ในเดือนเมษายน Vitalik ได้เข้าร่วมการประชุมสุดยอด Hong Kong Blockchain Summit และกล่าวสุนทรพจน์ในหัวข้อ "Reaching the Limits of Protocol Design" ซึ่งเขาได้เน้นย้ําถึงศักยภาพของ ZK-SNARKs ภายในแผนงาน Danksharding ของ Ethereum และหารือเกี่ยวกับบทบาทที่มีแนวโน้มของชิป ASIC ในการเร่งกระบวนการ ZK ก่อนหน้านี้ Zhang Ye ผู้ร่วมก่อตั้ง Scroll แนะนําว่าแอปพลิเคชันที่มีศักยภาพของ ZK อาจยิ่งใหญ่กว่าในภาคดั้งเดิมมากกว่าใน Web3 โดยมีความต้องการอย่างมากในด้านต่างๆเช่นคอมพิวเตอร์ที่เชื่อถือได้ฐานข้อมูลฮาร์ดแวร์ที่ตรวจสอบได้การตรวจสอบเนื้อหาและ zkML หากการสร้างหลักฐาน ZK แบบเรียลไทม์เป็นไปได้อาจนําไปสู่การเปลี่ยนแปลงที่เปลี่ยนแปลงทั้งใน Web3 และอุตสาหกรรมดั้งเดิม อย่างไรก็ตามจากมุมมองของประสิทธิภาพและต้นทุนการยอมรับ ZK อย่างแพร่หลายยังคงมีอยู่บ้าง

ในปี 2022 บริษัทจัดการทุน Risk Capital ชั้นนำ a16z และ Paradigm ได้เผยแพร่รายงานเน้นความสำคัญของ ZK hardware acceleration Paradigm ไปถึงขั้นตอนที่ทำนายว่ารายได้ในอนาคตสำหรับ ZK miners อาจเทียบเท่ากับของ Bitcoin หรือ Ethereum miners โดยที่มีโซลูชัน hardware acceleration ที่ใช้ GPU, FPGA, และ ASIC พร้อมที่จะเข้าสู่ตลาดที่สำคัญ ตามการเพิ่มขึ้นของ ZK Rollups เช่น Scroll และ Starknet กระบวนการขุดเหมืองที่ใช้ hardware acceleration กลายเป็นหัวข้อที่ฮอต และความสนใจมีการเพิ่มขึ้นกับการเริ่มเปิดตัวโครงการเช่น Cysic อย่างมาก

ด้วยความต้องการ ZK จํานวนมากมีแนวโน้มว่ากลุ่มการขุด ZK และโมเดล SaaS รุ่น ZKP แบบเรียลไทม์อาจก่อให้เกิดอุตสาหกรรมใหม่ ในตลาดเกิดใหม่นี้ผู้ผลิตฮาร์ดแวร์ ZK ที่มีความสามารถที่แข็งแกร่งและความได้เปรียบในการเสนอญัตติในช่วงต้นอาจกลายเป็น Bitmain ตัวต่อไปซึ่งครองด้านการเร่งฮาร์ดแวร์ Cysic โดดเด่นในฐานะหนึ่งในผู้เล่นที่มีแนวโน้มมากที่สุดในพื้นที่นี้ ทีมได้รับรางวัลที่โดดเด่นจากแพลตฟอร์มการแข่งขันเทคโนโลยี ZKP ZPrize และเริ่มให้คําปรึกษาสําหรับ ZPrize ในปี 2023 แผนงานของพวกเขาประกอบด้วยกลุ่มการขุด ZK ToB (ธุรกิจกับธุรกิจ) และฮาร์ดแวร์ ZK-Depin ของ ToC (ธุรกิจกับผู้บริโภค) ซึ่งดึงดูดการลงทุนจํานวนมากจาก VCs ชั้นนําเช่น Polychain, ABCDE, OKX Ventures และ Hashkey ส่งผลให้มีเงินทุนเกือบ 20 ล้านดอลลาร์

เมื่อ Cysic จะเตรียมเปิดตัว testnet ของตัวเองในช่วงปลายเดือนกรกฎาคมและเปิด ZK mining pool เสียงพูดถึง บริษัท กำลังปรากฏขึ้นในชุมชนต่าง ๆ บทความนี้มีวัตถุประสงค์เพื่อเป็นการแนะนำสินค้าและแนวคิดทางธุรกิจของ Cysic ให้คนมากขึ้นในขณะที่ให้ภาพรวมที่เข้าถึงได้ง่ายเกี่ยวกับหลักการเร่งความเร็วด้านฮาร์ดแวร์ ZK ในส่วนที่ตามมา เราจะกล่าวถึงส่วนสำคัญของ Cysic อย่างสั้น ๆ เพื่อให้ผู้อ่านเข้าใจได้ง่ายขึ้น

