يُحوّل Cysic Shifts شبكة GPU من إثباتات البلوكشين إلى الاستنتاجات الخاصة بالذكاء الاصطناعي وسط ارتفاع رسوم الطبقة الثانية

2026/11/08 11:08:00

يوجه Cysic قدرة وحدات معالجة الرسومات نحو الاستنتاج الذكي مع انخفاض الطلب على توليد إثبات ZK

Cysic، شبكة الحوسبة اللامركزية التي أطلقت شبكتها الرئيسية في 24 سبتمبر 2025، نقلت التركيز الأساسي لأسطول وحدات معالجة الرسومات الخاصة بها من توليد أدلة الصفرية المعرفة لشبكات إيثريوم الطبقة الثانية إلى دعم أحمال عمل الاستنتاج الذكي. يأتي هذا التحول بعد انخفاض واضح في الطلب على توليد الأدلة جنبًا إلى جنب مع رسوم المعاملات على الطبقة الثانية التي، وفقًا للشركة، ارتفعت فوق تلك الموجودة على إيثريوم نفسها. منذ إطلاق الشبكة الرئيسية، معالجة الشبكة أكثر من 13 مليون معاملة وأنتجت أكثر من 10 ملايين دليل صفرية المعرفة، بالتعاون مع شركاء بما في ذلك Scroll و Aleo. وهي تُدرج حاليًا أكثر من 118,000 مُثبت و200,000 مُحقق.

لقد وصف المدير التنفيذي ليو فان التغيير على أنه إعادة توزيع عملية لعتاد موجود بدلاً من الخروج الكامل من عمل التقنيات الصفرية المعرفة، مع الاستمرار في استهداف إثبات كتل إيثريوم في أقل من ثمانية ثوانٍ. إن طبقة إثبات الحوسبة من المستوى الأول الخاصة بالشبكة، والتي تتوافق مع آلة إيثريوم الافتراضية، تقوم بالفعل بتنسيق مهام ZK وAI، مما يوفر أساسًا تقنيًا جاهزًا للتحول. إن إعادة توجيه قدرات GPU الخاصة بـ Cysic نحو استنتاج نماذج اللغة الكبيرة تعكس تغييرات قابلة للقياس في اقتصاديات المستوى الثاني وظروف سوق GPU، مما يسمح للشبكة بالحفاظ على استخدامها مع الاستمرار في تطوير محدد للتقنيات الصفرية المعرفة من خلال العتاد المتخصص وسوق CyAI.

النقاط الرئيسية

يقوم Cysic بإعادة توجيه موارد GPU من إثباتات L2 ZK إلى استنتاج الذكاء الاصطناعي بعد انخفاض الطلب.
لقد تجاوزت رسوم الطبقة الثانية رسوم الشبكة الرئيسية لإيثريوم، مما قلل من اقتصاديات الإثبات.
تشمل مقاييس الشبكة الرئيسية منذ سبتمبر 2025 أكثر من 13 مليون معاملة و10 ملايين إثبات.
قدمت Venus zkVM وتحسينات GPU مكاسب في كفاءة وقت الإثبات تزيد عن 9 بالمئة.
يحقق رقاقة C1 المخصصة 1.31 مليون وظيفة Keccak في الثانية لتقديم إثبات أسرع.
يستخدم سوق CyAI عمليات تدقيق إحصائية لمهام الذكاء الاصطناعي بدلاً من إثباتات الصفرية المعرفية الكاملة لكل مهمة.

انخفاض طلب إثبات ZK يجبر إعادة توزيع الأجهزة عبر الشبكات اللامركزية

انخفض الطلب على توليد أدلة الإثبات الصفرية المعرفية التي تخدم شبكات إيثيريوم من المستوى الثاني بشكل حاد خلال عام 2026، مما دفع سيسيك إلى إعادة توزيع قدرتها من وحدات معالجة الرسومات. تعتمد شبكات المستوى الثاني على هذه الإثباتات لدفع المجموعات من المعاملات وتسويتها بأمان على إيثيريوم دون الحاجة إلى إعادة تنفيذ العمل من قبل كل مشارك. عندما يخف الطلب على الإثباتات، تبقى الأجهزة المتخصصة التي كانت تولد إيرادات ثابتة غير مستغلة بشكل كافٍ. وقد ربط قادة سيسيك الانخفاض مباشرة بارتفاع رسوم المستوى الثاني التي تجاوزت الآن تكاليف الطبقة الأساسية لإيثيريوم في فترات معينة، مما أضعف الميزة الاقتصادية التي جعلت خدمات الإثبات الخارجية جذابة في السابق.

