Исследование сектора AI Layer1: поиск плодородной почвы для децентрализованного AI в блокчейне

В последние годы, благодаря постоянным усилиям таких ведущих технологических компаний, как OpenAI, Anthropic, Google и Meta, большие языковые модели (LLM) демонстрируют беспрецедентные возможности в различных отраслях, значительно расширяя пространство человеческой фантазии и даже показывая потенциал замены человеческого труда в некоторых сценариях. Тем не менее, ядро этих технологий по-прежнему прочно удерживается в руках нескольких централизованных технологических гигантов. Обладая значительными капиталами и контролем над дорогими вычислительными ресурсами, эти компании создали непреодолимые барьеры, из-за чего подавляющему большинству разработчиков и инновационных команд трудно конкурировать с ними.

В то же время, на ранних этапах быстрого развития ИИ общественное мнение часто сосредотачивается на прорывах и удобствах, которые приносит технология, в то время как внимание к таким ключевым проблемам, как защита конфиденциальности, прозрачность и безопасность, оказывается относительно недостаточным. В долгосрочной перспективе эти вопросы глубоко повлияют на здоровое развитие отрасли ИИ и уровень общественного принятия. Если их не удастся надлежащим образом решить, споры о том, будет ли ИИ "на благо" или "во зло", станут все более актуальными, а децентрализованные гиганты, движимые стремлением к прибыли, часто не имеют достаточной мотивации для активного преодоления этих вызовов.

Технология блокчейн, благодаря своей Децентрализация, прозрачности и устойчивости к цензуре, открывает новые возможности для устойчивого развития индустрии ИИ. В настоящее время на некоторых основных блокчейнах уже появились многочисленные приложения "Web3 AI". Однако при глубоком анализе можно выявить, что эти проекты все еще сталкиваются с множеством проблем: с одной стороны, степень Децентрализация ограничена, ключевые этапы и инфраструктура все еще зависят от централизованных облачных услуг, мемные свойства слишком выражены, что затрудняет поддержку действительно открытой экосистемы; с другой стороны, по сравнению с ИИ-продуктами мира Web2, в блокчейне ИИ по-прежнему существует множество ограничений в таких аспектах, как модельные возможности, использование данных и сценарии применения, глубину и ширину инноваций необходимо улучшить.

Чтобы действительно реализовать видение децентрализованного ИИ, позволяя блокчейну безопасно, эффективно и демократично поддерживать масштабные ИИ-приложения и конкурировать с централизованными решениями по производительности, нам нужно 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 разработанный для приложений ИИ, его базовая архитектура и производительность тесно связаны с потребностями задач ИИ, с целью эффективно поддерживать устойчивое развитие и процветание экосистемы ИИ в блокчейне. Более конкретно, AI Layer 1 должен обладать следующими ключевыми возможностями:

1. Эффективные стимулы и Децентрализация консенсусного механизма Ядро 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 бухгалтерского учета, узлы AI Layer 1 должны выполнять более сложные задачи: они не только должны предоставлять вычислительную мощность, выполнять обучение и вывод AI-моделей, но также должны вносить разнообразные ресурсы, такие как хранилище, данные и пропускная способность, чтобы разрушить монополию централизованных гигантов на инфраструктуру AI. Это предъявляет более высокие требования к основному консенсусу и механизму стимулов: AI Layer 1 должен точно оценивать, стимулировать и проверять фактический вклад узлов в задачи AI-вывода, обучения и т.д., 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. Выдающаяся высокая производительность и поддержка гетерогенных задач Задачи ИИ, особенно обучение и вывод LLM, предъявляют 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 глубоко оптимизировать свою базовую архитектуру для удовлетворения требований к высокой пропускной способности, низкой задержке и эластичной параллельной обработке, а также предусмотреть нативную поддержку гетерогенных вычислительных ресурсов, чтобы гарантировать эффективное выполнение различных задач ИИ и обеспечить плавное расширение от "одномерных задач" к "сложной многообразной экосистеме".

