Internet Computer

在生成式 AI 爆发的今天，我们面临着一个尴尬的法律与技术真空：AI 生成的内容因缺乏“人类独创性”而难以确权，创作者精心调试的 Prompt（提示词）、LoRA 模型和工作流一旦公开，便极易被零成本剽窃。
为了解决这一问题，zCloak Network 推出了 Gen-IP（Generative Intellectual Property）- 一种专为 AI 时代设计的数字资产确权与分发协议。
不仅仅是确权，更是“劳动证明”
Gen-IP 并非传统的版权证书，而是一个基于密码学的“权利对象”（Rights Object），它核心解决的是“人类智力劳动的量化与存证”。
通过 zCloak 的 Trust Layer（zCloak.AI），我们将创作者和 AI 工具的交互过程（如 Prompt 的迭代修改、参数的微调记录）打包封装，这些数据构成了法律意义上的“智力劳动证据”，让确权不再依赖最终的生成图，而是依赖不可复制的创作流。

极简体验与硬核存证
在体验端，zCloak 采用了 Passkey（通行密钥）技术，为用户创建安全可靠的密码学身份，用户只需使用 FaceID 或指纹即可在秒级内生成唯一的 AI-ID，实现安全的身份锚定。
更进一步，Gen-IP 的工作流深度嵌入了 AI 原生场景，用户无需离开 ChatGPT、Claude 等日常使用的 AI 应用，即可在 App 内部通过对话的形式直接唤起 Gen-IP 工作流。
这意味着，您在与 AI 对话生成的瞬间，即可一键完成资产确权，真正实现“即生成，即确权”。
在存储端，Gen-IP 的所有权声明和劳动证明被锚定在全球公开且不可篡改的公共账本上，这意味着，无论平台如何变迁，您的资产权利记录永远可查、可验证，不依赖任何单一中心化服务器。
自动化的价值网络
Gen-IP 的真正潜力在于未来的可编程性：
自动化分润：将许可条款写入代码，当第三方 AI Agent 调用您的 Prompt 接口时，系统自动执行微支付（例如 0.01 元/次），无需人工介入。版权继承与二创：支持类似 GitHub 的 “Fork” 机制，其他创作者可以在您的 Gen-IP 基础上进行微调（二创），系统会自动记录继承关系，并按比例向原作者分配收益。资产交易：您的工作流和模型将成为标准化的数字资产，在未来的 AI 资产交易所中自由流通。

隐私护航：让创意“可用不可见”
很快，zCloak Network 将进一步发挥在隐私计算方面的独特优势，引入身份加密、代理重加密 (Proxy Re-encryption) 等尖端技术。
这将赋予 Gen-IP 前所未有的安全特性 - 提示词（Prompt）的“可用不可见”，这意味着，其他创作者或 Agent 可以在不查看您核心内容明文（保护商业秘密）的情况下，基于您的 Gen-IP 进行二创、共创和版权继承。
您的“配方”将在加密黑盒中被安全调用，既保障了知识产权的私密性，又最大化了资产的流通价值。
Gen-IP 正在构建一个“代码即法律”的 AI 资产层，让每一次微小的创意劳动，都能获得应有的价值回响。

🎄🎅🎆 zCloak Gen-IP 圣诞节和新年主题艺术活动来袭！🎆🎅🎄
欢呼吧……但这次是链上活动！😈
创作 AI 表情包，锁定你的创作权限，并在他人使用时赚取收益，你只需要 - 几个提示 + zCloak AI GPT，然后你的知识产权将被永久记录！
🕙 12 月 23 日至 1 月 7 日
🖼 玩法：
使用 zCloak AI 生成 AI 表情包 👉：https://chatgpt.com/g/g-6944e3529c4c8191a6b36f7965aa84ff-zcloak-ai在 X 上引用公告并分享你的 Gen-IP 艺术作品在 TG 上发布你的表情包和链接 👉：https://t.me/zcloak_network/
🎁 奖品：150 USDT
🎄 选出 10 位互动度最高的 Gen-IP 优胜者
🎄 秘密技巧将随机发放
这是我们正式活动前的热身，创建 Gen-IP，赢取奖励！🎁🔥
推文原文：
https://x.com/zCloakNetwork/status/2003372788330184836

#zCloakNetwork #AI #GE

你关心的 IC 内容
技术进展 | 项目信息 | 全球活动

收藏关注 IC 币安频道
掌握最新资讯

1. 转变：从以人为本的金融转向人工智能原生金融
人类历史的演变可以用账本的形态变化来定义，从泥板到复式记账法，最终到数字银行，每一个金融系统的设计都基于同一个假设：操作者是人。
这种假设现在已经过时了。
人类正步入一个软件不仅记录价值，并且决定分配价值的时代，人工智能正在从被动的工具转变为主动的经济参与者，人工智能代理开始以人类主导的金融体系无法企及的速度和规模进行谈判、交易和执行。
然而，当前的金融基础设施无法支撑这一跃迁，人工智能代理拥有能动性，但缺乏授权，它们是拥有独立意识的个体，却被困在一个需要生物识别身份、实体机构验证和人工审核的系统中。
zCloak Network 的存在正是为了弥合这一鸿沟，我们正在构建全球首个完全链上、以 AI 为原生主体的金融体系 - 该系统的设计并非为了方便人类，而是为了人工智能协作，与托管在中心化服务器的临时人工智能“封装器”不同，zCloak 的设计目标是无法关闭、永不停歇。
2. 核心问题：信任与人工智能代理的危机
随着人工智能代理进入经济领域，它们面临着传统金融乃至 Web2 基础设施都无法解决的生存危机。
输入端危机：信任危机
在数据驱动的经济中，信任才是新的货币。
对于人工智能而言：人工智能代理很容易受到数据污染的影响，如果一个人工智能算法交易代理接收到虚假新闻或被操纵的市场数据，它会在几毫秒内破产，人工智能代理无法“看到”现实，它们只能处理输入的信息。
对人类而言：生成式人工智能已经打破了“眼见为实”的信条，深度伪造（deepfake）的视频和音频让人类无法仅凭感官信任数字文件。
输出端危机：人工智能代理危机
给人工智能代理信用卡是鲁莽之举，给它一个没有约束的钱包无异于自杀，更深层次的问题是系统风险。
如果人工智能代理的逻辑托管在中心化服务器（例如 AWS）上，那么它随时可能被下架、暂停或遭到黑客入侵。
企业始终无法部署真正自主的人工智能代理，因为企业缺乏可控的“终止开关”，并依赖它们无法控制的云服务商。

3. 架构：无法关闭的技术栈
为了解决这些问题，一个真正的新型金融操作系统不能依赖中心化服务器，这些服务器存在单点故障，如果人工智能代理的“大脑”位于中心化服务器，它就是租用的，不是自主的。
zCloak Network 的独特之处在于它是完全链上的，确保人工智能代理的生命周期与区块链本身一样永久。
接口（前端上链）：zCloak 将用户界面部署在互联网计算机（ICP）上，这可以保护用户免受“前端劫持”的侵害 - 这是一种常见的攻击，黑客通过入侵中心化服务器从而窃取资金，通过在链上提供用户界面，确保用户直接与不可篡改、真实可靠的智能合约进行交互。智能（基于 ICP 的 MCP）：我们将把 MCP（Model Context Protocol）直接部署在互联网计算机（ICP）上，这意味着连接 AI 模型和数据工具的逻辑将以智能合约的形式运行 - 透明、可验证且无法关闭。实体（智能体上链）：人工智能代理与其钱包没有分离，它们共同存在于链上，代码即是托管主体，这赋予了人工智能代理真正的数字主权，使其能够独立生存和运行，不受公司政策或服务器宕机的影响。

4. 解决方案：三位一体的基础设施
基于这种不可阻挡的架构，zCloak Network 提供了三个集成层来驱动人工智能经济。
第一层：价值层（主权与治理）
这一层，人工智能代理持有和转移资产的能力。
zCloak 认为人工智能代理可以被视为一等的经济公民，它们需要可编程的自托管钱包。
创新之处：超越了简单的“钱包”，迈向“托管自治”，由于治理规则存在于链上，因此不可更改。
应用场景：企业可以部署 1000 名财务人工智能代理，数学策略比任何人工或后端数据库都能更好地执行限额花费与授权。
第二层：信任层（认识与验证）
这一层，人工智能具有区分信号与噪音的能力。
zCloak 认为计算必须以事实为基础。
应用场景一 - 构建机器可读的信任：zCloak 提供加密基础设施，使人工智能代理能够“读取”文件的真实性，人工智能代理处理经 zCloak 认证的票据不仅会扫描像素，还会验证发行人的数字签名。
应用场景二 - 重塑人类认知：zCloak 为人类引入了可视化信任指标，正如 SSL 证书会在浏览器中显示一个挂锁图标以证明网站安全一样，zCloak 会将“来源验证”徽章添加到视频和图像上，从而重塑人们对数字媒体的信任。
第三层：执行层（因果与结算）
这一层，人工智能具有将决策转化为行动的能力，zCloak 认为执行、支付和交付都应该是原子性的。
创新之处：zCloak 用密码学取代了模糊的法律承诺，执行层作为一个去中心化的“如果这样，那么那样”（“If This Then That”）的引擎运行。
应用场景：只有当交付经过加密认证（信任层）后，才能发放款项（价值层）。
zCloak 消除了交易对手风险，人工智能代理可以从未知供应商处购买数据集，使用零知识证明验证其完整性，并通过单一原子交易支付 - 所有操作均由链上代码执行。

5. 演进：通往自主之路
zCloak 认为向人工智能经济的转型并非一蹴而就，是一个三阶段的演进过程，而 zCloak 正是支撑每一次飞跃的基础设施。
第一阶段：辅助金融
现状：人类做出决策，人工智能执行简单任务。
zCloak 的作用：提供身份轨道（信任层）与支付轨道（价值层），使得 AI 能够签署简单的协议、执行微交易，从而减少 90% 的人为摩擦。

第二阶段：委托金融
不久的将来：人类设定目标，人工智能决定路径。
zCloak 的作用：提供管理轨道，人类定义“安全区”，例如，“仅在这些去中心化交易所进行交易，最大风险为 5%”，zCloak 协议在链上执行这些规则，允许代理半自主运行。

第三阶段：自主金融
最终状态：人工智能代理之间相互协作以维持经济发展。
zCloak 的作用：提供信任网络，当供应链人工智能代理从物流人工智能代理购买原材料时，从信誉验证到原子结算，整个交易过程都在 zCloak 的网络上无缝、即时地完成。

