图片开始：由无界 AI用具生成全球体育资讯 进球网

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；

我和会的 on-chain AI 价值；

on-chain AI 的应用场景和技俩分析。

斥地者对基础方法成立的淘气执着和多样 rollup 处分决议的更新迭代如实让正本过期的 web3 接洽智商完结了冲突，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完结链上 AI，获胜在链下运行模子似乎也能满足大部分需求，而事实上圈套今险些通盘的 AI 模子皆所以黑盒、中心化的模式在运行，况兼相似在各个边界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？

主流的和会是通过区块链让 AI 模子 transparent + verifiable

再具体少量，AI 上链意味着东说念主工智能模子的 complete verification，也等于说一个模子需要向全网（用户或考证者）公开以下三点：

模子架构；

模子参数和权重：公开参数和权重或然候会对产物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 作念荫藏处理以确保安全性；

模子输入：在 web3 的场景里基本上是链上公开数据。

当满足以上条目时，通盘这个词模子施行的过程是具备详情趣的且不再是黑盒操作，任何东说念主皆可以在链上对模子的输入和完结进行考证，从而防患模子领有者或者筹议权限东说念主对模子进行垄断。

2）AI + blockchain 的能源是什么？

AI 与 blockchain 连结的意思意思不在于替代中心化的 Web2 东说念主工智能的运作模式，而是：

在不点火去中心化和 trustless 的基础上，为 web3 宇宙创造下一阶段的价值。面前的区块链就像是 web2 的早期阶段，还莫得不时更遍及应用或者创造更大价值的智商。而只消在加入 AI 之后，dapp 的假想力智力确切卓越到下一阶段，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，而是通过阐述区块链的价值，从用户体验和可能性上作念出普及。

为 web2 黑盒的 AI 运行模式提供一种透明的、trustless 的处分决议。

假想一下 web3 的应用场景：

将保举算法加入到 NFT 走动平台，基于用户喜好保举相应 NFT，提高升沉；

在游戏中加入 AI 敌手方，更透明、自制的游戏体验；

……

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

- 有价值吗？有。

- 价值大吗？取决于产物和场景。

AI 能创在的价值从来皆不仅是 99 到 100 的优化，确切让我兴隆的，是从 0 到 1 的全新应用，一些只消通过 transparent + verifiable 的链上模子智力完结的 use case。不外这些“令东说念主兴隆的”use case 面前主要靠假想力，莫得熟悉的应用，先来开几个脑洞：

通过基于 neural network 的决策模子作念 crypto trading：一种产物形态可能更像是 copy trading 的升级版块，以至是一种全新的走动玩法。用户不再需要信任或调研其他 experienced trader，而是对透彻公开透明的模子以偏激 performance 下注。骨子上 AI 把柄对 crypto 改日价钱的瞻望更快更坚定地进行走动。关联词莫得链上 AI 自带的“trustless autonomy”，这么的下注对象或者标准根柢是不存在的。用户/投资者可以透明地看到模子决策的原因、过程以至改日高潮/下落的精确概率；

AI 模子手脚裁判：一种产物可能是全新形态的预言机，通过 AI 模子对数据开始的准确性进行瞻望。用户不再需要信任 validator，也不必系念节点犯法，预言机提供方以至不需要遐想复杂的节点网罗和赏罚机制来完结去中心化。相应地，链上 transparent + verifiable 的 AI 依然富余满足考证链下 data source 置信度的任务。这种全新的产物形态在安全性、效果和成本上有契机变成碾压，去中心化的对象也由东说念主卓越到“trustless autonomy”的 AI 用具，无疑是更安全的。

基于大模子的组织管束/运作体系：DAO 的治理骨子上应该是高效、去中心化、自制的，而当今的近况却以火去蛾中，松散且痴肥，穷乏透明和自制性，链上 AI 的加入能提供极端契合的处分决议，将管束模式、效果普及到最高，将管束中系统性和东说念主性的风险无尽拉低。咱们以至可以去假想一种全新的 web3 技俩的发展和运作模式，通盘这个词框架及改日发展观点和提案险些不依赖斥地团队或者 DAO 投票的方式来进行决策，相应的，基于大模子更雄壮的数据赢得量和远超东说念主的接洽智商去作念决策。但这一切的前提亦然模子上链，莫得 AI 的“trustless autonomy”就不存在去中心化宇宙从东说念主到用具的跃迁。

