Vom Cornell Lab zum Krypto-Protokoll: Dr. Leo Fan über den Aufbau der ZK-Engine von Cysic

Mit Null-Wissen-Beweisen, die die Grenzen von Blockchain und Datenschutz schnell neu gestalten, ist der Weg von der akademischen Theorie zum realen Protokoll mit Herausforderungen verbunden. Dieser Artikel erzählt die Geschichte von Dr. Leo Fan — einem Wissenschaftler, der von den Hallen eines führenden Labors an der Cornell-Universität zur Mitentwicklung des ZK (null-Wissen)-Engines bei Cysic wechselte. Auf dem Weg dorthin untersuchen wir, wie strenge Forschung mit ingenieurtechnischem Ehrgeiz zusammenfließt und was es braucht, um komplexe kryptografische Ideen in ein lebendes Protokoll umzuwandeln.

Wenn wir Dr. Fans Übergang, technische Einblicke und Vision für die Zukunft erkunden, werden die Leser ein nuanciertes Verständnis dafür gewinnen, wie ZK-Engines erstellt werden – und warum sie für die nächste Welle dezentraler Systeme wichtig sind.

Q1. Sie haben einen großen Wechsel von der Akademie (Cornell → Rutgers) hin zur Gründung von Cysic vollzogen. Was war der Moment oder das Problem, das Sie überzeugt hat, die Forschung/Lehre zu verlassen und ein Unternehmen rund um ZK-Hardware und -Infrastruktur aufzubauen?

Während meiner Zeit in der Akademie und in der Industrie-Forschung wurde deutlich, dass Zero-Knowledge-Systeme unter einem grundlegenden Engpass litten: Sie waren mathematisch elegant, aber viel zu langsam und ineffizient für die reale Anwendung. Bei Algorand habe ich aus erster Hand gesehen, dass ZK-Systeme die Hardware und Infrastruktur fehlten, um über Prototypen hinaus zu skalieren. Diese Lücke, anstatt einen einzelnen Moment, überzeugte mich, Rutgers zu verlassen und 2022 Cysic zu gründen, um einen engagierten Versuch zu unternehmen, verifizierbare Berechnungen praktisch zu machen.

Q2. Wie haben Ihre akademischen Forschungen und frühen Branchenrollen (Algorand, IBM/Bell Labs usw.) die technische Vision für Cysic geprägt, insbesondere die Entscheidung, benutzerdefinierte Hardware (ASIC/CUDA) mit einem dezentralen Prover-Netzwerk zu kombinieren?

Meine akademische Arbeit an der Cornell University unter Professorin Elaine Shi, der renommierten Computerwissenschaftlerin und Kryptografin, gab mir eine solide Grundlage in Kryptographie und verifizierbarer Berechnung. Branchenpositionen bei Algorand und IBM/Bell Labs machten mich mit den praktischen Einschränkungen vertraut: die meisten ZK-Systeme waren rechenintensiv, und handelsübliche Hardware war nicht für die Arbeitslasten ausgelegt, die Beweise erfordern. Diese Kombination – strenge Theorie plus reale Engpässe – prägte die Entscheidung von Cysic, benutzerdefinierte Hardware (ASIC/CUDA-Beschleunigung) mit einem dezentralisierten Prover-Netzwerk zu kombinieren. Es war der einzige Weg, um Beweise zuverlässig schnell, erschwinglich und skalierbar zu machen.

Q3. Cysic beschreibt sich selbst als „Silizium zu Protokoll“. Können Sie uns durch den Stack führen, von der Hardware-Entwicklung über die Nachweisgenerierung bis hin zur Abwicklung, und welche Schichten Sie beim Skalieren priorisiert haben?

„Silicon zu Protokoll“ bedeutet, dass wir jede Ebene des Beweislebenszyklus optimieren:

Hardware-Schicht: maßgeschneiderte Beschleuniger für ZK-Workloads, optimiert für Geschwindigkeit und Kosten.

Prover-Schicht: dezentralisierte Netzwerke von GPUs und ASICs, die unser ComputeFi-Protokoll betreiben.

Protokollschicht: Abrechnung, Verifizierung und Integration mit Proof-Märkten und L2-Ökosystemen.

In den frühen Phasen haben wir die Hardware- und Prover-Schichten priorisiert, da sie die Grundlage für Skalierbarkeit bilden. ComputeFi – unser Mechanismus, um Hardware on-chain zu bringen – wurde zu einem Durchbruchmoment, der verifizierbare, dezentralisierte Berechnungen in großem Maßstab ermöglicht.