6. 最终状态：零点击经济
当这些层面成熟时，我们将超越“金融科技”，进入一个新的经济范式：零点击经济。
在未来：
供应链具有自我修复能力：制造商的人工智能代理注意到零部件短缺，向全球供应商征求报价，验证供应商的信誉和认证（信任层），协商价格，并在确认交付后执行付款（价值层）- 所有这些都无需人工干预。商业自主运行：您的个人人工智能代理可以预订旅行、管理订阅并评估您的投资组合，作为受托人，在数学约束下为您的最佳利益行事。合规性已融入原生流程：审计不再是事后“检查”，而是实时功能，每笔交易都会生成不可篡改的链上合规性证明，从数学角度来看，这使得金融犯罪难以实施。
7. 结论
金融的未来既不是由人类完全主导，也不是由人工智能完全主导，而是互相协作的共生体系。
这个协作需要一个共享的操作系统：zCloak Network，一种关于价值、信任与执行的通用语言，让生物智能与数字智能都能理解并互通。
zCloak Network 构建的完全链上的基础设施，正在为未来一百年的经济史铺设不可篡改的轨道，使人类能够安全地将经济的控制权交给我们的硅基伙伴。

#zCloakNetwork #AI #ICP生态

你关心的 IC 内容
技术进展 | 项目信息 | 全球活动

收藏关注 IC 币安频道
掌握最新资讯

听着，我实话实说，大多数所谓的教育技术，不过是老生常谈，换汤不换药，但偶尔也会出现一些真正能改变游戏规则的东西，人工智能记忆，特别是 Kinic AI 记忆，就是其中之一，接下来，我会直截了当地解释原因。
人工智能记忆究竟有何特别之处？
大多数人工智能工具的问题在于：它们会遗忘，你和别人对话，关掉窗口，然后 - 砰！对话就没了，你得重新开始，重新解释一遍，重新上传同样的文档，这就像教课，学生每天晚上都会失忆一样，毫无用处。
Kinic 与众不同，它能记住你的信息，更棒的是，这些记忆完全属于你，它们存储在你区块链上的个人保险库中，经过加密、可搜索，并且完全由你掌控，没有大公司会挖掘你的数据，没有人会出售你学生的信息，这只是一个真正能按预期运行的工具。
不妨这样想：你不会每问一个问题就擦掉黑板上的内容来上课吧？当然不会，但大多数人工智能工具恰恰会让你这么做，Kinic 则能完整保留黑板上的内容，包括所有课程资料、讨论记录、学生的提问和见解，随时供你使用。
基础记忆的工作原理（以及它们为何如此出色）
接下来才是真正有趣的地方，有了 Kinic，你可以创建我称之为“基础记忆”的东西，一个知识库，只需加载一次，所有人都可以使用，你可以加载研究论文、教科书章节、习题集，任何你想要的内容，它会静静地躺在 Kinic 的加密库中，等待你的调用，你可以加载以下内容：
物理学、生物学、社会科学，以及您所在领域的最新研究论文您的课程材料、教学大纲和学习目标原始资料、历史文献、案例研究包含答案的习题集、练习题和例题学生们还需要学习的其它任何东西
巧妙之处在于，学生们并非只是搜索这些资料，而是与它们对话，他们用简单的英语提问，例如：“那篇气候论文的主要论点是什么？”“热力学与我们学到的熵的概念有何关联？”“请给我展示一下这种技术的例子。”
人工智能会从你的 Kinic 记忆库中提取信息，并给出真正的答案，而不是从互联网上不知何处搜集来的泛泛之谈。
让我来演示一下它的实际运作
第一步：打好基础
假设你在教量子力学，你把二十篇研究论文、三个教科书章节和五十份习题上传到你的 Kinic 内存中，大概需要一个小时，搞定，这就是你的基础资源，每个学生都能访问同样的资源，你可以控制资源库里的内容，资源归你所有，而且内容可验证，没有人会偷偷塞入一些乱七八糟的互联网垃圾或过时的信息。
第二步：学生在阅读前提问
不同之处在于：学生不必先阅读所有内容，他们可以问：“哪些论文讨论了波粒二象性？”人工智能会从你的 Kinic 记忆中提取信息并给出答案，“如果我对薛定谔方程感到困惑，我应该从哪里入手？”人工智能会引导他们，他们不是被动地阅读，而是主动地探究材料，这才是真正的学习。
“我在加州理工学院教物理，我学到的一点是：只有当你能用简单的语言解释清楚某个问题时，你才算真正理解了它，Kinic 能帮助学生找到他们自己理解这个问题的途径。”
第三步：每个学生都自己创作
基础记忆只是个开始，每个学生都可以添加自己的笔记、问题和见解来扩展它，你是视觉型学习者？那就让 Kinic 帮你绘制图表，需要类比？人工智能会从基础材料中提取信息，为你提供易于理解的解释，这就像每个学生都拥有一个私人导师，他不仅精通所有课程材料，还了解他们的思维方式。
而且由于使用的是 Kinic 系统，所有信息都经过加密处理，并且完全私密，一个学生提出的问题不会泄露给其他人，他们的学习历程只属于他们自己。
第四步：需要时重置
也许你想用最新的研究成果更新数据库，也许有学生想从头开始，没问题，重置数据库，一切都会回到你最初创建的基础，学生们将继续学习你精心整理的资料，而不是从互联网上随意拼凑的杂乱信息。
真正有意义的真实案例
物理和数学
将习题集和答案导入 Kinic，学生们会问：“请展示三种不同的方法来解这个积分。”人工智能会从你的资料中提取答案进行演示，他们还会问：“麦克斯韦方程组背后的物理原理是什么？”人工智能会用你研究论文中的例子进行解释，他们不仅仅是在死记硬背公式，而是在理解其中的原理。
历史与社会科学
上传原始资料，学生可以提问：“对于这一历史事件，有哪些不同的观点？”或者“请指出这两份文件之间的矛盾之处。”他们正在进行真正的历史分析，而不是死记硬背教科书上的日期。
科学与医学
Kinic 平台汇集了最新的研究论文、案例研究和临床指南，学生们可以探索机制，询问治疗方案，并将研究与实践相结合，他们学习像研究人员一样思考，而不仅仅是死记硬背事实。
致教育工作者（超越炒作）
减少重复，学生可以通过 Kinic 系统获得基础问题的答案，您可以专注于更有趣的内容、更难的问题、更深入的讨论，以及真正能体现教学价值的时刻。内容由您掌控，而非算法或公司训练数据，您的资料，您的选择，加密后归您所有。它具有可扩展性，无论学生人数是 20 人还是 200 人，每个人都能获得同样高质量的课程材料互动体验。更新轻松便捷，有新研究成果发布？上传到 Kinic 即可，搞定，无需重印教材，告别过时资料。
致你的学生（超越炒作）
学生可以通过提问来学习，而不仅仅是阅读，主动学习，才是很多人实际的学习方式。他们按照自己的节奏来，学得快的学生学得快，学得慢的学生则慢慢来，没有人会感到无聊，也没有人会迷茫。即时反馈，不是下周，也不是下班后，而是现在，在他们真正思考问题的时候。不评判，凌晨两点问个“蠢”问题？人工智能不在乎，它只会回答，这比你想象的更重要。
我们来谈谈反对意见
“学生不再读书了”
错了，他们的阅读能力更强，他们不会机械地翻阅文章，而是带着目的去阅读，他们知道自己想要找到哪些问题的答案，会寻找特定的信息，这并非懒惰，这正是专家们的阅读方式，你上一次在未先确认文章是否与你的问题相关的情况下，从头到尾阅读一篇文章是什么时候？
“那么批判性思维呢？”
这一点让我很崩溃，你知道什么会扼杀批判性思维吗？就是让学生死记硬背他们不理解的事实，Kinic 帮助他们质疑信息来源，比较论点，找出矛盾之处，他们会不断地问“为什么？”和“你怎么知道的？”，这才是批判性思维。
“这对每个人都公平吗？”
不公平之处在于：有些学生有辅导老师，有些学生没有，有些学生能找到教授的答疑时间，有些学生则没有，有些学生在课堂上敢于提问，有些学生则不敢，Kinic 为每位学生提供平等的求助机会，这比我们现在的情况公平得多。
“我不信任隐私保护”
很好，保持怀疑态度，这就是为什么 Kinic 基于区块链并采用加密技术的原因，您拥有自己的数据，并控制访问权限，您的数据不会存储在某个公司的服务器上，被用于广告挖掘，这项技术是可验证的 - 您可以实际验证您的数据是否安全。
底线
人工智能已经到来，你的学生已经在使用它了，问题不在于是否要在教育中使用人工智能 - 这个问题已经无法回避，问题在于：你会明智地使用它，还是会假装它不存在，任由你的学生在互联网上胡乱摸索？
Kinic AI 记忆库是智能学习方式，它让您掌控学生的学习资料，它归您所有，加密且可验证，它使学生能够提出真正的问题，并从您精心策划的内容中获得真实的答案，它在不损害学术诚信的前提下，实现个性化学习，您可以随时将其重置为初始状态，每个人都从相同的基础开始，但以各自的方式学习。
这并非要取代教师，这种说法纯属无稽之谈，我们的目标是为教师提供更好的工具，为学生提供更好的学习方式，当学生积极主动地探索、提出问题并建立联系时，学习效果最佳，Kinic 能够大规模地实现这一点。
“别自欺欺人地认为人工智能会消失，它会一直存在，所以让我们明智地使用它。”
所以我的挑战是：试试看，用你的课程材料在 Kinic 中构建一个基础记忆库，看看当学生能够真正与内容互动，而不是被动阅读时会发生什么，观察他们如何提出更好的问题，注意优秀学生如何深入学习，以及有困难的学生最终如何获得所需的帮助。
技术没问题，教学方法也合理，唯一的问题是：你会用它吗？
立即免费试用 Kinic（kinic.io），如有任何疑问，欢迎随时联系我们！

#KINIC #AI #ICP生态 #AI记忆

你关心的 IC 内容
技术进展 | 项目信息 | 全球活动

收藏关注 IC 币安频道
掌握最新资讯

Consensus 2026 标志着一个重要的里程碑，它重返香港并在迈阿密首次亮相，扩大了世界上历史最悠久、最具影响力的加密货币会议的影响范围。继 2025 年首届大会门票售罄之后，香港共识大会将于 2026 年 2 月 10 日至 12 日回归，汇聚全球领袖，加速跨境创新，推动东西方合作，同时促进香港经济发展。Consensus 迈阿密将于 2026 年 5 月 5 日至 7 日在标志性的迈阿密海滩会议中心首次亮相，为北美 加密货币之都带来三天的精彩活动、顶级交易和文化交流。两场活动都将呈现由 CoinDesk 精心策划的 Consensus 标志性顶级节目，以及汇聚行业领先赞助商的活力展区和特色体验活动，此外，享誉全球的 Consensus 黑客马拉松和 CoinDesk PitchFest 大赛也将回归，为与会者、开发者和初创公司搭建平台，与加密货币、区块链、Web3 和人工智能领域最具影响力的人物进行交流。
香港和迈阿密，2025 年 PRNewswire - 全球加密经济领域最值得信赖的媒体、活动、指数和数据平台 CoinDesk 今日宣布了 Consensus 的未来发展计划。
Consensus 是全球历史最悠久、最具影响力的加密货币和区块链盛会，继 2025 年成功举办首届 Consensus 之后，该大会将于 2026 年 2 月 10 日至 12 日重返香港，并于 2026 年 5 月 5 日至 7 日首次登陆迈阿密。
此次扩张标志着 Consensus 大会发展历程中的一个重要里程碑，也标志着其全球影响力的持续增长。

