Отчет по исследованию AI Layer1: Поиск благоприятной почвы для DeAI в блокчейне
Обзор
Фон
В последние годы такие ведущие технологические компании, 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. Тем не менее, ядро этих технологий по-прежнему находится в руках немногих централизованных технологических гигантов. Обладая мощным капиталом и контролем над высокими вычислительными ресурсами, эти компании создали непреодолимые барьеры, что затрудняет большинству разработчиков и инновационных команд конкурировать с ними.
В то же время, на ранних стадиях быстрого развития ИИ общественное мнение часто сосредоточено на прорывах и удобствах, которые приносит технология, в то время как вопросы защиты конфиденциальности, прозрачности и безопасности остаются относительно недостаточно освещенными. В долгосрочной перспективе эти проблемы будут глубоко влиять на здоровое развитие ИИ-отрасли и общественное восприятие. Если их не удастся надлежащим образом решить, споры о том, будет ли ИИ "на добром пути" или "на злом пути", станут все более выраженными, и централизованные гиганты, движимые инстинктом получения прибыли, часто не имеют достаточной мотивации для активного решения этих проблем.
Технология блокчейна, благодаря своим децентрализованным, прозрачным и антикоррупционным характеристикам, открывает новые возможности для устойчивого развития AI-индустрии. В настоящее время на некоторых основных блокчейнах уже появилось множество приложений "Web3 AI". Однако при более глубоком анализе можно выявить, что эти проекты все еще сталкиваются с множеством проблем: с одной стороны, степень децентрализации ограничена, ключевые элементы и инфраструктура по-прежнему зависят от централизованных облачных сервисов, что затрудняет создание по-настоящему открытой экосистемы; с другой стороны, по сравнению с AI-продуктами мира Web2, цепочечный AI по-прежнему ограничен в возможностях моделей, использовании данных и сценариях применения, глубина и широта инноваций нуждаются в улучшении.
Чтобы действительно реализовать видение децентрализованного ИИ, позволяющего блокчейну безопасно, эффективно и демократично поддерживать крупномасштабные приложения ИИ и конкурировать по производительности с централизованными решениями, нам необходимо разработать Layer1 блокчейн, специально созданный для ИИ. Это обеспечит надежную основу для открытых инноваций в области 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 потребностями AI-задач, с целью эффективной поддержки устойчивого развития и процветания AI-экосистемы в блокчейне. В частности, AI Layer 1 должен обладать следующими основными возможностями:
Эффективные стимулы и децентрализованный механизм консенсуса Основная цель AI Layer 1 заключается в создании открытой сети для совместного использования ресурсов, таких 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, выполнять обучение и вывод AI моделей, но и вносить разнообразные ресурсы, такие как хранилище, данные, полоса пропускания, тем самым разрушая монополию централизованных гигантов на инфраструктуру AI. Это предъявляет более высокие требования к базовому консенсусу и механизмам стимулирования: AI Layer 1 должен точно оценивать, поощрять и проверять фактический вклад узлов в задачи, такие как вывод и обучение AI, обеспечивая безопасность сети и эффективное распределение ресурсов. Только так можно гарантировать стабильность и процветание сети, а также эффективно снизить общие затраты на вычислительную мощность.
Превосходная производительность и поддержка гетерогенных задач. Задачи ИИ, особенно обучение и вывод LLM, предъявляют высокие требования к вычислительной производительности и параллельной обработке. Более того, экосистема AI 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 для удовлетворения требований высокой пропускной способности, низкой задержки и эластичной параллельности, а также предусмотреть родную поддержку гетерогенных вычислительных ресурсов, чтобы обеспечить эффективное выполнение различных задач ИИ и обеспечить плавное расширение от "однородной задачи" до "сложной многообразной экосистемы".
Проверяемость и гарантии надежного вывода AI Layer 1 должны не только предотвращать злоупотребления моделями и изменения данных, но и обеспечивать проверяемость и согласованность выводов AI на уровне базовых механизмов. Интегрируя такие передовые технологии, как надежные среды выполнения (TEE), нулевые знания (ZK), многопартитные безопасные вычисления (MPC), платформа позволяет каждую модельную индукцию, обучение и обработку данных проверять независимо, гарантируя справедливость и прозрачность системы AI. В то же время такая проверяемость помогает пользователям четко понимать логику и основания выводов AI, достигая "полученного, как желаемого", и повышая доверие и удовлетворенность пользователей к продуктам AI.
