Cysic Shifts GPU 網絡焦點從區塊鏈證明轉向 AI 推理，因 Layer 2 手續費上升

Cysic Shifts GPU 網絡焦點從區塊鏈證明轉向 AI 推理，因 Layer 2 手續費上升

自訂圖片

Cysic 將 GPU 能力轉向 AI 推理，因對 ZK 證明生成的需求下降

Cysic 是一個於 2025 年 9 月 24 日推出主網的去中心化計算網絡，已將其 GPU 機群的主要焦點從為以太坊 Layer 2 網絡生成零知識證明，轉向支援 AI 推理工作負載。此舉是因為證明生成的需求明顯下降，同時根據該公司表示，Layer 2 交易費用已高於以太坊本身的費用。自主網推出以來，該網絡已處理超過 1300 萬筆交易，並產生超過 1000 萬個零知識證明，合作夥伴包括 Scroll 和 Aleo。目前該網絡已列出超過 118,000 個證明者和 200,000 個驗證者。
 
首席執行官范Leo將此調整定義為對現有硬體的實用性重新分配，而非完全退出零知識工作，同時仍致力於實現八秒內的以太坊區塊證明。該網路的Proof-of-Compute Layer 1與以太坊虛擬機相容，已協調ZK與AI任務，為此轉向提供了現成的技術基礎。Cysic將其GPU容量重新導向大型語言模型推理，反映了Layer 2經濟與GPU市場狀況的可衡量變化，使網路能在維持利用率的同時，透過專用硬體和CyAI市場持續進行選擇性的零知識開發。

重點摘要

  • Cysic 因需求下降，正將 GPU 資源從 L2 ZK 證明轉向 AI 推理。
  • 據報導，Layer 2 費用已超過以太坊主網費用，降低了證明的經濟效益。
  • 自2025年9月以來，主網指標包括超過1300萬筆交易和1000萬個證明。
  • Venus zkVM 和 GPU 優化帶來了超過 9% 的證明時間效率提升。
  • 自訂 C1 芯片每秒可實現 131 萬次 Keccak 運算，提升證明速度。
  • CyAI 市場針對 AI 任務使用統計審計，而非每個任務都採用完整的零知識證明。

零知識證明需求下降迫使硬體在去中心化網絡間重新分配

2026 年，為以太坊 Layer 2 網絡生成零知識證明的需求急劇下降，促使 Cysic 重新分配其 GPU 能力。Layer 2 網絡依賴這些證明來批量處理交易，並在不需每位參與者重新執行工作的情況下安全地結算至以太坊。當證明需求放緩時，原本能產生穩定收入的專用硬體便處於利用率不足的狀態。Cysic 的管理層將這一下降直接歸因於 Layer 2 費用的上漲，該費用在某些時期已超過以太坊自身的基礎層成本，削弱了曾使外部證明服務具有吸引力的經濟優勢。
 
該網絡的自身數據顯示，自2025年9月主網上線以來，已產生超過1000萬個證明，但目前的條件已無法支持同等規模的L2專注型工作。此舉並非單一供應商的獨特現象；由於AI數據中心的需求導致GPU短缺，將加速器專門用於密碼學證明的機會成本已上升。通過重新導向容量，Cysic在更廣泛的市場吸收過剩證明供應的同時，保持了硬體的利用率。此決策基於可觀察的費用動態和利用率指標，而非猜測性預測，使網絡能在不拋棄已建構的可驗算計算基礎設施的前提下進行調整。

零知識證明與大型語言模型推論之間的 GPU 重疊實現了無縫過渡

零知識證明的生成與大型語言模型的推理均對 GPU 資源提出高 demands，這為 Cysic 的轉型提供了自然的技術橋樑。證明生成涉及密集的有限域運算、多重標量乘法和數論變換，這些都能有效映射到並行的 GPU 核心上。相比之下，推理則聚焦於矩陣乘法與注意力機制，同樣會使相同的加速器達到飽和。由於底層晶片已針對高吞吐量並行工作負載進行優化，因此在這兩類任務之間移動容量，主要只需進行軟體排程調整，而無需購置新硬體。
 
Cysic 的 Proof-of-Compute 第一層已能處理兩種類型的任務，因此無需重新設計協調層。首席執行官范Leo強調，現有的運算集群無需全面架構重構，即可專注於 LLM 推理。這種重疊降低了資本風險並縮短了過渡時間。同時，該網絡仍能服務剩餘的 ZK 需求，保留了選擇彈性。實際結果是，在市場條件變化下，相同物理資產的平均利用率更高，這一點是純 ZK 或純 AI 平台可能無法實現的。

