Relatório de Pesquisa AI Layer1: Encontrando o solo fértil para DeAI na cadeia
Nos últimos anos, empresas de tecnologia de ponta como OpenAI, Anthropic, Google e Meta têm impulsionado o rápido desenvolvimento de modelos de linguagem de grande escala (LLM). Os LLM demonstraram capacidades sem precedentes em diversos setores, ampliando imensamente o espaço da imaginação humana e até mostrando potencial para substituir o trabalho humano em alguns cenários. No entanto, o núcleo dessa tecnologia está firmemente nas mãos de poucos gigantes tecnológicos centralizados. Com um capital robusto e controle sobre recursos de computação de alto custo, essas empresas estabeleceram barreiras quase intransponíveis, dificultando a competição da grande maioria dos desenvolvedores e equipes de inovação.
Ao mesmo tempo, no início da rápida evolução da IA, a opinião pública muitas vezes se concentra nas inovações e conveniências trazidas pela tecnologia, enquanto a atenção a questões centrais como a proteção da privacidade, transparência e segurança é relativamente insuficiente. A longo prazo, essas questões terão um impacto profundo no desenvolvimento saudável da indústria de IA e na aceitação social. Se não forem bem resolvidas, 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, geralmente carecem de motivação suficiente para enfrentar esses desafios proativamente.
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, diversas aplicações de "Web3 AI" já surgiram em algumas blockchains principais. No entanto, uma análise mais aprofundada revela que esses projetos ainda enfrentam vários problemas: por um lado, o grau de descentralização é limitado, com etapas e infraestrutura chave ainda dependendo 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 do modelo, utilização de dados e cenários de aplicação, com a profundidade e a amplitude da inovação ainda a serem aprimoradas.
Para realmente realizar a visão da IA descentralizada, permitindo que a blockchain suporte aplicações de IA em larga escala de forma segura, eficiente e democrática, e que rivalize em desempenho com soluções centralizadas, precisamos projetar uma blockchain Layer 1 feita sob medida para a IA. Isso fornecerá uma base sólida para a inovação aberta da IA, a democracia na governança e a segurança dos dados, promovendo o desenvolvimento próspero 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 subjacente e design de desempenho intimamente alinhados com as necessidades das tarefas de IA, visando apoiar de forma eficiente o desenvolvimento sustentável e a prosperidade do ecossistema de IA na cadeia. Especificamente, AI Layer 1 deve possuir as seguintes capacidades essenciais:
Mecanismo de consenso descentralizado e incentivos eficientes
O núcleo do AI Layer 1 está em construir uma rede compartilhada de recursos abertos, como poder de computação e armazenamento. Ao contrário dos nós tradicionais de blockchain, que se concentram principalmente na contabilidade do livro-razão, os nós do AI Layer 1 precisam assumir tarefas mais complexas, que não apenas fornecem poder de computação, realizam o treinamento e a inferência de modelos de IA, mas também devem contribuir com armazenamento, dados, largura de banda e outros recursos diversificados, rompendo assim o monopólio de grandes empresas na infraestrutura de IA. Isso impõe requisitos mais altos para o consenso subjacente e os mecanismos de incentivo: o AI Layer 1 deve ser capaz de avaliar, incentivar e validar com precisão a contribuição real dos nós em tarefas de inferência e treinamento de IA, garantindo a segurança da rede e a alocação eficiente de recursos. Só assim poderá garantir a estabilidade e a prosperidade da rede, além de reduzir efetivamente os custos gerais de poder de computação.
