AI Layer1 Relatório de Pesquisa: Encontrando a Terra Fértil para DeAI na cadeia
Com o rápido desenvolvimento da tecnologia de inteligência artificial, empresas de tecnologia líderes como OpenAI, Anthropic, Google e Meta continuam a impulsionar o avanço dos modelos de linguagem de grande porte (LLM). Os LLMs demonstram capacidades sem precedentes em diversos setores, expandindo enormemente o espaço de imaginação da humanidade e até mostrando potencial para substituir o trabalho humano em certas situações. No entanto, o cerne dessas tecnologias está firmemente nas mãos de poucos gigantes tecnológicos centralizados. Com um forte capital e controle sobre recursos computacionais caros, essas empresas estabeleceram barreiras quase intransponíveis, tornando difícil para a grande maioria dos desenvolvedores e equipes de inovação competir com elas.
Ao mesmo tempo, no início da rápida evolução da IA, a opinião pública frequentemente se concentra nas inovações e na conveniência trazidas pela tecnologia, enquanto a atenção a questões centrais como proteção da privacidade, transparência e segurança é relativamente insuficiente. A longo prazo, esses problemas terão um impacto profundo no desenvolvimento saudável da indústria de IA e na aceitação social. Se não forem resolvidos de maneira adequada, a controvérsia sobre se a IA deve "agir para o bem" ou "agir para o mal" tornará-se cada vez mais proeminente, enquanto os gigantes centralizados, impulsionados pelo instinto de lucro, muitas vezes carecem de motivação suficiente para enfrentar esses desafios proativamente.
A tecnologia de blockchain, com suas características de descentralização, transparência e resistência à censura, oferece novas possibilidades para o desenvolvimento sustentável da indústria de IA. Atualmente, já surgiram muitas aplicações "Web3 AI" em blockchains populares como Solana e Base. No entanto, uma análise mais profunda revela que esses projetos ainda enfrentam muitos problemas: por um lado, o grau de descentralização é limitado, e etapas e infraestrutura críticas ainda dependem de serviços de nuvem centralizados, com uma forte característica de meme, dificultando a sustentação de um ecossistema verdadeiramente aberto; por outro lado, em comparação com os produtos de IA do mundo Web2, a IA na cadeia ainda apresenta limitações em termos de capacidade de modelo, utilização de dados e cenários de aplicação, e a profundidade e amplitude da inovação precisam ser aprimoradas.
Para realmente realizar a visão de uma IA descentralizada, permitindo que a blockchain suporte aplicações de IA em larga escala de forma segura, eficiente e democrática, e competindo em desempenho com soluções centralizadas, precisamos projetar uma blockchain Layer1 feita sob medida para a IA. Isso proporcionará uma base sólida para a inovação aberta da IA, a governança democrática e a segurança dos dados, promovendo o florescimento do ecossistema de IA descentralizada.
As principais características da camada 1 de IA
AI Layer 1, como uma blockchain projetada especificamente para aplicações de IA, tem sua arquitetura subjacente e design de desempenho intimamente alinhados com as necessidades das tarefas de IA, visando apoiar de forma eficiente o desenvolvimento e a prosperidade sustentável do ecossistema de IA na cadeia. Especificamente, o AI Layer 1 deve possuir as seguintes capacidades centrais:
Mecanismo de incentivo eficiente e consenso descentralizado
O núcleo do AI Layer 1 reside na construção de uma rede compartilhada de recursos, como poder computacional e armazenamento, aberta. Ao contrário dos nós de blockchain tradicionais, que se concentram principalmente na contabilidade de livros, os nós do AI Layer 1 precisam assumir tarefas mais complexas, não apenas fornecendo poder computacional e completando o treinamento e a inferência de modelos de IA, mas também contribuindo com armazenamento, dados, largura de banda e outros recursos diversificados, quebrando assim o monopólio dos gigantes centralizados na infraestrutura de IA. Isso impõe requisitos mais altos para o consenso subjacente e os mecanismos de incentivo: o AI Layer 1 deve ser capaz de avaliar, incentivar e verificar com precisão a contribuição real dos nós em tarefas de inferência e treinamento de IA, garantindo a segurança da rede e a alocação eficiente de recursos. Somente assim podemos garantir a estabilidade e a prosperidade da rede, enquanto reduzimos efetivamente o custo total de poder computacional.
