Cysic Shifts ปรับโฟกัสเครือข่าย GPU จากการพิสูจน์บล็อกเชนไปสู่การประมวลผล AI amidst ค่าธรรมเนียม Layer 2 ที่เพิ่มสูงขึ้น

Cysic Shifts ปรับโฟกัสเครือข่าย GPU จากการพิสูจน์บล็อกเชนไปสู่การประมวลผล AI amidst ค่าธรรมเนียม Layer 2 ที่เพิ่มสูงขึ้น

รูปภาพที่กำหนดเอง

Cysic ปรับการใช้งานหน่วยประมวลผลกราฟิกไปสู่การคำนวณการอนุมานปัญญาประดิษฐ์ เนื่องจากความต้องการในการสร้างหลักฐาน ZK ลดลง

Cysic ซึ่งเป็นเครือข่ายการคำนวณแบบกระจายศูนย์ที่เปิดตัว Mainnet เมื่อวันที่ 24 กันยายน 2025 ได้เปลี่ยนจุดเน้นหลักของกอง GPU จากการสร้าง zero-knowledge proof สำหรับเครือข่าย Ethereum Layer 2 เป็นการสนับสนุนงานโหลด AI inference การเปลี่ยนแปลงนี้เกิดขึ้นหลังจากความต้องการในการสร้างพิสูจน์ลดลงอย่างชัดเจน พร้อมกับค่าธรรมเนียมการทำธุรกรรม Layer 2 ที่ตามรายงานของบริษัทได้สูงกว่าค่าธรรมเนียมบน Ethereum เองแล้ว ตั้งแต่เปิดตัว Mainnet เครือข่ายได้ประมวลผลธุรกรรมมากกว่า 13 ล้านรายการและสร้าง zero-knowledge proof มากกว่า 10 ล้านรายการ โดยร่วมมือกับพันธมิตรรวมถึง Scroll และ Aleo ปัจจุบันเครือข่ายมีผู้สร้างพิสูจน์มากกว่า 118,000 คน และผู้ตรวจสอบมากกว่า 200,000 คน
 
ซีอีโอเลโอ แฟน ได้อธิบายการเปลี่ยนแปลงนี้ว่าเป็นการจัดสรรฮาร์ดแวร์ที่มีอยู่แล้วใหม่ แทนที่จะเป็นการถอนตัวออกอย่างสมบูรณ์จากงานด้านศูนย์ความรู้ ขณะยังคงมุ่งเป้าไปที่การพิสูจน์บล็อก Ethereum ให้เสร็จในเวลาต่ำกว่าแปดวินาที ชั้นพิสูจน์การคำนวณ (Proof-of-Compute Layer 1) ของเครือข่าย ซึ่งเข้ากันได้กับ Ethereum Virtual Machine ได้ประสานงานทั้งงาน ZK และ AI อยู่แล้ว ทำให้การเปลี่ยนทิศทางนี้มีพื้นฐานทางเทคนิคที่พร้อมใช้งาน การปรับทิศทางของ Cysic เพื่อใช้กำลัง GPU สำหรับการอนุมานแบบโมเดลภาษาขนาดใหญ่ สะท้อนถึงการเปลี่ยนแปลงที่วัดได้ในเศรษฐกิจชั้นที่สองและสภาพตลาด GPU ซึ่งช่วยให้เครือข่ายสามารถรักษาการใช้งานไว้ได้ ในขณะเดียวกันก็ดำเนินการพัฒนาศูนย์ความรู้แบบเลือกสรรผ่านฮาร์ดแวร์เฉพาะทางและตลาด CyAI

ประเด็นสำคัญ

  • Cysic กำลังเปลี่ยนทรัพยากร GPU จากการพิสูจน์ L2 ZK ไปใช้สำหรับการอนุมาน AI เนื่องจากความต้องการลดลง
  • ค่าธรรมเนียม Layer 2 รายงานว่าสูงกว่าค่าธรรมเนียม Ethereum Mainnet ทำให้เศรษฐศาสตร์การพิสูจน์ลดลง
  • เมตริกส์ Mainnet ตั้งแต่เดือนกันยายน 2025 รวมถึงมากกว่า 13 ล้านธุรกรรมและ 10 ล้านการพิสูจน์
  • Venus zkVM และการปรับปรุง GPU มอบผลลัพธ์ด้านประสิทธิภาพเวลาการพิสูจน์มากกว่า 9 เปอร์เซ็นต์
  • ชิป C1 แบบกำหนดเองสามารถดำเนินการฟังก์ชัน Keccak ได้ 1.31 ล้านครั้งต่อวินาที เพื่อการพิสูจน์ที่เร็วขึ้น
  • ตลาด CyAI ใช้การตรวจสอบทางสถิติสำหรับงาน AI แทนการใช้ zero-knowledge proof แบบเต็มรูปแบบต่อแต่ละงาน

ความต้องการ ZK Proof ที่ลดลงบังคับให้ต้องจัดสรรฮาร์ดแวร์ใหม่Across เครือข่ายแบบกระจายศูนย์

