Just-in-Time 編譯

1. 3 秒看懂

Just-in-Time（JIT）編譯在“鏈 + 雲端”融合環境中，指在區塊鏈智慧合約或去中心化 AI 推論任務執行時，即時將中間程式碼（如位元組碼、計算圖）編譯為原生機器碼的技術。與提前編譯（AOT）不同，JIT 在執行時收集上下文資訊，可針對具體硬體和輸入動態最佳化，降低鏈上計算延遲、提升吞吐量。在“鏈雲端”架構下，JIT 常與雲端運算彈性算力結合，為 DeAI（去中心化 AI）、RWA 自動決策、鏈上資料分析等場景提供高效能執行層。核心價值：用編譯期智慧換取執行期效率，緩解鏈上環境計算受限、資源昂貴、異構硬體多的問題。

2. 3 分鐘產業解釋

傳統區塊鏈虛擬機器（如以太坊 EVM）以解釋執行為主，效能不足以支撐複雜 AI 推論。JIT 編譯被引入鏈雲端架構，充當“鏈上加速器”：當一筆交易觸發智慧合約中的 AI 模型呼叫時，JIT 編譯器將預先部署的中間表示（例如 MLIR 方言、WASM 位元組碼或專用 IR）快速轉換為適合當前節點硬體（x86、ARM、GPU）的機器碼，並在執行完成後快取最佳化結果，供後續呼叫複用。雲端端節點提供彈性 GPU/TPU 資源，鏈上僅保留驗證與狀態共識，實現“鏈下計算、鏈上驗證”或“鏈上輕量推論”。主流方案包括：基於 LLVM 的 Solana BPF JIT，使非 EVM 鏈支援高頻交易邏輯；以太坊生態中，Arbitrum Stylus 等 Layer 2 支援 WASM 且引入 JIT 編譯，允許開發者在 Rust/C 中編寫高效合約；專用 AI 鏈如 Bittensor 在節點側通過編譯最佳化加速模型評分。2023 年，AI 編譯器市場約 10 億美元（Grand View Research，2023），鏈雲端 JIT 作為細分方向尚無獨立份額口徑，但隨 DeAI 和智慧合約複雜化，其滲透速度加快。中國在聯盟鏈場景（BSN、螞蟻鏈）嘗試 JIT 加速機密計算與 AI 模型呼叫，但生態成熟度較公鏈仍有差距。

3. 技術原理

JIT 編譯在鏈雲端環境的技術棧可分為四層：前端解析、中間最佳化、後端程式碼生成、執行時適配與安全隔離。

動態編譯流程
合約程式碼或模型描述經前端編譯器（如 Solang、ink!）生成面向虛擬機器的位元組碼或平台無關 IR。當交易觸發呼叫時，JIT 引擎檢查該程式碼段是否已有快取機器碼，若無則進入編譯流水線：IR 經最佳化 pass（常量摺疊、死程式碼消除、迴圈展開、向量化）後，由後端（LLVM、Cranelift、單道 JIT）生成本地指令流，並注入到受控執行環境。JIT 的優勢在於可根據執行時資訊（比如迴圈次數、張量形狀）做特化最佳化，優於 AOT 的靜態分析。

AI 最佳化特化
針對神經網路推論，JIT 編譯器將運算元圖進行圖級與運算元級融合，例如將卷積 + 批歸一化 + 啟用合成為單一核心，消除記憶體往返。常用途徑包括：Apache TVM 的 Relay IR 與 AutoTVM 調優，可生成適應鏈雲端異構節點（CPU/GPU/FPGA）的 JIT 核心；PyTorch 2.0 的 TorchDynamo 捕獲計算圖後交給 Inductor 後端生成 Triton 核心，已在部分鏈下推論環節使用。鏈上部署時，編譯最佳化將模型裁剪、量化與運算元融合打包為 WASM 模組，由鏈雲端節點的 JIT 編譯器最終原生執行。

鏈雲端整合
鏈節點或 rollup 證明者（prover）在生成有效性證明（如 ZK-Rollup）時，計算密集型部分可通過 JIT 編譯加速。例如，Risc Zero 的 zkVM 將 guest 程式編譯為 RISC-V 指令，主機端以 JIT 方式生成執行引擎，提升證明生成速度。在 DeAI 網路中，任務分發器根據節點硬體能力，動態選擇最優編譯策略，節點收到任務後在沙箱內 JIT 執行並返回結果與證明。安全方面，JIT 編譯器必須受信任或置於飛地（如 Intel SGX），生成程式碼符合記憶體安全約束，防止合約逃逸。

