• 可验证计算在 AI 和区块链结合过程中至关重要。Nektar Restaking 将以太坊质押安全性与可验证计算集成，赋能去中心化 AI 应用的发展。

• 链下可验证计算设备可以确保复杂任务的正确性和隐私性。

• 协处理器可用于 AI 的可验证训练和推理，确保数据的完整性和模型的正确执行。

• 协处理器可将以太坊的历史状态用于流动性管理、DeFi 和安全。

• 协处理器可以提供不同的安全性、效率和成本权衡的模型。

• 加密经济协处理器通过经济担保和去中心化保险提供即时结算。

• 重质押旨在通过创新的经济和验证机制增强 AI 协议的可信度。

以太坊因其计算和存储限制以及每笔交易的 gas 费而闻名。鉴于其安全的状态存储，以太坊仍然保持着无许可和去中心化全球计算机的地位。它为区块链应用提供了非功能性优势，如开放访问、自主权、抗审查和原生可组合性。然而，这些应用必须保持较低的计算需求，以保持链上执行的可行性。

为了克服计算方面的限制，目前已经提出了各种解决方案。例如 rollups 方案将计算移至链外，而不仅仅局限于提高区块链性能。Rollups 在 Layer1 的基础上保障安全性，通过将交易批处理，实现了更便宜和更快的交易。

如果你不需要执行更多的交易 (transactions) ，但需要更多的计算能力来运行交易中的复杂任务，或这些任务需要较高的计算或数据工作负载。此时，链下可验证计算设备便派上用场了。这些设备本身不维护任何状态，但可以提供带有计算证明的结果，并保证：

• 工作正确完成。

• 数据保持私密。

协处理器 (Coprocessors) 就是指专门针对特定、具有挑战性和繁琐任务进行定制的计算环境，旨在最大化工作效率，使得涉及数据驱动分析和密集计算的更复杂应用逻辑成为可能，可以应用于 DePINs、机器人等领域。可验证计算允许协处理器在不损害区块链“免信任”特性的前提下执行链下任务，并确保：

• 输入和输出的有效性

• 执行方法的准确性

链上的机器学习过于昂贵且受到计算的限制，这使得协处理器在 AI 应用中尤为有用：

1. 可验证训练：证明在创建模型时使用了正确的数据集和学习算法。例如，确保数据集没有发生数据中毒 (data poisoning) 且不存在版权问题。

2. 可验证推理：推理是指通过训练好的 AI 模型运行实时数据以进行预测或解决任务。可验证推理过程消除了操作被篡改的风险，保护用户免受可能的错误计算带来的潜在危害。

3. 可验证执行：AI Agent 项目的验证可以受益于链下可验证环境中的机器学习推理，代理操作必须完全可追踪和可验证，以确保 AI 正确执行所有步骤。

因此，一般可以提供以下证明：

• 正确的应用：使用特定模型和参数集 (例如神经网络的权重) 从给定输入计算输出。

• 参数完整性：使用的参数是声明中的 (即没有被篡改或更改) 。

• 正确执行：计算中的每一步 (例如模型的每一层) 都正确执行。

存在的挑战包括数据质量、概念漂移 (concept drift) 和证明系统的性能限制。然而，通过将机器学习与链下可验证计算相结合，协处理器将赋能广泛的新 AI 机会。

协处理器能够利用以太坊的完整历史状态进行链下计算，而不需要增加应用本身额外的信任假设 —— 这是当前智能合约无法实现的能力。AI 驱动的区块链应用可以带来更多可能，例如：主动型流动性管理者可以基于历史交易数据、价格相关性、波动性、动量等数据采取更复杂的策略；Defi 应用可以通过回溯链上记录，评估借款人和贷方的信用状况；安全领域的链上监控系统可以检测可疑活动，并为智能合约、钱包或投资组合管理提供风险管理。

协处理器在安全模型和计算保障方面存在差异。根据安全假设可以分为无信任 (ZK)、最小信任 (MPC/TEE) 、乐观型 (optimistic) 和加密经济型 (cryptoeconomic) 。