เข้าใจระบบพิสูจน์ ZK: มุมมองของการทำงาน

ระบบพิสูจน์ ZK (Zero-Knowledge) เป็นระบบที่ซับซ้อน แต่เราสามารถทำให้เข้าใจได้ง่ายๆ โดยการแยกออกมาตามฟังก์ชันและเวิร์กโฟลว์ นี่คือภาพรวมพื้นฐานของวิธีการทำงานของระบบที่ออกแบบมาเพื่อนำ ZK ไปใช้กับการคำนวณทั่วไป: ตัวเจ้าของกิจกรรมจะทำการโต้ตอบกับระบบ ZK ผ่านอินเตอร์เฟซด้านหน้าโดยการส่งเนื้อหาที่ต้องการพิสูจน์ ต่อมา อินเตอร์เฟซด้านหน้าจะแปลงเนื้อหานี้เป็นรูปแบบที่เหมาะสมสำหรับการประมวลผลโดยระบบพิสูจน์ ZK ระบบจะใช้ระบบพิสูจน์หรือกรอบงานที่เฉพาะเจาะจง (เช่น Halo2 หรือ Plonk) เพื่อสร้าง ZK Proof กระบวนการนี้รวมถึงขั้นตอนสำคัญหลายขั้นตอน:

1. การกำหนดปัญหา: ขั้นตอนแรกคือการระบุเนื้อหาที่ต้องการพิสูจน์โดยเฉพาะ ตัวอย่างเช่น ผู้พิสูจน์อาจอ้างว่าทราบหรือครอบครองข้อมูลบางอย่าง เช่น กล่าวว่า "ฉันทราบว่ามีคำตอบ N สำหรับสมการ F(x)=w" โดยไม่เปิดเผยค่าจริงของ N
2. การแปลงเลขคณิตและปัญหาความพึงพอใจข้อ จํากัด (CSP): หลังจากที่ผู้พิสูจน์ส่งเนื้อหาระบบจะสร้างแบบจําลองทางคณิตศาสตร์หรือโปรแกรมเฉพาะที่แสดงถึงเนื้อหาที่จะพิสูจน์ได้อย่างถูกต้อง สิ่งนี้จะถูกแปลงเป็นรูปแบบที่ระบบพิสูจน์สามารถประมวลผลได้ ตัวอย่างเช่น ข้อความ "I know a solution N to the equation F(x)=w" ถูกเปลี่ยนจากสมการทางคณิตศาสตร์ดั้งเดิมเป็นรูปแบบที่แสดงด้วยวงจรลอจิกเกตและพหุนาม

1. การคอมไพล์เป็น ZKP: ต่อไประบบจะเลือกระบบพิสูจน์ที่เหมาะสม เช่น Halo หรือ Plonk และคอมไพล์เนื้อหาที่สร้างไว้ก่อนหน้านี้เป็นโปรแกรม ZKP จากนั้น Prover จะใช้โปรแกรมนี้ในการสร้างพิสูจน์ซึ่ง Verifier จะตรวจสอบความถูกต้องของพิสูจน์นี้

สำหรับระบบเช่น zkEVM ที่ใช้งานร่วมกับ Ethereum Layer 2 solutions สัญญาอัจฉริยะถูกคอมไพล์เป็น bytecode ของ EVM (Ethereum Virtual Machine) ก่อน แต่ละ opcode จึงถูกแปลงเป็นวงจร Gate หรือเงื่อนไขโพลินอมเช่นกันก่อนที่จะถูกประมวลผลเพิ่มเติมโดยระบบพรูฟ ZK ด้านหลัง

สิ่งสําคัญคือต้องทราบว่า zk-SNARKs (Zero-Knowledge Succinct Non-Interactive Argument of Knowledge) เป็นเทคโนโลยี ZKP ที่ใช้กันมากที่สุดในบล็อกเชนในปัจจุบัน ZK Rollups จํานวนมากใช้ประโยชน์จากความรวบรัดของ SNARKs มากกว่าคุณสมบัติที่ไม่มีความรู้ ความรวบรัดหมายถึงความสามารถของ ZKP ในการบีบอัดข้อมูลจํานวนมากลงในไม่กี่ร้อยไบต์ซึ่งช่วยลดต้นทุนการตรวจสอบได้อย่างมาก สิ่งนี้ส่งผลให้เกิดความไม่สมดุลระหว่างปริมาณงานของ Prover และ Verifier: ในขณะที่ Prover สร้าง ZKP มีค่าใช้จ่ายสูง แต่ก็ค่อนข้างไม่แพงสําหรับ Verifier ในการตรวจสอบ ด้วยการใช้ประโยชน์จากความไม่สมมาตรนี้สถานการณ์ที่มี Prover หนึ่งตัวและ Verifiers หลายตัวสามารถลดต้นทุนโดยรวมในฝั่งของ Verifier ได้อย่างมาก โมเดลนี้มีประโยชน์อย่างยิ่งสําหรับการตรวจสอบแบบกระจายอํานาจตามที่จินตนาการโดยโซลูชันเลเยอร์ 2 ของ Ethereum

