图片起首：由无界 AI用具生成

武汉晚报讯（记者万旭明）14日晚，由唐曾、吕一、董晴、王雨等主演的大型现代工业题材剧《淬火丹心》在广东卫视首播。该剧取材于武汉钢铁公司的发展历程，由湖北省广播电视局、湖北广播电视台、湖北长江华晟影视有限责任公司等联合摄制，被列为国家广电总局百部重点电视剧项目之一。    

走进酷似八爪鱼的3D影棚，挥一挥手，就可穿越到1921年的上海老北站站台拍照留念；拿起Ipad对准C919飞机模型，讲解员已跃然于机翼之上，将中国首架国产大飞机的前世今生娓娓道来；戴上VR眼镜，瞬间置身于杨树浦发电厂的电气控制室，仿佛伸手就可触摸那一个个刻满历史印记的电表……

通过这篇著述你可以了解：

什么是 on-chain AI？

为什么还莫得链上 AI?

AI 上链的能源；

技巧旅途；

我意会的 on-chain AI 价值；

on-chain AI 的应用场景和边幅分析。

开导者对基础规律成立的荒诞执着和多样 rollup 惩处有操办的更新迭代确乎让正本过期的 web3 策画智商罢了了崎岖，这也为 AI 上链提供了可能性，但你可能想说与其大费周章地罢了链上 AI，顺利在链下运行模子似乎也能得志大部分需求，而事实上头前险些扫数的 AI 模子皆所以黑盒、中心化的模式在运行，况兼相同在各个范畴创造了无法替代的价值。

1）先回到最基础的问题，什么是 AI 上链？

主流的意会是通过区块链让 AI 模子 transparent + verifiable

再具体少量，AI 上链意味着东谈主工智能模子的 complete verification，也便是说一个模子需要向全网（用户或考据者）公开以下三点：

模子架构；

模子参数和权重：公开参数和权重无意候会对居品安全性产生负面影响，因此，针对特定场景，比如风控模子，可以对 weight 作念隐敝处理以确保安全性；

模子输入：在 web3 的场景里基本上是链上公开数据。

当得志以上条目时，通盘模子扩充的过程是具备笃定性的且不再是黑盒操作，任何东谈主皆可以在链上对模子的输入和终结进行考据，从而防患模子领有者或者关联权限东谈主对模子进行主管。

2）AI + blockchain 的能源是什么？

AI 与 blockchain 荟萃的好奇钦慕好奇钦慕不在于替代中心化的 Web2 东谈主工智能的运作模式，而是：

在不摈弃去中心化和 trustless 的基础上，为 web3 全国创造下一阶段的价值。面前的区块链就像是 web2 的早期阶段，还莫得连结更粗糙应用或者创造更大价值的智商。而唯有在加入 AI 之后，dapp 的想象力身手实在高出到下一阶段，这些链上应用才有可能更接近 web2 应用的水平，这种接近并不是从功能上作念的更相似，而是通过表现区块链的价值，从用户体验和可能性上作念出进步。

为 web2 黑盒的 AI 运行模式提供一种透明的、trustless 的惩处有操办。

想象一下 web3 的应用场景：

将保举算法加入到 NFT 往还平台，基于用户喜好保举相应 NFT，提高滚动；

在游戏中加入 AI 敌手方，更透明、公谈的游戏体验；

……

但是，这些应用皆是通过 AI 对已有的功能在后果或者用户体验上的进一步改善。

- 有价值吗？有。

- 价值大吗？取决于居品和场景。

AI 能创在的价值从来皆不仅是 99 到 100 的优化，实在让我精炼的，是从 0 到 1 的全新应用，一些唯有通过 transparent + verifiable 的链上模子身手罢了的 use case。不外这些“令东谈主精炼的”use case 面前主要靠想象力，莫得熟识的应用，先来开几个脑洞：

通过基于 neural network 的决策模子作念 crypto trading：一种居品形态可能更像是 copy trading 的升级版块，以致是一种全新的往还玩法。用户不再需要信任或调研其他 experienced trader，而是对澈底公开透明的模子以过头 performance 下注。实质上 AI 凭证对 crypto 往日价钱的展望更快更或者地进行往还。然则莫得链上 AI 自带的“trustless autonomy”，这么的下注对象或者圭臬根柢是不存在的。用户/投资者可以透明地看到模子决策的原因、过程以致往日飞腾/下降的精确概率；