ความต้องการในการสร้าง zero-knowledge proof ที่ให้บริการเครือข่าย Ethereum Layer 2 ลดลงอย่างมากในปี 2026 ทำให้ Cysic ต้องจัดสรรกำลังการผลิต GPU ใหม่ เครือข่าย Layer 2 ใช้หลักฐานเหล่านี้ในการรวมธุรกรรมและปิดรายการอย่างปลอดภัยบน Ethereum โดยไม่ต้องให้ผู้เข้าร่วมทุกคนดำเนินการซ้ำ การที่ความต้องการหลักฐานลดลง ทำให้อุปกรณ์เฉพาะทางที่เคยสร้างรายได้อย่างสม่ำเสมอใช้งานไม่เต็มความสามารถ ผู้บริหารของ Cysic เชื่อมโยงการลดลงนี้โดยตรงกับค่าธรรมเนียม Layer 2 ที่เพิ่มสูงขึ้น ซึ่งในช่วงเวลาบางช่วงสูงกว่าต้นทุนของชั้นพื้นฐานของ Ethereum ทำให้ข้อได้เปรียบทางเศรษฐกิจที่เคยทำให้บริการพิสูจน์ภายนอกน่าดึงดูดลดลง
 
ข้อมูลของเครือข่ายเองแสดงให้เห็นถึงกิจกรรมที่มีอยู่ก่อนหน้านี้อย่างมาก โดยมีการสร้างหลักฐานมากกว่า 10 ล้านชิ้นตั้งแต่เปิดตัว Mainnet ในเดือนกันยายน 2025 อย่างไรก็ตาม สภาพปัจจุบันไม่สามารถรองรับปริมาณงานที่เน้น L2 ได้ในระดับเดียวกันอีกต่อไป การเคลื่อนไหวนี้ไม่ได้เกิดขึ้นกับผู้ให้บริการรายเดียวเท่านั้น; ความขาดแคลน GPU ที่เกิดจากความต้องการศูนย์ข้อมูล AI ได้เพิ่มต้นทุนโอกาสของการจัดสรรอุปกรณ์เร่งความเร็วเฉพาะสำหรับการพิสูจน์ทางคริปโตกราฟี โดยการปรับเปลี่ยนกำลังการผลิต Cysic รักษาการใช้งานฮาร์ดแวร์ไว้ ในขณะที่ตลาดโดยรวมดูดซับอุปทานการพิสูจน์ที่เกินความต้องการ การตัดสินใจนี้อิงจากกลไกค่าธรรมเนียมและการวัดผลการใช้งานที่สังเกตได้ มากกว่าการพยากรณ์เชิงสมมุติ ทำให้เครือข่ายสามารถปรับตัวได้โดยไม่ต้องทิ้งโครงสร้างพื้นฐานที่สร้างขึ้นมาสำหรับการคำนวณที่สามารถตรวจสอบได้

การทับซ้อนของ GPU ระหว่างการพิสูจน์แบบศูนย์ความรู้และการประมวลผลแบบโมเดลภาษาขนาดใหญ่ ช่วยให้การเปลี่ยนผ่านเป็นไปอย่างราบรื่น

การสร้าง zero-knowledge proof และการอนุมานแบบโมเดลภาษาขนาดใหญ่ต่างก็ต้องการทรัพยากร GPU อย่างหนัก ซึ่งสร้างสะพานทางเทคนิคตามธรรมชาติสำหรับการเปลี่ยนทิศทางของ Cysic การสร้างพิสูจน์เกี่ยวข้องกับการคำนวณสนามจำกัดอย่างหนัก การคูณแบบหลายสเกลาร์ และการแปลงเชิงทฤษฎีจำนวนที่สามารถแมปได้อย่างมีประสิทธิภาพไปยังแกน GPU แบบขนาน ในทางตรงกันข้าม การอนุมานมุ่งเน้นที่การคูณเมทริกซ์และกลไกการให้ความสำคัญซึ่งก็ทำให้ตัวเร่งความเร็วเดียวกันนี้ทำงานเต็มความสามารถ เนื่องจากชิปพื้นฐานได้รับการปรับแต่งให้เหมาะสมสำหรับงานขนานที่มีปริมาณสูง การย้ายกำลังการผลิตจากงานประเภทหนึ่งไปยังอีกประเภทหนึ่งจึงต้องใช้การเปลี่ยนแปลงการจัดตารางซอฟต์แวร์เป็นหลัก แทนที่จะต้องซื้อฮาร์ดแวร์ใหม่
 
ชั้นล่างสุดของ Cysic ที่ใช้ Proof-of-Compute ได้จัดการงานทั้งสองประเภทอยู่แล้ว ดังนั้นชั้นการประสานงานจึงไม่จำเป็นต้องสร้างใหม่ ซีอีโอเลโอ แฟน ได้เน้นย้ำว่าฝูงเครื่องที่มีอยู่สามารถปรับให้ใช้งานสำหรับการอนุมานของ LLM โดยไม่ต้องปรับโครงสร้างพื้นฐานทั้งหมด การทับซ้อนนี้ช่วยลดความเสี่ยงด้านทุนและลดระยะเวลาการเปลี่ยนผ่าน พร้อมกันนี้ เครือข่ายยังคงสามารถให้บริการความต้องการ ZK ที่เหลืออยู่ รักษาความยืดหยุ่นไว้ ผลลัพธ์เชิงปฏิบัติคือการใช้งานทรัพย์สินทางกายภาพเดียวกันในระดับเฉลี่ยที่สูงขึ้นภายใต้สภาวะตลาดที่เปลี่ยนแปลง ซึ่งแพลตฟอร์ม ZK บริสุทธิ์หรือ AI บริสุทธิ์อาจไม่มีความสามารถนี้

ตัวชี้วัดประสิทธิภาพของ Mainnet แสดงให้เห็นถึงขนาดที่บรรลุได้ก่อนการเปลี่ยนแปลงเชิงกลยุทธ์

