Zama Raises $73M Series A to Advance Fully Homomorphic Encryption Applications

Zama Raises $73M Series A to Advance Fully Homomorphic Encryption Applications

N
News Editor 01
2026-07-06 06:08:14
Open-source cryptography firm Zama has raised $73 million in Series A funding to expand applications built on fully homomorphic encryption, with a focus on privacy use cases in blockchain and AI.

开源密码学公司Zama宣布完成7300万美元A轮融资,计划进一步推进基于全同态加密(Fully Homomorphic Encryption,FHE)的应用开发。这项技术的核心价值在于,数据在无需解密的前提下即可被处理,因此被视为隐私计算领域的重要突破,也可能为区块链和人工智能带来新的安全基础设施。

融资由Multicoin与Protocol Labs领投

根据Zama披露的信息,本轮融资由Multicoin CapitalProtocol Labs领投,参与投资的还包括Solana联合创始人Anatoly Yakovenko、Filecoin创始人Juan Benet,以及Ethereum和Polkadot联合创始人Gavin Wood。从投资阵容来看,这轮融资不仅获得了加密原生资本支持,也吸引了多位区块链基础设施领域的重要人物站台,显示出市场对隐私计算底层技术的持续关注。

Zama成立于2020年,长期专注于开源密码学技术研发。公司将FHE描述为密码学领域的“圣杯”,原因在于其有望改变传统数据使用模式:服务提供方可以在不直接查看用户原始数据的情况下完成计算和服务交付,从而减少数据暴露和泄漏风险。

FHE为何受到区块链与AI行业关注

全同态加密之所以被广泛讨论,关键在于它同时触及了两个高增长赛道:一是区块链上的隐私保护,二是AI时代的数据安全。传统情况下,数据想要被计算,往往需要先解密,这会在处理链路中引入潜在风险。而FHE允许加密数据直接参与计算,理论上能够在确保数据机密性的同时完成复杂操作。

对于区块链行业而言,这意味着链上应用未来有机会在更高透明度和更强隐私之间寻找新的平衡。公开链天然强调可验证性,但在金融、身份、企业协作等场景中,用户和机构又需要对敏感数据进行保护。FHE的出现,提供了一种可能路径:既保留区块链的可执行性,又尽量避免关键数据在处理中被暴露。

对于AI领域,这项技术同样具有现实意义。随着模型训练、推理服务和数据协作变得越来越普遍,企业与用户都在关注“谁能看到数据”这一问题。若FHE技术持续成熟,未来或可支持更多对隐私要求极高的AI服务模式。

fhEVM瞄准以太坊兼容生态

Zama当前最受关注的产品之一是fhEVM,这是一套面向以太坊兼容区块链的机密智能合约协议。根据公司介绍,fhEVM允许链上数据在处理过程中保持端到端加密状态。这意味着,开发者有望在EVM生态中构建更具隐私保护能力的应用,而不必完全牺牲可编程性。

这一方向之所以重要,在于EVM仍是当前智能合约开发最活跃的生态之一。如果FHE方案能够在兼容性、性能和开发者体验上继续推进,那么其潜在影响可能不仅限于单一项目,而是有机会扩展至更广泛的链上应用层,包括隐私DeFi、企业级链上协作以及更复杂的数据驱动型合约。

资本信号与市场影响

从市场角度看,Zama此次融资释放出一个明确信号:在加密行业经历多轮叙事切换之后,资金仍在持续流向底层基础设施前沿密码学。相比短期热点,FHE属于研发周期更长、技术壁垒更高的赛道,这类项目获得大额融资,通常意味着投资机构正在押注未来数年的核心技术演进。

Multicoin Capital管理合伙人Kyle Samani在新闻稿中表示,FHE是“未来十年计算领域最重要的基础密码学原语”。这一表态虽然带有投资者立场,但也反映了当前行业对隐私计算基础设施的预期:随着监管、企业采用和AI数据治理要求不断提升,能够兼顾计算能力与隐私保护的技术,可能成为下一阶段的重要竞争点。

对区块链市场而言,若Zama及同类项目能够推动FHE真正落地,隐私赛道可能迎来新一轮关注。过去几年,市场对隐私技术的兴趣多集中于零知识证明等方向,而FHE则提供了不同的技术路径。两者未来也可能形成互补关系,共同推动链上应用从“可验证”走向“可验证且更隐私”。

总体来看,Zama完成本轮融资,不仅增强了其在FHE赛道的研发与产品推进能力,也让市场重新聚焦密码学创新在区块链和AI中的现实应用价值。短期内,FHE距离大规模普及或许仍有工程化挑战,但从资金配置和行业关注度看,隐私计算正逐步从概念走向基础设施竞争阶段。

This article was originally published by Bit.Fan. For more cryptocurrency news and market insights, visit www.bit.fan.
400

Disclaimer:

The market information, project data, and third-party content displayed on this platform are for industry information sharing only and do not constitute any form of investment advice or return commitment.

Cryptocurrency trading carries high risks. Users should fully assess their risk tolerance and make independent decisions. All profits, losses, and legal responsibilities are borne by the users themselves.