专题研究N：2025年融资区块链项目研究Inference Labs (2)

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 10月15日消息，据官方消息，开源AI提供商Inference完成1180万美元种子轮融资，Multicoin Capital和a16z CSX领投，Topology Ventures、Founders,Inc.和天使投资人参投。 该笔资金将用于扩展模型与基础设施性能研发，并提升其为企业提供定制AI模型训练与部署服务的能力。Inference.net目前已为多家AI原生公司提供定制语言模型训练与部署支持。

Inference Labs
，
@inference_labs，
Proof of Inference - Trustless AI verification，
Hamilton, Ontarioinferencelabs.com2023年3月 加入，
33 正在关注，
2.5万 关注者

@inference_labs
·
十月16
ZKML 的广泛采用不会从证明开始，而是从可用性开始。
观看 Colin Gagich 分解 DSperse 的基础知识，以及它如何将 ZK 从纯粹的安全性转变为真正的可扩展性。

@inference_labs
·
9小时
难以理解 DSperse？
与我们的团队成员一起查看此演练
@ShawnMKnap
他帮助您使用 Pizza 可视化它！

1/ 人工智能变得越来越强大——生成决策、执行交易，甚至充当自主代理。
但有一个问题是任何人都不能忽视的：我们无法验证他们到底做了什么。
推理实验室
@inference_labs
·
13小时
2/ LLM 出现幻觉。模型可能会被篡改。代理可以在没有审计跟踪的情况下做出决策。 今天的人工智能很强大，但它无法证明。
推理实验室
@inference_labs
·
13小时
3/ 这就是我们在这里的原因。 在 Inference Labs，我们正在为 Unbreakable AI 构建基础设施——该系统可以通过加密证明而不是盲目信任来证明每个输出的合理性。

开放的人工智能网络将首先奖励一件事：证明。
没有可验证性，最强大的模型就毫无意义。
推理实验室
@inference_labs
·
十月20
ZKML 的真正承诺不是保密，而是问责制。
人工智能无法在现实中虚张声势的未来。

人工智能不需要完美——它需要是可证明的。
我们正在朝着牢不可破的人工智能方向发展：在不被抓住的情况下，不会撒谎、作弊或产生幻觉的系统。

1/ 人工智能正在离开云端。它正在进入网络、代理和边缘设备。
在那个世界里，我们不能相信机器——我们必须相信输出。
推理实验室
@inference_labs
·
10月19日
2/ DSperse 引入模块化模型执行：对模型进行切片、分配工作负载并证明结果。
这不仅仅是一个机器学习工具，它还是在不受信任的环境中运行人工智能的蓝图，具有加密确定性。
推理实验室
@inference_labs
·
10月19日
3/ 无论您是在构建去中心化推理还是内部 AI 系统，DSperse 都是关于一件事的：释放模型，保持信任。

/ ZKML 不仅仅是隐私。它关乎问责制、可靠性以及构建人们和系统可以依赖的人工智能——从金融到国家安全。
推理实验室
@inference_labs
·
10月18日
2/ 我们相信未来不仅仅是人工智能可以工作——人工智能可以证明它工作正常。

DSperse 不仅仅是速度，更是敏捷性。
模型不断增长，DSperse 的节省也随之扩大。
单片解决方案无法跟上——我们的模块化验证为牢不可破的人工智能铺平了道路。

非常感谢
@KeithSingery
深入了解 DSperse、子网 2 以及我们对 zkML 未来的愿景。 这不仅仅是推理证明，而是使人工智能可验证、可扩展并为现实世界做好准备。 观看下文，了解 DSperse 如何为子网 2 及更高版本解锁新的可扩展性维度。

Bittensor 子网 2@omron_ai由@inference_labs正在与 DSperse 一起开创 AI 中的 zkML 应用。Dan 和 Hudson 一起带我了解他们构建的内容以及它如何应用于推理证明之外的更多内容。$TAO

自 2022 年以来，推理成本下降了 280 倍。
人工智能很便宜。人工智能速度很快。
但人工智能是可验证的吗？这就是我们的用武之地。
加入我们的社交媒体，看看可验证的人工智能是什么样子。
TG：https://t.me/inference_labs不和：

1/ 自主系统正在从科幻小说转向您的日常工作流程。
自动驾驶汽车。人工智能代理。去中心化机器人。
推理实验室
@inference_labs
·
十月14
2/ 但如果没有证明，它们仍然是黑匣子。
Inference Labs 正在构建透明度的基础设施。

每个人都想要您可以信任的人工智能。
默认答案：证明一切。将模型包裹在电路中，附加 zk 证明，完成。
问题？它很慢，会燃烧内存，而且永远不会离开实验室。真实系统只需要高风险部件的收据。
推理实验室
@inference_labs
·
10月13日
想想模块化汇总，但用于机器学习证明。 Dsperse 将 zkML 分解为切片：更轻的编译、更快的证明、更小的密钥。 回报？证明生成速度提高 60%，内存占用减少一半。扩展可验证的 AI，没有瓶颈。

