专题研究N：2025年融资区块链项目研究Inference Labs

按：融资的项目作一个专题研究：1、融资了，说明得到资本界看好，可能是一个好的方向和项目；2、通过研究它们，可以了解外界或圈内人对这个行业的判断，是一种研究区块链发展趋势的捷径和正确的路；3、之前的区块链人物、项目系列研究也基本是追一些热点或按版块研究，已有1000期；基本也将常见的项目和区块链人物研究的差不多；正好可以告一段落（前期落下的一些已计划的还要继续，在1000期以内）；4、基于推特是目前区块链信息最集中和更新快的平台，还依托于此来研究相应的融资项目。5、2024年2月份，硬盘损坏；前期约有3600期（已发布约2000期）资料丢失；现未再续编号。

PANews 6月27日消息，据Decrypt报道，加密信任基础设施Inference Labs完成630万美元战略融资，DACM和Delphi Ventures跟投，Arche Capital、Lvna Capital等新投资方参与，其中包含由Native Capital领投的100万美元社区轮融资。融资将用于优化电路设计及扩展多证明系统支持，覆盖医疗、金融、DeFi等需要可信AI决策的场景。

Inference Labs
，
@inference_labs，
Proof of Inference - Trustless AI verification，
Hamilton, Ontario，inferencelabs.com，2023年3月加入，
33 正在关注，
3.2万关注者，

@inference_labs
·
10月 18， 2024
像大多数计算机书一样，我们很害羞，但是，我们感谢这个平台和支持！
这是我们自己的视频
@colingagich
为了文化

@inference_labs
·
10小时
1 / 深度伪造越来越难被发现，也更容易武器化。
2024 年，人工智能生成的假货造成了数十亿美元的欺诈损失。但水印和滤镜已经不够了。
让我们谈谈加密验证以及 ZKP 如何提供帮助。2/ ZKP（零知识证明）让平台证明图像、视频或模型输出是真实的，而无需泄露私人数据。
这意味着：
• 防篡改来源
• 隐私保护验证
• 可扩展的深度伪造检测
推理实验室
@inference_labs
·
10小时
3/ 我们得到的不是信任平台或水印，而是：
• 可验证的媒体来源
• zkML 可在不暴露训练数据的情况下检测深度伪造
• zkRollups 进行大规模验证
我们正在 Inference Labs 构建这个未来。信任必须是加密的。

84% 的企业将人工智能治理和可审计性列为最关心的问题（IBM，2024）。
Inference Labs 通过 zkML 解决了这个问题：一种加密证明，证明 AI 运行正确的模型，遵循正确的逻辑，并且没有作弊。
可审计的 AI 现在是协议原生的。

1/🚨71% 的 AI 故障是由于部署后的意外行为造成的（Gartner）。
为什么？因为大多数模型一旦离开实验室就无法验证。
Inference Labs 通过推理证明解决了这个问题：对野外 AI 进行加密验证。
推理实验室
@inference_labs
·
7月21日
2/ 我们的 zkML 堆栈确保：
→ 使用了正确的模型
→ 部署后未修改逻辑
→ 输出可以公开审计，而不会泄漏输入
这不仅仅是为了合规性，也是为了运营弹性
推理实验室
@inference_labs
·
7月21日
3/ 部署在 Bittensor 子网 2 上，每月处理 10M+ zk-proofs。
Inference Labs 正在将可验证性转化为基础设施。
因为当人工智能在现实世界中失败时，证据胜过事后诸葛亮。🔗

医疗保健人工智能可以拯救生命，直到它犯错。我们的 zkML 验证可确保诊断模型完全按照训练运行，并具有加密正确性证明。符合 HIPAA 标准、患者安全且可进行审计。

推理实验室
@inference_labs
·
7月19日
1/ 人工智能代理现在正在交易、调节、信用评分和标记医疗风险。
但 62% 的企业表示，他们缺乏对人工智能如何做出决策的可见性。
这是一个信任差距。
推理实验室
@inference_labs
·
7月19日
2/ Inference Labs 通过加密证明缩小了这一差距：
→ 运行的模型
→ 它是如何运行的
→ 它没有被篡改
所有这些都不会泄露私人数据。
推理实验室
@inference_labs
·
7月19日
3/ 从 DeFi 到医疗保健，可验证的推理正在成为基线要求。
Inference Labs 每月处理 10M+ zkML 证明以满足这一需求。

听说过 zkML 吗？
好吧，它不再只是一个概念。它是现场直播的。
推理处于领先地位，让人工智能模型证明它们运行正确，而不会泄露输入或输出。
为什么要关心？
因为在一个充满深度伪造和人工智能幻觉的世界里......
我们需要人工智能

