Internet Computer

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

zCloak Network 由 ICP 技术提供支持，为您的资产打造坚不可摧的安全环境：
完全链上：前端和数据直接托管在区块链上架构安全：无需助记词，也无需利用服务器漏洞真正的自主托管：您的密钥直接控制链上智能合约防篡改、抗审查，专为企业金融的未来而构建

zCloak.Money 是 zCloak Network 推出的多签钱包，是首款 100% 链上、架构安全、专为决策者打造的企业级密码钱包，也是 Coinbase Ventures 支持的首款企业级 Passkey 钱包，借助 zCloak.Money，企业可获得：
✅ 真正的自主管理：无需中介，杜绝后门🧩 企业多签控制：加权审批、权限和支出限额🔐 密码安全：零种子风险的生物识别登录
🔗 架构安全，专为决策者打造，了解更多：
http://app.zcloak.money
11 月份合作关系一览
11 月 5 日，zCloak.Money 宣布与 Hubble AI 达成合作，Hubble 是一个链上数据与人工智能基础设施引擎，提供机构级区块链数据解决方案和智能洞察。
作为此次合作的一部分，Hubble AI 已正式在 zCloak.Money 上开设其企业多签钱包，用于管理团队资金并加强内部资金治理。

11 月 6 日，zCloak.Money 宣布与 Insight Genesis 达成合作，Insight Genesis 是一个去中心化的 AI 驱动平台，使个人能够拥有并利用共享数据获利，同时为企业提供可操作的行为洞察。
作为此次合作的一部分，Insight Genesis 已正式在 zCloak.Money 上开设了其企业多签钱包，用于管理团队资金并加强内部资金治理。

11 月 6 日，zCloak Network 宣布与 FomoWell 达成合作，FomoWell 是由 ICP 提供技术支持的安全、高效、去中心化的比特币资产发行和交易平台。
zCloak Network 是一款专为组织和决策者打造的企业级钱包 - 100% 链上运行，架构安全可靠，零 Gas 费用，隐私功能即将上线，旨在为团队和机构带来更安全、更流畅的 Web3 体验。
双方将保持联系，探索在安全性、合规性和 Web3 应用场景方面的潜在协同效应，为生态系统带来更多可能性。

11 月 7 日，zCloak.Money 宣布与雨川资本（Rainstream Venture）达成合作，雨川资本是一家领先的区块链投资公司，通过战略投资和生态系统发展加速去中心化经济的发展，赋能全球 Web3 创新。
作为此次合作的一部分，雨川资本已正式在 zCloak.Money 上开设了其企业多签钱包，用于管理团队资金并加强内部资金治理。

11 月 10 日，zCloak.Money 宣布与 Mind Network 达成合作，Mind Network 是一家在抗量子全同态（FHE）基础设施领域处于领先地位的公司，由 Yzi Labs 支持。
作为此次合作的一部分，Mind Network 已正式在 zCloak.Money 上开设了其企业多签钱包，用于管理团队资金并加强内部资金治理。

11 月 11 日，zCloak.Money 宣布与 ForgeX 达成合作，ForgeX 是一个终极链上自主做市终端，由一线战士打造，专为一线战士服务。
作为此次合作的一部分，ForgeX 已正式探索其在 zCloak.Money 上的企业多签钱包，以管理团队资金并加强内部资金治理。

11 月 12 日，zCloak.Money 宣布与 IOTA 达成合作，IOTA 是一个去中心化的区块链基础设施，用于构建和保护我们的数字世界，旨在改变世界。
作为此次合作的一部分，IOTA 欢迎与 zCloak.Money 企业多签钱包进行集成。

11 月 16 日，zCloak.Money 宣布与 Ark Of Panda 达成合作，Ark of Panda 是一个 BNB 链生态系统项目，连接 Web2 和 Web3，使用户能够将 3D 资产和品牌代币化为可交易的数字资产，并由 AI 驱动的用户生成内容（UGC）工具支持，用于创建个性化的 3D 资产，基于氏族的共享分红用于社区忠诚度，以及链上任务系统奖励贡献，以促进可持续的协作经济。
作为此次合作的一部分，Ark Of Panda 已正式探索其在 zCloak.Money 上的企业多签钱包，以管理团队资金并加强内部资金治理。