Защита конфиденциальности данных Приложения ИИ часто связаны с чувствительными данными пользователей, и в таких областях, как финансы, здравоохранение и социальные сети, защита конфиденциальности данных является особенно важной. AI Layer 1 должен обеспечивать проверяемость, одновременно используя технологии обработки данных на основе шифрования, протоколы приватных вычислений и управление правами на данные, чтобы гарантировать безопасность данных на протяжении всего процесса, включая вывод, обучение и хранение, эффективно предотвращая утечку и злоупотребление данными, устраняя беспокойства пользователей по поводу безопасности данных.
Мощная способность к поддержке экосистемы и разработке. В качестве инфраструктуры Layer 1, изначально созданной для ИИ, платформа должна не только обладать технологическим превосходством, но и предоставлять полные инструменты разработки, интегрированные SDK, поддержку эксплуатации и механизмы поощрения для участников экосистемы, таких как разработчики, операторы узлов и поставщики услуг ИИ. Оптимизируя доступность платформы и опыт разработчиков, мы содействуем внедрению разнообразных приложений, изначально созданных для ИИ, и обеспечиваем устойчивое процветание децентрализованной экосистемы ИИ.
Основываясь на вышеизложенном контексте и ожиданиях, в данной статье будет подробно представлено шесть проектов AI Layer1, включая Sentient, Sahara AI, Ritual, Gensyn, Bittensor и 0G, систематически освещая последние достижения в этой области, анализируя текущее состояние проектов и обсуждая будущие тенденции.
Sentient: создание преданного открытого децентрализованного AI-модели
Обзор проекта
Sentient является платформой с открытым исходным кодом, которая создает AI Layer1 в блокчейне (. Начальная стадия будет Layer 2, а затем она будет перенесена на Layer 1). Объединив AI Pipeline и технологии блокчейна, мы строим децентрализованную экономику искусственного интеллекта. Его основной целью является решение проблем принадлежности модели, отслеживания вызовов и распределения ценности на централизованном рынке LLM с помощью структуры "OML" (открытая, прибыльная, лояльная), позволяя AI моделям 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 способствуя созданию справедливой и открытой экосистемы сети AI Agent.
Команда Sentient Foundation объединила лучших академических экспертов, предпринимателей в области блокчейна и инженеров со всего мира, стремясь создать сообществом управляемую, открытую и проверяемую платформу AGI. Ключевые участники включают профессора Принстонского университета Pramod Viswanath и профессора Индийского научного института Himanshu Tyagi, которые отвечают за безопасность ИИ и защиту конфиденциальности, в то время как соучредитель Polygon Sandeep Nailwal курирует стратегию блокчейна и экосистему. Члены команды имеют опыт работы в известных компаниях, таких как Meta, Coinbase, Polygon, а также в ведущих университетах, таких как Принстонский университет и Индийский институт технологий, охватывающих области ИИ/МЛ, НЛП, компьютерного зрения и совместно способствуют реализации проекта.
Как вторичный стартап совместного основателя Polygon Sandeep Nailwal, Sentient с самого начала имел ауру успеха, 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, который возглавили 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 (AI-пайплайн) и системы блокчейна.
AI пайплайн является основой для разработки и обучения артефактов "лояльного ИИ", включает в себя два основных процесса:
Планирование данных (Data Curation): процесс выбора данных, управляемый сообществом, для выравнивания моделей.
Обучение лояльности (Loyalty Training): обеспечение того, чтобы модель проходила процесс обучения, соответствующий намерениям сообщества.
Система блокчейна обеспечивает прозрачность и децентрализованный контроль для протоколов, гарантируя право собственности на AI артефакты, отслеживание использования, распределение доходов и справедливое управление. Конкретная архитектура делится на четыре уровня:
Уровень хранения: модель хранения весов и информация о регистрации отпечатков пальцев;
Распределительный уровень: точка входа для вызова модели, контролируемая контрактом на право.
Уровень доступа: проверка авторизации пользователя через подтверждение прав.
Уровень стимулов: Контракт маршрутизации доходов будет распределять оплату при каждом вызове между тренерами, деплойерами и валидаторами.
OML модельный фреймворк
OML фреймворк (Открытый Open, Монетизируемый Monetizable, Лояльный Loyal) является основной концепцией, предложенной Sentient, направленной на предоставление четкой защиты прав собственности и экономических стимулов для открытых AI моделей. Он сочетает в себе технологии в блокчейне и нативную криптографию AI, обладая следующими характеристиками:
Открытость: Модель должна быть с открытым исходным кодом, код и структура данных должны быть прозрачными, чтобы сообщество могло воспроизводить, аудировать и улучшать.