อย่างไรก็ตามค่าใช้จ่ายในการตรวจสอบการถ่ายข้อมูลในรูปแบบนี้เข้าสู่กระบวนการสร้าง ZKP ไม่ใช่วิธีรักษาทั้งหมด สําหรับโครงการ ZK Rollup ต้นทุนที่สูงในการสร้าง ZKP จะถูกส่งต่อไปยังประสบการณ์ของผู้ใช้และค่าธรรมเนียมการทําธุรกรรมอย่างหลีกเลี่ยงไม่ได้ซึ่งอาจขัดขวางการนํา ZK Rollups มาใช้ในระยะยาว แม้ว่า ZK จะมีศักยภาพในการตรวจสอบที่เชื่อถือได้และกระจายอํานาจ แต่สภาพเศรษฐกิจในปัจจุบันไม่สนับสนุนการใช้งานขนาดใหญ่ของ zkEVM, zkVM, ZK Rollups หรือ ZK bridges เนื่องจากข้อ จํากัด ด้านเวลาที่เกี่ยวข้องกับการสร้างหลักฐาน สิ่งนี้นําไปสู่การเพิ่มขึ้นของโครงการเร่งความเร็ว ZK เช่น Cysic, Ingonyama และ Irreducible ซึ่งแต่ละโครงการทํางานเพื่อลดต้นทุนของการสร้าง ZKP จากมุมที่แตกต่างกัน ในส่วนต่อไปนี้เราจะพูดถึงต้นทุนการคํานวณหลักและเทคนิคการเร่งความเร็วสําหรับการสร้าง ZKP สั้น ๆ และเหตุใด Cysic จึงมีศักยภาพที่สําคัญในพื้นที่เร่งความเร็ว ZK

ความท้าทายทางคำนวณ: MSM และ NTT

รู้กันทั่วไปว่าการสร้างพิสูจน์ในระบบ ZK ต้องใช้เวลาในการทำงานของ Prover ในโพรโตคอล ZK-SNARK อาจจะสามารถที่ Verifier จะสามารถที่จะตรวจสอบพิสูจน์ได้ในเพียงหนึ่งวินาที แต่ Prover อาจใช้เวลาครึ่งวันหรือแม้กระทั้งวันเต็มในการสร้างพิสูจน์นั้น ๆ เพื่อเพิ่มประสิทธิภาพการใช้การคำนวณ ZKP จำเป็นต้องแปลงรูปแบบการคำนวณจากโปรแกรมแบบคลาสสิคเป็นรูปแบบที่ใช้งานได้กับ ZK

ปัจจุบันมีสองวิธีหลักในการบรรลุเป้าหมายนี้: วิธีหนึ่งเกี่ยวข้องกับการเขียนวงจรโดยใช้เฟรมเวิร์กระบบพิสูจน์เช่น Halo2 ในขณะที่อีกวิธีหนึ่งเกี่ยวข้องกับการใช้ภาษาเฉพาะโดเมน (DSL) เช่น Cairo หรือ Circom เพื่อแปลการคํานวณเป็นรูปแบบกลางที่สามารถส่งไปยังระบบพิสูจน์ได้ ระบบพิสูจน์หลักฐานสร้างการพิสูจน์ ZK ตามวงจรเหล่านี้หรือรูปแบบกลางที่รวบรวมโดย DSL ยิ่งการดําเนินการซับซ้อนมากเท่าไหร่ก็ยิ่งใช้เวลาในการสร้างหลักฐานนานขึ้นเท่านั้น นอกจากนี้การดําเนินการบางอย่างโดยเนื้อแท้ ZK ไม่เป็นมิตรและต้องใช้ความพยายามเพิ่มเติมในการดําเนินการ ตัวอย่างเช่นฟังก์ชันแฮชเช่น SHA หรือ Keccak นั้นไม่เป็นมิตร ZKP ซึ่งหมายความว่าการใช้แฮชจะเพิ่มเวลาในการสร้างหลักฐาน แม้แต่การดําเนินการที่มีราคาไม่แพงในการดําเนินการบนคอมพิวเตอร์แบบคลาสสิกอาจไม่มีประสิทธิภาพสําหรับ ZKP

