加入3,600+ 订阅者，获得关于Web3和AI如何赋能个人品牌和企业的最新案例和思考；欢迎付费订阅，支持 Web3Brand 的独立运营

这两天 2 个新闻

1. 英伟达 5.23 ATH， 市值 2.55 万亿美金

2. ZK 硬件加速公司 Cysic 5.24 完成由 Hashkey Capital 和 OKX Ventures 领投的 1200万美元 Pre-A 轮融资

你会好奇，这 2 条新闻的关联是什么？ZK 硬件是什么？

的确，ZK 硬件对大多数人还是比较陌生的，但其对区块链的意义，不亚于 GPU 对人工智能的意义。

于是我写了一篇科普小文，欢迎阅读 👇

1. 总所周知，15 年前比特币/区块链的诞生，是为了对抗中心化的世界：比特币对抗法币（中心化货币），区块链（以 ETH 为代表）对抗中心化服务器；

2. 区块链对抗中心化服务器的方法，是把自己变成一个“世界计算机”，任何人都拥有自己的数据，同时可以帮助操作和验证。这也是区块链的最大创新之一；

3. 但这个“世界计算机”最被人诟病的一点是，交易成本太高速度太慢，随便一个操作动辄几 U, 拥堵的时候甚至上百 U, 不利于更多人来使用和操作；

4. 于是大家探索出来一种方案：L2 Rollup, 将数百个已处理的交易汇总成一个批次与ETH主网平行成本更低的 L2 链上执行交易，交易完成后再一次性发布到ETH主网（L1），提升交易速度，降低交易费用；

5. 有 2 类主流的 L2 Rollup 方案，OP (Optimistic) 和 ZK (Zero Knowledge)

   1. OP 假设所有的 2 层交易都是有效的，通过欺诈证明（fraud proofs）来验证交易，具有较快的链下交易处理速度和较低的交易成本，但链上验证可能需要更长时间（几天到 2 周不等），同时存在一定的安全风险；

   2. ZK 使用基于零知识证明(Zero Knowledge Proof)的复杂密码学来确保交易的有效性，需要一定的链下计算资源和计算时间，好处是一旦生成证明，链上非常快，同时在安全性和隐私方面具有优势；

   3. 值得一提的是，V 神在多个场合表示看好 ZK, 并在 4 月的香港 Web3 大会上提到了多个解决方案，包括并行化、聚合树和 ASIC 加速。

6. 从人工智能的发展历史来看，硬件至关重要

   1. 现代人工智能/机器学习算法的基础「神经网络」，用计算机来模拟人脑，其实 1950 年代，也就是 70 多年前就出现了。但受限于算力，神经网络的研究从 1970 开始进展缓慢；

   2. 一个标志性的转折点是 2012 年李飞飞组织的第三届 imagenet 图像识别比赛上，Geoffery Hinton 团队的算法 AlexNet 以 84% 的准确率轻松斩获冠军（历史最好成绩 75%），秘诀是使用了2块英伟达的 GTX580 显卡 + 卷积神经网络；BTW, 谷歌用了 16000 颗 CPU, 只实现了74.8%的识别准确率；

   3. Why GPU? 因为神经网络的每个计算任务都是独立的，可以采用高度并行的方式进行，这正是 GPU 擅长的地方，而 CPU 擅长的是复杂的逻辑控制和串行计算。正如它们的名字，CPU = Central Processing Unit（中央处理器），GPU = Graphics processing unit（图形处理器），GPU 最早是用来支撑游戏和影视里面的大量图形并行计算，误打误撞被用来做神经网络训练，以及各种 Crypto 挖矿；

   4. 至此一战，学术界和产业界同时被轰动，Geoffery Hinton 奠定了自己在人工智能的宗师级地位，把自己和 2 位学生打包成一家公司（其中一位学生就是大名鼎鼎的前 OpenAI 联合创始人Ilya Sutskever），4400万美元卖给了谷歌；全世界的高科技公司开始不计成本地做两件事：买光英伟达的显卡，挖光大学里的AI研究员；

   5. 这届挑战赛被视为人工智能的“大爆炸时刻”。

7. 在帮助区块链成为“世界计算机”的 L2 Rollup 上，ZK 硬件同样至关重要

   1. 上面有提到，ZK证明一旦生成，链上非常快，同时在安全性和隐私方面具有优势，缺点是因为使用了复杂的密码学，需要进行大量的指数级运算，需要一定的链下计算资源和计算时间，完全通过CPU计算需要数小时，甚至数天的计算，这对项目来说是不可接受的，同时也阻碍了 ZK 的发展（是不是想到了神经网络的早期状况？）；