当只有某些层影响决策时，为什么要证明一切？ DSperse = 更轻的电路、更快的证明、可扩展的 zkML。
推理实验室
@inference_labs
·
十月12
1/ 在加密货币中，它是不信任，验证。 在人工智能中，它......嗯，我们仍然大多信任。
推理实验室
@inference_labs
·
十月12
2/ 在 Inference Labs，我们正在通过 AI 输出的 zk-proofs 来解决这个问题。
成为信任革命的一部分。

1/ 加密货币正在凭借 RWA、DePIN 和 126 美元的 BTC 竞速前进。人工智能正在随着代理系统而爆炸式增长。 趋同是不可避免的。
推理实验室
@inference_labs
·
10月11日
2/ 推理网络就位于这个交叉点：zkML 证明使 AI 输出可审计、可移植且值得信赖。
AI x Web3 不是炒作，而是基础设施。

DSperse 将生命周期划分为模块化部分——编译、证明、验证——为速度而编排。
结果：PK/VK 尺寸缩小了 50%，打样时间缩短了 60%。

1/ 厌倦了零知识机器学习中庞大的证明？
DSperse 将您的模型切片为逻辑段，让您只验证高影响力的作——更快、更轻、摩擦更少。3/ NET型号：
- 总证明时间：下降 60.4%
- 编译阶段：速度提高 54.3%
- 证明阶段：速度提高 64.6%
- 验证阶段：慢 6.6%
- PK 尺寸：缩小 67%
- VK 尺寸：缩小 52%
3/ 结果：用于实际工作负载的模块化、分布式和实用的 zkML。
高效、有针对性的证明的新时代，可与您一起扩展。
不和：https://discord.com/invite/inferencelabsTG：https://t.me/inference_labs白皮书：https://arxiv.org/abs/2508.06972回购：https://github.com/inference-labs-inc/dsperse

真正的人工智能危机是验证。 如果没有加密证明，就无法审计 AI 决策或确认输出。
@inference_labs
是推理证明的开创性 &$ARIO很自豪能够为他们提供扩展所需的永久存储基础架构🐘

人工智能代理将在 2025 年呈爆炸式增长——从物流到金融。
但预计 40% 的人将因信任差距而失败。
我们正在通过每个作的加密证明来解决这个问题。

代理人工智能正在蓬勃发展，但信任却滞后。78% 的公司正在试验人工智能代理，Gartner 称其为 2025 年增长最快的技术。
在 Inference Labs，我们正在构建缺失的层：代理采取的每个作的加密证明。

如果您想探索 DSperse 如何为 ML 模型提供战略验证（而无需繁重的开销），请加入我们的 Discord 和 Telegram 社区。
我们总是很乐意演示或讨论合作！
TG：https://t.me/inference_labs不和：

全模型电路化迫使妥协。
DSperse 允许开发人员选择管道、切片和审计级别，从而保持保真度、隐私和速度。
ML 信任，按照您的条件。
推理实验室
@inference_labs
·
10月6日
切片不仅速度更快，它还支持模块化、分布式和可扩展的 zkML。
在 NET 模型上：
- 证明时间从 229 秒下降→ 91 秒
- PK 大小从 ~8.6GB 减少→ ~2.8GB
- VK 尺寸：1172 与 2434 未切片
支持分布式计算：并行化大型模型的证明。

全电路 zkML 证明很重——证明密钥大、证明慢、内存成本高。DSperse 改变了这一点。
跳入我们的 Discord 和 TG 提出问题、观看演示或参与下一波可验证的 AI！
不和：https://discord.com/invite/inferencelabsTG：

当战略切片在重要的地方提供信任时，为什么要证明整个模型呢？
DSperse 针对高价值的子计算——电路文件最多可缩小 50%，在真实模型上的证明速度提高 27%。
模块化 zkML 从这里开始。
推理实验室
@inference_labs
·
十月4
DSperse 在需要的地方（安全、IP、敏感决策）支持零知识证明，而不会在任何地方强制开销。 拆分、证明和缩放：针对真实世界 ML 的有针对性的验证。 白皮书：https://arxiv.org/abs/2508.06972回购：

想看看 DSperse 是如何运作的吗？
加入我们的 Discord 或 Telegram 以获取现场演示、更新，并有机会亲身体验我们的框架。让我们一起构建去中心化、牢不可破的人工智能！
TG：https://t.me/inference_labs不和：

全电路 zkML 证明很重——证明密钥大、证明慢、内存成本高。
通过 DSperse 切片，Doom 模型显示：
- 证明时间从 200 秒缩短→ 145 秒
- PK尺寸缩小50%

一项新的深入研究揭露了 OpenAI 在 GPT-5 中未公开的“安全路由器”：用户提示被悄悄地重新路由到基于情感或角色线索的限制性模型，而不仅仅是“急性痛苦”。
这引发了有关透明度、同意和用户自由的严重问题。
阅读分析、证据和案例研究：https://lex-au.github.io/Whitepaper-GPT-5-Safety-Classifiers/
推理实验室
@inference_labs
·
10月2日
我们很高兴看到我们在永久、可验证的人工智能计算方面的工作得到认可，我们衷心感谢http://AR。IO的以突出我们的努力。
利用零知识证明和 Arweave 的去中心化存储，我们正在帮助使 AI 输出更加透明、安全和可信。