罗盘 / 安全多方计算的AI性能墙
暗星档案 · 未点亮的星安全多方计算的AI性能墙
本条为初评草案（AI 辅助编目）：T 阶为三问初评（撬动面 × 停滞度 × 临界性），双评过 σ 门并红蓝复核后才升"已建档"。查不到的字段留空不编。点亮者会进入亮星候选流程，其贡献与星阶按 HCF 独立重评，不从暗星自动继承。
安全多方计算的AI性能墙T4 量级 · 亮星
让多方在互不信任下联合跑AI推理，速度别慢到不能用
暗星编号DS-0758
轴R · 风险与文明安全
领域ai-computing
状态初评草案 · 待双评与红蓝复核
这是什么 · 为什么难
安全多方计算（MPC）能让多方在不泄露各自输入的前提下联合计算（例如医院联合诊断模型推理、银行联合反欺诈评分），提供密码学级别的隐私保证，但计算和通信开销比明文计算高几个数量级。攻破意味着：跨机构的隐私保护AI推理能达到实用延迟（毫秒级而非秒级），让「谁都不用把敏感数据交出去」的协作AI真正落地。
卡在哪 · 机制级卡点
早期MPC瓶颈在网络通信轮次，近年功能秘密分享（FSS）等技术已把部分场景（如ImageNet级推理）压到亚秒延迟，但计算开销（尤其非线性运算如softmax、激活函数）仍是主要瓶颈，通用大模型级别（如百亿参数LLM）的MPC推理仍远未达到实用速度。
谁在攻
学术界持续产出FSS等改进方法，PETS等隐私增强技术会议持续发表相关工作，暂未核实到明确的商业化领先机构
怎么参与
用 CrypTen 或 MP-SPDZ 开源MPC框架跑一个简单的隐私保护线性回归推理，测量端到端延迟