關鍵挑戰
編譯延遲：首次呼叫可能增加數百毫秒開銷，需通過分層編譯與預熱快取緩解。安全隔離：JIT 產生的可執行記憶體必須由執行時管控，防止 JIT 噴塗攻擊。跨平台一致性：不同節點編譯產物不同，需配合可驗證計算證明，確保結果可復現。目前，LLVM JIT 與 Cranelift 在區塊鏈專案中受關注，2024 年 Solana 驗證節點引入可配置 JIT 後端，將非投票交易吞吐量提升約 15%（Solana 基金會部落格，2024 年 3 月；口徑為內部測試）。

4. 關鍵引數

評估鏈雲端 JIT 編譯效能和部署成熟度時，常關注以下指標：

• 編譯延遲（Compilation Latency）：從合約/模型呼叫到機器碼就緒的時間，通常需控制在 50 ms 以內避免影響交易打包。資料來源：Solana 文件顯示 BPF JIT 編譯平均延遲約 0.2 ms/kb，大型合約（>100KB）可能達 20-30 ms（Solana docs，2024）。
• 執行加速比（Speedup）：JIT 相比純解釋執行或 AOT 的執行時間比值。在 AI 推論場景，結合運算元融合和量化，加速比可達 2×-10×（TVM 官方基準測試，2023，基於 ResNet-50 在 ARM CPU 上）。鏈上場景，公開資料未見通用基準。
• 吞吐量（TPS 或 infer/sec）：單位時間內完成的智慧合約呼叫或推論請求數。Solana 主網在使用 JIT 編譯器（v1.17 升級後）非投票 TPS 約 3000-4000（explorer.solana.com，2024 年一季度平均），其中 JIT 貢獻部分佔比未單獨揭露。
• 快取命中率：已編譯程式碼被反覆利用的比例。高命中率可大幅攤薄編譯成本，通常 90%+ 為佳。具體鏈專案未揭露此項。
• 記憶體開銷：JIT 編譯器及生成機器碼佔用的額外 RAM。WASM JIT 引擎通常佔用 10-50 MB 額外記憶體（cranelift 資料，2023）。鏈節點對此敏感，限制合約大小等價於間接限制 JIT 記憶體。
• 支援硬體平台數：JIT 編譯器後端覆蓋的 ISA（x86-64、ARM64、RISC-V、GPU PTX 等）。覆蓋面越廣，鏈雲端異構排程越靈活。LLVM 支援 10+ 架構，Cranelift 當前主要支援 x64、ARM64（2024）。
• 安全認證：是否通過形式化驗證或安全審計。2024 年以太坊生態對 EVM JIT 提案（EIP-…）曾進行安全評估，但當前仍以解釋執行為主，JIT 方案多屬實驗性質。

以上引數中，鏈雲端 JIT 綜合性能資料多數來自專案方測試，缺乏第三方標準化基準，引用時須註明來源和測試條件。

5. 技術路線

當前鏈雲端 JIT 編譯存在三大主流技術路線，分別側重通用性、AI 專用和零知識證明加速。

路線一：基於 WASM 的通用 JIT
以 WebAssembly 為合約標準，利用 Cranelift、Wasmtime 等 JIT 引擎執行智慧合約。代表專案包括 Polkadot（pallet-contracts 使用 Wasmi 直譯器，已實驗 Cranelift JIT 增強）、NEAR Protocol（其 Runtime 將合約編譯為 Wasm，通過單道編譯器最佳化執行）、Arbitrum Stylus（2023 年上線，允許 Rust/C 編譯為 Wasm，在 Nitro 欺詐證明環境中執行，內部包含 JIT 編譯）。該路線優點：生態成熟，多語言支援，安全性研究充分；弱點：對 AI 張量運算無原生最佳化，需額外運算元庫。

路線二：AI 架構原生 JIT + 鏈下計算
使用 TVM、XLA、TorchInductor 等專用 AI 編譯器，在鏈下節點完成推論，將結果雜湊上鍊或通過預言機提交。在 DeAI 網路中（如 Bittensor、Numerai），模型執行在鏈下機器，JIT 編譯根據使用者請求動態生成最佳化核心，再結合 TEE 或 zkML 生成可驗證證明。該路線效能最優，但信任模型依賴驗證層，鏈上直接執行能力弱。

