这不仅是效率提升，更是对 PoW 价值主张的根本性重构。
文章作者：Amber Group
过去几年，工作量证明（Proof of Work, PoW）一直被视作区块链的过时技术。除比特币外，整个行业已转向权益证明（Proof of Staking, PoS）、二层网络及其他无需工业级电力消耗的共识机制。这种转变合乎逻辑——既然可以通过质押达成共识，何必耗费兆瓦级电力求解无意义的数学题？
但 2024 年 AI 爆发正在改写这个等式。AI 工作负载恰恰需要 PoW 挖矿特有的分布式并行计算能力。与此同时，全球已拥有数千万台具备 AI 算力的消费级设备——仅 2023 年英伟达就出货 3000 万张消费级 GPU，苹果每年售出超 2000 万台搭载 M 系列芯片的 Mac，相当于每年新增数百万台 A100 级算力设备。
机会已经非常明显：将原本无意义的哈希计算替换为有实际用途的 AI 计算。矿工不再解 SHA-256 哈希，而是训练模型或运行推理，同时保障区块链网络安全。相同的计算基础设施还能用于生成零知识证明（Zero-Knowledge Proof, ZKP），这类密集多项式运算在隐私需求日益增长的企业应用场景中越来越关键。
机遇显而易见：用有价值的 AI 计算替代无意义的哈希运算。矿工不再求解 SHA-256 哈希值，而是通过训练模型或执行推理来维护区块链网络安全。同一套计算设施还可生成零知识证明，这类依赖多项式运算的技术正随着企业级隐私需求激增而蓬勃发展。
这不仅是效率提升，更是对 PoW 价值主张的根本性重构。
去中心化 AI 算力生态图谱
理解这场变革需要梳理当前去中心化 AI 生态。AI 工作流分为两大环节：
· 训练：让模型从数据中学习模式
· 推理：使用训练好的模型生成输出
二者都涉及分布式并行计算，与 PoW 矿工的工作高度相似，只是后者不产生有用输出。
当前生态已形成三大阵营：
训练网络（Ambient、w.ai、Nous、Templar、Pluralis、Gensyn、Prime Intellect）：致力于解决分布式模型训练的挑战。这些平台需要协调数千节点的梯度计算、参数更新与模型同步。技术复杂度极高，如同指挥一场交响乐演出，每位乐手的演奏延迟各不相同，且可能随时中途退场。
推理网络（w.ai、Nineteen、Hyperbolic、Venice、Ritual）：专注于高效部署训练好的模型。不同于将推理任务集中在数据中心的传统做法，这些网络将模型服务分散到各个节点，既降低成本又提升可访问性。可以将其理解为 AI 领域的边缘计算，让计算更贴近终端用户。
GPU 算力市场（io.net、w.ai、Prime Intellect、Akash、Render）：构建流动性计算资源交易平台。这些平台既让硬件所有者能够变现闲置算力，又为开发者提供按需获取分布式算力的通道。众多训练和推理网络都将这些市场作为其底层基础设施层。
这种分类体系的重要性在于揭示了各环节的协作关系：GPU 市场提供原始算力→训练网络利用算力构建模型→推理网络部署应用模型。每个层级都在创造价值，且都有可能与工作量证明共识机制实现整合。
w.ai：消费级算力层
继承 WOMBO（2 亿用户产品）的经验，w.ai 打造了极简客户端：用户像安装 Spotify 或 Zoom 一样点击下载 w.ai 客户端，完全无需加密货币知识。客户端在后台运行时，通过贡献闲置 GPU 算力参与 AI 工作负载获得收益。目前已有超过3500 台设备在线，充分证明了大众对参与分布式AI计算的热情。
w.ai 客户端在 Macbook 上运行截图
这种模式将大幅扩展AI驱动的工作量证明网络算力池。执行推理任务的消费者设备可同时参与奖励 AI 计算的工作量证明共识机制。w.ai 的战略洞察在于：大多数人不会直接与区块链协议交互，但如果体验足够流畅且回报丰厚，他们就会积极参与。
w.ai 可与多个生态环节对接：
● Render 等 GPU 算力市场可整合 w.ai 的消费级硬件池来扩充容量
● Ritual 等推理网络可通过 w.ai 设备网络路由查询以降低延迟和成本
● Prime Intellect 等训练网络可调用 w.ai 的分布式硬件进行模型训练