تُظهر بيانات الشبكة نفسها نشاطًا سابقًا كبيرًا، مع إنتاج أكثر من 10 ملايين إثبات منذ إطلاق الشبكة الرئيسية في سبتمبر 2025، لكن الظروف الحالية لم تعد تدعم نفس حجم العمل المركّز على L2. هذه الخطوة ليست فريدة من نوعها بالنسبة لمزود واحد؛ فقد رفعت ندرة وحدات المعالجة الرسومية الناتجة عن طلب مراكز البيانات الخاصة بالذكاء الاصطناعي من تكلفة الفرصة البديلة لتخصيص وحدات التسريع حصريًا لإثبات التشفير. من خلال إعادة توجيه القدرة، يحافظ Cysic على استخدام الأجهزة بينما تمتص السوق الأوسع العرض الزائد من الإثباتات. يعتمد هذا القرار على ديناميكيات الرسوم والمقاييس الفعلية للاستخدام، وليس على التوقعات التخمينية، مما يسمح للشبكة بالتكيف دون التخلي عن البنية التحتية التي تم بناؤها بالفعل للحوسبة القابلة للتحقق.

التداخل بين وحدات معالجة الرسومات في إثبات الصفر المعرفة واستنتاج نماذج اللغة الكبيرة يمكّن من الانتقال السلس

تفرض كل من توليد إثباتات الصفرية المعرفة واستنتاج نماذج اللغة الكبيرة متطلبات ثقيلة على موارد وحدات معالجة الرسومات، مما يخلق جسرًا تقنيًا طبيعيًا لتحول سيسيك. يتضمن توليد الإثباتات حسابات كثيفة في الحقول المنتهية، وعمليات ضرب متعددة المقياس، وتحولات نظرية الأعداد التي تُنفَّذ بكفاءة على نوى وحدات معالجة الرسومات المتوازية. من ناحية أخرى، يركز الاستنتاج على عمليات ضرب المصفوفات وآليات الانتباه التي تُشبع أيضًا نفس الوحدات المُسرِّعة. وبما أن السيليكون الأساسي مُحسَّن بالفعل لمهام التوازي ذات الإنتاجية العالية، فإن نقل القدرة من فئة مهمة إلى أخرى يتطلب تغييرات في جدولة البرمجيات فقط، وليس شراء أجهزة جديدة.

طبقة إثبات الحوسبة من Cysic تُوجّه بالفعل مهام من النوعين، لذا لم يكن من الضروري ابتكار طبقة تنسيق جديدة. وقد شدّد المدير التنفيذي ليو فان على أن الأسطول الحالي يمكن توجيهه نحو استنتاج نماذج اللغة الكبيرة دون الحاجة إلى إعادة هيكلة شاملة. هذا التداخل يقلل من المخاطر الرأسمالية ويُقصير جدول زمني الانتقال. في الوقت نفسه، يحتفظ الشبكة بقدرة خدمة الطلب المتبقي على ZK، مما يحافظ على خيارات متعددة. النتيجة العملية هي زيادة متوسط استخدام الأصول المادية نفسها في ظل ظروف السوق المتغيرة، وهي قدرة قد تفتقر إليها منصات ZK النقية أو AI النقية.

