ZK-Rollups 之后 , 我们真正需要押注的下一个杀手级应用是什么?

marsbitDipublikasikan tanggal 2025-08-11Terakhir diperbarui pada 2025-08-12

随着 zkSync、Starknet 等头部项目的“空投季”尘埃落定,零知识(ZK)技术从未像今天这样,同时点燃了社区的狂热与争议。数百万用户的钱包地址,第一次与这项深奥的密码学技术产生了真金白银的关联。然而,在这场围绕估值、交易量和空投规则的喧嚣之中,我们是否正陷入一种“胜利者的短视”?我们是否将 ZK 的想象力,仅仅锁定在了“让以太坊更快、更便宜”的单一维度上?

当市场的目光还聚焦在 Layer 2 赛道的红海拼杀时,另一个更宏大的浪潮——AI 与 Crypto 的融合——正在悄然兴起。而 ZK,正是连接这两个超级叙事的关键技术桥梁。本文旨在穿透当前 ZK-Rollups 的热度迷雾,提出一个核心观点:ZK 技术的终极战场,并非赢得 L2 战争,而是为即将到来的 AI 时代,构建一个可信、无需许可、且能捍卫个人主权的数字现实。

 Starknet

(Photo from:@ayyyeandy)


ZK-Rollups:伟大的起点,而非终点

毫无疑问,ZK-Rollups 是迄今为止零知识证明技术最成功的商业化落地。它以一种近乎完美的密码学技术,解决了困扰区块链世界多年的“不可能三角”中的扩容难题。通过将成百上千笔交易在链下(Layer 2)打包,生成一个简洁的有效性证明(Validity Proof),然后将其提交至主链(Layer 1)进行验证,ZK-Rollups 在不牺牲安全性的前提下,将以太坊的交易处理能力提升了数个数量级。

从 StarkWare 的 StarkNet 到 Matter Labs 的 zkSync,再到 Scroll 和 Polygon zkEVM,各大团队的技术竞赛几乎完全围绕着“EVM 兼容性”与“交易成本(Gas Fee)”展开。市场对此反响热烈,资本也用真金白银投出了自己的偏好。这创造了一种繁荣,但也带来了一种“隧道视野”——我们似乎默认 ZK 的使命就是为了让链上交易体验变得更快、更便宜。

然而,如果我们将视野拉得更远,就会发现,将 ZK 技术仅仅局限在扩容的框架内,是对其革命性潜力的一种低估。扩容是必要之路,是通向未来的基础设施;但它本身,并不是未来。 它为我们铺平了道路,但真正令人心驰神往的,是这条路通往的风景。


跳出扩容围城:ZK 的三个高潜力战场

当我们不再仅仅将 ZK 视为“压缩工具”时,其作为“信任工具”的本质便显现出来。这为我们揭示了三个亟待爆发、且更符合 Crypto 原教旨主义精神的领域:

1. 可验证计算 (Verifiable Computation):重塑数据与计算的信任根基

想象一个场景:一个复杂的机器学习模型或一个精密的金融风险模型在云端服务器上运行,它如何向你证明其计算过程是准确无误、且未被恶意篡改的?在传统的 Web2 架构中,我们只能选择“相信”服务提供商。

ZK 技术彻底改变了这一游戏规则。通过零知识证明,计算任务的执行方可以生成一个证明,证实其完全按照预设的程序执行了计算,并将结果诚实地返回。验证方无需重新执行整个耗时耗力的计算过程,只需验证这个轻量的证明,就能对结果建立起数学级别的信任。

这不仅仅是技术上的炫技。它将解锁去中心化物理基础设施网络(DePIN)、去中心化科学(DeSci)以及更公平的数字广告市场。例如,Modulus Labs 正在探索的 ZKML(零知识机器学习)领域,允许 AI 模型的推理过程被验证,用户可以确信自己收到的 AI 生成结果并未被审查或操纵。而像 RISC Zero 这样的项目,通过构建通用 ZK 虚拟机(zkVM),让任何类型的计算都能生成 ZK 证明,为去中心化的、可验证的云计算打开了大门。 当计算过程本身变得可信且可验证时,我们就不再需要依赖于中心化的品牌或机构作为信任中介,一个真正点对点的、无需许可的计算市场才有可能形成。