Excelente desempenho de alta performance e capacidade de suporte a tarefas heterogêneas
As tarefas de IA, especialmente o treinamento e a inferência de LLM, impõem requisitos extremamente altos em termos de desempenho computacional e capacidade de processamento paralelo. Além disso, o ecossistema de IA na cadeia frequentemente precisa suportar uma diversidade de tipos de tarefas, incluindo diferentes estruturas de modelos, processamento de dados, inferência, armazenamento e outros cenários variados. O AI Layer 1 deve ser profundamente otimizado na arquitetura subjacente para atender às demandas de alta taxa de transferência, baixa latência e paralelismo elástico, e deve prever a capacidade de suporte nativo para recursos de computação heterogêneos, garantindo que todas as tarefas de IA possam ser executadas de forma eficiente, permitindo uma expansão suave de "tarefas únicas" para um "ecossistema complexo e diversificado".
Verificabilidade e garantia de saídas confiáveis
A AI Layer 1 não só deve prevenir riscos de segurança como má conduta do modelo e manipulação de dados, mas também garantir a verificabilidade e alinhamento dos resultados da IA a partir de mecanismos fundamentais. Através da integração de ambientes de execução confiáveis (TEE), provas de conhecimento zero (ZK), e computação segura multipartidária (MPC), a plataforma permite que cada inferência de modelo, treinamento e processo de tratamento de dados sejam verificáveis de forma independente, garantindo a justiça e transparência do sistema de IA. Ao mesmo tempo, essa verificabilidade também ajuda os usuários a compreenderem a lógica e as bases das saídas da IA, realizando o "o que se obtém é o que se deseja", aumentando a confiança e satisfação dos usuários com os produtos de IA.
Proteção da privacidade dos dados
As aplicações de IA frequentemente envolvem dados sensíveis dos usuários, sendo a proteção da privacidade dos dados especialmente crítica em áreas como finanças, saúde e redes sociais. O AI Layer 1 deve, ao garantir a verificabilidade, adotar técnicas 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 eficazmente vazamentos e abusos de dados, e eliminando as preocupações dos usuários em relação à segurança dos dados.
Poderosa capacidade de suporte ao desenvolvimento e à infraestrutura ecológica
Como uma infraestrutura de Layer 1 nativa de 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 participantes do ecossistema, como desenvolvedores, operadores de nós e provedores de serviços de IA. Ao otimizar continuamente a usabilidade da plataforma e a experiência do desenvolvedor, promove-se a implementação de uma rica diversidade de aplicações nativas de IA, alcançando a prosperidade contínua de um ecossistema de IA descentralizado.
Com base no contexto e nas expectativas acima, este artigo irá apresentar detalhadamente seis projetos representativos de AI Layer1, incluindo Sentient, Sahara AI, Ritual, Gensyn, Bittensor e 0G, sistematicamente revisar os últimos avanços na área, analisar o estado atual do desenvolvimento dos projetos e discutir as tendências futuras.
Sentient: Construindo modelos de AI descentralizados e de código aberto leais
Visão geral do projeto
Sentient é uma plataforma de protocolo de código aberto, que está a construir uma blockchain AI Layer1 na fase inicial como Layer 2, e depois migrará para Layer 1(. Ao combinar AI Pipeline e tecnologia de blockchain, está a construir um ecossistema de inteligência artificial descentralizado. O seu objetivo principal é resolver questões de propriedade do modelo, rastreamento de chamadas e distribuição de valor no mercado LLM centralizado através da estrutura "OML" (aberta, lucrativa, leal), permitindo que os modelos de IA alcancem uma estrutura de propriedade na cadeia, transparência nas chamadas e distribuição 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 principais especialistas acadêmicos, empreendedores e engenheiros em blockchain do mundo, dedicando-se à construção de 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 e privacidade da IA, enquanto um cofundador de uma conhecida blockchain lidera a estratégia e o ecossistema de blockchain. Os membros da equipe têm experiências em empresas renomadas como Meta, Coinbase, bem como em instituições de ensino superior de destaque como a Universidade de Princeton e o Instituto Indiano de Tecnologia, abrangendo áreas como AI/ML, NLP e visão computacional, colaborando para a implementação do projeto.