AI 模子当作裁判：一种居品可能是全新形态的预言机，通过 AI 模子对数据起首的准确性进行展望。用户不再需要信任 validator，也不必悲悼节点犯罪，预言机提供方以致不需要想象复杂的节点网罗和赏罚机制来罢了去中心化。相应地，链上 transparent + verifiable 的 AI 仍是充足得志考据链下 data source 置信度的任务。这种全新的居品形态在安全性、后果和成本上有契机酿成碾压，去中心化的对象也由东谈主高出到“trustless autonomy”的 AI 用具，无疑是更安全的。

基于大模子的组织照顾/运作体系：DAO 的治理实质上应该是高效、去中心化、公谈的，而面前的近况却以火去蛾中，松散且肥壮，缺少透明和公谈性，链上 AI 的加入能提供很是契合的惩处有操办，将照顾模式、后果进步到最高，将照顾中系统性和东谈主性的风险无穷拉低。咱们以致可以去想象一种全新的 web3 边幅的发展和运作模式，通盘框架及往日发展主义和提案险些不依赖开导团队或者 DAO 投票的方式来进行决策，相应的，基于大模子更繁多的数据赢得量和远超东谈主的策画智商去作念决策。但这一切的前提亦然模子上链，莫得 AI 的“trustless autonomy”就不存在去中心化全国从东谈主到用具的跃迁。

……

小结一下

基于链上 AI 的新的居品形态基本可以转头为将去中心化和 trustless 的主体从东谈主变为 AI 用具，这也允洽传统全国分娩力的进化过程，最初始是在东谈主这个主体高下功夫，不断升级进步东谈主效，到背面通过智能用具替代东谈主，在安全性和后果上颠覆原有的居品想象。

其中最要害的、也所以上一切的前提，是通过区块链罢了 AI 的 transparent + verifiable。

3）Web3 的下一个阶段

区块链当作一个表象级的技巧创新，不可能只是停留在原始阶段。流量和经济模子很紧迫，但用户不会一直停留在追捧流量或消耗遍及资源作念 X to earn，web3 也不会因此 onboard 下一波新用户。但有一件事的笃定性是很强的：web3 全国分娩力和价值的转换一定来自 AI 的加入。

我认为约莫分红底下三个阶段

肇始：零学问阐述算法和硬件的更新迭代为链上 AI 的清晰第一次提供了可能性；（咱们在这）

发展：非论是 AI 对已有应用的进步如故基于 AI + blockchain 的全新址品，皆在将通盘行业上前鼓励；

结尾：AI + blockchain 的最终走向是什么？

上头的盘问皆是通过 AI 与区块链的荟萃 bottom up 地发掘应用场景，换个念念路 top down 地看待 AI + blockchain，AI 会不会重溯区块链自己？AI + blockchain = 自适合的区块链

一些公链会最初交融链上 AI，从公链的层面窜改为一种自适合的，自身发展主义不再依赖边幅基金会决策而是基于繁多数据进行决策、自动化水平远超传统区块链的形态，从而从现时多链闹热的款式中脱颖而出。

在 verifiable + transparent 的 AI 加抓下，blockchain 的自诊疗体面前那儿，可以参考 modulus lab 提到的几个例子：

链上的往还市集可以去中心化地自动诊疗，比如基于链上公开数据及时、不需要 trust assumption 地诊疗领悟币的 interest rate；

多模态学习可以让链上契约的交互通过生物特征识别完成，提供安全的 KYC，并罢了身份照顾的实足去信任；

允许链上应用最大化地拿获链上数据带来的价值，支抓定制化内容保举等办事。

从另一个角度看，zkrollup 不断迭代优化，但是永久缺少一个实在只可在 zk 生态上跑的应用，ZKML 偶合允洽这少量，况兼想象空间也充足大。ZK-rollup 往日很可能当作 AI 插足 web3 的进口从而创造更大价值，两者相互成立。

1）Web3 能为 AI 提供什么？

基础规律和 ZK 无疑是 web3 最荒诞内卷的赛谈，多样 ZK 边幅在电路优化和算法升级高下足了功夫，非论是对多层网罗的探索，或者是对模块化区块链以及 data availability layer 的开导，如故进一步将 rollup 作念成定制化的办事，以致硬件加快……这些尝试皆在将区块链的可扩展性、成本、算力推向下一个阶段。

