Tôi đã nói trong nhiều bài viết trước rằng AI Agent sẽ là "cứu rỗi" cho nhiều câu chuyện cũ trong ngành Crypto. Trong vòng xoáy trước đó xoay quanh sự tự chủ của AI, TEE đã từng được đưa lên đỉnh cao, tuy nhiên còn một khái niệm công nghệ "ít nổi" hơn cả TEE, thậm chí ZKP đó là FHE——mã hóa đồng cấu hoàn toàn, cũng sẽ được "tái sinh" nhờ sự thúc đẩy của lĩnh vực AI. Dưới đây, tôi sẽ trình bày logic thông qua các trường hợp cụ thể:
FHE là một kỹ thuật mật mã cho phép thực hiện tính toán trực tiếp trên dữ liệu mã hóa, được coi là "Chén Thánh", so với các kỹ thuật phổ biến như ZKP, TEE thì vị trí tương đối ít được chú ý, cốt lõi chủ yếu bị hạn chế bởi chi phí và các trường hợp ứng dụng.
Mind Network chính là tập trung vào cơ sở hạ tầng FHE và đã ra mắt FHE Chain - MindChain, tập trung vào AI Agent. Mặc dù đã huy động hơn mười triệu đô la và trải qua nhiều năm phát triển công nghệ, nhưng do hạn chế của FHE, sự quan tâm của thị trường vẫn bị đánh giá thấp.
Tuy nhiên, gần đây Mind Network đã đưa ra nhiều tin tốt liên quan đến ứng dụng AI, chẳng hạn như SDK FHE Rust mà họ phát triển đã được mô hình lớn mã nguồn mở DeepSeek tích hợp, trở thành một phần quan trọng trong kịch bản đào tạo AI, cung cấp nền tảng an toàn cho việc hiện thực hóa AI đáng tin cậy. Tại sao FHE có thể thể hiện trong tính toán quyền riêng tư AI, liệu có thể thông qua việc kể chuyện của AI Agent để thực hiện một cú vượt mặt hay sự 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 toán như cộng, nhân và bất kỳ phép tính nào trên dữ liệu đã mã hóa mà không cần giải mã dữ liệu trước.
Nói cách khác, việc áp dụng công nghệ FHE có thể cho phép dữ liệu được mã hóa toàn trình từ đầu vào đến đầu ra, ngay cả khi các nút thực hiện xác thực trong sự đồng thuận của chuỗi công khai cũng không thể truy cập thông tin rõ. Điều này cho phép FHE có thể cung cấp bảo đảm kỹ thuật cho việc đào tạo một số AI LLM trong các tình huống phân khúc dọc như y tế, tài chính.
Cho phép FHE trở thành một giải pháp "ưu tiên" cho việc mở rộng và làm phong phú các tình huống dọc trong đào tạo mô hình AI truyền thống, cũng như kết hợp với kiến trúc phân tán blockchain. Dù là hợp tác giữa các cơ quan về dữ liệu y tế hay suy luận riêng tư trong các tình huống giao dịch tài chính, FHE đều có thể trở thành một lựa chọn bổ sung nhờ vào những đặc điểm độc đáo của nó.
Điều này thực sự không trừu tượng, chỉ cần một ví dụ đơn giản là hiểu: ví dụ, AI Agent như một ứng dụng hướng đến người tiêu dùng, nền tảng của nó thường sẽ kết nối với các nhà cung cấp khác nhau như DeepSeek, Claude, OpenAI cung cấp các mô hình AI lớn, 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 cần phải mã hóa đầu vào Prompt, khi các nhà cung cấp dịch vụ LLMs xử lý trực tiếp trên dữ liệu mã hóa, sẽ không có sự can thiệp cưỡng bức nào 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 tán GPU, mà không cần phụ thuộc vào máy chủ trung tâm, cung cấp xác thực đồng thuận dựa trên FHE cho AI Agent. Thiết kế này loại bỏ những hạn chế của AI tập trung ban đầu, cung cấp bảo đảm kép về quyền riêng tư + tự chủ cho việc vận hành của web3 AI Agent trong kiến trúc phân tán.
Điều này phù hợp hơn với hướng kể chuyện của cấu trúc chuỗi công khai phân tán của Mind Network. Chẳng hạn, trong quá trình giao dịch trên chuỗi đặc biệt, FHE có thể bảo vệ sự riêng tư trong quá trình suy diễn và thực thi dữ liệu Oracle của các bên, cho phép AI Agent thực hiện quyết định giao dịch độc lập mà không cần tiết lộ vị thế hoặc chiến lược.
