華為：追逐Web3時代的摩爾定律

一個行業的基礎設施如果能保持摩爾定律的發展，會對整個產業繁榮起到非常關鍵的作用。華為雲首席技術規劃師余洲指出，Web3作為一個分散式的全球電腦，其基礎設施能按摩爾定律發展，是保證上層應用可以繁榮發展的重要因素。

GPU以摩爾定律持續發展

對於電腦系統而言，最重要的一個定律是摩爾定律 (Moore’s law)，集成電路上可容納的元器件數目，每隔18至24個月便會增加一倍，性能也將提升一倍。

在過去幾年，隨著半導體工藝技術的發展變緩，在通用CPU (中央處理器) 的領域上，摩爾定律被認為失效。但在GPU (圖形處理器) 領域，摩爾定律仍然快速發展，這得益於人工智能和GPU相結合、在晶片上針對人工智能的加速方向，以及從整個AI系統方向，也包括AI演算法方向共同的努力，促成了在GPU領域摩爾定律仍然持續發展。

以太坊擴容需求急切

隨著以太坊 (Ethereum) 使用人數增加，區塊鏈已經達到一定的容量限制。擴容是當前重要的工作。今年三月，L2 Rollup的流量首次超過L1，今年五月，ZK交易的流量也取得非常大的突破。比較Web3的L1與L2與傳統電腦，正好就是CPU和GPU的關係。

CPU是一個非常好生態的處理器，但處理器的運算速度相對較慢，但GPU相對來說針對新型的AI負載有非常強的性能，兩者配合在一起完整構成如今的電腦世界。

三大方向追上摩爾定律需求

Web3同理，L1是整個的基石，L2為L1提供了更強性能的擴展性，華為認為，為了保持web3基礎設施，摩爾定律需要從三個方向上發力，第一個是硬件，第二個是系統，第三個是演算法。在硬件方面，以ZK-SNARK (Zero Knowledge Succinct Non-interactive Argument of Knowledge，不透露相關情報、簡潔及無互動的技術) 為例，整個處理過程包含電路的生成、編譯、Set-up以及生成證明。其中生成證明較消耗時間，我們測試兩個ZK的庫：Halo2和Bellperson，發現分別在零知識證明的過程中，有兩個演算法消耗了較多時間，分別是NTT與MSM。

從NTT來看，它實際上是在有限域中的快速傅立葉轉換 (Fourier Transformation)，在同一個stage中運算是非常容易並行開展，但在stage之間需要進行數據的換入換出。對NTT這種運算任務，對訪存的要求是非常高的。

至於MSM是多標量的乘法，完成了一個標量和橢圓曲線上的點進行點乘的工作，同時進行相加，橢圓曲線的運算是非常消耗運算力的。

綜合NTT和MSM，我們可以看到，隨著計算任務及複雜度的增加，MSM需要更多的運算力，那對於記憶體頻寬而言，NTT和MSM表現卻跟運算力的需求相反，NTT需要更強的記憶體頻寬。

在系統方面，除去硬件本身，單一顆晶片總有處理能力的上限，當單一晶片無法滿足整個ZK性能時，需利用分散式系統，從而可以多晶片協同，通過一根高速匯流排連接在一起，來滿足最終需要。

對於像Halo2、BellPerson這種不同ZK庫的實現，NTT演算法和MSM演算法的比例是不同的。在分散式實現中可以比較靈活的根據真正ZK實現，把對應的演算法映射到分散式系統的不同節點上，進一步通過資源的更好調度和平衡，來實現更佳性能。

目前在研究一種新型的數據中心內部的匯流排技術，這種技術最大的不同，是採用記憶體語義進行通信。通過這種記憶體語義的匯流排，可以把多個加速器連接在一起，形成一個虛擬的共用記憶體池，可以做更緊密的、更細顆粒度的通信，也可以更容易支援新型加速演算法。

在算法方面，在ZK的實現過程中，在電路領域有比較多的優化，比如ZK-friendly加密學原理，以及通過查閱數據表的方式來減少大量的無謂操作。或者可以定制專用鏈路來提高ZK處理能力；

另一個是演算法的優化，綜觀過去十年在ZK領域的演算法發展，性能提升有上百倍。所以從硬件、系統和算法領域都可以有大量的發展空間去支撐在web3基礎設施上的優化。

Web3帶來儲存技術革新

對於儲存，因為每一代的運算架構均伴隨著相應的儲存，就像最早的大型機帶來了集中式儲存架構，雲運算帶來了分散式的儲存架構，如今AI運算帶來vector相關的儲存技術和記憶體儲存技術，那麼web3必然也伴隨著運算，也有對應的儲存架構出現。

我們認為ZK的技術可以有效加持儲存性能的提升，我們可以比作L1是CPU，L2是GPU，那web3的儲存就像是今天的SSD。

總結：強化Web3硬件基建 促進行業發展

總之，華為雲會基於ZK所優化的晶片作為最終的基礎，通過系統的網絡技術和匯流排技術連接成web3硬件的基礎設施。基於這個基礎設施，可以通過API或者Serverless的形式提供雲服務，助力web3應用的繁榮及行業發展。

作者簡介：華為雲首席技術規劃師余洲