AI 资讯Hacker News·2 小时前

花费50美元实测Pearl的AI挖矿：32万GPU产出为零

原标题：We spent $50 to measure Pearl's "AI mining" – 320K GPUs produce zero AI

速览

文章通过花费50美元对Pearl平台进行实测，揭示了其所谓“AI挖矿”模式的虚假性。尽管该平台宣称拥有32万块GPU的庞大算力，但实际测试结果显示其并未产生任何有效的AI计算成果。这一发现引发了对AI基础设施投资泡沫及项目真实性的质疑。

AI 深度解读

花费50美元测量 Pearl 的“AI挖矿”：32万台GPU产出零AI价值

背景

在区块链与人工智能交叉的领域，一种名为“有用工作量证明”（Proof-of-Useful-Work, PoUW）的共识机制曾被视为解决传统加密货币挖矿能源浪费问题的潜在方案。其核心理念是让挖矿过程同时产生有价值的计算结果，如科学模拟或AI推理。

Pearl 是一个备受瞩目的人工智能行业背书 Layer-1 区块链项目，它高调宣传其 PoUW 协议能够同时保障网络安全并执行 AI 推理任务。然而，这种宣传是否经得起实证检验？近日，一篇提交至 arXiv 的论文通过实地测量揭示了真相。该研究不仅量化了 Pearl 网络的资源消耗，更揭露了其“AI挖矿”背后的技术空洞与经济悖论。

核心内容

这篇题为《有用工作量证明中的有用性鸿沟：对 Pearl cuPOW 协议的实证研究》的论文，首次对已部署的 PoUW 系统进行了系统性的实证测量。研究团队花费约 50 美元用于 GPU 租赁，对 Pearl 网络进行了多维度的审计，得出了令人震惊的结论：Pearl 声称拥有 24 EH/s（Exahashes per second）的网络算力，相当于约 320,000 个 GPU 等价物，年耗电量估计高达 112 MW，但这些算力实际上没有产生任何有用的 AI 计算。

研究团队从五个维度对 Pearl 的 cuPOW 协议进行了详细剖析：

网络组成分析：研究人员分析了 8,012 个工作节点（workers），发现虽然所有节点都配备了具备推理能力的硬件，但其主导的挖矿软件中根本不存在任何推理代码。这意味着硬件被用来执行非推理任务，或者仅仅是为了通过验证而进行的无效计算。
验证协议的本质：Pearl 的验证协议在设计上就接受随机矩阵。研究团队通过其开源矿工向网络提交了 44 个份额（shares），这些份额在 NVIDIA、AMD、CPU 以及 Apple Silicon 硬件上均被矿池接受。这证明了所谓的“AI推理”实际上是可以被任何通用硬件轻松伪造的随机数生成过程。
统计分布检查的失效：为了验证计算结果的真实性，协议通常依赖统计分布检查。然而，研究发现这种检查极易被对抗性的高斯采样（adversarial Gaussian sampling）所击败，无法有效区分真实推理与伪造计算。
经济不可行性：在当前 PRL 代币价格（$0.21）下，无论使用何种级别的 GPU，挖矿均无利可图。投资回报率（ROI）为负，范围在 -54% 到 -72% 之间。这表明该网络的经济模型本身存在严重缺陷。
缺乏技术壁垒：挖矿所需的计算本质上是通用的整数算术运算，可以移植到任何硬件平台。这意味着该协议没有为任何特定的硬件供应商（如 NVIDIA 或 AMD）提供锁定优势，违背了 PoUW 通常希望通过特定硬件加速来创造价值的初衷。

此外，研究还发现了一个显著的市场副作用：随着挖矿软件的公开发布，预算 GPU 租赁价格上涨了 38%，利用率从 57% 飙升至 94%。这种激增挤占了合法的科研计算资源，导致真正的 AI 研究工作负载被挤出市场。

该研究在理论上验证了 Leinweber 等人之前提出的“可验证性与有用性之间的张力”（verifiability-usefulness tension），并提供了具体的测量数据，展示了这种张力在实际部署系统中的magnitude（量级）及其经济后果。

关键要点

零有用产出：Pearl 网络声称的 320,000 个 GPU 等价算力，实际上未执行任何 AI 推理任务，产出为零。
硬件与软件脱节：尽管矿工拥有推理硬件，但挖矿软件不包含推理代码，验证协议接受随机矩阵，证明其“AI”属性是虚构的。
跨平台通用性：挖矿计算仅为通用整数运算，可在任何硬件（包括 CPU 和 Apple Silicon）上运行，不存在技术壁垒或供应商锁定。
经济模型崩盘：在当前代币价格下，挖矿亏损严重（ROI 为 -54% 至 -72%），缺乏可持续的经济激励。
负面外部性：挖矿软件发布导致 GPU 租赁价格暴涨 38%，挤占了合法科研机构的计算资源，造成社会资源浪费。
理论实证：该研究为 PoUW 机制中“可验证性”与“有用性”难以兼得的理论困境提供了首个大规模实证数据支持。

意义与影响

这项研究对区块链与 AI 融合领域具有深远的警示意义。

首先，它戳破了“AI 挖矿”作为绿色加密货币解决方案的泡沫。PoUW 的初衷是通过让挖矿产生科学价值来抵消能源消耗，但 Pearl 的案例表明，如果验证机制过于宽松以追求去中心化和通用性，挖矿过程很容易退化为纯粹的哈希计算，从而失去其“有用”的核心价值。

其次，它揭示了此类项目在资源分配上的社会成本。当挖矿软件公开后，对 GPU 资源的疯狂争夺直接推高了市场价格，损害了依赖 GPU 进行真实 AI 研究和科学计算的学术界及中小企业利益。这是一种典型的“公地悲剧”，即私人的投机行为导致了公共计算资源的错配。

最后，对于投资者和行业参与者而言，该研究提供了一个重要的尽职调查框架。在评估任何声称结合 AI 与区块链的项目时，不能仅看其营销话术或硬件配置，必须深入审查其共识算法是否真正执行了预期的计算任务，以及其经济模型是否具备内在的可持续性。Pearl 的失败并非孤例，它可能预示着整个 PoUW 赛道在技术可行性和经济合理性上面临的共同挑战。

查看原文 →arxiv.org