مع توسع الذكاء الاصطناعي في استنزاف موارد الحوسبة، إثباتات ZK تتخطى حدود وحدات معالجة الرسوميات — رئيس Cysic
بدأت أنظمة إثبات المعرفة الصفرية (ZK Proofs) في منافسة مراكز البيانات العملاقة المتخصصة في الذكاء الاصطناعي على نفس وحدات معالجة الرسوميات (GPUs)، مما أدى إلى ارتفاع تكاليف إنشاء الأدلة، حتى مع إعلان شركة “سيسيك” (Cysic) عن تحقيق تحسن بنسبة 9% في الأداء من خلال تحسين استخدام الأجهزة.
أوضح ليو فان، المؤسس والرئيس التنفيذي لشركة سيسيك، أن استخدام وحدات معالجة الرسوميات أصبح عقبة رئيسية أمام إثباتات المعرفة الصفرية، لأن أنظمة الإثبات تتنافس الآن مع مراكز بيانات الذكاء الاصطناعي الضخمة الممولة بكثافة على نفس الرقائق الإلكترونية.
وأشار فان إلى أن الضغط لا يأتي فقط من نقص القدرة الحاسوبية، بل المشكلة الأساسية تكمن في عدم التوافق البنيوي بين برامج zkVM (الآلة الافتراضية للمعرفة الصفرية) والمسرعات المستخدمة لتوليد الأدلة، مما يترك جزءًا من قدرة وحدات معالجة الرسوميات غير مستخدم ويرفع تكلفة كل دليل.
كشف محرك “فينوس” (Venus) من سيسيك عن هذا الخلل من خلال تقليص الوقت المستغرق في تنسيق العمل بين المعالجات المركزية (CPUs) ووحدات معالجة الرسوميات (GPUs). وكما تم الإعلان في أبريل، سجلت الشركة تحسنًا في وقت إنشاء الدليل بأكثر من 9% مقارنة بنظام ZisK 0.16.1 دون استبدال الأجهزة الأساسية.
تكلفة إثبات المعرفة الصفرية أصبحت أهم من السرعة الخام
صُمم محرك “فينوس” كامتداد يركز على الأجهزة لنظام ZisK zkVM الخاص بـ Polygon Hermez، ويمثل عملية توليد الدليل كرسم بياني حاسوبي متصل واحد. وتقول سيسيك إن هذا التصميم يسمح للنظام بجدولة العمل عبر عملية الإثبات الكاملة بدلاً من التعامل مع كل وظيفة أجهزة كاستدعاء منفصل.
من خلال دمج تقنية CUDA Graph، وضبط النواة، وتحسينات الذاكرة المشتركة، يقلل “فينوس” من عمليات نقل البيانات المتكررة والمزامنة بين المعالج ووحدة معالجة الرسوميات. وقال فان إن النتيجة تظهر أن المسرعات الحالية لم تكن مستخدمة بالكامل، مما يجعل الاستغلال الأمثل هو العائق العملي وراء تكاليف الإثبات.
سرعة الإثبات ومتطلبات إيثيريوم
تحسنت سرعة الإثبات الخام بسرعة عبر الصناعة. وقد صرحت سيسيك أن نظام ZisK يمكنه توليد دليل كتلة إيثيريوم في 7.4 ثوانٍ باستخدام 24 وحدة معالجة رسوميات، ويمكنه تقديم أدلة في الوقت الفعلي عبر إعداد ببطاقة RTX 4090 واحدة. هذه الادعاءات صادرة من الشركة ولم يتم اختبارها بشكل مستقل وفق معيار موحد يغطي استخدام الطاقة وحجم الدليل ومستوى الأمان والتكلفة الإجمالية للأجهزة.
كما تمكن مطورون آخرون من تجاوز عتبة الوقت الفعلي لإيثيريوم. ففي نوفمبر 2025، أعلنت شركة “سوسينكت” (Succinct) أن نظام SP1 Hypercube أثبت 99.7% من عينة إيثيريوم مكونة من 954 كتلة في أقل من 12 ثانية باستخدام 16 وحدة معالجة رسوميات من نوع Nvidia RTX 5090. وتم إثبات حوالي 95.4% من العينة في غضون 10 ثوانٍ.
تعرف مؤسسة إيثيريوم إثبات الوقت الفعلي بأنه إكمال الأدلة لما لا يقل عن 99% من كتل الشبكة الرئيسية في غضون 10 ثوانٍ. ويتطلب إطارها أيضًا كودًا مفتوح المصدر بالكامل، وأحجام أدلة أقل من 300 كيلوبايت، وأمانًا لا يقل عن 128 بت، وأجهزة لا تتجاوز تكلفتها 100,000 دولار، واستهلاك طاقة محدود بـ 10 كيلوواط.
