De Cornell Lab au protocole Crypto : Dr. Leo Fan sur la construction du moteur ZK de Cysic.

Avec des preuves à divulgation nulle de connaissance redéfinissant rapidement la frontière de la blockchain et de la confidentialité, le parcours de la théorie académique au protocole réel est semé d'embûches. Cet article plonge dans l'histoire du Dr Leo Fan — un universitaire qui est passé des couloirs d'un laboratoire leading à Cornell à la co-construction du moteur ZK (zero-knowledge) chez Cysic. En cours de route, nous décryptons comment une recherche rigoureuse fusionne avec l'ambition d'ingénierie, et ce qu'il faut pour transformer des idées cryptographiques complexes en un protocole opérationnel.

Alors que nous explorons la transition du Dr Fan, les perspectives techniques et sa vision pour l'avenir, les lecteurs acquerront une vue nuancée de la manière dont les moteurs ZK sont créés — et pourquoi ils sont importants pour la prochaine vague de systèmes décentralisés.

Q1. Vous avez effectué un grand changement du milieu académique (Cornell → Rutgers) vers la fondation de Cysic. Quel a été le moment ou le problème qui vous a convaincu de quitter la recherche/l'enseignement pour créer une entreprise autour du matériel et de l'infrastructure ZK ?

Au cours de mon temps dans le milieu académique et dans des rôles de recherche industrielle, il est devenu clair que les systèmes à zéro connaissance souffraient d'un goulot d'étranglement fondamental : ils étaient mathématiquement élégants, mais beaucoup trop lents et inefficaces pour une adoption dans le monde réel. Chez Algorand, j'ai vu de mes propres yeux que les systèmes ZK manquaient de matériel et d'infrastructure pour évoluer au-delà des prototypes. Ce fossé, plutôt qu'un moment unique, m'a convaincu de quitter Rutgers et de créer Cysic en 2022 dans le cadre d'un effort dédié à rendre le calcul vérifiable pratique.

Q2. Comment vos recherches académiques et vos premiers rôles dans l'industrie (Algorand, IBM/Bell Labs, etc.) ont-ils façonné la vision technique de Cysic, notamment la décision de combiner du matériel personnalisé (ASIC/CUDA) avec un réseau de prouveurs décentralisé ?

Mon travail académique à Cornell, sous la direction de la professeure Elaine Shi, la célèbre informaticienne et cryptographe, m'a fourni une base solide en cryptographie et en calcul vérifiable. Mes rôles dans l'industrie chez Algorand et IBM/Bell Labs m'ont exposé aux contraintes pratiques : la plupart des systèmes ZK étaient limités par le calcul, et le matériel général n'était pas conçu pour les charges de travail que nécessitent les preuves. Cette combinaison — théorie rigoureuse plus goulets d'étranglement du monde réel — a façonné la décision de Cysic d'associer du matériel personnalisé (ASIC/CUDA acceleration) à un réseau de provers décentralisé. C'était le seul moyen de rendre les preuves de manière fiable rapides, abordables et évolutives.

Q3. Cysic se décrit comme “du silicium au protocole.” Pouvez-vous nous expliquer la pile, de la conception matérielle à la génération de preuves jusqu'au règlement, et quelles couches vous avez priorisées lors de la mise à l'échelle ?

« Du silicium au protocole » signifie que nous optimisons chaque couche du cycle de preuve :

Couche matérielle : accélérateurs conçus sur mesure pour les charges de travail ZK, optimisés pour la vitesse et le coût.

Couche de preuve : réseaux décentralisés de GPU et d'ASIC exécutant notre modèle ComputeFi.

Couche de protocole : règlement, vérification et intégration avec les marchés de preuve et les écosystèmes L2.

Dans les premières étapes, nous avons donné la priorité aux couches matérielles et de preuve car elles sont la base de l'évolutivité. ComputeFi—notre mécanisme pour mettre le matériel sur la chaîne—est devenu un moment décisif, permettant un calcul vérifiable et décentralisé à grande échelle.

