Laporan Penelitian AI Layer1: Mencari Tanah Subur DeAI di on-chain

Ringkasan

Dalam beberapa tahun terakhir, perusahaan teknologi terkemuka seperti OpenAI, Anthropic, Google, dan Meta terus mendorong perkembangan pesat model bahasa besar (LLM). LLM menunjukkan kemampuan yang belum pernah ada sebelumnya di berbagai sektor, sangat memperluas ruang imajinasi manusia, bahkan dalam beberapa skenario menunjukkan potensi untuk menggantikan tenaga kerja manusia. Namun, inti dari teknologi ini tetap dikuasai oleh segelintir raksasa teknologi terpusat. Dengan modal yang kuat dan penguasaan sumber daya komputasi yang mahal, perusahaan-perusahaan ini telah membangun penghalang yang sulit untuk diatasi, membuat sebagian besar pengembang dan tim inovasi sulit untuk bersaing.

Pada awal evolusi 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 ini akan berdampak mendalam pada perkembangan sehat industri AI dan tingkat penerimaan masyarakat. Jika tidak dapat diatasi dengan baik, kontroversi tentang 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 aktif menghadapi tantangan ini.

Teknologi blockchain, dengan karakteristik desentralisasi, transparansi, dan ketahanan terhadap sensor, memberikan kemungkinan baru untuk pengembangan berkelanjutan di industri AI. Saat ini, banyak aplikasi "Web3 AI" telah muncul di blockchain utama. Namun, analisis mendalam menunjukkan bahwa proyek-proyek ini masih memiliki banyak masalah: di satu sisi, tingkat desentralisasi terbatas, bagian penting dan infrastruktur masih bergantung pada layanan cloud terpusat, sehingga sulit untuk mendukung ekosistem terbuka yang benar-benar berarti; di sisi lain, dibandingkan dengan produk AI di dunia Web2, AI on-chain masih memiliki batasan dalam kemampuan model, pemanfaatan data, dan skenario aplikasi, sehingga kedalaman dan luas inovasi perlu ditingkatkan.

Untuk benar-benar mewujudkan visi AI terdesentralisasi, agar blockchain dapat secara aman, efisien, dan demokratis menampung aplikasi AI berskala besar, serta bersaing dalam kinerja dengan solusi terpusat, kita perlu merancang sebuah blockchain Layer 1 yang dirancang khusus untuk AI. Ini akan memberikan dasar yang kuat untuk inovasi terbuka AI, demokrasi pemerintahan, 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 sangat berfokus pada kebutuhan tugas AI, bertujuan untuk mendukung dengan efisien perkembangan dan kemakmuran ekosistem AI di atas rantai secara berkelanjutan. Secara khusus, AI Layer 1 harus memiliki kemampuan inti berikut:

1. Insentif yang efisien dan mekanisme konsensus terdesentralisasi Inti dari AI Layer 1 adalah membangun jaringan berbagi sumber daya terbuka seperti komputasi, penyimpanan, dan lainnya. Berbeda dengan node blockchain tradisional yang lebih fokus pada pencatatan buku besar, node AI Layer 1 perlu menjalankan tugas yang lebih kompleks, tidak hanya menyediakan komputasi, menyelesaikan pelatihan dan inferensi model AI, tetapi juga berkontribusi pada penyimpanan, data, bandwidth, dan sumber daya beragam lainnya, sehingga memecahkan monopoli raksasa terpusat dalam infrastruktur AI. Ini menuntut persyaratan yang lebih tinggi untuk konsensus dan mekanisme insentif di tingkat dasar: AI Layer 1 harus dapat secara akurat menilai, memberikan insentif, dan memverifikasi kontribusi nyata node dalam tugas inferensi dan pelatihan AI, untuk mewujudkan keamanan jaringan dan distribusi sumber daya yang efisien. Hanya dengan cara ini jaringan dapat menjamin stabilitas dan kemakmuran, serta secara efektif mengurangi biaya komputasi secara keseluruhan.