Vậy, tại sao nói rằng FHE sẽ có con đường thâm nhập vào ngành tương tự như TEE, và sẽ mang lại cơ hội trực tiếp do sự bùng nổ của các ứng dụng AI?
Trước đây, TEE đã có thể nắm bắt cơ hội của AI Agent, nhờ vào môi trường phần cứng TEE, có thể nhận ra việc lưu giữ dữ liệu ở trạng thái riêng tư, sau đó cho phép AI Agent lưu trữ độc lập các khóa riêng, để AI Agent có thể đạt được một câu chuyện hợp thời trang về quản lý tài sản tự trị. Tuy nhiên, có một lỗ hổng trong việc lưu giữ khóa riêng của TEE: sự tin tưởng phụ thuộc vào các nhà cung cấp phần cứng bên thứ ba (chẳng hạn như Intel). Để TEE hoạt động, cần có kiến trúc chuỗi phân tán để đính kèm thêm một tập hợp các ràng buộc "đồng thuận" mở và minh bạch vào môi trường TEEs. Ngược lại, PHEs có thể dựa trên kiến trúc chuỗi phi tập trung mà không cần dựa vào bên thứ ba.
FHE và TEE có vị trí sinh thái tương tự nhau, đừng nhìn TEE trong web3 chưa được áp dụng rộng rãi, nhưng trong lĩnh vực web2 đã là công nghệ rất trưởng thành, so với điều 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 lần này.
Trên đây.
Từ những điều trên, có thể thấy rằng công nghệ mã hóa FHE, được coi là chén thánh trong mã hóa, chắc chắn sẽ trở thành một trong những nền tảng an toàn khi AI trở thành điều kiện tiên quyết cho tương lai, và có khả năng được áp dụng rộng rãi hơn.
Tất nhiên, mặc dù vậy, vẫn phải đối mặt với vấn đề chi phí tiêu tốn khi thực hiện thuật toán FHE. Nếu nó có thể được áp dụng trong các tình huống AI web2, rồi liên kết với các tình huống AI web3, thì chắc chắn sẽ bất ngờ giải phóng "hiệu ứng quy mô" và làm giảm chi phí tổng thể, cho phép nó được áp dụng phổ biến 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 đang tái cấu trúc hệ sinh thái tính toán riêng tư Web3 như thế nào?
Tôi đã nói trong nhiều bài viết trước rằng AI Agent sẽ là "cứu rỗi" cho nhiều câu chuyện cũ trong ngành Crypto. Trong vòng xoáy trước đó xoay quanh sự tự chủ của AI, TEE đã từng được đưa lên đỉnh cao, tuy nhiên còn một khái niệm công nghệ "ít nổi" hơn cả TEE, thậm chí ZKP đó là FHE——mã hóa đồng cấu hoàn toàn, cũng sẽ được "tái sinh" nhờ sự thúc đẩy của lĩnh vực AI. Dưới đây, tôi sẽ trình bày logic thông qua các trường hợp cụ thể:
FHE là một kỹ thuật mật mã cho phép thực hiện tính toán trực tiếp trên dữ liệu mã hóa, được coi là "Chén Thánh", so với các kỹ thuật phổ biến như ZKP, TEE thì vị trí tương đối ít được chú ý, cốt lõi chủ yếu bị hạn chế bởi chi phí và các trường hợp ứng dụng.
Mind Network chính là tập trung vào cơ sở hạ tầng FHE và đã ra mắt FHE Chain - MindChain, tập trung vào AI Agent. Mặc dù đã huy động hơn mười triệu đô la và trải qua nhiều năm phát triển công nghệ, nhưng do hạn chế của FHE, sự quan tâm của thị trường vẫn bị đánh giá thấp.
Tuy nhiên, gần đây Mind Network đã đưa ra nhiều tin tốt liên quan đến ứng dụng AI, chẳng hạn như SDK FHE Rust mà họ phát triển đã được mô hình lớn mã nguồn mở DeepSeek tích hợp, trở thành một phần quan trọng trong kịch bản đào tạo AI, cung cấp nền tảng an toàn cho việc hiện thực hóa AI đáng tin cậy. Tại sao FHE có thể thể hiện trong tính toán quyền riêng tư AI, liệu có thể thông qua việc kể chuyện của AI Agent để thực hiện một cú vượt mặt hay sự 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 toán như cộng, nhân và bất kỳ phép tính nào trên dữ liệu đã mã hóa mà không cần giải mã dữ liệu trước.
