Compass Investments

Yannick Schrade 这样反映了这一新现实：

分布式隐私计算是分布式系统中缺失的一环。随着人工智能模型在各行各业的决策中变得越来越重要，在完全加密的环境中执行计算的能力是不可取的。

Schrade 指出了保密人工智能和保密分散金融（DeFi）的潜力，并以此为例说明了此类技术的可能性：如何在不影响用户访问的情况下轻松集成强大的隐私措施。正如 Schrade 所说，传统的 Web2 公司非常清楚隐私的重要性，这既是出于监管要求，也是出于商业逻辑。相反，Web3 生态系统直到最近才开始大规模采用以隐私为中心的解决方案。由于隐私计算的大规模采用，Schrade 说：最终用户不应该注意到他们正在使用以隐私为导向的计算技术。

效率、低延迟和直观的设计是至关重要的，尤其是在对计算能力要求很高的基于人工智能的应用中。

COTI首席执行官Shahaf Bar-Geffen也谈到了人工智能在塑造隐私技术未来方面的重要作用。Bar-Geffen强调了联合学习日益增长的重要性，它允许组织在不提供原始数据的情况下在分布式数据集上训练人工智能模型。这种创新在医疗保健和金融等敏感领域尤为重要，因为这些领域的合规性和数据安全性至关重要。Bar-Geffen还强调，隐私技术非常重要，因为人工智能依赖于海量数据。

随着模型的发展，对隐私学习的需求也在增加。这关系到在创新的同时维护个人和机构的秘密。

Penumbra Labs 的创始人亨利-德-瓦伦斯（Henry de Valence）提出了一个令人信服的方法，在这个隐私和易用性经常相悖的时代，如何平衡这两个因素。德瓦伦斯强调了密码系统与用户期望相匹配的重要性。

他强调说，当用户遇到意想不到的安全漏洞时，黑客攻击和经济损失等风险就会出现。同样，Penumbra旨在简化隐私保护，让用户无需技术知识就能轻松互动。