對於那些錯過的人：提醒一下，我們與 @vana 的合作關係解決了與 AI 未來至關重要的問題。 基於公共數據訓練的 AI 模型已經達到瓶頸。網頁抓取和數據經紀人提供的數據讓我們走到了這一步，但下一次性能飛躍需要私有的高保真數據：交易歷史、應用使用記錄、企業記錄、健康數據。 問題是，有三件事阻礙了大規模訪問私有數據： 1⃣激勵：用戶需要公平的補償來貢獻他們的數據。 2⃣隱私：用戶必須控制哪些信息被揭露。證明你的交易量不應該需要暴露每一筆個別交易。 3⃣可驗證性：開發者需要確認數據來源和計算正確性，而不必看到原始數據。 Vana 和 Brevis 解決了這三個問題。 Vana 運行一個用戶擁有數據的開放網絡。用戶在保留所有權的同時，為數據集體貢獻數據以換取獎勵。 Brevis 提供加密層： ▶️zkTLS 證明來自任何來源（銀行、交易所、應用）的數據真實性，而不暴露數據本身 ▶️Pico zkVM 在本地對該數據進行計算，並在不揭露原始信息的情況下證明正確性 結果：AI 開發者獲得經過驗證的高保真訓練數據。用戶獲得報酬。原始數據從未離開用戶控制。 隱私和來源，終於達成一致。