2. Kinerja tinggi yang luar biasa dan kemampuan dukungan tugas heterogen Tugas AI, terutama pelatihan dan inferensi LLM, membutuhkan kinerja komputasi dan kemampuan pemrosesan paralel yang sangat tinggi. Lebih jauh lagi, ekosistem AI on-chain sering kali perlu mendukung berbagai jenis tugas yang beragam dan heterogen, termasuk struktur model yang berbeda, 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 paralelisme elastis, serta mempersiapkan kemampuan dukungan asli untuk sumber daya komputasi heterogen, memastikan bahwa berbagai tugas AI dapat berjalan dengan efisien, mewujudkan perluasan yang mulus dari "tugas tunggal" ke "ekosistem kompleks dan beragam."

3. Verifikasi dan Jaminan Output Tepercaya AI Layer 1 tidak hanya perlu mencegah model berbuat jahat, modifikasi data, dan risiko keamanan lainnya, tetapi juga harus memastikan verifikasi dan keselarasan hasil output AI dari mekanisme dasar. Dengan mengintegrasikan lingkungan eksekusi tepercaya (TEE), bukti nol pengetahuan (ZK), dan komputasi aman multi-pihak (MPC) yang mutakhir, platform dapat memastikan bahwa setiap proses inferensi model, pelatihan, dan pengolahan data dapat diverifikasi secara independen, memastikan keadilan dan transparansi sistem AI. Selain itu, verifikasi ini juga dapat membantu pengguna memahami logika dan dasar output AI, mewujudkan "apa yang didapat adalah apa yang diinginkan", serta meningkatkan kepercayaan dan kepuasan pengguna terhadap produk AI.

4. Perlindungan Privasi Data Aplikasi AI sering kali melibatkan data sensitif pengguna, di bidang keuangan, kesehatan, sosial, dan lainnya, perlindungan privasi data sangat penting. AI Layer 1 harus mengadopsi teknologi pemrosesan data berbasis enkripsi, protokol komputasi privasi, dan manajemen hak data, sambil memastikan verifikasi, untuk menjamin keamanan data selama seluruh proses inferensi, pelatihan, dan penyimpanan, secara efektif mencegah kebocoran dan penyalahgunaan data, serta menghilangkan kekhawatiran pengguna terkait keamanan data.

5. Kemampuan dukungan dan pengembangan ekosistem yang kuat Sebagai infrastruktur Layer 1 yang berbasis AI, platform tidak hanya harus memiliki keunggulan secara teknis, tetapi juga harus menyediakan alat pengembangan yang lengkap, SDK terintegrasi, dukungan operasional, dan mekanisme insentif bagi para pengembang, operator node, penyedia layanan AI, dan peserta ekosistem lainnya. Dengan terus mengoptimalkan ketersediaan platform dan pengalaman pengembang, mempromosikan aplikasi AI yang beragam dan kaya untuk diterapkan, serta mewujudkan keberlanjutan 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, menyusun kemajuan terbaru di jalur ini, menganalisis kondisi perkembangan proyek, dan membahas tren masa depan.

Sentient: Membangun Model AI Terdesentralisasi Sumber Terbuka yang Setia

Ringkasan Proyek

Sentient adalah platform protokol sumber terbuka yang sedang membangun blockchain AI Layer1 ( fase awal sebagai Layer 2, yang kemudian akan bermigrasi ke Layer 1), dengan menggabungkan AI Pipeline dan teknologi blockchain, membangun ekonomi kecerdasan buatan yang terdesentralisasi. Tujuan inti adalah untuk menyelesaikan masalah kepemilikan model, pelacakan panggilan, dan distribusi nilai di pasar LLM terpusat melalui kerangka "OML" (Terbuka, Menguntungkan, Loyal), 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, mendorong ekosistem jaringan AI Agent yang adil dan terbuka.

