Tôi đã nói trong nhiều bài viết trước đây rằng AI Agent sẽ là "cứu rỗi" cho nhiều câu chuyện cũ trong ngành Crypto. Trong đợt tiến triển câu chuyện xung quanh tự động hóa AI trước đây, TEE đã từng được đưa lên đỉnh cao, tuy nhiên còn có một khái niệm công nghệ "hiếm" hơn cả TEE, thậm chí ZKP, đó là FHE - mã hóa đồng cấu hoàn toàn, cũng sẽ được hồi sinh nhờ sự thúc đẩy của lĩnh vực AI. Dưới đây, hãy cùng tôi điểm lại logic thông qua các ví dụ:
FHE là một công nghệ mật mã cho phép thực hiện tính toán trực tiếp trên dữ liệu được mã hóa, được coi là "Chén thánh", so với các công nghệ nổi bật như ZKP, TEE, nó ở vị trí tương đối ít được biết đến, chủ yếu bị hạn chế bởi chi phí và các tình huống ứng dụng.
Và Mind Network chính là tập trung vào cơ sở hạ tầng FHE, và đã ra mắt chuỗi FHE tập trung vào AI Agent - MindChain, mặc dù đã huy động hơn mười triệu đô la và trải qua nhiều năm nghiên cứu công nghệ, nhưng do hạn chế của chính FHE, sự quan tâm của thị trường vẫn bị đánh giá thấp.
Tuy nhiên, gần đây Mind Network đã công bố nhiều tin tốt liên quan đến các ứng dụng AI, chẳng hạn như SDK Rust FHE mà họ phát triển đã được mô hình lớn mã nguồn mở DeepSeek tích hợp, trở thành một phần quan trọng trong các kịch bản đào tạo AI, cung cấp nền tảng an toàn cho việc thực hiện AI đáng tin cậy. Tại sao FHE có thể thể hiện trong tính toán bảo mật AI, liệu có thể tận dụng câu chuyện của AI Agent để thực hiện một cú vượt mặt hay cứu rỗi không?
Nói một cách đơn giản: FHE mã hóa đồng cấu hoàn toàn là một công nghệ mật mã có thể trực tiếp tác động lên kiến trúc chuỗi khối công khai hiện tại, cho phép thực hiện các phép tính tùy ý như cộng, nhân trên dữ liệu đã được mã hóa mà không cần phải giải mã dữ liệu trước.
Nói cách khác, việc ứng dụng công nghệ FHE có thể giúp dữ liệu được mã hóa toàn bộ từ đầu vào đến đầu ra, ngay cả khi các nút xác minh duy trì sự đồng thuận của chuỗi công khai cũng không thể truy cập thông tin rõ ràng, như vậy, FHE có thể cung cấp đảm bảo nền tảng công nghệ cho việc đào tạo một số AI LLM trong các lĩnh vực phân khúc dọc như y tế, tài chính.
Để FHE có thể trở thành một giải pháp "lựa chọn tốt" cho việc đào tạo mô hình AI lớn truyền thống trong các kịch bản dọc phong phú và kết hợp kiến trúc phân tán blockchain. Dù là hợp tác giữa các tổ chức trong dữ liệu y tế hay suy diễn về quyền riêng tư trong các kịch bản giao dịch tài chính, FHE đều có thể trở thành một lựa chọn bổ sung nhờ vào sự độc đáo của nó.
Thực ra điều này không trừu tượng, chỉ cần một ví dụ đơn giản là hiểu: chẳng hạn, AI Agent là một ứng dụng hướng đến người tiêu dùng, nền tảng của nó thường sẽ kết nối với các mô hình AI lớn khác nhau từ các nhà cung cấp như DeepSeek, Claude, OpenAI, nhưng làm thế nào để đảm bảo rằng trong một số tình huống ứng dụng tài chính nhạy cảm, quá trình thực thi của AI Agent sẽ không bị ảnh hưởng bởi nền tảng mô hình lớn đột ngột thay đổi quy tắc? Điều này chắc chắn sẽ cần mã hóa Prompt đầu vào, khi các nhà cung cấp LLMs trực tiếp xử lý dữ liệu mã hóa, sẽ không có sự can thiệp cưỡng chế nào làm ảnh hưởng đến tính công bằng.
