专注于为区块链和人工智能应用构建全同态加密(FHE)技术以保护隐私的开源密码学初创公司Zama SAS今日宣布,已完成5700万美元早期融资。
这轮B轮融资由Blockchange Ventures和Pantera Capital共同领投,使Zama的总融资额超过1.5亿美元,公司估值超过10亿美元。距离该公司上次融资7300万美元仅过去一年多时间。
伴随此次融资,Zama正式推出其机密区块链协议(CBP)的公共测试网,允许开发者开始构建能够通过该公司专用虚拟机在以太坊区块链上进行私密通信的应用程序。
Zama最初是全同态加密(FHE)领域的先驱,这是一种能够对加密数据进行计算的新颖加密技术,使组织能够在不损害数据实用性的前提下保护消费者数据。
传统上,加密技术用于保护存储的数据或在端点之间传输的数据。然而,当数据被中央处理器或图形处理器主动处理时,应用加密可能面临挑战。全同态加密技术解决了这一问题。
区块链技术通过将交易记录到受密码学确定性保护的公共账本上,使得公开验证请求是否按照预定逻辑执行以及交易是否发生成为可能。然而,这需要向所有人披露交易和数据,保持信息私密性会使验证信息变得不可能。
Zama联合创始人兼首席执行官Rand Hindi表示:"没有机密性,区块链就无法实现大规模采用。"
Hindi说,互联网最初使用零加密的超文本协议HTTP,然后发展到使用HTTPS对传输中的数据进行加密。他表示,下一个自然步骤是为每个应用程序从头到尾默认启用完全加密——该公司称之为HTTPZ。
Hindi解释道:"然而,直到最近,FHE仍然太慢,在支持的应用程序方面太有限,对开发者来说也太难使用。这正是我们Zama团队在过去五年中一直在解决的问题。"
使用该公司的CBP,开发者可以在以太坊区块链上使用FHE,采用Solidity和Python等常见编程语言,工作速度比五年前快100倍。该技术已经具备后量子特性,意味着没有已知的量子计算算法能够破解它。
该协议的示例用例包括金融领域的信用卡支付、汇款或银行业务,金融资产代币化,区块链上的债券和股票交易,完全加密的代币交换等。许多这些用例以前需要使用私有区块链来保护隐私和机密性。
其他示例包括链上身份和治理,或为AI创建数据市场。通过FHE,用户可以选择性地与希望使用其数据训练AI模型的公司分享和出售数据。AI模型也可以在加密状态下进行训练,结果被解密后可用于创建版税模型,确保用户拥有数据收入来源,而不是仅出售一次就被永久使用。
Zama表示,预计其技术在未来五年内可扩展性将提高100倍。使用GPU使Zama的协议能够扩展到每秒数百笔交易,该公司正在开发专用硬件芯片以提升FHE性能,最终目标是达到每秒数万笔交易。
好文章,需要你的鼓励
本文探讨如何使用生成式AI和大语言模型作为倾听者,帮助用户表达内心想法。许多主流AI如ChatGPT、Claude等被设计成用户的"最佳伙伴",或试图提供心理健康建议,但有时用户只想要一个尊重的倾听者。文章提供了有效的提示词技巧,指导AI保持中性、尊重的态度,专注于倾听和理解,而非给出建议或判断。同时提醒用户注意隐私保护和AI的局限性。
北京大学团队开发出WoW世界模型,这是首个真正理解物理规律的AI系统。通过200万机器人互动数据训练,WoW不仅能生成逼真视频,更能理解重力、碰撞等物理定律。其创新的SOPHIA框架让AI具备自我纠错能力,在物理理解测试中达到80.16%准确率。该技术将推动智能机器人、视频制作等领域发展,为通用人工智能奠定重要基础。
人工通用智能和超级人工智能的出现,可能会创造出一种全新的外星智能形态。传统AI基于人类智能模式构建,但AGI和ASI一旦存在,可能会选择创造完全不同于人类认知方式的新型智能。这种外星人工智能既可能带来突破性进展,如找到癌症治愈方法,也可能存在未知风险。目前尚不确定这种新智能形态是否会超越人类智能,以及我们是否应该追求这一可能改变人类命运的技术突破。
香港大学和蚂蚁集团联合推出PromptCoT 2.0,这是一种让AI自动生成高质量训练题目的创新方法。通过"概念-思路-题目"的三步策略,AI能像老师备课一样先构思解题思路再出题,大幅提升了题目质量和训练效果。实验显示该方法在数学竞赛和编程任务上都取得了显著提升,为解决AI训练数据稀缺问题提供了新思路。