AI Layer1 исследование: поиск плодородной почвы для DeAI в блокчейне
Обзор
В последние годы такие ведущие технологические компании, как OpenAI, Anthropic, Google и Meta, постоянно способствуют стремительному развитию больших языковых моделей (LLM). LLM демонстрируют беспрецедентные возможности в различных отраслях, значительно расширяя человеческое воображение и даже показывая потенциал замены человеческого труда в некоторых сценариях. Однако ядро этих технологий надежно контролируется немногими централизованными технологическими гигантами. Обладая мощным капиталом и контролем над дорогими вычислительными ресурсами, эти компании создали непреодолимые барьеры, что затрудняет большинству разработчиков и инновационных команд конкурировать с ними.
В то же время, на ранних стадиях быстрого развития ИИ общественное мнение часто сосредоточено на прорывах и удобствах, которые приносит технология, в то время как внимание к таким ключевым вопросам, как защита конфиденциальности, прозрачность и безопасность, оказывается относительно недостаточным. В долгосрочной перспективе эти вопросы будут глубоко влиять на здоровое развитие индустрии ИИ и общественное восприятие. Если их не решить должным образом, противоречия о том, будет ли ИИ "на благо" или "во зло", будут лишь усиливаться, а централизованные гиганты, движимые инстинктом получения прибыли, часто не имеют достаточной мотивации для активного реагирования на эти вызовы.
Технология блокчейн благодаря своим децентрализованным, прозрачным и устойчивым к цензуре характеристикам открывает новые возможности для устойчивого развития отрасли ИИ. В настоящее время на некоторых мейнстримовых блокчейнах уже появилось множество приложений "Web3 AI". Однако при более глубоком анализе можно обнаружить, что эти проекты по-прежнему сталкиваются с множеством проблем: с одной стороны, степень децентрализации ограничена, ключевые этапы и инфраструктура по-прежнему зависят от централизованных облачных сервисов, что затрудняет поддержку по-настоящему открытой экосистемы; с другой стороны, по сравнению с продуктами ИИ в мире Web2, AI в блокчейне все еще имеет ограничения в моделях, использовании данных и сценариях применения, глубина и широта инноваций требуют улучшения.
Чтобы действительно реализовать видение децентрализованного ИИ, необходимо, чтобы блокчейн мог безопасно, эффективно и демократично поддерживать крупномасштабные ИИ-приложения и конкурировать по производительности с централизованными решениями. Нам необходимо разработать Layer1 блокчейн, специально созданный для ИИ. Это обеспечит прочную основу для открытых инноваций в ИИ, демократического управления и безопасности данных, способствуя процветанию децентрализованной экосистемы ИИ.
Ключевые характеристики AI Layer 1
AI Layer 1 как блокчейн, специально разработанный для AI-приложений, его базовая архитектура и производительность тесно связаны с потребностями AI-задач, с целью эффективной поддержки устойчивого развития и процветания AI-экосистемы в блокчейне. В частности, AI Layer 1 должен обладать следующими ключевыми способностями:
Эффективные механизмы стимулов и децентрализованные консенсусные механизмы
Основная идея AI Layer 1 заключается в создании открытой сети для совместного использования таких ресурсов, как вычислительная мощность и хранилище. В отличие от традиционных узлов блокчейна, которые в основном сосредоточены на ведении учета в реестре, узлы AI Layer 1 должны выполнять более сложные задачи, включая предоставление вычислительной мощности, обучение и вывод AI моделей, а также внесение разнообразных ресурсов, таких как хранилище, данные и пропускная способность, что позволяет разрушить монополию централизованных гигантов в инфраструктуре AI. Это предъявляет более высокие требования к базовому консенсусу и механизму стимулов: AI Layer 1 должен иметь возможность точно оценивать, поощрять и проверять реальные вклады узлов в задачи AI вывода и обучения, обеспечивая безопасность сети и эффективное распределение ресурсов. Только так можно гарантировать стабильность и процветание сети, а также эффективно снизить общие затраты на вычислительную мощность.
Превосходная высокая производительность и поддержка гетерогенных задач
AI-задачи, особенно обучение и вывод LLM, предъявляют высокие требования к вычислительной производительности и параллельной обработке. Более того, экосистема AI в блокчейне часто должна поддерживать разнообразные и гетерогенные типы задач, включая различные модели, обработку данных, вывод, хранение и другие многообразные сценарии. AI Layer 1 должен глубоко оптимизировать свою базовую архитектуру для высокопроизводительного, низкозадержанного и эластичного параллелизма, а также предусмотреть нативную поддержку гетерогенных вычислительных ресурсов, чтобы гарантировать эффективное выполнение всех AI-задач и обеспечить плавное расширение от "однородных задач" к "сложной многообразной экосистеме".
