私は以前、いくつかの記事でAIエージェントが多くのCrypto業界の古い物語の「救済」であると述べました。前回のAIの自主化に関する物語の進化の中で、TEEは一時的に注目を集めましたが、TEEやZKPよりも「マイナー」な技術概念であるFHE——完全同型暗号化も、AIトラックの影響で「再生」を果たすでしょう。以下に、ケーススタディを通じて論理を整理します。
FHEは、暗号化データ上で直接計算を可能にする暗号技術であり、「聖杯」と見なされています。ZKPやTEEなどの人気技術と比較して、相対的にあまり注目されていない位置にあり、その核心は主にコストや適用シーンなどによって制約を受けています。
そしてMind NetworkはFHEのインフラに特化しており、AIエージェントに特化したFHEチェーンであるMindChainを立ち上げました。1,000万ドル以上の資金調達を行い、数年にわたる技術開発を経ているにもかかわらず、FHE自体の制約により、市場の関心は依然として過小評価されています。
しかし、最近Mind NetworkはAIの応用シナリオに関する好材料を多数発表しました。例えば、彼らが開発したFHE Rust SDKがオープンソースの大規模モデルDeepSeekに統合され、AIトレーニングシナリオにおける重要な要素となり、信頼できるAIの実現に安全な基盤を提供しています。なぜFHEがAIのプライバシー計算で効果を発揮できるのでしょうか？AIエージェントの物語を利用して、一度のカーブを超えることができるのでしょうか、それとも救済となるのでしょうか？
簡単に言えば：FHE完全同型暗号化は、現在のパブリックチェーンアーキテクチャ上で直接作用することができる暗号学技術であり、データを事前に復号化することなく、暗号化されたデータ上で加算や乗算などの任意の計算を直接行うことを許可します。
言い換えれば、FHE技術の適用により、データは入力から出力までの全過程で暗号化されることが可能となり、パブリックチェーンのコンセンサスを維持して検証するノードでさえも平文情報にアクセスできなくなります。このため、FHEは医療や金融などの垂直分野において、一部のAI LLMのトレーニングに技術的な基盤を提供することができます。
FHEが従来のAI大規模モデルのトレーニングを豊富に拡張する垂直シーンやブロックチェーンの分散アーキテクチャと組み合わせた「最適」なソリューションとなることを可能にします。医療データのクロス機関協力や金融取引シーンのプライバシー推論においても、FHEはその独自性により補完的な選択肢となることができます。
これは実際には抽象的ではなく、簡単な例で理解できます。例えば、AIエージェントはC向けのアプリケーションとして、バックエンドでは通常、DeepSeek、Claude、OpenAIなどの異なるプロバイダーが提供するAI大モデルを接続します。しかし、特に高感度な金融アプリケーションシナリオにおいて、AIエージェントの実行プロセスが突然ルールを改ざんする大モデルのバックエンドに影響されないようにするにはどうすればよいでしょうか？これは、入力のプロンプトを暗号化する必要があることを意味します。LLMsサービスプロバイダーが直接暗号文に対して計算処理を行う場合、強制的な干渉による公正性への影響は存在しません。
では、もう一つの「信頼できるAI」という概念はどういうことなのでしょうか？信頼できるAIは、Mind Networkが構築しようとしている完全同型暗号化（FHE）去中心化AIのビジョンであり、分散型の計算能力GPUを通じて複数の当事者が効率的なモデルのトレーニングと推論を実現できるようにし、中央サーバーに依存する必要がありません。AIエージェントに基づく完全同型暗号化によるコンセンサス検証などを提供します。この設計は、従来の中心化AIの制限を排除し、Web3 AIエージェントが分散型アーキテクチャの下で運用されるためのプライバシーと自主性の二重の保障を提供します。
これはMind Network自身の分散型ブロックチェーンアーキテクチャの物語の方向性にさらに合致しています。例えば、特定のチェーン上の取引プロセスにおいて、FHEは各種Oracleデータのプライバシー推論と実行プロセスを保護し、AIエージェントがポジションや戦略を公開することなく取引の自主的な意思決定を実現できるようにします。