11 月 17 日，zCloak.Money 宣布与 TradeTalent 达成合作，TradeTalent 是一个基于人工智能和区块链技术的 Web2 / Web3 人才网络，通过 DID / ZKPs 实现链上技能认证、匿名匹配和代币驱动的激励机制（人才挖矿），以隐私为先、高效的招聘流程和社区互动为核心，连接企业和求职者。
作为此次合作的一部分，TradeTalent 已正式探索其在 zCloak.Money 上的企业多签钱包，以管理团队资金并加强内部资金治理。

11 月 18 日，zCloak.Money 宣布与 DeAgentAI 达成合作，DeAgentAI 是一个在 SUI / BSC / BTC 平台上构建的规模最大的 AI 基础设施，部署具备身份识别、连续性和共识机制的自主 AI 代理，让 AI 更智能。
作为此次合作的一部分，DeAgentAI 已正式在 zCloak.Money 上开设了企业多签钱包，用于管理团队资金并加强内部资金治理。

11 月 19 日，zCloak.Money 宣布与 MoonMace 达成合作，Moonmace 是首个基于 Monad 构建的流动性质押协议，使用户能够在保持链上流动性和可组合性的同时质押 MON 代币，它将质押转变为一种主动收益机制 - 用户无需锁定资金或损害网络安全即可获得验证者奖励。
作为此次合作的一部分，MoonMace 已正式在 zCloak.Money 上开设了其企业多签钱包，用于管理团队资金并加强内部资金治理。

11 月 21 日，zCloak.Money 宣布与 Infini 达成合作，Infini 是面向全球企业和开发者的新一代数字银行，Infini 提供便捷的注册流程、实时稳定币支付、更低的跨境成本以及一体化的金融平台，让您轻松在全球范围内启动和扩展业务。
作为此次合作的一部分，Infini 已正式探索其在 zCloak.Money 上的企业多签钱包，以管理团队资金并加强内部资金治理。

11 月 25 日，zCloak.Money 宣布与 AISIM 达成合作，AISIM 是一个去中心化的带宽协议，为 AI 和 DePIN 项目提供全球连接。
作为此次合作的一部分，AISIM 已正式探索其在 zCloak.Money 上的企业多签钱包，以管理团队资金并加强内部资金治理。

11 月 28 日，zCloak.Money 宣布与 WheelX 达成合作，WheelX 是一个领先的 AI 驱动聚合器，支持 EVM、比特币和 Solana，快速桥接，即时兑换，畅享无忧。
基础设施 × 人工智能 × 企业级安全，二者将携手共建未来，一同探索人工智能驱动的 DeFi 世界！

关于 zCloak Network
zCloak Network 引领 Web3 革命，专注于人工智能时代的信任与隐私，我们利用零知识证明和去中心化身份等技术，提供解决方案，保护个人数据并确保交易安全，我们赋能个人和组织，使其能够无损地进行数字化互动，同时确保顶级的安全性和保密性。
zCloak Network 已成为 Web3 技术领域的先驱，尤其致力于解决通用人工智能（AGI）时代信任和隐私的关键问题，zCloak 采用创新方法，整合了 W3C 去中心化标识符和可验证凭证标准，并由零知识证明驱动，在实现数据所有权方面取得了重大突破，通过将数据存储和计算从集中式服务器转移到用户设备，zCloak Network 正在重新定义数字隐私和赋能的范式。

zCloak Network 的愿景是开启一个数字信任根深蒂固、隐私得到充分保障的时代，我们致力于构建一个生态系统，让个人和组织能够安心地参与数字世界，利用其现实世界的数据进行链上应用，例如 DeFi、身份识别和生物识别应用，而无需担心隐私泄露。
zCloak Network 的使命是赋予用户绝对的数据所有权和控制权，我们致力于通过将计算和存储功能迁移回用户设备，为数字交互提供安全私密的框架，我们承诺开发和实施前沿的 Web3 技术，在保障用户隐私的同时，实现无缝且真实的链上体验。
zCloak Network 的核心价值观围绕创新、安全和用户主权展开，我们坚信科技拥有变革的力量，能够提升数字世界的信任度和隐私保护，zCloak Network 致力于构建一个以隐私为权利、数据所有权为原则、安全为保障的社区，我们通过持续的研发、合乎道德的数据实践和透明的运营来践行这些价值观。

