随着AI 以超乎想象的速度演化，必将引起对AI 利剑的另一“刃”——信任——的担忧。首先是隐私方面：AI 时代，人类从数据隐私的角度如何信任AI？也许AI 模型的透明度是更为担忧的关键：类似大规模语言模型的涌现能力，对人类来说无异于一个无法看透的科技“黑匣子”，一般用户并不能理解模型是如何运行的、运行结果又是如何获得的——更麻烦的是，作为用户可能并不知道服务商提供的AI 模型是否如承诺的那样运行。尤其是在一些敏感数据上应用AI 算法和模型，如医疗、金融、互联网应用等，AI 模型是否具有偏见（甚至恶意导向）、或者服务商是否按照承诺那样准确无误地运行模型（以及相关参数），成为用户最为关心的问题。零知识证明技术在这方面有着针对性的解决方案，于是零知识机器学习（ZKML）成为最新崛起的发展方向。

1．核心观点 ........................................................................................................................................................... 3
2．AI 利剑的“另一刃”：如何信任AI？ ................................................................................................................. 3
3.ZKML：零知识证明与AI 结合带来信任 .................................................................................................................. 5
3.1．零知识证明：zk-SNARKS、zk-STARK 等技术日趋成熟 ................................................................................. 5
3.2．零知识机器学习（ZKML）：去信任化的AI ................................................................................................ 6
3.3．启发性案例：验证Twitter 推荐排名算法 .................................................................................................. 10
投资建议：重视数据要素、算力与网络安全及内容审查板块..................................................................................... 12
风险提示 .............................................................................................................................................................. 12