Pearl(PRL)是一条基于 Proof-of-Useful-Work(PoUW)的 Layer 1 区块链,其核心设计是利用 GPU 执行 AI 工作负载中的矩阵乘法,并将经过验证的计算结果作为网络共识与 PRL 发行的重要基础。Pearl 希望把传统区块链挖矿所消耗的计算资源与 AI 推理、训练等现实计算需求连接起来,使 GPU 在参与区块链安全的同时,也能够承担具有实际用途的计算任务。
随着生成式 AI、Large Language Model(LLM)以及 AI Agent 快速发展,GPU 已经从传统的图形处理硬件变成重要的计算基础设施。大量 AI 工作负载都依赖矩阵乘法,而传统 PoW 网络则需要矿工不断执行哈希运算来竞争区块奖励。Pearl 的核心技术方向正是在两者之间建立连接:让原本用于 AI 的 GPU 计算同时成为区块链共识的一部分,从而尝试改变“计算用于安全但计算结果本身没有用途”的传统 PoW 模式。Pearl 官方将这种设计概括为“2-for-1”,即同一组 GPU 计算同时产生 AI 计算价值与区块链安全价值。
从区块链、AI 基础设施与数字资产三个角度来看,Pearl 的意义主要集中在 PoUW 共识、GPU 原生计算、去中心化 AI 算力以及 PRL 发行机制之间的结合。当前 Pearl 主网已经运行,网络提供区块浏览器、节点、钱包以及 GPU 挖矿基础设施,并围绕 AI 推理成本降低探索实际应用。2026 年 5 月,Together AI 与 Pearl Research Labs 宣布合作,并上线基于 Pearl PoUW 机制的 Gemma-4-31B-it-Pearl 推理端点,展示其将 AI 推理与网络计算经济结合的应用方向。
Pearl(PRL)是一条基于 Proof-of-Useful-Work(PoUW)的 Layer 1 区块链,通过 GPU 执行矩阵乘法等计算,将 AI 计算与区块链共识机制连接起来。
Proof-of-Useful-Work 的核心思路是让挖矿计算产生实际用途,Pearl 尝试将传统 PoW 中消耗的计算资源转化为 AI 推理与相关计算所需的 GPU 算力。
GPU 矿工是 Pearl 网络的重要参与者,矿工通过执行符合协议要求的计算任务并提交工作证明获得 PRL 奖励,网络则通过验证计算证明维护共识。
PRL 是 Pearl 的原生代币,主要用于区块奖励、网络手续费以及计算经济体系,是连接 GPU 资源、网络安全与链上经济活动的重要资产。
Pearl 的长期价值取决于 PoUW 的实际落地效果,包括 AI 计算是否能够被有效验证、GPU 算力是否保持足够的去中心化,以及真实 AI 计算需求能否与挖矿激励形成稳定的经济闭环。

从网络定位来看,Pearl 可以理解为一条将 AI 计算作为核心工作证明来源的 Layer 1 区块链。其基本结构仍然保留了 PoW 区块链的一些重要元素,包括区块、节点、交易、矿工、区块奖励、难度调整以及链上验证机制,但最核心的“Work”发生了变化。
Bitcoin 使用 SHA-256 哈希作为主要工作量证明,矿工需要不断计算哈希并寻找满足网络难度要求的结果。Pearl 则将工作重心转向矩阵乘法。矩阵乘法是深度学习模型中非常常见的底层运算,也是 GPU 加速 AI 推理与训练的重要基础。因此,Pearl 希望让 GPU 执行的计算不再只是为了生成一个随机哈希,而是与 AI 计算的基础操作建立联系。
这一设计使 Pearl 的网络可以被拆分成三个相互关联的部分:一是负责维护区块链状态与共识的节点;二是执行 GPU 计算并生成工作证明的矿工;三是提供或消费 AI 计算资源的计算参与者。理想情况下,GPU 资源越多,网络能够执行的有用计算越多,同时也能够形成更强的共识安全。
Proof-of-Useful-Work,简称 PoUW,可以理解为“有用工作量证明”。传统 PoW 的核心逻辑是证明矿工消耗了计算资源,但计算本身通常不会产生区块链之外的实际产出。例如 Bitcoin 挖矿中的大量哈希计算,其主要目的就是寻找符合条件的结果。
