图片起首：由无界 AI器具生成uG环球捕鱼

通过这篇著作你可以了解：

什么是 on-chain AI？

为什么还莫得链上 AI?

AI 上链的能源；

技艺旅途；

我默契的 on-chain AI 价值；

on-chain AI 的应用场景和名目分析。

斥地者对基础格式成立的狂妄执着和多样 rollup 措置决议的更新迭代如实让蓝本落伍的 web3 猜想才略杀青了梗阻，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杀青链上 AI，胜仗在链下运行模子似乎也能自负大部分需求，而事实上圈套今实在总共的 AI 模子齐所以黑盒、中心化的模式在运行，而且相同在各个鸿沟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？

主流的默契是通过区块链让 AI 模子 transparent + verifiable

再具体少许，AI 上链意味着东谈主工智能模子的 complete verification，也即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：公开参数和权重巧合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。

当自负以上条目时，总共这个词模子推广的过程是具备详情味的且不再是黑盒操作，任何东谈主齐可以在链上对模子的输入和摈弃进行考据，从而防护模子领有者概况联系权限东谈主对模子进行主管。

2）AI + blockchain 的能源是什么？

AI 与 blockchain 网络的意旨不在于替代中心化的 Web2 东谈主工智能的运作模式，而是：

在不糟跶去中心化和 trustless 的基础上，为 web3 天下创造下一阶段的价值。面前的区块链就像是 web2 的早期阶段，还莫得相连更等闲应用概况创造更大价值的才略。而只须在加入 AI 之后，dapp 的瞎想力才能信得过朝上到下一阶段，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 的措置决议。

瞎想一下 web3 的应用场景：

将保举算法加入到 NFT 往复平台，基于用户喜好保举相应 NFT，提高蜕变；

在游戏中加入 AI 敌手方，更透明、公正的游戏体验；

……

然则，这些应用齐是通过 AI 对已有的功能在恶果概况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 能创在的价值从来齐不仅是 99 到 100 的优化，信得过让我兴盛的，是从 0 到 1 的全新应用，一些只须通过 transparent + verifiable 的链上模子才能杀青的 use case。不外这些“令东谈主兴盛的”use case 面前主要靠瞎想力，莫得教训的应用，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，致使是一种全新的往复玩法。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止境 performance 下注。实践上 AI 左证对 crypto 改日价钱的瞻望更快更飞舞地进行往复。关联词莫得链上 AI 自带的“trustless autonomy”，这么的下注对象概况程序根底是不存在的。用户/投资者可以透明地看到模子决策的原因、过程致使改日飞腾/着落的精确概率；

AI 模子算作裁判：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瞻望。用户不再需要信任 validator，也不必惦念节点监犯，预言机提供方致使不需要遐想复杂的节点网罗和赏罚机制来杀青去中心化。相应地，链上 transparent + verifiable 的 AI 也曾饱和自负考据链下 data source 置信度的任务。这种全新的居品形态在安全性、恶果和成本上有契机造成碾压，去中心化的对象也由东谈主朝上到“trustless autonomy”的 AI 器具，无疑是更安全的。

基于大模子的组织管制/运作体系：DAO 的治理实践上应该是高效、去中心化、公正的，而当今的近况却以火去蛾中，松散且肥美，缺少透明和公正性，链上 AI 的加入能提供止境契合的措置决议，将管制模式、恶果普及到最高，将管制中系统性和东谈主性的风险无穷拉低。咱们致使可以去瞎想一种全新的 web3 名观点发展和运作模式，总共这个词框架及改日发展地点和提案实在不依赖斥地团队概况 DAO 投票的方式来进行决策，相应的，基于大模子更弘远的数据得回量和远超东谈主的猜想才略去作念决策。但这一切的前提亦然模子上链，莫得 AI 的“trustless autonomy”就不存在去中心化天下从东谈主到器具的跃迁。

……

小结一下

基于链上 AI 的新的居品形态基本可以回归为将去中心化和 trustless 的主体从东谈主变为 AI 器具，这也相宜传统天下坐蓐力的进化过程，最启动是在东谈主这个主体凹凸功夫，络续升级普及东谈主效，到后头通过智能器具替代东谈主，在安全性和恶果上颠覆原有的居品遐想。