Проверяемость и гарантии надежного вывода
AI Layer 1 не только должен предотвращать злоупотребления моделями, подделку данных и другие угрозы безопасности, но и обеспечивать проверяемость и согласованность результатов, генерируемых ИИ, на уровне базовых механизмов. Интегрируя передовые технологии, такие как защищённая среда выполнения (TEE), нулевое знание (ZK) и безопасные вычисления с участием нескольких сторон (MPC), платформа позволяет независимо проверять каждый процесс вывода модели, обучения и обработки данных, обеспечивая справедливость и прозрачность системы ИИ. Кроме того, такая проверяемость помогает пользователям четко понять логику и основания выводов ИИ, достигая "полученного - желаемого", что повышает доверие пользователей к продуктам ИИ и удовлетворенность.
Защита конфиденциальности данных
Приложения ИИ часто связаны с чувствительными данными пользователей, и в таких областях, как финансы, здравоохранение и социальные сети, защита конфиденциальности данных имеет особое значение. AI Layer 1 должен обеспечивать проверяемость, используя технологии обработки данных на основе шифрования, протоколы вычисления конфиденциальности и управление правами на данные, чтобы гарантировать безопасность данных на всех этапах: при выводе, обучении и хранении, эффективно предотвращая утечку и злоупотребление данными, устраняя опасения пользователей относительно безопасности данных.
Мощные возможности поддержки экосистемы и разработки
В качестве инфраструктуры первого уровня, родной для ИИ, платформа должна не только обладать технологическим преимуществом, но и предоставлять разработчикам, операторам узлов, поставщикам ИИ-услуг и другим участникам экосистемы полноценные инструменты разработки, интегрированные SDK, поддержку эксплуатации и механизмы поощрения. Постоянно оптимизируя доступность платформы и опыт разработчиков, мы способствуем реализации разнообразных приложений, родных для ИИ, и обеспечиваем устойчивое процветание децентрализованной экосистемы ИИ.
Основываясь на вышеизложенном фоне и ожиданиях, в данной статье будет подробно представлено шесть представительных проектов AI Layer1, включая Sentient, Sahara AI, Ritual, Gensyn, Bittensor и 0G, систематически изложен последний прогресс в области, проанализировано текущее состояние развития проектов и обсуждены будущие тенденции.
Sentient: Создание преданного открытого децентрализованного AI-модели
Обзор проекта
Sentient является платформой с открытым исходным кодом, которая создает AI Layer1 в блокчейне ( на начальном этапе Layer 2, а затем будет перенесена на Layer 1). Объединяя AI Pipeline и технологии блокчейна, она строит децентрализованную экономику искусственного интеллекта. Основная цель состоит в том, чтобы решить проблемы принадлежности моделей, отслеживания вызовов и распределения ценности на централизованном рынке LLM с помощью структуры "OML" (открытая, прибыльная, преданная), позволяя AI моделям реализовать структуру собственности в блокчейне, прозрачность вызовов и распределение ценности. Визия Sentient заключается в том, чтобы любой мог создавать, сотрудничать, владеть и монетизировать AI продукты, тем самым продвигая справедливую и открытую экосистему сети AI Agent.
Команда Sentient Foundation объединила ведущих мировых академических экспертов, предпринимателей в сфере блокчейна и инженеров, стремящихся создать платформу AGI, управляемую сообществом, с открытым исходным кодом и проверяемую. В числе ключевых участников — профессор Принстонского университета Прамод Висванат и профессор Индийского института науки Химаншу Тьяги, которые отвечают за безопасность ИИ и защиту конфиденциальности, а также соучредитель Polygon Сандип Нейлвал, возглавляющий стратегию блокчейна и экосистемное развитие. Члены команды имеют опыт работы в таких известных компаниях, как Meta, Coinbase, Polygon, а также в ведущих университетах, таких как Принстонский университет и Индийский институт технологий, охватывая области AI/ML, NLP, компьютерного зрения и совместно способствуя реализации проекта.