PoUW 的目标则是让用于获得共识权重的计算同时具有其他用途。Pearl 选择的切入点是 AI 中的矩阵乘法,因为神经网络推理和训练大量依赖这类计算。
例如,一个 AI 模型在进行推理时,需要执行大量矩阵乘法。如果 Pearl 能够在这些计算过程中嵌入可验证的工作证明,那么 GPU 不仅是在完成一次模型推理,也可以同时贡献区块链共识所需的 Work。Pearl 将这种模式称为“2-for-1”:同一部分 GPU 周期既用于 AI 计算,又能够产生区块链挖矿价值。
不过,“有用”并不意味着任何 AI 计算都可以直接成为区块链工作证明。区块链共识要求计算结果能够被其他节点快速验证,而且不能因为不同矿工选择不同模型、不同数据或不同任务而无法比较。因此,Pearl 的技术重点之一就是建立能够验证矩阵计算正确性的证明机制。
这也是 PoUW 相比传统 PoW 更复杂的地方:传统 PoW 只需要证明“计算确实发生过”,而 PoUW 还需要证明“指定的计算确实按照规则完成,并且结果没有被伪造”。
GPU 是 Pearl 架构中的核心硬件,因为现代 AI 模型的大量计算都集中在 GPU 擅长的并行矩阵运算上。
Pearl 的设计并不是简单地让 GPU 运行一个普通 AI 模型,再把输出结果直接提交到区块链。其核心在于对矩阵乘法计算过程进行特殊设计,使 GPU 可以产生适用于 PoUW 的计算证明。Pearl Research 的研究资料显示,其协议围绕 GPU 的 Matrix Multiplication 构建,并尝试让证明过程保持较低的额外开销。
从工作流程来看,可以简单理解为:
GPU 接收符合协议要求的矩阵计算任务;
GPU 执行大规模矩阵乘法;
计算过程产生可验证的证明材料;
矿工将工作证明与区块信息提交到网络;
网络节点验证证明;
符合条件的工作获得相应的共识权重与区块奖励。
这种架构的关键并不是让每个节点重新执行完整 AI 推理,而是寻找一种计算证明方法,使验证成本远低于重新执行全部计算。
Pearl 的研究资料提出,其相关证明方案可以将验证开销控制在接近线性的低额外成本范围,并围绕 GPU 原生矩阵乘法构建计算内核。与此同时,实际网络中的矿工软件、验证机制与 AI 推理之间是否始终保持理想的耦合程度,也是理解 Pearl 时需要关注的问题。
Pearl 的挖矿与传统 GPU 挖矿存在明显区别。矿工并不是单纯执行大量哈希,而是通过 GPU 执行 Pearl 协议规定的计算任务,并提交工作证明。
从网络参与方式来看,矿工需要运行 Pearl 节点及相应的 GPU Mining 软件,将自己的 GPU 算力连接到网络。当前 Pearl 开源代码库已经包含节点、GPU Mining、钱包以及相关工具,说明其网络基础设施已经形成相对完整的开源软件栈。
Pearl 的核心计算单位与矩阵乘法相关,因此 GPU 的计算能力、显存、内存带宽以及软件优化都会影响挖矿效率。与过去依赖专用 ASIC 的部分 PoW 网络不同,Pearl 从设计层面更加偏向 GPU 计算资源。
矿工获得的收益主要与区块奖励以及网络交易活动相关。实际收益还会受到 GPU 成本、电力价格、网络算力、PRL 市场价格以及矿池手续费等因素影响,因此“支持某款 GPU”并不等于该设备在任何市场条件下都具有经济优势。
目前市场上已经出现 Pearl 专用矿池,并提供 GPU 矿工接入、Share 提交和链上收益结算等功能。
PRL 是 Pearl 网络的原生代币,其核心作用与区块奖励、网络手续费以及计算经济体系相关。
Pearl 的一个重要设计是让 PRL 的发行与经过验证的 GPU 计算产生联系。换句话说,PRL 并不是单纯通过预先分配或传统权益质押方式进入市场,而是与 Pearl 网络中的 Work 机制关联。