主網性能指標展現了戰略轉向前已達成的規模

Cysic 的主網自 2025 年 9 月 24 日上線以來，已累積具備實際意義的運營規模，支撐了當前的戰略調整。該網絡在約十三個月的運營期間，已處理超過 1300 萬筆交易，並生成超過 1000 萬個零知識證明。與 Scroll 和 Aleo 的合作促成了這一交易量，並支持網絡在合作夥伴生態系統中的部署。在參與方面，該系統已註冊超過 118,000 名證明者和 200,000 名驗證者，即使在測試網階段後有機會主義參與者流失，仍顯示出龐大的註冊參與者網絡。
 
這些數據表明，Cysic 不只是一個初創實驗，而是一個擁有可衡量網絡活動記錄的運營網絡。Proof-of-Compute 共識機制將有用的計算（無論是 ZK 還是 AI）轉化為網絡分數和激勵，實現了不同工作負載類型之間的連續性。在已證明能夠協調大量異構機器進行密碼學工作後，相同的系統現已能以相當的可靠性排程推論任務。因此，這些指標既是過去能力的證明，也是擴展 AI 專注領域的基礎。

Venus zkVM 和 GPU 優化為剩餘證明工作帶來可衡量的效率提升

Cysic 在將主要算力轉向 AI 的同時，持續優化其證明堆棧。Venus zkVM 搭配針對性的 GPU 優化，相較於早期基準，將端到端證明時間效率提升了超過 9%。這些提升來自於整個證明流程中更好的排程，而非單純的晶片性能提升。透過將證明生成視為一個連貫的運算圖形，並減少 CPU 與 GPU 階段之間的閒置時間，Venus 從相同的硬體中提取了更多有效工作。
 
這些改進對任何剩餘的 L2 需求以及在八秒內證明完整以太坊區塊的長期目標至關重要。效率提升也降低了偶爾證明任務的邊際成本，使選擇性 ZK 工作與主導的 AI 工作負載並存更具可行性。在 AI 資料中心激烈競爭相同 GPU 的市場中，每提升一個百分點的利用率都會疊加出更佳的經濟效益。Venus 堆疊的開源元件還允許外部開發者基於相同的優化進行構建，將網路的技術影響力擴展至其自身機隊之外。

自訂 C1 芯片基準測試凸顯以太坊相關哈希運算的硬體差異化

Cysic 的自訂 C1 芯片每秒可執行 1.31 百萬次 Keccak 函數，這一基準直接對應以太坊的核心哈希需求。Keccak 是以太坊生態中許多加密運算的基礎，因此在這一層面進行加速，能加快依賴這些原語的 rollup 及其他協議的證明生成速度。專用晶片減少了對通用 GPU 處理最密集加密核心的依賴，部分緩解了網絡受廣泛 AI 驅動的 GPU 短缺影響。該芯片是更廣泛硬體路線圖的一部分，該路線圖同時探索 FPGA 和早期 ASIC 路徑，顯示出對純 GPU 依賴成本日益上升的認知。
 
通過將自訂加速器與現有的 GPU 集群相結合，Cysic 可為每種工作負載類型分配最高效的資源：針對特定 ZK 核心使用 ASIC 或 FPGA，針對靈活推理使用 GPU，或處理剩餘證明。這種混合方法既支持即時的 AI 轉型，也支持長期實現實時以太坊證明的願景。C1 的結果提供了具體證據，表明公司正在投資差異化的硬體，而非僅僅對現有容量進行重新品牌。

CyAI 市場推出實用型驗證，以支援去中心化 AI 推理工作負載

Cysic 的 CyAI 市場透過注重實用性而非為每項任務生成完整零知識證明的設計來處理 AI 推理請求。CyAI 不為每次推理生成完整的零知識證明，而是採用隨機統計審計和如 Logit 距離分佈檢查等技術，以檢測模型替換、精度降級或多收費情況。供應商在價格、延遲和測量的可靠性上競爭，而客戶則設定預算和品質門檻。該市場位於更廣泛的 ComputeFi 框架內，使原本專注於 ZK 證明的同一機器網絡，現在可為從開源選項到第三方服務的各種模型提供 LLM 推理服務。
 
這種較輕量的驗證模型相比純粹的 ZK 方法降低了開銷，使服務在與中心化 API 的競爭中更具優勢，同時仍提供可審計的追蹤記錄。CyAI 的早期部署表明，該網絡能夠路由真實的推理流量並在鏈上結算付款。因此，此設計將相同的去中心化硬體基礎轉換為 AI 推理能力，而無需每位客戶承擔完整的證明成本。

第二層費用動態改變了外部證明生成服務的經濟模式

根據 Cysic 的說法，近期 Layer 2 的交易費用已超過以太坊主網費用，削弱了外部證明服務的主要經濟理由。當 Layer 2 自身變得相對昂貴時，專門證明的額外成本更難合理化，第三方證明生成的需求也隨之下降。此前的行業分析顯示，證明生成佔據了 ZK rollup 運營成本的相當大比例；任何基礎 Layer 2 費用的上漲都會加劇這一負擔。Cysic 的觀察與 GPU 供應普遍緊縮的趨勢一致，因為 AI 數據中心吸收了可用的加速器，導致僅用於密碼學的硬體機會成本上升。
 