Vậy khái niệm "AI đáng tin cậy" khác là gì? AI đáng tin cậy là một tầm nhìn AI phi tập trung FHE mà Mind Network cố gắng xây dựng, bao gồm việc cho phép nhiều bên thực hiện đào tạo và suy diễn mô hình hiệu quả thông qua sức mạnh tính toán phân phối GPU, mà không cần phụ thuộc vào máy chủ trung tâm, cung cấp xác minh đồng thuận dựa trên FHE cho AI Agent. Thiết kế này loại bỏ những hạn chế của AI tập trung ban đầu, cung cấp sự bảo đảm kép về quyền riêng tư + tính tự chủ cho hoạt động của AI Agent web3 dưới kiến trúc phân tán.
Điều này càng phù hợp với hướng kể chuyện của kiến trúc chuỗi công khai phân phối của Mind Network. Ví dụ, trong quá trình giao dịch đặc biệt trên chuỗi, FHE có thể bảo vệ quyền riêng tư trong việc suy diễn và thực hiện dữ liệu Oracle của các bên, cho phép AI Agent thực hiện quyết định giao dịch tự chủ mà không cần phải tiết lộ vị thế hoặc chiến lược.
Vậy, tại sao nói rằng FHE sẽ có lộ trình thâm nhập ngành tương tự như TEE và sẽ mang lại cơ hội trực tiếp do sự bùng nổ của các ứng dụng AI?
Trước đó, TEE có thể nắm bắt cơ hội của AI Agent nhờ vào môi trường phần cứng TEE có thể thực hiện việc lưu trữ dữ liệu trong trạng thái riêng tư, từ đó cho phép AI Agent tự quản lý khóa riêng, giúp AI Agent đạt được một câu chuyện mới về quản lý tài sản độc lập. Tuy nhiên, việc TEE lưu trữ khóa riêng thực sự có một nhược điểm lớn: sự tin cậy phải dựa vào nhà cung cấp phần cứng bên thứ ba (ví dụ: Intel). Và để TEE phát huy tác dụng, cần có một kiến trúc phân tán chuỗi để cung cấp cho môi trường TEE một bộ ràng buộc "nhận thức" công khai và minh bạch bổ sung. So với điều đó, PHE hoàn toàn có thể tồn tại dựa trên kiến trúc chuỗi phi tập trung mà không cần phụ thuộc vào bên thứ ba.
FHE và TEE có vị trí sinh thái tương tự nhau, đừng nhìn TEE chưa được ứng dụng rộng rãi trong hệ sinh thái web3, nhưng trong lĩnh vực web2 đã là một công nghệ rất trưởng thành, so với đó, FHE cũng sẽ dần dần tìm thấy giá trị tồn tại cả trong web2 và web3 dưới sự bùng nổ của xu hướng AI này.
Trên đây.
Tổng kết lại, có thể thấy rằng công nghệ mã hóa kiểu FHE, được coi là một loại mã hóa thánh tích, chắc chắn sẽ trở thành một trong những nền tảng an toàn khi AI trở thành điều kiện tiên quyết trong tương lai, với khả năng được áp dụng rộng rãi hơn.
Tất nhiên, mặc dù vậy vẫn phải tránh né vấn đề chi phí overhead của FHE trong quá trình triển khai thuật toán. Nếu nó có thể được áp dụng trong bối cảnh AI web2, và sau đó kết nối với bối cảnh AI web3, chắc chắn sẽ tạo ra hiệu ứng "tính quy mô" bất ngờ và làm giảm chi phí tổng thể, giúp nó được ứng dụng rộng rãi hơn.
Nội dung chỉ mang tính chất tham khảo, không phải là lời chào mời hay đề nghị. Không cung cấp tư vấn về đầu tư, thuế hoặc pháp lý. Xem Tuyên bố miễn trừ trách nhiệm để biết thêm thông tin về rủi ro.