ไม่รวมงานที่ไม่เป็นมิตรของ ZK เหล่านี้คอขวดในกระบวนการสร้างหลักฐานค่อนข้างคล้ายกันในระบบพิสูจน์ที่แตกต่างกัน มีงานคํานวณหลักสองงานที่ใช้ทรัพยากรส่วนใหญ่ในการสร้างหลักฐาน ZK: MSM (Multi-Scalar Multiplication) และ NTT (Number Theoretic Transform) งานทั้งสองนี้สามารถคิดเป็น 80-95% ของเวลาการสร้างหลักฐานขึ้นอยู่กับรูปแบบความมุ่งมั่นของ ZKP และการใช้งานเฉพาะ MSM เกี่ยวข้องกับการคูณหลายสเกลาร์บนเส้นโค้งวงรีในขณะที่ NTT เป็น FFT (Fast Fourier Transform) บนฟิลด์ จํากัด ที่ใช้เพื่อเพิ่มความเร็วในการคูณพหุนาม การรวมกันของงานเหล่านี้ที่แตกต่างกันอาจส่งผลให้เกิดการกระจายโหลดที่แตกต่างกันระหว่าง FFT และ MSM ตัวอย่างเช่น Stark ใช้ FRI ซึ่งเป็นรูปแบบความมุ่งมั่นตามแฮชที่ไม่เกี่ยวข้องกับ MSM ซึ่งแตกต่างจากรูปแบบที่ใช้เส้นโค้งวงรีเช่น KZG หรือ IPA โดยทั่วไปยิ่งต้องมีการดําเนินการ FFT มากเท่าไหร่การดําเนินการ MSM ก็จะน้อยลงและในทางกลับกัน

กลยุทธ์การปรับปรุง

การทํางานของ MSM มีลักษณะการเข้าถึงหน่วยความจําที่คาดการณ์ได้ซึ่งช่วยให้สามารถขนานกันได้สูง แต่ต้องการทรัพยากรหน่วยความจําที่สําคัญ อย่างไรก็ตาม MSM ยังนําเสนอความท้าทายในความสามารถในการปรับขนาด แม้จะมีการขนานกัน แต่ก็ยังช้าได้ แม้ว่าการเร่งด้วยฮาร์ดแวร์จะช่วยเพิ่มความเร็วให้กับ MSM ได้ แต่ก็ต้องใช้หน่วยความจําจํานวนมากและทรัพยากรการประมวลผลแบบขนาน

NTT อีกด้านหนึ่งเป็นกระบวนการเข้าถึงหน่วยความจำแบบสุ่ม ซึ่งทำให้ไม่เหมาะสมกับการเร่งความเร็วด้วยฮาร์ดแวร์และท้าทายในการจัดการในระบบกระจาย สาเหตุเป็นเพราะความเป็นกระบวนการเข้าถึงแบบสุ่มของ NTT ต้องการเข้าถึงข้อมูลจากโหนดอื่นในสภาวะแบบกระจาย เมื่อต้องใช้การติดต่อเครือข่ายผลลัพธ์ทางด้านประสิทธิภาพอาจเสียหายอย่างรุนแรง

ดังนั้นการเข้าถึงและการเคลื่อนไหวของข้อมูลที่เก็บไว้กลายเป็นข้อจำกัดสำคัญที่จำกัดความสามารถในการทำงานของ NTT แบบพร้อมกัน ความพยายามสูงสุดในการเร่งความเร็วของ NTT โดยส่วนใหญ่เน้นการจัดการเมมโมรี่ในการแอบแฝงการคำนวณ

ในความเป็นจริงวิธีที่ง่ายที่สุดในการจัดการกับปัญหาคอขวดที่มีประสิทธิภาพของ MSM และ NTT คือการกําจัดการดําเนินการเหล่านี้โดยสิ้นเชิง อัลกอริธึมที่เสนอใหม่บางอย่างเช่น Hyperplonk ปรับเปลี่ยน Plonk เพื่อลบการทํางานของ NTT ทําให้ Hyperplonk เร่งความเร็วได้ง่ายขึ้นแม้ว่าจะทําให้เกิดปัญหาคอขวดใหม่ ตัวอย่างอื่น ๆ ได้แก่ โปรโตคอล sumcheck ที่มีราคาแพงในการคํานวณหรืออัลกอริทึม STARK ซึ่งกําจัด MSM แต่เพิ่มการคํานวณแฮชที่สําคัญผ่านโปรโตคอล FRI

ZK ฮาร์ดแวร์ Acceleration และเป้าหมายสุดท้ายของ Cysic

ขณะที่การปรับปรุงซอฟต์แวร์และอัลกอริทึมเป็นสิ่งที่จำเป็นและมีค่ามาก แต่มันก็มีข้อจำกัดชัดเจน ในการปรับปรุงความเป็นมีประสิทธิภาพของกระบวนการสร้าง ZKP การเร่งความเร็วด้วยฮาร์ดแวร์เป็นสิ่งสำคัญอย่างมาก เหมือนกับว่า ASIC และ GPU ประสิทธิภาพสุดท้ายสุดท้ายเอาชนะตลาดการขุดเหมือง BTC และ ETH

