参与链上逻辑，那么 AI Agent 很容易停留在概念演示层面。
Irys 当前强调的数据执行能力，也是在这一背景下重新进入开发者讨论。相比传统 Web2 AI 工作流，链上 AI 场景对于数据透明度、可验证性与跨应用协同能力要求更高，而这正是 Irys 试图切入的方向。
可编程数据为何开始进入开发者生态讨论
“可编程数据”开始进入开发者生态讨论，并不只是因为概念更新，而是因为 AI 工作流本身正在变得越来越复杂。
过去区块链基础设施竞争，更多围绕：
共识效率
数据可用性
存储能力
扩容性能
展开。
但 AI 场景扩张后，开发者开始发现，数据本身也需要具备更强交互能力。
AI Agent 如果要长期运行，需要持续访问链上与链下数据；如果要自动执行任务，需要判断数据真实性；如果要与其他 Agent 协同，则需要数据具备可组合性与状态同步能力。这意味着，数据不再只是“被读取”，而是会进入整个执行流程。
Irys 提出的可编程数据路线，本质上就是试图让数据能够参与智能合约逻辑，而不仅仅停留在存储层。这种方向如果成立，数据层的价值就不再只是“保存信息”，而会进一步延伸到 AI 工作流可信度、自动化能力与跨协议协同能力。
这也是为什么越来越多开发者开始重新关注数据结构问题。
当前 AI Infra 赛道一个重要变化，就是市场开始重新评估：未来 AI 应用真正需要的，是否不仅是模型与算力，而是新的数据执行结构。
与此同时，Irys 在 2025 年完成 1000 万美元 Series A 融资，投资方包括 CoinFund、Hypersphere、Amber Group、Breed VC 与 WAGMI Ventures。AI 数据基础设施仍处于早期阶段，但机构资金已经开始提前布局“AI + 数据层”方向。
市场当前真正关注的，并不只是 Irys 是否能够存储数据，而是未来 AI 工作流是否真的需要新的链上数据执行结构。
AI 数据层竞争加剧后市场开始关注哪些风险
虽然 AI 数据基础设施叙事开始扩张，但市场对于这一方向的分歧同样明显。
目前 AI Infra 赛道竞争已经非常激烈，包括 Arweave、Celestia、EigenDA、Filecoin 与 Avail 都在尝试切入 AI 与数据层相关方向。与此同时，AI + Crypto 目前仍然缺少真正大规模落地的 Killer App，大部分 AI Agent 与链上自动化场景仍处于实验阶段。
这意味着，市场对于 Irys 的关注，更多仍然停留在“未来基础设施预期”，而非成熟商业化阶段。
当前市场最大的分歧，其实并不是 AI 是否需要数据层，而是链上 AI 工作流是否真的需要独立的数据执行层。
多头逻辑认为，随着 AI Agent 与自动化工作流复杂度提升，传统静态数据结构已经无法满足未来需求，数据执行能力可能会成为 AI Infra 下一阶段的重要竞争点。
空头逻辑则认为，大部分 AI Agent 当前仍然缺少真实用户需求，AI 与 Crypto 结合也尚未出现真正大规模应用，因此 AI Datachain 很可能停留在概念叙事阶段。
这种分歧，也决定了 Irys 当前仍然属于高波动、高预期型 AI Infra 项目。
主网推进后 Irys 能否扩大 AI Infra 生态影响力
Irys 后续能否真正扩大影响力，核心仍然取决于主网生态与开发者采用情况。
对于基础设施项目而言，叙事能够带来短期市场关注，但长期价值最终仍取决于开发者生态与真实应用需求。Irys 当前提出的可编程数据路线，真正需要验证的是：开发者是否真的会围绕 AI Datachain 构建应用。
IrysはAIデータ基盤の拡大を続けており、プログラム可能なデータは次の段階の新しい方向性となるのでしょうか？
2026 年以来，AI Agent、自动化工作流与链上 AI 叙事持续扩张，市场对于 AI 基础设施的关注重点，也开始从单纯的模型能力与 GPU 算力，逐渐转向数据如何被调用、验证、执行与协同。在这一背景下，Irys 持续强化的 AI Datachain 与“可编程数据”路线，开始重新进入 AI Infra 与开发者生态讨论之中。
相比过去传统去中心化存储项目更多解决“数据如何长期保存”的问题，Irys 当前试图回答的是另一个更复杂的问题：当 AI Agent 开始参与链上交易、自动化执行与跨协议协作时，数据是否仍然只是静态存储对象，还是需要成为能够被 AI 调用、验证并参与链上逻辑执行的资源。这个变化，也让 Irys 的市场定位逐渐从 Storage Infra 转向 AI 数据执行层。
Irys 近期持续推进 AI Datachain 与可编程数据路线
Irys 最近一年的核心变化，是其叙事已经明显从传统存储基础设施，转向 AI 数据基础设施。
2025 年初，Irys 推出面向 AI 场景的 Programmable Datachain 测试网，并开始围绕 AI-native infrastructure、Verifiable AI 与链上数据执行能力持续更新路线。官方强调的重点不再只是数据上传与长期保存，而是数据能否成为能够被智能合约直接调用、验证与执行的链上资源。
