Podcast-Transkript

Cartesi Linux-Appchains: Wann sie sinnvoll sind

João Garcia Developer Advocate, Cartesi

Wann braucht eine dApp eine eigene Linux-Ausführungsumgebung? Cartesis Developer Advocate João Garcia erklärt, wie anwendungsspezifische Rollups Berechnungen isolieren, Python und andere etablierte Bibliotheken nutzen und verifizierbare KI sowie Spiele ermöglichen. Er erläutert auch, wann gewöhnliche Solidity-Verträge einfacher sind. Das Gespräch wurde im Mai 2025 veröffentlicht. Die Angaben zu Forschungsprototypen und Veröffentlichungsplänen geben wieder, was Garcia im Interview beschrieb.

  • Veröffentlicht 16.05.2025
  • Länge 27:25
  • Operator
  • Aufgenommen auf Englisch
Cartesi Linux-Appchains: Wann sie sinnvoll sind: Podcast-Folge mit João Garcia, Developer Advocate, Cartesi
// Die Kurzversion
  • Bei 03:12 erklärt João Garcia, dass in einem anwendungsspezifischen Rollup Personen, die einen Node hosten, nur die Anwendungen ausführen, die sie hosten wollen. Eigene Ausführungsressourcen verringern den Wettbewerb mit anderen Anwendungen, das Noisy-Neighbor-Problem. Sie beseitigen nicht jeden Infrastrukturengpass.
  • Bei 07:05 unterscheidet Garcia zwischen dem Starten von Linux und dem bloßen Kompilieren einer Sprache für RISC-V. Ein vollständiges Betriebssystem bietet ein Dateisystem und Standardbibliotheken, sodass Entwickler mehr ihres bestehenden Softwarestacks nutzen können. Die Dokumentation der Cartesi Machine erklärt die Ausführungsumgebung.
  • Bei 08:36 unterscheidet Garcia verifizierbares maschinelles Lernen von LLMs. Er beschreibt Beispiele mit linearer Regression und k-Nearest-Neighbors (KNN), die Cross-Kompilierung von PyTorch und scikit-learn sowie Experimente mit deterministischer LLM-Ausführung. Das sind Forschungsfortschritte, kein Leistungsbenchmark für den Produktionsbetrieb.
  • Bei 15:29 empfiehlt Garcia, bei Solidity zu bleiben, wenn eine Anwendung keine zusätzliche Rechenleistung oder bestimmte Bibliotheken braucht. Er rät davon ab, einen gewöhnlichen Token-Vertrag allein wegen einer bevorzugten Sprache in Cartesi neu zu bauen.
  • Bei 23:20 sagt Garcia, dass es kein Allheilmittel gibt. Interoperabilität zwischen Rollups verlangt weiterhin Planung. Ein Coprocessor bietet andere Vorteile als ein Rollup. Sein Rat: ergänzende Protokolle kombinieren und vorhandene Werkzeuge nutzen. Das Dave-Forschungspapier erläutert den Fraud-Proof-Entwurf und seine Annahmen.

Warum mit Cartesi Linux-Appchains entwickeln?

Diesen Teil ansehen · 0:00

Kevin 0:00 Hallo zusammen. Heute spreche ich mit João Garcia, Developer Advocate bei Cartesi, einer Linux-basierten Appchain-Infrastruktur, mit der ihr spezifische Anwendungen entwickeln könnt, die über ein Rollup verifiziert werden. Und das Beste daran ist, dass ihr im Grunde jede universelle Bibliothek oder Sprache verwenden könnt, die ihr auch unter Linux zur Verfügung habt.

Kevin 0:25 Also eine wirklich spannende Folge, auch ein bisschen technisch, aber wenn ihr unbedingt ein neues Projekt bauen wollt oder auf der Suche nach großartiger Infrastruktur seid, ist das eure Folge. Was sind die drei Hauptgründe, warum Entwickler sich für eure Plattform, für eure Lösung entscheiden sollten?

João 0:45 Na ja, drei Hauptgründe. Ich denke, der erste ist definitiv Befähigung. Sie können mehr tun. Sie können mehr Werkzeuge nutzen, oder? Sie werden also in die Lage versetzt, Anwendungen zu entwickeln, die sich von jedem anderen Web3-Projekt unterscheiden. Ihr könnt also verschiedene Werkzeuge verwenden: Alles, was unter Linux laufen würde, würde auch auf einem mit Cartesi erstellten Rollup laufen, oder?

João 1:14 Ich denke, der zweite ist großartige Unterstützung durch die Community. In unserem Discord haben wir alles für alle bereitgestellt. Jeder Mitwirkende ist genau dort aktiv. Und wir bieten wirklich allen großartige Unterstützung. Und der dritte ist ehrlich gesagt Absicherung und Sicherheit.

