gloo

3 秒看懂

Gloo 是“链–云融合”的去中心化人工智能基础设施概念，通过区块链协调全球分布的 GPU 算力、数据集与 AI 模型，构建一个可信、可组合的 AI 服务互联网络。它试图打破当前 AI 产业由少数超大规模云厂商主导的格局，让任何贡献资源（算力、数据、模型）的节点都能获得透明激励，让开发者以更低成本调用多元化 AI 能力。

3 分钟产业解释

Gloo 代表的不是单一产品，而是一整类“去中心化 AI 计算协议”的架构范式。其核心逻辑是把 AI 工作流中的算力供应、数据存放、模型训练/推理切分成独立服务单元，在区块链上通过智能合约完成需求匹配、任务执行验证、贡献证明（Proof-of-Contribution）与即时结算。

• 它要解决的问题：

  1. 算力垄断与成本高企：2023 年训练一个百亿参数大模型需耗费数百万美元算力，资源集中于 AWS、Azure、Google Cloud 等寡头。
  2. 数据孤岛：高质量数据集分散在不同机构，因隐私和信任顾虑难以流通协作。
  3. 模型可信度缺失：用户调用外部 AI API 时，既无法验证模型是否真正执行请求的任务，也无法追溯推理过程，造成信任缺口。

• 产业定位： Gloo 处于区块链（Web3）与人工智能（AI）交叉地带，属于 去中心化物理基础设施网络（DePIN） 在 AI 领域的垂直延伸。与纯去中心化存储（Filecoin, Arweave）或纯去中心化推理（Bittensor）不同，Gloo 试图构建涵盖算力层、数据层、模型服务层的全栈协议，让开发者通过一个统一入口即可调用“图像识别+自然语言生成+数据隐私计算”等组合式 AI 管线，底层资源调度、支付、路由全部由协议自动完成。

• 与传统云 AI 服务的关系： 它不是要立即替代 AWS SageMaker 或 Azure AI，而是在某些对成本敏感、弹性需求高、强调抗审查的场景（如边缘计算、发展中国家的 AI 接入、隐私合规的多方联合建模）提供补充方案。随着 AI 应用从集中化训练走向分布式微调与推理，Gloo 类协议有望成为“AI 互联网”的 HTTP/ TCP 层。

技术原理

Gloo 协议的技术栈可抽象为三层：资源层、协调层、服务层。

资源层（Physical & Virtual Resources）

• 算力接入：全球各地的 GPU 矿工、中小型数据中心、甚至闲置的个人 GPU 都能通过一个标准化 节点客户端 接入网络。客户端会向区块链注册其硬件规格（GPU 型号、显存、浮点性能、可用时段）与网络带宽，并形成可验证的“资源证明”。
• 数据托管与分片：数据集提供者将数据加密分片存储于去中心化存储网络（可兼容 IPFS/Arweave），索引存于链上。智能合约通过 可信执行环境（TEE） 或 联邦学习 方式，让算力节点在不解密原始数据的前提下完成训练或推理，从而满足 GDPR 等隐私法规。
• 模型注册：模型开发者可将预训练权重、网络结构哈希、推理 API 接口定义上传至链上注册表，形成唯一标识，后续被组合调用时可据此追踪模型版本与来源。

协调层（Coordination Blockchain）

• 链与共识：通常采用应用链（Appchain）或并行侧链架构，共识机制为委托权益证明（DPoS）或基于贡献的权重投票（PoA 变体）。链上负责：

  • 任务广播与竞标：用户提交 AI 任务（如“对 1000 张图片进行物体检测”），智能合约将该任务推送给符合条件的节点，节点根据自身算力成本和声誉进行竞价。
  • 贡献证明：完成计算后，节点需提交结果和计算过程的零知识证明（ZKP）或可验证凭证（Verifiable Credential），验证者（或随机抽样节点）检查哈希一致性与结果合理性。若通过，则节点获得代币奖励；若作弊，罚没质押代币。
  • 支付与结算：支持按任务计费或流式支付，代币可采用稳定币结算以避免波动。支付通过状态通道或 rollup 汇总到主链，降低 Gas 成本。

