本周,在阿布扎比举办的"在阿联酋制造"旗舰活动上,Opaque公司宣布收购阿布扎比技术创新研究所(TII)旗下密码学人工智能技术一事正式对外公布。此举标志着阿布扎比本土研发的技术正从阿联酋实验室迈向国际化应用,也进一步巩固了阿联酋作为先进技术生产国的全球地位。
"在阿联酋制造"是阿联酋最具代表性的工业与先进技术展会,汇聚了政府机构、科技领袖、制造商、投资者及初创企业,共同展示阿联酋将自身打造为全球创新、工业转型与主权技术开发中心的雄心。
隐私计算AI公司Opaque正式宣布,从阿布扎比先进技术研究委员会(ATRC)旗下应用研究机构TII处收购多项先进密码学AI技术。
TII已跻身阿联酋顶尖研究机构之列,聚焦人工智能、密码学、量子技术、先进材料及自主系统等领域。该机构凭借Falcon大语言模型系列,以及隐私保护与主权AI技术方面的研究,在国际社会赢得了广泛关注。
本次收购为Opaque的隐私计算AI平台新增了两项核心能力:一是基于多方计算(MPC)与全同态加密(FHE)等先进密码学技术的隐私AI模型训练能力;二是后量子密码保护机制,旨在抵御未来量子计算带来的潜在安全威胁。
据双方介绍,上述技术已在真实业务场景中得到验证,将进一步扩展Opaque在整个AI全生命周期中的能力覆盖,涵盖模型训练、微调、推理以及AI智能体执行等环节。
双方将本次交易定义为阿联酋本土研发的密码学AI技术首次被美国科技公司大规模收购并部署的里程碑事件。
阿联酋总统顾问、ATRC秘书长Faisal Al Bannai阁下表示:"此次收购正是阿联酋所追求的目标——打造出被全球采用的基础性技术。在阿布扎比研发的密码学AI能力,如今正由一家领先的美国科技公司在全球范围内大规模部署。"
Opaque联合创始人兼董事会成员Ion Stoica表示,企业级AI的未来取决于能否让各组织安全地使用长期因安全合规顾虑而无法接入AI系统的高度敏感数据。"通过本次收购,Opaque成为业内唯一能够在AI全生命周期——包括训练、微调、推理与智能体——中提供经硬件认证的密码学证明,且具备抵御量子时代威胁保护能力的平台。"
该平台旨在破解企业规模化落地AI的最大障碍:无法在不依赖多个供应商分散安全工具的前提下,跨多个AI工作流安全使用高度敏感的数据集。
Opaque表示,现有客户包括ServiceNow、Anthropic、埃森哲和Encore Capital。本次收购紧随公司近期完成的2400万美元B轮融资之后,据报道其估值已达3亿美元。
对于ATRC和TII而言,本次交易更广泛地验证了阿联酋通过国际合作投资基础性AI与密码学研究、并将相关技术推向全球商业化的战略方向。
TII首席执行官Najwa Aaraj表示:"我们研发这些密码学技术,是为了解决AI领域的一项根本性挑战:如何让强大的模型在处理高度敏感数据时,不损害数据的保密性与可信度。这正是应用研究的意义所在——在阿布扎比研发的基础技术,如今正从实验室走向全球真实应用场景。"
Q&A
Q1:Opaque收购TII技术后,平台新增了哪些核心能力?
A:本次收购为Opaque平台带来了两项关键能力:一是基于多方计算(MPC)和全同态加密(FHE)的隐私AI模型训练能力;二是后量子密码保护机制,可抵御未来量子计算的安全威胁。这两项能力覆盖AI全生命周期,包括训练、微调、推理及智能体执行环节,使Opaque成为目前业内唯一能提供全链路硬件认证密码学证明的平台。
Q2:TII是什么机构?在AI领域有哪些代表性成果?
A:TII即技术创新研究所,是阿布扎比先进技术研究委员会(ATRC)旗下的应用研究机构,也是阿联酋顶尖科研机构之一。其研究方向涵盖人工智能、密码学、量子技术、先进材料及自主系统。TII最具国际知名度的成果包括Falcon大语言模型系列,以及在隐私保护和主权AI技术领域的深入探索。
Q3:Opaque目前的客户和融资情况如何?
A:Opaque现有客户包括ServiceNow、Anthropic、埃森哲和Encore Capital等知名企业。在融资方面,公司近期完成了2400万美元的B轮融资,据报道目前估值约为3亿美元。本次对TII密码学AI技术的收购,正是在该轮融资完成之后宣布的。
好文章,需要你的鼓励
腾讯等机构提出ViQ框架,通过两阶段渐进量化训练,让离散视觉编码在多模态理解和图像重建上同时追平连续特征编码器,训练速度最高提升70%。
作者对Chrome、Edge和Firefox三款主流浏览器的内置AI功能进行了实测对比。Chrome依托Gemini提供搜索摘要与提示词保存功能;Edge集成Copilot,可针对网页、PDF及多标签页进行问答;Firefox则支持多款AI聊天机器人,并提供更强的隐私保护。综合体验后,作者最终选择Edge作为AI辅助浏览的首选,但仍以Firefox作为默认浏览器。
香港科技大学与华为联合提出LISA训练方法,通过让副网络对齐"似然分数",将ControlNet等图像生成模型的训练收敛速度提升逾2.78倍,同时改善图像质量与条件控制精度。