저는 이전에 여러 기사에서 AI Agent가 암호화폐 산업의 많은 오래된 이야기를 "구원"할 것이라고 말씀드렸습니다. AI 자율성을 둘러싼 서사적 진화의 마지막 물결에서 TEE는 한때 폭풍의 최전선에 있었습니다. 그러나 TEE와 ZKP보다 더 인기가 없는 또 다른 기술 개념이 있습니다. FHE - 완전 동형 암호화는 AI 트랙의 홍보로 인해 "다시 태어날" 것입니다. 아래에서는 예제를 통해 논리를 정리해보겠습니다.

FHE는 암호화된 데이터에 대한 직접 계산을 허용하는 암호화 기술로 "성배"로 간주됩니다. ZKP 및 TEE와 같은 인기 있는 기술 서사와 비교할 때 비교적 인기 없는 위치에 있으며 핵심은 주로 오버헤드 및 애플리케이션 시나리오에 의해 제한됩니다.

Mind Network는 FHE 인프라에 초점을 맞추고 AI Agent에 초점을 맞춘 FHE Chain인 MindChain을 출시했습니다. 1,000만 달러 이상을 모금했고 수년간의 기술 개발을 거쳤지만 FHE 자체의 한계로 인해 시장에서 여전히 과소평가받고 있습니다.

그러나 Mind Network는 최근 AI 애플리케이션 시나리오에 대한 좋은 소식을 많이 발표했습니다. 예를 들어, 개발한 FHE Rust SDK는 오픈 소스 대형 모델 DeepSeek에 통합되어 AI 훈련 시나리오에서 핵심 링크가 되었고 신뢰할 수 있는 AI 구현을 위한 안전한 기반을 제공했습니다. FHE를 AI 프라이버시 컴퓨팅에 사용할 수 있는 이유는 무엇입니까? AI Agent의 내러티브를 통해 추월이나 구원을 달성할 수 있습니까?

간단히 말해서: FHE 완전 동형 암호화는 현재 공개 체인 아키텍처에 직접 적용될 수 있는 암호화 기술로, 암호화된 데이터에 먼저 암호를 해독하지 않고도 덧셈 및 곱셈과 같은 임의의 계산을 직접 수행할 수 있습니다.

즉, FHE 기술을 적용하면 입력에서 출력까지 데이터를 암호화할 수 있습니다. 검증을 위해 공개 체인 합의를 유지하는 노드조차도 평문 정보에 액세스할 수 없습니다. 이런 식으로 FHE는 의료 및 금융과 같은 수직 세분화된 시나리오에서 일부 AI LLM의 교육을 위한 기술적 기반 보장을 제공할 수 있습니다.

FHE는 기존 AI 대규모 모델 훈련을 위한 "최적의" 솔루션이 되어 수직 시나리오를 풍부하게 하고 확장하며 블록체인 분산 아키텍처와 결합할 수 있습니다. 의료 데이터에 대한 기관 간 협업이든 금융 거래 시나리오에서의 개인 정보 보호 추론이든, FHE는 그 고유성으로 인해 보완적인 옵션이 될 수 있습니다.

사실 이는 추상적인 것이 아니며 간단한 예를 통해 이해할 수 있습니다. 예를 들어, C-end 애플리케이션인 AI Agent의 백엔드는 일반적으로 DeepSeek, Claude, OpenAI 등 다양한 공급업체가 제공하는 대규모 AI 모델에 연결됩니다. 하지만 일부 매우 민감한 금융 애플리케이션 시나리오에서 AI Agent의 실행 프로세스가 갑자기 규칙을 변경하는 대규모 모델 백그라운드의 영향을 받지 않도록 하려면 어떻게 해야 할까요? 이는 필연적으로 입력 프롬프트를 암호화해야 합니다. LLM 서비스 제공자가 암호문을 직접 계산하고 처리할 때 공정성에 영향을 미치는 강제적인 간섭 및 수정은 없습니다.

그렇다면 "신뢰할 수 있는 AI"라는 개념은 어떤가요? 신뢰할 수 있는 AI는 Mind Network가 구축하려는 FHE 분산형 AI 비전으로, 여러 당사자가 중앙 서버에 의존하지 않고도 분산 컴퓨팅 파워 GPU를 통해 효율적인 모델 학습 및 추론을 달성할 수 있도록 하며, AI 에이전트에게 FHE 기반 합의 검증을 제공합니다. 이러한 설계는 원래 중앙 집중형 AI의 한계를 제거하고 분산 아키텍처에서 web3 AI Agent의 작동에 대한 개인 정보 보호와 자율성을 이중으로 제공합니다.

이는 Mind Network의 자체 분산형 퍼블릭 체인 아키텍처의 내러티브 방향과 더 일치합니다. 예를 들어, 특수한 온체인 거래에서 FHE는 모든 당사자의 Oracle 데이터의 개인정보 추론 및 실행 프로세스를 보호하여 AI 에이전트가 포지션이나 전략을 노출하지 않고도 자율적인 거래 결정을 내릴 수 있도록 합니다.

그렇다면 FHE가 TEE와 유사한 산업 침투 경로를 가질 것이며 AI 적용 시나리오의 폭발적 증가로 인해 직접적인 기회를 가져올 것이라고 말하는 이유는 무엇일까요?

이전에 TEE는 AI Agent의 기회를 잡을 수 있었습니다. TEE 하드웨어 환경은 개인 상태에서 데이터 호스팅을 실현하고 AI Agent가 개인 키를 독립적으로 호스팅할 수 있도록 허용하여 자율적 자산 관리에 대한 새로운 내러티브를 실현할 수 있었기 때문입니다. 하지만 TEE에서 개인 키를 저장하는 방식에는 실제로 결함이 있습니다. 신뢰를 얻으려면 타사 하드웨어 공급자(예: 인텔)에 의존해야 합니다. TEE가 작동하려면 TEE 환경에 추가적인 개방적이고 투명한 "합의" 제약 조건을 추가하기 위한 분산형 체인 아키텍처가 필요합니다. 이와 대조적으로 PHE는 제3자에 의존하지 않고도 전적으로 분산된 체인 아키텍처를 기반으로 존재할 수 있습니다.

FHE와 TEE는 비슷한 생태적 틈새를 가지고 있습니다. TEE는 web3 생태계에서 널리 사용되지는 않지만, web2 분야에서는 오랫동안 매우 성숙한 기술이었습니다. 이에 비해 FHE는 이번 라운드의 AI 트렌드의 폭발로 web2와 web3에서 점차 가치를 찾을 것입니다.

위에.

요약하자면, 암호화의 성배인 암호화 기술인 FHE는 보안의 초석 중 하나가 될 수밖에 없고, AI가 미래가 된다는 전제 하에 더욱 널리 채택될 가능성이 크다고 볼 수 있습니다.

물론, 이러한 사실에도 불구하고 알고리즘 구현에서 FHE의 비용 문제를 피할 수는 없습니다. 웹2 AI 시나리오에 적용한 다음 웹3 AI 시나리오에 연결할 수 있다면 예상치 못하게 "스케일 효과"가 방출되고 전체 비용이 희석되어 더 널리 사용될 수 있습니다.