Laporan Riset AI Layer1: Mencari Tanah Subur DeAI di On-Chain
Seiring dengan perkembangan pesat teknologi kecerdasan buatan, perusahaan teknologi terkemuka seperti OpenAI, Anthropic, Google, dan Meta terus mendorong kemajuan model bahasa besar (LLM). LLM menunjukkan kemampuan yang belum pernah ada sebelumnya di berbagai industri, sangat memperluas ruang imajinasi manusia, bahkan dalam beberapa skenario menunjukkan potensi untuk menggantikan tenaga kerja manusia. Namun, inti dari teknologi ini tetap berada di tangan segelintir raksasa teknologi terpusat. Dengan modal yang kuat dan kendali atas sumber daya komputasi yang mahal, perusahaan-perusahaan ini telah membangun penghalang yang sulit untuk dilalui, membuat sebagian besar pengembang dan tim inovasi sulit untuk bersaing.
Pada awal perkembangan cepat AI, opini publik sering kali terfokus pada terobosan dan kemudahan yang dibawa oleh teknologi, sementara perhatian terhadap masalah inti seperti perlindungan privasi, transparansi, dan keamanan relatif kurang. Dalam jangka panjang, masalah-masalah ini akan berdampak mendalam pada perkembangan sehat industri AI dan penerimaan masyarakat. Jika tidak dapat diatasi dengan baik, perdebatan mengenai apakah AI "menuju kebaikan" atau "menuju kejahatan" akan semakin menonjol, sementara raksasa terpusat yang didorong oleh naluri mencari keuntungan sering kali kekurangan motivasi yang cukup untuk secara proaktif menghadapi tantangan ini.
Teknologi blockchain, dengan karakteristik desentralisasi, transparan, dan tahan sensor, memberikan kemungkinan baru untuk pengembangan berkelanjutan industri AI. Saat ini, banyak aplikasi "Web3 AI" telah muncul di blockchain utama seperti Solana dan Base. Namun, analisis mendalam menunjukkan bahwa proyek-proyek ini masih memiliki banyak masalah: di satu sisi, derajat desentralisasi terbatas, bagian-bagian kunci dan infrastruktur masih bergantung pada layanan cloud terpusat, atribut meme yang terlalu berat, sulit untuk mendukung ekosistem terbuka yang sebenarnya; di sisi lain, dibandingkan dengan produk AI di dunia Web2, AI on-chain masih memiliki keterbatasan dalam kemampuan model, pemanfaatan data, dan skenario aplikasi, kedalaman dan luas inovasi perlu ditingkatkan.
Untuk benar-benar mewujudkan visi AI yang terdesentralisasi, agar blockchain dapat dengan aman, efisien, dan demokratis mendukung aplikasi AI berskala besar, serta mampu bersaing dalam hal kinerja dengan solusi terpusat, kita perlu merancang blockchain Layer1 yang dirancang khusus untuk AI. Ini akan memberikan dasar yang kokoh untuk inovasi terbuka AI, demokrasi tata kelola, dan keamanan data, serta mendorong perkembangan ekosistem AI terdesentralisasi yang makmur.
Fitur Inti AI Layer 1
AI Layer 1 sebagai sebuah blockchain yang dirancang khusus untuk aplikasi AI, arsitektur dan desain kinerjanya secara erat berkaitan dengan kebutuhan tugas AI, bertujuan untuk secara efisien mendukung perkembangan dan kemakmuran ekosistem AI yang berkelanjutan di on-chain. Secara khusus, AI Layer 1 harus memiliki kemampuan inti berikut:
Mekanisme insentif yang efisien dan konsensus terdesentralisasi
Inti dari AI Layer 1 adalah membangun jaringan berbagi sumber daya seperti daya komputasi dan penyimpanan yang terbuka. Berbeda dengan node blockchain tradisional yang fokus utama pada pencatatan buku besar, node AI Layer 1 perlu menjalankan tugas yang lebih kompleks, tidak hanya menyediakan daya komputasi, menyelesaikan pelatihan dan inferensi model AI, tetapi juga harus menyumbangkan penyimpanan, data, bandwidth, dan sumber daya beragam lainnya, sehingga dapat memecahkan monopoli raksasa pusat dalam infrastruktur AI. Ini menuntut konsensus dasar dan mekanisme insentif yang lebih tinggi: AI Layer 1 harus mampu secara akurat menilai, mendorong, dan memverifikasi kontribusi nyata node dalam tugas-tugas inferensi dan pelatihan AI, untuk mewujudkan keamanan jaringan dan distribusi sumber daya yang efisien. Hanya dengan cara ini jaringan dapat menjamin stabilitas dan kemakmurannya, serta secara efektif menurunkan biaya daya komputasi secara keseluruhan.