Excelentes capacidades de alto desempenho e suporte a tarefas heterogéneas
As tarefas de IA, especialmente o treinamento e a inferência de LLM, impõem exigências extremamente altas em termos de desempenho computacional e capacidade de processamento paralelo. Além disso, o ecossistema de IA na cadeia frequentemente precisa suportar tipos de tarefas diversificadas e heterogêneas, incluindo diferentes estruturas de modelo, processamento de dados, inferência, armazenamento e outros cenários múltiplos. A AI Layer 1 deve ser profundamente otimizada na arquitetura subjacente para atender às demandas de alta taxa de transferência, baixa latência e paralelismo flexível, e prever a capacidade de suporte nativo a recursos de computação heterogêneos, garantindo que várias tarefas de IA possam ser executadas de forma eficiente, permitindo uma expansão suave de "tarefas únicas" para "ecossistemas complexos e diversificados."
Verificabilidade e garantia de saída confiável
AI Layer 1 não só deve prevenir comportamentos maliciosos do modelo, adulteração de dados e outros riscos de segurança, mas também garantir, desde a camada base, a verificabilidade e alinhamento dos resultados gerados pela IA. Através da integração de ambientes de execução confiáveis (TEE), provas de conhecimento zero (ZK), computação segura multipartidária (MPC) e outras tecnologias de ponta, a plataforma pode permitir que cada inferência do modelo, treinamento e processo de manipulação de dados sejam independentemente verificados, garantindo a justiça e transparência do sistema de IA. Ao mesmo tempo, essa verificabilidade também ajuda os usuários a entenderem a lógica e a base das saídas da IA, realizando "o que se obtém é o que se deseja", aumentando a confiança e satisfação dos usuários em relação aos produtos de IA.
Proteção da privacidade dos dados
As aplicações de IA frequentemente envolvem dados sensíveis dos usuários, sendo a proteção da privacidade dos dados particularmente crítica em áreas como finanças, saúde e redes sociais. O AI Layer 1 deve assegurar a verificabilidade ao mesmo tempo que utiliza tecnologias de processamento de dados criptografadas, protocolos de computação de privacidade e gestão de permissões de dados, garantindo a segurança dos dados em todo o processo de raciocínio, treinamento e armazenamento, prevenindo efetivamente vazamentos e abusos de dados, eliminando as preocupações dos usuários em relação à segurança dos dados.
Poderosa capacidade de suporte e desenvolvimento do ecossistema
Como uma infraestrutura de Layer 1 nativa de IA, a plataforma não só precisa ter uma liderança técnica, mas também deve fornecer ferramentas de desenvolvimento completas, SDKs integrados, suporte operacional e mecanismos de incentivo para desenvolvedores, operadores de nós, provedores de serviços de IA e outros participantes do ecossistema. Ao otimizar continuamente a usabilidade da plataforma e a experiência do desenvolvedor, promove-se a implementação de aplicações nativas de IA ricas e diversificadas, alcançando a prosperidade contínua de um ecossistema de IA descentralizado.
Com base no contexto e nas expectativas acima, este artigo irá apresentar detalhadamente seis projetos representativos de AI Layer1, incluindo Sentient, Sahara AI, Ritual, Gensyn, Bittensor e 0G, sistematizando os últimos avanços da pista, analisando o estado atual do desenvolvimento dos projetos e discutindo tendências futuras.