2. 去中心化身份 (DID) 与链上信誉:构建你的 Web3 原生护照

在当前 Web3 世界,我们的“身份”被粗暴地简化为了一个钱包地址。这个地址记录了我们的资产和交易历史,但它无法承载我们复杂的社会关系、专业成就或信誉评分。

ZK-DID 允许用户在不泄露具体个人信息的前提下,有选择性地证明自己的属性。例如:

  • 向 DeFi 协议证明你的信用评分高于某个阈值,从而获得更优的借贷利率,而无需暴露你的全部资产状况。
  • 在 DAO 治理投票中证明你是一个真实、独立的用户,而无需透露你的身份。
  • 向一个游戏平台证明你已年满 18 岁,而无需出示你的身份证号码。

这种“选择性披露”的能力,是构建一个既能保护用户隐私、又能建立复杂社会协作的 Web3 生态的关键。这并非空想,Polygon ID 已经为此构建了一整套开源框架,让开发者可以轻松集成 ZK 身份验证功能。而像 zkMe 这样的项目则专注于提供去中心化的 KYC 解决方案,用户只需验证一次,即可在整个 Web3 世界中匿名证明自己的合规身份。即便是像 Worldcoin 这样的大规模社会实验,其核心也是利用 ZK 技术来确保用户的“人格证明”与其链上行为相分离,保护个人隐私。 它将催生出原生的链上信誉系统,让我们的数字身份不再仅仅是一个冰冷的地址,而是一个丰满、立体、且由自己主权的“灵魂”。


3. 真正的链上隐私:从透明到“可控透明”

以太坊的透明性是一把双刃剑。它保证了系统的公正和可审计性,但也让所有用户的财务状况暴露在阳光之下。隐私币(如 Zcash)早已展示了 ZK 在交易隐私方面的威力,但其生态相对孤立。

未来的趋势,是将隐私功能以“可选”或“默认”的形式,无缝集成到主流的智能合约平台中。想象一下,企业可以在链上进行机密的供应链金融结算;DAO 组织可以进行匿名的薪酬发放;个人用户可以进行私密的资产转移。

在这条赛道上,Aztec Network 正是先行者,它通过构建一个加密的 ZK-Rollup,旨在为以太坊带来一个原生的隐私层,让用户可以在熟悉的 DeFi 应用中进行保密交易。此外,像 Aleo 这样的 Layer 1 公链,更是从底层架构开始就为隐私而设计,目标是打造一个默认私有的智能合约平台。 这需要我们从追求“完全透明”的思维定式,转向追求“可控透明”——即数据默认私有,但所有者可以根据需要,向特定方(如审计机构)授予查看权限,并生成相应的 ZK 证明来证实合规性。这才是 ZK 技术在金融乃至社会治理层面最深刻的变革。

ZK-Rollups 的成功,是 ZK 技术在“工具理性”层面的巨大胜利。它高效地解决了行业最紧迫的痛点。然而,Crypto 的星辰大海,最终要回归到“价值理性”的探索——我们究竟想用这些强大的工具,构建一个怎样的世界?

我坚信,ZK 技术的最终使命,是赋予个体前所未有的数字主权。它让我们有能力在不牺牲隐私的前提下参与数字经济,有能力验证我们所依赖信息的真伪,有能力构建一个不由中心化巨头定义、而是由数学和共识保障的信任互联网。

因此,当下次我们评估一个 ZK 项目时,或许可以提出更高维度的问题:除了让交易更快更便宜,它是否让我们的数字世界变得更可信?它是否让我们对自己身份和数据的掌控力更强?它是否在为那个更公平、更保护个体的未来添砖加瓦?

