不少朋友看到Nillion融資$25M的消息，都會好奇WTF什麼是「盲計算」？ MPC、ZKP、FHE、TEE這些生僻概念剛好有一些了解，一個嶄新的概念又冒出來了。那麼，盲運算的工作流程大致如何？ Nillion提供的盲運算解決方案究竟怎樣？接下來，談談我的理解：

1）什麼是Blind Compute（盲計算）？簡單而言，盲計算是一種讓服務端（節點）對某個加密狀態的資料片段執行計算任務，最終達到保護隱私的安全計算方法。

和ZKP、TEE、MPC、FHE等增強加密演算法目標都一致，差異在於：ZKP零知識證明產生證明需要龐大的開銷，適合鏈下儲存+計算，鏈上只驗證的場景，例如：Rollup Layer2；TEE可信任執行環境是一種依賴硬體廠商在隔離環境下進行計算的方法；FHE全同態加密雖然可以直接在加密資料上執行計算，但當下方只支援特定運算；

「盲計算」是一種更General的計算框架，因為ZKP、TEE、FHE等加密技術都可能被當作其技術框架的一部分。

眾所周知，ZKP、TEE、FHE等目前都在和Crypto接軌技術落地應用探索和優化階段。而盲計算則有可能把這些加密核心技術都聚合應用起來，從而為隱私保護探索出一體化的工程實踐方案。

2）盲運算的核心邏輯是做分散式節點增強，讓單一節點同時具備分段儲存+運算的能力，再加上一個可驗證的開放治理網絡，進而達成節點不知道「完整」資料前提下有效工作的結果。如何理解呢？

常態下保護資料隱私狀態需要在A節點儲存數據，然後加密後交由B節點計算，再解密後經由C節點驗證最終完成資料的儲存+計算工作。這個過程中資料傳輸存在極大的成本損耗，且多次重複Encrypt－>Decrypt的過程資料存在暴露的情況，節點之間的互信成本也高，很難保證隱私不洩漏。

Nillion所建構的業務邏輯恰好彌補了這個缺陷，其大致工作流程為（僅供理解）：

Nillion建構了一個分散式節點網絡，每個節點都具備儲存+運算的增強能力，Nillion網路在收到資料傳輸處理需求時，先經由Nada特定語言執行編譯預處理，讓原始資料被拆分成很多片段，且都處於加密狀態。

再經過AIVM虛擬機來調度和分配，其分散式節點會隨機儲存並計算這些資料片段，最終完成聚合和統一驗證。整個過程，單一節點並無法知道全部的資料內容，拼湊到一起卻能完成整體資料的加密傳輸與運算。

為啥說盲計算可以聚合應用ZKP、TEE、FHE這些技術，邏輯也很簡單，在資料預處理也就是給資料加密階段完全可以應用FHE同態加密技術，而節點儲存計算資料則可以在TEE可信執行環境下進行，在聚合驗證節點工作成果的時候則可以用ZKP提升驗證聚合效率。

3）在我看來，ZKP、TEE、FHE、MPC等技術都或多或少存在一些工程化落地缺陷，目前Crypto領域幾乎各個賽道都擠滿了項目，但大差不差都在做成本和效率優化的工作，且都聚焦在Crypto特定應用場景。

Nillion所提出的盲計算框架，雖然也未實現大規模應用，但其一體化的加密解決方案，很可能在AI可驗證計算、機器學習等更廣泛的資料保護領域得以通用化採納。