Laporan Penelitian AI Layer1: Mencari Tanah Subur DeAI on-chain

Ikhtisar

Dalam beberapa tahun terakhir, perkembangan pesat model bahasa besar (LLM) telah sangat memperluas ruang imajinasi manusia, bahkan menunjukkan potensi untuk menggantikan pekerjaan manusia di beberapa bidang. Namun, inti dari teknologi ini dikuasai oleh sejumlah raksasa teknologi terpusat. Dengan modal yang kuat dan penguasaan terhadap sumber daya komputasi yang mahal, perusahaan-perusahaan ini telah membangun penghalang yang sulit untuk dilalui, membuat sebagian besar pengembang dan tim inovasi sulit bersaing dengan mereka.

Pada awal evolusi cepat AI, opini publik sering kali berfokus pada terobosan dan kemudahan yang ditawarkan oleh teknologi, sementara perhatian terhadap isu-isu 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 diatasi dengan baik, perdebatan mengenai apakah AI "menuju kebaikan" atau "menuju kejahatan" akan semakin menonjol, sementara raksasa terpusat yang didorong oleh naluri mencari keuntungan sering kali kekurangan motivasi yang cukup untuk secara proaktif menghadapi tantangan-tantangan ini.

Teknologi blockchain dengan karakteristik desentralisasi, transparansi, dan ketahanan terhadap sensor, memberikan kemungkinan baru untuk pengembangan berkelanjutan di industri AI. Saat ini, sejumlah aplikasi "Web3 AI" telah muncul di beberapa blockchain utama. Namun, analisis mendalam menunjukkan bahwa proyek-proyek ini masih memiliki banyak masalah: di satu sisi, tingkat desentralisasi masih terbatas, bagian penting dan infrastruktur masih bergantung pada layanan cloud terpusat, sulit untuk mendukung ekosistem terbuka yang sebenarnya; di sisi lain, dibandingkan dengan produk AI di dunia Web2, AI on-chain masih terbatas dalam hal kemampuan model, pemanfaatan data, dan skenario aplikasi, kedalaman dan luas inovasi masih 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 menyediakan fondasi yang kuat untuk inovasi terbuka AI, demokrasi dalam tata kelola, dan keamanan data, serta mendorong perkembangan pesat ekosistem AI terdesentralisasi.

Fitur Inti dari AI Layer 1

AI Layer 1 sebagai blockchain yang dirancang khusus untuk aplikasi AI, arsitektur dan desain performanya sangat terkait dengan kebutuhan tugas AI, bertujuan untuk mendukung secara efisien perkembangan dan kemakmuran ekosistem AI yang berkelanjutan di on-chain. Secara spesifik, AI Layer 1 harus memiliki kemampuan inti berikut:

1. Mekanisme insentif yang efisien dan konsensus terdesentralisasi

Inti dari AI Layer 1 adalah membangun jaringan berbagi sumber daya seperti daya komputasi dan penyimpanan yang terbuka. Berbeda dengan node blockchain tradisional yang terutama fokus pada pencatatan buku besar, node AI Layer 1 perlu menjalankan tugas yang lebih kompleks, tidak hanya menyediakan daya komputasi, menyelesaikan pelatihan dan inferensi model AI, tetapi juga perlu menyumbangkan penyimpanan, data, bandwidth, dan sumber daya beragam lainnya, sehingga memecahkan monopoli raksasa terpusat dalam infrastruktur AI. Ini mengajukan tuntutan yang lebih tinggi terhadap konsensus dasar dan mekanisme insentif: AI Layer 1 harus dapat secara akurat menilai, memberi insentif, dan memverifikasi kontribusi aktual node dalam tugas inferensi dan pelatihan AI, untuk mewujudkan keamanan jaringan dan alokasi sumber daya yang efisien. Hanya dengan cara ini dapat menjamin stabilitas dan kemakmuran jaringan, serta secara efektif mengurangi biaya daya komputasi secara keseluruhan.

2. 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 on-chain sering kali perlu mendukung berbagai jenis tugas yang beragam dan heterogen, termasuk berbagai struktur model, pemrosesan data, inferensi, penyimpanan, dan berbagai skenario lainnya. AI Layer 1 harus melakukan optimasi mendalam pada arsitektur dasar untuk memenuhi kebutuhan throughput tinggi, latensi rendah, dan pemrosesan paralel yang elastis, serta menyediakan dukungan asli untuk sumber daya komputasi heterogen, memastikan berbagai tugas AI dapat berjalan dengan efisien, dan mewujudkan perluasan yang mulus dari "tugas tunggal" ke "ekosistem yang kompleks dan beragam".