3. Проверяемость и надежность выходных данных AI Layer 1 не только должен предотвращать злоупотребления моделями, подделку данных и другие угрозы безопасности, но и обеспечивать проверяемость и согласованность результатов AI на уровне базовых механизмов. Интегрируя передовые технологии, такие как надежная исполняемая среда (TEE), нулевые знания (ZK) и безопасные многосторонние вычисления (MPC), платформа позволяет независимую проверку каждого этапа вывода модели, обучения и обработки данных, обеспечивая справедливость и прозрачность AI-системы. В то же время такая проверяемость помогает пользователям четко понять логику и основания вывода AI, достигая "что получено, то и желаемо", повышая доверие и удовлетворенность пользователей к AI-продуктам.

4. Защита конфиденциальности данных AI-приложения часто связаны с чувствительными данными пользователей, особенно в финансовой, медицинской и социальной сферах, где защита конфиденциальности данных имеет решающее значение. AI Layer 1 должен обеспечивать проверяемость, используя технологии обработки данных на основе шифрования, протоколы конфиденциальных вычислений и управление правами на данные, чтобы гарантировать безопасность данных на всех этапах, включая вывод, обучение и хранение, эффективно предотвращая утечку и злоупотребление данными, устраняя тем самым опасения пользователей относительно безопасности данных.

5. Мощные возможности поддержки экосистемы и разработки Как AI-родная инфраструктура уровня 1, платформа должна не только обладать техническими преимуществами, но и предоставлять разработчикам, операторам узлов, поставщикам AI-услуг и другим участникам экосистемы полноценные инструменты разработки, интегрированные SDK, поддержку эксплуатации и механизмы стимулирования. Постоянно оптимизируя доступность платформы и опыт разработчиков, мы способствуем внедрению разнообразных AI-родных приложений и обеспечиваем устойчивое процветание децентрализованной AI-экосистемы.

На основе вышеизложенного контекста и ожиданий, в данной статье будет подробно рассмотрено шесть представительных проектов AI Layer1, включая Sentient, Sahara AI, Ritual, Gensyn, Bittensor и 0G, систематически проанализированы последние достижения в данной области, разобраны текущие состояния развития проектов и обсуждены будущие тенденции.

Sentient: Создание преданного открытого Децентрализация AI модели

Обзор проекта

Sentient является платформой открытого протокола, которая создает AI Layer1 в блокчейне (, на начальной стадии это Layer 2, а затем он будет перемещен на Layer 1), комбинируя технологии AI Pipeline и блокчейна, создавая децентрализованную экономику искусственного интеллекта. Его основной целью является решение проблем принадлежности моделей, отслеживания вызовов и распределения ценности на централизованном рынке LLM с помощью структуры "OML" (, открытой, прибыльной и лояльной ), позволяя AI моделям реализовать структуру владения в блокчейне, прозрачность вызовов и распределение ценности. Видение Sentient заключается в том, чтобы позволить каждому строить, сотрудничать, владеть и монетизировать AI продукты, что будет способствовать созданию справедливой и открытой экосистемы сети AI Agent.

Команда Sentient Foundation объединила ведущих мировых академических экспертов, предпринимателей в области блокчейна и инженеров, стремясь создать сообществом управляемую, открытую и проверяемую платформу AGI. Ключевыми членами команды являются профессор Принстонского университета Pramod Viswanath и профессор Индийского института науки Himanshu Tyagi, которые отвечают за безопасность и защиту конфиденциальности AI, в то время как соучредитель одной из торговых платформ Sandeep Nailwal руководит стратегией блокчейна и экосистемным развитием. Члены команды имеют опыт работы в таких известных компаниях, как Meta, Coinbase и других торговых платформах, а также в ведущих университетах, таких как Принстонский университет и Индийский институт технологий, охватывая области AI/ML, NLP, компьютерное зрение и совместно способствуя реализации проекта.

Как проект повторного старта соучредителя торговой платформы Sandeep Nailwal, Sentient с самого начала имел ореол, обладая обширными ресурсами, контактами и рыночным признанием, что обеспечивало мощную поддержку для развития проекта. В середине 2024 года Sentient завершил раунд посевного финансирования на сумму 85 миллионов долларов, который возглавили Founders Fund, Pantera и Framework Ventures, а среди других инвесторов были такие известные венчурные капитальные компании, как Delphi, Hashkey и Spartan.