香港：公认的创新中心
首届香港共识大会门票售罄，吸引了来自 100 多个国家的近 10,000 名与会者，并为当地经济贡献了约 2.75 亿港元，在此基础上，2026 年香港共识大会将加速东西方对话，并抓住加密货币、人工智能和区块链领域下一波创新、应用和交易浪潮。
2025 年的首届大会见证了监管机构和金融机构发布一系列足以改变行业的重大公告，并邀请了 300 多位来自香港政府、全球监管机构以及包括币安、Circle、Coinbase 和谷歌在内的行业领袖的重量级演讲嘉宾。
2026 年的大会将占据香港会议展览中心最大的楼层，带来更加丰富的体验，包括特色活动、创业公司和开发者竞赛以及各种交流机会，此外，Consensus 还在香港标志性场所举办了多场精彩纷呈的特别活动，并在首届大会上催生了 350 多场周边活动。
Consensus 的主席 Michael Lau 表示：“2025 年香港共识大会的巨大成功，充分证明了香港作为全球领先金融科技中心的地位，以及其作为通往亚洲门户的独特作用，这座充满活力的城市，拥有蓬勃发展的生态系统和创业精神，证明了世界级会议的市场需求，我们很高兴能够再次举办规模更大的香港大会，汇聚区块链、Web3 和人工智能领域最具影响力的人物，并创造无与伦比的交流机会。”

迈阿密：共识的新前沿
随着 Consensus 的全球影响力不断扩大，2026 年不仅将重返香港，还将于 5 月 5 日至 7 日在佛罗里达州迈阿密海滩会议中心举办全新一届大会。
迈阿密位于世界领先的科技和加密货币中心之一，也是通往拉丁美洲的门户，这使得本次大会成为全球资本、人才和创新汇聚的战略枢纽，迈阿密大会旨在促进意义深远的对话和商业机遇，并成为来自世界各地的创新者和领导者的重要聚会场所。
Consensus 的董事总经理 Brad Spies 表示：“Consensus 一直以来都致力于将来自加密货币、金融、科技、政策、人工智能和文化等不同领域的群体聚集在一起，进行交流、开展业务并展示未来，迈阿密让我们能够充分发挥 Consensus 的潜力，并在地球上最具活力和吸引力的城市之一推进 Web3 的发展。”
两场活动都将呈现 Consensus 标志性的顶级节目，由 CoinDesk 精心策划，并配备强大的 B2B 和人脉拓展平台，以及一流的活动策划和制作。
活动将特别关注延续其 Hackathon 和 PitchFest 的成功，这两个活动吸引了来自世界各地最具潜力的科技人才和早期 Web3 创业公司，与会者将在世界两座最具活力的城市中，参与一系列精彩纷呈的讨论，体验难忘的精彩瞬间，并收获令人难忘的经历。
2026 年香港共识大会和 2026 年迈阿密共识大会的门票现已开售，立即购票，加入这场全球规模最大、历史最悠久的加密货币盛会。

门票优惠
作为 2026 香港共识大会的官方社区合作伙伴，IC 中文社区为大家提供 8 折专属门票优惠，优惠码：ICPCHINADESK。
专属购票链接：
https://go.coindesk.com/hk26-icpchina

小编温馨提示：有参会需求的朋友强烈建议您尽早购票，根据以往惯例，票价每隔一段时间会涨一次价，到后面只会越来越贵，提前买票可以为您省下不少银子！

关于 Consensus
CoinDesk 的 Consensus 是全球历史最悠久、最具影响力的加密货币、区块链和人工智能行业盛会，它汇聚了行业领袖、政策制定者和创新者，通过对 DeFi、Web3、人工智能、不断变化的监管环境等关键议题的探讨，帮助您了解数字资产的未来。
Consensus 融合了专题讨论、主题演讲和交流机会，为探讨塑造数字经济的最新趋势提供了一个平台，无论您是行业资深人士还是刚刚踏入这个领域，本次活动都能为您提供宝贵的见解和人脉，助您在这个快速发展的领域中脱颖而出。

关于 CoinDesk
CoinDesk 是全球加密经济领域最值得信赖的媒体、活动、指数和数据公司，自 2013 年比特币价格为 50 美元以来，CoinDesk Media 一直引领着货币和投资的未来发展方向，并深入剖析了随之而来的社会和文化变革，我们屡获殊荣的记者团队提供新闻报道和独到见解，力求做到透明、易懂且具有背景分析。
CoinDesk 通过举办 Consensus 等年度盛会，汇聚全球加密货币、区块链和 Web3 社区，Consensus 是全球规模最大、历史最悠久的加密货币盛会，CoinDesk Indices 提供数字资产指数、数据和研究方面的专业知识，旨在教育和赋能投资者。
2023 年 11 月，CoinDesk 被 Bullish Group 收购，CoinDesk 作为一家独立子公司运营，并严格遵守一套编辑政策，如需了解更多关于 CoinDesk 媒体和活动的信息，请访问 CoinDesk.com。
更多相关信息请点击：
2026 年香港共识大会将于 2 月 10 日至 12 日回归，并推出更多精彩内容2025 Consensus 首届香港共识大会圆满结束，宣布将于 2026 年重返亚洲

#Consensus2026 #共识大会 #ICP #门票优惠

你关心的 IC 内容
技术进展 | 项目信息 | 全球活动

收藏关注 IC 币安频道
掌握最新资讯

亲爱的社区伙伴们：
我们很高兴地宣布，zCloak Network 已正式加入 Linux Foundation 新成立的 Agentic AI Foundation（AAIF），成为首家加入该组织的 Web3 企业！
这标志着我们将与包括 Google、OpenAI 和亚马逊等全球领先的 AI 企业和开源组织携手，共同推动可信、隐私保护的代理式 AI（Agentic AI）生态发展。
Agentic AI Foundation（AAIF）于 2025 年 12 月 9 日正式成立，由 Linux Foundation 托管，旨在为快速演进的代理式 AI 提供中立、开源的治理框架。
代理式 AI 是新一代自主决策和行动的智能系统，已从简单聊天工具演变为能够处理复杂任务的“智能代理”，基金会致力于制定互操作标准、共享安全模式和最佳实践，避免生态碎片化和封闭专有化。

AAIF 启动之际，便获得了行业巨头的强劲支持，创始项目包括：
Anthropic 贡献的 Model Context Protocol（MCP）：连接 AI 模型与工具、数据的通用协议；Block 贡献的 goose：开源本地优先的 AI 代理框架；OpenAI 贡献的 AGENTS.md：为 AI 编码代理提供项目指导的标准格式。
该基金会成员包括 Amazon Web Services、Anthropic、Block、Bloomberg、Cloudflare、Google、Microsoft 和 OpenAI 等领先企业，基金会强调透明协作与公共利益，推动代理式 AI 从实验阶段迈向生产级应用。

作为领先的 Web3 隐私与信任基础设施提供商，zCloak Network 将构建三位一体的核心基础设施，驱动人工智能经济：
价值层，赋予 AI 代理自我托管的资本调度与可编程链上治理，实现受管自治；信任层，锚定计算与来源证明，提供加密验证与可视化信任指标，帮助重建数字媒体信心；执行层，通过条件执行引擎实现原子化结算，消除交易对手风险，支持 AI 代理自主验证与支付。
这一架构与 Linux Foundation Agentic AI Foundation（AAIF）的使命高度契合，我们将积极贡献隐私计算、数据主权与信任层技术，助力构建开放、可互操作、安全且以用户主权为核心的 AI 代理生态系统。
此次加入 AAIF，不仅是我们 Web3 隐私技术与主流 AI 生态深度融合的重要里程碑，也将加速可信 AI 代理在金融、身份验证和去中心化应用等场景的落地。
我们期待与基金会成员共同协作，注入隐私维度，推动代理式 AI 在 Web3 与传统互联网间的桥梁建设。
更多详情，欢迎访问 AAIF 官网（aaif.io）或关注我们的官方渠道，让我们一起拥抱可信 AI 的未来！
zCloak Network 团队

延伸阅读：
Passkey 钱包：加密钱包的“特斯拉”时刻纳斯达克上市公司 NCT 宣布战略收购 Starks Network (zCloak)，进军链上数字资产基础设施zCloak Network 十一月份合作关系一览Cloaking Layer 获 DFINITY 基金会 10 万美元资助

#zCloakNetwork #linuxfoundation #AAIF #OpenAI #AI

你关心的 IC 内容
技术进展 | 项目信息 | 全球活动

收藏关注 IC 币安频道
掌握最新资讯

引言：500 亿美元去向之谜
2025 年 2 月，加密史上又添沉重的一笔：业界最受信任的多重签名方案 Safe（Wallet）在一次前端攻击中损失了 16 亿美元，这不是源于某个深奥的零日漏洞（Zero-day Exploit）或量子计算突破，而是因为一个自加密诞生之初就存在的顽疾：用户操作密钥的交互界面自身的薄弱。
2020 年以来，超过 500 亿美元从声称安全的钱包中不翼而飞，黑客攻击仿佛如出一辙：区块链未被攻破，密码学未被破解，但资金却神秘消失，令人难以接受的真相是：“安全”钱包其实并不安全 - 锁已经够坚固，但我们常常守错门。
假如问题不在于安全防护，而在于底层架构本身呢？
一、资产在链上，密钥在钱包
关于“钱包”的概念纠正
首先，大多数人没意识到：钱包里并不存储加密资产，你的比特币不在 Ledger 上，你的以太坊也不在 MetaMask 里。
加密资产存在于区块链上，这是一个不可摧毁、透明的“金库”，加密资产的真实性可以被验证，但不存在于任何钱包中，区块链金库是完美的 - 黑客无法攻击、不可篡改、永恒存在，而你的钱包里存放的是打开金库的钥匙串，而不是资产本身。
理解这一点，会重塑我们的安全认知：
金库（The Vault）：资产住在区块链金库里 - 分布在数千个节点上，受数学共识保护。钥匙 / 私钥（Private Key）：打开金库的唯一方式 - 这串字符一旦泄露，就失去了对资产的绝对控制权。公钥 / 地址（Public Address）：资产在区块链上的门牌号 - 可以安全共享，如同一个电子邮箱地址。数字签名（Digital Signature）：不可伪造的授权 - 交易可被执行的数学凭证。交易（Transaction）：签署的指令，至此资产可被转移。
理解这套逻辑，钱包面临的安全挑战就无比清晰：资产在区块链中非常安全，而每一次黑客攻击、每一次盗窃、每一次损失 - 都是因为：有人用漏洞拿到了钥匙。
驱动钱包演进 15 年的那个问题，如此简单又复杂：如何保护钥匙？

