币圈界报道：

Vitalik Buterin探索多层加密框架下的AI建议生成机制

以太坊联合创始人Vitalik Buterin近期开展一项实验，旨在通过分层隐私设计，在不泄露个人身份的前提下获取高质量的个性化饮食与运动建议。该系统由本地推理模型协调对远程高性能模型的调用，结合精心构造的提示词、基于零知识证明的支付协议及洋葱路由网络，分别应对内容暴露、账户关联与网络追踪三大风险。

跨层防护策略构建隐私闭环

实验中采用的本地协调器被标识为Qwen 3.8 Flash Next，其在必要时会调用外部前沿模型以增强推理能力。一个专门编写的技能文件指导信息传递边界，确保仅共享最低限度的上下文数据。

第一层防护聚焦于输入内容本身——本地模型负责生成问题表述，有效避免因措辞习惯或细节特征导致的身份识别。第二层则处理支付环节，引入zkAPI系统实现用户身份与支出行为的分离。该机制允许用户向资金池注资后，通过零知识证明授权使用额度，支付记录不直接关联至具体请求，且支付服务仅验证资金有效性，不接触原始提示内容。

第三层依托Tor网络隐藏访问来源，防止IP地址暴露。所有交互均通过包裹在Tor中的命令行接口完成，将网络路径匿名化与支付隐私进行叠加，形成多维度的身份保护屏障。

尽管各层措施互为补充，但以太坊基金会提醒，若提示词中存在重复模式或历史对话痕迹，仍可能被远程服务用于会话关联。此外，提供商仍可读取提交的文本，无法完全规避内容泄露风险。

性能瓶颈与隐私实用性的现实冲突

Buterin指出，虽然引入远程模型显著增强了建议的深度与准确性，但整体体验受到多重制约。首当其冲的是响应延迟，经估算，端到端耗时较理想状态高出10至100倍，严重削弱了实时性。

他同时发现，当前的Tor部署在单次请求的独立性保障方面表现不足，难以满足高隐私需求场景。此外，技能文件缺乏动态决策逻辑，使得远程模型能接收的信息边界模糊，增加了信息泄露风险。

在本地执行层面，当前系统每秒仅能生成约20至30个token，远低于流畅交互所需的100 token/秒标准。这一性能差距表明，现有架构尚未达到可用性门槛。

更深层的问题在于隐私与功能之间的根本矛盾：减少背景信息虽能增强保护，却也限制了模型的理解能力，最终影响建议的相关性与实用性。这揭示出在私密性与服务价值之间必须做出明确取舍。

迈向“加密世界计算机”的技术演进蓝图

此次实验是Vitalik Buterin于9月27日发表论文后的实践延伸。他在文中提出将以太坊构建成未来的“加密世界计算机”，融合链上安全、链外密码学隐私与去中心化计算能力。

根据规划，即将推出的Hegotá版本将是最后一次常规分叉。后续发展将围绕递归STARKs、自动化形式化验证、高效共识算法及抗量子加密展开。这些技术共同支撑起更高安全性、更低开销、更强扩展性与更好隐私保护的计算生态。

PeerDAS作为初步尝试，已展现通往该愿景的可行性路径。长远目标是建立一个由现代密码学全面护航的可信计算环境，使用户在享受智能服务的同时，真正掌握自身数据主权。