คำถามก็กลายเป็นว่า ฮาร์ดแวร์ที่ดีที่สุดสำหรับการเร่งความเร็วในการสร้าง ZKP คืออะไร? ปัจจุบันมีตัวเลือกฮาร์ดแวร์หลายตัวสำหรับการเร่งความเร็วในการสร้าง ZK เช่น GPUs, FPGAs หรือ ASICs แต่ละตัวก็มีข้อดีและข้อเสียของตัวเอง

เปรียบเทียบฮาร์ดแวร์ GPU, FPGA และ ASIC

เพื่อเข้าใจความแตกต่างในกระบวนการพัฒนาข้าม GPU, FPGA, และฮาร์ดแวร์ ASIC ให้พิจารณาตัวอย่างง่าย ๆ: การนำมาใช้การคูณแบบขนาน

• GPU: โดยใช้ CUDA SDK นักพัฒนาสามารถเขียนโค้ดที่ใช้ประโยชน์จากการคำนวณแบบขนานเหมือนกับการเขียนโค้ดภาษาเดิม
• FPGA: นักพัฒนาต้องเรียนรู้ภาษาบรรรทัดฮาร์ดแวร์ (HDL) เพื่อควบคุมการเชื่อมต่อระดับฮาร์ดแวร์ และนำขั้นตอนขั้นต่อไปในการทำงานพร้อมกัน
• ASIC: การจัดวางตัวของตัวแปรของชิปถูกกำหนดไว้ในระหว่างระหว่างการออกแบบและไม่สามารถแก้ไขได้ในภายหลัง

ทางเลือกฮาร์ดแวร์แต่ละตัวมีจุดแข็งและจุดอ่อนของตัวเอง ทำให้เหมาะสำหรับช่วงเวลาการพัฒนาเทคโนโลยี ZK ที่แตกต่างกัน ความมุ่งหวังของ Cysic คือการเป็นโซลูชันสุดยอดสำหรับการเร่งความเร็วของฮาร์ดแวร์ ZK โดยใช้กลยุทธ์แบ่งเฟส

1. GPU: พัฒนา SDK เพื่อให้การแก้ปัญหาสำหรับแอปพลิเคชัน ZK และรวมทรัพยากร GPU ในเครือข่าย
2. FPGA: ใช้ความยืดหยุ่นของ FPGA เพื่อสร้างฮาร์ดแวร์ ZK ที่ปรับแต่งได้อย่างรวดเร็ว
3. ASIC: พัฒนาอุปกรณ์ ZK Depin ที่ใช้ ASIC อย่างเสรี
4. Cysic Network จะรวมพลังการคำนวณทั้งหมดของ ZK Depin และ GPU เป็นแพลตฟอร์ม SAAS/mining pool เพื่อให้บริการพลังการคำนวณและการยืนยันสำหรับอุตสาหกรรม ZK ทั้งหมด

เรามาสำรวจหลายสาขาย่อยเหล่านี้เพื่อเข้าใจความแตกต่างระหว่างโซลูชันการเร่ง ZK และวิธีการพัฒนาของ Cysic ได้ดียิ่งขึ้น

โรงรวมการขุด ZK และแพลตฟอร์ม SaaS: Cysic Network

ทั้ง Scroll และ Polygon zkEVM ได้ предложил แนวคิดของ "decentralized Prover" ในแผนงานของพวกเขาซึ่งหมายถึงการสร้าง ZK mining pools ในอุดมการณ์ นี้ช่วยให้โครงการ ZK Rollup ลดภาระงานของพวกเขาในขณะที่ให้สิทธิให้ผู้ขุดแร่และผู้ดำเนินการ pool การขุดเหมืองที่จะปรับปรุงโซลูชัน ZK ได้อย่างต่อเนื่อง แผนงานของ Cysic รวมถึงการพัฒนา ZK mining pool และ SaaS platform ที่เรียกว่า Cysic Network ซึ่งจะรวมพลังคำนวณของ Cysic และดึงดูดทรัพยากรจากภายนอกผ่านการแร่ขุดรางวัลรวมถึง GPU ที่ว่างเปล่าและอุปกรณ์ zk DePIN ของผู้บริโภค ขบวนการตรวจสอบทั้งหมดทำงานไปตามวิธีต่อไปนี้

1. ส่งงาน: ทีมโครงการ zk ส่งงานสร้างพิสูจน์ให้แก่ตัวแทนซึ่งส่งงานไปยังเครือข่ายการตรวจสอบ ตั้งแต่เริ่มต้นตัวแทนเหล่านี้จะถูกดำเนินการโดย Cysic แต่ภายหลังการจัดการสินทรัพย์จะอนุญาตให้ใครก็ได้เป็นตัวแทน
2. การสร้างพิสูจน์: Prover ยอมรับงานและใช้ฮาร์ดแวร์ในการสร้างพิสูจน์ ZK Prover ต้องเดิมพันโทเค็นเพื่อเข้าร่วมและจะได้รับรางวัลหลังจากที่สำเร็จงาน
3. การตรวจสอบความถูกต้อง: คณะกรรมการตรวจสอบความถูกต้องตรวจสอบความถูกต้องของหลักฐานและลงคะแนน เมื่อถึงจํานวนคะแนนเสียงที่กําหนดหลักฐานจะถือว่าถูกต้อง ผู้ตรวจสอบความถูกต้องเข้าร่วมคณะกรรมการโดยการปักหลักโทเค็นมีส่วนร่วมในการลงคะแนนและรับรางวัล กระบวนการนี้อาจรวมแนวคิด AVS ของ EigenLayer เพื่อนําสิ่งอํานวยความสะดวก Restaking ที่มีอยู่กลับมาใช้ใหม่

