Just-in-Time 编译

1. 3 秒看懂

Just-in-Time（JIT）编译在“链 + 云”融合环境中，指在区块链智能合约或去中心化 AI 推理任务执行时，实时将中间代码（如字节码、计算图）编译为原生机器码的技术。与提前编译（AOT）不同，JIT 在运行时收集上下文信息，可针对具体硬件和输入动态优化，降低链上计算延迟、提升吞吐量。在“链云”架构下，JIT 常与云计算弹性算力结合，为 DeAI（去中心化 AI）、RWA 自动决策、链上数据分析等场景提供高性能执行层。核心价值：用编译期智能换取运行期效率，缓解链上环境计算受限、资源昂贵、异构硬件多的问题。

2. 3 分钟产业解释

传统区块链虚拟机（如以太坊 EVM）以解释执行为主，性能不足以支撑复杂 AI 推理。JIT 编译被引入链云架构，充当“链上加速器”：当一笔交易触发智能合约中的 AI 模型调用时，JIT 编译器将预先部署的中间表示（例如 MLIR 方言、WASM 字节码或专用 IR）快速转换为适合当前节点硬件（x86、ARM、GPU）的机器码，并在执行完成后缓存优化结果，供后续调用复用。云端节点提供弹性 GPU/TPU 资源，链上仅保留验证与状态共识，实现“链下计算、链上验证”或“链上轻量推理”。主流方案包括：基于 LLVM 的 Solana BPF JIT，使非 EVM 链支持高频交易逻辑；以太坊生态中，Arbitrum Stylus 等 Layer 2 支持 WASM 且引入 JIT 编译，允许开发者在 Rust/C 中编写高效合约；专用 AI 链如 Bittensor 在节点侧通过编译优化加速模型评分。2023 年，AI 编译器市场约 10 亿美元（Grand View Research，2023），链云 JIT 作为细分方向尚无独立份额口径，但随 DeAI 和智能合约复杂化，其渗透速度加快。中国在联盟链场景（BSN、蚂蚁链）尝试 JIT 加速机密计算与 AI 模型调用，但生态成熟度较公链仍有差距。

3. 技术原理

JIT 编译在链云环境的技术栈可分为四层：前端解析、中间优化、后端代码生成、运行时适配与安全隔离。

动态编译流程
合约代码或模型描述经前端编译器（如 Solang、ink!）生成面向虚拟机的字节码或平台无关 IR。当交易触发调用时，JIT 引擎检查该代码段是否已有缓存机器码，若无则进入编译流水线：IR 经优化 pass（常量折叠、死代码消除、循环展开、向量化）后，由后端（LLVM、Cranelift、单道 JIT）生成本地指令流，并注入到受控执行环境。JIT 的优势在于可根据运行时信息（比如循环次数、张量形状）做特化优化，优于 AOT 的静态分析。

AI 优化特化
针对神经网络推理，JIT 编译器将算子图进行图级与算子级融合，例如将卷积 + 批归一化 + 激活合成为单一内核，消除内存往返。常用途径包括：Apache TVM 的 Relay IR 与 AutoTVM 调优，可生成适应链云异构节点（CPU/GPU/FPGA）的 JIT 内核；PyTorch 2.0 的 TorchDynamo 捕获计算图后交给 Inductor 后端生成 Triton 内核，已在部分链下推理环节使用。链上部署时，编译优化将模型裁剪、量化与算子融合打包为 WASM 模块，由链云节点的 JIT 编译器最终原生执行。

链云集成
链节点或 rollup 证明者（prover）在生成有效性证明（如 ZK-Rollup）时，计算密集型部分可通过 JIT 编译加速。例如，Risc Zero 的 zkVM 将 guest 程序编译为 RISC-V 指令，主机端以 JIT 方式生成执行引擎，提升证明生成速度。在 DeAI 网络中，任务分发器根据节点硬件能力，动态选择最优编译策略，节点收到任务后在沙箱内 JIT 执行并返回结果与证明。安全方面，JIT 编译器必须受信任或置于飞地（如 Intel SGX），生成代码符合内存安全约束，防止合约逃逸。

关键挑战
编译延迟：首次调用可能增加数百毫秒开销，需通过分层编译与预热缓存缓解。安全隔离：JIT 产生的可执行内存必须由运行时管控，防止 JIT 喷涂攻击。跨平台一致性：不同节点编译产物不同，需配合可验证计算证明，确保结果可复现。目前，LLVM JIT 与 Cranelift 在区块链项目中受关注，2024 年 Solana 验证节点引入可配置 JIT 后端，将非投票交易吞吐量提升约 15%（Solana 基金会博客，2024 年 3 月；口径为内部测试）。

