Laporan Riset AI Layer1: Mencari Tanah Subur DeAI di On-chain
Ringkasan
Latar Belakang
Dalam beberapa tahun terakhir, perusahaan teknologi terkemuka seperti OpenAI, Anthropic, Google, dan Meta terus mendorong perkembangan pesat model bahasa besar (LLM). LLM menunjukkan kemampuan yang belum pernah ada sebelumnya di berbagai industri, sangat memperluas ruang imajinasi manusia, bahkan dalam beberapa skenario menunjukkan potensi untuk menggantikan tenaga kerja manusia. Namun, inti dari teknologi ini tetap dikuasai oleh sejumlah kecil raksasa teknologi. Dengan modal yang kuat dan kontrol terhadap sumber daya komputasi yang mahal, perusahaan-perusahaan ini telah membangun hambatan yang sulit dilalui, membuat sebagian besar pengembang dan tim inovasi sulit untuk bersaing.
Pada saat yang sama, pada awal evolusi cepat AI, opini publik sering kali terfokus pada terobosan dan kenyamanan yang dibawa oleh teknologi, sementara perhatian terhadap masalah inti seperti perlindungan privasi, transparansi, dan keamanan relatif kurang. Dalam jangka panjang, masalah-masalah ini akan berdampak mendalam pada perkembangan sehat industri AI dan tingkat penerimaan sosial. Jika tidak dapat diselesaikan dengan baik, perdebatan mengenai apakah AI "berbuat baik" atau "berbuat jahat" akan semakin mencolok, sementara raksasa terpusat, yang didorong oleh naluri mencari keuntungan, sering kali kekurangan cukup dorongan untuk secara proaktif menghadapi tantangan ini.
Teknologi blockchain, dengan karakteristik desentralisasi, transparansi, dan ketahanan terhadap sensor, memberikan kemungkinan baru untuk perkembangan berkelanjutan industri AI. Saat ini, banyak aplikasi "Web3 AI" telah muncul di blockchain utama seperti Solana dan Base. Namun, analisis mendalam menunjukkan bahwa proyek-proyek ini masih menghadapi banyak masalah: di satu sisi, tingkat desentralisasi yang terbatas, elemen kunci dan infrastruktur masih bergantung pada layanan cloud terpusat, atribut meme yang terlalu berat, sulit untuk mendukung ekosistem terbuka yang sebenarnya; di sisi lain, dibandingkan dengan produk AI di dunia Web2, AI on-chain masih memiliki keterbatasan dalam kemampuan model, pemanfaatan data, dan skenario aplikasi, kedalaman dan luas inovasi perlu ditingkatkan.
Untuk benar-benar mewujudkan visi AI terdesentralisasi, agar blockchain dapat secara aman, efisien, dan demokratis menampung aplikasi AI skala besar, serta bersaing dalam kinerja dengan solusi terpusat, kita perlu merancang blockchain Layer1 yang dirancang khusus untuk AI. Ini akan memberikan dasar yang kokoh bagi inovasi terbuka AI, demokrasi tata kelola, dan keamanan data, serta mendorong perkembangan ekosistem AI terdesentralisasi yang sejahtera.
Fitur inti dari AI Layer 1
AI Layer 1 sebagai blockchain yang dirancang khusus untuk aplikasi AI, arsitektur dan desain kinerjanya sangat memperhatikan kebutuhan tugas AI, bertujuan untuk mendukung secara efisien perkembangan dan kemakmuran ekosistem AI on-chain yang berkelanjutan. Secara khusus, AI Layer 1 harus memiliki kemampuan inti berikut:
Insentif yang Efisien dan Mekanisme Konsensus Terdesentralisasi Inti dari AI Layer 1 adalah membangun jaringan berbagi sumber daya seperti daya komputasi, penyimpanan, dan lainnya yang terbuka. Berbeda dengan node blockchain tradisional yang terutama fokus pada pencatatan buku besar, node AI Layer 1 harus menangani tugas yang lebih kompleks, tidak hanya menyediakan daya komputasi, menyelesaikan pelatihan dan inferensi model AI, tetapi juga menyumbangkan penyimpanan, data, bandwidth, dan sumber daya beragam lainnya, sehingga dapat memecahkan monopoli raksasa terpusat dalam infrastruktur AI. Ini mengajukan tuntutan yang lebih tinggi terhadap konsensus dan mekanisme insentif dasar: AI Layer 1 harus dapat dengan akurat mengevaluasi, memberikan insentif, dan memverifikasi kontribusi nyata node dalam tugas inferensi dan pelatihan AI, mewujudkan keamanan jaringan dan distribusi sumber daya yang efisien. Hanya dengan cara ini, stabilitas dan kemakmuran jaringan dapat terjamin, serta secara efektif mengurangi biaya daya komputasi secara keseluruhan.
