同样的计算能同时保护区块链和驱动AI模型吗？ Pearl 是一个基于有用工作量证明（Proof-of-Useful-Work）的区块链，旨在让矿工通过AI推理 进行计算并竞争区块奖励。目标是创造两种互补的收入来源：区块奖励帮助补贴推理成本，而客户支付则帮助覆盖挖矿的基础成本。 Pearl 使用矩阵乘法作为其挖矿原语，这也是AI推理中的核心操作。当矿工处理兼容的推理请求时，相同的计算既可以生成挖矿尝试，也可以产生客户需要的输出。 但矿工也可以仅仅通过执行任意的矩阵乘法来竞争区块奖励。协议会验证规定的计算是否正确完成，而不是验证这些矩阵是否来自真实的推理请求。 经济激励机制非常直接。执行真实推理的矿工可以通过相同的基础工作同时赚取客户费用和挖矿奖励，相较于仅进行虚拟计算的矿工，他们的经济效益可能会更高。 剩下的挑战是将这种激励转化为实际效用：网络总计算量中有多少实际上满足了外部需求，而不是仅仅为了赚取区块奖励而进行的计算？