跳到主要内容

Ambient 的 Proof-of-Logits：将 GPU 热能转化为可验证智能的 AI 原生区块链

· 阅读需 11 分钟
Dora Noda
Dora Noda
Software Engineer

如果挖矿消耗的每一瓦电力都能让世界变得更聪明，会怎样？这个长期以来被视为思想实验的问题，现在有了一个可行的答案。Ambient 是一个 Solana 分叉的 Layer 1，获得了来自 a16z Crypto Startup Accelerator、Delphi Digital 和 Amber Group 的 720 万美元融资。它将比特币的哈希谜题替换为真实的 AI 推理，创造了其创始人所称的“机器智能即货币”。

其结果是一个挖矿不仅能保障网络安全的区块链——它运行着一个拥有 6000 亿参数的 AI 模型，且可在链上验证。其开销极低（0.1%），在成本上低于中心化提供商，同时提供了后者永远无法提供的东西：AI 确实完成了工作的去信任证明。

能源浪费问题——以及为什么现在至关重要​

比特币的工作量证明（Proof-of-Work）共识是工程学上的奇迹，但其核心操作——通过反复哈希数据来寻找低于目标值的数字——除了保障网络安全之外，不产生任何价值。比特币网络消耗的电量大约相当于一个中型国家，产生的计算热量作为纯粹的浪费消散在空气中。

这不是一个新的批评。研究人员、监管机构和环保人士提出这个问题已经超过十年了。2026 年的新变化在于需求侧：AI 推理成本正在激增。据报道，OpenAI 每年在 GPU 算力上花费数十亿美元。构建 AI 代理的企业需要大规模的可验证推理。“保障区块链安全的算力”与“运行 AI 模型的算力”之间的差距从未如此明显，缩小这一差距在经济上也从未如此具有吸引力。

Ambient 的论点很简单：如果你要消耗能源来保障区块链的安全，那就让这些能源做有用的工作。具体来说，让它运行大型语言模型推理，使链上、跨链或 Web2 应用程序可以消费并验证这些推理。

Proof-of-Logits（Logits 证明）的核心原理​

Ambient 设计的核心是一种名为 Logits 证明（Proof-of-Logits, PoL）的新型共识机制。理解它需要简要了解 AI 模型是如何生成文本的。

当大型语言模型处理提示词（Prompt）时，它并不只是简单地“选择”下一个词。在每一步中，模型都会为其词汇表中的每个 token 生成一个原始评分向量——称为 Logits。这些分数然后通过 Softmax 函数进行归一化以产生概率。选定的 token 从该分布中采样。

这里的关键洞察是：Logits 对模型的权重和精确的输入上下文极其敏感。即使是模型参数或输入序列的微小变化，也会产生完全不同的 Logits 向量。这使得 Logits 成为一种近乎完美的计算指纹——证明特定模型利用特定权重在特定步骤处理了特定输入。

Ambient 利用这一特性构建了一个优雅的验证系统：

  1. 挖矿：矿工运行完整模型，生成包含（例如）4000 个 token 的序列。这在计算上是昂贵的——它需要在数千个步骤中运行一个 6000 亿以上参数的模型。

  2. 验证：验证者从输出中随机选择一个 token 位置。验证者在同一位置运行一个推理步骤，使用相同的模型和上下文，并计算 Logits 哈希。

  3. 对比：如果验证者的 Logits 哈希与矿工的匹配，则整个输出以极高的概率被验证。即使伪造一个 token 也会产生完全不同的 Logits，从而使欺诈行为变得可被检测。

这种设计的精妙之处在于它镜像了比特币最初的优雅：产生工作是昂贵的（数千步推理），但验证工作是廉价的（单步推理）。这种不对称比例约为 4000:1，这意味着验证开销仅接近挖矿成本的 0.025%。

不仅仅是一个巧妙的技巧：架构决策​

Ambient 是作为 Solana 代码库的一个分叉构建的，继承了 Solana 虚拟机（SVM）的兼容性。这是一个深思熟虑的选择：这意味着现有的 Solana 工具、钱包和开发框架可以对 Ambient 开箱即用。为 Solana 编写的程序只需极少的修改即可部署在 Ambient 上。

但相似之处仅限于共识层。在 Solana 使用历史证明（Proof-of-History）结合权益证明（Proof-of-Stake）的地方，Ambient 将两者都替换为 PoL 和传统的工作量证明。这创造了几个独特的属性：

  • 可预测的矿工经济模型：与比特币不同——比特币矿工竞相解决同一个谜题且只有一个赢家，Ambient 分配互不重叠的推理任务。每个完成分配任务的参与节点都能获得奖励。这消除了驱动比特币挖矿向工业级规模发展的博彩机制，使参与变得更加容易。

  • 固定的模型架构：网络运行一个单一的基础模型（目前目标为 6000 亿以上参数）及其微调模型。这种限制看似局限，但正是它使得验证变得可行——验证者需要运行相同的模型来检查 Logits。

  • 有用的输出：推理结果不会被丢弃。应用程序可以直接消费 AI 输出，从而创建一个双用途网络，在保障区块链安全的同时提供 AI 即服务（AI-as-a-Service）。

愿景背后的创始人​

Ambient 的联合创始人带来了不同寻常的背景组合。Travis Good 博士之前构建了世界上第一个数学上最优的货运铁路运动规划器——这是一个需要在跨大陆规模的网络中实时协调数千个变量的问题。他还从事过 AI 驱动的药物发现和光谱学研究，在优化理论和应用机器学习方面拥有深厚的经验。

