ZK-Beweise konkurrieren inzwischen mit Billionen-Dollar-KI-Rechenzentren um dieselben GPUs, was die Beweiskosten in die Höhe treibt, selbst während Cysic eine Leistungssteigerung von 9 % durch verbesserte Hardware-Nutzung meldet.
Zusammenfassung
- Cysic sagt, dass ineffiziente GPU-Nutzung, nicht unzureichende Rohrechenleistung, jetzt die Beweiskosten antreibt.
- ZK-Workloads konkurrieren mit KI um Nvidia-GPUs, obwohl sie auf unterschiedlichen mathematischen Operationen basieren.
- Echtzeit-Ethereum-Beweise und ZK-Rollups könnten mit höheren Kosten konfrontiert sein, bevor Verbraucheranwendungen betroffen sind.
- Cysic erwartet, dass der Druck die Einführung von FPGAs, ZK-spezifischen ASICs und offenen Prover-Märkten beschleunigt.
Cysic-Gründer und CEO Leo Fan sagte gegenüber crypto.news, dass die GPU-Nutzung zu einer bindenden Einschränkung für Zero-Knowledge-Beweise geworden ist, da Beweissysteme nun mit stark finanzierten KI-Rechenzentren um dieselben Chips konkurrieren.
„KI-Modelle konvergieren. Rechenleistung nicht. Alle gingen davon aus, dass die Beweiskosten sinken würden, weil Chips billiger werden. Stattdessen bieten wir gegen Billionen-Dollar-Rechenzentrumsbudgets um dieselben Chips. Deshalb musste die Hardware-Ebene geöffnet werden, anstatt sie einer Handvoll proprietärer Prover zu überlassen.“
Der Druck kommt laut Fan nicht allein von einem Mangel an Rechenkapazität. Er sagte, das Hauptproblem sei eine architektonische Diskrepanz zwischen zkVM-Software und den zur Erzeugung von Beweisen verwendeten Beschleunigern, die einen Teil der verfügbaren GPU-Kapazität ungenutzt lässt und die Kosten jedes Beweises erhöht.
Cysics Venus-Beweis-Engine hat diese Diskrepanz aufgedeckt, indem sie die Zeit für die Koordination der Arbeit zwischen CPUs und GPUs reduziert hat. Wie im April berichtet, verzeichnete das Unternehmen eine Verbesserung der End-to-End-Beweiszeit von mehr als 9 % gegenüber ZisK 0.16.1, ohne die zugrunde liegende Hardware zu ersetzen.
ZK-Beweiskosten sind jetzt wichtiger als rohe Geschwindigkeit
Venus, das als hardwarefokussierte Erweiterung von Polygon Hermez' ZisK zkVM entwickelt wurde, stellt die Beweiserzeugung als einen zusammenhängenden Berechnungsgraphen dar. Cysic sagt, das Design ermögliche es dem System, die Arbeit über den gesamten Beweisprozess zu planen, anstatt jede Hardwarefunktion als separaten Aufruf zu behandeln.
Durch CUDA-Graph-Integration, Kernel-Tuning und Änderungen am gemeinsamen Speicher reduziert Venus wiederholte Datenübertragungen und Synchronisation zwischen Prozessor und GPU. Fan sagte, das Ergebnis zeige, dass vorhandene Beschleuniger nicht vollständig genutzt wurden, was die Auslastung zum praktischen Engpass hinter den Beweiskosten macht.
Die rohe Beweisgeschwindigkeit hat sich in der gesamten Branche schnell verbessert. Cysic hat angegeben, dass ZisK mit 24 GPUs einen Ethereum-Blockbeweis in 7,4 Sekunden erzeugen kann und Echtzeit-Beweise über ein einzelnes RTX-4090-Setup einreichen kann. Die Behauptungen stammen vom Unternehmen und wurden nicht unabhängig unter einem gemeinsamen Benchmark getestet, der Energieverbrauch, Beweisgröße, Sicherheitsniveau und Gesamthardwarekosten abdeckt.
Andere Entwickler haben ebenfalls die Echtzeit-Schwelle von Ethereum überschritten. Im November 2025 berichtete Succinct, dass SP1 Hypercube 99,7 % einer 954-Blöcke umfassenden Ethereum-Stichprobe in weniger als 12 Sekunden mit 16 Nvidia-RTX-5090-GPUs bewiesen hat. Etwa 95,4 % der Stichprobe wurden innerhalb von 10 Sekunden bewiesen.
