Relatório de Pesquisa AI Layer1: Procurando o Solo Fértil para DeAI na cadeia
Visão geral
Nos últimos anos, empresas de tecnologia líderes como OpenAI, Anthropic, Google e Meta têm impulsionado o desenvolvimento acelerado de modelos de linguagem de grande escala (LLM). Os LLM demonstraram capacidades sem precedentes em diversas indústrias, expandindo enormemente o espaço da imaginação humana e até mesmo mostrando potencial para substituir o trabalho humano em alguns cenários. No entanto, o núcleo 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 maioria dos desenvolvedores e equipes de inovação competir.
Ao mesmo tempo, no início da rápida evolução da IA, a opinião pública muitas vezes se concentra nas quebras e conveniências trazidas pela tecnologia, enquanto a atenção a questões centrais como proteção da privacidade, transparência e segurança é relativamente insuficiente. A longo prazo, esses problemas afetarão profundamente o desenvolvimento saudável da indústria de IA e sua aceitação pela sociedade. Se não forem resolvidos adequadamente, a controvérsia sobre se a IA deve "servir ao bem" ou "servir ao mal" se tornará cada vez mais proeminente, enquanto os gigantes centralizados, impulsionados por seu instinto de lucro, muitas vezes carecem de motivação suficiente para enfrentar proativamente esses desafios.
A tecnologia blockchain, devido às suas características de descentralização, transparência e resistência à censura, oferece novas possibilidades para o desenvolvimento sustentável da indústria de IA. Atualmente, já surgiram diversas aplicações de "Web3 AI" em várias blockchains principais. No entanto, uma análise mais aprofundada revela que esses projetos ainda enfrentam muitos problemas: por um lado, o grau de descentralização é limitado, com etapas e infraestruturas chave ainda dependentes de serviços de nuvem centralizados, dificultando o suporte a 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, com a profundidade e a amplitude da inovação ainda a necessitar de melhorias.
Para realmente realizar a visão de IA descentralizada, possibilitando que a blockchain suporte aplicações de IA em grande escala de forma segura, eficiente e democrática, e competindo em desempenho com soluções centralizadas, precisamos projetar uma blockchain Layer 1 feita sob medida para IA. Isso fornecerá uma base sólida para a inovação aberta em IA, a democracia na governança e a segurança dos dados, promovendo o próspero desenvolvimento do ecossistema de IA descentralizada.
Características principais da Camada 1 de IA
AI Layer 1, como uma blockchain projetada especificamente para aplicações de IA, tem sua arquitetura e design de desempenho alinhados com as necessidades das tarefas de IA, visando sustentar 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:
Mecanismos de incentivo eficientes e consenso descentralizado O núcleo do AI Layer 1 está na construção de uma rede compartilhada de recursos, como poder computacional e armazenamento. Diferentemente dos nós de blockchain tradicionais, que se concentram principalmente na contabilidade do livro razão, 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 de gigantes centralizados na infraestrutura de IA. Isso impõe maiores exigências ao consenso subjacente e aos mecanismos de incentivo: o AI Layer 1 deve ser capaz de avaliar, incentivar e validar com precisão a contribuição real dos nós em tarefas como inferência e treinamento de IA, garantindo a segurança da rede e a alocação eficiente de recursos. Só assim será possível garantir a estabilidade e a prosperidade da rede, além de reduzir efetivamente o custo total do poder computacional.
Desempenho elevado e capacidade de suporte a tarefas heterogêneas A tarefa de IA, especialmente o treinamento e a inferência de LLM, exige um desempenho computacional e uma capacidade de processamento paralelo extremamente elevados. Além disso, o ecossistema de IA na cadeia muitas vezes precisa suportar uma variedade de tipos de tarefas heterogêneas, incluindo diferentes estruturas de modelo, processamento de dados, inferência, armazenamento e outros cenários diversos. A AI Layer 1 deve ser otimizada em profundidade na arquitetura subjacente para atender às demandas de alta taxa de transferência, baixa latência e paralelismo elástico, e prever uma capacidade de suporte nativa a recursos de computação heterogêneos, garantindo que várias tarefas de IA possam ser executadas de forma eficiente, realizando uma transição suave de "tarefa única" para "ecossistema complexo e diversificado".