AI + blockchain 听上去可以，但具体若何个加法？

一种作念法是通过 ZK proof system。比如针对 machine learning 作念一个定制化的电路，链下电路生成 witness 的过程便是模子扩充的过程，对模子展望的过程生成 proof（其中包括模子参数和 input），任何东谈主皆可以在链上考据 proof。

AI 模子如故在高效的集群上扩充，以致搞点硬件加快进一步进步策画速率，在最大化运用算力的同期确保莫得中心化的东谈主或者机构可以从中删改或干与模子，也便是确保：

模子展望终结的笃定性 = 可考据的（input + 模子架构 + 参数）

凭证以上作念法，可以进一步估计哪些 infra 对 AI 上链至关紧迫：

ZKP system、rollup：Rollups 推广了咱们对区块链策画智商的想象空间，把一堆 transactions 打包，以致递归地生成 proof of proof 进一步镌汰成本。对于面前繁多的模子来说，提供可能性的第一步便是 proof system 和 rollup；

硬件加快：ZK rollup 提供了 verifiable 的基础，但 proof 的生成速率顺利联系到模子的可用性和用户体验，恭候几个小时去生成一个模子的 proof 明白是不 work 的，因此，通过 FPGA 进行硬件加快明白是一个很好的 boost。

密码学：密码学是区块链的基础，而链上模子以及明锐数据相同需要保证隐秘性。

补充：

大模子的基础是 GPU，莫得高并行的支抓，大模子的后果将会很是低，也就无法运行。因此，对于一个链上的 zk 生态：

GPU 友好 = AI 友好

拿 Starknet 例如，Cario 只可在 CPU 上跑，因此只可部署一些小的决策树模子，持久来看并不利好大模子的部署。

2）挑战：更强盛的 proof system

ZK Proof 的生成速率和内存使用情况至关紧迫，一个联系到用户体验和可行性，一个联系到成本和天花板。

面前的 zkp system 够用吗？

够用，但不够好…

Modulus lab 在著述“The Cost of Intelligence: Proving Machine Learning Inference with Zero-Knowledge”很是密致的分析了模子和算力的具体情况。有空可以读一读这篇 ZKML 届的”零号文件 - paper0“：https://drive.google.com/file/d/1 tylpowpaqcOhKQtYolPlqvx6 R2 Gv4 IzE/view

以下是 paper0 中提到的不同阐述系统

基于以上 zk 算法，modulus lab 离别从时辰消耗和内存占用两个维度动身进行测试，况兼在这两个维度均离别限制了参数和层数两个中枢变量。以下是 benchmark suites，这么的想象也可以约莫覆盖从 LeNet5 的 60 k 参数目，0.5 MFLOPs，到 ResNet-34 的 22 M 参数目，3.77 GFLOPs。

时辰消耗的测试终结：

内存占用的测试终结：

基于以上数据，举座看面前的 zk 算法以及具备支抓对大模子生成 proof 的可能性，但相应的成本依旧很高，需要以致 10 倍以上的优化。以 Gloth16 为例，天然受益于高并发带来的 computation time 的优化，但是当作 tradeoff 内存占用显赫增多。Plonky2 和 zkCNN 在时辰和空间上的阐发相同考据了这少量。

那么面前问题其实就从 zkp system 是否可以支抓链上 AI 窜改为了支抓 AI+Blockchain 付出代价值不值？况兼跟着模子参数的指数级上升，对 proof system 的压力也会飞快增多。确乎，面前有 trustless 的神经网罗吗，莫得！便是因为成本算不外来。

因此，打造一个为 AI 定制化的 proof system 至关紧迫。同期，罢了对 AI 这种单次调用策画十分复杂的逻辑，gas 的消耗模子也需再行想象，一个高性能的 zkvm 至关紧迫，但面前咱们仍是能看到许多高性能的尝试，比如 OlaVM, polygon Miden 等，这些基础规律的不断优化极大进步了 onchain-AI 的可行性。

尽管链上 AI 还在很早期阶段，用上头的分层来看可能只处于肇始到发展之间，但 AI 这个主义从不缺少优秀的团队和创新的观念。

就像上头说的，从 AI + Blockchain 发展阶段看面前市集处于肇始到发展的中间阶段，居回味试主义还所以基于现存功能对用户体验优化为主。但最能体现价值的如故通过 AI 在链上将 trustless 的主体由东谈主变为用具，在安全性和后果上颠覆原有的居品形态。