Kinerja tinggi yang luar biasa dan kemampuan dukungan tugas heterogen
Tugas AI, terutama pelatihan dan inferensi LLM, menuntut kinerja komputasi dan kemampuan pemrosesan paralel yang sangat tinggi. Lebih jauh lagi, ekosistem AI on-chain sering kali perlu mendukung jenis tugas yang beragam dan heterogen, termasuk berbagai struktur model, pemrosesan data, inferensi, penyimpanan, dan berbagai skenario lainnya. AI Layer 1 harus melakukan optimasi mendalam pada arsitektur dasar untuk memenuhi kebutuhan throughput tinggi, latensi rendah, dan paralel yang elastis, serta mempersiapkan kemampuan dukungan asli untuk sumber daya komputasi heterogen, memastikan semua tugas AI dapat berjalan dengan efisien dan mewujudkan perluasan yang mulus dari "tugas tunggal" ke "ekosistem kompleks dan beragam."
Verifikasi dan jaminan keluaran yang dapat dipercaya
AI Layer 1 tidak hanya harus mencegah risiko keamanan seperti model yang berbahaya dan manipulasi data, tetapi juga harus memastikan bahwa hasil keluaran AI dapat diverifikasi dan sejalan dari mekanisme dasar. Dengan mengintegrasikan lingkungan eksekusi yang tepercaya (TEE), bukti nol pengetahuan (ZK), dan komputasi aman multipihak (MPC) serta teknologi mutakhir lainnya, platform dapat memastikan bahwa setiap inferensi model, pelatihan, dan proses pengolahan data dapat diverifikasi secara independen, menjamin keadilan dan transparansi sistem AI. Pada saat yang sama, verifikasi ini juga dapat membantu pengguna memahami logika dan dasar keluaran AI, mewujudkan "apa yang didapat adalah apa yang diinginkan", serta meningkatkan kepercayaan dan kepuasan pengguna terhadap produk AI.
Perlindungan Privasi Data
Aplikasi AI sering melibatkan data sensitif pengguna, terutama di bidang keuangan, kesehatan, dan sosial, di mana perlindungan privasi data sangat penting. AI Layer 1 harus menjamin verifikasi sambil menggunakan teknologi pemrosesan data berbasis kriptografi, protokol komputasi privasi, dan manajemen izin data untuk memastikan keamanan data selama seluruh proses, termasuk inferensi, pelatihan, dan penyimpanan, secara efektif mencegah kebocoran dan penyalahgunaan data, serta menghilangkan kekhawatiran pengguna terkait keamanan data.
Kemampuan dukungan dan pengembangan ekosistem yang kuat
Sebagai infrastruktur Layer 1 yang berasal dari AI, platform tidak hanya harus memiliki keunggulan teknis, tetapi juga harus menyediakan alat pengembangan yang lengkap, SDK terintegrasi, dukungan operasional, dan mekanisme insentif bagi para peserta ekosistem seperti pengembang, operator node, dan penyedia layanan AI. Dengan terus mengoptimalkan ketersediaan platform dan pengalaman pengembang, mendorong penerapan aplikasi AI yang kaya dan beragam, serta mewujudkan keberlangsungan ekosistem AI yang terdesentralisasi.
