Продвигая TPU Google к преодолению отметки в 4 триллиона, как они могут проявить себя в блокчейн-отрасли?

Автор: Eli5DeFi

Перевод: Tim, PANews

Редакционная заметка PANews: 25 ноября рыночная капитализация Google достигла исторического максимума — 3,96 трлн долларов. Катализаторами роста акций стали не только недавно представленный мощнейший ИИ Gemini 3, но и собственный чип TPU. Помимо ИИ, TPU проявит себя и в сфере блокчейна.

Аппаратный нарратив современной вычислительной техники в основном определяется взлетом GPU.

От игр до глубокого обучения — параллельная архитектура NVIDIA стала отраслевым стандартом, а CPU постепенно отошел к роли сопроцессора.

Однако по мере того, как ИИ-модели сталкиваются с масштабируемостью, а блокчейн-технологии движутся к сложным криптографическим приложениям, на сцену выходит новый конкурент — тензорный процессор TPU.

Хотя TPU обычно рассматривается как часть ИИ-стратегии Google, его архитектура неожиданно идеально подходит для следующего этапа развития блокчейн-технологий — постквантовой криптографии.

В этой статье, проследив эволюцию аппаратного обеспечения и сравнив архитектурные особенности, объясняется, почему при построении защищенных от квантовых атак децентрализованных сетей именно TPU (а не GPU) лучше справляется с интенсивными математическими вычислениями, необходимыми для постквантовой криптографии.

Эволюция аппаратного обеспечения: от последовательной обработки к пульсирующей архитектуре

Чтобы понять важность TPU, нужно сначала разобраться, какую проблему он решает.

• Центральный процессор (CPU): универсальный игрок, хорошо справляющийся с последовательной обработкой и логическими ветвлениями, но ограничен при массовом выполнении математических операций.
• Графический процессор (GPU): эксперт по параллельной обработке, изначально предназначен для рендеринга пикселей, отлично справляется с одновременным выполнением множества одинаковых задач (SIMD: одиночная инструкция — множественные данные). Это и сделало его основой раннего бума искусственного интеллекта.
• Тензорный процессор (TPU): специализированный чип, разработанный Google для вычислений в нейронных сетях.

Преимущества пульсирующей архитектуры

Ключевое отличие GPU и TPU — в способе обработки данных.

GPU вынужден многократно обращаться к памяти (регистры, кэш), тогда как TPU использует пульсирующую архитектуру. Эта схема напоминает работу сердца, когда данные ритмично прокачиваются через сетку вычислительных блоков.

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

Результаты вычислений сразу передаются следующему вычислительному блоку, минуя запись в память. Такой подход существенно снижает “узкое место фон Неймана” — задержки из-за перемещения данных между памятью и процессором, и обеспечивает многократный рост пропускной способности при выполнении определённых математических операций.

Ключ к постквантовой криптографии: зачем блокчейну нужен TPU?

Главное применение TPU в блокчейне — не майнинг, а криптографическая безопасность.

Действующие блокчейн-системы опираются на криптографию эллиптических кривых или RSA, которые уязвимы к алгоритму Шора. Это значит: если появится достаточно мощный квантовый компьютер, злоумышленник сможет вычислить приватный ключ по открытому и обнулить все криптоактивы в Bitcoin или Ethereum.

Выход — постквантовая криптография (PQC). Современные стандартные алгоритмы PQC (такие как Kyber, Dilithium) построены на решётчатой (Lattice) криптографии.

Математическое соответствие TPU

И здесь проявляется преимущество TPU перед GPU. Lattice-криптография требует интенсивных операций с большими матрицами и векторами, в частности:

• Умножение матрицы на вектор: As+e (где A — матрица, s и e — векторы).
• Многочлены: алгебраические операции над кольцами, обычно реализуемые с помощью числовых преобразований.

Обычный GPU рассматривает такие задачи как общие задачи параллелизма, тогда как TPU ускоряет их на аппаратном уровне благодаря специализированным блокам матричных вычислений. Математическая структура Lattice-криптографии практически идеально ложится на физическую архитектуру пульсирующего массива TPU.

Технологическое противостояние TPU и GPU

Хотя GPU по-прежнему остается универсальным лидером отрасли, в задачах с интенсивными математическими операциями TPU имеет абсолютное преимущество.

Вывод: GPU выигрывает за счет универсальности и развитой экосистемы, но в эффективных вычислениях плотной линейной алгебры (а именно на них строятся ИИ и современная криптография) TPU держит пальму первенства.

TPU расширяет горизонты: доказательства с нулевым разглашением и децентрализованный ИИ

Помимо постквантовой криптографии, TPU проявляет потенциал ещё в двух ключевых направлениях Web3.

Доказательства с нулевым разглашением

ZK-Rollups (например, Starknet или zkSync), как масштабируемые решения для Ethereum, требуют при генерации доказательств огромных вычислений, в частности:

• Быстрое преобразование Фурье: для преобразования формата данных.
• Мультискалярное умножение: для комбинирования точек на эллиптической кривой.
• Протокол FRI: криптографическая система проверки многочленов.

Эти задачи требуют не столько ASIC-вычислений хэшей, сколько работы с многочленами. TPU может значительно ускорить FFT и многочленные вычисления по сравнению с CPU; а благодаря прогнозируемому характеру потоков данных в этих алгоритмах, TPU часто эффективнее GPU.

С ростом децентрализованных ИИ-сетей вроде Bittensor, узлы должны выполнять ИИ-инференцию. Запуск больших языковых моделей — это по сути массовое перемножение матриц.