В качестве второго стартапа соучредителя Polygon Сандипа Найлвала, Sentient с самого начала обладала ореолом, имея богатые ресурсы, связи и рыночную осведомленность, что обеспечивало мощную поддержку для развития проекта. В середине 2024 года Sentient завершила финансирование на стадии посевного раунда в размере 85 миллионов долларов, в котором приняли участие Founders Fund, Pantera и Framework Ventures, а также десятки известных венчурных компаний, таких как Delphi, Hashkey и Spartan.
проектирование архитектуры и уровень приложений
Инфраструктурный слой
Основная архитектура
Ядро архитектуры Sentient состоит из двух частей: AI Pipeline и системы в блокчейне.
AI трубопровод является основой для разработки и обучения "лояльного ИИ" артефактов и включает два основных процесса:
Планирование данных (Data Curation): процесс выбора данных, управляемый сообществом, для выравнивания модели.
Обучение лояльности (Loyalty Training): обеспечить, чтобы модель поддерживала процесс обучения, согласующийся с намерениями сообщества.
Блокчейн-система обеспечивает прозрачность и децентрализованный контроль для протокола, гарантируя собственность на AI-артефакты, отслеживание использования, распределение доходов и справедливое управление. Конкретная архитектура делится на четыре уровня:
Слой хранения: хранение весов модели и информации о регистрации отпечатков.
Уровень распределения: вход для вызова модели контроля контрактов авторизации;
Уровень доступа: проверка полномочий для верификации того, авторизован ли пользователь;
Уровень стимулов: Контракт маршрутизации доходов будет распределять платежи между тренерами, развертывателями и проверяющими при каждом вызове.
OML модельная рамка
OML фреймворк (Открытый Open, Монетизируемый Monetizable, Лояльный Loyal) является ключевой концепцией, предложенной Sentient, целью которой является обеспечение четкой защиты прав собственности и экономических стимулов для открытых AI моделей. Объединяя технологии в блокчейне и нативную криптографию AI, он имеет следующие характеристики:
Открытость: Модель должна быть с открытым исходным кодом, код и структура данных должны быть прозрачными, чтобы сообщество могло воспроизводить, проверять и улучшать.
Монетизация: Каждое обращение к модели будет инициировать поток доходов, в блокчейне контракт будет распределять доходы между тренерами, развертывателями и валидациями.
Верность: модель принадлежит сообществу вкладчиков, направление обновлений и управление определяются DAO, использование и модификация контролируются криптомеханизмами.
AI родная криптография (AI-native Cryptography)
AI-родная криптография использует непрерывность моделей ИИ, структуру низкоразмерных многообразий и дифференцируемость моделей для разработки "проверяемого, но не удаляемого" легковесного механизма безопасности. Ее ключевые технологии:
Встраивание отпечатков пальцев: на этапе обучения вставляется набор скрытых пар ключ-значение запрос-ответ, формируя уникальную подпись модели;
Протокол верификации прав собственности: проверка наличия отпечатков пальцев в форме запроса через сторонний детектор (Prover);
Механизм разрешения вызова: перед вызовом необходимо получить "удостоверение полномочий", выданное владельцем модели, после чего система предоставляет разрешение модели декодировать данный ввод и возвращать точный ответ.
Этот метод позволяет реализовать "авторизационный вызов на основе поведения + проверка принадлежности" без дополнительных затрат на повторное шифрование.
Модель правопорядка и безопасной реализации
Sentient в настоящее время использует Melange смешанную безопасность: комбинация подтверждения прав с помощью отпечатков пальцев, выполнения TEE и распределения прибыли по смарт-контрактам в блокчейне. При этом метод отпечатков пальцев реализует основную линию OML 1.0, подчеркивая идею "оптимистичной безопасности (Optimistic Security)", что подразумевает предположение о соответствии, с возможностью обнаружения и наказания за нарушения.
Механизм отпечатков пальцев является ключевой реализацией OML, позволяя модели генерировать уникальную подпись на этапе обучения через встраивание конкретных пар «вопрос-ответ». С помощью этих подписей владелец модели может подтвердить право собственности, предотвращая несанкционированное копирование и коммерциализацию. Этот механизм не только защищает права разработчиков моделей, но и предоставляет отслеживаемую запись использования модели в блокчейне.