Verificabilidade e Garantia de Saídas Confiáveis A AI Layer 1 não só deve prevenir riscos de segurança como comportamentos maliciosos do modelo e manipulação de dados, mas também deve garantir, desde a base, a verificabilidade e alinhamento dos resultados gerados pela IA. Ao integrar tecnologias de ponta como ambientes de execução confiáveis (TEE), provas de conhecimento zero (ZK) e computação segura multi-partes (MPC), a plataforma permite que cada inferência de modelo, treinamento e processo de manipulação de dados possam ser verificados de forma independente, assegurando a justiça e transparência do sistema de IA. Ao mesmo tempo, essa verificabilidade também ajuda os usuários a entenderem a lógica e os fundamentos das saídas da IA, alcançando o "que se obtém é o que se deseja", aumentando a confiança e satisfação dos usuários em produtos de IA.
Proteção da privacidade de dados As aplicações de IA frequentemente envolvem dados sensíveis dos usuários, sendo a proteção da privacidade de dados especialmente crucial nas áreas financeira, médica e social. A IA Layer 1 deve garantir a verificabilidade ao mesmo tempo que adota tecnologias de processamento de dados baseadas em criptografia, protocolos de computação de privacidade e gestão de permissões de dados, assegurando a segurança dos dados em todo o processo de inferência, treinamento e armazenamento, prevenindo efetivamente vazamentos e abusos de dados, eliminando a preocupação dos usuários em relação à segurança dos dados.
Capacidade robusta de suporte ao desenvolvimento e à infraestrutura ecológica Como uma infraestrutura Layer 1 nativa de IA, a plataforma não só deve ter liderança técnica, mas também deve fornecer ferramentas de desenvolvimento abrangentes, 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 do ecossistema de IA descentralizado.
Com base no contexto e nas expectativas acima, este artigo irá detalhar seis projetos representativos de AI Layer1, incluindo Sentient, Sahara AI, Ritual, Gensyn, Bittensor e 0G, sistematizando os últimos avanços do setor, analisando o estado atual do desenvolvimento dos projetos e discutindo as tendências futuras.
Sentient: Construir modelos de IA descentralizados e de código aberto fiéis
Visão Geral do Projeto
Sentient é uma plataforma de protocolo de código aberto, que está a criar uma blockchain AI Layer1 ( na fase inicial como Layer 2, e depois irá migrar para Layer 1). Ao combinar AI Pipeline e tecnologia de blockchain, está a construir um ecossistema de inteligência artificial descentralizada. O seu objetivo central é resolver questões de propriedade de modelos, rastreio de chamadas e distribuição de valor no mercado LLM centralizado através da estrutura "OML" (Aberto, Lucrativo, Leal), permitindo que os modelos de IA tenham uma estrutura de propriedade na cadeia, rastreio transparente de chamadas e partilha de valor. A visão da Sentient é permitir que qualquer pessoa possa construir, colaborar, possuir e monetizar produtos de IA, promovendo assim uma rede ecológica de agentes de IA justa e aberta.
A equipe da Sentient Foundation reúne os melhores 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 e proteção da privacidade da IA, enquanto Sandeep Nailwal, cofundador de uma plataforma de negociação, lidera a estratégia de blockchain e o layout ecológico. Os membros da equipe têm experiência em empresas renomadas como Meta, Coinbase, assim como em universidades de prestígio como a Universidade de Princeton e o Instituto Indiano de Tecnologia, cobrindo áreas como AI/ML, NLP e visão computacional, colaborando para impulsionar a implementação do projeto.
Como um projeto de empreendedorismo secundário de Sandeep Nailwal, cofundador de uma plataforma de negociação, o Sentient chegou ao mercado já com uma aura especial, possuindo recursos abundantes, conexões e reconhecimento de mercado, o que proporcionou um forte respaldo para o desenvolvimento do projeto. Em meados de 2024, o Sentient completou uma rodada de financiamento seed de 85 milhões de dólares, com Founders Fund, Pantera e Framework Ventures como principais investidores, juntamente com outras instituições de investimento, incluindo Delphi, Hashkey e Spartan, entre várias outras VCs conhecidas.
Estrutura de design e camada de aplicação
Camada de infraestrutura
Arquitetura Central
A arquitetura central do Sentient é composta por um Pipeline de IA 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:
Curadoria de Dados (Data Curation): processo de seleção de dados impulsionado pela comunidade, utilizado para o alinhamento de modelos.
Treinamento de Lealdade (Loyalty Training): garantir que o modelo mantenha um processo de treinamento alinhado com as intenções da comunidade.