Mainnet ของ Cysic ซึ่งเปิดใช้งานตั้งแต่วันที่ 24 กันยายน 2025 ได้สะสมขนาดการดำเนินงานที่มีนัยสำคัญซึ่งสนับสนุนการปรับทิศทางในปัจจุบัน เครือข่ายได้ประมวลผลธุรกรรมมากกว่า 13 ล้านรายการและสร้าง zero-knowledge proof มากกว่า 10 ล้านรายการภายในระยะเวลาประมาณสิบสามเดือนของการดำเนินงาน ความร่วมมือกับ Scroll และ Aleo มีส่วนช่วยในปริมาณดังกล่าว โดยสนับสนุนการปรับใช้งานเครือข่ายในระบบนิเวศของพันธมิตร ในด้านการมีส่วนร่วม ระบบมีผู้สร้างหลักฐาน (provers) มากกว่า 118,000 ราย และผู้ตรวจสอบ (verifiers) 200,000 ราย ซึ่งแสดงให้เห็นถึงเครือข่ายผู้เข้าร่วมที่มีขนาดใหญ่แม้หลังจากการลดจำนวนผู้เข้าร่วมที่เข้ามาอย่าง opportunistic หลังจาก Testnet
 
ตัวเลขเหล่านี้แสดงให้เห็นว่า Cysic ไม่ใช่การทดลองใหม่ๆ แต่เป็นเครือข่ายที่ดำเนินการอยู่จริง โดยมีประวัติการใช้งานเครือข่ายที่วัดผลได้ กลไกการประนีประนอม Proof-of-Compute แปลงการคำนวณที่มีประโยชน์ ไม่ว่าจะเป็น ZK หรือ AI เป็นคะแนนและแรงจูงใจของเครือข่าย สร้างความต่อเนื่องข้ามประเภทงาน หลังจากพิสูจน์ความสามารถในการประสานงานเครื่องจักรจำนวนมากที่หลากหลายสำหรับงานเข้ารหัส ระบบเดียวกันนี้สามารถจัดตารางงานการอนุมานได้ด้วยความน่าเชื่อถือในระดับเดียวกัน ดังนั้นตัวชี้วัดเหล่านี้จึงทำหน้าที่ทั้งเป็นหลักฐานของความสามารถในอดีตและเป็นรากฐานสำหรับการเน้นย้ำด้าน AI ที่ขยายออกไป

Venus zkVM และการปรับแต่ง GPU มอบผลลัพธ์ด้านประสิทธิภาพที่วัดได้สำหรับงานพิสูจน์ที่เหลือ

Cysic ยังคงปรับปรุงสแต็กการพิสูจน์ต่อไป แม้จะเปลี่ยนกำลังการผลิตหลักไปสู่ AI ซึ่ง Venus zkVM ร่วมกับการปรับแต่ง GPU อย่างมุ่งเป้าได้เพิ่มประสิทธิภาพเวลาการสร้างหลักฐานแบบ end-to-end มากกว่า 9 เปอร์เซ็นต์เมื่อเทียบกับค่าพื้นฐานก่อนหน้า ผลลัพธ์เหล่านี้เกิดจากการจัดตารางที่ดีขึ้นตลอดกระบวนการสร้างหลักฐานทั้งหมด ไม่ใช่เพียงจากการเพิ่มประสิทธิภาพของชิปโดยตรงเท่านั้น โดยการมองการสร้างหลักฐานเป็นกราฟการคำนวณที่เชื่อมต่อกันและลดช่วงเวลาว่างระหว่างขั้นตอน CPU และ GPU Venus สามารถดึงงานที่มีประโยชน์มากขึ้นจากฮาร์ดแวร์เดียวกัน
 
การปรับปรุงเหล่านี้มีความสำคัญต่อความต้องการ L2 ที่เหลืออยู่ และเป้าหมายระยะยาวในการพิสูจน์บล็อก Ethereum ทั้งหมดในเวลาไม่เกินแปดวินาที การเพิ่มประสิทธิภาพยังช่วยลดต้นทุนขอบของงานพิสูจน์ที่เกิดขึ้นเป็นครั้งคราว ทำให้งาน ZK แบบเลือกสรรสามารถดำเนินการร่วมกับภาระงาน AI ที่โดดเด่นได้อย่างมีประสิทธิภาพมากขึ้น ในตลาดที่ศูนย์ข้อมูล AI แข่งขันกันอย่างดุเดือดเพื่อ GPU เดียวกัน การปรับปรุงการใช้งานเพียงหนึ่งเปอร์เซ็นต์ก็จะทวีคูณเป็นผลทางเศรษฐกิจที่ดีขึ้น องค์ประกอบแบบโอเพ่นซอร์สของ Venus Stack ยังช่วยให้นักพัฒนาภายนอกสามารถสร้างสิ่งต่างๆ บนการปรับปรุงเดียวกันนี้ ขยายขอบเขตทางเทคนิคของเครือข่ายให้เกินกว่า fleet ของตนเอง

ผลการทดสอบชิป C1 แบบกำหนดเองเน้นความแตกต่างทางฮาร์ดแวร์สำหรับการแฮชที่เกี่ยวข้องกับ Ethereum

ชิป C1 แบบกำหนดเองของ Cysic สามารถดำเนินการฟังก์ชัน Keccak ได้ 1.31 ล้านครั้งต่อวินาที ซึ่งเป็นมาตรฐานที่สอดคล้องโดยตรงกับความต้องการการแฮชหลักของ Ethereum Keccak เป็นพื้นฐานของการดำเนินการเข้ารหัสหลายอย่างภายในระบบนิเวศ Ethereum ดังนั้นการเร่งความเร็วที่ระดับนี้จึงช่วยให้การสร้างหลักฐานสำหรับ rollups และโปรโตคอลอื่นๆ ที่พึ่งพาองค์ประกอบเหล่านี้เร็วขึ้น ชิปเฉพาะทางลดการพึ่งพา GPU ทั่วไปสำหรับเคอร์เนลการเข้ารหัสที่ใช้ทรัพยากรหนักที่สุด ซึ่งช่วยป้องกันเครือข่ายบางส่วนจากภาวะขาดแคลน GPU ที่เกิดจากอุตสาหกรรม AI ชิปนี้เป็นส่วนหนึ่งของแผนพัฒนาฮาร์ดแวร์ที่กว้างขึ้น ซึ่งยังสำรวจเส้นทาง FPGA และ ASIC ในระยะเริ่มต้น แสดงให้เห็นถึงการรับรู้ว่าการพึ่งพา GPU เพียงอย่างเดียวกำลังมีต้นทุนสูงขึ้น
 