4. 关键参数

评估链云 JIT 编译性能和部署成熟度时，常关注以下指标：

• 编译延迟（Compilation Latency）：从合约/模型调用到机器码就绪的时间，通常需控制在 50 ms 以内避免影响交易打包。数据来源：Solana 文档显示 BPF JIT 编译平均延迟约 0.2 ms/kb，大型合约（>100KB）可能达 20-30 ms（Solana docs，2024）。
• 执行加速比（Speedup）：JIT 相比纯解释执行或 AOT 的运行时间比值。在 AI 推理场景，结合算子融合和量化，加速比可达 2×-10×（TVM 官方基准测试，2023，基于 ResNet-50 在 ARM CPU 上）。链上场景，公开资料未见通用基准。
• 吞吐量（TPS 或 infer/sec）：单位时间内完成的智能合约调用或推理请求数。Solana 主网在使用 JIT 编译器（v1.17 升级后）非投票 TPS 约 3000-4000（explorer.solana.com，2024 年一季度平均），其中 JIT 贡献部分占比未单独披露。
• 缓存命中率：已编译代码被反复利用的比例。高命中率可大幅摊薄编译成本，通常 90%+ 为佳。具体链项目未披露此项。
• 内存开销：JIT 编译器及生成机器码占用的额外 RAM。WASM JIT 引擎通常占用 10-50 MB 额外内存（cranelift 数据，2023）。链节点对此敏感，限制合约大小等价于间接限制 JIT 内存。
• 支持硬件平台数：JIT 编译器后端覆盖的 ISA（x86-64、ARM64、RISC-V、GPU PTX 等）。覆盖面越广，链云异构调度越灵活。LLVM 支持 10+ 架构，Cranelift 当前主要支持 x64、ARM64（2024）。
• 安全认证：是否通过形式化验证或安全审计。2024 年以太坊生态对 EVM JIT 提案（EIP-…）曾进行安全评估，但当前仍以解释执行为主，JIT 方案多属实验性质。

以上参数中，链云 JIT 综合性能数据多数来自项目方测试，缺乏第三方标准化基准，引用时须注明来源和测试条件。

5. 技术路线

当前链云 JIT 编译存在三大主流技术路线，分别侧重通用性、AI 专用和零知识证明加速。

路线一：基于 WASM 的通用 JIT
以 WebAssembly 为合约标准，利用 Cranelift、Wasmtime 等 JIT 引擎执行智能合约。代表项目包括 Polkadot（pallet-contracts 使用 Wasmi 解释器，已实验 Cranelift JIT 增强）、NEAR Protocol（其 Runtime 将合约编译为 Wasm，通过单道编译器优化执行）、Arbitrum Stylus（2023 年上线，允许 Rust/C 编译为 Wasm，在 Nitro 欺诈证明环境中执行，内部包含 JIT 编译）。该路线优点：生态成熟，多语言支持，安全性研究充分；弱点：对 AI 张量运算无原生优化，需额外算子库。

路线二：AI 框架原生 JIT + 链下计算
使用 TVM、XLA、TorchInductor 等专用 AI 编译器，在链下节点完成推理，将结果哈希上链或通过预言机提交。在 DeAI 网络中（如 Bittensor、Numerai），模型运行在链下机器，JIT 编译根据用户请求动态生成优化内核，再结合 TEE 或 zkML 生成可验证证明。该路线性能最优，但信任模型依赖验证层，链上直接执行能力弱。

路线三：零知识虚拟机的 JIT 加速
将计算编译为 ZK 友好的中间表示，并利用 JIT 加速证明生成。Risc Zero zkVM 将用户程序编译为 RISC-V ELF，通过主机侧 JIT 执行器快速获得执行轨迹，再生成 STARK 证明。Polygon Miden 使用其 Miden VM 结合 JIT 编译以改进交易证明速度。该路线与 AI 结合尚在早期，2024 年 EZKL 等项目尝试将 ML 模型编译为 zk 电路，JIT 优化电路生成时间，模型前向推理的证明时间有望降低至秒级（EZKL Github 讨论，2024 年 2 月，尚未正式发布基准）。