#zCloakNetwork #ICP生态 #YZILabs #Passkey钱包

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

香港，2025 年 12 月 8 日（Globe Newswire）- 全球碳中和航运公司 Intercont（Cayman）Limited（纳斯达克股票代码：NCT，简称 “NCT” 或“该集团”）宣布，已签署谅解备忘录（MOU），将收购新加坡领先的 Web3 技术服务提供商 Starks Network Ltd（简称 “Starks Network” 或“该公司”）不到 50% 的少数股权，并将共同开发 zCloak Network 项目（简称 “zCloak”）。
这项战略协议标志着 NCT 和 zCloak 在推进海事服务与区块链技术融合方面迈出了重要一步。
Starks Network 是一家在开曼群岛注册成立、运营总部位于新加坡的公司，凭借其 zCloak Network 项目，在全球 Web3 生态系统中建立了强大的竞争优势。
该公司专有的框架和合规性强的基础设施涵盖人工智能身份认证、企业级自托管钱包、稳定币支付系统以及人工智能驱动的加密支付技术。
这些差异化能力构成了巨大的准入门槛，并因此获得了香港数码港官方孵化项目的资助，以及包括 Coinbase Ventures 在内的顶级风险投资公司的投资，zCloak 被广泛认为是拥有雄厚投资者支持的高增长技术领导者。

全球范围内，基于稳定币的支付系统正迅速普及，据 Stablecoin Insider 统计，在 2024 年，全球稳定币交易量已超过 Visa 和 Mastercard 的年度交易量总和 - 这是一个转折点，标志着稳定币正在成为重要的金融基础设施。
与此同时，麦肯锡指出，稳定币交易的增长速度呈加速趋势，可能在不到十年的时间内超过传统支付方式的交易量，基于此，随着链上支付的成熟，机构和企业客户对安全、可扩展且合规的钱包解决方案的需求持续强劲。
贝莱德报告称，截至 2025 年第三季度，其管理资产规模（AUM）达到 13.46 万亿美元，凸显了大型金融机构的早期参与。
与此同时，数字资产总市值从 2022 年的 50 亿美元飙升至 2025 年 7 月的超过 255 亿美元，增幅约为 410%，随着数字资产成为全球金融创新核心驱动力，世界各国政府和金融机构正竞相建立战略立足点。

NCT 计划收购 zCloak，这标志着其长期战略迈出了关键一步，旨在拓展现实世界资产的数字化业务，同时巩固其在全球航运服务领域的领先地位。
NCT 将探索跨行业现实世界资产代币化的多元化路径，并利用 zCloak 的技术基础设施，提供标准化、合规且可扩展的链上资产解决方案，NCT 和 Starks Network 将携手合作，加速全球企业对 Web3 技术的应用。
NCT 首席执行官 Muchun Zhu 女士和 Starks Network 及 zCloak 创始人 Xiao Zhang 博士将此次合作描述为传统与创新的大胆融合：“莎士比亚之后四百年，《威尼斯商人》再次扬帆起航 - 这次是在区块链上。”通过此次合作，契约、财富、人性与正义等永恒主题将运用 Web3 技术重新诠释。
Zhu 女士补充道：“zCloak 所处的市场已经取得了显著的商业成果，在隐私保护身份、合规性验证和机密计算领域，领先的基础设施提供商通常能够实现 3000 万至 4000 万美元的年收入，这主要得益于机构用户的采用和高利润的企业级集成，我们看到，围绕 zCloak 的技术也正在形成类似的结构性需求，此次收购使 NCT 能够参与到这些高价值的垂直领域，虽然这并不代表对未来业绩的预测，但它充分展现了我们正在构建的基础设施层所蕴含的指数级收入潜力，我们相信，zCloak 为我们提供了一个进入快速增长市场的可靠切入点，我们将积极推进这一战略。”