Кроме того, Sentient представила вычислительную платформу Enclave TEE, использующую доверенную вычислительную среду для обеспечения того, чтобы модели реагировали только на авторизованные запросы, предотвращая несанкционированный доступ и использование. Хотя TEE зависит от аппаратного обеспечения и имеет определенные риски безопасности, его высокая производительность и преимущества в реальном времени делают его ключевой технологией для развертывания современных моделей.
В будущем Sentient планирует внедрить технологии нулевых знаний (ZK) и полностью однородного шифрования (FHE), чтобы дополнительно усилить защиту конфиденциальности и проверяемость, предоставив более зрелые решения для децентрализованного развертывания моделей ИИ.
На этой странице может содержаться сторонний контент, который предоставляется исключительно в информационных целях (не в качестве заявлений/гарантий) и не должен рассматриваться как поддержка взглядов компании Gate или как финансовый или профессиональный совет. Подробности смотрите в разделе «Отказ от ответственности» .
7 Лайков
Награда
7
4
Поделиться
комментарий
0/400
0xSunnyDay
· 21ч назад
Другого ничего, розничный инвестор труден в общении.
AI Layer1 исследование: анализ 6 ключевых проектов DeAI в блокчейне
AI Layer1 исследование: поиск плодородной почвы для DeAI в блокчейне
Обзор
В последние годы такие ведущие технологические компании, как OpenAI, Anthropic, Google и Meta, постоянно способствуют стремительному развитию больших языковых моделей (LLM). LLM демонстрируют беспрецедентные возможности в различных отраслях, значительно расширяя человеческое воображение и даже показывая потенциал замены человеческого труда в некоторых сценариях. Однако ядро этих технологий надежно контролируется немногими централизованными технологическими гигантами. Обладая мощным капиталом и контролем над дорогими вычислительными ресурсами, эти компании создали непреодолимые барьеры, что затрудняет большинству разработчиков и инновационных команд конкурировать с ними.
В то же время, на ранних стадиях быстрого развития ИИ общественное мнение часто сосредоточено на прорывах и удобствах, которые приносит технология, в то время как внимание к таким ключевым вопросам, как защита конфиденциальности, прозрачность и безопасность, оказывается относительно недостаточным. В долгосрочной перспективе эти вопросы будут глубоко влиять на здоровое развитие индустрии ИИ и общественное восприятие. Если их не решить должным образом, противоречия о том, будет ли ИИ "на благо" или "во зло", будут лишь усиливаться, а централизованные гиганты, движимые инстинктом получения прибыли, часто не имеют достаточной мотивации для активного реагирования на эти вызовы.
Технология блокчейн благодаря своим децентрализованным, прозрачным и устойчивым к цензуре характеристикам открывает новые возможности для устойчивого развития отрасли ИИ. В настоящее время на некоторых мейнстримовых блокчейнах уже появилось множество приложений "Web3 AI". Однако при более глубоком анализе можно обнаружить, что эти проекты по-прежнему сталкиваются с множеством проблем: с одной стороны, степень децентрализации ограничена, ключевые этапы и инфраструктура по-прежнему зависят от централизованных облачных сервисов, что затрудняет поддержку по-настоящему открытой экосистемы; с другой стороны, по сравнению с продуктами ИИ в мире Web2, AI в блокчейне все еще имеет ограничения в моделях, использовании данных и сценариях применения, глубина и широта инноваций требуют улучшения.
Чтобы действительно реализовать видение децентрализованного ИИ, необходимо, чтобы блокчейн мог безопасно, эффективно и демократично поддерживать крупномасштабные ИИ-приложения и конкурировать по производительности с централизованными решениями. Нам необходимо разработать Layer1 блокчейн, специально созданный для ИИ. Это обеспечит прочную основу для открытых инноваций в ИИ, демократического управления и безопасности данных, способствуя процветанию децентрализованной экосистемы ИИ.