底下从一些现存的应用尝试动身，分析一下 AI + Blockchain 持久的居品发展主义

1）The Rockefeller Bot：全国上第一个 on-chain AI

Rockefeller 是 modulus lab 团队推出的第一个链上 AI 的居品，有很强的“顾虑价值”。这个模子实质上是一个 trading bot，具体来说，rockefeller 的试验数据是遍及链上公开的 WEth-USDC 的 price/exchange rate，其自己是一个三层前馈经网罗模子，展望方针是往日 WEth 价钱涨跌。

以下是当 trading bot 决策要进行往还时的经过：

Rockefeller 在 ZK-rollup 上对展望终结生成 ZKP；

ZKP 在 L1 上被考据（资金由 L1 的合约因循），并扩充操作；

可以看出 trading bot 的展望、资金操作实足是去中心化且 trustless 的，就像上头提到的，从更高维度看 rockefeller 更像是一种全新的 Defi 玩法。比较于信任其他 trader，这种模式下其实用户赌的是 transparent + verifiable + autonomous 的模子。用户可以不需要信任中心化的机构确保模子决策过程的正当性。同期，AI 也能最猛进度上的排斥东谈主性的影响，更或者地进行往还。

你可能仍是想给 Rockefeller 注点资金玩一玩了，但这确凿能赢利吗？

并不可，按照 modulus 团队的说法，与其说 rockefeller 是一个应用，他更像是 on-chain AI 的 POC，由于成本、后果、阐述系统等多方面的截至，rockefeller 的主要目的是当作一个 demo 让 web3 全国看到 on-chain AI 的可行性。（Rockefeller 仍是完成任务下线 T T）

2）Leela：全国上第一个 on-chain AI game

最近发布的 Leela v.s. the world 相同是出自 modulus lab。游戏机制很粗浅，东谈主类玩家构成阵营对战 AI。游戏中玩家可以质押下注，最终谁会赢得对局，每次 match 收尾后 loser’s pool 会凭证质押代币的数目相应地分拨给 winner。

说到 on-chain AI，此次 modulus lab 部署了一个更大的 deep neural network (Parameter 数目 > 3,700,000)。天然在模子限度和居品内容上 Leela 皆超越了 rockefeller，但归根结底这如故一次大型的 on-chain AI experiment。Leela 的背后的机制和运行模式才是需要柔软的，这能帮咱们更好地意会链上 AI 的运行模式和改善空间，以下是官方给出的逻辑图：

Leela 的每一次 move，也便是每次展望，皆会生成 ZKP，况兼唯有在经过合约考据之后才会在游戏内顺利。也便是说，受益于 trustless autonomous AI，用户下注的资金和公谈性实足受到密码学的保护还不需要信任游戏开导者。

Leela 收受的是 Halo2 算法，主要原因是它的用具和想象的活泼性可以匡助想象更高效的阐述体系，具体 performance 情况可以参考上头的测试数据。但同期在 Leela 的运行中 modulus 团队也发现了 Halo2 的缺点，比如生成阐述的速率较慢，对 one-shot proving 不友好等。因此，也愈加印证了之前基于测试数据得出的论断：若是需要将更大的模子带入 web3，咱们需要开导更强盛的 proof system。

不外 Leela 的价值在于给咱们带来了 AI + Web3 game 更大的想象空间，王者荣耀玩家此刻应该无比但愿王者匹配算法 fully on-chain:) Gamefi 需要更优质的内容撑抓和更公谈的游戏体系，而 on-chain AI 偶合提供了这少量。打个比喻，在游戏中加入 AI-driven 的游戏场景或者 NPC，非论是玩家的游戏体验如故经济体系的玩法皆提供了巨大的想象空间。

3）Worldcoin：AI + KYC

皇冠体育

Worldcoin 是一个链上身份体系（Privacy-Preserving Proof-of-Personhood Protocol)，通过生物识别建立身份体系并罢了支付等养殖功能，惩处的问题是起义女巫袭击，面前的注册用户卓著了 1.4 m。

用户通过一个叫 Orb 的硬件扫描虹膜，将个东谈主信息添加到数据库中，Worldcoin 通过 Orb 硬件中的策画环境运行 CNN 模子压缩并阐述用户虹膜数据的有用性。听上去很强，但若是需要作念到身份考据的实在去中心化，worldcoin 团队正在探索通过 ZKP 考据模子的输出。

