「GatlingX」專案由牛津大學校友領導，最近推出了創新的「GPU-EVM」——一種效能強大的以太坊虛擬機擴展套件。本文將探討 GPU-EVM 如何提升交易吞吐量，並展望其對 AI 訓練和 DeFi 模擬的潛在影響。本文源自 GatlingX 共同創辦人 Eito Miyamura 所著文章，由深潮整理及撰稿。
（前情提要：「GPU算力出租」是AI賽道最靚的仔！學習NVIDIA賣金鏟子 ）
（背景補充：分析》EVM的「並行化」有何意義？是EVM霸權下的終局？ ）
GatlingX 是一個由牛津大學校友領導的專案，專注於機器學習和強化學習，他們最近推出了 「GPU-EVM」—— 據內部基準測試成績顯示，這可能是目前市面上效能最強的以太坊虛擬機器（EVM）。
GPU-EVM 是一種 EVM 擴展套件解決方案，效能非常強大，以至於最先進的基於強化學習（RL）的人工智慧代理可以在其上進行訓練，開發團隊表示。它利用並行執行多種以太坊應用程式，幫助訓練 AI 代理尋找安全漏洞。
GPU-EVM 使用圖形處理單元（GPUs）並行執行操作，從而提高交易吞吐量。該團隊聲稱，GPU-EVM 的處理任務速度幾乎是目前高效能 EVM（包括 evmone 和 revm）的 100 倍。這主要得益於 GPU 能夠同時處理多個操作，利用其天生適合並行處理的架構。
GPU-EVM 利用圖形處理單元（GPU）的強大能力來並行執行以太坊虛擬機器（EVM）操作。這意味著，與其依次執行任務，GPU-EVM 可以同時處理許多工，顯著加快計算速度。牛津大學電腦科學 / 人工智慧校友團隊的這一突破大幅提高了以太坊虛擬機器每秒計算的單位經濟效益。
以太坊虛擬機器（EVM）是行業標準的虛擬機器，執行智慧合約，是現代區塊鏈技術的基礎。EVM 類似於區塊鏈的作業系統，通過其基於 CPU 的客戶端軟體，在許多分散式電腦上實現無需信任第三方的交易。
有了 GPU-EVM 及其提供的效能增強，它給下游雄心勃勃的工程團隊帶來了巨大的功能提升：為與 EVM 互動的 AI/RL 模型提供基礎設施、加速 L2、MEV、回測等。（詳細資訊見下文）
GPU-EVM：EVM 計算的新典範
NVIDIA 最初是一家專注於遊戲的小眾公司，但現在已成為計算領域的關鍵參與者，處於人工智慧革命的前端。這種演變反應了從預測每兩年計算能力翻倍的摩爾定律轉向黃氏定律的過程，後者以NVIDIA執行長黃仁勳的名字命名。黃氏定律認為，由於硬體、軟體和人工智慧的整合，GPU 效能將在兩年內增加一倍以上，超過 CPU，使 GPU 成為加速複雜任務的核心。
當我們達到摩爾定律的極限時，對 GPU 並行性的依賴預示著一個新的計算時代，從 CPU 主導向 GPU 驅動的進步過渡（參考 Dennard scaling、阿姆達爾定律）。這種轉變就像從單車道道路轉向多車道高速公路一樣，不僅加快了流程，還實現了更多同時進行的活動，從而拓展了技術上的可能性。
傑文斯悖論很好地說明了這種效果：就像 LED 燈泡的效率導致了更廣泛而不是減少的使用一樣，GPU-EVM 的增強效率和降低成本開啟了大量新的可能性。它不僅僅節省資源，還催生了區塊鏈技術及其以外的創新和採用，承諾了一個未來，其中 GPU 計算的效率推動了計算應用的指數增長。
GPU-EVM 效能
利用現代 GPU 的通用計算能力的顯著進步，我們已經將 GPU-EVM 的效能提升到傳統 EVM 的驚人水平的 100 倍以上。現代 GPU 設計有數千個核心，能夠同時處理多個操作，使其非常適合並行處理任務。這種固有的架構優勢使 GPU-EVM 能夠並行執行大量的 EVM 指令，大大加快了計算速度和效率。
