有用工作量证明：让挖矿重获意义

TLDR; 随着 Pearl Network 和 Nockchain 最近备受关注，“有用工作量证明”再次成为热门话题，所以我深入挖掘，为你全面梳理——从该术语的历史、背后的复杂性，到正在构建 PoUW 解决方案的 6 个知名项目。

我第一次听到“有用工作量证明”（PoUW）这个词，是在几年前了解到 Ambient（一家 Delphi Ventures 投资组合公司）的时候。这个想法立刻让我觉得合理——与其为了计算而计算，不如做一些有用的事情，比如运行 AI 推理。

最近关于 PoUW 的讨论很多，所以我决定深入研究，理解 PoUW 的细微差别（剧透：它比你想象的要复杂），并研究了每一个我能找到的、正在以某种形式实践 PoUW 的项目。

这是一份通俗易懂的入门指南：PoUW 到底是什么，定义它的架构，为什么它在技术上如此困难，构建 PoUW 解决方案的 6 个知名项目，以及我在深入这个话题后的看法。

首先，什么使工作“有用”？

比特币的挖矿常被描述为计算机“解决无意义的复杂数学问题”。这没错，但忽略了重点。它们解决的谜题是刻意无意义的——找到一个数字，当将其打乱后，会得到一串前导零。这个数字没有任何用途，不回答任何问题，也没有人想要它被解出来。

这种无意义本身就是全部特性。它换取的是某种真实的东西：一个没有任何政府或公司能悄悄审查或重写的结算系统。

有用工作量证明提出了一个显而易见的后续问题：如果同样的能量能产生积极的附带效果，比如训练 AI 模型、运行 AI 推理、解决真实的优化问题，或者存储真实数据，而不是仅仅进行无意义的数字计算，会怎么样？换句话说，是否有可能同时获得安全性和有用的副产品？

这是一个美妙的想法，尽管最近时间线上讨论很多，但它实际上是一个相对古老的想法。在我们讨论今天谁在构建它之前，了解一下这个概念从何而来会很有帮助。

简史：“有用工作”从何而来

工作量证明实际上在加密货币出现之前就被发明了，然后中本聪让它出名。但正如我最近了解到的，在比特币问世后不久，人们就开始问一个显而易见的问题——如果我们反正要消耗所有这些计算能力，它能不能做些有用的事情？

一篇 1999 年的论文 甚至为这种回收利用的努力创造了一个名字：“面包布丁协议”，以那道利用变硬面包制作的菜肴命名。

第一个实际推出这个概念的项目是 Primecoin。Primecoin 矿工不进行无意义的哈希计算，而是寻找长的素数链，这对数学家来说确实有用，但缺点是寻找素数没有太多的商业价值。

接着，从 2013 年到 2017 年，出现了一波善意的“为科学挖矿”项目，比如 Gridcoin、Curecoin 和 Foldingcoin。

我们发现，做有用工作很容易，但将其作为保护链安全的手段却极其困难。

理论终于在 2017 年赶上来了，在那篇使该术语名声大噪的论文中："有用工作量证明"。这是第一次清晰地调和了两个此前只能分别实现的特性——既足以可靠地保护链的工作，又对某些人真正有用。

本文中的几乎每个项目都是那篇论文的后继者。

所以这个概念已有十多年历史，理论也是可靠的，只是将其转化为一个活跃且安全的区块链需要时间。

两种不同的 PoUW 架构方式

一旦你将“有用工作量证明”拆分为两种经常被混为一谈的架构，几乎所有困惑都会消失。

架构 A——有用工作保护链。在这里，有用计算实际上取代了无意义的谜题。完成工作是你赢得生产下一个区块权利的方式。这是 PoUW 字面意义上的困难版本，也是深度未解决问题所在的地方。

架构 B——链是一个工头。在这里，一个完全正常的区块链（通常是权益证明链）在旁边扮演市场工头的角色：它发布任务，将任务分配给工作者，检查结果，并进行支付。“有用工作”——训练模型、运行推理——发生在链下。区块链从不用这些工作来保护自身安全，它被用作协调和结算机制。