O sistema de blockchain fornece transparência e controle descentralizado para o protocolo, garantindo a propriedade dos 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: entrada de chamada do modelo controlada pelo contrato de autorização;
Camada de acesso: verifica se o usuário está autorizado através da prova de permissões;
Camada de incentivo: o contrato de roteamento de receitas atribui o pagamento a cada chamada aos treinadores, implementadores e validadores.
Modelo OML
A estrutura OML (Aberto Open, Monetizável Monetizable, Leal Loyal) é o conceito central proposto pela Sentient, com o objetivo de 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, apresenta 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 desencadeará um fluxo de receita, o contrato na cadeia distribuirá os lucros para os treinadores, implementadores e validadores.
Lealdade: O modelo pertence à comunidade de contribuidores, a direção da atualização e a governança são decididas pelo DAO, e o uso e a modificação estão sob o controle de 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 variedade de baixa dimensão e as propriedades diferenciáveis dos modelos para desenvolver um mecanismo de segurança leve "verificável, mas não removível". A tecnologia central é:
Impressão digital incorporada: durante o treinamento, insere-se um conjunto de pares de 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 autorizado: 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 comportamento + verificação de pertencimento" sem custos de recriptografia.
Modelo de confirmação de direitos e estrutura de execução segura
Sentient atualmente utiliza o Melange segurança mista: combinação de confirmação por impressões digitais, execução TEE e contratos na cadeia para distribuição de lucros. O método de impressões digitais é implementado pela OML 1.0, enfatizando a ideia de "Segurança Otimista", ou seja, conformidade por padrão, com possibilidade de detecção e punição em caso de violação.
O mecanismo de impressão digital é a implementação chave do OML, que permite ao modelo gerar assinaturas únicas na fase de treinamento, incorporando pares específicos de "pergunta-resposta". Através dessas assinaturas, o proprietário do modelo pode verificar a propriedade, prevenindo cópias e comercializações não autorizadas. Este mecanismo não só 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 os Nitro Enclaves de certa plataforma) para garantir que os modelos respondam apenas a solicitações autorizadas, prevenindo acessos e usos não autorizados. Embora o TEE dependa de hardware e apresente alguns riscos de segurança, suas vantagens em termos de alto desempenho e tempo real fazem dele uma tecnologia central para a implementação atual de modelos.
No futuro, a Sentient planeia introduzir provas de conhecimento nulo (ZK) e 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.
 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.
12 gostos
Recompensa
12
3
Partilhar
Comentar
0/400
MondayYoloFridayCry
· 9h atrás
BTC保Carteira保夺笋
Ver originalResponder0
BearMarketGardener
· 9h atrás
Ainda é necessário estabelecer uma base centralizada.
Ver originalResponder0
OnchainSniper
· 9h atrás
Os gigantes não conseguem mais se mover. Venha para a cadeia!
Análise Completa do AI Layer1: 6 Grandes Projetos para Construir um Ecossistema de AI Descentralizado
Relatório de Pesquisa AI Layer1: Procurando o Solo Fértil para DeAI na cadeia
Visão geral
Nos últimos anos, empresas de tecnologia líderes como OpenAI, Anthropic, Google e Meta têm impulsionado o desenvolvimento acelerado de modelos de linguagem de grande escala (LLM). Os LLM demonstraram capacidades sem precedentes em diversas indústrias, expandindo enormemente o espaço da imaginação humana e até mesmo mostrando potencial para substituir o trabalho humano em alguns cenários. No entanto, o núcleo 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 maioria dos desenvolvedores e equipes de inovação competir.
Ao mesmo tempo, no início da rápida evolução da IA, a opinião pública muitas vezes se concentra nas quebras e conveniências trazidas pela tecnologia, enquanto a atenção a questões centrais como proteção da privacidade, transparência e segurança é relativamente insuficiente. A longo prazo, esses problemas afetarão profundamente o desenvolvimento saudável da indústria de IA e sua aceitação pela sociedade. Se não forem resolvidos adequadamente, a controvérsia sobre se a IA deve "servir ao bem" ou "servir ao mal" se tornará cada vez mais proeminente, enquanto os gigantes centralizados, impulsionados por seu instinto de lucro, muitas vezes carecem de motivação suficiente para enfrentar proativamente esses desafios.
A tecnologia blockchain, devido às suas características de descentralização, transparência e resistência à censura, oferece novas possibilidades para o desenvolvimento sustentável da indústria de IA. Atualmente, já surgiram diversas aplicações de "Web3 AI" em várias blockchains principais. No entanto, uma análise mais aprofundada revela que esses projetos ainda enfrentam muitos problemas: por um lado, o grau de descentralização é limitado, com etapas e infraestruturas chave ainda dependentes de serviços de nuvem centralizados, dificultando o suporte a 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, com a profundidade e a amplitude da inovação ainda a necessitar de melhorias.