……

小结一下

基于链上 AI 的新的产物形态基本可以转头为将去中心化和 trustless 的主体从东说念主变为 AI 用具，这也相宜传统宇宙出产力的进化过程，最开动是在东说念主这个主体险阻功夫，束缚升级普及东说念主效，到背面通过智能用具替代东说念主，在安全性和效果上颠覆原有的产物遐想。

其中最关键的、也所以上一切的前提，是通过区块链完结 AI 的 transparent + verifiable。

3）Web3 的下一个阶段

区块链手脚一个气候级的技巧创新，不可能只是停留在原始阶段。流量和经济模子很重要，但用户不会一直停留在追捧流量或破耗多数资源作念 X to earn，web3 也不会因此 onboard 下一波新用户。但有一件事的详情趣是很强的：web3 宇宙出产力和价值的更正一定来自 AI 的加入。

皇冠体育hg86a

我合计唐突分红底下三个阶段

肇始：零常识阐述算法和硬件的更新迭代为链上 AI 的露馅第一次提供了可能性；（咱们在这）

发展：不论是 AI 对已有应用的普及如故基于 AI + blockchain 的全新产物，皆在将通盘这个词行业上前鼓励；

结尾：AI + blockchain 的最终走向是什么？

上头的盘考皆是通过 AI 与区块链的连结 bottom up 地发掘应用场景，换个想路 top down 地看待 AI + blockchain，AI 会不会重溯区块链自己？AI + blockchain = 自得当的区块链

一些公链会最初交融链上 AI，从公链的层面转机为一种自得当的，自身发展观点不再依赖技俩基金会决策而是基于雄壮数据进行决策、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模式中脱颖而出。

在 verifiable + transparent 的 AI 加捏下，blockchain 的自诊疗体当今那里，可以参考 modulus lab 提到的几个例子：

链上的走动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 地调整剖析币的 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，并完结身份管束的十足去信任；

允许链上应用最大化地拿获链上数据带来的价值，支捏定制化内容保举等作事。

从另一个角度看，zkrollup 束缚迭代优化，然而恒久穷乏一个确切只可在 zk 生态上跑的应用，ZKML 正巧相宜这少量，况兼假想空间也富余大。ZK-rollup 改日很可能手脚 AI 参预 web3 的进口从而创造更大价值，两者彼此建设。

1）Web3 能为 AI 提供什么？

基础方法和 ZK 无疑是 web3 最淘气内卷的赛说念，多样 ZK 技俩在电路优化和算法升级险阻足了功夫，不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 的斥地，如故进一步将 rollup 作念成定制化的作事，以至硬件加快……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，但具体如何个加法？

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 的过程等于模子施行的过程，对模子瞻望的过程生成 proof（其中包括模子参数和 input），任何东说念主皆可以在链上考证 proof。

AI 模子如故在高效的集群上施行，以至搞点硬件加快进一步普及接洽速率，在最大化诳骗算力的同期确保莫得中心化的东说念主或者机构可以从中批改或插手模子，也等于确保：

模子瞻望完结的详情趣 = 可考证的（input + 模子架构 + 参数）

把柄以上作念法，可以进一步忖度哪些 infra 对 AI 上链至关重要：

ZKP system、rollup：Rollups 延迟了咱们对区块链接洽智商的假想空间，把一堆 transactions 打包，以至递归地生成 proof of proof 进一步裁汰成本。对于当今雄壮的模子来说，提供可能性的第一步等于 proof system 和 rollup；

硬件加快：ZK rollup 提供了 verifiable 的基础，但 proof 的生成速率获胜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 彰着是不 work 的，因此，通过 FPGA 进行硬件加快彰着是一个很好的 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似需要保证隐讳性。

补充：

大模子的基础是 GPU，莫得高并行的支捏，大模子的效果将会极端低，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，耐久来看并不利好大模子的部署。