关于 Intercont（Cayman）Limited
Intercont（Cayman）Limited 是一家全球航运企业，并开展海上纸浆生产业务，在富有远见的管理团队的带领下，Intercont 致力于通过创新的商业模式和技术，为客户提供高效环保的运输解决方案。
更多信息，请访问：
https://www.intercontcayman.com

关于 zCloak Network
zCloak Network 引领 Web3 革命，专注于人工智能时代的信任与隐私，我们利用零知识证明和去中心化身份等技术，提供解决方案，保护个人数据并确保交易安全，我们赋能个人和组织，使其能够无损地进行数字化互动，同时确保顶级的安全性和保密性。
zCloak Network 已成为 Web3 技术领域的先驱，尤其致力于解决通用人工智能（AGI）时代信任和隐私的关键问题，zCloak 采用创新方法，整合了 W3C 去中心化标识符和可验证凭证标准，并由零知识证明驱动，在实现数据所有权方面取得了重大突破，通过将数据存储和计算从集中式服务器转移到用户设备，zCloak Network 正在重新定义数字隐私和赋能的范式。
更多信息，请访问：
https://zcloak.network
延伸阅读：
zCloak Network 十一月份合作关系一览ICP Chain Fusion 比特币版 - 教育摘要Cloaking Layer 获 DFINITY 基金会 10 万美元资助

#NCT #zCloakNetwork #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

多么精彩的旅程，WCHL 正式落下帷幕，这段旅程真是令人难忘！
从全球数千个项目到最终晋级全球总决赛的少数顶尖团队，我们见证了令人难以置信的创新、团队合作和奉献精神。
热烈祝贺我们的冠军们，也祝贺所有倾注心血的团队取得成功，你们都留下了自己的印记，展现了全球协作的真正意义。
继续努力，继续创新，这仅仅是个开始！
世界计算机黑客联盟（WCHL）2025 是由 ICP HUBS 网络主办的全球黑客马拉松，本次大赛旨在发掘、培养和展示互联网计算机协议（ICP）生态系统中的顶尖开发者人才，为期四个月的赛事将推动创新，同时拓展开发者社区并支持具有影响力的应用。

全球前三名优胜者
🥇 第一名：50,000 美元
Prometheus Protocol：人工智能代理的信任层

🥈 第二名：35,000 美元
RhinoSpider：RhinoSpider 是一个点对点资源共享网络，它会奖励用户将闲置带宽和计算能力贡献给去中心化应用程序和人工智能。

🥉 第三名：25,000 美元
AfriTokeni：让所有非洲人都能使用比特币，即使没有智能手机也能使用。

💡 人工智能的最佳展示（赛道）
5000 美元
ICP Coders：面向 ICP 容器开发人员的智能 AI 助手

💡 比特币 DeFi 的最佳展示（赛道）
5000 美元
Satsurance：以比特币为担保的特殊保险

💡 Fully On-Chain 的最佳展示（赛道）
5000 美元
Fradium：Web3 交易的信任层

💡 RWA 的最佳展示（赛道）
5000 美元
DAOPad：通过将有限责任公司转变为智能合约来解锁私募股权

💡 开放赛道的最佳展示（赛道）
5000 美元
XFusion：多种代币，一次交易，用 Chain-Key 技术革新投资组合的投资

💎 荣誉提名
3 项荣誉奖：每项奖金 5000 美元
ChatterPay：我们的愿景是通过 WhatsApp 的简洁性，将区块链的力量带到每个人的口袋里。GovMind：人工智能在 Web3 治理中的应用。Dhaniverse：Dhaniverse 是一个面向 Z 世代的游戏化开放世界，用于学习和管理金融，由 Web3 身份和模拟链上奖励提供支持。
完整的项目详情和更多信息请访问：
https://dorahacks.io/hackathon/wchl25-global-finale/winner