Prime Intellect：验证分布式训练的可行性
2024 年 10 月，Prime Intellect 完全通过分布式方法训练出了具有 100 亿参数的 INTELLECT-1 模型。这个达到生产级规模的模型，其训练过程整合了全球各地贡献者的硬件设备。
突破性进展在于解决了长期困扰分布式 AI 训练的协调难题。传统方法要求所有参与者保持持续通信，导致严重的带宽瓶颈。Prime Intellect 的解决方案就像组织多个学习小组，各组平时独立学习，仅定期交流学习成果。他们创建了相互连接的「设备岛屿」，这些设备群大部分时间独立工作，每完成数百个训练步骤后同步一次进展。
INTELLECT-1 全球分布式训练示意图
Prime Intellect 开发了定制软件，可处理训练过程中节点的动态加入和退出。他们创新的数据压缩技术显著减少了节点间需要共享的数据量。该系统能自动规避故障连接，并针对不同互联网服务商和地理位置的带宽使用进行优化。
虽然 Prime Intellect 并未将此计算用于区块链共识，但他们验证了 AI 驱动工作量证明的核心前提：分布式参与者完全可以在不稳定的网络环境下协作完成具有商业价值的 AI 任务。这套使分布式训练成为可能的协调机制，同样可以在生成实用 AI 模型的同时保障区块链网络安全。
Ambient：将 AI 计算作为共识机制
Ambient 通过「逻辑证明」（proof of logits）机制，首次实现了真正由 AI 保障的工作量证明。在这里，AI 计算不是与共识并行的工作，其本身就是共识机制。
工作原理如下：
矿工使用 6000 亿参数的语言模型竞争生成文本。当 AI 模型生成文本时，每个步骤都会产生「逻辑值」（logits），即对下一个词可能选项的置信度数值评分。这些逻辑值成为独特的计算指纹，证明特定模型生成了特定输出。
验证者通过检查这些逻辑值指纹而非重新计算整个响应来验证工作。比如矿工生成 4000 个 token 的文本，验证者只需随机选取一个 token，运行单步推理并比对逻辑值。如果匹配，则整个输出获得验证。这保留了比特币的精妙特性：生成证明需要大量计算，但验证过程极其轻量。
经济意义重大：通过 AI 推理保障的每个区块，产生的都是有经济价值的输出，而非无意义的哈希计算。传统工作量证明固有的计算"浪费"就此消失。用户可以获得高质量 AI 推理服务，而网络安全性仍通过相同的计算工作得以保障。
Ambient 基于 Solana 的高吞吐架构，但用这套 AI 工作量证明替代了权益证明。通过专注于单一大型模型（而非碎片化的模型市场），该系统实现了更高的矿工利用率和稳定的质量保证，使智能体和应用能够可靠运行。
这代表了工作量证明的新进化——网络安全保障与经济价值生产通过单一机制统一实现，区块链的每一笔计算都服务于真实的用户需求。
Ambient：以 AI 计算为共识机制
Ambient 通过其「逻辑证明」（proof of logits）机制，首次实现了真正由AI保障的工作量证明。在这里，AI 计算并非与共识机制并行运作——其本身就是共识机制的核心所在。
运作原理详解：
矿工们使用一个超过 6000 亿参数的大语言模型竞争生成文本。当 AI 模型逐步生成文本时，每个步骤都会产生「逻辑值」（logits），即模型对下一个词可能选项的置信度数值评分。这些逻辑值构成了独特的计算指纹，确凿证明特定输出是由特定模型生成的。
验证者无需重新计算完整响应，只需核验这些逻辑值指纹即可完成验证。举例来说：当某个矿工生成 4000 个 token 的文本时，验证者仅需随机抽取一个 token，执行单步推理并比对逻辑值。若匹配成功，则整个文本输出即获认证。这种设计完美继承了比特币的精妙特性——生成证明需要巨额计算量，但验证过程却极其轻量。
超越推理：矿工的双重使命
除文本生成外，矿工还参与网络核心模型的训练与微调。通过协同训练任务，这个分布式矿工网络持续优化着共享的 6000 亿参数模型，由此形成一个自我进化的集体智能体系。在这里，计算工作同时实现三大目标：保障区块链安全、产出经济价值、推动AI能力进化。
技术架构创新