Монетизация: Каждый вызов модели будет генерировать 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 изменения контролируются крипто-механизмом.
AI родная криптография (AI-native Cryptography)
AI-родная криптография использует непрерывность моделей AI, структуру низкоразмерных многообразий и дифференцируемые характеристики моделей для разработки "проверяемого, но не подлежащего удалению" легковесного механизма безопасности. Основная технология заключается в:
Встраивание отпечатков пальцев: во время обучения вставляется набор скрытых пар ключ-значение запрос-ответ, формирующих уникальную подпись модели;
Протокол проверки прав собственности: проверка сохранения отпечатков пальцев с помощью стороннего детектора (Prover) в форме запроса (query);
Механизм разрешения вызова: перед вызовом необходимо получить "доверительный сертификат", выданный владельцем модели, после чего система предоставляет модели разрешение на декодирование данного ввода и возврат точного ответа.
Этот способ позволяет реализовать "авторизацию вызова на основе поведения + проверка принадлежности" без дополнительных затрат на повторное шифрование.
Модель подтверждения прав и рамки безопасного выполнения
Sentient использует Melange смешанную безопасность: сочетание подтверждения прав с помощью отпечатков пальцев, выполнения TEE и распределения доходов по смарт-контрактам в блокчейне. При этом метод отпечатков пальцев реализуется через OML 1.0, подчеркивая концепцию "оптимистичной безопасности (Optimistic Security)", которая предполагает соблюдение норм, при этом нарушения могут быть обнаружены и наказаны.
Механизм отпечатков пальцев является ключевой реализацией OML, он позволяет модели генерировать уникальные подписи на этапе обучения, встраивая определенные "вопрос-ответ" пары. С помощью этих подписей владельцы модели могут проверять принадлежность, предотвращая несанкционированное копирование и коммерциализацию. Этот механизм не только защищает права разработчиков модели, но и предоставляет отслеживаемые записи на блокчейне о поведении использования модели.
Кроме того, Sentient представила вычислительную платформу Enclave TEE, использующую доверенные среды выполнения (например, AWS Nitro Enclaves), чтобы гарантировать, что модели отвечают только на авторизованные запросы, предотвращая несанкционированный доступ и использование. Хотя TEE зависит от аппаратных средств и имеет определенные риски безопасности, его высокая производительность и преимущества в реальном времени делают его ключевой технологией для развертывания моделей в настоящее время.
В будущем Sentient планирует внедрить технологии доказательства с нулевым раскрытием (ZK) и полностью однородного шифрования (FHE), чтобы дополнительно улучшить защиту конфиденциальности и проверяемость, предоставив более зрелые решения для децентрализованного развертывания AI моделей.
 и не должен рассматриваться как поддержка взглядов компании Gate или как финансовый или профессиональный совет. Подробности смотрите в разделе «Отказ от ответственности» .
14 Лайков
Награда
14
3
Поделиться
комментарий
0/400
YieldChaser
· 5ч назад
Выходит, что это AI Layer1!
Посмотреть ОригиналОтветить0
PoolJumper
· 6ч назад
Теперь венчурные капиталисты все вошли в игру с ИИ. На луну
AI Layer1赛道全景：Децентрализация AI的基础设施之争
Отчет по исследованию AI Layer1: Поиск благоприятной почвы для DeAI в блокчейне
Обзор
Фон
В последние годы такие ведущие технологические компании, 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. Тем не менее, ядро этих технологий по-прежнему находится в руках немногих централизованных технологических гигантов. Обладая мощным капиталом и контролем над высокими вычислительными ресурсами, эти компании создали непреодолимые барьеры, что затрудняет большинству разработчиков и инновационных команд конкурировать с ними.
В то же время, на ранних стадиях быстрого развития ИИ общественное мнение часто сосредоточено на прорывах и удобствах, которые приносит технология, в то время как вопросы защиты конфиденциальности, прозрачности и безопасности остаются относительно недостаточно освещенными. В долгосрочной перспективе эти проблемы будут глубоко влиять на здоровое развитие ИИ-отрасли и общественное восприятие. Если их не удастся надлежащим образом решить, споры о том, будет ли ИИ "на добром пути" или "на злом пути", станут все более выраженными, и централизованные гиганты, движимые инстинктом получения прибыли, часто не имеют достаточной мотивации для активного решения этих проблем.