• 像订单撮合这样的敏感计算，需要最高的安全性和最低的信任假设，因此采用 zk 协处理器是一个不错的选择，但在效率和灵活性方面存在缺陷；

• 多方计算 (MPC) 实现了对敏感数据的协作计算，而受信执行环境 (TEE) 提供了底层硬件的安全隔离。对于敏感性要求不是特别严格的计算，如分析或风险建模，最小信任模型确保能够更有效地实现更广泛的计算；

• 乐观协处理器提供了经济的解决方案，但存在着显著的延迟问题。因为挑战窗口期的存在，安全保证的时间被延迟了。

• 加密经济型协处理器是乐观协处理器的变体，区别在于前者的执行需要足够的经济抵押担保和链上保障，能够为错误的计算提供补偿。这种经济债券和保险可以通过去中心化的信任市场 (如Nektar) 购买，其优势是即时结算，但缺点是购买保险的成本。

不同类型的协处理器具有不同的成本、延迟和安全特性。开发者可以根据应用的风险容忍度选择适合的安全级别，在安全性与效率之间达到平衡。

在某些非关键的计算中，采用高效的协处理器是的合理工程折中方案。研究证明，当加密经济型协处理器在购买的保险覆盖了风险时，会更具成本效益。当涉及的资产足够高以至于成为关键的安全需求时，协处理器可以从 Nektar 主动验证服务 (AVS) 中获得经济信任。

在 Restaking 语境下，AI 用例的智能合约可以访问链下 ML 模型并执行去中心化推理，并返回模型输出的一个证明，保证了模型操作的计算完整性，确保运行模型的节点未篡改用户的查询结果。其他任务，如微调 (finetuning) 、量化 (quantization) 、精炼 (distillation) 和训练 (training) ，也可以得到支持。

在未来，重质押将进一步在下述领域增强 AI ，即：

• 在 PoS 网络实现 AI 协议结算。

• 激励系统以保障 AI 推理的正确性。

• 去中心化信任确保数据集和会话的隐私。

链下计算的发展，标志着区块链向着一个基于证明的未来迈进，其中计算是集中化的。尽管如此，验证是免信任的且高度去中心化的，将以太坊发展成为一个安全且可扩展的平台，可用于更广泛的 AI 应用。

欢迎在 X | Farcaster | Telegram | LinkedIn 关注我们！

• 可验证计算在 AI 和区块链结合过程中至关重要。Nektar Restaking 将以太坊质押安全性与可验证计算集成，赋能去中心化 AI 应用的发展。

• 链下可验证计算设备可以确保复杂任务的正确性和隐私性。

• 协处理器可用于 AI 的可验证训练和推理，确保数据的完整性和模型的正确执行。

• 协处理器可将以太坊的历史状态用于流动性管理、DeFi 和安全。

• 协处理器可以提供不同的安全性、效率和成本权衡的模型。

• 加密经济协处理器通过经济担保和去中心化保险提供即时结算。

• 重质押旨在通过创新的经济和验证机制增强 AI 协议的可信度。

以太坊因其计算和存储限制以及每笔交易的 gas 费而闻名。鉴于其安全的状态存储，以太坊仍然保持着无许可和去中心化全球计算机的地位。它为区块链应用提供了非功能性优势，如开放访问、自主权、抗审查和原生可组合性。然而，这些应用必须保持较低的计算需求，以保持链上执行的可行性。

为了克服计算方面的限制，目前已经提出了各种解决方案。例如 rollups 方案将计算移至链外，而不仅仅局限于提高区块链性能。Rollups 在 Layer1 的基础上保障安全性，通过将交易批处理，实现了更便宜和更快的交易。

如果你不需要执行更多的交易 (transactions) ，但需要更多的计算能力来运行交易中的复杂任务，或这些任务需要较高的计算或数据工作负载。此时，链下可验证计算设备便派上用场了。这些设备本身不维护任何状态，但可以提供带有计算证明的结果，并保证：

• 工作正确完成。

• 数据保持私密。

协处理器 (Coprocessors) 就是指专门针对特定、具有挑战性和繁琐任务进行定制的计算环境，旨在最大化工作效率，使得涉及数据驱动分析和密集计算的更复杂应用逻辑成为可能，可以应用于 DePINs、机器人等领域。可验证计算允许协处理器在不损害区块链“免信任”特性的前提下执行链下任务，并确保：

