AI的未來是可驗證的。 而且由@cysic_xyz提供動力？ Cysic對於擴展ZK驗證推理的願景的簡要說明 - Cysic通過一個大規模並行的GPU加速平台，提供實時的ZK驅動推理，解決了可驗證AI的主要計算瓶頸。它在像CNN-4M這樣的模型上報告了約10倍的性能提升，超過了最先進的基準。 - 核心技術優勢有兩個方面：一個是GPU並行化的sumcheck協議，將加密計算原子化分配到數千個CUDA線程中，以充分利用硬體；另一個是針對質數域算術的自定義CUDA內核，通過優先使用快速的片上記憶體（寄存器、共享記憶體）而非慢速的全局記憶體來最大化ALU吞吐量。 - 該平台通過與主要的機器學習框架（例如PyTorch、TensorFlow）的無縫集成，抽象化了加密的複雜性。開發者可以將現有模型包裝在"VerifiableModule"中，以生成證明和模型輸出，而無需重寫代碼或深入的加密專業知識。 - 近期的路線圖包括擴展對更複雜架構的支持，包括大型LLM如Llama和DeepSeek，推出實時應用演示，以及全面的開源發布，以促進圍繞該技術的社區驅動生態系統。 - 此倡議作為Cysic更廣泛的"ComputeFi"願景的核心支柱，旨在創建一個去中心化的計算層，讓AI作為一種信任最小化、可驗證的服務運行，從而啟用新類型的鏈上代理和安全的AI應用。 建議DYOR（並且yap）匿名者。