В чем отличие Brevis от оракулов и других ZK-сопроцессоров?

Ключевое отличие между оракулами и ZK-копроцессорами, такими как Brevis, заключается в направлении передачи данных: оракулы предназначены для интеграции внешних офчейн-данных в блокчейн, а ZK-копроцессоры, например Brevis, обеспечивают верифицируемые вычисления на основе существующих ончейн-исторических данных и возвращают математически подтверждаемые результаты. Как Web3-платформа верифицируемых вычислений, Brevis (BREV) решает задачу «как вычислять ончейн-данные и доказывать их корректность», тогда как оракулы предназначены для «переноса офчейн-данных в ончейн».

Смарт-контракты в блокчейнах не имеют прямого доступа к внешним данным и сталкиваются с трудностями при воспроизведении больших объёмов исторических транзакций на ончейн. Эти ограничения стали стимулом для появления оракулов и ZK-копроцессоров: оракулы обеспечивают передачу внешних данных в блокчейн, а ZK-копроцессоры позволяют выполнять доверенные вычисления на исторических ончейн-данных. Понимание этого различия критически важно для выбора подходящей инфраструктуры или их комбинации для конкретных задач.

Рисунок 1. Сравнение Brevis ZK Coprocessor и оракула по четырём параметрам: направление данных, модель доверия, вычисления, верификация.

Что такое оракул и какие задачи он решает?

Оракул — это мост данных между блокчейнами и внешним миром, основная задача которого — безопасно доставлять офчейн- или внешние данные в ончейн-смарт-контракты. Типичные сценарии: ценовые фиды, генерация случайных чисел, передача результатов событий, синхронизация состояния между системами.

В условиях закрытой, детерминированной среды смарт-контракты не могут напрямую обращаться к офчейн API или реальным данным. Оракулы используют сеть узлов для сбора, агрегирования и записи данных в ончейн, что позволяет контрактам, зависящим от внешних рыночных условий — например, ликвидация кредитов и расчёты по деривативам — работать корректно.

Надёжность оракулов строится на предположениях о целостности сети узлов, мультиподписных схемах, механизмах агрегирования и экономических стимулах. Точность данных в итоге зависит от честности узлов-репортёров и устойчивости агрегирования, а не от ончейн-математических доказательств.

Что такое ZK-копроцессоры, такие как Brevis?

ZK-копроцессоры, например Brevis, предназначены для обработки исторических и кроссчейн-данных, уже находящихся на ончейн, с выполнением сложных вычислений офчейн и возвратом результатов вместе с zero-knowledge доказательствами. Такие доказательства позволяют смарт-контрактам математически проверять корректность вычислений на ончейн. ZK data coprocessors получают достоверные данные с архивных узлов офчейн, проводят вычисления и возвращают результаты и доказательства в ончейн, реализуя полный процесс «вычисления офчейн, верификация ончейн».

Brevis работает на базе ZK data coprocessor и Pico zkVM, поддерживает две модели безопасности: pure-ZK (чистая zero-knowledge) и coChain (OP), описанную в BREV Token and coChain. Модель pure-ZK основана на криптографических доказательствах, а coChain включает стейкинг и слэшинг на базе Ethereum для дополнительной криптоэкономической надёжности.

В отличие от оракулов, ZK-копроцессоры не зависят от честности передачи данных. Они делают вычисления верифицируемыми: если доказательство действительно, контракт подтверждает наличие и корректность соответствующих ончейн-данных и вычислений, минимизируя требования к доверию.

Как различаются источники данных и модели доверия?

По источникам данных: оракулы получают внешние, офчейн-данные (цены, события, API), а ZK-копроцессоры используют существующие ончейн-данные (исторические транзакции, балансы, кроссчейн-состояния).

По моделям доверия: оракулы опираются на доверенных узлов-репортёров или мультиподписи с экономическими стимулами — это социально-экономическая модель доверия. ZK-копроцессоры используют математическую верифицируемость zero-knowledge доказательств — это криптографическая модель доверия.

Ни одна из моделей не является универсально лучшей. Внешние данные невозможно доказать только криптографически, и соответствие ончейн-цен реальным рыночным ценам всегда требует надёжного источника. Но вычисления по ончейн-данным можно верифицировать напрямую через ZK-доказательства.

Чем различаются их вычислительные возможности?

С точки зрения вычислений, оракулы в основном осуществляют «транспорт данных»: передают и агрегируют внешние данные для ончейн-использования, не занимаясь сложным анализом ончейн-данных. ZK-копроцессоры способны на «тяжёлые вычисления»: масштабная статистика, агрегирование и даже модельный инференс на исторических данных офчейн.

Смарт-контракты имеют ограниченный доступ к истории данных, а воспроизведение больших объёмов транзакций на ончейн слишком затратно. ZK-копроцессоры переносят вычисления в офчейн и предоставляют лаконичные доказательства, позволяя быструю ончейн-верификацию и преодолевая ограничения по Газу на масштаб вычислений.

Таблица: ключевые различия между Brevis, оракулами и другими ZK-копроцессорами

В таблице ниже сравниваются ZK-копроцессоры, такие как Brevis, другие ZK-копроцессоры и оракулы по четырём параметрам: направление данных, модель доверия, вычислительные возможности и метод верификации.

