图片起首：由无界 AI器用生成

通过这篇著作你可以了解：

什么是 on-chain AI？

为什么还莫得链上 AI?

AI 上链的能源；

本领会径；

我和会的 on-chain AI 价值；

on-chain AI 的应用场景和技俩分析。

拓荒者对基础措施建立的跋扈执着和多样 rollup 措置决议的更新迭代如实让原来逾期的 web3 计较智商竣事了任性，这也为 AI 上链提供了可能性，但你可能想说与其大费周章地竣事链上 AI，顺利在链下运行模子似乎也能得志大部分需求，而事实上圈套今简直通盘的 AI 模子王人所以黑盒、中心化的模式在运行，而况不异在各个领域创造了无法替代的价值。

1）先回到最基础的问题，什么是 AI 上链？

主流的和会是通过区块链让 AI 模子 transparent + verifiable

再具体少量，AI 上链意味着东谈主工智能模子的 complete verification，也便是说一个模子需要向全网（用户或考据者）公开以下三点：

模子架构；

模子参数和权重：公开参数和权重未必候会对居品安全性产生负面影响，因此，针对特定场景，比如风控模子，可以对 weight 作念隐蔽处理以确保安全性；

模子输入：在 web3 的场景里基本上是链上公开数据。

当得志以上条款时，通盘这个词模子扩充的过程是具备笃定性的且不再是黑盒操作，任何东谈主王人可以在链上对模子的输入和收场进行考据，从而防守模子领有者或者相关权限东谈主对模子进行主宰。

2）AI + blockchain 的能源是什么？

AI 与 blockchain 连合的道理不在于替代中心化的 Web2 东谈主工智能的运作模式，而是：

在不阵一火去中心化和 trustless 的基础上，为 web3 宇宙创造下一阶段的价值。面前的区块链就像是 web2 的早期阶段，还莫得连续更庸碌应用或者创造更大价值的智商。而惟有在加入 AI 之后，dapp 的想象力技艺确切高出到下一阶段，这些链上应用才有可能更接近 web2 应用的水平，这种接近并不是从功能上作念的更相似，而是通过阐述区块链的价值，从用户体验和可能性上作念出普及。

为 web2 黑盒的 AI 运行模式提供一种透明的、trustless 的措置决议。

想象一下 web3 的应用场景：

将保举算法加入到 NFT 交游平台，基于用户喜好保举相应 NFT，提高蜕变；

在游戏中加入 AI 敌手方，更透明、自制的游戏体验；

……

但是，这些应用王人是通过 AI 对已有的功能在成果或者用户体验上的进一步改善。

- 有价值吗？有。

- 价值大吗？取决于居品和场景。

AI 能创在的价值从来王人不仅是 99 到 100 的优化，确切让我快活的，是从 0 到 1 的全新应用，一些惟有通过 transparent + verifiable 的链上模子技艺竣事的 use case。不外这些“令东谈主快活的”use case 面前主要靠想象力，莫得熟习的应用，先来开几个脑洞：

通过基于 neural network 的决策模子作念 crypto trading：一种居品形态可能更像是 copy trading 的升级版块，以至是一种全新的交游玩法。用户不再需要信任或调研其他 experienced trader，而是对透澈公开透明的模子以过火 performance 下注。骨子上 AI 凭据对 crypto 将来价钱的算计更快更轻薄地进行交游。然则莫得链上 AI 自带的“trustless autonomy”，这么的下注对象或者尺度压根是不存在的。用户/投资者可以透明地看到模子决策的原因、过程以至将来高涨/下降的精确概率；

AI 模子行为裁判：一种居品可能是全新形态的预言机，通过 AI 模子对数据起首的准确性进行算计。用户不再需要信任 validator，也不必惦记节点坐法，预言机提供方以至不需要联想复杂的节点收罗和赏罚机制来竣事去中心化。相应地，链上 transparent + verifiable 的 AI 仍是富余得志考据链下 data source 置信度的任务。这种全新的居品形态在安全性、成果和成本上有契机造成碾压，去中心化的对象也由东谈主高出到“trustless autonomy”的 AI 器用，无疑是更安全的。

