Звіт про дослідження AI Layer1: пошук родючих ґрунтів для DeAI у блокчейні
Огляд
Фон
У останні роки провідні технологічні компанії, такі як OpenAI, Anthropic, Google, Meta, постійно сприяють швидкому розвитку великих мовних моделей (LLM). LLM демонструють безпрецедентні можливості в різних галузях, значно розширюючи людську уяву, а в деяких випадках навіть виявляють потенціал заміни людської праці. Проте серце цих технологій міцно утримується в руках кількох централізованих технологічних гігантів. Завдяки значному капіталу та контролю над високими обчислювальними ресурсами ці компанії створили непереборні бар'єри, що ускладнює абсолютній більшості розробників і інноваційних команд з ними змагатися.
Водночас, на початкових етапах швидкого розвитку ІІ, суспільна думка часто зосереджується на прориві та зручностях, які приносить технологія, тоді як увага до таких ключових питань, як захист приватності, прозорість і безпека, є відносно недостатньою. У довгостроковій перспективі ці питання глибоко вплинуть на здоровий розвиток галузі ІІ та її соціальну прийнятність. Якщо їх не вирішити належним чином, суперечка про те, чи буде ІІ "на благо" чи "на зло", стане дедалі більшою, тоді як централізовані гіганти, керуючись інстинктом отримання прибутку, часто не мають достатньої мотивації для активного реагування на ці виклики.
Технологія блокчейн, завдяки своїм децентралізованим, прозорим та антицензурним характеристикам, відкриває нові можливості для сталого розвитку індустрії ШІ. Наразі на деяких основних блокчейнах вже з'явилося безліч застосувань "Web3 AI". Проте, при глибшому аналізі можна виявити, що ці проекти все ще стикаються з багатьма проблемами: з одного боку, рівень децентралізації обмежений, ключові етапи та інфраструктура все ще залежать від централізованих хмарних сервісів, що ускладнює підтримку справжньої відкритої екосистеми; з іншого боку, у порівнянні з продуктами ШІ з світу Web2, AI у блокчейні все ще має обмеження в можливостях моделей, використанні даних та сферах застосування, глибина та широта інновацій потребують покращення.
Щоб дійсно реалізувати бачення децентралізованого ШІ, щоб блокчейн міг безпечно, ефективно та демократично підтримувати масштабні програми ШІ та конкурувати з централізованими рішеннями за продуктивністю, нам потрібно розробити Layer1 блокчейн, спеціально створений для ШІ. Це забезпечить міцну основу для відкритих інновацій в ШІ, демократичного управління та безпеки даних, сприяючи процвітанню децентралізованої екосистеми ШІ.
Основні характеристики AI Layer 1
AI Layer 1 як блокчейн, спеціально розроблений для AI-додатків, має архітектуру та проектування продуктивності, які тісно пов'язані з потребами AI-завдань, з метою ефективної підтримки сталого розвитку та процвітання AI-екосистеми у блокчейні. Конкретно, AI Layer 1 повинен мати такі ключові можливості:
Ефективні стимули та децентралізований механізм консенсусу Основна ідея AI Layer 1 полягає у створенні відкритої мережі для спільного використання ресурсів, таких як обчислювальна потужність та зберігання. На відміну від традиційних вузлів блокчейну, які переважно зосереджені на веденні обліку в книзі, вузли AI Layer 1 повинні виконувати більш складні завдання, не лише надаючи обчислювальну потужність, виконуючи навчання та інференцію AI моделей, але й вносячи різноманітні ресурси, такі як зберігання, дані, ширина каналу, щоб розірвати монополію централізованих гігантів на інфраструктуру AI. Це ставить вищі вимоги до основного консенсусу та механізму стимулювання: AI Layer 1 повинен бути в змозі точно оцінювати, стимулювати та перевіряти фактичний внесок вузлів у завдання інференції, навчання тощо, забезпечуючи безпеку мережі та ефективний розподіл ресурсів. Лише в такому випадку можна гарантувати стабільність та процвітання мережі, а також ефективно знижувати загальні витрати на обчислювальну потужність.
Висока продуктивність і підтримка гетерогенних завдань. Завдання ШІ, особливо навчання та інференція LLM, висувають високі вимоги до обчислювальної продуктивності та паралельної обробки. Більш того, екосистема AI у блокчейні часто повинна підтримувати різноманітні, гетерогенні типи завдань, включаючи різні структури моделей, обробку даних, інференцію, зберігання тощо. AI Layer 1 повинен бути глибоко оптимізований на базовій архітектурі для задоволення вимог до високої пропускної спроможності, низької затримки та еластичної паралельності, а також мати попередню підтримку гетерогенних обчислювальних ресурсів, щоб забезпечити ефективне виконання різних завдань ШІ, реалізуючи плавне розширення від "однопорядкових завдань" до "складної багатогранної екосистеми".