مؤشرات أداء الشبكة الرئيسية تُظهر الحجم الذي تم تحقيقه قبل التحول الاستراتيجي

تم إطلاق الشبكة الرئيسية لـ Cysic في 24 سبتمبر 2025، وقد تراكمت بالفعل حجمًا تشغيليًا ذا معنى يدعم التحول الحالي. ومعالجة الشبكة لأكثر من 13 مليون معاملة وتوليد أكثر من 10 ملايين إثبات صفر معرفة خلال حوالي ثلاثة عشر شهرًا من التشغيل. الشراكات مع Scroll وAleo ساهمت في هذا الحجم، ودعمت نشر الشبكة عبر نظم شركائها. من حيث المشاركة، تُظهر النظام أكثر من 118,000 مُثبت و200,000 مُحقق، مما يدل على وجود شبكة مسجلة كبيرة من المشاركين حتى بعد تراجع المشاركين الانتهازيين بعد مرحلة اختبار الشبكة.

هذه الأرقام تثبت أن Cysic ليس تجربة ناشئة، بل شبكة تعمل لديها سجل قابل للقياس للنشاط الشبكي. إن آلية إجماع Proof-of-Compute تحوّل الحوسبة المفيدة، سواء كانت ZK أو AI، إلى درجات وحوافز للشبكة، مما يخلق استمرارية عبر أنواع الأحمال المختلفة. وبما أن النظام أثبت قدرته على تنسيق أعداد كبيرة من الآلات المتنوعة لأعمال التشفير، يمكن الآن استخدام نفس الآلية لجدولة مهام الاستنتاج بنفس الموثوقية النسبية. وبالتالي، فإن المقاييس تخدم كدليل على القدرة السابقة كأساس للتركيز الموسّع على الذكاء الاصطناعي.

تحسينات Venus zkVM وGPU تحقق مكاسب فعالة قابلة للقياس لعملية إثبات البقايا

يستمر Cysic في تحسين مجموعة إثباته حتى أثناء تحويل القدرة الأساسية نحو الذكاء الاصطناعي. وقد حسّن Venus zkVM مع تحسينات مستهدفة للبطاقات الرسومية كفاءة وقت الإثبات الشامل بنسبة تزيد عن 9 بالمائة مقارنة بالأساسيات السابقة. هذه التحسينات ناتجة عن جدولة أفضل عبر كامل سلسلة الإثبات وليس فقط من خلال زيادة خام في أداء الشرائح. من خلال التعامل مع توليد الإثبات كرسم حسابي متصل وتقليل وقت الخمول بين مراحل المعالج المركزي والبطاقة الرسومية، يستخرج Venus مزيدًا من العمل المفيد من نفس الأجهزة.

التحسينات ذات أهمية لأي طلب متبقى من المستوى الثاني وللهدف طويل الأجل المتمثل في إثبات كتل إيثريوم الكاملة في أقل من ثمانية ثوانٍ. كما أن مكاسب الكفاءة تقلل من التكلفة الحدية لمهام الإثبات العرضية، مما يجعل العمل الزكي الانتقائي أكثر قابلية للتطبيق إلى جانب عبء العمل الرئيسي المتمثل في الذكاء الاصطناعي. في سوق حيث تتنافس مراكز بيانات الذكاء الاصطناعي بشراسة على نفس وحدات معالجة الرسومات، فإن كل نقطة مئوية من تحسين الاستخدام تتراكم لتحسين الاقتصاديات. عناصر مفتوحة المصدر في مجموعة Venus تسمح أيضًا للمطورين الخارجيين بالبناء على نفس التحسينات، مما يوسع نطاق الشبكة التقني ليتجاوز أسطولها الخاص.

مراجعات شريحة C1 المخصصة تُبرز التميّز في الأجهزة للهش المتعلق بالإيثيريوم

تشيّب C1 المخصص من Cysic يُنفّذ 1.31 مليون وظيفة Keccak في الثانية، وهي معيار يتطابق مباشرة مع متطلبات التجزئة الأساسية لإيثريوم. يُشكّل Keccak أساس العديد من العمليات التشفيرية داخل نظام إيثريوم، لذا فإن تسريع هذه الطبقة يُترجم إلى توليد أسرع للأدلة لـ rollups والبروتوكولات الأخرى التي تعتمد على هذه المبادئ الأساسية. تقلّل الرقائق المتخصصة من الاعتماد على وحدات معالجة الرسوميات العامة للنوى التشفيرية الأكثر كثافة، مما يعزل جزئيًا الشبكة عن نقص وحدات معالجة الرسوميات الناتج عن الذكاء الاصطناعي الأوسع. تشكّل هذه الرقاقة جزءًا من خارطة طريق أجهزة أوسع تبحث أيضًا في مسارات FPGA وASIC المبكرة، مما يُظهر إدراكًا بأن الاعتماد الكامل على وحدات معالجة الرسوميات يصبح أكثر تكلفة.

