Ένα Πλαίσιο για την Κατανόηση του Τοπίου της Εξομοιωμένης Υπολογιστικής

Η Εξομοιωμένη Υπολογιστική Ζει μια Στιγμή

Ο χώρος της εξομοιωμένης υπολογιστικής βιώνει μια κυματική καινοτομίας σε πολλαπλά μέτωπα ταυτόχρονα. Τα Περιβάλλοντα Εξομοιωμένης Εκτέλεσης (TEEs) ωριμάζουν και γίνονται πιο εύκολα στην ανάπτυξη. Η Πλήρως Ομομορφική Κρυπτογράφηση (FHE) κλείνει το χάσμα απόδοσης που την είχε θεωρητική για χρόνια. Και το οικοσύστημα Web3 συνεχίζει να ωθεί την τεχνολογία απόδειξης μηδενικής γνώσης με εξαιρετικό ρυθμό, με γενικής χρήσης zkVMs που αποδεικνύουν τυχαίες υπολογιστικές εντολές πολλές τάξεις μεγέθους ταχύτερα από ότι πριν δύο χρόνια.

Την ίδια στιγμή, η άνοδος του αυτονομικού AI δημιουργεί νέα επείγουσα ανάγκη γύρω από την εμπιστοσύνη, την ιδιωτικότητα και την επαλήθευση. Όταν τα συστήματα AI ξεπερνούν τη δημιουργία περιεχομένου και αρχίζουν να thực施ουν ενέργειες για λογαριασμό των χρηστών, οι οργανισμοί αυξάνουν την ερώτηση εάν τα παραδοσιακά μέτρα ασφαλείας και συμμόρφωσης είναι επαρκή για αυτόνομα λογισμικά που λειτουργούν σε επιχειρηματικό μέγεθος.

Στην DataTribe, έχουμε διαθέσει σημαντικό χρόνο σε αυτόν τον χώρο, μιλώντας με startups, αξιολογώντας την τεχνολογία και προσπαθώντας να κατανοήσουμε πού θα εμφανιστούν οι πιο ανθεκτικές ευκαιρίες. Αυτό είναι πώς σκεφτόμαστε γι’ αυτό.

Ένα Πλαίσιο για την Εξομοιωμένη Υπολογιστική

Όταν κοιτάμε το τοπίο της εξομοιωμένης υπολογιστικής, βρισκόμαστε χρήσιμο να το χωρίσουμε σε τρεις διακριτές στυλίδες. Κάθε μια αντιπροσωπεύει μια ανεξάρτητη εγγύηση. Σημαντικά, δεν перекrývουν: μια λύση που παρέχει μια στυλίδα δεν παρέχει αυτόματα τις άλλες.

• Προστατευμένη Υπολογιστική: Είσοδος, επεξεργασία και έξοδος παραμένουν προστατευμένες από άκρο σε άκρο. Ούτε ο χειριστής που εκτελεί την υπολογιστική μπορεί να δει τίποτα.

• Ακεραιότητα Υπολογιστικής: Κρυπτογραφική επαλήθευση ότι η σωστή υπολογιστική πραγματοποιήθηκε, ακόμη και σε потенτικά εχθρικά περιβάλλοντα.

• Ιδιωτική Συνεργασία: Πολλαπλά μέρη υπολογίζουν μαζί τα συνδυασμένα δεδομένα τους χωρίς κανένα μέρος να αποκαλύπτει τις εισόδους του στα άλλα.

Κάθε στυλίδα αντιστοιχεί σε διαφορετικές ανάγκες αγοραστών, τεχνολογικούς πυλώνες και ανταγωνιστικές δυναμικές. Σήμερα εστιάζουμε στις δύο πρώτες: Προστατευμένη Υπολογιστική και Ακεραιότητα Υπολογιστικής.

