AI Layer1 исследование: Поиск плодородной почвы для DeAI в блокчейне

Обзор

В последние годы ведущие технологические компании, такие как OpenAI, Anthropic, Google и Meta, активно развивают большие языковые модели (LLM). LLM демонстрируют беспрецедентные возможности в различных отраслях, значительно расширяя пределы человеческого воображения и даже показывая потенциал замещения человеческого труда в некоторых сценариях. Однако ядро этих технологий по-прежнему находится под контролем немногих централизованных технологических гигантов. Благодаря мощному капиталу и контролю над высокими вычислительными ресурсами, эти компании создают непреодолимые барьеры, что затрудняет большинству разработчиков и инновационных команд конкурировать с ними.

В то же время, на ранних этапах быстрого развития ИИ общественное мнение часто сосредоточено на прорывах и удобствах, которые предоставляет технология, в то время как внимание к таким ключевым вопросам, как защита конфиденциальности, прозрачность и безопасность, относительно недостаточно. В долгосрочной перспективе эти вопросы будут глубоко влиять на здоровое развитие отрасли ИИ и общественное восприятие. Если эти вопросы не будут должным образом решены, споры о том, будет ли ИИ "на стороне добра" или "на стороне зла", станут все более заметными, в то время как централизованные гиганты, движимые инстинктом прибыли, часто не имеют достаточной мотивации для активного реагирования на эти вызовы.

Технология блокчейна, благодаря своим децентрализованным, прозрачным и антицензурным характеристикам, открывает новые возможности для устойчивого развития AI-индустрии. В настоящее время на таких основных блокчейнах, как Solana и Base, уже появилось множество приложений "Web3 AI". Однако глубокий анализ показывает, что эти проекты все еще сталкиваются со многими проблемами: с одной стороны, степень децентрализации ограничена, ключевые этапы и инфраструктура по-прежнему зависят от централизованных облачных услуг, а меметические свойства слишком преобладают, что затрудняет поддержку поистине открытой экосистемы; с другой стороны, по сравнению с AI-продуктами мира Web2, AI в блокчейне ограничен в таких аспектах, как возможности модели, использование данных и сценарии применения, что требует повышения глубины и широты инноваций.

Чтобы по-настоящему реализовать видение децентрализованного ИИ, сделать так, чтобы в блокчейне безопасно, эффективно и демократично размещались масштабные ИИ-приложения и конкурировали 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.

Основные характеристики AI Layer 1

AI Layer 1 как блокчейн, специально созданный для AI-приложений, его базовая архитектура и проектирование производительности тесно связаны с требованиями AI-задач, направленными на эффективную поддержку устойчивого развития и процветания AI-экосистемы в блокчейне. Конкретно, AI Layer 1 должен обладать следующими ключевыми возможностями:

1. Эффективные стимулы и децентрализованный механизм консенсуса 核心 AI Layer 1 заключается в создании открытой сети для совместного использования ресурсов, таких как вычислительная мощность и хранилище. В отличие от традиционных узлов блокчейна, которые в основном сосредоточены на ведении бухгалтерии, узлы AI Layer 1 должны выполнять более сложные задачи: они не только должны предоставлять вычислительную мощность, завершать обучение и вывод AI-моделей, но также необходимо вносить разнообразные ресурсы, такие как хранилище, данные и пропускная способность, тем самым разрушая монополию централизованных гигантов на инфраструктуру AI. Это предъявляет более высокие требования к основному консенсусу и механизмам стимулов: AI Layer 1 должен быть в состоянии точно оценивать, поощрять и проверять фактический вклад узлов в задачи, такие как вывод и обучение AI, обеспечивая безопасность сети и эффективное распределение ресурсов. Только так можно гарантировать стабильность и процветание сети, а также эффективно снизить общие затраты на вычислительную мощность.

2. Высокая производительность и возможность поддержки гетерогенных задач Задачи ИИ, особенно обучение и вывод LLM, предъявляют очень высокие требования к вычислительной производительности и параллельной обработке. Более того, экосистема ИИ в блокчейне часто должна поддерживать разнообразные и гетерогенные типы задач, включая различные структуры моделей, обработку данных, вывод, хранение и другие многообразные сценарии. AI Layer 1 должен в своей базовой архитектуре глубоко оптимизировать требования к высокой пропускной способности, низкой задержке и эластичной параллельной обработке, а также предусмотреть нативную поддержку гетерогенных вычислительных ресурсов, чтобы обеспечить эффективное выполнение различных задач ИИ и плавное расширение от "однородных задач" к "сложной многообразной экосистеме".

