Cysic Mengalihkan Fokus Jaringan GPU dari Bukti Blockchain ke Inferensi AI di Tengah Meningkatnya Biaya Layer 2

2026/11/08 11:08:00

Cysic Mengalihkan Kapasitas GPU Menuju Inferensi AI Seiring Penurunan Permintaan untuk Generasi Bukti ZK

Cysic, jaringan komputasi terdesentralisasi yang meluncurkan mainnet-nya pada 24 September 2025, telah mengalihkan fokus utama armada GPU-nya dari menghasilkan zero-knowledge proof untuk jaringan Ethereum Layer 2 ke mendukung beban kerja AI inference. Langkah ini mengikuti penurunan jelas dalam permintaan untuk generasi proof bersama dengan biaya transaksi Layer 2 yang, menurut perusahaan, telah meningkat di atas biaya pada ethereum itu sendiri. Sejak peluncuran mainnet, jaringan telah memproses lebih dari 13 juta transaksi dan menghasilkan lebih dari 10 juta zero-knowledge proof, bekerja sama dengan mitra termasuk Scroll dan Aleo. Saat ini, jaringan ini mencantumkan lebih dari 118.000 prover dan 200.000 verifier.

CEO Leo Fan menggambarkan perubahan ini sebagai realokasi praktis terhadap perangkat keras yang sudah ada, bukan keluar penuh dari pekerjaan zero-knowledge, sambil tetap menargetkan pembuktian blok Ethereum di bawah delapan detik. Lapisan 1 Proof-of-Compute jaringan, yang kompatibel dengan Ethereum Virtual Machine, sudah mengoordinasikan tugas ZK dan AI, memberikan fondasi teknis yang siap untuk perubahan ini. Orientasi ulang kapasitas GPU Cysic menuju inferensi model bahasa besar mencerminkan perubahan nyata dalam ekonomi Lapisan 2 dan kondisi pasar GPU, memungkinkan jaringan untuk mempertahankan pemanfaatan sambil terus mengembangkan zero-knowledge secara selektif melalui perangkat keras khusus dan pasar CyAI-nya.

Poin Utama

Cysic mengalihkan sumber daya GPU dari bukti L2 ZK ke inferensi AI setelah permintaan menurun.
Biaya Layer 2 dilaporkan telah melebihi biaya ethereum mainnet, mengurangi ekonomi pembuktian.
Metrik mainnet sejak September 2025 mencakup lebih dari 13 juta transaksi dan 10 juta bukti.
Venus zkVM dan optimasi GPU memberikan peningkatan efisiensi waktu bukti lebih dari 9 persen.
Chip C1 khusus mencapai 1,31 juta fungsi Keccak per detik untuk pembuktian yang lebih cepat.
Pasar CyAI menggunakan audit statistik untuk tugas AI daripada zero-knowledge proof penuh per pekerjaan.

Penurunan Permintaan Bukti ZK Memaksa Realokasi Perangkat Keras di Seluruh Jaringan Terdesentralisasi

Permintaan untuk generasi zero-knowledge proof yang melayani jaringan Ethereum Layer 2 telah turun tajam selama 2026, mendorong Cysic untuk mengalihkan kapasitas GPU-nya. Jaringan Layer 2 bergantung pada bukti-bukti ini untuk menggabungkan transaksi dan menyelesaikannya secara aman di Ethereum tanpa memerlukan setiap peserta untuk menjalankan ulang pekerjaan tersebut. Ketika permintaan bukti melemah, perangkat keras khusus yang sebelumnya menghasilkan pendapatan stabil menjadi kurang terpakai. Kepemimpinan Cysic mengaitkan penurunan ini langsung dengan meningkatnya biaya Layer 2 yang kini melebihi biaya lapisan dasar Ethereum dalam periode tertentu, mengikis keunggulan ekonomi yang dulunya membuat layanan proving eksternal menarik.

