從「計算浪費」到「有用計算」：Transformer-PoW如何重塑共識機制？

原文作者： Anastasia Matveeva ， Gonka.ai

以「浪費」達成共識

比特幣實現了一項非凡的成就：它以規模化實踐證明，互不信任的陌生人無需依賴銀行、政府或任何中央機構，也能實現協同合作。這是首次，人們可以在無需任何人許可的情況下向世界另一端的人轉帳。該網路無法被關閉，資產也不會被審查，並且切實有效。

比特幣提出以工作量證明（Proof-of-Work，PoW）作為互不信任參與者間達成共識的方案。其核心邏輯簡潔明了：礦工透過競爭求解一道「謎題」—— 即找到一個隨機數（Nonce），將其與區塊資料結合後輸入SHA-256 雜湊函數，使其輸出滿足特定條件，通常是「以若干個前導零開頭的雜湊值」。例如，若要產生前70 位元為二進位零的雜湊值，平均需要嘗試2 的70 次方。此過程不存在任何可規避嘗試不同隨機數的捷徑或巧妙演算法，只能透過不斷計算直至「幸運命中」為止。

這套機制的革命性意義：它大幅提升了區塊鏈的攻擊成本－ 若想篡改歷史記錄，攻擊者需重新完成所有運算工作。同時實現了激勵一致性－ 礦工獲得的獎勵與其計算工作量成正比，而非取決於既有的財富規模（儘管在實際操作中，資金、硬體及電力成本仍會產生影響）。至此，真正去中心化的系統首次實現了規模化落地。

然而代價在於：這些計算本身並沒有內在價值。電力消耗只是用於計算“前導零的哈希值”，除此之外不再產生任何實際用途。因此，比特幣本質上是用龐大的運算浪費來換取網路安全。十多年來，這個權衡在實踐中“足夠好”，也讓比特幣成為強大的資產。

去中心化的新紀元

目前，人工智慧正經歷快速變革。大型語言模型（LLM）正在成為基礎設施－企業與使用者都依賴的服務。但目前，絕大多數LLM推理任務都運行在少數公司掌控的中心化伺服器上，引發了一系列亟待解決的問題：

• 單點控制風險：某公司決定可使用的模型類型及誰有存取權限；
• 審查風險：政府或企業可能向中心化服務商施壓，要求其實施審查或限制服務。
• 供應商鎖定：使用者與開發者別無選擇，只能依賴目前的「守門人」。

這些問題，正是比特幣最初旨在解決的核心痛點。由此引出一個關鍵問題：我們能否建立一個去中心化的LLM 網絡，在解決上述問題的同時，避免重蹈比特幣「資源浪費」 的覆轍？

現有解決方案與其局限性

Proof-of-Stake（PoS） 試圖透過「資本替代算力」 解決計算資源浪費問題：驗證者需鎖定一定數量的代幣作為抵押，其被選中驗證區塊的機率與抵押權益規模成正比，且僅消耗極少能源。

但該機制有一個核心缺陷：資本分配本來就不均。以Bittensor 等網絡為例，擁有大量資本的驗證者會吸引小型代幣持有者將權益委託給自己，形成「富者愈富」 的正回饋循環—— 擁有更多資本可以吸引更多委託，進而產生更多獎勵，又進一步吸引更多委託。長此以往，投票權將向初始財富持有者集中。即便某個子網路擁有高效能GPU 和高品質推理能力，若其驗證者持有的資本有限，此子網路的影響力也會微乎其微。

最終結果是：投票權從實際算力貢獻者手中，由資本持有者壟斷。因此， PoS 雖解決了資源浪費問題，卻催生了財富集中的新問題。

一種替代方案

由此，問題的核心轉變為：能否在保留工作量證明「公平性」 的同時，將運算資源導向具有實際價值的任務？

早有研究團隊嘗試以不同想法解決工作量證明的資源浪費問題。約從2017 年起，研究者開始探索有用工作量證明（Proof of Useful Work） —— 該機制仍基於工作量證明框架，但將礦工的計算任務從「隨機哈希謎題」 轉向具有潛在經濟或科學價值的任務。部分方案將PoW 的「難度」 與細粒度問題綁定，另有實驗嘗試結合聯邦學習、矩陣乘法任務或零知識證明產生。這類方案的吸引力顯而易見：礦工可透過完成「實際有用的工作」 保留PoW 的公平性，同時減少資源浪費。

但直至近期，這些嘗試均未針對LLM 推理場景—— 它們多聚焦於離散計算問題或批量學習，而非支撐當前AI 服務的「即時Transformer 推理」。

事實上，LLM 推理是理想的「有用工作量」 載體：其計算成本高、經濟價值大，且重要性與日俱增。若能將推理任務的計算量用於網路安全保障，便可實現「網路安全性與實際運算需求」 的對齊。

簡言之，礦工無需再計算哈希值，而是透過完成Transformer 推理任務參與共識。這便是基於Transformer 的工作量證明的核心思路。當然，機制的設計也需解決一系列關鍵挑戰。

