重新理解Marlin：AI下半場的可驗證計算L0「新基建」

2024-06-06 16:06:29

加密世界，永遠不缺新的敘事，但稱得上性感且務實的卻屈指可數。

譬如本輪 AI 超級敘事起勢以來，雲計算雖然已經成為未來數字經濟時代的核心生產力，但傳統 Web2 巨頭壟斷了優質的高性能 GPU 和算力資源，而中尾部的項目則毫無議價權、自主權，且更廣泛的可驗證計算應用場景也面臨無米下鍋的窘境。

因此 AI+Crypto 大潮之下，全同態加密（FHE）等概念近期也逐步登堂入室，被廣泛視為可驗證計算及 AI 機密數據處理的最佳解決方案之一。

本文就將把視角投向定位於「可驗證雲計算基礎設施」的加密老兵 Marlin，挖一挖作為切中 AI、MEV、Oracle、ZK、TEE 等多线敘事的 DeAI 項目，究竟如何契合當下的 AI 熱潮，又是否能為「AI+Crypto」賽道帶來全新的變量。

AI 下半場，離不开「可驗證雲計算」？

衆所周知，目前除了 AIGC 大模型的極速膨脹之外，醫療、教育、智能駕駛等無數處於爆發初期的 AI 場景都在快速鋪开，這無一不需要進行海量計算。

但對於這些細分場景來說，用戶的醫療、教育、智駕信息無一不是事關經濟甚至生命安全的關鍵數據：諸如醫療保健、能源系統、帶寬網絡、聯網車輛等維度的信息數據，不僅直接關系到個人機密數據安全，還需要通過更廣泛的數據共享和合作來推動賽道發展。

但與此同時，傳統的雲服務市場又由亞馬遜雲科技（AWS）、微軟 Azure、谷歌雲平臺（GCP 等互聯網巨頭佔據主流地位——三家合計佔據了六成以上的雲計算份額，處於明顯的賣方市場。

這種市場架構最明顯的一個問題就在於普遍依賴中心化雲服務器，也即意味着开發者/項目方對自己所使用的雲服務的信賴，本質上是與一家或多家巨頭的信譽高度綁定，等同於將數據自主權與安全讓渡給了 Web2 巨頭公司。

正因如此，近年來雲服務廠商頻發數據泄漏事件，造成個人與機構的嚴重損失，所以無論开發者/項目方如何看待「去中心化」這個 Crypto 世界的核心議題，與其相信巨頭們會「不作惡」（Don't Be Evil），遠遠不如從機制設計上使其「不能作惡」（Can't Be Evil）。

在此背景下，如果仔細剖析 AI 雲計算方向，其實依舊在底層與 Web2 成熟的雲計算服務解決方案存在一個生態鴻溝，也即機密計算技術的改造面臨較高的成本，因此如何讓程序實現快速安全的部署在行業內沒有特別好的方案，導致無法滿足 AI+Web3 所需要的系列應用功能，這也限制了其發展勢頭。

因此說白了，AI 雲計算市場的下半場發展，亟需一整套面向 Web3 的區塊鏈开發工具集，從而提供滿足去中心化、可驗證、低延遲、低成本的綜合解決方案，從這個角度看，去中心化可驗證雲計算服務的必要性也逐步浮出水面，正好卡住了這個細分方向的空檔：

在此背景下，去中心化可驗證雲計算服務的必要性也逐步浮出水面，作為一種使用加密技術執行計算的解決方案，它允許 驗證計算結果的正確性而無需透露底層數據，既不泄露私人信息，也確保關鍵數據不被泄露。

凡此種種，與 Web3 的應用場景極為契合，進而催生出業內用戶對於機密雲計算的諸多想象空間，故諸如零知識證明（ZKP）、多方計算（MPC）以及近期再度大熱的全同態加密（FHE）賽道才格外受到市場關注。

而這也是 Marlin 要做的事情——任何 DePIN/Web2.5/AI 應用，只要對低延遲和高算力的計算服務存在需求，其實就可以選擇在 WeTEE 上進行部署，獲得和傳統雲服務一樣的通用化雲計算方案。

重新理解 Marlin：成為 AI 世界的可驗證 L0

如果用一句話來概括 Marlin 在 AI 可驗證計算領域的愿景，那其實就是在 AI 大模型訓練日益重要的當下，致力於以基礎設施層的插件形式，直接幫助有需求的 AI 計算需求方，隨時隨地將可驗證雲計算服務集成嵌入自己的既有產品中：