من خلال دمج مُسرّعات مخصصة مع أسطول وحدات معالجة الرسوميات الحالية، يمكن لـ Cysic تخصيص المورد الأكثر كفاءة لكل نوع من الأحمال: ASICs أو FPGAs لبعض نوى ZK، ووحدات معالجة الرسوميات للاستنتاج المرن، أو البراهين المتبقية. يدعم هذا النهج الهجين كلًا من التحول الفوري نحو الذكاء الاصطناعي والطموح طويل الأمد لإثبات Ethereum في الزمن الحقيقي. توفر نتائج C1 دليلاً ملموسًا على أن الشركة تستثمر في أجهزة متميزة بدلاً من إعادة تسمية السعة الحالية فقط.

سوق CyAI يُقدّم التحقق العملي لعبء عمل الاستنتاج الذكي الموزع

سوق CyAI التابع لـ Cysic يعالج طلبات الاستنتاج الذكي عبر تصميم يُعطي الأولوية للعملية العملية بدلاً من إنشاء أدلة كryptographic كاملة لكل مهمة. بدلاً من توليد دليل صفر المعرفة كامل لكل استنتاج، يستخدم CyAI عمليات تدقيق إحصائية عشوائية وتقنيات مثل فحوصات توزيع مسافة Logit لاكتشاف استبدال النموذج، أو تقليل الدقة، أو فرض رسوم زائدة. يقدم المقدّمون المنافسة بناءً على السعر، والتلكّؤ، والموثوقية المقاسة، بينما يحدد العملاء الميزانيات وحدود الجودة. يقع السوق داخل إطار ComputeFi الأوسع، مما يسمح لنفس شبكة الآلات التي كانت تركز سابقاً على أدلة ZK بخدمة استنتاج نماذج LLM، بدءاً من الخيارات مفتوحة المصدر وحتى الخدمات الخارجية.

نموذج التحقق الأخف هذا يقلل من التكاليف مقارنةً بنهج ZK البحتة، ويجعل الخدمة أكثر تنافسية مع واجهات برمجة التطبيقات المركزية، مع الحفاظ على سجل قابل للمراجعة. يُظهر النشر المبكر لـ CyAI أن الشبكة يمكنها توجيه حركة مرور الاستنتاج الحقيقية وتسوية المدفوعات على السلسلة. وبالتالي، يحول التصميم نفس قاعدة الأجهزة اللامركزية إلى قدرة استنتاج ذكاء اصطناعي دون الحاجة إلى أن يتحمل كل عميل تكاليف الإثبات الكاملة.

ديناميكيات رسوم الطبقة الثانية تغيّر اقتصاديات خدمات توليد الإثبات الخارجي

وفقًا لـ Cysic، ارتفعت رسوم المعاملات من الطبقة الثانية فوق رسوم الشبكة الرئيسية لإيثريوم في الفترات الأخيرة، مما أزال أحد الدوافع الاقتصادية الأساسية لخدمات الإثبات الخارجية. عندما تصبح طبقات L2 نفسها باهظة نسبيًا، يصبح من الصعب تبرير التكلفة الإضافية للإثبات المتخصص، وينخفض الطلب على إنشاء الإثبات من طرف ثالث. أظهرت تحليلات الصناعة السابقة أن إنشاء الإثبات يشكل حصة كبيرة من تكاليف تشغيل ZK rollup؛ وأي ارتفاع في رسوم L2 الأساسية يزيد من هذا العبء. ملاحظة Cysic متسقة مع تشديد أوسع في عرض وحدات معالجة الرسوميات (GPU) مع امتصاص مراكز بيانات الذكاء الاصطناعي للمُسرّعات المتاحة، مما يرفع تكلفة الفرصة البديلة لخصخصة الأجهزة حصريًا للتشفير.

