مدیر عامل Cysic: اثبات ZK باید فراتر از GPU ها برود زیرا تقاضای AI عرضه محاسبات را تنگ می‌کند

اثبات ZK شروع به رقابت با مراکز داده AI به ارزش تریلیون دلار برای همان GPU ها کرده است و هزینه‌های اثبات را افزایش داده است، در حالی که Cysic گزارش می‌دهد که 9% افزایش عملکرد از بهبود استفاده از سخت‌افزار حاصل شده است.

خلاصه

• Cysic می‌گوید که استفاده ناکارآمد از GPU، به جای قدرت محاسباتی ناکافی، اکنون هزینه‌های اثبات را تعیین می‌کند.
• بارهای کاری ZK با AI برای GPU های Nvidia رقابت می‌کنند، با وجود اینکه به عملیات ریاضی متفاوتی وابسته هستند.
• اثبات‌های زمان واقعی Ethereum و ZK-rollups ممکن است قبل از برنامه‌های مصرف‌کننده با هزینه‌های بالاتری مواجه شوند.
• Cysic انتظار دارد که این فشار باعث تسریع در پذیرش FPGA ها، ASIC های خاص ZK و بازارهای اثبات‌کننده باز شود.

لئو فن، بنیان‌گذار و مدیر عامل Cysic به crypto.news گفت که استفاده از GPU به یک محدودیت اساسی برای اثبات‌های بدون دانش تبدیل شده است زیرا سیستم‌های اثبات اکنون با مراکز داده AI که به شدت تأمین مالی شده‌اند برای همان سیلیکون رقابت می‌کنند.

"مدل‌های AI در حال همگرایی هستند. محاسبات این‌گونه نیست. همه فرض می‌کردند که هزینه‌های اثبات کاهش می‌یابد زیرا تراشه‌ها ارزان‌تر می‌شوند. در عوض، ما در حال رقابت با بودجه‌های تریلیون دلاری مراکز داده برای همان سیلیکون هستیم. به همین دلیل است که لایه سخت‌افزاری باید باز شود و به چندین ارائه‌دهنده اختصاصی واگذار نشود."

به گفته فن، این فشار تنها ناشی از کمبود ظرفیت محاسباتی نیست. او گفت که مشکل اصلی عدم تطابق معماری بین نرم‌افزار zkVM و شتاب‌دهنده‌های مورد استفاده برای تولید اثبات‌ها است که بخشی از ظرفیت GPU موجود را بلااستفاده می‌گذارد و هزینه هر اثبات را افزایش می‌دهد.

موتور اثبات Venus Cysic این عدم تطابق را با کاهش زمان صرف شده برای هماهنگی کار بین CPU ها و GPU ها نشان داد. همانطور که در آوریل گزارش شد، این شرکت بهبود زمان اثبات از ابتدا تا انتها را بیش از 9% در برابر ZisK 0.16.1 بدون تعویض سخت‌افزار زیرین ثبت کرده است.
شما همچنین ممکن است دوست داشته باشید: اثبات‌های ZK می‌توانند زیرساختی برای استیبل‌کوین‌های مطابق با مقررات باشند: مطالعه

هزینه‌های اثبات ZK اکنون بیشتر از سرعت خام اهمیت دارند

Venus به عنوان یک گسترش متمرکز بر سخت‌افزار از ZisK zkVM Polygon Hermez ساخته شده است و تولید اثبات را به عنوان یک گراف محاسباتی متصل نشان می‌دهد. Cysic می‌گوید که طراحی به سیستم اجازه می‌دهد تا کار را در طول فرآیند اثبات به جای مدیریت هر عملکرد سخت‌افزاری به عنوان یک تماس جداگانه زمان‌بندی کند.

از طریق ادغام CUDA Graph، تنظیم هسته و تغییرات حافظه مشترک، Venus انتقال داده‌های تکراری و همگام‌سازی بین پردازنده و GPU را کاهش می‌دهد. فن گفت که نتیجه نشان می‌دهد که شتاب‌دهنده‌های موجود به طور کامل استفاده نمی‌شوند و استفاده به عنوان گلوگاه عملی در پشت هزینه‌های اثبات عمل می‌کند.

