[Длинный тред] Исследовательский отчет Cysic: Путь ComputeFi с аппаратным ускорением ZK

Chainfeeds Введение:

Доказательство с нулевым разглашением (ZK) как инфраструктура нового поколения для шифрования и масштабирования уже продемонстрировало огромный потенциал в таких областях, как масштабирование блокчейна, приватные вычисления, zkML, кроссчейн-верификация и других новых приложениях. Однако процесс генерации доказательств требует огромных вычислительных ресурсов и высокой задержки, что становится главным узким местом для индустриализации и внедрения.

Источник:

Jacob Zhao

Мнение:

Jacob Zhao: GPU стали ключевым вычислительным ресурсом для AI и ZK. В области искусственного интеллекта (AI) GPU благодаря своей мощной архитектуре параллельных вычислений и зрелой экосистеме практически стали незаменимым основным оборудованием. Особенно в обучении и инференсе глубокого обучения и нейронных сетей GPU демонстрируют свои непревзойденные преимущества. Во время обучения нейронные сети требуют большого количества матричных операций и высокой степени параллелизма — именно в этом GPU особенно сильны. С помощью программной модели CUDA (Compute Unified Device Architecture), а также таких фреймворков глубокого обучения, как PyTorch и TensorFlow, GPU способны достигать чрезвычайно высокой вычислительной эффективности. Это делает GPU идеальным выбором для крупных AI-моделей (таких как GPT, BERT и др.), как на этапе обучения, так и при инференсе во время развертывания. В области ZK GPU также играют важную роль. Доказательство с нулевым разглашением (Zero-Knowledge Proof, сокращенно ZK) — это криптографический алгоритм, который позволяет одной стороне доказать истинность определенной информации, не раскрывая саму информацию. В вычислительных задачах ZK GPU благодаря высокой степени параллелизма и большой пропускной способности стали основным вычислительным ресурсом, особенно на начальных этапах, когда GPU благодаря своей низкой стоимости и доступности были идеальным выбором. Однако ограничения GPU также очевидны. Несмотря на преимущества GPU во многих алгоритмах ZK-доказательств, в некоторых специфических задачах, таких как операции с большими целыми числами по модулю, MSM (умножение многочленов) и FFT/NTT (быстрое преобразование Фурье / преобразование числовой теории), пропускная способность памяти и хранилища GPU становится узким местом. Эти вычислительные задачи предъявляют очень высокие требования к памяти и пропускной способности, а архитектура GPU не полностью оптимизирована для этих задач. Поэтому, несмотря на доминирующее положение GPU в сфере ZK, в долгосрочной перспективе более специализированные аппаратные решения неизбежны. FPGA (программируемые пользователем вентильные матрицы) как программируемое оборудование давно считаются промежуточным решением между GPU и ASIC. По сравнению с GPU, FPGA обладают большей гибкостью — разработчики могут программировать и настраивать оборудование в соответствии с требованиями. Эта гибкость позволяет FPGA демонстрировать отличную производительность во многих сценариях, особенно на этапах разработки и оптимизации алгоритмов. Программируемость аппаратного обеспечения FPGA делает их идеальным выбором для верификации и итерации алгоритмов ZK-доказательств, прототипирования, а также для некоторых сценариев с низкой задержкой (например, высокочастотная торговля, 5G-базовые станции). В сфере ZK применение FPGA имеет большой потенциал. Поскольку алгоритмы ZK-доказательств постоянно развиваются, многие исследовательские команды вносят изменения и оптимизации в алгоритмы в зависимости от конкретных требований, а гибкость FPGA как раз соответствует этим потребностям. Разработчики могут настраивать аппаратную архитектуру под различные алгоритмы ZK, чтобы максимизировать производительность. Кроме того, FPGA имеют определенные преимущества по энергопотреблению и задержке, особенно в сценариях edge computing с высокими требованиями к вычислительным ресурсам и низкому энергопотреблению. Cysic Network — это децентрализованная сеть, основанная на концепции вычислительных финансов (ComputeFi), направленная на финансовизацию вычислительных ресурсов (таких как GPU, ASIC и майнинговое оборудование), преодоление ограничений традиционных вычислительных ресурсов и реализацию программируемости, верифицируемости и торговой возможности вычислительных ресурсов. Эта сеть построена на базе Cosmos SDK (software development kit) и механизма Proof-of-Compute (PoC), формируя децентрализованный рынок сопоставления задач и многоуровневой верификации, который единообразно поддерживает такие вычислительные задачи, как ZK-доказательства, AI-инференс, майнинг и высокопроизводительные вычисления (HPC). Цель Cysic — предоставить новую инфраструктуру для Web3-экосистемы, особенно в области вычислительных мощностей, способствуя ликвидности и децентрализации вычислительных ресурсов. Одним из ключевых преимуществ Cysic Network является уникальная вертикальная интеграция: благодаря собственным ZK ASIC, GPU-кластерам и портативным майнерам Cysic может предоставлять эффективные вычислительные ресурсы. Команда Cysic, сочетая преимущества GPU и ASIC, может предоставлять кастомизированную поддержку вычислительных мощностей для различных сценариев, что дополнительно повышает гибкость и масштабируемость сети. Кроме того, Cysic использует двойную токен-экономику: CYS и CGT, где CYS в основном используется для управления сетью и системы вознаграждений, а CGT — для торговли вычислительными мощностями и поддержки ликвидности.