作者:CoinList,翻譯:金財經xiaozou
2024年6月20日,Coinlist發幣公告表示將於6月20日至27日啟動Nillion Network代幣NIL社群公售,Nillion社群輪融資估值為4億美元。
Nillion Network是個什麼項目? Coinlist最近與Nillion 團隊進行了交談,討論了AI 現狀、NIL 代幣實用性、Nillion 如何幫助建設者開發新型隱私應用程式(Nillion用例)、Nillion團隊對未來的願景等,用6個問題帶你深入探索它。
1、Nillion是什麼?
Nillion是人類的第一個Blind Computer(盲電腦)。
想像一下,一個數位克隆版的你可以充當你的助手——一個比你更了解你自己的人工智慧。
聽起來感到興奮還是可怕?無論怎樣,它正在到來。但它存在一個嚴重問題:數據。
這就是為什麼來自優步、Coinbase、Consensys、Google、Nike、Polygon、亞馬遜和Hedera的開發者們歷時3年打造了Nillion——所有私人資料的網路基礎層。
Nillion已經進入了資料戰爭,正為建設者提供一套強大的隱私增強技術(PET),以開發個人化人工智慧等創新應用。此項技術可讓資料在使用時保持隱身狀態(經加密處理)-這項功能對人工智慧的未來及其他領域至關重要。此後,Blind Computation(盲運算)吸引了越來越多的AI、DeFi、託管、錢包、身分認證、訊息傳遞等領域的開發者的注意。
2、Nillion解決了哪些問題?提供了什麼機會?
Nillion的盲運算網路開啟了人工智慧的新範式,使資料和模型得以保密。 Nillion面向不能委託給ChatGPT等公司或完全開源的Crypto x AI網路的資料創建了一個去中心化替代方案。
但盲目運算超越了人工智慧領域。 Nillion提供了區塊鏈和其他鏈下協處理器中不存在的可編程私有資料功能,解鎖了遠超出人工智慧的用例。已有超35家公司正式與Nillion合作建置網路。使用案例包含去中心化私有暗池、量子安全訊息傳遞、醫療保健分析、加密託管、身分認證應用程式等等。
如何實現這個願景? Orchestration Layer(編排層)
在密碼學中,不存在能勝任所有任務的萬能靈藥。不同的隱私增強技術(PET),例如不同種類的多方計算(MPC)、全同態加密(FHF)和零知識證明(ZKP),旨在解決不同的用例。 Nillion將這些技術結合在一起,創建了一個加密和盲計算的基礎層。
3.Nillion如何解決擴容相關問題,特別是隨著網路的用戶、交易量和資料儲存量不斷增長?
Nillion 網路架構的核心是集群概念。根據不同叢集的安全性、成本和效能假設,每個叢集由不同數量的節點組成。考慮到計算網路不是一個由全局共享狀態概念驅動的區塊鏈,它可以垂直和水平擴展——存儲或計算需求的增長可以通過整個集群擴展其基礎設施或通過添加額外的節點集群來吸收。
可以將每個叢集設定為具有不同硬體的特定節點群,以處理不同的儲存或運算請求,例如,透過提供大量儲存來處理更多秘密,或透過提供特定硬體來加速特定類型的運算。集群的方式使網路更加靈活。
4.NIL代幣在網路中扮演什麼樣的角色?它如何用於交易、治理或其他功能?
-
安全與協調層:質押NIL取得用於確保網路安全的投票權,並決定誰能成為主動驗證者(使用權益授權證明機制)。
-
管理網路資源:使用者必須支付NIL代幣才能使用協調層或提出盲運算請求,從而使網路資源管理成為可能。
-
Petnet集群經濟學:基礎設施供應商加入集群促進盲運算,為網路提供資源的安全儲存將獲取NIL代幣獎勵。
-
網路治理:NIL持有者可以在協調層對鏈上提案進行投票,或將他們的投票權委託給其他人。
5.你注意到Nillion與各垂直領域項目的合作關係了嗎,例如AI、DeFi、醫療保健和訊息傳遞?這些合作關係解鎖了什麼好處?還有哪些用例讓你異常興奮?
