Polyhedra 为人工智慧应用推出 EXPchain，解析 AI 模型上链必要性及分散式 Zk 证明产生器

区块链互操作性基础设施 Polyhedra 在历经币价下跌丶与 zkSync 争夺 $ZK 代号失利后，于近期重振旗鼓推出「为 AI 构建的万物链」，据了解该计划名为 EXPchain。并提出 Proof of Intelligence (PoI) 智慧证明概念，为人工智慧模型创建了一条无法窜改丶可受信任的区块链。是否结合 zk 与 AI 转型成功，值得期待。

传统 AI 监管涉及敏感数据，zkML 成新解方

官方将 EXPchain 定义为专为可扩展、可验证且注重隐私的人工智慧应用设计的区块链协议。作为「为 AI 构建的万物链」，EXPchain 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。主要创新包括高效的 zk 证明系统 Expander丶以及将 zkML 融入传统 AI 工作流程且开发者友善的 zkPyTorch 工具包。

人工智慧在各产业中扮演越来越关键的角色，从使用脸部辨识解锁手机到 AI 驱动的贷款申请与医疗诊断，这些技术既带来巨大潜力，也带来挑战。像是如何确保 AI 系统公平、准确且安全地运行？如何在不妥协透明性和责任性的情况下保护敏感数据？

另外各国政府也着手监管 AI，像是欧盟的 AI 法案和美国国家标准技术研究院 (NIST) 的 AI 风险管理框架。传统方法的问题是需要披露专用模型或敏感数据，导致在安全性、隐私和信任之间产生取舍。

零知识机器学习 (zkML) 则提供了有别传统的解方，零知识证明的特性能在保护数据与模型隐私的同时实现 AI 系统的数学验证。而 Polyhedra 推出基于 zkML 技术的互操作协议 EXPchain，不但兼顾 AI 行为与合规的规范，同时也是可扩展且安全的验证。

技术债务不断扩大，AI 交易过程上链有利问责

一份研究指出 2022 年美国的软体技术债 (技术债务指的是开发软体时，为了快速推出或满足短期需求，而做出的折衷方案，长期来看这通常会增加系统维护成本)已成长到 2.41 兆镁。 另外全球四大专业咨询机构之一 PricewaterhouseCoopers(PwC) 的研究也指出，2030 年时，AI 预计将为全球经济贡献高达 15.7 兆美元。

随着 AI 的规模扩大，可能会加剧技术债务的扩张。对此商业专栏 Raconteur 就曾撰文质疑公司们准备好承受人工智慧失败的代价了吗？AI 的故障包括不正确的输出、资料外泄和网路攻击。除了经济损失之外，这些错误也常对个人造成伤害。

举例来说资料不正确的输出可能会在导致机器判断错误或是产生有偏见的决策。因此从资料输入到模型输出，确保人工智慧驱动交易的每个要素都是可验证和可问责的是必要的，在释放人工智慧的全部潜力的同时应对这些风险至关重要。这也就是EXPchain 这个 AI 实时验证区块链的用武之地。

三大技术创新：Polyhedra 能解决 zk 证明生成器难题？

技术创新上包含 Expander丶ExPos 及 zkPyTorch

Polyhedra：Expander 是目前世界最快的 zk 证明器

Polyhedra 提供的数据包括：

单线程 CPU 上处理 VGG-16 影像仅需 2.2 秒

单线程 CPU 上处理 Llama-3.1 8B 每个 token 需 150 秒

性能比以往数据快四个数量级

这些进展大幅降低了 AI 验证的成本与延迟，支援隐私推理到模型审核等多种应用。Expander 也符合 Vitalik Buterin 提出的 zk 终局愿景。

Layer 2 主要分成 Optimistic Rollup 及 zk Rollup，而对大部分 zk Rollup 公链来说，ZKP 证明生成是瓶颈，公司必须部署具有 TB 记忆体的强大机器来处理 ZKP 中的大量交易。而先前 Polyhedra 的技术长 Tiancheng Xie 及首席科学家 Jiaheng Zhang 团队共同提出的论文当中，就在探讨使用完全分散式 ZKP 的新方案来提高 zk 技术的可扩展性。

ExPoS：扩展的权益证明

ExPoS 是一种针对 EXPchain 中的 zkML 技术进行开发的权益证明机制，在验证 AI 应用程式行为和合规性同时，不泄露专用模型数据。白话文来说就是使用 Polyhedra 旗下 zkBridge 技术将所有区块链上的权益机制统一并连接成一个有凝聚力的质押网路。

zkPyTorch：开发者友善的工具箱

zkPyTorch 自动将 PyTorch 操作转换为 zk 电路，降低传统 AI 开发工作流程和零知识机器学习 (zkML) 之间的差距。这种整合允许开发人员使用熟悉的工具，同时显著减少部署支援 zk 的 AI 应用程式的时间和复杂性。

zkML 可在隐私前提下完成 LLM 验证

EXPchain 核心在于零知识机器学习（zkML)，zkML 支援对 AI 模型进行加密验证，在整个机器学习生命周期中实现安全性及准确性，包括：

可验证的推理：在不暴露模型或资料的情况下证明人工智慧输出。

模型审核：根据测试集验证效能的公平性和合规性。

训练验证：确保遵守协议而不泄露敏感输入。

zkML 具体应用包括：

为大型语言模型 (LLMs) 添加数位水印。数位水印是在 LLM 生成的文字中嵌入微小且不易察觉的特征，用于识别该文本是否由特定模型生成，用于防止伪造内容及内容滥用。

确保模型合规性，例如金融机构中的合规性验证。

在注重隐私的产业中实现安全的多方计算。

目前 EXPchain 的 zkML 数位水印已经可以用来验证 Llama-3.1 8B 等大型语言模型。

Polyhedra 首席密码学家大有来头，推动 PoI 人工智慧证明链

EXPchain 可以被视为 Proof of Intelligence (PoI) 智慧证明，为人工智慧模型创建了一条无法窜改丶可受信任的区块链，验证其来源、真实性和道德合规性。该框架保护智慧财产权并确保透明的问责，以加密方式将每个人工智慧模型的来源和效能与可验证的链上记录联系起来，为人工智慧驱动的生态系统提供前所未有的透明度。

而谈到这一切的幕后推手，就不得不谈到 Polyhedra 的首席密码学家 Zhenfei Zhang。先前他曾任职 Algorand、 Espresso、 Ethereum Foundation 和 Scroll 等业界龙头，在密码学界享有相当的知名度。「ZEN：用于可验证的零知识神经网路推理的最佳化编译器」一文即是在谈论可验证的机器学习。

这篇文章 Polyhedra 为人工智慧应用推出 EXPchain，解析 AI 模型上链必要性及分散式 zk 证明产生器 最早出现于 链新闻 ABMedia。