转向本地化部署：构建可信的人工智能运行环境

针对当前人工智能平台普遍存在的数据泄露隐患与系统失控风险，以太坊联合创始人提出全面重构技术架构的倡议。其核心主张是彻底脱离依赖远程服务器的集中式服务模式，转而采用以设备端原生处理为核心的新型基础设施。

推动私有化运行体系，防范嵌入式恶意指令

最新研究揭示，超过一成的公开可用人工智能工具内含未经披露的恶意代码，部分甚至被设计为在特定条件下将用户数据秘密外传至外部服务器。该分析指出，现有许多所谓‘开源’系统仅开放权重参数，其底层逻辑仍处于不透明状态，构成潜在攻击入口。

为此，其提出一套基于本地推理、数据隔离与进程管控的综合方案。系统在独立操作系统环境中运行，通过专用推理引擎完成计算任务，并借助沙盒机制实现各组件间的严格隔离，防止信息越界。

性能测试覆盖多类硬件配置。配备高端显卡的笔记本可实现约每秒90个令牌的处理速度；专业级系统达到每秒51个令牌；而专用加速设备则维持在每秒60个令牌左右。

评估结果表明，低于每秒50个令牌的吞吐量难以支撑真实场景下的交互需求。因此，推荐优先选用高性能便携设备，而非专用硬件。对于资源有限的个体用户，建议通过集体采购方式共享计算资源，经远程连接方式接入系统。

关键行为需双层验证，强化人为控制权

所有涉及敏感操作（如信息传输或链上交易）均须满足双重确认机制：既需人工智能生成响应，也必须经过明确的人类审批方可执行。

该框架认为，将人类判断力与机器处理能力结合，能有效规避单一依赖带来的盲区。当使用外部模型时，先由本地模型过滤掉敏感内容，再进行安全传输，从而降低数据暴露面。

尽管承认人工智能框架在自动化方面具备价值，但其强调不应将其视为绝对可信实体，应始终保留最终决策权于人类手中。

自主智能体规模激增，监管挑战日益严峻

全球范围内，自主型人工智能代理的部署速度持续加快。多个项目正致力于提升其独立规划与执行复杂任务的能力，使其能够调用多样化工具链完成跨步骤操作。

市场预测显示，2025年该领域市场规模预计达80亿美元，到2030年将突破480亿美元，复合年增长率超43%。

更令人关注的是，部分智能体已获得修改自身设置或更改指令流的权限，且无需用户主动授权，这显著增加了非授权行为的可能性，对系统完整性构成直接威胁。