Верифікація та гарантія довірливого виходу AI Layer 1 не лише повинна запобігати зловживанням моделлю, фальсифікації даних та іншим загрозам безпеці, але й повинна з механізму на базовому рівні забезпечити верифікацію та узгодженість виходу AI. Завдяки інтеграції надійного середовища виконання (TEE), нульових знань (ZK), багатосторонніх безпечних обчислень (MPC) та інших передових технологій, платформа може забезпечити, щоб кожен процес інференції моделі, навчання і обробки даних міг бути незалежно перевірений, гарантувати справедливість та прозорість системи AI. Водночас ця верифікація може допомогти користувачам чітко визначити логіку та підстави виходу AI, реалізувати "отримане відповідає бажаному", підвищуючи довіру та задоволеність користувачів продуктами AI.
Захист конфіденційності даних Програми штучного інтелекту часто включають конфіденційні дані користувачів, а захист конфіденційності даних особливо важливий у фінансовій, медичній, соціальній та інших сферах. Забезпечуючи перевірюваність, AI Layer 1 повинен використовувати технологію обробки даних на основі шифрування, обчислювальний протокол, що зберігає конфіденційність, і управління дозволами на доступ до даних, щоб забезпечити безпеку даних у всьому процесі висновків, навчання та зберігання, ефективно запобігати витоку даних і зловживанню, а також усувати занепокоєння користувачів щодо безпеки даних.
Потужна екосистема підтримки та розробки Як AI-оригінальна інфраструктура Layer 1, платформа повинна не лише мати технологічну перевагу, але й забезпечити розробників, операторів вузлів, постачальників AI-послуг та інших учасників екосистеми комплексними інструментами для розробки, інтегрованими SDK, підтримкою експлуатації та механізмами заохочення. Шляхом постійної оптимізації доступності платформи та досвіду розробників, сприяти впровадженню різноманітних AI-оригінальних додатків, досягти сталого процвітання децентралізованої AI-екосистеми.
Виходячи з вищезгаданого фону та очікувань, у цій статті буде детально представлено шість представницьких проєктів AI Layer1, включаючи Sentient, Sahara AI, Ritual, Gensyn, Bittensor та 0G, систематизовано новітні досягнення в цій галузі, проаналізовано сучасний стан розвитку проєктів та обговорено майбутні тенденції.
Sentient: створення лояльної відкритої децентралізованої AI моделі
Огляд проєкту
Sentient є платформою з відкритим кодом, яка створює AI Layer1 у блокчейні (, початкова стадія якої – Layer 2, а згодом вона буде перенесена на Layer 1). Поєднуючи AI Pipeline та технології блокчейну, вона будує децентралізовану економіку штучного інтелекту. Її основна мета – вирішення проблеми належності моделей, відстеження викликів та розподілу вартості на централізованому ринку LLM за допомогою "OML" фреймворку (відкритий, прибутковий, лояльний), що дозволяє реалізувати структуру власності на блокчейні, прозорість викликів і розподіл вартості. Бачення Sentient полягає в тому, щоб будь-хто міг створювати, співпрацювати, володіти та монетизувати AI продукти, тим самим сприяючи створенню справедливої та відкритої екосистеми мережі AI Agent.
Команда Sentient Foundation об'єднала провідних академічних експертів, підприємців у сфері блокчейну та інженерів з усього світу, працюючи над створенням спільноти, що керується, відкритої та верифікованої платформи AGI. До складу основних учасників входять професор Принстонського університету Pramod Viswanath та професор Індійського інституту науки Himanshu Tyagi, які відповідають за безпеку та захист приватності AI, в той час як співзасновник Polygon Sandeep Nailwal керує стратегією блокчейну та екологічним розташуванням. Члени команди мають досвід роботи в таких відомих компаніях, як Meta, Coinbase, Polygon, а також в провідних університетах, таких як Принстонський університет та Індійський інститут технологій, охоплюючи такі області, як AI/ML, NLP, комп'ютерне зорове сприйняття та спільно працюючи над реалізацією проєкту.
