Pencils Protocol价格DAPP

我持有 $BGB 的原因，除了其金铲子属性以外，在于 #Bitget  的 PayFi 蓝图，必然会给 BGB 带来更多赋能和更强的价值支撑。 恰逢今年1月 @ForesightVen 的投资合伙人兼北美区负责人 @AliceL991 发表了 Payfi 报告（分上下篇）。我在深入阅读后，对 PayFi 有了更全面、具象的认识，感谢 Alice！ 本文算是一篇读书笔记，分享我对 PayFi 的粗浅看法。 0. 我们为什么需要 PayFi 1. PayFi 发展现状 2. Bitget 的 PayFi 蓝图及对 BGB 的潜在赋能 /0 我们为什么需要 PayFi PayFi = Pay + DeFi，下面我们先说 Pay 再说 Fi。 PayFi 的 Pay 小到日常支付，大到跨境支付，我们每时每刻都在和支付打交道。 即便是你去 711 买车仔面，整个支付过程不到 1 秒（展示付款码➡️商家扫码➡️支付完成），背后却是国内整个跨行清算体系开启的一场接力赛，清算体系包含 4 个角色：清算机构、收单侧、发卡侧、账户侧。 跨境支付的复杂程度又上了一台阶，复杂并不是指性质多复杂，而是清算体系内的角色变多，对应接力赛时长增加。 清算体系和流程可见图一、图二。 简单来说，传统金融跨境支付业务三大顽疾：跨境转账慢、手续费贵、普通人难触达——此为 Pay 的痛点。 PayFi 的 Fi 有朋友可能会问，以 DeFi Summer 为起点，DeFi 不是已经很成熟了吗？ 诚然，DeFi 有着无需许可、无国界、去中心化等特性，可以部分解决上面提到的支付痛点。 问题在于普及程度。 DeFi 在币圈开辟了一隅之地，对于现实世界还差点意思，离普罗大众隔了一个马里什么海沟。 试问，AA建材王哥能用 USDT 直接给不吃香菜打赏吗？ DeFi 和支付之间的鸿沟就在于，加密货币和法币难以实时兑换，而现实世界的支付场景只认法币。 💡 So, PayFi 旨在填平传统金融和加密世界的鸿沟，目标是让支付像喝水一样简单，做到实时结算、全球通用、成本极低，还能「钱」生钱。 PayFi，一场关于「钱」的进化革命。 /1 PayFi 赛道成功案例 PayFi 给我的感觉像是对中本聪的致敬，也是对《比特币：一种点对点的电子现金系统》的 Callback。 比特币越来越像黄金，而比特币的设想造就了加密世界。时隔十数年，PayFi 正在实现中本聪对比特币作为全球支付系统的初步构想。 在《PayFi 报告（上）：行业全景分析》中提及六大赛道和对应成功案例，在此列举三个： 跨链与跨境支付 @arf_one 用稳定币USDC做「国际快递」，帮金融机构省掉预存现金的麻烦，已处理16亿美元交易，0违约。 基于收入和应收款的借贷 @humafinance 实现凭未来工资或应收账款借钱，1分钟链上搞定，中小企业和打工人终于不用被抵押物卡脖子。 企业支付与信贷解决方案 @raincards 让 Web3 公司能直接用链上 USDC 付差旅费。 P.S. 写到这里我感觉没必要复述一次，大家可以去看原文，我会把链接发在评论。 /2 Bitget 的 PayFi 蓝图及对 BGB 的潜在赋能 Bitget 在 2025 年将 PayFi 定位为核心战略，旨在通过融合加密货币支付与 DeFi 收益，构建一个覆盖消费、储蓄、转账的金融超级应用。 BGB 作为生态的核心货币，将在 PayFi 蓝图中扮演关键角色。以下从 PayFi 的布局逻辑和 BGB 的赋能路径展开分析： PayFi 的四大核心布局 🔴金融超级应用：从钱包到全场景支付工具 “收益即支付”模式：用户存入稳定币，可实时赚取 DeFi 收益，并直接用于日常消费、跨境汇款等，也就是说钱多到一定程度就能钱生钱，花不完。 Bitget Wallet Card：与万事达卡合作推出多币种加密货币卡，支持全球消费，免年费且提供优惠汇率，打通链上收益与线下支付的桥梁。 🟠全球支付生态联盟 战略合作扩展场景：与 Triple-A（企业加密支付）、Bitrefill（加密货币兑换礼品卡）、IvendPay（二维码支付）、PundiX（区块链 POS 系统）等合作，覆盖日常消费场景。 合规银行账户：通过瑞士多币种 IBAN 账户，提供加密友好的国际银行服务，确保资金流动的合规性与安全性。 🟡聚焦新兴市场与普惠金融 非洲、中东、拉美增长显著：受高通胀和传统银行服务不足的推动，非洲用户量年增超 1000%，PayFi 通过低门槛、去中心化工具满足这些地区对金融服务的迫切需求。 🟢技术底层：Bitget Onchain Layer 整合跨链交易、DeFi 收益协议聚合流动性，并通过模块化功能 DApp（MFDs）简化用户操作，实现“一键式”收益与支付。 BGB 的潜在赋能路径 🟡支付与消费场景的核心媒介 PayFi 支付代币：BGB 作为 Bitget Card 的消费返利代币，持有者可解锁商家优惠、费率折扣及优先服务。 