EigenCloud 信任模型。 EigenCloud 的愿景是让开发者选择他们想要的离链计算信任模型。 在云端和链上极端之间，有一系列选项，每个选项在可编程性上都有不同的权衡。

活性。 在任何这些场景中，我们需要活性保证。为了获得这一点，运行EigenCompute或EigenAI的节点需要在EigenLayer上进行质押，并向EigenDA写入数据。 如果节点离线，该节点将被削减，新的节点可以进行质押，从EigenDA下载数据并重新启动计算。因此，计算保持不间断。

ZK用于安全性。 ZK是最强大的安全机制，但需要编写证明者并支付证明者费用。证明者费用可能高达直接计算成本的100,000倍，因此在运行MMORPG游戏、Twitter推荐算法或最佳AI代理时仍然不可行。

加密经济安全。 要获得客观的加密经济安全，我们需要 a) 确定性重新执行，b) 链上数据可用性（DA）和 c) 链上欺诈证明。如果这些条件中的任何一个不满足，我们就无法获得完整的客观加密经济。 要从 EIGEN 质押中获得主观安全，我们需要 a) 确定性重新执行和 b) EigenDA 作为数据可用性（DA）。

TEE 安全性。 根据其信任模型，TEE 可以保证正确的程序执行，包括正确的数据导入和私钥存储。没有其他模式可以保证 a) 非确定性计算，b) 随时间变化的数据导入和 c) 私密计算的正确性。

主网Alpha发布原则。 我们在主网Alpha上推出了EigenCompute和EigenAI。Alpha发布的目标是为开发者提供对这些强大功能的早期许可访问，以便我们可以根据开发者的反馈优先考虑功能。在可编程性和可验证性之间的权衡中，我们从最可编程的版本开始，然后逐渐提高信任和可验证性的水平。这两个产品在开放无许可访问之前都需要经过彻底的审计。

EigenCompute 因为主要的用例之一是启动可验证的 AI 代理，而这些代理需要深度搜索等特性——这些特性是时间变化的，无法在除 TEE 之外的任何模式下处理，因此我们将以 TEE 模式启动 EigenCompute。EigenLayer 生态系统已经拥有非常强大的协处理器，具有确定性的可验证性，包括 Layer WAVS 和 Brevis（其中包括加密经济和 ZK 证明）。我们将很快将 EigenCompute 扩展到其他模式。

EigenAI 为了在最强大的开源模型上进行推理，我们需要能够在多个GPU上运行AI推理。EigenAI的第一个重大成果是一个新的堆栈，可以在多GPU执行中实现确定性重新执行，而不会降低推理速度。这种确定性需要固定的GPU类型（如H100）进行重新执行。我们注意到，在确定性CPU（如Cartesi VM或RiscV）上运行推理是可能的，但会导致巨大的减速，使得无法运行最先进的模型。因此，为了最大化可编程性，我们使用加密经济安全。虽然初始模型将需要主观验证，但可以编写链上欺诈证明，以创建完全确定性的重新执行模型。为了获得完全的链上安全性，我们注意到推理结果可能需要写入链上数据。

路线图 随着时间的推移，我们将填补EigenCompute和EigenAI之间可编程性和可验证性之间的整个图表，以便开发者可以在任何链下计算中获得完全的选择。EigenLayer拥有一个蓬勃发展的合作伙伴生态系统，他们正在构建这些不同的模式，我们将依赖这个生态系统在短时间内提供这些多种选择。