AI Layer1 Арена: поиск плодородной почвы для DeAI в блокчейне

В последние годы ведущие технологические компании, такие как OpenAI, Anthropic, Google и Meta, продолжают активно развивать большие языковые модели (LLM). LLM демонстрируют беспрецедентные возможности в различных отраслях, значительно расширяя пространство человеческого воображения и даже показывая потенциал замены человеческого труда в некоторых сценариях. Однако ядро этих технологий по-прежнему надежно контролируется несколькими централизованными технологическими гигантами. Благодаря мощному капиталу и контролю над высокими вычислительными ресурсами эти компании создали непреодолимые барьеры, что затрудняет большинству разработчиков и инновационных команд конкурировать с ними.

В то же время, на начальном этапе быстрого развития ИИ общественное мнение часто сосредоточено на прорывах и удобствах, которые приносит технология, в то время как внимание к таким ключевым вопросам, как защита конфиденциальности, прозрачность и безопасность, относительно недостаточно. В долгосрочной перспективе эти проблемы глубоко повлияют на здоровое развитие ИИ-индустрии и общественное принятие. Если их не удастся должным образом решить, споры о том, будет ли ИИ "направлен на добро" или "направлен на зло", будут лишь усиливаться, а централизация гигантов под воздействием инстинкта извлечения прибыли часто приводит к недостаточной мотивации для активного реагирования на эти вызовы.

Технология блокчейн, благодаря своим децентрализованным, прозрачным и антицензурным характеристикам, открывает новые возможности для устойчивого развития AI-индустрии. В настоящее время на некоторых основных блокчейнах уже появилось множество приложений "Web3 AI". Однако при глубоком анализе можно обнаружить, что эти проекты по-прежнему имеют множество проблем: с одной стороны, степень децентрализации ограничена, ключевые этапы и инфраструктура по-прежнему зависят от централизованных облачных услуг, что затрудняет поддержку действительно открытой экосистемы; с другой стороны, в отличие от AI-продуктов мира Web2, AI в блокчейне по-прежнему ограничен по возможностям моделей, использованию данных и сценариям применения, а глубина и широта инноваций требуют улучшения.

Чтобы действительно реализовать видение децентрализованного ИИ, необходимо создать безопасную, эффективную и демократическую платформу для масштабных AI-приложений на в блокчейне, которая сможет конкурировать по производительности с централизованными решениями. Мы должны разработать Layer1 в блокчейне, специально созданный для ИИ. Это создаст 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, тесно связанные с потребностями AI-задач, и направлен на эффективную поддержку устойчивого развития и процветания AI-экосистемы в блокчейне. Конкретно, AI Layer 1 должен обладать следующими основными возможностями:

1. Эффективные механизмы стимулирования и децентрализованного консенсуса 核心 AI Layer 1 заключается в создании открытой сети для обмена ресурсами, такими как вычислительная мощность и хранилище. В отличие от традиционных узлов блокчейна, которые в основном сосредоточены на ведении учета в главной книге, узлы AI Layer 1 должны выполнять более сложные задачи: они должны не только предоставлять вычислительную мощность и завершать обучение и вывод AI моделей, но также вносить разнообразные ресурсы, такие как хранилище, данные и пропускная способность, тем самым разрушая монополию централизованных гигантов в инфраструктуре AI. Это ставит более высокие требования к базовому консенсусу и механизмам стимулов: AI Layer 1 должен быть в состоянии точно оценивать, поощрять и проверять фактический вклад узлов в задачи AI вывода, обучения и т.д., обеспечивая безопасность сети и эффективное распределение ресурсов. Только так можно гарантировать стабильность и процветание сети и эффективно снижать общие затраты на вычислительную мощность.

2. Превосходные высокие характеристики и поддержка гетерогенных задач Задачи ИИ, особенно обучение и вывод LLM, предъявляют очень высокие требования к вычислительной производительности и возможностям параллельной обработки. Более того, экосистема AI в блокчейне часто должна поддерживать разнообразные и гетерогенные типы задач, включая различные модели, обработку данных, вывод, хранение и другие мультидисциплинарные сценарии. AI Layer 1 должен быть глубоко оптимизирован на уровне инфраструктуры для обеспечения высокой пропускной способности, низкой задержки и гибкой параллельности, а также предусматривать родную поддержку гетерогенных вычислительных ресурсов, чтобы гарантировать, что все задачи ИИ могут эффективно выполняться, обеспечивая плавное расширение от "однородных задач" к "сложной многообразной экосистеме".