Το Παράδοξο Ιδιωτικότητας του AI και η Προστατευμένη Υπολογιστική

Το AI έχει sido ένας σημαντικός καταλύτης για το ενδιαφέρον στη Προστατευμένη Υπολογιστική. Οι επιχειρήσεις αυξάνουν την αγωνία τους για τα δεδομένα που μοιράζονται με παρόχους LLM και η ζήτηση για εξομοιωμένη εικασία αυξάνεται.

Αλλά υπάρχει ένα παράδοξο που αξίζει να σημειωθεί. Η ίδια επιχείρηση που αγωνιάζει για την αποστολή μεταγραφών σε παρόχο AI χαίρεται να διαβιβάζει δεδομένα αμοιβής μέσω ADP, να κατευθύνει την πίππη της σε Salesforce (CRM ) και να παραδίδει ιατρικά αρχεία στον προμηθευτή EHR. Η προστασία σε κάθε περίπτωση είναι η ίδια: μια σύμβαση με υποσχέσεις προστασίας δεδομένων και αναφορές συμμόρφωσης. Κανένα κρυπτογραφικό εγγύηση. Γιατί οι παρόχοι AI αντιμετωπίζονται διαφορετικά;

Υπάρχουν πραγματικοί λόγοι. Ο φόβος ότι τα δεδομένα θα χρησιμοποιηθούν για εκπαίδευση, θα απορροφηθούν στα βάρη του μοντέλου και θα εμφανιστούν σε άλλη έξοδο του πελάτη δεν έχει ανάλογο στη παραδοσιακή SaaS. Η ανταλλαγή αξίας feels ασύμμετρη, με τις επιχειρήσεις να αντιλαμβάνονται ότι τα δεδομένα τους μπορεί να βελτιώσουν το προϊόν του παρόχου για τους ανταγωνιστές. Και οι ρυθμιστές δίνουν ιδιαίτερη προσοχή στην επεξεργασία δεδομένων AI με τρόπους που δεν έχουν εφαρμοστεί στο υπάρχον στρώμα SaaS. Οι παρόχοι AI έχουν αρχίσει να συνάπτουν συμβάσεις με προστασίες παρόμοιες με τις συμβάσεις SaaS, αλλά η ταχύτητα υιοθέτησης και ο φόβος του “σκιώδους AI”, όπου οι υπάλληλοι χρησιμοποιούν υπηρεσίες AI που δεν είναι υπό συμβαση με την επιχείρηση, προσθέτουν επείγουσα που δεν έχει αντιμετωπιστεί από την παραδοσιακή αγορά SaaS.

Εάν αυτές οι ανησυχίες είναι πλήρως λογικές ή частично οδηγούμενες από τη νεωτερικότητα του AI, δημιουργούν πραγματική αγοραστική επείγουσα. Το πιο ενδιαφέρον ερώτημα είναι εάν αυτή η επείγουσα παραμένει περιορισμένη στο AI ή εξαπλώνεται. Εάν οι επιχειρήσεις αρχίσουν να απαιτούν κρυπτογραφική προστασία δεδομένων από τους παρόχους LLM και στη συνέχεια συνειδητοποιούν την λογική ασυνέπεια της μη απαίτησης αυτής από όλους τους άλλους, η συνολική αγορά για Προστατευμένη Υπολογιστική επεκτείνεται δραματικά πέρα από την εικασία AI.

FHE vs. TEEs για Προστατευμένη Υπολογιστική

Δυο основные τεχνολογικές προσεγγίσεις ανταγωνίζονται για Προστατευμένη Υπολογιστική, και αντιπροσωπεύουν θεμελιωδώς διαφορετικά μοντέλα εμπιστοσύνης.

Τα TEEs όπως AMD SEV-SNP, Intel TDX και NVIDIA’s (NVDA ) confidential GPUs είναι η πρακτική επιλογή σήμερα. Παρέχουν Προστατευμένη Υπολογιστική με ελάχιστη επιβάρυνση απόδοσης και είναι ήδη διαθέσιμα ως εγγενείς προσφερόμενες από τους μεγάλους παρόχους cloud. Η υπόθεση εμπιστοσύνης είναι στον προμηθευτή πυλώνων και, σε διαφορετικά επίπεδα, στον παρόχο cloud που λειτουργεί τον hardware.

