Pearl($PRL)想回答一个很具体的问题:GPU 本来就要做矩阵乘法,能不能让同一次计算,既服务 AI,又给区块链提供安全?

AI 大模型训练和推理,核心算力都砸在矩阵乘法上;传统 PoW 则让矿工反复做几乎没有外部用途的哈希。两边过去基本分开——一边是数据中心跑模型,一边是矿工烧电挖币。Pearl Research Labs 做的这条独立 Layer 1,试图把两件事叠在一起。

主网于 2026 年 4 月 27 日上线。核心机制叫 Proof of Useful Work(PoUW,有用工作量证明):矿工不再主攻无意义哈希,而是做矩阵乘法。同一次计算,理论上既可以服务真实 AI 推理/训练,又可以产生区块工作量证明——一次计算,两件事。

一、技术从哪来

这条路有论文底。2025 年,Ilan Komargodski 与 Omri Weinstein 发表《Proofs of Useful Work from Arbitrary Matrix Multiplication》。核心结论是:可以在任意矩阵乘法上构造满足区块链安全要求的工作量证明,额外开销可接近 1 + o(1),也就是计算规模越大,相对额外成本越小。

两位作者也是 Pearl 主要创始人。Weinstein 为普林斯顿计算机博士,曾任教哥伦比亚大学,现为希伯来大学副教授,并有 NVIDIA、VAST Data 经历;Komargodski 为希伯来大学密码学方向副教授。团队底色是理论计算机与密码学,不是先做产品再补故事。

底层上,Pearl 是比特币 Go 实现(btcd)的分叉,保留 UTXO 与最长链规则,目前不支持通用智能合约——结构上更接近比特币,而不是以太坊。

二、代币怎么发

原生代币 $PRL,总量上限 21 亿枚(比特币 2100 万的 100 倍)。官方表述:无预挖、无创始人分配、无公开 VC 解锁,全部通过挖矿产出。奖励不是四年硬减半,而是平滑曲线下降:早期产出高,随后逐步减少。

主网上线约五个多月后,已挖出约 16% 左右(流通量约 3.4 亿枚量级)。日新增发行目前大约百万枚量级,会随区块奖励下降变化。目标出块时间约 194 秒(接近 3 分钟),实际运行会有波动。

三、目前进展

公开报道显示,全网算力已从主网上线初期较低水平,上升到相当于十几万张高端消费级/数据中心级 GPU 的规模,说明有可观硬件在参与。

商业侧有初步案例:Together AI 与 Pearl 合作,上线基于 PoUW 的 Gemma 推理服务,价格较常规同类低 20% 以上,差额由挖矿奖励补贴。Pearl 也搭建了兼容 OpenAI API 的推理平台,支持部分开源模型、按 token 收费。2026 年 7 月,Pearl Research Labs 加入 NVIDIA Inception。

技术仍在迭代:早期偏整数矩阵乘法,后续推进浮点(FP)方案以更好适配主流大模型;并与第三方探索可验证推理、隐私证明等。多数仍处早期或测试,方向是提高“有用工作”占比,而不是只做纯挖矿计算。

四、它想解决什么,优势在哪

传统 PoW 常被批评“算力浪费在无用计算”。Pearl 的回应是:GPU 本来就要做矩阵乘法,就让这部分计算同时承担链安全,减少纯浪费;对 AI 服务方,若挖矿奖励能补贴成本,理论上可给出更低推理价。

它保留了比特币式若干特征:固定总量、无中心化分配、靠算力竞争出块。若未来大量真实 AI 负载接入,链安全可能与全球 AI 算力规模绑定,而不只与买专用矿机的人绑定。

论文提供可行性论证;Together AI 合作则是公开商业验证的第一案——至少有一家 AI 云愿意尝试把挖矿补贴用进真实服务。

五、现实与局限(同样重要)

客观看:并非所有挖矿算力都在做付费 AI 工作。相当部分矿工是专门跑矩阵乘法挖币,对 AI 客户没有直接价值。“有用工作”占比,取决于有多少 AI 服务商把生产负载接到协议上——目前这个比例仍不高,是项目接下来必须证明的关键点。

发行是持续的。每天新产出的 $PRL 需要市场吸收。没有 VC 解锁的集中抛压,但矿工卖出奖励本身就是持续供给。若价格涨得快、真实使用没跟上,卖压会很明显。流通市值与完全稀释估值差距大,也是早期项目常见状态。

网络目前更接近比特币定位,不做复杂智能合约与链上应用。计算市场、可验证推理结算等是否扩展,要看后续开发;安全、公平、矿工集中度也需时间观察。价格波动大——主网上线后经历过快涨、回落,再随关注度反弹——在新公链与 AI 叙事里并不少见,但不等于基本面已兑现。

六、怎么看它

Pearl 是把“有用计算”写进工作量证明的一次具体尝试:有同行评审论文、有学术背景团队、主网已运行、有初步商业合作。优势在于理论上让 GPU 同时服务 AI 与链安全,改善算力利用率,并可能给推理成本提供补贴。

挑战也很清楚:真实 AI 负载占比、持续发行的市场吸收、以及生产环境里能否稳定压低额外开销。这些都需要时间验证。

若想跟踪这条链,优先看:官方技术进展、算力构成变化、以及有多少付费 AI 服务真正在用这套机制。这些指标,往往比短期价格更能说明它有没有按自己描述的路径前进。

(基于公开信息整理:项目官网、论文、主网运行数据与媒体报道。不构成投资建议。加密项目风险高,请自行判断。)

#Pearl #PRL #AI #Crypto #PoUW