押注 ZK,不仅仅是押注一项技术,更是押注一种未来。而那个未来,远比我们今天在讨论的 TPS 和 Gas 费,要宏大得多。

Bacaan Terkait

Tiga Tahun Kemudian: Meninjau Kembali Penilaian Saya terhadap ChatGPT di Tahun 2023

Tiga tahun kemudian, pada Mei 2026, penulis meninjau kembali 20 prediksi tentang ChatGPT yang dibuatnya pada Maret 2023, menggunakan AI untuk mengevaluasi akurasinya berdasarkan data terbaru. Secara keseluruhan, arah dan mekanisme prediksi banyak yang tepat. Yang paling akurat adalah tentang RAG sebagai arsitektur standar, LUI (Antarmuka Pengguna Bahasa Alami) sebagai lapisan interaksi baru, munculnya "jaringan robot" (protokol untuk agen AI), dan kemampuan China mengejar ketertinggalan model AI besar. Prediksi bahwa ChatGPT bukan AGI namun langkah besar, tidak menyebabkan gelombang pengangguran massal, serta sifat uji Turing yang hanya mengukur persepsi juga pada dasarnya benar. Namun, prediksi dengan angka spesifik atau pernyataan mutlak sering meleset. Klaim bahwa GPT-4 memiliki 100 triliun parameter sepenuhnya salah. Pernyataan bahwa LLM "tidak mungkin" mengerjakan matematika murni terbantahkan dengan model penalaran yang memenangkan medali emas IMO. Estimasi biaya pelatihan model hanya $5-10 miliar juga jauh dari kenyataan, yang kini mencapai miliaran dolar untuk model terdepan. Beberapa prediksi keliru tentang distribusi dampak, seperti bahwa nilai akan berpindah ke lapisan aplikasi (nyatanya, penyedia chip seperti NVIDIA paling untung), atau bahwa AI akan "menghindari" masalah hak cipta (justru menimbulkan gugatan besar). Kesimpulan utama adalah: dalam memprediksi teknologi yang cepat berubah, mengidentifikasi arah dan mekanisme umumnya lebih bisa diandalkan daripada memberikan angka pasti atau pernyataan mutlak. Prediksi cenderung terlalu optimis tentang kecepatan perubahan jangka pendek, tetapi meremehkan besarnya perubahan jangka panjang. Penting juga untuk mempertimbangkan distribusi dampak, bukan hanya kesimpulan agregat. Pernyataan yang disertai batasan dan keraguan justru lebih tahan uji waktu. Beberapa pertanyaan mendasar masih belum terjawab setelah tiga tahun. Tinjauan ini berfungsi sebagai pelajaran untuk membuat prediksi yang lebih baik di tiga tahun mendatang.

marsbit1j yang lalu

Tiga Tahun Kemudian: Meninjau Kembali Penilaian Saya terhadap ChatGPT di Tahun 2023

