gmsor 傳奇。 @cysic_xyz 在零知識（Zero-Knowledge, ZK）基礎設施領域提出了以硬體加速為前提的全棧方法。通過將自家設計的 ASIC 和優化的 GPU 堆疊與分散的證明者網絡及專用的共識·結算層（基於 Cosmos SDK 的鏈）結合，與以軟體為中心的現有項目形成差異。根據公開的數據，測試網上有 136 萬人參與，生成了超過 700 萬筆的證明，並吸引了累計 1800 萬美元的投資。該項目基於這一基礎設施，並行推進將計算資源代幣化以實現收益的 ComputeFi 模型（數位計算立方體）。 在架構方面，Cysic 通過名為「Proof-of-Compute」的共識機制，將工作證明性質的計算難題用於證明者競爭，最終性則以基於股份的驗證來結束，旨在實現混合結構。工作分配方面則利用 VRF 來確保公平性，測試網上觀察到約 4 萬 1800 個活躍的證明者。性能上的優勢包括將 ZK 核心運算如 Keccak、MSM/NTT 等通過 ASIC·CUDA 核心加速，證明速度較 CPU 提升 52–100 倍，成本方面則提出最多可降低 90% 的驗證成本。這在高負載工作負載如 Rollup、Bridge、ZKML（可驗證的 AI 推理）等方面意義重大。 在競爭格局中，Aleo 和 Mina 分別作為隱私 L1 和輕量級零知識鏈已經運行主網，並以軟體抽象化和可及性為優勢。Giza 專注於 Starknet 上的 ZKML·代理協調。Cysic 與這些相比，硬體·網絡的垂直整合，以及針對大規模並行證明的優化，旨在滿足高處理量·企業型需求。然而，由於 Cysic 仍處於預主網階段，因此在實際運營環境中的穩定性·經濟性仍需進一步驗證。 ComputeFi 模型是將物理計算資源（GPU/ASIC）以 NFT 形式的股份（數位計算立方體）進行代幣化以分配收益的結構。立方體持有者將按比例分配來自 ZK 證明、AI 推理及部分挖礦工作所產生的收益。預計在 2025 年 8 月的銷售中，將有 2 萬 1392 個被索取，並估計將產生數百萬美元的初始資金流入。該模型的目的是將閒置的硬體轉換為鏈上可驗證的生產資產。 在需求方面，理論上預測到 2030 年每年將有 870 億至 900 億筆的 ZK 證明需求，並且可驗證的 AI（模型完整性·輸出證明）和隱私保護型計算（醫療·金融數據處理）也被提及為增長動因。Cysic 公開了與 Scroll、Succinct、Herodotus 等的夥伴關係，暗示在 Rollup·協處理器領域的應用可能性。測試網指標（參與者規模、證明筆數、證明者組成）顯示出潛在的處理能力，但經濟激勵是否能在長期內抵消實際成本（硬體折舊·電力費用）仍需在主網之後觀察。 風險因素可分為三個方面。首先是硬體採用的障礙。加速裝置的前期投資成本、CUDA·ZK 堆疊運營能力的人力限制以及電力費用的波動性可能限制證明者的擴展速度。其次是與以軟體為中心的替代方案的競爭。zkVM、STARK 系列、雲服務提供商的 ZK 服務推出·更新週期快，企業客戶傾向於選擇低延遲·現有認證體系（SOC2/ISO 等）。第三是預主網的執行風險。代幣經濟學的市場驗證、實際需求（證明訂單量）的持續性、安全性（側信道·電路漏洞）及網絡生存性（證明者合謀·可用性）等僅在運營階段才能明確。 總結來說，Cysic 正在通過硬體加速 + 分散證明者市場 + 專用鏈的垂直整合策略，試圖改善 ZK 基礎設施的成本結構和處理限制。測試網數據和夥伴關係支持了技術·市場潛力，但由於仍處於主網之前階段，性能·安全性·經濟性的實證是當前的首要任務。在需要高處理量的 Rollup 證明、接近實時的可驗證 AI 推理、以及符合監管的隱私計算等領域，可能會顯示出性能上抵消成本的優勢。相對而言，在重視開發友好性和通用可及性的中小型·輕量級工作負載中，軟體優先的方式可能更具優勢。未來的成敗將取決於硬體網絡的臨界質量確保（例如：數萬至數十萬 GPU 級）、證明需求的穩定創造，以及持續保持芯片·軟體優化的優勢。