Η FHE ακολουθεί μια καθαρά μαθηματική προσέγγιση. Τα δεδομένα παραμένουν κρυπτογραφημένα καθ’ όλη τη διάρκεια της υπολογιστικής, και η εγγύηση ασφαλείας δεν εξαρτάται από την εμπιστοσύνη σε κανένα hardware ή χειριστή. Η ανταλλαγή έχει ιστορικά ήταν η απόδοση: οι επιχειρήσεις FHE έχουν sido πολλές τάξεις μεγέθους πιο αργές από την υπολογιστική κειμένου, περιορίζοντας τη σε στενές περιπτώσεις χρήσης.

Αυτό το χάσμα κλείνει γρηγορότερα από ότι πολλοί άνθρωποι συνειδητοποιούν. Η επιτάχυνση του hardware είναι ένας σημαντικός οδηγός. Οι κάρτες επιτάχυνσης FHE Niobium παρέχουν πολλές τάξεις μεγέθους βελτίωση σε σχέση με την επιτάχυνση λογισμικού FHE. Η Cornami, της οποίας ο επικεφαλής επιστήμονας είναι ο Craig Gentry (πανευρωπαίος ως ο εφευρέτης της FHE), έχει αξιώσει “ταχύτητες κοντά στο κείμενο” για εικασία LLM χρησιμοποιώντας FHE, αν και ανεξάρτητες μετρήσεις δεν έχουν δημοσιευθεί. Μια άλλη εταιρεία έχει επίδειξη εικασίας LLM με βάση FHE σε ένα μοντέλο Llama 3 70b με ταχύτητες που προσεγγίζουν την απόδοση χωρίς κρυπτογράφηση. Αυτά τα αξιώματα αξίζουν σχολαστική εξέταση, αλλά η πορεία είναι σαφής: το χάσμα απόδοσης που κρατούσε την FHE θεωρητική στενεύει γρήγορα.

Εάν η FHE γίνει αρκετά γρήγορη για παραγωγικές εργασίες, οι επιπτώσεις είναι βαθιές. Δεν χρειάζεται να εμπιστεύεστε τον προμηθευτή πυλώνων, τον παρόχο cloud ή κανένα με φυσική πρόσβαση στο hardware. Η εγγύηση ασφαλείας σας γίνεται μαθηματική, όχι λειτουργική.

Για τους επενδυτές, αυτό δημιουργεί ένα σημαντικό στρατηγικό ερώτημα: εάν στοιχηματίζετε ότι η εμπιστοσύνη του hardware γίνεται πιο αξιόπιστη (ο δρόμος TEE), ή εάν η κρυπτογραφική απόδοση βελτιώνεται αρκετά για να κάνει τις μαθηματικές λύσεις πρακτικές (ο δρόμος FHE). Τα περισσότερα έσοδα κοντά στην απόδοση είναι στην πλευρά TEE. Η μακροπρόθεσμη αμυντική 논ική μπορεί να ευνοήσει την μαθηματική προσέγγιση, τουλάχιστον για κάποια domaine υπολογιστικής.

Ακεραιότητα Υπολογιστικής: Από Εσωτερική Απειλή σε Εχθρικά Περιβάλλοντα

Η Ακεραιότητα Υπολογιστικής αντιμετωπίζει ένα διαφορετικό πρόβλημα: πώς να γνωρίζετε ότι η σωστή υπολογιστική πραγματοποιήθηκε;

Σε ελεγχόμενα περιβάλλοντα όπως τα κέντρα δεδομένων επιχειρήσεων και τα cloud hyperscaler, τα TEEs αντιμετωπίζουν αυτόν τον κίνδυνο αρκετά καλά. Οι μηχανισμοί επαλήθευσης επιτρέπουν να βεβαιωθείτε ότι ο αναμενόμενος κώδικας φορτώθηκε σε ένα γνήσιο TEE πριν από την αποστολή δεδομένων. Αυτό είναι πολύτιμο για την προστασία έναντι εσωτερικών απειλών, υπονομευμένης υποδομής ή προβλημάτων ανάπτυξης. Για τις περισσότερες επιχειρηματικές περιπτώσεις, η επαλήθευση TEE είναι αρκετά καλή.

