GPU革命：我們如何用零知識證明讓以太坊快上1000倍

本文將解析一個關鍵技術突破：透過高效能GPU 與零知識證明的結合，我們正在讓以太坊的運作效率提升數百甚至上千倍。這不僅解決了區塊鏈長期存在的效能瓶頸，也為未來的Web3 基礎設施提供了可行的技術路徑。

如果你曾好奇：為什麼以太坊運作緩慢、交易成本居高不下？又或者你正關注下一代區塊鏈技術的關鍵驅動因素？那麼，本文將為你提供清晰的答案。

問題本質：區塊鏈為何像塞車的高速公路？

可以將以太坊想像為一條高速公路。如今，所有用戶和應用程式都在爭奪有限的車道資源，導致網路擁塞、交易處理緩慢、Gas 費居高不下。

傳統的解決思路無非兩種：

• 修更多的車道－ 也就是建造Layer 2 網路（例如Rollups）

• 讓車輛更小—— 也就是對交易資料進行壓縮

但如果有一種方式，可以「瞬移」車輛，而非繼續在車道中擠兌呢？這正是零知識證明（Zero-Knowledge Proofs, zkps）帶來的典範革新。它的核心想法是：無需傳輸所有交易資料本身，僅透過產生一個數學證明，即可驗證交易的真實性。換句話說，我們不再需要讓每輛車都駛過高速公路，而是可以直接驗證「這些車確實到達了終點」。這不僅減少了資料傳輸負擔，更讓「高吞吐+ 強安全+ 去信任驗證」三者得以相容。

The Verge：以太坊的下一步演進

以太坊目前正在推進一個宏大的技術藍圖——The Verge，你可以把它理解為以太坊的「瘦身計畫」。目標是：讓運行以太坊節點的門檻大幅降低，就像在手機上運行一個App 那樣簡單。未來，每個人都能輕鬆加入以太坊網絡，而不必依賴一台高效能遊戲電腦。

但這項計劃背後有一個關鍵技術挑戰：它需要在極短時間內完成數百萬次複雜的數學運算。

這正是POLyhedra 團隊所專注的突破方向—— 如何利用GPU 加速大規模ZK 運算，在確保驗證安全性的同時大幅提升執行效率。

技術挑戰：這組數據將顛覆你的認知

為了理解我們正在應對的複雜度，以下是以太坊當前鏈上操作的真實規模：

• 共識驗證（Consensus Verification）：
  每個區塊包含約9, 000 萬次SHA 2-256 哈希計算，以及2, 048 個BLS 數位簽章驗證