路線三：零知識虛擬機器的 JIT 加速
將計算編譯為 ZK 友好的中間表示，並利用 JIT 加速證明生成。Risc Zero zkVM 將使用者程式編譯為 RISC-V ELF，通過主機側 JIT 執行器快速獲得執行軌跡，再生成 STARK 證明。Polygon Miden 使用其 Miden VM 結合 JIT 編譯以改進交易證明速度。該路線與 AI 結合尚在早期，2024 年 EZKL 等專案嘗試將 ML 模型編譯為 zk 電路，JIT 最佳化電路生成時間，模型前向推論的證明時間有望降低至秒級（EZKL Github 討論，2024 年 2 月，尚未正式釋出基準）。

三大路線並非互斥，整合趨勢明顯：例如，鏈上 WASM 虛擬機器整合 WIT（WASM Interface Types）呼叫 AI 執行時，內部使用 TVM 等 JIT 編譯；或 zkVM 證明層整合 WASM 前端，實現通用計算加速。中國國內廠商更側重聯盟鏈場景，在 FISCO BCOS 等平台中嘗試 Wasm JIT 與國密演算法相容方案，但仍處於 PoC 階段，技術細節公開資料較少。

6. 上游

鏈雲端 JIT 編譯的上游包含編譯器基礎設施、硬體算力與區塊鏈協議層三個關鍵板塊。

編譯器工具鏈
LLVM 是最核心的底層設施，提供模組化 JIT 架構（ORC JIT），被 Solana、Risc Zero 等專案採用。2023 年 LLVM 17 引入對 WebAssembly 的更好支援，推動鏈上 Wasm JIT。Cranelift（Bytecode Alliance 維護）更輕量，專為 Wasm 設計，已集成於 Wasmtime 和 Firefox，被多家區塊鏈 L1/L2 考慮使用。MLIR 架構（Google發起）則支援建置領域專用編譯器，在 AI 與鏈的交叉部提供統一 IR。上游開源編譯器受 Apache/MIT 許可，社群活躍度高，不直接產生營收，但形成生態護城河。

硬體供應商
鏈雲端節點需部署 CPU、GPU 或專用加速器。NVIDIA 資料中心 GPU 在 AI 推論市場佔據主導（2023 年出貨量估算市佔超 80%，來源：Jon Peddie Research，2024 Q1 報告），其 CUDA 生態支援 JIT 編譯庫（TensorRT、cuDNN）。AMD 以 ROCm 生態追趕，但其在區塊鏈節點部署比例較低。英特爾通過 Xeon 處理器內建的 DL Boost 和 oneAPI 在邊緣鏈節點有滲透。在 RISC-V 領域，賽昉科技等公司推出面向區塊鏈節點的 IP 核，但 JIT 最佳化軟體棧尚不成熟。硬體端直接決定鏈雲端 JIT 的算力天花板，2023 年全球區塊鏈基礎設施硬體投入約 24 億美元（MarketsandMarkets，2024 年 1 月），其中與 JIT 強相關的 HPC 伺服器佔比未公開。

區塊鏈協議與中介軟體
協議層提供智慧合約執行規範、Gas 計量等，決定了 JIT 能否部署。以太坊 EVM 至今未原生引入 JIT，但 L2 和側鏈（如 Polygon zkEVM）開始嘗試。Solana 的 Sealevel 並行執行環境天然適合 JIT，其 eBPF (現已升級為 SBF) 編譯器是關鍵上游元件。跨鏈中介軟體如 LayerZero、Axelar 尚不與 JIT 直接相關，但其傳輸層若需 AI 決策，會間接受益。

中國在上述上游環節仍以應用和整合創新為主，核心編譯器及高階 GPU 自給率較低。2023 年華為昇騰系列 NPU 已在部分政務鏈試點部署，並整合自研 TBE（Tensor Boost Engine）編譯器，支援圖形 JIT 最佳化，但整體生態與 CUDA 仍有差距（華為官方社群，2023）。上游的自主可控是政策焦點，但商用規模資料公開資料未見。

7. 下游

鏈雲端 JIT 編譯的下游直接指向去中心化 AI 推論、鏈上智慧自動化、資料資產流通等場景，終端使用者涵蓋 DeFi 協議、企業級區塊鏈網路、物聯網裝置及個人開發者。

