AI Layer 1: Поиск благодатной почвы для DeAI в блокчейне
В последние годы такие ведущие технологические компании, как OpenAI, Anthropic, Google, Meta, продолжают стремительно развивать большие языковые модели (LLM). LLM демонстрируют беспрецедентные способности в различных отраслях, значительно расширяя человеческое воображение и даже в некоторых случаях показывая потенциал замены человеческого труда. Однако ядро этих технологий надежно контролируется небольшим числом централизованных технологических гигантов. Обладая мощным капиталом и контролем над дорогими вычислительными ресурсами, эти компании создали 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 технологических прорывах и удобствах, в то время как внимание к таким ключевым вопросам, как защита конфиденциальности, прозрачность и безопасность, относительно недостаточно. В долгосрочной перспективе эти проблемы окажут глубокое влияние на здоровое развитие отрасли ИИ и общественное восприятие. Если эти вопросы не будут должным образом решены, споры о том, будет ли ИИ "направлен на добро" или "направлен на зло", будут все более актуальны, в то время как централизованные гиганты, движимые инстинктом получения прибыли, часто не имеют достаточной мотивации для активного решения этих вызовов.
Технология блокчейна благодаря своим децентрализованным, прозрачным и антицензурным характеристикам предоставляет новые возможности для устойчивого развития индустрии ИИ. В настоящее время на некоторых основных блокчейнах уже появилось множество приложений "Web3 AI". Однако при глубоком анализе можно обнаружить, что у этих проектов все еще есть множество проблем: с одной стороны, степень децентрализации ограничена, ключевые этапы и инфраструктура все еще зависят от централизованных облачных сервисов, мемная составляющая слишком велика, что затрудняет поддержку действительно открытой экосистемы; с другой стороны, по сравнению с продуктами ИИ из мира Web2, цепочечный ИИ по моделям, использованию данных и сценариям применения все еще имеет ограничения, глубина и широта инноваций нуждаются в улучшении.
Чтобы на самом деле реализовать видение децентрализованного ИИ, сделать так, чтобы в блокчейне безопасно, эффективно и демократично размещались масштабные приложения ИИ и чтобы по производительности они могли конкурировать с централизованными решениями, нам необходимо спроектировать 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 AI-приложений, имеет архитектуру и производительность, которые тесно связаны с требованиями AI-задач, с целью эффективно поддерживать устойчивое развитие и процветание AI-экосистемы в блокчейне. Конкретно, AI Layer 1 должен обладать следующими ключевыми возможностями:
Эффективный механизм стимулов и децентрализованного консенсуса
Ядро AI Layer 1 заключается в создании открытой сети для совместного использования ресурсов, таких как вычислительная мощность и хранение данных. 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 вычислительные мощности и завершать обучение и вывод AI моделей, но и вносить разнообразные ресурсы, такие как хранение, данные и пропускная способность, чтобы разрушить монополию централизованных гигантов в области инфраструктуры AI. Это предъявляет более высокие требования к базовому консенсусу и механизму стимулов: AI Layer 1 должен быть в состоянии точно оценивать, стимулировать и проверять фактический вклад узлов в задачи, связанные с выводом и обучением AI, обеспечивая безопасность сети и эффективное распределение ресурсов. Только так можно гарантировать стабильность и процветание сети, а также эффективно снизить общую стоимость вычислительных мощностей.
Высокая производительность и поддержка гетерогенных задач
Задачи ИИ, особенно обучение и вывод больших языковых моделей (LLM), предъявляют крайне 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 под требования высокой пропускной способности, низкой задержки и эластичной параллельной обработки, а также предусмотреть нативную поддержку гетерогенных вычислительных ресурсов, чтобы гарантировать эффективное выполнение различных задач ИИ и обеспечить плавное расширение от "однородных задач" до "сложной многообразной экосистемы."
Проверяемость и надежность выходных данных
AI Layer 1 не только должен предотвращать злоупотребления моделью, подделку данных и другие угрозы безопасности, но и на уровне базовой механики гарантировать проверяемость и согласованность результатов AI. Интегрируя такие передовые технологии, как защищённая среда выполнения (TEE), нулевые знания (ZK) и безопасные вычисления с множеством участников (MPC), платформа может обеспечить независимую проверку каждого процесса вывода модели, обучения и обработки данных, что гарантирует справедливость и прозрачность AI-системы. В то же время эта проверяемость также помогает пользователям чётко понимать логику и основания вывода AI, достигая "чего хочешь, то и получишь" и повышая доверие и удовлетворенность пользователей к продуктам AI.