• 狀態轉換證明（State Transition Proofs）：
  每個區塊約需執行50 萬次Keccak 哈希操作

• 當前瓶頸：
  基於CPU 的零知識證明器（Prover）目前每秒僅能處理約200 萬次Poseidon 哈希計算

真正的挑戰在於──我們需要用零知識證明技術來完成上述所有運算，無疑地大幅疊加了計算複雜度。

突破點：GPU 的算力革命

眾所周知，GPU 是遊戲玩家和AI 工程師的心頭好。但實際上，這些圖形處理單元在處理零知識證明所需的大規模平行數學運算時，展現出遠超越CPU 的能力。

在Polyhedra，我們對ZK 證明系統進行了GPU 原生優化，並且取得了震撼性的突破性效能指標：

效能躍遷，遠超預期

• 基礎數學操作（Mersenne 31 領域）加速362 倍

• 複雜加密運算（BN 254 橢圓曲線）提速高達2826 倍

• 一項原本耗時21 分鐘的零知識計算，現已壓縮至僅需450 毫秒

換句話說，這相當於你每天早高峰的通勤時間從20 分鐘驟減到不到半秒。這不是漸進式優化，而是一種範式級別的運算躍遷。

為什麼這項突破與你息息相關？

技術核心：我們是如何做到的

1. GPU 原生設計：CUDA 最佳化的Sumcheck 協議

我們基於CUDA 建構的Sumcheck 實現，充分發揮了GPU 的平行運算優勢：

• 針對數域運算（加法、乘法、冪運算）設計客製化CUDA 內核

• 利用合併記憶體存取模式，最大化GPU 頻寬利用率（RTX 4090 實測頻寬高達1008 GB/s）

• 使用warp 級原語，實現高效的歸約操作（Reduction）

這一層級的深度客製化讓Sumcheck 協定不再受限於CPU 的串列瓶頸。

2. 記憶體為王：頻寬瓶頸優化傳統觀點認為ZK Prover 計算瓶頸在於算力，但我們的實證顯示－ Sumcheck 是典型的記憶體頻寬瓶頸問題：

• 記憶體吞吐分析：頻寬使用率達到理論上限的95% +

• 資料結構最佳化：採用Structure-of-Arrays（SoA） 取代傳統Array-of-Structures（AoS） 結構

• SM 單元利用率提升：透過最佳化執行緒區塊配置，實現最佳硬體佔用率

透過解決記憶體吞吐問題，我們將ZK 運算變成了真正的高效流式任務。

3. 針對不同數域的客製化最佳化策略

不同的密碼學字段具有不同的運算特性，我們為每個主流場量身定制了優化路徑：

• Mersenne 31 (M 31)： 31 位元整數最佳化，高效率模運算結構

• M 31 ext 3 ：擴充字段支持，兼顧多項式擴張與低開銷

• BN 254 ：基於Montgomery 演算法的客製化乘法器，專為254-bit 大整數場設計

這種高度針對性的底層優化讓我們的ZK Prover 既通用又極致高效。

效能資料拆解：優化發生的地方

我們並非只做了“快很多”，而是將ZK 性能推向了前所未有的高度。以下是實測性能數據：

技術架構揭秘：引擎蓋下的真相

GKR 協定棧：加速的核心

我們的加速優化聚焦於GKR（GoldWasser-Kalai-Rothblum）協議，具體包括：

• 線性GKR 層：用於處理加法與乘法門

• Sumcheck 協定：效能瓶頸所在，佔CPU 總運算時間的近50%

• 多項式評估階段：在GPU 上將計算時間從8.4 秒降至9.5 毫秒

GPU 核心設計詳解

第一階段：多項式評估

• 在2 ^n 個點上並行計算

• 使用共享記憶體快取係數，提高存取速度

• 借助warp shuffle 實現高效能歸約操作

• 第二階段：挑戰生成

• 在GPU 內部執行Fiat-Shamir 哈希操作，避免CPU-GPU 頻繁切換

• 降低CPU 與GPU 之間的通訊延遲

記憶體傳輸最佳化：打通資料流的“最後一公里”

我們在CPU-GPU 互動方面也做了系統性最佳化，以確保頻寬不會成為瓶頸：

• PCIe 資料吞吐最佳化：處理2 ^{ 27 } 個元素只需737 毫秒

• Pinned Memory：支援「零拷貝」資料傳輸，減少複製成本

• 非同步操作調度：計算與通訊並行進行，最大化資源利用率

實話實說：挑戰依舊存在

我們始終堅持透明－GPU 加速並非萬能解法，在實際推進中，我們也遭遇了不少科技瓶頸：

1. 記憶體頻寬已觸頂

• 即便是H100 擁有高達3.35 TB/s 的頻寬，在高負載下也會成為效能瓶頸

• 比較來看：較大的橢圓曲線域（如BN 254）比小域（如M 31）更快觸頂

2. GPU 顯存容量受限

• RTX 4090 在處理2 ^{ 29 } 個元素時記憶體耗盡

• 實際部署時需要精細的記憶體調度策略，避免溢位風險

3. 域大小與效能之間的權衡

4. 「GPU 優勢點」比較：從何時開始超過CPU？

跨平台效能實測

我們在不同等級的GPU 上進行了基準測試，涵蓋消費級和資料中心級硬體：

消費級GPU

• RTX 3090 ：記憶體頻寬936 GB/s，效能提升最高可達951 倍

• RTX 4090 ：記憶體頻寬1008 GB/s，效能提升最高可達1565 倍

• 資料中心GPU

• NVIDIA H100：頻寬高達3.35 TB/s，效能提升最高可達2826 倍

結論清晰明確：記憶體頻寬是零知識證明加速的關鍵變數。

展望未來：我們的路線圖

我們遠未止步，接下來將持續攻堅以下目標：

• 更極致的加速：針對特定操作，目標是實現10, 000 倍的速度提升

• 更廣泛的硬體相容：從高效能遊戲顯示卡到資料中心級加速卡全覆蓋

• 原生整合以太坊：我們正在與以太坊客戶端開發團隊合作，將我們的GPU ZK 證明堆疊直接整合進L1 層

加入這場變革浪潮！

這不僅是速度的提升，更是一次對區塊鏈可及性的徹底重塑。無論你是誰，都能找到參與的方式：

• 開發者：歡迎查看我們的Expander和CUDA 倉庫，一同建構未來

• 學習者：關注我們的研究研討會和技術深潛，持續更新不落伍

• 所有人：擴散這項技術！理解的人越多，Web3 的未來就越近

核心觀點回顧

我們正處於一個令人振奮的技術轉折點。零知識證明與GPU 加速的結合，不只是效能的邊際提升，而是一場典範的變革。

我們正在重新定義以太坊的速度、成本與可用性邊界。

關鍵技術成果一覽：

• 面向生產環境的ZK 證明實現超1000 倍加速

• GPU 記憶體頻寬利用率超過95%

• 開源實現，隨時可集成

Web3 的未來不僅是去中心化的，更是極速可達的，而且它比你想像的來得更快。

你對這些進展最感興趣的是哪一點？歡迎在留言區留言，或在Twitter 上與我互動，我們非常樂意深入交流這些技術細節！

未來屬於速度，也屬於你。下次見，持續構建，不止於快！