去中心化 AI 推論（DeAI）
使用者請求推論任務時，排程網路將模型與輸入分發給多個計算節點，節點用 JIT 編譯最佳化執行並返回結果與驗證證明，按請求次數或貢獻賺取賞金。代表專案 Bittensor 在 2024 年一季度日均推論請求約 2 萬次（Bittensor 瀏覽器，2024 年 4 月），雖然單一節點內部的 JIT 細節不公開，但多數礦工使用 TVM 或 ONNX Runtime 等編譯最佳化以提高收益。該模式有望在 AI 大型模型推論中降低中心化雲端廠商依賴，下游需求與 AI 應用增長強相關。

鏈上自動化與策略執行
DeFi 協議如 GMX、dYdX 使用鏈下 Keeper 執行清算、套利等任務，部分 Keeper 會結合輕量 ML 模型預測 Gas 或價格趨勢。引入 WASM JIT 後，更復雜的 AI 代理可直接部署為鏈上合約，即時執行策略。2023 年，0x 協議在 ArbOS 升級後通過 Stylus 探索鏈上自動化策略，但具體採用率未公佈。

供應鏈與 IoT 資料流
聯盟鏈中，JIT 編譯可加速物聯網裝置上傳資料的即時分析與異常檢測。例如，螞蟻鏈在 2023 年試點跨境貿易場景，鏈下 IoT 終端上傳資料，經 JIT 加速的 AI 模型自動判定貨物狀態並更新鏈上存證（螞蟻鏈公開案例，2023）。該領域對延遲敏感，JIT 編譯使邊緣節點可在不增加高算力硬體的情況下加速推論。

金融風控與合規
銀行間區塊鏈平台利用 JIT 編譯執行反欺詐模型，對交易進行即時黑名單匹配與行為評分。據公開資訊，2024 年某國有大行在貿易金融鏈上部署了基於 Wasm JIT 的輕量風控合約，單筆交易處理時間從 300ms 降至 50ms 內（中國支付清算協會公眾號，2024 年 1 月，未具名機構）。整體下游規模無直接統計數字，但可以作為“區塊鏈即服務”和 AI 推論的交叉市場來推算，2023 年全球區塊鏈服務市場約 172 億美元（Fortune Business Insights，2024），其中 AI 融合部分佔比較小。

消費者與開發者工具
類似 Replit、GitHub Codespaces 的雲端端開發環境已開始整合鏈雲端編譯服務，允許開發者編譯可部署的智慧合約並通過 JIT 在沙盒中除錯。此類工具使開發體驗更流暢，屬於間接下游。

下游對效能、成本的敏感度將決定 JIT 編譯投入的必要性。當前下游大多處於早期試用階段，大規模生產案例有限。

8. 受益公司

以下列出的公司或組織基於其公開產品版面配置與鏈雲端 JIT 技術關聯度劃分，不作為投資參考。

基礎設施提供方

• Solana Labs / Anza：維護 Solana 驗證客戶端 Agave，其中的 JIT 編譯器（基於 LLVM）是鏈效能的關鍵元件。2023 年 Solana 網路費用營收約 12M USD（Token Terminal，2023 年度），雖然費用不計入公司財報，但反映生態活躍度。
• Offchain Labs (Arbitrum)：通過 Stylus 支援多語言 WASM 合約，內生 JIT 編譯增益效能。Arbitrum One 2024 年一季度平均月交易量約 2,200 萬筆（Arbiscan，2024），若 Stylus 合約佔比提升，或增加 JIT 相關最佳化需求。
• Risc Zero / Polygon Miden：專注於 zkVM，JIT 是其證明生成加速器。2023 年 Risc Zero 完成 4,000 萬美元 A 輪融資（Crunchbase，2023 年 7 月），表明資本市場對 JIT+ZK 路線的認可。
• Dfinity (ICP)：其網際網路計算機使用 Wasm 執行容器，雖然官方未強調 JIT，但底層 Wasmtime 引擎內建 JIT 編譯，受益於編譯最佳化提升容器效能。

