助推谷歌衝擊 4 萬億的 TPU，如何在區塊鏈領域大顯身手？

現代計算的硬件敘事基本上是由 GPU 的崛起所定義的。

原文：Beyond the GPU: Why TPUs Are the Hidden Engine for Post-Quantum Blockchain（x）

作者：Eli5DeFi

編譯：Tim，PANews

PANews 編者按：11 月 25 日，谷歌總市值創歷史新高，達 3.96 萬億美元，助推股價的因素除了新發布的最強 AI Gemini 3，還有其自研芯片 TPU。除了 AI 領域外，TPU 在區塊鏈也將大顯身手。

現代計算的硬件敘事基本上是由 GPU 的崛起所定義的。

從遊戲到深度學習，英偉達的並行架構已成為業界公認的標準，使得 CPU 逐漸轉向協管角色。

然而，隨著 AI 模型遭遇規模化瓶頸、區塊鏈技術邁向複雜密碼學應用，新的競爭者張量處理器（TPU）已然登場。

儘管 TPU 常被置於谷歌 AI 戰略的框架下討論，但它的架構卻意外契合區塊鏈技術的下一個里程碑後量子密碼學的核心需求。

本文通過梳理硬件演進歷程、對比架構特性，闡釋為何在構建抗量子攻擊的去中心化網絡時，TPU（而非 GPU）更能勝任後量子密碼學所需的密集型數學運算。

硬件演進：從串行處理到脈動架構

要理解 TPU 的重要性，就需要先了解它所解決的問題。

• 中央處理器（CPU）：作為全能型選手，擅長串行處理與邏輯分支操作，但在需要同時執行海量數學運算時則作用有限。
• 圖形處理器（GPU）：作為並行處理專家，設計初衷是渲染像素，因而擅長同時執行大量相同任務（SIMD：單指令多數據流）。這一特性使其成為早期人工智能爆發的中流砥柱。
• 張量處理器（TPU）：作為專業型芯片，由谷歌專為神經網絡計算任務設計。

脈動架構優勢

GPU 與 TPU 的根本區別在於它們的數據處理方式。

GPU 需反覆調取內存（寄存器、緩存）進行計算，而 TPU 採用脈動架構。這種架構如同心臟泵血般，使數據以規律脈動的方式流經大規模計算單元網格。

https://www.ainewshub.org/post/ai-inference-costs-tpu-vs-gpu-2025

計算結果直接傳遞至下一計算單元，無需寫回內存。這種設計極大緩解了馮·諾依曼瓶頸，即數據在內存與處理器間反覆移動產生的延遲，從而在特定數學運算上實現吞吐量的數量級提升。

後量子密碼學的關鍵：為何區塊鏈需要 TPU？

TPU 在區塊鏈領域最關鍵的應用並非挖礦，而是密碼學安全。

當前區塊鏈系統依賴的橢圓曲線密碼學或 RSA 加密體系，在應對 Shor 算法時存在致命弱點。這意味著一旦出現足夠強大的量子計算機，攻擊者就能從公鑰反推出私鑰，足以徹底清空比特幣或以太坊上的所有加密資產。

解決之道在於後量子密碼學。目前主流的 PQC 標準算法（如 Kyber、Dilithium）均基於 Lattice 密碼學構建。

TPU 的數學契合性

這正是 TPU 相較 GPU 的優勢。Lattice 密碼學嚴重依賴大型矩陣和向量的密集操作，主要包括：

• 矩陣-向量乘法：As+e（其中 A 為矩陣，s 和 e 為向量）。
• 多項式運算：基於環的代數操作，通常運用數論變換實現。

傳統 GPU 將這些運算視為通用並行任務處理，而 TPU 則通過硬件層級固化的矩陣計算單元實現專屬加速。Lattice 密碼學的數學結構，與 TPU 脈動陣列的物理構造幾乎形成嚴絲合縫的拓撲映射。

TPU 與 GPU 的技術博弈

儘管 GPU 仍是業界通用的萬能王者，但在處理特定數學密集型任務時，TPU 具有絕對優勢。

結論：GPU 勝在通用性與生態系統，而 TPU 則在密集線性代數計算效率上佔據優勢，而這正是 AI 與現代先進密碼學所依賴的核心數學運算。

TPU 拓展敘事：零知識證明與去中心化 AI

除後量子密碼學外，TPU 在 Web3 另兩大關鍵領域也展現出應用潛力。

零知識證明

ZK-Rollups（如 Starknet 或 zkSync）作為以太坊的擴容方案，其證明生成過程需要完成海量計算，主要包括：

• 快速傅里葉變換：實現數據表示形式的快速轉換。
• 多標量乘法：實現橢圓曲線上的點運算組合。
• FRI 協議：驗證多項式的密碼學證明系統

這類運算並非 ASIC 擅長的哈希計算，而是多項式數學。相較於通用 CPU，TPU 能顯著加速 FFT 和多項式承諾運算；而由於這類算法具有可預測的數據流特性，TPU 通常比 GPU 能實現更高效率的加速。

