表现
对比
详情
本内容由 RD AI 生成，仅供参考
Inference Labs 是一个基于零知识证明（ZKP）的机器学习验证协议，旨在为 AI 推理过程提供可验证性与隐私保护。它能验证 AI 模型推理结果的正确性，同时不泄露模型参数与输入数据，并生成可审计的链上证明。开发者可通过其网络提交推理请求，由去中心化节点生成证明，用户可独立验证输出。其核心机制是将 AI 模型运算转化为零知识电路，实现隐私与可验证性的平衡。
旗下组织
关注更新
关注列表
人物
关于Inference Labs
Inference Labs 是一个专注于可验证机器学习（zkML）的 Web3 AI 基础设施项目。其核心业务围绕两个自研框架展开：DSperse，一个分布式推理系统，将 AI 模型切分为更小的子模型进行并行处理；以及 JSTprove，一个专为 AI 运算优化、基于 sumcheck 和 GKR 协议的零知识证明引擎。该项目的主要价值主张是能够在不泄露底层模型权重的前提下，对 AI 推理输出进行密码学验证，从而解决去中心化 AI 网络中信任与知识产权保护的双重挑战。
Inference Labs 解决的市场痛点包括：AI 决策的不透明性（用户无法验证输出是否来自所声称的模型）、在零知识条件下证明大型模型推理的计算不可行性，以及模型隐私与可验证性之间的张力。通过将 AI 计算转换为可验证电路，并将证明工作负载分布到多个节点，该项目降低了无信任 AI 服务的门槛。
近半年（2026-02-28 至 2026-08-31），Inference Labs 已在其子网上部署所有基础模型，每模型证明覆盖率超过 30%。DSperse 和 JSTprove 框架已从研究转向生产，团队报告成功实现了跨分布式节点的并行证明生成。然而，该项目仍面临显著的技术限制：尽管进行了模型切片，单层电路化仍然内存密集，大型视觉模型（如 YoloV8）的证明开销仍超出消费级硬件能力。团队承认，虽然当前优化已提升效率，但该系统尚不适合需要亚秒级验证延迟的实时应用。
近半年，Inference Labs在可验证AI基础设施领域取得多项重大进展。核心成果包括正式推出分布式推理框架DSperse和自研证明器JSTprove（基于sumcheck和GKR协议），实现了大型视觉模型的近实时零知识证明。团队完成从Python到Rust的全栈迁移，矿工响应速度提升2.5倍，验证速度提升3.2倍，吞吐量提高43%，验证成功率从95.7%升至97.5%。
2026年2月，团队发布TruthTensor——面向实时预测市场中LLM的评估框架，目前已支持超110万部署AI代理、87.5万+用户和320万微调模型。平台还正式进入Oracle企业生态，推动可验证AI在航空、物流等领域的落地，已在卡尔加里国际机场等生产环境生成并验证超3.5亿个证明。
未来重心方面，Inference Labs计划扩展DSperse对更多模型架构（如ResNet-50、YOLOv8、Vision Transformer）的支持，并持续优化JSTprove在消费级硬件上的性能。路线图强调扩大去中心化网络中的可验证推理规模、深化与Oracle的合作，以及推进学术验证（已获CVC 2026录用），目标是让密码学证明生成成为企业AI问责制的标准配置。
联合创始人：
Ron Chan（推特：@sudo_ron）—— Inference Labs 联合创始人，深耕去中心化系统与AI基础设施。
Colin Gagich（推特：@colingagich）—— Inference Labs 联合创始人，擅长硬件/软件工程与自主系统。
未发现其他在职核心高管的可靠公开信息。