雲端與 AI 平台

• NVIDIA：間接受益，其 GPU 執行鏈雲端節點中的 JIT 編譯模型執行，推動資料中心 GPU 出貨。2023 財年資料中心營收 150 億美元，年增率增長 41%（NVIDIA FY2023 年報），但無法拆分鏈雲端貢獻。
• Google Cloud：通過 Blockchain Node Engine 和 AI 服務接取鏈工作負載，內部 XLA 編譯器可用於節點加速，但商業規模未單獨揭露。
• 阿里雲端 + 螞蟻鏈：螞蟻鏈上支援多種 WASM 虛擬機器，並在部分場景探索編譯最佳化，阿里雲端可提供彈性 GPU 節點。螞蟻集團 2023 年未單獨公佈相關營收。

中國關聯企業

• 華為：昇騰 NPU 與自研編譯器在政務鏈試點，涉及軟硬協同 JIT 最佳化，其 2023 年企業業務營收 1330 億元（華為 2023 年報，口徑為企業 BG 整體），無鏈雲端編譯子項資料。
• 百度：超級鏈（XuperChain）與 PaddlePaddle 結合，內建部分模型編譯最佳化。2023 年百度智慧雲端 AI 相關營收未單獨揭露，鏈雲端 JIT 貢獻有限。
• 騰訊雲端：TBaaS 提供區塊鏈雲端化部署，支援 FISCO BCOS 和長安鏈，其中長安鏈在 2023 年引入 Wasm 執行引擎，理論上可整合 JIT。具體財務貢獻公開資料未見。
• 萬向區塊鏈：與 PlatONE 聯盟鏈合作，曾研究 WASM 編譯器最佳化，但尚未產品化（萬向區塊鏈開放論壇，2023）。

注意：上述“受益”僅表示技術與業務版面配置高度相關，不意味股價表現或投資價值，嚴禁以此作為買賣依據。

9. 市場規模

要給出鏈雲端 JIT 編譯的精確市場規模極為困難，因其作為底層使能技術，不構成單獨市場。可從父集市場——AI 編譯器、區塊鏈計算基礎設施和去中心化 AI 服務——進行交叉推算，明確口徑和年份。

• AI 編譯器市場：2023 年全球約 10.2 億美元，預計 2030 年達到 36.6 億美元，CAGR 19.9%（Grand View Research，2024 年 1 月釋出，報告編號 GVR-4-68040-123-8）。該市場包含 TVM、XLA、GLOW 等，鏈雲端 JIT 在此中尚屬微小部分，按其應用場景假設佔比 1-3%，則 2023 年約為 0.1-0.3 億美元，但純屬估算，無權威機構分類。
• 區塊鏈基礎設施市場：2023 年 241 億美元（包括伺服器、儲存、網路及編譯器最佳化服務，MarketsandMarkets，2024 年 2 月）。其中軟體與工具鏈佔比約 35%，即 84 億美元，而 JIT 編譯器屬於智慧合約執行層軟體，但無法拆分出獨立規模。
• 去中心化 AI 市場：2023 年 DeAI 專案總流通市值一度超 200 億美元（CoinGecko 分類資料，2024 年 2 月高點），但市值不等於行業營收。實際網路營收（節點激勵與推論費）極小，Bittensor 2023 年全年發放 TAO 約 18.6 萬枚，按年末均價摺合約 0.5 億美元（CoinMarketCap，2023 年），屬於礦工營收，間接與 JIT 最佳化效益有關。
• 中國相關市場：工信部 2023 年《區塊鏈發展指導意見》未量化。賽迪顧問 2023 年《中國區塊鏈產業年度報告》指出中國區塊鏈軟體市場規模為 35.2 億元人民幣，其中智慧合約執行最佳化子項無揭露。

綜上，當前鏈雲端 JIT 編譯的獨立經濟規模極小，更多以成本項或技術支撐內嵌於區塊鏈平台與 AI 服務中。若以可定址的區塊鏈計算加速軟體市場估算（樂觀假設 5 年滲透率達到 15%），2030 年前後可能形成 3-5 億美元規模子市場，但此估算不確定性極高，僅供參考。所有引用的第三方報告請以最原始來源為準。

10. 玩家對比

為直觀呈現不同方案在鏈雲端 JIT 編譯上的定位，從執行環境、JIT 引擎、AI 特化程度、安全模型和可用性幾個維度對比主要生態玩家。概覽如下（資訊基於各專案公開文件至 2024 年 4 月）：

