作者：Turbo Guo 审稿：Mandy、Joshua TLDR： Modulus labs 通过链下执行 ML 计算并为其生成 zkp 的方式实现了可验证 AI，本文从应用视角重新审视该方案，分析其在哪些场景是刚需，而在哪些场景需求较弱，最后延展出横向和纵向两种基于公链的 AI 生态模式，主要内容有：是否需要可验证 AI 取决于：是否修改链上数据，以及是否涉及公平和隐私当 AI 不影响链上状态时，AI 可充当建议者，人们可以通过实际效果判断 AI 服务质量好坏，无需对计算过程进行验证。当影响链上状态时，若该服务针对个人且不对隐私有影响，那用户依旧可以直接判断 AI 服务质量无需检验计算过程。当 AI 的输出会影响多人间的公平和个人隐私时，比如用 AI 给社区成员评价并分配奖励，用 AI 优化 AMM ，或涉及生物数据，人们就会希望对 AI 的计算进行审查，这是可验证AI可能找到PMF的地方。纵向的 AI 应用生态：由于可验证 AI 的一端是智能合约，可验证 AI 应用之间乃至 AI 和原生 dapp 之间或许可以实现无需信任地相互调用，这是潜在的可组合的 AI 应用生态横向的...