三大路线并非互斥，集成趋势明显：例如，链上 WASM 虚拟机集成 WIT（WASM Interface Types）调用 AI 运行时，内部使用 TVM 等 JIT 编译；或 zkVM 证明层集成 WASM 前端，实现通用计算加速。中国国内厂商更侧重联盟链场景，在 FISCO BCOS 等平台中尝试 Wasm JIT 与国密算法兼容方案，但仍处于 PoC 阶段，技术细节公开资料较少。

6. 上游

链云 JIT 编译的上游包含编译器基础设施、硬件算力与区块链协议层三个关键板块。

编译器工具链
LLVM 是最核心的底层设施，提供模块化 JIT 框架（ORC JIT），被 Solana、Risc Zero 等项目采用。2023 年 LLVM 17 引入对 WebAssembly 的更好支持，推动链上 Wasm JIT。Cranelift（Bytecode Alliance 维护）更轻量，专为 Wasm 设计，已集成于 Wasmtime 和 Firefox，被多家区块链 L1/L2 考虑使用。MLIR 框架（谷歌发起）则支持构建领域专用编译器，在 AI 与链的交叉部提供统一 IR。上游开源编译器受 Apache/MIT 许可，社区活跃度高，不直接产生营收，但形成生态护城河。

硬件供应商
链云节点需部署 CPU、GPU 或专用加速器。NVIDIA 数据中心 GPU 在 AI 推理市场占据主导（2023 年出货量估算市占超 80%，来源：Jon Peddie Research，2024 Q1 报告），其 CUDA 生态支持 JIT 编译库（TensorRT、cuDNN）。AMD 以 ROCm 生态追赶，但其在区块链节点部署比例较低。英特尔通过 Xeon 处理器内置的 DL Boost 和 oneAPI 在边缘链节点有渗透。在 RISC-V 领域，赛昉科技等公司推出面向区块链节点的 IP 核，但 JIT 优化软件栈尚不成熟。硬件端直接决定链云 JIT 的算力天花板，2023 年全球区块链基础设施硬件投入约 24 亿美元（MarketsandMarkets，2024 年 1 月），其中与 JIT 强相关的 HPC 服务器占比未公开。

区块链协议与中间件
协议层提供智能合约执行规范、Gas 计量等，决定了 JIT 能否部署。以太坊 EVM 至今未原生引入 JIT，但 L2 和侧链（如 Polygon zkEVM）开始尝试。Solana 的 Sealevel 并行执行环境天然适合 JIT，其 eBPF (现已升级为 SBF) 编译器是关键上游组件。跨链中间件如 LayerZero、Axelar 尚不与 JIT 直接相关，但其传输层若需 AI 决策，会间接受益。

中国在上述上游环节仍以应用和集成创新为主，核心编译器及高端 GPU 自给率较低。2023 年华为昇腾系列 NPU 已在部分政务链试点部署，并集成自研 TBE（Tensor Boost Engine）编译器，支持图形 JIT 优化，但整体生态与 CUDA 仍有差距（华为官方社区，2023）。上游的自主可控是政策焦点，但商用规模数据公开资料未见。

7. 下游

链云 JIT 编译的下游直接指向去中心化 AI 推理、链上智能自动化、数据资产流通等场景，最终用户涵盖 DeFi 协议、企业级区块链网络、物联网设备及个人开发者。

去中心化 AI 推理（DeAI）
用户请求推理任务时，调度网络将模型与输入分发给多个计算节点，节点用 JIT 编译优化执行并返回结果与验证证明，按请求次数或贡献赚取赏金。代表项目 Bittensor 在 2024 年一季度日均推理请求约 2 万次（Bittensor 浏览器，2024 年 4 月），虽然单一节点内部的 JIT 细节不公开，但多数矿工使用 TVM 或 ONNX Runtime 等编译优化以提高收益。该模式有望在 AI 大模型推理中降低中心化云厂商依赖，下游需求与 AI 应用增长强相关。

链上自动化与策略执行
DeFi 协议如 GMX、dYdX 使用链下 Keeper 执行清算、套利等任务，部分 Keeper 会结合轻量 ML 模型预测 Gas 或价格趋势。引入 WASM JIT 后，更复杂的 AI 代理可直接部署为链上合约，实时执行策略。2023 年，0x 协议在 ArbOS 升级后通过 Stylus 探索链上自动化策略，但具体采用率未公布。

