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
OpenAI首席执行官Sam Altman表示,鉴于投资者的AI炒作和大量资本支出,我们目前正处于AI泡沫中。他承认投资者对AI过度兴奋,但仍认为AI是长期以来最重要的技术。ChatGPT目前拥有7亿周活跃用户,是全球第五大网站。由于服务器容量不足,OpenAI无法发布已开发的更好模型,计划在不久的将来投资万亿美元建设数据中心。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
英伟达推出新的小型语言模型Nemotron-Nano-9B-v2,拥有90亿参数,在同类基准测试中表现最佳。该模型采用Mamba-Transformer混合架构,支持多语言处理和代码生成,可在单个A10 GPU上运行。独特的可切换推理功能允许用户通过控制令牌开启或关闭AI推理过程,并可管理推理预算以平衡准确性和延迟。模型基于合成数据集训练,采用企业友好的开源许可协议,支持商业化使用。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。