推理实验室 x Neurolov
我们很高兴能与
@neurolov
，一个由浏览器驱动的 DePIN 网络，将闲置设备转变为可访问的去中心化 AI 计算。
我们共同将实时 AI 处理与无需信任的验证相结合，实现更加开放、可验证和

人工智能堆栈正在碎片化——聊天机器人、代理、钱包和验证器。
到 2026 年，70%+ 的企业应用程序将使用 AI，但如果没有共享的证明标准，一切都会崩溃。
Inference Labs 正在构建 zk 层：可移植、可证明、无需许可的 AI 逻辑。

人工智能代理正在链上执行交易、投票和触发合约。
推理实验室确保每个作都得到 zk-proof 的支持——可验证、防篡改和可扩展。
10M+ 校样/月。
这是自主人工智能的协议层。

“人工智能推理、zkML 和零知识证明不仅仅是渐进式的，它们正在改写 21 世纪数字信任的规则。”
我们支持
@inference_labs
— 为人工智能驱动型经济构建加密信任层的团队。
Medium 上的新文章 ↓

不能强调基于 zk 的不可否认性的重要性。

从矿工那里购买一组交易信号
必须是所有行业，无论是好的还是坏的
在出售交易集之前量化绩效
也证明了 Miner 是最佳射手
大规模执行此作，而不披露任何

Inference Labs 很荣幸能与
@taoshiio
通过 Omron SN2 将无需信任的基础设施引入自营交易网络（子网 8）。
我们正在共同开发投资组合证明系统，以验证验证者的性能，而不会泄露私人交易

人工智能现在正在为金融、交通、健康和 ID 领域的决策提供动力。
但我们能证明这些决定是正确的吗？
我们的最新文章深入探讨了 zkML + 区块链以及为什么可验证的 AI 是 Web3 的未来。

欧姆龙是 Bittensor 中最被低估的子网。长话短说，但在我知道 Bittensor 之前，我通过“Spencer”了解了欧姆龙。
很高兴看到跨子网协作

1/ 每个人都在构建人工智能。
但只有 17% 的全球公司表示他们能够完全解释他们的模型输出。
当人工智能开始触及真金白银、健康或身份时，这是一个问题。
推理实验室
@inference_labs
·
7月15日
2/ Inference Labs 使模型输出在协议层可验证——这样你就可以证明运行的内容、运行方式以及它是诚实的。
没有猜测。只是加密证明。
推理实验室
@inference_labs
·
7月15日
3/ 我们每月处理超过 1000 万个 zkML 证明。
这是实时的、保护隐私的验证——已经在去中心化网络中上线。🔗 http://t.me/inference_labs

我们以 Bittensor 的速度发货。
Proof of Portfolio 已经为 SN8 提供了可验证、无需信任的性能验证 CLI。
这就是去中心化人工智能基础设施的样子。🛳️即将登陆

子网 8🤝子网 2
@inference_labs
，子网 2 的创建者（
@omron_ai
），正在加入 Taoshi 的赏金计划，为我们的子网自营交易网络开发投资组合证明系统！
该系统将采用私人投资组合的默克尔树建造

人工智能已集成到 38% 的网络安全工具和 70%+ 的企业工作流程中。但如果没有证据，你只是相信黑匣子。
以下是为什么这很危险，以及我们如何解决它💡

推理实验室 x Unmarshal：
我们很高兴能与
@UnmarshalAI
一个强大的多链数据网络，提供跨 55+ 区块链的实时、人工智能增强的见解。
我们将共同将无需信任的人工智能验证引入可验证的链上数据，为下一波

大多数人工智能基础设施并不是为了值得信任而构建的。我们的是。
推理实验室为可验证的 AI 提供了支柱，这是您的模型诚实、快速、大规模地运行的加密证明。
我们在 Bittensor Subnet 2 上构建了最大的 zkML 证明集群，每月处理 10M+ 证明

可验证性不仅关乎信任，还关乎控制。
使用 zkML，您不仅可以证明模型运行。您可以定义谁看到什么、何时以及为什么。
这就是 AI 逻辑的未来：可定制。可审计。默认为私有。
Inference Labs 正在构建堆栈。

社交平台用黑匣子人工智能标记您的内容。
Inference Labs 使用 zk-validated 推理翻转脚本——因此审核和媒体分析是透明的、可审计的和抗审查的。

推理实验室 x 流行社交和流行 Max
随着人工智能和 Web3 重塑我们的联系方式，信任和透明度需要成为核心。
这就是我们与
@popapp_official
和
@PopMax_xyz
突破去中心化社交和人工智能驱动的生态系统增长的极限。