玩家/網路	執行環境	JIT 引擎	AI 特化	安全特性	2024 狀態
Solana (Agave)	SBF (BPF 衍生)	LLVM ORC JIT	無原生 AI 運算元	確定性執行、嚴格指令限制	主網執行，v1.18 繼續最佳化
Arbitrum (Stylus)	Wasm (arm64?)	Cranelift/Wasmtime	可呼叫 AI 庫但非內建	欺詐證明，L2 安全性繼承	主網於 2023.08 上線 Stylus
Polkadot (pallet-contracts)	Wasm	Cranelift（實驗）	無	共享安全，Polkadot 中繼鏈	未預設啟用 JIT
Bittensor	Python/Pytorch 等	TVM, TorchIndus.	原生 AI，高度特化	基於共識評分的去信任	主網執行，節點用自定義編譯器
Risc Zero zkVM	RISC-V (ELF)	基於 Rust 的 r0vm JIT	可執行 ML（ezkl），早期	STARK 證明，可驗證計算	主網與 Bonsai 服務
螞蟻鏈 (AntChain)	Wasm + 隱私計算	自研（未公開細節）	輕量 AI，結合國密	TEE 或軟體沙箱	聯盟鏈商用
華為鏈（政務）	ARM/x86 容器	昇騰 TBE JIT	支援深度學習推論	TEE 或 EAL 安全等級	試點部署，規模有限

詳細對比要點

• 效能-安全權衡：Solana 與 Arbitrum 的 JIT 均直接在主網執行真實交易，吞吐量大，但面臨確定性執行和編譯器 bug 的潛在共識分叉風險。2023 年 Solana 一次更新中因 JIT 編譯器版本差異導致某些節點宕機（Solana 狀態頁，2023 年 10 月），凸顯軟體質量控制挑戰。相比，Bittensor 與 Risc Zero 將 JIT 執行放在證明生成環節，鏈上僅驗證，降低了共識風險卻增加了驗證計算負擔。
• AI 友好度：Bittensor 和 zkML 方案對 AI 最佳化最深入，可融合各種張量編譯器；WASM 方案需強行嵌入推論庫，效率較低。但 Wasm 方案在通用計算和合約可組合性上佔優。
• 中國玩家：主打合規與聯盟鏈場景，JIT 最佳化偏重國密演算法、信創 CPU 適配，與公鏈生態不完全對標。公開效能指標極少，橫向對比困難。

綜合來看，目前還沒有在 AI 加速、安全性與去中心化三者間取得滿分平衡的鏈雲端 JIT 方案，主流玩家各佔細分賽道；未來可能的融合方向是“WASM+AI JIT+ZK 證明”的組合。

11. 風險

技術風險

• 編譯器一致性風險：JIT 在不同硬體、不同編譯器版本下可能產生不同的最佳化結果，導致節點間狀態根不一致，引發鏈分叉或無效證明。類似問題在以太坊往年升級中曾出現（EIP-2315 等）。若 JIT 引入浮點或 SIMD 指令，確定性更難保證。
• 安全攻擊面增大：JIT 引擎需要分配可寫可執行記憶體，增加了程式碼注入和 JIT Spraying 攻擊的風險。2023 年，某 WASM JIT 引擎 CVE 漏洞（CVE-2023-26489）允許通過特製 WASM 觸發越界寫（NIST NVD，2023），若鏈虛擬機器使用同一引擎，可能被利用提取節點金鑰或篡改合約狀態。
• Gas 計量不準確：JIT 最佳化後的機器碼長度與執行開銷難以靜態預判，可能導致 Gas 定價偏差，影響經濟安全。

產業與市場風險

• 過度炒作：2023-2024 年“鏈 + AI”概念吸引大量投資，許多專案宣稱使用 JIT 編譯提升效能，但實際交付多是簡單解析器，無實質最佳化。若泡沫破裂，可能導致行業信任下降。
• 寡頭依賴：底層編譯器棧（LLVM、CUDA）由少數機構控制，若上游變更許可協議或斷供，可能影響鏈雲端 JIT 生態。對於中國公司，CUDA 受限已促使自研編譯器，但成熟度低。
• 經濟模型不可持續：去中心化 AI 服務需要用 JIT 提升節點單位算力收益，若代幣激勵暴跌，節點退出，JIT 技術投入將得不到有效利用。