Para realmente realizar a visão de IA descentralizada, possibilitando que a blockchain suporte aplicações de IA em grande escala de forma segura, eficiente e democrática, e competindo em desempenho com soluções centralizadas, precisamos projetar uma blockchain Layer 1 feita sob medida para IA. Isso fornecerá uma base sólida para a inovação aberta em IA, a democracia na governança e a segurança dos dados, promovendo o próspero desenvolvimento do ecossistema de IA descentralizada.
Características principais da Camada 1 de IA
AI Layer 1, como uma blockchain projetada especificamente para aplicações de IA, tem sua arquitetura e design de desempenho alinhados com as necessidades das tarefas de IA, visando sustentar 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:
Mecanismos de incentivo eficientes e consenso descentralizado O núcleo do AI Layer 1 está na construção de uma rede compartilhada de recursos, como poder computacional e armazenamento. Diferentemente dos nós de blockchain tradicionais, que se concentram principalmente na contabilidade do livro razão, 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 de gigantes centralizados na infraestrutura de IA. Isso impõe maiores exigências ao consenso subjacente e aos mecanismos de incentivo: o AI Layer 1 deve ser capaz de avaliar, incentivar e validar com precisão a contribuição real dos nós em tarefas como inferência e treinamento de IA, garantindo a segurança da rede e a alocação eficiente de recursos. Só assim será possível garantir a estabilidade e a prosperidade da rede, além de reduzir efetivamente o custo total do poder computacional.
Desempenho elevado e capacidade de suporte a tarefas heterogêneas A tarefa de IA, especialmente o treinamento e a inferência de LLM, exige um desempenho computacional e uma capacidade de processamento paralelo extremamente elevados. Além disso, o ecossistema de IA na cadeia muitas vezes precisa suportar uma variedade de tipos de tarefas heterogêneas, incluindo diferentes estruturas de modelo, processamento de dados, inferência, armazenamento e outros cenários diversos. A AI Layer 1 deve ser otimizada em profundidade na arquitetura subjacente para atender às demandas de alta taxa de transferência, baixa latência e paralelismo elástico, e prever uma capacidade de suporte nativa a recursos de computação heterogêneos, garantindo que várias tarefas de IA possam ser executadas de forma eficiente, realizando uma transição suave de "tarefa única" para "ecossistema complexo e diversificado".
Verificabilidade e Garantia de Saídas Confiáveis A AI Layer 1 não só deve prevenir riscos de segurança como comportamentos maliciosos do modelo e manipulação de dados, mas também deve garantir, desde a base, a verificabilidade e alinhamento dos resultados gerados pela IA. Ao integrar tecnologias de ponta como ambientes de execução confiáveis (TEE), provas de conhecimento zero (ZK) e computação segura multi-partes (MPC), a plataforma permite que cada inferência de modelo, treinamento e processo de manipulação de dados possam ser verificados de forma independente, assegurando a justiça e transparência do sistema de IA. Ao mesmo tempo, essa verificabilidade também ajuda os usuários a entenderem a lógica e os fundamentos das saídas da IA, alcançando o "que se obtém é o que se deseja", aumentando a confiança e satisfação dos usuários em produtos de IA.
Proteção da privacidade de dados As aplicações de IA frequentemente envolvem dados sensíveis dos usuários, sendo a proteção da privacidade de dados especialmente crucial nas áreas financeira, médica e social. A IA Layer 1 deve garantir a verificabilidade ao mesmo tempo que adota tecnologias de processamento de dados baseadas em criptografia, protocolos de computação de privacidade e gestão de permissões de dados, assegurando a segurança dos dados em todo o processo de inferência, treinamento e armazenamento, prevenindo efetivamente vazamentos e abusos de dados, eliminando a preocupação dos usuários em relação à segurança dos dados.
Capacidade robusta de suporte ao desenvolvimento e à infraestrutura ecológica Como uma infraestrutura Layer 1 nativa de IA, a plataforma não só deve ter liderança técnica, mas também deve fornecer ferramentas de desenvolvimento abrangentes, 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 do ecossistema de IA descentralizado.