Die Ethereum Foundation definiert Echtzeit-Beweise als das Abschließen von Beweisen für mindestens 99 % der Mainnet-Blöcke innerhalb von 10 Sekunden. Ihr Rahmenwerk fordert außerdem vollständig quelloffenen Code, Beweisgrößen unter 300 KiB, mindestens 128-Bit-Sicherheit, Hardwarekosten von nicht mehr als 100.000 US-Dollar und einen auf 10 Kilowatt begrenzten Stromverbrauch.
Der Energieverbrauch könnte für Heimbeweiser eine ernstere Grenze sein als die Ausrüstungskosten, so die Foundation. Ein Beweis kann vor Ethereums Frist eintreffen, aber dennoch zu viel Strom, Kühlung oder Kapital für einen unabhängigen Betreiber erfordern.
KI-Nachfrage verschärft den Zugang zu denselben GPUs
Obwohl KI und ZK-Beweise GPUs unterschiedlich nutzen, hängen beide Workloads von Nvidia-Beschleunigern ab, die von Consumer-RTX-Karten bis zu Rechenzentrums-H100-Systemen reichen.
KI-Training und Inferenz verwenden hauptsächlich Matrixberechnungen. Die ZK-Beweiserzeugung stützt sich stark auf Multi-Skalar-Multiplikationen und zahlentheoretische Transformationen, Operationen, die GPUs verarbeiten können, aber nicht speziell dafür entwickelt wurden.
Fan sagte, die Diskrepanz unterstütze das Argument für ZK-spezifische Hardware, da Beweissysteme in dieselbe Lieferwarteschlange wie KI-Entwickler eintreten, ohne die Chips auf dieselbe Weise zu nutzen. Da GPU-Stunden einen Großteil der Beweisrechnung ausmachen, fließen höhere Hardware- und Mietkosten in die Kosten jedes Beweises ein, fügte er hinzu.
Nvidias Finanzergebnisse zeigen das Ausmaß der Nachfrage nach KI-Infrastruktur. Der in den USA börsennotierte Chiphersteller meldete für das am 26. April endende Quartal einen Umsatz von 75,2 Milliarden US-Dollar im Rechenzentrumsgeschäft, ein Anstieg von 92 % gegenüber dem Vorjahr. Der Umsatz mit Rechenzentrums-Computing erreichte 60,4 Milliarden US-Dollar, ein jährlicher Anstieg von 77 %.
Amazon Web Services hat sich separat verpflichtet, eine Million Nvidia-GPUs zu kaufen, wobei die Lieferungen bis 2027 fortgesetzt werden sollen, berichtete Reuters im März. Nvidia-CEO Jensen Huang hat für dieses Jahr eine Verkaufschance von einer Billion US-Dollar für die Produktfamilien Blackwell und Rubin geschätzt.
Im Juni suchte Nvidias geplanter Anleiheverkauf mindestens 20 Milliarden US-Dollar, um KI-Investitionen zu finanzieren und Schulden zu refinanzieren. Bitcoin-Mining-Unternehmen hatten zu diesem Zeitpunkt Verträge über mehr als 70 Milliarden US-Dollar im Bereich KI und High-Performance-Computing angekündigt, was zeigt, dass auch Eigentümer von Krypto-bezogener Infrastruktur Strom und Einrichtungen auf KI-Workloads umleiten.
Ein im Mai behandelter Bernstein-Bericht bezifferte angekündigte KI-Infrastrukturpartnerschaften auf fast 90 Milliarden US-Dollar. Die Analysten schätzten, dass Bitcoin-Miner mehr als 27 Gigawatt geplanter Stromkapazität kontrollieren, verglichen mit etwa 3,7 Gigawatt, die mit angekündigten KI-Vereinbarungen verbunden sind, während einige US-Stromnetzanschlüsse bis zu 50 Monate dauern könnten.
ZK-Rollups und Echtzeit-Prover stehen zuerst unter Druck
Echtzeit-Layer-1-Proving steht an vorderster Front der Kostenbelastung, da es GPUs erfordert, um für jeden Block einen frischen Beweis zu erzeugen, sagte Fan. Jede Verzögerung kann dazu führen, dass ein Prover das Zeitlimit des Netzwerks verpasst, daher benötigen Betreiber sowohl Reservekapazitäten als auch genügend Hardware für den normalen Bedarf.
ZK-Rollups und Proof-Marktplätze folgen, da GPU-Stunden direkt in die Betriebskosten und in einigen Fällen in die Benutzergebühren einfließen. Eine frühere Kostenanalyse für Proving schätzte, dass die Beweiserzeugung 60 % bis 70 % der Gebühren auf ZK-Layer-2-Netzwerken ausmachte, unter Berufung auf L2Beat-Daten.
