动态

以前聊到 FHE(全同态加密),我的第一反应一直是:技术确实很强,但真正用到 DeFi 里,成本和速度能不能撑得住?


毕竟,链上金融不是实验室。
一笔转账可能涉及余额校验、金额扣减、余额增加和状态更新。如果这些操作全部在密文状态下完成,计算量和硬件成本就会成为绕不开的问题。
这次看到 @primus_labs 发布的 AutoHoG,我觉得真正值得关注的不是单纯的性能提升,而是它找到了一种更聪明的计算方式。
以前 FHE 的一个痛点是,复杂逻辑会被拆成大量小型布尔门,每个门都需要消耗一次昂贵的 Bootstrapping。
Primus 的思路是改变这个过程:
既然一次 Bootstrapping 可以处理多个输入和输出,为什么还要把复杂逻辑拆成一个个小操作?
AutoHoG 做的就是把这件事自动化,从 Verilog 电路中识别可以合并的逻辑,再生成定制化的同态门。
最终实现最高 5.7 倍的延迟优化。
更有意思的是后面的实测:
8 张消费级 RTX 5090,64 位全加密余额下,一笔完整的隐私转账约 90ms,每秒可以处理 210 多笔。
这里我反而更关注消费级 GPU 这个细节。
因为一项技术能不能真正普及,不仅取决于它能不能跑得快,还取决于运行它需要付出多大的成本。
如果隐私计算必须依赖昂贵的专用硬件,那么它很可能长期只是少数机构的专属能力。
而 Primus 现在展示的方向,是让普通消费级 GPU 也能承担这类计算,并且通过增加 GPU 获得近乎线性的吞吐扩展。
这背后还有一个容易被忽略的设计:全流程使用精确整数运算,确保不同节点能够得到完全一致的密文结果。
对于去中心化网络来说,这一点甚至比单纯追求速度更重要。性能可以优化,但共识不能因为不同硬件的浮点误差而出现分歧。
我一直认为,真正成熟的链上隐私,不应该只是把交易金额藏起来。
它还应该让借贷、支付、资产管理这些金融行为,在不暴露底层敏感数据的情况下正常运转。
AutoHoG 让我看到 Primus 正在解决一个更底层的问题:
不是证明 FHE 可以实现隐私,而是让 FHE 有能力承担真实金融业务的计算负载。
从 GPU 到未来的 FPGA、ASIC,如果这条技术路线继续走通,隐私就有机会从 DeFi 的附加功能,变成默认基础设施。
这才是我认为 Primus 值得持续关注的地方。
@primus_labs #Primus
post-image
此页面包含第三方内容,不构成任何建议,不代表 Gate 认可其观点。详见声明。

  • 2

请输入评论内容
请输入评论内容

评论 2
社区协管员
还没太看懂这个 AutoHoG 具体怎么落地的,作者你怎么看
MACD柱体染色师
延迟优化 5.7 倍看着挺漂亮,但消费级 GPU 跑 90ms 一笔,这速度放在高并发场景下会不会还是跟不上?Bootstrapping 合并的逻辑我懂,可实际波动行情里,这种固定批处理的思路会不会反而拖后腿。