• 声誉系统：每个节点依据历史完成质量、响应速度、质押量形成声誉值，影响其获得任务优先级与竞价权重。

服务层（Composable AI APIs）

• AI 管线编排：提供一种声明式脚本（类似蜂窝式 YAML），开发者可描述：“将输入图片经模型A进行场景分类，若为室内则调用模型B进行物体分割，再经模型C生成自然语言描述”。Gloo 编译器将此拆分为多个子任务，并行调度到不同节点，最终聚合结果。
• 网关与SDK：提供 RESTful/WebSocket 网关和 Python/JS SDK，屏蔽底层区块链复杂性，开发者体验类似调用传统云 AI API，但可自由指定 “只用可再生能源驱动的节点” 或 “数据不离开欧盟辖区”等条件。

关键创新：将 AI 工作流原子化为“服务单元”，并通过链上信誉和 ZKP 验证，在无需信任中央平台的前提下，实现跨组织的 AI 能力组合与清算。

关键参数

因为 Gloo 仍处于概念验证/早期开发阶段，以下参数基于同类协议通用设计及白皮书预期，具体数值以主网上线后公开资料为准。

• 共识与出块时间：预计采用基于 Cosmos SDK 的 Tendermint BFT 共识，目标出块时间 5～6 秒，交易最终性约 6～15 秒。
• 单任务处理开销：一次推理任务（如图片分类）的链上验证 Gas 成本设计目标为 < $0.01（2024 年美元等值），批量训练任务通过链下聚合 + 链上抽查验证，Gas 可忽略。
• 可支持的并发任务数：依赖于网络规模，假设初期有 5,000 个活跃 GPU 节点，可支撑每小时超过 10 万次轻量级推理请求；更大规模需靠 Layer-2 扩展。
• 资源计量精度：算力报价拟采用“Token/TFLOP·小时”或“Token/1000次推理”，支持浮点运算和显存占用两个维度。数据集调用将按“GB·访问次数”收费。
• 质押要求：成为验证者或算力提供商可能需锁定一定数量原生代币（如相当于 10,000～100,000 美元的 Token），作为反女巫和罚没基础。具体数值由链上治理决定。
• 代币总量与通胀（假设采用通胀模型）：初始供应量 10 亿枚，年通胀率 5%～8% 用于激励节点，逐步通过交易费消耗减少净通胀。无公开信源确认，仅反映同类 DePIN 项目的常见区间。

技术路线

基于已披露的技术社区讨论及类似项目发展轨迹，Gloo 的技术演进可划分为四个阶段：

1. 实验沙盒期（2024-2025）

   • 发布测试网，核心组件：资源注册合约、简单任务分配合约、PoC 贡献验证模块。
   • 接入少量友好算力节点，跑通“单模型推理”基本流程。
   • 实现与 IPFS/Filecoin 的数据对接，支持静态数据集调用。

2. 功能扩展期（2025-2026）

   • 引入支持组合式 AI 管线的编译器与调度器。
   • 集成 ZKP 或 TEE 验证，实现初步的隐私计算。
   • 发布用于治理和质押的主网代币，启动去中心化验证者网络。
   • 提供 Python/JavaScript SDK 和可视化控制台。

3. 规模化与互操作（2026-2028）

   • 部署 Rollup 及链下任务处理网络，将高频率推理任务上链成本降至忽略不计。
   • 通过 IBC（跨链通信协议）或跨链桥与以太坊、Polkadot 等生态相连，接受多链代币支付。
   • 构建去中心化身份（DID）系统，与数据合规路由结合，实现不同司法辖区的自动合规过滤。

4. 完全去中心化与社区治理（2028+）

   • 将协议核心代码及链升级权完全移交 DAO 治理。
   • 实现对复杂多模态大模型的分布式训练（如模型并行训练拆分），让千亿参数模型的微调可以在无中心协调员的情况下完成。
   • 长期目标：成为 AI 应用间自动发现、信任与结算的底层协议，类似互联网的 BGP 协议之于路由。

