表现
RD 熱度指數
RD 增長指數
比較
跟隨更新
跟隨列表
人物
關於Inference Labs
Inference Labs 是一個專注於可驗證機器學習（zkML）的 Web3 AI 基礎設施項目。其核心業務圍繞兩項專有框架展開：DSperse 是一個分散式推理系統，可將 AI 模型拆分為較小的子模型進行並行處理；JSTprove 則是一個內部開發的零知識證明引擎，透過 sumcheck 和 GKR 協議針對 AI 運算進行最佳化。該公司的主要價值主張在於，能夠在不揭露底層模型權重的情況下，對 AI 推理輸出進行密碼學驗證，從而解決去中心化 AI 網路中信任與智慧財產權保護的雙重挑戰。 Inference Labs 所應對的市場痛點包括：AI 決策的不透明性（使用者無法驗證輸出是否來自所聲稱的模型）、以零知識證明大規模模型推理在計算上的不可行性，以及模型隱私與可驗證性之間的矛盾。透過將 AI 計算轉換為可驗證的電路，並將證明工作量分散到各個節點，該項目降低了實現無需信任的 AI 服務的門檻。 在過去六個月（2026-02-28 至 2026-08-31）期間，Inference Labs 已在其子網路上部署了所有基礎模型，每個模型的證明覆蓋率超過 30%。DSperse 和 JSTprove 框架已從研究階段進入生產階段，團隊報告成功實現了跨分散式節點的並行證明生成。然而，該項目仍面臨重大技術限制：儘管進行了模型切片，但單層電路化仍耗費大量記憶體，且大型視覺模型（例如 YoloV8）的證明開銷仍超出消費級硬體的能力。團隊承認，雖然目前的優化已提升效率，但該系統仍不適用於需要亞秒級驗證延遲的即時應用場景。
過去六個月，Inference Labs在可驗證AI基礎設施方面取得了重大進展。關鍵成果包括分散式推理框架DSperse的正式推出，以及利用sumcheck和GKR協議的內部證明器JSTprove。這些技術能為大型視覺模型提供近乎即時的零知識證明，而完整的Python到Rust遷移實現了礦工回應速度提升2.5倍、驗證速度提升3.2倍、吞吐量提高43%，同時驗證率從95.7%提升至97.5%。 2026年2月，團隊推出了TruthTensor，這是一個針對在即時預測市場中運行的LLM的評估框架，目前已支援超過110萬個部署的AI代理、87.5萬名用戶，以及320萬個微調模型。該平台也進入了Oracle的企業生態系統，實現了在航空與物流等領域的可驗證AI部署，在生產環境中（包括卡加利國際機場）已生成並驗證超過3.5億個證明。 展望未來，Inference Labs計劃擴展DSperse的模型兼容性（包括ResNet-50、YOLOv8與Vision Transformers），並進一步最佳化JSTprove以適配消費級硬體。路線圖強調在去中心化網路上擴大可驗證推理的規模、深化Oracle合作關係，以及推動學術驗證（已獲CVC 2026接受），目標是讓密碼學證明生成成為企業AI問責的標準。
共同創辦人： Ron Chan（Twitter: @sudo_ron）－ Inference Labs 共同創辦人。具備去中心化系統與 AI 基礎設施背景。 Colin Gagich（Twitter: @colingagich）－ Inference Labs 共同創辦人。專精於硬體/軟體工程及自主系統。 未發現其他具有可靠公開資訊的核心高層管理人員。