由于“有用工作”发生在链下，架构 B 有更广泛的设计空间，并且我不认为它真正属于 PoUW，但在研究中我发现很多人混淆了这两种架构，因此理解这种区别很重要。

架构 A 是“我们解决了比特币浪费问题”的真正形式——而且极其困难，这就是为什么很少有项目能推出它。这是本文的主要焦点。

为什么架构 A 如此困难：验证问题

要取代比特币的无意义谜题，你的有用工作必须在五个特定方面表现得像那个谜题。它必须：1) 难以生成，2) 易于检查，3) 难度可调，4) 每轮重新开始（没有永久性先发优势），5) 与特定区块绑定，因此无法预先计算或重复使用。

使 PoUW 最难的是“易于检查”这一点。

比特币的谜题验证起来非常简单。地球上的每台计算机都能在一毫秒内确认它。但有用工作通常是相反的。如果一个矿工声称“我刚刚运行了这个 AI 模型，这是答案”，网络的其他部分如何确认他们真的做了，而不是编造出来的？

天真的答案——让每个人都重新运行工作来检查——这完全违背了目的。你想节省能量，而不是花费十倍的能量。更糟的是，现代 GPU 即使进行相同计算也不会产生完全相同的结果，所以两台诚实的计算机运行同一个 AI 模型可能在最后几位数字上存在分歧，而且你无法区分诚实的分歧和作弊。

已经有各种尝试来解决这个问题，每种都有权衡：

• 重新运行（复制）——让多台计算机做同样的工作并比较。非常简单，但浪费了你追求的节省。
• 信任但挑战（乐观）——我们从 PoS 设计中知道这种方法，假设工作者是诚实的，但允许任何人质疑；如果质疑发生，你只重新运行有争议的那一步。当所有人都诚实时成本很低，但在任何最终确认之前会有延迟。
• 数学证明（零知识）——工作者生成一个加密收据，证明他们正确完成了工作，不透露其他信息。信任的黄金标准，但对于大型 AI 模型，生成该收据仍然比仅仅运行模型慢得多，所以目前在前沿规模上还不实用。
• 安全硬件（可信执行环境）——在防篡改的芯片内运行模型，该芯片为结果背书。快速且廉价，但现在你相信了芯片制造商，而这些芯片以前曾被攻破过。
• 抽查（抽样）——随机重新验证一小部分工作，并设置惩罚使得作弊永远不划算。成本低，但这是一个统计论证，而不是铁证。

有两个最值得单独提出的新方法，因为它们驱动了最有趣的 PoUW 项目：

对数几率证明。当 AI 模型生成文本时，每一步都会产生一个指纹——一组内部数字（logits），如果不实际运行模型，极难伪造。验证者只需在随机位置抽查其中几个指纹。成本低，无延迟。问题在于这是一种巧妙的统计方法，而不是严格的数学证明。对数几率证明是本文后面介绍的 Ambient 项目的基础。

可证明的矩阵乘法。每个 AI 模型，本质上，大部分是由一个操作重复数万亿次构成的：矩阵乘法。2025 年，一组密码学家（ Komargodski 及其合著者 ）破解了一个长期存在的开放问题——如何让矿工进行真实的矩阵乘法，并生成一个廉价的加密证明，证明他们诚实地完成了工作，几乎没有开销且无法作弊。这听起来比实际更重要，因为矩阵乘法正是 AI 运行的基础。这是第一次有人将“挖矿”转变为“有用的 AI 数学”，并附有真正的证明，而不是统计猜测。它是本文后面介绍的 Pearl Network 项目的基础。

这就是全部的技术核心。有用工作量证明表面上听起来很简单——当然，让计算机做一些 AI 工作就行——但这并不容易，需要一些天才才能解决。

PoUW 论点背后的重要问题

很容易被技术或机制的巧妙性迷住，而忘记首先问是否有人需要 PoUW 网络的输出。

赌注不是“人们会想使用这些区块链吗？”我们知道区块空间是充裕且廉价的，所以 PoUW 网络实际上只出售一件重要的事情：有用工作本身——推理、训练、优化答案等。

假设工作确实有用，关键问题就变成了：为什么不直接正常运行计算？例如，为什么需要区块链？

考虑一下去中心化 AI 推理。去中心化网络必须与中心化提供商或租用 GPU 并自己运行模型的选择竞争：后者更便宜（没有激励）、更快，且没有 Token。

要让加密版本获胜，人们必须希望工作不仅仅以计算的形式完成，而是以最小化信任的形式——可验证、抗审查、中立，具有无需信任的支付，并且没有可以背刺你的公司——并且愿意为这些特性支付溢价。