Як другий стартап спільного засновника Polygon Sandeep Nailwal, Sentient з самого початку був під світлом, маючи багатий ресурс, зв'язки та ринкову впізнаваність, що надало потужну підтримку розвитку проекту. У середині 2024 року Sentient завершив раунд фінансування в 85 мільйонів доларів, лідерами якого стали Founders Fund, Pantera та Framework Ventures, а також десятки інших відомих венчурних компаній, таких як Delphi, Hashkey та Spartan.
проектування архітектури та прикладного рівня
Інфраструктурний рівень
ядерна архітектура
Ядро архітектури Sentient складається з двох частин: AI Pipeline та системи у блокчейні.
AI трубопровід є основою для розробки та навчання "вірного AI" артефактів, що включає два основні процеси:
Планування даних (Data Curation): процес вибору даних, що здійснюється спільнотою, для вирівнювання моделі.
Тренування лояльності (Loyalty Training): забезпечте, щоб модель підтримувала навчальний процес, що відповідає намірам спільноти.
Блокчейн-система забезпечує прозорість та децентралізований контроль для протоколів, гарантуючи право власності на артефакти ШІ, відстеження використання, розподіл доходів та справедливе управління. Конкретна архітектура ділиться на чотири шари:
Зберігання: зберігання ваг моделей та інформації про реєстрацію відбитків пальців;
Розподільчий рівень: точка входу для виклику моделі, контрольованої контрактом на авторизацію;
Рівень доступу: перевірка правомірності авторизації користувача через підтвердження прав.
Мотиваційний рівень: Контракт маршрутизації прибутків кожного разу виплачує винагороду тренерам, розробникам та валідаторам.
OML модельна рамка
OML фреймворк (Відкритий Open, Можливість монетизації Monetizable, Лояльний Loyal) є основною концепцією, запропонованою Sentient, яка має на меті забезпечити чіткий захист прав власності та економічні стимули для відкритих AI моделей. Завдяки поєднанню технології у блокчейні та AI рідної криптографії, має такі характеристики:
Відкритість: Модель повинна бути з відкритим кодом, код та структура даних повинні бути прозорими, щоб спростити відтворення, аудит та вдосконалення з боку спільноти.
Монетизація: Кожен виклик моделі викликає потік доходу, у блокчейні контракт буде розподіляти доходи між тренерами, розробниками та валідаторами.
Вірність: Модель належить спільноті внесків, напрямок оновлення та управління визначається DAO, використання та модифікація контролюються криптомеханізмом.
AI рідна криптографія (AI-native Cryptography)
AI-оригінальна криптографія використовує безперервність моделей ШІ, структуру низьковимірного маніфольду та диференційованість моделей для розробки "перевіряємого, але невилучального" легковагового механізму безпеки. Її основна технологія:
Вбудовування відбитка пальця: під час навчання вставляється набір прихованих пар ключ-значення запит-відповідь для формування унікального підпису моделі;
Протокол верифікації власності: перевірка збереження відбитка пальця у формі запиту через сторонній детектор (Prover);
Механізм дозволеного виклику: перед викликом необхідно отримати "дозвіл" від власника моделі, а система на цій основі надає моделі право декодувати цей вхід і повертати точну відповідь.
Цей спосіб дозволяє реалізувати "авторизацію на основі поведінки + верифікацію належності" без витрат на повторне шифрування.
Модель підтвердження прав та безпечна виконавча структура
Sentient наразі використовує Melange змішану безпеку: поєднання підтвердження за допомогою відбитків пальців, виконання TEE та розподіл прибутків за контрактами у блокчейні. При цьому метод відбитків пальців реалізовано на OML 1.0, підкреслюючи ідею "оптимістичної безпеки (Optimistic Security)", тобто за замовчуванням відповідності, а в разі порушення - можливість виявлення та покарання.
Механізм відбитків пальців є ключовою реалізацією OML, він через вбудовані специфічні "питання-відповіді" дозволяє моделі генерувати унікальний підпис на етапі навчання. Завдяки цим підписам власник моделі може підтвердити приналежність, запобігаючи несанкціонованому копіюванню та комерціалізації. Цей механізм не лише захищає права розробників моделей, але й забезпечує можливість відстеження поведінки використання моделі у блокчейні.
Крім того, Sentient запустила обчислювальну платформу Enclave TEE, яка використовує довірене середовище виконання (таке як AWS Nitro Enclaves), щоб забезпечити, що моделі відповідають лише на авторизовані запити, запобігаючи несанкціонованому доступу та використанню. Хоча TEE залежить від апаратного забезпечення і має певні ризики безпеки, його висока продуктивність і реальний час роблять його ключовою технологією для розгортання сучасних моделей.