Защита конфиденциальности данных
Применение ИИ часто связано с чувствительными данными пользователей, особенно в таких областях, как финансы, медицина и социальные сети, где защита конфиденциальности данных имеет решающее значение. AI Layer 1 должен обеспечивать проверяемость, одновременно применяя технологии обработки данных на основе шифрования, протоколы вычислений с соблюдением конфиденциальности и управление правами доступа к данным, чтобы гарантировать безопасность данных на всех этапах - от вывода и обучения до хранения, эффективно предотвращая утечку и злоупотребление данными, устраняя тем самым беспокойство пользователей по поводу безопасности данных.
Мощные возможности поддержки экосистемы и разработки
Как AI-родная инфраструктура уровня 1, платформа должна не только обладать техническим лидерством, но и предоставлять полные инструменты разработки, интегрированные SDK, поддержку эксплуатации и механизмы поощрения для таких участников экосистемы, как разработчики, операторы узлов и поставщики AI-услуг. Оптимизируя доступность платформы и опыт разработчиков, мы способствуем внедрению разнообразных AI-родных приложений и обеспечиваем непрерывное процветание децентрализованной AI-экосистемы.
Исходя из вышеизложенного фона и ожиданий, в данной статье будет подробно рассмотрено шесть代表ных проектов AI Layer1, включая Sentient, Sahara AI, Ritual, Gensyn, Bittensor и 0G, систематически проанализированы последние достижения в этой области, исследовано текущее состояние проектов и обсуждены будущие тенденции.
Sentient: создание преданного открытого децентрализованного AI-модели
Обзор проекта
Sentient является платформой открытых протоколов, которая разрабатывает AI Layer1 в блокчейне( на начальном этапе как Layer 2, а затем будет переходить на Layer 1). Сочетая AI Pipeline и технологии блокчейна, она создает децентрализованную экономику искусственного интеллекта. Основная цель заключается в решении проблем принадлежности моделей, отслеживания вызовов и распределения ценностей на централизованном рынке LLM через "OML" (открытое, прибыльное, лояльное) решение, позволяющее AI моделям реализовать структуру собственности в блокчейне, прозрачность вызовов и распределение ценностей. Видение Sentient заключается в том, чтобы любой мог создавать, сотрудничать, владеть и монетизировать AI продукты, тем самым способствуя созданию справедливой и открытой экосистемы сети AI Agent.
Команда Sentient Foundation объединила лучших мировых академических экспертов, предпринимателей в области блокчейна и инженеров, стремящихся создать сообщество, ориентированное на открытый и проверяемый AGI платформу. В состав ключевых участников входят профессор Принстонского университета Pramod Viswanath и профессор Индийского института науки Himanshu Tyagi, отвечающие за безопасность ИИ и защиту конфиденциальности, а стратегию блокчейна и экосистемное развитие возглавляет соучредитель Polygon Sandeep Nailwal. Члены команды имеют опыт работы в таких известных компаниях, как Meta, Coinbase, Polygon и в таких престижных учебных заведениях, как Принстонский университет и Индийский технологический институт, охватывающих области ИИ/МЛ, НЛП, компьютерного зрения и совместно работают над реализацией проекта.
Как второй стартап сооснователя Polygon Сандипа Найлвала, Sentient с самого начала имел ореол, обладая богатыми ресурсами, связями и рыночной осведомленностью, что обеспечивало мощную поддержку для развития проекта. В середине 2024 года Sentient завершил раунд посевного финансирования на сумму 85 миллионов долларов, главными инвесторами которого стали Founders Fund, Pantera и Framework Ventures, а также другие инвестиционные компании, включая Delphi, Hashkey и Spartan, среди десятков известных венчурных капиталистов.
Проектирование архитектуры и уровень приложений
Инфраструктурный уровень
Базовая архитектура
Ядро архитектуры Sentient состоит из двух частей: AI Pipeline и в блокчейне.
AI Pipeline является основой для разработки и обучения "лояльных AI" артефактов и включает два основных процесса:
Планирование данных (Data Curation): процесс выбора данных, управляемый сообществом, для выравнивания модели.
Обучение лояльности (Loyalty Training): обеспечение того, чтобы модель сохраняла процесс обучения, соответствующий намерениям сообщества.
Система в блокчейне обеспечивает прозрачность и децентрализованный контроль протокола, обеспечивая 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: точка входа для вызова моделей, контролируемая контрактом на авторизацию;
Уровень доступа: проверка авторизации пользователя через подтверждение прав.
Стимулирующий уровень: контракт маршрутизации доходов будет выплачивать вознаграждение тренерам, развертывателям и валидаторам за каждый вызов.