挑战

值得一提的是，worldcoin 的 CNN 模子的 size：参数 = 1.8 million，层数 = 50。基于上头展示的测试数据，现存的 proof system 在时辰上实足可以胜任，但内存消耗对于消费级的硬件来说是不可能完成的。

4）其他边幅

Pragma：Pargma 是从 starkware 生态上发展起来的 ZK oracle。同期团队也在探索如何通过链上 AI 惩处去中心化链下数据考据的问题。用户不再需要信任 validator，而是通过充足精确且可考据的链上 AI 完成考据链下 data source 的责任，比如对于践诺钞票或者身份的考据可以顺利让 AI 去读取相印的物理信息当作输入并作念出决策。

Lyra finance：Lyra finance 是一个 option AMM，提抚育殖品往还市集。为了提高本钱运用率，Lyra 团队和 modulus lab 正在互助开导基于可考据 AI 模子的 AMM。基于可考据的、公谈的 AI 模子，Lyra finance 有契机成为 AI + Blockchain 的一次大限度落地实验，为 web3 用户初次带来公谈的 matchmaking，通过 AI 对链上市集进行优化，提供更高的酬劳。

Giza：ZKML 平台，将模子顺利部署在链上而不是进行链下考据，Nice try，but…由于算力以及 Cairo 不支抓 CUDA-based 的阐述生成的问题，Giza 只可支抓一些小模子的部署。这亦然最致命的问题，从持久来看，能对 web3 产生颠覆性影响的一定是大模子，而这种限度的模子必须有强盛的硬件支抓，比如 GPU。

Zama-ai：模子的同态加密。同态加密是一种加密形式，粗浅暗意为：f [E (x)] = E [f (x)]，其中 f 是运算操作，E 代表同态加密算法，x 是变量，比如：E (a) + E (b) = E (a + b)。允许对密文进行特定形式的代数运算得到仍然是加密的终结，将其解密所得到的终结与对明文进行相同的运算终结一样。模子的隐秘性一直是 AI + Blockchain 主义的热门和瓶颈，天然 zk 对隐秘友好，但 zk 不等于 privacy。zama 接力于于确保模子扩充的 privacy-preserving。

ML-as-a-service：这面前还只是一个念念考主义，莫得具体的落地应用，但目的是通过 ZKP 惩处中心化 ML 办事提供者犯罪以及用户信任的问题。Daniel Kang 在著述“Trustless Verification of Machine Learning”中有密致的态状（参考文中的一张图）

举座来说，在 web3 全国里的 AI 处于很是早期的阶段，但是无谓置疑的是 onchain-AI 的熟识和普及一定会把 web3 的价值带到另一个高度。从技巧上看，区块链能给 AI 提供独有的基础规律，AI 亦然改变 web3 分娩联系的紧迫用具，两者的荟萃可以碰撞出许多可能性，这亦然值得精炼和大开想象力的场地。

从 AI 上链的能源看，一方面，transparent + verifiable 的链上 AI 将去中心化和 trustless 的主体从东谈主变为 AI 用具，极大进步了后果、安全性，况兼为创造全新的居品形态提供了可能性；另一方面，区块链的基础规律不断迭代，web3 实在需要一个能让这些基础规律表现最大价值的杀手级应用，ZKML 偶合允洽这少量，比如 ZK-rollup 往日很可能当作 AI 插足 web3 的进口。

从可行性上看，面前的基础规律能一定进度上支抓一定例模的模子，但还有许多不笃定要素。通过 ZKP 作念可考据模子面前看是 AI 上链的必经之路，可能亦然笃定性最强的将 AI 带入的 web3 应用的技巧旅途。但是长久来看面前的 proof system 需要再进行指数级的进步身手充足支抓日渐繁多的模子。

从应用场景看，AI 险些可以完竣地参与到任何一个 web3 的主义，非论是 game、Defi、DID、tooling……天然面前已有的边幅很是匮乏而且缺少持久价值皇冠hg8868新版点此进入，还莫得从一种进步后果的用具窜改为改变分娩联系的应用。但值得精炼的是有东谈主迈出了第一步，咱们可以看到 AI + blockchain 的最早期的神色和之后的可能性。