且需說明的是，該機制並非局限於Transformer ，未來可適配任何更實用、更主流的模型架構。

設計挑戰

挑戰1：評估計算資源

在比特幣中，「挖礦」 是礦工的全職工作。但對於需提供使用者服務的去中心化LLM 網路而言，節點的大部分時間應用於處理推理請求，而非執行工作量證明任務。因此，有兩種可行方案：

第一種方法理論可行但需深度研究：利用現有訓練模型的實際推理計算量，估算參與者的計算資源－ 透過運行推理任務、測量計算成本，進而校準節點權重。此方案效率高，但需解決兩大問題：如何適應不同輸入資料的差異，以及如何規避訓練模型結構可能被利用的漏洞，因此需大量研發投入。

第二種更實用的時間約束方案：將每個工作量證明謎題設計為「短時間、固定、可預測」 的任務（例如僅需幾分鐘），網路承諾在整個週期（Epoch）內保持相同的運算資源可用。這種設計為建構統一的謎題提供了更高靈活性。

挑戰2：任務與LLM 計算對齊

若採用“時間約束型工作量證明”，會衍生出新問題：若PoW 任務是任意的，硬體最佳化方向可能會偏離“有用工作”。

比特幣的案例已印證了「激勵錯配」 的後果：隨著時間推移，業界開發出僅用於計算哈希值的專用硬體（ASIC）。

而基於Transformer 的工作量證明可逆轉此激勵邏輯：若PoW 任務本身就是Transformer 推理，那麼針對PoW 的硬體最佳化，自然也會提升服務使用者的推理效能－ 硬體最佳化方向將與「實際需求」 天然對齊。

要實現這一目標，需確保兩點：第一，PoW 任務必須是「真實的Transformer 推理」；第二，任務需在每個週期更新，避免參與者在規定時間窗口外提前計算答案。

具體而言，每一輪PoW 會產生一個「新的、隨機初始化的Transformer」。參與者在收到挑戰後，僅有固定時間窗口完成求解，無法提前分析或預計算—— 每個挑戰都是全新的，從而確保工作與真實推理對齊。在這種設計下，既不存在捷徑，也無法為特定任務開發專用硬體（因任務每輪更新），硬體改進只會提升通用Transformer 推理性能，而非服務於「挖礦專屬優化」。

挑戰3：安全性保障

最後，核心問題是「難度設計」：PoW是否夠安全？

比特幣的安全性邏輯簡潔清晰：產生前N 位元為零的雜湊值需暴力破解，且SHA-256 演算法不存在已知的數學捷徑，其「難度」 簡單且可驗證。

比特幣的機制設計也十分簡潔：透過調整隨機數，驗證哈希值是否符合「前N 位元為零」 的條件。

我們不妨試著理解一下比特幣任務在Transformer 場景下的直接映射邏輯。比特幣中的隨機數（Nonce）將轉變為「輸入序列」－ 可以是向量或令牌序列，支援動態調整，且仍可像比特幣隨機數一樣透過正整數產生。而「前導零」 的要求，將轉換為輸出結果的限制條件：

Transformer 的輸出向量必須滿足某種特定屬性。具體可能的限制形式包括：輸出向量接近零向量、與目標向量的距離處於閾值範圍內、具有特定大小，或符合其他明確定義的標準。這項條件的具體定義至關重要，因為部分數學結構的條件可能存在可利用的捷徑。

與比特幣的關鍵差異在於：驗證Transformer 輸入序列是否符合條件的成本更高—— 普通硬體每秒可計算數百萬個比特幣Nonce 的雜湊值，而驗證Transformer 輸入需完成完整的前向傳播計算。參與者無法透過暴力破解嘗試數十億個候選序列，其能力受限於推理速度—— 而這正是我們需要測量的「計算工作量」。

至於該系統如何達到與比特幣相當的安全性，則需更深入的技術分析（將另文探討）。其核心邏輯是：透過隨機初始化Transformer，結合嚴謹的問題設計，建構一個「必須完成完整Transformer 推理才能求解」 的搜尋空間。有關安全性的完整分析，將單獨展開。

讓這個系統在比特幣上具備競爭安全性，是一個更複雜的技術故事——這是另一個主題。其核心邏輯是：透過隨機初始化Transformer，結合嚴謹的問題設計，建構一個「必須完成完整Transformer 推理才能求解」 的搜尋空間。有關安全性的完整分析，值得單獨探討。

工作量證明機制已穩健運作15 年，但比特幣的設計也帶來了顯著問題：我們消耗巨額運算資源產生無實際用途的哈希值；而PoS等替代方案雖解決了資源浪費，卻導致財富向資本持有者集中。

基於Transformer 的工作量證明是另一種選擇：它保留了PoW 的安全性與公平性，同時將運算資源導向世界真正需要的領域。作為以AI 時代的共識機制，它兼具PoW 的安全性、符合真實運算需求，以及「工作本身的實用性」— 這為去中心化AI 網路奠定了全新基礎。

原文連結