لا يلغي انعكاس الرسوم القيمة طويلة الأجل لتكنولوجيا الصفر المعرفة، لكنه يغير أنماط الاستخدام على المدى القريب. قد تتمتع الشبكات التي يمكنها تغيير السعة بشكل مرن بين الإثبات والاستنتاج بمرونة أكبر أثناء التحولات في الطلب. يوضح رد Cysic، بإعادة توزيع وحدات معالجة الرسومات مع الحفاظ على قدرات إثبات متخصصة، إحدى الاستراتيجيات التكيفية تحت هذه الظروف.

طبقة إثبات الحوسبة من المستوى الأول توفر تنسيقًا موحدًا للأحمال المختلطة

تُدير Cysic طبقة من المستوى الأول متوافقة مع EVM وتعتمد على إثبات الحوسبة، وتُستخدم كطبقة تنسيق لمهام zero-knowledge والذكاء الاصطناعي. آلية الإجماع تكافئ الحوسبة المفيدة بدلاً من التجزئة أو الرهن فقط، مما يسمح لنفس هيكل الحوافز بدعم مهام الإثبات والاستنتاج، وربما تدريب الأحمال. يُقدّم المطورون المهام مع معلمات الميزانية والتأخير؛ ويقوم الشبكة بتوجيهها إلى وحدات GPU المتاحة أو مُسرّعات متخصصة، ثم تُسوّى النتائج على السلسلة.

كانت هذه البنية موجودة بالفعل قبل التحول، لذا لم يتطلب التحول إلى استنتاج الذكاء الاصطناعي طبقة أساسية جديدة. إن التصميم ذي الغرض المزدوج يقلل من التشتت ويسمح للمزودين بالكسب من أي عبء عمل يقدم عوائد أفضل حاليًا. وبما أن السلسلة لا تزال متوافقة مع أدوات إيثريوم، فتظل تكاليف التكامل للتطبيقات الحالية منخفضة. والنتيجة هي سوق واحد للحوسبة القابلة للتحقق يمكنه امتصاص التغيرات في الطلب النسبي بين المهام الكryptographic ومهام التعلم الآلي دون الحاجة إلى نقل المشاركين إلى شبكات منفصلة.

تستمر الطموحات الصفرية المعرفية الج�رية جنبًا إلى جنب مع التركيز على الذكاء الاصطناعي

لم يتخلَّ Cysic عن تطوير تقنية الصفر-معرفة. وقد أعاد المدير التنفيذي ليو فان التأكيد على هدف إثبات كتل إيثريوم الكاملة في أقل من ثمانية ثوانٍ، وهي قدرة ستُفتح استخدامات تحقق فورية في الزمن الحقيقي تتجاوز إثباتات L2 الحالية. وتدعم تحسينات Venus وتطور شريحة C1 هذا الهدف مباشرة من خلال تقليل التأخير وتكلفة كل إثبات. ويمكن الاستمرار في الإثبات الانتقائي للتطبيقات عالية القيمة أو الحساسة للتأخير حتى بينما تخدم غالبية قدرات GPU استنتاج الذكاء الاصطناعي.

الحفاظ على القدرة المزدوجة يحافظ على المرونة الاستراتيجية: إذا أعادت تطورات اقتصاديات L2 أو الأجهزة المتخصصة تنشيط الطلب المثبت، يمكن للشبكة إعادة التوازن دون البدء من الصفر. كما أن الاستمرار في الاستثمار لإثبات الكفاءة يعزز طبقة التحقق CyAI، نظرًا لأن المراجعات الإحصائية والتحسينات المستقبلية المحتملة لـ ZK للذكاء الاصطناعي يمكن أن تشترك في نفس خط أنابيب البحث. من هذا المنظور، فإن التحول هو توسيع لسطح الحوسبة وليس استبدالًا ثنائيًا لحزمة عمل بأخرى.

