He mencionado antes en varios artículos que el Agente de IA será la "redención" de muchas narrativas antiguas en la industria Crypto. En la última ola de evolución narrativa en torno a la autonomía de la IA, el TEE fue elevado a la cima, sin embargo, hay un concepto técnico incluso más "poco conocido" que el TEE e incluso el ZKP: el FHE——encriptación completamente homomórfica, que también obtendrá "renacimiento" gracias al impulso de la pista de IA. A continuación, a través de ejemplos, les explicaré la lógica:
FHE es una técnica criptográfica que permite realizar cálculos directamente sobre datos encriptados, considerada como el "Santo Grial". En comparación con narrativas de tecnologías populares como ZKP y TEE, se encuentra en una posición relativamente poco conocida, y su núcleo se ve principalmente obstaculizado por el costo y los casos de uso.
Mind Network se centra precisamente en la infraestructura de FHE y ha lanzado la cadena FHE centrada en AI Agent: MindChain. A pesar de haber recaudado más de diez millones de dólares y haber pasado varios años en el desarrollo técnico, su atención en el mercado sigue siendo subestimada debido a las limitaciones de FHE.
Sin embargo, recientemente Mind Network ha lanzado varias buenas noticias en torno a los escenarios de aplicación de IA, como la integración de su SDK FHE Rust, desarrollado, en el modelo grande de código abierto DeepSeek, convirtiéndose en un eslabón clave en los escenarios de entrenamiento de IA, proporcionando una base segura para la realización de IA confiable. ¿Por qué el FHE puede tener un desempeño en el cálculo de privacidad de IA, y puede lograr un avance o redención a través de la narrativa del agente de IA?
En términos simples: la encriptación completamente homomórfica (FHE) es una técnica criptográfica que puede aplicarse directamente sobre la arquitectura actual de cadenas de bloques públicas, permitiendo realizar cálculos arbitrarios como suma y multiplicación sobre datos encriptados sin necesidad de desencriptar los datos previamente.
En otras palabras, la aplicación de la tecnología FHE puede hacer que todo el proceso de encriptación de datos desde la entrada hasta la salida, e incluso los nodos que mantienen el consenso de la cadena pública para la verificación no puedan acceder a la información de texto plano, por lo que FHE puede proporcionar una garantía técnica subyacente para el entrenamiento de algunos LLM de IA en escenarios de subdivisión vertical como la atención médica y las finanzas.
Permitir que el FHE se convierta en una solución "preferida" para el entrenamiento de modelos de IA tradicionales en escenarios verticales ricos y combinados con arquitecturas distribuidas de blockchain. Ya sea para la colaboración de datos médicos entre instituciones o para la inferencia de privacidad en escenarios de transacciones financieras, el FHE puede convertirse en una opción complementaria gracias a sus características únicas.
Esto en realidad no es abstracto, se entiende con un ejemplo simple: por ejemplo, AI Agent como una aplicación orientada al consumidor, su backend generalmente se conecta a diferentes proveedores que ofrecen grandes modelos de IA, como DeepSeek, Claude, OpenAI, etc. Pero, ¿cómo asegurarse de que en algunos escenarios de aplicación financiera altamente sensibles, el proceso de ejecución del AI Agent no se vea afectado por un backend de grandes modelos que cambia repentinamente las reglas? Esto requiere sin duda encriptación de los Prompt de entrada, de modo que cuando los proveedores de LLMs procesen directamente el texto cifrado, no haya interferencias forzadas que afecten la imparcialidad.
¿Y qué pasa con el concepto de "IA confiable"? La IA confiable es una visión de IA descentralizada basada en FHE que Mind Network intenta construir, que incluye permitir que múltiples partes realicen un entrenamiento y razonamiento de modelos de manera eficiente a través de potencia de cálculo distribuido GPU, sin necesidad de depender de un servidor central, proporcionando a los Agentes de IA validación de consenso basada en FHE, entre otros. Este diseño elimina las limitaciones de la IA centralizada original, proporcionando una doble garantía de privacidad + autonomía para el funcionamiento de los Agentes de IA de web3 en una arquitectura distribuida.
Esto se ajusta más a la dirección narrativa de la arquitectura de cadena de bloques distribuida de Mind Network. Por ejemplo, en el proceso de transacciones en la cadena especial, el Cifrado homomórfico puede proteger la privacidad de los datos de Oracle de las partes durante el proceso de inferencia y ejecución, permitiendo que el agente de IA tome decisiones de trading de manera autónoma sin exponer posiciones o estrategias, etc.