3. Проверяемость и гарантии доверительного вывода AI Layer 1 не только должен предотвращать такие угрозы безопасности, как злоупотребление моделями и искажение данных, но и с механистического уровня обеспечивать проверяемость и согласованность результатов, выдаваемых AI. Интегрируя передовые технологии, такие как доверенные среды выполнения (TEE), нулевые знания (ZK) и многопартитные безопасные вычисления (MPC), платформа позволяет независимую проверку каждого процесса вывода модели, обучения и обработки данных, гарантируя справедливость и прозрачность AI-системы. В то же время такая проверяемость может помочь пользователям четко понять логику и основания вывода AI, достигая "полученного желаемого", что повышает доверие и удовлетворенность пользователей к продуктам AI.

4. Защита конфиденциальности данных Применение ИИ часто связано с чувствительными данными пользователей; в таких областях, как финансы, здравоохранение и социальные сети, защита конфиденциальности данных особенно важна. AI Layer 1 должен использовать технологии обработки данных на основе шифрования, протоколы приватных вычислений и управление правами на данные, обеспечивая при этом проверяемость, чтобы гарантировать безопасность данных на всех этапах: от вывода и обучения до хранения, эффективно предотвращая утечку и злоупотребление данными, устраняя тем самым опасения пользователей по поводу безопасности данных.

5. Мощные возможности поддержки экосистемы и разработки В качестве инфраструктуры первого уровня, изначально созданной для ИИ, платформа должна не только обладать технологическим превосходством, но и предоставлять разработчикам, операторам узлов, поставщикам ИИ-услуг и другим участникам экосистемы полноценные инструменты для разработки, интегрированные SDK, поддержку эксплуатации и механизмы стимулирования. Путем постоянной оптимизации доступности платформы и опыта разработчиков, необходимо содействовать внедрению разнообразных приложений, изначально созданных для ИИ, и обеспечивать устойчивое процветание децентрализованной экосистемы ИИ.

Основываясь на вышеуказанном контексте и ожиданиях, в этой статье будет подробно представлено шесть представительных проектов AI Layer1, включая Sentient, Sahara AI, Ritual, Gensyn, Bittensor и 0G, систематически рассматривающих последние достижения в этой области, анализирующих текущее состояние проектов и обсуждающих будущие тенденции.

Sentient: Построение лояльной открытой децентрализованной модели ИИ

Обзор проекта

Sentient — это платформа открытого протокола, которая разрабатывает AI Layer1 в блокчейне (, первоначально находящуюся на Layer 2, а затем будет перенесена на Layer 1). Объединяя AI Pipeline и технологии блокчейна, она создает децентрализованную экономику искусственного интеллекта. Основная цель заключается в решении проблем собственности на модели, отслеживания вызовов и распределения ценности на централизованном рынке LLM с помощью структуры "OML" (открытость, прибыльность, лояльность), позволяя моделям искусственного интеллекта реализовать структуру собственности в блокчейне, прозрачность вызовов и распределение ценности. Видение Sentient заключается в том, чтобы любой мог создавать, сотрудничать, владеть и монетизировать AI-продукты, тем самым продвигая справедливую и открытую экосистему сети AI Agent.

Команда Sentient Foundation объединила ведущих мировых академических экспертов, предпринимателей в области блокчейна и инженеров, стремящихся создать сообществом управляемую, открытую и проверяемую платформу AGI. Ключевыми членами команды являются профессор Принстонского университета Pramod Viswanath и профессор Индийского института науки Himanshu Tyagi, которые отвечают за безопасность ИИ и защиту конфиденциальности, а стратегией блокчейна и экосистемы руководит соучредитель Polygon Sandeep Nailwal. Члены команды имеют опыт работы в таких известных компаниях, как Meta, Coinbase, Polygon, а также в ведущих учебных заведениях, таких как Принстонский университет и Индийский институт технологий, охватывая области AI/ML, NLP, компьютерного зрения и совместно способствуя реализации проекта.