では、なぜFHEがTEEと同様の業界浸透経路を持ち、AIアプリケーションのシナリオの爆発によって直接的な機会をもたらすと言われているのですか？
TEEはAIエージェントの機会を捉えることができたのは、TEEハードウェア環境がプライバシー状態でデータをホスティングできるためであり、その結果、AIエージェントが自律的に秘密鍵をホスティングできるようになり、AIエージェントが資産を自律的に管理する新しい物語を実現することができました。しかし、TEEによる秘密鍵の管理には実際に大きな欠陥があります。それは、信頼が第三者のハードウェアプロバイダー（例えば、インテル）に依存しなければならないということです。TEEを機能させるためには、TEEs環境に追加の公開かつ透明な「コンセンサス」制約を付加する分散型チェーンアーキテクチャが必要です。それに対して、PHEは完全に分散型チェーンアーキテクチャに基づいて存在でき、第三者に依存する必要はありません。
FHEとTEEは類似のエコロジカルニッチの状況にあり、TEEはweb3エコシステム内での応用はまだ広がっていないが、web2領域ではすでに非常に成熟した技術である。それに対して、FHEもこのAIトレンドの爆発下で、web2とweb3の両方で存在価値を見出すことになるだろう。
上。
以上から、FHEという暗号化の聖杯級の暗号化技術は、AIが未来の前提となる中で、必ずや安全の基石の一つとなり、さらなる広範な採用の可能性があることが分かります。
もちろん、そうは言っても、アルゴリズムの実装におけるFHEのコスト問題を回避することはできません。もしそれがweb2 AIシーンで適用でき、さらにweb3 AIシーンと連携すれば、予期しない「スケール効果」をもたらし、全体のコストを薄めることができ、より普及した応用が可能になるでしょう。
205766 投稿
149060 投稿
129695 投稿
77154 投稿
64578 投稿
59466 投稿
58754 投稿
54306 投稿
51567 投稿
50304 投稿
「聖杯」から基石へ：FHEはどのようにWeb3プライバシー計算エコシステムを再構築するのか？
私は以前、いくつかの記事でAIエージェントが多くのCrypto業界の古い物語の「救済」であると述べました。前回のAIの自主化に関する物語の進化の中で、TEEは一時的に注目を集めましたが、TEEやZKPよりも「マイナー」な技術概念であるFHE——完全同型暗号化も、AIトラックの影響で「再生」を果たすでしょう。以下に、ケーススタディを通じて論理を整理します。
FHEは、暗号化データ上で直接計算を可能にする暗号技術であり、「聖杯」と見なされています。ZKPやTEEなどの人気技術と比較して、相対的にあまり注目されていない位置にあり、その核心は主にコストや適用シーンなどによって制約を受けています。
そしてMind NetworkはFHEのインフラに特化しており、AIエージェントに特化したFHEチェーンであるMindChainを立ち上げました。1,000万ドル以上の資金調達を行い、数年にわたる技術開発を経ているにもかかわらず、FHE自体の制約により、市場の関心は依然として過小評価されています。
しかし、最近Mind NetworkはAIの応用シナリオに関する好材料を多数発表しました。例えば、彼らが開発したFHE Rust SDKがオープンソースの大規模モデルDeepSeekに統合され、AIトレーニングシナリオにおける重要な要素となり、信頼できるAIの実現に安全な基盤を提供しています。なぜFHEがAIのプライバシー計算で効果を発揮できるのでしょうか？AIエージェントの物語を利用して、一度のカーブを超えることができるのでしょうか、それとも救済となるのでしょうか？
簡単に言えば：FHE完全同型暗号化は、現在のパブリックチェーンアーキテクチャ上で直接作用することができる暗号学技術であり、データを事前に復号化することなく、暗号化されたデータ上で加算や乗算などの任意の計算を直接行うことを許可します。