Ключевые моменты: оракулы и ZK-копроцессоры работают на противоположных концах потока данных. «Другие ZK-копроцессоры» как инфраструктура делают собственные компромиссы по доступу к данным, системам доказательств и моделям безопасности. Brevis выделяется универсальной Pico zkVM и двумя моделями: pure-ZK и coChain. Эта таблица — обзорная и не содержит выводов о сторонних проектах без подтверждения.

Какой тип использовать в каком сценарии?

Выбор зависит от того, нужны ли приложению «внешние данные в ончейн» или «вычисления по историческим ончейн-данным». Оракулы оптимальны для получения цен активов в реальном времени, результатов офчейн-событий или генерации случайных чисел. ZK-копроцессоры подходят для мотивации пользователей на основе долгосрочного ончейн-поведения, контроля рисков или кроссчейн-агрегации.

Сценарии передачи данных в ончейн обычно решаются оракулами, например, цены ликвидации для кредитования, расчёты по деривативам, триггеры страховых событий. Сценарии вычислений на исторических данных эффективнее реализуются через ZK-копроцессоры: начисление наград за фактический торговый объём, расчёт лояльности по времени хранения, агрегация кроссчейн-активов для управления рисками. На практике оба решения часто используются вместе: DeFi-приложение может применять оракулы для получения внешних цен и ZK-копроцессоры для оценки исторических ончейн-вкладов — они дополняют друг друга, а не заменяют.

Рисунок 2. Выбор сценария: используйте оракулы для передачи внешних данных в ончейн, ZK-копроцессоры, такие как Brevis, — для верифицируемых вычислений на исторических ончейн-данных; оба подхода можно комбинировать.

Каковы ограничения и особенности таких сравнений?

Границы терминологии условны: «оракул» и «ZK-копроцессор» — это функциональные категории, но реальные продукты часто интегрируют несколько функций, и эти границы размываются по мере развития. «Другие ZK-копроцессоры» — это обобщённая категория, и не стоит делать выводы о сторонних проектах без публичного подтверждения.

Гибридные решения становятся всё более популярны: часть инфраструктуры совмещает ввод внешних данных с верифицируемыми вычислениями или использует zero-knowledge доказательства для повышения целостности данных оракулов. Жёсткий выбор между одним или другим может привести к упущению гибридных моделей.

Важны также стоимость и задержки. Генерация ZK-доказательств требует специализированного оборудования и имеет большие издержки для универсальных вычислений по сравнению с нативным исполнением. На работу оракулов влияют частота обновлений, охват узлов и задержки агрегирования. Сравнения должны быть сценарными, а не по единому критерию.

Резюме

Оракулы и ZK-копроцессоры, такие как Brevis, решают разные задачи на противоположных концах потока данных блокчейна: оракулы передают внешние данные в ончейн, опираясь на доверие и экономические стимулы; ZK-копроцессоры обеспечивают верифицируемые вычисления на исторических ончейн-данных, полагаясь на математическую целостность zero-knowledge доказательств. Каждый из них выполняет уникальную функцию по направлению данных, модели доверия и вычислительным возможностям, а их границы не абсолютны. На практике часто используются гибридные подходы для максимальной эффективности.

Часто задаваемые вопросы

Могут ли оракулы и ZK-копроцессоры заменить друг друга?

Нет, они не могут напрямую заменить друг друга. Оракулы отвечают за передачу внешних, офчейн-данных в ончейн, а ZK-копроцессоры выполняют верифицируемые вычисления на существующих исторических ончейн-данных. Они работают на разных этапах потока данных и обычно используются совместно или в комбинации в одном приложении.

В чём основное различие между Brevis и оракулами?

Ключевое различие — в направлении данных и модели доверия. Оракулы в первую очередь интегрируют внешние данные в ончейн, доверие строится на узлах/мультиподписи и экономических стимулах. Brevis и аналогичные ZK-копроцессоры вычисляют исторические ончейн-данные и возвращают zero-knowledge доказательства, позволяя математически верифицировать результаты непосредственно на ончейн.

Почему ZK-копроцессоры считаются минимизирующими доверие?

ZK-копроцессоры делают процесс вычислений верифицируемым: если ончейн zero-knowledge доказательство действительно, оно подтверждает наличие соответствующих данных и корректность вычислений — доверие к третьим сторонам для передачи данных или вычислений не требуется. Поэтому такие решения считаются минимизирующими доверие.

Используют ли оракулы zero-knowledge доказательства?

Некоторые решения оракулов применяют zero-knowledge доказательства для повышения целостности данных или приватности, но их основная функция — интеграция внешних данных в ончейн. В оракулах zero-knowledge доказательства обычно являются дополнением, тогда как в ZK-копроцессорах они лежат в основе проверки вычислений.

Может ли приложение использовать и оракулы, и ZK-копроцессоры?

Да. Например, DeFi-приложение может использовать оракулы для получения цен активов в реальном времени и ZK-копроцессоры для расчёта стимулов или контроля рисков на основе фактической ончейн-истории пользователя, решая обе задачи: «внешние данные в ончейн» и «вычисления по историческим ончейн-данным».