Kinerja tinggi yang luar biasa dan kemampuan dukungan tugas heterogen Tugas AI, terutama pelatihan dan inferensi LLM, menuntut kinerja komputasi dan kemampuan pemrosesan paralel yang sangat tinggi. Lebih lanjut, ekosistem AI di on-chain sering kali juga perlu mendukung berbagai jenis tugas yang beragam dan heterogen, termasuk berbagai struktur model, pemrosesan data, inferensi, penyimpanan, dan berbagai skenario yang berbeda. AI Layer 1 harus melakukan optimasi mendalam pada arsitektur dasar untuk memenuhi kebutuhan throughput tinggi, latensi rendah, dan paralelisme elastis, serta mempersiapkan dukungan asli untuk sumber daya komputasi heterogen, memastikan berbagai tugas AI dapat berjalan secara efisien, mewujudkan ekspansi yang mulus dari "tugas tunggal" ke "ekosistem kompleks dan beragam."
Verifiabilitas dan Jaminan Output yang Dapat Dipercaya AI Layer 1 tidak hanya harus mencegah model berbuat jahat, pemalsuan data, dan risiko keamanan lainnya, tetapi juga harus memastikan verifiabilitas dan keselarasan hasil output AI dari mekanisme dasar. Dengan mengintegrasikan lingkungan eksekusi terpercaya (TEE), bukti nol pengetahuan (ZK), dan komputasi aman multi-pihak (MPC) serta teknologi mutakhir lainnya, platform dapat memastikan bahwa setiap inferensi model, pelatihan, dan proses pengolahan data dapat diverifikasi secara independen, menjamin keadilan dan transparansi sistem AI. Pada saat yang sama, verifiabilitas ini juga dapat membantu pengguna memahami logika dan dasar output AI, mewujudkan "apa yang diperoleh adalah apa yang diinginkan", serta meningkatkan kepercayaan dan kepuasan pengguna terhadap produk AI.
Perlindungan Privasi Data Aplikasi AI sering kali melibatkan data sensitif pengguna, di bidang keuangan, kesehatan, sosial, dan lainnya, perlindungan privasi data sangatlah penting. AI Layer 1 harus memastikan verifikasi sambil menggunakan teknologi pemrosesan data berbasis enkripsi, protokol komputasi privasi, dan manajemen hak data untuk memastikan keamanan data selama seluruh proses inferensi, pelatihan, dan penyimpanan, secara efektif mencegah kebocoran dan penyalahgunaan data, serta menghilangkan kekhawatiran pengguna terkait keamanan data.
Kemampuan dukungan dan pengembangan ekosistem yang kuat Sebagai infrastruktur Layer 1 yang berasal dari AI, platform tidak hanya harus memiliki keunggulan teknis, tetapi juga harus menyediakan alat pengembangan yang lengkap, SDK terintegrasi, dukungan operasional, dan mekanisme insentif bagi para pengembang, operator node, penyedia layanan AI, dan peserta ekosistem lainnya. Dengan terus mengoptimalkan ketersediaan platform dan pengalaman pengembang, mendorong implementasi aplikasi AI yang kaya dan beragam, serta mewujudkan keberlanjutan kemakmuran ekosistem AI terdesentralisasi.