2）挑战：更苍劲的 proof system

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

当今的 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”极端提神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 分离从时刻豪侈和内存占用两个维度开赴进行测试，况兼在这两个维度平分离次第了参数和层数两个中枢变量。以下是 benchmark suites，这么的遐想也可以唐突障翳从 LeNet5 的 60 k 参数目，0.5 MFLOPs，到 ResNet-34 的 22 M 参数目，3.77 GFLOPs。

时刻豪侈的测试完结：

内存占用的测试完结：

基于以上数据，举座看面前的 zk 算法以及具备支捏对大模子生成 proof 的可能性，但相应的成本依旧很高，需要以至 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，然而手脚 tradeoff 内存占用权臣增多。Plonky2 和 zkCNN 在时刻和空间上的发达相似考证了这少量。

那么当今问题其实就从 zkp system 是否可以支捏链上 AI 转机为了支捏 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 的压力也会马上增多。如实，当今有 trustless 的神经网罗吗，莫得！等于因为成本算不外来。

因此，打造一个为 AI 定制化的 proof system 至关重要。同期，完结对 AI 这种单次调用接洽十分复杂的逻辑，gas 的豪侈模子也需从头遐想，一个高性能的 zkvm 至关重要，但当今咱们依然能看到好多高性能的尝试，比如 OlaVM, polygon Miden 等，这些基础方法的束缚优化极大普及了 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 这个观点从不穷乏优秀的团队和创新的想法。

就像上头说的，从 AI + Blockchain 发展阶段看当今市集处于肇始到发展的中间阶段，产物尝试观点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 的主体由东说念主变为用具，在安全性和效果上颠覆原有的产物形态。

底下从一些现存的应用尝试开赴，分析一下 AI + Blockchain 耐久的产物发展观点

1）The Rockefeller Bot：宇宙上第一个 on-chain AI

Rockefeller 是 modulus lab 团队推出的第一个链上 AI 的产物，有很强的“顾虑价值”。这个模子骨子上是一个 trading bot，具体来说，rockefeller 的试验数据是多数链上公开的 WEth-USDC 的 price/exchange rate，其自己是一个三层前馈经网罗模子，瞻望指标是改日 WEth 价钱涨跌。

以下是当 trading bot 决策要进行走动时的过程：

Rockefeller 在 ZK-rollup 上对瞻望完结生成 ZKP；

ZKP 在 L1 上被考证（资金由 L1 的合约督察），并施行操作；

可以看出 trading bot 的瞻望、资金操作十足是去中心化且 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。比拟于信任其他 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 也能最猛进程上的摈斥东说念主性的影响，更坚定地进行走动。

你可能依然想给 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、效果、阐述系统等多方面的截止，rockefeller 的主要目的是手脚一个 demo 让 web3 宇宙看到 on-chain AI 的可行性。（Rockefeller 依然完成任务下线 T T）

2）Leela：宇宙上第一个 on-chain AI game

最近发布的 Leela v.s. the world 相似是出自 modulus lab。游戏机制很简便，东说念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 完结后 loser’s pool 会把柄质押代币的数目相应地分派给 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)。天然在模子范畴和产物内容上 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眷注的，这能帮咱们更好地和会链上 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，也等于每次瞻望，皆会生成 ZKP，况兼只消在经过合约考证之后才会在游戏内收效。也等于说，受益于 trustless autonomous AI，用户下注的资金和自制性十足受到密码学的保护还不需要信任游戏斥地者。

Leela 接受的是 Halo2 算法，主要原因是它的用具和遐想的纯真性可以匡助遐想更高效的阐述体系，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：如若需要将更大的模子带入 web3，咱们需要斥地更苍劲的 proof system。

不外 Leela 的价值在于给咱们带来了 AI + Web3 game 更大的假想空间，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捏和更自制的游戏体系，而 on-chain AI 正巧提供了这少量。打个譬如，在游戏中加入 AI-driven 的游戏场景或者 NPC，不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假想空间。

3）Worldcoin：AI + KYC

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完结支付等繁衍功能，处分的问题是反抗女巫膺惩，当今的注册用户卓越了 1.4 m。