二、四代密钥管理技术演进
加密钱包的历史，本质上就是一部密钥隐藏史，钱包技术的革新都从前代的失败中吸取教训，却又不可避免地引入了自身新的漏洞，或许是时候从架构设计上避免问题了。
第一代：软件钱包 / 热钱包（2009 年至今）
最初的解决方案逻辑合理但老派：将密钥加密后用密码隐藏，软件钱包将用户私钥存储在其设备上，用助记词（12 或 24 个单词）的形式进行保存，用户被反复告诫要把助记词抄在纸上，妥善保管，永远不要弄丢。
这种方法看似简单，实则漏洞百出，软件可能被黑客攻击，电脑会感染病毒，剪贴板恶意软件会掉包地址，钓鱼网站会窃取助记词，而浏览器扩展程序也可能被攻破，如今，软件钱包的漏洞已给用户造成了数十亿美元的损失，而且这些损失每日仍在增加。
密钥存在于软件中，是十分脆弱的。
第二代：硬件钱包 / 冷钱包（2014 年至今）
行业对此的应对措施是物理隔离（Isolation），Ledger 和 Trezor 等硬件钱包将密钥脱机，存储在专用的硬件中，不接触互联网，密钥驻留在安全芯片内，在设备内部签署交易，不会暴露在恶意软件的安全风险中。
但新的麻烦随之而来，硬件钱包使用非常不便 - 想象一下带着 USB 设备去买咖啡，它们在日常生活中可能丢失、被盗或损坏，供应链攻击（Supply Chain Attack）可能会在设备到达用户手中之前就进行恶意代码的植入，尽人皆知的 Ledger 用户信息泄露事件暴露了数百万用户地址，这意味着黑客甚至能把攻击从线上转为线下。
隔离确实能带来安全，但牺牲了可用性。
第三代：多方安全计算钱包 (MPC) (2018 年至今)
多方安全计算钱包尝试了一种不同的方法：将密钥分割成碎片，没有一个单一的参与方持有完整的密钥，多个参与方必须合作才能签署交易，但密钥本身从未在一个地方被完整重构。
机构客户非常满意，他们终于可以在没有助记词风险的情况下实现对钱包的公司化控制，但 MPC 也重新引入了加密世界原本试图消除的东西：信任，用户必须依赖托管服务商，他们可能串通、消失、被黑客攻破，或干脆拒绝为你提供服务。
2025 年 10 月 14 日，MPC 钱包提供商 Privy 因为网络负载问题服务器下线 2 小时，导致数十万使用 Privy 钱包的用户无法进行转账操作，此外，MPC 钱包的部署相对复杂、成本高昂，而且归根结底，密钥的碎片托付给了别人，现在，越来越多监管机构开始认为 MPC 钱包是部分托管，而非真正的自我托管。
分散信任虽然比中心化信任要好一点，但是任然依赖对人的信任。
第四代：Passkey（通行密钥）钱包（2024 年至今）
第四代钱包采取了一次根本性的架构转变，它不再是隐藏或分割密钥，而是将密钥密封在您设备的安全芯片中 - 即保护 Apple Pay 和 Google Pay 的同款硬件，密钥存在，但永远无法被提取、导出或窃取，它只能在通过用户的生物识别认证时才能使用。
没有助记词，没有硬件设备，没有第三方。
演进时间线
2009：首批比特币钱包，本地存储密钥2014：Ledger 推出首个消费级硬件钱包2018：MPC 技术开始应用于机构2025：首个企业级 Passkey 钱包（zCloak.Money）上线2025 ~ 2027：向 Passkey 钱包的大规模迁移开始
每一代钱包都解决了前一代的关键缺陷，但同时也带来了新的问题，用户始终被在安全和便利之间做出选择，而 Passkey 钱包，是首个能够同时提供这两者的解决方案。
三、致命缺陷 - 薄弱的界面
行业有一个讳莫如深的事实：前三代钱包都共享一个与密钥存储无关的致命缺陷。
无论用户使用的是软件钱包、硬件钱包，还是多方计算（MPC）解决方案，都必须通过 Web2 基础设施来访问它们：
前端 / 应用程序托管在中心化服务器上（可能被劫持）DNS 可能被泄露（将用户导向假冒网站）浏览器扩展可能被替换（换成恶意版本）网络界面可能被钓鱼（完美复制品可以窃取用户的密钥）
16 亿美元的 Safe（Wallet）攻击彻底证明了这一点，如果用于访问钱包的界面可以被攻破，密钥存储再安全也毫无意义。
目前行业的问题在于：
第一代软件钱包：助记词由军事级技术加密，但通过一个会自动更新 / 由中心化服务器分发的浏览器插件或 APP 来访问。第二代硬件钱包：您的密钥存放在无法破解的安全硬件中，但用一个可能被泄露的网站下载的桌面软件管理。第三代多方安全计算钱包（MPC）：密钥使用先进的加密技术分散给多个参与方，但由传统基础设施提供服务的网页门户把持。
这就像拥有一个坚不可摧的金库，但给它配了一扇纸板门。
每一代钱包都痴迷于保护密钥，却没保护用户访问的交互界面，黑客十分精明，当安全团队忙着制造更先进的锁时，攻击者直接替换了门。
这就是第四代钱包解决的痛点 - 它能同时保护密钥和交互界面。

四、钱包攻击模式梳理
要理解为什么 Passkey 钱包是革命性的，先要明白加密资产是如何被盗走的，通过利用特定的架构弱点，这些攻击可以大体分为四类。
前端 / 界面攻击（Frontend / Interface Attacks）
最具破坏性的攻击，其目标不是区块链或钱包 - 而是界面，DNS 劫持将用户重定向到外观完全相同的伪站点，上文中的 Safe（Wallet）攻击就是以这种方式运作：攻击者入侵网络前端并注入恶意代码，用户签署他们认为的正常交易时，就被清空了钱包。
浏览器插件攻击同样阴险，通过入侵开发者账户并推送恶意更新，或让用户误下载黑客脚本，把安全的扩展替换为恶意变体，用户信任熟悉的界面，却不知道他们签署的每一笔交易都在把资产发送给攻击者。
助记词盗窃（Seed Phrase Theft）
保护着数十亿美元加密资产的 12 或 24 个单词，其实非常脆弱，攻击方式包括：
物理盗窃：拍下或窃取写下来的助记词。数字盗窃：通意软件扫描，识别助记词的特定模式。社交验证：假冒客服或技术支持，诱导用户“验证”他们的助记词。伪造助记词生成器：生成预先确定的、易受攻击的助记词。
助记词一旦被泄露，就意味着彻底、永久的损失，无法恢复，无法仲裁，无法撤销。
网络钓鱼行动（Phishing Operations）
加密钓鱼已经演变成工业化的诈骗系统，常见套路包括：
授权钓鱼（Approval Phishing）：诱骗用户授予无限代币权限。虚假空投：制造紧迫感，让用户放松警惕。克隆网站：1:1 复刻热门 DeFi 网站界面，盗取用户的凭证和助记词。
在网络世界，完美的模仿其实成本低得微不足道，专家也可能被骗。
供应链污染（Supply Chain Compromises）
现代软件系统彼此依赖，意味着无数个攻击机会，一个被泄露的 npm 包（JavaScript 依赖库）可能影响数千个钱包，硬件钱包固件更新可能引入后门，多层依赖中可能隐藏着在安装数月后才激活的恶意代码。
Ledger Connect Kit 攻击就是一个典型的例子：一个被污染的库同时影响了多个 DeFi 应用程序，导致整个生态系统中的钱包被清空。

五、Passkey 钱包登场
什么是 Passkey？
Passkey 不是某种新奇的加密技术，它们是 Apple、Google 和 Microsoft 斥资数十亿投入的未来数字安全身份验证系统，当用户使用 FaceID 解锁 iPhone、使用 TouchID 登录 GitHub，或使用 Windows Hello 访问系统时，其实已经在使用 Passkey。
如今，全球顶级的科技和金融领域的巨头已经采用这套体系，Binance、Coinbase 和 PayPal 使用 Passkey 来保护数百万账户，Amazon、Google 和 Microsoft 已将其设为安全标准，这套基于 WebAuthn / FIDO2 标准的技术，已经经过了数十亿用户的实战检验。
新的突破在于：这套成熟技术将应用于加密钱包。
Passkey 如何重塑安全模型：
生物识别认证：用户的面部或指纹成为唯一的访问方式。域名绑定安全：每个 Passkey 都绑定一个特定的域名，从而使网络钓鱼在数学意义上不可能。无共享秘密：与密码或助记词不同，Passkey 永远不会离开用户的设备。硬件支持：密钥驻留在设备的安全芯片（Secure Enclave）中，正是保护支付凭证的那颗。
当 Apple 在 iOS 16 中将 Passkey 设为标准时，他们不仅仅是在改进密码 - 而是彻底淘汰密码，同样的革命正在进入加密货币领域。
完整架构（The Complete Architecture）
现代 Passkey 钱包的实现结合了三个关键层，它们协同工作，创造出前所未有的安全性。
第 1 层：安全芯片中的 Passkey
私钥在设备的安全芯片内生成，永远存在，它不存储在软件中，甚至用户也无法访问，它唯一的功能，是在用户进行身份验证时签署交易。
第 2 层：不可篡改的前端（Immutable Frontend）
Passkey 钱包的界面不再由传统的网络服务器提供，而是将整个前端部署在链上，这个前端不可修改，不可替换 - 像区块链本身一样永久。
第 3 层：链上直接执行（Direct Blockchain Execution）
交易直接从已认证设备流向区块链，没有中间服务器，没有 API 密钥，没有会被攻击的中心化基础设施。
实际应用
目前有团队正在探索 Passkey 钱包，但 zCloak.Money 率先实现了完整架构：
Passkey 进行身份验证ICP 构建链上前端Chain-key Cryptography 实现多链支持
这套系统已经上线，并且投入了实际使用。
关键的不可篡改前端
将 Passkey 与不可篡改前端结合的巧妙之处在于，它解决了安全体系的两端问题，传统钱包，即使密钥再安全，仍可能因为访问界面遭到劫持而全盘崩溃，采用传统网络前端的 Passkey 钱包，仍然容易受到 DNS 劫持或服务器入侵的威胁。
但是，当前端本身驻留在区块链上 - 不可篡改、可验证且永久 - 就没有什么可以劫持的了，用户所看到和操作的钱包本身就是协议的一部分。
这项技术的融合创造了前所未有的成果：一个不可破解的钱包，不靠更强的防御，而是通过完全消除攻击入口。
六、免疫级架构革新
Passkey 钱包不仅仅是抵抗攻击 - 它让大多数攻击在逻辑层面上不可能，安全不通过筑牢墙壁来实现，而是通过架构免疫。