Ambient 基于 Solana 的高吞吐架构进行改造，用这套 AI 工作量证明替代了原有的权益证明机制。与碎片化的模型市场不同，该系统专注于维护单一大型模型，从而获得更高的矿工利用率，并为智能体和应用程序提供稳定可靠的质量保证。
这标志着工作量证明进入了全新发展阶段——网络安全保障、经济价值创造与 AI 技术演进，三者通过单一机制实现完美统一。区块链的每一笔计算既满足真实用户需求，又持续增强着网络的集体智能水平，重新定义了去中心化计算的未来图景。
Ambient：以 AI 计算为共识机制
Ambient 通过其「逻辑证明」（proof of logits）机制，首次实现了真正由 AI 保障的工作量证明。在这里，AI 计算并非与共识机制并行运作——其本身就是共识机制的核心所在。
运作原理详解：
矿工们使用一个超过 6000 亿参数的大语言模型竞争生成文本。当 AI 模型逐步生成文本时，每个步骤都会产生「逻辑值」（logits），即模型对下一个词可能选项的置信度数值评分。这些逻辑值构成了独特的计算指纹，确凿证明特定输出是由特定模型生成的。
验证者无需重新计算完整响应，只需核验这些逻辑值指纹即可完成验证。举例来说：当某个矿工生成 4000 个 token 的文本时，验证者仅需随机抽取一个 token，执行单步推理并比对逻辑值。若匹配成功，则整个文本输出即获认证。这种设计完美继承了比特币的精妙特性——生成证明需要巨额计算量，但验证过程却极其轻量。
超越推理：矿工的双重使命
除文本生成外，矿工还参与网络核心模型的训练与微调。通过协同训练任务，这个分布式矿工网络持续优化着共享的 6000 亿参数模型，由此形成一个自我进化的集体智能体系。在这里，计算工作同时实现三大目标：保障区块链安全、产出经济价值、推动 AI 能力进化。
技术架构创新
Ambient 基于 Solana 的高吞吐架构进行改造，用这套AI工作量证明替代了原有的权益证明机制。与碎片化的模型市场不同，该系统专注于维护单一大型模型，从而获得更高的矿工利用率，并为智能体和应用程序提供稳定可靠的质量保证。
这标志着工作量证明进入了全新发展阶段——网络安全保障、经济价值创造与 AI 技术演进，三者通过单一机制实现完美统一。区块链的每一笔计算既满足真实用户需求，又持续增强着网络的集体智能水平，重新定义了去中心化计算的未来图景。
零知识工作量证明
AI 驱动工作量证明的相同逻辑也适用于零知识证明。零知识证明依赖繁重的多项式计算，使其天然适合分布式 PoW 系统。随着隐私保护对企业和消费者日益重要，零知识证明生成的需求正在激增。
当前零知识工作量证明领域分为两大阵营：市场型方案和 ZK-PoW Layer1 公链。部分项目融合两种模式，将市场经济与区块链共识相结合。
市场型方案
RISC Zero团队提出的Boundless正在重塑零知识证明的生成与消费模式。这个去中心化市场打破了传统应用中各自搭建证明基础设施的藩篱，构建起统一交易平台——「证明者」（GPU 及通用硬件运营商）在此竞标「需求方」提交的证明生成任务。
Succinct Prover Network在以太坊上打造了类似生态，通过协调分布式证明者为任意软件生成零知识证明。其技术使证明生成变得如同传统计算般简单：开发者使用 Rust/C++ 等通用语言编写程序后，证明者们将高效竞争生成证明。
超越单纯的市场模式，部分项目正探索将 ZK 证明生成更深层融入区块链共识机制。这标志着从「将证明视为外部服务」到「使其成为网络安全核心组件」的根本性转变。
Succinct Prover Network 在以太坊上构建了类似市场，协调分布式证明者为任意软件生成零知识证明。他们的技术使证明生成变得像传统计算一样简单——开发者使用 Rust 和 C++ 等通用语言编写程序后，证明者会竞争以最高效的方式生成证明。
Nockchain：挖矿即证明
ZK 工作量证明 Layer1 公链将零知识证明生成内化为共识机制。这些网络不再将ZK证明视为附加服务，而是将其转化为保障链安全的「工作量」，使安全成本转化为满足现实需求的有用输出。