監管與合規
中國對區塊鏈和 AI 均實施許可制，JIT 編譯屬於使能技術，不直接受禁，但如果用於跨境公鏈或生成不合規內容，可能觸及監管紅線。歐盟 MiCA 和 AI Act 要求透明、可審計的 AI 決策，鏈雲端 JIT 的黑盒最佳化可能與“可解釋性”需求矛盾。美國方面，OFAC 對混幣合約的制裁也可能延伸至執行 JIT 編譯的特定智慧合約，帶來法律風險。

以上風險並非窮舉，所有涉及攻擊案例的資訊來自公開報告，並無內部資料。

12. 誤讀糾偏

誤讀 1：鏈雲端 JIT 就是給區塊鏈裝個 LLVM，立刻提速 10 倍。
事實：JIT 編譯需要預熱編譯過程，首次呼叫可能比解釋執行更慢。加速效果高度依賴程式碼特徵和硬體，不是萬能加速器。鏈環境還受共識和網路延遲瓶頸，JIT 只改善計算部分，對 I/O 密集型合約效果有限。

誤讀 2：智慧合約用 JIT 後，就和本地程式一樣高效。
事實：鏈上 JIT 仍在沙箱中執行，需遵守嚴格資源上限，且必須保證確定性。通常無法使用完全激進的編譯器最佳化（如自動向量化、執行緒級並行），效率仍遠低於無安全約束的原生程式。

誤讀 3：已經有很多鏈落地了 JIT 編譯器，是成熟產品。
事實：除 Solana 等少數公鏈外，多數專案的 JIT 仍在實驗或可選項階段，預設未開啟。以太坊主網至今無 JIT 編譯。部分專案將 JIT 限於證明生成或鏈下節點，鏈上部分仍用解釋執行。因此整體仍處“早期採用”階段，並非遍地開花。

誤讀 4：鏈雲端 JIT 可以代替 ZK 證明。
事實：JIT 加速計算執行，ZK 證明保證計算正確性，二者是互補關係。JIT 編譯旨在降低延遲和功耗，ZK 則提供可驗證性，避免信任節點。鏈雲端高效能方案通常會組合 JIT 與 ZK 生成，而非相互替代。

誤讀 5：國內鏈雲端 JIT 技術落後，純炒作。
事實：國內龍頭如螞蟻鏈、長安鏈在 WASM 執行引擎和國密適應上做了一定工作，且已有實際聯盟鏈業務驗證；華為在編譯器底層有積累。但與國際公鏈前沿（ZK+JIT 融合、AI 特化 JIT）相比，創新速度和開源生態確存差距。應客觀看待，既非全面落後也不是全面領先。

13. 最新事件（截至 2025 年）

以下事件選自 2024 年至 2025 年初，體現鏈雲端 JIT 編譯領域的技術更迭與產業動態：

• 2024 年 3 月：Solana 驗證客戶端 Agave v1.18 測試版本釋出，JIT 編譯器重構，初步實現按需編譯快取，減少啟動時全量編譯開銷（Solana Lab GitHub Release Notes）。
• 2024 年 5 月：Arbitrum 社群提案啟動 Stylus 多執行緒 JIT 最佳化基金會資助計劃，擬投入 500 萬 ARB 代幣（當時價值約 900 萬美元）吸引 Wasm 編譯器人才（Arbitrum DAO 論壇，2024 年 5 月 12 日）。
• 2024 年 7 月：Risc Zero 開源 zkVM 1.0，明確引入“JIT segment execution”模式，證明生成速度較上個版本提升 2-3 倍（官方部落格，2024 年 7 月 15 日）。
• 2024 年 8 月：字節跳動旗下火山引擎推出“區塊鏈節點加速計劃”，基於自研 VeBuilder 編譯器，為 BSN 節點提供 Wasm JIT 編譯服務（火山引擎公開活動報道）。
• 2024 年 10 月：歐盟 Horizon Europe 資助的 DeAI 專案 Fluence 釋出其 Wasm JIT 執行時，宣稱在去中心化推論中延遲降低 40%（Fluence 白皮書更新，2024 年 10 月）。
• 2025 年 1 月：中國信通院啟動“區塊鏈智慧合約編譯器基準測試”標準預研，涵蓋 JIT 編譯效能、安全性和國密相容性（中國信通院 CAICT 公眾號）。
• 2025 年 2 月：Ethereum 開發者社群討論新 EIP 草案，提議在 L2 預編譯合約中引入受控 JIT 模組，以支援 AI 推論加速，草案仍處早期討論階段（EthMagicians 論壇）。

