ZK-Proofing muss über GPUs hinausgehen, da KI den Rechenressourcenbedarf verschärft, sagt Cysic-CEO

ZK-Proofing hat begonnen, mit Billionen-Dollar-KI-Datenzentren um dieselben GPUs zu konkurrieren, was die Kosten für Proofs erhöht, während Cysic einen Leistungszuwachs von 9 % durch verbesserte Hardware-Nutzung meldet. Zusammenfassung

• Cysic sagt, dass ineffiziente GPU-Nutzung, und nicht unzureichende Rohrechenleistung, jetzt die Kosten für Proofs antreibt.
• ZK-Workloads konkurrieren mit KI um Nvidia-GPUs, obwohl sie auf unterschiedlichen mathematischen Operationen basieren.
• Echtzeit-Ethereum-Proofing und ZK-Rollups könnten höhere Kosten haben, bevor Verbraucheranwendungen betroffen sind.
• Cysic erwartet, dass der Druck die Einführung von FPGAs, ZK-spezifischen ASICs und offenen Prover-Märkten beschleunigt.

Cysic-Gründer und CEO Leo Fan sagte gegenüber crypto.news, dass die Nutzung von GPUs zu einer bindenden Einschränkung für Zero-Knowledge-Proofing geworden ist, da Proof-Systeme jetzt mit stark finanzierten KI-Datenzentren um dasselbe Silizium konkurrieren.

"KI-Modelle konvergieren. Die Rechenleistung nicht. Jeder ging davon aus, dass die Kosten für Proofs sinken würden, weil Chips günstiger werden. Stattdessen bieten wir gegen Billionen-Dollar-Datenzentrum-Budgets für dasselbe Silizium. Deshalb musste die Hardware-Schicht geöffnet werden, anstatt sie einer Handvoll proprietärer Prover zu überlassen."

Der Druck kommt laut Fan nicht nur von einem Mangel an Rechenkapazität. Er sagte, das Hauptproblem sei eine architektonische Diskrepanz zwischen der zkVM-Software und den Beschleunigern, die zur Generierung von Proofs verwendet werden, was dazu führt, dass ein Teil der verfügbaren GPU-Kapazität ungenutzt bleibt und die Kosten für jeden Proof erhöht.

Cysics Venus-Proofing-Engine hat diese Diskrepanz aufgedeckt, indem sie die Zeit reduzierte, die mit der Koordination der Arbeit zwischen CPUs und GPUs verbracht wurde. Wie im April berichtet, verzeichnete das Unternehmen eine Verbesserung der End-to-End-Proof-Zeit von mehr als 9 % im Vergleich zu ZisK 0.16.1, ohne die zugrunde liegende Hardware auszutauschen.
Sie könnten auch interessiert sein: ZK-Proofs können Rückgrat für regulatorisch konforme Stablecoins sein: Studie

ZK-Proofing-Kosten sind jetzt wichtiger als rohe Geschwindigkeit

Als hardwarefokussierte Erweiterung von Polygon Hermez's ZisK zkVM konzipiert, stellt Venus die Proof-Generierung als einen verbundenen Berechnungsgraphen dar. Cysic sagt, dass das Design es dem System ermöglicht, die Arbeit über den gesamten Proofing-Prozess zu planen, anstatt jede Hardwarefunktion als separaten Aufruf zu behandeln.

Durch die Integration von CUDA Graph, Kernel-Tuning und Änderungen im Shared Memory reduziert Venus wiederholte Datenübertragungen und Synchronisation zwischen Prozessor und GPU. Fan sagte, das Ergebnis zeige, dass bestehende Beschleuniger nicht vollständig genutzt wurden, was die Auslastung zum praktischen Engpass hinter den Proof-Kosten macht.

Die rohe Proof-Geschwindigkeit hat sich in der Branche schnell verbessert. Cysic hat gesagt, dass ZisK in 7,4 Sekunden einen Ethereum-Blockproof mit 24 GPUs generieren kann und Echtzeit-Proofs über ein einzelnes RTX 4090-Setup einreichen kann. Diese Behauptungen stammen von dem Unternehmen und wurden nicht unabhängig unter einem gemeinsamen Benchmark getestet, der Energieverbrauch, Proof-Größe, Sicherheitsniveau und Gesamthardwarekosten abdeckt.

Auch andere Entwickler haben die Echtzeitgrenze von Ethereum überschritten. Im November 2025 berichtete Succinct, dass SP1 Hypercube 99,7 % einer 954-Block-Ethereum-Stichprobe in weniger als 12 Sekunden mit 16 Nvidia RTX 5090 GPUs bewiesen hat. Etwa 95,4 % der Stichprobe wurden innerhalb von 10 Sekunden bewiesen.