Data jaringan sendiri menunjukkan aktivitas signifikan sebelumnya, lebih dari 10 juta bukti dihasilkan sejak peluncuran mainnet pada September 2025, namun kondisi saat ini tidak lagi mendukung volume pekerjaan yang berfokus pada L2 yang sama. Langkah ini tidak unik bagi satu penyedia; kelangkaan GPU yang disebabkan oleh permintaan pusat data AI telah meningkatkan biaya kesempatan dalam mendedikasikan akselerator secara eksklusif untuk pembuktian kriptografis. Dengan mengalihkan kapasitas, Cysic mempertahankan pemanfaatan perangkat keras sementara pasar yang lebih luas menyerap kelebihan pasokan pembuktian. Keputusan ini didasarkan pada dinamika biaya dan metrik pemanfaatan yang dapat diamati, bukan pada perkiraan spekulatif, memungkinkan jaringan untuk beradaptasi tanpa membuang infrastruktur yang sudah dibangun untuk komputasi yang dapat diverifikasi.

Tumpang tindih GPU antara Pembuktian Zero-Knowledge dan Inferensi Model Bahasa Besar Memungkinkan Transisi Mulus

Generasi zero-knowledge proof dan inferensi model bahasa besar sama-sama menuntut sumber daya GPU yang berat, menciptakan jembatan teknis alami untuk peralihan Cysic. Generasi bukti melibatkan aritmetika bidang hingga yang intensif, multi-scalar multiplication, dan transformasi teori bilangan yang dapat dipetakan secara efisien ke inti GPU paralel. Sebaliknya, inferensi berfokus pada perkalian matriks dan mekanisme perhatian yang juga memenuhi akselerator yang sama. Karena silikon dasar sudah dioptimalkan untuk beban kerja paralel berkecepatan tinggi, memindahkan kapasitas dari satu kelas tugas ke tugas lainnya hanya memerlukan perubahan penjadwalan perangkat lunak, bukan akuisisi perangkat keras baru.

Lapisan Proof-of-Compute L1 Cysic sudah mengarahkan pekerjaan dari kedua jenis tersebut, sehingga lapisan koordinasi tidak perlu diciptakan ulang. CEO Leo Fan menekankan bahwa armada yang ada dapat diarahkan ke inferensi LLM tanpa perlu perombakan arsitektur lengkap. Tumpang tindih ini mengurangi risiko modal dan memperpendek jadwal transisi. Pada saat yang sama, jaringan tetap mampu melayani permintaan ZK sisa, menjaga opsi fleksibel. Hasil praktisnya adalah peningkatan rata-rata pemanfaatan aset fisik yang sama di bawah kondisi pasar yang berubah, sebuah kemampuan yang mungkin dimiliki oleh platform ZK murni atau AI murni.

Metrik Kinerja Mainnet Menunjukkan Skala yang Telah Dicapai Sebelum Perubahan Strategis

Mainnet Cysic, yang aktif sejak 24 September 2025, telah mengakumulasi skala operasional yang bermakna yang menjadi dasar reorientasi saat ini. Jaringan ini telah memproses lebih dari 13 juta transaksi dan menghasilkan lebih dari 10 juta zero-knowledge proof dalam sekitar tiga belas bulan operasi. Partnership dengan Scroll dan Aleo berkontribusi terhadap volume tersebut, mendukung penyebaran jaringan di berbagai ekosistem mitra. Di sisi partisipasi, sistem mencatat lebih dari 118.000 provers dan 200.000 verifiers, menunjukkan jaringan peserta terdaftar yang signifikan bahkan setelah penurunan peserta oportunis pasca-testnet.

Angka-angka ini menunjukkan bahwa Cysic bukanlah eksperimen baru, melainkan jaringan yang beroperasi dengan catatan aktivitas jaringan yang terukur. Mekanisme konsensus Proof-of-Compute mengubah komputasi yang bermanfaat, baik ZK maupun AI, menjadi skor dan insentif jaringan, menciptakan kontinuitas di berbagai jenis beban kerja. Setelah membuktikan kemampuan untuk mengoordinasikan sejumlah besar mesin heterogen untuk pekerjaan kriptografi, mesin yang sama sekarang dapat menjadwalkan tugas inferensi dengan keandalan yang sebanding. Oleh karena itu, metrik-metrik ini berfungsi sebagai bukti kemampuan masa lalu sekaligus dasar untuk fokus AI yang diperluas.