Ключевые характеристики AI Layer 1
AI Layer 1 как блокчейн, специально разработанный для AI-приложений, его базовая архитектура и производительность тесно связаны с потребностями AI-задач, с целью эффективной поддержки устойчивого развития и процветания AI-экосистемы в блокчейне. В частности, AI Layer 1 должен обладать следующими ключевыми способностями:
Эффективные механизмы стимулов и децентрализованные консенсусные механизмы Основная идея AI Layer 1 заключается в создании открытой сети для совместного использования таких ресурсов, как вычислительная мощность и хранилище. В отличие от традиционных узлов блокчейна, которые в основном сосредоточены на ведении учета в реестре, узлы AI Layer 1 должны выполнять более сложные задачи, включая предоставление вычислительной мощности, обучение и вывод AI моделей, а также внесение разнообразных ресурсов, таких как хранилище, данные и пропускная способность, что позволяет разрушить монополию централизованных гигантов в инфраструктуре AI. Это предъявляет более высокие требования к базовому консенсусу и механизму стимулов: AI Layer 1 должен иметь возможность точно оценивать, поощрять и проверять реальные вклады узлов в задачи AI вывода и обучения, обеспечивая безопасность сети и эффективное распределение ресурсов. Только так можно гарантировать стабильность и процветание сети, а также эффективно снизить общие затраты на вычислительную мощность.
Превосходная высокая производительность и поддержка гетерогенных задач AI-задачи, особенно обучение и вывод LLM, предъявляют высокие требования к вычислительной производительности и параллельной обработке. Более того, экосистема AI в блокчейне часто должна поддерживать разнообразные и гетерогенные типы задач, включая различные модели, обработку данных, вывод, хранение и другие многообразные сценарии. AI Layer 1 должен глубоко оптимизировать свою базовую архитектуру для высокопроизводительного, низкозадержанного и эластичного параллелизма, а также предусмотреть нативную поддержку гетерогенных вычислительных ресурсов, чтобы гарантировать эффективное выполнение всех AI-задач и обеспечить плавное расширение от "однородных задач" к "сложной многообразной экосистеме".
Проверяемость и гарантии надежного вывода AI Layer 1 не только должен предотвращать злоупотребления моделями, подделку данных и другие угрозы безопасности, но и обеспечивать проверяемость и согласованность результатов, генерируемых ИИ, на уровне базовых механизмов. Интегрируя передовые технологии, такие как защищённая среда выполнения (TEE), нулевое знание (ZK) и безопасные вычисления с участием нескольких сторон (MPC), платформа позволяет независимо проверять каждый процесс вывода модели, обучения и обработки данных, обеспечивая справедливость и прозрачность системы ИИ. Кроме того, такая проверяемость помогает пользователям четко понять логику и основания выводов ИИ, достигая "полученного - желаемого", что повышает доверие пользователей к продуктам ИИ и удовлетворенность.
Защита конфиденциальности данных Приложения ИИ часто связаны с чувствительными данными пользователей, и в таких областях, как финансы, здравоохранение и социальные сети, защита конфиденциальности данных имеет особое значение. AI Layer 1 должен обеспечивать проверяемость, используя технологии обработки данных на основе шифрования, протоколы вычисления конфиденциальности и управление правами на данные, чтобы гарантировать безопасность данных на всех этапах: при выводе, обучении и хранении, эффективно предотвращая утечку и злоупотребление данными, устраняя опасения пользователей относительно безопасности данных.
Мощные возможности поддержки экосистемы и разработки В качестве инфраструктуры первого уровня, родной для ИИ, платформа должна не только обладать технологическим преимуществом, но и предоставлять разработчикам, операторам узлов, поставщикам ИИ-услуг и другим участникам экосистемы полноценные инструменты разработки, интегрированные SDK, поддержку эксплуатации и механизмы поощрения. Постоянно оптимизируя доступность платформы и опыт разработчиков, мы способствуем реализации разнообразных приложений, родных для ИИ, и обеспечиваем устойчивое процветание децентрализованной экосистемы ИИ.
Основываясь на вышеизложенном фоне и ожиданиях, в данной статье будет подробно представлено шесть представительных проектов AI Layer1, включая Sentient, Sahara AI, Ritual, Gensyn, Bittensor и 0G, систематически изложен последний прогресс в области, проанализировано текущее состояние развития проектов и обсуждены будущие тенденции.
Sentient: Создание преданного открытого децентрализованного AI-модели
Обзор проекта
Sentient является платформой с открытым исходным кодом, которая создает AI Layer1 в блокчейне ( на начальном этапе Layer 2, а затем будет перенесена на Layer 1). Объединяя AI Pipeline и технологии блокчейна, она строит децентрализованную экономику искусственного интеллекта. Основная цель состоит в том, чтобы решить проблемы принадлежности моделей, отслеживания вызовов и распределения ценности на централизованном рынке LLM с помощью структуры "OML" (открытая, прибыльная, преданная), позволяя AI моделям реализовать структуру собственности в блокчейне, прозрачность вызовов и распределение ценности. Визия Sentient заключается в том, чтобы любой мог создавать, сотрудничать, владеть и монетизировать AI продукты, тем самым продвигая справедливую и открытую экосистему сети AI Agent.