Berdasarkan latar belakang dan harapan di atas, artikel ini akan secara rinci memperkenalkan enam proyek perwakilan AI Layer1, termasuk Sentient, Sahara AI, Ritual, Gensyn, Bittensor, dan 0G, menguraikan kemajuan terbaru di jalur ini, menganalisis keadaan perkembangan proyek, dan membahas tren masa depan.
Sentient: Membangun Model AI Terdesentralisasi Sumber Terbuka yang Loyal
Ringkasan Proyek
Sentient adalah platform protokol sumber terbuka yang sedang membangun blockchain AI Layer1 ( pada tahap awal sebagai Layer 2, kemudian akan berpindah ke Layer 1). Dengan menggabungkan AI Pipeline dan teknologi blockchain, platform ini membangun ekonomi kecerdasan buatan yang terdesentralisasi. Tujuan inti adalah untuk menyelesaikan masalah kepemilikan model, pelacakan panggilan, dan distribusi nilai dalam pasar LLM yang terpusat melalui kerangka "OML" (terbuka, menguntungkan, setia), sehingga model AI dapat mencapai struktur kepemilikan on-chain, transparansi panggilan, dan pembagian nilai. Visi Sentient adalah memungkinkan siapa saja untuk membangun, berkolaborasi, memiliki, dan memonetisasi produk AI, sehingga mendorong ekosistem jaringan AI Agent yang adil dan terbuka.
Tim Sentient Foundation mengumpulkan para ahli akademis, pengusaha blockchain, dan insinyur terkemuka di seluruh dunia, yang berkomitmen untuk membangun platform AGI yang didorong oleh komunitas, sumber terbuka, dan dapat diverifikasi. Anggota inti termasuk profesor Pramod Viswanath dari Universitas Princeton dan profesor Himanshu Tyagi dari Indian Institute of Science, yang masing-masing bertanggung jawab atas keamanan dan perlindungan privasi AI, sementara strategi blockchain dan penataan ekosistem dipimpin oleh salah satu pendiri Polygon, Sandeep Nailwal. Latar belakang anggota tim mencakup perusahaan-perusahaan seperti Meta, Coinbase, Polygon, serta universitas-universitas terkemuka seperti Universitas Princeton dan Indian Institute of Technology, mencakup bidang AI/ML, NLP, visi komputer, dan bekerja sama untuk mendorong implementasi proyek.
Sebagai proyek kewirausahaan kedua dari salah satu pendiri Polygon, Sandeep Nailwal, Sentient sudah membawa aura sejak awal pendiriannya, memiliki sumber daya yang kaya, jaringan, dan pengakuan pasar, yang memberikan dukungan kuat bagi perkembangan proyek. Pada pertengahan 2024, Sentient berhasil menyelesaikan pendanaan putaran benih sebesar 85 juta dolar AS, dipimpin oleh Founders Fund, Pantera, dan Framework Ventures, dengan lembaga investasi lainnya termasuk Delphi, Hashkey, dan Spartan serta puluhan VC terkenal lainnya.
Arsitektur Desain dan Lapisan Aplikasi
Infrastruktur
Arsitektur Inti
Arsitektur inti dari Sentient terdiri dari dua bagian: saluran AI (AI Pipeline) dan sistem blockchain.
Pipa AI adalah dasar untuk mengembangkan dan melatih artefak "AI Loyal", yang terdiri dari dua proses inti:
Perencanaan Data (Data Curation): Proses pemilihan data yang digerakkan oleh komunitas, digunakan untuk penyelarasan model.
Pelatihan Loyalitas (Loyalty Training): memastikan model tetap konsisten dengan niat komunitas selama proses pelatihan.