為了客觀地衡量 GPU-EVM 帶來的效能提升，我們使用 EVM Bench 提供的開源工具進行了全面的基準測試。這個工具允許我們模擬各種 EVM 操作，並比較傳統基於 CPU 的 EVM 與我們的 GPU-EVM 之間的執行時間。
與傳統的計算正規化相比，GPU-EVM 利用 GPU 無與倫比的處理能力完全領先，為 EVM 的效能和效率設定了新的基準。
有了這個技術基礎，讓我們探討一下 GPU-EVM 如何革新 AI 訓練和 DeFi 模擬等領域，為區塊鏈應用開闢新的前端。
使用 EVM 訓練 AI 代理
人工智慧正在改變世界，由 ChatGPT 和其他 LLM 聊天機器人領導，他們通過人類回饋的強化學習進行了訓練，應用了強化學習（RL）的知識。在其核心，RL 體現了通過與獎勵正確行為的環境進行互動來訓練 AI 代理做出決策的過程。這種學習方法至關重要，因為它反應了人類和動物從周圍環境中學習的基本方式，使其成為能夠自適應和優化其行為的智慧系統開發的基石。
AlphaGo 在圍棋世界冠軍身上取得的里程碑式勝利證明了 RL 的變革力量。這不僅僅是一場比賽；它展示了通過 RL，AI 可以發現超越人類洞察力的戰略和解決方案的方式，通過模擬和與圍棋棋盤複雜環境的互動。這一突破突顯了 RL 的本質：使 AI 代理能夠自主導航並從其環境中學習，以實現特定目標，受獎勵系統指導。
然而，通過 RL 實現這種 AI 突破的旅程充滿了計算挑戰。為 AI 模擬環境需要大量的計算資源。GPU 並行化模擬環境的出現，如NVIDIA的 Isaac Gym、Google 的 Brax 和 JAX-LOB，在克服這些障礙方面起到了關鍵作用。通過利用 GPU 並行化模擬環境，這些平臺實現了效能提升，範圍從 100 倍到 250,000 倍不等，使 RL 的計算方面更加可行和高效。由於 AI 訓練的瓶頸通常是 CPU-GPU 之間傳遞資料的通訊頻寬，GPU 並行化實現了這些速度改進，並已成為 RL 研究界的行業標準。
在快速發展的人工智慧世界中，GPU-EVM 作為一個 GPU 並行化模擬環境，在區塊鏈生態系統內直接促進了 AI 代理的訓練。其中一個引人注目的應用是在金融行業，GPU-EVM 可以革新即時欺詐檢測系統。歷史顯示了這些系統的重要性，Max Levchin 開發了 PayPal 的第一個防欺詐機制，以防止公司破產。通過使金融 AI 能夠在短短几秒鐘內模擬和分析數百萬筆交易，它可以以前所未有的速度和準確度識別出欺詐活動的異常模式。這種能力，以前可能需要幾天時間才能實現，代表了金融機構如何防範欺詐的重大轉變。通過將 AI 代理與 EVM 整合到 GPU-EVM 中，為在區塊鏈領域內應用強化學習（RL）原理開闢了新途徑。在這裡，AI 代理通過根據預定義的獎勵函式準確識別欺詐交易來學習和改進。
L2 加速 / 模擬
第二層解決方案的出現對於提高以太坊的吞吐量至關重要，從而促進其在主流應用，特別是支付領域的採用。通過在主要以太坊區塊鏈（第一層）之外處理交易，L2 顯著增強了網路的容量，同時保持了其安全性和分散性的基本原則。與傳統基於 CPU 的系統不同，GPU-EVM 獨立執行，能夠無縫整合和加速現有的 L2 解決方案。這種加速可以通過各種方法實現，包括優化檢視函式和應用蒙特卡洛樹搜尋等演算法，以實現更高效的區塊構建和交易排序。