กระบวนการปฏิสัมพันธ์อย่างละเอียดคือดังนี้

ในกระบวนการนี้การดําเนินการบางอย่างเช่นการปักหลักสินทรัพย์การกระจายสิ่งจูงใจและการส่งงานจําเป็นต้องมีแพลตฟอร์มเฉพาะที่รองรับโดยโครงสร้างพื้นฐานบล็อกเชน เพื่อตอบสนองความต้องการนี้ Cysic Network ได้พัฒนาห่วงโซ่สาธารณะโดยเฉพาะด้วยอัลกอริธึมฉันทามติที่ไม่เหมือนใครที่เรียกว่า Proof of Compute (PoC) อัลกอริทึมนี้ใช้ฟังก์ชัน VRF และประสิทธิภาพในอดีตของ Prover เช่นความพร้อมใช้งานของอุปกรณ์จํานวนหลักฐานที่ส่งความแม่นยําในการพิสูจน์ ฯลฯ เพื่อเลือกผู้ผลิตบล็อกที่รับผิดชอบในการสร้างบล็อก (บล็อกเหล่านี้มีแนวโน้มที่จะบันทึกข้อมูลอุปกรณ์และแจกจ่ายสิ่งจูงใจโทเค็น) นอกเหนือจากพูลการขุด ZK และแพลตฟอร์ม SaaS แล้ว Cysic ได้ทําการปรับใช้อย่างกว้างขวางในโซลูชันการเร่งความเร็ว ZK โดยใช้ฮาร์ดแวร์ที่แตกต่างกัน มาสํารวจความสําเร็จของ Cysic ในเทคโนโลยี GPU, FPGA และ ASIC

GPU, FPGA และ ASIC: การเปรียบเทียบ

สาระสําคัญของการเร่งฮาร์ดแวร์ ZK (Zero-Knowledge) อยู่ที่การเพิ่มความขนานของการคํานวณที่สําคัญ จากมุมมองของฮาร์ดแวร์ซีพียูได้รับการออกแบบมาเพื่อความยืดหยุ่นสูงสุดและการใช้งานทั่วไป อย่างไรก็ตามส่วนสําคัญของพื้นที่ชิปของ CPU นั้นทุ่มเทให้กับฟังก์ชั่นการควบคุมและแคชระดับต่างๆซึ่ง จํากัด ความสามารถในการประมวลผลแบบขนาน ในทางตรงกันข้ามสัดส่วนที่มากขึ้นของพื้นที่ชิปของ GPU จะถูกจัดสรรให้กับการคํานวณทําให้สามารถรองรับการประมวลผลแบบขนานขนาดใหญ่ได้ ขณะนี้ GPU พร้อมใช้งานอย่างกว้างขวางและไลบรารีเช่น Nvidia CUDA ช่วยให้นักพัฒนาสามารถใช้ประโยชน์จากความขนานของ GPU ได้โดยไม่จําเป็นต้องมีความรู้เชิงลึกเกี่ยวกับฮาร์ดแวร์พื้นฐาน CUDA SDK มีเฟรมเวิร์กสําหรับการเร่งการคํานวณ MSM (Multi-Scalar Multiplication) และ NTT (Number Theoretic Transform) โดยใช้ไลบรารี CUDA ZK