供应链与 IoT 数据流
联盟链中，JIT 编译可加速物联网设备上传数据的实时分析与异常检测。例如，蚂蚁链在 2023 年试点跨境贸易场景，链下 IoT 终端上传数据，经 JIT 加速的 AI 模型自动判定货物状态并更新链上存证（蚂蚁链公开案例，2023）。该领域对延迟敏感，JIT 编译使边缘节点可在不增加高算力硬件的情况下加速推理。

金融风控与合规
银行间区块链平台利用 JIT 编译运行反欺诈模型，对交易进行实时黑名单匹配与行为评分。据公开信息，2024 年某国有大行在贸易金融链上部署了基于 Wasm JIT 的轻量风控合约，单笔交易处理时间从 300ms 降至 50ms 内（中国支付清算协会公众号，2024 年 1 月，未具名机构）。整体下游规模无直接统计数字，但可以作为“区块链即服务”和 AI 推理的交叉市场来推算，2023 年全球区块链服务市场约 172 亿美元（Fortune Business Insights，2024），其中 AI 融合部分占比较小。

消费者与开发者工具
类似 Replit、GitHub Codespaces 的云端开发环境已开始集成链云编译服务，允许开发者编译可部署的智能合约并通过 JIT 在沙盒中调试。此类工具使开发体验更流畅，属于间接下游。

下游对性能、成本的敏感度将决定 JIT 编译投入的必要性。当前下游大多处于早期试用阶段，大规模生产案例有限。

8. 受益公司

以下列出的公司或组织基于其公开产品布局与链云 JIT 技术关联度划分，不作为投资参考。

基础设施提供方

• Solana Labs / Anza：维护 Solana 验证客户端 Agave，其中的 JIT 编译器（基于 LLVM）是链性能的关键组件。2023 年 Solana 网络费用收入约 12M USD（Token Terminal，2023 年度），虽然费用不计入公司财报，但反映生态活跃度。
• Offchain Labs (Arbitrum)：通过 Stylus 支持多语言 WASM 合约，内生 JIT 编译增益性能。Arbitrum One 2024 年一季度平均月交易量约 2,200 万笔（Arbiscan，2024），若 Stylus 合约占比提升，或增加 JIT 相关优化需求。
• Risc Zero / Polygon Miden：专注于 zkVM，JIT 是其证明生成加速器。2023 年 Risc Zero 完成 4,000 万美元 A 轮融资（Crunchbase，2023 年 7 月），表明资本市场对 JIT+ZK 路线的认可。
• Dfinity (ICP)：其互联网计算机使用 Wasm 执行容器，虽然官方未强调 JIT，但底层 Wasmtime 引擎内建 JIT 编译，受益于编译优化提升容器性能。

云与 AI 平台

• NVIDIA：间接受益，其 GPU 运行链云节点中的 JIT 编译模型执行，推动数据中心 GPU 出货。2023 财年数据中心收入 150 亿美元，同比增长 41%（NVIDIA FY2023 年报），但无法拆分链云贡献。
• Google Cloud：通过 Blockchain Node Engine 和 AI 服务接取链工作负载，内部 XLA 编译器可用于节点加速，但商业规模未单独披露。
• 阿里云 + 蚂蚁链：蚂蚁链上支持多种 WASM 虚拟机，并在部分场景探索编译优化，阿里云可提供弹性 GPU 节点。蚂蚁集团 2023 年未单独公布相关收入。

中国关联企业

• 华为：昇腾 NPU 与自研编译器在政务链试点，涉及软硬协同 JIT 优化，其 2023 年企业业务收入 1330 亿元（华为 2023 年报，口径为企业 BG 整体），无链云编译子项数据。
• 百度：超级链（XuperChain）与 PaddlePaddle 结合，内置部分模型编译优化。2023 年百度智能云 AI 相关收入未单独披露，链云 JIT 贡献有限。
• 腾讯云：TBaaS 提供区块链云化部署，支持 FISCO BCOS 和长安链，其中长安链在 2023 年引入 Wasm 执行引擎，理论上可集成 JIT。具体财务贡献公开资料未见。
• 万向区块链：与 PlatONE 联盟链合作，曾研究 WASM 编译器优化，但尚未产品化（万向区块链开放论坛，2023）。

注意：上述“受益”仅表示技术与业务布局高度相关，不意味股价表现或投资价值，严禁以此作为买卖依据。

9. 市场规模

要给出链云 JIT 编译的精确市场规模极为困难，因其作为底层使能技术，不构成单独市场。可从父集市场——AI 编译器、区块链计算基础设施和去中心化 AI 服务——进行交叉推算，明确口径和年份。