João 1:42 Mit unseren Werkzeugen könnt ihr den bestmöglichen Fraud Proof nutzen. Wir haben gerade Dave entwickelt, den L2BEAT als großartigen Fraud Proof anerkannt hat. Aber abgesehen davon ist alles, was wir machen, Open Source. Alle unsere Diskussionen finden öffentlich statt. Unsere Entwicklungen sind alle öffentlich. Jeder kann also den Discord verfolgen und wissen, was wir bauen.

João 2:09 Ich denke also, jeder kann darauf vertrauen, dass wir Gutes für das Gute tun, und ich denke, ich denke, das sind drei gute Gründe.

Wie vermeiden anwendungsspezifische Rollups das Noisy-Neighbor-Problem?

Diesen Teil ansehen · 2:17

Kevin 2:18 Großartig. Großartig. Die Vision ist also im Grunde auf die, auf die Endnutzer ausgerichtet, auf die Entwickler. Ähm, um da etwas tiefer einzusteigen: Ähm, das war ja schon super hilfreich, aber rein aus Entwicklersicht, sagen wir, ich baue äh etwas. Ähm, warum würde ich konkret, also welchen Nutzen erhoffe ich mir von der, von der Technik selbst?

Kevin 2:46 Also warum will ich diesen, diesen äh Linux-basierten äh Rollup-Ansatz, statt einfach etwas anderes zu haben, etwa Smart Contracts, oder was auch immer ich sonst verwenden würde?

João 3:01 Das ist tatsächlich eine sehr gute Frage. Ich denke, es gibt zwei Hauptgründe, warum ihr das wollen würdet, und wir können sie aufteilen. Ich gehe also zuerst auf Punkt A ein und dann auf, auf Punkt B. Cartesi: Was ihr mit unserem Rollups-Framework macht, ist, ein anwendungsspezifisches Rollup zu erstellen. Und das bedeutet, dass jede Person, die einen Node hostet und eine Anwendung ausführen möchte, genau diese Anwendung ausführt.

João 3:28 Natürlich entwickeln wir Mechanismen, mit denen ihr mehr als eine Anwendung auf einem einzigen Node ausführen könnt. Aber die Grundidee bleibt dieselbe. Ihr hostet nur die Anwendungen, die ihr hosten wollt. Ihr verschwendet also keine Ressourcen für die Ausführung anderer Anwendungen. Und gleichzeitig verhindert ihr, dass Anwendungen sich gegenseitig die Ressourcen entziehen.

João 3:51 In einem gemeinsamen Rollup, in dem alle Anwendungen zusammen auf den Nodes laufen, verbraucht also eine Anwendung Ressourcen genauso wie die andere. Wenn eine sehr, sehr, sehr viele Anfragen bekommt, so viele Eingaben erhält, fehlt den anderen Rechenleistung. In unserem Fall geben wir also letztlich jeder Anwendung in diesem Sinne eine ganze CPU.

João 4:19 Keine Anwendung wird also jemals, wird jemals wegen einer anderen ein Problem haben, oder? Jede Anwendung funktioniert und ist unabhängig. Und der zweite ist Linux selbst, was ich für einen großartigen Grund halte. Aber wenn wir einfach nur Linux sagen, scheinen die Leute nicht zu verstehen, welchen Vorteil Linux mit sich bringt, oder?

João 4:42 Es gibt viele Vorteile, aber wenn ihr Linux ausführt: Fast alles, was für Computer entwickelt wurde, wird zuerst unter Linux entwickelt. Und okay, manche Spiele wahrscheinlich nicht, aber welcher Dienst auch immer läuft, den dieses Spiel ausführt, wahrscheinlich läuft der Server, das Backend unter Linux. Ganz gleich, welche Banksoftware, welches soziale Netzwerk: Die Server, die laufen, die die Daten hosten, die die Daten halten, die die Verarbeitungslogik hosten, laufen unter Linux.

João 5:19 Bibliotheken wie Machine-Learning-Bibliotheken, Spielebibliotheken, mathematische Bibliotheken, all das wird zuerst für Linux gemacht. Das bedeutet, dass alles, was in der Vergangenheit entwickelt wurde, genutzt werden kann. Ihr seid also nicht nur auf die Bibliotheken festgelegt, die Solidity hat. Ihr könnt jetzt Bibliotheken aus Python, aus JavaScript, aus Rust, Go verwenden, aus welcher Sprache auch immer ihr wollt, programmiert, wie ihr wollt, mit welcher Sprache ihr wollt, natürlich.

João 5:49 Und das bringt Rückwärtskompatibilität in dem Sinne, dass alles, was entwickelt wurde, funktioniert, aber auch Vorwärtskompatibilität in dem Sinne, dass alles, was entwickelt werden wird, funktionieren wird, weil alles zuerst für Linux entwickelt werden wird. Genau. Und ich finde, das ist großartig. Und ja, ich denke, ich denke, das deckt es ungefähr ab.