姑且称之为去中心化税。那么棘手的问题就变成了“是否存在值得为此支付去中心化税的推理需求”。这个市场细分是真实存在的，但今天相对较小。随着对中心化 AI 的信任度下降，这个 TAM 增长的速度，老实说，是整个领域最重要的变量。

还有第二个更深层次的问题，也是我觉得最有趣的，因为还没有人解决它。

陷阱：安全性吞噬有用性，或者有用性吞噬安全性

架构 A 中的每个项目都销售同一个飞轮：

这听起来不错，但如果你仔细观察，两个部分会悄悄互相蚕食。

如果有用工作有真实的外部需求和真实的价格——有人为那些 AI 答案或那些证明支付真金白银——那么矿工越来越多地通过外部资金获得报酬。有用工作业务越成功，Token 就越变成一个功能性的优惠券，矿工实际上并不需要。但 Token 本应是捕捉价值并保护链的东西，对吧？

如果 Token 是保护链并吸收价值的东西，那么安全性就取决于 Token 的投机价格，而不是工作有多有用。这正是旧的“如果 Token 下跌，链就会不安全”的问题——这意味着“有用”部分实际上根本没有支撑安全性。它只是穿着有用工作外衣的常规权益证明。

每一部分越清晰，另一部分看起来就越无意义。

在有用工作收入和 Token 安全性真正相互加强而非削弱的情况下，解决这个核心矛盾是整个类别的未解问题。

我还没有看到任何人完全解决它，但这并不意味着要否定整个类别。这只是需要解决的事情，也说明了这个类别还处于早期阶段。

介绍 6 个架构 A 项目

现在来看项目本身——那些押注有用工作能保护链的项目。

Pearl Network / Pearl Research

Pearl Research Labs（Token: PRL，截至本文撰写时仅可通过 OTC 交易所获得，FDV 交易在 15-20 亿美元）在 2026 年 4 月底推出了自己的 Layer-1 区块链，作为“AI 计算时代的比特币”。

它的独特之处在于其参考矿工基于 vLLM 构建——这是所有严肃推理提供商使用的标准高性能推理引擎，并附带一个可开箱即用的 LLaMA 3.3 70B 模型。

换句话说，Pearl 矿工也是一个可运行的 AI 推理服务器。它在数据中心级 NVIDIA GPU（H100/H200）上运行。

工作原理如下。Pearl 的挖矿是矩阵乘法——所有 AI 运行的基础操作。矿工在其 GPU 上进行结构化的矩阵乘法，在极少数情况下产生获胜结果时，它会将该工作封装在一个紧凑的零知识证明（使用称为 Plonky2 的系统构建）中，任何节点都可以在毫秒内检查。

巧妙的效率技巧是，昂贵的证明只在那个罕见的获胜事件中生成，因此成本平均下来几乎为零。

这个项目直接基于本文前面提到的 2025 年矩阵乘法突破，因此其验证是真正的加密证明，而不是统计猜测。这就是它真正独特的地方，我猜测尽管它还很早期，估值却如此之高的原因也在于此。

由于挖矿数学与真实推理重叠，同一个 GPU 可以同时挖矿和为客户提供服务，成本仅增加约 10%。这是我们迄今为止最接近“二合一”的提案——既有用又保护网络。

然而，Pearl 的真正验证在于需求侧。Pearl 引人注目的进展是最近与 Together AI（一个知名推理提供商）合作的启动——但 Pearl 提供模型的定价折扣是由 PRL Token 发行补贴的。

我们在加密领域对补贴需求有所了解，所以这是一个值得关注的点。能留住用户的补贴是启动市场的合法方式，因此考验在于补贴减少后需求是否还能持续。以 15-20 亿美元的估值来看，这是一个很大的赌注。

Ambient

Ambient（预 Token）是作为 Solana 高速架构的一个分叉构建的 Layer-1，由 Travis Good 创立，他之前构建了第一个数学上最优的货运铁路规划器，并在 AI 药物发现领域工作过，CTO 是 Max Lang（前微软和亚马逊员工）。

Ambient 在 2025 年初筹集了 720 万美元的种子轮，由 a16z 的 crypto 领投（Delphi 也是投资者）。标语是“机器智能即货币”，创始人坦率地表示，他们将其视为潜在的“比特币替代品”和“OpenAI 的去中心化竞争对手”。正是这个项目第一次向我介绍了整个 PoUW 想法。