У майбутньому Sentient планує впровадити технології нульових знань (ZK) та повної гомоморфної криптографії (FHE), щоб ще більше посилити захист конфіденційності та перевірюваність, забезпечуючи більш зрілі рішення для децентралізованого розгортання AI моделей.
 і не повинен розглядатися як схвалення його поглядів компанією Gate, а також як фінансова або професійна консультація. Див. Застереження для отримання детальної інформації.
AI Layer1 сейф: боротьба за інфраструктуру децентралізованого AI
Звіт про дослідження AI Layer1: пошук родючих ґрунтів для DeAI у блокчейні
Огляд
Фон
У останні роки провідні технологічні компанії, такі як OpenAI, Anthropic, Google, Meta, постійно сприяють швидкому розвитку великих мовних моделей (LLM). LLM демонструють безпрецедентні можливості в різних галузях, значно розширюючи людську уяву, а в деяких випадках навіть виявляють потенціал заміни людської праці. Проте серце цих технологій міцно утримується в руках кількох централізованих технологічних гігантів. Завдяки значному капіталу та контролю над високими обчислювальними ресурсами ці компанії створили непереборні бар'єри, що ускладнює абсолютній більшості розробників і інноваційних команд з ними змагатися.
Водночас, на початкових етапах швидкого розвитку ІІ, суспільна думка часто зосереджується на прориві та зручностях, які приносить технологія, тоді як увага до таких ключових питань, як захист приватності, прозорість і безпека, є відносно недостатньою. У довгостроковій перспективі ці питання глибоко вплинуть на здоровий розвиток галузі ІІ та її соціальну прийнятність. Якщо їх не вирішити належним чином, суперечка про те, чи буде ІІ "на благо" чи "на зло", стане дедалі більшою, тоді як централізовані гіганти, керуючись інстинктом отримання прибутку, часто не мають достатньої мотивації для активного реагування на ці виклики.
Технологія блокчейн, завдяки своїм децентралізованим, прозорим та антицензурним характеристикам, відкриває нові можливості для сталого розвитку індустрії ШІ. Наразі на деяких основних блокчейнах вже з'явилося безліч застосувань "Web3 AI". Проте, при глибшому аналізі можна виявити, що ці проекти все ще стикаються з багатьма проблемами: з одного боку, рівень децентралізації обмежений, ключові етапи та інфраструктура все ще залежать від централізованих хмарних сервісів, що ускладнює підтримку справжньої відкритої екосистеми; з іншого боку, у порівнянні з продуктами ШІ з світу Web2, AI у блокчейні все ще має обмеження в можливостях моделей, використанні даних та сферах застосування, глибина та широта інновацій потребують покращення.
Щоб дійсно реалізувати бачення децентралізованого ШІ, щоб блокчейн міг безпечно, ефективно та демократично підтримувати масштабні програми ШІ та конкурувати з централізованими рішеннями за продуктивністю, нам потрібно розробити Layer1 блокчейн, спеціально створений для ШІ. Це забезпечить міцну основу для відкритих інновацій в ШІ, демократичного управління та безпеки даних, сприяючи процвітанню децентралізованої екосистеми ШІ.
Основні характеристики AI Layer 1
AI Layer 1 як блокчейн, спеціально розроблений для AI-додатків, має архітектуру та проектування продуктивності, які тісно пов'язані з потребами AI-завдань, з метою ефективної підтримки сталого розвитку та процвітання AI-екосистеми у блокчейні. Конкретно, AI Layer 1 повинен мати такі ключові можливості:
Ефективні стимули та децентралізований механізм консенсусу Основна ідея AI Layer 1 полягає у створенні відкритої мережі для спільного використання ресурсів, таких як обчислювальна потужність та зберігання. На відміну від традиційних вузлів блокчейну, які переважно зосереджені на веденні обліку в книзі, вузли AI Layer 1 повинні виконувати більш складні завдання, не лише надаючи обчислювальну потужність, виконуючи навчання та інференцію AI моделей, але й вносячи різноманітні ресурси, такі як зберігання, дані, ширина каналу, щоб розірвати монополію централізованих гігантів на інфраструктуру AI. Це ставить вищі вимоги до основного консенсусу та механізму стимулювання: AI Layer 1 повинен бути в змозі точно оцінювати, стимулювати та перевіряти фактичний внесок вузлів у завдання інференції, навчання тощо, забезпечуючи безпеку мережі та ефективний розподіл ресурсів. Лише в такому випадку можна гарантувати стабільність та процвітання мережі, а також ефективно знижувати загальні витрати на обчислювальну потужність.
