人工智能的未来是可验证的。 并由 @cysic_xyz 提供支持？ 关于 Cysic 扩展 ZK 验证推理的愿景的简要概述 - Cysic 通过一个大规模并行的 GPU 加速平台，提供实时的 ZK 驱动推理，解决了可验证人工智能的主要计算瓶颈。它在 CNN-4M 等模型上报告了约 10 倍的性能提升，超越了最先进的基准。 - 核心技术优势有两个方面：一个是 GPU 并行化的求和检查协议，它将加密计算原子化，分散到数千个 CUDA 线程中，以充分利用硬件；另一个是用于素域算术的自定义 CUDA 内核，通过优先使用快速的片上内存（寄存器、共享内存）而非慢速的全局内存，最大化 ALU 吞吐量。 - 该平台通过与主要机器学习框架（如 PyTorch、TensorFlow）的无缝集成，抽象掉了加密复杂性。开发者可以将现有模型包装在 "VerifiableModule" 中，以在生成模型输出的同时生成证明，而无需重写代码或深入了解加密技术。 - 近期路线图包括扩展对更复杂架构的支持，包括大型 LLM（如 Llama 和 DeepSeek），推出实时应用演示，以及全面开源发布，以促进围绕该技术的社区驱动生态系统。 - 该倡议作为 Cysic 更广泛的 "ComputeFi" 愿景的核心支柱，旨在创建一个去中心化的计算层，使人工智能作为一种信任最小化、可验证的服务运行，从而启用新一类链上代理和安全的人工智能应用。 建议 DYOR（并且 yap）匿名者。