私はこれまで多くの記事で、AI エージェントが暗号通貨業界における多くの古い物語の「救済」となるだろうと述べてきました。 AIの自律性をめぐる物語の進化の最後の波では、TEEがかつて嵐の最前線にいました。しかし、TEEやZKPよりもさらに人気のない別の技術コンセプト、FHE（完全準同型暗号化）があり、これもAIトラックの推進により「生まれ変わる」でしょう。以下では、例を通してロジックを整理します。

FHE は、暗号化されたデータ上で直接計算を可能にする暗号技術であり、「聖杯」と見なされています。ZKP や TEE などの人気の技術物語と比較すると、比較的人気のない位置にあり、その中核は主にオーバーヘッドとアプリケーション シナリオによって制約されています。

Mind NetworkはFHEインフラに注力しており、AIエージェントに重点を置いたFHEチェーンであるMindChainを立ち上げました。1,000万ドル以上の資金を調達し、数年にわたる技術開発を経ていますが、FHE自体の限界により、市場ではまだ過小評価されています。

しかし、Mind Network は最近、AI 応用シナリオに関する多くの朗報を発表しました。たとえば、同社が開発した FHE Rust SDK はオープンソースの大規模モデル DeepSeek に統合され、AI トレーニング シナリオの重要なリンクとなり、信頼できる AI の実装のための安全な基盤を提供しました。 FHE はなぜ AI プライバシー コンピューティングに使用できるのでしょうか? AI エージェントの物語の助けを借りて、追い越しや償還を達成できるのでしょうか?

簡単に言うと、FHE 完全準同型暗号化は、現在のパブリック チェーン アーキテクチャに直接適用できる暗号化テクノロジであり、最初にデータを復号化することなく、暗号化されたデータに対して加算や乗算などの任意の計算を直接実行できます。

言い換えれば、FHE 技術の応用により、入力から出力までデータを暗号化できます。検証のためにパブリック チェーンのコンセンサスを維持するノードであっても、プレーンテキスト情報にアクセスすることはできません。このように、FHE は、医療や金融などの垂直にセグメント化されたシナリオで、一部の AI LLM のトレーニングに技術的な基礎保証を提供できます。

FHE は、従来の AI 大規模モデル トレーニングにとって「最適な」ソリューションとなり、垂直シナリオを充実および拡張し、ブロックチェーン分散アーキテクチャと組み合わせることができます。医療データに関する機関間のコラボレーションであろうと、金融取引シナリオにおけるプライバシーの推論であろうと、FHE はその独自性により補完的なオプションになる可能性があります。

これは実際には抽象的なものではなく、簡単な例で理解できます。たとえば、C エンド アプリケーションとして、AI エージェントのバックエンドは通常、DeepSeek、Claude、OpenAI などのさまざまなサプライヤーが提供する大規模な AI モデルに接続されますが、一部の非常に機密性の高い金融アプリケーションのシナリオでは、ルールを突然改ざんする大規模なモデル バックグラウンドによって AI エージェントの実行プロセスが影響を受けないようにするにはどうすればよいでしょうか。必然的に、入力プロンプトを暗号化する必要があります。LLM サービス プロバイダーが暗号文を直接計算して処理する場合、公平性に影響を与える強制的な干渉や変更は発生しません。

では、「信頼できる AI」という概念についてはどうでしょうか? Trusted AI は、Mind Network が構築しようとしている FHE 分散型 AI ビジョンであり、中央サーバーに依存せずに分散コンピューティング パワー GPU を通じて複数の当事者が効率的なモデル トレーニングと推論を実現できるようにし、AI エージェントに FHE ベースのコンセンサス検証を提供します。この設計により、元の集中型 AI の制限がなくなり、分散アーキテクチャ下での Web3 AI エージェントの動作に対してプライバシーと自律性の二重の保護が実現します。

これは、Mind Network 独自の分散型パブリック チェーン アーキテクチャの物語の方向性とより一致しています。たとえば、特別なオンチェーン取引では、FHE はすべての当事者の Oracle データのプライバシー推論と実行プロセスを保護し、AI エージェントがポジションや戦略を公開することなく自律的な取引決定を下すことを可能にします。

では、なぜ FHE は TEE と同様の業界浸透経路をたどり、AI アプリケーション シナリオの爆発的な増加によって直接的な機会をもたらすと言われているのでしょうか。

これまで、TEE は、TEE ハードウェア環境がプライベート状態でのデータ ホスティングを実現し、AI エージェントが独自に秘密鍵をホスティングできるようにすることで、AI エージェントが自律的な資産管理という新しい物語を実現できるため、AI エージェントの機会を捉えることができました。しかし、実際には、秘密鍵の TEE ストレージには欠陥があり、信頼はサードパーティのハードウェア プロバイダー (Intel など) に依存する必要があります。 TEE が機能するためには、TEE 環境にオープンで透過的な「コンセンサス」制約の追加セットを追加するための分散チェーン アーキテクチャが必要です。対照的に、PHE は第三者に依存せずに、完全に分散型チェーン アーキテクチャに基づいて存在できます。

FHE と TEE は似たような生態学的ニッチを持っています。TEE は Web3 エコシステムでは広く使用されていませんが、Web2 分野では長い間非常に成熟した技術でした。それに比べて、FHE は今回の AI トレンドの勃興により、Web2 と Web3 の両方で徐々にその価値を見出すでしょう。

その上。

まとめると、暗号化の聖杯ともいえる暗号化技術であるFHEは、セキュリティの礎の一つとなり、AIが未来となることを前提に、さらに広く採用されていくことが予想されます。

もちろん、それにもかかわらず、アルゴリズムの実装において FHE のコストの問題は避けられません。Web2 AI シナリオに適用し、Web3 AI シナリオにリンクできれば、きっと「スケール効果」が予想外に発揮され、全体的なコストが薄まり、より広く利用できるようになるでしょう。