Berdasarkan latar belakang dan harapan di atas, artikel ini akan secara rinci memperkenalkan enam proyek perwakilan AI Layer1, termasuk Sentient, Sahara AI, Ritual, Gensyn, Bittensor, dan 0G, menyusun perkembangan terbaru di jalur ini, menganalisis kondisi perkembangan proyek, dan membahas tren masa depan.
Sentient: Membangun model AI terdesentralisasi sumber terbuka yang setia
Gambaran Proyek
Sentient adalah platform protokol open-source yang sedang membangun blockchain AI Layer1 ( yang pada tahap awal adalah Layer 2, kemudian akan berpindah ke Layer 1). Dengan menggabungkan AI Pipeline dan teknologi blockchain, dibangunlah ekonomi kecerdasan buatan yang terdesentralisasi. Tujuan inti adalah untuk menyelesaikan masalah kepemilikan model, pelacakan panggilan, dan distribusi nilai di pasar LLM terpusat melalui kerangka "OML" (terbuka, menguntungkan, setia), sehingga model AI dapat mewujudkan struktur kepemilikan on-chain, transparansi panggilan, dan pembagian nilai. Visi Sentient adalah membolehkan siapa saja untuk membangun, berkolaborasi, memiliki, dan memonetisasi produk AI, sehingga mendorong ekosistem jaringan AI Agent yang adil dan terbuka.
Tim Sentient Foundation mengumpulkan para ahli akademis terkemuka, pengusaha blockchain, dan insinyur dari seluruh dunia, yang berdedikasi untuk membangun platform AGI yang didorong komunitas, sumber terbuka, dan dapat diverifikasi. Anggota inti termasuk profesor Pramod Viswanath dari Universitas Princeton dan profesor Himanshu Tyagi dari Indian Institute of Science, yang masing-masing bertanggung jawab atas keamanan dan perlindungan privasi AI, sementara strategi dan pengaturan ekosistem blockchain dipimpin oleh salah satu pendiri Polygon, Sandeep Nailwal. Latar belakang anggota tim mencakup perusahaan-perusahaan terkenal seperti Meta, Coinbase, Polygon, serta universitas-universitas terkemuka seperti Universitas Princeton dan Indian Institute of Technology, mencakup bidang AI/ML, NLP, dan penglihatan komputer, untuk bersama-sama mendorong proyek ini.
Sebagai proyek kewirausahaan kedua dari Sandeep Nailwal, salah satu pendiri Polygon, Sentient sudah memiliki daya tarik sejak awal berdirinya, dengan sumber daya yang melimpah, jaringan, dan kesadaran pasar yang tinggi, memberikan dukungan kuat untuk pengembangan proyek. Pada pertengahan 2024, Sentient menyelesaikan pendanaan putaran awal sebesar 85 juta dolar AS, dipimpin oleh Founders Fund, Pantera, dan Framework Ventures, dengan lembaga investasi lainnya termasuk Delphi, Hashkey, dan puluhan VC terkenal seperti Spartan.
Desain Arsitektur dan Lapisan Aplikasi
Lapisan Infrastruktur
Arsitektur Inti
Arsitektur inti Sentient terdiri dari dua bagian: AI Pipeline dan sistem blockchain.
Pipa AI adalah dasar untuk mengembangkan dan melatih artefak "AI Loyal", yang mencakup dua proses inti:
Perencanaan Data (Data Curation): Proses pemilihan data yang digerakkan oleh komunitas, digunakan untuk penyelarasan model.
Pelatihan Loyalitas (Loyalty Training): Memastikan model mempertahankan proses pelatihan yang sejalan dengan niat komunitas.