marsbit1j yang lalu

Tiga Tahun Kemudian: Menilik Kembali Penilaian Saya terhadap ChatGPT pada 2023

Tiga tahun kemudian: Meninjau Kembali 20 Prediksi ChatGPT Saya pada 2023 Pada Maret 2023, penulis Wang Jianshuo membuat 20 prediksi intuitif tentang ChatGPT dan AI masa depan. Kini, di Mei 2026, sebuah sistem AI yang terdiri dari 41 agen menganalisis prediksi-prediksi tersebut berdasarkan data terkini. Hasilnya menunjukkan pola menarik. **Yang Terbukti Benar (Secara Umum):** * **RAG dan Arsitektur Pencarian (✅):** Solusi utama untuk pengetahuan dan halusinasi adalah dengan menambahkan "contekan" (RAG), bukan mengubah model. Arsitektur pencarian + LLM kini menjadi standar. * **LUI sebagai Benua Baru (🟢):** Antarmuka Pengguna Bahasa Alami (LUI) adalah lapisan interaksi baru yang besar, melahirkan industri agen dan protokol seperti MCP. * **Jaringan Robot dan Sistem Pengalamatan Baru (🟢):** Agen akan berkomunikasi otomatis dengan bahasa alami. Protokol seperti MCP dan ANP sedang mewujudkannya. * **Model Besar Tiongkok (🟢):** Model-model seperti DeepSeek dan Qwen telah mengejar ketertinggalan performa, meski dengan investasi lebih kecil. * **Tidak Ada Kesadaran, Tes Turing Hanya Ukur Penampilan (🟢):** AI tidak memiliki kesadaran. Tes Turing hanya mengukur ilusi kesadaran. * **Prediksi Lain yang Benar:** ChatGPT bukan AGI, tapi lompatan besar; gelombang pengangguran besar tidak terjadi; tahun besar untuk startup; momen "browser 1994" telah tiba. **Yang Kurang Tepat atau Salah:** * **Parameter GPT-4 (❌):** Prediksi 100 triliun parameter salah. Estimasi terbaru sekitar 1,8 triliun. * **Matematika di LLM (🟡):** Diagnosis bahwa matematika adalah kelemahan intrinsik dan memerlukan alat bantu benar. Namun, pernyataan "tidak mungkin" ditingkatkan terbukti salah, karena model kini bisa memenangkan medali emas Olimpiade Matematika Internasional (IMO). * **Penangkapan Nilai (🟡):** Aplikasi memang berkembang pesat, tetapi nilai terbesar justru ditangkap oleh lapisan komputasi (seperti Nvidia), bukan oleh pembuat model. * **Hak Cipta (🟡):** Konten AI sulit didaftarkan hak cipta, tetapi tidak serta-mata "menghindari" pelanggaran. Gugatan dan penyelesaian besar (misalnya, Anthropic $1,5 miliar) membuktikan risikonya. * **Biaya Model (🟡):** Prediksi "perang lokal" dengan biaya $5-10 miliar untuk model canggih terbukti salah. Biaya pelatihan model terdepan (seperti GPT-5) jauh lebih tinggi, sementara biaya kloning model terbuka justru bisa lebih murah. **Pola dan Pelajaran:** 1. **Arah dan mekanisme lebih dapat diandalkan daripada angka pasti dan pernyataan mutlak.** 2. **Cenderung terlalu optimis untuk jangka pendek (kecepatan), tetapi terlalu konservatif untuk jangka panjang (skala/dampak).** 3. **Kesalahan sering terjadi pada distribusi, bukan pada total.** Contoh: Tidak ada gelombang pengangguran masif, tetapi dampak berat dirasakan oleh lulusan baru. 4. **Pernyataan yang disertai batasan dan ruang ketidakpastian justru lebih tahan uji waktu.** 5. **Beberapa pertanyaan mendasar masih belum terjawab setelah tiga tahun.** Kesimpulannya, prediksi tentang arah besar dan mekanisme cenderung akurat, sementara prediksi spesifik tentang angka, kecepatan, dan distribusi dampak lebih sering meleset. Latihan ini lebih merupakan pelajaran dalam kerendahan hati dan penilaian yang bernuansa daripada sekadar penghitungan skor.

链捕手4j yang lalu

Tiga Tahun Kemudian: Menilik Kembali Penilaian Saya terhadap ChatGPT pada 2023

链捕手4j yang lalu

Peringatan Gelembung AI: Investasi AI Merupakan Pengembalian Negatif bagi Kebanyakan Raksasa Teknologi

Peringatan Gelembung AI: Investasi AI Membawa Pengembalian Negatif bagi Sebagian Besar Raksasa Teknologi Demam AI kini memasuki tahap pemeriksaan keuangan. Raksasa cloud seperti Microsoft, Alphabet, Amazon, Meta, dan Oracle berencana menginvestasikan ratusan miliar dolar ke pusat data AI dalam lima tahun ke depan. Namun, analisis terhadap proyeksi pendapatan dan pengeluaran modal (capex) hingga 2030 mengungkap masalah: tingkat pengembalian investasi implisit diperkirakan sangat negatif bagi semua perusahaan kecuali Amazon, bahkan dalam skenario optimis ekstrem. Ini menunjukkan bahwa jika tren saat ini berlanjut, boom AI bisa menjadi salah satu peristiwa perusakan nilai pemegang saham terbesar. Ada dua jalan keluar: pendapatan yang jauh melebihi ekspektasi saat ini, atau pengurangan rencana investasi. Jalan pertama tampaknya mustahil, karena membutuhkan tambahan pendapatan triliunan dolar. Jalan kedua—pemotongan investasi—akan berdampak luas, meruntuhkan harga saham perusahaan-perusahaan teknologi global dan dapat mendorong ekonomi AS ke resesi, mengingat 93% pertumbuhan PDB AS belakangan ini didorong oleh investasi teknologi. IPO perusahaan AI seperti OpenAI dan Anthropic tahun ini bisa menjadi mekanisme transfer risiko, memindahkan ketidakpastian dari pemilik awal kepada investor ritail dan dana pensiun. Sementara euphoria pemasaran mungkin bertahan hingga setelah IPO tahun 2026, tekanan matematika yang tak terelakkan mungkin memaksa raksasa cloud mengumumkan pemotongan investasi pada 2027 atau 2028, mirip dengan jeda tiga tahun antara peringatan "irrational exuberance" Alan Greenspan pada 1996 dan pecahnya gelembung dotcom pada 2000.