Laut derselben Analyse könnte die Erzeugung eines Beweises für einen Stapel von 4.000 Transaktionen zwei bis fünf Minuten auf einer Nvidia A100 dauern und zwischen 0,04 und 0,17 US-Dollar an Cloud-Computing-Gebühren kosten. Die Zahlen hängen vom Beweissystem, Transaktionsstapel, Hardwarekonfiguration und Cloud-Tarif ab.
Fan ordnete zkML zu den am stärksten exponierten Anwendungen ein, da es eine KI-Workload mit den zusätzlichen Kosten für den Nachweis kombiniert, dass das Modell korrekt ausgeführt wurde. Für private Zahlungen, On-Chain-Spiele und andere Verbraucherprodukte, sagte er, erfordern die wirtschaftlichen Bedingungen oft Beweiskosten, die in Cent gemessen werden.
„Können Kosten die Einführung begrenzen? Ja, am Rande“, sagte Fan und fügte hinzu, dass private Zahlungen und Spiele wahrscheinlich zuerst aufgeschoben würden, wenn ihre Wirtschaftlichkeit nicht mehr funktioniert.
Kostendruck könnte auch beeinflussen, wie viele Unternehmen Prover betreiben können. Fan sagte, dass mehr als 90 % der ZK-Layer-2-Netzwerke auf eine kleine Gruppe von Prover-Diensten angewiesen sind, obwohl die Schätzung einen benannten Datensatz erfordert und als Cysics Einschätzung behandelt werden sollte.
FPGAs und ZK-ASICs bieten einen alternativen Hardwarepfad
Cysic hat darauf reagiert, indem es mehrere Backends entwickelt hat, anstatt sich nur auf GPUs zu verlassen. Das öffentliche Venus-Repository enthält GPU-Optimierungen, ein vollständiges FPGA-Beschleunigungs-Backend und eine frühe ASIC-orientierte Implementierung.
Sein FPGA-Backend enthält Kernel für Goldilocks-Feldarithmetik, NTTs, Poseidon2, Merkle-Bäume, FRI und Ausdrucksauswertung. Der Code zielt auf AMD UltraScale+ und Versal-Geräte mit High-Bandwidth-Speicher ab und ist unter Apache-2.0- und MIT-Lizenzen verfügbar.
Im Gegensatz zu einem ASIC kann ein FPGA nach der Produktion neu programmiert werden, sodass Entwickler Schaltungen aktualisieren und mit neuen Beweissystemen experimentieren können. Kundenspezifische ASICs bieten weniger Flexibilität, können aber eine bessere Leistung und Energieeffizienz erzielen, wenn sie für einen stabilen Satz von ZK-Operationen ausgelegt sind.
Fan sagte, dass der Wechsel zu FPGAs und ZK-ASICs Beweisbetreiber aus der Hauptwarteschlange für KI-Hardware entfernen würde. Spezialisierte Geräte würden auch vermeiden, für GPU-Funktionen zu zahlen, die ZK-Workloads nicht benötigen, obwohl Entwicklungskosten und begrenzte Fertigungsmengen Hindernisse bleiben.
Die Öffnung der Software ist ein Teil von Cysics Ansatz. Das Unternehmen schlägt auch einen globalen Prover-Marktplatz vor, auf dem Geräte von mobiler Hardware bis hin zu professionellen Clustern Aufträge annehmen können, wobei GPU- und FPGA-Backends die Abhängigkeit von einer Chipklasse verringern.
Kryptografische Verifikation bedeutet, dass ein Verifizierer einen ungültigen Beweis ablehnt, unabhängig davon, welcher Betreiber ihn erzeugt hat, sagte Fan. Die Öffnung der Teilnahme ändert daher nichts an der Solidität des Beweissystems, erhöht jedoch die Exposition gegenüber Implementierungsfehlern in nicht geprüftem oder unfertigem Code.
Cysic gibt im Venus-Repository an, dass sich das Projekt noch in aktiver Entwicklung befindet. Fan sagte, dass Audits und redundante Multi-Prover-Konfigurationen erforderlich wären, um das Implementierungsrisiko zu begrenzen.
Der EIP-8025-Entwurf würde es Ethereum-Validatoren ermöglichen, sich für die Erzeugung oder Verifizierung von Ausführungsnachweisen zu entscheiden, während die herkömmliche Block-Neuausführung beibehalten wird. Der Vorschlag führt einen Proof-Gossip-Kanal und externe Proof-Knoten ein, aber die aktuelle Version bietet keine Anreize für Betreiber, die die Nachweise erzeugen und verbreiten.