3. Verifikasi dan jaminan keluaran yang dapat dipercaya

AI Layer 1 tidak hanya harus mencegah model melakukan kejahatan, manipulasi data, dan risiko keamanan lainnya, tetapi juga harus memastikan verifikasi dan keselarasan hasil keluaran AI dari mekanisme dasar. Dengan mengintegrasikan lingkungan eksekusi terpercaya (TEE), bukti nol pengetahuan (ZK), dan komputasi aman multi-pihak (MPC) serta teknologi terdepan lainnya, platform dapat memastikan bahwa setiap inferensi model, pelatihan, dan proses pengolahan data dapat diverifikasi secara independen, menjamin keadilan dan transparansi sistem AI. Selain itu, verifikasi ini juga dapat membantu pengguna memahami logika dan dasar keluaran AI, mewujudkan "apa yang diperoleh adalah apa yang diinginkan", meningkatkan kepercayaan dan kepuasan pengguna terhadap produk AI.

4. Perlindungan Privasi Data

Aplikasi AI sering melibatkan data sensitif pengguna, di bidang keuangan, kesehatan, sosial, dan lainnya, perlindungan privasi data sangat penting. AI Layer 1 harus menjamin verifikasi sambil menggunakan teknologi pemrosesan data berbasis kriptografi, protokol komputasi privasi, dan manajemen izin data untuk memastikan keamanan data selama seluruh proses inferensi, pelatihan, dan penyimpanan, secara efektif mencegah kebocoran dan penyalahgunaan data, serta menghilangkan kekhawatiran pengguna mengenai keamanan data.

5. Kemampuan dukungan pengembangan dan pengangkutan ekosistem yang kuat

Sebagai infrastruktur Layer 1 yang berasal dari AI, platform tidak hanya perlu memiliki keunggulan teknis, tetapi juga harus menyediakan alat pengembangan yang lengkap, SDK terintegrasi, dukungan operasional, dan mekanisme insentif bagi pengembang, operator node, penyedia layanan AI, dan peserta ekosistem lainnya. Dengan terus mengoptimalkan ketersediaan platform dan pengalaman pengembang, mendorong penerapan aplikasi AI yang kaya dan beragam, serta mewujudkan kemakmuran berkelanjutan dari ekosistem AI terdesentralisasi.

Berdasarkan latar belakang dan harapan di atas, artikel ini akan menjelaskan secara rinci enam proyek AI Layer1 yang menjadi perwakilan, termasuk Sentient, Sahara AI, Ritual, Gensyn, Bittensor, dan 0G, merangkum perkembangan terbaru di bidang ini, menganalisis kondisi pengembangan proyek, dan membahas tren masa depan.

Sentient: Membangun Model AI Terdesentralisasi Sumber Terbuka yang Loyal

Ringkasan Proyek

Sentient adalah platform protokol sumber terbuka yang sedang membangun blockchain AI Layer1 ( pada tahap awal sebagai Layer 2, kemudian akan berpindah ke Layer 1), dengan menggabungkan AI Pipeline dan teknologi blockchain, membangun ekonomi kecerdasan buatan yang terdesentralisasi. Tujuan inti adalah melalui kerangka "OML" ( yang terbuka, menguntungkan, dan loyal ) untuk menyelesaikan masalah kepemilikan model, pelacakan panggilan, dan distribusi nilai di pasar LLM yang terpusat, sehingga model AI dapat mencapai struktur kepemilikan di on-chain, transparansi panggilan, dan pembagian nilai. Visi Sentient adalah memungkinkan siapa pun 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, pengusaha blockchain, dan insinyur terkemuka di dunia, berkomitmen untuk membangun platform AGI yang didorong oleh komunitas, sumber terbuka, dan dapat diverifikasi. Anggota inti termasuk profesor Universitas Princeton Pramod Viswanath dan profesor Institut Ilmu Pengetahuan India Himanshu Tyagi, yang masing-masing bertanggung jawab atas keamanan dan perlindungan privasi AI, sementara strategi blockchain dan pengaturan ekosistem dipimpin oleh salah satu pendiri Polygon Sandeep Nailwal. Latar belakang anggota tim mencakup perusahaan-perusahaan terkenal seperti Meta, Coinbase, Polygon, serta universitas top seperti Universitas Princeton dan Institut Teknologi India, mencakup bidang AI/ML, NLP, penglihatan komputer, dan bekerja sama untuk mendorong proyek ini.