وذكرت المؤسسة أن استخدام الطاقة قد يكون قيدًا أكثر خطورة من تكلفة المعدات للمُثبتين المنزليين. فقد يصل الدليل قبل الموعد النهائي لإيثيريوم مع استمرار حاجته إلى طاقة أو تبريد أو رأس مال أكثر مما يستطيع المشغل المستقل تحمله.
الطلب على الذكاء الاصطناعي يقيد الوصول إلى وحدات معالجة الرسوميات
على الرغم من أن الذكاء الاصطناعي وإثبات المعرفة الصفرية يستخدمان وحدات معالجة الرسوميات بشكل مختلف، إلا أن كلا الحملين يعتمدان على مسرعات Nvidia، بدءًا من بطاقات RTX الاستهلاكية وصولاً إلى الرقائق المتطورة. وتستثمر شركات التعدين والبنية التحتية للعملات المشفرة بشكل متزايد في هذا المجال.
ففي أوائل عام 2025، سعت مبيعات سندات Nvidia المخطط لها إلى جمع 20 مليار دولار على الأقل لتمويل استثمارات الذكاء الاصطناعي وإعادة تمويل الديون. كما أعلنت شركات تعدين البيتكوين عن عقود تجاوزت 70 مليار دولار في مجال الذكاء الاصطناعي والحوسبة عالية الأداء، مما يوضح كيف يقوم مالكو البنية التحتية المرتبطة بالعملات المشفرة أيضًا بتحويل الطاقة والمرافق نحو أحمال عمل الذكاء الاصطناعي.
ذكر تقرير صادر عن Bernstein في مايو أن الشراكات المعلنة في مجال البنية التحتية للذكاء الاصطناعي وصلت إلى ما يقرب من 90 مليار دولار. وقدّر المحللون أن عمال مناجم البيتكوين يسيطرون على أكثر من 27 جيجاواط من القدرة الكهربائية المخطط لها، مقارنة بحوالي 3.7 جيجاواط مرتبطة باتفاقيات الذكاء الاصطناعي المعلنة، بينما قد يستغرق ربط بعض الشبكات الكهربائية الأمريكية ما يصل إلى 50 شهرًا.
حلول التجميع وإثباتات الوقت الفعلي تتحمل الضغط أولاً
قال فان إن إثبات الطبقة الأولى في الوقت الفعلي يقع في مقدمة ضغط التكاليف لأنه يتطلب وحدات معالجة رسوميات لإنتاج دليل جديد لكل كتلة. وأي تأخير قد يتسبب في تفويت المُثبت للحد الزمني للشبكة، لذلك يحتاج المشغلون إلى قدرة احتياطية بالإضافة إلى أجهزة كافية للطلب العادي.
تليها حلول التجميع للمعرفة الصفرية (ZK-rollups) وأسواق الإثبات لأن ساعات استخدام وحدات معالجة الرسوميات تدخل مباشرة في نفقات التشغيل، وفي بعض الحالات، رسوم المستخدمين. وقدّر تحليل سابق لتكاليف الإثبات أن توليد الدليل يمثل 60% إلى 70% من الرسوم على شبكات الطبقة الثانية المعتمدة على المعرفة الصفرية، استنادًا إلى بيانات L2Beat.
وفقًا للتحليل نفسه، قد يستغرق توليد دليل لمجموعة من 4000 معاملة من دقيقتين إلى خمس دقائق على وحدة معالجة رسوميات Nvidia A100 ويكلف ما بين 0.04 و0.17 دولار في رسوم الحوسبة السحابية. وتعتمد الأرقام على نظام الإثبات، ومجموعة المعاملات، وتكوين الأجهزة، وسعر السحابة.
وضع فان تطبيقات التعلم الآلي للمعرفة الصفرية (zkML) بين التطبيقات الأكثر تعرضًا للخطر لأنها تجمع بين حمل عمل الذكاء الاصطناعي والتكلفة الإضافية لإثبات أن النموذج عمل بشكل صحيح. وبالنسبة للمدفوعات الخاصة والألعاب على السلسلة والمنتجات الاستهلاكية الأخرى، قال إن الاقتصاديات تتطلب غالبًا أن تكون تكاليف الإثبات محسوبة بالبنسات.
وأضاف فان: “هل يمكن للتكلفة أن تحد من التبني؟ نعم عند الحواف”، مشيرًا إلى أن المدفوعات الخاصة والألعاب ستتأجل أولاً عندما لا تعود اقتصادياتها مجدية.
يمكن أن يؤثر ضغط التكلفة أيضًا على عدد الكيانات القادرة على تشغيل المُثبتين. قال فان إن أكثر من 90% من شبكات الطبقة الثانية المعتمدة على المعرفة الصفرية تعتمد على مجموعة صغيرة من خدمات الإثبات، لكن هذا التقدير يتطلب مجموعة بيانات محددة ويجب التعامل معه كتقييم من سيسيك.