Αλλά “αρκετά καλό” εξαρτάται από το μοντέλο απειλής. Σε πραγματικά εχθρικά περιβάλλοντα, όπου δεν έχετε έλεγχο στο hardware και ο χειριστής μπορεί να είναι ενεργά εχθρικός, οι εγγυήσεις TEE χειροτερεύουν. Πρόσφατη έρευνα έχει αποδείξει πρακτικές επιθέσεις κατά της επαλήθευσης TEE χρησιμοποιώντας χαμηλού κόστους hardware interposers, και οι μεγάλες εταιρείες πυλώνων έχουν αναγνωρίσει ότι οι φυσικές επιθέσεις δεν εμπίπτουν στο μοντέλο απειλής τους. Σε ένα καλά διαχειριζόμενο κέντρο δεδομένων με φυσική ασφάλεια, αυτό το υπολειπόμενο ρίσκο είναι διαχειρίσιμο. Σε ένα άγνωστο κόμβο σε ένα αποκεντρωμένο δίκτυο υπολογιστικής, δεν είναι.

Αυτό είναι ακριβώς γιατί ο κόσμος του Web3 έχει sido ο основικός οδηγός της καινοτομίας απόδειξης μηδενικής γνώσης. Οι απόδειξεις ZK παρέχουν μαθηματική βεβαιότητα για την ακεραιότητα υπολογιστικής ανεξάρτητα από το περιβάλλον hardware. Εάν η απόδειξη επαλήθευση, η υπολογιστική ήταν σωστή, ανεξάρτητα από το εάν η αποδεδειγμένη υπολογιστική πραγματοποιήθηκε σε ένα ασφαλές εργαστήριο ή στο γκαράζ κάποιου.

Ο ρυθμός βελτίωσης εδώ έχει sido αξιοσημείωτος. Οι γενικής χρήσης zkVMs επιτρέπουν στους développers να γράφουν κανονικό κώδικα Rust και να παράγουν απόδειξεις αυτόματα, χωρίς χειρογραφικές κρυπτογραφικές κυκλώματα. Η Succinct’s SP1 Hypercube αποδεικνύει μπλοκ Ethereum σε λιγότερο από 12 δευτερόλεπτα σε 16 GPUs. Η ZKsync’s Airbender αναφέρει πάνω από 21 εκατομμύρια κύκλους ανά δευτερόλεπτο σε ένα seul H100.

Για τις εργασίες AI ειδικά, η zkML κάνει πρόοδο αλλά παραμένει ακριβή. Η απόδειξη εικασίας LLM vẫn τρέχει χιλιάδες φορές πιο αργά από την εικασία herself. Τα μικρότερα μοντέλα όπως τα ταξινομητές και τα μοντέλα ενσωμάτωσης προσεγγίζουν την πρακτική ZK αποδεικτικότητα τώρα, και η αποδεικτική LLM είναι πιθανό δύο έως τρία χρόνια μακριά. Ένα ενδιαφέρον μεσοχώρο είναι η “αισιόδοξη” επαλήθευση, όπου οι απόδειξεις παράγονται μόνο όταν τα αποτελέσματα αμφισβητούνται και όχι για κάθε υπολογιστική, μειώνοντας δραματικά το συνεσταλμένο κόστος.

