Relatório de Pesquisa AI Layer1: Encontrando a Terra Fértil para DeAI na cadeia

Visão geral

Nos últimos anos, o rápido desenvolvimento de grandes modelos de linguagem (LLM) ampliou significativamente o espaço de imaginação humana, mostrando até mesmo potencial para substituir o trabalho humano em certos campos. No entanto, o núcleo dessas tecnologias está nas mãos de poucos gigantes tecnológicos centralizados. Com um forte capital e controle sobre recursos computacionais caros, essas empresas estabeleceram barreiras difíceis de superar, tornando difícil para a maioria dos desenvolvedores e equipes de inovação competirem com elas.

Ao mesmo tempo, no início da rápida evolução da IA, a opinião pública frequentemente se concentra nas inovações e conveniências trazidas pela tecnologia, enquanto a atenção a questões centrais como proteção da privacidade, transparência e segurança é relativamente insuficiente. A longo prazo, essas questões afetarão profundamente o desenvolvimento saudável da indústria de IA e a aceitação social. Se não forem resolvidas adequadamente, a controvérsia sobre se a IA deve "fazer o bem" ou "fazer o mal" se tornará cada vez mais proeminente, e os gigantes centralizados, impulsionados pelo instinto de lucro, frequentemente carecem de motivação suficiente para enfrentar esses desafios de forma proativa.

A tecnologia blockchain, com 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 "Web3 AI" em algumas blockchains mainstream. No entanto, uma análise mais aprofundada revela que esses projetos ainda enfrentam numerosos problemas: por um lado, o grau de descentralização é limitado, com etapas-chave e infraestrutura 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 profundidade e amplitude de inovação a serem melhoradas.

Para realmente alcançar a visão de uma IA descentralizada, permitindo que a blockchain suporte aplicações de IA em larga escala de forma segura, eficiente e democrática, e competindo em desempenho com soluções centralizadas, precisamos projetar uma blockchain Layer1 feita sob medida para IA. Isso fornecerá uma base sólida para a inovação aberta da IA, a democracia na governança e a segurança dos dados, promovendo o próspero desenvolvimento do ecossistema de IA descentralizada.

As principais características da camada 1 de IA

AI Layer 1, como uma blockchain projetada especificamente para aplicações de IA, tem sua arquitetura de base e design de desempenho intimamente alinhados às necessidades das tarefas de IA, com o objetivo de apoiar de forma eficiente o desenvolvimento e a prosperidade sustentáveis do ecossistema de IA na cadeia. Em termos concretos, o AI Layer 1 deve possuir as seguintes capacidades centrais:

1. Mecanismos de incentivo eficientes e consenso descentralizado

O núcleo do AI Layer 1 está na construção de uma rede compartilhada de recursos como poder de computação, armazenamento, etc. Ao contrário dos nós de blockchain tradicionais que se concentram principalmente em manter o livro-razão, os nós do AI Layer 1 precisam assumir tarefas mais complexas, não apenas fornecendo poder de computação, 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 das grandes empresas na infraestrutura de IA. Isso exige maiores exigências para o consenso subjacente e os mecanismos de incentivo: o AI Layer 1 deve ser capaz de avaliar, incentivar e verificar com precisão a contribuição real dos nós em tarefas de inferência, treinamento de IA, etc., alcançando a segurança da rede e a distribuição eficiente de recursos. Somente assim se pode garantir a estabilidade e a prosperidade da rede, além de reduzir efetivamente o custo total de poder de computação.

2. Desempenho elevado e capacidade de suporte a tarefas heterogéneas

As tarefas de IA, especialmente o treinamento e a inferência de LLM, exigem um desempenho computacional e uma capacidade de processamento paralelo muito altos. Além disso, o ecossistema de IA na cadeia muitas vezes precisa suportar uma variedade de tipos de tarefas heterogêneas, incluindo diferentes estruturas de modelos, processamento de dados, inferência, armazenamento e outros cenários diversificados. O AI Layer 1 deve ser profundamente otimizado na arquitetura subjacente para atender a requisitos de alta taxa de transferência, baixa latência e paralelismo flexível, e deve pré-definir a capacidade de suporte nativa a recursos computacionais heterogêneos, garantindo que diversas tarefas de IA possam ser executadas de forma eficiente, permitindo uma expansão suave de "tarefas únicas" para "ecossistemas complexos e diversos".