Sentient: Construir modelos de IA descentralizados de código aberto e leais
Visão Geral do Projeto
Sentient é uma plataforma de protocolo de código aberto que está a construir uma blockchain AI Layer1 (, cuja fase inicial é Layer 2, e depois irá migrar para Layer 1). Ao combinar AI Pipeline e tecnologia blockchain, visa construir uma economia de inteligência artificial descentralizada. O seu objetivo central é resolver problemas de propriedade do modelo, rastreamento de chamadas e distribuição de valor no mercado LLM centralizado através da estrutura "OML" (aberta, rentável, leal), permitindo que os modelos de IA implementem uma estrutura de propriedade na cadeia, transparência de chamadas e distribuição de valor. A visão da Sentient é permitir que qualquer pessoa construa, colabore, possua e monetize produtos de IA, promovendo assim um ecossistema de rede de agentes de IA justo e aberto.
A equipe da Sentient Foundation reúne os principais especialistas acadêmicos, empreendedores de blockchain e engenheiros do mundo, dedicando-se a construir uma plataforma AGI comunitária, de código aberto e verificável. Os membros principais incluem o professor Pramod Viswanath da Universidade de Princeton e o professor Himanshu Tyagi do Instituto Indiano de Ciência, responsáveis pela segurança da IA e proteção da privacidade, enquanto Sandeep Nailwal, cofundador da Polygon, lidera a estratégia de blockchain e o layout ecológico. Os membros da equipe têm experiência em empresas como Meta, Coinbase, Polygon, bem como em instituições de ensino superior de prestígio, como a Universidade de Princeton e o Instituto Indiano de Tecnologia, cobrindo áreas como IA/ML, NLP e visão computacional, colaborando para a implementação do projeto.
Como um projeto de segunda empreitada de Sandeep Nailwal, cofundador da Polygon, a Sentient nasceu com um certo prestígio, contando com recursos, contatos e reconhecimento de mercado abundantes, o que proporciona um forte respaldo para o desenvolvimento do projeto. Em meados de 2024, a Sentient completou uma rodada de financiamento seed de 85 milhões de dólares, liderada pelo Founders Fund, Pantera e Framework Ventures, com outras instituições de investimento, incluindo Delphi, Hashkey e Spartan, entre várias outras VCs renomadas.
Design de arquitetura e camada de aplicação
Infraestrutura
Arquitetura Central
A arquitetura central do Sentient é composta por um pipeline de IA (AI Pipeline) e um sistema de blockchain.
O pipeline de IA é a base para o desenvolvimento e treinamento de artefatos de "IA Leal", contendo dois processos principais:
Planejamento de Dados (Data Curation): Processo de seleção de dados impulsionado pela comunidade, utilizado para o alinhamento do modelo.
Treinamento de Lealdade (Loyalty Training): garantir que o modelo mantenha um processo de treinamento consistente com a intenção da comunidade.
O sistema de blockchain oferece transparência e controle descentralizado para o protocolo, garantindo a propriedade de artefatos de IA, o rastreamento de uso, a distribuição de receitas e a governança justa. A arquitetura específica é dividida em quatro camadas:
Camada de armazenamento: armazena pesos do modelo e informações de registro de impressões digitais;
Camada de distribuição: a autorização do contrato controla a entrada da chamada do modelo;
Camada de acesso: verifica se o usuário está autorizado através da prova de permissão;
Camada de incentivo: o contrato de roteamento de receitas alocará o pagamento a cada chamada para o treinador, o implantador e o validador.
O modelo OML
A estrutura OML (Aberto Open, Monetizável Monetizable, Leal Loyal) é o conceito central proposto pela Sentient, destinado a fornecer proteção clara de propriedade e mecanismos de incentivo econômico para modelos de IA de código aberto. Ao combinar tecnologia na cadeia e criptografia nativa de IA, possui as seguintes características:
Abertura: O modelo deve ser de código aberto, com código e estrutura de dados transparentes, facilitando a reprodução, auditoria e melhoria pela comunidade.
Monetização: Cada chamada ao modelo gera um fluxo de receita, o contrato na cadeia distribuirá os ganhos para o treinador, o implementador e o validador.
Lealdade: O modelo pertence à comunidade de contribuidores, a direção de atualização e a governança são decididas pelo DAO, e o uso e modificação são controlados por mecanismos de criptografia.
