Irys 持續擴張 AI 數據基礎設施，可編程數據會成為下一階段新方向嗎？

2026 年以來，AI Agent、自動化工作流與鏈上 AI 敘事持續擴張，市場對於 AI 基礎設施的關注重點，也開始從單純的模型能力與 GPU 算力，逐漸轉向資料如何被調用、驗證、執行與協同。在這一背景下，Irys 持續強化的 AI Datachain 與“可編程資料”路線，開始重新進入 AI Infra 與開發者生態討論之中。

相比過去傳統去中心化存儲項目更多解決“資料如何長期保存”的問題，Irys 當前試圖回答的是另一個更複雜的問題：當 AI Agent 開始參與鏈上交易、自動化執行與跨協議協作時，資料是否仍然只是靜態存儲對象，還是需要成為能夠被 AI 調用、驗證並參與鏈上邏輯執行的資源。這個變化，也讓 Irys 的市場定位逐漸從 Storage Infra 轉向 AI 資料執行層。

Irys 近期持續推進 AI Datachain 與可編程資料路線

Irys 最近一年的核心變化，是其敘事已經明顯從傳統存儲基礎設施，轉向 AI 資料基礎設施。

2025 年初，Irys 推出面向 AI 場景的 Programmable Datachain 測試網，並開始圍繞 AI-native infrastructure、Verifiable AI 與鏈上資料執行能力持續更新路線。官方強調的重點不再只是資料上傳與長期保存，而是資料能否成為能夠被智能合約直接調用、驗證與執行的鏈上資源。

這也是“可編程資料”概念真正重要的地方。

過去鏈上資料更多只是被記錄與保存，但 AI 工作流出現後，資料本身開始承擔更多功能。AI Agent 如果想要參與鏈上自動化交易、內容生成、狀態判斷與跨協議協作，就必須實時訪問可信資料，並基於資料結果觸發下一步動作。這意味著，資料層開始從“被動存儲”，逐漸轉向“主動執行”。

Irys 希望推動的，本質上是一種能夠參與 AI 工作流的資料結構。

這種方向變化，也讓 Irys 開始與傳統 Storage Chain 出現明顯差異。相比單純強調存儲容量與長期保存能力，Irys 當前更強調資料執行能力、資料可驗證性與鏈上自動化協同能力。

AI Agent 熱度擴張後市場開始關注資料執行能力

AI Agent 熱度擴張後，市場對於 AI Infra 的討論重點正在發生明顯變化。

2024 年 AI行情初期，市場主要圍繞模型能力、推理性能與 GPU 算力展開討論。無論是 NVIDIA、TSM 還是雲計算巨頭，核心邏輯都圍繞“AI 訓練需求擴張”展開。但隨著 AI Agent 與自動化工作流逐漸進入鏈上場景，開發者開始意識到，僅有 AI 模型本身並不足以支撐複雜 AI 工作流。

AI Agent 想要真正參與鏈上任務，需要解決幾個關鍵問題：

• 資料來源是否可信
• 資料是否能夠實時驗證
• AI 是否能跨協議調用資料
• 資料是否支持鏈上協同執行

這意味著，AI 與 Crypto 的結合正在從“模型競爭”，逐漸轉向“資料結構競爭”。

尤其在自動化交易、預測市場、AI 協作網絡與鏈上身份系統等場景中，資料已經不只是輸入材料，而是會直接影響 AI Agent 的執行結果。如果資料本身無法驗證、無法追蹤或者無法參與鏈上邏輯，那麼 AI Agent 很容易停留在概念演示層面。

Irys 當前強調的資料執行能力，也是在這一背景下重新進入開發者討論。相比傳統 Web2 AI 工作流，鏈上 AI 場景對於資料透明度、可驗證性與跨應用協同能力要求更高，而這正是 Irys 試圖切入的方向。

可編程資料為何開始進入開發者生態討論

“可編程資料”開始進入開發者生態討論，並不只是因為概念更新，而是因為 AI 工作流本身正在變得越來越複雜。

過去區塊鏈基礎設施競爭，更多圍繞：

• 共識效率
• 資料可用性
• 存儲能力
• 擴容性能

展開。

但 AI 場景擴張後，開發者開始發現，資料本身也需要具備更強交互能力。

AI Agent 如果要長期運行，需要持續訪問鏈上與鏈下資料；如果要自動執行任務，需要判斷資料真實性；如果要與其他 Agent 協同，則需要資料具備可組合性與狀態同步能力。這意味著，資料不再只是“被讀取”，而是會進入整個執行流程。