皇冠客服飞机：@seo3687

基于大模子的组织经管/运作体系：DAO 的治理骨子上应该是高效、去中心化、自制的，而当今的近况却以火去蛾中，松散且肥壮，穷乏透明和自制性，链上 AI 的加入能提供相配契合的措置决议，将经管模式、成果普及到最高，将经管中系统性和东谈主性的风险无尽拉低。咱们以至可以去想象一种全新的 web3 技俩的发展和运作模式，通盘这个词框架及将来发展所在和提案简直不依赖拓荒团队或者 DAO 投票的方式来进行决策，相应的，基于大模子更强劲的数据获得量和远超东谈主的计较智商去作念决策。但这一切的前提亦然模子上链，莫得 AI 的“trustless autonomy”就不存在去中心化宇宙从东谈主到器用的跃迁。

……

小结一下

基于链上 AI 的新的居品形态基本可以回顾为将去中心化和 trustless 的主体从东谈主变为 AI 器用，这也适当传统宇宙坐蓐力的进化过程，最驱动是在东谈主这个主体高下功夫，不停升级普及东谈主效，到后头通过智能器用替代东谈主，在安全性和成果上颠覆原有的居品联想。

其中最要道的、也所以上一切的前提，是通过区块链竣事 AI 的 transparent + verifiable。

3）Web3 的下一个阶段

区块链行为一个表象级的本领创新，不可能只是停留在原始阶段。流量和经济模子很紧迫，但用户不会一直停留在追捧流量或破耗遍及资源作念 X to earn，web3 也不会因此 onboard 下一波新用户。但有一件事的笃定性是很强的：web3 宇宙坐蓐力和价值的立异一定来自 AI 的加入。

我认为好像分红底下三个阶段

肇始：零学问评释算法和硬件的更新迭代为链上 AI 的显现第一次提供了可能性；（咱们在这）

发展：岂论是 AI 对已有应用的普及如故基于 AI + blockchain 的全新址品，王人在将通盘这个词行业上前激动；

末端：AI + blockchain 的最终走向是什么？

上头的磋议王人是通过 AI 与区块链的连合 bottom up 地发掘应用场景，换个想路 top down 地看待 AI + blockchain，AI 会不会重溯区块链本人？AI + blockchain = 自顺应的区块链

一些公链会领先和会链上 AI，从公链的层面转换为一种自顺应的，自身发展所在不再依赖技俩基金会决策而是基于强劲数据进行决策、自动化水平远超传统区块链的形态，从而从现时多链富贵的时势中脱颖而出。

在 verifiable + transparent 的 AI 加执下，blockchain 的自转换体当今那儿，可以参考 modulus lab 提到的几个例子：

链上的交游市集可以去中心化地自动转换，比如基于链上公开数据及时、不需要 trust assumption 地调养踏实币的 interest rate；

多模态学习可以让链上契约的交互通过生物特征识别完成，提供安全的 KYC，并竣事身份经管的绝对去信任；

允许链上应用最大化地拿获链上数据带来的价值，支执定制化内容保举等劳动。

从另一个角度看，zkrollup 不停迭代优化，但是永恒穷乏一个确切只可在 zk 生态上跑的应用，ZKML 恰巧适当这少量，而况想象空间也富余大。ZK-rollup 将来很可能行为 AI 参加 web3 的进口从而创造更大价值，两者相互建立。

1）Web3 能为 AI 提供什么？

基础措施和 ZK 无疑是 web3 最跋扈内卷的赛谈，多样 ZK 技俩在电路优化和算法升级高下足了功夫，岂论是对多层收罗的探索，或者是对模块化区块链以及 data availability layer 的拓荒，如故进一步将 rollup 作念成定制化的劳动，以至硬件加快……这些尝试王人在将区块链的可扩展性、成本、算力推向下一个阶段。

AI + blockchain 听上去可以，但具体怎么个加法？

一种作念法是通过 ZK proof system。比如针对 machine learning 作念一个定制化的电路，链下电路生成 witness 的过程便是模子扩充的过程，对模子算计的过程生成 proof（其中包括模子参数和 input），任何东谈主王人可以在链上考据 proof。