Kevin 6:10 Cooles Zeug. Nur um sicherzugehen, dass ich es vollständig verstehe: Äh, grundsätzlich lösen Appchains das sogenannte Noisy-Neighbor-Problem, oder? Ihr seid im Grunde von anderen unabhängigen Projekten getrennt, und das heißt, wie du selbst erwähnt hast, dass ihr in keiner Weise von deren CPU-Nutzung oder von welcher Ausführung auch immer, die sie durchführen müssen, beeinflusst werdet.

Was bietet Linux zusätzlich zu einer RISC-V-Laufzeit?

Diesen Teil ansehen · 6:11

Kevin 6:39 Das ist also der erste Vorteil. Der zweite Vorteil ist im Grunde: Na ja, ich muss auch keine neue Programmiersprache oder so etwas lernen, weil ich auf das Linux-Ökosystem zugreifen kann, auf universelle Sprachen wie Python oder was auch immer. Ähm, im Gegensatz zu vielen anderen Appchains da draußen, die oft diese domänenspezifischen Sprachen haben.

João 7:02 Ja, genau. Nur um, nur um etwas zu ergänzen, das ich vergessen habe zu erwähnen und das, glaube ich, ziemlich relevant ist, oder? Wir haben diesen RISC-V-Emulator entwickelt und Linux darauf gesetzt. Aber das Wichtige an, wir könnten theoretisch die Sprachen direkt auf RISC-V ausführen, sie also einfach für RISC-V kompilieren und ausführen.

João 7:25 Aber in diesem Fall würden wir es so machen wie einige andere Protokolle, die das tun. Wir würden hier die Sprache C verwenden, eine freistehende Sprache. Das heißt, nur das Allernötigste, um die Sprache auszuführen. Aber ihr verliert einige Ressourcen, etwa ein Dateisystem oder die Möglichkeit, mit bestimmten Standardbibliotheken zu arbeiten, mit denen ihr Informationen auf unterschiedliche Weise verarbeiten könnt.

João 7:49 Ihr bekommt also noch mehr Flexibilität und mehr Leistungsfähigkeit, wenn ihr ein Betriebssystem darin habt.

Kevin 7:56 Ich meine, das, das ist oft das Problem, oder, wenn Leute oder Projekte sagen: Hey, ihr könnt C++, C, Python oder was auch immer verwenden, aber dann ist es einfach stark eingeschränkt.

Kann Cartesi verifizierbare KI und LLMs ausführen?

Diesen Teil ansehen · 7:57

8:08 Ja.

Kevin 8:09 Oder? Das ist also schon eine richtig coole Sache, wenn man wirklich Zugriff auf all das hat, auf das gesamte Ökosystem. Und das ist aus technischer Sicht tatsächlich ziemlich beeindruckend. Einer der Anwendungsfälle auf eurer Website, der natürlich ein heißes Thema ist, ist verifizierbare KI. Würdest du dazu etwas mehr erzählen?

João 8:34 Ja, natürlich. Ich denke, verifizierbare KI ist eine sehr schöne Sache, die wir schon eine Weile machen. Aber ich denke auch, dass die Leute ein bisschen überschätzen, was das Wort KI bedeutet, denn wann immer jemand KI sagt, denken alle an KI-Agenten und sofort an LLMs, oder? Weil ChatGPT so viel Lärm gemacht hat und dann DeepSeek und alle, alle anderen, oder?

João 8:59 [unverständlich] KI an sich ist so viel mehr als das. KI beginnt bei den Grundkonzepten der KI, etwa linearer Regression, etwa k-Nearest-Neighbors (KNNs). Es gibt also viele KI-Algorithmen, an die wir denken, wenn wir an KI denken. Wir haben also mit diesen einfachen Beispielen angefangen, und wir haben angefangen, einige Techniken zu verwenden, weil das Kompilieren von Bibliotheken für RISC-V anfangs nicht so trivial war, und inzwischen ist es das.

João 9:28 Aber wir haben mit Dingen wie KNNs, wie linearen Regressionen angefangen, und wir mussten einen Mechanismus namens m2cgen verwenden. Ein Freund von mir hat das gemacht, Marcos, Grüße an ihn. Man wandelt also im Grunde das Machine-Learning-Modell in direkten Python-Code um, und das hat gut funktioniert. Dann ist es uns tatsächlich gelungen, die Machine-Learning-Bibliotheken wie PyTorch und scikit-learn für unsere Maschine zu cross-kompilieren.

João 10:00 Ihr könnt diese Machine-Learning-Bibliotheken also tatsächlich vollständig auf RISC-V, unter Linux, in unserer Maschine nutzen. Das sind also ein paar coole Sachen. Leider benötigen viele dieser Modelle, etwa LLMs, aber so viele Ressourcen, dass ihr, um sie verifizieren zu können, super-hyper-ultra Computer bräuchtet, wenn ihr wollt, oder ihr bräuchtet GPUs, oder?