Từ "Chén Thánh" đến nền tảng: FHE làm thế nào để tái cấu trúc hệ sinh thái tính toán riêng tư Web3?
Tôi đã nói trong nhiều bài viết trước đây rằng AI Agent sẽ là "cứu rỗi" cho nhiều câu chuyện cũ trong ngành Crypto. Trong đợt tiến triển câu chuyện xung quanh tự động hóa AI trước đây, TEE đã từng được đưa lên đỉnh cao, tuy nhiên còn có một khái niệm công nghệ "hiếm" hơn cả TEE, thậm chí ZKP, đó là FHE - mã hóa đồng cấu hoàn toàn, cũng sẽ được hồi sinh nhờ sự thúc đẩy của lĩnh vực AI. Dưới đây, hãy cùng tôi điểm lại logic thông qua các ví dụ:
FHE là một công nghệ mật mã cho phép thực hiện tính toán trực tiếp trên dữ liệu được mã hóa, được coi là "Chén thánh", so với các công nghệ nổi bật như ZKP, TEE, nó ở vị trí tương đối ít được biết đến, chủ yếu bị hạn chế bởi chi phí và các tình huống ứng dụng.
Và Mind Network chính là tập trung vào cơ sở hạ tầng FHE, và đã ra mắt chuỗi FHE tập trung vào AI Agent - MindChain, mặc dù đã huy động hơn mười triệu đô la và trải qua nhiều năm nghiên cứu công nghệ, nhưng do hạn chế của chính FHE, sự quan tâm của thị trường vẫn bị đánh giá thấp.
Tuy nhiên, gần đây Mind Network đã công bố nhiều tin tốt liên quan đến các ứng dụng AI, chẳng hạn như SDK Rust FHE mà họ phát triển đã được mô hình lớn mã nguồn mở DeepSeek tích hợp, trở thành một phần quan trọng trong các kịch bản đào tạo AI, cung cấp nền tảng an toàn cho việc thực hiện AI đáng tin cậy. Tại sao FHE có thể thể hiện trong tính toán bảo mật AI, liệu có thể tận dụng câu chuyện của AI Agent để thực hiện một cú vượt mặt hay cứu rỗi không?
Nói một cách đơn giản: FHE mã hóa đồng cấu hoàn toàn là một công nghệ mật mã có thể trực tiếp tác động lên kiến trúc chuỗi khối công khai hiện tại, cho phép thực hiện các phép tính tùy ý như cộng, nhân trên dữ liệu đã được mã hóa mà không cần phải giải mã dữ liệu trước.
Nói cách khác, việc ứng dụng công nghệ FHE có thể giúp dữ liệu được mã hóa toàn bộ từ đầu vào đến đầu ra, ngay cả khi các nút xác minh duy trì sự đồng thuận của chuỗi công khai cũng không thể truy cập thông tin rõ ràng, như vậy, FHE có thể cung cấp đảm bảo nền tảng công nghệ cho việc đào tạo một số AI LLM trong các lĩnh vực phân khúc dọc như y tế, tài chính.
Để FHE có thể trở thành một giải pháp "lựa chọn tốt" cho việc đào tạo mô hình AI lớn truyền thống trong các kịch bản dọc phong phú và kết hợp kiến trúc phân tán blockchain. Dù là hợp tác giữa các tổ chức trong dữ liệu y tế hay suy diễn về quyền riêng tư trong các kịch bản giao dịch tài chính, FHE đều có thể trở thành một lựa chọn bổ sung nhờ vào sự độc đáo của nó.