Sistem blockchain menyediakan transparansi dan kontrol desentralisasi untuk protokol, memastikan kepemilikan artefak AI, pelacakan penggunaan, distribusi pendapatan, dan tata kelola yang adil. Arsitektur spesifik dibagi menjadi empat lapisan:
Lapisan penyimpanan: menyimpan bobot model dan informasi pendaftaran sidik jari;
Lapisan distribusi: Model kontrol kontrak otorisasi untuk titik masuk pemanggilan;
Lapisan akses: memverifikasi apakah pengguna telah memberi otorisasi melalui bukti izin;
Lapisan insentif: Kontrak rute pendapatan akan membayar distribusi kepada pelatih, penyebar, dan validator setiap kali dipanggil.
Kerangka Model OML
Kerangka OML (Terbuka Open, Dapat Dimonetisasi Monetizable, Loyal Loyal) adalah konsep inti yang diajukan oleh Sentient, bertujuan untuk memberikan perlindungan kepemilikan yang jelas dan mekanisme insentif ekonomi untuk model AI sumber terbuka. Dengan menggabungkan teknologi on-chain dan kriptografi asli AI, memiliki karakteristik sebagai berikut:
Keterbukaan: Model harus sumber terbuka, kode dan struktur data transparan, memudahkan komunitas untuk mereproduksi, mengaudit, dan memperbaiki.
Monetisasi: Setiap panggilan model akan memicu aliran pendapatan, kontrak on-chain akan mendistribusikan pendapatan kepada pelatih, penyebar, dan validator.
Loyalitas: Model dimiliki oleh komunitas kontributor, arah peningkatan dan tata kelola ditentukan oleh DAO, penggunaan dan modifikasi dikendalikan oleh mekanisme kriptografi.
Kriptografi Asli AI (AI-native Cryptography)
Kriptografi asli AI adalah mekanisme keamanan ringan yang "dapat diverifikasi tetapi tidak dapat dihapus" yang dikembangkan dengan memanfaatkan kontinuitas model AI, struktur manifold berdimensi rendah, dan sifat diferensial model. Teknologi intinya adalah:
Penyisipan sidik jari: Menyisipkan sekelompok pasangan kunci nilai query-response yang tersembunyi selama pelatihan untuk membentuk tanda tangan unik model;
Protokol Verifikasi Kepemilikan: Memverifikasi apakah sidik jari disimpan melalui detektor pihak ketiga (Prover) dalam bentuk pertanyaan query;
Mekanisme panggilan yang diizinkan: Sebelum memanggil, perlu mendapatkan "sertifikat izin" yang dikeluarkan oleh pemilik model, dan sistem kemudian memberikan otorisasi kepada model untuk mendekode input tersebut dan mengembalikan jawaban yang akurat.
Cara ini dapat mewujudkan "panggilan otorisasi berbasis perilaku + verifikasi kepemilikan" tanpa biaya enkripsi ulang.
Kerangka Penegakan dan Keamanan Model
Sentient saat ini menggunakan keamanan campuran Melange: menggabungkan pengakuan sidik jari, eksekusi TEE, dan pembagian keuntungan kontrak on-chain. Metode sidik jari diimplementasikan melalui OML 1.0 sebagai garis utama, menekankan pemikiran "Keamanan Optimis (Optimistic Security)", yaitu default kepatuhan, dan pelanggaran dapat terdeteksi dan dihukum.
Mekanisme sidik jari adalah implementasi kunci dari OML, yang memungkinkan model untuk menghasilkan tanda tangan unik selama tahap pelatihan dengan menyematkan pasangan "pertanyaan-jawaban" tertentu. Melalui tanda tangan ini, pemilik model dapat memverifikasi kepemilikan, mencegah penyalinan dan komersialisasi tanpa izin. Mekanisme ini tidak hanya melindungi hak pengembang model, tetapi juga menyediakan catatan on-chain yang dapat dilacak untuk perilaku penggunaan model.
