La demostración de ZK ha comenzado a competir con los centros de datos de IA de billones de dólares por las mismas GPU, elevando los costos de demostración incluso cuando Cysic reporta una mejora del 9% en el rendimiento al optimizar el uso del hardware.
Resumen
- Cysic dice que el uso ineficiente de las GPU, más que la insuficiencia de potencia de cómputo bruta, ahora impulsa los costos de demostración.
- Las cargas de trabajo de ZK compiten con la IA por las GPU de Nvidia a pesar de depender de operaciones matemáticas diferentes.
- La demostración en tiempo real de Ethereum y los ZK-rollups podrían enfrentar costos más altos antes que las aplicaciones de consumo.
- Cysic espera que la presión acelere la adopción de FPGAs, ASICs específicos para ZK y mercados abiertos de demostradores.
Leo Fan, fundador y CEO de Cysic, dijo a crypto.news que el uso de GPU se ha convertido en una restricción vinculante para la demostración de conocimiento cero porque los sistemas de demostración ahora compiten con los centros de datos de IA fuertemente financiados por el mismo silicio.
“Los modelos de IA están convergiendo. El cómputo no. Todos asumieron que los costos de demostración caerían porque los chips se abaratan. En cambio, estamos pujando contra presupuestos de centros de datos de billones de dólares por el mismo silicio. Por eso la capa de hardware tuvo que abrirse en lugar de dejarse en manos de un puñado de demostradores propietarios.”
La presión no proviene solo de la falta de capacidad de cómputo, según Fan. Dijo que el principal problema es un desajuste arquitectónico entre el software zkVM y los aceleradores utilizados para generar demostraciones, lo que deja parte de la capacidad de GPU disponible sin usar y eleva el costo de cada demostración.
El motor de demostración Venus de Cysic expuso ese desajuste al reducir el tiempo dedicado a coordinar el trabajo entre CPUs y GPUs. Como se informó en abril, la compañía registró una mejora de más del 9% en el tiempo de demostración de extremo a extremo frente a ZisK 0.16.1 sin reemplazar el hardware subyacente.
Los costos de demostración de ZK ahora importan más que la velocidad bruta
Construido como una extensión centrada en hardware del zkVM ZisK de Polygon Hermez, Venus representa la generación de demostraciones como un gráfico de cómputo conectado. Cysic dice que el diseño permite al sistema programar el trabajo a lo largo de todo el proceso de demostración en lugar de manejar cada función de hardware como una llamada separada.
A través de la integración de CUDA Graph, el ajuste del kernel y los cambios en la memoria compartida, Venus reduce las transferencias de datos repetidas y la sincronización entre el procesador y la GPU. Fan dijo que el resultado muestra que los aceleradores existentes no se estaban utilizando por completo, lo que convierte la utilización en el cuello de botella práctico detrás de los costos de demostración.
La velocidad bruta de demostración ha mejorado rápidamente en toda la industria. Cysic ha dicho que ZisK puede generar una demostración de bloque de Ethereum en 7.4 segundos con 24 GPU y puede enviar demostraciones en tiempo real a través de una configuración de una sola RTX 4090. Las afirmaciones provienen de la compañía y no han sido probadas de forma independiente bajo un punto de referencia común que cubra el uso de energía, el tamaño de la demostración, el nivel de seguridad y el costo total del hardware.
Otros desarrolladores también han superado el umbral de tiempo real de Ethereum. En noviembre de 2025, Succinct informó que SP1 Hypercube demostró el 99.7% de una muestra de 954 bloques de Ethereum en menos de 12 segundos usando 16 GPU Nvidia RTX 5090. Alrededor del 95.4% de la muestra se demostró en 10 segundos.
La Fundación Ethereum define la demostración en tiempo real como completar demostraciones para al menos el 99% de los bloques de la red principal en 10 segundos. Su marco también exige código completamente de código abierto, tamaños de demostración inferiores a 300 KiB, seguridad de al menos 128 bits, hardware que no cueste más de $100,000 y uso de energía limitado a 10 kilovatios.
El uso de energía puede ser un límite más serio que el costo del equipo para los demostradores domésticos, dijo la Fundación. Una demostración puede llegar antes de la fecha límite de Ethereum y aun así requerir demasiada energía, refrigeración o capital para un operador independiente.
La demanda de IA está restringiendo el acceso a las mismas GPU
Aunque la IA y la demostración de ZK usan las GPU de manera diferente, ambas cargas de trabajo dependen de los aceleradores de Nvidia, desde tarjetas RTX de consumo hasta sistemas H100 de centros de datos.
El entrenamiento y la inferencia de IA utilizan principalmente cálculos de matrices. La generación de demostraciones de ZK depende en gran medida de multiplicaciones multi-escalares y transformaciones teóricas de números, operaciones que las GPU pueden procesar pero no fueron diseñadas específicamente para ejecutar.
Fan dijo que el desajuste respalda el caso para hardware específico de ZK porque los sistemas de demostración están entrando en la misma cola de suministro que los desarrolladores de IA sin usar los chips de la misma manera. Dado que las horas de GPU representan gran parte de la factura de demostración, los costos más altos de hardware y alquiler se trasladan al costo de cada demostración, agregó.
Los resultados financieros de Nvidia muestran la escala de la demanda proveniente de la infraestructura de IA. El fabricante de chips que cotiza en EE. UU. reportó $75.2 mil millones en ingresos de centros de datos para el trimestre que finalizó el 26 de abril, un aumento del 92% respecto al año anterior. Los ingresos de cómputo para centros de datos alcanzaron los $60.4 mil millones, un incremento anual del 77%.