3. Проверяемость и гарантии надежного вывода AI Layer 1 не только должен предотвращать злоупотребления моделями, искажение данных и другие угрозы безопасности, но также должен обеспечивать проверяемость и согласованность результатов, выводимых AI, с самого нижнего уровня механизма. Интегрируя передовые технологии, такие как доверенные вычислительные среды (TEE), нулевые знания (ZK), многопартнерские безопасные вычисления (MPC) и другие, платформа позволяет независимо проверять каждый процесс вывода, обучения и обработки данных модели, обеспечивая справедливость и прозрачность системы AI. В то же время такая проверяемость может помочь пользователям понять логику и основания выводов AI, реализуя принцип "что получено, то и желаем", что повышает доверие и удовлетворенность пользователей к продуктам AI.

4. Защита конфиденциальности данных Приложения ИИ часто связаны с чувствительными данными пользователей; в таких областях, как финансы, здравоохранение и социальные сети, защита конфиденциальности данных особенно важна. AI Layer 1 должен обеспечивать проверяемость, одновременно используя технологии обработки данных на основе шифрования, протоколы вычислений с конфиденциальностью и управление правами на данные, чтобы гарантировать безопасность данных на всех этапах, включая вывод, обучение и хранение, эффективно предотвращая утечку и злоупотребление данными, устраняя опасения пользователей по поводу безопасности данных.

5. Мощные возможности поддержки экосистемы и разработки Как AI-родная инфраструктура Level 1, платформа должна не только обладать техническим преимуществом, но и предоставлять разработчикам, операторам узлов, поставщикам AI-услуг и другим участникам экосистемы полноценные инструменты разработки, интегрированные SDK, поддержку эксплуатации и механизмы поощрения. Постоянно оптимизируя доступность платформы и опыт разработчиков, необходимо содействовать внедрению разнообразных AI-родных приложений, обеспечивая устойчивое процветание децентрализованной AI-экосистемы.

Исходя из вышеизложенного фона и ожиданий, в данной статье подробно рассматриваются шесть представительных проектов AI Layer1, включая Sentient, Sahara AI, Ritual, Gensyn, Bittensor и 0G, систематически анализируются последние достижения в этой области, изучается текущее состояние развития проектов и обсуждаются будущие тенденции.

Sentient: Создание преданного открытого децентрализованного AI-модели

Обзор проекта

Sentient - это открытая протокольная платформа, которая разрабатывает AI Layer1 в блокчейне (, на начальном этапе это Layer 2, после чего произойдет миграция на Layer 1). Объединив AI Pipeline и технологии блокчейна, она строит децентрализованную экономику искусственного интеллекта. Основная цель заключается в том, чтобы с помощью "OML" фрейма ( решить проблемы принадлежности моделей, отслеживания вызовов и распределения ценности на централизованном рынке LLM, обеспечив структурирование прав собственности на модели AI в блокчейне, прозрачность вызовов и распределение ценности. Видение Sentient заключается в том, чтобы любой мог строить, сотрудничать, владеть и монетизировать AI-продукты, тем самым способствуя созданию справедливой и открытой экосистемы сети AI Agent.

Команда Sentient Foundation объединила лучших академических экспертов, предпринимателей в области блокчейна и инженеров со всего мира, стремясь создать сообщество, управляемое открытым источником и проверяемой платформой AGI. В состав ключевых членов входят профессор Принстонского университета Прамод Висванат и профессор Индийского института науки Химаншу Тяги, которые отвечают за безопасность и защиту конфиденциальности ИИ, а также соучредитель Polygon Сандип Найлвал, который руководит стратегией блокчейна и экологическим развитием. Фон членов команды охватывает известные компании, такие как Meta, Coinbase, Polygon, а также ведущие университеты, такие как Принстонский университет и Индийский институт технологий, охватывая области AI/ML, NLP, компьютерного зрения и других, совместно продвигая реализацию проекта.

В качестве второго предпринимательского проекта соучредителя Polygon Сандипа Найлвала, Sentient изначально имел ореол, обладая обширными ресурсами, связями и рыночной осведомленностью, что обеспечивало мощную поддержку для развития проекта. В середине 2024 года Sentient завершил раунд посевного финансирования в размере 85 миллионов долларов, который возглавили Founders Fund, Pantera и Framework Ventures, а среди других инвестиционных организаций были десятки известных венчурных компаний, таких как Delphi, Hashkey и Spartan.