Selain itu, Sentient telah meluncurkan kerangka kerja komputasi Enclave TEE, yang memanfaatkan lingkungan eksekusi tepercaya (seperti AWS Nitro Enclaves) untuk memastikan model hanya merespons permintaan yang diotorisasi, mencegah akses dan penggunaan yang tidak sah. Meskipun TEE bergantung pada perangkat keras dan memiliki beberapa risiko keamanan, keunggulan kinerja tinggi dan real-time-nya menjadikannya teknologi inti dalam penerapan model saat ini.
Di masa depan, Sentient berencana untuk memperkenalkan teknologi bukti nol pengetahuan (ZK) dan enkripsi homomorfik penuh (FHE) untuk lebih meningkatkan perlindungan privasi dan verifikasi, serta memberikan solusi yang lebih matang untuk penerapan terdesentralisasi model AI.
lapisan aplikasi
Saat ini, produk Sentient terutama mencakup platform obrolan terdesentralisasi
Halaman ini mungkin berisi konten pihak ketiga, yang disediakan untuk tujuan informasi saja (bukan pernyataan/jaminan) dan tidak boleh dianggap sebagai dukungan terhadap pandangannya oleh Gate, atau sebagai nasihat keuangan atau profesional. Lihat Penafian untuk detailnya.
Kompetisi AI Layer1 semakin memanas, enam proyek bersaing untuk masa depan DeAI on-chain.
Laporan Riset AI Layer1: Mencari Tanah Subur DeAI di On-Chain
Seiring dengan perkembangan pesat teknologi kecerdasan buatan, perusahaan teknologi terkemuka seperti OpenAI, Anthropic, Google, dan Meta terus mendorong kemajuan model bahasa besar (LLM). LLM menunjukkan kemampuan yang belum pernah ada sebelumnya di berbagai industri, sangat memperluas ruang imajinasi manusia, bahkan dalam beberapa skenario menunjukkan potensi untuk menggantikan tenaga kerja manusia. Namun, inti dari teknologi ini tetap berada di tangan segelintir raksasa teknologi terpusat. Dengan modal yang kuat dan kendali atas sumber daya komputasi yang mahal, perusahaan-perusahaan ini telah membangun penghalang yang sulit untuk dilalui, membuat sebagian besar pengembang dan tim inovasi sulit untuk bersaing.
Pada awal perkembangan cepat AI, opini publik sering kali terfokus pada terobosan dan kemudahan yang dibawa oleh teknologi, sementara perhatian terhadap masalah inti seperti perlindungan privasi, transparansi, dan keamanan relatif kurang. Dalam jangka panjang, masalah-masalah ini akan berdampak mendalam pada perkembangan sehat industri AI dan penerimaan masyarakat. Jika tidak dapat diatasi dengan baik, perdebatan mengenai apakah AI "menuju kebaikan" atau "menuju kejahatan" akan semakin menonjol, sementara raksasa terpusat yang didorong oleh naluri mencari keuntungan sering kali kekurangan motivasi yang cukup untuk secara proaktif menghadapi tantangan ini.
Teknologi blockchain, dengan karakteristik desentralisasi, transparan, dan tahan sensor, memberikan kemungkinan baru untuk pengembangan berkelanjutan industri AI. Saat ini, banyak aplikasi "Web3 AI" telah muncul di blockchain utama seperti Solana dan Base. Namun, analisis mendalam menunjukkan bahwa proyek-proyek ini masih memiliki banyak masalah: di satu sisi, derajat desentralisasi terbatas, bagian-bagian kunci dan infrastruktur masih bergantung pada layanan cloud terpusat, atribut meme yang terlalu berat, sulit untuk mendukung ekosistem terbuka yang sebenarnya; di sisi lain, dibandingkan dengan produk AI di dunia Web2, AI on-chain masih memiliki keterbatasan dalam kemampuan model, pemanfaatan data, dan skenario aplikasi, kedalaman dan luas inovasi perlu ditingkatkan.