Q4. Concevoir du matériel d'accélérateur pour les preuves ZK est particulièrement difficile. Quelles ont été les plus grandes surprises d'ingénierie ou les compromis que vous avez rencontrés en essayant d'optimiser le débit, la latence, le coût et la généralité à travers les systèmes de preuve ?

Optimiser simultanément le débit, la latence, le coût et la généralité est intrinsèquement difficile. Notre plus grande avancée a été ComputeFi, qui nous a permis de mapper les ressources matérielles directement sur la chaîne. Ce choix de conception a résolu de nombreux compromis entre flexibilité et performance et a formé la base de notre vision à long terme pour un calcul décentralisé et vérifiable.

Q5. Cysic se positionne comme un DePIN ZK d'une certaine manière (marché des ressources informatiques). Comment pensez-vous que la décentralisation du calcul ZK change l'économie et l'expérience utilisateur des rollups ZK et des L2 ?

Le marché DePIN d'aujourd'hui dépend fortement du matériel des grands fabricants de GPU comme Nvidia. En fait, les GPU Nvidia exécutent environ 80 % de l'infrastructure DePIN que nous voyons aujourd'hui. Cela conduit à une monopolisation où le marché est fortement influencé par les prix, les décisions et l'upgradabilité de Nvidia. Les développeurs plus petits sont également impactés négativement par les coûts élevés des GPU d'aujourd'hui car ils ne peuvent pas se permettre les économies d'échelle dont bénéficient les développeurs mieux financés.

La décentralisation de la puissance de calcul est la solution, car les utilisateurs n'ont plus besoin d'acheter et de posséder du matériel coûteux ; au lieu de cela, ils peuvent accéder à une puissance de calcul haute performance à la demande. Cela permet aux petits développeurs disposant de moins de fonds d'éviter d'acheter et de maintenir du matériel physique coûteux et de n'acheter un accès que lorsqu'ils en ont besoin pour des opérations telles que le benchmarking ou les tests.

Q6. L'adéquation produit-marché oblige souvent à des pivots. Comment la feuille de route produit de Cysic et sa stratégie de mise sur le marché ont-elles évolué depuis le premier prototype jusqu'à vos phases actuelles de testnet, et quels retours d'utilisateurs/partenaires ont conduit à ces changements ?

Notre feuille de route suit une expansion délibérée et séquentielle. Le marché de la preuve est notre couche de base. De là, nous nous étendons vers le marché du calcul plus large à travers la vérification AI, l'inférence et l'apprentissage automatique ZK. L'évolution a été motivée par les retours des partenaires et des clients demandant une infrastructure unifiée pour les charges de travail AI et ZK. En conséquence, nous fournissons désormais des serveurs et des services qui prennent en charge cette classe plus large de tâches de calcul.

Q7. L'économie de la communauté et des opérateurs est essentielle pour les DePIN. Comment avez-vous conçu des incitations, des outils et un processus d'intégration afin qu'une diversité de fournisseurs de matériel (, des GPU de hobbyistes aux ASICs ), puisse participer de manière durable ?

Les mécanismes pour garantir la durabilité à long terme incluent le slashing : si les proveurs ou les validateurs ne peuvent pas répondre à temps, leurs $CYS tokens seront saisis et distribués à d'autres. Cela garantit que les validateurs sont à jour dans leurs tâches, ce qui empêche de longs délais.

Pour les mineurs, nous appliquons des frais de maintenance sur le BTC qui est brûlé au fil du temps. Ces mécanismes garantissent la continuité, découragent les mauvaises performances et récompensent la participation à long terme et fiable à travers le spectre matériel.

Q8. Pouvez-vous partager des leçons tirées de l'extension de l'écosystème Cysic, des partenariats, des intégrations, des outils de développement ou des relations avec des incubateurs/validateurs qui ont accéléré de manière significative l'adoption ?