注：以上路线图为基于行业同类型项目普遍发展路径的合理推演，Gloo 团队未公布完整路线图，公开资料未见精确里程碑时间表承诺。

上游

Gloo 产业链上游由三类资源供给方构成，它们是整个网络生产力的基础。

1. 算力供给方

• 专业算力商：拥有数十至数千片 GPU 的挖矿公司转型 AI 算力供应，如曾经为以太坊矿工的 Hut 8、HIVE Blockchain（转型为 AI/HPC 服务）。它们提供较稳定的 GPU 集群，2023 年市场调研公司 Liberta 估算，全球转型为 AI 算力提供商的原有矿企总装机功率超过 1 GW（未查到精确口径）。
• 中小型云厂商与 IDC：一些区域性数据中心，如北美 Cyxtera、中国万国数据等，正尝试将剩余的 GPU 机时通过去中心化平台变现。2023 年 CoreWeave 等新晋算力云的成功证明非头部云厂也能通过 AI 算力租赁获得高倍增长。
• 个人/边缘算力：拥有游戏显卡或苹果 M 系列芯片的个人用户，通过类似 Akash、iExec 的客户端贡献空闲算力。根据 Statista 数据，2023 年全球独立 GPU 出货量约 3500 万片，其中很大比例具备 8 GB 以上显存，可支持中小模型推理。

2. 数据供给方

• 数据市场：专注于去中心化数据交易的项目如 Ocean Protocol，允许数据所有者在链上发布带权限管理的数据服务，2024 年其网络锁定的数据集总价值约 5 亿美元（来源：Ocean Market 仪表板，2024 年 6 月）。
• 行业数据库持有者：医疗、金融、工业等领域企业持有大量可训练 AI 的专有数据，但受隐私法规限制难以直接出售。Gloo 等协议的隐私计算能力可能促使其成为“不出域”数据交易的通道。
• 数据标注 DAO：去中心化标注平台（如 Samasource、Hivemind）通过众包提供结构化标注数据，按任务结算，可为 Gloo 网络持续供给高质量训练数据。

3. 模型开发者

• AI 初创/研究机构：发布开源预训练模型（如 Llama 系列、Stable Diffusion、Mistral 系列）的机构。截至 2024 年 6 月，Hugging Face 上已托管超过 60 万个模型（Hugging Face 官方数据），这部分开发者可将模型封装为标准服务发布到 Gloo 赚取调用费。
• 企业自有模型：金融机构的信用评分模型、制造业的缺陷检测模型等，企业希望在保护模型权重不泄露前提下向外提供服务，Gloo 的 TEE 方案可提供这种“黑箱”调用环境。

下游

下游是直接或间接使用 Gloo 网络提供的 AI 能力的应用层与服务层。

1. AI 应用开发者（直接下游）

• 初创企业及独立开发者：无预算采购大量专业 GPU，又不想被单一云厂商锁定，可以通过 Gloo 组合不同节点提供的推理服务，以“按需付费”方式保持产品迭代。例如，开发一个实时多语言翻译 + 情感分析的客服机器人，通过 Gloo 调用语音识别、翻译、情感分析三个微服务。
• Web3 DApp 构建者：去中心化元宇宙、链上游戏、NFT 生成工具等天然需要抗审查且可组合的 AI。例如，一款链上游戏可以使用 Gloo 调用可验证的 NPC 对话模型，确保游戏逻辑透明。
• 企业合规团队：需要处理跨辖区数据的 AI 审核系统，可利用 Gloo 的合规路由功能，确保欧盟用户的数据仅由位于欧盟且通过 GDPR 认证的节点处理。

2. 终端用户（间接受益者）

• AI 消费者：通过使用整合了 Gloo 能力的 DApp 或 SaaS 服务，获得更个性化、更注重隐私的 AI 结果。比如一个去中心化社交平台用 Gloo 来推荐内容，用户的数据不会被集中式服务器收集。
• 物联网与边缘场景：自动驾驶车机、智能摄像头等边缘设备可能并不直接访问 Gloo，但未来的边缘计算网关可充当代理，在本地无法完成推理时将非敏感特征发送到 Gloo 网络寻求更强的 AI 能力。

3. 服务与工具提供商

• 合规审计机构：为使用 Gloo 的企业提供链上数据处理流程的审计报告，验证其是否遵循特定的数据保护标准。
• AI 模型评测 DAO：对 Gloo 网络上发布的 AI 模型进行标准化评测，发布链上可验证的评分，帮助用户选择合适的模型组合。

受益公司

以下列举涉及的实体，均基于它们在相关产业链的位置，不代表与 Gloo 项目存在官方合作或投资关系。

算力与硬件

• NVIDIA：几乎任何去中心化 AI 算力网络都需要大量消费级/专业级 GPU，NVIDIA 作为 GPU 主导供应商，硬件需求的扩大直接带动其数据中心及 GeForce 业务。2024 财年 NVIDIA 营收 609 亿美元（年增长率 126%），AI 推理服务的去中心化或将开辟新销售场景。
• AMD、Intel：提供竞争性 GPU/加速卡，受益于算力网络对异构计算的开放态度。
• 芯片代工（台积电、三星）：AI 芯片需求激增使先进制程产能持续满载，间接利好。