链上 Gas 费支付：BGB 将支持多链 Gas 费支付（如以太坊、Morph Layer2），并在 DeFi 生态中作为质押资产获取收益。 🟢机构与合规背书 通过 OSL 等持牌平台（Bitget 间接控股）的协同，BGB 可接入主流金融体系，吸引机构用户参与 PayFi 生态。 若 Bitget 在 PayFi 领域能成功覆盖 10 亿用户，BGB 的通缩机制+生态需求将推动其成为 Web3 支付领域的核心资产。 小结 Bitget 的 PayFi 蓝图以 “收益+支付+消费” 为核心，通过技术、合规与生态合作构建闭环；BGB 则通过通缩机制、链上应用扩展、支付场景渗透实现价值捕获。 ⭕️写在最后 支付是商业的血液，而 PayFi 是让血液流动更高效的基因。 Visa 17年涨了16倍多，穿越牛熊韧性极强，其案例为 PayFi 赛道提供了重要启示：只有融合技术创新、合规布局与生态扩展，才能在全球支付市场分得一杯羹。 风物长宜放眼量。

AI叙事退潮，L1重登叙事巅峰？ 有这样一个代币，作为某知名平台上币“风波”后首个上线的币种，光是名字就能让大部分散户心生怯意。昨天上线后价格翻倍，走出了短暂的低开高走行情。其未来走向究竟如何，我们一同深入分析。 1. 独特机制展现差异 Berachain运用Proof-of-Liquidity（PoL）共识机制，该机制能有效抵御女巫攻击。与传统质押方式不同，用户可通过提供流动性参与网络安全维护，极大提升了资金利用率，让市场运行更为高效。 以太坊从PoW过渡到PoS机制，特别是 “The Merge”升级后，PoS依赖质押ETH验证交易，并借助L2扩展性能。然而，在网络高峰期，其效率依然欠佳。 Solana性能强劲，得益于 “Proof-of-History”（PoH）与PoS相结合的机制。简单来说，PoH在验证交易时引入高效时间管理机制，降低系统验证复杂度，大幅提升了网络处理交易的能力与效率。但Solana的网络稳定性存在不足。 Berachain主打流动性的发展路径十分巧妙。当前各区块链网络普遍面临流动性与安全难题，而这种独特机制不仅能协调验证者、协议及用户等相关利益者的利益分配，还能在基础层面结合流动性增强网络安全性。 2. 项目基本信息速览 • 总量：5亿 • 最大供应量：无上限（依排放类型，每年通胀率10%） • 上线时初始流通量：1.0748亿（占起源总供应量的21.50％） 分配比例 • 初始核心贡献者：16.82% • 投资者：33.31% • 社区倡议：13.01% • 生态系统与研发：20.06% • 空投：13.80% • 特定平台Hodler空投：2% • 特定平台营销活动：1% 生态系统构成 Berachain生态系统主要由原生稳定币Honey、抗女巫的PoL流动性机制、EVM模块化框架BeaconKit、BGT生态活动币以及去中心化交易所BEX组成。 自2025年2月6日起，Berachain Bartio测试网已有250多个dApp上线，主网启动时的TVL达31亿美元。 Berachain与Google Cloud Platform、LayerZero、Magic Eden、Paypal USD、USDT0、Goldsky、The Graph、Pyth、Etherscan、Dune、Thirdweb等加密市场知名项目均有不同程度合作。 融资情况 公开融资仅有A轮和B轮，共融资1.42亿美金。Polychain Capital、Brevan Howard Digital、Framework Ventures、Polygon创始人Sandeep Nailwal、Dragonfly创始人冯波等参与投资。其中冯波曾天使投资Compound（即COMP）。 3. 主流币种对比及L1机会洞察 观察市场上各大主流币种如BGB，表现优于多数山寨币和主流币。长期持有主流币种可享有更多权益，令人羡慕那些长期持有的投资者，仅空投收益就颇为丰厚，更不用说币种本身的增值。 在持续变化的市场环境中，BG平台积极顺应趋势，对其核心业务之一的上币策略进行了优化。如今，平台在项目筛选流程上投入更多精力，从项目的技术创新、团队背景到社区治理等多维度进行严格评估，这使得后续上币的决策更加谨慎。这种转变不仅是对市场波动的有效应对，也是为用户资产安全和平台长期稳定发展筑牢根基。 在当下的市场周期中，一批新兴的L1项目正逐渐崭露头角。像Sei、Saga、Sui等，这些项目自上线以来便吸引了众多投资者的目光。以Sui为例，上线之初价格为1.3，在随后的三个月内，价格最低曾跌至0.36，然而随后却一路高歌猛进，价格翻了十倍之多。SEI同样表现不俗，上线价0.17，短期内最低下探至0.094，在大盘行情的助力下，价格实现了十几倍的增长。 这些L1项目的价格走势有着相似的轨迹，在经历初期的市场波动与洗盘后，都展现出了强劲的上升势头。L1作为区块链基础设施的核心层，一直是加密货币叙事的焦点。它们不仅承载着构建各类应用的重任，还在性能、安全性和去中心化程度等方面不断创新突破，为整个行业的发展注入新的活力。 随着以太坊在行业中长久以来的统治地位受到挑战，市场格局正在发生微妙变化。以太坊面临着诸如网络拥堵、交易费用高昂等问题，这为新兴L1项目提供了发展空间。这些后来者凭借自身独特的技术优势和创新理念，吸引了开发者、投资者和用户的关注。对于投资者而言，专注于L1方向或许能挖掘到更多潜在机遇，在新兴项目的成长过程中分享行业发展的红利。但在把握机遇的同时，也要清醒认识到加密市场的高风险性，做好风险管理和投资规划。

