He mencionado en varios artículos que el agente de IA será la 'redención' de muchas narrativas antiguas de la industria Crypto. En la última evolución narrativa sobre la autonomía de la IA, TEE fue elevado a la cima, pero hay un concepto técnico más 'despreciado' que TEE, e incluso ZKP: FHE — encriptación homomórfica completa, que también renacerá gracias a la pista de IA. A continuación, a través de un caso, aclararé la lógica:
FHE es una técnica criptográfica que permite realizar cálculos directamente sobre datos encriptados, considerada como el 'Santo Grial'. En comparación con ZKP, TEE y otras narrativas tecnológicas populares, FHE se encuentra en una posición relativamente menos conocida, principalmente debido a sus costos y escenarios de aplicación.
Y Mind Network se centra en la infraestructura de FHE y ha lanzado una cadena FHE centrada en agentes de IA, MindChain. A pesar de haber financiado más de diez millones de dólares y de haber trabajado en tecnología durante varios años, el interés del mercado sigue subestimado debido a las limitaciones del FHE.
Sin embargo, recientemente, Mind Network ha lanzado varias noticias positivas en torno a los escenarios de aplicación de IA, por ejemplo, el SDK FHE Rust que desarrollaron ha sido integrado en el modelo de IA de código abierto DeepSeek, convirtiéndose en una parte clave del escenario de entrenamiento de IA y proporcionando una base segura para la implementación de IA confiable. ¿Por qué FHE puede desempeñar un papel en el cálculo privado de IA? ¿Puede aprovechar la narrativa del agente de IA para lograr un avance o redención?
En términos simples: la encriptación homomórfica completa (FHE) es una técnica criptográfica que puede aplicarse directamente sobre la actual arquitectura de cadenas públicas, permitiendo realizar cálculos arbitrarios como suma y multiplicación sobre datos encriptados sin necesidad de desencriptar previamente los datos.
En otras palabras, la aplicación de la tecnología FHE permite que los datos estén encriptados desde la entrada hasta la salida, de modo que incluso los nodos que mantienen el consenso en la cadena pública no puedan acceder a la información en texto claro. Esto permite que el FHE proporcione una base técnica para el entrenamiento de algunos modelos de lenguaje de IA en escenarios verticales como la medicina y las finanzas.
Permitiendo que FHE se convierta en una 'solución preferida' para enriquecer y expandir verticalmente el entrenamiento de modelos grandes de IA tradicional, así como para combinar la arquitectura distribuida de blockchain. Ya sea en la colaboración de datos médicos entre instituciones o en la inferencia de privacidad en escenarios de transacciones financieras, FHE puede convertirse en una opción complementaria debido a sus características únicas.
Esto no es abstracto; se entiende con un ejemplo simple: por ejemplo, un agente de IA orientado al consumidor normalmente se conecta a diferentes proveedores de modelos de IA grandes como DeepSeek, Claude, OpenAI, etc. Pero, ¿cómo asegurarse de que en algunos escenarios de aplicaciones financieras altamente sensibles, el proceso de ejecución del agente de IA no se vea afectado repentinamente por un fondo de modelo grande que altera las reglas? Esto requiere que el prompt de entrada sea encriptado. Cuando los proveedores de LLMs procesan directamente el texto encriptado, no habrá interferencia forzada que afecte la justicia.
Entonces, ¿qué es el concepto de 'IA confiable'? La IA confiable es una visión de IA descentralizada basada en FHE que Mind Network intenta construir, permitiendo a múltiples partes realizar entrenamiento y razonamiento de modelos de manera eficiente a través de poder computacional distribuido de GPU, sin depender de un servidor central, proporcionando validación de consenso basada en FHE para los agentes de IA. Este diseño elimina las limitaciones de la IA centralizada, proporcionando una doble garantía de privacidad y autonomía para los agentes de IA en una arquitectura distribuida.
Esto se alinea aún más con la dirección narrativa de la arquitectura de cadena pública distribuida de Mind Network. Por ejemplo, en procesos de transacción en cadena especiales, FHE puede proteger la privacidad de la inferencia y ejecución de datos de Oracle de todas las partes, permitiendo que el agente de IA tome decisiones de trading de manera autónoma sin revelar posiciones o estrategias.
Entonces, ¿por qué se dice que FHE tendrá una trayectoria de penetración similar a TEE y que traerá oportunidades directas debido a la explosión de escenarios de aplicación de IA?
La oportunidad de TEE para captar el interés de los agentes de IA se debe a que el entorno de hardware TEE puede gestionar datos en un estado de privacidad, permitiendo que los agentes de IA gestionen de manera autónoma las claves privadas, creando así una nueva narrativa de gestión autónoma de activos. Sin embargo, la custodia de claves privadas por TEE presenta un defecto significativo: la confianza debe depender de terceros proveedores de hardware (por ejemplo, Intel). Para que TEE funcione, se requiere una arquitectura de cadena distribuida que añada un conjunto adicional de restricciones de 'consenso' públicas y transparentes al entorno de los TEE. En comparación, el PHE puede existir completamente basado en una arquitectura de cadena descentralizada sin depender de terceros.
FHE y TEE tienen una situación ecológica similar. Aunque la aplicación de TEE en el ecosistema web3 aún no es amplia, en el ámbito web2 ya es una tecnología muy madura. En comparación, FHE también comenzará a encontrar valor en esta ronda de explosión de tendencias de IA tanto en web2 como en web3.
Eso es todo.
En resumen, se puede ver que FHE, como una tecnología de cifrado de nivel 'santo grial', sin duda se convertirá en uno de los cimientos de seguridad a medida que la IA se haga fundamental en el futuro, y es muy probable que sea adoptada ampliamente.
Sin embargo, no se puede evitar el problema del costo de implementación de FHE en el algoritmo. Si puede aplicarse en escenarios de IA web2 y luego vincularse con escenarios de IA web3, seguramente liberará de manera inesperada un 'efecto de escala' que diluirá los costos generales, permitiendo su aplicación más generalizada.