首頁

Bitroot公鏈受邀出席騰訊雲新加坡AI大會，與Solana同臺共話未來

閱讀本文需 17 分鐘

Bitroot 作為聚焦高性能 Layer 1 與 AI 原生架構的新興公鏈項目受邀參會，也使其成為本次活動中值得關注的 Web3 基礎設施代表之一。

本文来源：Bitroot

導語

5 月 19 日，由騰訊雲主辦的 AI 主題活動在新加坡舉行。本次活動圍繞 AI 基礎設施、企業級 AI 落地、AI Agent、Web3 可驗證計算及金融科技等議題展開，邀請了來自雲服務、公鏈生態、支付網路、金融科技及投資機構等領域的多位行業代表參與。

作為亞洲重要的金融與科技樞紐，新加坡近年來持續成為 AI、Web3 與數位金融企業佈局東南亞市場的重要節點。騰訊雲選擇在新加坡舉辦 AI 主題活動，也反映出大型雲服務商正在進一步關注 AI 應用落地、算力服務、企業級解決方案及新型數位基礎設施之間的結合。

据活動資訊顯示，本次參會嘉賓包括騰訊雲計算總監周凱倫、Solana 基金會亞太區支付增長負責人 Anna Zhang、Bitroot 首席執行官 Juan Jose、WIDTH 聯合創始人兼首席執行官 Chionh Chye Kit、the9bit 首席執行官 Martin Hoon，以及 ARK Wealth Singapore 首席運營官 Kevin Liu 等。

從參會陣容來看，本次活動並非單一 AI 產品展示，而是一次圍繞「AI 如何與雲服務、支付網路、鏈上基礎設施和金融科技結合」的跨領域交流。騰訊雲代表了 Web2 雲計算與企業級服務能力，Solana 代表成熟公鏈生態與鏈上支付探索，金融科技和財富管理機構則代表 AI 在真實商業場景中的應用需求。在這一背景下，Bitroot 作為聚焦高性能 Layer 1 與 AI 原生架構的新興公鏈項目受邀參會，也使其成為本次活動中值得關注的 Web3 基礎設施代表之一。

高規格 AI 活動背後，Web3 基礎設施被重新納入討論

過去一年，AI 行業的關注重點逐漸從模型能力競爭，轉向企業落地、數據治理、Agent 工作流和自動化決策。對於雲服務商和金融科技機構而言，AI 的商業化並不只取決於模型本身，還取決於算力、數據、權限、安全和審計機制等一整套基礎設施能力。

這也解釋了為什麼 Web3 基礎設施開始被納入 AI 討論。隨著 AI Agent 從「對話工具」逐漸走向「執行主體」，它們未來可能需要調用 API、發起支付、管理資產、完成結算，甚至參與多方協作流程。在這些場景中，傳統中心化系統與鏈上可驗證基礎設施可能形成互補。

區塊鏈提供的可編程資產、自動化結算、狀態可驗證和鏈上審計能力，正好對應 AI Agent 在金融、支付和企業協作場景中面臨的信任問題。因此，本次騰訊雲新加坡 AI 活動將公鏈生態、雲服務、支付增長與金融科技代表放在同一討論場域，本身也釋放出一個信號：AI 的下一階段競爭，正在從單點技術能力走向複合型基礎設施競爭。

尚未上線的 Bitroot 為何被邀請？

對於 Bitroot 而言，本次受邀參會具有一定代表性。與 Solana 這類已經擁有成熟主網和龐大生態的公鏈不同，Bitroot 目前仍處於主網上線前的測試網和生態拓展階段。一個尚未上線主網的新興 Web3 項目能夠進入騰訊雲新加坡 AI 活動的參會名單，說明其技術方向和敘事切入點至少已經引起部分產業方關注。

從行業邏輯看，Bitroot 被邀請的原因可能並不在於當前生態規模，而在於其所押注的基礎設施方向與 AI 時代的需求較為吻合。

首先，AI Agent 與鏈上自動化執行需要更高性能的底層網路。傳統公鏈在吞吐、延遲和成本方面仍存在一定限制，而 AI Agent 未來可能帶來更高頻、更連續、更自動化的交互需求。這意味著底層鏈需要具備更強的並發處理能力和更低的執行成本。

其次，開發者兼容性仍是新公鏈能否建立生態的關鍵。Bitroot 選擇 EVM 兼容路線，意味著其並不試圖讓開發者完全遷移到陌生環境，而是希望在保留以太坊開發者工具鍊的基礎上，提供更高性能的執行環境。對於仍處早期的新公鏈而言，這種路徑有助於降低生態冷啟動难度。

第三，AI 原生架構正在成為新一代基礎設施項目的重要差異化方向。相比單純強調 TPS 或交易費用，Bitroot 更強調 AI Agent、鏈上自動化應用和可驗證執行場景。這種定位使其更容易進入 AI 與 Web3 融合的討論語境中，而不僅僅是另一條高性能公鏈。

因此，從行業觀察角度看，它至少說明部分雲服務、金融科技和 Web3 生態參與者，正在關注尚未主網上線的新型基礎設施項目，尤其是那些圍繞 AI 原生、高性能執行和開發者兼容性進行設計的 Layer 1 網路。