用户通过一个叫 Orb 的硬件扫描虹膜，将个东说念主信息添加到数据库中，Worldcoin 通过 Orb 硬件中的接洽环境运行 CNN 模子压缩并阐述用户虹膜数据的有用性。听上去很强，但如若需要作念到身份考证的确切去中心化，worldcoin 团队正在探索通过 ZKP 考证模子的输出。

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 在时刻上十足可以胜任，但内存豪侈对于消费级的硬件来说是不可能完成的。

4）其他技俩

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 处分去中心化链下数据考证的问题。用户不再需要信任 validator，而是通过富余精确且可考证的链上 AI 完成考证链下 data source 的责任，比如对于实践钞票或者身份的考证可以获胜让 AI 去读取相印的物理信息手脚输入并作念出决策。

Lyra finance：Lyra finance 是一个 option AMM，提供繁衍品走动市集。为了提高老本诳骗率，Lyra 团队和 modulus lab 正在互助斥地基于可考证 AI 模子的 AMM。基于可考证的、自制的 AI 模子，Lyra finance 有契机成为 AI + Blockchain 的一次大范畴落地实验，为 web3 用户初次带来自制的 matchmaking，通过 AI 对链上市集进行优化，提供更高的答复。

Giza：ZKML 平台，将模子获胜部署在链上而不是进行链下考证，Nice try，but…由于算力以及 Cairo 不支捏 CUDA-based 的阐述生成的问题，Giza 只可支捏一些小模子的部署。这亦然最致命的问题，从耐久来看，能对 web3 产生颠覆性影响的一定是大模子，而这种范畴的模子必须有苍劲的硬件支捏，比如 GPU。

Zama-ai：模子的同态加密。同态加密是一种加密形势，简便默示为：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势的代数运算得到仍然是加密的完结，将其解密所得到的完结与对明文进行相似的运算完结一样。模子的隐讳性一直是 AI + Blockchain 观点的热门和瓶颈，天然 zk 对隐讳友好，但 zk 不等于 privacy。zama 勉力于确保模子施行的 privacy-preserving。

ML-as-a-service：这面前还只是一个想考观点，莫得具体的落地应用，但目的是通过 ZKP 处分中心化 ML 作事提供者犯法以及用户信任的问题。Daniel Kang 在著述“Trustless Verification of Machine Learning”中有提神的刻画（参考文中的一张图）

举座来说，在 web3 宇宙里的 AI 处于极端早期的阶段，然而无须置疑的是 onchain-AI 的熟悉和普及一定会把 web3 的价值带到另一个高度。从技巧上看，区块链能给 AI 提供私有的基础方法，AI 亦然改变 web3 出产联系的重要用具，两者的连结可以碰撞出好多可能性，这亦然值得兴隆和翻开假想力的场所。

从 AI 上链的能源看，一方面，transparent + verifiable 的链上 AI 将去中心化和 trustless 的主体从东说念主变为 AI 用具，极大普及了效果、安全性，况兼为创造全新的产物形态提供了可能性；另一方面，区块链的基础方法束缚迭代，web3 确切需要一个能让这些基础方法阐述最大价值的杀手级应用，ZKML 正巧相宜这少量，比如 ZK-rollup 改日很可能手脚 AI 参预 web3 的进口。

从可行性上看，当今的基础方法能一定进程上支捏一定例模的模子，但还有好多省略情身分。通过 ZKP 作念可考证模子面前看是 AI 上链的必经之路，可能亦然详情趣最强的将 AI 带入的 web3 应用的技巧旅途。然而永久来看当今的 proof system 需要再进行指数级的普及智力富余支捏日渐雄壮的模子。

从应用场景看，AI 险些可以完好地参与到任何一个 web3 的观点，不论是 game、Defi、DID、tooling……天然面前已有的技俩极端匮乏而且穷乏耐久价值全球体育资讯 进球网，还莫得从一种普及效果的用具转机为改变出产联系的应用。但值得兴隆的是有东说念主迈出了第一步，咱们可以看到 AI + blockchain 的最早期的面容和之后的可能性。