โดยการรวมอุปกรณ์เร่งความเร็วที่ออกแบบเองเข้ากับกองเรือ GPU ที่มีอยู่ Cysic สามารถจัดสรรทรัพยากรที่มีประสิทธิภาพที่สุดให้กับประเภทงานแต่ละประเภท: ASIC หรือ FPGA สำหรับ ZK kernel บางประเภท, GPU สำหรับการอนุมานที่ยืดหยุ่น หรือหลักฐานที่เหลืออยู่ แนวทางแบบผสมผสานนี้สนับสนุนทั้งการเปลี่ยนแปลงด้าน AI ในทันที และเป้าหมายระยะยาวในการพิสูจน์ Ethereum แบบเรียลไทม์ ผลลัพธ์ของ C1 ให้หลักฐานที่ชัดเจนว่าบริษัทกำลังลงทุนในฮาร์ดแวร์ที่มีความแตกต่าง มากกว่าการเปลี่ยนชื่อใหม่ให้กับขีดความสามารถที่มีอยู่แล้ว

CyAI Marketplace เปิดตัวการยืนยันตัวตนแบบใช้งานได้จริงสำหรับงานโหลดการอนุมาน AI แบบกระจาย

ตลาด CyAI ของ Cysic จัดการคำขอการอนุมาน AI ผ่านการออกแบบที่ให้ความสำคัญกับความเป็นจริงมากกว่าการสร้างหลักฐาน zero-knowledge proof อย่างสมบูรณ์สำหรับแต่ละงาน แทนที่จะสร้าง zero-knowledge proof แบบเต็มรูปแบบสำหรับการอนุมานแต่ละครั้ง CyAI ใช้การตรวจสอบแบบสุ่มทางสถิติและเทคนิคต่างๆ เช่น การตรวจสอบการกระจายระยะ Logit เพื่อตรวจจับการแทนที่โมเดล การลดความแม่นยำ หรือการเรียกเก็บเงินเกินจริง ผู้ให้บริการแข่งขันกันในด้านราคา ความล่าช้า และความน่าเชื่อถือที่วัดได้ ในขณะที่ลูกค้าตั้งงบประมาณและเกณฑ์คุณภาพของตนเอง ตลาดนี้ตั้งอยู่ภายในกรอบงาน ComputeFi ที่กว้างกว่า ทำให้เครือข่ายเครื่องจักรเดียวกันที่เคยมุ่งเน้นไปที่การพิสูจน์ ZK สามารถให้บริการการอนุมาน LLM สำหรับโมเดลต่างๆ ตั้งแต่ตัวเลือกแบบเปิดแหล่งรหัสจนถึงบริการจากบุคคลที่สาม
 
โมเดลการยืนยันที่เบากว่านี้ลดภาระการทำงานเมื่อเทียบกับวิธีการ ZK แบบบริสุทธิ์ และทำให้บริการมีความสามารถในการแข่งขันกับ API แบบกลางศูนย์ ขณะเดียวกันก็ยังคงรักษาลำดับการตรวจสอบได้ การเปิดใช้งานเบื้องต้นของ CyAI แสดงให้เห็นว่าเครือข่ายสามารถส่งต่อการประมวลผลการอนุมานแบบจริงและตั้งtleการชำระเงินบนบล็อกเชนได้ ดังนั้นการออกแบบจึงแปลงฐานฮาร์ดแวร์แบบกระจายศูนย์เดียวกันให้เป็นความสามารถในการอนุมาน AI โดยไม่ต้องให้ลูกค้าทุกรายรับภาระค่าใช้จ่ายในการพิสูจน์เต็มรูปแบบ

กลไกค่าธรรมเนียมชั้นที่ 2 เปลี่ยนเศรษฐศาสตร์ของบริการสร้างหลักฐานภายนอก

ตามที่ Cysic ระบุ ค่าธรรมเนียมการทำธุรกรรม Layer 2 เพิ่มสูงขึ้นเกินกว่าค่าธรรมเนียมของ Ethereum Mainnet ในช่วงที่ผ่านมา ทำให้เหตุผลทางเศรษฐกิจหลักสำหรับบริการพิสูจน์ภายนอกหายไป เมื่อ L2 เองกลับกลายเป็นค่าใช้จ่ายค่อนข้างสูง ต้นทุนเพิ่มเติมของการพิสูจน์เฉพาะทางจึงยากที่จะอธิบายได้ และความต้องการในการสร้างหลักฐานจากบุคคลที่สามลดลง การวิเคราะห์ในอุตสาหกรรมก่อนหน้านี้แสดงให้เห็นว่าการสร้างหลักฐานคิดเป็นสัดส่วนที่สำคัญของต้นทุนการดำเนินงานของ ZK rollup การที่ค่าธรรมเนียมพื้นฐานของ L2 เพิ่มขึ้นยิ่งทำให้ภาระนี้รุนแรงขึ้น ข้อสังเกตของ Cysic สอดคล้องกับการลดลงของอุปทาน GPU โดยรวม เนื่องจากศูนย์ข้อมูล AI ดูดซับอุปกรณ์เร่งความเร็วที่มีอยู่ ทำให้ต้นทุนโอกาสของการจัดสรรฮาร์ดแวร์เฉพาะสำหรับการเข้ารหัสลับเพิ่มสูงขึ้น
 