Venus zkVM dan Optimasi GPU Memberikan Peningkatan Efisiensi yang Terukur untuk Pekerjaan Pembuktian Sisa

Cysic terus menyempurnakan stack pembuktianannya bahkan sambil mengalihkan kapasitas utama ke AI. Venus zkVM yang dikombinasikan dengan optimasi GPU yang ditargetkan telah meningkatkan efisiensi waktu pembuktian end-to-end lebih dari 9 persen dibandingkan baseline sebelumnya. Peningkatan ini berasal dari penjadwalan yang lebih baik di seluruh pipeline pembuktian, bukan hanya dari peningkatan murni dalam kinerja silikon. Dengan memperlakukan generasi bukti sebagai graf komputasi yang terhubung dan mengurangi waktu menganggur di antara tahap CPU dan GPU, Venus mengekstrak lebih banyak pekerjaan berguna dari perangkat keras yang sama.

Peningkatan ini penting untuk permintaan L2 yang tersisa dan untuk tujuan jangka panjang dalam membuktikan blok Ethereum penuh dalam waktu kurang dari delapan detik. Peningkatan efisiensi juga menurunkan biaya marjinal untuk pekerjaan pembuktian yang jarang terjadi, membuat pekerjaan ZK selektif lebih viable bersamaan dengan beban kerja AI yang dominan. Di pasar di mana pusat data AI bersaing agresif untuk GPU yang sama, setiap persentase peningkatan pemanfaatan berakumulasi menjadi ekonomi yang lebih baik. Elemen open-source dari stack Venus juga memungkinkan pengembang eksternal untuk membangun berdasarkan optimasi yang sama, memperluas jangkauan teknis jaringan di luar armada miliknya sendiri.

Hasil Uji C1 Chip Menonjolkan Diferensiasi Perangkat Keras untuk Penghitungan Hash yang Relevan dengan Ethereum

Chip C1 kustom Cysic menghasilkan 1,31 juta fungsi Keccak per detik, sebuah tolok ukur yang secara langsung sesuai dengan kebutuhan hashing inti Ethereum. Keccak menjadi dasar banyak operasi kriptografi di dalam ekosistem Ethereum, sehingga percepatan pada lapisan ini menerjemahkan menjadi generasi bukti yang lebih cepat untuk rollup dan protokol lain yang bergantung pada primitif-primitif tersebut. Silikon khusus mengurangi ketergantungan pada GPU generik untuk kernel kriptografi paling intensif, sebagian melindungi jaringan dari kelangkaan GPU yang didorong oleh AI. Chip ini membentuk bagian dari peta jalan perangkat keras yang lebih luas yang juga mengeksplorasi jalur FPGA dan ASIC awal, menunjukkan pengakuan bahwa ketergantungan murni pada GPU menjadi semakin mahal.

Dengan menggabungkan akselerator khusus dengan armada GPU yang ada, Cysic dapat mengalokasikan sumber daya paling efisien untuk setiap jenis beban kerja: ASIC atau FPGA untuk kernel ZK tertentu, GPU untuk inferensi fleksibel, atau bukti yang tersisa. Pendekatan hibrida ini mendukung both pivot AI segera dan ambisi jangka panjang dalam pembuktian Ethereum real-time. Hasil C1 memberikan bukti konkret bahwa perusahaan sedang berinvestasi dalam perangkat keras yang berbeda, bukan sekadar merebranding kapasitas yang sudah ada.

CyAI Marketplace Memperkenalkan Verifikasi Pragmatis untuk Beban Kerja Inferensi AI Terdesentralisasi

Pasar CyAI Cysic menangani permintaan inferensi AI melalui desain yang memprioritaskan kepraktisan daripada bukti kriptografi penuh untuk setiap tugas. Alih-alih menghasilkan zero-knowledge proof lengkap untuk setiap inferensi, CyAI menggunakan audit statistik acak dan teknik seperti pemeriksaan Distribusi Jarak Logit untuk mendeteksi substitusi model, penurunan presisi, atau penagihan berlebihan. Penyedia bersaing berdasarkan harga, latensi, dan keandalan yang terukur, sementara pelanggan menetapkan anggaran dan ambang kualitas. Pasar ini berada di dalam kerangka ComputeFi yang lebih luas, memungkinkan jaringan mesin yang sebelumnya fokus pada bukti ZK untuk melayani inferensi LLM untuk model mulai dari opsi open-source hingga layanan pihak ketiga.