Sistem blockchain menyediakan transparansi dan kontrol desentralisasi untuk protokol, memastikan kepemilikan, pelacakan penggunaan, distribusi keuntungan, dan pemerintahan yang adil untuk artefak AI. Struktur spesifik dibagi menjadi empat lapisan:
Lapisan penyimpanan: menyimpan bobot model dan informasi pendaftaran sidik jari;
Lapisan distribusi: Model kontrol kontrak otorisasi untuk titik masuk pemanggilan;
Lapisan akses: Memverifikasi apakah pengguna diberi otorisasi melalui bukti izin;
Lapisan insentif: Kontrak rute pendapatan akan membayar distribusi kepada pelatih, penyebar, dan validator setiap kali dipanggil.
Kerangka Model OML
Kerangka OML (Open, Monetizable, Loyal) adalah konsep inti yang diajukan oleh Sentient, bertujuan untuk memberikan perlindungan kepemilikan yang jelas dan mekanisme insentif ekonomi untuk model AI sumber terbuka. Dengan menggabungkan teknologi on-chain dan kriptografi asli AI, memiliki fitur-fitur berikut:
Keterbukaan: Model harus open-source, kode dan struktur data transparan, memudahkan komunitas untuk mereproduksi, mengaudit, dan memperbaiki.
Monetisasi: Setiap panggilan model akan memicu aliran pendapatan, kontrak on-chain akan mendistribusikan pendapatan kepada pelatih, penyebar, dan validator.
Loyalitas: Model ini milik komunitas kontributor, arah peningkatan dan tata kelola ditentukan oleh DAO, penggunaan dan modifikasi dikendalikan oleh mekanisme kripto.
Kriptografi Asli AI (AI-native Cryptography)
Kriptografi asli AI adalah mekanisme keamanan ringan yang "dapat diverifikasi tetapi tidak dapat dihapus" yang dikembangkan dengan memanfaatkan kontinuitas model AI, struktur manifold berdimensi rendah, dan karakteristik dapat diferensiasi dari model. Teknologi inti yang digunakan adalah:
Penyematan sidik jari: Menyisipkan sekumpulan pasangan kunci nilai query-response yang tersembunyi saat pelatihan untuk membentuk tanda tangan unik model;
Protokol verifikasi kepemilikan: memverifikasi apakah sidik jari disimpan melalui detektor pihak ketiga (Prover) dalam bentuk pertanyaan query;
Mekanisme panggilan izin: Sebelum memanggil, perlu mendapatkan "sertifikat izin" yang diterbitkan oleh pemilik model, kemudian sistem akan memberikan otorisasi kepada model untuk mendekode input tersebut dan mengembalikan jawaban yang akurat.
Cara ini dapat mewujudkan "panggilan otorisasi berbasis perilaku + verifikasi kepemilikan" tanpa biaya re-enkripsi.
Kerangka Penegasan Model dan Eksekusi Aman
Sentient saat ini menggunakan Melange keamanan campuran: menggabungkan verifikasi sidik jari, eksekusi TEE, dan pembagian keuntungan kontrak on-chain. Metode sidik jari adalah implementasi OML 1.0 untuk jalur utama, menekankan pemikiran "Keamanan Optimis (Optimistic Security)", yaitu secara default patuh, dan dapat terdeteksi serta dihukum setelah pelanggaran.
Mekanisme sidik jari adalah implementasi kunci dari OML, yang memungkinkan model untuk menghasilkan tanda tangan unik selama tahap pelatihan dengan menyematkan pasangan "pertanyaan-jawaban" tertentu. Melalui tanda tangan ini, pemilik model dapat memverifikasi kepemilikan, mencegah penyalinan dan komersialisasi yang tidak sah. Mekanisme ini tidak hanya melindungi hak pengembang model, tetapi juga menyediakan catatan on-chain yang dapat dilacak untuk perilaku penggunaan model.
Selain itu, Sentient telah meluncurkan kerangka kerja komputasi Enclave TEE, yang memanfaatkan lingkungan eksekusi tepercaya (seperti AWS Nitro Enclaves) untuk memastikan model hanya merespons permintaan yang berwenang, mencegah akses dan penggunaan yang tidak sah. Meskipun TEE bergantung pada perangkat keras dan memiliki beberapa risiko keamanan, keuntungan kinerja tinggi dan real-time-nya menjadikannya teknologi inti untuk penerapan model saat ini.
