「AI 原生」容易被写成功能清单：多几个 opcode、挂一张 GPU 网、再贴上 ZK。更有用的问法是：链上状态机到底要原生承担哪些 AI 相关职责，哪些必须留在链下，以及结算层吞吐为什么仍然是前置条件。本文按能力边界拆解，而不是按愿景堆形容词。
「原生」相对什么
常见的浅层集成是：合约通过预言机或中心化 API 拉一次模型结果，再把结果写进状态。延迟、信任假设与可组合性都落在预言机一侧；链本身对「用了哪个模型、输入是否被替换」几乎无约束。
更偏「原生」的路径通常至少包含三件事：
- 合约可表达的 AI 相关原语（扩展指令、预编译或标准接口），而不是每次都发明私有桥；
- 混合执行：轻量可验证步骤可走链上/近链路径，重训练与大推理走算力网络，结果以证明或挑战期回到结算层；
- 与结算层解耦清晰：并行 EVM 解决的是合约状态转换宽度，不是把千亿参数训练塞进区块执行。
堆栈总图见 《去中心化 AI 堆栈》；信任缺口清单见 《Web3 与 AI 融合》。
指令集或预编译扩展：兼容优先
若要在虚拟机层暴露张量或深度学习原语，合理约束是：
- 超集而非分叉：标准 EVM 字节码路径保持可用，现有 DeFi / NFT 合约不因「AI 链」而失效；扩展占用独立操作码或预编译地址空间。
- 映射到硬件加速：原语最终落到 SIMD / GPU 等，而不是在解释器里用纯软件慢速模拟「原生」。
- 工具链可验证：模型转换、量化（如 INT8/FP16）、SDK 与剖析工具要能复现同一结果；否则「原生」只对白皮书成立。
公开材料里常见「准确率小幅下降换数倍推理吞吐」一类工程经验，应标为特定模型与硬件下的观测，不是通用 SLA。EVM 兼容边界本身见 《EVM 兼容意味着什么》。
需要警惕的表述：暗示任意大模型可在全验证者集合上做完整前向传播并写入规范状态。那会把非确定性、硬件异构与带宽成本直接灌进共识安全假设。
混合执行：按复杂度分流
并非所有 AI 计算都适合上链。更稳妥的分流直觉是：
| 任务形态 | 更合理的路径 | 链上留下什么 |
|---|---|---|
| 小规模、可重复的约束检查 | 链上或预编译 | 状态变更本身 |
| 中等推理 / 微调切片 | 链下执行 + 轻量验收 | 任务哈希、验收结果、支付 |
| 大规模训练 | 算力网络 + 强验收（抽样/ZK/TEE） | 任务与证明承诺、分账 |
调度节点时可用信誉、质押与可验证随机（VRF）降低人为操纵；关键任务可引入多方独立执行与多数一致。这些是系统设计选项，落地强度取决于威胁模型，而不是功能开关的数量。
混合执行与 《分布式 GPU 与边缘算力》、《可信计算框架》 是同一问题的不同切面：前者谈任务生命周期，后者谈证明假设。
分布式算力网络：拼网，不拼神话
数据并行、模型并行、流水线并行是成熟的分布式训练词汇；拜占庭梯度过滤、检查点与故障迁移也是工程常识。把它们写进链叙事时，仍要守住边界：
- 网络互联与显存带宽限制不会因「上链」消失；
- 激励若只按在线时长发放，会滑向通胀挖矿，而不是可审计计算市场；
- 结算层（乐观并行 EVM）提供的是任务状态机与支付的吞吐与最终性预期，见 《并行 EVM 架构概览》 与 《Bitroot 定位》。
测试网或工程目标中的确认延迟、TPS，描述的是结算基板能力，不能直接翻译成「训练速度」。读指标方式见 《性能指标术语表》。
可信计算与确权：原生堆栈的另外两块
可验证完整性、机密性与多方联合计算，靠 ZK / TEE / MPC 组合，而不是靠再加一句话「企业级安全」。数据与模型收益若要可执行，需要链上元数据、许可与分账状态机，见 《AI 资产确权》。
交付顺序建议
更稳妥的顺序通常是：结算可预期 → 任务/支付与薄验收 → 按威胁模型上 TEE/ZK → 复杂确权与市集。测试披露应分开：链上结算基准（标冲突率）、算力完成时延（标硬件）、证明耗时（标电路/enclave）。混成一张「AI 链 TPS」海报会同时误导协议与应用方。热点负载见 《并行 EVM 工作负载热点》。
对迁移中的以太坊应用，AI 原生不应以牺牲工具链为默认代价。扩展预编译可以加速证明验证，但主路径仍应让 Hardhat/Foundry 与现有审计假设成立。否则「原生」会变成「重写」。兼容边界见 《EVM 兼容意味着什么》；乐观并行机制见 《乐观并行化机制》。
开发者工具链决定「原生」是否可交付
没有可复现的转换、量化、仿真与调试工具，指令扩展只会停留在规范草案。开发者需要：本地以确定性方式重放含扩展原语的交易；在测试网观察混合执行路由决策；以及在证明缺失时明确失败，而不是静默回退到中心化 API。工具链成熟度应与 opcode 列表一起披露。
同时，原生扩展不得破坏现有 Solidity 合约的字节码预期与审计假设。新增预编译的 gas 计价、错误码与升级治理，都要写进规范，否则「AI 原生」会变成硬分叉惊喜。兼容细节见 《EVM 兼容意味着什么》；结算层并行背景见 《乐观并行化机制》。
非确定性与规范状态的红线
AI 原生扩展若引入依赖硬件的非确定性浮点，规范状态会分叉。必须约定：哪些原语允许出现在共识关键路径，哪些只能在链下执行后以承诺上链；量化与舍入模式是否强制；以及节点缺少 GPU 时如何验证或跳过。没有这些约定，「原生」会变成隐式信任高性能节点。
测试网应专门覆盖：无加速器节点的验证路径、扩展交易的确定性重放、以及混合执行错误路由时的失败可见性。工程目标中的吞吐数字，应标明是否包含扩展原语负载，避免与纯转账基准混用。指标见 《性能指标术语表》。
「AI 原生」若可交付，应表现为规范、工具链与混合执行路由均可独立复现；若不可交付，应诚实降级为预编译实验与算力市场接口。两者都有价值，但不应共用同一套绝对化措辞。
阶段性交付比一次定义更重要
可先交付：预编译实验、任务结算合约、以及带抽查的推理市场；再迭代指令集覆盖面与更强证明。把「完整 AI 指令集 + 全球训练网 + 万能确权」绑成同一里程碑，会让每一项都无法单独验收。分阶段并公布每阶段的威胁模型与性能条件，才是工程上的 AI 原生路径。
小结
AI 原生区块链若可核对，应表现为：扩展原语在兼容约束下可复现、混合执行按成本分流、算力网络有验收、结算层对 Agent 与任务状态机足够快且可预期。四者缺一，「原生」就会退回预言机拼装。本文不构成投资建议；任何吞吐与延迟数字均应视为测试或工程目标，直至主网对抗条件下可独立复现。