Model verifikasi yang lebih ringan ini mengurangi beban dibandingkan dengan pendekatan ZK murni dan membuat layanan ini lebih kompetitif dibandingkan API terpusat, sambil tetap menyediakan jejak yang dapat diaudit. Penerapan awal CyAI menunjukkan bahwa jaringan dapat mengarahkan lalu lintas inferensi nyata dan menyelesaikan pembayaran di blockchain. Oleh karena itu, desain ini mengonversi basis perangkat keras terdesentralisasi yang sama menjadi kapasitas inferensi AI tanpa memerlukan setiap pelanggan untuk menanggung biaya pembuktian penuh.

Dinamika Biaya Layer 2 Mengubah Ekonomi Layanan Generasi Bukti Eksternal

Menurut Cysic, biaya transaksi Layer 2 telah naik di atas biaya mainnet ethereum dalam periode terakhir, menghilangkan alasan ekonomi utama untuk layanan proving eksternal. Ketika L2 itu sendiri menjadi relatif mahal, biaya tambahan dari proving khusus menjadi lebih sulit dibenarkan, dan permintaan untuk generasi bukti pihak ketiga menurun. Analisis industri sebelumnya menunjukkan bahwa generasi bukti menyumbang bagian signifikan dari biaya operasional ZK rollup; peningkatan biaya dasar L2 memperparah beban tersebut. Observasi Cysic selaras dengan pengetatan pasokan GPU secara lebih luas karena pusat data AI menyerap akselerator yang tersedia, meningkatkan biaya kesempatan untuk mendedikasikan perangkat keras secara eksklusif untuk kriptografi.

Inversi biaya tidak menghilangkan nilai jangka panjang dari teknologi zero-knowledge, tetapi mengubah pola pemanfaatan jangka pendek. Jaringan yang dapat secara fleksibel mengalihkan kapasitas antara pembuktian dan inferensi mungkin memiliki fleksibilitas lebih besar selama pergeseran permintaan. Respons Cysic, dengan mengalihkan ulang GPU sambil mempertahankan kemampuan pembuktian khusus, menggambarkan satu strategi adaptif di bawah kondisi ini.

Lapisan Proof-of-Compute Layer 1 Memberikan Koordinasi Terpadu untuk Berbagai Beban Kerja

Cysic mengoperasikan Layer 1 yang kompatibel EVM dengan Proof-of-Compute yang berfungsi sebagai lapisan koordinasi untuk tugas zero-knowledge dan AI. Mekanisme konsensus memberi insentif pada komputasi yang bermanfaat, bukan hanya hashing atau staking murni, memungkinkan struktur insentif yang sama untuk mendukung pekerjaan pembuktian, inferensi, dan potensially pelatihan. Pengembang mengirimkan tugas dengan parameter anggaran dan latensi; jaringan mengarahkannya ke GPU atau akselerator khusus yang tersedia dan menyelesaikan hasilnya secara on-chain.

Arsitektur ini sudah ada sebelum perubahan arah, sehingga pergeseran ke inferensi AI tidak memerlukan lapisan dasar baru. Desain dua tujuan mengurangi fragmentasi dan memungkinkan penyedia memperoleh pendapatan dari beban kerja mana pun yang saat ini menawarkan pengembalian lebih baik. Karena rantai tetap kompatibel dengan alat-alat ethereum, biaya integrasi untuk aplikasi yang sudah ada tetap rendah. Hasilnya adalah satu pasar untuk komputasi yang dapat diverifikasi yang dapat menyerap perubahan dalam permintaan relatif antara tugas kriptografi dan pembelajaran mesin tanpa memerlukan peserta untuk bermigrasi ke jaringan terpisah.