Di masa depan, Sentient berencana untuk memperkenalkan teknologi bukti nol pengetahuan (ZK) dan enkripsi homomorfik penuh (FHE) untuk lebih meningkatkan perlindungan privasi dan verifikasi, serta menyediakan solusi yang lebih matang untuk penerapan model AI yang terdesentralisasi.
 dan tidak boleh dianggap sebagai dukungan terhadap pandangannya oleh Gate, atau sebagai nasihat keuangan atau profesional. Lihat Penafian untuk detailnya.
6 Suka
Hadiah
6
4
Posting ulang
Bagikan
Komentar
0/400
Rugman_Walking
· 4jam yang lalu
Raksasa tradisional asyik bermain AI ya
Lihat AsliBalas0
NFTHoarder
· 15jam yang lalu
Beberapa raksasa bermain monopoli, masihkah web3 menarik?
Lihat AsliBalas0
MiningDisasterSurvivor
· 16jam yang lalu
Hehe, bahkan di era AI besar, skema Ponzi pun harus mengenakan jas baru, kan? Itu sudah diperankan sejak tahun 2018!
AI Layer1 Laporan Riset: Enam Proyek Membangun Ekosistem AI Desentralisasi
Laporan Riset AI Layer1: Mencari Tanah Subur DeAI di On-chain
Ringkasan
Latar Belakang
Dalam beberapa tahun terakhir, perusahaan teknologi terkemuka seperti OpenAI, Anthropic, Google, dan Meta terus mendorong perkembangan pesat model bahasa besar (LLM). LLM menunjukkan kemampuan yang belum pernah ada sebelumnya di berbagai industri, sangat memperluas ruang imajinasi manusia, bahkan dalam beberapa skenario menunjukkan potensi untuk menggantikan tenaga kerja manusia. Namun, inti dari teknologi ini tetap dikuasai oleh sejumlah kecil raksasa teknologi. Dengan modal yang kuat dan kontrol terhadap sumber daya komputasi yang mahal, perusahaan-perusahaan ini telah membangun hambatan yang sulit dilalui, membuat sebagian besar pengembang dan tim inovasi sulit untuk bersaing.
Pada saat yang sama, pada awal evolusi cepat AI, opini publik sering kali terfokus pada terobosan dan kenyamanan yang dibawa oleh teknologi, sementara perhatian terhadap masalah inti seperti perlindungan privasi, transparansi, dan keamanan relatif kurang. Dalam jangka panjang, masalah-masalah ini akan berdampak mendalam pada perkembangan sehat industri AI dan tingkat penerimaan sosial. Jika tidak dapat diselesaikan dengan baik, perdebatan mengenai apakah AI "berbuat baik" atau "berbuat jahat" akan semakin mencolok, sementara raksasa terpusat, yang didorong oleh naluri mencari keuntungan, sering kali kekurangan cukup dorongan untuk secara proaktif menghadapi tantangan ini.
Teknologi blockchain, dengan karakteristik desentralisasi, transparansi, dan ketahanan terhadap sensor, memberikan kemungkinan baru untuk perkembangan berkelanjutan industri AI. Saat ini, banyak aplikasi "Web3 AI" telah muncul di blockchain utama seperti Solana dan Base. Namun, analisis mendalam menunjukkan bahwa proyek-proyek ini masih menghadapi banyak masalah: di satu sisi, tingkat desentralisasi yang terbatas, elemen kunci dan infrastruktur masih bergantung pada layanan cloud terpusat, atribut meme yang terlalu berat, sulit untuk mendukung ekosistem terbuka yang sebenarnya; di sisi lain, dibandingkan dengan produk AI di dunia Web2, AI on-chain masih memiliki keterbatasan dalam kemampuan model, pemanfaatan data, dan skenario aplikasi, kedalaman dan luas inovasi perlu ditingkatkan.