Как второй стартап соучредителя Polygon Sandeep Nailwal, Sentient с самого начала имел ореол успешности, обладая обширными ресурсами, связями и рыночной осведомленностью, что обеспечивало мощную поддержку для развития проекта. В середине 2024 года Sentient завершил раунд посевного финансирования в размере 85 миллионов долларов, который возглавили Founders Fund, Pantera и Framework Ventures, а также десятки известных венчурных компаний, таких как Delphi, Hashkey и Spartan.

Проектирование архитектуры и уровень приложений

Инфраструктурный уровень

Основная архитектура

Ядро Sentient состоит из двух частей: AI Pipeline и системы в блокчейне.

AI-пipelines являются основой для разработки и обучения артефактов "лояльного ИИ", состоящих из двух основных процессов:

• 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 блокчейна обеспечивает прозрачность и децентрализованный контроль для протокола, гарантируя владение, отслеживание использования, распределение доходов и справедливое управление AI артефактами. Конкретная архитектура делится на четыре уровня:

• Уровень хранения: хранение весов модели и информации о регистрации отпечатков.
• Уровень распределения: точка входа в модель вызова контракта управления.
• Уровень доступа: проверка полномочий для подтверждения авторизации пользователя;
• Уровень стимулов: контракт маршрутизации прибыли будет распределять выплаты между тренерами, развертывателями и валидаторами при каждом вызове.

OML модельная структура

OML фреймворк (Открытый Open, Монетизируемый Monetizable, Лояльный Loyal) является основной концепцией, предложенной Sentient, и направлен на обеспечение четкой защиты прав собственности и экономических стимулов для открытых AI моделей. Комбинируя технологии в блокчейне и нативную криптографию AI, он имеет следующие характеристики:

• 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 инициировать поток доходов, в блокчейне контракт будет распределять доходы между тренерами, развертывателями и валидаторами.
• Преданность: Модель принадлежит сообществу участников, направление обновлений и управление определяются DAO, использование и изменения контролируются криптомеханизмом.

Искусственный интеллект родная криптография (AI-native Cryptography)

AI-родная криптография использует непрерывность моделей ИИ, низкоразмерную мантию структуры и дифференцируемые свойства моделей для разработки "проверяемого, но неустранимого" легковесного механизма безопасности. Ее ключевая технология заключается в:

• Встраивание отпечатков пальцев: вставка набора скрытых пар ключ-значение query-response в процессе обучения для формирования уникальной подписи модели;
• Протокол проверки собственности: проверка наличия отпечатков пальцев через запрос к стороннему детектору (Prover);
• Механизм разрешения вызовов: перед вызовом необходимо получить "разрешительный сертификат", выданный владельцем модели, после чего система предоставляет модели разрешение декодировать этот ввод и возвращать точный ответ.

Этот способ позволяет реализовать "авторизационные вызовы на основе поведения + верификация принадлежности" без затрат на повторное шифрование.

Модель прав на интеллектуальную собственность и безопасность исполнения

Sentient в настоящее время использует Melange смешанную безопасность: комбинация подтверждения по отпечаткам пальцев, выполнения TEE и распределения прибыли по контрактам в блокчейне. Метод отпечатков пальцев реализован в OML 1.0, подчеркивая идею "оптимистичной безопасности (Optimistic Security)", то есть по умолчанию соблюдение норм, а при нарушении можно обнаружить и наказать.

Механизм отпечатков пальцев является ключевой реализацией OML, который с помощью встраивания специфических "вопрос-ответ" пар позволяет модели генерировать уникальную подпись на этапе обучения. С помощью этих подписей владелец модели может подтверждать принадлежность, предотвращая несанкционированное копирование и коммерциализацию. Этот механизм не только защищает права разработчиков модели, но и обеспечивает возможность отслеживания поведения использования модели в блокчейне.

Кроме того, Sentient представила вычислительную платформу Enclave TEE, использующую доверенные среды выполнения (такие как AWS Nitro Enclaves), чтобы гарантировать, что модель отвечает только на авторизованные запросы, предотвращая несанкционированный доступ и использование. Хотя TEE зависит от аппаратного обеспечения и имеет определенные проблемы с безопасностью, его высокая производительность и преимущества в реальном времени делают его ключевой технологией для развертывания современных моделей.

В будущем Sentient планирует внедрить технологии нулевых знаний (ZK) и полностью гомоморфного шифрования (FHE), чтобы дополнительно улучшить защиту конфиденциальности и проверяемость, предоставляя децентрализованное развертывание AI моделей.