Criptografia nativa de IA (AI-native Cryptography)
A criptografia nativa de IA utiliza a continuidade dos modelos de IA, a estrutura de variedades de baixa dimensão e as características diferenciáveis dos modelos para desenvolver um mecanismo de segurança leve "verificável, mas não removível". A sua tecnologia central é:
Impressão digital incorporada: durante o treinamento, insere-se um conjunto de pares chave-valor de consulta-resposta ocultos para formar a assinatura única do modelo;
Protocolo de verificação de propriedade: verificar se a impressão digital é mantida através de um detector de terceiros (Prover) na forma de uma pergunta query;
Mecanismo de chamada de permissão: Antes de chamar, é necessário obter o "certificado de autorização" emitido pelo proprietário do modelo, e o sistema, com base nisso, autoriza o modelo a decodificar a entrada e retornar a resposta correta.
Este método permite realizar "chamadas autorizadas baseadas em comportamentos + validação de propriedade" sem custos de re-encriptação.
Estrutura de garantia e execução segura do modelo
Sentient atualmente utiliza a segurança mista Melange: combinando verificação por impressão digital, execução TEE e a distribuição de lucros de contratos na cadeia. O método de impressão digital é implementado pela OML 1.0 como a linha principal, enfatizando a ideia de "Segurança Otimista (Optimistic Security)", ou seja, conformidade por padrão, com detecção e punição em caso de violação.
O mecanismo de impressão digital é a implementação chave do OML, que gera assinaturas únicas durante a fase de treinamento através da incorporação de pares de "pergunta-resposta" específicos. Com essas assinaturas, o proprietário do modelo pode verificar a propriedade, evitando cópias e comercializações não autorizadas. Este mecanismo não apenas protege os direitos dos desenvolvedores do modelo, mas também fornece um registro rastreável na cadeia sobre o comportamento de uso do modelo.
Além disso, a Sentient lançou a estrutura de computação Enclave TEE, que utiliza ambientes de execução confiáveis (como AWS Nitro Enclaves) para garantir que o modelo responda apenas a solicitações autorizadas, evitando acessos e usos não autorizados. Embora o TEE dependa de hardware e apresente certos riscos de segurança, suas vantagens de alto desempenho e tempo real o tornam uma tecnologia central para a implementação atual de modelos.
No futuro, a Sentient planeia introduzir a prova de conhecimento zero (ZK) e a criptografia homomórfica completa (FHE), para reforçar ainda mais a proteção da privacidade e a verificabilidade, oferecendo soluções mais maduras para a implementação descentralizada de modelos de IA.
camada de aplicação
Atualmente, os produtos da Sentient incluem principalmente uma plataforma de chat descentralizada.
Esta página pode conter conteúdos de terceiros, que são fornecidos apenas para fins informativos (sem representações/garantias) e não devem ser considerados como uma aprovação dos seus pontos de vista pela Gate, nem como aconselhamento financeiro ou profissional. Consulte a Declaração de exoneração de responsabilidade para obter mais informações.
A competição da camada 1 da IA esquenta, seis projetos disputam o futuro DeAI na cadeia.
AI Layer1 Relatório de Pesquisa: Encontrando a Terra Fértil para DeAI na cadeia
Com o rápido desenvolvimento da tecnologia de inteligência artificial, empresas de tecnologia líderes como OpenAI, Anthropic, Google e Meta continuam a impulsionar o avanço dos modelos de linguagem de grande porte (LLM). Os LLMs demonstram capacidades sem precedentes em diversos setores, expandindo enormemente o espaço de imaginação da humanidade e até mostrando potencial para substituir o trabalho humano em certas situações. No entanto, o cerne dessas tecnologias está firmemente nas mãos de poucos gigantes tecnológicos centralizados. Com um forte capital e controle sobre recursos computacionais caros, essas empresas estabeleceram barreiras quase intransponíveis, tornando difícil para a grande maioria dos desenvolvedores e equipes de inovação competir com elas.