Untuk benar-benar mewujudkan visi AI terdesentralisasi, agar blockchain dapat secara aman, efisien, dan demokratis menampung aplikasi AI skala besar, serta bersaing dalam kinerja dengan solusi terpusat, kita perlu merancang blockchain Layer1 yang dirancang khusus untuk AI. Ini akan memberikan dasar yang kokoh bagi inovasi terbuka AI, demokrasi tata kelola, dan keamanan data, serta mendorong perkembangan ekosistem AI terdesentralisasi yang sejahtera.
Fitur inti dari AI Layer 1
AI Layer 1 sebagai blockchain yang dirancang khusus untuk aplikasi AI, arsitektur dan desain kinerjanya sangat memperhatikan kebutuhan tugas AI, bertujuan untuk mendukung secara efisien perkembangan dan kemakmuran ekosistem AI on-chain yang berkelanjutan. Secara khusus, AI Layer 1 harus memiliki kemampuan inti berikut:
Insentif yang Efisien dan Mekanisme Konsensus Terdesentralisasi Inti dari AI Layer 1 adalah membangun jaringan berbagi sumber daya seperti daya komputasi, penyimpanan, dan lainnya yang terbuka. Berbeda dengan node blockchain tradisional yang terutama fokus pada pencatatan buku besar, node AI Layer 1 harus menangani tugas yang lebih kompleks, tidak hanya menyediakan daya komputasi, menyelesaikan pelatihan dan inferensi model AI, tetapi juga menyumbangkan penyimpanan, data, bandwidth, dan sumber daya beragam lainnya, sehingga dapat memecahkan monopoli raksasa terpusat dalam infrastruktur AI. Ini mengajukan tuntutan yang lebih tinggi terhadap konsensus dan mekanisme insentif dasar: AI Layer 1 harus dapat dengan akurat mengevaluasi, memberikan insentif, dan memverifikasi kontribusi nyata node dalam tugas inferensi dan pelatihan AI, mewujudkan keamanan jaringan dan distribusi sumber daya yang efisien. Hanya dengan cara ini, stabilitas dan kemakmuran jaringan dapat terjamin, serta secara efektif mengurangi biaya daya komputasi secara keseluruhan.
Kinerja tinggi yang luar biasa dan kemampuan dukungan tugas heterogen Tugas AI, terutama pelatihan dan inferensi LLM, menuntut kinerja komputasi dan kemampuan pemrosesan paralel yang sangat tinggi. Lebih lanjut, ekosistem AI di on-chain sering kali juga perlu mendukung berbagai jenis tugas yang beragam dan heterogen, termasuk berbagai struktur model, pemrosesan data, inferensi, penyimpanan, dan berbagai skenario yang berbeda. AI Layer 1 harus melakukan optimasi mendalam pada arsitektur dasar untuk memenuhi kebutuhan throughput tinggi, latensi rendah, dan paralelisme elastis, serta mempersiapkan dukungan asli untuk sumber daya komputasi heterogen, memastikan berbagai tugas AI dapat berjalan secara efisien, mewujudkan ekspansi yang mulus dari "tugas tunggal" ke "ekosistem kompleks dan beragam."
Verifiabilitas dan Jaminan Output yang Dapat Dipercaya AI Layer 1 tidak hanya harus mencegah model berbuat jahat, pemalsuan data, dan risiko keamanan lainnya, tetapi juga harus memastikan verifiabilitas dan keselarasan hasil output AI dari mekanisme dasar. Dengan mengintegrasikan lingkungan eksekusi terpercaya (TEE), bukti nol pengetahuan (ZK), dan komputasi aman multi-pihak (MPC) serta teknologi mutakhir lainnya, platform dapat memastikan bahwa setiap inferensi model, pelatihan, dan proses pengolahan data dapat diverifikasi secara independen, menjamin keadilan dan transparansi sistem AI. Pada saat yang sama, verifiabilitas ini juga dapat membantu pengguna memahami logika dan dasar output AI, mewujudkan "apa yang diperoleh adalah apa yang diinginkan", serta meningkatkan kepercayaan dan kepuasan pengguna terhadap produk AI.