Die Ethereum Foundation definiert Echtzeit-Proofing als den Abschluss von Proofs für mindestens 99 % der Mainnet-Blöcke innerhalb von 10 Sekunden. Ihr Rahmenwerk fordert auch vollständig quelloffenen Code, Proof-Größen unter 300 KiB, mindestens 128-Bit-Sicherheit, Hardwarekosten von nicht mehr als 100.000 USD und einen Stromverbrauch von maximal 10 Kilowatt.

Der Energieverbrauch könnte für Heim-Prover eine ernstere Grenze als die Kosten für die Ausrüstung darstellen, sagte die Foundation. Ein Proof kann vor der Frist von Ethereum ankommen, während er dennoch zu viel Energie, Kühlung oder Kapital für einen unabhängigen Betreiber erfordert.

Die Nachfrage nach KI verschärft den Zugang zu denselben GPUs

Obwohl KI und ZK-Proofing GPUs unterschiedlich nutzen, hängen beide Workloads von Nvidia-Beschleunigern ab, die von Verbraucher-RTX-Karten bis zu Datenzentrum-H100-Systemen reichen.

AI-Training und Inferenz basieren hauptsächlich auf Matrixberechnungen. Die Generierung von ZK-Beweisen ist stark von Multi-Skalar-Multiplikationen und zahlentheoretischen Transformationen abhängig, Operationen, die von GPUs verarbeitet werden können, für die jedoch nicht speziell entwickelt wurden.

Fan sagte, dass die Diskrepanz den Fall für ZK-spezifische Hardware unterstützt, da Beweissysteme in die gleiche Lieferkette wie KI-Entwickler eintreten, ohne die Chips auf die gleiche Weise zu nutzen. Da GPU-Stunden einen Großteil der Beweisrechnung ausmachen, schlagen höhere Hardware- und Mietkosten auf die Kosten jedes Beweises durch, fügte er hinzu.

Nvidias finanzielle Ergebnisse zeigen das Ausmaß der Nachfrage, die von der KI-Infrastruktur ausgeht. Der in den USA gelistete Chip-Hersteller berichtete für das am 26. April endende Quartal von 75,2 Milliarden US-Dollar Umsatz im Rechenzentrumsbereich, was einem Anstieg von 92 % im Vergleich zum Vorjahr entspricht. Der Umsatz aus Rechenzentrumsberechnungen erreichte 60,4 Milliarden US-Dollar, ein jährlicher Anstieg von 77 %.

Amazon Web Services hat separat zugestimmt, eine Million Nvidia-GPUs zu kaufen, wobei die Lieferungen bis 2027 fortgesetzt werden sollen, berichtete Reuters im März. Nvidias CEO Jensen Huang hat eine Verkaufschance von 1 Billion US-Dollar für die Produktfamilien Blackwell und Rubin bis zu diesem Jahr geschätzt.

Im Juni suchte Nvidias geplanter Anleiheverkauf mindestens 20 Milliarden US-Dollar zur Finanzierung von KI-Investitionen und zur Refinanzierung von Schulden. Bitcoin-Mining-Unternehmen hatten zu diesem Zeitpunkt mehr als 70 Milliarden US-Dollar an KI- und Hochleistungsrechenverträgen angekündigt, was zeigt, wie kryptowährungsgebundene Infrastrukturbetreiber ebenfalls Energie und Einrichtungen auf KI-Arbeitslasten umleiten.

Ein im Mai veröffentlichter Bernstein-Bericht schätzte die angekündigten KI-Infrastrukturpartnerschaften auf nahezu 90 Milliarden US-Dollar. Die Analysten schätzten, dass Bitcoin-Miner mehr als 27 Gigawatt an geplanter Leistungskapazität kontrollieren, verglichen mit etwa 3,7 Gigawatt, die mit angekündigten KI-Vereinbarungen verbunden sind, während einige US-Stromnetzanschlüsse bis zu 50 Monate benötigen könnten.

ZK-Rollups und Echtzeit-Beweiser stehen zuerst unter Druck

Echtzeit-Layer-1-Beweise stehen an vorderster Front des Kostendrucks, da sie GPUs erfordern, um für jeden Block einen neuen Beweis zu erzeugen, sagte Fan. Jede Verzögerung kann dazu führen, dass ein Beweiser die Zeitgrenze des Netzwerks verpasst, sodass Betreiber sowohl überflüssige Kapazitäten als auch genügend Hardware für die normale Nachfrage benötigen.

ZK-Rollups und Beweis-Marktplätze folgen, da GPU-Stunden direkt in die Betriebskosten und in einigen Fällen in die Benutzergebühren einfließen. Eine frühere Kostenanalyse der Beweisgenerierung schätzte, dass die Beweisgenerierung 60 % bis 70 % der Gebühren auf ZK-Layer-2-Netzwerken ausmachte, basierend auf L2Beat-Daten.