marsbit5j yang lalu

Peringatan Gelembung AI: Investasi AI Merupakan Pengembalian Negatif bagi Kebanyakan Raksasa Teknologi

marsbit5j yang lalu

Dari Token ke Tenaga Kerja Mesin: AI Sedang Berubah dari Alat Menjadi 'Pekerja'

Dari Token ke Tenaga Kerja Mesin: AI Berubah dari Alat Menjadi "Pekerja" AI mulai menulis kode, menangani tiket dukungan pelanggan, dan meninjau dokumen hukum. Artikel ini mengusulkan kerangka baru: komersialisasi AI sedang bergerak menuju "pasar tenaga kerja mesin". Dalam pasar ini, token hanyalah unit pengukuran, GPU adalah bahan baku, dan model adalah alat produksi. Objek yang benar-benar ditetapkan harganya dan diperdagangkan adalah kerja ekonomi yang diselesaikan langsung oleh perangkat lunak. Mekanisme penetapan harga AI akan berkembang dari token mentah, kemampuan model yang terstandarisasi, tenaga kerja yang terspesialisasi industri, hingga pasar hasil yang dapat diprogram. Di masa depan, perusahaan mungkin tidak lagi peduli model atau GPU mana yang menyelesaikan suatu tugas, tetapi lebih pada apakah tugas itu diselesaikan dalam batas latensi, akurasi, keandalan, dan biaya yang ditentukan. Implikasinya, dampak AI pada pasar tenaga kerja manusia tidak hanya sekadar penggantian. Saat mesin mengambil alih lebih banyak pekerjaan yang dapat distandardisasi dan diverifikasi, peran manusia mungkin bergeser ke pengawasan, penanggung jawab, manajemen konteks, dan keputusan akhir. Dalam beberapa kasus, penilaian manusia untuk 1% akhir justru menjadi lebih berharga karena dapat membuka kunci 99% otomatisasi skala besar. Pasar AI adalah pasar ekspansif. Ketika biaya kerja turun, permintaan tidak tetap. Jika interaksi dukungan pelanggan menjadi lebih murah, perusahaan dapat menawarkan layanan 24/7, menciptakan pasar interaksi pelanggan yang lebih besar. Persaingan tahap berikutnya di pasar AI mungkin bukan lagi sekadar pertarungan kemampuan model atau perang harga daya komputasi, tetapi tentang siapa yang dapat pertama kali menstandarisasi, memverifikasi, dan menetapkan harga "pekerjaan", akhirnya menjadikan tenaga kerja mesin sebagai faktor produksi baru yang dapat dibeli, diselesaikan, dan diperdagangkan.

marsbit5j yang lalu

Dari Token ke Tenaga Kerja Mesin: AI Sedang Berubah dari Alat Menjadi 'Pekerja'

marsbit5j yang lalu

Diskon 99% untuk MiMo Bukan Hanya Pemasaran! Luo Fuli Membantah Para Pengecam di X