Como um projeto de segunda empreitada de um dos cofundadores de uma conhecida cadeia pública, a Sentient tinha, desde o seu início, um certo prestígio, possuindo recursos abundantes, conexões e reconhecimento de mercado, o que proporcionou um forte respaldo para o desenvolvimento do projeto. Em meados de 2024, a Sentient completou uma rodada de financiamento seed de 85 milhões de dólares, liderada por Founders Fund, Pantera e Framework Ventures, com outras instituições de investimento, incluindo Delphi, Hashkey e várias dezenas de conhecidas VCs.
![Biteye e PANews publicam em conjunto relatório de pesquisa sobre AI Layer1: à procura do solo fértil para DeAI na cadeia])https://img-cdn.gateio.im/webp-social/moments-f4a64f13105f67371db1a93a52948756.webp(
) Arquitetura de design e camada de aplicação
Infraestrutura
Arquitetura Central
A arquitetura central do Sentient é composta por um pipeline de IA (AI Pipeline) e um sistema de blockchain.
Os pipelines de IA são a base para o desenvolvimento e treinamento de artefatos de "IA Leal", contendo dois processos centrais:
Planeamento de Dados (Data Curation): 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 a intenção da comunidade.
O sistema de blockchain fornece transparência e controle descentralizado para o protocolo, garantindo a propriedade dos artefatos de IA, rastreamento de uso, distribuição de receitas e 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: contrato de autorização controla a entrada de chamadas de modelo;
Camada de acesso: verifica se o usuário está autorizado através da prova de permissão;
Camada de incentivo: O contrato de roteamento de rendimento irá distribuir pagamentos a cada chamada para os treinadores, implementadores e validadores.
![Biteye e PANews publicam em conjunto o relatório de pesquisa sobre AI Layer1: Procurando a terra fértil para DeAI na cadeia]###https://img-cdn.gateio.im/webp-social/moments-a70b0aca9250ab65193d0094fa9b5641.webp(
)## OML Modelo de Estrutura
A estrutura OML (Aberto Open, Monetizável Monetizable, Leal Loyal) é o conceito central proposto pela Sentient, visando fornecer proteção clara de propriedade e mecanismos de incentivo econômico para modelos de IA de código aberto. Através da combinação de 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 distribuirá os ganhos aos treinadores, implementadores e validadores.
Lealdade: O modelo pertence à comunidade de contribuidores, a direção da atualização e a governança são decididas pela DAO, e o uso e 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". A tecnologia central é:
Impressão digital incorporada: durante o treino, insere-se um conjunto de pares chave-valor de query-response ocultos para formar a assinatura única do modelo;
Protocolo de verificação de propriedade: verifica se a impressão digital é retida através de um detector de terceiros (Prover) na forma de perguntas query;
Mecanismo de chamada autorizada: é necessário obter um "certificado de autorização" emitido pelo proprietário do modelo antes da chamada, e o sistema autoriza o modelo a decodificar a entrada e retornar a resposta correta com base nisso.
Este método permite a realização de "chamadas autorizadas baseadas em comportamento + validação de pertencimento" sem custos de recriptografia.
Estrutura de garantia de direitos e execução segura do modelo
Sentient atualmente adota a segurança Melange misturada: combina a autenticação por impressão digital, execução TEE e distribuição de lucro de contratos na cadeia. Dentre esses métodos, o método de impressão digital é a linha principal implementada pelo OML 1.0, enfatizando a ideia de "Segurança Otimista", ou seja, conformidade por padrão, e a possibilidade de detecção e penalização em caso de violação.
O mecanismo de impressão digital é uma implementação chave do OML, que através da incorporação de pares "pergunta-resposta" específicos, permite que o modelo gere uma assinatura única durante a fase de treinamento. Através dessas assinaturas, os proprietários do modelo podem verificar a propriedade, evitando 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 AWS Nitro Enclaves) para garantir que o modelo só responda a solicitações autorizadas, prevenindo acessos e utilizações não autorizadas. Embora o TEE dependa de hardware e apresente certos riscos de segurança, suas vantagens em termos de alto desempenho e tempo real fazem dele a tecnologia central para a implantação atual de modelos.
