撰文：Simon Lau 

本文将解析一个关键技术突破：通过高性能 GPU 与零知识证明的结合，我们正在让以太坊的运行效率提升数百乃至上千倍。这不仅解决了区块链长期存在的性能瓶颈，也为未来的 Web3 基础设施提供了可行的技术路径。

如果你曾好奇：为什么以太坊运行缓慢、交易成本居高不下？又或者你正关注下一代区块链技术的关键驱动因素？那么，本文将为你提供清晰的答案。

问题本质：区块链为何像堵车的高速公路？

可以将以太坊想象为一条高速公路。如今，所有用户和应用都在争抢有限的车道资源，导致网络拥堵、交易处理缓慢、Gas 费居高不下。

传统的解决思路无非两种：

• 修更多的车道 —— 也就是构建 Layer 2 网络（例如 Rollups）
• 让车辆更小 —— 也就是对交易数据进行压缩

但如果有一种方式，可以“瞬移”车辆，而非继续在车道中挤兑呢？这正是零知识证明（Zero-Knowledge Proofs, ZKPs）带来的范式革新。它的核心思路是：无需传输所有交易数据本身，仅通过生成一个数学证明，即可验证交易的真实性。换句话说，我们不再需要让每辆车都驶过高速公路，而是可以直接验证“这些车确实到达了终点”。这不仅减少了数据传输负担，更让“高吞吐 + 强安全 + 去信任验证”三者得以兼容。

The Verge：以太坊的下一步演进

以太坊当前正在推进一个宏大的技术蓝图——The Verge，你可以把它理解为以太坊的“瘦身计划”。目标是：让运行以太坊节点的门槛大幅降低，就像在手机上运行一个 App 那样简单。未来，每个人都能轻松加入以太坊网络，而不必依赖一台高性能游戏电脑。

但这项计划背后有一个关键技术挑战：它需要在极短时间内完成数百万次复杂的数学运算。

这正是 Polyhedra 团队所专注的突破方向 —— 如何利用 GPU 加速大规模 ZK 计算，在保证验证安全性的同时大幅提升执行效率。

技术挑战：这组数据将颠覆你的认知

为了理解我们正在应对的复杂度，以下是以太坊当前链上操作的真实规模：

• 共识验证（Consensus Verification）：每个区块包含约 9,000 万次 SHA2-256 哈希计算，以及 2,048 个 BLS 数字签名验证
• 状态转换证明（State Transition Proofs）：每个区块约需执行 50 万次 Keccak 哈希操作
• 当前瓶颈：基于 CPU 的零知识证明器（Prover）目前每秒仅能处理约 200 万次 Poseidon 哈希计算

真正的挑战在于——我们需要用零知识证明技术来完成上述所有运算，这无疑大幅叠加了计算复杂度。

突破点：GPU 的算力革命

众所周知，GPU 是游戏玩家和 AI 工程师的心头好。但实际上，这些图形处理单元在处理零知识证明所需的大规模并行数学计算时，展现出远超 CPU 的能力。

在 Polyhedra，我们对 ZK 证明系统进行了 GPU 原生优化，并取得了震撼性的突破性性能指标：

性能跃迁，远超预期

• 基础数学操作（Mersenne31 领域）提速 362 倍
• 复杂加密运算（BN254 椭圆曲线）提速高达 2826 倍
• 一项原本耗时 21 分钟 的零知识计算，现已压缩至 仅需 450 毫秒

换句话说，这相当于你每天早高峰的通勤时间从 20 分钟骤减为不到半秒。这不是渐进式优化，而是一种范式级别的计算跃迁。

为什么这项突破与你息息相关？

1. 更低的交易成本：证明生成速度更快，意味着整体计算成本显著下降，进而带来更低的 Gas 费用。用户和网络双赢。

2. 更强的安全性保障：还记得我们提到过以太坊年均超过 4000 万美元 的安全预算吗？通过我们的技术，轻节点也能轻松验证整条以太坊共识链，享受主网级安全保障，无需庞大资源开销。

3.更普及的节点运行，手机也能跑以太坊：我们在性能和效率上的持续优化，正让在普通设备上运行以太坊节点成为可能。未来，验证区块链数据或许只需一部手机即可完成。

技术核心：我们是如何做到的 🧪

1. GPU 原生设计：CUDA 优化的 Sumcheck 协议

我们基于 CUDA 构建的 Sumcheck 实现，充分发挥了 GPU 的并行计算优势：

• 针对数域运算（加法、乘法、幂运算）设计定制化 CUDA 内核
• 利用合并内存访问模式，最大化 GPU 带宽利用率（RTX 4090 实测带宽高达 1008 GB/s）
• 使用 warp 级原语，实现高效的归约操作（Reduction）

这一层级的深度定制让 Sumcheck 协议不再受限于 CPU 的串行瓶颈。

2. 内存为王：带宽瓶颈优化

传统观点认为 ZK Prover 计算瓶颈在于算力，但我们的实证表明 —— Sumcheck 是典型的内存带宽瓶颈问题：

• 内存吞吐分析：带宽使用率达到理论上限的 95%+
• 数据结构优化：采用 Structure-of-Arrays（SoA） 替代传统 Array-of-Structures（AoS） 结构
• SM 单元利用率提升：通过优化线程块配置，实现最佳硬件占用率

