随着链上应用愈发复杂，用户不再满足于基础的资产转移和简单交互，复杂计算成为主流诉求。AI 的推理与模型调用固然是当前热点，但复杂计算远不止于 AI，还包括 ZK 证明、TEE 执行、链抽象等高负载操作。Ritual 相比于其他 Crypto x AI 项目，并不把自己局限为 AI 执行平台，而是试图将任意智能合约变成可以调用 AI、数据和任意重计算的可验证接口，并将这些接口组织成一个全球自激励的系统架构。不同于 Bittensor 强调 AI 模型市场、Sentient 追求社区化 AI 经济、elizaOS 打造链上智能体框架，Ritual 试图通过自身底层架构设计，构建一个适用于所有链上重计算的执行网络，且兼容 AI、ZK、TEE 等多样场景。它的目标不是替代这些协议，而是成为一个通用型计算基础层。Ritual 不仅提供 GPU、CPU 异构算力，还支持智能合约原生调用计算模型，构建更加灵活、可编排的异步执行流程，是通往下一代链上应用的一项底层创新。 为了突破传统区块链通用设计在执行层面上的局限，Ritual 提出了两个核心机制：Resonance 与 Symphony。Resonance 是一种供需匹配引擎，目标是为不同类型的计算任务提供公平透明的定价机制，并将交易任务分配给最合适的节点执行，避免因节点能力差异导致的交易失败。这种架构跳出了传统「所有节点重复执行」的模式，提升了整个系统的资源利用率。而 Symphony 则是为了减少高复杂度任务在区块内被全网重复验证的低效流程。通过将执行结果拆分成子证明，并交由特定模型类型的验证节点分组处理，Symphony 实现了并行验证和区块快速确认的组合策略，适用于 AI 推理、ZK 计算等高资源任务。在设计层面，Ritual 相比于基于 PoS 的 Sentient 更具扩展性与性能优势，同时通过细粒度定价机制避免模型调用的价格失衡。这种高度针对性的系统架构，使其在支持去中心化 AI 计算的同时，也为更广泛的链上重计算场景提供强支撑。 Ritual 的异构计算架构允许网络中存在专精不同任务的节点，如 GPU 优化节点负责 AI 推理，CPU 节点执行传统逻辑回归等。这种异构设计支撑了更高效的资源调度，也使得链上应用能够调用多种计算后端。EVM++ 提供了对多种执行环境的支持，包括定时任务调度、EIP 扩展和 Account Abstraction，在此基础上，Ritual 还支持四种不同类型的验证方法：ZKML（零知识 AI 验证）、OPML（乐观式验证）、PPML（概率式验证）和 TEE（可信执行环境）。这使开发者能根据计算模型特点与预算灵活选择验证方式，提升整体计算效率与确定性。在智能体（AI agent）构建方面，Ritual 提供原生执行、账户抽象、状态同步与冲突解决机制，允许多个 agent 进行协作，完成跨链交易、DeFi 策略管理等复杂任务。通过构建链上原生可验证 agent 架构，Ritual 提供了比传统 agent 框架更强的组合性与可靠性，是迈向链上复杂行为编排的重要基建之一。【原文为英文】\n原文链接