佛罗里达州墨尔本，9月2日 2026，CyberNewswire
在商业发布后不到三个月， OpenMatter Network今日宣布对平台进行重大扩展，新增功能可让企业、开发者及研究人员在使用敏感数据与人工智能进行构建、部署及协作时，仍能对信息的访问、计算与共享保持密码学层面的管控。
这些新功能现已作为商用 OpenMatter Network 平台的一部分提供，涵盖安全应用开发、AI 模型管理、隐私增强型机器学习及数据协作。更重要的是，它们体现了公司的核心创立原则之一：该平台并非针对当前计算环境的固定解决方案，而是可扩展的验证架构——一种验证已发生事实、而非控制实现方式的密码学基础——能够随企业计算的持续演进融入新技术与新功能。
OpenMatter 首席执行官兼联合创始人 Renee Davis 表示：“我们在6月推出 OpenMatter 时，并非发布一个已完成的‘终点’，而是搭建了一套可随客户需求、以及人工智能与安全计算领域的快速变化共同成长的架构。这些新增功能表明，我们能够在保留所有功能所依托的密码学基础的前提下，快速扩展平台。”
最重大的新增功能之一是 MatterSDK，这是一个新的客户端层，可让开发者便捷访问 MatterChain 的功能，同时为在 OpenMatter 环境中构建应用提供基础。MatterSDK 集成了 MatterVault，后者使用门限密码学来保护 API 密钥、凭证及其他机密信息。MatterVault 并非将完整密钥存储在单一位置，而是将密钥份额分布在多个参与方，因此没有任何单台机器可自行解密信息。MatterSDK 让开发者无需具备专业密码学知识，即可便捷使用这种保护机制。
对于在多个提供商处部署 AI 的客户，OpenMatter 新增了 Model Router，提供单一网关，组织可通过该网关管理对 OpenAI、Anthropic、Google 等提供商模型及本地部署的自托管端点的访问权限。组织可设置路由规则、无需重新部署应用即可更换模型、集中轮换提供商凭证，并查看不同模型的使用情况。提供商密钥仍受保护，不会直接放入单个 AI 代理环境，从而降低代理被入侵时的暴露风险。
公司还推出了 MatterML V2，这是 OpenMatter 隐私增强计算能力的重大进展。MatterML V2 支持多个组织在不要求任何参与方向其他组织或计算基础设施暴露其底层数据的情况下，基于组合信息共同训练或运行模型。显著的性能提升使安全多方计算可通过图形界面实现，而非依赖专业密码学编程，让分析师无需编写代码即可执行复杂的隐私增强工作流。根据 OpenMatter 密码学团队开展的早期基准测试，该版本的效率提升了1000倍。
社区通过以下方式扩展该模式：支持研究团队、科研机构及其他成员主导的团体围绕数据集组织活动、建立不同级别的隐私保护、讨论与评估信息，并管理社区认可的内容。最终形成的环境旨在提升有价值信息的实用性，同时无需其所有者放弃对信息的控制权。
Davis 表示：“这些并非附加在平台上的孤立功能，而是开放验证架构所能实现的示例。客户应能利用新模型、新密码学技术及新协作方式，无需在计算环境每次变化时更换底层基础。”
随着 AI 的发展速度让传统技术更新周期日益不切实际，这种能力尤为重要。新模型、新提供商、新安全挑战及新计算方式不断涌现，使适应性本身成为企业的重要需求。
OpenMatter 正是围绕这一现实设计的。其底层平台将验证与运行在其之上的单个应用、AI 模型及基础设施分离，从而可在引入新功能的同时，维持用于保护数据及验证计算的一致密码学基础。
Davis 表示：“计算的未来将持续变化。如今没人能准确告知企业三年后将面临哪些 AI 模型、计算环境或安全挑战。我们能为企业提供的，是一套可随未来共同演进的架构。”
如需更多信息，用户可访问 https://www.openmatter.network/。如需图片，用户可点击 此处
关于 OpenMatter Network
总部位于佛罗里达州太空海岸的 OpenMatter Network 正在构建用于安全协作及 AI 代理的可验证信任层。秉持“不信赖数据，要验证数据”的原则，该公司的密码学可验证架构可在不可信环境中实现安全协作、受管控的 AI 行为及数学上可验证的结果。如需更多信息，请访问 www.openmatter.network。
联系我们
Caleigh McDaniel
Caleigh@griffin360.com