index_cn
EXPchain：人工智能时代的可扩展信任
摘要
EXPchain 是一个去中心化的区块链协议，用于支持可扩展、可验证的 AI 应用。作为为 AI 而生的万物链，EXPchain 将零知识机器学习与智能证明框架相结合，以满足 AI 系统中不断增长的信任与问责需求。核心创新包括扩展者证明系统和 zkPyTorch。借助这些工具，实现了计算效率的显著提升，使在保护敏感数据和知识产权的同时实现 AI 验证成为可能。
EXPchain 基于零知识原生区块链基础架构，支持多项高级特性，实现无缝的 AI 工作流程，包括零知识跨链桥、零知识卷叠以及面向大型语言模型的零知识机器学习水印。平台优先考虑透明度、安全性和可扩展性，为金融、医疗和软件开发等关键领域建立信任。通过模块化架构和对道德规范的坚持，EXPchain 为未来去中心化、安全且可问责的 AI 系统奠定基础。
图1：EXPchain 为未来去中心化、安全和可问责的 AI 系统奠定基础。
- 引言
1.1 AI 信任的重要性
AI 已在各行各业发挥关键作用，从使用面部识别解锁手机、贷款审批到医疗诊断。这些进步潜力巨 大，但也带来挑战：如何确保 AI 系统的公平、准确、安全？如何在不牺牲透明度与问责性的前提下，通过有效的安全机制降低数据泄露风险？这些问题要求在 AI 系统中建立可验证的信任，并保护各方的敏感信息。
全球范围内，政府与机构正致力于对 AI 进行监管，如欧盟的人工智能法案与美国国家标准与技术研究院的 AI 风险管理框架。然而，传统方法往往需公开专有模型或敏感数据，在安全与信任之间难以平衡。零知识证明与零知识机器学习的研究为在不泄露底层数据或模型的同时实现对 AI 系统的验证提供了新途径。
Polyhedra Network 在 EXPchain 中提出了为零知识机器学习优化的互操作方案，将多年研究与实践经验融入其中，从而在无需暴露专有信息的前提下，为多种应用场景的 AI 行为与合规性提供可扩展、快速且安全的验证。
1.2 AI 与区块链的融合
到2030年，AI 市场预计可为全球经济贡献15.7万亿美元，而区块链同期的潜在价值约为3.1万亿美元。2022年，美国因软件质量不佳造成的损失至少达2.41万亿美元，AI 的失败进一步扩大风险，包括错误输出、数据泄露和网络攻击。这不仅是经济损失，也可能对个人造成伤害，如错误监禁、医疗误诊或偏见决策。
从数据输入到模型输出，确保每一步均可验证与问责，对释放 AI 的潜力并控制风险至关重要。
AI 与区块链的融合标志着去中心化技术的新范式。尽管 Groth16、Plonk 等零知识证明协议在可扩展性方面有所突破，但在复杂 AI 系统的实际部署中仍具挑战。扩展者证明系统与 zkPyTorch 等创新极大提高了计算效率，使实时验证 AI 成为可能。这些进步重塑了围绕训练、推理与验证的价值链，为构建安全、可扩展的 AI 工作流程奠定基础。
1.3 我们的愿景
Polyhedra Network 展望一个内生信任的 AI 与区块链未来。通过降低技术门槛并在 EXPchain 中运用强大的零知识工具，我们希望构建一个无需精通密码学即可开发安全应用的可信生态，使 AI 普及、可验证、可问责。
图2：期望未来所有 AI 都可验证，并在不损害数据安全的前提下实现个性化推理。
- 核心创新
2.1 扩展者证明系统：高效零知识证明器
扩展者证明系统在零知识机器学习性能上确立了新标杆，达成前所未有的高效与可扩展性：
- 在单线程 CPU 上，VGG-16 模型证明仅需2.2秒/图像
- 在单线程 CPU 上，Llama-3.1 8B 模型证明约需150秒/Token
- 比此前其他的系统速度快4个数量级
Polyhedra 预计在未来12-24个月内将大幅提升性能。我们正研发硬件加速方案与分布式证明基础设施，使多节点协同处理同一证明任务。通过这些创新，我们正稳步迈向实时证明，使证明生成速度匹配推理速度，从而消除用户延迟。这些性能提升使 AI 模型与计算的验证更加可行、经济，并适用于数据保护推理、合规审计等多样化需求。
2.2 扩展权益证明实现统一共识
扩展权益证明为 EXPchain 的共识核心，通过零知识跨链桥将不同区块链的质押机制统一为有机网络。
借助零知识证明，扩展权益证明在确保安全、透明的前提下实现全链质押与资产广泛流动，为高吞吐、无缝互操作的未来奠基。这不仅适用于 AI，也为各类去中心化工作流程提供高安全性与灵活性，并可无缝适配底层区块链架构。
2.3 zkPyTorch