Ambisi Zero-Knowledge yang Tersisa Tetap Bertahan Seiring Fokus pada AI

Cysic tidak meninggalkan pengembangan zero-knowledge. CEO Leo Fan telah menegaskan kembali target untuk membuktikan seluruh blok Ethereum dalam waktu kurang dari delapan detik, kemampuan yang akan membuka kasus penggunaan verifikasi real-time di luar pembuktian L2 saat ini. Optimasi Venus dan kemajuan chip C1 secara langsung mendukung tujuan tersebut dengan mengurangi latensi dan biaya per bukti. Pembuktian selektif untuk aplikasi bernilai tinggi atau sensitif terhadap latensi dapat terus dilakukan bahkan saat sebagian besar kapasitas GPU digunakan untuk inferensi AI.

Mempertahankan kemampuan ganda mempertahankan opsi strategis: jika ekonomi L2 atau perangkat keras khusus maju mengembalikan permintaan yang telah terbukti, jaringan dapat rebalance tanpa harus memulai dari awal. Investasi berkelanjutan dalam membuktikan efisiensi juga memperkuat lapisan verifikasi CyAI, karena audit statistik dan potensi peningkatan ZK masa depan untuk AI dapat berbagi jalur penelitian yang sama. Dalam pengertian ini, pergeseran ini adalah perluasan permukaan komputasi, bukan penggantian biner satu beban kerja oleh beban kerja lainnya.

Permintaan pusat data AI memperketat pasokan GPU dan meningkatkan biaya peluang untuk beban kerja khusus

Pelatihan dan inferensi AI telah menyerap pangsa yang terus meningkat dari GPU kelas atas yang tersedia, menciptakan persaingan langsung dengan pembuktian zero-knowledge untuk silikon yang sama. Kepemimpinan Cysic mencatat bahwa industri secara efektif bersaing dengan anggaran pusat data yang well-funded, yang meningkatkan harga dan kelangkaan accelerator. Dalam kondisi ini, membiarkan GPU menganggur atau tidak dimanfaatkan sepenuhnya karena permintaan L2 yang menurun menjadi semakin mahal. Mengalihkan kapasitas ke inferensi LLM memungkinkan jaringan menangkap pendapatan dari beban kerja yang permintaannya lebih tinggi, sementara peta jalan perangkat keras khusus—FPGA, ASIC, dan chip C1—berkembang menuju solusi ZK yang lebih efisien.

Tekanan pasokan juga memperkuat nilai pasar terdesentralisasi yang dapat menggabungkan GPU konsumen dan profesional yang sebelumnya terfragmentasi. Dengan berpartisipasi di kedua pasar, penyedia Cysic mendapatkan ketahanan terhadap fluktuasi permintaan AI atau kriptografi. Implikasi luas bagi industri ini adalah jaringan pembuktian ZK murni mungkin menghadapi peningkatan intensitas modal kecuali mereka mengembangkan fleksibilitas serupa atau bergerak agresif ke silikon khusus.

Pengauditan Statistik di CyAI Menyeimbangkan Minimisasi Kepercayaan dengan Throughput Praktis

Bukti zero-knowledge penuh untuk setiap permintaan inferensi AI akan menimbulkan latensi dan biaya tambahan yang tidak dapat ditanggung oleh banyak aplikasi. Oleh karena itu, CyAI menggunakan audit statistik acak dan pengujian Distribusi Jarak Logit untuk memverifikasi bahwa penyedia menyediakan model, presisi, dan akurasi penagihan yang diklaim. Saksi mengambil sampel pekerjaan, dan pemeriksa memeriksa adanya substitusi atau penurunan kualitas. Pendekatan ini menyediakan jejak bukti yang dapat diaudit tanpa memerlukan bukti kriptografis untuk seluruh graf komputasi model besar.