这也是“可编程数据”概念真正重要的地方。
过去链上数据更多只是被记录与保存，但 AI 工作流出现后，数据本身开始承担更多功能。AI Agent 如果想要参与链上自动化交易、内容生成、状态判断与跨协议协作，就必须实时访问可信数据，并基于数据结果触发下一步动作。这意味着，数据层开始从“被动存储”，逐渐转向“主动执行”。
Irys 希望推动的，本质上是一种能够参与 AI 工作流的数据结构。
这种方向变化，也让 Irys 开始与传统 Storage Chain 出现明显差异。相比单纯强调存储容量与长期保存能力，Irys 当前更强调数据执行能力、数据可验证性与链上自动化协同能力。
AI Agent 热度扩张后市场开始关注数据执行能力
AI Agent 热度扩张后，市场对于 AI Infra 的讨论重点正在发生明显变化。
2024 年 AI 行情初期，市场主要围绕模型能力、推理性能与 GPU 算力展开讨论。无论是 NVIDIA、TSM 还是云计算巨头，核心逻辑都围绕“AI 训练需求扩张”展开。但随着 AI Agent 与自动化工作流逐渐进入链上场景，开发者开始意识到，仅有 AI 模型本身并不足以支撑复杂 AI 工作流。
AI Agent 想要真正参与链上任务，需要解决几个关键问题：
这意味着，AI 与 Crypto 的结合正在从“模型竞争”，逐渐转向“数据结构竞争”。
尤其在自动化交易、预测市场、AI 协作网络与链上身份系统等场景中，数据已经不只是输入材料，而是会直接影响 AI Agent 的执行结果。如果数据本身无法验证、无法追踪或者无法参与链上逻辑，那么 AI Agent 很容易停留在概念演示层面。
Irys 当前强调的数据执行能力，也是在这一背景下重新进入开发者讨论。相比传统 Web2 AI 工作流，链上 AI 场景对于数据透明度、可验证性与跨应用协同能力要求更高，而这正是 Irys 试图切入的方向。
可编程数据为何开始进入开发者生态讨论
“可编程数据”开始进入开发者生态讨论，并不只是因为概念更新，而是因为 AI 工作流本身正在变得越来越复杂。
过去区块链基础设施竞争，更多围绕：
展开。
但 AI 场景扩张后，开发者开始发现，数据本身也需要具备更强交互能力。
AI Agent 如果要长期运行，需要持续访问链上与链下数据；如果要自动执行任务，需要判断数据真实性；如果要与其他 Agent 协同，则需要数据具备可组合性与状态同步能力。这意味着，数据不再只是“被读取”，而是会进入整个执行流程。
Irys 提出的可编程数据路线，本质上就是试图让数据能够参与智能合约逻辑，而不仅仅停留在存储层。这种方向如果成立，数据层的价值就不再只是“保存信息”，而会进一步延伸到 AI 工作流可信度、自动化能力与跨协议协同能力。
这也是为什么越来越多开发者开始重新关注数据结构问题。
当前 AI Infra 赛道一个重要变化，就是市场开始重新评估：未来 AI 应用真正需要的，是否不仅是模型与算力，而是新的数据执行结构。
Irys 与 Arweave、Celestia 的竞争方向出现哪些变化
Irys 当前的竞争方向，已经明显不同于传统存储链与模块化 DA 项目。
过去市场通常会把 Irys 与 Arweave 放在同一赛道讨论，因为两者都涉及数据存储与链上数据结构。但随着 Irys 持续强化 AI Datachain 路线，其竞争逻辑已经开始偏离传统 Storage Infra。
Arweave 更偏向长期数据存储，Celestia 更偏向模块化 DA 层，EigenDA 与 Avail 等项目则重点围绕 Rollup 数据可用性展开。相比之下，Irys 当前更强调：
这种差异意味着，Irys 试图进入的是一个更偏 AI-native 的基础设施方向。
尤其 AI Agent 热度持续扩张后，市场开始重新讨论：未来 AI 是否需要独立的数据执行层。如果 AI 工作流越来越依赖链上验证与自动化协同，那么传统 Storage 或 DA 结构可能无法完全满足需求，这也是 Irys 当前路线受到关注的重要原因之一。
但问题同样存在。
Irys 当前仍然处于较早期阶段，AI Datachain 是否真的能够形成独立生态，仍然需要更多开发者与真实应用验证。相比成熟存储与 DA 项目，AI 数据执行层目前仍属于市场正在探索的新方向。
链上 AI 工作流为何需要新的数据基础设施
链上 AI 工作流复杂度提升，是 AI 数据基础设施赛道重新活跃的重要背景。
过去很多 AI + Crypto 项目更多停留在概念层，但随着 AI Agent 开始尝试自动交易、自动治理与链上协作，市场开始真正面对一个问题：AI 如何在链上安全、透明且可验证地运行。
对于链上 AI 场景而言，仅有模型能力远远不够，数据执行与数据验证能力同样重要。
尤其在自动化交易、链上分析、多 Agent 协同与 AI 驱动内容场景下，AI 需要实时获取链上状态、验证数据真实性并执行复杂逻辑。这意味着，未来链上 AI 工作流对于数据层的要求，很可能远高于传统 DeFi 应用。
