He mencionado anteriormente 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 tecnológico aún más "poco conocido" que el TEE e incluso el ZKP: el FHE —encriptación completamente homomórfica—, que también obtendrá "renacimiento" gracias a la pista de la IA. A continuación, a través de casos, voy a desglosar 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, principalmente debido a limitaciones en costos y escenarios de aplicación.
Y Mind Network se centra precisamente en la infraestructura de FHE, y ha lanzado la cadena FHE centrada en agentes de IA: MindChain. A pesar de haber financiado más de diez millones de dólares y de haber pasado varios años en el desarrollo tecnológico, 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 casos de uso de la IA, por ejemplo, su SDK FHE Rust desarrollado ha sido integrado en el modelo grande de código abierto DeepSeek, convirtiéndose en un componente 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 rendimiento en el cálculo de privacidad de la IA, y puede aprovechar la narrativa del Agente de IA para lograr un giro en la curva o redención?
En términos simples: la encriptación completamente homomórfica (FHE) es una técnica criptográfica que puede aplicarse directamente sobre la arquitectura actual de la cadena de bloques pública, permitiendo realizar cálculos arbitrarios como suma y multiplicación directamente sobre datos encriptados, sin necesidad de desencriptar los datos previamente.
En otras palabras, la aplicación de la tecnología FHE puede permitir que los datos se encripten completamente desde la entrada hasta la salida, de modo que incluso los nodos que mantienen la consenso de la cadena pública no puedan acceder a la información en texto plano. De esta manera, FHE puede proporcionar una garantía técnica en escenarios verticales como la atención médica y las finanzas, para el entrenamiento de algunos LLM de IA.
Permitir que el CIFRADO HOMOMÓRFICO se convierta en una solución "preferida" para la formación de grandes modelos de IA en escenarios verticales ricos y su combinación con arquitecturas distribuidas de blockchain. Ya sea para la colaboración interinstitucional de datos médicos o para la inferencia de privacidad en escenarios de transacciones financieras, el CIFRADO HOMOMÓRFICO puede ser una opción complementaria gracias a sus particularidades.
Esto en realidad no es abstracto, se entiende con un ejemplo simple: por ejemplo, el Agente de IA como una aplicación orientada al consumidor, su backend generalmente conecta diferentes proveedores que ofrecen grandes modelos de IA, como DeepSeek, Claude, OpenAI, etc. Pero, ¿cómo garantizar que en algunos escenarios de aplicaciones financieras de alta sensibilidad, el proceso de ejecución del Agente de IA no se vea afectado por un backend de grandes modelos que cambie repentinamente las reglas? Esto definitivamente requerirá encriptación de los Prompt de entrada, cuando los proveedores de LLMs procesen directamente el texto cifrado, no habrá interferencias forzadas que afecten la equidad.
¿Y qué hay del 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 de GPU, sin necesidad de depender de servidores centrales, proporcionando validación de consenso basada en FHE para los agentes de IA, 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 en una arquitectura distribuida de web3.
Esto se alinea aún más con la dirección narrativa de la arquitectura de cadena pública distribuida de Mind Network. Por ejemplo, en el proceso de transacciones en la cadena especial, FHE puede proteger la privacidad del razonamiento y el proceso de ejecución de los datos de Oracle de todas las partes, lo que permite que el Agente de IA tome decisiones de trading de manera autónoma sin necesidad de revelar posiciones o estrategias, etc.
Entonces, ¿por qué se dice que la FHE tendrá una trayectoria de penetración en la industria similar a la TEE y que la explosión de los escenarios de aplicación de la IA traerá oportunidades directas?
La capacidad de TEE para aprovechar la oportunidad del Agente de IA se debe al hecho de que el entorno de hardware de TEE puede gestionar datos en un estado de privacidad, lo que permite que el Agente de IA gestione de forma autónoma las claves privadas, logrando así una nueva narrativa de gestión de activos. Sin embargo, la gestión de claves privadas por parte de TEE presenta una debilidad: la confianza debe depender de un proveedor de hardware de terceros (por ejemplo: Intel). Para que TEE funcione, se necesita una arquitectura de cadena distribuida que proporcione un conjunto adicional de restricciones de "consenso" públicas y transparentes al entorno de TEE. En comparación, PHE puede existir completamente basado en una arquitectura de cadena descentralizada, sin depender de terceros.
FHE y TEE tienen una situación ecológica similar; aunque TEE aún no se aplica ampliamente en el ecosistema web3, ya es una tecnología muy madura en el ámbito web2. En comparación, FHE también encontrará su valor de existencia tanto en web2 como en web3 bajo la explosión de la tendencia AI en esta ronda.
Lo anterior.
En resumen, se puede ver que la encriptación completamente homomórfica (FHE) es una tecnología de encriptación de nivel de santo grial, que, dado que la IA se convierte en un requisito para el futuro, sin duda se convertirá en uno de los pilares de la seguridad, con una posibilidad de ser adoptada ampliamente.
Si se puede aplicar en escenarios de IA web2 y luego vincularse a escenarios de IA web3, liberará inesperadamente el "efecto de escala" y diluirá el costo total, de modo que pueda usarse más ampliamente.