La leçon la plus importante est l'adaptabilité. Le paysage crypto change constamment, et les feuilles de route rigides survivent rarement au contact de la réalité du marché. Bien que la construction de la communauté et des partenariats solides au sein de l'écosystème aient été essentiels, l'adaptabilité a été le facteur décisif : être capable de peaufiner rapidement les outils, les intégrations et les partenariats nous a permis de répondre aux développeurs et aux réseaux là où leurs besoins émergent.

Q9. Sur le côté gouvernance et token (si vous pouvez en parler): quel modèle de gouvernance et quels leviers économiques jugez-vous essentiels pour équilibrer décentralisation, sécurité et financement à long terme du protocole ?

Les leviers économiques fondamentaux sur lesquels nous nous appuyons sont la réduction, les récompenses dynamiques pour les fournisseurs et les validateurs, ainsi que les mécanismes de destruction des frais liés aux coûts de maintenance. Cela aligne les incitations à travers le réseau, garantissant que la sécurité et la vivacité sont préservées tout en créant un cycle de financement durable à long terme pour le protocole.

Q10. La sécurité et la confiance sont au cœur de l'infrastructure ZK. Comment abordez-vous la gestion des risques, par exemple, les bugs matériels, les provers malveillants ou les attaques de la chaîne d'approvisionnement, et quelles couches de défense priorisez-vous ?

Notre approche se concentre sur une défense en couches : validation au niveau matériel, garanties de correction au niveau du prouveur grâce à des pénalités, et vérifications au niveau du protocole pour la vivacité et le comportement. En combinant la redondance décentralisée des prouveurs avec des pénalités économiques pour les comportements inappropriés, nous réduisons les risques de point de défaillance unique et veillons à ce que les activités malveillantes soient soit empêchées, soit dissuadées économiquement.

Q11. En repensant à votre transition de professeur à PDG, quelles compétences interpersonnelles ou défis de gestion inattendus ont été les plus difficiles à apprendre, et quels conseils donneriez-vous à d'autres universitaires envisageant de fonder une startup deep-tech ?

Être professeur et être fondateur de startup sont deux rôles complètement différents. En tant que professeur, je devais être précis, conservateur dans mes affirmations et surpréparé ; chaque pièce de travail devait être peaufinée avant de pouvoir être publiée.

Dans une startup, c'est presque le contraire. J'ai dû apprendre à me concentrer sur la vision macro et à opérer d'un point de vue global. Au lieu d'attendre des résultats parfaits, je devais montrer des progrès étape par étape et être confiant dans chaque amélioration. Cette mentalité contredit directement la formation académique, où l'on s'attend à éviter de faire des affirmations préventives tant que tout n'est pas prouvé.

Mon principal conseil aux universitaires envisageant de créer une startup deep-tech est de ne pas se concentrer uniquement sur la technologie. 99 % des startups ne peuvent pas gagner uniquement grâce à la technologie. Vous avez besoin de relations publiques, de marketing, de partenariats et d'une communauté. En tant que fondateur, vous devez gérer tout cela et rester concentré sur la vue d'ensemble.

Q12. Dans cinq ans, à quoi ressemble le succès pour Cysic, techniquement, pour l'écosystème et pour le paysage ZK plus large ? Et quels sont les principaux risques techniques ou de marché que vous surveillez actuellement ?

Le succès signifie devenir la solution privilégiée pour l'accélération matérielle évolutive et rentable pour l'ensemble de l'écosystème ZK et de l'informatique vérifiable. Notre objectif à long terme est de servir de colonne vertébrale d'infrastructure pour l'innovation tant dans l'IA que dans la crypto. Les principaux risques aujourd'hui sont la volatilité du marché et le rythme rapide du changement technologique, ce qui renforce la nécessité de rester adaptable tout en construisant vers cette vision plus large.