Πού Πηγαίνει Αυτό

Ο χώρος της εξομοιωμένης υπολογιστικής βρίσκεται σε ένα σημείο εκτροπής. Η καινοτομία συμβαίνει ταυτόχρονα σε TEEs, FHE και ZK, κάθε μια οδηγούμενη από διαφορετικές κοινότητες με διαφορετικές προτεραιότητες αλλά συναντώντας σε ένα κοινό σύνολο προβλημάτων.

Οι δυναμικές γύρω από αυτό που οι αγοραστές βρίσκουν πιο επείγον θα καθορίσουν ποιες προσεγγίσεις θα κερδίσουν первую. Οι επιχειρήσεις που εστιάζουν στην συμμόρφωση ρυθμίσεων και την προστασία δεδομένων cloud θα πιθανότατα τραβήξουν τις λύσεις TEEs μπροστά. Το κύμα AI μπορεί να επιταχύνει την ζήτηση για FHE εάν η απόδοση συνεχίσει να βελτιώνεται. Οι αποκεντρωμένες υπολογιστικές και οι εφαρμογές Web3 θα συνεχίσουν να ωθούν την τεχνολογία ZK προς ευρύτερη εφαρμογή.

Αναμένουμε επίσης να εμφανιστούν υβριδικά αρχιτεκτονικά ως πρακτικός μεσοχώρος. TEEs για ιδιωτικότητα συνδυασμένα με απόδειξεις ZK για ακεραιότητα, για παράδειγμα, σας δίνουν ισχυρή εμπιστευτικότητα με μαθηματική βεβαιότητα για σωστότητα. Αυτός ο συνδυασμός λειτουργεί καλά για σενάρια όπου το περιβάλλον hardware είναι μερικά εμπιστευμένο αλλά όχι πλήρως ελεγχόμενο.

Αυτό το πλαίσιο γίνεται ιδιαίτερα σχετικό γύρω από το Συνέδριο Εξομοιωμένης Υπολογιστικής του Linux Foundation στο Σαν Φρανσίσκο την περασμένη εβδομάδα, όπου ένα κεντρικό θέμα ήταν εάν η εξομοιωμένη υπολογιστική μπορεί να χρησιμεύσει ως το στρώμα ασφαλείας που κάνει το agentic AI αναπτυσσίμο σε επιχειρηματικό μέγεθος. Όταν οι οργανισμοί αρχίζουν να δίνουν στους πρεσβευτές AI πρόσβαση σε ευαίσθητα συστήματα, δεδομένα και ροές εργασίας, τα ερωτήματα της προστατευμένης υπολογιστικής, της ακεραιότητας υπολογιστικής και της επαλήθευσης εμπιστοσύνης μεταφέρονται από θεωρητικές αρχιτεκτονικές συζητήσεις σε λειτουργικές απαιτήσεις.

Για τις startups, οι ευκαιρίες είναι σημαντικές σε όλο το στρώμα: κάνουν την TEE-βασισμένη εξομοιωμένη υπολογιστική πιο εύκολη για τις εταιρείες SaaS να υιοθετήσουν, xây dựng το εργαλείο που φέρνει την FHE από την έρευνα στην παραγωγή, δημιουργώντας την υποδομή για ZK-βασισμένη ακεραιότητα υπολογιστικής σε επιχειρηματικά περιβάλλοντα και αναπτύσσοντας τα στρώματα εμπιστοσύνης και επαλήθευσης που βρίσκονται μεταξύ πελατών και παρόχων cloud. Συνεχίζουμε να μελετάμε αυτόν τον χώρο και είμαστε ενθουσιασμένοι από τους ιδρυτές που συναντάμε. Διαφορετικές εργασίες, μοντέλα απειλής και ρυθμιστικά καθεστώτα θα απαιτήσουν διαφορετικές συνδυασμούς των τριών στυλίδων. Οι εταιρείες που θα κερδίσουν θα είναι αυτές που θα επιλέξουν μια στυλίδα, θα την λύσουν αποφασιστικά και θα την κάνουν εύκολη για τις επιχειρήσεις να υιοθετήσουν.