Irys 提出的可編程資料路線，本質上就是試圖讓資料能夠參與智能合約邏輯，而不僅僅停留在存儲層。這種方向如果成立，資料層的價值就不再只是“保存資訊”，而會進一步延伸到 AI 工作流可信度、自動化能力與跨協議協同能力。

這也是為什麼越來越多開發者開始重新關注資料結構問題。

當前 AI Infra 赛道一個重要變化，就是市場開始重新評估：未來 AI 應用真正需要的，是否不僅是模型與算力，而是新的資料執行結構。

Irys 與 Arweave、Celestia 的競爭方向出現哪些變化

Irys 當前的競爭方向，已經明顯不同於傳統存儲鏈與模組化 DA 項目。

過去市場通常會把 Irys 與 Arweave 放在同一賽道討論，因為兩者都涉及資料存儲與鏈上資料結構。但隨著 Irys 持續強化 AI Datachain 路線，其競爭邏輯已經開始偏離傳統 Storage Infra。

Arweave 更偏向長期資料存儲，Celestia 更偏向模組化 DA 層，EigenDA 與 Avail 等項目則重點圍繞 Rollup 資料可用性展開。相比之下，Irys 當前更強調：

• AI 資料調用
• 資料執行能力
• 可驗證 AI
• 鏈上自動化工作流

這種差異意味著，Irys 試圖進入的是一個更偏 AI-native 的基礎設施方向。

尤其 AI Agent 熱度持續擴張後，市場開始重新討論：未來 AI 是否需要獨立的資料執行層。如果 AI 工作流越來越依賴鏈上驗證與自動化協同，那麼傳統 Storage 或 DA 結構可能無法完全滿足需求，這也是 Irys 當前路線受到關注的重要原因之一。

但問題同樣存在。

Irys 當前仍然處於較早期階段，AI Datachain 是否真的能夠形成獨立生態，仍然需要更多開發者與真實應用驗證。相比成熟存儲與 DA 項目，AI 資料執行層目前仍屬於市場正在探索的新方向。

鏈上 AI 工作流為何需要新的資料基礎設施

鏈上 AI 工作流複雜度提升，是 AI 資料基礎設施賽道重新活躍的重要背景。

過去很多 AI + Crypto 項目更多停留在概念層，但隨著 AI Agent 開始嘗試自動交易、自動治理與鏈上協作，市場開始真正面對一個問題：AI 如何在鏈上安全、透明且可驗證地運行。

對於鏈上 AI 場景而言，僅有模型能力遠遠不夠，資料執行與資料驗證能力同樣重要。

尤其在自動化交易、鏈上分析、多 Agent 協同與 AI 驅動內容場景下，AI 需要實時獲取鏈上狀態、驗證資料真實性並執行複雜邏輯。這意味著，未來鏈上 AI 工作流對於資料層的要求，很可能遠高於傳統 DeFi 應用。

Irys 當前持續強調的 AI Datachain，本質上也是希望成為 AI 工作流中的資料協同層。

根據 Irys 此前披露的資料，網絡累計已處理超過 6 億次資料交易，並覆蓋超過 400 萬活躍錢包。雖然這些資料尚不足以證明 AI Datachain 已形成成熟生態，但至少說明 Irys 已經具備一定基礎設施運行規模。

與此同時，Irys 在 2025 年完成 1000 萬美元 Series A 融資，投資方包括 CoinFund、Hypersphere、Amber Group、Breed VC 與 WAGMI Ventures。AI 資料基礎設施仍處於早期階段，但機構資金已經開始提前布局“AI + 資料層”方向。