سرعت اثبات خام به سرعت در سراسر صنعت بهبود یافته است. Cysic گفته است که ZisK می‌تواند یک اثبات بلوک Ethereum را در 7.4 ثانیه با 24 GPU تولید کند و می‌تواند اثبات‌های زمان واقعی را از طریق یک تنظیم RTX 4090 واحد ارسال کند. این ادعاها از سوی شرکت مطرح شده و تحت یک معیار مشترک که شامل مصرف انرژی، اندازه اثبات، سطح امنیت و هزینه کل سخت‌افزار است، به طور مستقل آزمایش نشده‌اند.

توسعه‌دهندگان دیگر نیز از آستانه زمان واقعی Ethereum عبور کرده‌اند. در نوامبر 2025، Succinct گزارش داد که SP1 Hypercube 99.7% از یک نمونه 954 بلوکی Ethereum را در کمتر از 12 ثانیه با استفاده از 16 GPU Nvidia RTX 5090 اثبات کرده است. حدود 95.4% از نمونه در 10 ثانیه اثبات شده است.

بنیاد Ethereum اثبات زمان واقعی را به عنوان تکمیل اثبات‌ها برای حداقل 99% از بلوک‌های شبکه اصلی در 10 ثانیه تعریف می‌کند. چارچوب آن همچنین خواستار کد کاملاً متن‌باز، اندازه‌های اثبات زیر 300 KiB، حداقل امنیت 128 بیتی، سخت‌افزار با هزینه حداکثر 100,000 دلار و مصرف برق محدود به 10 کیلووات است.

بنیاد گفت که مصرف انرژی ممکن است محدودیت جدی‌تری نسبت به هزینه تجهیزات برای اثبات‌کنندگان خانگی باشد. یک اثبات می‌تواند قبل از مهلت Ethereum برسد در حالی که هنوز به قدرت، خنک‌سازی یا سرمایه‌گذاری زیادی برای یک اپراتور مستقل نیاز دارد.

تقاضای AI دسترسی به همان GPU ها را تنگ می‌کند

اگرچه AI و اثبات ZK از GPU ها به طور متفاوتی استفاده می‌کنند، اما هر دو بار کاری به شتاب‌دهنده‌های Nvidia وابسته هستند که از کارت‌های مصرفی RTX تا سیستم‌های H100 مراکز داده متغیر است.

آموزش و استنتاج هوش مصنوعی عمدتاً از محاسبات ماتریسی استفاده می‌کند. تولید اثبات ZK به شدت به ضرب‌های چند مقیاسی و تبدیل‌های نظری عددی وابسته است، عملیاتی که پردازنده‌های گرافیکی می‌توانند پردازش کنند اما به طور خاص برای اجرای آن طراحی نشده‌اند.

فن گفت که این عدم تطابق، نیاز به سخت‌افزار خاص ZK را تأیید می‌کند زیرا سیستم‌های اثبات در حال ورود به همان صف تأمین با توسعه‌دهندگان هوش مصنوعی هستند بدون اینکه از چیپ‌ها به همان شیوه استفاده کنند. از آنجا که ساعت‌های GPU بخش عمده‌ای از هزینه‌های اثبات را تشکیل می‌دهند، هزینه‌های بالاتر سخت‌افزار و اجاره به هزینه هر اثبات منتقل می‌شود، او افزود.

نتایج مالی انویدیا نشان‌دهنده مقیاس تقاضا از زیرساخت‌های هوش مصنوعی است. این سازنده چیپ که در ایالات متحده فهرست شده است، 75.2 میلیارد دلار درآمد مرکز داده برای سه‌ماهه منتهی به 26 آوریل گزارش کرد که نسبت به سال گذشته 92 درصد افزایش یافته است. درآمد محاسبات مرکز داده به 60.4 میلیارد دلار رسید که افزایش سالانه 77 درصدی را نشان می‌دهد.