AI 模子如故在高效的集群上扩充，以至搞点硬件加快进一步普及计较速率，在最大化应用算力的同期确保莫得中心化的东谈主或者机构可以从中改动或插手模子，也便是确保：

模子算计收场的笃定性 = 可考据的（input + 模子架构 + 参数）

凭据以上作念法，可以进一步推断哪些 infra 对 AI 上链至关紧迫：

ZKP system、rollup：Rollups 推广了咱们对区块链计较智商的想象空间，把一堆 transactions 打包，以至递归地生成 proof of proof 进一步缩短成本。对于当今强劲的模子来说，提供可能性的第一步便是 proof system 和 rollup；

硬件加快：ZK rollup 提供了 verifiable 的基础，但 proof 的生成速率顺利关系到模子的可用性和用户体验，恭候几个小时去生成一个模子的 proof 赫然是不 work 的，因此，通过 FPGA 进行硬件加快赫然是一个很好的 boost。

密码学：密码学是区块链的基础，而链上模子以及敏锐数据不异需要保证秘密性。

补充：

大模子的基础是 GPU，莫得高并行的支执，大模子的成果将会相配低，也就无法运行。因此，对于一个链上的 zk 生态：

GPU 友好 = AI 友好

拿 Starknet 例如，Cario 只可在 CPU 上跑，因此只可部署一些小的决策树模子，经久来看并不利好大模子的部署。

2）挑战：更强劲的 proof system

ZK Proof 的生成速率和内存使用情况至关紧迫，一个关系到用户体验和可行性，一个关系到成本和天花板。

皇冠hg86a

当今的 zkp system 够用吗？

够用，但不够好…

Modulus lab 在著作“The Cost of Intelligence: Proving Machine Learning Inference with Zero-Knowledge”相配属主意分析了模子和算力的具体情况。有空可以读一读这篇 ZKML 届的”零号文件 - paper0“：https://drive.google.com/file/d/1 tylpowpaqcOhKQtYolPlqvx6 R2 Gv4 IzE/view

以下是 paper0 中提到的不同评释系统

基于以上 zk 算法，modulus lab 辞别从时间破钞和内存占用两个维度动身进行测试，而况在这两个维度平辞别限度了参数和层数两个中枢变量。以下是 benchmark suites，这么的联想也可以好像覆盖从 LeNet5 的 60 k 参数目，0.5 MFLOPs，到 ResNet-34 的 22 M 参数目，3.77 GFLOPs。

时间破钞的测试收场：

内存占用的测试收场：

基于以上数据，举座看面前的 zk 算法以及具备支执对大模子生成 proof 的可能性，但相应的成本依旧很高，需要以至 10 倍以上的优化。以 Gloth16 为例，固然受益于高并发带来的 computation time 的优化，但是行为 tradeoff 内存占用显耀增多。Plonky2 和 zkCNN 在时间和空间上的推崇不异考据了这少量。

这个烂尾房一出现，说实话，买房人是备受煎熬的。咱们都清楚现在房价有多高，很多人真是得掏空六个钱包才能买到房，而且你掏空六个钱包只不过是凑足首付而已，剩下的钱还得大把的银行贷款，每个月还得还月供。结果你首付也交了，月供都还了半年一年了，开发商拍拍屁股跑路了。房子还没盖起来，你根本拿不到房子，而且你每个月还都得还月供。

那么当今问题其实就从 zkp system 是否可以支执链上 AI 转换为了支执 AI+Blockchain 付出代价值不值？而况跟着模子参数的指数级上升，对 proof system 的压力也会赶紧增多。如实，当今有 trustless 的神经收罗吗，莫得！便是因为成本算不外来。

因此，打造一个为 AI 定制化的 proof system 至关紧迫。同期，竣事对 AI 这种单次调用计较十分复杂的逻辑，gas 的破钞模子也需再行联想，一个高性能的 zkvm 至关紧迫，但当今咱们仍是能看到许多高性能的尝试，比如 OlaVM, polygon Miden 等，这些基础措施的不停优化极大普及了 onchain-AI 的可行性。

尽管链上 AI 还在很早期阶段，用上头的分层来看可能只处于肇始到发展之间，但 AI 这个所在从不穷乏优秀的团队和创新的想法。

就像上头说的，从 AI + Blockchain 发展阶段看当今市集处于肇始到发展的中间阶段，居回味试所在还所以基于现存功能对用户体验优化为主。但最能体现价值的如故通过 AI 在链上将 trustless 的主体由东谈主变为器用，在安全性和成果上颠覆原有的居品形态。