云与数据中心

• CoreWeave、Lambda Labs：GPU 即服务的新兴选手，通过去中心化协议有可能进一步拓展客户群与突发负载的吸纳渠道。
• 万国数据、秦淮数据（中国）：拥有大量 5G 边缘和智算中心储备，去中心化 AI 计算可以助其盘活非高峰时段算力资产。

区块链与加密生态

• 以太坊 L2/ZK 方案提供商（如 Polygon、Scroll、StarkWare）：为 Gloo 类协议提供验证、结算与隐私计算所需的基础技术组件，其生态发展与这类应用的需求增长存在正相关关系。
• Cosmos/Tendermint 生态开发商（如 Ignite、Confio）：如果 Gloo 采用 Cosmos SDK 构建应用链，这些工具开发商将获益于客户覆盖面的扩大。
• 分布式存储网络（Filecoin、Arweave）：作为数据分片和模型存储的基础层，每次数据调用均可能产生交易费收入。

AI 与数据

• 去中心化数据市场（Ocean Protocol）：网络效应提升，吸引更多数据买家和卖家上链。
• Hugging Face：作为模型仓库，其托管模型被封装到 Gloo 会增加平台流量和声誉，间接促进其企业版的销售收入。

中国方面，华为云、阿里云、腾讯云因其在 BaaS（区块链即服务）和 AI 平台的双重布局，具备将类似理念落地的技术模块，是潜在的概念受益者。但能否转化为直接商业收益，取决于产品化进度与市场需求。

市场规模

• 去中心化云计算/DePIN 市场：据 Grand View Research 报告《Decentralized Cloud Market Size, Share & Trends Analysis Report, 2023-2030》，2022 年全球去中心化云服务市场规模约为 47 亿美元，预计 2030 年达 580 亿美元，年复合增长率 36.6%。其中，AI 算力作为新兴板块正进入快速增长期。

• 分布式 AI 计算市场：MarketsandMarkets 2023 年发布的报告《Distributed AI Market – Global Forecast to 2028》给出，全球分布式 AI 计算市场（含训练与推理）2023 年规模约 69 亿美元，预计 2028 年增至 212 亿美元，CAGR 25.1%。该口径包括算力网格、联邦学习、去中心化推理等多种技术。去中心化区块链协作为其中子集，占比暂时较小但增速可能高于平均。

• GPU 即服务市场：根据 SNS Insider 报告，2022 年 GPUaaS 市场为 25 亿美元，2030 年有望突破 140 亿美元（CAGR 约 25%）。去中心化 GPU 网络（如 Render Network、Akash、Gensyn 等）在 2023 年合计活跃 GPU 数量估测在 3 万～5 万片之间，仅占总 GPUaaS 算力供应的不到 1%，但该比例正快速提升（来源：Messari DePIN Sector Report 2024 Q1）。

• 中国去中心化 AI 市场：公开资料未见有权威机构单独统计“中国去中心化 AI 网络”市场规模。但据 IDC 数据，2023 年中国智能算力规模约 155 EFLOPS，其中约 70% 由互联网和云服务龙头企业消化，中小企业自建算力有限，对低成本共享算力存在潜在需求。中国分布式云与边缘 AI（含隐私计算）市场 2023 年约为 48 亿元人民币（来源：前瞻产业研究院），该统计口径虽与 Gloo 不完全重合，但可侧面反映“非集中式AI”服务的商业温度。

玩家对比

以下是几种常见去中心化 AI 相关项目的横向对比，所有信息截至 2024 年中，基于各项目公开文档。

来源：各项目官网、白皮书、Messari 研报。部分数据为公开可查范围。

风险

1. 技术可行性与性能风险

• 区块链吞吐量瓶颈：即使通过 L2 和状态通道大幅压缩，链上验证数千个节点间频繁的小型推理任务仍存在端到端延迟风险，不适合对实时性要求极高的自动驾驶、高频量化等场景。
• 验证的可信度：ZKP 在 AI 推理过程的证明生成开销极大，目前证明一张图片分类的典型电路可能需要数十秒的证明时间，成本数美元，距离实用还有距离。可信执行环境（TEE）部署在去中心化环境下也存在侧信道攻击和厂商闭源性担忧。
• 大规模协调：当节点规模来到数十万级，任务分配的公平性、防止算力女巫攻击、网络分片下的数据一致性等问题尚未在真实环境中解决。公开资料未见 Gloo 或其同类协议的大规模性能测试报告。