市場當前真正關注的，並不只是 Irys 是否能夠存儲資料，而是未來 AI 工作流是否真的需要新的鏈上資料執行結構。

AI 資料層競爭加劇後市場開始關注哪些風險

雖然 AI 資料基礎設施敘事開始擴張，但市場對於這一方向的分歧同樣明顯。

目前 AI Infra 赛道競爭已經非常激烈，包括 Arweave、Celestia、EigenDA、Filecoin 與 Avail 都在嘗試切入 AI 與資料層相關方向。與此同時，AI + Crypto 目前仍然缺少真正大規模落地的 Killer App，大部分 AI Agent 與鏈上自動化場景仍處於實驗階段。

這意味著，市場對於 Irys 的關注，更多仍然停留在“未來基礎設施預期”，而非成熟商業化階段。

當前市場最大的分歧，其實並不是 AI 是否需要資料層，而是鏈上 AI 工作流是否真的需要獨立的資料執行層。

多頭邏輯認為，隨著 AI Agent 與自動化工作流複雜度提升，傳統靜態資料結構已經無法滿足未來需求，資料執行能力可能會成為 AI Infra 下一階段的重要競爭點。

空頭邏輯則認為，大部分 AI Agent 當前仍然缺少真實用戶需求，AI 與 Crypto 結合也尚未出現真正大規模應用，因此 AI Datachain 很可能停留在概念敘事階段。

這種分歧，也決定了 Irys 當前仍然屬於高波動、高預期型 AI Infra 項目。

主網推進後 Irys 能否擴大 AI Infra 生態影響力

Irys 後續能否真正擴大影響力，核心仍然取決於主網生態與開發者採用情況。

對於基礎設施項目而言，敘事能夠帶來短期市場關注，但長期價值最終仍取決於開發者生態與真實應用需求。Irys 當前提出的可編程資料路線，真正需要驗證的是：開發者是否真的會圍繞 AI Datachain 構建應用。

進入 2026 年後，Irys GitHub 仍持續更新 IrysVM、多帳本架構與 Bundler 基礎設施，這說明項目當前重點已經開始從單純敘事，逐漸轉向底層開發工具完善。

如果未來 AI Agent 與鏈上自動化工作流繼續擴張，那麼市場對於資料驗證與資料執行能力的需求，確實有可能進一步增加。但反過來說，如果 AI + Crypto 熱度下降，或者開發者繼續使用現有 Storage 與智能合約組合方案，Irys 的差異化路線也可能被削弱。

因此，Irys 當前真正的挑戰，不是提出“可編程資料”這一概念，而是如何讓資料真正進入開發者工作流與鏈上 AI 場景。

總結

Irys 最近一年的路線變化，本質上反映了 AI 基礎設施市場的競爭重點正在發生變化。

過去市場更多關注資料存儲與資料可用性，而隨著 AI Agent 與鏈上自動化工作流擴張，資料執行、資料驗證與資料協同能力開始進入開發者討論範圍。

Irys 當前持續強化的 AI Datachain 與可編程資料路線，也是在試圖切入這一新方向。

短期來看，AI 資料基礎設施賽道仍然處於早期階段，開發者生態、真實需求與 AI 工作流規模仍需要進一步驗證。長期來看，如果 AI Agent 真正從交互工具走向鏈上執行主體，那麼資料層很可能會成為 AI Infra 下一階段的重要競爭方向。

FAQ

Irys 的可編程資料是什麼意思？

Irys 的可編程資料，是指鏈上資料不僅能被存儲，還能被智能合約調用、驗證並參與 AI 工作流與鏈上自動化執行。

Irys 為什麼開始強調 AI Datachain？

Irys 強調 AI Datachain，主要是因為 AI Agent 與鏈上自動化場景擴張後，市場開始關注資料執行與資料驗證能力。

可編程資料與傳統去中心化存儲有什麼區別？

可編程資料不僅強調資料保存，還強調資料能參與鏈上邏輯、AI 調用與自動化任務執行。

Irys 與 Arweave、Celestia 的方向有哪些不同？

Irys 當前更強調 AI 資料調用與鏈上自動化能力，而 Arweave 更偏長期存儲，Celestia 更偏模組化資料可用性。

AI 資料基礎設施賽道當前最大的風險是什麼？

AI 資料基礎設施賽道目前仍處於早期階段，真實 AI 工作流需求、開發者採用規模與長期生態協同能力仍需要進一步驗證。