底下从一些现存的应用尝试动身，分析一下 AI + Blockchain 经久的居品发展所在

1）The Rockefeller Bot：宇宙上第一个 on-chain AI

Rockefeller 是 modulus lab 团队推出的第一个链上 AI 的居品，有很强的“牵记价值”。这个模子骨子上是一个 trading bot，具体来说，rockefeller 的覆按数据是遍及链上公开的 WEth-USDC 的 price/exchange rate，其本人是一个三层前馈经收罗模子，算计打算是将来 WEth 价钱涨跌。

以下是当 trading bot 决策要进行交游时的过程：

Rockefeller 在 ZK-rollup 上对算计收场生成 ZKP；

ZKP 在 L1 上被考据（资金由 L1 的合约督察），并扩充操作；

可以看出 trading bot 的算计、资金操作绝对是去中心化且 trustless 的，就像上头提到的，从更高维度看 rockefeller 更像是一种全新的 Defi 玩法。比拟于信任其他 trader，这种模式下其实用户赌的是 transparent + verifiable + autonomous 的模子。用户可以不需要信任中心化的机构确保模子决策过程的正当性。同期，AI 也能最猛进程上的摒除东谈主性的影响，更轻薄地进行交游。

你可能仍是想给 Rockefeller 注点资金玩一玩了，但这确切能赢利吗？

并不成，按照 modulus 团队的说法，与其说 rockefeller 是一个应用，他更像是 on-chain AI 的 POC，由于成本、成果、评释系统等多方面的限制，rockefeller 的主要主意是行为一个 demo 让 web3 宇宙看到 on-chain AI 的可行性。（Rockefeller 仍是完成任务下线 T T）

2）Leela：宇宙上第一个 on-chain AI game

最近发布的 Leela v.s. the world 不异是出自 modulus lab。游戏机制很简短，东谈主类玩家构成阵营对战 AI。游戏中玩家可以质押下注，最终谁会赢得对局，每次 match 收场后 loser’s pool 会凭据质押代币的数目相应地分派给 winner。

说到 on-chain AI，此次 modulus lab 部署了一个更大的 deep neural network (Parameter 数目 > 3,700,000)。固然在模子界限和居品内容上 Leela 王人超越了 rockefeller，但归根结底这如故一次大型的 on-chain AI experiment。Leela 的背后的机制和运行模式才是需要眷注的，这能帮咱们更好地和会链上 AI 的运行模式和改善空间，以下是官方给出的逻辑图：

Leela 的每一次 move，也便是每次算计，王人会生成 ZKP，而况惟有在经过合约考据之后才会在游戏内班师。也便是说，受益于 trustless autonomous AI，用户下注的资金和自制性绝对受到密码学的保护还不需要信任游戏拓荒者。

Leela 采纳的是 Halo2 算法，主要原因是它的器用和联想的活泼性可以匡助联想更高效的评释体系，具体 performance 情况可以参考上头的测试数据。但同期在 Leela 的运行中 modulus 团队也发现了 Halo2 的毛病，比如生成评释的速率较慢，对 one-shot proving 不友好等。因此，也愈加印证了之前基于测试数据得出的论断：如若需要将更大的模子带入 web3，咱们需要拓荒更强劲的 proof system。

不外 Leela 的价值在于给咱们带来了 AI + Web3 game 更大的想象空间，王者荣耀玩家此刻应该无比但愿王者匹配算法 fully on-chain:) Gamefi 需要更优质的内容赈济和更自制的游戏体系，而 on-chain AI 恰巧提供了这少量。打个比喻，在游戏中加入 AI-driven 的游戏场景或者 NPC，岂论是玩家的游戏体验如故经济体系的玩法王人提供了巨大的想象空间。

3）Worldcoin：AI + KYC

Worldcoin 是一个链上身份体系（Privacy-Preserving Proof-of-Personhood Protocol)，通过生物识别建立身份体系并竣事支付等养殖功能，措置的问题是起义女巫症结，当今的注册用户卓越了 1.4 m。

用户通过一个叫 Orb 的硬件扫描虹膜，将个东谈主信息添加到数据库中，Worldcoin 通过 Orb 硬件中的计较环境运行 CNN 模子压缩并阐明用户虹膜数据的灵验性。听上去很强，但如若需要作念到身份考据的确切去中心化，worldcoin 团队正在探索通过 ZKP 考据模子的输出。

