Fair Math

Fair Math 是一家总部位于美国的科技公司，开发用于加密数据计算的密码学基础设施。据其官网介绍，公司以新一代全同态加密（FHE）驱动的“可编程机密性”为核心定位，其使命是消除阻碍敏感数据进入人工智能和现代计算基础设施的根本性隐私障碍。 公司的产品能力主要围绕两大方向。第一是私有 AI 计算：使 AI 模型能够直接处理加密数据，从而在不暴露敏感信息的情况下进行安全训练和推理。第二是机密数据基础设施：其密码学基础设施让组织能够在不可信环境中对敏感数据运行分析、服务和跨组织计算，而无需解密数据。Fair Math 描述的应用场景包括加密数据管道、机密云工作负载和跨组织计算。 Fair Math 声称其方案相比第三代和第四代 FHE 实现了“1000 倍更快的摊销评估时间”，支持对加密数据执行任意函数，并利用 SIMD 向量化处理同时处理数千个值。这些均为厂商自述的性能指标，而非经独立验证的数据。 根据 Wikidata，该公司注册于美国多佛。公司通过其网站保持公开形象，并积极参与密码学与 AI 研究社区；其网站提到团队计划在 2026–2027 年参加全球主要的密码学与 AI 会议，包括在荷兰海牙举行的 ACM CCS 2026 和 WAHC 2026。Fair Math 将自身定位为研究驱动的基础设施提供商，而非面向终端用户的应用厂商，目标客户是处理敏感数据的关键行业组织。

根据 Wikidata，Fair Math 是一家注册于美国多佛的公司。关于其成立日期、创始人和融资历史的公开信息有限。公司围绕加密计算的密码学基础设施开发建立了公开形象，特别是利用新一代全同态加密（FHE）。 在其官网上，Fair Math 将其使命描述为消除“阻碍敏感数据进入关键行业人工智能和现代计算基础设施的根本性隐私障碍”。公司将其工作框架为两大主要用途：私有 AI 计算，即 AI 模型直接处理加密数据以进行安全训练和推理；以及机密数据基础设施，即组织在不可信环境中对敏感数据运行分析、服务和跨组织计算而无需解密。 Fair Math 声称相比早期 FHE 代际有显著性能提升，表示其方案“相比第三代和第四代 FHE 实现了 1000 倍更快的摊销评估时间”，支持对加密数据执行任意函数，并利用 SIMD 向量化处理同时处理数千个值。这些声明来自公司自身网站，在现有证据中未经独立验证。 公司在密码学和 AI 研究社区保持活跃。其网站指出，团队将在 2026–2027 年参加全球主要会议，包括在荷兰海牙举行的 ACM CCS 2026 和 WAHC 2026。这种会议参与表明其对加密计算研发的持续投入。根据现有证据，Fair Math 作为一家私营公司运营，未披露母公司或所有权结构。

• Fair Math 团队计划参加在荷兰海牙举行的 ACM CCS 2026。

• Fair Math 团队计划参加在荷兰海牙举行的 WAHC 2026。

研究驱动的密码学基础设施提供商，为关键行业的 AI 和敏感工作负载实现加密数据计算。

• 可编程机密性平台

  用于加密数据计算的密码学基础设施，由新一代 FHE 驱动。

• 私有 AI 计算

  使 AI 模型能够直接处理加密数据，在不暴露敏感信息的情况下进行安全训练和推理。

• 机密数据基础设施

  让组织能够在不可信环境中对敏感数据运行分析、服务和跨组织计算而无需解密。

1. 1Fair Math - Programmable Confidentialityfairmath.xyz
2. 2Fair Math (United States) - Wikidatawikidata.org