2. 经济模型脆弱性

• 激励错配：代币奖励可能催生“刷量”行为——节点提交简单无意义的计算任务来骗取奖励，而验证者由于检查成本高而“睁只眼闭只眼”。若无强健的经济博弈设计，网络将充斥垃圾贡献。
• 代币价格与生态脱节：如果原生代币成为投机对象，算力提供者的实际收益因币价剧烈波动而极不稳定，可能导致优质算力流出，形成恶性循环。
• 价值捕获困难：协议层的代币价值需要来自实际需求（用户用代币支付算力），但若用户更倾向用稳定币支付，而协议用风投资金补贴早期激励，则代币长期价值支撑薄弱。

3. 监管与法律真空

• 数据跨境：去中心化节点全球分布，数据可能被路由到不符合 GDPR 或中国《数据安全法》的地区，即便协议层定义了路由规则，节点可能绕过或做假节点声明，责任难以追究。
• 证券法风险：若代币被认定为证券，开发团队和节点运营商可能面临诉讼和退市风险。2023 年美国 SEC 已对多个加密项目采取行动，代币经济设计必须避免构成投资合同。
• AI 内容合规：网络上提供的模型可能生成违法或有害内容，去中心化结构导致难以落实内容过滤，或追责端用户，但监管可能要求协议本身承担删除义务，这与其去中心化抗审查本质冲突。

4. 市场竞争与护城河

• 云巨头的降维打击：AWS、Azure 等已提供弹性的 AI 推理服务，且拥有巨大品牌信任度、SLA 保证、全球化网络。如果巨头大幅降价或推出集成的区块链验证服务（如 AWS 的 Managed Blockchain + SageMaker），Gloo 类协议可能丧失成本优势。
• 协议冷启动：需同时吸引算力方、数据方、开发者三方，任一方的缺失都会阻碍另外两方的加入。没有杀手级应用驱动初期需求，网络可能陷入“空转”。

误读纠偏

误区 1：Gloo 就是把云计算搬到区块链上。
纠正：不是简单的“上链”，而是通过区块链重构信任模型和资源协调方式。传统云计算依赖中心服务商的信用，Gloo 则用协议层实现无需信任的交易、执行验证与支付，让互不认识的各方可以安全协作 AI 任务。

误区 2：去中心化 AI 网络会导致大量 GPU 空转无效浪费。
纠正：理想的协议设计通过贡献证明和质押惩罚确保节点只执行有用任务，无效任务不获奖励，甚至被罚没。虽然有经济设计失败的可能，但这不是去中心化本身的必然结果。

误区 3：Gloo 会立刻取代传统云 AI。
纠正：它更适合弹性、长尾、抗审查或隐私合规的细分场景，短期内是补充而非替代。传统云厂商的 SLA 保障、全栈服务和客户支持是去中心化网络难以匹敌的。

误区 4：只要接入网络，就能自动获得便宜算力。
纠正：算力定价取决于供需，流行模型或特定区域节点稀缺时价格可能高于主流云。且需考虑链上验证成本和数据传输开销，实际总成本未必永远更低。

误区 5：Gloo 是一个已上线的成熟项目。
纠正：多数链–云融合 AI 协议仍处于概念验证、测试网或极早期主网阶段，Gloo 名称也可能用于指代这一类架构概念而非特定产品。任何投资或采用决策需核对具体项目的主网状态、审计报告和社区活跃度。