Untuk benar-benar mewujudkan visi AI yang terdesentralisasi, agar blockchain dapat dengan aman, efisien, dan demokratis mendukung aplikasi AI berskala besar, serta mampu bersaing dalam hal kinerja dengan solusi terpusat, kita perlu merancang blockchain Layer1 yang dirancang khusus untuk AI. Ini akan memberikan dasar yang kokoh untuk inovasi terbuka AI, demokrasi tata kelola, dan keamanan data, serta mendorong perkembangan ekosistem AI terdesentralisasi yang makmur.
Fitur Inti AI Layer 1
AI Layer 1 sebagai sebuah blockchain yang dirancang khusus untuk aplikasi AI, arsitektur dan desain kinerjanya secara erat berkaitan dengan kebutuhan tugas AI, bertujuan untuk secara efisien mendukung perkembangan dan kemakmuran ekosistem AI yang berkelanjutan di on-chain. Secara khusus, AI Layer 1 harus memiliki kemampuan inti berikut:
Mekanisme insentif yang efisien dan konsensus terdesentralisasi Inti dari AI Layer 1 adalah membangun jaringan berbagi sumber daya seperti daya komputasi dan penyimpanan yang terbuka. Berbeda dengan node blockchain tradisional yang fokus utama pada pencatatan buku besar, node AI Layer 1 perlu menjalankan tugas yang lebih kompleks, tidak hanya menyediakan daya komputasi, menyelesaikan pelatihan dan inferensi model AI, tetapi juga harus menyumbangkan penyimpanan, data, bandwidth, dan sumber daya beragam lainnya, sehingga dapat memecahkan monopoli raksasa pusat dalam infrastruktur AI. Ini menuntut konsensus dasar dan mekanisme insentif yang lebih tinggi: AI Layer 1 harus mampu secara akurat menilai, mendorong, dan memverifikasi kontribusi nyata node dalam tugas-tugas inferensi dan pelatihan AI, untuk mewujudkan keamanan jaringan dan distribusi sumber daya yang efisien. Hanya dengan cara ini jaringan dapat menjamin stabilitas dan kemakmurannya, serta secara efektif menurunkan biaya daya komputasi secara keseluruhan.
Kinerja tinggi yang luar biasa dan kemampuan dukungan tugas heterogen Tugas AI, terutama pelatihan dan inferensi LLM, menuntut kinerja komputasi dan kemampuan pemrosesan paralel yang sangat tinggi. Lebih jauh lagi, ekosistem AI on-chain sering kali perlu mendukung jenis tugas yang beragam dan heterogen, termasuk berbagai struktur model, pemrosesan data, inferensi, penyimpanan, dan berbagai skenario lainnya. AI Layer 1 harus melakukan optimasi mendalam pada arsitektur dasar untuk memenuhi kebutuhan throughput tinggi, latensi rendah, dan paralel yang elastis, serta mempersiapkan kemampuan dukungan asli untuk sumber daya komputasi heterogen, memastikan semua tugas AI dapat berjalan dengan efisien dan mewujudkan perluasan yang mulus dari "tugas tunggal" ke "ekosistem kompleks dan beragam."
Verifikasi dan jaminan keluaran yang dapat dipercaya AI Layer 1 tidak hanya harus mencegah risiko keamanan seperti model yang berbahaya dan manipulasi data, tetapi juga harus memastikan bahwa hasil keluaran AI dapat diverifikasi dan sejalan dari mekanisme dasar. Dengan mengintegrasikan lingkungan eksekusi yang tepercaya (TEE), bukti nol pengetahuan (ZK), dan komputasi aman multipihak (MPC) serta teknologi mutakhir lainnya, platform dapat memastikan bahwa setiap inferensi model, pelatihan, dan proses pengolahan data dapat diverifikasi secara independen, menjamin keadilan dan transparansi sistem AI. Pada saat yang sama, verifikasi ini juga dapat membantu pengguna memahami logika dan dasar keluaran AI, mewujudkan "apa yang didapat adalah apa yang diinginkan", serta meningkatkan kepercayaan dan kepuasan pengguna terhadap produk AI.
