[Довгий тред] Дослідження Cysic: Шлях ComputeFi до апаратного прискорення ZK

Chainfeeds Вступ:

Докази з нульовим розголошенням (ZK) як нове покоління інфраструктури для шифрування та масштабування вже демонструють великий потенціал у масштабуванні блокчейнів, приватних обчисленнях, а також у нових застосуваннях, таких як zkML та міжланцюгові верифікації. Однак процес генерації доказів вимагає величезних обчислювальних ресурсів і має високу затримку, що стає найбільшим вузьким місцем для впровадження в індустрії.

Джерело статті:

Jacob Zhao

Думка:

Jacob Zhao:GPU вже стали ключовим обчислювальним ресурсом для AI та ZK. У сфері штучного інтелекту (AI) GPU, завдяки своїй потужній архітектурі паралельних обчислень та зрілій екосистемі, практично стали незамінним основним апаратним забезпеченням. Особливо у тренуванні та інференції глибокого навчання і нейронних мереж GPU демонструють свої неперевершені переваги. Під час тренування нейронні мережі потребують великої кількості матричних операцій і високого рівня паралелізму, що є сильною стороною GPU. Завдяки програмній моделі CUDA (Compute Unified Device Architecture) та фреймворкам глибокого навчання, таким як PyTorch і TensorFlow, GPU забезпечують надзвичайно високу ефективність обчислень. Це робить GPU ідеальним вибором для великих AI-моделей (наприклад, GPT, BERT тощо) як під час тренування, так і під час інференції. У сфері ZK GPU також відіграють важливу роль. Докази з нульовим розголошенням (Zero-Knowledge Proof, скорочено ZK) — це криптографічний алгоритм, який дозволяє одній стороні довести істинність певної інформації, не розкриваючи саму інформацію. У обчислювальних завданнях ZK GPU завдяки високому рівню паралелізму та великій пропускній здатності стали основним обчислювальним ресурсом, особливо на початкових етапах, коли GPU завдяки своїй відносно низькій вартості та доступності були ідеальним вибором. Однак обмеження GPU також очевидні. Незважаючи на переваги GPU у багатьох алгоритмах ZK-доказів, у деяких специфічних завданнях, таких як операції з великими цілими числами, MSM (множення багатьох поліномів) та FFT/NTT (швидке перетворення Фур'є / числове перетворення), пропускна здатність пам'яті та сховища GPU стає вузьким місцем. Ці обчислювальні завдання вимагають дуже високої пропускної здатності пам'яті та сховища, а архітектура GPU не повністю оптимізована для цих вузьких місць. Тому, незважаючи на домінування GPU у сфері ZK, у довгостроковій перспективі більш спеціалізовані апаратні рішення залишаються неминучими. FPGA (польові програмовані вентильні матриці) як програмоване апаратне забезпечення вже давно розглядаються як проміжне рішення між GPU та ASIC. У порівнянні з GPU, FPGA мають більшу гнучкість, розробники можуть програмувати та налаштовувати апаратне забезпечення відповідно до своїх потреб. Така гнучкість дозволяє FPGA демонструвати відмінну продуктивність у багатьох сценаріях використання, особливо на етапах розробки та оптимізації алгоритмів. Програмована апаратна архітектура FPGA робить їх ідеальним вибором для перевірки та ітерації алгоритмів ZK-доказів, прототипування, а також для сценаріїв з низькою затримкою (наприклад, високочастотна торгівля, 5G-базові станції). У сфері ZK застосування FPGA має великий потенціал. Оскільки алгоритми ZK-доказів постійно розвиваються, багато дослідницьких команд коригують та оптимізують алгоритми відповідно до конкретних потреб, і гнучкість FPGA якраз відповідає цим вимогам. Розробники можуть налаштовувати апаратну архітектуру під різні алгоритми ZK, щоб максимізувати продуктивність. Крім того, FPGA мають певні переваги щодо енергоспоживання та затримки, особливо у сценаріях енергоефективних обчислень на периферії, де потрібні значні обчислювальні ресурси. Cysic Network — це децентралізована мережа, заснована на концепції ComputeFi (обчислювальні фінанси), яка має на меті фінансувати обчислювальні ресурси (такі як GPU, ASIC та майнінгове обладнання), подолати обмеження традиційних обчислювальних ресурсів і забезпечити програмованість, верифікованість та торгівлю обчислювальними ресурсами. Ця мережа побудована на основі Cosmos SDK (набір інструментів для розробки програмного забезпечення) та механізму Proof-of-Compute (PoC), створюючи децентралізований ринок для узгодження завдань та багаторівневої верифікації, який підтримує обчислювальні потреби для ZK-доказів, AI-інференції, майнінгу та високопродуктивних обчислень (HPC). Мета Cysic — надати нову інфраструктуру для екосистеми Web3, особливо у сфері обчислювальних потужностей, сприяючи ліквідності та децентралізації обчислювальних ресурсів. Однією з ключових переваг Cysic Network є її унікальна вертикальна інтеграція: завдяки власним ZK ASIC, GPU-кластерам та портативним майнерам Cysic може забезпечити ефективні обчислювальні ресурси. Команда Cysic, поєднуючи переваги GPU та ASIC, може надавати кастомізовану обчислювальну підтримку для різних сценаріїв використання, що ще більше підвищує гнучкість та масштабованість мережі. Крім того, Cysic використовує подвійну токен-економіку: CYS і CGT, де CYS використовується переважно для управління мережею та системи винагород, а CGT — для торгівлі обчислювальними потужностями та підтримки ліквідності.