• AI 编译器市场：2023 年全球约 10.2 亿美元，预计 2030 年达到 36.6 亿美元，CAGR 19.9%（Grand View Research，2024 年 1 月发布，报告编号 GVR-4-68040-123-8）。该市场包含 TVM、XLA、GLOW 等，链云 JIT 在此中尚属微小部分，按其应用场景假设占比 1-3%，则 2023 年约为 0.1-0.3 亿美元，但纯属估算，无权威机构分类。
• 区块链基础设施市场：2023 年 241 亿美元（包括服务器、存储、网络及编译器优化服务，MarketsandMarkets，2024 年 2 月）。其中软件与工具链占比约 35%，即 84 亿美元，而 JIT 编译器属于智能合约执行层软件，但无法拆分出独立规模。
• 去中心化 AI 市场：2023 年 DeAI 项目总流通市值一度超 200 亿美元（CoinGecko 分类数据，2024 年 2 月高点），但市值不等于行业收入。实际网络收入（节点激励与推理费）极小，Bittensor 2023 年全年发放 TAO 约 18.6 万枚，按年末均价折合约 0.5 亿美元（CoinMarketCap，2023 年），属于矿工收入，间接与 JIT 优化效益有关。
• 中国相关市场：工信部 2023 年《区块链发展指导意见》未量化。赛迪顾问 2023 年《中国区块链产业年度报告》指出中国区块链软件市场规模为 35.2 亿元人民币，其中智能合约执行优化子项无披露。

综上，当前链云 JIT 编译的独立经济规模极小，更多以成本项或技术支撑内嵌于区块链平台与 AI 服务中。若以可寻址的区块链计算加速软件市场估算（乐观假设 5 年渗透率达到 15%），2030 年前后可能形成 3-5 亿美元规模子市场，但此估算不确定性极高，仅供参考。所有引用的第三方报告请以最原始来源为准。

10. 玩家对比

为直观呈现不同方案在链云 JIT 编译上的定位，从执行环境、JIT 引擎、AI 特化程度、安全模型和可用性几个维度对比主要生态玩家。概览如下（信息基于各项目公开文档至 2024 年 4 月）：

详细对比要点

• 性能-安全权衡：Solana 与 Arbitrum 的 JIT 均直接在主网执行真实交易，吞吐量大，但面临确定性执行和编译器 bug 的潜在共识分叉风险。2023 年 Solana 一次更新中因 JIT 编译器版本差异导致某些节点宕机（Solana 状态页，2023 年 10 月），凸显软件质量控制挑战。相比，Bittensor 与 Risc Zero 将 JIT 执行放在证明生成环节，链上仅验证，降低了共识风险却增加了验证计算负担。
• AI 友好度：Bittensor 和 zkML 方案对 AI 优化最深入，可融合各种张量编译器；WASM 方案需强行嵌入推理库，效率较低。但 Wasm 方案在通用计算和合约可组合性上占优。
• 中国玩家：主打合规与联盟链场景，JIT 优化偏重国密算法、信创 CPU 适配，与公链生态不完全对标。公开性能指标极少，横向对比困难。

综合来看，目前还没有在 AI 加速、安全性与去中心化三者间取得满分平衡的链云 JIT 方案，主流玩家各占细分赛道；未来可能的融合方向是“WASM+AI JIT+ZK 证明”的组合。

11. 风险

技术风险

• 编译器一致性风险：JIT 在不同硬件、不同编译器版本下可能产生不同的优化结果，导致节点间状态根不一致，引发链分叉或无效证明。类似问题在以太坊往年升级中曾出现（EIP-2315 等）。若 JIT 引入浮点或 SIMD 指令，确定性更难保证。
• 安全攻击面增大：JIT 引擎需要分配可写可执行内存，增加了代码注入和 JIT Spraying 攻击的风险。2023 年，某 WASM JIT 引擎 CVE 漏洞（CVE-2023-26489）允许通过特制 WASM 触发越界写（NIST NVD，2023），若链虚拟机使用同一引擎，可能被利用提取节点密钥或篡改合约状态。
• Gas 计量不准确：JIT 优化后的机器码长度与执行开销难以静态预判，可能导致 Gas 定价偏差，影响经济安全。

