柯基｜上Gate预测LOL (@CryptoKeji)

一笔余额和金额都加密的转账，约 90 毫秒就能把账算完。 不到十分之一秒。@primus_labs 这次的 AutoHoG，终于把隐私金融的话题推进到了大家更关心的一步：用起来够不够快。 先用一个例子讲明白 FHE，也就是全同态加密。 假设你有 100 USDT，准备转给别人 20 USDT。系统需要检查余额够不够，再完成双方余额的加减。 FHE 允许这些计算直接在加密数据上进行，计算方无需先看到具体余额和金额。 这项能力很有吸引力，但计算开销一直是落地难点。 在 Primus 讨论的传统门级 FHE 计算方式里，一项 64 位运算可能被拆成数千个小逻辑门，每个门都要执行成本较高的 Bootstrapping，也就是自举，用来控制密文噪声。 可以粗略理解成：算账过程中，需要反复进行昂贵的“刷新”，才能让后续计算继续可靠地进行。 AutoHoG 的思路，就是让一次自举承担更多工作。 它自动寻找可以合并的计算片段，设计能够处理多个输入、产生多个输出的定制逻辑门，把原本分散的小步骤组合起来，减少重复执行重活的次数，再配合 GPU 引擎加速。 按照 Primus 公布的测试结果： ▪️ 硬件：8 张 NVIDIA RTX 5090 ▪️ 一笔涉及 64 位加密余额的保密转账，计算耗时约 90 毫秒 ▪️ 整体吞吐量超过每秒 210 笔保密转账 这里的 90 毫秒对应加密计算耗时，上链确认和最终结算还取决于所在网络与系统流程。 我觉得这组数据的意义，在于它开始回应隐私产品最实际的使用门槛。 保护余额、隐藏敏感金额，用户当然愿意。但如果每次操作都要等很久，企业付款、金库调度这些高频需求，就很难长期采用。 计算等待缩短以后，开发者才有更大的空间，把隐私能力放进正常的产品体验里。 而且，AutoHoG 把原本需要人工琢磨的部分逻辑门设计自动化，也让优化有机会覆盖更多计算任务。具体场景能获得多少收益，仍然需要结合实际负载测试。 我更期待的，是用户以后用隐私金融时，只需要正常转账、正常管理资产。复杂的加密计算，由底层处理好。 AutoHoG 正在往这个方向推进：让数据受到保护的同时，金融操作也能顺畅运转。 #Primus# #AutoHoG# #FHE# #ConfidentialFinance#

把任务交给一部陌生人的手机，你敢吗？ 这是我研究 @Acurast 时，最先想弄明白的问题。 手机算力这个方向很好理解：闲置设备重新利用，普通用户提供资源，开发者部署应用。 但如果应用需要处理私人输入，设备主人能不能看到？如果代码被改过，开发者怎么知道？ 这些问题不解决，设备数量再多，也很难让人放心使用。 Acurast 选择手机，有一个值得关注的原因：手机里的安全硬件。 它利用可信执行环境，也就是 TEE，提供隔离执行与硬件支持的验证机制。目标是保护计算中的数据，并验证指定代码在真实设备上执行。 这让我觉得，评价一个手机算力网络，除了问它“能算多少”，还应该问它“能证明什么”。 比如，一个应用把用户输入交给模型处理，开发者需要知道运行的是自己指定的程序，也希望输入不会因为换了执行设备就被随意查看。 Acurast 尝试提供的，就是这一层计算基础设施。 但“可验证”有个边界，值得讲清楚。 证明指定代码执行了，不代表代码没有漏洞；证明模型按要求运行，也不代表模型判断一定正确。 一个分类模型完全可以在没有被篡改的情况下，把邮件分错。 所以，执行验证解决的是一部分信任问题。应用本身仍然需要测试、权限控制和错误处理。把这些区别说清楚，反而更容易理解这项技术适合用在哪里。 网络规模也已经有了可核对的数据。 截至 10 月 6 日查阅官网，Acurast 展示的是： 32.2 万部以上累计接入手机、11 亿笔以上链上交易、67.5 万次以上计算部署。 这说明网络已有一定积累。不过，累计接入不等于同时在线，部署次数也不能直接当成付费客户数。判断使用情况，还得继续看活跃设备、任务执行和开发者留存。 再往下，就是另一个问题：即使数据受到保护，设备会不会突然不提供算力了？ 这也是 $ACU 和 Staked Compute 值得放在一起看的地方。 算力提供者通过质押与算力承诺参与；未能满足承诺时，可能面临罚没。持币者也可以通过委托参与，但同时承担所选提供者的相关风险。 硬件验证与经济约束，分别处理不同的问题：前者帮助验证执行环境，后者让持续提供算力带上经济责任。 两者都不能消除所有故障，但能让网络的运行规则更具体。 对我来说，AI × DePIN 的机会就在这些细节里。 一个开发者愿不愿意把任务部署过来，会同时考虑隐私、性能、费用和稳定性。手机只是执行设备，真正需要被检验的，是整套服务能否满足应用要求。 而 $ACU 的使用需求，也要放回这套服务里观察：网络费用、算力激励、质押和治理，是否随着实际使用发挥作用。 我会继续关注 Acurast 的具体应用，以及开发者用过之后是否愿意继续使用。 闲置手机能提供算力，是一个有意思的起点。 让别人愿意把真实任务交给它，才是更值得追踪的进展。 $ACU #Acurast# #AI# #DePIN#