Thực ra điều này không trừu tượng, chỉ cần một ví dụ đơn giản là hiểu: chẳng hạn, AI Agent là một ứng dụng hướng đến người tiêu dùng, nền tảng của nó thường sẽ kết nối với các mô hình AI lớn khác nhau từ các nhà cung cấp như DeepSeek, Claude, OpenAI, nhưng làm thế nào để đảm bảo rằng trong một số tình huống ứng dụng tài chính nhạy cảm, quá trình thực thi của AI Agent sẽ không bị ảnh hưởng bởi nền tảng mô hình lớn đột ngột thay đổi quy tắc? Điều này chắc chắn sẽ cần mã hóa Prompt đầu vào, khi các nhà cung cấp LLMs trực tiếp xử lý dữ liệu mã hóa, sẽ không có sự can thiệp cưỡng chế nào làm ảnh hưởng đến tính công bằng.
Vậy khái niệm "AI đáng tin cậy" khác là gì? AI đáng tin cậy là một tầm nhìn AI phi tập trung FHE mà Mind Network cố gắng xây dựng, bao gồm việc cho phép nhiều bên thực hiện đào tạo và suy diễn mô hình hiệu quả thông qua sức mạnh tính toán phân phối GPU, mà không cần phụ thuộc vào máy chủ trung tâm, cung cấp xác minh đồng thuận dựa trên FHE cho AI Agent. Thiết kế này loại bỏ những hạn chế của AI tập trung ban đầu, cung cấp sự bảo đảm kép về quyền riêng tư + tính tự chủ cho hoạt động của AI Agent web3 dưới kiến trúc phân tán.
Điều này càng phù hợp với hướng kể chuyện của kiến trúc chuỗi công khai phân phối của Mind Network. Ví dụ, trong quá trình giao dịch đặc biệt trên chuỗi, FHE có thể bảo vệ quyền riêng tư trong việc suy diễn và thực hiện dữ liệu Oracle của các bên, cho phép AI Agent thực hiện quyết định giao dịch tự chủ mà không cần phải tiết lộ vị thế hoặc chiến lược.
Vậy, tại sao nói rằng FHE sẽ có lộ trình thâm nhập ngành tương tự như TEE và sẽ mang lại cơ hội trực tiếp do sự bùng nổ của các ứng dụng AI?
Trước đó, TEE có thể nắm bắt cơ hội của AI Agent nhờ vào môi trường phần cứng TEE có thể thực hiện việc lưu trữ dữ liệu trong trạng thái riêng tư, từ đó cho phép AI Agent tự quản lý khóa riêng, giúp AI Agent đạt được một câu chuyện mới về quản lý tài sản độc lập. Tuy nhiên, việc TEE lưu trữ khóa riêng thực sự có một nhược điểm lớn: sự tin cậy phải dựa vào nhà cung cấp phần cứng bên thứ ba (ví dụ: Intel). Và để TEE phát huy tác dụng, cần có một kiến trúc phân tán chuỗi để cung cấp cho môi trường TEE một bộ ràng buộc "nhận thức" công khai và minh bạch bổ sung. So với điều đó, PHE hoàn toàn có thể tồn tại dựa trên kiến trúc chuỗi phi tập trung mà không cần phụ thuộc vào bên thứ ba.
FHE và TEE có vị trí sinh thái tương tự nhau, đừng nhìn TEE chưa được ứng dụng rộng rãi trong hệ sinh thái web3, nhưng trong lĩnh vực web2 đã là một công nghệ rất trưởng thành, so với đó, FHE cũng sẽ dần dần tìm thấy giá trị tồn tại cả trong web2 và web3 dưới sự bùng nổ của xu hướng AI này.
Trên đây.
Tổng kết lại, có thể thấy rằng công nghệ mã hóa kiểu FHE, được coi là một loại mã hóa thánh tích, chắc chắn sẽ trở thành một trong những nền tảng an toàn khi AI trở thành điều kiện tiên quyết trong tương lai, với khả năng được áp dụng rộng rãi hơn.
Tất nhiên, mặc dù vậy vẫn phải tránh né vấn đề chi phí overhead của FHE trong quá trình triển khai thuật toán. Nếu nó có thể được áp dụng trong bối cảnh AI web2, và sau đó kết nối với bối cảnh AI web3, chắc chắn sẽ tạo ra hiệu ứng "tính quy mô" bất ngờ và làm giảm chi phí tổng thể, giúp nó được ứng dụng rộng rãi hơn.