最新事件表明，技術進展從單鏈最佳化擴充套件至多方生態合作，且標準化和監管關注度開始提升。

14. 追蹤指標

持續追蹤鏈雲端 JIT 編譯發展可觀察以下量化與定性指標，資料來源建議結合鏈上瀏覽器、專案程式碼倉庫和諮詢機構報告。

• 鏈上合約 JIT 啟用佔比：Solana 網路 SBF 合約中使用 JIT 快取的比例；Arbitrum One 上 Stylus 合約的呼叫次數佔比。可通過 Dashboards 或 Dune Analytics 建置查詢（需自定義）。
• 編譯相關安全事件數：定期查閱 NIST NVD 或專案安全公告，統計 Wasm JIT/Cranelift/LLVM 的 CVE 數量，及其對鏈節點的影響評估。
• Dev 活動強度：GitHub 上 JIT 相關倉庫（agave、stylus、cranelift、zkVM）的提交頻率、Star 數與貢獻者數量，可反映創新熱度。
• 節點硬體升級週期：傳統驗證節點升級到支援 GPU JIT 的比例，可調查如 Bittensor 子網算力構成（CPU vs GPU），或各大雲端廠區塊鏈節點 GPU 例項銷售額（但資料通常不公開）。
• 政策標準進展：追蹤中國信通院、工信部發布的編譯器/區塊鏈測試標準；歐盟、美 SEC 對鏈上 AI 編譯的相關展望。
• 文章/會議關鍵詞頻率：在 arXiv 或 Google Scholar 檢索 “blockchain JIT compiler”“on-chain AI compilation”，論文數量增長意味著學術投入加大。
• 鏈雲端投資人資金流向：Crunchbase、Messari 等統計的鏈雲端編譯器相關初創融資輪次與金額，可側面驗證商業潛力。

這些指標相互印證，可幫助判斷 JIT 編譯在鏈雲端領域的滲透速率和風險暴露。

15. 信源

本文所引用資料及資訊出處彙總如下（按在文中首次出現順序）：

1. Grand View Research，“AI Compiler Market Size…”，報告編號 GVR-4-68040-123-8，2024 年 1 月。
2. Solana 基金會部落格，“Performance Improvements in Agave v1.18”，2024 年 3 月。
3. Solana Docs，“BPF JIT Compilation”，2024 年版。
4. Apache TVM 基準測試，ResNet-50 on ARM CPU，TVM 官網，2023。
5. Solana Explorer 網路統計，2024 年一季度均值。
6. Bytecode Alliance，Cranelift 效能資料，2023。
7. Jon Peddie Research，GPU 出貨量及市佔資料，2024 Q1。
8. MarketsandMarkets，“Blockchain Infrastructure Market Report”，2024 年 2 月。
9. Bittensor 瀏覽器，2024 年 4 月。
10. 螞蟻鏈公開案例，2023 跨境貿易。
11. 中國支付清算協會，區塊鏈風控效能最佳化案例，2024 年 1 月。
12. Fortune Business Insights，“Blockchain Service Market 2024”。
13. Token Terminal，Solana 網路費用營收 2023。
14. Arbiscan，Arbitrum One 月交易量統計，2024 Q1。
15. Crunchbase，Risc Zero A 輪融資，2023 年 7 月。
16. NVIDIA FY2023 年報。
17. 華為 2023 年報。
18. CoinGecko DeAI 分類，2024 年 2 月。
19. CoinMarketCap，TAO 價格及發放量，2023。
20. 賽迪顧問《中國區塊鏈產業年度報告》2023。
21. NIST NVD，CVE-2023-26489。
22. Arbitrum DAO 論壇，2024 年 5 月。
23. Risc Zero 部落格，2024 年 7 月。
24. Fluence 白皮書更新，2024 年 10 月。
25. 中國信通院公眾號，2025 年 1 月。
26. EthMagicians 論壇，EIP 草案討論，2025 年 2 月。

所有第三方資料準確性和時效性以原發布機構為準。由於鏈雲端 JIT 編譯仍屬新興交叉領域，部分推斷性觀點結合多源資訊形成，可能隨技術演進需更新。本文不構成投資、技術選型或法律建議，使用者需獨立核實並結合自身場景決策。