产业与市场风险

• 过度炒作：2023-2024 年“链 + AI”概念吸引大量投资，许多项目宣称使用 JIT 编译提升性能，但实际交付多是简单解析器，无实质优化。若泡沫破裂，可能导致行业信任下降。
• 寡头依赖：底层编译器栈（LLVM、CUDA）由少数机构控制，若上游变更许可协议或断供，可能影响链云 JIT 生态。对于中国公司，CUDA 受限已促使自研编译器，但成熟度低。
• 经济模型不可持续：去中心化 AI 服务需要用 JIT 提升节点单位算力收益，若代币激励暴跌，节点退出，JIT 技术投入将得不到有效利用。

监管与合规
中国对区块链和 AI 均实施许可制，JIT 编译属于使能技术，不直接受禁，但如果用于跨境公链或生成不合规内容，可能触及监管红线。欧盟 MiCA 和 AI Act 要求透明、可审计的 AI 决策，链云 JIT 的黑盒优化可能与“可解释性”需求矛盾。美国方面，OFAC 对混币合约的制裁也可能延伸至运行 JIT 编译的特定智能合约，带来法律风险。

以上风险并非穷举，所有涉及攻击案例的信息来自公开报告，并无内部资料。

12. 误读纠偏

误读 1：链云 JIT 就是给区块链装个 LLVM，立刻提速 10 倍。
事实：JIT 编译需要预热编译过程，首次调用可能比解释执行更慢。加速效果高度依赖代码特征和硬件，不是万能加速器。链环境还受共识和网络延迟瓶颈，JIT 只改善计算部分，对 I/O 密集型合约效果有限。

误读 2：智能合约用 JIT 后，就和本地程序一样高效。
事实：链上 JIT 仍在沙箱中运行，需遵守严格资源上限，且必须保证确定性。通常无法使用完全激进的编译器优化（如自动向量化、线程级并行），效率仍远低于无安全约束的原生程序。

误读 3：已经有很多链落地了 JIT 编译器，是成熟产品。
事实：除 Solana 等少数公链外，多数项目的 JIT 仍在实验或可选项阶段，默认未开启。以太坊主网至今无 JIT 编译。部分项目将 JIT 限于证明生成或链下节点，链上部分仍用解释执行。因此整体仍处“早期采用”阶段，并非遍地开花。

误读 4：链云 JIT 可以代替 ZK 证明。
事实：JIT 加速计算执行，ZK 证明保证计算正确性，二者是互补关系。JIT 编译旨在降低延迟和功耗，ZK 则提供可验证性，避免信任节点。链云高性能方案通常会组合 JIT 与 ZK 生成，而非相互替代。

误读 5：国内链云 JIT 技术落后，纯炒作。
事实：国内龙头如蚂蚁链、长安链在 WASM 执行引擎和国密适应上做了一定工作，且已有实际联盟链业务验证；华为在编译器底层有积累。但与国际公链前沿（ZK+JIT 融合、AI 特化 JIT）相比，创新速度和开源生态确存差距。应客观看待，既非全面落后也不是全面领先。

13. 最新事件（截至 2025 年）

以下事件选自 2024 年至 2025 年初，体现链云 JIT 编译领域的技术更迭与产业动态：

• 2024 年 3 月：Solana 验证客户端 Agave v1.18 测试版本发布，JIT 编译器重构，初步实现按需编译缓存，减少启动时全量编译开销（Solana Lab GitHub Release Notes）。
• 2024 年 5 月：Arbitrum 社区提案启动 Stylus 多线程 JIT 优化基金会资助计划，拟投入 500 万 ARB 代币（当时价值约 900 万美元）吸引 Wasm 编译器人才（Arbitrum DAO 论坛，2024 年 5 月 12 日）。
• 2024 年 7 月：Risc Zero 开源 zkVM 1.0，明确引入“JIT segment execution”模式，证明生成速度较上个版本提升 2-3 倍（官方博客，2024 年 7 月 15 日）。
• 2024 年 8 月：字节跳动旗下火山引擎推出“区块链节点加速计划”，基于自研 VeBuilder 编译器，为 BSN 节点提供 Wasm JIT 编译服务（火山引擎公开活动报道）。
• 2024 年 10 月：欧盟 Horizon Europe 资助的 DeAI 项目 Fluence 发布其 Wasm JIT 运行时，宣称在去中心化推理中延迟降低 40%（Fluence 白皮书更新，2024 年 10 月）。
• 2025 年 1 月：中国信通院启动“区块链智能合约编译器基准测试”标准预研，涵盖 JIT 编译性能、安全性和国密兼容性（中国信通院 CAICT 公众号）。
• 2025 年 2 月：Ethereum 开发者社区讨论新 EIP 草案，提议在 L2 预编译合约中引入受控 JIT 模块，以支持 AI 推理加速，草案仍处早期讨论阶段（EthMagicians 论坛）。