การกลับด้านของค่าธรรมเนียมไม่ได้ลบล้างมูลค่าระยะยาวของเทคโนโลยีศูนย์ความรู้ แต่ทำให้รูปแบบการใช้งานในระยะสั้นเปลี่ยนแปลงไป เครือข่ายที่สามารถปรับเปลี่ยนกำลังการผลิตระหว่างการพิสูจน์และการอนุมานได้อย่างยืดหยุ่นอาจมีความยืดหยุ่นมากขึ้นเมื่อเกิดการเปลี่ยนแปลงความต้องการ การตอบสนองของ Cysic โดยการจัดสรร GPU ใหม่ขณะยังคงรักษาความสามารถเฉพาะด้านในการพิสูจน์ แสดงให้เห็นกลยุทธ์การปรับตัวหนึ่งภายใต้เงื่อนไขเหล่านี้

ชั้น Proof-of-Compute ระดับ 1 ให้การประสานงานแบบรวมสำหรับงานที่หลากหลาย

Cysic ดำเนินการ Layer 1 ที่เข้ากันได้กับ EVM แบบ Proof-of-Compute ซึ่งทำหน้าที่เป็นชั้นการประสานงานสำหรับงาน zero-knowledge และ AI กลไกการอนุมัติให้รางวัลการคำนวณที่มีประโยชน์แทนการขุดหรือการฝากสกุลเงินเพียงอย่างเดียว ทำให้โครงสร้างแรงจูงใจเดียวกันสามารถสนับสนุนงานพิสูจน์ การอนุมาน และอาจรวมถึงงานการฝึกอบรมได้ นักพัฒนาส่งงานพร้อมพารามิเตอร์งบประมาณและเวลาแฝง; เครือข่ายจะส่งต่อไปยัง GPU หรืออุปกรณ์เร่งความเร็วเฉพาะที่พร้อมใช้งาน และสรุปผลบนโซ่
 
สถาปัตยกรรมนี้มีอยู่แล้วก่อนการเปลี่ยนทิศทาง ดังนั้นการเปลี่ยนไปสู่การอนุมานด้วยปัญญาประดิษฐ์จึงไม่จำเป็นต้องสร้างชั้นพื้นฐานใหม่ การออกแบบที่ใช้งานได้สองวัตถุประสงค์ช่วยลดความแตกแยกและทำให้ผู้ให้บริการสามารถหารายได้จากงานใดก็ตามที่ให้ผลตอบแทนที่ดีกว่าในขณะนั้น เนื่องจากโซ่ยังคงเข้ากันได้กับเครื่องมือของ Ethereum ค่าใช้จ่ายในการผสานรวมสำหรับแอปพลิเคชันที่มีอยู่จึงยังคงต่ำ ผลลัพธ์คือตลาดเดียวสำหรับการคำนวณที่สามารถตรวจสอบได้ ซึ่งสามารถปรับตัวรับการเปลี่ยนแปลงของความต้องการสัมพัทธ์ระหว่างงานเข้ารหัสและงานการเรียนรู้ของเครื่อง โดยไม่จำเป็นต้องให้ผู้เข้าร่วมย้ายไปยังเครือข่ายแยกต่างหาก

ความปรารถนาที่เหลืออยู่เกี่ยวกับศูนย์ความรู้ยังคงมีอยู่พร้อมกับการเน้นที่ปัญญาประดิษฐ์

Cysic ยังไม่ละทิ้งการพัฒนาศูนย์ความรู้ ซีอีโอเลโอ แฟน ได้ย้ำเป้าหมายในการพิสูจน์บล็อก Ethereum ทั้งหมดในเวลาไม่เกินแปดวินาที ซึ่งความสามารถนี้จะเปิดโอกาสการใช้งานการตรวจสอบแบบเรียลไทม์ที่เกินกว่าการพิสูจน์ L2 ปัจจุบัน การปรับปรุง Venus และความคืบหน้าของชิป C1 สนับสนุนเป้าหมายนี้โดยลดความล่าช้าและต้นทุนต่อการพิสูจน์ การพิสูจน์แบบเลือกสำหรับแอปพลิเคชันที่มีมูลค่าสูงหรือไวต่อความล่าช้าสามารถดำเนินต่อไปได้แม้ว่ากำลังการผลิต GPU ส่วนใหญ่จะใช้สำหรับการอนุมาน AI
 
การรักษาความสามารถสองด้านช่วยรักษาทางเลือกเชิงกลยุทธ์: หากเศรษฐศาสตร์ของ L2 หรือฮาร์ดแวร์เฉพาะทางก้าวหน้าขึ้นและฟื้นความต้องการที่พิสูจน์แล้ว เครือข่ายสามารถปรับสมดุลได้โดยไม่ต้องเริ่มต้นใหม่จากศูนย์ การลงทุนอย่างต่อเนื่องในการพิสูจน์ประสิทธิภาพยังช่วยเสริมชั้นการตรวจสอบ CyAI เนื่องจากการตรวจสอบทางสถิติและการปรับปรุง ZK ที่อาจเกิดขึ้นในอนาคตสำหรับ AI สามารถใช้เส้นทางการวิจัยเดียวกันได้ ในแง่นี้ การเปลี่ยนทิศทางเป็นการขยายพื้นที่การคำนวณมากกว่าการแทนที่แบบเป็นสองทางระหว่างงานหนึ่งด้วยอีกงานหนึ่ง
 