Entonces, ¿por qué se dice que la FHE tendrá una trayectoria de penetración en la industria similar a la de la TEE y que la explosión de los escenarios de aplicación de IA traerá oportunidades directas?
Anteriormente, TEE pudo aprovechar la oportunidad de AI Agent, gracias al entorno de hardware TEE, que puede realizar la custodia de datos en un estado privado y luego permitir que AI Agent aloje claves privadas de forma independiente, de modo que AI Agent pueda lograr una narrativa moderna de gestión autónoma de activos. Sin embargo, existe una falla en la custodia TEE de las claves privadas: la confianza depende de proveedores de hardware de terceros (como Intel). Para que los TEE funcionen, se necesita una arquitectura de cadena distribuida para adjuntar un conjunto adicional de restricciones de "consenso" abiertas y transparentes al entorno de los TEE. Por el contrario, las PHE pueden basarse en una arquitectura de cadena descentralizada sin depender de un tercero.
FHE y TEE tienen una posición ecológica similar. Aunque TEE aún no se ha aplicado ampliamente en el ecosistema web3, ya es una tecnología muy madura en el ámbito web2. En comparación, FHE también encontrará su valor en esta explosión de tendencias de IA tanto en web2 como en web3.
Eso es todo.
En resumen, se puede ver que la encriptación completamente homomórfica (FHE) es una tecnología de encriptación de nivel de santo grial, que sin duda se convertirá en uno de los pilares de la seguridad, dado que la IA se convierte en un requisito para el futuro, y su adopción generalizada es muy probable.
Por supuesto, a pesar de esto, no se puede evitar el problema del costo de los gastos en la implementación del FHE en los algoritmos. Si se puede aplicar en el escenario de IA de web2 y luego vincularlo al escenario de IA de web3, sin duda liberará de manera inesperada el "efecto de escalado" y diluirá el costo general, permitiendo su aplicación más generalizada.
El contenido es solo de referencia, no una solicitud u oferta. No se proporciona asesoramiento fiscal, legal ni de inversión. Consulte el Descargo de responsabilidad para obtener más información sobre los riesgos.
De "Santo Grial" a piedra angular: ¿cómo FHE está remodelando el ecosistema de computación privada en Web3?
He mencionado antes en varios artículos que el Agente de IA será la "redención" de muchas narrativas antiguas en la industria Crypto. En la última ola de evolución narrativa en torno a la autonomía de la IA, el TEE fue elevado a la cima, sin embargo, hay un concepto técnico incluso más "poco conocido" que el TEE e incluso el ZKP: el FHE——encriptación completamente homomórfica, que también obtendrá "renacimiento" gracias al impulso de la pista de IA. A continuación, a través de ejemplos, les explicaré la lógica:
FHE es una técnica criptográfica que permite realizar cálculos directamente sobre datos encriptados, considerada como el "Santo Grial". En comparación con narrativas de tecnologías populares como ZKP y TEE, se encuentra en una posición relativamente poco conocida, y su núcleo se ve principalmente obstaculizado por el costo y los casos de uso.
Mind Network se centra precisamente en la infraestructura de FHE y ha lanzado la cadena FHE centrada en AI Agent: MindChain. A pesar de haber recaudado más de diez millones de dólares y haber pasado varios años en el desarrollo técnico, su atención en el mercado sigue siendo subestimada debido a las limitaciones de FHE.
Sin embargo, recientemente Mind Network ha lanzado varias buenas noticias en torno a los escenarios de aplicación de IA, como la integración de su SDK FHE Rust, desarrollado, en el modelo grande de código abierto DeepSeek, convirtiéndose en un eslabón clave en los escenarios de entrenamiento de IA, proporcionando una base segura para la realización de IA confiable. ¿Por qué el FHE puede tener un desempeño en el cálculo de privacidad de IA, y puede lograr un avance o redención a través de la narrativa del agente de IA?
En términos simples: la encriptación completamente homomórfica (FHE) es una técnica criptográfica que puede aplicarse directamente sobre la arquitectura actual de cadenas de bloques públicas, permitiendo realizar cálculos arbitrarios como suma y multiplicación sobre datos encriptados sin necesidad de desencriptar los datos previamente.