Com base no contexto e nas expectativas acima, este artigo irá detalhar seis projetos representativos de AI Layer1, incluindo Sentient, Sahara AI, Ritual, Gensyn, Bittensor e 0G, sistematizando os últimos avanços do setor, analisando o estado atual do desenvolvimento dos projetos e discutindo as tendências futuras.
Sentient: Construir modelos de IA descentralizados e de código aberto fiéis
Visão Geral do Projeto
Sentient é uma plataforma de protocolo de código aberto, que está a criar uma blockchain AI Layer1 ( na fase inicial como Layer 2, e depois irá migrar para Layer 1). Ao combinar AI Pipeline e tecnologia de blockchain, está a construir um ecossistema de inteligência artificial descentralizada. O seu objetivo central é resolver questões de propriedade de modelos, rastreio de chamadas e distribuição de valor no mercado LLM centralizado através da estrutura "OML" (Aberto, Lucrativo, Leal), permitindo que os modelos de IA tenham uma estrutura de propriedade na cadeia, rastreio transparente de chamadas e partilha de valor. A visão da Sentient é permitir que qualquer pessoa possa construir, colaborar, possuir e monetizar produtos de IA, promovendo assim uma rede ecológica de agentes de IA justa e aberta.
A equipe da Sentient Foundation reúne os melhores 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 e proteção da privacidade da IA, enquanto Sandeep Nailwal, cofundador de uma plataforma de negociação, lidera a estratégia de blockchain e o layout ecológico. Os membros da equipe têm experiência em empresas renomadas como Meta, Coinbase, assim como em universidades de prestígio como a Universidade de Princeton e o Instituto Indiano de Tecnologia, cobrindo áreas como AI/ML, NLP e visão computacional, colaborando para impulsionar a implementação do projeto.
Como um projeto de empreendedorismo secundário de Sandeep Nailwal, cofundador de uma plataforma de negociação, o Sentient chegou ao mercado já com uma aura especial, possuindo recursos abundantes, conexões e reconhecimento de mercado, o que proporcionou um forte respaldo para o desenvolvimento do projeto. Em meados de 2024, o Sentient completou uma rodada de financiamento seed de 85 milhões de dólares, com Founders Fund, Pantera e Framework Ventures como principais investidores, juntamente com outras instituições de investimento, incluindo Delphi, Hashkey e Spartan, entre várias outras VCs conhecidas.
Estrutura de design e camada de aplicação
Camada de infraestrutura
Arquitetura Central
A arquitetura central do Sentient é composta por um Pipeline de IA 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 fornece transparência e controle descentralizado para o protocolo, garantindo a propriedade dos artefatos de IA, o rastreamento de uso, a distribuição de receitas e a governança justa. A arquitetura específica é dividida em quatro camadas:
Modelo OML
A estrutura OML (Aberto Open, Monetizável Monetizable, Leal Loyal) é o conceito central proposto pela Sentient, com o objetivo de 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, apresenta 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 variedade de baixa dimensão e as propriedades diferenciáveis dos modelos para desenvolver um mecanismo de segurança leve "verificável, mas não removível". A tecnologia central é:
Este método permite realizar "chamadas autorizadas baseadas em comportamento + verificação de pertencimento" sem custos de recriptografia.
Modelo de confirmação de direitos e estrutura de execução segura
Sentient atualmente utiliza o Melange segurança mista: combinação de confirmação por impressões digitais, execução TEE e contratos na cadeia para distribuição de lucros. O método de impressões digitais é implementado pela OML 1.0, enfatizando a ideia de "Segurança Otimista", ou seja, conformidade por padrão, com possibilidade de detecção e punição em caso de violação.
O mecanismo de impressão digital é a implementação chave do OML, que permite ao modelo gerar assinaturas únicas na fase de treinamento, incorporando pares específicos de "pergunta-resposta". Através dessas assinaturas, o proprietário do modelo pode verificar a propriedade, prevenindo cópias e comercializações não autorizadas. Este mecanismo não só 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 os Nitro Enclaves de certa plataforma) para garantir que os modelos respondam apenas a solicitações autorizadas, prevenindo acessos e usos não autorizados. Embora o TEE dependa de hardware e apresente alguns riscos de segurança, suas vantagens em termos de alto desempenho e tempo real fazem dele uma tecnologia central para a implementação atual de modelos.
No futuro, a Sentient planeia introduzir provas de conhecimento nulo (ZK) e 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.
![Biteye e PANews publicam em conjunto o relatório de pesquisa AI Layer1: buscando o solo fértil para DeAI na cadeia](