تقرير Cysic: طريق ComputeFi لتسريع ZK عبر الأجهزة

دليل Chainfeeds:

تُعد البراهين عديمة المعرفة (ZK) جيلًا جديدًا من البنية التحتية للتشفير والتوسعة، وقد أظهرت إمكانيات واسعة في توسيع نطاق البلوكشين، الحوسبة الخاصة، بالإضافة إلى تطبيقات ناشئة مثل zkML والتحقق عبر السلاسل. ومع ذلك، فإن عملية توليد البراهين تتطلب حسابات ضخمة وتأخيرًا عاليًا، مما يشكل أكبر عقبة أمام التطبيق الصناعي.

مصدر المقال:

Jacob Zhao

وجهة نظر:

Jacob Zhao: أصبحت GPU المورد الأساسي لقوة الحوسبة في مجالي الذكاء الاصطناعي وZK. في مجال الذكاء الاصطناعي (AI)، أصبحت GPU، بفضل بنيتها القوية للحوسبة المتوازية ونظامها البيئي الناضج، العتاد الرئيسي الذي لا يمكن الاستغناء عنه تقريبًا. خاصة في تدريب واستدلال التعلم العميق والشبكات العصبية، أظهرت GPU ميزات لا مثيل لها. أثناء التدريب، تحتاج الشبكات العصبية إلى عمليات مصفوفية ضخمة وحسابات عالية التوازي، وهي المهام التي تتقنها GPU. من خلال نموذج البرمجة CUDA (Compute Unified Device Architecture) وتكامل أطر التعلم العميق مثل PyTorch وTensorFlow، يمكن لـ GPU تحقيق كفاءة حسابية عالية جدًا. هذا يجعل GPU الخيار المثالي لنماذج الذكاء الاصطناعي الكبيرة (مثل GPT وBERT)، سواء أثناء التدريب أو أثناء الاستدلال عند النشر. في مجال ZK، تلعب GPU أيضًا دورًا مهمًا. البرهان عديم المعرفة (Zero-Knowledge Proof، اختصارًا ZK) هو خوارزمية تشفير تسمح لطرف بإثبات صحة معلومة دون الكشف عن المعلومة نفسها. في مهام الحوسبة الخاصة بـ ZK، أصبحت GPU، بفضل توازيها العالي وقدرتها الكبيرة على المعالجة، المورد الرئيسي للحوسبة حاليًا، خاصة في المراحل الأولى، حيث تعتبر GPU الخيار المثالي بفضل تكلفتها المنخفضة وتوافرها. ومع ذلك، فإن قيود GPU واضحة أيضًا. رغم أن GPU لها ميزات في العديد من خوارزميات إثبات ZK، إلا أن هناك بعض المهام المحددة مثل العمليات الحسابية على الأعداد الصحيحة الكبيرة، وMSM (ضرب متعدد الحدود)، وFFT/NTT (تحويل فورييه السريع/التحويل العددي)، حيث تصبح سعة التخزين وعرض النطاق الترددي للذاكرة في GPU عنق زجاجة. تتطلب هذه المهام الحسابية متطلبات عالية للتخزين وعرض النطاق الترددي، وبنية GPU ليست محسنة بالكامل لهذه القيود. لذلك، رغم أن GPU تهيمن على مجال ZK، إلا أن الحلول العتادية الأكثر تخصصًا ستكون حتمية على المدى الطويل. تُعد FPGA (المصفوفة المنطقية القابلة للبرمجة ميدانيًا) نوعًا من العتاد القابل للبرمجة، وقد اعتُبرت منذ فترة طويلة حلًا وسيطًا بين GPU وASIC. مقارنةً بـ GPU، تتمتع FPGA بمرونة أعلى، حيث يمكن للمطورين برمجة وتخصيص العتاد حسب الحاجة. تمنح هذه المرونة FPGA أداءً ممتازًا في العديد من سيناريوهات الاستخدام، خاصة في مراحل تطوير وتحسين الخوارزميات. تجعل قابلية برمجة العتاد في FPGA منها خيارًا مثاليًا للتحقق من خوارزميات إثبات ZK وتكرارها، والتحقق من النماذج الأولية، وبعض السيناريوهات التي تتطلب تأخيرًا منخفضًا (مثل التداول عالي التردد، ومحطات 5G). في مجال ZK، تتمتع FPGA بإمكانات كبيرة. نظرًا لأن خوارزميات إثبات ZK تتطور باستمرار، يقوم العديد من فرق البحث بتعديل وتحسين الخوارزميات حسب الحاجة، وتلبي مرونة FPGA هذا الطلب تمامًا. يمكن للمطورين تخصيص بنية العتاد حسب خوارزميات ZK المختلفة لتحقيق أقصى أداء. بالإضافة إلى ذلك، تتمتع FPGA بميزات في استهلاك الطاقة والتأخير، خاصة في سيناريوهات الحوسبة الطرفية منخفضة الطاقة التي تتطلب موارد حسابية عالية. Cysic Network هي شبكة لامركزية قائمة على مفهوم ComputeFi (التمويل الحسابي)، تهدف إلى تحويل موارد الحوسبة (مثل GPU، وASIC، وأجهزة التعدين) إلى أصول مالية، وكسر قيود موارد الحوسبة التقليدية، وتحقيق برمجة موارد الحوسبة والتحقق منها وتداولها. تعتمد هذه الشبكة على Cosmos SDK (مجموعة أدوات تطوير البرمجيات) وآلية Proof-of-Compute (PoC)، وتبني سوقًا لامركزيًا لمطابقة المهام والتحقق المتعدد، وتدعم بشكل موحد احتياجات الحوسبة مثل إثبات ZK، واستدلال الذكاء الاصطناعي، والتعدين، والحوسبة عالية الأداء (HPC). هدف Cysic هو توفير بنية تحتية جديدة لنظام Web3 البيئي، خاصة في مجال قوة الحوسبة، وتعزيز سيولة ولامركزية موارد الحوسبة. إحدى الميزات الرئيسية لـ Cysic Network هي قدرتها الفريدة على التكامل الرأسي، حيث تعتمد على ZK ASIC المطورة داخليًا، وعنقود GPU، وأجهزة التعدين المحمولة، لتوفير موارد حوسبة فعالة. من خلال الجمع بين ميزات GPU وASIC، يمكن لفريق Cysic تقديم دعم حسابي مخصص حسب سيناريوهات الاستخدام المختلفة، مما يعزز مرونة الشبكة وقابليتها للتوسع. بالإضافة إلى ذلك، تعتمد Cysic آلية رمزين، هما CYS وCGT، حيث يُستخدم CYS بشكل أساسي في حوكمة الشبكة وآلية المكافآت، بينما يُستخدم CGT في تداول قوة الحوسبة ودعم السيولة.