這本質上就是成為一個 AI 世界的可驗證通用 L0，因此它把核心功能封裝起來，基於 TEE 高性能節點增強網絡和 ZK 可驗證通信網絡向項目方提供可一鍵調用的服務：

其中 Marlin 通過借助可信執行環境（TEE）和基於零知識證明（ZKP）的協處理器，使得數據和代碼在硬件級別與其他進程隔離，可確保數據的機密性和其中運行的計算的完整性，同時也可實現計算結果的准確性和可驗證性，並且不可篡改。

同時不同於大多數 ZK 協處理器專為某些環境（RISC-V、WASM 或 MIPS）而設計，只能處理用兼容語言編寫的程序，Marlin 的 ZK 證明市場是基於電路的，因此與語言無關，允許節點選擇他們想要支持的電路——可直接移植現有的 Python、C++ 或 Go 應用程序或使用 zkVM。

同時 Marlin 網絡架構整體上可以分為 Oyster、Kalypso、中繼網絡（Marlin Relay）這「三駕馬車」。

其中 Oyster 和 Kalypso 分別利用可信執行環境（TEE）和零知識證明（ZKP）來確保計算的正確性和安全性，而中繼網絡則通過內置的激勵功能則負責確保無需信任的節點可以為網絡貢獻資源，而不會對其安全保障產生不利影響：

Oyster 作為由 TEE 提供的鏈下服務，核心愿景就是 允許使用者以最小的更改，在 Marlin 雲計算網絡上部署自己的後端或實現智能合約擴展， 因此其最大的優勢之一就是其無服務器特性——用戶無需設置節點並選擇要使用的特定節點，結果可以方便地返回給用戶；
Kalypso 則代表了 Marlin 對零知識證明（ZKP）的靈活集成，要知道使用 FPGA、GPU 和 ASIC 進行硬件優化可以顯著加快 ZK 證明的生成速度，從而減少時間和成本。而 Marlin 網絡依靠帶有 GPU 和 FPGA 的節點進行外包 ZK 證明生成，從而可以高效處理來自客戶端的請求並返回生成的證明；
Marlin Relay 則是一個與區塊鏈無關的無需許可的中繼網絡，具有內置的激勵功能，且可以同時與多個區塊鏈集成。 該激勵結構確保了無需信任的節點可以為網絡貢獻資源，而不會對其安全保障產生不利影響；

值得注意的是，Marlin 的節點網絡中每個節點運維都配備了 TEE，同時可在存儲系統中構建一個安全隔離的 Enclave 飛地環境，保證計算和存儲數據時信息不被窺探和泄露。

且每個節點通過 ZK 協議，能夠讓一方向另一方證明某個陳述是真實的，同時又不需揭示任何有關該陳述的具體數據，這保護了數據主體的信息安全，同時也確保了事實的正確性。

總的來看，Marlin 作為一個面向 AI 可驗證雲計算 L0，面向的場景十分廣泛，可以基於去中心化分布式節點網絡系統， 為 Oracle 預言機、ZK Prover 系統、AI 人工智能等應用場景提供節點算力和存儲等網絡資源服務，成為衆多加密+AI 應用的數據保護基石。

Marlin 及「AI 世界 L0」的想象空間

從這個角度講，Marlin 其實就是在扮演關鍵的 AI+Web3 下半場基建角色——核心要義就是真正把可驗證計算真正帶到 AI 與 Web3 世界。

譬如借助自身「L0」屬性的可驗證雲計算組件服務，Marlin 可以更進一步，把自己變為一塊「樂高積木」，成為 AI「可驗證計算+」服務的關鍵基礎設施組件，賦能各賽道的 DApp 產品實現完全的可驗證計算屬性。

最直接的應用場景就是 Marlin 可以在 AI 大模型訓練日益重要的當下，基於 TEE 可信執行環境協處理器可以為 AI 模型訓練提供安全的模型訓練和計算環境，這意味着 ChatGPT 之外， 不同大模型項目可以集成 Marlin 或基於 Marlin 進行構建，形成可友好插入使用的可驗證計算中間件，從而並通過「可驗證計算+」的形式實現賦能。

同時更關鍵的是還能構建一個去中心化、透明化可驗證的激勵環境，讓分布式節點網絡搖身一變成為一個去中心化的雲算力「租賃」服務網絡，也即實現更廣泛的 DePIN 業務邏輯，通過代幣激勵降低雲計算服務成本：

聚集闲置的算力，用低廉的成本和更靈活的部署配置形式，來幫助創業者訓練更個性化的中小 AI 模型，極大提高了資源的利用率。

這也只是 Marlin 作為可驗證計算中間件所能賦能 AI 應用場景的冰山一角。