- ZKML 기반 AI 추론을 온체인에서 실행하는 AI 특화 L1
- AI가 연산한 결과값을 온체인에서 검증 가능하게 만드는 블록체인
- 바낸 MVB 선정 이력 보유
- 하버드 크립토 연구소 주도로 만들어짐 (파운더가 디렉터)

- AI 답변의 신뢰성: 환각 현상이 많은 AI 결과를 어떻게 검증할 것인가
- 데이터 프라이버시: 중앙화 서버에 개인정보를 맡겨도 되는가
- 인프라 독점: 빅테크에 집중된 AI 인프라 문제

- 하이브리드 샤딩 & BSNS로 다양한 노드 스펙에서도 참여 가능한 경량 구조
- Equivariant Encryption으로 암호화 상태에서 데이터 처리하면서도 레이턴시 최소화
- ZK 증명을 통해 결과 검증 가능하면서도 모델·데이터는 비공개 유지
- 오픈소스·커스텀 AI 모델 등록 및 배포 지원

- 카이토 야핑(11월에 출시)
- 노드 운영 참여

- Nesa 생태계 내 온체인 정체성 카드
- 미션 완료에 따라 탐험가, 리더 등 롤 부여

- AI 모델 사용을 퀘스트로 쉽게 온보딩 시킬 수 있음
- 퀘스트 수행 → XP 포인트 적립
- 포인트 기반 향후 혜택 예정

- 데이터를 암호화한 채로 AI 추론까지 가능한 프라이빗 AI 전용 레이어1
- 이지 랩스(전 바이낸스 랩스) 인큐베이팅 프로젝트
- AI 박사 12명 + 교수 7명으로 구성된 R&D 팀, 40+ 수상 / 70+ 컨퍼런스 채택

- 기업·정부기관이 OpenAI, Google 같은 외부 AI를 쓰면 데이터가 추론 과정에서 외부 인프라에 고스란히 노출됨
- 그렇다고 자체 인프라 구축하려면 GPU 확보부터 운영비까지 막대한 비용 부담
- 결국 "프라이버시 포기 or 비용 감당" 이 둘 중 하나를 선택해야 하는 구조

- 자체 개발한 등가 암호화(Equivariant Encryption) 기술로 데이터를 복호화하지 않고도 AI 추론 가능
- 데이터 노출 자체를 원천 차단, 성능 저하도 없음
- 하루 800만 건 이상 AI 트잭 처리 중, P&G 포함 50개 이상 엔터프라이즈 파트너십 확보

- 1개월 내 메인넷 런칭 및 TGE 예정
- 한국을 핵심 거점으로 대기업·학계 협력 확대 중

- 데이터 유출 없이 오픈소스 LLM을 쓸 수 있게 해주는 프라이버시 AI 전용 레이어1
- 챗GPT 같은 일반 AI는 입력값이 빅테크 서버로 다 넘어가서 기업·기관은 민감 데이터를 못 맡김. 그렇다고 자체 모델 구축은 비싸서 대기업만 가능 → 네사가 이 빈틈을 공략

- 기업이 오픈소스 모델을 네사 네트워크에 올려서 추론 돌림
- 입력값은 자체 개발한 등변 암호화(EE)로 암호화된 채로 분산 처리됨
- 노드 운영자는 데이터·모델 못 보는 구조, 결과는 암호학적 증명으로 온체인에 기록됨

- MIT 박사 출신이자 前 하버드 웹3 연구소장(Marco Di Maggio), USC 교수(Yue Zhao) 등 연구진이 직접 개발
- 보통 암호화 상태로 AI 추론 돌리면 속도가 너무 느려져서 실시간 서비스엔 못 쓰는데, 네사 EE는 평문 대비 지연 9% 미만
- 정확도 99.99% 이상 유지(LLaMA-8B 기준), COLM 2025 메인 컨퍼런스 등재로 학술 검증까지 완료

- P&G, 시스코, GAP, 로얄캐리비안 등 글로벌 대기업이 실제 도입
- 핏트랙(활성유저 220만+), 휴메헬스 같은 컨슈머 앱도 사용중
- 마이너 30,000+ 네트워크에서 하루 100만+ 암호화 추론 처리중

- 글로벌 소비재 공룡 P&G가 자사 내부 AI 워크플로에 Nesa의 프라이빗 AI 추론 기술을 도입함
- P&G의 대표적인 소비재 상품으로는 다우니, 페브리즈, 질레트, 오랄비, 헤드앤 숄더등이 있음
- Nesa 입장에선 업계 첫 포춘 50 기업 유료 계약 (P&G 기술 총괄 Doug Shean이 직접 언급)

– 인셉션은 엔비디아가 직접 운영하는 글로벌 AI 스타트업 지원 프로그램
– 합류 기업은 최신 GPU 인프라, 기술 지원, 전문가·투자자 네트워크에 접근 가능
– 네사는 이미 P&G 같은 글로벌 기업을 고객사로 두고 사업을 키우는 중인데, 이번 합류로 인프라 개발이랑 글로벌 도입에 더 속도가 붙을 전망

– 고려대 사이버보안 연구진이랑 공동연구 파트너십 체결
– 핵심은 "추론 단계"에서의 프라이버시 보호 기술 개발임
– 보통 데이터는 저장하거나 주고받을 때만 보호하는데, 실제로 AI가 연산하는 추론 과정에서도 데이터가 안 새게 만드는 게 목표