費用倒置並未消除零知識技術的長期價值，但確實改變了短期的使用模式。能夠在證明與推理之間靈活調配容量的網絡，在需求波動時可能更具彈性。Cysic 的回應策略——重新分配 GPU 並保留專用的證明能力——體現了在此類條件下的一種適應性策略。

計算證明第 1 層為混合工作負載提供統一協調

Cysic 運營一個與 EVM 兼容的基於計算證明的第 1 層，作為零知識和 AI 任務的協調層。共識機制獎勵有價值的計算，而非單純的哈希或質押，使相同的激勵結構能夠支援證明、推論，以及可能的訓練工作負載。開發者提交具有預算和延遲參數的任務；網路將這些任務路由至可用的 GPU 或專用加速器，並將結果結算於鏈上。
 
此架構在轉向之前已存在，因此轉向 AI 推理無需建立新的基礎層。雙用途設計減少了碎片化，並讓供應商能從目前回報較高的工作負載中獲利。由於該鏈仍與以太坊工具相容，現有應用程式的整合成本保持在低水平。結果是形成了一個單一的可驗算力市場，能夠吸收密碼學與機器學習任務之間相對需求的變化，而無需參與者遷移至不同的網路。

殘留的零知識願望仍與人工智能重點並存

Cysic 並未放棄零知識開發。首席執行官范Leo 已重申目標，即在八秒內證明完整的以太坊區塊，此能力將開啟超越現有 L2 證明的實時驗證應用場景。Venus 優化與 C1 芯片的進展透過降低每項證明的延遲與成本，直接支持這一目標。即使大部分 GPU 能力用於 AI 推理，仍可繼續為高價值或對延遲敏感的應用進行選擇性證明。
 
維持雙重能力可保留戰略選擇性：若 Layer 2 經濟模型或專用硬體的進步恢復了已驗證的需求，網路即可無需從零開始進行調倉。持續投資於證明效率也強化了 CyAI 驗證層，因為統計審計與未來可能的 AI ZK 增強功能可共享相同的研發管道。從這個角度來看，此轉向是計算範圍的擴展，而非將一種工作負載二元地替換為另一種。
 

AI 資料中心需求緊縮 GPU 供應，並提高專用工作負載的機會成本

AI 訓練與推論已佔據越來越多可用的高端 GPU，與零知識證明在相同晶片上形成直接競爭。Cysic 的領導團隊指出，該行業實際上正在與資金雄厚的資料中心預算競爭，這推高了加速器的價格並加劇了其稀缺性。在這種情況下，讓 GPU 在 L2 證明需求下降時閒置或低利用率變得越來越昂貴。將容量轉向 LLM 推論，可讓網路從需求更高的工作負載中獲取收入，同時專用硬體路線圖（FPGA、ASIC 和 C1 芯片）正朝向更高效的零知識解決方案發展。
 
供應壓力也強化了去中心化市場平台的價值，這些平台能夠整合原本分散的消費級和專業級 GPU。通過參與這兩個市場，Cysic 的供應商能夠抵禦人工智慧或加密需求波動的影響。更廣泛的產業影響是，純粹的 ZK 證明網絡若不發展類似的靈活性或積極進軍定制晶片，可能會面臨資本密集度上升的壓力。

CyAI 的統計審計在最小化信任與實際吞吐量之間取得平衡

對每一個 AI 推理請求使用完整的零知識證明，會帶來延遲和成本負擔，許多應用無法承受。因此，CyAI 使用隨機統計審計和 Logit 距離分佈測試，來驗證供應商是否提供所聲稱的模型、精確度和計費準確性。見證者會抽樣任務，驗證者則檢查是否存在替換或品質下降的情況。這種方法能提供可審計的證據軌跡，而無需對大型模型的整個計算圖進行密碼學證明。
 
該設計以較高的吞吐量和較低的成本取代了絕對的密碼學保證，使市場與中心化服務競爭的同時，仍提供更高的透明度。客戶保有設定品質與價格限制的能力，而供應商則根據可衡量的可靠性進行競爭。此模式符合 Cysic 所闡述的代理經濟理論：自主代理需要可驗證但高效的推論，而非對每個生成的代幣都施加最大的密碼學開銷。CyAI 的早期實際流量表明，較輕量的驗證層在網路規模下具有操作可行性。