隨著 Bittensor 等去中心化 AI 網絡的興起，網絡節點需具備運行 AI 模型推理的能力。運行通用大語言模型本質上就是在執行海量矩陣乘法運算。

相較於 GPU 集群，TPU 能使去中心化節點以更低能耗處理 AI 推理請求，從而提升去中心化 AI 的商業可行性。

TPU 生態版圖

儘管當前多數項目因 CUDA 的普及性仍依賴 GPU，但以下領域在 TPU 集成方面蓄勢待發，尤其在後量子密碼學與零知識證明的敘事框架下極具發展潛力。

零知識證明與擴容方案

為何選擇 TPU？因為 ZK 證明生成需要大規模並行處理多項式運算，而在特定架構配置下，TPU 對此類任務的處理效率遠超通用 GPU。

• Starknet（二層擴容方案）：STARK 證明嚴重依賴快速傅里葉變換和快速裡德-所羅門交互式預言證明，這些計算密集型操作與 TPU 的運算邏輯高度契合。
• zksync（二層擴容方案）：它的 Airbender 證明器需處理大規模 FFT 與多項式運算，這正是 TPU 能破解的核心瓶頸所在。
• Scroll（二層擴容方案）：它採用 Halo2 與 Plonk 證明體系，其核心運算 KZG 承諾驗證與多標量乘法能完美匹配 TPU 的脈動架構。
• Aleo（隱私保護公鏈）：專注於 zk-SNARK 零知識證明生成，其核心運算依賴的多項式數學特性與 TPU 的專用計算吞吐量高度契合。
• Mina（輕量級公鏈）：採用遞歸 SNARKs 技術，其持續重新生成證明的機制需反覆執行多項式運算，這一特性使得 TPU 的高效計算價值凸顯。
• Zcash（隱私幣）：經典 Groth16 證明體系依託多項式運算。雖屬早期技術，但高吞吐量硬件仍能使其顯著獲益。
• Filecoin（DePIN、存儲）：它的複製證明機制通過零知識證明與多項式編碼技術，驗證存儲數據的有效性。

去中心化 AI 與代理型計算

為何選擇 TPU？這正是 TPU 的原生應用場景，專為加速神經網絡機器學習任務而設計。

• Bittensor：其核心架構是去中心化 AI 推理，這與 TPU 的張量計算能力形成原生的精準契合。
• Fetch（AI 代理）：自主 AI 代理依賴持續的神經網絡推理進行決策，而 TPU 能以更低延遲運行這些模型。
• Singularity（AI 服務平臺）：作為人工智能服務交易市場，Singularity 通過集成 TPU 顯著提升了底層模型執行的速度與成本效益。
• NEAR（公鏈、AI 戰略轉型）：向鏈上 AI 與可信執行環境代理的轉型，它所依賴的張量運算正需 TPU 加速實現。

後量子密碼學網絡

為何選擇 TPU？後量子密碼學的核心運算常涉及格中最短向量問題，這類需要密集矩陣與向量運算的任務，與 AI 工作負載在計算架構上具有高度相似性。

• Algorand（公鏈）：採用量子安全哈希與向量運算的方案，與 TPU 的並行數學運算能力高度契合。
• QAN（抗量子公鏈）：採用 Lattice 密碼學，其底層所依賴的多項式、向量運算，與 TPU 專精的數學優化領域具有高度同構性。
• Nexus（計算平臺、ZkVM）：它的抗量子計算準備工作涉及的多項式與格基算法，能高效映射到 TPU 的架構上。
• Cellframe（抗量子公鏈）：採用的 Lattice 密碼學與哈希加密技術涉及類張量運算，使其成為 TPU 加速的理想候選方案。
• Abelian（隱私代幣）：專注後量子密碼學 Lattice 運算。與 QAN 類似，其技術架構能充分受益於 TPU 向量處理器的高吞吐量特性。
• Quantus（公鏈）：後量子密碼學簽名依賴大規模向量運算，而 TPU 處理此類運算的並行化能力遠超標準 CPU。
• Pauli（計算平臺）：量子安全計算涉及大量矩陣運算，而這正是 TPU 架構的核心優勢所在。

發展瓶頸：為何 TPU 尚未全面普及？

若 TPU 在後量子密碼學與零知識證明領域如此高效，為何行業仍在搶購 H100 芯片？

• CUDA 護城河：英偉達的 CUDA 軟件庫已成為行業標準，絕大多數密碼學工程師都基於 CUDA 進行編程。若要將代碼移植到 TPU 所需的 JAX 或 XLA 框架，不僅技術門檻高，還需投入大量資源。
• 雲平臺准入門檻：高端 TPU 幾乎被谷歌雲獨家壟斷。去中心化網絡若過度依賴單一中心化雲服務商，將面臨審查風險與單點故障危機。
• 架構僵化：密碼學算法若需微調（如引入分支邏輯），TPU 性能會急劇下滑。而 GPU 處理此類非規則邏輯的能力遠勝 TPU。
• 哈希運算中的侷限性：TPU 無法替代比特幣礦機。SHA-256 算法屬於比特級運算而非矩陣運算，TPU 在此領域毫無用武之地。

結論：分層架構才是未來

Web3 硬件的未來並非一場贏家通吃的競爭，而是正朝著分層架構的方向演進。

GPU 將繼續承擔通用計算、圖形渲染及需處理複雜分支邏輯任務的主力角色。

TPU（及同類 ASIC 化加速器）將逐步成為 Web3"數學層"的標準配置，專門用於生成零知識證明與驗證後量子密碼學簽名。

隨著區塊鏈向後量子安全標準遷移，交易簽名與驗證所需的海量矩陣運算將使 TPU 的脈動架構不再是可選項，而成為構建可擴展的量子安全去中心化網絡的必備基礎設施。

免責聲明：作為區塊鏈信息平臺，本站所發佈文章僅代表作者及嘉賓個人觀點，與 Web3Caff 立場無關。文章內的信息僅供參考，均不構成任何投資建議及要約，並請您遵守所在國家或地區的相關法律法規。