Amazon Web Services ha acordado por separado comprar un millón de GPU de Nvidia, con entregas programadas para continuar hasta 2027, informó Reuters en marzo. El CEO de Nvidia, Jensen Huang, ha estimado una oportunidad de ventas de $1 billón para las familias de productos Blackwell y Rubin hasta ese año.
En junio, la venta de bonos planificada por Nvidia buscaba al menos $20 mil millones para financiar inversiones en IA y refinanciar deuda. Las empresas de minería de Bitcoin habían anunciado más de $70 mil millones en contratos de IA y cómputo de alto rendimiento en ese momento, lo que ilustra cómo los propietarios de infraestructura vinculada a criptomonedas también están redirigiendo energía e instalaciones hacia cargas de trabajo de IA.
Un informe de Bernstein cubierto en mayo situó las asociaciones de infraestructura de IA anunciadas en casi $90 mil millones. Los analistas estimaron que los mineros de Bitcoin controlaban más de 27 gigavatios de capacidad de energía planificada, en comparación con aproximadamente 3.7 gigavatios vinculados a acuerdos de IA anunciados, mientras que algunas conexiones a la red eléctrica de EE. UU. podrían tardar hasta 50 meses.
Los ZK-rollups y los provers en tiempo real enfrentan la presión primero
La prueba en tiempo real de capa 1 se encuentra al frente de la presión de costos porque requiere GPU para producir una prueba nueva para cada bloque, dijo Fan. Cualquier retraso puede hacer que un prover pierda el límite de tiempo de la red, por lo que los operadores necesitan capacidad adicional además de suficiente hardware para la demanda normal.
Los ZK-rollups y los mercados de pruebas siguen porque las horas de GPU se alimentan directamente de los gastos operativos y, en algunos casos, de las tarifas de usuario. Un análisis de costos de prueba anterior estimó que la generación de pruebas representaba del 60% al 70% de las tarifas en redes ZK de capa 2, citando datos de L2Beat.
Según el mismo análisis, generar una prueba para un lote de 4,000 transacciones podría tomar de dos a cinco minutos en una Nvidia A100 y costar entre $0.04 y $0.17 en cargos de computación en la nube. Las cifras dependen del sistema de prueba, el lote de transacciones, la configuración del hardware y la tarifa de la nube.
Fan colocó a zkML entre las aplicaciones más expuestas porque combina una carga de trabajo de IA con el gasto adicional de probar que el modelo se ejecutó correctamente. Para pagos privados, juegos en cadena y otros productos de consumo, dijo que la economía a menudo requiere costos de prueba medidos en centavos.
"¿Puede el costo limitar la adopción? Sí, en el margen", dijo Fan, agregando que los pagos privados y los juegos probablemente se pospondrían primero cuando su economía ya no funcione.
La presión de costos también podría afectar cuántas entidades pueden operar provers. Fan dijo que más del 90% de las redes ZK de capa 2 dependen de un pequeño grupo de servicios de prover, aunque la estimación requiere un conjunto de datos nombrado y debe tratarse como la evaluación de Cysic.
Los FPGA y los ASIC ZK ofrecen una ruta de hardware alternativa
Cysic ha respondido desarrollando múltiples backends en lugar de depender solo de GPU. El repositorio público Venus incluye optimizaciones de GPU, un backend completo de aceleración FPGA y una implementación temprana orientada a ASIC.
Su backend FPGA contiene kernels para aritmética de campo Goldilocks, NTT, Poseidon2, árboles Merkle, FRI y evaluación de expresiones. El código está dirigido a dispositivos AMD UltraScale+ y Versal con memoria de alto ancho de banda y está disponible bajo licencias Apache 2.0 y MIT.
A diferencia de un ASIC, un FPGA se puede reprogramar después de la producción, lo que permite a los desarrolladores actualizar circuitos y experimentar con nuevos sistemas de prueba. Los ASIC personalizados ofrecen menos flexibilidad pero pueden ofrecer un mejor rendimiento y eficiencia energética cuando están diseñados para un conjunto estable de operaciones ZK.
Fan dijo que pasar a FPGA y ASIC ZK sacaría a los operadores de prueba de la cola principal de hardware de IA. Los dispositivos especializados también evitarían pagar por funciones de GPU que las cargas de trabajo ZK no necesitan, aunque los costos de desarrollo y los volúmenes de fabricación limitados siguen siendo obstáculos.
Abrir el software es una parte del enfoque de Cysic. La compañía también propone un mercado global de provers en el que dispositivos que van desde hardware móvil hasta clústeres profesionales puedan aceptar trabajos, con backends de GPU y FPGA reduciendo la dependencia de una sola clase de chip.
La verificación criptográfica significa que un verificador rechaza una prueba inválida independientemente de qué operador la haya generado, dijo Fan. Por lo tanto, abrir la participación no cambia la solidez del sistema de prueba, pero aumenta la exposición a errores de implementación en código no auditado o sin terminar.
Cysic afirma en el repositorio de Venus que el proyecto sigue en desarrollo activo. Fan dijo que se necesitarían auditorías y configuraciones redundantes de múltiples probadores para limitar el riesgo de implementación.
El borrador de EIP-8025 permitiría a los validadores de Ethereum optar por generar o verificar pruebas de ejecución mientras la re-ejecución convencional de bloques permanece en vigor. La propuesta introduce un canal de gossip de pruebas y nodos de prueba externos, pero su versión actual no proporciona incentivos para los operadores que generan y difunden las pruebas.
