Polyhedra推出EXPchain：用零知识证明为AI打造一条可信链

最近，区块链互操作项目Polyhedra在经历币价起伏和与zkSync争夺$ZK代号的事件后，正式上线了一个新项目：EXPchain。官方把它定位于“为AI构建的万物链”。核心思路是利用零知识证明（zk）和人工智能结合，打造一条不可篡改、值得信赖的区块链。这个方向能否帮Polyhedra打开新局面，值得观望。

最安全的虚拟币交易平台推荐：

• OKX（欧易交易所）>>>进入官网<<< >>>官方下载<<<
• Binance（币安交易所）>>>进入官网<<< >>>官方下载<<<

Polyhedra推出EXPchain：为AI量身打造的区块链

传统AI监管面临数据隐私难题，zkML成为新解方

官方的说法是，EXPchain是一个专门为可扩展、可验证且注重隐私的AI应用而设计的区块链协议。它整合了零知识机器学习（zkML）和全新的智能证明（Proof of Intelligence, PoI）框架。技术上的亮点包括高效的零知识证明系统Expander，以及对AI开发者比较友好的zkPyTorch工具包。简单来说，就是想把zk技术嵌入到常见的AI开发流程里。

现在AI在生活中的应用越来越广，从刷脸解锁手机，到用AI审批贷款和做医疗诊断，潜力很大，问题也不少。比如，怎么确保AI作出的判断是公平、准确又安全的？在保护个人数据隐私的同时，又如何做到透明和可追责？

目前各国也在收紧对AI的监管，像欧盟的《AI法案》和美国NIST的AI风险管理框架。传统的做法往往需要公开模型或者暴露敏感数据，这让人们在安全、隐私和信任之间很难平衡。

zkML（零知识机器学习）给出了一个不同的思路。利用零知识证明，可以在不暴露数据和模型的情况下，对AI系统进行数学验证。Polyhedra的EXPchain正是基于这个方向，既关注AI行为是否符合规范，也兼顾了可扩展和安全的验证。记住，技术虽好，但实际落地还需要检验。

技术债务越滚越大，AI交易上链有利于追责

有研究显示，2022年美国软件的技术债务（就是开发时为了赶时间而做的妥协，长期会拖累维护成本）已经达到2.41万亿美元。另外，普华永道预测，到2030年AI可能为全球经济贡献15.7万亿美元。

AI的应用规模越大，技术债务也可能跟着膨胀。商业专栏Raconteur曾经问过一个很现实的问题：公司是否真的做好了承受AI失败的代价的准备？AI的故障包括输出错误、数据泄露和网络攻击，除了经济损失，还可能直接伤害到个人。

举个简单例子，错误的数据输出可能导致机器误判或者产生有偏见的决策。所以，从数据输入到模型输出，确保AI驱动交易里的每个环节都能验证、能追责，是释放AI潜力同时控制风险的关键。这也是EXPchain想要发挥作用的地方——作为一个可以实时验证AI行为的区块链。

三大技术创新：Expander、ExPoS和zkPyTorch

这次的技术创新主要集中在三个部分：Expander证明器、ExPoS共识机制和zkPyTorch工具包。下面一个个看。

Expander：号称全球最快的zk证明器

Polyhedra给出的性能数据包括：

• 在单线程CPU上处理VGG-16图像只需2.2秒

• 在单线程CPU上处理Llama-3.1 8B每个token需要150秒

• 性能比以往方案快四个数量级

这些数字说明，AI验证的成本和延迟被大幅降低了。它支持从隐私推理到模型审核等多种应用场景。有观点认为，Expander符合Vitalik Buterin提出的“zk终局”愿景。新手注意，这些数据来自官方，实际效果需要看社区和第三方验证。

目前主流Layer 2主要分为Optimistic Rollup和zkRollup。对多数zkRollup来说，ZKP（零知识证明）的生成一直是个瓶颈——需要部署内存巨大的机器来处理大量交易。之前，Polyhedra的技术长和科学家团队在论文中探讨过用完全去中心化的ZKP来提高可扩展性。

ExPoS：扩展的权益证明

ExPoS是专门为EXPchain的zkML设计的一种权益证明机制。它在验证AI应用行为和合规性的同时，不泄露专用模型的数据。通俗说，就是利用Polyhedra自家的zkBridge技术，把不同区块链上的权益机制统一起来，变成一个凝聚的质押网络。

zkPyTorch：对开发者友好的工具箱

zkPyTorch可以自动把PyTorch的操作转换成零知识电路，这缩小了传统AI开发和zkML之间的差距。开发人员可以继续用熟悉的工具，同时减少部署支持zk的AI应用所需的时间和复杂度。

zkML可以在保护隐私的同时验证大型语言模型

核心还是零知识机器学习（zkML）。它支持对AI模型进行加密验证，贯穿机器学习的整个生命周期，包括：

• 可验证推理：不暴露模型或数据，就能证明AI的输出是可靠的。

• 模型审核：根据测试集验证AI模型是否公平、是否合规。

• 训练验证：确保训练过程符合协议，不泄露敏感数据。

具体应用场景包括：

• 给大型语言模型（LLMs）添加数字水印。水印是嵌入在文本中的微小、不易察觉的特征，用于识别文本是否由特定模型生成，防止伪造和滥用。

• 确保模型合规性，比如在金融机构里做合规验证。

• 在注重隐私的行业里实现安全的多方计算。

目前，EXPchain的zkML数字水印已经可以用于验证Llama-3.1 8B这样的模型。当然，技术还在早期，具体效果得看实际操作。

首席密码学家背景深厚，PoI智能证明推动AI可信化

EXPchain也可以被理解为一条“智能证明链”（Proof of Intelligence）。它为AI模型创建了不可篡改、可以信赖的区块链记录，验证其来源、真实性和道德合规性。这个框架旨在保护智能财产权，确保透明的问责制。它以加密方式将每个AI模型的来源和效能与链上记录联系起来。听起来很理想，但实际落地仍有挑战。

背后的关键人物是Polyhedra的首席密码学家Zhenfei Zhang。他之前供职于Algorand、Espresso、以太坊基金会和Scroll等机构，在密码学界有些名气。他的著作《ZEN：用于可验证的零知识神经网络推理的优化编译器》就是研究可验证机器学习的。

以上就是对Polyhedra的EXPchain项目的大致介绍。更多关于AI与区块链结合的动态，可以留意后续更新。本文提供的只是基本信息，任何价格预测、投资建议或收益承诺都不可信。加密货币和迷因币波动很大，市场数据请以行情平台或交易所实时页面为准。投资者需要独立判断，谨慎决策。