全同态加密在AI与Web3领域受关注

全同态加密（FHE）这一可在数据保持加密状态下进行计算的技术，正受到更多关注，原因在于企业与机构希望在云端、人工智能与区块链系统中处理敏感数据的同时保护隐私。

与需要在计算前解密的传统加密方式不同，FHE允许第三方在不知道数据内容的情况下完成运算，被视为适用于医疗研究、金融风险建模及需要数据保密的去中心化应用。包括 Zama、Fhenix、Mind Network 和 Inco 等项目正在构建支持FHE的区块链基础设施。

支持者认为，FHE通过数学保证替代机构信任。“数据在全程加密的状态下仍能被处理”，相关人士表示，并指出其潜在应用符合 GDPR、HIPAA 等隐私监管要求。

不过，FHE仍面临计算开销大、技术复杂度高以及部署成本较高等挑战，但随着硬件加速和密码库优化，相关门槛正在逐步降低。

分析人士认为，相较零知识证明和安全执行环境，FHE覆盖数据处理全生命周期，而不仅限于验证环节，因此有望成为隐私计算在人工智能与Web3生态中的关键基础层。