Pearl 的经济模型希望形成一种循环:AI 计算需求增加 → GPU 计算资源进入网络 → Useful Work 增加 → 网络共识获得更多计算支持 → 矿工获得 PRL 激励 → 计算资源进一步进入网络。
一些公开研究资料将 PRL 的最大供应量描述为约 21 亿枚,并将区块时间目标设定在约 194 秒。不过,具体发行速度、区块奖励及长期供应变化应以当前协议参数和链上数据为准,而不能简单按照早期模型推算。
需要注意的是,PRL 的“计算支持”属性并不意味着其价格与 GPU 市场或 AI 需求之间存在固定的线性关系。代币价格还会受到市场流动性、矿工成本、网络使用率、交易需求和供给结构等因素影响,因此 AI 算力与 PRL 之间更适合被理解为协议设计上的经济连接,而不是确定性的价格关系。
PoUW 最大的问题之一,是如何同时满足“有用”和“可验证”。
如果计算任务过于复杂,普通节点验证一次计算可能需要消耗大量资源,那么网络共识效率会下降。如果验证过于简单,又可能出现矿工伪造计算结果、降低实际工作量的问题。
Pearl 围绕这一问题设计了专门的计算证明机制,使矿工执行矩阵乘法,同时生成能够被网络节点验证的证明。其研究资料将这一机制称为 cuPOW,并尝试解决“真实计算如何成为 Nakamoto Consensus 工作证明”的问题。
但这也是 Pearl 当前最值得关注的技术问题之一。2026 年一篇针对 Pearl cuPOW 的独立研究对网络实际执行情况提出质疑,认为在其测量范围内,公开挖矿软件的主要计算并不等同于完整 AI 推理,并指出“可验证的计算”和“真正具有市场用途的 AI 计算”之间存在差距。该研究还对当前挖矿经济性和验证机制进行了实验分析。
因此,理解 Pearl 时需要区分两个概念:第一,协议是否能够让 GPU 计算成为有效的 Work;第二,这些 Work 是否在实际网络运行中持续产生真实 AI 服务价值。前者属于共识与密码学问题,后者则涉及计算市场、矿工软件、客户需求以及网络经济模型。
Pearl 的技术架构可以大致划分为节点层、计算层、证明层和资产层。
节点层负责维护区块链状态、传播交易以及验证区块。Pearl 的开源仓库提供 pearld 等节点软件,并区分 Mainnet、Testnet 等不同网络环境。
计算层主要由 GPU 构成,用于执行矩阵乘法等核心计算。Pearl 还围绕 vLLM 等 AI 推理框架构建相关 Mining 基础设施,使计算过程能够与现有 AI 软件栈产生连接。
证明层负责将计算结果转换为网络可以验证的 Work Proof。其目的在于避免其他节点重新执行完整计算。
资产层则以 PRL 为核心,通过区块奖励和交易手续费等机制将计算资源、网络安全和数字资产连接起来。
截至 2026 年 9 月,Pearl 官方区块浏览器仍可以持续看到 Mainnet 的新区块与链上交易,说明网络已经从概念与测试阶段进入实际运行阶段。
Pearl 与 Bitcoin 都属于 PoW 思路下的区块链,但两者对“Work”的定义不同。
| 对比维度 | Bitcoin | Pearl |
|---|---|---|
| 共识机制 | Proof-of-Work | Proof-of-Useful-Work |
| 核心计算 | SHA-256 哈希 | GPU 矩阵计算 |
| 主要硬件 | ASIC 为主 | GPU 为核心 |
| 计算目的 | 产生可验证的随机性与安全成本 | 尝试让计算同时服务 AI 工作负载 |
| 原生资产 | BTC | PRL |
| 计算结果 | 主要用于共识 | 目标是同时产生计算与共识价值 |
| 核心设计理念 | 用能源建立数字稀缺性 | 将 AI 计算与网络安全结合 |
Bitcoin 的 PoW 经过多年运行验证,其核心优势是机制简单、验证成本低且安全模型相对成熟。Pearl 并不是简单替代 Bitcoin,而是在 PoW 的基础上进一步尝试回答一个问题:如果矿工必须消耗 GPU 算力,能否让这些算力同时完成 AI 产业需要的计算?