João 10:27 Und GPUs haben dann das ganze Problem, nicht deterministisch zu sein. In gewissem Sinne müsstet ihr da also Umwege finden. Wir, anfangs klangen LLMs nach etwas sehr Komplexem, aber wir treiben das voran. Und ich denke, wir machen dabei sehr gute Fortschritte. Und bei einem Hackathon, einem internen Hackathon, den wir mit unseren Entwicklern, mit unseren Mitwirkenden machen, hat ein Typ namens Eduardo, ein wirklich großartiger Entwickler, tatsächlich einen Weg gefunden, Dinge in der Cartesi Machine auszuführen, aber die komplexen Berechnungen, nur die Matrixmultiplikationen, die man bei LLMs verwendet, an die Host-Maschine zu delegieren.

João 11:15 Statt nur eine CPU zu verwenden, verwendet ihr also nur eine CPU für den emulierten Teil, könnt aber die deterministischen Berechnungen an die Host-Maschine delegieren, was irgendwie verrückt ist, aber wir haben die Rechenleistung damit im Grunde um einiges verbessert. Und jetzt können wir anfangen, LLMs deterministisch auszuführen, was ebenfalls sehr großartig ist.

João 11:36 Und ja, und wir, wir untersuchen das, wie wir da Fortschritte machen können.

Welche Anwendungsfälle in DeFi und Onchain-Gaming brauchen diese Rechenleistung?

Diesen Teil ansehen · 11:41

Kevin 11:42 Ja, ich meine, äh, an der äh vordersten Front zu bauen ist immer größtenteils Forschung, oder? Das gehört einfach dazu. Und vor diesem Hintergrund bin ich neugierig: Welche anderen Anwendungsfälle untersucht ihr gerade? Denn universell bedeutet im Grunde, dass man viele Dinge machen kann, oder? Und ich bin mir ziemlich sicher, dass es in gewissem Sinne auch Dinge gibt, die man vielleicht nicht tun sollte oder nicht tun kann.

Kevin 12:08 Das wäre also auch interessant.

João 12:09 Also ähm, ich denke, ich meine, meinst du allgemeine Anwendungsfälle innerhalb des maschinellen Lernens oder allgemeine Anwendungsfälle insgesamt?

Kevin 12:18 Okay, das, worauf du dich persönlich am meisten freust.

João 12:20 Ich denke, wir können das Thema DeFi nicht äh unberührt lassen. Schließlich ist es ja die Welt, in der wir uns bewegen, oder? Es gibt eine Lösung, die ich richtig, richtig cool finde, sie heißt DCA Monster. Sie setzt die Cost-Dollar-Averaging-Strategie für Investitionen um, aber mit minimaler Granularität.

João 12:44 Das heißt, ihr nehmt die minimale Granularität, die ein Token hat, etwa 10 hoch 18 oder was auch immer, und ihr tauscht, ihr, ihr fangt an, die Assets in einer, in sehr, sehr, sehr, sehr, sehr kleinen Portionen zu tauschen. Ihr könnt also im Grunde sagen: Ich will diesen einen Token in Dollar oder in USDT tauschen, oder? Aber ich will es innerhalb eines Monats tun.

João 13:14 Dann tauscht ihr also jede Sekunde in diesem Monat diesen granularen Anteil, was wirklich cool ist. Und das könntet ihr sonst nicht machen, wenn ihr keine Maschine hättet, die diese Berechnungen auf diesem Niveau und so mühelos durchführen kann, oder? Im Grunde ist es also ein Automated Market Maker, der ziemlich gut funktioniert.

João 13:34 Das ist also eine Lösung, die ich wirklich lustig finde. Und natürlich, äh, als jemand, der ein bisschen geekig ist, liebe ich Spiele. Wir haben zwei Gaming-Lösungen, die ich immer gerne erwähne. Eine davon heißt RIVES. RIVES.io ist die Website, und es ist eine, es ist eine individuelle Onchain-Konsole, auf der Leute tatsächlich Spiele entwickeln, Spiele verkaufen und diese Spiele deterministisch spielen können.

João 14:02 Angefangen hat es damit, Doom auszuführen. Die Leute konnten also Doom spielen und die Logs ihres Spielverlaufs senden. Also jede Anweisung, die sie an das Spiel geschickt haben, an die Blockchain, und ihr Spielverlauf wurde verifiziert. Das ist sehr cool für, ähm, sagen wir Speedruns zum Beispiel, äh, für Wettbewerbe, für Turniere, was, was sehr schön ist.

João 14:24 Und dann gibt es, ähm, noch eine andere, die gerade erst gestartet ist. Sie heißt World Tycoon. Erinnerst du dich an SimCity?