ICP - WCHL25 资格赛黑客马拉松：优胜者总结
ICP - WCHL25 - 资格赛于 2025 年 7 月 1 日至 25 日在线举行，吸引了全球开发者社区的广泛参与，本次活动共收到 11,774 位开发者的注册，并审核通过了涵盖人工智能（AI）、比特币去中心化金融（Bitcoin DeFi）、完全链上（Fully On-Chain）、现实世界资产（RWA）和开放赛道五个方向的 1,551 个项目。
作为世界计算机黑客联盟（World Computer Hacker League）的初始阶段，本次黑客马拉松专注于使用互联网计算机协议（ICP）构建的去中心化应用程序。
提交的作品涵盖了去中心化智能、比特币集成金融应用、全链上系统、现实世界资产代币化以及各种 Web3 用例等领域，一个关键目标是将最小可行产品（MVP）部署到主网上，从而拓展 ICP 生态系统的范围，并展现技术实力和创新方法。
参赛者们角逐本阶段总奖金高达 3 万美元的奖项，本次活动提供技术支持、项目展示机会和晋升途径，高参与度和高质量的参赛作品促进了开发者的发展，提高了 ICP 的应用率，并凸显了区块链技术的新兴趋势。
值得一提的是，排名前 50% 的项目晋级国家级比赛，继续向全球总决赛迈进。