زيادة الطلب على مراكز بيانات الذكاء الاصطناعي تُضيّق عرض وحدات معالجة الرسوميات وترفع تكاليف الفرصة البديلة للوظائف المتخصصة

لقد امتصت تدريب الذكاء الاصطناعي والاستنتاج حصة متزايدة من وحدات معالجة الرسومات عالية الأداء المتاحة، مما أنشأ منافسة مباشرة مع إثباتات الصفر المعرفة على نفس الشرائح. لاحظ قياديون في Cysic أن الصناعة تتنافس فعليًا مع ميزانيات مراكز البيانات الممولة جيدًا، مما يرفع سعر وندرة وحدات التسريع. تحت هذه الظروف، يصبح إبقاء وحدات معالجة الرسومات غير مستخدمة أو تحت الاستخدام لطلب متراجع على إثباتات L2 أكثر تكلفة بشكل متزايد. يسمح توجيه السعة إلى استنتاج نماذج اللغة الكبيرة للشبكة باستخلاص إيرادات من الحمل الأعلى طلبًا، بينما تتطور خريطة طريق الأجهزة المتخصصة — FPGAs وASICs وشريحة C1 — نحو حلول ZK أكثر كفاءة.

يضخم ضغط العرض أيضًا قيمة الأسواق اللامركزية التي يمكنها تجميع وحدات معالجة الرسوميات المستهلكة والاحترافية المجزأة. من خلال المشاركة في كلا السوقين، تكتسب مزودي Cysic مرونة ضد التقلبات في الطلب على الذكاء الاصطناعي أو التشفير. التأثير الأوسع على الصناعة هو أن شبكات إثبات ZK البحتة قد تواجه زيادة في كثافة رأس المال ما لم تطور مرونة مشابهة أو تتحرك بقوة نحو شرائح مخصصة.

المراجعة الإحصائية في CyAI توازن بين تقليل الثقة والكفاءة العملية

ستفرض خوارزميات إثبات الصفر المعرفة الكاملة لكل طلب استنتاج ذكاء اصطناعي عبئًا من التأخير والتكلفة لا تستطيع العديد من التطبيقات تحمله. لذلك، تستخدم CyAI عمليات تدقيق إحصائي عشوائية واختبار توزيع مسافة اللوجيت للتحقق من أن المزودين يقدمون النموذج المعلن عنه، والدقة، ودقة الفوترة. يقوم الشهود بعينة من المهام، ويتحقق المدققون من وجود استبدال أو تدهور في الجودة. يوفر هذا النهج سجلًا قابلًا للمراجعة دون الحاجة إلى إثباتات تشفيرية لرسم التحويل الكامل للنماذج الكبيرة.

يُقدّم التصميم تبادلًا بين الضمانات التشفيرية المطلقة وبين إنتاجية أعلى وتكلفة أقل، مما يجعل السوق التنافسي متنافسًا مع الخدمات المركزية مع الحفاظ على شفافية أكبر. يحتفظ العملاء بقدرة تحديد قيود الجودة والسعر، وتنافس الموردون بناءً على الموثوقية المقاسة. يتوافق هذا النموذج مع أطروحة اقتصاد الوكلاء التي صاغها سيسيك: فالمُوكلون الذاتيون يحتاجون إلى استدلال قابل للتحقق ولكنه فعّال، وليس إلى تكاليف تشفير قصوى على كل رمز يتم إنشاؤه. تُظهر حركة المرور الحية المبكرة على CyAI أن طبقة التحقق الأخف هي قابلة للتطبيق عمليًا على نطاق الشبكة.