Desain ini menukar jaminan kriptografis absolut demi throughput yang lebih tinggi dan biaya yang lebih rendah, menjadikan pasar ini kompetitif dengan layanan terpusat sambil tetap menawarkan transparansi yang lebih besar. Pelanggan tetap memiliki kemampuan untuk menetapkan batasan kualitas dan harga, serta penyedia bersaing berdasarkan keandalan yang terukur. Model ini sesuai dengan teori ekonomi agen yang dijelaskan oleh Cysic: agen otonom membutuhkan inferensi yang dapat diverifikasi namun efisien, bukan beban kriptografis maksimal pada setiap token yang dihasilkan. Lalu lintas langsung awal di CyAI menunjukkan bahwa lapisan verifikasi yang lebih ringan secara operasional layak pada skala jaringan.

Strategi Perangkat Keras Hibrida Menempatkan Jaringan untuk Fleksibilitas Komputasi Jangka Panjang

Peta jalan Cysic menggabungkan GPU generik dengan akselerator khusus seperti chip C1 dan pekerjaan FPGA serta ASIC yang sedang berlangsung. GPU menyediakan kapasitas fleksibel yang dapat beralih antara inferensi dan pembuktian residu, sementara silikon khusus menargetkan kernel matematis di mana perangkat keras generik paling tidak efisien. Pendekatan hibrida ini mengurangi eksposur terhadap siklus pasar GPU murni dan meningkatkan ekonomi unit dari beban kerja mana pun yang saat ini mendominasi. Lapisan koordinasi yang sama dapat menjadwalkan tugas di berbagai mesin heterogen, mencocokkan karakteristik tugas dengan perangkat keras yang paling sesuai.

Untuk inferensi AI, jaringan dapat memanfaatkan basis GPU yang luas; untuk pekerjaan ZK dengan volume tinggi atau kritis terhadap latensi, ia dapat mengandalkan kernel yang dipercepat. Strategi ini juga mendukung visi ComputeFi untuk mengubah berbagai sumber daya komputasi menjadi aset likuid yang menghasilkan imbal hasil. Dengan menghindari ketergantungan eksklusif pada satu kelas perangkat keras saja, Cysic dapat meningkatkan fleksibilitas operasional seiring terus berkembangnya pasar AI dan zero-knowledge.

Bagaimana Permintaan AI Mengubah Pasar Komputasi Terdesentralisasi

Pivot Cysic menggambarkan ketegangan struktural yang dihadapi jaringan komputasi terdesentralisasi: akselerator yang sama yang memperkuat bukti kriptografi kini sangat diminati untuk beban kerja AI yang ekonominya saat ini mendominasi. Jaringan yang dapat mengalokasikan ulang kapasitas secara lancar, mempertahankan opsi pembuktian khusus, dan menawarkan verifikasi pragmatis untuk pekerjaan AI berada dalam posisi lebih baik untuk mempertahankan penyedia dan menarik permintaan. Kombinasi lapisan koordinasi yang kompatibel dengan EVM, perangkat keras hibrida, dan dua pasar (ZK dan CyAI) memberi Cysic respons nyata terhadap ketegangan tersebut.

Apakah model ini dapat diskalakan lebih lanjut akan bergantung pada permintaan inferensi yang berkelanjutan, daya saing audit statistik dibandingkan alternatif terpusat, dan kemajuan berkelanjutan pada silicon khusus untuk kebutuhan ZK residu. Bagi ekosistem yang lebih luas, kejadian ini menegaskan bahwa komputasi yang dapat diverifikasi sedang menjadi pasar multi-workload, bukan lagi ceruk kriptografi murni. Penyedia dan pengembang yang memperlakukan GPU sebagai aset fleksibel daripada alat satu tujuan kemungkinan akan beradaptasi lebih cepat terhadap pergeseran berikutnya dalam permintaan relatif.

Pertanyaan yang Sering Diajukan

Bagaimana pergeseran Cysic memengaruhi pengguna zero-knowledge proof yang ada?