挑战

值得一提的是，worldcoin 的 CNN 模子的 size：参数 = 1.8 million，层数 = 50。基于上头展示的测试数据，现存的 proof system 在时间上绝对可以胜任，但内存破钞对于消费级的硬件来说是不可能完成的。

4）其他技俩

Pragma：Pargma 是从 starkware 生态上发展起来的 ZK oracle。同期团队也在探索如何通过链上 AI 措置去中心化链下数据考据的问题。用户不再需要信任 validator，而是通过富余精确且可考据的链上 AI 完成考据链下 data source 的责任，比如对于试验钞票或者身份的考据可以顺利让 AI 去读取相印的物理信息行为输入并作念出决策。

Lyra finance：Lyra finance 是一个 option AMM，提赡养殖品交游市集。为了提高本钱应用率，Lyra 团队和 modulus lab 正在配合拓荒基于可考据 AI 模子的 AMM。基于可考据的、自制的 AI 模子，Lyra finance 有契机成为 AI + Blockchain 的一次大界限落地实验，为 web3 用户初度带来自制的 matchmaking，通过 AI 对链上市集进行优化，提供更高的申报。

Giza：ZKML 平台，将模子顺利部署在链上而不是进行链下考据，Nice try，but…由于算力以及 Cairo 不支执 CUDA-based 的评释生成的问题，Giza 只可支执一些小模子的部署。这亦然最致命的问题，从经久来看，能对 web3 产生颠覆性影响的一定是大模子，而这种界限的模子必须有强劲的硬件支执，比如 GPU。

Zama-ai：模子的同态加密。同态加密是一种加密方式，简短示意为：f [E (x)] = E [f (x)]，其中 f 是运算操作，E 代表同态加密算法，x 是变量，比如：E (a) + E (b) = E (a + b)。允许对密文进行特定方式的代数运算得到仍然是加密的收场，将其解密所得到的收场与对明文进行不异的运算收场一样。模子的秘密性一直是 AI + Blockchain 所在的热门和瓶颈，固然 zk 对秘密友好，但 zk 不等于 privacy。zama 勤劳于于确保模子扩充的 privacy-preserving。

ML-as-a-service：这面前还只是一个想考所在，莫得具体的落地应用，但主意是通过 ZKP 措置中心化 ML 劳动提供者坐法以及用户信任的问题。Daniel Kang 在著作“Trustless Verification of Machine Learning”中有属主意描写（参考文中的一张图）

举座来说，在 web3 宇宙里的 AI 处于相配早期的阶段，但是无须置疑的是 onchain-AI 的熟习和普及一定会把 web3 的价值带到另一个高度。从本领上看，区块链能给 AI 提供特有的基础措施，AI 亦然改变 web3 坐蓐关系的紧迫器用，两者的连合可以碰撞出许多可能性，这亦然值得快活和通达想象力的地方。

从 AI 上链的能源看，一方面，transparent + verifiable 的链上 AI 将去中心化和 trustless 的主体从东谈主变为 AI 器用，极大普及了成果、安全性，而况为创造全新的居品形态提供了可能性；另一方面，区块链的基础措施不停迭代，web3 确切需要一个能让这些基础措施阐述最大价值的杀手级应用，ZKML 恰巧适当这少量，比如 ZK-rollup 将来很可能行为 AI 参加 web3 的进口。

从可行性上看，当今的基础措施能一定进程上支执一定例模的模子，但还有许多不笃定成分。通过 ZKP 作念可考据模子面前看是 AI 上链的必经之路，可能亦然笃定性最强的将 AI 带入的 web3 应用的本领会径。但是永远来看当今的 proof system 需要再进行指数级的普及技艺富余支执日渐强劲的模子。

从应用场景看，AI 简直可以齐全地参与到任何一个 web3 的所在，岂论是 game、Defi、DID、tooling……固然面前已有的技俩相配匮乏而且穷乏经久价值美高梅在线，还莫得从一种普及成果的器用转换为改变坐蓐关系的应用。但值得快活的是有东谈主迈出了第一步，咱们可以看到 AI + blockchain 的最早期的形貌和之后的可能性。