随着 AI Agent 成为 AI 领域的主要叙事，AI 赛道的发展也逐渐进入到 2.0 时代。聚焦于 AI Agent 概念本身，其是一种具备感知环境、进行决策和执行任务或服务的智能系统，它们通常能够理解自然语言指令，学习用户偏好，并在某些情况下，能够自主地做出决策。 AI Agent 的工作仅需给定一个目标，它就能够针对目标独立思考并做出行动，根据给定任务详细拆解出每一步的计划步骤，依靠来自外界的反馈和自主思考，自己给自己创建 prompt，实现目标。我们可以理解为 AI Agent = 问答机器人（交互入口）+全自动工作流（感知、思考、行动）+静态知识库（记忆）。 一些典型的 AI Agent 用例比如自动驾驶，当用户进行目的地输入时，AI Agent 就会基于 AI 算法和多种视觉技术的组合代替人类完成驾驶任务，在该过程中主动进行决策与执行，展示出真正的自主性和适应性。而游戏领域目前也在积极的尝试 AI Agent 方案，比如使用 AI Agent 模拟真人玩家，充当游戏中的对手、在游戏中自主执行任务（如 NPC 的行为、剧情发展），甚至其还能够根据玩家的表现调整游戏的难度，确保玩家体验不失挑战性。除了上述领域外，生产制造、金融、医疗、农业、网络安全等众多领域也在纷纷尝试应用 AI Agent。 当然，随着 AI Agent 在不同领域的广泛探索，AI 领域的关注点也从最初的算力、算法和数据，逐渐扩展至隐私和安全等更为重要的议题。 AI Agent 的可信隐忧 事实上，现阶段的 AI Agent 通常是半自主性的，即具备一定自主决策和任务执行能力，但其运行过程仍需人类提供明确指令、反馈或监督。通常，AIAgent 能够在预设范围内独立完成任务或调整行为，但遇到复杂场景或超出设定范围时，需要人类干预以确保安全性和准确性。 这就意味着，绝大多数 AI Agent 在很大程度上依赖于 AI Prompt 来实现人类与 AI 之间的有效交互。对于不了解什么是 Prompt 的读者，Prompt 指的是用户提供给 AI 模型的一段输入指令或 Prompt，用于引导 AI 生成相应的输出结果。Prompt 可以是一个问题、一个描述、一段文本，甚至是代码片段。 比如我想让 ChatGPT 来写一篇新闻稿，我以文本的形式向 GPT 描述的要求或者需求，就是一个 Prompt，或者一台具备自动驾驶能力的汽车，我需要向其提出我的目的地以及路线偏好，这都是一个 Prompt。 那么问题，或许恰恰就出在这里。 现阶段半自主的 AI Agent 通常依赖于中心化的实体，作为用户，通常其只关注 Prompt 以及推理执行结果，但用户通过 Prompt 与 AI Agent 交互的过程以及 AI 模型推理的过程是处于 “黑箱”中的，我们无法对其进行可信化的验证。 所以对于用户的 Prompt 在 AI Agent 执行过程中是否被篡改？AI Agent 在搜集信息的过程中是否访问了恶意程序？AI Agent 生成的输出是否符合预定的规则或预期，产生虚假的或不可靠的信息？用户向 AI 模型所输入的 Prompt 所涉及的敏感数据（加密钱包的私钥、医疗数据、个人身份信息等等）是否是能够保证隐私且安全的？这些或许都说不太清楚。 同样，AI Agent 过度依赖于中心化的服务器，并且其部署者，服务器的管理者有着至高的权限，某种程度上实控 AI agent 持有的用户资产和隐私数据，影响 AI agent 的行为。也有一些观点认为，当前的 AI 生态系统正朝着少数公司控制的方向发展，这些上游公司存在垄断 AI 模型的开发和使用动机，这或许会导致 AI 模型更具一定的指向性，并在伦理、道德等方面持续的引发一些担忧。 即便是一些面向 Web3 的 AI Agent 比如 AI16z 的 Eliza、Virtuals 协议等，仅仅是将身份管理、经济活动以及治理等部分放在链上，而 AI Agent 的核心推理与计算、数据存储以及实时交互与反馈仍旧依赖于链下服务器，本质上上述问题仍旧是存在的。 所以对于用户而言，使用绝大多数的 AI Agent 服务时，潜规则时无条件的选择对其信任，并且又无法对任何一个环节进行可信验证。这样导致越来越多的人对于 AI Agent 是否靠谱的问题始终存疑，至少对于一些涉及到钱、人身安全等方面的用例，比如 AI Agent 自动化执行的链上交易通常就不太敢切身尝试。 