Perlindungan Privasi Data Aplikasi AI sering melibatkan data sensitif pengguna, terutama di bidang keuangan, kesehatan, dan sosial, di mana perlindungan privasi data sangat penting. AI Layer 1 harus menjamin verifikasi sambil menggunakan teknologi pemrosesan data berbasis kriptografi, protokol komputasi privasi, dan manajemen izin data untuk memastikan keamanan data selama seluruh proses, termasuk inferensi, pelatihan, dan penyimpanan, secara efektif mencegah kebocoran dan penyalahgunaan data, serta menghilangkan kekhawatiran pengguna terkait keamanan data.
Kemampuan dukungan dan pengembangan ekosistem yang kuat Sebagai infrastruktur Layer 1 yang berasal dari AI, platform tidak hanya harus memiliki keunggulan teknis, tetapi juga harus menyediakan alat pengembangan yang lengkap, SDK terintegrasi, dukungan operasional, dan mekanisme insentif bagi para peserta ekosistem seperti pengembang, operator node, dan penyedia layanan AI. Dengan terus mengoptimalkan ketersediaan platform dan pengalaman pengembang, mendorong penerapan aplikasi AI yang kaya dan beragam, serta mewujudkan keberlangsungan ekosistem AI yang terdesentralisasi.
Berdasarkan latar belakang dan harapan di atas, artikel ini akan secara rinci memperkenalkan enam proyek perwakilan AI Layer1, termasuk Sentient, Sahara AI, Ritual, Gensyn, Bittensor, dan 0G, menguraikan kemajuan terbaru di jalur ini, menganalisis keadaan perkembangan proyek, dan membahas tren masa depan.
Sentient: Membangun Model AI Terdesentralisasi Sumber Terbuka yang Loyal
Ringkasan Proyek
Sentient adalah platform protokol sumber terbuka yang sedang membangun blockchain AI Layer1 ( pada tahap awal sebagai Layer 2, kemudian akan berpindah ke Layer 1). Dengan menggabungkan AI Pipeline dan teknologi blockchain, platform ini membangun ekonomi kecerdasan buatan yang terdesentralisasi. Tujuan inti adalah untuk menyelesaikan masalah kepemilikan model, pelacakan panggilan, dan distribusi nilai dalam pasar LLM yang terpusat melalui kerangka "OML" (terbuka, menguntungkan, setia), sehingga model AI dapat mencapai struktur kepemilikan on-chain, transparansi panggilan, dan pembagian nilai. Visi Sentient adalah memungkinkan siapa saja untuk membangun, berkolaborasi, memiliki, dan memonetisasi produk AI, sehingga mendorong ekosistem jaringan AI Agent yang adil dan terbuka.
Tim Sentient Foundation mengumpulkan para ahli akademis, pengusaha blockchain, dan insinyur terkemuka di seluruh dunia, yang berkomitmen untuk membangun platform AGI yang didorong oleh komunitas, sumber terbuka, dan dapat diverifikasi. Anggota inti termasuk profesor Pramod Viswanath dari Universitas Princeton dan profesor Himanshu Tyagi dari Indian Institute of Science, yang masing-masing bertanggung jawab atas keamanan dan perlindungan privasi AI, sementara strategi blockchain dan penataan ekosistem dipimpin oleh salah satu pendiri Polygon, Sandeep Nailwal. Latar belakang anggota tim mencakup perusahaan-perusahaan seperti Meta, Coinbase, Polygon, serta universitas-universitas terkemuka seperti Universitas Princeton dan Indian Institute of Technology, mencakup bidang AI/ML, NLP, visi komputer, dan bekerja sama untuk mendorong implementasi proyek.
