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
CPU架构讨论常聚焦于不同指令集的竞争,但实际上在单一系统中使用多种CPU架构已成常态。x86、Arm和RISC-V各有优劣,AI技术的兴起更推动了对性能功耗比的极致需求。当前x86仍主导PC和服务器市场,Arm凭借庞大生态系统在移动和嵌入式领域领先,RISC-V作为开源架构展现巨大潜力。未来芯片设计将更多采用异构计算,多种架构协同工作成为趋势。
KAIST AI团队通过深入分析视频生成AI的内部机制,发现了负责交互理解的关键层,并开发出MATRIX框架来专门优化这些层。该技术通过语义定位对齐和语义传播对齐两个组件,显著提升了AI对"谁对谁做了什么"的理解能力,在交互准确性上提升约30%,为AI视频生成的实用化应用奠定了重要基础。
Vast Data与云计算公司CoreWeave签署了价值11.7亿美元的多年期软件许可协议,这标志着AI基础设施存储市场的重要转折点。该协议涵盖Vast Data的通用存储层及高级数据平台服务,将帮助CoreWeave提供更全面的AI服务。业内专家认为,随着AI集群规模不断扩大,存储系统在AI基础设施中的占比可能从目前的1.9%提升至3-5%,未来五年全球AI存储市场规模将达到900亿至2000亿美元。
乔治亚理工学院和微软研究团队提出了NorMuon优化器,通过结合Muon的正交化技术与神经元级自适应学习率,在1.1B参数模型上实现了21.74%的训练效率提升。该方法同时保持了Muon的内存优势,相比Adam节省约50%内存使用量,并开发了高效的FSDP2分布式实现,为大规模AI模型训练提供了实用的优化方案。