---
title: Eigen Labs 称 EigenAI 已上线，采用确定性推理和 TEE 复算
dek: Eigen Labs 在 2026 年 1 月 23 日的一篇文章中称，EigenAI 已在主网上线，其大语言模型输出可以接受挑战，并能逐字节重新执行。这一方案依赖型号相同的 GPU、可信硬件，以及按质押计至少三分之二的验证者诚实行事。
---

Eigen Labs 在 2026 年 1 月 23 日的博客文章中称，EigenAI 已在主网上线，也就是已投入正式使用，而不是运行在测试网络上。该公司称，EigenAI 是一项大语言模型（LLM）推理服务，其运行方式让结果能够逐位复现。推理指用模型生成输出的过程。文章附有白皮书链接，白皮书介绍了完整设计。[^1]

该公司报告，在 1 万次测试运行中，可复现率为 100%。它称性能开销低于 2%，依据是端到端推理延迟约增加 1.8%。可复现性只在同一种 GPU 架构内成立。在该公司的测试中，同架构的每次运行结果都一致，跨架构的运行则没有一次一致。因此，运营方和验证者必须使用型号相同的 GPU。Eigen Labs 将这一结果归因于对技术栈每一层的控制，其中包括固定种子解码，它让模型的随机选择可以重复。控制措施还包括自定义矩阵乘法内核，这些内核避开了浮点原子操作，而这类操作的执行顺序每次运行都可能不同。[^1]

据文章介绍，验证采用乐观机制，即默认接受结果，除非有人提出挑战。运营方把加密后的结果发布到 EigenDA。EigenDA 是该公司的数据可用性层，负责存放已发布的数据，供他人取用。结果可以在争议窗口期内受到挑战。挑战发起后，请求会交给一个验证者委员会。委员会在可信执行环境（TEE）中重新执行请求；TEE 是由硬件隔离的执行环境，旨在保护其中的代码和数据。由于计算是确定性的，委员会只需检查字节是否一致。字节不一致会触发罚没，即从运营方质押的抵押品中扣除罚金。文章称，单个诚实的验证者就能发现欺诈。[^1]

Eigen Labs 的作者于 2026 年 1 月 30 日在 arXiv 上发布论文，阐述了这一设计背后的假设。委员会以投票方式裁决争议，前提是持有网络中至少三分之二质押的验证者诚实行事。验证者的 TEE 必须先生成远程证明，即一份经过签名的记录，说明 TEE 加载了哪些代码；之后，验证者才会收到用于解密请求的密钥。该密钥以秘密共享的方式分散在多个密钥管理分片中，任何单个分片都不持有完整密钥。[^2]

:::analysis
确定性把核查一次推理简化为比对字节，因此一个诚实的验证者就能发现不一致。要在不暴露请求的前提下裁决争议，还需要更多条件：重新执行需要相同的 GPU 硬件，作出裁决需要按质押计三分之二的验证者诚实，保密则依赖可信硬件。没有人挑战的输出，并没有经过独立的重新执行，为它作保障的是罚没的威胁。
:::

:::checked
2026 年 10 月 20 日，我们打开了 Eigen Labs 2026 年 1 月 23 日的文章和 arXiv 论文 2602.00182。文章链接的白皮书返回访问错误。因此，关于该设计的假设，我们依据的是 arXiv 论文，也无法确认两份文件内容一致。我们没有确认 EigenAI 目前在主网上的状态，也没有复现确定性和开销方面的测量结果。我们不自行测试任何系统。
:::