最新事件表明，技术进展从单链优化扩展至多方生态合作，且标准化和监管关注度开始提升。

14. 跟踪指标

持续追踪链云 JIT 编译发展可观察以下量化与定性指标，数据来源建议结合链上浏览器、项目代码仓库和咨询机构报告。

• 链上合约 JIT 启用占比：Solana 网络 SBF 合约中使用 JIT 缓存的比例；Arbitrum One 上 Stylus 合约的调用次数占比。可通过 Dashboards 或 Dune Analytics 构建查询（需自定义）。
• 编译相关安全事件数：定期查阅 NIST NVD 或项目安全公告，统计 Wasm JIT/Cranelift/LLVM 的 CVE 数量，及其对链节点的影响评估。
• Dev 活动强度：GitHub 上 JIT 相关仓库（agave、stylus、cranelift、zkVM）的提交频率、Star 数与贡献者数量，可反映创新热度。
• 节点硬件升级周期：传统验证节点升级到支持 GPU JIT 的比例，可调查如 Bittensor 子网算力构成（CPU vs GPU），或各大云厂区块链节点 GPU 实例销售额（但数据通常不公开）。
• 政策标准进展：跟踪中国信通院、工信部发布的编译器/区块链测试标准；欧盟、美 SEC 对链上 AI 编译的相关指引。
• 文章/会议关键词频率：在 arXiv 或 Google Scholar 检索 “blockchain JIT compiler”“on-chain AI compilation”，论文数量增长意味着学术投入加大。
• 链云投资人资金流向：Crunchbase、Messari 等统计的链云编译器相关初创融资轮次与金额，可侧面验证商业潜力。

这些指标相互印证，可帮助判断 JIT 编译在链云领域的渗透速率和风险暴露。

15. 信源

本文所引用数据及信息出处汇总如下（按在文中首次出现顺序）：

1. Grand View Research，“AI Compiler Market Size…”，报告编号 GVR-4-68040-123-8，2024 年 1 月。
2. Solana 基金会博客，“Performance Improvements in Agave v1.18”，2024 年 3 月。
3. Solana Docs，“BPF JIT Compilation”，2024 年版。
4. Apache TVM 基准测试，ResNet-50 on ARM CPU，TVM 官网，2023。
5. Solana Explorer 网络统计，2024 年一季度均值。
6. Bytecode Alliance，Cranelift 性能数据，2023。
7. Jon Peddie Research，GPU 出货量及市占数据，2024 Q1。
8. MarketsandMarkets，“Blockchain Infrastructure Market Report”，2024 年 2 月。
9. Bittensor 浏览器，2024 年 4 月。
10. 蚂蚁链公开案例，2023 跨境贸易。
11. 中国支付清算协会，区块链风控性能优化案例，2024 年 1 月。
12. Fortune Business Insights，“Blockchain Service Market 2024”。
13. Token Terminal，Solana 网络费用收入 2023。
14. Arbiscan，Arbitrum One 月交易量统计，2024 Q1。
15. Crunchbase，Risc Zero A 轮融资，2023 年 7 月。
16. NVIDIA FY2023 年报。
17. 华为 2023 年报。
18. CoinGecko DeAI 分类，2024 年 2 月。
19. CoinMarketCap，TAO 价格及发放量，2023。
20. 赛迪顾问《中国区块链产业年度报告》2023。
21. NIST NVD，CVE-2023-26489。
22. Arbitrum DAO 论坛，2024 年 5 月。
23. Risc Zero 博客，2024 年 7 月。
24. Fluence 白皮书更新，2024 年 10 月。
25. 中国信通院公众号，2025 年 1 月。
26. EthMagicians 论坛，EIP 草案讨论，2025 年 2 月。

所有第三方数据准确性和时效性以原发布机构为准。由于链云 JIT 编译仍属新兴交叉领域，部分推断性观点结合多源信息形成，可能随技术演进需更新。本文不构成投资、技术选型或法律建议，使用者需独立核实并结合自身场景决策。