**Ringkasan:** Xiaomi MiMo memotong harga API MiMo-V2.5 hingga **99%**, memicu spekulasi tentang perang harga atau strategi merugi. Luo Fuli, kepala MiMo, merespons dengan mempublikasikan blog teknis 5000 kata yang merinci **enam pilar teknikal** di balik potongan harga besar ini. Intinya, diskon 99% terutama untuk **Input (Cache Hit)** – bagian dimana pengguna membaca ulang konteks historis dalam percakapan panjang. Ini menjadi mungkin karena serangkaian optimasi teknikal yang mengubah biaya komputasi untuk bagian tersebut mendekati nol. **Enam Pilar Teknikal:** 1. **Arsitektur Hybrid SWA:** Menggunakan Sliding Window Attention di sebagian besar lapisan model, mengurangi volume **KVCache** (memori jangka pendek model) hingga **1/7**. 2. **Manajemen KVCache Dua Kolam:** Mengalokasikan memori secara terpisah untuk lapisan SWA dan Full Attention, benar-benar mewujudkan penghematan teoretis 1/7 dan meningkatkan jumlah pengguna yang dapat dilayani secara bersamaan. 3. **Prefix Cache yang Dioptimalkan:** Meningkatkan aturan pencocokan cache untuk arsitektur SWA, menghasilkan **tingkat keberhasilan cache 93-95%** untuk pembacaan ulang. Artinya, sebagian besar permintaan "baca ulang" tidak memerlukan komputasi GPU baru. 4. **Sistem Cache Terdistribusi GCache:** Menyimpan data cache di **SSD bawaan mesin GPU**, menghilangkan biaya penyimpanan cluster khusus dan memperpanjang masa hidup cache. 5. **Sistem Penjadwalan LLM-Router:** Mengarahkan permintaan secara cerdas berdasarkan kesamaan prefix dan panjang konteks, memprioritaskan permintaan yang menggunakan cache, meningkatkan efisiensi dan mengurangi latensi. 6. **Multi-Token Prediction (MTP):** Mengoptimalkan proses generasi output model, mempercepat pembuatan respons dan melengkapi pengurangan biaya di sisi input. **Kesimpulan:** Penurunan harga 99% bukanlah gimmick pemasaran atau strategi merugi, tetapi hasil dari **efisiensi sistemik rekayasa AI** yang telah divalidasi di lingkungan produksi. Rantai optimasi ini secara kumulatif mengurangi biaya komputasi per permintaan hingga lebih dari 95%, memungkinkan penurunan harga ekstrem sambil mempertahankan profitabilitas. Luo Fuli menekankan bahwa ini adalah masalah teknikal yang terwujud, bukan sekadar perang harga.

marsbit7j yang lalu

Diskon 99% untuk MiMo Bukan Hanya Pemasaran! Luo Fuli Membantah Para Pengecam di X

marsbit7j yang lalu

Trading

Spot
Futures

Artikel Populer

Cara Membeli ZK

Selamat datang di HTX.com! Kami telah membuat pembelian ZKsync (ZK) menjadi mudah dan nyaman. Ikuti panduan langkah demi langkah kami untuk memulai perjalanan kripto Anda.Langkah 1: Buat Akun HTX AndaGunakan alamat email atau nomor ponsel Anda untuk mendaftar akun gratis di HTX. Rasakan perjalanan pendaftaran yang mudah dan buka semua fitur.Dapatkan Akun SayaLangkah 2: Buka Beli Kripto, lalu Pilih Metode Pembayaran AndaKartu Kredit/Debit: Gunakan Visa atau Mastercard Anda untuk membeli ZKsync (ZK) secara instan.Saldo: Gunakan dana dari saldo akun HTX Anda untuk melakukan trading dengan lancar.Pihak Ketiga: Kami telah menambahkan metode pembayaran populer seperti Google Pay dan Apple Pay untuk meningkatkan kenyamanan.P2P: Lakukan trading langsung dengan pengguna lain di HTX.Over-the-Counter (OTC): Kami menawarkan layanan yang dibuat khusus dan kurs yang kompetitif bagi para trader.Langkah 3: Simpan ZKsync (ZK) AndaSetelah melakukan pembelian, simpan ZKsync (ZK) di akun HTX Anda. Selain itu, Anda dapat mengirimkannya ke tempat lain melalui transfer blockchain atau menggunakannya untuk memperdagangkan mata uang kripto lainnya.Langkah 4: Lakukan trading ZKsync (ZK)Lakukan trading ZKsync (ZK) dengan mudah di pasar spot HTX. Cukup akses akun Anda, pilih pasangan perdagangan, jalankan trading, lalu pantau secara real-time. Kami menawarkan pengalaman yang ramah pengguna baik untuk pemula maupun trader berpengalaman.

336 Total TayanganDipublikasikan pada 2024.12.13Diperbarui pada 2025.03.21

Cara Membeli ZK

Diskusi

Selamat datang di Komunitas HTX. Di sini, Anda bisa terus mendapatkan informasi terbaru tentang perkembangan platform terkini dan mendapatkan akses ke wawasan pasar profesional. Pendapat pengguna mengenai harga ZK (ZK) disajikan di bawah ini.

活动图片