Saya sebelumnya telah menyebutkan dalam beberapa artikel bahwa AI Agent akan menjadi 'penebusan' bagi banyak narasi lama di industri Crypto. Dalam evolusi narasi otonomi AI sebelumnya, TEE sempat diangkat ke puncak perhatian, namun ada satu konsep teknologi yang lebih 'tidak populer' dibandingkan TEE, bahkan ZKP, yaitu FHE—Fully Homomorphic Encryption, yang juga akan mendapatkan 'kelahiran kembali' berkat dorongan jalur AI. Berikut, melalui contoh, saya akan menjelaskan logikanya:

FHE adalah teknologi kriptografi yang memungkinkan perhitungan langsung pada data terenkripsi, dianggap sebagai 'Holy Grail', berada di posisi yang relatif tidak populer dibandingkan dengan narasi teknologi seperti ZKP dan TEE, yang terutama terkendala oleh biaya dan skenario aplikasi.

Dan Mind Network memang fokus pada infrastruktur FHE dan meluncurkan FHE Chain yang berfokus pada AI Agent—MindChain. Meskipun telah memperoleh pendanaan lebih dari sepuluh juta dolar dan mengalami beberapa tahun pengembangan teknologi, perhatian pasar masih dianggap undervalued karena keterbatasan FHE itu sendiri.

Namun, baru-baru ini Mind Network telah meluncurkan banyak berita baik seputar aplikasi AI, misalnya, FHE Rust SDK yang mereka kembangkan telah diintegrasikan oleh model besar open source DeepSeek, menjadi bagian kunci dalam skenario pelatihan AI dan memberikan dasar keamanan untuk realisasi AI yang dapat dipercaya. Mengapa FHE dapat menunjukkan performa dalam komputasi privasi AI, dan dapatkah narasi AI Agent mewujudkan terobosan atau penebusan?

Secara sederhana: FHE Fully Homomorphic Encryption adalah teknologi kriptografi yang dapat langsung diterapkan pada arsitektur public chain saat ini, memungkinkan perhitungan seperti penjumlahan dan perkalian secara langsung pada data terenkripsi tanpa harus melakukan dekripsi terlebih dahulu.

Dengan kata lain, aplikasi teknologi FHE dapat membuat data terenkripsi dari input hingga output, bahkan node yang memvalidasi konsensus public chain tidak dapat mengakses informasi plaintext. Hal ini memungkinkan FHE untuk memberikan jaminan teknis dasar untuk pelatihan beberapa AI LLM di bidang vertikal seperti kesehatan dan keuangan.

Membuat FHE dapat menjadi solusi 'pilihan utama' untuk pelatihan model besar AI tradisional yang kaya dan memperluas skenario vertikal serta menggabungkan arsitektur terdistribusi blockchain. Baik itu kolaborasi data kesehatan lintas lembaga atau inferensi privasi dalam skenario transaksi keuangan, FHE dapat menjadi pilihan pelengkap berkat keunikan yang dimilikinya.

Ini sebenarnya tidak abstrak, cukup dengan contoh sederhana dapat dipahami: misalnya, AI Agent sebagai aplikasi yang ditujukan kepada pengguna akhir, biasanya akan terhubung dengan berbagai penyedia model besar AI seperti DeepSeek, Claude, OpenAI, tetapi bagaimana memastikan bahwa dalam beberapa skenario aplikasi keuangan yang sangat sensitif, proses eksekusi AI Agent tidak terpengaruh oleh perubahan mendadak aturan di backend model besar? Ini pasti memerlukan enkripsi pada Prompt yang dimasukkan, sehingga ketika penyedia LLM langsung memproses data terenkripsi, tidak akan ada intervensi paksa yang mengubah dan mempengaruhi keadilan.

Lalu, apa itu konsep 'AI yang dapat dipercaya'? AI yang dapat dipercaya adalah visi AI terdesentralisasi berbasis FHE yang coba dibangun oleh Mind Network, termasuk memungkinkan banyak pihak untuk melakukan pelatihan dan inferensi model yang efisien melalui kekuatan komputasi GPU terdistribusi, tanpa harus bergantung pada server pusat, serta memberikan verifikasi konsensus berbasis FHE untuk AI Agent. Desain ini menghilangkan keterbatasan AI terpusat, memberikan jaminan privasi dan otonomi ganda bagi AI Agent di bawah arsitektur terdistribusi web3.

Ini lebih cocok dengan arah narasi Mind Network yang berbasis arsitektur rantai publik terdistribusi. Misalnya, dalam proses transaksi di rantai yang khusus, FHE dapat melindungi privasi data Oracle dari setiap pihak serta proses inferensi dan eksekusi, memungkinkan AI Agent melakukan keputusan transaksi secara mandiri tanpa harus mengungkapkan posisi atau strategi.

Lalu, mengapa bisa dikatakan bahwa FHE akan memiliki jalur penetrasi industri yang serupa dengan TEE, dan akan membawa peluang langsung akibat ledakan aplikasi AI?

Sebelumnya, TEE dapat menangkap peluang AI Agent berkat lingkungan perangkat keras TEE yang dapat mengelola data dalam keadaan privasi, sehingga memungkinkan AI Agent untuk mengelola kunci privat secara mandiri, menciptakan narasi baru tentang pengelolaan aset secara mandiri. Namun, penyimpanan kunci privat dengan TEE memiliki kelemahan: kepercayaan harus bergantung pada penyedia perangkat keras pihak ketiga (misalnya: Intel). Untuk membuat TEE berfungsi, diperlukan arsitektur rantai terdesentralisasi yang memberikan tambahan 'konsensus' publik dan transparan pada lingkungan TEE. Sebagai perbandingan, PHE sepenuhnya dapat ada berdasarkan arsitektur rantai terdesentralisasi tanpa bergantung pada pihak ketiga.

FHE dan TEE memiliki posisi ekologi yang serupa. Jangan lihat TEE yang belum banyak digunakan dalam ekosistem web3, tetapi di bidang web2 sudah menjadi teknologi yang sangat matang. Sebagai perbandingan, FHE juga akan perlahan-lahan menemukan nilai keberadaan di bawah ledakan tren AI ini di web2 dan web3.

Demikian.

Dari uraian di atas, dapat dilihat bahwa teknologi enkripsi kelas 'Holy Grail' seperti FHE, di bawah premis bahwa AI menjadi masa depan, pasti akan menjadi salah satu landasan keamanan yang semakin luas diadopsi.

Namun, meskipun demikian, kita tidak bisa menghindari masalah biaya yang terkait dengan implementasi algoritma FHE. Jika FHE dapat diterapkan dalam skenario AI web2, dan kemudian terhubung dengan skenario AI web3, itu pasti akan secara tak terduga melepaskan 'efek skala' yang akan mengurangi biaya keseluruhan, sehingga dapat digunakan lebih luas.