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 está FHE remodelando el ecosistema de computación privada en Web3?
He mencionado anteriormente 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 tecnológico aún más "poco conocido" que el TEE e incluso el ZKP: el FHE —encriptación completamente homomórfica—, que también obtendrá "renacimiento" gracias a la pista de la IA. A continuación, a través de casos, voy a desglosar 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, principalmente debido a limitaciones en costos y escenarios de aplicación.
Y Mind Network se centra precisamente en la infraestructura de FHE, y ha lanzado la cadena FHE centrada en agentes de IA: MindChain. A pesar de haber financiado más de diez millones de dólares y de haber pasado varios años en el desarrollo tecnológico, 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 casos de uso de la IA, por ejemplo, su SDK FHE Rust desarrollado ha sido integrado en el modelo grande de código abierto DeepSeek, convirtiéndose en un componente 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 rendimiento en el cálculo de privacidad de la IA, y puede aprovechar la narrativa del Agente de IA para lograr un giro en la curva o redención?
En términos simples: la encriptación completamente homomórfica (FHE) es una técnica criptográfica que puede aplicarse directamente sobre la arquitectura actual de la cadena de bloques pública, permitiendo realizar cálculos arbitrarios como suma y multiplicación directamente sobre datos encriptados, sin necesidad de desencriptar los datos previamente.
En otras palabras, la aplicación de la tecnología FHE puede permitir que los datos se encripten completamente desde la entrada hasta la salida, de modo que incluso los nodos que mantienen la consenso de la cadena pública no puedan acceder a la información en texto plano. De esta manera, FHE puede proporcionar una garantía técnica en escenarios verticales como la atención médica y las finanzas, para el entrenamiento de algunos LLM de IA.
Permitir que el CIFRADO HOMOMÓRFICO se convierta en una solución "preferida" para la formación de grandes modelos de IA en escenarios verticales ricos y su combinación con arquitecturas distribuidas de blockchain. Ya sea para la colaboración interinstitucional de datos médicos o para la inferencia de privacidad en escenarios de transacciones financieras, el CIFRADO HOMOMÓRFICO puede ser una opción complementaria gracias a sus particularidades.
Esto en realidad no es abstracto, se entiende con un ejemplo simple: por ejemplo, el Agente de IA como una aplicación orientada al consumidor, su backend generalmente conecta diferentes proveedores que ofrecen grandes modelos de IA, como DeepSeek, Claude, OpenAI, etc. Pero, ¿cómo garantizar que en algunos escenarios de aplicaciones financieras de alta sensibilidad, el proceso de ejecución del Agente de IA no se vea afectado por un backend de grandes modelos que cambie repentinamente las reglas? Esto definitivamente requerirá encriptación de los Prompt de entrada, cuando los proveedores de LLMs procesen directamente el texto cifrado, no habrá interferencias forzadas que afecten la equidad.
¿Y qué hay del 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 de GPU, sin necesidad de depender de servidores centrales, proporcionando validación de consenso basada en FHE para los agentes de IA, 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 en una arquitectura distribuida de web3.
Esto se alinea aún más con la dirección narrativa de la arquitectura de cadena pública distribuida de Mind Network. Por ejemplo, en el proceso de transacciones en la cadena especial, FHE puede proteger la privacidad del razonamiento y el proceso de ejecución de los datos de Oracle de todas las partes, lo que permite que el Agente de IA tome decisiones de trading de manera autónoma sin necesidad de revelar posiciones o estrategias, etc.
Entonces, ¿por qué se dice que la FHE tendrá una trayectoria de penetración en la industria similar a la TEE y que la explosión de los escenarios de aplicación de la IA traerá oportunidades directas?
La capacidad de TEE para aprovechar la oportunidad del Agente de IA se debe al hecho de que el entorno de hardware de TEE puede gestionar datos en un estado de privacidad, lo que permite que el Agente de IA gestione de forma autónoma las claves privadas, logrando así una nueva narrativa de gestión de activos. Sin embargo, la gestión de claves privadas por parte de TEE presenta una debilidad: la confianza debe depender de un proveedor de hardware de terceros (por ejemplo: Intel). Para que TEE funcione, se necesita una arquitectura de cadena distribuida que proporcione un conjunto adicional de restricciones de "consenso" públicas y transparentes al entorno de TEE. En comparación, PHE puede existir completamente basado en una arquitectura de cadena descentralizada, sin depender de terceros.
FHE y TEE tienen una situación ecológica similar; aunque TEE aún no se aplica ampliamente en el ecosistema web3, ya es una tecnología muy madura en el ámbito web2. En comparación, FHE también encontrará su valor de existencia tanto en web2 como en web3 bajo la explosión de la tendencia AI en esta ronda.
Lo anterior.
En resumen, se puede ver que la encriptación completamente homomórfica (FHE) es una tecnología de encriptación de nivel de santo grial, que, dado que la IA se convierte en un requisito para el futuro, sin duda se convertirá en uno de los pilares de la seguridad, con una posibilidad de ser adoptada ampliamente.
Si se puede aplicar en escenarios de IA web2 y luego vincularse a escenarios de IA web3, liberará inesperadamente el "efecto de escala" y diluirá el costo total, de modo que pueda usarse más ampliamente.