其中最毛病的、也所以上一切的前提，是通过区块链杀青 AI 的 transparent + verifiable。

3）Web3 的下一个阶段

区块链算作一个气候级的技艺创新，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破耗无数资源作念 X to earn，web3 也不会因此 onboard 下一波新用户。但有一件事的详情味是很强的：web3 天下坐蓐力和价值的翻新一定来自 AI 的加入。

我以为约莫分红底下三个阶段

皇冠体育hg86a

肇始：零常识讲解算法和硬件的更新迭代为链上 AI 的袒露第一次提供了可能性；（咱们在这）

发展：岂论是 AI 对已有应用的普及照旧基于 AI + blockchain 的全新址品，齐在将总共这个词行业上前鼓舞；

终局：AI + blockchain 的最终走向是什么？

上头的商议齐是通过 AI 与区块链的网络 bottom up 地发掘应用场景，换个念念路 top down 地看待 AI + blockchain，AI 会不会重溯区块链本人？AI + blockchain = 自稳妥的区块链

一些公链会领先交融链上 AI，从公链的层面调动为一种自稳妥的，自身发展地点不再依赖名目基金会决策而是基于弘远数据进行决策、自动化水平远超传统区块链的形态，从而从面前多链焕发的时势中脱颖而出。

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

链上的往复市集可以去中心化地自动调动，比如基于链上公开数据及时、不需要 trust assumption 地颐养清晰币的 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，并杀青身份管制的统统去信任；

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事业。

从另一个角度看，zkrollup 络续迭代优化，然则永远缺少一个信得过只可在 zk 生态上跑的应用，ZKML 偶合相宜这少许，而且瞎想空间也饱和大。ZK-rollup 改日很可能算作 AI 参加 web3 的进口从而创造更大价值，两者相互配置。

1）Web3 能为 AI 提供什么？

基础格式和 ZK 无疑是 web3 最狂妄内卷的赛谈，多样 ZK 名目在电路优化和算法升级凹凸足了功夫，岂论是对多层网罗的探索，概况是对模块化区块链以及 data availability layer 的斥地，照旧进一步将 rollup 作念成定制化的事业，致使硬件加快……这些尝试齐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，但具体怎样个加法？

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 的过程即是模子推广的过程，对模子瞻望的过程生成 proof（其中包括模子参数和 input），任何东谈主齐可以在链上考据 proof。

AI 模子照旧在高效的集群上推广，致使搞点硬件加快进一步普及猜想速率，在最大化愚弄算力的同期确保莫得中心化的东谈主概况机构可以从中改造或插手模子，也即是确保：

模子瞻望摈弃的详情味 = 可考据的（input + 模子架构 + 参数）

左证以上作念法，可以进一步推断哪些 infra 对 AI 上链至关紧迫：

ZKP system、rollup：Rollups 彭胀了咱们对区块链猜想才略的瞎想空间，把一堆 transactions 打包，致使递归地生成 proof of proof 进一步裁汰成本。对于当今弘远的模子来说，提供可能性的第一步即是 proof system 和 rollup；

硬件加快：ZK rollup 提供了 verifiable 的基础，但 proof 的生成速率胜仗关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 显明是不 work 的，因此，通过 FPGA 进行硬件加快显明是一个很好的 boost。

密码学：密码学是区块链的基础，而链上模子以及敏锐数据相同需要保证隐秘性。

补充：

大模子的基础是 GPU，莫得高并行的支捏，大模子的恶果将会止境低，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，一个关系到用户体验和可行性，一个关系到成本和天花板。

当今的 zkp system 够用吗？

够用，但不够好…

Modulus lab 在著作“The Cost of Intelligence: Proving Machine Learning Inference with Zero-Knowledge”止境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 中提到的不同讲解系统

基于以上 zk 算法，modulus lab 永别从时辰铺张和内存占用两个维度登程进行测试，而且在这两个维度等永别限制了参数和层数两个中枢变量。以下是 benchmark suites，这么的遐想也可以约莫掩饰从 LeNet5 的 60 k 参数目，0.5 MFLOPs，到 ResNet-34 的 22 M 参数目，3.77 GFLOPs。