所以对于 AI Agent 本身缺乏一种机制来验证这些操作的合法性和安全性，在这个问题没有得到完美解决前，该领域将始终处于“乱纪元”状态。 当然，AI Agent 所面临的上述可信隐忧也并非是无解的，Zypher Network 构建了一套基于零知识证明的协处理基建设施，来为 AI Agent 时代所面临的可信困境破局。 Zypher Network：Make Agent Secure Again！ Zypher Network 本身是一个以零知识证明方案为核心的协处理基建设施，能够为所有具备零知识证明需求的应用场景以及设施提供 ZK 服务。 Zypher Network 本身包含了一个由分布式计算节点构成的链下计算网络，以及一个链上引擎 Zytron。当 Zypher 网络中有零知识计算任务时，Zypher 系统会为计算矿工们委派计算任务并生成 ZKP，该 ZKP 能够在 Zytron 链上进行验证，以保证数据、交易、行为等是可信诚实的。Zypher 系统在 Web3 游戏领域已经有所实践，并且已经有数十个 Web3 游戏在运行，这些游戏是由 AI 驱动（由AI Agent 完成游戏的逻辑），并且能够在无需依赖于中心化服务器的情况下保证高效、安全可信的运行。 在近期，Zypher 发布的全新的零知识计算层，通过为 AI Agent 领域提供 Proof of Prompt 和 Proof of Inference 两个主要的核心能力，通过向公众证明 Prompt 和推理是正确且未经篡改的，同时不透露底层敏感数据，以保证 AI Agent 运行过程中 Prompt 以及推理的可验证性与可信性。 值得一提的是，虽然现阶段也有众多的方案试图为 AI Agent 带来可信性，但 Zypher 是唯一一个不依赖于硬件，仅通过 ZK 密码学手段就能达到效果的方案。 Zk Prompt 上文我们提到，在传统的 AI Agent 模型中，最大问题在于无法保证 Prompt 的可信，包括 Prompt 是否被篡改、是否是由准确的 Prompt 驱动模型推理、Prompt 中的敏感信息是否会被泄露等等。 Zypher 正在通过计算层中的 zk Prompt 方案来保证 Prompt 的可验证与可信性，目标是保证 Prompt 的正确性和一致性，同时无需向公众或用户暴露底层数据，其是不仅是为无信任 AI Agent 和去中心化应用逻辑打造的关键产品之一，也是其无信任 AI Agent 开发框架的重要组成部分。 zk Prompt 本身以易用的 SDK 形式呈现，其核心依托于一套先进的加密方案，包括强加密、 Pedersen 承诺和 zkSnarks（Plonk）等原语。它与系统 Prompt 的初始化流程紧密协作，将初始化的 Prompt 作为输入，通过 Zypher 的 ZK 矿工网络生成加密承诺，并构建零知识证明（ZKP）。 这些 ZKP 允许任何用户或第三方进行验证，通过与经过审计的初始承诺对比，确保 Prompt 内容的正确性和一致性。如果系统 Prompt 的实际初始化内容与审计样本存在不一致，验证过程将立即失败，从而快速定位和发现潜在问题，确保系统行为的透明性和可靠性。 从运行过程上看，AI Agent 开发者和 AI Prompt 应用开发者可以利用 zk Prompt 来创建和定义 System Prompt，以确保 AI 模型能够按照预期执行特定任务。 在 System Prompt 初始化后，Prompt 会被传递到 LLM 模型中进行加载，同时通过承诺方案生成一个加密承诺，并借助 Zypher 的 ZK 计算网络生成不可篡改的证明。这一过程将记录 Prompt 的完整性和一致性，确保 Prompt 能够指导模型产生符合预期的行为。 对于使用 Prompt 的用户，他们可以下载承诺的 Prompt 和相应的证明文件，并将当前使用的模型与承诺的 Prompt 进行验证。验证结果会明确 Prompt 用户 Prompt 是否被篡改，从而确保 Prompt 和模型的行为与开发者的原始设定一致。 交互示例 zk Prompt 在 AI Agent、ZK 计算网络、DApp 和智能合约之间构建了一套可靠的交互机制，确保 Prompt 的完整性和一致性，为 AI 模型的行为提供可信保障。 当 AI Agent 开发者通过 zkPrompt 定义并提交 System Prompt 后，Prompt 会被加密处理，生成一个加密承诺（Commitment），同时初始化 AI Agent 并生成与提示相关的加密电路，确保 Prompt 内容在系统中具备不可篡改的特性。与此同时，AI Agent 会将验证密钥发送至 Zypher 的 ZK 计算网络，作为后续验证的依据。 当 DApp 发起消息或交易请求时，AI Agent 将接收请求并委派计算任务至 ZK 计算网络处理。在 ZK 计算网络中，Prompt 的执行结果通过零知识证明的形式被加密验证，该证明不仅记录了任务的执行过程，还保证 Prompt 提示与行为的一致性，生成的证明文件随后被返回给智能合约或 DApp，用于进一步验证。 