币圈界报道：

Vitalik Buterin探索多层隐私机制下的AI个性化服务

以太坊联合创始人Vitalik Buterin开展了一项实验，旨在通过本地协调模型获取个性化的饮食与运动建议，同时最大限度减少个人数据外泄风险。该系统整合了高性能远程模型、定制化提示工程、零知识支付协议及匿名网络路由，分别应对内容识别、账户关联与网络追踪三大威胁。

隐私防护体系分层构建，覆盖身份泄露全路径

实验采用名为Qwen 3.8 Flash Next的本地智能体作为请求调度中枢，依据预设技能文件动态调用外部先进模型。该文件指导系统在不暴露敏感信息的前提下完成任务分解与参数传递。

第一层隐私控制聚焦于输入内容本身，由本地模型生成问题表述，避免使用可识别特征或固定句式，降低远程服务通过语言风格反推用户身份的可能性。

第二层防御部署于资金流转环节，引入zkAPI机制实现无身份绑定的支付授权。用户向金库存入资金后，通过零知识证明验证支出权限，而无需公开具体交易来源。运行时密钥模式设定单次支出上限，最终扣款由签名收据确认，支付方仅需验证资金有效性，不接触原始请求内容。

第三层隐私保障依托Tor网络，将所有通信封装于加密通道中，隐藏访问者的实际IP地址。Vitalik通过命令行工具经由Tor接入zkAPI接口，实现支付隐私与网络匿名的协同强化。

尽管各层设计互为补充，但以太坊基金会提醒，若提示词中存在重复行为模式、历史对话复用或特定写作风格，仍可能被远程模型用于跨会话关联分析。

性能瓶颈凸显：延迟加剧与信息保留的矛盾

Buterin指出，由于融合了前沿模型的知识资源，生成建议的准确性与深度显著提升。然而，系统在多个维度面临挑战。

其中，Tor网络在请求间隔离方面表现不足，难以确保不同查询之间的完全独立性，存在潜在追踪风险。整体响应时间较理想状态高出10至100倍。

技能文件缺乏智能决策逻辑，导致远程模型接收到的信息粒度难以优化，请求构造过程仍处于粗放阶段。

本地模型处理能力受限，当前每秒仅能输出约20至30个token。Buterin认为，只有达到每秒百级生成速率，用户体验才可视为流畅。

更深层矛盾在于：为保障隐私而削减背景信息，直接削弱了远程模型提供精准建议的能力。这揭示出隐私保护与实用性之间不可忽视的取舍关系。

迈向“加密世界计算机”的技术蓝图

此次实验是Vitalik Buterin在9月27日发表论文后的一次实践延伸，他在文中提出将以太坊演进为未来“加密世界计算机”的愿景——融合链上安全、链外密码学验证与去中心化算力。

计划于明年推出的Hegotá版本将作为最后一次常规分叉，后续升级将集中于递归STARKs技术、自动形式化验证框架、共识机制优化以及抗量子攻击能力增强。

PeerDAS被视为通往该目标的初步尝试，其目标是构建一个更高效、更低成本、更具扩展性且高度隐私保护的下一代计算基础设施。