2026年以來，AI Agent、自動化工作流程以及鏈上 AI 敘事持續擴展，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，逐漸轉向數據如何被調用、驗證、執行與協同。在這樣的背景下，Irys 持續強化的 AI Datachain 與「可編程數據」路線，開始重新進入 AI 基礎設施與開發者生態的討論範疇。
相較於過去傳統去中心化儲存項目多著重於「數據如何長期保存」的問題，Irys 現階段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，數據是否仍然只是靜態儲存物件，還是必須成為能被 AI 調用、驗證並參與鏈上邏輯執行的資源。這樣的變化，也讓 Irys 的市場定位逐漸從 Storage Infra 轉向 AI 數據執行層。
Irys 近期持續推進 AI Datachain 與可編程數據路線
Irys 近一年來的核心變化，是其敘事已明顯從傳統儲存基礎設施，轉向 AI 數據基礎設施。
2025年初，Irys 推出針對 AI 場景的 Programmable Datachain 測試網，並開始圍繞 AI-native infrastructure、Verifiable AI 與鏈上數據執行能力持續更新路線。官方強調的重點不再只是數據上傳與長期保存，而是數據能否成為可被智能合約直接調用、驗證與執行的鏈上資源。
這也正是「可編程數據」概念真正重要的地方。
過去鏈上數據多半只是被記錄與保存，但隨著 AI 工作流程出現，數據本身開始承擔更多功能。AI Agent 若要參與鏈上自動化交易、內容生成、狀態判斷與跨協議協作，就必須即時存取可信數據，並根據數據結果觸發下一步動作。這意味著，數據層開始從「被動儲存」逐漸轉向「主動執行」。
Irys 希望推動的，本質上是一種能參與 AI 工作流程的數據結構。
這種方向上的轉變，也讓 Irys 與傳統 Storage Chain 出現明顯差異。相較於單純強調儲存容量與長期保存能力，Irys 現階段更重視數據執行能力、數據可驗證性以及鏈上自動化協同能力。
AI Agent 熱度擴展後市場開始關注數據執行能力
AI Agent 熱度擴展後，市場對於 AI 基礎設施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、推理效能與 GPU 算力展開討論。不論是 NVIDIA、TSMC 或雲端運算巨頭，核心邏輯都聚焦於「AI 訓練需求擴大」。但隨著 AI Agent 與自動化工作流程逐步進入鏈上場景，開發者開始意識到，僅有 AI 模型本身並不足以支撐複雜的 AI 工作流程。
AI Agent 若要真正參與鏈上任務，需解決幾個關鍵問題：
- 數據來源是否可信
- 數據是否能即時驗證
- AI 是否能跨協議調用數據
- 數據是否支援鏈上協同執行
這意味著，AI 與 Crypto 的結合正在從「模型競爭」逐漸轉向「數據結構競爭」。
尤其在自動化交易、預測市場、AI 協作網絡與鏈上身分系統等場景中，數據已不再只是輸入材料，而是會直接影響 AI Agent 的執行結果。若數據本身無法驗證、無法追蹤或無法參與鏈上邏輯，AI Agent 很容易停留在概念展示層面。
Irys 現階段強調的數據執行能力，也是在這樣的背景下重新進入開發者討論。相較於傳統 Web2 AI 工作流程，鏈上 AI 場景對數據透明度、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。
可編程數據為何開始進入開發者生態討論
「可編程數據」開始進入開發者生態討論，不僅僅是因為概念更新，更是因為 AI 工作流程本身正變得愈發複雜。
過去區塊鏈基礎設施競爭，主要圍繞：
- 共識效率
- 數據可用性
- 儲存能力
- 擴容效能
展開。
但隨著 AI 場景擴展，開發者逐漸發現，數據本身也需具備更強的互動能力。
AI Agent 若要長期運作，需持續存取鏈上與鏈下數據；若要自動執行任務，需判斷數據真實性；若要與其他 Agent 協同，則需數據具備可組合性與狀態同步能力。這意味著，數據不再只是「被讀取」，而是會進入整個執行流程。
Irys 提出的可編程數據路線，本質上就是讓數據能參與智能合約邏輯，而不僅僅停留在儲存層。若這種方向成立，數據層的價值就不再只是「保存資訊」，而會進一步延伸至 AI 工作流程可信度、自動化能力與跨協議協同能力。
這也正是為何愈來愈多開發者開始重新關注數據結構問題。
現階段 AI 基礎設施賽道的一個重要變化，就是市場開始重新評估：未來 AI 應用真正需要的，是否不僅僅是模型與算力，而是新的數據執行結構。
Irys 與 Arweave、Celestia 的競爭方向出現哪些變化
Irys 現階段的競爭方向，已明顯不同於傳統儲存鏈與模組化 DA 項目。
過去市場通常會將 Irys 與 Arweave 放在同一賽道討論，因為兩者都涉及數據儲存與鏈上數據結構。但隨著 Irys 持續強化 AI Datachain 路線，其競爭邏輯已開始偏離傳統 Storage Infra。
Arweave 更偏重於長期數據儲存，Celestia 更偏向模組化 DA 層，EigenDA 與 Avail 等項目則著重於 Rollup 數據可用性。相較之下，Irys 現階段更強調：
- AI 數據調用
- 數據執行能力
- 可驗證 AI
- 鏈上自動化工作流程
這種差異意味著，Irys 試圖切入的是更偏向 AI-native 的基礎設施方向。
尤其 AI Agent 熱度持續擴展後，市場開始重新討論：未來 AI 是否需要獨立的數據執行層。若 AI 工作流程愈來愈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 現階段路線受到關注的重要原因之一。