3. Verificabilidade e garantia de saída confiável

AI Layer 1 não só deve prevenir riscos de segurança, como o mau uso do modelo e a manipulação de dados, mas também deve garantir, a partir de mecanismos de base, a verificabilidade e a alinhamento dos resultados da IA. Através da integração de ambientes de execução confiáveis (TEE), provas de conhecimento zero (ZK) e computação segura multiparte (MPC), a plataforma consegue permitir que cada inferência de modelo, treinamento e processo de manipulação de dados possam ser verificados de forma independente, garantindo a justiça e a transparência do sistema de IA. Ao mesmo tempo, essa verificabilidade também pode ajudar os usuários a entenderem a lógica e as bases dos resultados da IA, realizando o "obtido é o desejado", aumentando a confiança e a satisfação dos usuários em relação aos produtos de IA.

4. Proteção da privacidade dos dados

As aplicações de IA frequentemente envolvem dados sensíveis dos usuários; em áreas como finanças, saúde e redes sociais, a proteção da privacidade dos dados é especialmente crucial. A IA Layer 1 deve, ao garantir a verificabilidade, adotar tecnologias de processamento de dados baseadas em criptografia, protocolos de computação de privacidade e gestão de permissões de dados, entre outros meios, para garantir a segurança dos dados durante todo o processo de inferência, treinamento e armazenamento, prevenindo eficazmente a divulgação e o uso indevido de dados, eliminando assim as preocupações dos usuários em relação à segurança dos dados.

5. Capacidade poderosa de suporte ao desenvolvimento e à infraestrutura ecológica

Como uma infraestrutura de camada 1 nativa da IA, a plataforma não só deve ter uma liderança técnica, mas também fornecer ferramentas de desenvolvimento completas, SDKs integrados, suporte operacional e mecanismos de incentivo para desenvolvedores, operadores de nós, fornecedores de serviços de IA e outros participantes do ecossistema. Ao otimizar continuamente a usabilidade da plataforma e a experiência do desenvolvedor, promovemos a implementação de aplicações ricas e diversificadas nativas da IA, alcançando a prosperidade contínua do ecossistema descentralizado de IA.

Com base no contexto e 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 da área, analisando o estado atual de desenvolvimento dos projetos e discutindo as tendências futuras.

Sentient: Construir modelos de IA descentralizados e de código aberto com lealdade

Visão Geral do Projeto

Sentient é uma plataforma de protocolo open source, que está a desenvolver uma blockchain AI Layer1 em (, que na fase inicial será Layer 2, e depois migrará para Layer 1). Através da combinação de AI Pipeline e tecnologia blockchain, visa construir uma economia de inteligência artificial descentralizada. O seu objetivo central é resolver a questão da propriedade do modelo, rastreamento de chamadas e distribuição de valor no mercado LLM centralizado, através da estrutura "OML" (, tornando-a aberta, lucrativa e leal, permitindo que modelos de AI tenham uma estrutura de propriedade na cadeia, transparência nas chamadas e divisão de valor. A visão da Sentient é permitir que qualquer pessoa construa, colabore, possua e monetize produtos de AI, promovendo assim um ecossistema de rede de Agentes de AI justo e aberto.

A equipe da Sentient Foundation reúne os principais especialistas acadêmicos, empreendedores de blockchain e engenheiros de todo o mundo, dedicando-se a construir uma plataforma AGI impulsionada pela comunidade, 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 da IA e proteção da privacidade, respectivamente, enquanto Sandeep Nailwal, co-fundador da Polygon, lidera a estratégia de blockchain e o layout ecológico. Os membros da equipe têm experiência em empresas renomadas como Meta, Coinbase, Polygon, bem como nas principais universidades como a Universidade de Princeton e o Instituto Indiano de Tecnologia, abrangendo os campos de IA/ML, NLP e visão computacional, colaborando para impulsionar a implementação do projeto.

Como um projeto de segunda empreitada de Sandeep Nailwal, cofundador da Polygon, a Sentient nasceu com uma aura especial, possuindo recursos abundantes, conexões e reconhecimento de mercado, o que proporcionou um forte respaldo ao desenvolvimento do projeto. Em meados de 2024, a Sentient completou uma rodada de financiamento seed de 85 milhões de dólares, liderada pelo Founders Fund, Pantera e Framework Ventures, com outros investidores, incluindo Delphi, Hashkey e Spartan, entre várias outras VCs conhecidas.