Команда Sentient Foundation объединила ведущих мировых академических экспертов, предпринимателей в сфере блокчейна и инженеров, стремящихся создать платформу AGI, управляемую сообществом, с открытым исходным кодом и проверяемую. В числе ключевых участников — профессор Принстонского университета Прамод Висванат и профессор Индийского института науки Химаншу Тьяги, которые отвечают за безопасность ИИ и защиту конфиденциальности, а также соучредитель Polygon Сандип Нейлвал, возглавляющий стратегию блокчейна и экосистемное развитие. Члены команды имеют опыт работы в таких известных компаниях, как Meta, Coinbase, Polygon, а также в ведущих университетах, таких как Принстонский университет и Индийский институт технологий, охватывая области AI/ML, NLP, компьютерного зрения и совместно способствуя реализации проекта.
В качестве второго стартапа соучредителя Polygon Сандипа Найлвала, Sentient с самого начала обладала ореолом, имея богатые ресурсы, связи и рыночную осведомленность, что обеспечивало мощную поддержку для развития проекта. В середине 2024 года Sentient завершила финансирование на стадии посевного раунда в размере 85 миллионов долларов, в котором приняли участие Founders Fund, Pantera и Framework Ventures, а также десятки известных венчурных компаний, таких как Delphi, Hashkey и Spartan.
проектирование архитектуры и уровень приложений
Инфраструктурный слой
Основная архитектура
Ядро архитектуры Sentient состоит из двух частей: AI Pipeline и системы в блокчейне.
AI трубопровод является основой для разработки и обучения "лояльного ИИ" артефактов и включает два основных процесса:
Блокчейн-система обеспечивает прозрачность и децентрализованный контроль для протокола, гарантируя собственность на AI-артефакты, отслеживание использования, распределение доходов и справедливое управление. Конкретная архитектура делится на четыре уровня:
OML модельная рамка
OML фреймворк (Открытый Open, Монетизируемый Monetizable, Лояльный Loyal) является ключевой концепцией, предложенной Sentient, целью которой является обеспечение четкой защиты прав собственности и экономических стимулов для открытых AI моделей. Объединяя технологии в блокчейне и нативную криптографию AI, он имеет следующие характеристики:
AI родная криптография (AI-native Cryptography)
AI-родная криптография использует непрерывность моделей ИИ, структуру низкоразмерных многообразий и дифференцируемость моделей для разработки "проверяемого, но не удаляемого" легковесного механизма безопасности. Ее ключевые технологии:
Этот метод позволяет реализовать "авторизационный вызов на основе поведения + проверка принадлежности" без дополнительных затрат на повторное шифрование.
Модель правопорядка и безопасной реализации
Sentient в настоящее время использует Melange смешанную безопасность: комбинация подтверждения прав с помощью отпечатков пальцев, выполнения TEE и распределения прибыли по смарт-контрактам в блокчейне. При этом метод отпечатков пальцев реализует основную линию OML 1.0, подчеркивая идею "оптимистичной безопасности (Optimistic Security)", что подразумевает предположение о соответствии, с возможностью обнаружения и наказания за нарушения.
Механизм отпечатков пальцев является ключевой реализацией OML, позволяя модели генерировать уникальную подпись на этапе обучения через встраивание конкретных пар «вопрос-ответ». С помощью этих подписей владелец модели может подтвердить право собственности, предотвращая несанкционированное копирование и коммерциализацию. Этот механизм не только защищает права разработчиков моделей, но и предоставляет отслеживаемую запись использования модели в блокчейне.
Кроме того, Sentient представила вычислительную платформу Enclave TEE, использующую доверенную вычислительную среду для обеспечения того, чтобы модели реагировали только на авторизованные запросы, предотвращая несанкционированный доступ и использование. Хотя TEE зависит от аппаратного обеспечения и имеет определенные риски безопасности, его высокая производительность и преимущества в реальном времени делают его ключевой технологией для развертывания современных моделей.
В будущем Sentient планирует внедрить технологии нулевых знаний (ZK) и полностью однородного шифрования (FHE), чтобы дополнительно усилить защиту конфиденциальности и проверяемость, предоставив более зрелые решения для децентрализованного развертывания моделей ИИ.
должен