Laut derselben Analyse könnte die Generierung eines Beweises für eine Charge von 4.000 Transaktionen zwei bis fünf Minuten auf einer Nvidia A100 in Anspruch nehmen und zwischen 0,04 und 0,17 US-Dollar an Cloud-Computing-Gebühren kosten. Die Zahlen hängen vom Beweissystem, der Transaktionscharge, der Hardwarekonfiguration und dem Cloud-Tarif ab.

Fan platzierte zkML unter den am stärksten exponierten Anwendungen, da es eine KI-Arbeitslast mit den zusätzlichen Kosten für den Nachweis kombiniert, dass das Modell korrekt ausgeführt wurde. Für private Zahlungen, On-Chain-Spiele und andere Verbraucherprodukte sagte er, dass die Wirtschaft oft Beweis-Kosten erfordere, die in Cent gemessen werden.

"Kann der Preis die Akzeptanz begrenzen? Ja, am Rand," sagte Fan und fügte hinzu, dass private Zahlungen und Spiele wahrscheinlich zuerst verschoben würden, wenn ihre Wirtschaftlichkeit nicht mehr funktioniert.

Der Kostendruck könnte auch beeinflussen, wie viele Entitäten Beweiser betreiben können. Fan sagte, dass mehr als 90 % der ZK-Layer-2-Netzwerke auf eine kleine Gruppe von Beweisdiensten angewiesen sind, obwohl die Schätzung ein benanntes Datenset erfordert und als Cysics Bewertung betrachtet werden sollte.

FPGAs und ZK-ASICs bieten einen alternativen Hardware-Weg

Cysic hat reagiert, indem es mehrere Backends entwickelt hat, anstatt sich nur auf GPUs zu verlassen. Das öffentliche Venus-Repository umfasst GPU-Optimierungen, ein vollständiges FPGA-Beschleunigungs-Backend und eine frühe ASIC-orientierte Implementierung.

Das FPGA-Backend enthält Kerne für Goldilocks-Feldarithmetik, NTTs, Poseidon2, Merkle-Bäume, FRI und Ausdrucksauswertung. Der Code richtet sich an AMD UltraScale+ und Versal-Geräte mit Hochgeschwindigkeits-Speicher und ist unter den Lizenzen Apache 2.0 und MIT verfügbar.

Im Gegensatz zu einem ASIC kann ein FPGA nach der Produktion neu programmiert werden, was Entwicklern ermöglicht, Schaltungen zu aktualisieren und mit neuen Beweissystemen zu experimentieren. Maßgeschneiderte ASICs bieten weniger Flexibilität, können jedoch eine bessere Leistung und Energieeffizienz bieten, wenn sie für einen stabilen Satz von ZK-Operationen entworfen werden.

Fan sagte, dass der Umstieg auf FPGAs und ZK ASICs die Beweisoperatoren aus der Haupt-AI-Hardware-Warteschlange entfernen würde. Spezialisierte Geräte würden auch vermeiden, für GPU-Funktionen zu zahlen, die ZK-Arbeitslasten nicht benötigen, obwohl Entwicklungskosten und begrenzte Produktionsmengen weiterhin Hindernisse darstellen.

Die Öffnung der Software ist ein Teil von Cysics Ansatz. Das Unternehmen schlägt auch einen globalen Beweisermarkt vor, in dem Geräte von mobiler Hardware bis hin zu professionellen Clustern Aufträge annehmen können, wobei GPU- und FPGA-Backends die Abhängigkeit von einer Chipklasse verringern.

Kryptografische Verifizierung bedeutet, dass ein Verifier einen ungültigen Beweis unabhängig davon ablehnt, welcher Operator ihn erzeugt hat, sagte Fan. Die Öffnung der Teilnahme ändert daher nicht die Solidität des Beweissystems, erhöht jedoch die Exposition gegenüber Implementierungsfehlern in nicht geprüften oder unvollendeten Codes.

Cysic erklärt im Venus-Repository, dass das Projekt aktiv weiterentwickelt wird. Fan sagte, dass Audits und redundante Multi-Prover-Konfigurationen erforderlich wären, um das Implementierungsrisiko zu begrenzen.

Der Entwurf EIP-8025 würde es Ethereum-Validierern ermöglichen, sich für die Generierung oder Verifizierung von Ausführungsbeweisen zu entscheiden, während die konventionelle Blockerneuerung bestehen bleibt. Der Vorschlag führt einen Beweis-Gossip-Kanal und externe Beweis-Knoten ein, bietet jedoch in seiner aktuellen Version keine Anreize für Betreiber, die die Beweise generieren und verbreiten.
Mehr erfahren: Solana Company lehnt SOL-Inflation und Gebührenpläne ab