ความต้องการศูนย์ข้อมูล AI ทำให้แหล่งจัดหา GPU ตึงตัวและเพิ่มต้นทุนโอกาสสำหรับงานเฉพาะทาง

การฝึกอบรมและการอนุมานของ AI ได้ดูดซับสัดส่วนที่เพิ่มขึ้นของ GPU ระดับสูงที่มีอยู่ ทำให้เกิดการแข่งขันโดยตรงกับการพิสูจน์แบบศูนย์ความรู้สำหรับชิปเดียวกัน ผู้นำของ Cysic ได้สังเกตว่าอุตสาหกรรมกำลังเสนอราคาแข่งขันกับงบประมาณศูนย์ข้อมูลที่มีทุนหนาแน่น ซึ่งส่งผลให้ราคาและปริมาณอุปทานของตัวเร่งความเร็วเพิ่มขึ้น ภายใต้เงื่อนไขเหล่านี้ การปล่อยให้ GPU ว่างเปล่าหรือใช้งานไม่เต็มประสิทธิภาพสำหรับความต้องการ L2 ที่ลดลง จึงมีต้นทุนสูงขึ้นเรื่อยๆ การเปลี่ยนแนวทางไปใช้สำหรับการอนุมานของ LLM ช่วยให้เครือข่ายสามารถสร้างรายได้จากงานที่มีความต้องการสูงกว่า ในขณะที่แผนพัฒนาฮาร์ดแวร์เฉพาะทาง เช่น FPGA, ASIC และชิป C1 กำลังก้าวไปสู่โซลูชัน ZK ที่มีประสิทธิภาพมากขึ้น
 
แรงกดดันด้านอุปทานยังเสริมความแข็งแกร่งของตลาดแบบกระจายศูนย์ที่สามารถรวม GPU ของผู้บริโภคและมืออาชีพที่กระจัดกระจายไว้ด้วยกัน โดยผู้ให้บริการของ Cysic ที่เข้าร่วมในทั้งสองตลาดจะได้รับความยืดหยุ่นต่อการเปลี่ยนแปลงของความต้องการด้าน AI หรือการเข้ารหัสลับ ผลกระทบในวงกว้างต่ออุตสาหกรรมคือ เครือข่ายการพิสูจน์ ZK แบบบริสุทธิ์อาจเผชิญกับความต้องการทุนที่เพิ่มขึ้น หากไม่พัฒนาความยืดหยุ่นในลักษณะเดียวกันหรือไม่เคลื่อนไหวอย่างแข็งขันไปสู่ชิปเฉพาะทาง

การตรวจสอบทางสถิติใน CyAI สมดุลระหว่างการลดความเชื่อถือกับประสิทธิภาพการดำเนินงานที่เป็นไปได้

การใช้ zero-knowledge proof แบบเต็มรูปแบบสำหรับคำขอการประมวลผล AI ทุกครั้งจะก่อให้เกิดภาระด้านความล่าช้าและต้นทุนที่หลายแอปพลิเคชันไม่สามารถรับได้ ดังนั้น CyAI จึงใช้การตรวจสอบแบบสุ่มทางสถิติและการทดสอบการกระจายระยะทาง Logit เพื่อยืนยันว่าผู้ให้บริการส่งมอบโมเดล ความแม่นยำ และความถูกต้องของการเรียกเก็บเงินตามที่อ้างไว้ ผู้สังเกตการณ์จะสุ่มตัวอย่างงาน และผู้ตรวจสอบจะตรวจสอบการแทนที่หรือการเสื่อมคุณภาพ วิธีการนี้ให้หลักฐานที่สามารถตรวจสอบได้โดยไม่ต้องใช้พิสูจน์เชิงเข้ารหัสสำหรับกราฟการคำนวณทั้งหมดของโมเดลขนาดใหญ่
 
การออกแบบการซื้อขายแลกเปลี่ยนการรับรองทางรหัสลับอย่างสมบูรณ์เพื่อเพิ่มปริมาณการดำเนินการและลดต้นทุน ทำให้ตลาดมีความสามารถในการแข่งขันกับบริการแบบศูนย์กลาง ในขณะที่ยังคงให้ความโปร่งใสที่มากกว่า ลูกค้ายังคงสามารถตั้งข้อจำกัดด้านคุณภาพและราคาได้ และผู้ให้บริการแข่งขันกันบนพื้นฐานของความน่าเชื่อถือที่วัดได้ แบบจำลองนี้สอดคล้องกับทฤษฎีเศรษฐกิจตัวแทนที่ Cysic ได้ระบุไว้: ตัวแทนอัตโนมัติต้องการการอนุมานที่สามารถตรวจสอบได้แต่มีประสิทธิภาพ มากกว่าการใช้ภาระทางรหัสลับสูงสุดกับทุกโทเค็นที่สร้างขึ้น การจราจรจริงในระยะเริ่มต้นบน CyAI แสดงให้เห็นว่าชั้นการตรวจสอบที่เบากว่านั้นสามารถดำเนินการได้อย่างมีประสิทธิภาพในระดับเครือข่าย

กลยุทธ์ฮาร์ดแวร์แบบไฮบริดช่วยเตรียมเครือข่ายให้พร้อมสำหรับความยืดหยุ่นด้านการประมวลผลในระยะยาว