因此,Pearl 的创新重点不是“PoW 更快”或者“PoW 更便宜”,而是尝试改变 PoW 计算本身的经济用途。
如果 Pearl 要成为完整的去中心化 AI 计算网络,仅有矿工和区块奖励并不足够,还需要真实的计算需求。
在这一模型中,网络参与者可以分为三类。
第一类是 GPU Provider,即提供 GPU 算力的节点或矿工。他们通过运行 Pearl 软件贡献计算资源,并获得 PRL 激励。
第二类是 AI Compute Consumer,包括需要 AI 推理或训练能力的开发者、应用以及 AI 服务商。这部分参与者产生实际计算需求。
第三类是 网络节点与基础设施运营者,负责维护区块链状态、验证计算证明以及提供钱包、Explorer、Mining Pool 等基础设施。
如果三类角色能够形成稳定循环,Pearl 的网络经济就可能从单纯的“GPU 挖矿”逐渐转向“GPU 计算市场 + 区块链激励”。Together AI 与 Pearl Research Labs 的合作正属于这一方向的早期探索,其 Gemma-4-31B-it-Pearl 推理服务尝试利用 Pearl 的计算机制降低 AI 推理成本。
不过,真正的 AI 算力市场仍需要长期的客户需求、稳定的服务质量、可预测的计算价格以及足够的 GPU 供应才能成立。
Pearl 当前的基础设施主要围绕几个核心组件展开。
Wallet 是用户管理 PRL 的基础工具,用于接收、发送和管理网络资产。
Mining 是 Pearl 网络最具特色的参与方式之一。矿工使用 GPU 执行协议规定的计算任务,并通过节点或矿池提交工作证明。
Explorer 则用于查看区块、交易、地址和网络状态。目前 Pearl 已经拥有独立的 Mainnet Explorer,可以直接查询链上区块与交易。
Node 是网络运行的基础。Pearl 开源仓库提供完整的节点及相关工具,同时包含 GPU Mining、钱包和其他开发组件。
在交易基础设施方面,PRL 已经进入部分加密资产交易市场。例如 SafeTrade 在 2026 年 5 月宣布上线 PRL/USDT 交易对,并将 Pearl 描述为基于 GPU 与 AI 计算的 Proof-of-Useful-Work Layer 1。
这些组件共同构成 Pearl 从“协议”走向“网络”的基础设施层。
Pearl 的最大挑战并不只是技术能否运行,而是 PoUW 能否在长期实际环境中形成可持续的经济闭环。
AI 计算验证问题。真正的 AI 推理任务通常具有模型、输入数据和运行环境等多个变量,而区块链共识要求结果具有高度确定性和可验证性。因此,如何让任意 GPU 完成不同任务,同时让网络能够快速确认工作有效性,是 PoUW 的核心难题。
Useful Work 与 Mining Work 的关系。协议可以设计一种与矩阵乘法相关的计算证明,但这并不自动意味着每一次挖矿都等同于一次真实的 AI 推理服务。2026 年公开研究已经针对这一问题进行了实验,并指出实际网络中的“可验证工作”和“有用 AI 工作”之间可能存在差距。
GPU 门槛与网络集中化。虽然 GPU 相比 ASIC 更容易获得,但高端 AI GPU 仍然价格昂贵,而且涉及显存、电力、散热、网络连接以及运维成本。如果算力逐渐集中到大型 GPU 集群,去中心化程度可能受到影响。