Kevin 14:32 Ja, klar.

João 14:33 Ja. Wir haben da also SimCity onchain gebaut. Wir haben diesen Grant gerade abgeschlossen. Ich evaluiere es tatsächlich gerade, um ein paar Code Reviews zu machen. Aber es ist SimCity onchain. Ihr zahlt zuerst eure Assets ein. Und wenn ihr anfangt, mit eurer Stadt Geld zu verdienen, könnt ihr tatsächlich die Assets bekommen, die andere Leute eingezahlt haben, als sie versucht haben, ihre Stadt aufzubauen, falls sie scheitern.

João 15:00 Es gibt also diese ganze Dynamik mit Tokens in SimCity, die sich als ziemlich unterhaltsam herausstellt.

Wann sollten Entwickler Solidity statt Cartesi nutzen?

Diesen Teil ansehen · 15:05

Kevin 15:05 Gefällt mir, cooles Zeug. Ich meine, GameFi ist immer ein großes Thema, ein großer Teil von Blockchain und dem Kryptobereich im Allgemeinen. Gibt es Dinge, für die Cartesi deiner Meinung nach nicht wirklich super geeignet ist, also nicht ideal?

João 15:28 Das ist tatsächlich eine sehr gute Frage. Wenn wir Anwendungen isoliert betrachten, sehe ich eigentlich nicht, warum die Leute es nicht verwenden wollen würden, aber ich denke nicht, dass die Leute Cartesi verwenden und etwas erschaffen sollten. Wenn ihr also die Rechenleistung nicht braucht, wenn ihr die Besonderheiten von, ähm, wenn ihr keine bestimmten Bibliotheken braucht, um eure Software auszuführen, um eure Vision umzusetzen, dann solltet ihr vielleicht einfach bei Solidity bleiben, oder?

João 16:09 Cartesi wurde also nicht dafür gemacht, dass ihr sagt: Hey, ich kann das mit Solidity machen, aber ich mache es lieber in JavaScript, also schreibe ich es einfach mit Cartesi. Das ist nicht die beabsichtigte Idee. Natürlich könnt ihr das, jeder kann die Anwendung verwenden, wie er will. Aber ich denke, wenn etwas in Solidity einfacher ist, nutzt man es manchmal einfach.

João 16:29 Da gibt es kein Problem.

Kevin 16:31 Okay. Es geht also, also im Grunde mehr darum, Entwickler aufzuklären und sicherzustellen, dass ihr, wenn ihr einen dieser Standard-Smart-Contracts in Solidity bauen wollt oder etwas, das ständig gebaut wird, einfach den Best Practices dort folgt, statt mit Python dort quasi das Rad neu zu erfinden.

João 16:50 Ja, genau. Ich meine, das ganze Konzept von Cartesi, Linux zu verwenden, all diese Bibliotheken zu verwenden, besteht ja darin, das Rad nicht neu zu erfinden, oder? Versucht nicht, extrem komplexe Bibliotheken, zum Beispiel für maschinelles Lernen, wie du erwähnt hast, in Solidity nachzubauen. Nutzt einfach, was ihr habt. Verwendet also das Rollup, das euch das ermöglicht.

João 17:11 Versucht nicht, das Rad neu zu erfinden. Und auch das Gegenteil gilt, oder? Wir haben bereits einige Dinge, die für die normale Token-Erstellung wirklich gut funktionieren. Versucht also auch nicht, das Rad neu zu erfinden und das vollständig auf Cartesi nachzubauen. Ich meine, die Dinge sollen zusammen laufen, nicht miteinander konkurrieren.

João 17:32 Nutzt also jeweils den besten Anwendungsfall von jedem.

Welche ungewöhnlichen Spiele haben Entwickler gebaut?

Diesen Teil ansehen · 17:33

Kevin 17:34 Gefällt mir. Wir haben ja schon über einige interessante oder nützliche Anwendungsfälle gesprochen. Habt ihr in eurer Community verrückte oder super lustige entdeckt oder gesehen, bei denen ihr sagt: Okay, ich bin, ich bin nicht sicher, ob das nützlich ist, aber es ist, es ist ein interessanter?

João 17:56 Entschuldigung, was meinst du noch mal?

Kevin 17:58 Also, kennst du verrückte Lösungen, Anwendungsfälle, die Leute auf eurer, eurer Plattform gebaut haben, oder sind es bisher nur nützliche Dinge?

João 18:10 Oh, nein, nein, nein. Es gibt ein paar verrückte, lustige Sachen. Da war dieses, das liebe ich. Ich glaube, es ist nicht auf, ich, ich glaube, es ist nicht mehr im Mainnet, aber es war, äh, vielleicht ist es das doch. Es war ein Meme-Kampf. Die Leute haben also auf ein Meme gewettet.