Perlindungan Privasi Data Aplikasi AI sering kali melibatkan data sensitif pengguna, di bidang keuangan, kesehatan, sosial, dan lainnya, perlindungan privasi data sangatlah penting. AI Layer 1 harus memastikan verifikasi sambil menggunakan teknologi pemrosesan data berbasis enkripsi, protokol komputasi privasi, dan manajemen hak data untuk memastikan keamanan data selama seluruh proses inferensi, pelatihan, dan penyimpanan, secara efektif mencegah kebocoran dan penyalahgunaan data, serta menghilangkan kekhawatiran pengguna terkait keamanan data.
Kemampuan dukungan dan pengembangan ekosistem yang kuat Sebagai infrastruktur Layer 1 yang berasal dari AI, platform tidak hanya harus memiliki keunggulan teknis, tetapi juga harus menyediakan alat pengembangan yang lengkap, SDK terintegrasi, dukungan operasional, dan mekanisme insentif bagi para pengembang, operator node, penyedia layanan AI, dan peserta ekosistem lainnya. Dengan terus mengoptimalkan ketersediaan platform dan pengalaman pengembang, mendorong implementasi aplikasi AI yang kaya dan beragam, serta mewujudkan keberlanjutan kemakmuran ekosistem AI terdesentralisasi.
Berdasarkan latar belakang dan harapan di atas, artikel ini akan secara rinci memperkenalkan enam proyek perwakilan AI Layer1, termasuk Sentient, Sahara AI, Ritual, Gensyn, Bittensor, dan 0G, menyusun perkembangan terbaru di jalur ini, menganalisis kondisi perkembangan proyek, dan membahas tren masa depan.
Sentient: Membangun model AI terdesentralisasi sumber terbuka yang setia
Gambaran Proyek
Sentient adalah platform protokol open-source yang sedang membangun blockchain AI Layer1 ( yang pada tahap awal adalah Layer 2, kemudian akan berpindah ke Layer 1). Dengan menggabungkan AI Pipeline dan teknologi blockchain, dibangunlah ekonomi kecerdasan buatan yang terdesentralisasi. Tujuan inti adalah untuk menyelesaikan masalah kepemilikan model, pelacakan panggilan, dan distribusi nilai di pasar LLM terpusat melalui kerangka "OML" (terbuka, menguntungkan, setia), sehingga model AI dapat mewujudkan struktur kepemilikan on-chain, transparansi panggilan, dan pembagian nilai. Visi Sentient adalah membolehkan siapa saja untuk membangun, berkolaborasi, memiliki, dan memonetisasi produk AI, sehingga mendorong ekosistem jaringan AI Agent yang adil dan terbuka.
Tim Sentient Foundation mengumpulkan para ahli akademis terkemuka, pengusaha blockchain, dan insinyur dari seluruh dunia, yang berdedikasi untuk membangun platform AGI yang didorong komunitas, sumber terbuka, dan dapat diverifikasi. Anggota inti termasuk profesor Pramod Viswanath dari Universitas Princeton dan profesor Himanshu Tyagi dari Indian Institute of Science, yang masing-masing bertanggung jawab atas keamanan dan perlindungan privasi AI, sementara strategi dan pengaturan ekosistem blockchain dipimpin oleh salah satu pendiri Polygon, Sandeep Nailwal. Latar belakang anggota tim mencakup perusahaan-perusahaan terkenal seperti Meta, Coinbase, Polygon, serta universitas-universitas terkemuka seperti Universitas Princeton dan Indian Institute of Technology, mencakup bidang AI/ML, NLP, dan penglihatan komputer, untuk bersama-sama mendorong proyek ini.