Zypher 的 Zytron 引擎链上智能合约会核验零知识证明与加密承诺，确认提示内容和执行行为的准确性。如果提示内容被篡改或执行不符合原始设定，验证将失败，从而有效防止潜在问题。这种验证机制，为 Prompt 的可靠性提供了强有力的支持，并保障了 AI 模型能够始终按照开发者的预期运行。 所以通过与智能合约及其他区块链对象协作，Zypher 能够实现更加透明且可验证的安全目标，并能够为诸多 Web3 用例所便捷集成。 从特点上来看，zk Prompt 能确保 AI Agent ： 数据隐私：用户可以验证提示的正确性，而无需看到或了解系统提示的具体内容，保护提示的敏感性。 可信性与透明度：通过零知识证明，用户可以信任AI的行为未被恶意篡改。 分布式验证：任何用户或第三方都可以通过验证过程确认提示和模型的一致性，而不依赖于中心化实体。 以 zk Prompt 为基础，其不仅能够保证 Prompt 的可信性，同时还能进一步向 Proof of Inference 延伸，同样能够确保 AI Agent 的推理过程是可信的，推理结果是基于合法输入生成的。 总体而言，zk Prompt 方案特别适用于关键任务场景，例如涉及财务敏感信息或需要明确行动导向的 AI Agent，以确保可靠性提供了高度安全的保障。 更优的安全性 在构建可信 AI Agent 的赛道中，TEE 方案因其通过硬件构建的隔离环境而被广泛采用，能够在一定程度上实现数据的隐私保护与执行可验证性。尽管 TEE 是一种经过验证并在多个领域广泛应用的主流隐私方案，但在构建可信 AI Agent 方面仍然存在一定的局限性。 事实上，TEE 方案通常依赖于诸如 Intel SGX 和 ARM TrustZone 等硬件厂商提供的可信环境和密钥管理服务。这种中心化的信任机制使得系统的安全性高度依赖特定厂商，带来了集中化的风险，Intel SGX 此前就曾多次被曝光存在漏洞，直接威胁其可信基础。此外，尽管 TEE 提供了隔离的运行环境，其数据隐私保护能力仍存在不足。例如，在数据传输至 TEE 环境过程中可能面临窃听风险，而 TEE 外部的攻击者也可能通过交互接口获取敏感信息。此外，TEE 的设计主要面向预定义的计算任务，缺乏动态调整能力。而 AI Agent 通常需要应对多变的任务和复杂的上下文场景，这种刚性架构同样也难以满足实际需求。 相较之下，Zypher 的零知识证明方案具备去中心化特性，无需依赖任何集中式实体，其安全性源于链下分布式且大规模的计算网络集群。这不仅赋予其轻量化优势，在可扩展性和动态灵活性方面也明显优于 TEE，使其能够更高效地适配 AI Agent 的多样化应用场景。无论是 ChatGPT 还是当前热度飙升的 Deepseek 等大语言模型，Zypher 都能实现无缝兼容。值得一提的是，Zypher 方案完全基于 ZK 设计，以纯粹的密码学创新为核心，在可信 AI Agent 解决方案领域独树一帜。 总体而言，尽管 AI 技术正在以惊人的速度不断迭代和发展，但在安全与伦理问题、实用性考量等方面的限制下，全自主的 AI Agent 要实现全面普及依然面临诸多挑战。相比之下，半自主的 AI Agent 因其平衡了自动化与人为监督的特点，仍将是未来发展的主流方向。同样，这也就意味着 AI Agent 在规模性采用前亟需在可信、隐私上有所进展，而 Zypher Network 凭借其完全基于 ZK 的密码学方案正在加速这一进程，并为 AI Agent 赛道向下一阶段发展提供坚实的基础。 作为 AI 时代最重要的密码学基建设施，Zypher Network 正在 “Make Agent Secure Again”！

随着 AI Agent 成为 AI 领域的主要叙事，AI 赛道的发展也逐渐进入到 2.0 时代。聚焦于 AI Agent 概念本身，其是一种具备感知环境、进行决策和执行任务或服务的智能系统，它们通常能够理解自然语言指令，学习用户偏好，并在某些情况下，能够自主地做出决策。 AI Agent 的工作仅需给定一个目标，它就能够针对目标独立思考并做出行动，根据给定任务详细拆解出每一步的计划步骤，依靠来自外界的反馈和自主思考，自己给自己创建 prompt，实现目标。我们可以理解为 AI Agent = 问答机器人（交互入口）+全自动工作流（感知、思考、行动）+静态知识库（记忆）。 一些典型的 AI Agent 用例比如自动驾驶，当用户进行目的地输入时，AI Agent 就会基于 AI 算法和多种视觉技术的组合代替人类完成驾驶任务，在该过程中主动进行决策与执行，展示出真正的自主性和适应性。而游戏领域目前也在积极的尝试 AI Agent 方案，比如使用 AI Agent 模拟真人玩家，充当游戏中的对手、在游戏中自主执行任务（如 NPC 的行为、剧情发展），甚至其还能够根据玩家的表现调整游戏的难度，确保玩家体验不失挑战性。