與 Solana 公鏈同場討論，新興 Layer 1 的觀察價值提升

本次活動中，Solana 基金會亞太區支付增長負責人 Anna Zhang 的參與，為會議增加了成熟公鏈生態和鏈上支付視角。Solana 近年來在高性能公鏈、支付和消費級應用方向持續推進，已經成為 Web3 基礎設施領域的重要樣本。

Bitroot 與 Solana 等成熟生態代表同場參與討論，這種同場交流本身具有觀察意義。它反映出在 AI 與 Web3 融合的大背景下，行業並非只關注已經形成規模的公鏈，也在關注下一代基礎設施可能出現的新變量。

對於 Bitroot 這樣的新興 Layer 1 而言，主網尚未上線既意味著其技術路線仍處於可塑階段。如果其並行執行、EVM 兼容和 AI 原生設計能夠在後續測試網及主網中得到驗證，那麼它有機會在 AI Agent、鏈上自動化執行和高頻應用場景中形成差異化定位。

尤其是在 AI 逐漸成為產業主線之後，市場對於公鏈的要求可能會發生變化。過去公鏈競爭更多圍繞 DeFi、NFT、GameFi 和資產發行展開，未來則可能更多圍繞 Agent 執行、鏈上結算、自動化金融、數據呼叫和可驗證計算展開。Bitroot 在這一節點進入行業討論，也正是其值得關注的原因。

Juan Jose：AI 的競爭將從模型轉向數據、場景與信任

在圓桌討論中，Bitroot 首席執行官 Juan Jose 表示，未來 AI 企業之間的差距，可能不再只是模型性能或參數規模的競爭，而是數據、場景與信任機制的綜合競爭。

他認為，隨著開源模型和閉源模型持續迭代，模型能力本身正在加速商品化。企業真正長期有效的護城河，來自是否擁有高質量行業數據，是否能夠深入具體業務流程，以及是否能夠建立用戶和機構層面的長期信任。

這一判斷與當前 AI 產業趨勢相一致。越來越多企業開始意識到，AI 的價值並不只在於生成內容或完成簡單問答，而在於能否進入真實業務流程，並在可控、可審計、可評估的環境中持續產生結果。

Juan Jose 進一步指出，企業級 AI 落地仍面臨可靠性、數據基礎設施和組織變革等挑戰。尤其在金融、支付、審計等高風險場景中，AI 系統不能只追求能力上限，還必須滿足穩定性、權限控制和審計要求。

AI Agent 需要高性能與可驗證執行環境

AI Agent 是本次活動討論的另一重要方向。Juan Jose 表示，當前行業仍處於“輔助式 Agent”階段，距離真正的企業級自治仍需要時間。原因在於 Agent 一旦進入企業系統，將面臨多步驟任務錯誤累積、安全權限、法律責任和可解釋性等問題。

但從長期看，AI Agent 的方向已經相對清晰。未來 Agent 不只是提供建議，而可能會調用服務、管理帳戶、發起交易、執行策略和完成結算。這意味著底層基礎設施必須支持更高頻的互動和更可信的執行。

在這一點上，Bitroot 的技術敘事與行業需求形成了較強關聯。根據項目方介紹，Bitroot 採用 EVM 兼容路線，並通過樂觀並行 EVM、Pipeline BFT 共識機制等設計提升鏈上執行效率，目標是為 AI Agent、DeFi 和 Web3 應用提供高性能、低成本的鏈上執行環境。

對於 AI + Web3 場景而言，性能不是單純的技術指標，而是應用能否成立的前提。如果一個 Agent 每一次操作都需要高昂費用和較長確認時間，那麼許多自動化場景將難以規模化。相反，低延遲、低成本和高吞吐的鏈上環境，可能成為 AI Agent 走向真實應用的重要基礎。

測試網階段將成為 Bitroot 的關鍵驗證窗口

Bitroot 近期也在推進測試網及生態基礎設施建設。根據項目方資訊，其測試網已進入 5.0 階段，相關升級涉及網路性能、跨鏈組件、生態應用部署和節點優化等方面。

從測試網數據來看，Bitroot 已展現出技術落地能力：測試網路址數超過 100 萬+，日均鏈上交易量超過 50,000+，峰值 TPS 達到 50,000+，平均區塊時間約 < 0.3 秒。

對於尚未上線主網的新興公鏈而言，測試網階段具有雙重意義。一方面，它是技術路線的驗證窗口，開發者可以觀察網路性能、合約兼容性、工具鏈成熟度和節點穩定性；另一方面，它也是生態冷啟動的重要階段，社區用戶和開發者可以通過早期互動參與網路建設。

行業觀察：高性能 AI 原生公鏈的競爭格局

從本次峰會的討論可以看出，AI 與 Web3 的結合正在從概念敘事轉向基礎設施層面的具體問題。在這一賽道中，不同項目選擇了不同的技術路線：

Solana 以高速執行和成熟生態見長，已建立起龐大的開發者社區和 DeFi 生態；Monad 聚焦並行 EVM 的性能優化；Aptos 通過 Block-STM 實現樂觀並行執行。而 Bitroot 的差異化在於，它不僅追求公鏈性能的極致突破，更將 AI 計算能力原生集成到鏈的底層架構中——從共識層的有用工作量證明，到執行層的並行化 EVM，再到應用層的分佈式訓練和推理網路，構建了一個完整的去中心化 AI Stack。

對於新一代基礎設施項目而言，如何在保持安全性和去中心化特徵的同時，支援更複雜的 AI 應用調用，將成為未來競爭的核心命題。