![Biteye и PANews совместно выпустили исследование AI Layer1: поиск плодородной почвы для DeAI в блокчейне])https://img-cdn.gateio.im/webp-social/moments-f4a64f13105f67371db1a93a52948756.webp(

) Проектирование архитектуры и уровень приложений

Инфраструктурный уровень

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, включает в себя два основных процесса:

• Данные планирования ( Data Curation ): процесс выбора данных, управляемый сообществом, для выравнивания моделей.
• Лояльность тренировки(Loyalty Training): обеспечить, чтобы модель сохраняла процесс обучения, соответствующий намерениям сообщества.

Система блокчейна обеспечивает прозрачность и децентрализованный контроль для протоколов, гарантируя право собственности, отслеживание использования, распределение доходов и справедливое управление AI-артефактами. Конкретная архитектура разделена на четыре уровня:

• Уровень хранения: хранение весов модели и информации о регистрации отпечатков;
• Распределительный уровень: вход для вызова модели управления контрактом на авторизацию;
• Уровень доступа: проверка правомочий для подтверждения авторизации пользователя;
• Уровень стимулов: контракт маршрутизации дохода будет распределять платежи между тренерами, развертывателями и валидаторами при каждом вызове.

(## OML модельная рамка

OML фреймворк ) открыт Open, может быть монетизирован Monetizable, лояльный Loyal ### является основной концепцией, предложенной Sentient, которая направлена на обеспечение четкой защиты прав собственности и экономических стимулов для открытых AI моделей. Объединяя технологии в блокчейне и нативную криптографию AI, он обладает следующими характеристиками:

• Открытость: Модель должна быть с открытым исходным кодом, код и структура данных должны быть прозрачными, чтобы сообщество могло воспроизводить, проводить аудит и улучшать.
• Монетизация: Каждый вызов модели будет вызывать поток доходов, в блокчейне контракт будет распределять доход между тренерами, развертывателями и валидаторами.
• Преданность: Модель принадлежит сообществу участников, направление обновлений и управление определяются DAO, использование и модификация контролируются криптомеханизмом.

(## AI родная криптография )AI-native Cryptography ###

AI-родная криптография использует непрерывность моделей ИИ, структуру низкоразмерного многообразия и дифференцируемые свойства моделей для разработки легковесного механизма безопасности, который "можно проверить, но нельзя удалить". Ее ключевые технологии:

• Встраивание отпечатков пальцев: во время тренировки вставляется набор скрытых пар ключ-значение запрос-ответ для формирования уникальной подписи модели;
• Протокол проверки собственности: проверка сохранения отпечатков пальцев в форме запроса через сторонний детектор (Prover);
• Механизм разрешения вызова: перед вызовом необходимо получить "разрешительный сертификат", выданный владельцем модели, и система на основании этого разрешения авторизует модель для декодирования данного ввода и возврата точного ответа.

Этот способ позволяет реализовать "авторизованный вызов на основе поведения + проверка принадлежности" без затрат на повторное шифрование.

(## Модель правовой защиты и безопасного исполнения

Sentient в настоящее время использует Melange смешанную безопасность: сочетание подтверждения прав с помощью отпечатков пальцев, выполнения TEE и распределения прибыли по цепочечным контрактам. При этом метод отпечатков пальцев реализует основную линию OML 1.0, подчеркивая идею "оптимальной безопасности ) Optimistic Security ###", то есть предполагая соответствие, а при нарушении - возможность обнаружения и наказания.

Механизм отпечатков пальцев является ключевой реализацией OML, он позволяет модели генерировать уникальные подписи на этапе обучения, внедряя специфические "вопрос-ответ" пары. С помощью этих подписей владельцы моделей могут проверять принадлежность, предотвращая несанкционированное копирование и коммерциализацию. Этот механизм не только защищает права разработчиков моделей, но и предоставляет отслеживаемую запись использования моделей в блокчейне.

Кроме того, Sentient представила вычислительную платформу Enclave TEE, использующую доверенные исполняемые среды (, такие как AWS Nitro Enclaves ), чтобы гарантировать, что модели реагируют только на авторизованные запросы, предотвращая несанкционированный доступ и использование. Хотя TEE зависит от аппаратного обеспечения и имеет определенные риски безопасности, его высокие показатели производительности и преимущества в реальном времени делают его ключевой технологией для развертывания современных моделей.

В будущем Sentient планирует внедрить доказательства с нулевым разглашением (ZK) и полностью гомоморфное шифрование (FHE), чтобы дополнительно усилить защиту конфиденциальности и проверяемости, предоставляя более зрелые решения для децентрализованного развертывания AI моделей.

(# Уровень приложения

В настоящее время продукты Sentient в основном включают децентрализованную чат-платформу Sentient Chat, серию открытых моделей Dobby и фреймворк AI Agent.

)## Серия Добби