混合硬體策略為網絡奠定長期運算彈性的基礎

Cysic 的路線圖將通用 GPU 與自訂加速器（如 C1 芯片）以及持續進行的 FPGA 和 ASIC 開發相結合。GPU 提供靈活的容量，可在推論和剩餘證明之間切換，而專用晶片則針對通用硬體效率最低的數學核心。這種混合方法降低了對純 GPU 市場週期的依賴，並提升了當前主導工作負載的單位經濟效益。相同的協調層可跨異質機器排程任務，將任務特性與最合適的硬體匹配。
 
對於 AI 推理，網絡可利用廣泛的 GPU 基礎；對於高吞吐量或低延遲要求的 ZK 工作，則可依賴加速核心。該策略亦支持 ComputeFi 的願景，即將多樣的計算資源轉化為流動且能產生收益的資產。通過避免單一硬體類型的專屬依賴，Cysic 可在 AI 和零知識市場持續演進的過程中提升運營靈活性。

AI 需求如何重塑去中心化計算市場

Cysic 的轉型展現了去中心化計算網絡所面臨的結構性張力：同樣的加速器既用於加密證明，如今也因經濟效益更為顯著的 AI 工作負載而需求大增。能夠靈活重新分配資源、維持專用的證明選項，並為 AI 任務提供實用驗證的網絡，更能留住供應商並吸引需求。EVM 兼容的協調層、混合硬體以及雙重市場（ZK 和 CyAI）的結合，使 Cysic 對此張力提出了具體的解決方案。
 
模型是否能進一步擴展，將取決於持續的推理需求、統計審計與中心化替代方案之間的競爭力，以及為殘餘 ZK 需求定制晶片的持續進展。對於更廣泛的生態而言，這一事件強調了可驗證計算正逐漸成為一個多工作負載市場，而非純粹的密碼學利基市場。將 GPU 視為靈活資產而非單一用途工具的供應商和開發者，將更有可能適應未來相對需求的變化。

常見問題

Cysic 的轉變對現有的零知識證明用戶有何影響？

Cysic 證明服務的現有用戶仍可繼續提交任務；網絡並未終止 ZK 容量。剩餘需求仍可得到服務，Venus 和 C1 芯片帶來的效率提升依然可用。主要變化是，當使用率和定價有利於該工作負載時，大部分 GPU 時間現在優先用於 AI 推理。需要低延遲或高容量證明的用戶，可能需要根據潛在的排隊或相對於早期需求高峰時期的較高成本進行規劃。
 

CyAI 使用什麼驗證方法來取代完整的零知識證明？

CyAI 依賴證人進行隨機統計審計，以及驗證者進行 Logit 距離分佈檢查。這些方法透過抽樣任務來偵測模型替換、精確度降低或計費錯誤，而無需為每次推論生成完整的密碼學證明。此方法降低了開銷，同時仍能產生可審計的追蹤記錄，供客戶和協議在爭議時參考。
 

Cysic 計劃放棄以太坊區塊證明目標嗎？

首席執行官范Leo重申了在八秒內證明以太坊區塊的目標。專用硬體的進展和Venus優化持續支持這一目標，即使主要的GPU容量用於AI推理。實時證明仍是網路計劃提供的長期能力。
 

Cysic 網絡在參與者數量和歷史活動方面規模多大？

自 2025 年 9 月 24 日主網上線以來，該網絡已處理超過 1300 萬筆交易，並生成超過 1000 萬個零知識證明。目前共列出超過 118,000 名證明者和 200,000 名驗證者。這些數字既反映了在專注於 ZK 階段所達成的規模，也體現了 AI 擴展所依據的基礎。
 

為何 Layer 2 費用與 GPU 網絡的策略相關？

當 Layer 2 費用相對於以太坊主網費用上升時，外部證明生成的經濟保證金空間會縮小。運營商支付第三方證明者的意願降低，需求下降，GPU 利用率隨之降低。將這些 GPU 重新分配至 AI 推理，可在新的費用環境下恢復利用率和收益。
 

在轉向之後，Proof-of-Compute Layer 1 扮演什麼角色？

第 1 層繼續協調剩餘的 ZK 任務和新的 AI 推理任務的任務提交、路由、驗證和結算。其 EVM 兼容性與有用工作共識機制，使相同的激勵與支付系統能夠支援混合工作負載，無需獨立的鏈或市場。
 
免責聲明：此為一般市場資訊，可能來自第三方、商業或贊助來源，僅供參考及教育用途，不構成財務或投資建議、要約、招攬或保證。我們對其準確性、完整性、可靠性及任何由此產生的損失不承擔責任。投資/交易存在風險；過往表現不保證未來結果。用戶應自行研究、謹慎判斷，並承擔全部責任。如需進一步詳情，請參閱 KuCoin 的Terms of Use及Risk Disclosure。

免責聲明: 本頁面經由 AI 技術翻譯，旨在方便您的閱讀。欲獲取最準確資訊，請以原始英文版本為準。