然而，在 L2 加速的背景下，利用並行 EVM 的作用是複雜的，需要認真對待。通過並行 EVM 直接加速 L2 並不像看起來那麼簡單。要真正利用並行 EVM 的能力，必須共同努力創新 L2 解決方案的設計和它們的資料庫。這一點被諸如下面的工作所強調：
儘管將 GPU-EVM 與 L2 解決方案整合的細微差別極具前景，但需要注意的是還有其他挑戰需要解決。這一努力的主要瓶頸包括解決與儲存相關的限制、管理長鏈的相互依賴交易以及減少狀態膨脹成本。單單 GPU-EVM 無法解決所有這些問題。因此，在 L2 加速背景下，通過創新設計 L2 解決方案和支撐它們的資料庫，共同努力是克服這些障礙並充分實現 GPU-EVM 的好處的關鍵。
DeFi 模擬 / 模糊測試
GPU-EVM 的基礎效能提升為 DeFi 模擬和模糊測試帶來了變革性的改變。這種資料處理能力的顯著提升使得可以發現以前未考慮到的 DeFi 策略和協議設計的邊緣情況，揭示出可能隱藏的新漏洞。為了說明這一進展的重要性，可以將傳統基於 CPU 的方法比作水槍，而 GPU-EVM 更像是強大的水龍頭，提供了更有效的滅蟲手段。
由於 GPU-EVM 的基礎效能提升，執行在這個平臺上的模糊器可以深入探索並以驚人的速度執行，幾秒鐘內識別出邊緣情況。這與基於 CPU 的模糊器形成了鮮明對比，後者可能需要幾周甚至幾個月才能發現相同的問題。在 GPU-EVM 之上執行這些高階模糊器的能力，允許對智慧合約進行持續監控，特別是那些在實際生產中的合約。這些自動化系統旨在不懈地挑戰智慧合約，試圖提前數步預見潛在的漏洞，就像一個戰略性的象棋遊戲，其最終目標是確保最高水平的安全性。
我們即將推出的產品體現了這種前端的 DeFi 模擬和模糊測試方法。敬請期待，這將重新定義智慧合約安全性和韌性的標準。
關於 GatlingX
GatlingX 是一個應用基礎設施和人工智慧實驗室，專注於開發重型技術基礎設施。我們的使命是建立能夠在深層基礎設施層次上操作的各種區塊鏈應用產品。
我們相信，有一些極端困難的技術問題，是區塊鏈行業不願意解決的，因為它們太困難了。快速且廉價的安全性、計算效能和速度是蓬勃發展的區塊鏈生態系統的必要先決條件，但同樣也是極其困難的問題，會帶來很多痛苦。我們相信，除非我們將世界上最優秀的問題解決者聚集起來解決它，否則沒有人會解決這些問題。
我們致力於推動人工智慧、GPU、區塊鏈和分散式計算等領域的最新技術發展，這些領域對推動全球技術進步至關重要。
我們是一群狂熱的人：如果我們能買到現成的東西，我們就會這樣做。如果不能，我們就會自己動手建造。
使用 GPU-EVM
GPU-EVM 目前處於私人早期訪問階段，因為我們正在擴大 GPU 容量。如果您有興趣在工程工作中使用 GPU-EVM，請填寫此表格以加入等待列表。
我們的團隊規模小，但極具才華。我們的創始團隊由牛津大學校友組成，他們在基礎設施、應用人工智慧方面取得了突破性成就，曾在 Crowdstrike、Wayve、Citadel Securities 等公司工作，並創造了影響深遠的專案，如 ZKMicrophone 和 Graphite。
📍相關報導📍
AI結合比特幣》AINN Layer2單月TVL飆破6億美元，真創新或僅是炒作？
io.net研報：DePIN模式解決GPU資源困境，能否開啟AI應用新時代？
輝達GTC大會》發表頂規GPU架構Blackwell、最強晶片GB200！但AI概念幣齊跌 Near、RNDR、AGIX..