OML модельная структура
OML фреймворк (Открытый Open, Монетизируемый Monetizable, Лояльный Loyal) является ключевой концепцией, предложенной Sentient, с целью предоставления 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, проверять и улучшать.
Монетизация: Каждый вызов модели будет запускать поток доходов, в блокчейне контракт будет распределять доходы между тренерами, развертывателями и валидаторами.
Верность: Модель принадлежит сообществу вкладчиков, направление обновлений и управление определяются DAO, использование и модификация контролируются криптомеханизмом.
Искусственный интеллект и нативная криптография (AI-native Cryptography)
AI нативное шифрование использует непрерывность AI моделей, структуру низкоразмерных многообразий и дифференцируемые свойства моделей для разработки "проверяемого, но не удаляемого" легковесного механизма безопасности. Его核心技术是：
Встраивание отпечатка: во время обучения вставляется набор скрытых пар ключ-значение запрос-ответ для формирования уникальной подписи модели;
Протокол проверки прав собственности: проверка сохранения отпечатков пальцев через третью сторону-детектор (Prover) в форме запроса.
Механизм разрешенного вызова: перед вызовом необходимо получить "разрешительный сертификат", выданный владельцем модели, на основе которого система предоставляет моделью право декодировать данный ввод и возвращать точный ответ.
Этот метод позволяет реализовать "авторизационный вызов на основе поведения + верификация принадлежности" без дополнительных затрат на повторное шифрование.
Модель подтверждения прав и безопасного исполнения
Sentient в настоящее время использует Melange смешанную безопасность: с удостоверением личности по отпечатку пальца, выполнением TEE и распределением прибыли по цепочечным контрактам. При этом метод отпечатка пальца реализован в OML 1.0, подчеркивая идею "оптимистичной безопасности (Optimistic Security)", то есть по умолчанию соблюдение норм, а в случае нарушения — возможность обнаружения и наказания.
Механизм отпечатков пальцев является ключевой реализацией OML, он позволяет модели генерировать уникальную подпись на этапе обучения, встраивая конкретные пары "вопрос-ответ". С помощью этих подписей владелец модели может подтвердить право собственности, предотвращая несанкционированное копирование и коммерциализацию. Этот механизм не только защищает права разработчиков модели, но и предоставляет отслеживаемую запись использования модели в блокчейне.
Кроме того, Sentient запустила вычислительную платформу Enclave TEE, использующую доверенное выполнение.
На этой странице может содержаться сторонний контент, который предоставляется исключительно в информационных целях (не в качестве заявлений/гарантий) и не должен рассматриваться как поддержка взглядов компании Gate или как финансовый или профессиональный совет. Подробности смотрите в разделе «Отказ от ответственности» .
10 Лайков
Награда
10
4
Поделиться
комментарий
0/400
ImaginaryWhale
· 08-06 16:16
Капиталистический круг - это о том, как делить деньги.
Посмотреть ОригиналОтветить0
WalletWhisperer
· 08-06 16:08
статистические арбитражные паттерны предполагают 93% корреляция с централизацией, если честно
Посмотреть ОригиналОтветить0
LiquidationTherapist
· 08-06 16:06
Большой капитал контролирует ИИ, а все остальные - неудачники.
AI Layer 1: Создание основной инфраструктуры блокчейна для экосистемы DeAI в блокчейне
AI Layer 1: Поиск благодатной почвы для DeAI в блокчейне
В последние годы такие ведущие технологические компании, как OpenAI, Anthropic, Google, Meta, продолжают стремительно развивать большие языковые модели (LLM). LLM демонстрируют беспрецедентные способности в различных отраслях, значительно расширяя человеческое воображение и даже в некоторых случаях показывая потенциал замены человеческого труда. Однако ядро этих технологий надежно контролируется небольшим числом централизованных технологических гигантов. Обладая мощным капиталом и контролем над дорогими вычислительными ресурсами, эти компании создали 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 технологических прорывах и удобствах, в то время как внимание к таким ключевым вопросам, как защита конфиденциальности, прозрачность и безопасность, относительно недостаточно. В долгосрочной перспективе эти проблемы окажут глубокое влияние на здоровое развитие отрасли ИИ и общественное восприятие. Если эти вопросы не будут должным образом решены, споры о том, будет ли ИИ "направлен на добро" или "направлен на зло", будут все более актуальны, в то время как централизованные гиганты, движимые инстинктом получения прибыли, часто не имеют достаточной мотивации для активного решения этих вызовов.