FPGA (Field-Programmable Gate Array) ใช้วิธีการที่แตกต่างกันซึ่งประกอบด้วยอาร์เรย์ของหน่วยประมวลผลขนาดเล็กจํานวนมาก ในการเขียนโปรแกรม FPGA นักพัฒนาต้องใช้ภาษาคําอธิบายฮาร์ดแวร์พิเศษ (HDL) ซึ่งจะถูกรวบรวมเป็นชุดวงจรทรานซิสเตอร์ โดยพื้นฐานแล้ว FPGA ใช้อัลกอริธึมเฉพาะโดยตรงผ่านวงจรทรานซิสเตอร์โดยข้ามกระบวนการรวบรวมของระบบการเรียนการสอนแบบดั้งเดิม วิธีนี้ให้การปรับแต่งและความยืดหยุ่นที่มากขึ้นเมื่อเทียบกับ GPU ปัจจุบันราคา FPGA อยู่ที่ประมาณหนึ่งในสามของราคา GPU และสามารถประหยัดพลังงานได้มากกว่าสิบเท่า ข้อได้เปรียบด้านประสิทธิภาพการใช้พลังงานนี้ส่วนหนึ่งเป็นเพราะ GPU จําเป็นต้องเชื่อมต่อกับอุปกรณ์โฮสต์ซึ่งโดยทั่วไปจะใช้พลังงานมาก FPGA สามารถเพิ่มโมดูลการประมวลผลเพิ่มเติมเพื่อตอบสนองความต้องการของ MSM และ NTT โดยไม่ต้องเพิ่มการใช้พลังงานทําให้เหมาะอย่างยิ่งสําหรับสถานการณ์การพิสูจน์ ZK ที่เน้นการคํานวณต้องการปริมาณข้อมูลสูงและต้องการเวลาตอบสนองต่ํา อย่างไรก็ตามความท้าทายที่ยิ่งใหญ่ที่สุดกับ FPGA คือความขาดแคลนของนักพัฒนาที่มีประสบการณ์การเขียนโปรแกรมที่จําเป็น สําหรับทีมโครงการ ZK การรวมทีมที่มีความเชี่ยวชาญด้านการเข้ารหัสและความรู้ด้านวิศวกรรม FPGA เป็นสิ่งที่ท้าทายอย่างยิ่ง

ASIC (Application-Specific Integrated Circuit) เป็นวงจรเฉพาะที่มีความเชี่ยวชาญมากที่สุดในบรรดาสามตัวนี้โดยพื้นฐานแล้วการใช้โปรแกรมทั้งหมดในฮาร์ดแวร์ เมื่อ ASIC ได้รับการออกแบบการกําหนดค่าฮาร์ดแวร์จะได้รับการแก้ไขและไม่สามารถเปลี่ยนแปลงได้ซึ่งหมายความว่าสามารถทํางานได้เฉพาะเท่านั้น ข้อดีของ FPGA ในการเร่ง MSM และ NTT ยังใช้กับ ASIC แต่เนื่องจาก ASIC ได้รับการออกแบบมาสําหรับแอปพลิเคชันเฉพาะจึงมีประสิทธิภาพสูงสุดและใช้พลังงานต่ําที่สุดในบรรดาตัวเลือกฮาร์ดแวร์ทั้งหมด สําหรับวงจร ZK กระแสหลักในปัจจุบัน Cysic ตั้งเป้าที่จะบรรลุเวลาพิสูจน์ 1-5 วินาทีซึ่งมีเพียง ASIC เท่านั้นที่สามารถส่งมอบได้ แม้ว่าประโยชน์เหล่านี้จะน่าสนใจอย่างมาก แต่เทคโนโลยี ZK ก็มีการพัฒนาอย่างรวดเร็ว และโดยทั่วไปแล้วการออกแบบและรอบการผลิตของ ASIC จะใช้เวลา 1-2 ปี และมีราคาระหว่าง 10 ล้านดอลลาร์ถึง 20 ล้านดอลลาร์ ดังนั้นการผลิตขนาดใหญ่ต้องรอจนกว่าเทคโนโลยี ZK จะเสถียรเพื่อหลีกเลี่ยงการผลิตชิปที่ล้าสมัยอย่างรวดเร็ว

เพื่อจัดการกับความท้าทายเหล่านี้ Cysic ได้ลงทุนอย่างครอบคลุมในฮาร์ดแวร์ทั้งสามประเภท: GPU, FPGA และ ASIC ในการเร่งความเร็ว GPU Cysic ได้ปรับให้เข้ากับการเกิดขึ้นของระบบพิสูจน์ ZK ใหม่ต่างๆผ่าน CUDA acceleration SDK ที่พัฒนาขึ้นเอง ด้วยการรวมทรัพยากรของชุมชน Cysic ได้เชื่อมต่อ GPU ระดับบนสุดหลายหมื่นตัวเข้ากับเครือข่ายคอมพิวเตอร์ GPU ทําให้ได้รับการปรับปรุงความเร็ว 50% -80% หรือมากกว่าเมื่อเทียบกับเฟรมเวิร์กโอเพ่นซอร์สล่าสุด ในพื้นที่ FPGA Cysic ได้พัฒนาโซลูชันที่กําหนดเกณฑ์มาตรฐานประสิทธิภาพระดับโลกสําหรับโมดูลต้นไม้ MSM, NTT และ Poseidon Merkle ซึ่งครอบคลุมส่วนประกอบที่สําคัญที่สุดของการคํานวณ ZK โซลูชันเหล่านี้ได้รับการทดสอบและตรวจสอบต้นแบบโดยโครงการ ZK ชั้นนําหลายโครงการ SolarMSM ที่เป็นกรรมสิทธิ์ของ Cysic สามารถทําการคํานวณ MSM ขนาด 2 ^ 30 ได้ในเวลาเพียง 0.195 วินาทีในขณะที่ SolarNTT สามารถทําการคํานวณ NTT ขนาด 2 ^ 30 ได้ใน 0.218 วินาทีทําให้เป็นผลลัพธ์การเร่งฮาร์ดแวร์ FPGA ที่มีประสิทธิภาพสูงสุดในปัจจุบัน

