全同态加密（FHE）技术的崛起正如Vitalik所预言的那样，正在重塑加密世界。FHE的独特优势在于，它允许第三方在不解密的情况下对加密数据进行任意次数的计算和操作，为隐私计算开辟了全新的可能性。

FHE的定义

全同态加密（FHE）是一种允许对密文进行特定形式的代数运算，而结果仍然保持加密的加密技术。解密后的结果与对明文进行相同运算的结果一致。相比于零知识证明（ZK），FHE的最大优势在于它能让云端对加密数据进行计算，从而保护敏感信息不被第三方访问。FHE可以拆分为两个部分：HE代表同态加密技术，允许对密文进行计算和操作，这些操作能直接映射到明文上；F则意味着这种同态性达到了全新的高度，允许对加密数据进行无限次的计算和操作。

FHE与ZK、MPC的比较

在隐私技术领域，FHE、ZK和多方计算（MPC）是三大前沿技术。FHE能对加密数据进行各种操作而无需解密，极大地保护了数据隐私，并为云计算和区块链提供了强大的安全性。ZK则通过证明陈述的真实性而保护数据隐私，在区块链扩展解决方案如zk-rollups中广泛应用。MPC则通过将计算过程分解成多个步骤，在不暴露私密输入的情况下完成计算任务。FHE侧重于在不解密数据的情况下进行计算，ZK注重证明陈述的正确性和隐私保护，而MPC则致力于多方安全计算，确保参与者的隐私和安全。

FHE的重要性

FHE通过加密数据，确保数据在处理计算过程中的隐私和安全性，防止数据泄露和攻击。这种技术利用数学原理和密码学，使得在云计算环境中进行安全计算成为可能，保护数据不被任何人查看，包括数据处理者。FHE的应用场景广泛，包括金融领域的安全数据处理、医疗隐私保护、安全云计算、电子投票、物联网数据安全传输等。它不仅在Web 2.0中具有广泛应用，在Web 3.0中也同样重要，比ZK和MPC拥有更广泛的应用场景。

FHE领域的重点项目

Zama

Zama专注于FHE技术，旨在保护区块链和人工智能的数据隐私。Zama的核心技术是FHE，允许对加密数据进行任意计算而无需解密，确保数据隐私。Zama提供了一套开源的FHE库和解决方案，适用于从独立开发人员到大型企业的各种用户。其产品和服务面向医疗保健、金融服务、广告、国防、生物识别和政府安全等行业。Zama已完成7300万美元的A轮融资，由Multicoin Capital和Protocol Labs领投。

Fhenix

Fhenix是一个基于以太坊的Layer 2解决方案，通过FHE Rollups和FHE Coprocessors提供支持。它完全兼容以太坊虚拟机（EVM），支持Solidity语言，运行基于FHE的智能合约，实现链上保密计算。Fhenix不使用zkFHE，而是采用Optimistic Rollup和Zama的FHE技术，通过fhEVM实现链上保密性，并专注于TFHE技术的研发和应用。Fhenix宣布将与EigenLayer合作开发FHE协处理器，计划于2025年1月上线主网。2023年9月，Fhenix完成700万美元种子轮融资，Sora Ventures、Multicoin Capital和Collider Ventures领投。

Secret Network

Secret Network致力于为去中心化应用（DApps）提供隐私保护，使用Cosmos SDK和Tendermint BFT构建的Layer1区块链，是以隐私为中心的智能合约平台。它通过集成Intel SGX技术增强隐私保护能力，最初名为Enigma，后因性能瓶颈改为通过Cosmos SDK开发独立的支持隐私计算的公链。Secret Network的核心技术创新在于其集成的Intel SGX，为用户提供数据隐私，推动了去中心化金融等领域的发展。

Sunscreen

Sunscreen专注于隐私保护，为工程师提供使用FHE等密码技术构建和部署私有应用程序的解决方案。公司开源了FHE编译器，能够将普通的Rust函数转换为具有隐私性的FHE等效函数。Sunscreen正在构建与FHE编译器兼容的ZKP编译器，以确保计算完整性，并寻求一种去中心化存储系统用于存储FHE密文。2022年7月，Sunscreen完成465万美元的种子轮融资，由Polychain Capital领投。

Mind Network

Mind Network由Zama支持，旨在实现HTTPZ（端到端加密互联网愿景）。其产品包括适用于AI和DePIN网络的FHE再质押方案MindLayer、经过FHE授权的隐形地址协议MindSAP以及基于FHE验证器网络创建的FHE DataLake MindLake。Mind Network的测试网已经上线，2023年6月完成了250万美元的种子轮融资，投资方包括Binance Labs等。

Privasea

Privasea是一个整合了全同态加密机器学习（FHEML）的分布式计算网络项目，推出了基于FHE技术的DApp“ImHuman”，确保“人脸验证”（PoH）的安全执行。ImHuman仅在Google Play上发布，即将登陆App Store。Privasea还建立了AI DePIN基础设施Privasea AI Network，其测试网络已启动。截至2024年3月，Privasea已完成500万美元的种子轮融资，参投方包括Binance Labs等。

FHE赛道的风险

FHE的效率较低，由于算力和算法的限制，实现FHE非常困难。FHE所需的计算能力比ZK大4-5个数量级，目前只能实现加法和减法的计算，导致计算效率低下，成本高昂。市场对FHE的需求并不强烈，FHE实现难度大、成本高，愿意采用FHE的项目较少。大多数用户对隐私的需求不强烈，市场上对FHE的需求不高，导致项目方对FHE开发意愿不强。算力基础设施薄弱，实现FHE需要大量算力，目前全球算力短缺，Crypto行业中的去中心化算力项目也因算力不足和硬件问题不具备开发FHE的条件。

总结

FHE作为加密学的圣杯，能够在不解密的情况下对加密数据进行任意次数的计算和操作，为隐私计算提供全新可能性，有效保护用户数据隐私，同时实现数据的安全共享和处理。FHE不仅在Crypto行业中具有创新性，在现实社会的各行各业中也能解决现有的隐私问题。然而，FHE作为一个早期赛道，面临诸多困难。其效率受限于当前区块链行业的算力和算法限制，实现难度重重。尽管FHE能解决部分行业问题，但其所需的计算能力远高于ZK，目前只能实现基本的加法和减法计算。市场需求不高和算力基础设施薄弱使得FHE的发展停滞不前。尽管FHE具有前景，但在现阶段仍处于早期阶段，尚未具备项目应用落地的条件。