(1)AI
Nillion解鎖了人工智慧模型的私有訓練和推理,為無法委託給OpenAI或Bittensor(TAO)等透明加密網路的敏感資料創建了一個去中心化替代方案。具體來說,它解鎖了以下好處:
-
AI推理:Nillion使企業能夠存取專有雲端解決方案,如ChatGPT,而不必犧牲隱私和安全。同時,Nillion可以在不洩漏IP的情況下實現模型共享。與Ritual或Nesa等公司的整合合作表明,現有加密人工智慧網路強烈希望將Nillion整合到其網路中以滿足私有人工智慧運算請求,將Nillion定位為私有人工智慧運算的通用後端。
-
資料共享獲利:網路資料儲存的隱私性使個人資料可以在不犧牲隱私的情況下共享用於人工智慧訓練並因此獲利。例如,Rainfall AI是一個基於隱私的私人AI平台,使用戶能夠從他們的資料生成的即時智慧中獲利。這樣的產品使企業能夠更了解、吸引和獲取客戶。
-
AI語意搜尋:檢索增強生成(RAG)技術是當今人工智慧格局的關鍵部分,使用戶能夠在運行LLM時提供相關的客製化內容。如今,對向量資料進行語意搜尋的過程需要信任某公司對這些向量資料的儲存和處理。 Skillful是一家建立隱私保護RAG的公司,該公司將向量資料儲存在具有量子安全的Nillion網路中,同時對這些向量資料進行語義搜索,而無需解密。
-
AI合成數據:可以在解鎖協作模型訓練的同時產生合成數據,而不會洩露任何私人數據。這個過程產生了更多的數據和更高的準確性。 Mizu的目標是利用Nillion網路來促進私有合成資料的生成。
-
智能體:像Virtuals Protocol這樣的協定旨在使用Nillion網路來創建個人化的私有智能體。透過Nillion的敏感的個人化數據,智能體可以在不犧牲用戶隱私的情況下廣泛使用。
(2)去中心化計算
Nillion提供了區塊鏈和其他鏈下協處理器中不存在的可程式資料隱私功能。盲運算網路大大擴展了應用程式的設計空間,例如:
-
DeFi:一個去中心化的完全隱私保護訂單簿,具有跨加密和TradFi領域的用例應用。例如,Choose K正在建立一個去中心化的私人訂單簿,支援完全隱私的交易執行,而沒有搶先交易或不良MEV捕獲的風險。 Aphotic基於Choose K的訂單簿構建,以創建一個暗池。這兩個建設者在彼此的解決方案之上建設,體現了創建開放公共網路的好處。
-
醫療:一種用於分析敏感醫療資料模式的完全隱私保護的方法。例如,血液檢測等患者資料可以以完全合規的方式進行匯集和處理。 Maya Health使用現實世界的證據來為臨床實踐、藥物開發和監管提供訊息,以支持安全、有效和可及的迷幻劑開發實踐。該公司將使用Nillion平台對安全的私人用戶資料進行協作計算。
-
DAO:盲計算功能使DAO能夠取得投票前和投票後的隱私保護,在產生投票結果總結的同時屏蔽用戶的投票。 DecentDAO正在建立DAO工具並實現這樣的解決方案。
(3)安全存儲
作為私有資料的一個去中心化公共網絡,Nillion可以支援敏感資料的量子安全性的隱藏儲存。這種安全性為加密引入了新的儲存用例:
-
訊息傳遞:一個去中心化的、量子安全的訊息傳遞系統,可確保完全的使用者隱私。 Mailchain使用Nillion使用戶能夠安全、私密地儲存訊息,同時能夠偵測和分析潛在的騙局。
-
密碼:NilQuantum正在基於Nillion開發一種解決方案,以去中心化方式以量子安全的方式儲存使用者密碼。
-
文件:Flux支援群發訊息和加密功能,如代幣門控存取、應用程式內支付以及與其他web3服務的整合。 Flux建立在Nillion網路之上,在網路上私密安全地儲存文件。
-
託管:透過利用MPC等隱私增強技術,Nillion網路還具有獨特的功能,使用戶能夠在他們的所選叢集中儲存金鑰並執行交易。像Ambient、Interstellar或JLabs這樣的公司打算在Nillion網路上開發託管解決方案。此外,像Salt這樣的公司正在使用盲運算功能來建立私人交易策略,將該網路定位為真正去中心化的MPC託管網路。
6.如今個人化AI和隱私保護在加密領域風靡一時。你認為個人化AI最有趣的趨勢是什麼?
自從生成式人工智慧以目前的形式出現以來,該行業越來越朝著使這些系統從個人化和客製化中受益的方向發展。像OpenAI這樣的大公司推出了自訂GPT,同時努力進一步迭代個人化聊天機器人,各企業都有內部開發的專有模型,還有不少新創公司的成立,都致力於將個人化智慧體帶入人們的生活中。
它們的共同點是,個人敏感資料是訓練和運行這些個人化模型的核心。
真正個人化的人工智慧需要你的所有數據。你發過的每一個訊息,一切使你成為你的東西。問你自己一個問題,你會把你10年的文字對話交給一個人工智慧助理嗎(明知道這些數據會被OpenAI所有)?
大多數人都不會。由於資料隱私問題,59%的消費者對使用個人化人工智慧感到不太舒服。如果沒有私人資料處理的話,個人化人工智慧將無法獲得「下一個網路」般的大規模採用。
蘋果最近發布了Apple Intelligence,並專注於在設備上本地運行AI模型,並在一個安全的硬體環境中運行計算更加密集的模型,這是朝著正確方向邁出的一步。他們對私有AI的關注是對Nillion的盲計算需求觀點的巨大證明。
當蘋果公司在使用可信任執行環境方面邁出了合理的第一步時,Nillion正在開發透過使用多方計算(MPC)和同態加密(HE)等技術創建真正去中心化隱私終局來消除信任的密碼學。
Nillion-所有私有資料的網路基礎層。
當以太坊用智能合約去中心化計算時,世界發生了變化。如今,Nillion將透過去中心化對你最有價值數據的信任來掀起下一波創新浪潮。
讓你,而且只有你,擁有你自己的數據——開啟個人化人AI和無數其他新興技術的大規模採用。
Nillion透過盲計算來實現這一點。