João 18:35 Wir hatten also zum Beispiel Shaquille O’Neal gegen Sonic, und man simulierte einen Kampf zwischen den beiden, den beiden, und man sah tatsächlich, wie sie gegeneinander kämpften, und die Leute konnten auf ihren Lieblingskämpfer wetten. Äh, es war also ein bisschen verrückt, und es war KI-automatisiert, also so etwas wie ein Zero-Player-Game.

João 18:55 Es war wirklich lustig, und es gab eines, das so degeneriert war, ich glaube, das läuft tatsächlich gerade. Es heißt Bubble Wars. Dort investiert ihr ein paar Assets und werdet zu einer Blase, abhängig von der Anzahl an Tokens, die ihr in die Anwendung eingezahlt habt, oder? Und dann nutzt ihr Onchain-Physik, um eure Blase zu bewegen.

João 19:14 Ihr stoßt sie also in eine Richtung, und wenn sie eine andere Blase berührt, stiehlt sie die Assets dieser Person.

19:21 Dieses Spiel. Oh wow. Ich war,

João 19:23 und ihr wachst, und eure Blase wird größer. Es ist also wirklich degeneriert, aber wirklich lustig.

Kevin 19:29 Wow, das klingt super schmerzhaft. Stell dir einfach vor, ähm, entweder hast du, hast du so viele gesammelt, und, und dann einige dieser großen Mutterblasen, wie man es bei, ich glaube, es hieß Agar.io, gesehen hat, oder wie heißt das ursprüngliche Spiel?

19:48 Ja, es ist wie Hole.io, [unverständlich].

Kevin 19:50 Ja, verrückt. Okay, das ist tatsächlich eines, bei dem ich mir vorstellen könnte, dass es abhebt, äh, wenn es richtig vermarktet wird, oder? Denn ich meine, das kann viral gehen. Das ist, das macht Spaß. Cool. Ähm, ich bin mir nicht sicher, wie, also es klingt danach, aber wie tief du selbst in die eigentliche Infrastruktur, äh, eingebunden warst, also in die Infrastrukturarbeit.

Was macht die Entwicklung von Fraud Proofs schwierig?

Diesen Teil ansehen · 20:06

Kevin 20:17 Äh, kannst du ein paar zentrale Erkenntnisse teilen, die du während der anfänglichen Entwicklung gewonnen hast? Also, was waren einige der zentralen Herausforderungen, was waren oder was sind jetzt die zentralen Herausforderungen, um das, sagen wir, verifizierbarer zu machen oder was auch immer?

João 20:35 Ich war am Anfang nicht bei Cartesi, denn Cartesi war, die Idee von Cartesi entstand, glaube ich, 2018. Da wurde das erste Whitepaper erstellt, oder? Und ich bin erst vor etwa zwei Jahren dazugekommen.

20:51 Okay.

João 20:51 Aber nach dem, was ich jetzt lerne, was ich jetzt passieren sehe, woran das Team arbeitet und womit es ringt, denke ich, dass die Entwicklung von Fraud Proofs etwas sehr Heikles war, und es war sehr schön zu sehen, wie sie entwickelt, wie sie vorgeschlagen wurde. Ich denke an all die kleinen Dinge, die ihr bedenken müsst, wenn ihr einen Fraud-Proof-Algorithmus entwerft, etwa die Liveness der Chain, die Höhe der Kosten, die ihr braucht, um teilnehmen zu können, was ihr staken müsst, um an einem Fraud Proof teilnehmen zu können.

João 21:34 All diese Dinge werden gemeinsam entschieden, bis der Algorithmus zusammenkommt. Das ist verrückt. Zuerst hatten wir also diesen Fraud Proof namens PRT. Wir bringen sehr bald eine praktische Version davon heraus. Und wir haben bereits das Paper für Dave, das so etwas wie eine verbesserte Version ist. Aber es war sehr interessant, die Schwierigkeiten und Schwachstellen zu sehen, die wir in jedem Fraud Proof gefunden haben, und wie wir jede einzelne davon angehen mussten.

João 22:03 Gabriel Coutinho, der die Entwicklung dieser Fraud-Proof-Algorithmen leitet, hat sie mir gewissermaßen erklärt, während sie konzipiert wurden. Und ich war die ganze Zeit verblüfft, weil sie jedes Mal gegen eine Wand liefen, aber geniale Köpfe es tatsächlich schafften, diese Wände zu durchbrechen, oder? Er hat mir einfach erzählt, wie die Meetings ablaufen.

João 22:26 Etwa: Hey, Augusto, ich habe gerade einen Bug gefunden. Das wird nicht funktionieren. Und Augusto, einer der Gründer von Cartesi, sagte dann: Okay, ich brauche etwas Zeit zum Nachdenken, ging ans Whiteboard, zeichnete ein paar Dinge und kam mit einer Lösung. Das war einfach großartig. Aber ja, ich denke, das war der heikelste Teil.