استراتيجية الهجين للعتاد تُمكّن الشبكة من مرونة حسابية طويلة الأجل

يجمع خارطة طريق Cysic بين وحدات معالجة الرسومات العامة ومُسرّعات مخصصة مثل شريحة C1 والعمل الجارٍ على FPGA وASIC. توفر وحدات معالجة الرسومات قدرة مرنة يمكنها التبديل بين الاستنتاج وإثبات الباقي، بينما تستهدف الشريحة المتخصصة النوى الرياضية حيث تكون الأجهزة العامة أقل كفاءة. يقلل هذا النهج الهجين من التعرض لدورات سوق وحدات معالجة الرسومات البحتة ويعزز الاقتصاد الوحدوي لأي عبء عمل يهيمن حاليًا. يمكن لطبقة التنسيق نفسها جدولة المهام عبر أجهزة متنوعة، ومطابقة خصائص المهمة مع الأجهزة الأنسب.

للاستدلال الذكي، يمكن للشبكة الاعتماد على قاعدة واسعة من وحدات معالجة الرسوميات؛ ولأعمال ZK ذات الحجم العالي أو الحساسية للتأخير، يمكنها الاعتماد على النوى المُسرّعة. كما تدعم هذه الاستراتيجية رؤية ComputeFi المتمثلة في تحويل موارد الحوسبة المتنوعة إلى أصول سائلة تدر عوائد. من خلال تجنب الاعتماد الحصري على أي فئة أجهزة واحدة، قد تحسن Cysic مرونتها التشغيلية مع استمرار تطور أسواق الذكاء الاصطناعي وتقنيات الصفر-معرفة.

كيف يعيد طلب الذكاء الاصطناعي تشكيل سوق الحوسبة اللامركزية

يُظهر تحول Cysic توتراً هيكلياً يواجهه شبكات الحوسبة اللامركزية: نفس المسرّعات التي تُمكّن إثباتات التشفير أصبحت الآن مطلوبة بشدة لمهام الذكاء الاصطناعي التي تهيمن حالياً على اقتصادياتها. الشبكات التي تستطيع إعادة توزيع السعة بسلاسة، والحفاظ على خيارات إثبات متخصصة، وتقديم التحقق العملي لمهام الذكاء الاصطناعي، هي الأكثر تميزاً للحفاظ على المزودين وجذب الطلب. إن مزيج طبقة تنسيق متوافقة مع EVM، وعتاد هجين، وسوقين مزدوجين (ZK و CyAI) يمنح Cysic استجابة ملموسة لهذا التوتر.

سيعتمد ما إذا كان النموذج سيتوسع أكثر على استمرار الطلب على الاستنتاج، وتنافسية التدقيق الإحصائي مقارنة بالبدائل المركزية، والتقدم المستمر في شرائح مخصصة لاحتياجات ZK المتبقية. بالنسبة للنظام البيئي الأوسع، فإن هذه الحادثة تؤكد أن الحوسبة القابلة للتحقق تصبح سوقًا متعدد الأحمال بدلاً من كونها فئة متخصصة في التشفير فقط. سيتمكن المزودون والمطورون الذين يعاملون وحدات المعالجة الرسومية كأصول مرنة وليس كأدوات ذات غرض واحد من التكيف بسهولة أكبر مع التحول التالي في الطلب النسبي.

الأسئلة الشائعة

كيف يؤثر تحول Cysic على مستخدمي إثباتات الصفرية المعرفة الحاليين؟

يمكن للمستخدمين الحاليين لخدمات إثبات Cysic الاستمرار في تقديم المهام؛ لم يتم إيقاف قدرة ZK من الشبكة. لا تزال الطلبية المتبقية تُخدم، وتحسينات الكفاءة من Venus وشريحة C1 لا تزال متاحة. التغيير الرئيسي هو أن معظم وقت وحدات المعالجة الرسومية يُخصص الآن لأداء الاستنتاجات الذكية الاصطناعية عندما تدعم الاستخدام والأسعار هذا النوع من الأحمال. قد يحتاج المستخدمون الذين يتطلبون إثباتًا منخفض التأخير أو عالي الحجم إلى التخطيط لاحتمالات التكدس أو التكاليف النسبية الأعلى مقارنة بفترة الذروة السابقة.