除了上述领域外，生产制造、金融、医疗、农业、网络安全等众多领域也在纷纷尝试应用 AI Agent。 当然，随着 AI Agent 在不同领域的广泛探索，AI 领域的关注点也从最初的算力、算法和数据，逐渐扩展至隐私和安全等更为重要的议题。 AI Agent 的可信隐忧 事实上，现阶段的 AI Agent 通常是半自主性的，即具备一定自主决策和任务执行能力，但其运行过程仍需人类提供明确指令、反馈或监督。通常，AIAgent 能够在预设范围内独立完成任务或调整行为，但遇到复杂场景或超出设定范围时，需要人类干预以确保安全性和准确性。 这就意味着，绝大多数 AI Agent 在很大程度上依赖于 AI Prompt 来实现人类与 AI 之间的有效交互。对于不了解什么是 Prompt 的读者，Prompt 指的是用户提供给 AI 模型的一段输入指令或 Prompt，用于引导 AI 生成相应的输出结果。Prompt 可以是一个问题、一个描述、一段文本，甚至是代码片段。 比如我想让 ChatGPT 来写一篇新闻稿，我以文本的形式向 GPT 描述的要求或者需求，就是一个 Prompt，或者一台具备自动驾驶能力的汽车，我需要向其提出我的目的地以及路线偏好，这都是一个 Prompt。 那么问题，或许恰恰就出在这里。 现阶段半自主的 AI Agent 通常依赖于中心化的实体，作为用户，通常其只关注 Prompt 以及推理执行结果，但用户通过 Prompt 与 AI Agent 交互的过程以及 AI 模型推理的过程是处于 “黑箱”中的，我们无法对其进行可信化的验证。 所以对于用户的 Prompt 在 AI Agent 执行过程中是否被篡改？AI Agent 在搜集信息的过程中是否访问了恶意程序？AI Agent 生成的输出是否符合预定的规则或预期，产生虚假的或不可靠的信息？用户向 AI 模型所输入的 Prompt 所涉及的敏感数据（加密钱包的私钥、医疗数据、个人身份信息等等）是否是能够保证隐私且安全的？这些或许都说不太清楚。 同样，AI Agent 过度依赖于中心化的服务器，并且其部署者，服务器的管理者有着至高的权限，某种程度上实控 AI agent 持有的用户资产和隐私数据，影响 AI agent 的行为。也有一些观点认为，当前的 AI 生态系统正朝着少数公司控制的方向发展，这些上游公司存在垄断 AI 模型的开发和使用动机，这或许会导致 AI 模型更具一定的指向性，并在伦理、道德等方面持续的引发一些担忧。 即便是一些面向 Web3 的 AI Agent 比如 AI16z 的 Eliza、Virtuals 协议等，仅仅是将身份管理、经济活动以及治理等部分放在链上，而 AI Agent 的核心推理与计算、数据存储以及实时交互与反馈仍旧依赖于链下服务器，本质上上述问题仍旧是存在的。 所以对于用户而言，使用绝大多数的 AI Agent 服务时，潜规则时无条件的选择对其信任，并且又无法对任何一个环节进行可信验证。这样导致越来越多的人对于 AI Agent 是否靠谱的问题始终存疑，至少对于一些涉及到钱、人身安全等方面的用例，比如 AI Agent 自动化执行的链上交易通常就不太敢切身尝试。 所以对于 AI Agent 本身缺乏一种机制来验证这些操作的合法性和安全性，在这个问题没有得到完美解决前，该领域将始终处于“乱纪元”状态。 当然，AI Agent 所面临的上述可信隐忧也并非是无解的，Zypher Network 构建了一套基于零知识证明的协处理基建设施，来为 AI Agent 时代所面临的可信困境破局。 Zypher Network：Make Agent Secure Again！ Zypher Network 本身是一个以零知识证明方案为核心的协处理基建设施，能够为所有具备零知识证明需求的应用场景以及设施提供 ZK 服务。 Zypher Network 本身包含了一个由分布式计算节点构成的链下计算网络，以及一个链上引擎 Zytron。当 Zypher 网络中有零知识计算任务时，Zypher 系统会为计算矿工们委派计算任务并生成 ZKP，该 ZKP 能够在 Zytron 链上进行验证，以保证数据、交易、行为等是可信诚实的。Zypher 系统在 Web3 游戏领域已经有所实践，并且已经有数十个 Web3 游戏在运行，这些游戏是由 AI 驱动（由AI Agent 完成游戏的逻辑），并且能够在无需依赖于中心化服务器的情况下保证高效、安全可信的运行。 在近期，Zypher 发布的全新的零知识计算层，通过为 AI Agent 领域提供 Proof of Prompt 和 Proof of Inference 两个主要的核心能力，通过向公众证明 Prompt 和推理是正确且未经篡改的，同时不透露底层敏感数据，以保证 AI Agent 运行过程中 Prompt 以及推理的可验证性与可信性。 值得一提的是，虽然现阶段也有众多的方案试图为 AI Agent 带来可信性，但 Zypher 是唯一一个不依赖于硬件，仅通过 ZK 密码学手段就能达到效果的方案。 