เส้นทางของ Cysic รวมถึง GPU ทั่วไปร่วมกับอุปกรณ์เร่งความเร็วแบบกำหนดเอง เช่น ชิป C1 และงาน FPGA และ ASIC ที่กำลังดำเนินอยู่ GPU ให้ความสามารถที่ยืดหยุ่นซึ่งสามารถสลับระหว่างการอนุมานและการพิสูจน์แบบเหลือทิ้ง ในขณะที่เซมิคอนดักเตอร์เฉพาะทางมุ่งเป้าไปที่เคอร์เนลทางคณิตศาสตร์ที่ฮาร์ดแวร์ทั่วไปมีประสิทธิภาพต่ำที่สุด แนวทางแบบไฮบริดนี้ลดความเสี่ยงต่อวัฏจักรตลาด GPU บริสุทธิ์ และปรับปรุงเศรษฐศาสตร์ต่อหน่วยของภาระงานใดก็ตามที่ครองตลาดในขณะนี้ ชั้นการประสานงานเดียวกันสามารถจัดตารางงานข้ามเครื่องที่ไม่เหมือนกัน โดยจับคู่ลักษณะงานกับฮาร์ดแวร์ที่เหมาะสมที่สุด
 
สำหรับการประมวลผล AI ระบบสามารถใช้ฐาน GPU ที่กว้างขวาง; สำหรับงาน ZK ที่ต้องการปริมาณสูงหรือความล่าช้าต่ำ สามารถพึ่งพาเคอร์เนลที่เร่งความเร็วได้ กลยุทธ์นี้ยังสนับสนุนวิสัยทัศน์ ComputeFi ในการแปลงทรัพยากรการประมวลผลที่หลากหลายให้เป็นสินทรัพย์ที่มีสภาพคล่องและให้ผลตอบแทน โดยหลีกเลี่ยงการพึ่งพาฮาร์ดแวร์ประเภทใดประเภทหนึ่งเพียงอย่างเดียว Cysic อาจเพิ่มความยืดหยุ่นในการดำเนินงานเมื่อตลาด AI และศูนย์ความรู้ยังคงพัฒนาต่อไป

วิธีที่ความต้องการ AI กำลังเปลี่ยนรูปแบบตลาดการคำนวณแบบกระจาย

การเปลี่ยนทิศทางของ Cysic แสดงให้เห็นถึงความตึงเครียดเชิงโครงสร้างที่เครือข่ายการคำนวณแบบกระจายอำนาจต้องเผชิญ: อุปกรณ์เร่งความเร็วเดียวกันที่ขับเคลื่อนหลักฐานทางคริปโตกราฟีตอนนี้กำลังได้รับความต้องการสูงสำหรับภาระงาน AI ซึ่งเศรษฐศาสตร์ของมันกำลังครอบงำอยู่ในขณะนี้ เครือข่ายที่สามารถจัดสรรกำลังการผลิตได้อย่างยืดหยุ่น รักษาตัวเลือกการพิสูจน์เฉพาะทาง และเสนอการตรวจสอบที่เป็นรูปธรรมสำหรับงาน AI จะอยู่ในตำแหน่งที่ดีกว่าในการรักษาผู้ให้บริการและดึงดูดความต้องการ การรวมกันของชั้นการประสานงานที่เข้ากันได้กับ EVM ฮาร์ดแวร์แบบไฮบริด และตลาดคู่ (ZK และ CyAI) ทำให้ Cysic มีคำตอบที่ชัดเจนต่อความตึงเครียดนี้
 
การที่โมเดลจะสามารถขยายขนาดต่อไปได้หรือไม่ จะขึ้นอยู่กับความต้องการในการประมวลผลอย่างต่อเนื่อง ความแข่งขันของการตรวจสอบทางสถิติเมื่อเทียบกับทางเลือกแบบศูนย์กลาง และความก้าวหน้าอย่างต่อเนื่องในการพัฒนาชิปเฉพาะสำหรับความต้องการ ZK ที่เหลืออยู่ สำหรับระบบนิเวศโดยรวม เหตุการณ์นี้ชี้ให้เห็นว่า การคำนวณที่สามารถตรวจสอบได้กำลังกลายเป็นตลาดที่รองรับงานหลายประเภท มากกว่าที่จะเป็นเพียงช่องว่างทางคริปโตกราฟีเท่านั้น ผู้ให้บริการและนักพัฒนาที่มอง GPU เป็นทรัพย์สินที่ยืดหยุ่น มากกว่าเครื่องมือที่ใช้งานได้เพียงหนึ่งวัตถุประสงค์ จะสามารถปรับตัวได้เร็วกว่าเมื่อเกิดการเปลี่ยนแปลงครั้งต่อไปในความต้องการสัมพัทธ์

คำถามที่พบบ่อย

การเปลี่ยนแปลงของ Cysic ส่งผลต่อผู้ใช้ zero-knowledge proof ที่มีอยู่อย่างไร?

ผู้ใช้งานเดิมของบริการพิสูจน์ของ Cysic ยังสามารถส่งงานต่อไปได้; เครือข่ายยังไม่เลิกให้บริการความสามารถ ZK ความต้องการที่เหลือยังได้รับการตอบสนอง และการปรับปรุงประสิทธิภาพจาก Venus และชิป C1 ก็ยังคงมีอยู่ การเปลี่ยนแปลงหลักคือ เวลา GPU ส่วนใหญ่ตอนนี้จะถูกจัดลำดับความสำคัญให้กับการอนุมาน AI เมื่อการใช้งานและราคาเอื้อต่อภาระงานนั้น ผู้ใช้งานที่ต้องการการพิสูจน์แบบความล่าช้าต่ำหรือปริมาณสูงอาจต้องวางแผนรับมือกับการรอคิวหรือต้นทุนสัมพัทธ์ที่สูงขึ้นเมื่อเทียบกับช่วงความต้องการสูงสุดก่อนหน้านี้
 

CyAI ใช้วิธีการยืนยันใดแทน zero-knowledge proof แบบเต็มรูปแบบ?