Дизайн архитектуры и уровень приложений

Инфраструктурный уровень

Ядро архитектуры

Ядро архитектуры Sentient состоит из двух частей: AI Pipeline( и системы блокчейна.

AI трубопровод является основой для разработки и обучения "Лояльного ИИ" артефактов и включает в себя два основных процесса:​

• Данные курирования)Data Curation(: Процесс выбора данных, управляемый сообществом, для выравнивания модели.
• Обучение лояльности ): Убедитесь, что модель проходит обучение в соответствии с намерениями сообщества.

Блокчейн-система обеспечивает прозрачность и Децентрализацию контроля для протокола, гарантируя право собственности на AI артефакты, отслеживание использования, распределение доходов и справедливое управление. Конкретная архитектура делится на четыре уровня:

• Уровень хранения: хранение весов модели и информации о регистрации отпечатков.
• Уровень распределения: Контроль модели вызова через контракт авторизации;
• Уровень доступа: проверка правами на доступ для подтверждения авторизации пользователя;
• Уровень стимулов: Договор маршрутизации доходов будет распределять платежи между тренерами, развертывателями и валидаторами при каждом вызове.

(## OML модельная структура

OML фреймворк) открыт Open, монетизируемый Monetizable, лояльный Loyal### - это основная концепция, предложенная Sentient, направленная на обеспечение четкой защиты прав собственности и экономических стимулов для открытых AI моделей. Объединив в блокчейне технологии 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 валидацией.
• Лояльность: Модель принадлежит сообществу вкладчиков, направление обновления и управление определяются DAO, использование и изменение контролируется крипто-механизмом.

(## Искусственный интеллект, родная криптография)AI-native Cryptography###

AI-родная криптография использует непрерывность AI-моделей, структуры низкоразмерных многообразий и дифференцируемые характеристики моделей для разработки "проверяемого, но не удаляемого" легковесного механизма безопасности. Её ключевая технология заключается в:

• Встраивание отпечатка: во время обучения вставляется набор скрытых пар ключ-значение query-response, формируя уникальную подпись модели;
• Протокол проверки владения: проверка сохранения отпечатка пальца через вопрос в форме запроса с помощью стороннего детектора (Prover);
• Механизм разрешений: перед вызовом необходимо получить "разрешительный документ", выданный владельцем модели, после чего система предоставляет модели разрешение на декодирование данного ввода и возврат точного ответа.

Этот способ позволяет реализовать "авторизационные вызовы на основе поведения + верификация принадлежности" без затрат на повторное шифрование.

(## Модель подтверждения прав и безопасного выполнения

Sentient в настоящее время использует безопасность Melange: комбинация проверки прав собственности по отпечатку пальца, выполнения через TEE и распределения прибыли по смарт-контрактам в блокчейне. При этом метод отпечатка пальца реализован по OML 1.0, подчеркивая идею "оптимистичной безопасности )Optimistic Security###", то есть по умолчанию считается соответствующим, а в случае нарушения может быть обнаружено и наказано.

Механизм отпечатков пальцев является ключевой реализацией OML, он позволяет модели в процессе обучения генерировать уникальную подпись, внедряя определенные пары "вопрос-ответ". С помощью этих подписей владелец модели может подтвердить право собственности, предотвратив несанкционированное копирование и коммерциализацию. Этот механизм не только защищает права разработчиков модели, но и предоставляет возможность отслеживания поведения использования модели в блокчейне.

Кроме того, Sentient представила вычислительную платформу Enclave TEE, использующую доверенную среду выполнения (, такую как AWS Nitro Enclaves ), чтобы гарантировать, что модель отвечает 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 основной технологией для развертывания современных моделей.

В будущем Sentient планирует внедрение технологий нулевых знаний (ZK) и полной гомоморфной криптографии (FHE), чтобы дополнительно усилить защиту конфиденциальности и проверяемость, обеспечивая более зрелое развертывание моделей ИИ на основе Децентрализации.