Irys 当前持续强调的 AI Datachain，本质上也是希望成为 AI 工作流中的数据协同层。
根据 Irys 此前披露的数据，网络累计已处理超过 6 亿次数据交易，并覆盖超 400 万活跃钱包。虽然这些数据尚不足以证明 AI Datachain 已形成成熟生态，但至少说明 Irys 已经具备一定基础设施运行规模。
与此同时，Irys 在 2025 年完成 1000 万美元 Series A 融资，投资方包括 CoinFund、Hypersphere、Amber Group、Breed VC 与 WAGMI Ventures。AI 数据基础设施仍处于早期阶段，但机构资金已经开始提前布局“AI + 数据层”方向。
市场当前真正关注的，并不只是 Irys 是否能够存储数据，而是未来 AI 工作流是否真的需要新的链上数据执行结构。
AI 数据层竞争加剧后市场开始关注哪些风险
虽然 AI 数据基础设施叙事开始扩张，但市场对于这一方向的分歧同样明显。
目前 AI Infra 赛道竞争已经非常激烈，包括 Arweave、Celestia、EigenDA、Filecoin 与 Avail 都在尝试切入 AI 与数据层相关方向。与此同时，AI + Crypto 目前仍然缺少真正大规模落地的 Killer App，大部分 AI Agent 与链上自动化场景仍处于实验阶段。
这意味着，市场对于 Irys 的关注，更多仍然停留在“未来基础设施预期”，而非成熟商业化阶段。
当前市场最大的分歧，其实并不是 AI 是否需要数据层，而是链上 AI 工作流是否真的需要独立的数据执行层。
多头逻辑认为，随着 AI Agent 与自动化工作流复杂度提升，传统静态数据结构已经无法满足未来需求，数据执行能力可能会成为 AI Infra 下一阶段的重要竞争点。
空头逻辑则认为，大部分 AI Agent 当前仍然缺少真实用户需求，AI 与 Crypto 结合也尚未出现真正大规模应用，因此 AI Datachain 很可能停留在概念叙事阶段。
这种分歧，也决定了 Irys 当前仍然属于高波动、高预期型 AI Infra 项目。
主网推进后 Irys 能否扩大 AI Infra 生态影响力
Irys 后续能否真正扩大影响力，核心仍然取决于主网生态与开发者采用情况。
对于基础设施项目而言，叙事能够带来短期市场关注，但长期价值最终仍取决于开发者生态与真实应用需求。Irys 当前提出的可编程数据路线，真正需要验证的是：开发者是否真的会围绕 AI Datachain 构建应用。
进入 2026 年后，Irys GitHub 仍持续更新 IrysVM、多账本架构与 Bundler 基础设施，这说明项目当前重点已经开始从单纯叙事，逐渐转向底层开发工具完善。
如果未来 AI Agent 与链上自动化工作流继续扩张，那么市场对于数据验证与数据执行能力的需求，确实有可能进一步增加。但反过来说，如果 AI + Crypto 热度下降，或者开发者继续使用现有 Storage 与智能合约组合方案，Irys 的差异化路线也可能被削弱。
因此，Irys 当前真正的挑战，并不是提出“可编程数据”这一概念，而是如何让数据真正进入开发者工作流与链上 AI 场景。
总结
Irys 最近一年的路线变化，本质上反映了 AI 基础设施市场的竞争重点正在发生变化。
过去市场更多关注数据存储与数据可用性，而随着 AI Agent 与链上自动化工作流扩张，数据执行、数据验证与数据协同能力开始进入开发者讨论范围。
Irys 当前持续强化的 AI Datachain 与可编程数据路线，也是在试图切入这一新方向。
短期来看，AI 数据基础设施赛道仍然处于早期阶段，开发者生态、真实需求与 AI 工作流规模仍需要进一步验证。长期来看，如果 AI Agent 真正从交互工具走向链上执行主体，那么数据层很可能会成为 AI Infra 下一阶段的重要竞争方向。
FAQ
Irys 的可编程数据是什么意思？
Irys 的可编程数据，是指链上数据不仅能够被存储，还能够被智能合约调用、验证并参与 AI 工作流与链上自动化执行。
Irys 为什么开始强调 AI Datachain？
Irys 强调 AI Datachain，主要是因为 AI Agent 与链上自动化场景扩张后，市场开始关注数据执行与数据验证能力。
可编程数据与传统去中心化存储有什么区别？
可编程数据不仅强调数据保存，还强调数据能够参与链上逻辑、AI 调用与自动化任务执行。
Irys 与 Arweave、Celestia 的方向有哪些不同？
Irys 当前更强调 AI 数据执行与链上自动化能力，而 Arweave 更偏长期存储，Celestia 更偏模块化数据可用性。
AI 数据基础设施赛道当前最大的风险是什么？
AI 数据基础设施赛道目前仍然处于早期阶段，真实 AI 工作流需求、开发者采用规模与长期生态协同能力仍需要进一步验证。