Технология блокчейна благодаря своим децентрализованным, прозрачным и антицензурным характеристикам предоставляет новые возможности для устойчивого развития индустрии ИИ. В настоящее время на некоторых основных блокчейнах уже появилось множество приложений "Web3 AI". Однако при глубоком анализе можно обнаружить, что у этих проектов все еще есть множество проблем: с одной стороны, степень децентрализации ограничена, ключевые этапы и инфраструктура все еще зависят от централизованных облачных сервисов, мемная составляющая слишком велика, что затрудняет поддержку действительно открытой экосистемы; с другой стороны, по сравнению с продуктами ИИ из мира Web2, цепочечный ИИ по моделям, использованию данных и сценариям применения все еще имеет ограничения, глубина и широта инноваций нуждаются в улучшении.
Чтобы на самом деле реализовать видение децентрализованного ИИ, сделать так, чтобы в блокчейне безопасно, эффективно и демократично размещались масштабные приложения ИИ и чтобы по производительности они могли конкурировать с централизованными решениями, нам необходимо спроектировать 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 AI-приложений, имеет архитектуру и производительность, которые тесно связаны с требованиями AI-задач, с целью эффективно поддерживать устойчивое развитие и процветание AI-экосистемы в блокчейне. Конкретно, AI Layer 1 должен обладать следующими ключевыми возможностями:
Эффективный механизм стимулов и децентрализованного консенсуса Ядро AI Layer 1 заключается в создании открытой сети для совместного использования ресурсов, таких как вычислительная мощность и хранение данных. 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 вычислительные мощности и завершать обучение и вывод AI моделей, но и вносить разнообразные ресурсы, такие как хранение, данные и пропускная способность, чтобы разрушить монополию централизованных гигантов в области инфраструктуры AI. Это предъявляет более высокие требования к базовому консенсусу и механизму стимулов: AI Layer 1 должен быть в состоянии точно оценивать, стимулировать и проверять фактический вклад узлов в задачи, связанные с выводом и обучением AI, обеспечивая безопасность сети и эффективное распределение ресурсов. Только так можно гарантировать стабильность и процветание сети, а также эффективно снизить общую стоимость вычислительных мощностей.
Высокая производительность и поддержка гетерогенных задач Задачи ИИ, особенно обучение и вывод больших языковых моделей (LLM), предъявляют крайне 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 под требования высокой пропускной способности, низкой задержки и эластичной параллельной обработки, а также предусмотреть нативную поддержку гетерогенных вычислительных ресурсов, чтобы гарантировать эффективное выполнение различных задач ИИ и обеспечить плавное расширение от "однородных задач" до "сложной многообразной экосистемы."
Проверяемость и надежность выходных данных AI Layer 1 не только должен предотвращать злоупотребления моделью, подделку данных и другие угрозы безопасности, но и на уровне базовой механики гарантировать проверяемость и согласованность результатов AI. Интегрируя такие передовые технологии, как защищённая среда выполнения (TEE), нулевые знания (ZK) и безопасные вычисления с множеством участников (MPC), платформа может обеспечить независимую проверку каждого процесса вывода модели, обучения и обработки данных, что гарантирует справедливость и прозрачность AI-системы. В то же время эта проверяемость также помогает пользователям чётко понимать логику и основания вывода AI, достигая "чего хочешь, то и получишь" и повышая доверие и удовлетворенность пользователей к продуктам AI.
Защита конфиденциальности данных Применение ИИ часто связано с чувствительными данными пользователей, особенно в таких областях, как финансы, медицина и социальные сети, где защита конфиденциальности данных имеет решающее значение. AI Layer 1 должен обеспечивать проверяемость, одновременно применяя технологии обработки данных на основе шифрования, протоколы вычислений с соблюдением конфиденциальности и управление правами доступа к данным, чтобы гарантировать безопасность данных на всех этапах - от вывода и обучения до хранения, эффективно предотвращая утечку и злоупотребление данными, устраняя тем самым беспокойство пользователей по поводу безопасности данных.
Мощные возможности поддержки экосистемы и разработки Как AI-родная инфраструктура уровня 1, платформа должна не только обладать техническим лидерством, но и предоставлять полные инструменты разработки, интегрированные SDK, поддержку эксплуатации и механизмы поощрения для таких участников экосистемы, как разработчики, операторы узлов и поставщики AI-услуг. Оптимизируя доступность платформы и опыт разработчиков, мы способствуем внедрению разнообразных AI-родных приложений и обеспечиваем непрерывное процветание децентрализованной AI-экосистемы.
Исходя из вышеизложенного фона и ожиданий, в данной статье будет подробно рассмотрено шесть代表ных проектов AI Layer1, включая Sentient, Sahara AI, Ritual, Gensyn, Bittensor и 0G, систематически проанализированы последние достижения в этой области, исследовано текущее состояние проектов и обсуждены будущие тенденции.