Zk Prompt 上文我们提到，在传统的 AI Agent 模型中，最大问题在于无法保证 Prompt 的可信，包括 Prompt 是否被篡改、是否是由准确的 Prompt 驱动模型推理、Prompt 中的敏感信息是否会被泄露等等。 Zypher 正在通过计算层中的 zk Prompt 方案来保证 Prompt 的可验证与可信性，目标是保证 Prompt 的正确性和一致性，同时无需向公众或用户暴露底层数据，其是不仅是为无信任 AI Agent 和去中心化应用逻辑打造的关键产品之一，也是其无信任 AI Agent 开发框架的重要组成部分。 zk Prompt 本身以易用的 SDK 形式呈现，其核心依托于一套先进的加密方案，包括强加密、 Pedersen 承诺和 zkSnarks（Plonk）等原语。它与系统 Prompt 的初始化流程紧密协作，将初始化的 Prompt 作为输入，通过 Zypher 的 ZK 矿工网络生成加密承诺，并构建零知识证明（ZKP）。 这些 ZKP 允许任何用户或第三方进行验证，通过与经过审计的初始承诺对比，确保 Prompt 内容的正确性和一致性。如果系统 Prompt 的实际初始化内容与审计样本存在不一致，验证过程将立即失败，从而快速定位和发现潜在问题，确保系统行为的透明性和可靠性。 从运行过程上看，AI Agent 开发者和 AI Prompt 应用开发者可以利用 zk Prompt 来创建和定义 System Prompt，以确保 AI 模型能够按照预期执行特定任务。 在 System Prompt 初始化后，Prompt 会被传递到 LLM 模型中进行加载，同时通过承诺方案生成一个加密承诺，并借助 Zypher 的 ZK 计算网络生成不可篡改的证明。这一过程将记录 Prompt 的完整性和一致性，确保 Prompt 能够指导模型产生符合预期的行为。 对于使用 Prompt 的用户，他们可以下载承诺的 Prompt 和相应的证明文件，并将当前使用的模型与承诺的 Prompt 进行验证。验证结果会明确 Prompt 用户 Prompt 是否被篡改，从而确保 Prompt 和模型的行为与开发者的原始设定一致。 交互示例 zk Prompt 在 AI Agent、ZK 计算网络、DApp 和智能合约之间构建了一套可靠的交互机制，确保 Prompt 的完整性和一致性，为 AI 模型的行为提供可信保障。 当 AI Agent 开发者通过 zkPrompt 定义并提交 System Prompt 后，Prompt 会被加密处理，生成一个加密承诺（Commitment），同时初始化 AI Agent 并生成与提示相关的加密电路，确保 Prompt 内容在系统中具备不可篡改的特性。与此同时，AI Agent 会将验证密钥发送至 Zypher 的 ZK 计算网络，作为后续验证的依据。 当 DApp 发起消息或交易请求时，AI Agent 将接收请求并委派计算任务至 ZK 计算网络处理。在 ZK 计算网络中，Prompt 的执行结果通过零知识证明的形式被加密验证，该证明不仅记录了任务的执行过程，还保证 Prompt 提示与行为的一致性，生成的证明文件随后被返回给智能合约或 DApp，用于进一步验证。 Zypher 的 Zytron 引擎链上智能合约会核验零知识证明与加密承诺，确认提示内容和执行行为的准确性。如果提示内容被篡改或执行不符合原始设定，验证将失败，从而有效防止潜在问题。这种验证机制，为 Prompt 的可靠性提供了强有力的支持，并保障了 AI 模型能够始终按照开发者的预期运行。 所以通过与智能合约及其他区块链对象协作，Zypher 能够实现更加透明且可验证的安全目标，并能够为诸多 Web3 用例所便捷集成。 从特点上来看，zk Prompt 能确保 AI Agent ： 数据隐私：用户可以验证提示的正确性，而无需看到或了解系统提示的具体内容，保护提示的敏感性。 可信性与透明度：通过零知识证明，用户可以信任AI的行为未被恶意篡改。 分布式验证：任何用户或第三方都可以通过验证过程确认提示和模型的一致性，而不依赖于中心化实体。 以 zk Prompt 为基础，其不仅能够保证 Prompt 的可信性，同时还能进一步向 Proof of Inference 延伸，同样能够确保 AI Agent 的推理过程是可信的，推理结果是基于合法输入生成的。 总体而言，zk Prompt 方案特别适用于关键任务场景，例如涉及财务敏感信息或需要明确行动导向的 AI Agent，以确保可靠性提供了高度安全的保障。 更优的安全性 在构建可信 AI Agent 的赛道中，TEE 方案因其通过硬件构建的隔离环境而被广泛采用，能够在一定程度上实现数据的隐私保护与执行可验证性。尽管 TEE 是一种经过验证并在多个领域广泛应用的主流隐私方案，但在构建可信 AI Agent 方面仍然存在一定的局限性。 