代币经济模型。PRL 需要同时承担区块奖励、矿工激励以及网络价值捕获等角色。如果 PRL 市场价格低于 GPU 运营成本,矿工可能减少算力;如果奖励过高,又可能导致计算资源快速涌入并增加代币发行压力。因此,如何让计算需求、区块奖励和 PRL 经济形成长期平衡,是 Pearl 能否持续发展的重要变量。
AI 计算市场本身的竞争。Pearl 面对的不只是传统区块链项目,还包括云计算厂商、GPU 云平台以及去中心化 GPU 网络。AI 客户最终选择哪一种基础设施,通常取决于价格、延迟、模型支持、可靠性和数据隐私等多个因素。因此,PoUW 的技术创新需要进一步转化为可持续的实际计算需求。
Pearl(PRL)的核心概念可以概括为:将 AI 计算中的 GPU 工作转化为区块链共识的一部分,并尝试让同一份计算同时产生 AI 服务价值与区块链安全价值。
其核心技术是 Proof-of-Useful-Work,通过矩阵乘法这一 AI 与 GPU 计算中的基础操作构建工作证明机制。与传统 PoW 相比,Pearl 试图解决的问题并不是单纯降低挖矿能耗,而是让用于维护区块链安全的计算资源具有额外的实际用途。
从网络结构来看,Pearl 已经具备 Layer 1、GPU Mining、节点、Wallet 和 Explorer 等基础设施,并通过 AI 推理合作探索计算需求。与此同时,PoUW 的实际验证效率、Useful Work 的真实性、GPU 算力集中化以及 PRL 的长期经济模型,仍然是需要持续观察的问题。
因此,Pearl 更适合被理解为 AI Compute 与 Proof-of-Work 融合的一种基础设施实验。它真正值得关注的地方,不只是“用 GPU 挖一种新的代币”,而是能否让区块链共识、AI 算力和数字资产之间形成稳定、可验证且能够长期运行的经济关系。
Pearl(PRL)是一条采用 Proof-of-Useful-Work(PoUW)的 Layer 1 区块链,其核心设计是利用 GPU 执行矩阵乘法等 AI 相关计算,并将经过验证的计算作为网络 Work 的一部分。PRL 是 Pearl 网络的原生代币。
Proof-of-Useful-Work 是一种尝试让区块链挖矿计算同时产生实际用途的共识思路。传统 PoW 主要通过哈希计算证明矿工消耗了计算资源,而 PoUW 希望让这些计算本身服务于 AI、科学计算或其他现实需求。
Pearl 的核心计算与矩阵乘法有关,而矩阵乘法是 AI 模型推理和训练中的重要计算。因此,GPU 可以执行 Pearl 所需的核心 Work,同时也与现代 AI 计算基础设施保持较高的兼容性。
Bitcoin 使用 SHA-256 作为主要 PoW 计算,并以 ASIC 矿机为主要挖矿硬件;Pearl 则采用 Proof-of-Useful-Work,将矩阵计算与 GPU 结合,目标是让区块链挖矿计算同时服务 AI 计算。
PRL 是 Pearl 网络的原生资产,主要与区块奖励、交易手续费以及网络计算经济相关。矿工通过完成符合协议要求的 Work 获得相应奖励,网络参与者则使用 PRL 进行链上资产转移和相关经济活动。
不能简单等同。Pearl 的核心是 PoUW 区块链协议,而去中心化 AI 云计算还需要完整的任务调度、模型部署、服务质量、数据管理和客户结算体系。Pearl 正在探索将两者连接起来,但两者在概念和基础设施层面仍有所区别。
* 投资有风险,入市须谨慎。本文不作为 Gate 提供的投资理财建议或其他任何类型的建议。
* 在未提及 Gate 的情况下,复制、传播或抄袭本文将违反《版权法》,Gate 有权追究其法律责任。