Sebagai proyek kewirausahaan kedua dari Sandeep Nailwal, salah satu pendiri Polygon, Sentient sudah memiliki daya tarik sejak awal berdirinya, dengan sumber daya yang melimpah, jaringan, dan kesadaran pasar yang tinggi, memberikan dukungan kuat untuk pengembangan proyek. Pada pertengahan 2024, Sentient menyelesaikan pendanaan putaran awal sebesar 85 juta dolar AS, dipimpin oleh Founders Fund, Pantera, dan Framework Ventures, dengan lembaga investasi lainnya termasuk Delphi, Hashkey, dan puluhan VC terkenal seperti Spartan.
Desain Arsitektur dan Lapisan Aplikasi
Lapisan Infrastruktur
Arsitektur Inti
Arsitektur inti Sentient terdiri dari dua bagian: AI Pipeline dan sistem blockchain.
Pipa AI adalah dasar untuk mengembangkan dan melatih artefak "AI Loyal", yang mencakup dua proses inti:
Sistem blockchain menyediakan transparansi dan kontrol desentralisasi untuk protokol, memastikan kepemilikan, pelacakan penggunaan, distribusi keuntungan, dan pemerintahan yang adil untuk artefak AI. Struktur spesifik dibagi menjadi empat lapisan:
Kerangka Model OML
Kerangka OML (Open, Monetizable, Loyal) adalah konsep inti yang diajukan oleh Sentient, bertujuan untuk memberikan perlindungan kepemilikan yang jelas dan mekanisme insentif ekonomi untuk model AI sumber terbuka. Dengan menggabungkan teknologi on-chain dan kriptografi asli AI, memiliki fitur-fitur berikut:
Kriptografi Asli AI (AI-native Cryptography)
Kriptografi asli AI adalah mekanisme keamanan ringan yang "dapat diverifikasi tetapi tidak dapat dihapus" yang dikembangkan dengan memanfaatkan kontinuitas model AI, struktur manifold berdimensi rendah, dan karakteristik dapat diferensiasi dari model. Teknologi inti yang digunakan adalah:
Cara ini dapat mewujudkan "panggilan otorisasi berbasis perilaku + verifikasi kepemilikan" tanpa biaya re-enkripsi.
Kerangka Penegasan Model dan Eksekusi Aman
Sentient saat ini menggunakan Melange keamanan campuran: menggabungkan verifikasi sidik jari, eksekusi TEE, dan pembagian keuntungan kontrak on-chain. Metode sidik jari adalah implementasi OML 1.0 untuk jalur utama, menekankan pemikiran "Keamanan Optimis (Optimistic Security)", yaitu secara default patuh, dan dapat terdeteksi serta dihukum setelah pelanggaran.
Mekanisme sidik jari adalah implementasi kunci dari OML, yang memungkinkan model untuk menghasilkan tanda tangan unik selama tahap pelatihan dengan menyematkan pasangan "pertanyaan-jawaban" tertentu. Melalui tanda tangan ini, pemilik model dapat memverifikasi kepemilikan, mencegah penyalinan dan komersialisasi yang tidak sah. Mekanisme ini tidak hanya melindungi hak pengembang model, tetapi juga menyediakan catatan on-chain yang dapat dilacak untuk perilaku penggunaan model.
Selain itu, Sentient telah meluncurkan kerangka kerja komputasi Enclave TEE, yang memanfaatkan lingkungan eksekusi tepercaya (seperti AWS Nitro Enclaves) untuk memastikan model hanya merespons permintaan yang berwenang, mencegah akses dan penggunaan yang tidak sah. Meskipun TEE bergantung pada perangkat keras dan memiliki beberapa risiko keamanan, keuntungan kinerja tinggi dan real-time-nya menjadikannya teknologi inti untuk penerapan model saat ini.
Di masa depan, Sentient berencana untuk memperkenalkan teknologi bukti nol pengetahuan (ZK) dan enkripsi homomorfik penuh (FHE) untuk lebih meningkatkan perlindungan privasi dan verifikasi, serta menyediakan solusi yang lebih matang untuk penerapan model AI yang terdesentralisasi.
![Biteye dan PANews merilis laporan penelitian AI Layer1: Mencari tanah subur DeAI on-chain](