事实上，TEE 方案通常依赖于诸如 Intel SGX 和 ARM TrustZone 等硬件厂商提供的可信环境和密钥管理服务。这种中心化的信任机制使得系统的安全性高度依赖特定厂商，带来了集中化的风险，Intel SGX 此前就曾多次被曝光存在漏洞，直接威胁其可信基础。此外，尽管 TEE 提供了隔离的运行环境，其数据隐私保护能力仍存在不足。例如，在数据传输至 TEE 环境过程中可能面临窃听风险，而 TEE 外部的攻击者也可能通过交互接口获取敏感信息。此外，TEE 的设计主要面向预定义的计算任务，缺乏动态调整能力。而 AI Agent 通常需要应对多变的任务和复杂的上下文场景，这种刚性架构同样也难以满足实际需求。 相较之下，Zypher 的零知识证明方案具备去中心化特性，无需依赖任何集中式实体，其安全性源于链下分布式且大规模的计算网络集群。这不仅赋予其轻量化优势，在可扩展性和动态灵活性方面也明显优于 TEE，使其能够更高效地适配 AI Agent 的多样化应用场景。无论是 ChatGPT 还是当前热度飙升的 Deepseek 等大语言模型，Zypher 都能实现无缝兼容。值得一提的是，Zypher 方案完全基于 ZK 设计，以纯粹的密码学创新为核心，在可信 AI Agent 解决方案领域独树一帜。 总体而言，尽管 AI 技术正在以惊人的速度不断迭代和发展，但在安全与伦理问题、实用性考量等方面的限制下，全自主的 AI Agent 要实现全面普及依然面临诸多挑战。相比之下，半自主的 AI Agent 因其平衡了自动化与人为监督的特点，仍将是未来发展的主流方向。同样，这也就意味着 AI Agent 在规模性采用前亟需在可信、隐私上有所进展，而 Zypher Network 凭借其完全基于 ZK 的密码学方案正在加速这一进程，并为 AI Agent 赛道向下一阶段发展提供坚实的基础。 作为 AI 时代最重要的密码学基建设施，Zypher Network 正在 “Make Agent Secure Again”！

V神（Vitalik Buterin）再次站出来！沉迷于谈恋爱的V神终于想起来他还有个以太坊。就在前天，V神宣布了一项可能改变以太坊未来发展的重要决定：以太坊基金会将进行一系列领导层调整，强调技术专长，并加强与生态系统内开发者的沟通。这一变动的背后，似乎是为了让以太坊在2024年遇到的一些挑战中找到新的突破口。ETH发育迟缓的今天，这些变动能否为ETH带来“绝地反击”？ 2024年对以太坊来说可不太轻松 2024年对以太坊来说，不是一个特别友好的年份。以太坊基金会的支出、路线图目标、甚至是基金会成员的行为，都受到了社区的批评。特别是在以太坊基金会的几位重要研究员在EigenLayer基金会担任有偿顾问职务之后，基金会的“利益冲突”问题引发了不少争议。基金会随即出台了利益冲突政策，但这种做法并没能完全平息社区的不满。 V神的新战略：回归技术本质 在这样的背景下，V神提出了以太坊基金会领导层的变动。他在1月18日的X（原Twitter）帖子中提到，这次调整将更加注重技术专长，目的就是让基金会能够更好地支持去中心化应用程序（dApp）开发者，并推动去中心化、抵制审查和隐私的理念。也就是说，以太坊基金会不再意图在生态系统中扮演更为核心的“政治”角色，而是希望通过加强技术支持来帮助开发者实现他们的愿景。 这不禁让人想起早期以太坊的构建理念：让技术回归到核心，以去中心化和社区自治为基础，减少中间的权力结构。这也可能是对2024年多次挑战的一种回应：不管外界如何纷扰，技术才是以太坊最强的竞争力。 第2层网络的崛起和争议 除了基金会的领导层变动，今年以太坊的第2层网络也成为了关注焦点。随着Dencun升级的推出，以太坊的第2层交易费用下降了99%，这意味着交易成本大幅降低，极大促进了第2层的快速增长。据L2Beat的数据，目前以太坊已经有55个第2层汇总网络，且数量还在不断攀升。 然而，随着第2层网络的快速扩展，也引发了基础层收入减少的担忧。根据Token Terminal的数据，以太坊基础层的网络收入在2024年夏天暴跌了99%，虽然在年底有所反弹，但这种“收入蚕食”的现象依然让人忧心。第2层的激增，真的会“吞噬”以太坊基础层的经济模型吗？这是一个值得深思的问题。 ETH能否绝地翻盘？ 回到以太坊的未来，这一系列领导层的变动和技术改革，能否帮助ETH完成“绝地翻盘”？从技术层面来看，以太坊依然是区块链行业中的技术先锋。Dencun升级让第2层网络得到了大规模的推动，交易费用的大幅降低，让ETH的应用场景更加广泛。现在，V神的战略调整将以技术为核心，回归到支持开发者的初衷，避免过多的政治和意识形态干扰。 但不可忽视的是，以太坊社区的信任问题依然存在。尽管V神和基金会做出了调整，面对的依然是社区的质疑和外部竞争者的压力。以太坊的定位是否会在未来的博弈中脱颖而出，还是继续迷失在多元化的利益纠葛中，这将是一个悬而未决的问题。 作为一个ETH长期持有者，我希望还能有足够的时间来检验，ETH的未来依然充满了可能性！