zkPyTorch 将传统 AI 开发流程与零知识机器学习无缝衔接。自动化转换相关操作为零知识电路，大幅减少部署零知识功能所需时间和难度：
- 自动为常 见 AI 任务生成并优化电路
- 将开发周期由数月缩短至数天
- 与不断迭代的模型兼容，确保未来适应性
- 将证明生成时间减少99.99%以上
- 技术栈
3.1 零知识机器学习
零知识机器学习为 AI 模型提供密码学级验证，保证训练、推理、审计全过程的安全与可信：
- 可验证推理：无需暴露模型和数据即可验证结果
- 模型审计：在测试集上验证模型性能，确保公平与合规
- 训练验证：无需公开敏感输入即可确保训练合规
这一技术使系统既安全又符合伦理，以透明决策增强开发者、用户与利益相关者间的信任。零知识机器学习适用于大型语言模型水印及金融合规审计的多方安全计算。
3.2 面向 AI 的零知识原生区块链
为 AI 设计的区块链基础设施具有：
- 单区块最终性，加速确认
- 原生零知识支持，通过扩展链与零知识卷叠实现扩容
- 无缝整合 AI 与区块链工作流程，满足实际需求
借此，开发者可构建既安全又合乎道德的系统。借助零知识机器学习，可为大型语言模型水印及金融合规审计的安全多方计算提供支持。
3.3 智能证明
智能证明为 AI 模型建立可信、不可篡改的链上记录，用于验证模型来源、真实性与伦理合规性。这不仅保护知识产权，也在 AI 驱动的生态中实现前所未有的透明与问责。
3.4 零知识跨链桥
零知识跨链桥帮助开发者创建安全无缝的跨链 AI 应用，使链上资产与数据可在多个区块链生态中自由流通，同时将信任需求降至最低。借助零知识证明，零知识跨链桥实现透明、最小化信任的跨链通信，提高可扩展性并降低工作流脆弱点。
3.5 零知识机器学习水印
零知识机器学习水印为 Llama-3 等大型语言模型提供可验证性。防篡改证明确保处理后的模型与其声称相符，保护知识产权，减少欺诈行为，促进负责任的 AI 使用。组织可在安全开放的平台上验证大型语言模型的可信性。
3.6 优化的证明系统与零知识终局
扩展者证明系统经过多年研发，将高效与高速相结合，契合零知识终局的构想，通过均衡实现理想状态。它显著降低证明时间与成本，使零知识方案更实用、更经济，为对成本敏感的行业释放潜能。
3.7 单区块最终性加速共识确定性
单区块最终性利用零知识证明技术优化签名验证，解决传统共识机制的可扩展性限制。通过批量验证签名，减少确认时间，提高安全性，满足高负载应用需求。
同时，大幅降低最大可提取价值出现的机率，因为重排序交易的时间窗口缩短。更快的最终性带来可预测、安全的用户环境，遏制抢跑交易和三明治攻击。
3.8 零知识登录
零知识登录借助谷歌、苹果等常用开放授权凭证，无需在链上暴露敏感信息即可轻松创建与验证账户。零知识证明技术减少身份欺诈，有利于企业合规，并保护用户敏感数据。
零知识登录支持增强的智能合约、燃料费聚合、自定义交易流程与持续授权。其跨链互操作与高交易量处理能力，为企业、金融、社交平台、游戏等多元领域提供优质体验。
- 构建智能的未来
短期可落地应用示例：
4.1 金融
零知识机器学习在不泄露敏感数据的情况下实现交易透明验证、贷款信用分数私密审核与保密算法交易，从而促进公平与合规。
4.2 医疗
在医疗诊断中，零知识机器学习既能保护患者数据安全，又能验证模型可靠性，为高度敏感的医疗应用建立信任基础。
4.3 数据与计算力市场
EXPchain 促进可信协作，实现计算资源与数据集安全共享。开发者与组织可在不披露专有信息的条件下参与 AI 创新，零知识机器学习确保对贡献与结果的可信验证。
4.4 供应链透明度
在食品安全、制药和奢侈品等行业，零知识证明可在不公开敏感物流数据的前提下验证供应链真实性与道德来源。
4.5 基于 AI 的娱乐与迷因币
从游戏到迷因币及内容创作，零知识机器学习确保 AI 驱动的体验公平、透明且数字资产真实可信。创作者可在维护安全与所有权的前提下实现认证与个性化。
中期可实现应用示例：
4.6 智慧城市
AI 驱动的基础设施决策需要公平、合规与问责。EXPchain 提升公共资源分配、交通优化、能源管理透明度，使智慧城市建立在信任与正直之上。
4.8 防欺诈广告
数字广告易受虚假流量干扰，零知识机器学习确保广告数据可验证与可信，保护广告主并提升投放效率。
4.9 AI 智能代理
可验证的 AI 智能代理确保用户与智能系统安全交互。零知识机器学习保证决策道德且可验证，为去中心化 AI 市场创造新机遇。
长期可实现应用示例：