خدمات وب آمازون به طور جداگانه توافق کرده است که یک میلیون GPU انویدیا خریداری کند، با تحویل‌هایی که تا سال 2027 ادامه خواهد داشت، رویترز در ماه مارس گزارش داد. مدیرعامل انویدیا، جنسن هوانگ، برآورد کرده است که فرصت فروش 1 تریلیون دلاری برای خانواده‌های محصولات بلک‌ول و روبین تا آن سال وجود دارد.

در ماه ژوئن، فروش اوراق قرضه برنامه‌ریزی‌شده انویدیا حداقل 20 میلیارد دلار برای تأمین مالی سرمایه‌گذاری‌های هوش مصنوعی و بازپرداخت بدهی را هدف قرار داد. شرکت‌های استخراج بیت‌کوین در آن زمان بیش از 70 میلیارد دلار قرارداد در زمینه هوش مصنوعی و محاسبات با عملکرد بالا اعلام کرده بودند که نشان می‌دهد چگونه مالکان زیرساخت‌های مرتبط با ارزهای دیجیتال نیز قدرت و امکانات را به سمت بارهای کاری هوش مصنوعی هدایت می‌کنند.

گزارش برنشتین که در ماه مه منتشر شد، همکاری‌های زیرساخت هوش مصنوعی اعلام‌شده را نزدیک به 90 میلیارد دلار برآورد کرد. تحلیلگران تخمین زدند که استخراج‌کنندگان بیت‌کوین بیش از 27 گیگاوات ظرفیت قدرت برنامه‌ریزی‌شده را کنترل می‌کنند، در مقایسه با حدود 3.7 گیگاوات مرتبط با توافق‌های اعلام‌شده هوش مصنوعی، در حالی که برخی از اتصالات شبکه ایالات متحده ممکن است تا 50 ماه طول بکشد.

ZK-rollups و اثبات‌کننده‌های زمان واقعی ابتدا تحت فشار قرار می‌گیرند

فن گفت که اثبات زمان واقعی لایه 1 در خط مقدم فشار هزینه قرار دارد زیرا نیاز به GPU دارد تا برای هر بلوک یک اثبات جدید تولید کند. هر گونه تأخیر می‌تواند باعث شود که یک اثبات‌کننده از محدودیت زمانی شبکه جا بماند، بنابراین اپراتورها به ظرفیت اضافی و همچنین سخت‌افزار کافی برای تقاضای عادی نیاز دارند.

ZK-rollups و بازارهای اثبات به دنبال آن هستند زیرا ساعت‌های GPU به طور مستقیم به هزینه‌های عملیاتی و در برخی موارد، هزینه‌های کاربر مرتبط می‌شوند. یک تحلیل هزینه اثبات قبلی تخمین زده بود که تولید اثبات 60 تا 70 درصد از هزینه‌ها را در شبکه‌های لایه 2 ZK تشکیل می‌دهد و به داده‌های L2Beat اشاره کرده است.

بر اساس همان تحلیل، تولید یک اثبات برای یک دسته از 4000 تراکنش می‌تواند دو تا پنج دقیقه بر روی یک انویدیا A100 طول بکشد و هزینه‌ای بین 0.04 تا 0.17 دلار در هزینه‌های محاسبات ابری داشته باشد. این ارقام به سیستم اثبات، دسته تراکنش، پیکربندی سخت‌افزار و نرخ ابری بستگی دارد.

فن zkML را در میان کاربردهای بیشترین آسیب‌پذیری قرار داد زیرا این برنامه بار کاری هوش مصنوعی را با هزینه اضافی اثبات اینکه مدل به درستی اجرا شده است، ترکیب می‌کند. برای پرداخت‌های خصوصی، بازی‌های زنجیره‌ای و سایر محصولات مصرفی، او گفت که اقتصاد معمولاً نیاز به هزینه‌های اثباتی دارد که به سکه‌ها اندازه‌گیری می‌شود.

"آیا محدودیت هزینه می‌تواند پذیرش را محدود کند؟ بله، در حاشیه،" فن گفت و افزود که پرداخت‌های خصوصی و بازی‌ها احتمالاً ابتدا به تعویق خواهند افتاد زمانی که اقتصاد آنها دیگر کار نمی‌کند.