Q4. Die Entwicklung von Beschleunigerhardware für ZK-Beweise ist ungewöhnlich schwierig. Was waren die größten technischen Überraschungen oder Abwägungen, die Sie bei dem Versuch, die Durchsatzrate, Latenz, Kosten und Allgemeingültigkeit über Beweissysteme hinweg zu optimieren, erlebt haben?

Die gleichzeitige Optimierung von Durchsatz, Latenz, Kosten und Allgemeinheit ist von Natur aus schwierig. Unser größter Durchbruch war ComputeFi, das es uns ermöglichte, Hardware-Ressourcen direkt on-chain abzubilden. Diese Designentscheidung löste viele der Kompromisse zwischen Flexibilität und Leistung und bildete die Grundlage für unsere langfristige Vision für dezentrale, überprüfbare Berechnungen.

Q5. Cysic positioniert sich als eine Art ZK DePIN (Computing-Ressourcen-Marktplatz). Wie denken Sie, verändert die Dezentralisierung von ZK-Computing die Wirtschaftlichkeit und Benutzererfahrung von ZK-Rollups und L2s?

Der heutige DePIN-Markt ist stark abhängig von Hardware großer GPU-Hersteller wie Nvidia. Tatsächlich laufen etwa 80 % der DePIN-Infrastruktur, die wir heute sehen, auf Nvidia-GPUs. Dies führt zu einer Monopolisierung, bei der der Markt stark von den Preisen, Entscheidungen und der Upgradefähigkeit von Nvidia beeinflusst wird. Kleinere Entwickler sind ebenfalls negativ betroffen von den hohen GPU-Kosten von heute, da sie sich die Skaleneffekte, die besser finanzierten Entwicklern zugutekommen, nicht leisten können.

Die Dezentralisierung der Rechenleistung ist die Lösung, da Benutzer keine teure Hardware mehr kaufen und besitzen müssen; stattdessen können sie auf On-Demand-Rechenleistung mit hoher Leistung zugreifen. Dies ermöglicht es kleineren Entwicklern mit weniger finanziellen Mitteln, den Kauf und die Wartung teurer physischer Hardware zu vermeiden und nur dann Zugang zu erwerben, wenn sie ihn für Operationen wie Benchmarking oder Tests benötigen.

Q6. Die Produkt-Markt-Passung zwingt oft zu Pivotierungen. Wie hat sich der Produktfahrplan und die Markteinführungsstrategie von Cysic vom frühesten Prototypen bis zu Ihren aktuellen Testnet-Phasen verändert, und welches Nutzer-/Partner-Feedback hat diese Veränderungen vorangetrieben?

Unser Fahrplan folgt einer gezielten, sequenziellen Expansion. Der Proof-Markt ist unsere grundlegende Ebene. Von dort erweitern wir uns in den breiteren Compute-Markt durch KI-Verifizierung, Inferenz und ZK-Maschinenlernen. Die Evolution wurde durch das Feedback von Partnern und Kunden vorangetrieben, die eine einheitliche Infrastruktur für sowohl KI- als auch ZK-Arbeitslasten anforderten. Infolgedessen bieten wir jetzt Server und Dienstleistungen an, die diese breitere Klasse von Compute-Aufgaben unterstützen.

Q7. Gemeinschafts- und Betreiberökonomien sind entscheidend für DePINs. Wie haben Sie Anreize, Werkzeuge und Onboarding so gestaltet, dass eine Vielfalt von Hardwareanbietern ( von Hobby-GPUs bis zu ASICs ) nachhaltig teilnehmen kann?

Mechanismen zur Gewährleistung der langfristigen Nachhaltigkeit umfassen das Slashing: Wenn Prover oder Validatoren nicht rechtzeitig reagieren können, werden ihre $CYS Tokens beschlagnahmt und an andere verteilt. Dies stellt sicher, dass Validatoren ihre Aufgaben im Griff haben, was lange Verzögerungen verhindert.

Für Miner erheben wir eine Wartungsgebühr auf BTC, die im Laufe der Zeit verbrannt wird. Diese Mechanismen gewährleisten die Lebensfähigkeit, entmutigen schlechte Leistungen und belohnen langfristige, zuverlässige Teilnahme über das gesamte Hardware-Spektrum.

Q8. Können Sie Lehren aus der Skalierung des Cysic-Ökosystems, Partnerschaften, Integrationen, Entwickler-Tools oder Inkubator/Validator-Beziehungen teilen, die die Akzeptanz erheblich beschleunigt haben?