技术原理
这种免疫性源于根本的架构差异：
Passkey 无法被提取或复制，私钥在安全芯片中生成和永久绑定，没有函数可以提取，没有 API 可以读取它，即使获得设备的最高权限（Root Access）也无法访问。生物验证在本地完成，面部或指纹数据永远不会离开用户的设备，安全芯片验证用户生物特征，匹配后才允许密钥签署，与网络请求、外部验证和攻击面都无关。域名绑定阻止重定向，每个 Passkey 都以加密方式绑定到特定域名，即使攻击者创建了一个完美的网站副本，该 Passkey 也根本无法在那里运行，攻击在物理上变得不可能。不可窜改前端无法被劫持，当钱包界面作为区块链协议而非传统网络托管存在时，就没有服务器可供攻击，没有 DNS 可供劫持，没有 CDN 可供污染，这个界面像区块链本身一样不可变。
七、特斯拉时刻
正如特斯拉没有制造出更好的燃油发动机，而是彻底消除了对汽油的需求一样，Passkey 钱包已经不再需要助记词。
模式颠覆
技术革命的模式有迹可循，最开始，它不受重视（“既然马跑得很好，为什么还需要汽车？”），随后，它被认为脱离现实（“电动汽车在哪里充电？”），最后，它成为颠覆的力量的新标准（“你居然还用汽油？太原始了吧”）。
我们正处于一个拐点，Passkey 钱包正从创新技术转向必需品。
应用展望
当下，早期用户 - 加密原生企业和有远见的机构金库 - 正迁移向 Passkey 钱包，通过卓越的安全性和操作性获得竞争优势。
1 ~ 2 年后：企业开始大规模采用 Passkey 钱包，随着重大黑客攻击继续打击传统钱包，保险公司开始要求使用 Passkey 钱包作为承保条件，董事会开始质问为什么他们的金库没有使用“最安全的钱包”。3 ~ 5 年后：主流采纳，使用助记词成为一个危险信号，就像使用密码而不使用双重验证（2FA）一样，新用户完全跳过助记词，直接使用 Passkey。未来：助记词会消失，就像拨号上网调制解调器或软盘一样，我们曾经用写在纸上的 24 个单词来保护数十亿美元的想法，将像把钱藏在床垫下一样荒谬。
直白的真相
每一次技术变革都遵循着这种模式：抵抗、采纳、主导，电报到电话，胶片到数码，内燃机到电车，卓越的技术并非通过渐进式的改进取胜，而是让前代技术彻底失效。
Passkey 钱包不止一步，它也是数字资产安全模式演变。

结论：抉择之时
解决方案已在眼前。
损失 500 亿美元之后，加密行业正站在一个十字路口，继续在同一个易受攻击的架构上迭代 - 在纸板门上安装更坚固的锁 - 或者接受对钱包安全思维方式的转变。
Passkey 钱包代表了这种转变，不是通过局部优化，而是架构变革。
科技巨头们已经验证了 Passkey 是未来的身份验证方式，首批加密实现：zcloak.money 已经上线，证明了安全和便利并非互相排斥。
技术变革遵循着可预测的模式，今天看似革命性的技术，明天可能就会成为标准，问题不在于 Passkey 钱包是否会成为规范，而在于何时成为规范。
加密钱包的特斯拉时刻已然来临。
唯一的问题是：你准备好了吗？

#zCloakNetwork #Passkey钱包 #ICP生态 #特斯拉

你关心的 IC 内容
技术进展 | 项目信息 | 全球活动

收藏关注 IC 币安频道
掌握最新资讯

人工智能系统正在做出影响资金流向、医疗结果和自主行动的决策，但是，如何验证人工智能是否真的计算出了它声称要计算的内容？它是否使用了它承诺使用的模型？它是否在此过程中泄露了你的数据？
实现可验证人工智能的方法有很多种，例如可信硬件、共识机制以及在安全区域内重新执行，每种方法都有其优点，但最有趣的方法是零知识机器学习（ZKML），它通过纯数学和最小信任假设来解决验证问题。
内容大纲
Succinct 验证：强大的计算能力，小额的收据隐私：零知识真正有用的部分可编程货币：为什么代理需要证明领域概览：谁在建造什么早期阶段（2022-2023）概念验证Halo2 应用于 ZKML爆炸（2024-2025）：选择你的战士技术现实应用案例：究竟什么才真正值得证明？基本过滤器DeFi：资金的聚集地无需信任的代理医疗保健：隐私与可审计性游戏：可证明的公平性模型市场：机器学习即服务（MLaaS）验证AI 记忆2025 年还缺少什么2026 年 ZKML 的预测硬件浪潮证明系统：更优的数学运算符覆盖范围爆炸式增长成本曲线变化导致用例演化归根结底无聊是好事，无聊意味着它正在变得真实。

听着，我们要跳过硬件和重执行方法 - TEE、共识机制等等，不是因为它们不好，而是因为对我来说，有趣的问题是纯粹的数学验证：将零知识证明应用于机器学习 - ZKML。
三年前，这个领域在“行业”中几乎不存在，后来，Modulus Labs、EZKL、Daniel Kang 博士、Cathie So 博士以及其他几位人士出现，提出“让我们让人工智能可验证”，立即出现的反对意见显而易见：零知识证明虚拟机（zkVM）的开销是传统虚拟机的 10 万倍到 100 万倍，在零知识证明中运行推理就像在混凝土中游泳一样困难。
那为什么要这么做呢？
事实证明，ZKML 值得付出努力的原因有三点。
Succinct 验证：强大的计算能力，小额的收据
ZKML 之所以有效，正是因为这种不对称性：计算成本可能很高，而验证成本可能很低。
AWS 会在 GPU 集群上运行您的模型一小时，然后，它会向您的手机发送一个加密收据，验证过程只需 50 毫秒，您的手机从数学角度知道 - 也就是知道 - 计算已正确完成，无需任何信任。
这开启了全新的领域：无需信任的代理工作流程，你手机上的代理与公司数据中心的代理通信，后者再与以太坊上的代理通信，最终与 Solana 上的代理通信，每个代理都像接力赛一样传递加密信息，实现无需信任的代理商业运作，整个推理“链”的端到端可验证。
如果没有它呢？一个受损的代理就会破坏整个工作流程，在资金转移或医疗决策等自主系统中，这并非漏洞 - 而是一场即将发生的灾难。
隐私：零知识真正有用的部分
ZKP 中的 ZK 表示证明不会泄露任何信息。
医院利用患者数据进行诊断，并生成证明，现在，他们无需泄露任何患者记录，即可向监管机构证明“我们使用了经 FDA 批准的模型并获得了此结果”，数据保持私密，而证明则公开。
或者：一家银行证明其欺诈检测模型运行正常，但并未透露模型本身（竞争优势）或交易数据（监管要求），审计人员核实后，皆大欢喜。
我们也在关注人工智能向设备端发展的趋势 - Gemma、苹果的 Foundation Models，以及整个本地推理浪潮，这些模型最终都需要与外部世界通信，zkML 可以让运行在你笔记本电脑上的模型向远程系统证明它确实进行了计算，而无需上传你的数据或模型权重。
zkML 有很多需要隐私保护的应用场景，并非所有代码库都提供隐私保护 - 开发者们请注意这一点！
可编程货币：为什么代理需要证明
在 2025 年，加密证明能够控制实际的货币，这比人们意识到的更为重要。
用于代理间支付的 X402 和 ERC-8004 等标准正在兴起，我们正迈向自主经济时代，在这样的时代里：
代理商从提供商处购买数据对多个模型进行推理为客户带来成果完成支付结算 - 全程无需人工干预
每一步都需要证明，你使用了付费数据吗？你运行了你声称的模型吗？这个结果确实是由那次计算得出的吗？zkML 通过加密技术回答了这些问题。
当交易者处理的是真金白银 - 不是测试网代币 - 而是实际价值时，基于数学的安全机制就必不可少了，你需要证明，或者你需要信任，如果你要构建的是无需信任的系统，那么选择显而易见。
2025 年 - ZKML 仍然很昂贵，开销确实存在，但开销正在减少（100 万倍 → 10 万倍 → 1 万倍），其价值主张也越来越清晰。
zkPyTorch 于 2025 年 3 月发布，VGG-16 推理的证明时间瞬间缩短至 2.2 秒，Lagrange 的 DeepProve 在 8 月份解决了大规模 LLM 推理的问题，秋季，我们在 JOLT Atlas 代码库中也观察到了类似的加速，而且是在未使用 GPU 的情况下，对多种模型都进行了加速。
在 2025 年 - 我们早已告别了玩具阶段，现在，利用零知识证明（ZKP）技术，有些模型可以在几秒钟内得到验证，随着开发工具的不断完善，我们可以期待在 2026 年看到这项突破性的基础设施在更多项目中得到实际应用。
计算成本只需一次性支付 - 即可获得可验证性、隐私保护以及无需中介即可跨越信任边界协调代理的能力，在人工智能代理即将开始转移数十亿美元资金的世界里，这并非奢侈品，而是必不可少的基础设施。
领域概览：谁在建造什么
zkML 从 2022 年的“可能实现”发展到 2025 年的“实际发布”，以下是我们如何走到这一步以及谁在做什么。