Nockchain 采用混合路径，巧妙融合 ZK 证明生成与经典工作量证明共识。如图所示，它同时横跨市场模式与区块链模型，兼具ZK证明服务与PoW公链双重属性。
在区块链层面，Nockchain 沿袭比特币架构精髓：
● 矿工竞争解决计算难题
● 区块按固定间隔生成并自动调整难度
● 最长有效链决定共识
关键创新在于用 ZK 证明生成替代 SHA-256 哈希计算：矿工竞相生成有效零知识证明，首位成功者赢得区块奖励及交易费。
同时，Nockchain 激励构建 ZK 证明市场生态。开发者可向协议支付费用，将其计算证明作为交易组成部分发布，实现团队提出的"全球共识 SNARK 即服务"愿景。每个保障网络安全的计算周期，都同步产出具有商业价值的证明。区块补贴机制确保外部需求低迷时的基础需求，矿工还可从开发者费用中获得额外收益。
该系统采用精简指令集，使证明生成效率较现有方案提升一个数量级。完整流程如下：
- 开发者提交计算请求
- 矿工竞争生成证明
- 获胜矿工同时完成：
○ 确认新区块
○ 交付所求证明
Psy：围绕 ZK 证明重构共识
Psy 采用根本性不同的方案，完全围绕零知识证明重建区块链架构。不同于在现有共识机制中嫁接 ZK 技术，Psy 彻底摒弃了传统共识机制——但其本质仍是工作量证明。
流程始于用户在本地设备执行交易。每个用户生成密码学证明，确认其交易是按照智能合约代码正确执行的。网络角色从交易执行转变为证明聚合。专业参与者收集数百万个用户证明，递归组合成越来越大的证明。这项聚合工作计算密集——正是 Psy 工作量证明系统中的「工作」。
不同于 Succinct 和 Boundless 的市场模型，也不同于 Nockchain 的混合市场-区块链方案，Psy 完全不是市场模式。没有客户为 ZK 证明服务付费。相反，证明聚合工作是网络运行的核心环节——没有它，区块链就无法运作。执行这项工作的人通过区块奖励和交易费获得报酬，形成真正有用的工作量证明——每个计算周期都服务于网络核心目标。
这种架构使 Psy 能够横向扩展，摆脱顺序交易处理的瓶颈。理论上可实现每秒数百万笔交易的处理能力，同时通过有用工作量证明保持强大的隐私保障和数学安全性。
这些进展表明，ZK 计算天然就能与其他有用工作量证明应用互补。同一套分布式硬件基础设施，可以根据市场需求和盈利性，在 AI 训练、推理任务和零知识证明生成之间无缝切换。
工作量证明的复兴
我们正见证行业对工作量证明认知的根本转变。2020 年看似过时的技术，如今已成为计算密集型区块链应用的天然共识机制。
有力证据包括：
● Prime Intellect 通过分布式计算训练出 100 亿参数模型
● Ambient 完全依靠 AI 推理保障区块链安全
● w.ai 聚合数千消费级设备处理 AI 工作负载
● Nockchain 和 Psy 证明了 ZK 驱动工作量证明的可行性
这形成了强大的增长飞轮：AI/ZK 计算需求增长→更多硬件参与→工作量证明网络扩大→应用场景更复杂→计算需求进一步提升。每次循环都使生态系统更加强健。
或许最重要的是，有用工作量证明可能提供比权益证明更优的代币分配机制。不同于通过质押导致财富集中，任何拥有合适硬件的人都能参与并获得收益。这不仅更符合加密领域的去中心化理念，同时创造真实价值。
行业叙事已彻底反转。工作量证明的能源消耗曾是其致命缺陷，如今同样的能源正在生产 AI 模型、推理结果和零知识证明，为下一代应用提供动力。矿工不仅是网络守护者，更在建设支撑 ZK 与 AI 驱动互联网的计算基础设施。
对于一项「过时技术」而言，这样的表现堪称惊艳。
免责声明
本报告所含信息（以下简称「信息」）仅作参考用途，以摘要形式呈现，并不保证完整性。该信息不构成也不应被视为出售要约，或购买任何证券的邀约。本报告不提供且不应被视为提供投资建议。该信息未考虑特定投资目标、财务状况或任何潜在投资者的特殊需求。对于该信息的公平性、正确性、准确性、合理性或完整性，不作任何明示或默示的陈述或保证。我们无义务更新该信息。潜在投资者不应将其作为自身判断或研究的替代品。潜在投资者应在必要时咨询自身的法律、监管、税务、商业、投资、财务和会计顾问，并基于自身判断及顾问认为必要的建议做出投资决策，而非依赖本文表述的任何观点。