No futuro, o Sentient planeia introduzir tecnologias de prova de conhecimento zero (ZK) e criptografia homomórfica totalmente (FHE) para melhorar ainda mais a proteção da privacidade e a verificabilidade, proporcionando soluções mais maduras para a implementação descentralizada de modelos de IA.
Esta página pode conter conteúdo de terceiros, que é fornecido apenas para fins informativos (não para representações/garantias) e não deve ser considerada como um endosso de suas opiniões pela Gate nem como aconselhamento financeiro ou profissional. Consulte a Isenção de responsabilidade para obter detalhes.
Exploração da Camada 1 de IA: Desbloquear uma nova paradigma de inteligência artificial descentralizada
Relatório de Pesquisa AI Layer1: Encontrando o solo fértil para DeAI na cadeia
Nos últimos anos, empresas de tecnologia de ponta como OpenAI, Anthropic, Google e Meta têm impulsionado o rápido desenvolvimento de modelos de linguagem de grande escala (LLM). Os LLM demonstraram capacidades sem precedentes em diversos setores, ampliando imensamente o espaço da imaginação humana e até mostrando potencial para substituir o trabalho humano em alguns cenários. No entanto, o núcleo dessa tecnologia está firmemente nas mãos de poucos gigantes tecnológicos centralizados. Com um capital robusto e controle sobre recursos de computação de alto custo, essas empresas estabeleceram barreiras quase intransponíveis, dificultando a competição da grande maioria dos desenvolvedores e equipes de inovação.
Ao mesmo tempo, no início da rápida evolução da IA, a opinião pública muitas vezes se concentra nas inovações e conveniências trazidas pela tecnologia, enquanto a atenção a questões centrais como a proteção da privacidade, transparência e segurança é relativamente insuficiente. A longo prazo, essas questões terão um impacto profundo no desenvolvimento saudável da indústria de IA e na aceitação social. Se não forem bem resolvidas, 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, geralmente carecem de motivação suficiente para enfrentar esses desafios proativamente.
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, diversas aplicações de "Web3 AI" já surgiram em algumas blockchains principais. No entanto, uma análise mais aprofundada revela que esses projetos ainda enfrentam vários problemas: por um lado, o grau de descentralização é limitado, com etapas e infraestrutura chave ainda dependendo 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 do modelo, utilização de dados e cenários de aplicação, com a profundidade e a amplitude da inovação ainda a serem aprimoradas.
Para realmente realizar a visão da IA descentralizada, permitindo que a blockchain suporte aplicações de IA em larga escala de forma segura, eficiente e democrática, e que rivalize em desempenho com soluções centralizadas, precisamos projetar uma blockchain Layer 1 feita sob medida para a IA. Isso fornecerá uma base sólida para a inovação aberta da IA, a democracia na governança e a segurança dos dados, promovendo o desenvolvimento próspero 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 subjacente e design de desempenho intimamente alinhados com as necessidades das tarefas de IA, visando apoiar de forma eficiente o desenvolvimento sustentável e a prosperidade do ecossistema de IA na cadeia. Especificamente, AI Layer 1 deve possuir as seguintes capacidades essenciais:
O núcleo do AI Layer 1 está em construir uma rede compartilhada de recursos abertos, como poder de computação e armazenamento. Ao contrário dos nós tradicionais de blockchain, que se concentram principalmente na contabilidade do livro-razão, os nós do AI Layer 1 precisam assumir tarefas mais complexas, que não apenas fornecem poder de computação, realizam o treinamento e a inferência de modelos de IA, mas também devem contribuir com armazenamento, dados, largura de banda e outros recursos diversificados, rompendo assim o monopólio de grandes empresas na infraestrutura de IA. Isso impõe requisitos mais altos para o consenso subjacente e os mecanismos de incentivo: o AI Layer 1 deve ser capaz de avaliar, incentivar e validar com precisão a contribuição real dos nós em tarefas de inferência e treinamento de IA, garantindo a segurança da rede e a alocação eficiente de recursos. Só assim poderá garantir a estabilidade e a prosperidade da rede, além de reduzir efetivamente os custos gerais de poder de computação.
