人工智能中的数据隐私正成为一个关键问题。当前系统需要暴露数据以供人工智能学习，这为敏感信息带来了风险。 @nillionnetwork 发布了他们的 2025 年路线图，以构建 "盲计算" 基础设施，使人工智能能够在不实际查看数据的情况下处理数据。 + 阶段 0 (Q2)：他们专注于具有加密的分布式存储，允许私密的 LLM 查询 + 阶段 1 (Q3)：人工智能模型可以在保持可审计性的同时对私密数据进行计算（@Tickrdotapp 已经推出，更多基础设施产品正在开发中） + 阶段 2 (Q4)：开发工具和接口以加速采用 我们都知道，通过使用 @nillionnetwork，人工智能系统可以学习模式并提供洞察，而无需访问原始信息。 > ZK 协同处理技术扩展了人工智能/机器学习操作的能力 > 为大规模私有机器学习创建基础设施 > 结合了人工智能处理 + 去中心化原则 这解决了对人工智能训练中数据暴露日益增长的担忧。 随着模型变得越来越强大，保护敏感信息的同时保持人工智能功能变得至关重要。@nillionnetwork 将变得更加重要。