Ambient 矿工所做的工作是经过验证的 AI 推理——但针对的是一个单一的、固定的、网络拥有的模型（600B+ 参数，属于 DeepSeek 系列）。验证使用了本文前面概述的对数几率证明方法：模型生成的每个 Token 都带有一个难以伪造的指纹，验证者随机抽查其中的几个，开销大约为 0.1%（非常高效）。矿工以新发行的币加费用的形式获得类似比特币的区块奖励。

整个项目基于一个深思熟虑的反向赌注：一个模型，而不是一个市场。

大多数加密 AI 项目让你运行任何模型；Ambient 认为市场会破坏矿工的经济学，因为你无法同时将一千个不同的模型加载到 GPU 内存中。

因此它将整个网络的计算能力指向一个持续改进的单一模型。

这里的真正赌注是，对数几率证明（尽管不是严格的加密证明）和单一模型方法将会成功。我是团队和他们所做事情的大粉丝，但请认为我有偏见。

Nockchain

Nockchain（Token: NOCK，在 Base 上交易，市值约 1 亿美元）是一个极简主义的 Layer-1，来自一个名为 Zorp 的团队，由 CEO Logan Allen 领导。它基于“Nock”构建，这是一个刻意精简的 12 指令计算模型，并配有一个自定义的零知识虚拟机，团队声称它比通用虚拟机高效得多。它于 2025 年 5 月上线，100% 公平启动——没有风险投资 Token 分配，没有团队锁仓，每个币都是通过挖矿铸造的。

在机制上，Nockchain 矿工不做哈希计算。他们生成一个零知识证明，证明他们执行了一个固定的谜题计算，然后对那个证明进行哈希计算；你带来的证明能力越强，你赚的就越多。最终上链的只有那个经过验证的小证明，这使得链保持轻量，而繁重的工作在链下进行。

真正有用的是，它补贴并商品化了零知识证明能力——它启动了一个市场，并为可验证计算提供了廉价基础，整个加密世界对此的需求越来越大。

但矿工证明的是一个固定的谜题，而不是你提交的问题。所以它的有用性体现在“建立一个证明市场”的意义上，而不是“矿工在为你做作业”。这是一种独特而巧妙的方式来解决困难的验证问题，同时在与所执行工作的联系上保持真正的有用性。

我们需要关注的是，对 Nock 证明的真实需求是否真的会实现。以目前的估值（低于 1 亿美元）和这里的潜力，这感觉像是一个不错的赌注。注意：Delphi Ventures 做多 NOCK。

Gonka

Gonka（Token GNK，未在主要交易所流通或交易，据报道 FDV 在 2-3 亿美元范围内）是一个 Layer-1，直接瞄准 AI 推理，训练计划稍后进行。

它出自 Bitfury 的圈子，这是由 Liberman 兄弟创建的知名比特币挖矿硬件公司，由 Bitfury 的 George Kikvadze 支持，他的公司在 2025 年 12 月对其进行了 五千万美元的投资。它于 2025 年 8 月上线，大约三个月内就聚集了相当于约 6,000 个 NVIDIA H100 GPU 的计算能力。

其机制是“让谜题成为工作”的最清晰表达。Gonka 的工作量证明任务（它称之为“Sprint”或“PoW 2.0”）被刻意设计成反映 LLM 推理的数学，因此参与者的挖矿能力直接反映其真实的模型服务能力。

推理发生在链下；链只记录证明工作已完成的加密工件。奖励流向贡献计算的人，没有权益层抽取分成，这是 Gonka 对抗权益证明 GPU 网络的主要卖点（它认为，在那些网络中，大部分算力都花在了共识开销上，而不是有用工作上）。

因此，Gonka 是最明确的“AI 计算的比特币”项目：将 Token 直接绑定到可验证的推理，没有中间商。开放性问题依然是那个熟悉的老问题——其价值完全取决于真实的推理需求是否真的流经网络。

这使得 Gonka 处于一个拥挤且日益商品化的市场中，而网络能以多低的成本验证一个主机是否真正运行了所声称的“类 Transformer”工作，具体细节仍不完全清楚。所以还很早期，但绝对值得关注。

Quip

Quip Network（预 TGE）来自 Postquant Labs（CEO Colton Dillion，CTO Dr. Richard Carback），一个根植于 0x、Parity、Intel、IBM 和量子抗性 xx Network 的团队。它的公共测试网于 2026 年 4 月初启动，与量子计算公司 D-Wave 合作构建，并已报告有超过 20,000 人注册。