早期阶段（2022-2023）：概念验证
Modulus Labs 率先发起了这项运动，斯坦福大学的 Daniel Shorr 及其团队发表了《智能的成本》- 这是首个真正意义上针对人工智能零知识证明系统的基准测试，他们的论点是：如果零知识汇总能够降低以太坊的计算成本，那么或许也能将人工智能引入链上。
剧透：这玩意儿贵得要死，光是验证智能合约里最小的部分，每笔交易就要 20 美元，但它成功了，他们开发了 RockyBot（链上 AI 格斗游戏）和 Leela vs the World 来验证这个概念，更重要的是，他们证明了在零知识条件下也能验证 GPT-2 和 Twitter 的推荐算法。
他们使用的底层技术是一种名为 GKR 的协议，Vitalik 最近做了一篇关于它的教程，所以我在这里不再赘述细节，如果你对 GKR 感兴趣，可以去看看那篇文章，GKR 的核心思想是允许你在中心层跳过加密承诺，并且机器学习操作在这种环境下“感觉”自然流畅。
事实证明，矩阵乘法和其他一些关键操作在使用专门的协议（例如 sumcheck 协议和查找参数）时效率更高，Thaler 多年前在他的著作《证明、论证与零知识》中对此核心原因进行了非常透彻的解释：
预览：MATMULT 的其他协议，另一种交互式 MATMULT 协议是通过将 GKR 协议（将在 4.6 节中介绍）应用于计算两个输入矩阵 A 和 B 的乘积 C 的电路 C 而获得的，该协议中的验证器运行时间为 O(n^2)，证明器运行时间为 O(S)，其中 S 是电路 C 中的门数。
本节所述的 MATMULT 协议的优势体现在两个方面，首先，它并不关心证明器如何找到正确答案，相比之下，GKR 协议要求证明器以规定的方式计算答案矩阵 C，即逐门地评估电路 C；其次，本节协议中的证明器只需找到正确答案，然后额外执行 O(n^2) 的工作来证明其正确性，假设不存在线性时间矩阵乘法算法，那么这 O(n^2) 项是一个低阶的加性开销。相比之下，GKR 协议至少会给证明器引入一个常数因子的开销，在实践中，这体现在证明器的运行速度比（无法验证的）MATMULT 算法慢很多倍，而证明器的运行速度仅慢不到百分之一。
Thaler 也是最早倡导将 sumcheck 协议作为 ZK 所有核心构建模块的人之一！（@SuccinctJT #tendsToBeRight）
Halo2 应用于 ZKML
大约在同一时期，Jason Morton 创立了 EZKL，他的方法与众不同 - 接受任何 ONNX 格式（神经网络的开放标准）的模型，将其转换为 Halo2 电路，然后生成证明，其杀手锏是：你无需成为密码学家，只需导出你的 PyTorch 模型，用 EZKL 读取，即可获得证明。
爆炸（2024-2025）：选择你的战士

* 如果您的项目应该被列入名单，或者 2025 年时相关信息有所变更，请告知我！
* 以下声明均来自项目方在其博客文章中的自我介绍，有时，这些说法可能有所夸大！😬😬
EZKL（2023 年至今）
ONNX → Halo2 电路基准测试表明，它的速度比 RISC Zero 快 65 倍，比 Orion 快 3 倍比 RISC Zero 节省 98% 的内存缺点：目前仅支持部分 ONNX 运算符（他们正在添加更多运算符）主要挑战：量化，从浮点运算到定点运算，精度会有所损失可能保护隐私 ✅
Lagrange DeepProve（2024 年发布，2025 年初通过 GPT-2 验证）
这个到来很快，据称比 EZKL 快 54-158 倍首先要证明 GPT-2 能够进行完整的推理 - 不仅仅是部分推理，而是全部推理验证结果：MLP 速度提升 671 倍，CNN 速度提升 521 倍（验证时间缩短半秒）使用 sumcheck 协议 + 查找参数（logup GKR）正在开发 LLAMA 支持 - GPT-2 和 LLAMA 在架构上很相似，所以它们很接近拥有去中心化的证明者网络（运行在 EigenLayer 上）不太可能保护隐私 ❌
zkPyTorch（Polyhedra Network，2025 年 3 月）
这是现代变形的突破性进展首先证明 Llama-3 - 每个代币 150 秒VGG-16 耗时 2.2 秒三层优化：预处理、ZK 友好量化、电路优化利用 DAG 和跨核心并行执行与 Expander 验证引擎集成不太可能保护隐私 ❌
ZKTorch（Daniel Kang，2025 年 7 月）
“通用”编译器 - 处理任何任务GPT-J（60 亿个参数）：在 64个 线程上运行耗时 20 分钟GPT-2：10 分钟（之前超过 1 小时）ResNet-50 证明文件：85KB（Mystique 生成的证明文件为 1.27GB）采用证明累积法 - 将多个证明合并成一个简洁的证明这是目前通用 zkML 的速度之王学术目标而非产业
Jolt Atlas（NovaNet / ICME Labs，2025 年 8 月）
基于 a16z 的 JOLT zkVM，并针对 ONNX 进行了修改zkVM 方法，但实际上速度非常快关键洞察：机器学习工作负载喜欢使用查找表，而 JOLT 本身就支持查找表没有商多项式，没有字节分解，没有大积 - 只有查找和求和检查灵活的量化支持 - 不会生成完整的查找表，因此您不会被限制在特定的量化方案中理论上可以扩展到浮点运算（大多数其他运算方式仍局限于定点运算）非常适合需要同时满足身份验证和隐私保护需求的代理商使用场景可通过折叠方案（HyperNova / BlindFold）支持真正的零知识计算 ✅
技术现实

量化困境：机器学习模型使用浮点运算，而零知识证明使用有限域运算（本质上是整数），你需要进行转换，这会损失精度，大多数零知识机器学习（ZKML）都会对模型进行量化，因此精度会略有下降，但另一方面，许多用于小型设备和生产环境的机器学习模型都是量化模型。
每个框架的处理方式都不同，有些框架使用更大的位宽（更精确，但速度较慢），有些框架使用查找表，有些框架则巧妙地运用定点表示，Jolt Atlas 之所以喜欢我们的方法，是因为我们不需要为许多机器学习运算符实例化查找表。
目前还没有人找到完美的解决方案，只能通过不断迭代，逐步增加应用场景，这也是我们对 ZKML 近期发展前景保持乐观的原因之一。
运算符覆盖范围：ONNX 拥有 120 多个运算符，大多数 zkML 框架可能只支持其中的 50 到 200 个，这意味着某些模型架构目前还无法正常工作，各个团队都在争分夺秒地添加更多运算符，但这并非易事。
您的生产模型使用了 zkML 框架不支持的操作符，这种情况比您想象的要常见。
ONNX 规范包含超过 120 个运算符，大多数 zkML 框架仅支持 50 个或更少，差距在于：
您为特定用例编写的自定义图层：否特殊归一化方法（GroupNorm、LayerNorm 的变体）：或许动态控制流（if 语句、循环）：通常不注意力机制：预计在 2024-2025 年才会添加到主要框架中近期创新（闪屏吸引、旋转嵌入）：可能不会
当你尝试导出模型时，就会发现这个问题，ONNX 转换成功，但框架导入失败，“不支持的运算符：[任何运算符]。”
现在，你正在重写模型，使其仅使用受支持的运算符，这并非无关紧要的小麻烦 - 这是你在开始训练之前就应该了解的架构限制，这也是我们喜欢 zkVM 方法的原因之一……因为每个运算符都更容易实现即插即用，而以预编译为中心的方法则更需要手动操作🫳🧶。
激活函数：谨慎选择，在传统的机器学习中，激活函数是免费的，ReLU、sigmoid、tanh、GELU - 选择任何有效的即可。
在 zkML 中，激活函数是开销很大的操作，会导致电路崩溃。
为什么激活函数计算成本很高？ZK 电路基于多项式运算 - 有限域上的加法和乘法，这些运算成本很低，因为它们可以直接映射到电路约束，但激活函数是非线性的，无法很好地分解为域运算。
ReLU 需要计算“如果 x > 0 则 x 否则 0” - 这种比较需要多个约束条件来表示，Sigmoid 需要 1/(1 + e^(-x)) 在有限域上进行幂运算，这非常繁琐，需要大量的乘法运算，而且通常需要查找表，Softmax 将幂运算、求和运算和除法运算组合在一起，作用于整个向量，将原本简单的运算变成了每个神经元需要数百甚至数千个约束条件的复杂电路。
便宜的：
线性（无需激活）：免费规模加法：基本免费
中间的：
ReLU：需要比较，易于管理阶跃函数：成本与 ReLU 类似
昂贵的：
Sigmoid 函数：电路中的指数运算很麻烦Tanh：更糟Softmax：指数运算 + 除法 + 归一化，真正的痛苦GELU / SwiGLU：先别管它了（目前……我们还有一些工作要做）
现代 Transformer 倾向于使用 GELU 及其变体，而 zkML Transformer 则只能使用近似算法或更简单的替代方案。
这就是为什么框架要构建非线性查找表的原因，预先计算常用值，直接引用它们而不是重新计算，速度更快，但代价是内存占用增加，并且限制了量化选择。
应用案例：究竟什么才真正值得证明？
你刚刚读到了关于 10,000 倍开销、量化地狱和指数级成本曲线的内容，一个很合理的问题：为什么会有人让自己遭受这种痛苦？
答案并非“所有东西都应该用 zkML”，答案是：某些问题迫切需要可验证性，因此付出额外的代价是值得的。
基本过滤器
在深入探讨用例之前，先来做个测试：信任失败的成本是否高于证明的成本？
如果你运行的推荐算法是用来展示猫咪视频的，那么信任失败不会造成任何损失，直接展示猫咪视频就行了，没人会在意你的模型是不是你声称的那个。
如果你运行一个管理着 1000 万美元资产的交易机器人，信任危机将是灾难性的，机器人失控，仓位被强制平仓，你还得向投资者解释为什么你会信任一个不透明的 API。
zkML 在以下情况下适用：
高风险：金钱、健康、法律决定、安全信任鸿沟：多方之间互不信任隐私限制：敏感数据不能共享可审计性要求：监管机构或利益相关者需要证据对抗性环境：有人有作弊的动机
如果你的使用场景不符合以上至少两项，那么你可能暂时不需要 zkML。
DeFi：资金的聚集地