Die wichtigste Lektion ist Anpassungsfähigkeit. Die Krypto-Landschaft ändert sich ständig, und starre Fahrpläne überstehen selten den Kontakt mit der Marktrealität. Während der Aufbau von Gemeinschaften und starke Partnerschaften im Ökosystem entscheidend waren, war Anpassungsfähigkeit der ausschlaggebende Faktor – die Fähigkeit, Werkzeuge, Integrationen und Partnerschaften schnell zu verfeinern, hat es uns ermöglicht, Entwickler und Netzwerke dort zu treffen, wo ihre Bedürfnisse entstehen.

Q9. Zum Thema Governance und Token (, wenn Sie darüber sprechen können): welches Governance-Modell und welche wirtschaftlichen Hebel halten Sie für entscheidend, um Dezentralisierung, Sicherheit und langfristige Protokollfinanzierung in Einklang zu bringen?

Die zentralen wirtschaftlichen Hebel, auf die wir uns stützen, sind Slashing, dynamische Belohnungen für Prover und Validatoren sowie Gebührenverbrennungsmechanismen, die an die Wartungskosten gebunden sind. Diese stimmen die Anreize im gesamten Netzwerk ab und stellen sicher, dass die Sicherheit und Liveness gewahrt bleiben, während ein nachhaltiger langfristiger Finanzierungszyklus für das Protokoll geschaffen wird.

Q10. Sicherheit und Vertrauen sind zentral für die ZK-Infrastruktur. Wie gehen Sie mit Risikomanagement um, z.B. Hardwarefehler, böswillige Anbieter oder Angriffe auf die Lieferkette, und welche Verteidigungsschichten priorisieren Sie?

Unser Ansatz konzentriert sich auf eine mehrschichtige Verteidigung: Validierung auf Hardware-Ebene, Korrektheitsgarantien auf Prover-Ebene durch Slashing und Protokoll-Ebene Überprüfungen für Liveness und Verhalten. Durch die Kombination von dezentraler Prover-Redundanz mit wirtschaftlichen Strafen für Fehlverhalten reduzieren wir Risiken von Einzelpunkt-Ausfällen und stellen sicher, dass böswillige Aktivitäten entweder verhindert oder wirtschaftlich entmutigt werden.

Q11. Rückblickend auf Ihren Übergang vom Professor zum CEO, welche Soft Skills oder unerwarteten Management-Herausforderungen waren am schwierigsten zu erlernen, und welchen Rat würden Sie anderen Akademikern geben, die darüber nachdenken, ein Deep-Tech-Startup zu gründen?

Professor zu sein und Gründer eines Startups zu sein, sind zwei völlig unterschiedliche Rollen. Als Professor musste ich präzise, konservativ in meinen Aussagen und übervorbereitet sein; jedes Stück Arbeit musste poliert werden, bevor es veröffentlicht werden konnte.

In einem Startup ist es fast das Gegenteil. Ich musste lernen, mich auf die makroökonomische Vision zu konzentrieren und aus einer hochrangigen Perspektive zu operieren. Anstatt auf perfekte Ergebnisse zu warten, musste ich Fortschritte Schritt für Schritt zeigen und von jeder Verbesserung überzeugt sein. Diese Denkweise steht im direkten Widerspruch zur akademischen Ausbildung, in der von dir erwartet wird, präventive Behauptungen zu vermeiden, bis alles bewiesen ist.

Mein Haupttipp für Akademiker, die ein Deep-Tech-Startup in Betracht ziehen, ist, sich nicht nur auf die Technologie zu konzentrieren. 99 % der Startups können nicht nur mit Technologie gewinnen. Sie benötigen PR, Marketing, Partnerschaften und eine Community. Als Gründer müssen Sie all dies managen und sich auf das große Ganze konzentrieren.

Q12. Wie sieht Erfolg in fünf Jahren für Cysic aus, technisch, für das Ökosystem und für die breitere ZK-Landschaft? Und welche wesentlichen technischen oder Marktrisiken beobachten Sie derzeit?

Erfolg bedeutet, die bevorzugte Lösung für skalierbare, kosteneffiziente Hardwarebeschleunigung für das gesamte ZK- und verifiable compute-Ökosystem zu werden. Unser langfristiges Ziel ist es, als Infrastrukturrückgrat für Innovationen sowohl im Bereich KI als auch in der Krypto zu dienen. Die größten Risiken heute sind die Marktvolatilität und der rasante technologische Wandel, was die Notwendigkeit unterstreicht, anpassungsfähig zu bleiben, während wir auf diese breitere Vision hinarbeiten.