通过解决内存吞吐问题，我们将 ZK 计算变成了真正的高效流式任务。

3. 针对不同数域的定制化优化策略

不同的密码学字段具有不同的运算特性，我们为每个主流场量身定制了优化路径：

• Mersenne31 (M31)：31 位整数优化，高效模运算结构
• M31ext3：扩展字段支持，兼顾多项式扩张与低开销
• BN254：基于 Montgomery 算法的定制乘法器，专为 254-bit 大整数场设计

这种高度针对性的底层优化让我们的 ZK Prover 既通用又极致高效。

性能数据拆解：优化发生的地方 🔬

我们并非只做了“快很多”，而是将 ZK 性能推向了前所未有的高度。以下是实测性能数据：

技术架构揭秘：引擎盖下的真相 🛠️

GKR 协议栈：加速的核心

我们的加速优化聚焦于 GKR（Goldwasser-Kalai-Rothblum）协议，具体包括：

• 线性 GKR 层：用于处理加法与乘法门
• Sumcheck 协议：性能瓶颈所在，占据 CPU 总计算时间的近 50%
• 多项式评估阶段：在 GPU 上将计算时间从 8.4 秒 降至 9.5 毫秒

GPU 内核设计详解

第一阶段：多项式评估

• 在 2^n 个点上并行计算
• 使用 共享内存缓存系数，提高访问速度
• 借助 warp shuffle 实现高效归约操作

第二阶段：挑战生成

• 在 GPU 内部执行 Fiat-Shamir 哈希操作，避免 CPU-GPU 频繁切换
• 降低 CPU 与 GPU 之间的通信延迟

内存传输优化：打通数据流的“最后一公里”

我们在 CPU-GPU 交互方面也做了系统性优化，以确保带宽不成为瓶颈：

• PCIe 数据吞吐优化：处理 2^{27} 个元素仅需 737 毫秒
• Pinned Memory：支持“零拷贝”数据传输，减少复制成本
• 异步操作调度：计算与通信并行进行，最大化资源利用率

实话实说：挑战依旧存在 💭

我们始终坚持透明——GPU 加速并非万能解法，在实际推进中，我们也遭遇了不少技术瓶颈：

1. 内存带宽已触顶

• 即便是 H100 拥有高达 3.35 TB/s 的带宽，在高负载下也会成为性能瓶颈
• 对比来看：较大的椭圆曲线域（如 BN254）比小域（如 M31）更快触顶

2. GPU 显存容量受限

• RTX 4090 在处理 2^{29} 个元素时内存耗尽
• 实际部署时需要精细的内存调度策略，避免溢出风险

3. 域大小与性能之间的权衡

4. “GPU 优势点”对比：从何时开始超过 CPU？

跨平台性能实测 💻

我们在不同等级的 GPU 上进行了基准测试，涵盖消费级和数据中心级硬件：

消费级 GPU

• RTX 3090：内存带宽 936 GB/s，性能提升最高可达 951 倍
• RTX 4090：内存带宽 1008 GB/s，性能提升最高达 1565 倍

数据中心 GPU

• NVIDIA H100：带宽高达 3.35 TB/s，性能提升 最高可达 2826 倍
• 结论清晰明确：内存带宽是零知识证明加速的关键变量。

展望未来：我们的路线图 🛣️

我们远未止步，接下来将持续攻坚以下目标：

• 更极致的加速：针对特定操作，目标是实现 10,000 倍 的速度提升
• 更广泛的硬件兼容：从高性能游戏显卡到数据中心级加速卡全覆盖
• 原生集成以太坊：我们正在与以太坊客户端开发团队合作，将我们的 GPU ZK 证明堆栈直接集成进 L1 层

加入这场变革浪潮！

这不仅仅是速度的提升，更是一次对区块链可达性的彻底重塑。无论你是谁，都能找到参与的方式：

• 开发者：欢迎查看我们的 Expander 和 CUDA 仓库，一同构建未来
• 学习者：关注我们的研究研讨会和技术深潜，持续更新不落伍
• 所有人：扩散这项技术！理解的人越多，Web3 的未来就越近

核心观点回顾

我们正处在一个令人振奋的技术转折点。零知识证明与 GPU 加速的结合，不只是性能的边际提升，而是一场范式的变革。

我们正在重新定义以太坊的速度、成本与可用性边界。

关键技术成果一览：

• 面向生产环境的 ZK 证明实现 超 1000 倍加速
• GPU 内存带宽利用率超过 95%
• 开源实现，随时可集成

Web3 的未来不仅是去中心化的，更是极速可达的，而且它比你想象的来得更快。

你对这些进展最感兴趣的是哪一点？欢迎在评论区留言，或在 Twitter 上与我互动，我们非常乐意深入交流这些技术细节！

未来属于速度，也属于你。下次见，持续构建，不止于快！

原文链接：https://blog.polyhedra.network/the-gpu-revolution-how-were-making-ethereum-1000x-faster-with-zero-knowledge-proofs/