DeFi 是 zkML 的天然栖息地，它具备以下特点：高价值交易需要在区块链上进行无需信任的执行和简洁的验证，同时还要保持对用户的透明度，敌对势力会试图利用每一个漏洞！
价格预言机
第一个真正意义上的 zkML 产品是 Upshot + Modulus 的 zkPredictor，问题在于：NFT 的估值是由专有的机器学习模型计算出来的，如何才能信任这些价格信息呢？
传统预言机：“相信我们，这是我们模型给出的结果。” zkML 预言机：“这里有一个加密证明，证明这个价格来自这个模型，运行在这个特定的数据上（数据可能属于隐私数据）。”
这项证明意味着，您可以基于这些价格构建金融产品（贷款、衍生品），而无需信任 Upshot，他们无法在不破坏证明的情况下操纵价格，数据保持私密，但计算过程可验证。
这种模式具有普遍性：任何时候 DeFi 协议需要 ML 衍生数据（波动率估计、风险评分、收益率预测），zkML 都可以在不泄露模型的情况下证明计算结果。
交易机器人和代理
想象一下：你已经在多个 DeFi 协议上部署了一个收益优化代理，它在 Uniswap 上管理流动性头寸，在 Curve 上进行挖矿，在 Aave 上进行再平衡。
如何确定它正在正确执行你的策略？如何向有限合伙人证明他们的资金是按照你宣传的算法进行管理的？
使用 zkML，代理会为每个操作生成一个证明，“我将 50 个 ETH 从资金池 A 转移到资金池 B，因为我的模型预测收益更高，这是我使用您批准的策略的证明。”
Giza 正是基于 Starknet 构建了这一功能，他们的 LuminAIR 框架（使用 StarkWare 的 STWO 证明器）允许你为 DeFi 构建可验证的代理，一个能够重新平衡 Uniswap V3 头寸的代理可以证明每次重新平衡决策都源自承诺的模型，模型权重保密，交易策略保密，而证明过程公开。
这实现了智能体之间的交互，你的智能体可以与其他智能体进行无需信任的协作，因为双方都在生成可验证的计算结果，无需可信的中介机构，只有纯粹的数学运算。
风险模型与信用评分
银行使用机器学习进行信贷决策，DeFi 协议使用机器学习来设定抵押率，问题：如何证明你的风险模型得到了一致的应用？
传统系统：“相信银行。” zkML 系统：“每一项贷款决定都附带证明，证明该特定模型在这些固定参数下评估了该申请人的数据。”
这很重要，因为：
监管合规：证明你没有歧视公平性审计：证明同一模型适用于所有人争议解决：如果有人对某项决定提出质疑，您可以提供事件经过的加密证据
模型可以保持专有，数据可以保持私密，证据表明整个过程是公平的。
无需信任的代理
还记得开头吗？代理们像接力赛一样传递密码？
设想这样一个场景 - 一个智能体生态系统，其中：
手机上的代理 A 分析了你的日历，并决定你需要预订机票代理 B（旅行预订服务）查找航班和价格代理 C（支付处理商）执行交易代理 D（费用跟踪）会将其记录下来，供贵公司会计使用
每一步都需要验证前一步，如果代理 A 的分析存在欺诈行为，代理 B 将不会执行操作，如果代理 B 的报价被篡改，代理 C 将不会付款，如果代理 C 的交易可疑，代理 D 将不会记录。
如果没有 zkML：要么每个代理都在可信区域运行，要么所有代理都互相信任，这两种方法都无法扩展。
使用 zkML：每个代理生成一个证明，代理 B 验证代理 A 的证明，代理 C 验证代理 B 的证明，整个流程无需信任，一个代理可以运行在 AWS 上，另一个运行在你的手机上，还有一个运行在以太坊上，这都无关紧要 - 数学原理将它们连接起来。
x402 和 ERC-8004 的未来
这些新兴标准定义了人工智能代理之间如何直接支付报酬，整个过程无需人工干预，但支付需要信任。
如果代理 A 声称“我做了这个分析，付钱给我”，代理 B 就需要证据，如果代理 B 管理资金而代理 A 撒谎，那就是盗窃，zkML 提供了证据层。
我们正迈向自主代理经济时代，代理之间互相雇佣完成子任务，代理通过加密技术证明其工作成果，支付基于已验证的完成情况自动进行，没有任何中心化机构控制整个工作流程。
NovaNet 的 Jolt Atlas 正是为此而设计的，它兼顾隐私和验证，该代理程序无需泄露输入、输出或中间状态即可证明其计算正确性，这对于所有信息都高度敏感的商业代理程序而言堪称完美之选。
医疗保健：隐私与可审计性
医疗保健行业正被机器学习淹没，却又对隐私泄露感到恐惧，HIPAA、GDPR、地区性法规 - 每个司法管辖区都有关于患者数据的规定。

诊断模型
一家医院运行着一套机器学习诊断模型，该模型已获得 FDA 批准，并经过全面验证，患者入院后，模型分析影像数据，并提出治疗建议。
监管机构问道：“你实际使用的是 FDA 批准的型号吗？还是使用了修改后的型号？你能证明吗？”
传统答案：“相信我们的日志。” zkML 答案：“这里有一个加密证明，证明这个模型（权重已确定）在该患者的数据上运行，并产生了此结果。”
患者数据绝不会离开医院，模型权重也严格保密（受知识产权保护），但相关证明会提供给监管机构、保险公司以及任何需要核实的机构。
缺乏数据共享的合作研究
多家医院都想利用各自的患者数据训练一个模型，但由于隐私法的限制，它们无法共享数据，同时，由于彼此竞争，它们之间也无法建立信任。
zkML 的优势在于：每家医院都能证明其本地训练是在有效数据上正确完成的，所有证明汇总后，每个人都能获得更优的模型，而且，任何人都看不到其他医院的数据。
游戏：可证明的公平性
游戏不需要 zkML 来显示猫咪图片，但如果是真金白银的竞技游戏呢？那就另当别论了。
AI 对手
你正在和电脑 AI 玩扑克，你怎么知道 AI 没有通过查看你的底牌作弊？你怎么知道你付费购买的真的是“困难”难度，而不是改了名字的“中等”难度？
zkML：游戏服务器会证明每个 AI 决策都来自已提交的模型，无法作弊，也无法替换为较弱的模型，证明是针对每局游戏生成的，并由客户端验证。
Modulus 开发了 RockyBot（一款 AI 格斗游戏）和 Leela vs the World（一款链上国际象棋游戏）作为概念验证，AI 的行为是可验证的，玩家可以确认他们面对的是真正的 AI。
公平匹配
排位赛匹配系统使用机器学习技术来配对玩家，如果算法不透明，阴谋论就会滋生：“他们故意给我匹配差劲的队友！”“他们在操纵比赛！”
zkML：证明匹配算法运行正确，证明每个玩家都由同一模型评分，这样一来，那些阴谋论就站不住脚了。
模型市场：机器学习即服务（MLaaS）验证
你付费购买的是 GPT-4 级别的 API 访问权限，你怎么知道你实际获得的是 GPT-4 而不是改了名称的 GPT-3.5 呢？
现在：相信供应商。
使用 zkML，每个 API 响应都会附带一个证明：“此输出来自具有 Y 参数的模型 X。”如果提供商尝试使用更便宜的模型，则证明会失效。
这使得竞争激烈的模型市场得以形成，因为供应商无法在模型层级上作弊！用户可以验证服务水平协议（SLA）的合规性，并且定价与已验证的计算能力挂钩（您只需为实际获得的计算能力付费）。
AI 记忆
ICME Labs 的一个核心用例是嵌入模型，这些模型可以在浏览器中运行，目前是 ZKML 的实际应用目标，试想一下，用户以英语浏览源代码，而消费者却用日语购买和查询 - 他们无法进行审核，因此需要加密信任。
或者租用一段记忆 - 相信我，兄弟，“我的 AI 记忆里有这个……”分类模型现在就可以用于解决这个信任问题，并创造一个新的 AI 记忆经济™️。
2025 年还缺少什么
让我们坦诚地面对目前还行不通的地方：
在 zkML 中实现 GPT-5 这样的大型语言模型？不可能：或许可以用 GPT-2 作为演示（zkPyTorch 已经证明了 Llama-3 的性能，但每个词元需要 150 秒），真正前沿的大型语言模型推理是可以实现的……但速度会很慢，而且会消耗大量内存。
实时系统：如果您需要 100 毫秒以下的推理速度并提供证明，那么您只能选择较小的模型或更直接的分类模型，自动驾驶汽车需要证明每个决策的正确性吗？目前的 zkML 还无法实现。
训练方面：我们可以证明推理能力，但无法证明大规模训练的能力，如果您需要验证模型是否使用特定数据和特定方法进行训练，ZKML 目前还无法满足需求。
复杂架构：注意力机制刚刚成为可能，专家混合模型？图神经网络？扩散模型？这些仍是研究领域。
2026 年 ZKML 的预测
以下是对 2026 年接下来 10 倍解锁内容的一些基本推测。
硬件浪潮
硅芯片解锁是公平的。
GPU 加速（已上线）：所有主流的 zkML 框架都已支持或正在添加 GPU 支持，EZKL、Lagrange、zkPyTorch、Jolt - 全部都基于 CUDA 运行，但 2025 年的 GPU 支持仅仅是“它能在 GPU 上运行”，而 2026 年将会是“它针对 GPU 进行了优化”。
区别至关重要，目前的实现方式是将 CPU 算法移植到 GPU 上，而下一代实现方式则会围绕 GPU 原语重新设计算法，大规模并行处理，通过 GPU 内存传输数据，内核融合用于生成证明。
预期影响：现有工作负载速度提升 5-10 倍，原本需要 30 秒的模型可能只需 3-5 秒即可完成，这就是“适用于批量处理”和“适用于交互式应用程序”之间的区别。
多机证明（协调层）
最新 zkML：一台性能强劲的机器即可生成您的证明。
2026 zkML：证明生成在集群上并行化，拆分电路，分发给多个证明器（多重折叠），聚合结果。
Lagrange 已经在着手研究这个问题了，Polyhedra 在他们的 zkPyTorch 路线图中也提到了这一点，相关技术已经存在（递归证明、证明聚合、延续），我们的基础设施层 NovaNet 专注于协作证明器（通过折叠方案）如何处理这项任务，工程方面则非常困难（工作分配、容错、成本优化）。
当这项技术投入使用时：将证明通过 10 台机器同时运行，GPT-2 的运算时间可以从 10 分钟缩短到 1 分钟，同时证明 Llama-3 将从“好奇”走向“真正可用”。
证明系统：更优的数学
硬件有所帮助，但更好的算法帮助更大。
域算术
目前大多数零知识证明（ZKML）方案都使用 BN254 或类似的大型域，一些团队正在探索 Mersenne-31 域以及其他更小的域，这些域的运算速度可能更快，据估计，仅域的切换就能带来 10 倍的性能提升，基于椭圆曲线的系统继续受益于稀疏性（例如 Twist 和 Shout）。
基于 Lattice 的零知识证明方案使我们能够利用这些更小的域，同时还能受益于稀疏性和同态性，Lattice 还支持按比特付费，并且可能具有后量子安全特性，最后一个亮点是 - 可以动态生成公共参数。
重要性：域运算是证明生成的最内层循环，域运算速度提升 10 倍意味着所有证明过程的速度都能提升 10 倍，原本需要 10 秒才能完成证明的模型，现在只需 1 秒即可完成。
Jolt Atlas 已经从中受益 - 以查找为中心的架构与稀疏性配合良好 - 一些机器学习操作具有很高的稀疏性。
证明累积 / 折叠方案

