AI 对 GPU 的争夺，正在把零知识证明的硬件问题推到台前。Cysic 创始人兼 CEO Leo Fan 表示，ZK 证明如今已与大型 AI 数据中心竞争同一批芯片，证明成本不再只取决于算法优化，也越来越受制于算力供给和硬件价格。

证明成本开始上升

Fan 认为，当前压力不只是 GPU 不够，更在于 zkVM 软件与现有加速器之间并不完全匹配，导致部分 GPU 资源没有被充分利用，单次证明成本因此上升。

Cysic 称，其 Venus 证明引擎通过减少 CPU 与 GPU 之间的协调开销，在不更换底层硬件的情况下，将端到端证明时间较 ZisK 0.16.1 提升逾 9%。该系统基于 Polygon Hermez 的 ZisK zkVM 扩展，试图把整个证明过程作为一体化计算图来调度，而不是拆成多个独立硬件调用。

行业内的证明速度近两年提升很快。Cysic 此前称，ZisK 使用 24 张 GPU 可在 7.4 秒内生成一个以太坊区块证明，单张 RTX 4090 也可提交实时证明。不过，这些数据主要来自公司披露，尚未在统一基准下完成独立验证。

以太坊门槛要求更高

以太坊基金会对“实时证明”的定义是，至少 99% 的主网区块要在 10 秒内完成证明。除速度外，还要求代码完全开源、证明大小低于 300 KiB、安全级别至少 128 位、硬件成本不高于 10 万美元，功耗不超过 10 千瓦。

基金会还指出，对独立证明者来说，能耗可能比设备采购成本更难处理。即便证明能在时限内完成，如果耗电、散热或资本投入过高，也很难支持更分散的证明网络。

Fan 表示，实时 Layer1 证明最先感受到成本压力，因为每个区块都需要及时生成新证明，运营方不仅要有足够硬件，还要预留冗余算力。ZK Rollup 和证明市场随后也会承压，因为 GPU 使用时长会直接进入运营成本，部分情况下还会传导到用户费用。

FPGA 与 ASIC 成备选

文章指出，AI 训练和推理主要依赖矩阵计算，而 ZK 证明更依赖多标量乘法和数论变换。GPU 虽然能处理这类任务，但并非为此专门设计。这意味着 ZK 项目一边与 AI 争夺芯片，一边又无法完全发挥通用 GPU 的结构优势。

英伟达财报显示，AI 基础设施需求仍在快速增长。该公司截至 4 月 26 日季度的数据中心收入为 752 亿美元，同比增长 92%；其中数据中心计算收入为 604 亿美元，同比增长 77%。路透社此前还报道称，AWS 已同意采购 100 万张英伟达 GPU，交付将持续到 2027 年。

在这种背景下，Cysic 正推进多后端方案，而非只依赖 GPU。其公开的 Venus 仓库已包含 GPU 优化、完整的 FPGA 加速后端，以及面向 ASIC 的早期实现。Fan 认为，转向 FPGA 和 ZK ASIC 可以让证明运营方减少对 AI 硬件供应链的依赖，也避免为 ZK 工作负载并不需要的 GPU 功能付费。

不过，这一路线仍有现实限制。FPGA 虽可在出厂后重新编程，适合快速迭代；ASIC 灵活性较低，但在固定 ZK 运算上可能带来更高性能和更低能耗。两者都面临开发成本高、制造规模有限等问题。

补充信息：Cysic 还提出建立全球证明器市场，让移动设备到专业集群都可接单。Fan 表示，密码学验证本身不会因证明由谁生成而改变有效性，但开放更多参与方后，未经审计或尚未成熟的实现代码，出错风险也会随之上升。