Pengguna eksisting dari layanan pembuktian Cysic dapat terus mengirimkan pekerjaan; jaringan belum menghentikan kapasitas ZK. Permintaan sisa masih dilayani, dan peningkatan efisiensi dari Venus dan chip C1 tetap tersedia. Perubahan utama adalah sebagian besar waktu GPU sekarang diprioritaskan untuk inferensi AI ketika pemanfaatan dan harga lebih menguntungkan untuk beban kerja tersebut. Pengguna yang memerlukan pembuktian latensi rendah atau volume tinggi mungkin perlu merencanakan menghadapi potensi antrian atau biaya relatif lebih tinggi dibandingkan periode permintaan puncak sebelumnya.

Metode verifikasi apa yang digunakan CyAI sebagai pengganti zero-knowledge proof penuh?

CyAI mengandalkan audit statistik acak yang dilakukan oleh saksi dan pemeriksaan Distribusi Jarak Logit oleh pemeriksa. Metode-metode ini mengambil sampel pekerjaan untuk mendeteksi substitusi model, presisi yang berkurang, atau penagihan yang salah tanpa menghasilkan bukti kriptografis lengkap untuk setiap inferensi. Pendekatan ini mengurangi beban sambil tetap menghasilkan jejak yang dapat diaudit yang dapat dirujuk oleh pelanggan dan protokol dalam sengketa.

Apakah Cysic berencana meninggalkan tujuan pembuktian blok ethereum?

Tidak. CEO Leo Fan telah menegaskan kembali target untuk membuktikan blok Ethereum dalam waktu kurang dari delapan detik. Kemajuan perangkat keras khusus dan optimasi Venus terus mendukung tujuan tersebut, meskipun kapasitas GPU utama digunakan untuk inferensi AI. Pembuktian real-time tetap menjadi kemampuan jangka panjang yang ingin disediakan jaringan.

Seberapa besar jaringan Cysic dalam hal peserta dan aktivitas historis?

Sejak peluncuran mainnet pada 24 September 2025, jaringan telah memproses lebih dari 13 juta transaksi dan menghasilkan lebih dari 10 juta zero-knowledge proof. Saat ini, jaringan mencantumkan lebih dari 118.000 prover dan 200.000 verifier. Angka-angka ini mencerminkan skala yang dicapai selama fase berfokus pada ZK serta dasar dari mana ekspansi AI dimulai.

Mengapa biaya Layer 2 relevan terhadap strategi jaringan GPU?

Ketika biaya Layer 2 naik dibandingkan biaya mainnet ethereum, margin ekonomi yang tersedia untuk generasi bukti eksternal menyempit. Operator menjadi kurang bersedia membayar pihak ketiga sebagai pembuktian, permintaan turun, dan pemanfaatan GPU menurun. Mengalihkan GPU tersebut ke inferensi AI memulihkan pemanfaatan dan pendapatan di lingkungan biaya baru.

Apa peran Proof-of-Compute Layer 1 setelah perubahan arah?

Layer 1 terus mengoordinasikan pengiriman tugas, routing, verifikasi, dan penyelesaian untuk kedua tugas ZK yang tersisa dan tugas inferensi AI baru. Kompatibilitas EVM dan konsensus kerja berguna memungkinkan rangka insentif dan pembayaran yang sama untuk mendukung beban kerja campuran tanpa memerlukan rantai atau pasar terpisah.

Penafian: Informasi pasar umum ini, yang mungkin berasal dari sumber pihak ketiga, komersial, atau bersponsor, diberikan hanya untuk referensi dan tujuan pendidikan, dan tidak merupakan nasihat keuangan atau investasi, penawaran, ajakan, atau jaminan. Kami menolak tanggung jawab atas keakuratan, kelengkapan, keandalan, dan kerugian apa pun yang diakibatkannya. Investasi/perdagangan bersifat berisiko; kinerja masa lalu tidak menjamin hasil masa depan. Pengguna harus melakukan riset, menilai dengan bijak, dan mengambil tanggung jawab penuh. Untuk detail lebih lanjut, silakan konsultasikan Ketentuan Penggunaan dan Pengungkapan Risiko KuCoin.

Penafian: Halaman ini diterjemahkan menggunakan teknologi AI untuk kenyamanan Anda. Untuk informasi yang paling akurat, lihat versi bahasa Inggris aslinya.