ZKTorch 采用了这种方法：不为每一层生成独立的证明，而是将多个证明合并到一个累加器中，最终的证明非常小，与模型深度无关。
这是新星 / 超新星 / 中子新星的领域 ⭐💥，递归 SNARKs，让你能够证明“我证明了 A，然后我证明了 B，然后我证明了 C”，而不会导致证明规模爆炸。
2026 年预测：这将成为标准，每个 zkML 框架都将添加折叠功能，ResNet-50 的证明文件大小将从 1.27GB（旧版 Mystique）缩小到小于 100KB（基于折叠的新系统），由于证明文件大小不再随序列长度扩展，GPT 类型的模型将变得可行。
Folding 也有助于解决证明器内存不足的问题，你可以在多种设备上运行 ZKML，并选择与机器规格相匹配的步长。
最后，折叠还可以用于将零知识（ZK）重新赋予那些不具备隐私保护功能的协议，HyperNova 的论文中有一个很棒的技巧，展示了如何做到这一点。
流媒体证明
当前限制：要证明一个生成 100 个令牌的 LLM，你需要先证明令牌 1，然后是令牌 2，再是令牌 3……每次证明都是独立的，这会导致内存占用急剧增加，你可以通过折叠或流式处理来控制内存增长。
目前还处于研究阶段，但将于 2026 年发布，届时：zkML 中的 LLM 推理将从“在大型机器上证明”变为“在任何地方证明”。
运算符覆盖范围爆炸式增长
请记住：ONNX 有 120 多个运算符，大多数框架只支持 50 个左右。
差距正在迅速缩小，这并非因为框架们正在逐个实现运算符，而是因为它们正在构建运算符编译器和通用的 zkVM 原语，以便大规模地处理大量运算符。
Transformer 基元
注意力机制在 2024 年几乎无法实现，到 2025 年底，多种框架都支持它们，到 2026 年，它们将得到优化。
专用电路：
缩放点积注意力多头注意力位置编码层归一化（早期 zkML 中的 Transformer 杀手）
结合流式证明，这意味着：基于 Transformer 的模型在 zkML 中成为一等公民，这不仅是“我们可以缓慢地证明 GPT-2”，而且是“我们可以以合理的成本证明现代 Transformer 架构”。
这将解锁视觉转换器、音频模型、多模态模型，所有支撑现代机器学习的架构，现在都可验证了。
成本曲线变化导致用例演化
技术改进本身并不重要，重要的是它们能够带来什么。
DeFi 代理：从批处理到实时
2025 年：代理每小时对您的投资组合进行一次再平衡，每次再平衡都会在后台生成一份证明文件，在下一次交易执行时，之前的证明文件已经准备就绪。
2026 年：代理根据市场状况实时进行再平衡，证明生成时间为 1-5 秒，代理以连续循环的方式运行：观察市场 → 计算决策 → 生成证明 → 执行交易，证明在下一个区块确认之前即可获得。
这改变了游戏规则，您可以构建响应式代理，而不仅仅是定时代理，闪电崩溃保护，MEV 防御，具有加密保证的自动套利。
医疗保健：从审计日志到实时验证
2025 年：医院进行诊断，模型生成结果，医院随后向监管机构提交证明文件，证明文件生成只需几分钟，且离线完成。
2026 年：验证结果的生成速度足够快，可以在临床工作流程中完成，医生下达检测医嘱，模型运行，验证结果并行生成，当医生审核结果时，验证结果已随结果一同提交。
这实现了：实时审计合规性，即时验证的保险预授权，以及跨机构工作流程，其中每个步骤都经过验证后才能开始下一步。
无需信任的代理：从演示到生产
2025 年：代理工作流程可行，但较为繁琐，每次代理交互都需要生成证明，耗时数秒到数分钟，复杂的工作流程运行缓慢。
2026 年：对于简单模型，证明速度可达亚秒级，对于复杂模型，证明速度可并行化，智能体之间的交互将更加自然流畅，智能体 A 调用智能体 B，等待 0.5 秒进行证明验证，然后继续执行，虽然延迟令人烦恼，但比人工操作要好得多🤪。
这才是无需信任的代理网络真正能够扩展规模的时候，不是研究项目，而是生产系统，其中数百个代理相互协作，每个代理都通过加密方式证明自己的工作。
x402 / ERC-8004 的愿景成为现实：代理雇佣代理，用加密货币支付，所有这一切都通过证明进行调解。
游戏：从回合制到即时制
2025 年：zkML 在游戏中的应用将仅限于回合制场景，例如扑克机器人、国际象棋引擎以及可以容忍每步棋生成 1-5 秒证明的策略游戏。
2026 年：速度足以满足某些类型游戏的实时 AI 需求，例如，格斗游戏中 AI 对手的每一个决策都需要经过验证，以及 RTS 游戏中，战略决策（并非单位级别的寻路，而是高层次的战术）需要经过验证。
对于第一人称射击游戏或需要反应速度的游戏机制来说，速度仍然不够快，但可行的设计空间却大大扩展了。
模型市场：从利基市场到主流市场
2025 年：验证 API 响应很酷，但应用范围有限，只有高价值的应用才值得付出这种额外成本。
2026 年：成本大幅下降，对于任何每次调用收费超过 0.01 美元的 API 来说，验证将成为标准流程，模型提供商将根据可验证性进行差异化竞争，“未经验证的推理”将成为入门级服务。
这可以实现：通过密码学强制执行服务级别协议（SLA），为人工智能服务提供工作量证明，以及基于已验证计算历史的信誉系统。
可验证的人工智能记忆：创造共享价值
2025 年：我们已经在 2025 年使用 ZKML 来证明有关向量数据库的嵌入和分类的事情，该用例在 2026 年将实现超大规模扩展。
2026 年：无需信任的共享 AI 内存上线，您的 AI 助手不再拥有单一的内存 - 它将协调多个经过验证的内存，包括个人内存、公司内存和专业知识。
归根结底
制定循序渐进的计划，并偶尔进行革命性的飞跃 - 订阅即可了解这些飞跃！
ZKML 的盛宴已经拉开帷幕 - 我们已经证明了使用零知识证明（ZKP）验证机器学习是可行的，现在，我们进入了略显枯燥的阶段：工程师和研究人员正努力使其更快、更便宜、更可靠。
在一次活动中，我听到一位加密货币风险投资家说“今年的 ZK 很无聊”！
无聊是好事，无聊意味着它正在变得真实。

作者：Wyatt Benno（Kinic 创始人）
翻译：Catherine

#KINIC #zkml #ICP生态 #AI

你关心的 IC 内容
技术进展 | 项目信息 | 全球活动

收藏关注 IC 币安频道
掌握最新资讯

Suzanne Szy Art Jewels 与瑞士科技公司 Origyn Foundation 合作，推出了首个完全基于区块链认证的高级珠宝系列。
Szy 为她 24 年职业生涯中设计的 1001 件作品中的每一件都提供了数字化认证，通过完整的数字护照详细记录了珠宝及其材质的来源，她对能够完成这项工作感到“非常激动”。
“因为我的珠宝都是独一无二的创作，我希望确保它们的真实性，并让每一件珠宝背后的故事都能安全流传，区块链恰好满足了我的需求。”她在电话采访中告诉我：“认证信息保存在客户专属的数字保险库中，由 Origyn 托管，安全私密，就像一个防篡改的数字账本，一旦写入，信息就无法更改，这使得区块链成为保护珠宝身份的理想工具。”

区块链珠宝认证是如何运作的？
随着珠宝行业转型以满足年轻消费者对可持续性的期望，区块链正迅速成为确保透明度的重要工具，De Beers 旗下的区块链认证提供商 Tracr 自 2022 年推出以来，已在区块链上记录了 4,277,439 颗天然钻石。
与此同时，Provenance Proof 为全球 700 多家公司提供服务，收录了超过 3000 万件宝石和珠宝，而像 Aura Blockchain Consortium 这样的提供商则遵循同样的原则，服务于更广泛的奢侈品行业。
每件 Suzanne Syz 珠宝如今都附带一份安全的数字证书，以及关于该珠宝的元数据、图片、视频和文档等信息，客户可通过 Origyn 基金会运营的数字钱包访问这些信息。
如果客户决定出售或将珠宝传给继承人或家庭成员，他们会将证书和数据随珠宝一并转移，只有珠宝所有者才有权这样做，从而确保珠宝在其整个生命周期内完全透明。

“我选择 Origyn 是因为他们在数字认证方面的专业知识，以及他们致力于为奢侈品行业带来信任和透明度的愿景，他们对尊重和创新的重视对我来说至关重要。”她说道。
Origyn 协议由一个基金会创建，并且是去中心化的，这意味着它本质上属于用户，而不是由某个公司或机构控制其收集的关于奢侈品、珠宝、金银条块、艺术品和收藏品的数据。
这种中立性建立了人们对系统的信任，目前该系统已认证了价值 5130 万美元的实物资产，“信任正是我想要提供给收藏家的。” Syz 继续说道。
Syz 解释道：“除了保障我的珠宝在二级市场的价值之外，区块链珠宝认证还能为收藏家提供保障和透明度，让他们更深入地了解每件珠宝背后的故事，区块链既增添了实用价值，也赋予了珠宝情感价值，但真正打动我的是它所蕴含的情感价值。” 
Syz 并非唯一一位在认证方面信赖技术的珠宝设计师，路易威登的 LV 钻石系列和普拉达的永恒黄金系列都采用了 Aura 区块链联盟的认证技术，而独立品牌对这项技术的兴趣也日益浓厚。

科技与珠宝艺术的交汇
瑞士珠宝设计师 Syz 以其充满雕塑感和诗意的珠宝作品而闻名，她将自己的作品描述为“颂扬人性与自我表达的喜悦”，她使用一些在高级珠宝中不常见的材料，例如铝，并且所有作品均由日内瓦的工匠制作。
“对我而言，可持续性既关乎材料，也关乎人。”她解释道：“我们只与获得责任珠宝委员会（Responsible Jewelry Council）认证的供应商合作，并致力于确保公平的实践，支持当地技能，并为当地社区做出贡献。”这其中也包括她积极参与日内瓦的艺术活动。
24 年来，这位前艺术家凭借其充满趣味的高级珠宝作品，积累了一批艺术爱好者，其中包括用珍贵纽扣制成的不对称耳环、切斯特菲尔德风格的镶钻铝和红碧玺戒指，以及钛、金、钻石和紫水晶芦笋手镯。

她的收藏家们对这个消息反应积极，Syz 表示，她的收藏家群体非常广泛，来自世界各地各个年龄段的买家都对她的作品感兴趣，但她认为欧洲人尤其喜欢她作品中蕴含的幽默感，她形容他们对区块链认证“既好奇又热情”，年轻的客户自然会被它吸引，而年长的客户则欣赏它带来的额外安全保障。
“我认为科技与艺术之间并不矛盾。” Syz 说道，她相信区块链未来将成为奢侈品体验的重要组成部分：“两者都关乎想象力和突破界限，科技帮助我保存珠宝，确保它们的故事得以流传，它本身也成为了艺术的一部分，有了创造力和科技，一切皆有可能。”

#ORIGYN #OGY #RWA赛道 #ICP生态

你关心的 IC 内容
技术进展 | 项目信息 | 全球活动

收藏关注 IC 币安频道
掌握最新资讯