黑客马拉松优胜者
资格赛表彰了 16 个类别、48 个子奖项的杰出成就，重点关注去中心化技术、人工智能、DeFi 和 Web3 基础设施领域的进步，每个类别均评选出一、二、三等奖，以下部分概述了按国家或地区分组和排名的优秀项目。
阿根廷奖项获得者
第一名：ckPayment — 推出了一款基于智能合约的支付 SDK，为开发者提供去中心化、无需信任的支付集成，类似于互联网上的 Stripe。第二名：Infinity Task Protocol — 实现了一个链上自由职业平台，采用模块化架构，以最少的中介实现安全、可扩展的项目协作。第三名：Design Guardian — 通过区块链将时尚设计代币化并展示为 NFT，从而将时尚、数字艺术画廊和游戏连接起来。
巴西奖项获得者
第一名：Kaisen — 将人工智能驱动的个性化学习与基于区块链的证书相结合，打造出以用户为中心的去中心化应用程序，用于验证教育记录。第二名：BeneChain — 使用 ICP 区块链简化和透明地管理员工福利，旨在提高雇主和雇员的效率。第三名：TaaS — 为 Web3 应用程序提供完全链上协议，用于自动事实核查，并利用社区输入进行验证。
加拿大奖项获得者
第一名：Hosty.live — 可将 GitHub 托管的前端部署为 ICP 容器上的实时网站，简化去中心化托管。第二名：Satsurance — 建立了一个去中心化的保险市场，允许比特币持有者和风险专家承保或购买加密货币风险保险。第三名：AVAI Agent — 可自动执行 ICP 智能合约的 AI 驱动安全审计，并生成企业级审计报告。
美国奖项获得者
第一名：Prometheus Protocol — 开发了一种去中心化协议，使 AI 代理能够通过链上微支付来货币化和支付工具访问权限。第二名：Consensus — 为 ICP 设计协议级 HTTP 代理，实现高效且符合共识的外部 API 通信。第三名：Ad Network — 提供完全链上广告协议，支持去中心化广告和为开发者提供透明奖励。
肯尼亚奖项获得者
第一名：Optic — 展示了一个去中心化聊天平台，该平台集成了 DeFi 投资池，允许用户在 ICP 聊天中直接赚取奖励。第二名：OHMS — 支持使用自主代理和 ICP 上传、运行和货币化链上 AI 模型。第三名：AfriTokeni — 通过基于区块链的代币激励气候智能型农业，这些代币可以验证和奖励可持续的农业实践。
尼日利亚奖项获得者
第一名：Riverr Finance — 在 ICP 区块链上原生支持 BTC 和 ETH 衍生品的去中心化交易。第二名：REXX — 提供现实世界资产的资产代币化，并利用人工智能驱动的投资洞察和 ICP 自动化。第三名：Café — 为 Web3 团队提供了一个去中心化的、人工智能支持的平台，用于代码协作、文档编写、聊天和开发协助。
越南奖项获得者
第一名：CharClub Candid Curio — 为可验证的数字体验和短暂艺术提供去中心化的互动平台，专注于体验而非交易。第二名：Dtrack 应用 — 为加密货币和 NFT 提供投资组合跟踪仪表板，采用去中心化存储用户数据。第三名：OfficeX — 提供以隐私为中心的开源文档编辑和存储套件，无需注册即可运行，并且完全去中心化。
印度尼西亚奖项获得者
第一名：Fradium — 通过将 AI 驱动的威胁检测与社区对交易信任的投票相结合，增强 Web3 安全性。第二名：PeridotVault：下一代游戏，由人工智能驱动 — 将人工智能驱动的个性化和去中心化资产管理集成到桌面游戏平台中，支持 Web2 和 Web3 游戏。第三名：Plantify — 通过股权代币化平台实现创业投资民主化，旨在提高投资透明度和可及性。
印度奖项获得者
第一名：Reputation Dao — 使用灵魂绑定积分创建去中心化、防篡改的声誉系统，实现透明的信任评分。第二名：CannisterDrop — 提供去中心化 CDN，用于在 ICP 区块链上托管和交付 Web 资产。第三名：InheritNext — 使用跨链继承金库，在死亡或丧失行为能力时提供自动、安全的数字资产转移。
乌克兰和波兰奖项获得者
第一名：AlfaAPY — 在 ICP 上自动重新分配 DeFi 协议间的资金，以优化收益。第二名：voyager — 支持去中心化服务发现，允许用户和 AI 代理在没有中央互联网机构的情况下进行交互。第三名：PikaGoVPN — 一款去中心化 VPN，具有 AI 驱动的安全分析、服务器租赁和基于区块链的端点监控功能。
菲律宾和韩国奖项获得者
第一名：SpotQuest — 通过照片谜题将地理学习游戏化，为地理定位教育数据集做出贡献，并使用区块链奖励用户。第二名：KnowFi — 提供易于访问的 Web3 学习环境，包含区块链和 ICP 的课程和模块。第三名：QikCard — 使用 NFC 和 ICP 进行数字资产管理，将实体活动参与与链上成就联系起来。
中国奖项获得者
第一名：DawnPickCFD — 可在 ICP 上进行以 RWA 为支撑的衍生品的去中心化、盘后交易，并提供杠杆合约。第二名：ALAYA-AI creator’s kickstarter — 开发一个用于协作人工智能和语音智能的去中心化网络，利用区块链激励机制为硬件和软件贡献者提供奖励。第三名：ZeroLock — 提供由 DAO 管理的链上 AI 支持的漏洞赏金框架和多代币奖励，以增强 Web3 安全性。
保加利亚奖项获得者
第一名：Merodocs — 实现了去中心化的点对点电子签名工作流程，具有隐私性和独立文档签名功能，消除了集中式监管。第二名：Internet of Buildings on ICP — 将 ICP 上真实世界开发环境的组件代币化，从而实现精细级别的可编程资产管理。第三名：Context Protocol — 提出了一种去中心化的名称服务，将社区身份与 AI 服务器连接起来，以便在新兴的互联网生态系统中进行安全验证和发现。
英国奖项获得者
第一名：VaultStamp — 为知识产权保护建立基于区块链的带时间戳的数字资产创建证明。第二名：Bonded — 使用人工智能以加密方式验证人际关系，简化移民签证处理和相关申请流程。第三名：GhostKeys — 为用户和 AI 代理提供去中心化的加密密钥管理库，作为传统密钥基础设施的替代方案。
葡萄牙奖项获得者
第一名：Polychain — 为 DeFi 提供了一种后量子、跨链的 Layer 2 解决方案，融合了量子安全密码学、隐私和 MEV 保护。第二名：Icpjobs.com — 运营一个基于区块链的自由职业者平台，具有人工智能驱动的工作匹配、协作和支付功能。第三名：ChainPredict ICP — 为 ICP 开发人工智能驱动的链上预测市场，具有自动生成市场、分析、社交和游戏化功能。
全球奖项获得者
第一名：Neuron Bot — 为 ICP 社区提供基于权益的 Discord 访问权限，实现原生、安全的 DAO 治理。第二名：Nisto — 提供模块化 AI 智能钱包和社交 DeFi 平台，在 ICP 上具有可扩展功能。第三名：OpenKeyHub — 构建了一个去中心化、抗审查的 GitHub 替代方案，为开发者提供链上身份、奖励和协作工具。
这些成果突显了所解决的技术挑战范围之广，涵盖了从去中心化金融和数字版权管理到人工智能开发工具和隐私解决方案等诸多方面，完整的项目详情和更多信息可在以下网址获取：
https://dorahacks.io/hackathon/wchl25-qualification-round/buidl
关于主办方 - 世界计算机黑客联盟（WCHL）
由 ICP 主办的世界计算机黑客联盟（WCHL）是一项全球性的多级别黑客马拉松，旨在汇聚顶尖科技人才，该赛事奖金池高达 30 万美元，为展示新兴技术领域的创新成果提供了一个平台。