言い換えれば、FHE技術の適用により、データは入力から出力までの全過程で暗号化されることが可能となり、パブリックチェーンのコンセンサスを維持して検証するノードでさえも平文情報にアクセスできなくなります。このため、FHEは医療や金融などの垂直分野において、一部のAI LLMのトレーニングに技術的な基盤を提供することができます。
FHEが従来のAI大規模モデルのトレーニングを豊富に拡張する垂直シーンやブロックチェーンの分散アーキテクチャと組み合わせた「最適」なソリューションとなることを可能にします。医療データのクロス機関協力や金融取引シーンのプライバシー推論においても、FHEはその独自性により補完的な選択肢となることができます。
これは実際には抽象的ではなく、簡単な例で理解できます。例えば、AIエージェントはC向けのアプリケーションとして、バックエンドでは通常、DeepSeek、Claude、OpenAIなどの異なるプロバイダーが提供するAI大モデルを接続します。しかし、特に高感度な金融アプリケーションシナリオにおいて、AIエージェントの実行プロセスが突然ルールを改ざんする大モデルのバックエンドに影響されないようにするにはどうすればよいでしょうか？これは、入力のプロンプトを暗号化する必要があることを意味します。LLMsサービスプロバイダーが直接暗号文に対して計算処理を行う場合、強制的な干渉による公正性への影響は存在しません。
では、もう一つの「信頼できるAI」という概念はどういうことなのでしょうか？信頼できるAIは、Mind Networkが構築しようとしている完全同型暗号化（FHE）去中心化AIのビジョンであり、分散型の計算能力GPUを通じて複数の当事者が効率的なモデルのトレーニングと推論を実現できるようにし、中央サーバーに依存する必要がありません。AIエージェントに基づく完全同型暗号化によるコンセンサス検証などを提供します。この設計は、従来の中心化AIの制限を排除し、Web3 AIエージェントが分散型アーキテクチャの下で運用されるためのプライバシーと自主性の二重の保障を提供します。
これはMind Network自身の分散型ブロックチェーンアーキテクチャの物語の方向性にさらに合致しています。例えば、特定のチェーン上の取引プロセスにおいて、FHEは各種Oracleデータのプライバシー推論と実行プロセスを保護し、AIエージェントがポジションや戦略を公開することなく取引の自主的な意思決定を実現できるようにします。
では、なぜFHEがTEEと同様の業界浸透経路を持ち、AIアプリケーションのシナリオの爆発によって直接的な機会をもたらすと言われているのですか？
TEEはAIエージェントの機会を捉えることができたのは、TEEハードウェア環境がプライバシー状態でデータをホスティングできるためであり、その結果、AIエージェントが自律的に秘密鍵をホスティングできるようになり、AIエージェントが資産を自律的に管理する新しい物語を実現することができました。しかし、TEEによる秘密鍵の管理には実際に大きな欠陥があります。それは、信頼が第三者のハードウェアプロバイダー（例えば、インテル）に依存しなければならないということです。TEEを機能させるためには、TEEs環境に追加の公開かつ透明な「コンセンサス」制約を付加する分散型チェーンアーキテクチャが必要です。それに対して、PHEは完全に分散型チェーンアーキテクチャに基づいて存在でき、第三者に依存する必要はありません。
FHEとTEEは類似のエコロジカルニッチの状況にあり、TEEはweb3エコシステム内での応用はまだ広がっていないが、web2領域ではすでに非常に成熟した技術である。それに対して、FHEもこのAIトレンドの爆発下で、web2とweb3の両方で存在価値を見出すことになるだろう。
上。
以上から、FHEという暗号化の聖杯級の暗号化技術は、AIが未来の前提となる中で、必ずや安全の基石の一つとなり、さらなる広範な採用の可能性があることが分かります。
もちろん、そうは言っても、アルゴリズムの実装におけるFHEのコスト問題を回避することはできません。もしそれがweb2 AIシーンで適用でき、さらにweb3 AIシーンと連携すれば、予期しない「スケール効果」をもたらし、全体のコストを薄めることができ、より普及した応用が可能になるでしょう。