Tim Sentient Foundation mengumpulkan para ahli akademis, pengusaha blockchain, dan insinyur terkemuka dari seluruh dunia, 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, masing-masing bertanggung jawab atas keamanan dan privasi AI, sementara strategi blockchain dan ekosistem dipimpin oleh salah satu pendiri Polygon, Sandeep Nailwal. Latar belakang anggota tim berasal dari perusahaan terkenal seperti Meta, Coinbase, Polygon, serta universitas terkemuka seperti Universitas Princeton dan Indian Institute of Technology, mencakup bidang AI/ML, NLP, visi komputer, dan bekerja sama untuk mendorong proyek ini menuju implementasi.

Sebagai proyek kewirausahaan kedua dari salah satu pendiri Polygon, Sandeep Nailwal, Sentient sudah memiliki aura sejak awal berdirinya, dengan banyak sumber daya, jaringan, dan pengenalan pasar yang kaya, memberikan dukungan kuat untuk pengembangan proyek. Pada pertengahan 2024, Sentient berhasil menyelesaikan pendanaan putaran benih sebesar 85 juta dolar AS, yang 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

lapisan infrastruktur

Arsitektur Inti

Arsitektur inti Sentient terdiri dari dua bagian: AI Pipeline dan sistem blockchain.

AI pipeline adalah dasar untuk mengembangkan dan melatih artefak "loyal AI", yang terdiri dari dua proses inti:​

• Perencanaan Data (Data Curation): Proses pemilihan data yang didorong oleh komunitas, digunakan untuk penyelarasan model.
• Pelatihan Loyalitas (Loyalty Training): memastikan model tetap konsisten dengan niat komunitas dalam proses pelatihan.

Sistem blockchain memberikan transparansi dan kontrol terdesentralisasi 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: Masuk kontrol model panggilan kontrak yang diotorisasi;
• Lapisan akses: memverifikasi apakah pengguna diotorisasi melalui bukti izin;
• Lapisan insentif: Kontrak rute pendapatan akan membayar distribusi kepada pelatih, penyebar, dan validator setiap kali dipanggil.

Kerangka Model OML

Kerangka OML (Open, Monetizable, Loyal) adalah konsep inti yang dikemukakan 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 berikut:

• Keterbukaan: Model harus open source, kode dan struktur data transparan, memudahkan komunitas untuk mereproduksi, mengaudit, dan meningkatkan.
• 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 kripto.

Kriptografi Asli AI (AI-native Cryptography)

Kriptografi asli AI adalah mekanisme keamanan ringan "dapat diverifikasi tetapi tidak dapat dihapus" yang dikembangkan dengan memanfaatkan kontinuitas model AI, struktur manifold berdimensi rendah, dan sifat diferensiasi 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 pemanggilan yang diizinkan: Sebelum pemanggilan, perlu mendapatkan "sertifikat izin" yang diterbitkan oleh pemilik model, dan sistem kemudian memberikan otorisasi kepada model untuk mendekode input tersebut dan mengembalikan jawaban yang akurat.

Metode ini dapat mencapai "panggilan otorisasi berbasis perilaku + verifikasi kepemilikan" tanpa biaya re-enkripsi.

Kerangka Pengakuan Model dan Eksekusi Aman

Sentient saat ini menggunakan Melange campuran keamanan: menggabungkan pengenalan sidik jari, eksekusi TEE, dan pembagian keuntungan kontrak on-chain. Metode sidik jari menggunakan OML 1.0 sebagai arus utama, menekankan pemikiran "Keamanan Optimis (Optimistic Security)", yaitu secara default dianggap patuh, dan dapat terdeteksi serta dihukum setelah pelanggaran.

Mekanisme sidik jari adalah implementasi kunci dari OML, yang melalui peny嵌特定 dari "pertanyaan-jawaban" memungkinkan model untuk menghasilkan tanda tangan yang unik pada tahap pelatihan. Melalui tanda tangan ini, pemilik model dapat memverifikasi kepemilikan, mencegah penyalinan dan komersialisasi yang tidak sah. Mekanisme ini tidak hanya melindungi hak pengembang model, tetapi juga menyediakan catatan penggunaan yang dapat dilacak di链上.

Selain itu, Sentient telah meluncurkan kerangka 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 untuk penerapan model saat ini.