ما طريقة التحقق التي تستخدمها CyAI بدلًا من أدلة الصفر المعرفة الكاملة؟

يعتمد CyAI على مراجعات إحصائية عشوائية تُجرى من قبل شهود وفحوصات توزيع مسافة لوغيت من قبل المدققين. هذه الطرق تأخذ عينات من المهام لاكتشاف استبدال النموذج أو تقليل الدقة أو فواتير غير صحيحة دون إنشاء دليل تشفيري كامل لكل استنتاج. يقلل هذا النهج من الحمل الزائد مع الحفاظ على أثر قابل للمراجعة يمكن للعملاء والبروتوكول الرجوع إليه في حالات النزاع.

هل يخطط Cysic للتخلي عن أهداف إثبات كتل Ethereum؟

لا. أعاد المدير التنفيذي ليو فان تأكيد هدف إثبات كتل إيثريوم في أقل من ثمانية ثوانٍ. تستمر تقدمات الأجهزة المتخصصة وتحسينات فينوس في دعم هذا الهدف حتى أثناء استخدام السعة الأساسية لوحدات معالجة الرسومات في استنتاج الذكاء الاصطناعي. يظل الإثبات في الوقت الفعلي قدرة على المدى الطويل تعتزم الشبكة تقديمها.

ما حجم شبكة Cysic من حيث المشاركين والنشاط التاريخي؟

منذ الإطلاق الرئيسي في 24 سبتمبر 2025، معالجة الشبكة أكثر من 13 مليون معاملة وتوليد أكثر من 10 ملايين إثبات صفر المعرفة. حاليًا، تُدرج أكثر من 118,000 مُثبت و200,000 مُحقق. تعكس هذه الأرقام الحجم الذي تم تحقيقه خلال المرحلة المركزة على ZK والأساس الذي تبدأ منه التوسعة في الذكاء الاصطناعي.

لماذا تعتبر رسوم الطبقة الثانية ذات صلة باستراتيجية شبكة GPU؟

عندما ترتفع رسوم الطبقة الثانية مقارنة برسوم الشبكة الرئيسية لإيثريوم، يضيق الهامش الاقتصادي المتاح لإنشاء الإثبات الخارجي. وتصبح المشغلون أقل استعدادًا لدفع تكاليف مزودي الإثبات من طرف ثالث، وينخفض الطلب، وتنخفض استخدام وحدات معالجة الرسومات. وإعادة توزيع وحدات معالجة الرسومات تلك لاستخدامها في الاستنتاجات الخاصة بالذكاء الاصطناعي تعيد استخدامها وإيراداتها في بيئة الرسوم الجديدة.

ما الدور الذي تلعبه طبقة إثبات الحوسبة من المستوى الأول بعد التحول؟

تستمر الطبقة 1 في تنسيق تقديم المهام، وتوجيهها، والتحقق منها، وتسويتها لكل من مهام ZK المتبقية ومهام الاستنتاج الجديدة للذكاء الاصطناعي. إن توافقها مع EVM وتوافقها على العمل المفيد يسمحان لنفس أنظمة الحوافز والدفع بدعم الحمل المختلط دون الحاجة إلى سلسلة أو سوق منفصل.

إخلاء المسؤولية: يتم تقديم هذه المعلومات العامة عن السوق، والتي قد تكون من مصادر خارجية أو تجارية أو راعية، لأغراض المرجعية والتعليم فقط ولا تشكل نصيحة مالية أو استثمارية، أو عرضًا أو دعوة أو ضمان. نحن ننفي أي مسؤولية عن دقتها أو اكتمالها أو موثوقيتها وأي خسائر ناتجة عنها. الاستثمار/التداول محفوف بالمخاطر؛ الأداء السابق لا يضمن نتائج مستقبلية. يجب على المستخدمين إجراء البحث، واتخاذ قرارات حكيمة، وتحمل المسؤولية الكاملة. للحصول على مزيد من التفاصيل، يرجى الرجوع إلى شروط الاستخدام وإخلاء المسؤولية عن المخاطر الخاصين بـ KuCoin.

اخلاء المسؤوليه: تُرجمت هذه الصفحة باستخدام تقنية الذكاء الاصطناعي لراحتك. للحصول على المعلومات الأكثر دقة، ارجع إلى النسخة الإنجليزية الأصلية.