[Langer Thread] Cysic Forschungsbericht: Der Weg von ComputeFi zur ZK-Hardwarebeschleunigung
Chainfeeds Einleitung:
Zero-Knowledge Proofs (ZK) haben sich als neue Generation von Verschlüsselungs- und Skalierungsinfrastrukturen etabliert und zeigen bereits großes Potenzial in Bereichen wie Blockchain-Skalierung, Privacy Computing sowie in aufkommenden Anwendungen wie zkML und Cross-Chain-Verifikation. Allerdings ist der Beweisgenerierungsprozess äußerst rechenintensiv und mit hoher Latenz verbunden, was das größte Hindernis für die industrielle Umsetzung darstellt.
Quelle:
Jacob Zhao
Meinung:
Jacob Zhao: GPU sind zur zentralen Rechenressource für AI und ZK geworden. Im Bereich der Künstlichen Intelligenz (AI) sind GPU dank ihrer leistungsstarken Parallelarchitektur und des ausgereiften Ökosystems nahezu unersetzbare Mainstream-Hardware. Besonders beim Training und Inferenz von Deep Learning und neuronalen Netzwerken zeigen GPU ihre unvergleichlichen Vorteile. Während des Trainings benötigen neuronale Netzwerke umfangreiche Matrixberechnungen und hohe Parallelität – genau die Aufgaben, in denen GPU stark sind. Durch das CUDA (Compute Unified Device Architecture) Programmiermodell sowie Deep-Learning-Frameworks wie PyTorch und TensorFlow erreichen GPU eine extrem hohe Recheneffizienz. Dies macht GPU zur idealen Wahl für große AI-Modelle (wie GPT, BERT usw.), sowohl beim Training als auch bei der Inferenz im Deployment. Auch im ZK-Bereich spielen GPU eine wichtige Rolle. Zero-Knowledge Proofs (ZK) sind kryptografische Algorithmen, die es einer Partei ermöglichen, die Richtigkeit einer Information zu beweisen, ohne die Information selbst preiszugeben. Bei den Rechenaufgaben von ZK sind GPU aufgrund ihrer hohen Parallelität und ihres großen Durchsatzes derzeit die gängigste Rechenressource, insbesondere in der Anfangsphase, da GPU relativ kostengünstig und leicht verfügbar sind. Dennoch sind die Grenzen von GPU offensichtlich. Obwohl GPU bei vielen ZK-Beweisalgorithmen Vorteile bieten, stoßen sie bei bestimmten Aufgaben wie großen Ganzzahl-Modulo-Operationen, MSM (Multiplikation von Polynomen) und FFT/NTT (Fast Fourier Transform / Number Theoretic Transform) an ihre Speicher- und Bandbreitenlimits. Diese Berechnungen stellen hohe Anforderungen an Speicher und Bandbreite, und die Architektur der GPU ist für diese Engpässe nicht vollständig optimiert. Daher dominieren GPU zwar aktuell den ZK-Bereich, aber auf lange Sicht sind spezialisiertere Hardwarelösungen unvermeidlich. FPGA (Field Programmable Gate Array) gelten seit langem als Lösung zwischen GPU und ASIC. Im Vergleich zu GPU bieten FPGA eine höhere Flexibilität, da Entwickler die Hardware je nach Bedarf programmieren und anpassen können. Diese Flexibilität ermöglicht es FPGA, in vielen Anwendungsszenarien hervorragende Leistungen zu erbringen, insbesondere in der Algorithmusentwicklung und -optimierung. Die Hardware-Programmierbarkeit von FPGA macht sie zur idealen Wahl für die Verifizierung und Iteration von ZK-Beweisalgorithmen, Prototypenvalidierung und für Szenarien mit niedriger Latenz (wie Hochfrequenzhandel, 5G-Basisstationen). Im ZK-Bereich haben FPGA großes Potenzial. Da sich ZK-Beweisalgorithmen ständig weiterentwickeln, passen viele Forschungsteams die Algorithmen je nach Bedarf an und optimieren sie – die Flexibilität von FPGA erfüllt genau diese Anforderungen. Entwickler können die Hardwarearchitektur für verschiedene ZK-Algorithmen anpassen, um die Leistung zu maximieren. Darüber hinaus bieten FPGA auch Vorteile beim Stromverbrauch und bei der Latenz, insbesondere in Low-Power-Edge-Computing-Szenarien mit hohen Anforderungen an die Rechenressourcen. Cysic Network ist ein dezentralisiertes Netzwerk auf Basis des ComputeFi-Konzepts, das darauf abzielt, Rechenressourcen (wie GPU, ASIC und Mining-Rigs) zu finanzialisieren, die Grenzen traditioneller Rechenressourcen zu durchbrechen und programmierbare, überprüfbare und handelbare Rechenressourcen zu ermöglichen. Dieses Netzwerk basiert auf dem Cosmos SDK (Software Development Kit) und dem Proof-of-Compute (PoC)-Mechanismus und schafft einen dezentralen Marktplatz für Task-Matching und Multiverifikation, der ZK-Proofs, AI-Inferenz, Mining und High Performance Computing (HPC) unterstützt. Das Ziel von Cysic ist es, dem Web3-Ökosystem eine neue Infrastruktur im Bereich der Rechenleistung zu bieten und die Liquidität und Dezentralisierung von Rechenressourcen zu fördern. Ein entscheidender Vorteil des Cysic Network ist seine einzigartige vertikale Integrationsfähigkeit: Mit eigens entwickelten ZK ASIC, GPU-Clustern und tragbaren Mining-Rigs kann Cysic effiziente Rechenressourcen bereitstellen. Das Cysic-Team kombiniert die Vorteile von GPU und ASIC, um maßgeschneiderte Rechenleistung für verschiedene Anwendungsszenarien bereitzustellen und so die Flexibilität und Skalierbarkeit des Netzwerks weiter zu erhöhen. Darüber hinaus verwendet Cysic ein Dual-Token-System, bestehend aus CYS und CGT. CYS wird hauptsächlich für Netzwerk-Governance und Anreizmechanismen verwendet, während CGT für den Handel und die Liquiditätsunterstützung von Rechenleistung dient.