• 输入和输出的有效性

• 执行方法的准确性

链上的机器学习过于昂贵且受到计算的限制，这使得协处理器在 AI 应用中尤为有用：

1. 可验证训练：证明在创建模型时使用了正确的数据集和学习算法。例如，确保数据集没有发生数据中毒 (data poisoning) 且不存在版权问题。

2. 可验证推理：推理是指通过训练好的 AI 模型运行实时数据以进行预测或解决任务。可验证推理过程消除了操作被篡改的风险，保护用户免受可能的错误计算带来的潜在危害。

3. 可验证执行：AI Agent 项目的验证可以受益于链下可验证环境中的机器学习推理，代理操作必须完全可追踪和可验证，以确保 AI 正确执行所有步骤。

因此，一般可以提供以下证明：

• 正确的应用：使用特定模型和参数集 (例如神经网络的权重) 从给定输入计算输出。

• 参数完整性：使用的参数是声明中的 (即没有被篡改或更改) 。

• 正确执行：计算中的每一步 (例如模型的每一层) 都正确执行。

存在的挑战包括数据质量、概念漂移 (concept drift) 和证明系统的性能限制。然而，通过将机器学习与链下可验证计算相结合，协处理器将赋能广泛的新 AI 机会。

协处理器能够利用以太坊的完整历史状态进行链下计算，而不需要增加应用本身额外的信任假设 —— 这是当前智能合约无法实现的能力。AI 驱动的区块链应用可以带来更多可能，例如：主动型流动性管理者可以基于历史交易数据、价格相关性、波动性、动量等数据采取更复杂的策略；Defi 应用可以通过回溯链上记录，评估借款人和贷方的信用状况；安全领域的链上监控系统可以检测可疑活动，并为智能合约、钱包或投资组合管理提供风险管理。

协处理器在安全模型和计算保障方面存在差异。根据安全假设可以分为无信任 (ZK)、最小信任 (MPC/TEE) 、乐观型 (optimistic) 和加密经济型 (cryptoeconomic) 。

• 像订单撮合这样的敏感计算，需要最高的安全性和最低的信任假设，因此采用 zk 协处理器是一个不错的选择，但在效率和灵活性方面存在缺陷；

• 多方计算 (MPC) 实现了对敏感数据的协作计算，而受信执行环境 (TEE) 提供了底层硬件的安全隔离。对于敏感性要求不是特别严格的计算，如分析或风险建模，最小信任模型确保能够更有效地实现更广泛的计算；

• 乐观协处理器提供了经济的解决方案，但存在着显著的延迟问题。因为挑战窗口期的存在，安全保证的时间被延迟了。

• 加密经济型协处理器是乐观协处理器的变体，区别在于前者的执行需要足够的经济抵押担保和链上保障，能够为错误的计算提供补偿。这种经济债券和保险可以通过去中心化的信任市场 (如Nektar) 购买，其优势是即时结算，但缺点是购买保险的成本。

不同类型的协处理器具有不同的成本、延迟和安全特性。开发者可以根据应用的风险容忍度选择适合的安全级别，在安全性与效率之间达到平衡。

在某些非关键的计算中，采用高效的协处理器是的合理工程折中方案。研究证明，当加密经济型协处理器在购买的保险覆盖了风险时，会更具成本效益。当涉及的资产足够高以至于成为关键的安全需求时，协处理器可以从 Nektar 主动验证服务 (AVS) 中获得经济信任。

在 Restaking 语境下，AI 用例的智能合约可以访问链下 ML 模型并执行去中心化推理，并返回模型输出的一个证明，保证了模型操作的计算完整性，确保运行模型的节点未篡改用户的查询结果。其他任务，如微调 (finetuning) 、量化 (quantization) 、精炼 (distillation) 和训练 (training) ，也可以得到支持。

在未来，重质押将进一步在下述领域增强 AI ，即：

• 在 PoS 网络实现 AI 协议结算。

• 激励系统以保障 AI 推理的正确性。

• 去中心化信任确保数据集和会话的隐私。

链下计算的发展，标志着区块链向着一个基于证明的未来迈进，其中计算是集中化的。尽管如此，验证是免信任的且高度去中心化的，将以太坊发展成为一个安全且可扩展的平台，可用于更广泛的 AI 应用。

欢迎在 X | Farcaster | Telegram | LinkedIn 关注我们！