As tarefas de IA, especialmente o treinamento e a inferência de LLM, impõem requisitos extremamente altos em termos de desempenho computacional e capacidade de processamento paralelo. Além disso, o ecossistema de IA na cadeia frequentemente precisa suportar uma diversidade de tipos de tarefas, incluindo diferentes estruturas de modelos, processamento de dados, inferência, armazenamento e outros cenários variados. O AI Layer 1 deve ser profundamente otimizado na arquitetura subjacente para atender às demandas de alta taxa de transferência, baixa latência e paralelismo elástico, e deve prever a capacidade de suporte nativo para recursos de computação heterogêneos, garantindo que todas as tarefas de IA possam ser executadas de forma eficiente, permitindo uma expansão suave de "tarefas únicas" para um "ecossistema complexo e diversificado".
A AI Layer 1 não só deve prevenir riscos de segurança como má conduta do modelo e manipulação de dados, mas também garantir a verificabilidade e alinhamento dos resultados da IA a partir de mecanismos fundamentais. Através da integração de ambientes de execução confiáveis (TEE), provas de conhecimento zero (ZK), e computação segura multipartidária (MPC), a plataforma permite que cada inferência de modelo, treinamento e processo de tratamento de dados sejam verificáveis de forma independente, garantindo a justiça e transparência do sistema de IA. Ao mesmo tempo, essa verificabilidade também ajuda os usuários a compreenderem a lógica e as bases das saídas da IA, realizando o "o que se obtém é o que se deseja", aumentando a confiança e satisfação dos usuários com os produtos de IA.
As aplicações de IA frequentemente envolvem dados sensíveis dos usuários, sendo a proteção da privacidade dos dados especialmente crítica em áreas como finanças, saúde e redes sociais. O AI Layer 1 deve, ao garantir a verificabilidade, adotar técnicas 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 eficazmente vazamentos e abusos de dados, e eliminando as preocupações dos usuários em relação à segurança dos dados.
Como uma infraestrutura de Layer 1 nativa de 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 participantes do ecossistema, como desenvolvedores, operadores de nós e provedores de serviços de IA. Ao otimizar continuamente a usabilidade da plataforma e a experiência do desenvolvedor, promove-se a implementação de uma rica diversidade de aplicações nativas de IA, alcançando a prosperidade contínua de um ecossistema de IA descentralizado.
Com base no contexto e nas expectativas acima, este artigo irá apresentar detalhadamente seis projetos representativos de AI Layer1, incluindo Sentient, Sahara AI, Ritual, Gensyn, Bittensor e 0G, sistematicamente revisar os últimos avanços na área, analisar o estado atual do desenvolvimento dos projetos e discutir as tendências futuras.
Sentient: Construindo modelos de AI descentralizados e de código aberto leais
Visão geral do projeto
Sentient é uma plataforma de protocolo de código aberto, que está a construir uma blockchain AI Layer1 na fase inicial como Layer 2, e depois migrará para Layer 1(. Ao combinar AI Pipeline e tecnologia de blockchain, está a construir um ecossistema de inteligência artificial descentralizado. O seu objetivo principal é resolver questões de propriedade do modelo, rastreamento de chamadas e distribuição de valor no mercado LLM centralizado através da estrutura "OML" (aberta, lucrativa, leal), permitindo que os modelos de IA alcancem uma estrutura de propriedade na cadeia, transparência nas chamadas e distribuição 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 principais especialistas acadêmicos, empreendedores e engenheiros em blockchain do mundo, dedicando-se à construção de 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 e privacidade da IA, enquanto um cofundador de uma conhecida blockchain lidera a estratégia e o ecossistema de blockchain. Os membros da equipe têm experiências em empresas renomadas como Meta, Coinbase, bem como em instituições de ensino superior de destaque como a Universidade de Princeton e o Instituto Indiano de Tecnologia, abrangendo áreas como AI/ML, NLP e visão computacional, colaborando para a implementação do projeto.