Ao mesmo tempo, no início da rápida evolução da IA, a opinião pública frequentemente se concentra nas inovações e na conveniência trazidas pela tecnologia, enquanto a atenção a questões centrais como proteção da privacidade, transparência e segurança é relativamente insuficiente. A longo prazo, esses problemas terão um impacto profundo no desenvolvimento saudável da indústria de IA e na aceitação social. Se não forem resolvidos de maneira adequada, a controvérsia sobre se a IA deve "agir para o bem" ou "agir para o mal" tornará-se cada vez mais proeminente, enquanto os gigantes centralizados, impulsionados pelo instinto de lucro, muitas vezes carecem de motivação suficiente para enfrentar esses desafios proativamente.
A tecnologia de blockchain, com suas características de descentralização, transparência e resistência à censura, oferece novas possibilidades para o desenvolvimento sustentável da indústria de IA. Atualmente, já surgiram muitas aplicações "Web3 AI" em blockchains populares como Solana e Base. No entanto, uma análise mais profunda revela que esses projetos ainda enfrentam muitos problemas: por um lado, o grau de descentralização é limitado, e etapas e infraestrutura críticas ainda dependem de serviços de nuvem centralizados, com uma forte característica de meme, dificultando a sustentação de um ecossistema verdadeiramente aberto; por outro lado, em comparação com os produtos de IA do mundo Web2, a IA na cadeia ainda apresenta limitações em termos de capacidade de modelo, utilização de dados e cenários de aplicação, e a profundidade e amplitude da inovação precisam ser aprimoradas.
Para realmente realizar a visão de uma IA descentralizada, permitindo que a blockchain suporte aplicações de IA em larga escala de forma segura, eficiente e democrática, e competindo em desempenho com soluções centralizadas, precisamos projetar uma blockchain Layer1 feita sob medida para a IA. Isso proporcionará uma base sólida para a inovação aberta da IA, a governança democrática e a segurança dos dados, promovendo o florescimento do ecossistema de IA descentralizada.
As principais características da camada 1 de IA
AI Layer 1, como uma blockchain projetada especificamente para aplicações de IA, tem sua arquitetura subjacente e design de desempenho intimamente alinhados com as necessidades das tarefas de IA, visando apoiar de forma eficiente o desenvolvimento e a prosperidade sustentável do ecossistema de IA na cadeia. Especificamente, o AI Layer 1 deve possuir as seguintes capacidades centrais:
Mecanismo de incentivo eficiente e consenso descentralizado O núcleo do AI Layer 1 reside na construção de uma rede compartilhada de recursos, como poder computacional e armazenamento, aberta. Ao contrário dos nós de blockchain tradicionais, que se concentram principalmente na contabilidade de livros, os nós do AI Layer 1 precisam assumir tarefas mais complexas, não apenas fornecendo poder computacional e completando o treinamento e a inferência de modelos de IA, mas também contribuindo com armazenamento, dados, largura de banda e outros recursos diversificados, quebrando assim o monopólio dos gigantes centralizados na infraestrutura de IA. Isso impõe requisitos mais altos para o consenso subjacente e os mecanismos de incentivo: o AI Layer 1 deve ser capaz de avaliar, incentivar e verificar com precisão a contribuição real dos nós em tarefas de inferência e treinamento de IA, garantindo a segurança da rede e a alocação eficiente de recursos. Somente assim podemos garantir a estabilidade e a prosperidade da rede, enquanto reduzimos efetivamente o custo total de poder computacional.
Excelentes capacidades de alto desempenho e suporte a tarefas heterogéneas As tarefas de IA, especialmente o treinamento e a inferência de LLM, impõem exigências extremamente altas em termos de desempenho computacional e capacidade de processamento paralelo. Além disso, o ecossistema de IA na cadeia frequentemente precisa suportar tipos de tarefas diversificadas e heterogêneas, incluindo diferentes estruturas de modelo, processamento de dados, inferência, armazenamento e outros cenários múltiplos. A AI Layer 1 deve ser profundamente otimizada na arquitetura subjacente para atender às demandas de alta taxa de transferência, baixa latência e paralelismo flexível, e prever a capacidade de suporte nativo a recursos de computação heterogêneos, garantindo que várias tarefas de IA possam ser executadas de forma eficiente, permitindo uma expansão suave de "tarefas únicas" para "ecossistemas complexos e diversificados."