الـ FPGA و ASIC للمعرفة الصفرية توفر مسارًا بديلاً للأجهزة
استجابت سيسيك من خلال تطوير أنظمة خلفية متعددة بدلاً من الاعتماد فقط على وحدات معالجة الرسوميات. يتضمن مستودع “فينوس” العام تحسينات لوحدات معالجة الرسوميات، ونظامًا خلفيًا كاملاً لتسريع FPGA، وتنفيذًا مبكرًا موجهًا نحو ASIC.
يحتوي النظام الخلفي لـ FPGA على نوى للحساب الميداني Goldilocks، وتحويلات NTT، وPoseidon2، وأشجار Merkle، وFRI وتقييم التعبيرات. يستهدف الكود أجهزة AMD UltraScale+ وVersal ذات الذاكرة عالية النطاق وهو متاح بموجب تراخيص Apache 2.0 وMIT.
على عكس ASIC، يمكن إعادة برمجة FPGA بعد الإنتاج، مما يسمح للمطورين بتحديث الدوائر وتجربة أنظمة إثبات جديدة. توفر رقائق ASIC المخصصة مرونة أقل ولكنها يمكن أن تقدم أداءً وكفاءة طاقة أفضل عند تصميمها لمجموعة مستقرة من عمليات المعرفة الصفرية.
قال فان إن الانتقال إلى FPGA و ASIC للمعرفة الصفرية سيبعد مشغلي الإثبات عن قائمة انتظار أجهزة الذكاء الاصطناعي الرئيسية. كما أن الأجهزة المتخصصة ستتجنب دفع ثمن وظائف وحدات معالجة الرسوميات التي لا تحتاجها أحمال عمل المعرفة الصفرية، على الرغم من أن تكاليف التطوير وأحجام التصنيع المحدودة تظل عقبات.
فتح البرنامج هو جزء واحد من نهج سيسيك. تقترح الشركة أيضًا سوقًا عالميًا للمُثبتين يمكن للأجهزة المتنوعة من الأجهزة المحمولة إلى المجموعات الاحترافية قبول المهام فيه، مع أنظمة خلفية لوحدات معالجة الرسوميات وFPGA تقلل الاعتماد على فئة رقائق واحدة.
قال فان إن التحقق المشفر يعني أن المُدقق يرفض أي دليل غير صالح بغض النظر عن المشغل الذي أنتجه. لذلك، فإن فتح المشاركة لا يغير سلامة نظام الإثبات، لكنه يزيد التعرض لأخطاء التنفيذ في الكود غير المدقق أو غير المكتمل.
توضح سيسيك في مستودع “فينوس” أن المشروع لا يزال قيد التطوير النشط. وقال فان إن التدقيق والتكوينات المتعددة للمُثبتين ستكون ضرورية للحد من مخاطر التنفيذ.
مشروع EIP-8025 الأولي سيسمح لمصدقي إيثيريوم بالاشتراك في توليد أو التحقق من أدلة التنفيذ بينما تبقى إعادة تنفيذ الكتل التقليدية قائمة. يقدم الاقتراح قناة لنشر الأدلة وعقد إثبات خارجية، لكن نسخته الحالية لا توفر حوافز للمشغلين الذين يولدون الأدلة ويبثونها.
الأسئلة الشائعة
س: لماذا ترتفع تكاليف إثبات المعرفة الصفرية؟
ج: ترتفع التكاليف لأن أنظمة إثبات المعرفة الصفرية تتنافس مع مراكز بيانات الذكاء الاصطناعي الضخمة على نفس وحدات معالجة الرسوميات، كما أن هناك مشكلة في عدم الاستخدام الكامل للقدرة الحاسوبية المتاحة بسبب عدم التوافق بين البرامج والأجهزة.
س: ما هو تعريف إثبات الوقت الفعلي في إيثيريوم؟
ج: تعرف مؤسسة إيثيريوم إثبات الوقت الفعلي بأنه إكمال الأدلة لما لا يقل عن 99% من كتل الشبكة الرئيسية في غضون 10 ثوانٍ، مع اشتراطات إضافية تشمل كودًا مفتوح المصدر وأمانًا لا يقل عن 128 بت وتكلفة أجهزة أقل من 100,000 دولار.
س: ما هي البدائل المتاحة لوحدات معالجة الرسوميات لإثبات المعرفة الصفرية؟
ج: تتوفر بدائل مثل FPGA التي يمكن إعادة برمجتها بعد الإنتاج، ورقائق ASIC المخصصة التي توفر أداءً وكفاءة طاقة أفضل لمجموعة ثابتة من عمليات المعرفة الصفرية، مما يقلل الاعتماد على وحدات معالجة الرسوميات المستخدمة في الذكاء الاصطناعي.