Como um projeto de segunda empreitada de um dos cofundadores de uma conhecida cadeia pública, a Sentient tinha, desde o seu início, um certo prestígio, possuindo recursos abundantes, conexões e reconhecimento de mercado, o que proporcionou um forte respaldo para o desenvolvimento do projeto. Em meados de 2024, a Sentient completou uma rodada de financiamento seed de 85 milhões de dólares, liderada por Founders Fund, Pantera e Framework Ventures, com outras instituições de investimento, incluindo Delphi, Hashkey e várias dezenas de conhecidas VCs.
![Biteye e PANews publicam em conjunto relatório de pesquisa sobre AI Layer1: à procura do solo fértil para DeAI na cadeia])https://img-cdn.gateio.im/webp-social/moments-f4a64f13105f67371db1a93a52948756.webp(
) Arquitetura de design e camada de aplicação
Infraestrutura
Arquitetura Central
A arquitetura central do Sentient é composta por um pipeline de IA (AI Pipeline) e um sistema de blockchain.
Os pipelines de IA são a base para o desenvolvimento e treinamento de artefatos de "IA Leal", contendo dois processos centrais:
O sistema de blockchain fornece transparência e controle descentralizado para o protocolo, garantindo a propriedade dos artefatos de IA, rastreamento de uso, distribuição de receitas e governança justa. A arquitetura específica é dividida em quatro camadas:
![Biteye e PANews publicam em conjunto o relatório de pesquisa sobre AI Layer1: Procurando a terra fértil para DeAI na cadeia]###https://img-cdn.gateio.im/webp-social/moments-a70b0aca9250ab65193d0094fa9b5641.webp(
)## OML Modelo de Estrutura
A estrutura OML (Aberto Open, Monetizável Monetizable, Leal Loyal) é o conceito central proposto pela Sentient, visando fornecer proteção clara de propriedade e mecanismos de incentivo econômico para modelos de IA de código aberto. Através da combinação de tecnologia na cadeia e criptografia nativa de IA, possui 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 variedades de baixa dimensão e as características diferenciáveis dos modelos para desenvolver um mecanismo de segurança leve "verificável, mas não removível". A tecnologia central é:
Este método permite a realização de "chamadas autorizadas baseadas em comportamento + validação de pertencimento" sem custos de recriptografia.
Estrutura de garantia de direitos e execução segura do modelo
Sentient atualmente adota a segurança Melange misturada: combina a autenticação por impressão digital, execução TEE e distribuição de lucro de contratos na cadeia. Dentre esses métodos, o método de impressão digital é a linha principal implementada pelo OML 1.0, enfatizando a ideia de "Segurança Otimista", ou seja, conformidade por padrão, e a possibilidade de detecção e penalização em caso de violação.
O mecanismo de impressão digital é uma implementação chave do OML, que através da incorporação de pares "pergunta-resposta" específicos, permite que o modelo gere uma assinatura única durante a fase de treinamento. Através dessas assinaturas, os proprietários do modelo podem verificar a propriedade, evitando 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 AWS Nitro Enclaves) para garantir que o modelo só responda a solicitações autorizadas, prevenindo acessos e utilizações não autorizadas. Embora o TEE dependa de hardware e apresente certos riscos de segurança, suas vantagens em termos de alto desempenho e tempo real fazem dele a tecnologia central para a implantação atual de modelos.
No futuro, o Sentient planeia introduzir tecnologias de prova de conhecimento zero (ZK) e criptografia homomórfica totalmente (FHE) para melhorar ainda mais a proteção da privacidade e a verificabilidade, proporcionando soluções mais maduras para a implementação descentralizada de modelos de IA.
camada de aplicação
Atualmente, Sentient