Verificabilidade e garantia de saída confiável AI Layer 1 não só deve prevenir comportamentos maliciosos do modelo, adulteração de dados e outros riscos de segurança, mas também garantir, desde a camada base, a verificabilidade e alinhamento dos resultados gerados pela IA. Através da integração de ambientes de execução confiáveis (TEE), provas de conhecimento zero (ZK), computação segura multipartidária (MPC) e outras tecnologias de ponta, a plataforma pode permitir que cada inferência do modelo, treinamento e processo de manipulação de dados sejam independentemente verificados, garantindo a justiça e transparência do sistema de IA. Ao mesmo tempo, essa verificabilidade também ajuda os usuários a entenderem a lógica e a base das saídas da IA, realizando "o que se obtém é o que se deseja", aumentando a confiança e satisfação dos usuários em relação aos produtos de IA.
Proteção da privacidade dos dados As aplicações de IA frequentemente envolvem dados sensíveis dos usuários, sendo a proteção da privacidade dos dados particularmente crítica em áreas como finanças, saúde e redes sociais. O AI Layer 1 deve assegurar a verificabilidade ao mesmo tempo que utiliza tecnologias de processamento de dados criptografadas, protocolos de computação de privacidade e gestão de permissões de dados, garantindo a segurança dos dados em todo o processo de raciocínio, treinamento e armazenamento, prevenindo efetivamente vazamentos e abusos de dados, eliminando as preocupações dos usuários em relação à segurança dos dados.
Poderosa capacidade de suporte e desenvolvimento do ecossistema Como uma infraestrutura de Layer 1 nativa de IA, a plataforma não só precisa ter uma liderança técnica, mas também deve fornecer ferramentas de desenvolvimento completas, SDKs integrados, suporte operacional e mecanismos de incentivo para desenvolvedores, operadores de nós, provedores de serviços de IA e outros participantes do ecossistema. Ao otimizar continuamente a usabilidade da plataforma e a experiência do desenvolvedor, promove-se a implementação de aplicações nativas de IA ricas e diversificadas, alcançando a prosperidade contínua de um ecossistema de IA descentralizado.
Com base no contexto e nas expectativas acima, este artigo irá apresentar detalhadamente seis projetos representativos de AI Layer1, incluindo Sentient, Sahara AI, Ritual, Gensyn, Bittensor e 0G, sistematizando os últimos avanços da pista, analisando o estado atual do desenvolvimento dos projetos e discutindo tendências futuras.
Sentient: Construir modelos de IA descentralizados de código aberto e leais
Visão Geral do Projeto
Sentient é uma plataforma de protocolo de código aberto que está a construir uma blockchain AI Layer1 (, cuja fase inicial é Layer 2, e depois irá migrar para Layer 1). Ao combinar AI Pipeline e tecnologia blockchain, visa construir uma economia de inteligência artificial descentralizada. O seu objetivo central é resolver problemas de propriedade do modelo, rastreamento de chamadas e distribuição de valor no mercado LLM centralizado através da estrutura "OML" (aberta, rentável, leal), permitindo que os modelos de IA implementem uma estrutura de propriedade na cadeia, transparência de chamadas e distribuição de valor. A visão da Sentient é permitir que qualquer pessoa construa, colabore, possua e monetize produtos de IA, promovendo assim um ecossistema de rede de agentes de IA justo e aberto.
A equipe da Sentient Foundation reúne os principais especialistas acadêmicos, empreendedores de blockchain e engenheiros do mundo, dedicando-se a construir uma plataforma AGI comunitária, de código aberto e verificável. Os membros principais incluem o professor Pramod Viswanath da Universidade de Princeton e o professor Himanshu Tyagi do Instituto Indiano de Ciência, responsáveis pela segurança da IA e proteção da privacidade, enquanto Sandeep Nailwal, cofundador da Polygon, lidera a estratégia de blockchain e o layout ecológico. Os membros da equipe têm experiência em empresas como Meta, Coinbase, Polygon, bem como em instituições de ensino superior de prestígio, como a Universidade de Princeton e o Instituto Indiano de Tecnologia, cobrindo áreas como IA/ML, NLP e visão computacional, colaborando para a implementação do projeto.