#ICP生态 #DoraHacks #WCHL25 #AI #RWA赛道

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

加密货币领域一个隐形的问题
想象一下，如果有人让你签署一份完全用二进制代码写成的法律合同，你会作何感想？没有姓名，没有条款，没有上下文 - 只有一行行的数字和字母，你肯定不会签。
然而，在 Web3 时代，每天都有数百万用户这样做，当钱包只显示“合约交互”和一串十六进制数据时，人们会在不知情的情况下点击“批准”，却不知道自己是在发送代币、授予无限权限，还是将控制权拱手让给恶意程序。
这就是盲签问题，也是当今区块链应用中最大的安全漏洞之一。

盲签的真正含义
盲签之所以发生，是因为智能合约调用被压缩成不透明的二进制有效载荷，钱包通常以原始数据（模糊的字符）的形式显示这些数据，使用户无法清楚地了解他们同意的内容。
后果非常严重：诈骗、网络钓鱼攻击和意外批准已经从毫无戒心的用户手中骗走了数十亿美元。
为了了解这个问题是如何发展的，让我们来看看三个主要的区块链生态系统：以太坊、Solana 和互联网计算机（ICP）。
以太坊：强大但晦涩难懂
以太坊开创了可编程货币的先河，但实际上，交易只编码了两件事：
函数选择器（前 4 个字节）参数列表（32 - 字节词）
要解码这些字节，钱包需要 ABI（应用程序二进制接口）- 一种解释这些字节含义的蓝图。
缺陷在于：ABI 没有存储在链上，如果开发者没有发布 ABI，或者没有在 Etherscan 等浏览器上列出，钱包就无法获取 ABI 信息。
这就是为什么许多以太坊交易只显示为“合约交互”，用户最终签署的是没有上下文的十六进制代码 - 有时甚至会批准无限的代币额度，或者更糟糕的情况。
Solana：使用 IDL 进行部分修复
Solana 的交易结构有所不同，每笔交易都包含指令：被调用的程序、涉及的账户以及一个输入数据的块。
为了规范流程，Anchor 框架引入了 IDL（接口定义语言文件），这些 JSON 模式描述了程序的方法和参数，使得像 Phantom 这样的钱包能够呈现更清晰的提示：
“从您的钱包向 0x… 转账 50 USDC”
但这里有个问题，IDL 是可选的，在 Anchor 之外构建的程序不会发布 IDL，用户又回到了盲签的境地，虽然比以太坊好，但仍然不完善。
ICP：透明设计
互联网计算机走了一条不同的道路，它的智能合约（称为容器）通过 Candid （一种强类型、自描述的接口语言）公开其方法。
有了 Candid：
函数名称、参数和返回类型都是容器本身的一部分钱包和前端始终可以从链上获取此模式每一次通话都可以被解码并以明文形式显示
这并非附加功能，而是协议层面的保障，盲签不是仅被减少，而是从设计上就被彻底消除。
并排比较

为什么这很重要
以太坊选择了极简主义，将可读性留给了钱包和浏览器。
Solana 通过可选工具进行了改进，但仍然存在不足。
ICP 将可解释性作为协议的首要特性。
教训很明确：当要求人们转移资金或授予权限时，系统本身必须确保他们完全理解自己同意的内容。
前路漫漫
盲签是 Web3 中最隐蔽但却最危险的问题之一，除非所有区块链交易都能用人类能理解的方式解释，否则用户将始终面临风险。
以太坊和 Solana 都在不断发展，但如今，ICP 展示了透明、自描述合约是什么样的最清晰的范例。
因为归根结底，任何人都不应该被要求签署一份自己看不懂的合约。

#以太坊 #Solana #ICP #盲签

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