Sebagai proyek kewirausahaan kedua dari salah satu pendiri Polygon, Sandeep Nailwal, Sentient sudah membawa aura sejak awal berdirinya, dengan sumber daya, jaringan, dan kesadaran pasar yang kaya, memberikan dukungan yang kuat untuk pengembangan proyek. Pada pertengahan 2024, Sentient menyelesaikan putaran pendanaan 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 lainnya.

Arsitektur Desain dan Lapisan Aplikasi

Infrastruktur

Arsitektur Inti

Arsitektur inti Sentient terdiri dari dua bagian: AI Pipeline ( dan sistem blockchain.

AI pipeline adalah dasar untuk mengembangkan dan melatih artefak "loyal AI", yang mencakup dua proses inti:

• Perencanaan Data ) Data Curation (: Proses pemilihan data yang dipandu oleh komunitas, digunakan untuk penyelarasan model.
• Pelatihan Loyalitas)Loyalty Training(: memastikan model mempertahankan proses pelatihan yang konsisten dengan niat komunitas.

Sistem blockchain menyediakan transparansi dan kontrol desentralisasi untuk protokol, memastikan kepemilikan artefak AI, pelacakan penggunaan, distribusi pendapatan, dan tata kelola yang adil. Arsitektur spesifik terbagi 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 diizinkan melalui bukti izin;
• Lapisan insentif: Kontrak rute pendapatan akan membayar setiap panggilan yang dialokasikan untuk pelatih, penyebar, dan validator.

)## Kerangka Model OML

Kerangka OML ### terbuka Open, dapat dimonetisasi Monetizable, dan setia Loyal( adalah konsep inti yang diusulkan 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 karakteristik berikut:

• Keterbukaan: Model harus bersifat open source, kode dan struktur data transparan, memudahkan komunitas untuk mereproduksi, mengaudit, dan meningkatkan.
• Monetisasi: Setiap panggilan model akan memicu aliran pendapatan, kontrak on-chain akan mendistribusikan pendapatan kepada pelatih, penyebar, dan verifier.
• Loyalitas: Model ini dimiliki oleh komunitas kontributor, arah peningkatan dan tata kelola ditentukan oleh DAO, penggunaan dan modifikasi dikendalikan oleh mekanisme kripto.

![Biteye dan PANews merilis laporan penelitian AI Layer1 bersama: Mencari tanah subur DeAI on-chain])https://img-cdn.gateio.im/webp-social/moments-a70b0aca9250ab65193d0094fa9b5641.webp(

)## 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 sifat model yang dapat dibedakan. Teknologi inti yang digunakan adalah:

• Penyisipan sidik jari: saat pelatihan, menyisipkan sekelompok pasangan kunci nilai query-response yang tersembunyi untuk membentuk tanda tangan unik model;
• Protokol Verifikasi Kepemilikan: Memverifikasi apakah sidik jari disimpan melalui detektor pihak ketiga (Prover) dalam bentuk pertanyaan query;
• Mekanisme pemanggilan izin: Sebelum memanggil, perlu mendapatkan "sertifikat izin" yang diterbitkan oleh pemilik model, dan sistem akan memberikan otorisasi kepada model untuk mendekode input tersebut dan mengembalikan jawaban yang akurat.

Metode ini dapat mencapai "panggilan otorisasi berbasis perilaku + verifikasi afiliasi" tanpa biaya re-enkripsi.

(## Kerangka Penegasan Model dan Eksekusi Aman

Sentient saat ini menggunakan Melange Mixed Security: kombinasi dari pengakuan hak dengan sidik jari, eksekusi TEE, dan pembagian keuntungan kontrak on-chain. Metode sidik jari diimplementasikan oleh OML 1.0 sebagai jalur utama, menekankan pemikiran "Optimistic Security)", yaitu 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 fase 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, memanfaatkan lingkungan eksekusi terpercaya ### seperti AWS Nitro Enclaves ( untuk memastikan model hanya merespons permintaan yang diotorisasi, mencegah akses dan penggunaan yang tidak sah. Meskipun TEE bergantung pada perangkat keras dan memiliki beberapa risiko keamanan, keunggulan kinerja tinggi dan real-time-nya menjadikannya teknologi inti untuk penyebaran 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.

) lapisan aplikasi

Saat ini, produk Sentient terutama mencakup platform obrolan terdesentralisasi Sentient Chat dan model sumber terbuka Dobby.