Wo liegen die Grenzen von Appchains und der Nutzen der Modularität?

Diesen Teil ansehen · 22:42

Kevin 22:43 Gefällt mir, gefällt mir. Ich meine, Kryptografie, wenn ich es aussprechen kann, ist immer ein super anspruchsvolles Thema, oder? Ich finde es also toll zu sehen, dass ihr in eurem Unternehmen auch eine coole Teamdynamik habt. Also, ähm, ich hätte noch eine letzte Frage an dich. Was sind drei zentrale Erkenntnisse, die du entweder aus der Arbeit an diesem Projekt für dich selbst gewonnen hast oder die du Entwicklern mitgeben willst, um, um bei Cartesi einzusteigen oder es zu nutzen?

João 23:18 Okay. Zentrale Erkenntnisse: Ich denke, es gibt kein Allheilmittel. Es gibt nicht das eine Protokoll oder den einen Stack, den ihr verwenden könnt und der alles macht. Jeder hat also seine Grenzen. Selbst wenn, selbst wenn ihr an uns denkt, äh, wie wir unsere Lösung entwerfen, auch Cartesi hat seine Grenzen, oder?

João 23:43 Auch wenn ihr Linux ausführt und alles machen könnt, was ihr in Web2 machen könnt, müsst ihr manche Dinge umgehen, um, um, wenn ihr zum Beispiel ein gewisses Maß an Interoperabilität zwischen Rollups wollt, müsst ihr gut nachdenken. Deshalb haben wir letztlich auch andere Lösungen entwickelt, etwa den Coprocessor, der, ähm, nicht, der andere Vorteile bietet.

João 24:06 Er liefert nicht den Rollup-Mechanismus, sondern eine Coprocessor-Lösung mit schneller Finalität, was wirklich gut ist. Ich denke also, das Erste ist: Es gibt kein Allheilmittel. Ich denke, das Zweite ist: Leute, die versuchen, das Rad neu zu erfinden, tappen am Ende in die Falle und verbringen so lange damit, etwas Neues zu schaffen, statt einfach zu nutzen, was es schon gibt, dass sie die Gelegenheit verpassen, etwas zu tun, das tatsächlich relevant ist, oder?

João 24:43 Und das Dritte ist, denke ich: Protokolle sollten zusammenarbeiten. Ich denke, das ist das Wichtigste. Wir hatten einige großartige Partnerschaften, mit, äh, EigenLayer, um unseren Coprocessor zu entwickeln, mit Espresso, mit Avail, und mit den Lösungen, die entstehen, wenn das Wissen von zwei verschiedenen Teams zusammenkommt, die sehr gut und auf bestimmte Dinge spezialisiert sind, könnt ihr etwas schaffen, das noch cooler ist, oder?

João 25:15 Wenn ihr euch zum Beispiel unsere Integration mit Espresso anseht, könnt ihr sehen, dass ihr unsere Ausführungsumgebung mit, mit deren Datenverfügbarkeit und Sequenzierung verwendet und etwas schafft, das sich stark von allem unterscheidet, was irgendjemand je gesehen hat. Wählt also bei allen das Beste aus, damit ihr die perfekte Lösung von euch, für euch bauen könnt.

João 25:39 Ja, ich denke, ich denke, Zusammenarbeit ist, sollte das, das Motto davon sein, sollte das Ethos des gesamten Ökosystems sein.

Kevin 25:48 Gefällt mir. Ja, ich meine, das ist der Geist von Web3, oder? Wie die Leute gerne sagen: Es geht um Community und darum, etwas zu bauen, das die Leute wirklich wollen.

25:58 Ja, genau.

Kevin 26:00 Großartig. Hey, noch ein Schlusswort von dir? Etwas, das die Leute tun sollten, nachdem sie sich diese Session angesehen haben?

Wie können Entwickler mit Cartesi anfangen?

Diesen Teil ansehen · 26:01

João 26:07 Ja. Kürzlich habe ich gehört, wir, ich habe das Feedback bekommen, dass wir wirklich gute Docs haben. Probiert also Cartesi aus, experimentiert und spielt damit herum. Tretet unserer Community bei. Selbst wenn ihr nicht programmieren wollt, kommt einfach dazu, um zu sehen, was dort, was dort gemacht wird, was da gerade ausgeheckt wird, damit ihr ein bisschen mehr darüber lernen könnt.

João 26:27 Und wenn ihr, wenn ihr reden wollt, wenn ihr Fragen habt, meldet euch einfach bei mir, sowohl auf Discord als auch auf Twitter. Ich bin dort. Und bis bald.