   2. ZK证明生成的过程，主要由NTT和MSM计算构成，这 2 类都是逻辑简单且大量重复的计算，和神经网络类似，也非常适合用硬件做并行计算加速，降低链下计算资源和计算时间，最终把ZK证明生成加速到秒级或者分钟级，实现 1000 倍以上的加速；

   3. ZK加速硬件分 3 类：GPU、FPGA、ASIC;

   4. GPU 并行算力的确很强，但缺点也很明显，功耗高，体积大，价格贵；

   5. ASIC（Application Specific Integrated Circuit，专用集成电路），可以基于特定的任务（比如 ZK 证明里面用到的NTT和MSM计算）来设计专有芯片，用更低成本实现更高性能；

   6. FPGA（Field Programmable Gate Array，现场可编程门阵列）：通用可编辑的半定制芯片，可以基于不同的任务来编程，成本比 ASIC 高，适合用作产品原型的开发、低产量的特定应用、还可以用于用于ASIC的验证。

   7. 综上所述，GPU和FPGA的使用成本较高，ASIC 需要特定的设计和生产但成本更低，一定会成为ZK硬件加速的主力，这也是 V 神提及的重要原因。

8. ZK硬件加速中，Cysic @cysic_xyz 作为龙头项目值得一提

   1. 上面有提到，ZK证明生成的过程，主要由NTT和MSM计算构成；

   2. Cycis 使用赛灵思的公版 FPGA 设计了一个 MSM 加速器（代号SolarMSM），展示出了迄今为止最佳的性能，在 40ms 内完成了 BN254 曲线上的 2^26 MSM计算任务，比 ZPrize 竞赛的冠军性能还要高1–2个数量级，展示出来强大的技术实力；

   3. 在基于 FPGA 完成了 POC 后，Cycis 下个阶段的目标是研发ASIC芯片，在提升算力的同时降低功耗，将 ZK证明生成的时间和成本降到极致

   4. 在 Cycis 的路线图中，会推出基于自研的ASIC芯片的硬件，包括企业级的 ZK Pro 和消费者级的 ZK Air, 为 Scroll 等 ZK Rollup L2 提供 ZK 硬件加速服务；

   5. ZK Air 的大小与移动电源、笔记本电脑电源接近，用户可通过 Type-C 接口将其连接到笔记本电脑、iPad，甚至智能手机，为 ZK 提供加速

   6. 这里就很有意思了，Cycis 要做的不仅是硬件厂商（比特大陆）或中心化算力提供方（AWS），同时也会构建一个 ZK Prover Network, 基于 Tokenomics 激励更多用户使用 Cysic 硬件和闲置 GPU 来提供算力，增强区块链 Proof 的能力，让 Web3 变成 Read, Write, Own, Proof

   7. 这也是我认为这个项目值得关注的原因，每个人都可以参与其中，通过算力的贡献获取 Token (DePIN 来了哈哈) . 按照现在硬件速度的发展，不知道 3-5 年内能不能实现用手机来生成 Proof : )

   8. 另外，零知识证明不仅仅是用在 L2 Rollup 上, 还可以支持匿名支付、身份证明、匿名投票等传输敏感数据的场景，以及打击非法金融和虚假信息。也就是说，ZK 硬件以及ZK Prover Network, 可以从 Web3 延伸到 Web2，迎来十亿的用户规模，具有巨大的空间。

9. 参考人工智能的发展历史， ZK & ZK 硬件对于区块链的发展至关重要。希望 ZK 硬件的不断成熟，可以推动区块链向“世界计算机”更进一步，支撑更多的去中心化服务，迎来 Crypto 的“大爆炸时刻”。

参考资料

1. A16Z: zkVM special edition: the world computer, accelerated

2. A16Z: Privacy-Protecting Regulatory Solutions Using Zero-Knowledge Proofs: Full Paper

3. 2012，改变人类命运的180天

4. https://zh.wikipedia.org/wiki/人工神经网络

5. 特辑：AI科学家李飞飞自传新书《The Worlds I See》｜Joyce和Ruby的跨年正能量

6. ABCDE：为什么我们要投资Cysic？

7. ZK Hardware Acceleration: The Past, the Present and the Future

8. New Paradigm in Designing ZK-ASICs, the zkVM way

欢迎加入 3,600+ 订阅者，获得关于Web3和AI如何赋能个人品牌和企业的最新案例和思考，成为全球化时代的超级个体；欢迎付费订阅，支持 Web3Brand 的独立运营

恭喜你阅读到最后！欢迎分享这封 Web3Brand Newsletter 给你的朋友或者到社交网络，让更多的人可以看到我们, thx!

Share