4.10 机器人技术
零知识机器学习使机器人输入输出可验证，解决黑箱问题，确保自主系统可预测且负责任。EXPchain 支持构建可证明行为公平与安全的机器人。
4.11 去中心化科学
EXPchain 加速去中心化科学研究，为可验证数据集与模型的安全共享提供条件。零知识机器学习确保研究成果与资金使用的完整性，促进跨领域协作。
4.12 教育与教育科技
在线教育中，零知识机器学习提供 可验证、公正的远程评估与认证基础。去中心化教育平台可保护学生数据并确保学习成果与证书可信。
4.13 环境影响监测
AI 模型广泛应用于环境预测与影响监测，如碳足迹追踪、气候建模。零知识机器学习确保模型透明可信，为可持续发展与环境审计建立信任。
- 生态系统增长
5.1 开发者与用户导入
EXPchain 降低技术门槛，使无密码学背景的开发者也能构建 AI 与区块链的未来。模块化基础设施、直观界面与简化流程，加上 zkPyTorch 与模块化架构的结合，促进创新与技术普及。
5.2 ZKJ代币治理参与
质押ZKJ代币，用户可对网络治理提案投票，实现社区治理与共识决策。
- 展望未来：扩展 AI
Polyhedra Network 将持续推动零知识机器学习与区块链技术前沿发展。EXPchain 的未来规划包括：
- 分布式证明系统实现实时验证
- 面向零知识优化的量化技术提升 AI 模型部署效率
- 多机与多 GPU 支持扩展大型模型性能
这些进展将零知识机器学习推向可验证 AI 的前沿，使每次交互中都蕴含内生信任。
- 结论
通过 EXPchain，Polyhedra Network 为可验证 AI 的未来奠定基础。整合零知识证明与先进验证协议，EXPchain 成为为 AI 而生的万物链，为全球开发者与企业带来机遇。我们致力于构建一个不仅更智能、更安全、透明、普及的 AI 未来。
术语对照表（仅含翻译术语）
| 英文术语 | 中文对应 |
|---|---|
| Zero-Knowledge (ZK) | 零知识 |
| Zero-Knowledge Proof (ZKP) | 零知识证明 |
| Zero-Knowledge Machine Learning (zkML) | 零知识机器学习 |
| Proof of Intelligence (PoI) | 智能证明 |
| Expander proof system | 扩展者证明系统 |
| zkBridge | 零知识跨链桥 |
| zkRollup | 零知识卷叠 |
| Large Language Models (LLMs) | 大型语言模型 |
| Watermarking | 水印 |
| Everything Chain for AI | 为AI而生的万物链 |
| Single-slot finality (SSF) | 单区块最终性 |
| zk-native blockchain | 零知识原生区块链 |
| Distributed prover infrastructure | 分布式证明基础设施 |
| Cryptographic verification | 密码学级验证 |
| Model audits | 模型审计 |
| Compliance verification | 合规验证 |
| Cross-chain interoperability | 跨链互操作 |
| Quantization (in ML) | 量化 |
| Multi-party computations | 多方安全计算 |
| Decentralized Science (DeSci) | 去中心化科学 |
| Maximal Extractable Value (MEV) | 最大可提取价值 |
| Front-running | 抢跑交易 |
| Sandwich attacks | 三明治攻击 |
| JSON Web Token (JWT) | JSON Web令牌 |
| OAuth credentials | 开放授权凭证 |
| Gas fee | 燃料费 |
| Groth16 | Groth16协议 |
| Plonk | Plonk协议 |
| Llama-3 | Llama-3大型语言模型 |
| ZK Endgame | 零知识终局 |
| ZKJ token | ZKJ代币 |
| Memecoin | 迷因币 |
| 谷歌 | |
| Apple | 苹果 |
| zkLogin | 零知识登录 |