Sebagai proyek kewirausahaan kedua dari salah satu pendiri Polygon, Sandeep Nailwal, Sentient sudah membawa aura sejak awal pendiriannya, memiliki sumber daya yang kaya, jaringan, dan pengakuan pasar, yang memberikan dukungan kuat bagi perkembangan proyek. Pada pertengahan 2024, Sentient berhasil menyelesaikan pendanaan putaran benih sebesar 85 juta dolar AS, dipimpin oleh Founders Fund, Pantera, dan Framework Ventures, dengan lembaga investasi lainnya termasuk Delphi, Hashkey, dan Spartan serta puluhan VC terkenal lainnya.
Arsitektur Desain dan Lapisan Aplikasi
Infrastruktur
Arsitektur Inti
Arsitektur inti dari Sentient terdiri dari dua bagian: saluran AI (AI Pipeline) dan sistem blockchain.
Pipa AI adalah dasar untuk mengembangkan dan melatih artefak "AI Loyal", yang terdiri dari dua proses inti:
Sistem blockchain menyediakan transparansi dan kontrol desentralisasi untuk protokol, memastikan kepemilikan artefak AI, pelacakan penggunaan, distribusi pendapatan, dan tata kelola yang adil. Arsitektur spesifik dibagi menjadi empat lapisan:
Kerangka Model OML
Kerangka OML (Terbuka Open, Dapat Dimonetisasi Monetizable, Loyal Loyal) adalah konsep inti yang diajukan oleh Sentient, bertujuan untuk memberikan perlindungan kepemilikan yang jelas dan mekanisme insentif ekonomi untuk model AI sumber terbuka. Dengan menggabungkan teknologi on-chain dan kriptografi asli AI, memiliki karakteristik sebagai berikut:
Kriptografi Asli AI (AI-native Cryptography)
Kriptografi asli AI adalah mekanisme keamanan ringan yang "dapat diverifikasi tetapi tidak dapat dihapus" yang dikembangkan dengan memanfaatkan kontinuitas model AI, struktur manifold berdimensi rendah, dan sifat diferensial model. Teknologi intinya adalah:
Cara ini dapat mewujudkan "panggilan otorisasi berbasis perilaku + verifikasi kepemilikan" tanpa biaya enkripsi ulang.
Kerangka Penegakan dan Keamanan Model
Sentient saat ini menggunakan keamanan campuran Melange: menggabungkan pengakuan sidik jari, eksekusi TEE, dan pembagian keuntungan kontrak on-chain. Metode sidik jari diimplementasikan melalui OML 1.0 sebagai garis utama, menekankan pemikiran "Keamanan Optimis (Optimistic Security)", yaitu default kepatuhan, dan pelanggaran dapat terdeteksi dan dihukum.
Mekanisme sidik jari adalah implementasi kunci dari OML, yang memungkinkan model untuk menghasilkan tanda tangan unik selama tahap pelatihan dengan menyematkan pasangan "pertanyaan-jawaban" tertentu. Melalui tanda tangan ini, pemilik model dapat memverifikasi kepemilikan, mencegah penyalinan dan komersialisasi tanpa izin. Mekanisme ini tidak hanya melindungi hak pengembang model, tetapi juga menyediakan catatan on-chain yang dapat dilacak untuk perilaku penggunaan model.
Selain itu, Sentient telah meluncurkan kerangka kerja komputasi Enclave TEE, yang memanfaatkan lingkungan eksekusi tepercaya (seperti AWS Nitro Enclaves) untuk memastikan model hanya merespons permintaan yang diotorisasi, mencegah akses dan penggunaan yang tidak sah. Meskipun TEE bergantung pada perangkat keras dan memiliki beberapa risiko keamanan, keunggulan kinerja tinggi dan real-time-nya menjadikannya teknologi inti dalam penerapan model saat ini.
Di masa depan, Sentient berencana untuk memperkenalkan teknologi bukti nol pengetahuan (ZK) dan enkripsi homomorfik penuh (FHE) untuk lebih meningkatkan perlindungan privasi dan verifikasi, serta memberikan solusi yang lebih matang untuk penerapan terdesentralisasi model AI.
lapisan aplikasi
Saat ini, produk Sentient terutama mencakup platform obrolan terdesentralisasi