AI安全问题凸显，全同态加密或成解决之道

随着人工智能技术的飞速发展，Manus在GAIA基准测试中取得了突破性成绩，其性能已超越同层次的大型语言模型。Manus展现出了独立完成复杂任务的能力，如跨国商业谈判等涉及多方面专业知识的领域。与传统系统相比，Manus在动态目标拆解、跨模态推理以及记忆增强学习等方面具有显著优势。

然而，Manus的进步也引发了业内对AI发展路径的热议：未来是会出现一个统一的通用人工智能（AGI），还是由多个专业化智能体（MAS）协同工作？这一争论实际上反映了AI发展中效率与安全的平衡问题。单一智能体接近AGI时，决策过程的不透明性会增加风险；而多智能体协作虽然可以分散风险，但可能因沟通延迟而错过关键决策时机。

Manus的发展无形中放大了AI固有的安全隐患。在医疗场景中，它需要访问患者的敏感基因组数据；在金融谈判中，可能涉及企业未公开的财务信息。此外，AI系统还面临算法偏见和对抗性攻击等问题。例如，在招聘过程中可能对特定群体产生不公平的薪资建议，或在法律文件审核时对新兴行业条款的判断准确率偏低。更严重的是，黑客可能通过植入特定音频信号，干扰AI系统在谈判中的判断。

面对这些挑战，业界正在探索多种安全解决方案。其中，全同态加密（FHE）技术被认为是解决AI时代安全问题的有力工具。FHE允许在加密数据上进行计算，无需解密即可处理敏感信息。

在数据层面，FHE能确保用户输入的所有信息（包括生物特征、语音等）在加密状态下被处理，即使是AI系统本身也无法解密原始数据。在算法层面，通过FHE实现的"加密模型训练"，可以保护AI的决策过程不被窥探。在多智能体协作方面，采用门限加密技术可以防止单个节点被攻破导致全局数据泄露。

虽然Web3安全技术对普通用户来说可能显得遥远，但它们对保护用户利益至关重要。在区块链行业中，已经有一些项目在探索去中心化身份、零信任安全模型等安全技术。然而，相比于其他更受关注的领域，安全项目往往不被投机者青睐。

随着AI技术不断接近人类智能水平，建立强大的防御体系变得愈发重要。FHE等安全技术不仅能解决当前问题，还为未来更强大的AI时代奠定基础。在通向AGI的道路上，这些安全技术不再是可选项，而是确保AI系统可靠运行的必要条件。