Haftungsausschluss: Der Inhalt dieses Artikels gibt ausschließlich die Meinung des Autors wieder und repräsentiert nicht die Plattform in irgendeiner Form. Dieser Artikel ist nicht dazu gedacht, als Referenz für Investitionsentscheidungen zu dienen.
Das könnte Ihnen auch gefallen
Die US-Aktien verpassen die „gute Nachricht“ vor ihren Augen? Gewinnerwartungen werden selten nach oben korrigiert, Stratege: Fundamentaldaten sind so stark, dass sie „unwirklich“ erscheinen
Seaport Research Partners ist der Ansicht, dass der US-Aktienmarkt derzeit eine deutliche Diskrepanz zwischen Unternehmensgewinnen und Aktienkursentwicklung aufweist: Die Gewinne im zweiten Quartal sind stark, und die Analystenerwartungen werden weiterhin nach oben korrigiert, jedoch drücken hohe Zinsen und Bedenken hinsichtlich der Nachhaltigkeit der Gewinne auf die Bewertungen. In Sektoren wie Industrie und Transport könnten sich Bewertungsfehler ergeben. Sollte die Federal Reserve jedoch Signale für eine erneute Zinserhöhung senden, könnte dies kurzfristig weiterhin Druck auf den Aktienmarkt ausüben.
Die US-Zwischenwahlen stehen bevor, die Wall Street setzt auf eine geteilte Kongress, könnte der Markt eine moderate Verschnaufpause erleben?
Da die US-Zwischenwahlen näher rücken, setzt die Wall Street allgemein darauf, dass die Demokraten das Repräsentantenhaus zurückgewinnen und die Republikaner den Senat halten, was zu einer „geteilten Kongress“-Situation führen würde. Dies wird als Begrenzung radikaler Politiken und als Verringerung von Unsicherheiten angesehen. Historische Daten zeigen, dass seit 1950 während der Amtszeiten republikanischer Präsidenten und eines geteilten Kongresses die US-Aktienmärkte eine durchschnittliche Jahresrendite von 13,7 % erzielten – höher als die 8,3 % bzw. 4,9 %, wenn Republikaner oder Demokraten allein den Kongress kontrollierten. Sollte das Wahlergebnis von den Erwartungen abweichen, könnten die Märkte dennoch stark schwanken.
Der bekannte US-Aktien-Investor Eric Jackson tritt dem Beratungsausschuss von Shengda Technology (SDA.US) bei und unterstützt die Internationalisierungsstrategie und den Aufbau der Investorenbeziehungen des Unternehmens.
Eric Jackson, Gründer von EMJ Capital und bekannter Technologieinvestor, ist offiziell dem Beratungsausschuss des Unternehmens beigetreten.
Die Nachfrage nach „optischer Interkonnektivität“ explodiert im Zeitalter der KI-Inferenz! Lumentum (LITE.US), das „im Licht steht“, übernimmt die Führung bei NPO und erweitert OCS, um dem Gewinnsprung entgegenzusehen.
Aus der Sicht der zugrunde liegenden Technik resultiert das steigende Bedürfnis nach optischer Interkonnektivität aus häufigeren und strengeren Datenaustauschen zwischen einer größeren Zahl von Recheneinheiten: Die Expertenparallelisierung in Mixture-of-Experts-Modellen (MoE) erfordert das Verteilen und Aggregieren von Daten über mehrere GPUs hinweg; die Trennung von Prefill und Decode (Prefill–Decode Disaggregation) benötigt die Übertragung von Schlüssel-Wert-Caches (KV Cache); komplexe Workflows intelligenter Agenten erhöhen die gleichzeitigen Modellaufrufe, Toolausführungen und Datenzugriffe.
Krypto-Preise
Mehr