Como um projeto de segunda empreitada de Sandeep Nailwal, cofundador da Polygon, a Sentient nasceu com um certo prestígio, contando com recursos, contatos e reconhecimento de mercado abundantes, o que proporciona um forte respaldo para o desenvolvimento do projeto. Em meados de 2024, a Sentient completou uma rodada de financiamento seed de 85 milhões de dólares, liderada pelo Founders Fund, Pantera e Framework Ventures, com outras instituições de investimento, incluindo Delphi, Hashkey e Spartan, entre várias outras VCs renomadas.
Design de arquitetura e camada de aplicação
Infraestrutura
Arquitetura Central
A arquitetura central do Sentient é composta por um pipeline de IA (AI Pipeline) e um sistema de blockchain.
O pipeline de IA é a base para o desenvolvimento e treinamento de artefatos de "IA Leal", contendo dois processos principais:
O sistema de blockchain oferece transparência e controle descentralizado para o protocolo, garantindo a propriedade de artefatos de IA, o rastreamento de uso, a distribuição de receitas e a governança justa. A arquitetura específica é dividida em quatro camadas:
O modelo OML
A estrutura OML (Aberto Open, Monetizável Monetizable, Leal Loyal) é o conceito central proposto pela Sentient, destinado a fornecer proteção clara de propriedade e mecanismos de incentivo econômico para modelos de IA de código aberto. Ao combinar tecnologia na cadeia e criptografia nativa de IA, possui as seguintes características:
Criptografia nativa de IA (AI-native Cryptography)
A criptografia nativa de IA utiliza a continuidade dos modelos de IA, a estrutura de variedades de baixa dimensão e as características diferenciáveis dos modelos para desenvolver um mecanismo de segurança leve "verificável, mas não removível". A sua tecnologia central é:
Este método permite realizar "chamadas autorizadas baseadas em comportamentos + validação de propriedade" sem custos de re-encriptação.
Estrutura de garantia e execução segura do modelo
Sentient atualmente utiliza a segurança mista Melange: combinando verificação por impressão digital, execução TEE e a distribuição de lucros de contratos na cadeia. O método de impressão digital é implementado pela OML 1.0 como a linha principal, enfatizando a ideia de "Segurança Otimista (Optimistic Security)", ou seja, conformidade por padrão, com detecção e punição em caso de violação.
O mecanismo de impressão digital é a implementação chave do OML, que gera assinaturas únicas durante a fase de treinamento através da incorporação de pares de "pergunta-resposta" específicos. Com essas assinaturas, o proprietário do modelo pode verificar a propriedade, evitando cópias e comercializações não autorizadas. Este mecanismo não apenas protege os direitos dos desenvolvedores do modelo, mas também fornece um registro rastreável na cadeia sobre o comportamento de uso do modelo.
Além disso, a Sentient lançou a estrutura de computação Enclave TEE, que utiliza ambientes de execução confiáveis (como AWS Nitro Enclaves) para garantir que o modelo responda apenas a solicitações autorizadas, evitando acessos e usos não autorizados. Embora o TEE dependa de hardware e apresente certos riscos de segurança, suas vantagens de alto desempenho e tempo real o tornam uma tecnologia central para a implementação atual de modelos.
No futuro, a Sentient planeia introduzir a prova de conhecimento zero (ZK) e a criptografia homomórfica completa (FHE), para reforçar ainda mais a proteção da privacidade e a verificabilidade, oferecendo soluções mais maduras para a implementação descentralizada de modelos de IA.
camada de aplicação
Atualmente, os produtos da Sentient incluem principalmente uma plataforma de chat descentralizada.