Marlin与io.net强强联手:保密计算赋能去中心化AI,GPU安全新纪元

Marlin与io.net强强联手:保密计算赋能去中心化AI,GPU安全新纪元

N
News Editor 01
2026-07-05 14:39:13
Marlin与io.net宣布合作,通过保密计算技术为去中心化AI提供安全、可扩展的GPU解决方案。双方将整合Marlin的TEE技术与io.net的分布式GPU集群,为开发者打造隐私保护的AI训练和部署环境,推动Web3 AI应用落地。

加密货币与人工智能的交叉领域迎来重大突破——Marlin Protocolio.net于今日正式宣布战略合作,将共同推进基于保密计算的去中心化AI基础设施。该合作旨在为Web3开发者提供安全、高性能且成本低廉的GPU资源,解决AI模型训练与部署中的隐私与扩展性瓶颈。

合作背景:保密计算成为去中心化AI的刚需

随着大语言模型(LLM)和生成式AI爆发式增长,对高性能GPU(如Nvidia H100和H200)的需求急剧攀升。然而,将敏感数据或商业模型交给第三方GPU集群处理存在严重的数据泄露风险。Marlin与io.net的联手正是为了填补这一空白——通过可信执行环境(TEE)技术,确保AI模型在整个生命周期(训练、推理、部署)中数据与权重得到硬件级保护。

Marlin在公告中表示:“保密计算正在成为开发者构建真实世界去中心化AI应用的关键工具。我们非常兴奋能与io.net合作,为他们提供实现这一目标所需的技术栈。”据悉,双方将基于Intel TDX(Trusted Domain Extensions)技术,将TEE直接集成到GPU节点中,使开发者无需信任底层硬件提供商即可安全运行AI工作负载。

Marlin Oyster平台:安全AI训练与部署的“保险箱”

作为核心贡献方,Marlin推出了Oyster平台——一个基于TEE的专用AI训练环境。开发者可以在其中加密训练数据和模型权重,只有经过授权的TEE才能解密和执行。这不仅防止了数据泄露,还允许开发者安全地货币化AI模型,用户无需暴露查询内容即可验证模型完整性。Oyster平台与现有AI框架(如PyTorch、TensorFlow)兼容,降低了迁移门槛。

io.net则扮演GPU资源供给者的角色。其去中心化GPU网络整合了全球范围内加密矿工、数据中心和企业的闲散算力,提供按需访问的GPU集群,成本仅为传统云服务商的30%-50%。通过本次合作,io.net上的GPU节点将逐步升级为带TEE支持的“可信节点”,确保每个计算任务都在隔离环境中运行。

市场影响:重新定义GPU民主化与AI隐私边界

此次合作对加密货币和AI生态具有多重意义:

1. 消除AI应用落地的隐私顾虑:许多企业因数据隐私法规(如GDPR)而拒绝使用公共云AI服务。通过TEE+去中心化GPU的方案,金融、医疗、法律等敏感行业可以合规地利用去中心化算力构建AI应用,而无需自建昂贵的数据中心。

2. 加速Web3与AI融合:Marlin的Oyster平台结合io.net的流动性GPU池,为开发者在链上构建隐私保护AI代理(如自动化交易、身份验证)提供了底层基础设施。这将促进DeFi、NFT等领域引入AI能力,催生新型去中心化应用。

3. 降低AI开发门槛:传统AI开发依赖AWS、谷歌云等集中式服务,不仅成本高昂,还存在供应商锁定风险。io.net的去中心化模式大幅降低获取高端GPU的门槛,而Marlin的TEE技术则让小型团队也能安全训练大模型,推动AI创新民主化。

4. 对现有加密AI项目的影响:该合作将直接挑战以隐私保护为卖点的AI赛道项目(如Render Network、Akash Network等)。Marlin以网络层基础设施起家,此次向上层应用延伸,可能催生更多“保密AI即服务”的解决方案。行业分析师认为,2024年下半年将成为去中心化AI基础设施军备竞赛的关键时期,保密计算或将成为标准配置。

结语

Marlin与io.net的合作标志着去中心化AI从概念走向实用化的重要一步。通过将TEE与分布式GPU资源深度绑定,开发者首次可以像使用本地GPU一样安全、低成本地在全球网络上训练和部署AI模型。随着更多节点升级TEE支持,预计到2025年,基于保密计算的去中心化AI算力市场规模将达到数亿美元。对于加密货币和AI两个行业的从业者而言,这既是技术红利,也是重新定义合规与隐私标准的机遇。

本文最初由 Bit.Fan 发布。 欲了解更多加密货币新闻与市场洞察,请访问 www.bit.fan.
400

免责声明:

本平台展示的市场信息、项目资料与第三方内容仅用于行业信息分享,不构成任何形式的投资建议或收益承诺。

加密资产交易具有较高风险,用户应充分评估自身风险承受能力并独立作出决策,相关盈亏及法律责任由用户自行承担。