一部闲置手机接入 @Acurast ，到底值不值得折腾？ 我觉得，先别急着问一天能拿多少 $ACU 。更实际的问题是：手机能不能用、奖励怎么来，以及你愿意为它付出多少维护成本。 把这几件事弄清楚，再决定要不要参与。 先看设备，而不是先买设备。 按照 Acurast 当前官方指南，Android 的基本要求是 Android 12 或更新版本，设备未 Root、Bootloader 锁定；iPhone 则列出了 iPhone 6S 或更新机型、iOS 15 及以上的要求。 如果抽屉里刚好有一部符合条件的手机，可以先拿它了解流程。为了还没验证过的收益，直接买一批二手机，我觉得没必要。 接入之后，手机是在提供什么？ Acurast 的开发者可以把应用部署到网络，由接入的手机提供计算资源。官方列出的任务包括 API、定时任务、机器人和 LLM 推理等。 这也解释了为什么设备表现很重要：开发者需要任务能够稳定执行，手机接入只是第一步。 奖励也不是按“手机台数”平均发。 官方的基础奖励会参考设备的算力基准测试。CPU、内存、存储等指标，会影响设备在奖励池中的份额。因此，两个人各接入一部手机，拿到的奖励可能不同。 这里有个容易忽略的细节： 按照官方奖励规则，Processor 在某个 epoch 内执行部署任务，被系统识别后，会获得 10% 的基准指标加成，影响该周期相关奖励的计算。 注意，这是指标权重的加成，不是承诺每个人的到账奖励固定增加 10%。 除了基础奖励，还有 Staked Compute。它需要进一步参与算力承诺和质押，奖励与硬件表现、质押规模、承诺时长有关。 我会把它放到第二阶段考虑：先确认设备可以稳定运行，再去理解质押规则。刚入门就把所有选项一起开上，出了问题也很难判断是哪一步造成的。 立即体验闲置赚钱： 如果从零开始，我会按这个顺序： ① 核对闲置手机的兼容性，处理好设备里的个人资料。不要用存有钱包或加密资产的手机接入。 ② 从官方渠道安装 Processor，按指南完成设置，并通过 Acurast Hub 接入。 ③ 保持网络连接，观察设备状态、温度和实际奖励记录。 ④ 记录耗电、掉线情况，以及自己花了多少时间维护。 ⑤ 确认这些成本可以接受，再决定是否增加设备或参与 Staked Compute。 别只截一张奖励到账图，就判断它值得长期运行。能稳定运行一段时间，比某一天拿得多更有参考价值。 还有，MIST 积分、cACU 和主网 ACU 是不同的东西，查看奖励时要先确认自己看到的是哪一种，别把积分直接当成到账代币。 我觉得 Acurast 对普通用户比较有吸引力的地方，是可以从一部现成的闲置手机开始，亲自观察手机算力网络怎么运转。 但参与的第一步，应该是了解产品和记录成本。 如果你也准备尝试，先把那部闲置手机的型号查清楚，再跟着官方指南走。有问题可以去 Acurast Discord 或中文社区交流，别靠猜。 手机还能做多少事，跑起来之后才知道。 $ACU #Acurast# #DePIN#

一个有意思的对比：WLFI 和孙宇晨最近都在做 AI 模型中转站，但他们做的和 DGrid 完全不是一回事。 WLFI/孙宇晨模式：黑盒中转站。自己接渠道，再转卖给用户。用户不知道模型从哪来，质量没保障，定价不透明。本质上就是个"二道贩子"。 DGrid 模式：开放市场。模型提供商可以自由入驻、自主定价，形成市场竞争。PoQ 链上验证保证模型质量可靠，用户可以便捷接入，价格低、性能好、去信任。 一个是封闭的中间商，一个是开放的交易市场。就像淘宝 vs 代购——谁的价格更透明、选择更多、信任成本更低，一目了然。 而且 DGrid 已经跑出了 $20M 收入，WLFI 和孙宇晨还在起步阶段。先发优势 + 模式优势，差距不小。