Nói cách khác, việc áp dụng công nghệ FHE có thể cho phép dữ liệu được mã hóa toàn trình từ đầu vào đến đầu ra, ngay cả khi các nút thực hiện xác thực trong sự đồng thuận của chuỗi công khai cũng không thể truy cập thông tin rõ. Điều này cho phép FHE có thể cung cấp bảo đảm kỹ thuật cho việc đào tạo một số AI LLM trong các tình huống phân khúc dọc như y tế, tài chính.
Cho phép FHE trở thành một giải pháp "ưu tiên" cho việc mở rộng và làm phong phú các tình huống dọc trong đào tạo mô hình AI truyền thống, cũng như kết hợp với kiến trúc phân tán blockchain. Dù là hợp tác giữa các cơ quan về dữ liệu y tế hay suy luận riêng tư trong các tình huống giao dịch tài chính, FHE đều có thể trở thành một lựa chọn bổ sung nhờ vào những đặc điểm độc đáo của nó.
Điều này thực sự không trừu tượng, chỉ cần một ví dụ đơn giản là hiểu: ví dụ, AI Agent như một ứng dụng hướng đến người tiêu dùng, nền tảng của nó thường sẽ kết nối với các nhà cung cấp khác nhau như DeepSeek, Claude, OpenAI cung cấp các mô hình AI lớn, 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 cần phải mã hóa đầu vào Prompt, khi các nhà cung cấp dịch vụ LLMs xử lý trực tiếp trên dữ liệu mã hóa, sẽ không có sự can thiệp cưỡng bức nào 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 tán GPU, mà không cần phụ thuộc vào máy chủ trung tâm, cung cấp xác thực đồng thuận dựa trên FHE cho AI Agent. Thiết kế này loại bỏ những hạn chế của AI tập trung ban đầu, cung cấp bảo đảm kép về quyền riêng tư + tự chủ cho việc vận hành của web3 AI Agent trong kiến trúc phân tán.
Điều này phù hợp hơn với hướng kể chuyện của cấu trúc chuỗi công khai phân tán của Mind Network. Chẳng hạn, trong quá trình giao dịch trên chuỗi đặc biệt, FHE có thể bảo vệ sự riêng tư trong quá trình suy diễn và thực thi dữ liệu Oracle của các bên, cho phép AI Agent thực hiện quyết định giao dịch độc lập mà không cần tiết lộ vị thế hoặc chiến lược.
Vậy, tại sao nói rằng FHE sẽ có con đường thâm nhập vào ngành tương tự như TEE, và sẽ mang lại cơ hội trực tiếp do sự bùng nổ của các ứng dụng AI?
Trước đây, TEE đã có thể nắm bắt cơ hội của AI Agent, nhờ vào môi trường phần cứng TEE, có thể nhận ra việc lưu giữ dữ liệu ở trạng thái riêng tư, sau đó cho phép AI Agent lưu trữ độc lập các khóa riêng, để AI Agent có thể đạt được một câu chuyện hợp thời trang về quản lý tài sản tự trị. Tuy nhiên, có một lỗ hổng trong việc lưu giữ khóa riêng của TEE: sự tin tưởng phụ thuộc vào các nhà cung cấp phần cứng bên thứ ba (chẳng hạn như Intel). Để TEE hoạt động, cần có kiến trúc chuỗi phân tán để đính kèm thêm một tập hợp các ràng buộc "đồng thuận" mở và minh bạch vào môi trường TEEs. Ngược lại, PHEs có thể dựa trên kiến trúc chuỗi phi tập trung mà không cần dựa vào bên thứ ba.
FHE và TEE có vị trí sinh thái tương tự nhau, đừng nhìn TEE trong web3 chưa được áp dụng rộng rãi, nhưng trong lĩnh vực web2 đã là công nghệ rất trưởng thành, so với điều 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 lần này.
Trên đây.
Từ những điều trên, có thể thấy rằng công nghệ mã hóa FHE, được coi là chén thánh trong mã hóa, chắc chắn sẽ trở thành một trong những nền tảng an toàn khi AI trở thành điều kiện tiên quyết cho tương lai, và có khả năng được áp dụng rộng rãi hơn.
Tất nhiên, mặc dù vậy, vẫn phải đối mặt với vấn đề chi phí tiêu tốn khi thực hiện thuật toán FHE. Nếu nó có thể được áp dụng trong các tình huống AI web2, rồi liên kết với các tình huống AI web3, thì chắc chắn sẽ bất ngờ giải phóng "hiệu ứng quy mô" và làm giảm chi phí tổng thể, cho phép nó được áp dụng phổ biến hơn.