Технология блокчейна, благодаря своим децентрализованным, прозрачным и антикоррупционным характеристикам, открывает новые возможности для устойчивого развития AI-индустрии. В настоящее время на некоторых основных блокчейнах уже появилось множество приложений "Web3 AI". Однако при более глубоком анализе можно выявить, что эти проекты все еще сталкиваются с множеством проблем: с одной стороны, степень децентрализации ограничена, ключевые элементы и инфраструктура по-прежнему зависят от централизованных облачных сервисов, что затрудняет создание по-настоящему открытой экосистемы; с другой стороны, по сравнению с AI-продуктами мира Web2, цепочечный AI по-прежнему ограничен в возможностях моделей, использовании данных и сценариях применения, глубина и широта инноваций нуждаются в улучшении.
Чтобы действительно реализовать видение децентрализованного ИИ, позволяющего блокчейну безопасно, эффективно и демократично поддерживать крупномасштабные приложения ИИ и конкурировать по производительности с централизованными решениями, нам необходимо разработать Layer1 блокчейн, специально созданный для ИИ. Это обеспечит надежную основу для открытых инноваций в области 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 потребностями AI-задач, с целью эффективной поддержки устойчивого развития и процветания AI-экосистемы в блокчейне. В частности, AI Layer 1 должен обладать следующими основными возможностями:
Эффективные стимулы и децентрализованный механизм консенсуса Основная цель AI Layer 1 заключается в создании открытой сети для совместного использования ресурсов, таких 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, выполнять обучение и вывод AI моделей, но и вносить разнообразные ресурсы, такие как хранилище, данные, полоса пропускания, тем самым разрушая монополию централизованных гигантов на инфраструктуру AI. Это предъявляет более высокие требования к базовому консенсусу и механизмам стимулирования: AI Layer 1 должен точно оценивать, поощрять и проверять фактический вклад узлов в задачи, такие как вывод и обучение AI, обеспечивая безопасность сети и эффективное распределение ресурсов. Только так можно гарантировать стабильность и процветание сети, а также эффективно снизить общие затраты на вычислительную мощность.
Превосходная производительность и поддержка гетерогенных задач. Задачи ИИ, особенно обучение и вывод LLM, предъявляют высокие требования к вычислительной производительности и параллельной обработке. Более того, экосистема AI 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 для удовлетворения требований высокой пропускной способности, низкой задержки и эластичной параллельности, а также предусмотреть родную поддержку гетерогенных вычислительных ресурсов, чтобы обеспечить эффективное выполнение различных задач ИИ и обеспечить плавное расширение от "однородной задачи" до "сложной многообразной экосистемы".
Проверяемость и гарантии надежного вывода AI Layer 1 должны не только предотвращать злоупотребления моделями и изменения данных, но и обеспечивать проверяемость и согласованность выводов AI на уровне базовых механизмов. Интегрируя такие передовые технологии, как надежные среды выполнения (TEE), нулевые знания (ZK), многопартитные безопасные вычисления (MPC), платформа позволяет каждую модельную индукцию, обучение и обработку данных проверять независимо, гарантируя справедливость и прозрачность системы AI. В то же время такая проверяемость помогает пользователям четко понимать логику и основания выводов AI, достигая "полученного, как желаемого", и повышая доверие и удовлетворенность пользователей к продуктам AI.
Защита конфиденциальности данных Приложения ИИ часто связаны с чувствительными данными пользователей, и в таких областях, как финансы, здравоохранение и социальные сети, защита конфиденциальности данных является особенно важной. AI Layer 1 должен обеспечивать проверяемость, одновременно используя технологии обработки данных на основе шифрования, протоколы приватных вычислений и управление правами на данные, чтобы гарантировать безопасность данных на протяжении всего процесса, включая вывод, обучение и хранение, эффективно предотвращая утечку и злоупотребление данными, устраняя беспокойства пользователей по поводу безопасности данных.
Мощная способность к поддержке экосистемы и разработке. В качестве инфраструктуры Layer 1, изначально созданной для ИИ, платформа должна не только обладать технологическим превосходством, но и предоставлять полные инструменты разработки, интегрированные SDK, поддержку эксплуатации и механизмы поощрения для участников экосистемы, таких как разработчики, операторы узлов и поставщики услуг ИИ. Оптимизируя доступность платформы и опыт разработчиков, мы содействуем внедрению разнообразных приложений, изначально созданных для ИИ, и обеспечиваем устойчивое процветание децентрализованной экосистемы ИИ.
Основываясь на вышеизложенном контексте и ожиданиях, в данной статье будет подробно представлено шесть проектов AI Layer1, включая Sentient, Sahara AI, Ritual, Gensyn, Bittensor и 0G, систематически освещая последние достижения в этой области, анализируя текущее состояние проектов и обсуждая будущие тенденции.