Sentient: создание преданного открытого децентрализованного AI-модели
Обзор проекта
Sentient является платформой открытых протоколов, которая разрабатывает AI Layer1 в блокчейне( на начальном этапе как Layer 2, а затем будет переходить на Layer 1). Сочетая AI Pipeline и технологии блокчейна, она создает децентрализованную экономику искусственного интеллекта. Основная цель заключается в решении проблем принадлежности моделей, отслеживания вызовов и распределения ценностей на централизованном рынке LLM через "OML" (открытое, прибыльное, лояльное) решение, позволяющее AI моделям реализовать структуру собственности в блокчейне, прозрачность вызовов и распределение ценностей. Видение Sentient заключается в том, чтобы любой мог создавать, сотрудничать, владеть и монетизировать AI продукты, тем самым способствуя созданию справедливой и открытой экосистемы сети AI Agent.
Команда Sentient Foundation объединила лучших мировых академических экспертов, предпринимателей в области блокчейна и инженеров, стремящихся создать сообщество, ориентированное на открытый и проверяемый AGI платформу. В состав ключевых участников входят профессор Принстонского университета Pramod Viswanath и профессор Индийского института науки Himanshu Tyagi, отвечающие за безопасность ИИ и защиту конфиденциальности, а стратегию блокчейна и экосистемное развитие возглавляет соучредитель Polygon Sandeep Nailwal. Члены команды имеют опыт работы в таких известных компаниях, как Meta, Coinbase, Polygon и в таких престижных учебных заведениях, как Принстонский университет и Индийский технологический институт, охватывающих области ИИ/МЛ, НЛП, компьютерного зрения и совместно работают над реализацией проекта.
Как второй стартап сооснователя Polygon Сандипа Найлвала, Sentient с самого начала имел ореол, обладая богатыми ресурсами, связями и рыночной осведомленностью, что обеспечивало мощную поддержку для развития проекта. В середине 2024 года Sentient завершил раунд посевного финансирования на сумму 85 миллионов долларов, главными инвесторами которого стали Founders Fund, Pantera и Framework Ventures, а также другие инвестиционные компании, включая Delphi, Hashkey и Spartan, среди десятков известных венчурных капиталистов.
Проектирование архитектуры и уровень приложений
Инфраструктурный уровень
Базовая архитектура
Ядро архитектуры Sentient состоит из двух частей: AI Pipeline и в блокчейне.
AI Pipeline является основой для разработки и обучения "лояльных AI" артефактов и включает два основных процесса:
Система в блокчейне обеспечивает прозрачность и децентрализованный контроль протокола, обеспечивая право собственности на AI-артефакты, отслеживание использования, распределение доходов и справедливое управление. Конкретная архитектура делится на четыре уровня:
OML модельная структура
OML фреймворк (Открытый Open, Монетизируемый Monetizable, Лояльный Loyal) является ключевой концепцией, предложенной Sentient, с целью предоставления четкой защиты прав собственности и экономических стимулов для открытых AI моделей. Объединяя технологии в блокчейне и нативную криптографию AI, он обладает следующими характеристиками:
Искусственный интеллект и нативная криптография (AI-native Cryptography)
AI нативное шифрование использует непрерывность AI моделей, структуру низкоразмерных многообразий и дифференцируемые свойства моделей для разработки "проверяемого, но не удаляемого" легковесного механизма безопасности. Его核心技术是：
Этот метод позволяет реализовать "авторизационный вызов на основе поведения + верификация принадлежности" без дополнительных затрат на повторное шифрование.
Модель подтверждения прав и безопасного исполнения
Sentient в настоящее время использует Melange смешанную безопасность: с удостоверением личности по отпечатку пальца, выполнением TEE и распределением прибыли по цепочечным контрактам. При этом метод отпечатка пальца реализован в OML 1.0, подчеркивая идею "оптимистичной безопасности (Optimistic Security)", то есть по умолчанию соблюдение норм, а в случае нарушения — возможность обнаружения и наказания.
Механизм отпечатков пальцев является ключевой реализацией OML, он позволяет модели генерировать уникальную подпись на этапе обучения, встраивая конкретные пары "вопрос-ответ". С помощью этих подписей владелец модели может подтвердить право собственности, предотвращая несанкционированное копирование и коммерциализацию. Этот механизм не только защищает права разработчиков модели, но и предоставляет отслеживаемую запись использования модели в блокчейне.
Кроме того, Sentient запустила вычислительную платформу Enclave TEE, использующую доверенное выполнение.