Kevin 26:38 Cooles Zeug. Die Links packen wir auf jeden Fall auch in die Videobeschreibung. Und ja, nochmals danke für deine Flexibilität und deine Zeit. Es war wirklich cool, mit dir zu sprechen. Viele neue Sachen, in die ich wirklich gerne weiter eintauchen möchte. Und noch eine letzte Sache für alle Entwickler hier, alle Nicht-Techies: Eine großartige Dokumentation zu haben, wird so unterschätzt.

Kevin 27:03 Also ein großes Lob an euch. Cool.

João 27:03 Das stimmt wirklich.

Kevin 27:04 Sehr schön. Hey, danke, Mann. Hat Spaß gemacht, mit dir zu plaudern. Hab noch einen schönen restlichen Tag.

João 27:13 Bis dann. Bis dann.

Kevin 27:13 Wavect, das Web3-Softwareunternehmen, das versteht, was ihr wollt.

Transkript aus dem Englischen übersetzt und für die Lesbarkeit leicht bearbeitet. Maßgeblich ist die Aufnahme. Aus dem Originalaudio mit Whisper large-v3 transkribiert und per KI mit den originalen automatischen Untertiteln abgeglichen. Unverständliche Stellen sind markiert; Sprecherangaben und Übersetzungen sind redaktionelle Hilfen. Kein vollständiger menschlicher Hörabgleich. Die Aufnahme bleibt maßgeblich; Aussagen beziehen sich auf ihren Zeitpunkt. Produktpläne, angekündigte Veröffentlichungen wie die praktische Version von PRT und die beschriebenen KI-Experimente, etwa die deterministische LLM-Ausführung, geben wieder, was Garcia im Interview beschrieb. Das Gespräch wurde im Mai 2025 veröffentlicht. Diese Aussagen sind keine Angaben zum aktuellen Produktverhalten und keine Produktionsgarantie. Einschätzungen wie die Anerkennung von Dave durch L2BEAT sind Aussagen des Gastes zum Zeitpunkt der Aufnahme.

Fragen, die diese Folge beantwortet

João Garcia beschreibt Cartesi in diesem Gespräch als Framework für anwendungsspezifische Rollups mit einer RISC-V-Maschine, auf der Linux läuft. Die Anwendungslogik wird offchain in einer reproduzierbaren Umgebung ausgeführt. Fraud Proofs ermöglichen es, fehlerhafte Berechnungen anzufechten. Der Nutzen liegt in eigener Rechenleistung und vertrauten Sprachen und Bibliotheken.
Garcia erklärt, dass unterschiedliche Anwendungen auf einem gemeinsamen Rollup um Ausführungsressourcen konkurrieren. Ein anwendungsspezifisches Rollup gibt einer Anwendung ihren eigenen Rechenbereich. Die Aktivität einer anderen Anwendung verbraucht dann nicht dasselbe Ausführungsbudget. Das isoliert Berechnungen, garantiert aber nicht, dass Settlement, Datenverfügbarkeit oder Hosting niemals zum Engpass werden.
Laut Garcia können Entwickler etablierte Sprachen wie Python, JavaScript, Rust und Go sowie Bibliotheken der Linux-Umgebung nutzen. Er beschreibt die Cross-Kompilierung von PyTorch und scikit-learn für RISC-V. Kompatibilität und Ressourcenbedarf müssen für die konkrete Anwendung geprüft werden. Nicht jede Abhängigkeit funktioniert automatisch unverändert.
Bei 15:29 empfiehlt Garcia Solidity, wenn die Anwendung keine zusätzliche Rechenleistung oder bestimmte Linux-Bibliotheken benötigt. Sein Beispiel ist ein gewöhnlicher Token-Vertrag. Cartesi soll sonst schwierige Aufgaben ermöglichen, nicht einfache Solidity-Funktionen allein wegen einer anderen Sprache ersetzen.
Nein. In diesem Gespräch bezieht sich Verifizierbarkeit auf die reproduzierbare Ausführung eines Modells oder einer Berechnung. Sie beweist nicht, dass eine Modellantwort sachlich richtig ist. Garcia unterscheidet kleine Machine-Learning-Aufgaben von ressourcenintensiven LLMs und beschreibt deterministische LLM-Ausführung in diesem im Mai 2025 veröffentlichten Gespräch als Experiment.
Garcia sagt, der Coprocessor liefere nicht den Rollup-Mechanismus, sondern eine Coprocessor-Lösung mit schneller Finalität und biete damit andere Vorteile. Er nennt ihn als Beispiel dafür, dass es kein Allheilmittel gibt und auch Cartesi Grenzen hat, etwa bei der Interoperabilität zwischen Rollups. Sein Schlussrat lautet, das Werkzeug nach der Aufgabe auszuwählen und Protokolle zusammenarbeiten zu lassen.

Willst du dieses Denken für dein Produkt?

Wir bauen MVPs und arbeiten als Fractional CTOs für Gründer, die lieber liefern als reden.