近年来，北京大力推进全球数字经济标杆城市建设。大会闭幕式上，北京市经济和信息化局局长姜广智利用真身复刻的数字人分身，对外发布大会重大成果。这是北京市级机关主要负责人首次探索尝试自身复刻的写实型数字人出席国际化会议活动。

记者7月5日采访获悉，今年以来，在沈快递企业在保证快递更“快”的同时，上门服务普及范围更广，在又快又好的服务质量带动下，前五个月，沈阳市快递业业务量、业务收入纷纷实现两位数增长，增幅较去年实现跨越式提升，稳稳居于东北首位。

时辰铺张的测试摈弃：

内存占用的测试摈弃：

基于以上数据，全体看面前的 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，需要致使 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，然则算作 tradeoff 内存占用权贵加多。Plonky2 和 zkCNN 在时辰和空间上的推崇相同考据了这少许。

那么当今问题其实就从 zkp system 是否可以支捏链上 AI 调动为了支捏 AI+Blockchain 付出代价值不值？而且跟着模子参数的指数级上升，对 proof system 的压力也会连忙加多。如实，当今有 trustless 的神经网罗吗，莫得！即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，杀青对 AI 这种单次调用猜想十分复杂的逻辑，gas 的铺张模子也需再行遐想，一个高性能的 zkvm 至关紧迫，但当今咱们也曾能看到许多高性能的尝试，比如 OlaVM, polygon Miden 等，这些基础格式的络续优化极大普及了 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 这个地点从不缺少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，居试吃试地点还所以基于现存功能对用户体验优化为主。但最能体现价值的照旧通过 AI 在链上将 trustless 的主体由东谈主变为器具，在安全性和恶果上颠覆原有的居品形态。

底下从一些现存的应用尝试登程，分析一下 AI + Blockchain 耐久的居品发展地点

1）The Rockefeller Bot：天下上第一个 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“牵记价值”。这个模子实践上是一个 trading bot，具体来说，rockefeller 的检会数据是无数链上公开的 WEth-USDC 的 price/exchange rate，其本人是一个三层前馈经网罗模子，瞻望策划是改日 WEth 价钱涨跌。

以下是当 trading bot 决策要进行往复时的经由：

Rockefeller 在 ZK-rollup 上对瞻望摈弃生成 ZKP；

ZKP 在 L1 上被考据（资金由 L1 的合约相沿），并推广操作；

可以看出 trading bot 的瞻望、资金操作统统是去中心化且 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谈主性的影响，更飞舞地进行往复。

你可能也曾想给 Rockefeller 注点资金玩一玩了，但这确切能赢利吗？

并弗成，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、恶果、讲解系统等多方面的放手，rockefeller 的主要观点是算作一个 demo 让 web3 天下看到 on-chain AI 的可行性。（Rockefeller 也曾完成任务下线 T T）

2）Leela：天下上第一个 on-chain AI game

最近发布的 Leela v.s. the world 相同是出自 modulus lab。游戏机制很简短，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 终端后 loser’s pool 会左证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)。天然在模子限制和居品内容上 Leela 齐超越了 rockefeller，但归根结底这照旧一次大型的 on-chain AI experiment。Leela 的背后的机制和运行模式才是需要和顺的，这能帮咱们更好地默契链上 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，也即是每次瞻望，齐会生成 ZKP，而且只须在经过合约考据之后才会在游戏内成效。也即是说，受益于 trustless autonomous AI，用户下注的资金和公正性统统受到密码学的保护还不需要信任游戏斥地者。

Leela 领受的是 Halo2 算法，主要原因是它的器具和遐想的生动性可以匡助遐想更高效的讲解体系，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 的缺欠，比如生成讲解的速率较慢，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：要是需要将更大的模子带入 web3，咱们需要斥地更强盛的 proof system。