最新事件

• 类似协议融资动态（2024 年上半年）：Gensyn 完成 4,300 万美元 A 轮融资，由 a16z 领投；Together AI 完成 1.06 亿美元 B 轮融资；Bittensor 生态获机构投资者广泛关注，TAO 市值一度进入加密资产前 30。表明市场对去中心化 AI 计算赛道的资金注入持续升温（来源：CoinDesk, The Block 报道）。
• 技术整合进展：以太坊基金会资助了数个结合 ZK 与 AI 推理的研究项目，例如 zkML 方向的 EZKL 和 Modulus Labs，未来可为 Gloo 类协议提供更高效的链上验证方案。2024 年 5 月，Risc Zero 宣布推出针对 AI 推理的 ZK 证明器，将证明生成时间压缩至秒级（官方博客）。
• 监管信号：2024 年 4 月，美国 SEC 向多个加密 AI 项目的代币发行提出问询，强调“AI 类代币”若满足 Howey 测试条件将被视为证券。去中心化 AI 网络的项目方开始调整经济模型，部分转向纯工作代币或治理代币模型（《华尔街日报》报道）。
• 中国本土实践：工信部等六部门 2023 年底发布《算力基础设施高质量发展行动计划》，鼓励分布式云和边缘计算，但并未提及区块链与加密资产驱动的激励网络。国内数家云计算厂商推出了基于区块链的模型存证与溯源服务，如蚂蚁链的 AI 数据存证，属于模块级应用，未形成 Gloo 级别的全栈链。
• Gloo 自身进展：截至 2024 年 6 月，公开资料未见 Gloo 发布测试网、白皮书或有知名投资机构背书，市场上以此名称命名的协议或项目不明确。本概念页所描述的技术特征整合了多个同类项目的理想目标，作为分析框架参考。

跟踪指标

用于衡量 Gloo 类协议健康度及产业进展的核心指标：

1. 全网活跃 GPU 节点数：反映算力供给的规模和去中心化程度，可按周追踪。来源：区块浏览器、Messari DePIN 仪表板。
2. 每月 AI 任务完成量：轻量推理任务数、大型训练任务数，体现网络实际使用量。来源：协议官网统计页或链上合约事件。
3. 平均算力价格（美元/ TFLOP·小时）：与 AWS p4d 实例或 Lambda GPU 云价格对比，判断成本优势。来源：各算力市场 API 报价。
4. 质押率 / 总质押价值：代币总质押量占流动供应量的比例，显示节点对网络的长期承诺和作恶成本。
5. 开发者活跃度：GitHub 上核心代码提交频率、接入 SDK 的下载量、注册模型数。数据来源：GitHub、Hugging Face 模型卡。
6. 验证者数量与 Nakatomo 系数：验证者数量和去中心化程度，关注前 5 大验证者控制的总质押比例。
7. 生态 TVL（锁仓价值）：锁定在协议代币、数据预购、任务预存上的总价值，用以评估生态资金规模。
8. 合规节点比例：标记为满足特定司法辖区（如 EU GDPR、中国境内）的节点数占总节点数比例，用于跟踪监管适应性。
9. 外部集成数量：接入 Glo 类网络作为后端的 DApp、SaaS 工具、数据市场数量。
10. 市场情绪与搜索热度：Google Trends、X（推特）关于“Gloo AI”或相关协议的讨论量，辅助判断公众注意力。

信源

• Grand View Research. (2023). Decentralized Cloud Market Size, Share & Trends Analysis Report, 2023–2030.
• MarketsandMarkets. (2023). Distributed AI Market – Global Forecast to 2028.
• SNS Insider. (2023). GPU as a Service Market Size & Share Analysis Report 2023-2030.
• Messari. (2024). State of DePIN Q1 2024 Report.
• Bittensor 白皮书及官方文档. https://bittensor.com/
• Render Network 知识库及 2024 Q1 月报. https://know.rendernetwork.com/
• Akash Network 主站与统计仪表板. https://akash.network/
• Gensyn 技术博客. https://gensyn.ai/
• Together AI 官网与公司公告. https://www.together.ai/
• Hugging Face 公开模型库统计数据. https://huggingface.co/models
• CoinDesk, The Block 关于去中心化 AI 赛道的融资报道 (2024)。
• 美国 SEC 关于加密资产的公开发布及相关新闻报道 (2024)。
• 前瞻产业研究院. (2023). 中国分布式云与边缘 AI 市场报告.
• IDC. (2023). 中国智能算力发展白皮书.
• 以太坊基金会与 zkML 方向研究资助公告 (2023-2024)。
• Risc Zero, Modulus Labs 关于 AI 推理的零知识证明技术博客。
• 中国《算力基础设施高质量发展行动计划》（2023）。

说明：以上信息截至 2024 年 6 月，部分数据为估算或行业通用认知。Gloo 概念的具体项目实体信息有限，本页旨在提供分析框架，不构成任何项目背书。文中提及的所有公司名称、项目名称均为客观描述，不做推荐。