CyAI ใช้การตรวจสอบทางสถิติแบบสุ่มโดยพยานและการตรวจสอบการกระจายระยะทางโลจิสติกโดยผู้ยืนยัน วิธีเหล่านี้สุ่มตัวอย่างงานเพื่อตรวจจับการแทนที่โมเดล ความแม่นยำที่ลดลง หรือการเรียกเก็บเงินผิดพลาด โดยไม่ต้องสร้างหลักฐานเชิงเข้ารหัสอย่างสมบูรณ์สำหรับการคำนวณแต่ละครั้ง วิธีนี้ช่วยลดภาระการทำงาน ขณะเดียวกันก็ยังสร้างประวัติการตรวจสอบที่ลูกค้าและโปรโตคอลสามารถอ้างอิงได้ในกรณีข้อพิพาท
 

ซิซิกมีแผนจะละทิ้งเป้าหมายการพิสูจน์บล็อกของ Ethereum หรือไม่?

ไม่ ซีอีโอเลโอ แฟน ได้ยืนยันเป้าหมายในการพิสูจน์บล็อก Ethereum ภายในเวลาไม่เกินแปดวินาที ความคืบหน้าของฮาร์ดแวร์เฉพาะทางและการปรับปรุง Venus ยังคงสนับสนุนเป้าหมายนี้แม้ว่ากำลังการประมวลผล GPU หลักจะถูกใช้สำหรับการอนุมาน AI การพิสูจน์แบบเรียลไทม์ยังคงเป็นความสามารถระยะยาวที่เครือข่ายมุ่งมั่นจะจัดหา
 

เครือข่าย Cysic มีขนาดใหญ่เพียงใดในแง่ของผู้เข้าร่วมและกิจกรรมในอดีต?

ตั้งแต่การเปิดตัว Mainnet เมื่อวันที่ 24 กันยายน 2025 เครือข่ายได้ประมวลผลธุรกรรมมากกว่า 13 ล้านรายการและสร้าง zero-knowledge proof มากกว่า 10 ล้านรายการ ปัจจุบันมีผู้พิสูจน์มากกว่า 118,000 รายและผู้ตรวจสอบมากกว่า 200,000 ราย ตัวเลขเหล่านี้สะท้อนถึงขนาดที่บรรลุได้ในช่วงที่เน้น ZK และฐานรากที่การขยายตัวด้าน AI เริ่มต้นจาก
 

ทำไมค่าธรรมเนียม Layer 2 จึงมีความเกี่ยวข้องกับกลยุทธ์ของเครือข่าย GPU?

เมื่อค่าธรรมเนียม Layer 2 เพิ่มขึ้นเมื่อเทียบกับค่าธรรมเนียม Mainnet ของ Ethereum ขอบเขตทางเศรษฐกิจที่มีอยู่สำหรับการสร้างหลักฐานภายนอกจะแคบลง ผู้ดำเนินการจึงมีความเต็มใจน้อยลงที่จะจ่ายให้ผู้สร้างหลักฐานภายนอก ความต้องการลดลง และการใช้งาน GPU ลดลง การจัดสรร GPU เหล่านั้นใหม่ไปใช้ในการอนุมาน AI จะช่วยฟื้นการใช้งานและรายได้ภายใต้สภาพค่าธรรมเนียมใหม่
 

บทบาทของ Proof-of-Compute Layer 1 คืออะไรหลังจากการเปลี่ยนแปลง?

เลเยอร์ 1 ยังคงประสานงานการส่งงาน การส่งต่อ การตรวจสอบ และการปิดยอดสำหรับงาน ZK ที่เหลืออยู่และงานการอนุมาน AI ใหม่ โดยความเข้ากันได้กับ EVM และการอนุมัติแบบงานที่มีประโยชน์ ทำให้ระบบแรงจูงใจและการชำระเงินเดียวกันสามารถรองรับภาระงานที่ผสมผสานได้โดยไม่จำเป็นต้องใช้โซ่หรือตลาดแยกต่างหาก
 
ข้อจำกัดความรับผิด: ข้อมูลตลาดทั่วไปนี้ ซึ่งอาจมาจากแหล่งภายนอก เชิงพาณิชย์ หรือได้รับการสนับสนุน จัดทำขึ้นเพื่อใช้อ้างอิงและวัตถุประสงค์ทางการศึกษาเท่านั้น และไม่ถือเป็นคำแนะนำด้านการเงินหรือการลงทุน การเสนอ การเชิญชวน หรือการรับประกันใดๆ เราไม่รับผิดชอบต่อความถูกต้อง ความสมบูรณ์ ความน่าเชื่อถือ และความสูญเสียใดๆ ที่เกิดขึ้นจากการใช้ข้อมูลนี้ การลงทุน/การซื้อขายมีความเสี่ยง; ผลการดำเนินงานในอดีตไม่ได้การันตีผลลัพธ์ในอนาคต ผู้ใช้ควรทำการวิจัย ตัดสินอย่างรอบคอบ และรับผิดชอบเต็มที่ สำหรับรายละเอียดเพิ่มเติม กรุณาปรึกษาข้อกำหนดการใช้งาน และการเปิดเผยความเสี่ยง ของ KuCoin

คำปฏิเสธความรับผิดชอบ: หน้านี้แปลโดยใช้เทคโนโลยี AI เพื่อความสะดวกของคุณ สำหรับข้อมูลที่ถูกต้องที่สุด โปรดดูต้นฉบับภาษาอังกฤษ