GPU

本文详细探讨了计算资源和去中心化物理基础设施网络（DePINs）在现代 AI 和计算密集型工作负载中的重要性，尤其是在 GPU 资源短缺的背景下。

本文从MSM的计算入手，分析FPGA和GPU加速零知识证明计算的优缺点。

TFHE-rs v0.11 版本发布，带来了多项重要改进和新功能，包括Zero Knowledge Proof性能的显著提升，以及通过 FheAsciiString 类型在高级 API 中使用加密字符串的新模块。新版本还引入了 TUniform 噪声分布来代替高斯分布，GPU 性能也得到提升，并支持在 GPU 上轻松执行加密数组的计算。

Zama 发布了 TFHE-rs v1.1 版本，该版本在 GPU 和 CPU 后端都有重大改进和新特性。GPU 方面，升级了后端，采用了与 CPU 相同的默认加密参数，显著提高了多 GPU 的支持，CPU 方面，通过支持更多的标量案例扩展了算子集，该版本还引入了分块引导密钥生成，以更好地支持内存受限环境中的操作。

Zama 团队发布了 TFHE-rs (v0.7)、Concrete (v2.7)、Concrete ML (v1.6) 和 fhEVM (v0.5) 的新版本。

Zama 团队发布了 TFHE-rs (v0.6)、Concrete (v2.6)、Concrete ML (v1.5) 和 fhEVM (v0.4) 的新版本。

Zama 发布了 TFHE-rs v1.1 版本，GPU 后端升级，采用与 CPU 相同的默认加密参数，降低了计算错误的概率。多 GPU 支持也得到了显著改善，开发者可以选择要使用的 GPU，在 8×H100 GPU 上每秒可进行接近 500 次加密的 64 位加法。CPU 方面，此版本通过支持更多标量情况扩展了运算符集，从而使同态计算更加通用和高效。

TFHE-rs v0.11 版本发布，主要带来了以下更新： 1. 零知识证明性能显著提升；2. 引入了基于 FheAsciiString 类型的新加密字符串模块；3. 默认加密参数现在遵循调整后的均匀噪声分布；4. GPU 性能提升，64 位加法运算速度提高 30%；5. 可以在 GPU 上轻松执行加密数组的计算。同时，该版本还改进了 GPU 性能，并修复了一些bug。

文章详细介绍了Solana区块链中的Sealevel技术，即并行处理数千个智能合约的运行时环境，并解释了Solana如何通过并行处理实现高性能。

Nosana宣布将重心从CI/CD服务转向为AI推理提供GPU计算网格。他们意识到CI/CD市场的竞争激烈，并尝试通过提供一个去中心化的平台来解决开发者的锁定问题。新的方向将改善GPU支持和便捷的上手体验，目标是让AI用户获得更灵活的GPU访问，同时让硬件拥有者赚钱。

本文详细介绍了Solana区块链如何通过Archivers技术解决海量数据存储问题，并深入探讨了Proof of Replication的实现和优化。

Zama 发布了 TFHE-rs (v1.1)、Concrete (v2.10) 和 Concrete ML (v1.9) 的新版本。

Ingonyama 发布了 ICICLE v3.1，这是一个位于 ZK 堆栈硬件和协议层之间的库，旨在优化 CPU 和 GPU 上的 ZK 算法性能。v3.1版本修复了多个bug，并增强了CPU后端性能，支持客户端后端和Sumcheck。未来还将添加Poseidon2哈希算法，目标是在CPU上超越Plonky3的性能。

ICICLE v3 发布，这是一个密码学库，旨在加速零知识证明（ZKP）。新版本引入了强大的CPU后端，将ICICLE的卓越性能和用户友好的多项式API扩展到标准处理器，从而实现更大的灵活性和可访问性。此外，新版本还优化了GPU功能，并支持更大的原语。

Ingonyama 与 Starknet 基金会合作，旨在优化 Starknet 的 ZK Prover 基础设施。