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
阿里巴巴集团正在马来西亚和菲律宾新增数据中心以推动AI驱动增长。该公司云计算部门本周在马来西亚启用第三个数据中心,并计划10月在菲律宾开设第二个数据中心。阿里云还在新加坡设立全球能力中心,帮助超过5000家企业和10万名开发者使用先进AI模型。未来三年内,阿里巴巴将在全球多个地区加速云网络建设,承诺在AI基础设施上投资超过530亿美元。
新加坡国立大学研究团队开发了SPIRAL框架,通过让AI与自己对弈零和游戏来提升推理能力。实验显示,仅训练AI玩简单扑克游戏就能让其数学推理能力提升8.6%,通用推理提升8.4%,且无需任何数学题目作为训练材料。研究发现游戏中的三种推理模式能成功转移到数学解题中,为AI训练提供了新思路。
在人工智能与神经科学交叉领域的研究中,科学家正在探索自然发育的生物大脑与人工神经网络之间的异同。如今,实验室培养的生物类器官大脑为这一领域带来了新的复杂性。科学家使用干细胞培养出梨形大脑类器官,这些类器官甚至能够自主生长出眼睛。研究人员通过探索视觉与智能的关系,以及大脑-眼部缩放关系,为人工智能研究提供启发。
同济大学团队开发的GIGA-ToF技术通过融合多帧图像的"图结构"信息,创新性地解决了3D相机噪声问题。该技术利用图像间的不变几何关系,结合深度学习和数学优化方法,在合成数据集上实现37.9%的精度提升,并在真实设备上展现出色泛化能力,为机器人、AR和自动驾驶等领域提供更可靠的3D视觉解决方案。