فشار هزینه همچنین می‌تواند بر تعداد نهادهایی که می‌توانند اثبات‌کننده‌ها را اداره کنند تأثیر بگذارد. فن گفت که بیش از 90 درصد شبکه‌های لایه 2 ZK به یک گروه کوچک از خدمات اثبات‌کننده وابسته هستند، اگرچه این تخمین نیاز به یک مجموعه داده نام‌دار دارد و باید به عنوان ارزیابی Cysic در نظر گرفته شود.

FPGAها و ZK ASICها یک مسیر سخت‌افزاری جایگزین ارائه می‌دهند

Cysic با توسعه چندین backend به جای اتکا تنها به GPUها پاسخ داده است. مخزن عمومی ونوس شامل بهینه‌سازی‌های GPU، یک backend کامل تسریع FPGA و یک پیاده‌سازی اولیه متمرکز بر ASIC است.

پشتیبانی FPGA آن شامل هسته هایی برای حساب های عددی Goldilocks، NTT ها، Poseidon2، درختان Merkle، FRI و ارزیابی عبارات است. این کد برای دستگاه های AMD UltraScale+ و Versal با حافظه با پهنای باند بالا هدف گذاری شده و تحت مجوزهای Apache 2.0 و MIT در دسترس است.

برخلاف ASIC، FPGA پس از تولید قابل برنامه ریزی مجدد است، که به توسعه دهندگان اجازه می دهد مدارها را به روز کنند و با سیستم های اثبات جدید آزمایش کنند. ASIC های سفارشی انعطاف پذیری کمتری ارائه می دهند اما می توانند عملکرد و کارایی انرژی بهتری را زمانی که برای مجموعه ای پایدار از عملیات ZK طراحی شده اند، ارائه دهند.

فن گفت که انتقال به FPGA ها و ASIC های ZK، اپراتورهای اثبات را از صف اصلی سخت افزار AI حذف می کند. دستگاه های تخصصی همچنین از پرداخت هزینه برای عملکردهای GPU که بارهای کاری ZK به آن نیاز ندارند، اجتناب می کنند، اگرچه هزینه های توسعه و حجم تولید محدود همچنان موانع باقی مانده اند.

باز کردن نرم افزار یکی از جنبه های رویکرد Cysic است. این شرکت همچنین یک بازار جهانی برای اثبات کنندگان پیشنهاد می کند که در آن دستگاه هایی از سخت افزارهای موبایل تا خوشه های حرفه ای می توانند کارها را بپذیرند، با پشتیبانی GPU و FPGA که وابستگی به یک کلاس تراشه را کاهش می دهد.

تأیید رمزنگاری به این معنی است که یک تأیید کننده یک اثبات نامعتبر را صرف نظر از اینکه کدام اپراتور آن را تولید کرده است، رد می کند، فن گفت. بنابراین، باز کردن مشارکت، صداقت سیستم اثبات را تغییر نمی دهد، اما در معرض خطاهای پیاده سازی در کدهای غیر حسابرسی شده یا ناتمام قرار می گیرد.

Cysic در مخزن Venus بیان می کند که پروژه همچنان در حال توسعه فعال است. فن گفت که برای محدود کردن ریسک پیاده سازی، به حسابرسی ها و پیکربندی های چند اثبات کننده اضافی نیاز خواهد بود.

پیش نویس EIP-8025 به اعتبارسنجی های Ethereum اجازه می دهد تا در تولید یا تأیید اثبات های اجرایی انتخاب کنند در حالی که اجرای مجدد بلوک های معمولی در جای خود باقی می ماند. این پیشنهاد یک کانال شایعه اثبات و گره های اثبات خارجی را معرفی می کند، اما نسخه فعلی آن مشوق هایی برای اپراتورهایی که اثبات ها را تولید و پخش می کنند، ارائه نمی دهد.

بیشتر بخوانید: شرکت Solana برنامه های تورم و هزینه SOL را رد می کند