В сравнении с кластерами GPU, TPU позволяют децентрализованным узлам обрабатывать запросы ИИ-инференции с меньшими энергозатратами, что повышает коммерческую жизнеспособность децентрализованного ИИ.

Экосистема TPU

Хотя большинство проектов пока используют GPU из-за популярности CUDA, ниже приведены области, где ожидается активная интеграция TPU — особенно в контексте постквантовой криптографии и доказательств с нулевым разглашением.

Доказательства с нулевым разглашением и масштабирование

Почему TPU? Генерация ZK-доказательств требует массовых параллельных многочленных вычислений, и в определённых конфигурациях TPU обходит универсальные GPU по эффективности.

• Starknet (решение второго уровня): STARK-доказательства тесно связаны с быстрым преобразованием Фурье и интерактивными доказательствами Рида-Соломона, что идеально подходит TPU.
• zksync (решение второго уровня): их прувер Airbender работает с крупномасштабными FFT и многочленами — именно здесь TPU способен устранить главный узкий момент.
• Scroll (решение второго уровня): использует Halo2 и Plonk, а его ключевые операции (KZG-коммитменты и мультискалярное умножение) отлично ложатся на пульсирующую архитектуру TPU.
• Aleo (публичный блокчейн с акцентом на приватность): фокусируется на генерации zk-SNARK, где многочленная математика идеально ускоряется TPU.
• Mina (легковесный блокчейн): использует рекурсивные SNARK, что требует постоянной регенерации доказательств — с интенсивными многочленными операциями, где TPU раскрывает ценность.
• Zcash (приватная монета): классическая система Groth16 основана на многочленных вычислениях; хотя это ранняя технология, высокая пропускная способность оборудования приносит ей выгоду.
• Filecoin (DePIN, хранение): механизм доказательства копирования использует ZK и многочленные кодирования для верификации данных.

Децентрализованный ИИ и прокси-вычисления

Почему TPU? Это их родная среда — ускорение нейросетей.

• Bittensor: архитектура построена на децентрализованной ИИ-инференции, что идеально сочетается с тензорными вычислениями TPU.
• Fetch (ИИ-агенты): автономные ИИ-агенты требуют постоянной нейросетевой инференции для принятия решений, TPU обеспечивает низкие задержки.
• Singularity (платформа ИИ-услуг): как маркетплейс ИИ-услуг, интеграция TPU резко увеличивает скорость и снижает стоимость работы моделей.
• NEAR (публичный блокчейн, стратегический поворот в сторону ИИ): переход к ончейн-ИИ и доверенным вычислительным агентам требует тензорных ускорений, которые и обеспечивает TPU.

Постквантовые криптографические сети

Почему TPU? Ключевые вычисления в постквантовой криптографии часто связаны с задачей кратчайшего вектора в решетке — такие задач требуют плотных матрично-векторных вычислений, схожих с ИИ-нагрузками.

• Algorand (публичный блокчейн): использует квантово-устойчивые хэши и векторные вычисления, что отлично сочетается с параллельной математикой TPU.
• QAN (квантово-устойчивый блокчейн): использует Lattice-криптографию, где многочленные и векторные вычисления лежат в области оптимизации TPU.
• Nexus (вычислительная платформа, ZkVM): подготовка к квантовым вычислениям требует многочленных и решеточных алгоритмов, которые эффективно отображаются на архитектуру TPU.
• Cellframe (квантово-устойчивый блокчейн): Lattice-криптография и хэширование с элементами тензорных вычислений делают его идеальным кандидатом для ускорения на TPU.
• Abelian (приватная монета): фокус на Lattice-постквантовой криптографии. Как и QAN, выигрывает от высокой пропускной способности TPU.
• Quantus (публичный блокчейн): постквантовые подписи требуют массовых векторных вычислений, где TPU существенно превосходит CPU.
• Pauli (вычислительная платформа): квантово-безопасные вычисления — это множество матричных операций, в которых TPU раскрывает свой потенциал.

Узкие места: почему TPU всё ещё не стали мейнстримом?

Если TPU так эффективны в постквантовой криптографии и ZK-доказательствах, почему индустрия продолжает скупать чипы H100?

• Барьер CUDA: библиотека CUDA от NVIDIA стала отраслевым стандартом, подавляющее большинство криптографических инженеров пишут под неё. Портировать код на JAX или XLA для TPU — сложно и требует времени и ресурсов.
• Доступность в облаке: топовые TPU практически монополизированы Google Cloud. Если децентрализованные сети будут зависеть от одного централизованного облака, возрастут риски цензуры и SPOF.
• Жесткая архитектура: малейшие изменения в криптографических алгоритмах (например, добавление ветвлений) резко снижают производительность TPU, тогда как GPU гораздо лучше справляются с нерегулярной логикой.
• Ограничения в хэш-вычислениях: TPU не подходят для майнинга биткоина. SHA-256 — битовые, а не матричные операции, TPU здесь бесполезен.

Заключение: будущее — за многоуровневой архитектурой

Будущее аппаратного обеспечения Web3 — не борьба “победитель получает всё”, а движение к многоуровневым архитектурам.

GPU продолжит доминировать в универсальных вычислениях, графике и задачах со сложной логикой.

TPU (и схожие ASIC-ускорители) постепенно станут стандартным “математическим слоем” Web3, специализируясь на генерации доказательств с нулевым разглашением и постквантовых криптографических подписях.

По мере перехода блокчейна к квантово-устойчивым стандартам, массовые матричные вычисления для подписей и верификации сделают пульсирующую архитектуру TPU не опцией, а необходимым фундаментом для создания масштабируемых, квантово-безопасных децентрализованных сетей.