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
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。