Quip 实际上是两层共享一个 Token：一个计算-共识层（有用工作量证明链本身）和一个资产层，为其他链上的钱包和合约增加后量子安全性。

挖矿是真正新颖的部分。矿工不是做哈希，而是解决真实的组合优化问题——物流、调度、金融——这些问题通过普通 CPU/GPU 和实际的 D-Wave 量子退火机的混合体进行路由。

解决这些问题既保护了链，又产生了可以出售给提出问题的人的答案。优化非常适合 PoUW 设计，因为当找到一个答案很困难时，检查一个提出的答案却很廉价。因此，与 AI 推理不同，这里的验证实际上很容易。

这使得 Quip 成为唯一将有用工作挖矿与量子硬件配对的项目，针对一个确实有价值的问题类别（优化），此外还有一个随附的后量子安全产品的额外优势。

但，它仍在测试网阶段且由中心化管理，其宣称的能源和量子优势数据是供应商提供的，未经独立确认。我将其包括在内是因为它符合架构 A 的定义，但目前主要是值得关注。

Qubic

Qubic（Token: QUBIC，有一定流动性，FDV 约 8000 万美元）是一个无费用的 Layer-1，由 IOTA 联合创始人兼原始 NXT 开发者 Sergey Ivancheglo 于 2019 年创立。其有用工作方向是将挖矿指向训练神经网络，用于一个名为 Aigarth 的链上 AI 项目，并设定了一个异常激进的目标：到 2027 年实现 AGI。一组固定的 676 个验证者（它称之为“Computors”）在每个每周周期达成共识。

实际上，Qubic 挖矿实际所做的事情一直在变化，所以有点难以跟踪。早期，矿工生成具有随机结构的神经网络，这更具探索性，而不是有人需求的东西。

然后它转向了一个经济模型：将网络的聚合挖矿能力指向挖其他工作量证明币，并用所得收益回购和销毁 QUBIC Token，所以这更像“加密循环”，而不是提供有用服务。

此外，这种可重定向的挖矿能力有一个阴暗面：2025 年，Qubic 将其聚合的算力指向了 Monero 网络作为“演示”，并短暂威胁到了该网络。

所以介于这一点和“有用”定义的不断变化之间，我将 Qubic 更多地归类为 Tokenomics 实验，但我把它包括在这里，因为在研究中我发现人们称它为原始的 PoUW 链。

我的看法

诚实的总结是，困难的技术问题大多已解决；困难的商业问题大多尚未解决。

在供应方面——能否让挖矿生产出有用的东西，同时仍然像一个安全的彩票？——答案越来越肯定。2017 年的理论证明了这是可能的，2025 年的矩阵乘法结果是一个重大突破，使其对 AI 运行的确切操作变得可行。

未解决的问题大多在需求方面：

1. 那些强烈需要以无需信任形式进行计算并愿意支付去中心化税的人，其 TAM 有多大——随着对中心化 AI 信任度的下降，这个市场增长有多快？
2. 是否有人能设计 Token 使得有用工作收入和安全性相互加强，而不是互斥？
3. 验证能否从“巧妙的统计方法”转向“严格的加密证明”，同时不牺牲性能？

如果这些问题得到解决——而在这三个方面都有可信的工作在进行——那么有用工作量证明将成为加密 AI 的一个真正支柱，并且由于它与更广泛的 AI 行业有交叉，可能在未来 1-2 年内成为最大的突破性故事之一。

从投资者的角度来看，值得支持的是那些精确知道自己解决什么问题、并且哪些群体在结构上被迫想要他们产出的团队。要警惕那些将“有用工作”当作营销手段的项目。

我肯定会密切关注这个类别。它还很早期，而这正是最有趣的时候。

披露：Delphi Ventures 是 Ambient 的投资者，并持有 NOCK Token。由于我是 Delphi 的一员，为保持透明起见，我已经指出了这一点，但我个人目前并未持有本文中提到的任何项目的经济利益，且框架和判断都是我个人的。

如果你正在 AI 和加密的交叉领域构建有真实产品的项目，我的私信是开放的。

• 原文链接： x.com/ksimback/status/20...
• 登链社区 AI 助手，为大家转译优秀英文文章，如有翻译不通的地方，还请包涵～