Sentient: создание преданного открытого децентрализованного AI-модели
Обзор проекта
Sentient является платформой с открытым исходным кодом, которая создает AI Layer1 в блокчейне (. Начальная стадия будет Layer 2, а затем она будет перенесена на Layer 1). Объединив AI Pipeline и технологии блокчейна, мы строим децентрализованную экономику искусственного интеллекта. Его основной целью является решение проблем принадлежности модели, отслеживания вызовов и распределения ценности на централизованном рынке LLM с помощью структуры "OML" (открытая, прибыльная, лояльная), позволяя AI моделям 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 способствуя созданию справедливой и открытой экосистемы сети AI Agent.
Команда Sentient Foundation объединила лучших академических экспертов, предпринимателей в области блокчейна и инженеров со всего мира, стремясь создать сообществом управляемую, открытую и проверяемую платформу AGI. Ключевые участники включают профессора Принстонского университета Pramod Viswanath и профессора Индийского научного института Himanshu Tyagi, которые отвечают за безопасность ИИ и защиту конфиденциальности, в то время как соучредитель Polygon Sandeep Nailwal курирует стратегию блокчейна и экосистему. Члены команды имеют опыт работы в известных компаниях, таких как Meta, Coinbase, Polygon, а также в ведущих университетах, таких как Принстонский университет и Индийский институт технологий, охватывающих области ИИ/МЛ, НЛП, компьютерного зрения и совместно способствуют реализации проекта.
Как вторичный стартап совместного основателя Polygon Sandeep Nailwal, Sentient с самого начала имел ауру успеха, 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, который возглавили 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 (AI-пайплайн) и системы блокчейна.
AI пайплайн является основой для разработки и обучения артефактов "лояльного ИИ", включает в себя два основных процесса:
Система блокчейна обеспечивает прозрачность и децентрализованный контроль для протоколов, гарантируя право собственности на AI артефакты, отслеживание использования, распределение доходов и справедливое управление. Конкретная архитектура делится на четыре уровня:
OML модельный фреймворк
OML фреймворк (Открытый Open, Монетизируемый Monetizable, Лояльный Loyal) является основной концепцией, предложенной Sentient, направленной на предоставление четкой защиты прав собственности и экономических стимулов для открытых AI моделей. Он сочетает в себе технологии в блокчейне и нативную криптографию AI, обладая следующими характеристиками:
AI родная криптография (AI-native Cryptography)
AI-родная криптография использует непрерывность моделей AI, структуру низкоразмерных многообразий и дифференцируемые характеристики моделей для разработки "проверяемого, но не подлежащего удалению" легковесного механизма безопасности. Основная технология заключается в:
Этот способ позволяет реализовать "авторизацию вызова на основе поведения + проверка принадлежности" без дополнительных затрат на повторное шифрование.
Модель подтверждения прав и рамки безопасного выполнения
Sentient использует Melange смешанную безопасность: сочетание подтверждения прав с помощью отпечатков пальцев, выполнения TEE и распределения доходов по смарт-контрактам в блокчейне. При этом метод отпечатков пальцев реализуется через OML 1.0, подчеркивая концепцию "оптимистичной безопасности (Optimistic Security)", которая предполагает соблюдение норм, при этом нарушения могут быть обнаружены и наказаны.
Механизм отпечатков пальцев является ключевой реализацией OML, он позволяет модели генерировать уникальные подписи на этапе обучения, встраивая определенные "вопрос-ответ" пары. С помощью этих подписей владельцы модели могут проверять принадлежность, предотвращая несанкционированное копирование и коммерциализацию. Этот механизм не только защищает права разработчиков модели, но и предоставляет отслеживаемые записи на блокчейне о поведении использования модели.
Кроме того, Sentient представила вычислительную платформу Enclave TEE, использующую доверенные среды выполнения (например, AWS Nitro Enclaves), чтобы гарантировать, что модели отвечают только на авторизованные запросы, предотвращая несанкционированный доступ и использование. Хотя TEE зависит от аппаратных средств и имеет определенные риски безопасности, его высокая производительность и преимущества в реальном времени делают его ключевой технологией для развертывания моделей в настоящее время.
В будущем Sentient планирует внедрить технологии доказательства с нулевым раскрытием (ZK) и полностью однородного шифрования (FHE), чтобы дополнительно улучшить защиту конфиденциальности и проверяемость, предоставив более зрелые решения для децентрализованного развертывания AI моделей.
![Biteye и PANews совместно выпустили исследование AI Layer1: поиск плодородной почвы для DeAI в блокчейне](