不外 Leela 的价值在于给咱们带来了 AI + Web3 game 更大的瞎想空间，王者荣耀玩家此刻应该无比但愿王者匹配算法 fully on-chain:) Gamefi 需要更优质的内容扶植和更公正的游戏体系，而 on-chain AI 偶合提供了这少许。打个比喻，在游戏中加入 AI-driven 的游戏场景概况 NPC，岂论是玩家的游戏体验照旧经济体系的玩法齐提供了巨大的瞎想空间。

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杀青支付等生息功能，措置的问题是抵抗女巫袭击，当今的注册用户特等了 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 硬件中的猜想环境运行 CNN 模子压缩并确认用户虹膜数据的灵验性。听上去很强，但要是需要作念到身份考据的信得往日中心化，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 在时辰上统统可以胜任，但内存铺张对于消费级的硬件来说是不可能完成的。

4）其他名目

Pragma：Pargma 是从 starkware 生态上发展起来的 ZK oracle。同期团队也在探索怎样通过链上 AI 措置去中心化链下数据考据的问题。用户不再需要信任 validator，而是通过饱和精确且可考据的链上 AI 完成考据链下 data source 的使命，比如对于实践钞票概况身份的考据可以胜仗让 AI 去读取相印的物理信息算作输入并作念出决策。

Lyra finance：Lyra finance 是一个 option AMM，提供生息品往复市集。为了提高成本愚弄率，Lyra 团队和 modulus lab 正在配合斥地基于可考据 AI 模子的 AMM。基于可考据的、公正的 AI 模子，Lyra finance 有契机成为 AI + Blockchain 的一次大限制落地实验，为 web3 用户初次带来公正的 matchmaking，通过 AI 对链上市集进行优化，提供更高的报酬。

Giza：ZKML 平台，将模子胜仗部署在链上而不是进行链下考据，Nice try，but…由于算力以及 Cairo 不支捏 CUDA-based 的讲解生成的问题，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，而这种限制的模子必须有强盛的硬件支捏，比如 GPU。

Zama-ai：模子的同态加密。同态加密是一种加密款式，简短暗意为：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款式的代数运算得到仍然是加密的摈弃，将其解密所得到的摈弃与对明文进行相同的运算摈弃一样。模子的隐秘性一直是 AI + Blockchain 地点的热门和瓶颈，天然 zk 对隐秘友好，但 zk 不等于 privacy。zama 起劲于于确保模子推广的 privacy-preserving。

ML-as-a-service：这面前还只是一个念念考地点，莫得具体的落地应用，但观点是通过 ZKP 措置中心化 ML 事业提供者监犯以及用户信任的问题。Daniel Kang 在著作“Trustless Verification of Machine Learning”中有提神的状貌（参考文中的一张图）

全体来说，在 web3 天下里的 AI 处于止境早期的阶段，然则无用置疑的是 onchain-AI 的教训和普及一定会把 web3 的价值带到另一个高度。从技艺上看，区块链能给 AI 提供独到的基础格式，AI 亦然改变 web3 坐蓐关系的紧迫器具，两者的网络可以碰撞出许多可能性，这亦然值得兴盛和通达瞎想力的地方。

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 器具，极大普及了恶果、安全性，而且为创造全新的居品形态提供了可能性；另一方面，区块链的基础格式络续迭代，web3 信得过需要一个能让这些基础格式阐述最大价值的杀手级应用，ZKML 偶合相宜这少许，比如 ZK-rollup 改日很可能算作 AI 参加 web3 的进口。

从可行性上看，当今的基础格式能一定进程上支捏一定例模的模子，但还有许多省略情要素。通过 ZKP 作念可考据模子面前看是 AI 上链的必经之路，可能亦然详情味最强的将 AI 带入的 web3 应用的技艺旅途。然则长久来看当今的 proof system 需要再进行指数级的普及才能饱和支捏日渐弘远的模子。

从应用场景看，AI 实在可以竣工地参与到任何一个 web3 的地点uG环球捕鱼，岂论是 game、Defi、DID、tooling……天然面前已有的名目止境匮乏而且缺少耐久价值，还莫得从一种普及恶果的器具调动为改变坐蓐关系的应用。但值得兴盛的是有东谈主迈出了第一步，咱们可以看到 AI + blockchain 的最早期的花样和之后的可能性。