![Biteye e PANews publicam em conjunto relatório de pesquisa de AI Layer1: em busca da terra fértil para DeAI na cadeia])https://img-cdn.gateio.im/webp-social/moments-f4a64f13105f67371db1a93a52948756.webp(

) design de arquitetura e camada de aplicação

Camada de infraestrutura

Arquitetura Central

A arquitetura central do Sentient é composta por duas partes: o AI Pipeline ### e o sistema na cadeia.

O pipeline de IA é a base para o desenvolvimento e treino de artefatos de "IA leal", contendo dois processos centrais:

• Planejamento de Dados ( Data Curation ): um processo de seleção de dados impulsionado pela comunidade, utilizado para o alinhamento do modelo.
• 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, o rastreamento de uso, a distribuição de lucros e a governança justa dos artefatos de IA. 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 de controle de contrato de autorização;
• Camada de acesso: verificar se o utilizador está autorizado através de prova de permissão;
• Camada de incentivo: o contrato de roteamento de receita atribuirá o pagamento a cada chamada aos treinadores, implementadores e validadores.

(## OML modelo de estrutura

A estrutura OML ) é aberta Open, monetizável Monetizable e leal Loyal###, e 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, possui 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 gera um fluxo de receita, o contrato na cadeia irá distribuir os rendimentos para os treinadores, implementadores e validadores.
• Lealdade: O modelo pertence à comunidade de contribuidores, a direção da atualização e a governança são decididas pela DAO, o uso e a modificação são controlados por mecanismos criptográficos.

(## Criptografia nativa de IA)AI-native Cryptography###

A criptografia nativa de IA utiliza a continuidade dos modelos de IA, a estrutura de variedades de baixa dimensão e as características diferenciáveis dos modelos para desenvolver um mecanismo de segurança leve "verificável, mas não removível". Sua tecnologia central é:

• Impressão digital embutida: insere-se um conjunto de pares de chave-valor de consulta-resposta ocultos durante o treinamento para formar a assinatura única do modelo;
• Protocolo de Verificação de Propriedade: verifica-se se a impressão digital foi preservada através de um detector de terceiros (Prover) na forma de uma pergunta query;
• Mecanismo de chamada de permissão: antes da chamada, é necessário obter o "certificado de autorização" emitido pelo proprietário do modelo, e o sistema autoriza o modelo a decodificar a entrada e retornar a resposta correta com base nisso.

Esta abordagem permite implementar "chamadas autorizadas baseadas em comportamento + verificação de pertencimento" sem custos de re-encriptação.

(## Modelo de direitos e quadro de execução segura

Sentient atualmente adota a segurança mista Melange: combinando a verificação por impressão digital, execução TEE e a divisão de lucros em contratos na cadeia. O método de impressão digital é implementado pela OML 1.0, enfatizando o pensamento de "Segurança Otimista)Optimistic Security###", ou seja, conformidade por padrão, detecção e punição após a violação.

O mecanismo de impressão digital é a implementação chave do OML, que, através da incorporação de pares específicos de "pergunta-resposta", permite que o modelo gere assinaturas únicas na fase de treinamento. Com essas assinaturas, os proprietários do modelo podem 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 na cadeia rastreável do comportamento de uso do modelo.

Além disso, a Sentient lançou a estrutura de computação Enclave TEE, aproveitando ambientes de execução confiáveis ( como o AWS Nitro Enclaves ) para garantir que os modelos respondam apenas a solicitações autorizadas, prevenindo acessos e usos não autorizados. Embora o TEE dependa de hardware e apresente certos riscos de segurança, suas vantagens de alto desempenho e tempo real fazem dele a tecnologia central para a implantação de modelos atualmente.

No futuro, a Sentient planeia introduzir provas de conhecimento zero (ZK) e criptografia homomórfica total (FHE), para melhorar ainda mais a proteção da privacidade e a verificabilidade, proporcionando soluções mais maduras para a implantação descentralizada de modelos de IA.

( camada de aplicação

Atualmente, os produtos da Sentient incluem principalmente a plataforma de chat descentralizada Sentient Chat e o modelo de código aberto Dobby.