ในสายงาน ASIC ในขณะที่การใช้งานแพร่หลายของ ZK ASICs อาจยังอยู่ห่างอีกสักพัก แต่ Cysic ได้ตั้งตนเองในตลาดเติบโตนี้โดยการพัฒนาชิปและอุปกรณ์ ZK DePIN ของตนเอง ในการพยายามดึงดูดผู้ใช้งานทั่วไปและตอบสนองความต้องการในเรื่องประสิทธิภาพและความต้องการทางเงินทุนที่แตกต่างกันของโครงการ ZK ที่แตกต่างกัน Cysic มีแผนที่จะเสนอสองผลิตภัณฑ์ฮาร์ดแวร์ ZK: ZK Air และ ZK Pro

• ZK Air: อุปกรณ์นี้มีขนาดเล็ก คล้ายกับ power bank หรือเครื่องชาร์จแบตเตอรี่ของโน้ตบุ๊ก อนุญาตให้ผู้ใช้ทั่วไปเชื่อมต่อผ่านพอร์ต Type-C ไปยังโน้ตบุ๊ก เครื่อง iPad หรือแม้กระทั่งสมาร์ทโฟน เครื่องนี้สามารถให้การสนับสนุนทางคอมพิวเตอร์สำหรับโครงการ ZK ที่เฉพาะเจาะจงได้พร้อมที่จะได้รับรางวัลสำหรับผู้ใช้ แม้จะมีขนาดเล็ก แต่พลังคอมพิวเตอร์ของ ZK Air มีความสามารถที่เกินกว่า GPU ระดับผู้บริโภค ทำให้สามารถเร่งความเร็วของงานการสร้างพิสูจน์ ZK ขนาดเล็กได้
• ZK Pro: ออกแบบมาสำหรับการใช้งานที่หนักมากขึ้น ZK Pro คล้ายกับเครื่องขุดเหมืองแบบดั้งเดิมและมีพลังการคำนวณเทียบเท่ากับเซิร์ฟเวอร์หลาย GPU มันช่วยเร่งการสร้าง ZK proof อย่างมีนัยสำหรับโครงการขนาดใหญ่ เช่น ZK-Rollup และ ZKML (Zero-Knowledge Machine Learning) อย่างมีนัย

ผ่านอุปกรณ์สองตัวเหล่านี้ Cysic มีเป้าหมายที่จะสร้างเครือข่าย ZK-DePIN ที่เสถียรและเชื่อถือได้ ทั้ง ZK Air และ ZK Pro กำลังอยู่ในขั้นตอนการพัฒนา และคาดว่าจะเปิดตัวในปี 2025 นอกจากนี้ Cysic Network ยังจะทำให้ผู้ใช้บุคคลสามารถเข้าสู่ตลาดการเร่งความเร็วฮาร์ดแวร์ ZK ได้โดยมีอุป barriers ต่ำมาก ร่วมกับความต้องการสูงของกลุ่มโครงการ ZK ที่ต้องการพลังการคำนวณ นี่อาจเป็นจุดเริ่มต้นของความกระตือรือร้นเพิ่มขึ้นในตลาดการคำนวณ ZK อย่างรุนแรง ที่อาจเสนอการเติบโตอย่างรวดเร็วในตลาดการคำนวณ ZK

อ้างอิง

https://medium.com/amber-group/need-for-speed-zero-knowledge-1e29d4a82fcdhttps://figmentcapital.medium.com/accelerating-zero-knowledge-proofs-cfc806de611b

คำประกาศ:

1. บทความนี้ถูกนำเอามาจากGeek Web3. ลิขสิทธิ์เป็นของผู้เขียนต้นฉบับ [Nickqiao & Wuyue] หากมีการคัดค้านการพิมพ์ซ้ําโปรดติดต่อ Gate การเรียนรู้ ทีมงานและทีมงานจะดําเนินการทันทีตามขั้นตอนที่เกี่ยวข้อง
2. คำประกาศ: มุมมองและความเห็นที่แสดงในบทความนี้เป็นเพียงมุมมองและความเห็นของผู้เขียนเท่านั้น และไม่เป็นที่ปรึกษาการลงทุนใด ๆ
3. เวอร์ชันภาษาอื่นของบทความได้รับการแปลโดยทีม Gate Learn บทความที่ถูกแปลอาจไม่สามารถคัดลอก แจกจ่าย หรือลอกเลียน โดยไม่ระบุถึงGate.io.