联合创始人兼首席技术官 Max Lang 带来了来自亚马逊（Amazon）和微软（Microsoft）的企业工程经验，以及多次初创公司退出的经历。在许多项目要么侧重研究、要么侧重工程的领域中，这种深厚的研究资历与产品交付经验的结合非常引人注目。

a16z Crypto Startup Accelerator (CSX) 的投资标志着机构的信心。CSX 计划的选择性极高，a16z 的参与不仅提供了资金，还提供了访问该公司广泛的加密基础设施合作伙伴、交易所和机构投资者网络的机会。

Ambient 与其他去中心化 AI 项目的对比​

AI 与区块链的交汇在 2026 年吸引了大量投资，但实现方法各异：

Bittensor (TAO) 运营着一个智能市场，矿工在专业子网中就响应质量展开竞争。验证者对输出进行评分，并根据质量排名分配 TAO 奖励。Bittensor 专注于激励多样化的 AI 能力，而不是验证特定的模型推理。

Gensyn 将算力视为一种商品，创建了一个市场，开发者在这里购买 GPU 时间，提供者通过出售硬件周期赚取代币。其核心创新是针对训练工作负载的密码学计算证明，验证节点确实训练了模型而不是伪造结果。

Render (RNDR) 专注于 GPU 渲染——将计算能力所有者与需要高保真 3D 渲染、视频生成和元宇宙资产的用户联系起来。它的运作更接近于去中心化的云渲染服务，而不是 AI 推理平台。

Ambient 通过将 AI 推理直接与共识绑定，开辟了一个独特的生态位。挖矿即推理（Mining is inference）。这意味着网络不需要单独激励 AI 工作——它是保护链安全的基础操作。如果 0.1% 的验证开销在生产环境中得以实现，这将使 Ambient 的验证推理比那些在现有计算市场之上强加验证的替代方案便宜得多。

权衡在于灵活性。Bittensor 可以在其子网中运行任何模型。Gensyn 可以验证跨不同架构的训练。Ambient 受限于其基础模型和微调。这种限制是缺陷还是特性，取决于一个经过优化的 600B 模型是否能服务足够广泛的应用。

“去中心化 OpenAI” 论点​

Ambient 的长期愿景超出了推理。路线图包括链上微调，并最终实现训练——旨在构建团队所描述的“链上 AGI 级 AI 基础模型”。这是一个大胆的声明，但架构支持其逐步实现。

如果网络可以验证推理，那么同样的 Logit 指纹识别（logit-fingerprinting）方法也可以验证微调步骤。训练更难——跨分布式节点的梯度更新验证引入了新的挑战——但基础架构与该目标兼容。

更广泛的论点引起了 AI 行业日益增长的担忧：中心化风险。OpenAI、Anthropic、Google 和少数其他公司控制着最强大的 AI 模型。它们的 API 虽然方便，但伴随着限制：速率限制、内容政策、价格变动以及随时存在的服务中断风险。

一个在竞争模型上提供可验证推理的去中心化替代方案满足了真实的市场需求。DeFi 协议需要可以信任的 AI 预言机（oracles）。自主运行的 AI 代理需要无法被任意切断的推理提供者。跨链应用需要不依赖于任何单一公司基础设施的 AI 服务。

值得关注的重点​

Ambient 的测试网是下一个重要的里程碑。几个问题将决定该项目能否实现其宏伟愿景：

  • 模型质量：运行在去中心化网络上的 600B+ 参数模型能否匹配中心化替代方案的输出质量？模型的架构和训练数据将至关重要。

  • 延迟：实时应用需要快速推理。与中心化数据中心相比，跨分布式网络运行模型固有地增加了延迟。Ambient 是否能将这种延迟保持在交互式用例的可接受范围内仍有待观察。

  • 节点经济学：通过非重复工作分配实现可预测利润的承诺令人向往，但运行 600B 参数模型的硬件要求很高。小型运营商参与挖矿的门槛将塑造网络的去中心化程度。

  • 需求侧：验证推理是供应侧的创新。网络需要实际消耗 AI 输出的应用。围绕 Ambient 的推理能力建立开发者生态系统，将与共识机制本身同样重要。

更宏大的图景​

Ambient 代表了我们在思考区块链共识机制方面的一次哲学转变。15 年来，加密行业一直认为，用于维护网络安全的能源消耗是 “去中心化的成本” —— 即一种必要的浪费。权益证明（Proof-of-Stake）通过降低能耗提供了一种替代方案，但其代价是引入了基于资本的中心化压力。

Proof-of-Logits 提出了第三条路径：保留能源支出，但使其产生生产力。如果这一方案行之有效，它将从根本上改变区块链安全和 AI 推理的经济模型，创建一个每一焦耳能源支出都能发挥双重效用的网络。

无论 Ambient 最终是成为其创始人愿景中的 “AI 比特币”，还是仅仅停留在一次优雅的实验阶段，都将取决于执行情况。但这一理念 —— 即共识本身应该产生智能，而不仅仅是安全性 —— 让人觉得它代表了这两个行业的未来。

对于在区块链基础设施上构建 AI 驱动应用的开发者，BlockEden.xyz 提供跨多链的企业级 RPC 和 API 服务。随着 AI 与区块链融合的加速，可靠的基础设施正成为下一代智能去中心化应用的基础。探索我们的 API 市场以开始使用。

Share on Twitter