但問題同樣存在。
Irys 目前仍處於較早期階段，AI Datachain 是否真的能形成獨立生態，仍需更多開發者與真實應用驗證。相較於成熟儲存與 DA 項目，AI 數據執行層目前仍屬於市場正在探索的新方向。
鏈上 AI 工作流程為何需要新的數據基礎設施
鏈上 AI 工作流程複雜度提升，是 AI 數據基礎設施賽道重新活躍的重要背景。
過去許多 AI + Crypto 項目多停留在概念層，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足，數據執行與數據驗證能力同樣重要。
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 需即時獲取鏈上狀態、驗證數據真實性並執行複雜邏輯。這意味著，未來鏈上 AI 工作流程對數據層的要求，很可能遠高於傳統 DeFi 應用。
Irys 現階段持續強調的 AI Datachain，本質上也是希望成為 AI 工作流程中的數據協同層。
根據 Irys 先前公布的資料，網路累計已處理超過6億次數據交易，並覆蓋超過400萬活躍錢包。雖然這些數據尚不足以證明 AI Datachain 已形成成熟生態，但至少說明 Irys 已具備一定基礎設施運行規模。
同時，Irys 在2025年完成1,000萬美元 Series A 融資，投資方包含 CoinFund、Hypersphere、Amber Group、Breed VC 與 WAGMI Ventures。AI 數據基礎設施仍處於早期階段，但機構資金已開始提前布局「AI + 數據層」方向。
市場現階段真正關注的，不僅僅是 Irys 是否能儲存數據，而是未來 AI 工作流程是否真的需要新的鏈上數據執行結構。
AI 數據層競爭加劇後市場開始關注哪些風險
雖然 AI 數據基礎設施敘事開始擴展，但市場對這一方向的分歧同樣明顯。
目前 AI 基礎設施賽道競爭已非常激烈，包括 Arweave、Celestia、EigenDA、Filecoin 與 Avail 都在嘗試切入 AI 與數據層相關方向。同時，AI + Crypto 目前仍缺乏真正大規模落地的 Killer App，大多數 AI Agent 與鏈上自動化場景仍處於實驗階段。
這意味著，市場對 Irys 的關注，更多仍停留在「未來基礎設施預期」，而非成熟商業化階段。
現階段市場最大的分歧，其實並不是 AI 是否需要數據層，而是鏈上 AI 工作流程是否真的需要獨立的數據執行層。
多頭邏輯認為，隨著 AI Agent 與自動化工作流程複雜度提升，傳統靜態數據結構已無法滿足未來需求，數據執行能力可能會成為 AI 基礎設施下一階段的重要競爭點。
空頭邏輯則認為，大多數 AI Agent 目前仍缺乏真實用戶需求，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 現階段仍屬於高波動、高預期型的 AI 基礎設施項目。
主網推進後 Irys 能否擴大 AI 基礎設施生態影響力
Irys 後續能否真正擴大影響力，核心仍取決於主網生態與開發者採用情況。
對於基礎設施項目來說，敘事能帶來短期市場關注，但長期價值終究取決於開發者生態與真實應用需求。Irys 現階段提出的可編程數據路線，真正需要驗證的是：開發者是否真的會圍繞 AI Datachain 建構應用。
進入2026年後，Irys GitHub 仍持續更新 IrysVM、多帳本架構與 Bundler 基礎設施，這顯示項目重點已開始從單純敘事，逐漸轉向底層開發工具完善。
若未來 AI Agent 與鏈上自動化工作流程持續擴展，市場對數據驗證與數據執行能力的需求，確實有可能進一步增加。但反過來說，若 AI + Crypto 熱度下降，或開發者繼續採用現有 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 現階段真正的挑戰，不是提出「可編程數據」這一概念，而是如何讓數據真正進入開發者工作流程與鏈上 AI 場景。
總結
Irys 近一年來的路線變化，本質上反映了 AI 基礎設施市場的競爭重點正在發生變化。
過去市場多關注數據儲存與數據可用性，而隨著 AI Agent 與鏈上自動化工作流程擴展，數據執行、數據驗證與數據協同能力開始進入開發者討論範圍。
Irys 現階段持續強化的 AI Datachain 與可編程數據路線，也是在試圖切入這一新方向。
短期來看，AI 數據基礎設施賽道仍處於早期階段，開發者生態、真實需求與 AI 工作流程規模仍需進一步驗證。長期來看，若 AI Agent 真正從互動工具走向鏈上執行主體，數據層很可能會成為 AI 基礎設施下一階段的重要競爭方向。
FAQ
Irys 的可編程數據是什麼意思？
Irys 的可編程數據，是指鏈上數據不僅能被儲存，還能被智能合約調用、驗證並參與 AI 工作流程與鏈上自動化執行。
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展後，市場開始關注數據執行與數據驗證能力。
可編程數據與傳統去中心化儲存有什麼不同？
可編程數據不僅強調數據保存，更強調數據能參與鏈上邏輯、AI 調用與自動化任務執行。
Irys 與 Arweave、Celestia 的方向有哪些不同？
Irys 現階段更強調 AI 數據執行與鏈上自動化能力，而 Arweave 更偏重於長期儲存，Celestia 更偏向模組化數據可用性。
AI 數據基礎設施賽道目前最大的風險是什麼？
AI 數據基礎設施賽道目前仍處於早期階段，真實 AI 工作流程需求、開發者採用規模與長期生態協同能力仍需進一步驗證。