En otras palabras, la aplicación de la tecnología FHE puede hacer que todo el proceso de encriptación de datos desde la entrada hasta la salida, e incluso los nodos que mantienen el consenso de la cadena pública para la verificación no puedan acceder a la información de texto plano, por lo que FHE puede proporcionar una garantía técnica subyacente para el entrenamiento de algunos LLM de IA en escenarios de subdivisión vertical como la atención médica y las finanzas.
Permitir que el FHE se convierta en una solución "preferida" para el entrenamiento de modelos de IA tradicionales en escenarios verticales ricos y combinados con arquitecturas distribuidas de blockchain. Ya sea para la colaboración de datos médicos entre instituciones o para la inferencia de privacidad en escenarios de transacciones financieras, el FHE puede convertirse en una opción complementaria gracias a sus características únicas.
Esto en realidad no es abstracto, se entiende con un ejemplo simple: por ejemplo, AI Agent como una aplicación orientada al consumidor, su backend generalmente se conecta a diferentes proveedores que ofrecen grandes modelos de IA, como DeepSeek, Claude, OpenAI, etc. Pero, ¿cómo asegurarse de que en algunos escenarios de aplicación financiera altamente sensibles, el proceso de ejecución del AI Agent no se vea afectado por un backend de grandes modelos que cambia repentinamente las reglas? Esto requiere sin duda encriptación de los Prompt de entrada, de modo que cuando los proveedores de LLMs procesen directamente el texto cifrado, no haya interferencias forzadas que afecten la imparcialidad.
¿Y qué pasa con el concepto de "IA confiable"? La IA confiable es una visión de IA descentralizada basada en FHE que Mind Network intenta construir, que incluye permitir que múltiples partes realicen un entrenamiento y razonamiento de modelos de manera eficiente a través de potencia de cálculo distribuido GPU, sin necesidad de depender de un servidor central, proporcionando a los Agentes de IA validación de consenso basada en FHE, entre otros. Este diseño elimina las limitaciones de la IA centralizada original, proporcionando una doble garantía de privacidad + autonomía para el funcionamiento de los Agentes de IA de web3 en una arquitectura distribuida.
Esto se ajusta más a la dirección narrativa de la arquitectura de cadena de bloques distribuida de Mind Network. Por ejemplo, en el proceso de transacciones en la cadena especial, el Cifrado homomórfico puede proteger la privacidad de los datos de Oracle de las partes durante el proceso de inferencia y ejecución, permitiendo que el agente de IA tome decisiones de trading de manera autónoma sin exponer posiciones o estrategias, etc.
Entonces, ¿por qué se dice que la FHE tendrá una trayectoria de penetración en la industria similar a la de la TEE y que la explosión de los escenarios de aplicación de IA traerá oportunidades directas?
Anteriormente, TEE pudo aprovechar la oportunidad de AI Agent, gracias al entorno de hardware TEE, que puede realizar la custodia de datos en un estado privado y luego permitir que AI Agent aloje claves privadas de forma independiente, de modo que AI Agent pueda lograr una narrativa moderna de gestión autónoma de activos. Sin embargo, existe una falla en la custodia TEE de las claves privadas: la confianza depende de proveedores de hardware de terceros (como Intel). Para que los TEE funcionen, se necesita una arquitectura de cadena distribuida para adjuntar un conjunto adicional de restricciones de "consenso" abiertas y transparentes al entorno de los TEE. Por el contrario, las PHE pueden basarse en una arquitectura de cadena descentralizada sin depender de un tercero.
FHE y TEE tienen una posición ecológica similar. Aunque TEE aún no se ha aplicado ampliamente en el ecosistema web3, ya es una tecnología muy madura en el ámbito web2. En comparación, FHE también encontrará su valor en esta explosión de tendencias de IA tanto en web2 como en web3.
Eso es todo.
En resumen, se puede ver que la encriptación completamente homomórfica (FHE) es una tecnología de encriptación de nivel de santo grial, que sin duda se convertirá en uno de los pilares de la seguridad, dado que la IA se convierte en un requisito para el futuro, y su adopción generalizada es muy probable.
Por supuesto, a pesar de esto, no se puede evitar el problema del costo de los gastos en la implementación del FHE en los algoritmos. Si se puede aplicar en el escenario de IA de web2 y luego vincularlo al escenario de IA de web3, sin duda liberará de manera inesperada el "efecto de escalado" y diluirá el costo general, permitiendo su aplicación más generalizada.