Висока продуктивність і підтримка гетерогенних завдань. Завдання ШІ, особливо навчання та інференція LLM, висувають високі вимоги до обчислювальної продуктивності та паралельної обробки. Більш того, екосистема AI у блокчейні часто повинна підтримувати різноманітні, гетерогенні типи завдань, включаючи різні структури моделей, обробку даних, інференцію, зберігання тощо. AI Layer 1 повинен бути глибоко оптимізований на базовій архітектурі для задоволення вимог до високої пропускної спроможності, низької затримки та еластичної паралельності, а також мати попередню підтримку гетерогенних обчислювальних ресурсів, щоб забезпечити ефективне виконання різних завдань ШІ, реалізуючи плавне розширення від "однопорядкових завдань" до "складної багатогранної екосистеми".
Верифікація та гарантія довірливого виходу AI Layer 1 не лише повинна запобігати зловживанням моделлю, фальсифікації даних та іншим загрозам безпеці, але й повинна з механізму на базовому рівні забезпечити верифікацію та узгодженість виходу AI. Завдяки інтеграції надійного середовища виконання (TEE), нульових знань (ZK), багатосторонніх безпечних обчислень (MPC) та інших передових технологій, платформа може забезпечити, щоб кожен процес інференції моделі, навчання і обробки даних міг бути незалежно перевірений, гарантувати справедливість та прозорість системи AI. Водночас ця верифікація може допомогти користувачам чітко визначити логіку та підстави виходу AI, реалізувати "отримане відповідає бажаному", підвищуючи довіру та задоволеність користувачів продуктами AI.
Захист конфіденційності даних Програми штучного інтелекту часто включають конфіденційні дані користувачів, а захист конфіденційності даних особливо важливий у фінансовій, медичній, соціальній та інших сферах. Забезпечуючи перевірюваність, AI Layer 1 повинен використовувати технологію обробки даних на основі шифрування, обчислювальний протокол, що зберігає конфіденційність, і управління дозволами на доступ до даних, щоб забезпечити безпеку даних у всьому процесі висновків, навчання та зберігання, ефективно запобігати витоку даних і зловживанню, а також усувати занепокоєння користувачів щодо безпеки даних.
Потужна екосистема підтримки та розробки Як AI-оригінальна інфраструктура Layer 1, платформа повинна не лише мати технологічну перевагу, але й забезпечити розробників, операторів вузлів, постачальників AI-послуг та інших учасників екосистеми комплексними інструментами для розробки, інтегрованими SDK, підтримкою експлуатації та механізмами заохочення. Шляхом постійної оптимізації доступності платформи та досвіду розробників, сприяти впровадженню різноманітних AI-оригінальних додатків, досягти сталого процвітання децентралізованої AI-екосистеми.
Виходячи з вищезгаданого фону та очікувань, у цій статті буде детально представлено шість представницьких проєктів AI Layer1, включаючи Sentient, Sahara AI, Ritual, Gensyn, Bittensor та 0G, систематизовано новітні досягнення в цій галузі, проаналізовано сучасний стан розвитку проєктів та обговорено майбутні тенденції.
Sentient: створення лояльної відкритої децентралізованої AI моделі
Огляд проєкту
Sentient є платформою з відкритим кодом, яка створює AI Layer1 у блокчейні (, початкова стадія якої – Layer 2, а згодом вона буде перенесена на Layer 1). Поєднуючи AI Pipeline та технології блокчейну, вона будує децентралізовану економіку штучного інтелекту. Її основна мета – вирішення проблеми належності моделей, відстеження викликів та розподілу вартості на централізованому ринку LLM за допомогою "OML" фреймворку (відкритий, прибутковий, лояльний), що дозволяє реалізувати структуру власності на блокчейні, прозорість викликів і розподіл вартості. Бачення Sentient полягає в тому, щоб будь-хто міг створювати, співпрацювати, володіти та монетизувати AI продукти, тим самим сприяючи створенню справедливої та відкритої екосистеми мережі AI Agent.
Команда Sentient Foundation об'єднала провідних академічних експертів, підприємців у сфері блокчейну та інженерів з усього світу, працюючи над створенням спільноти, що керується, відкритої та верифікованої платформи AGI. До складу основних учасників входять професор Принстонського університету Pramod Viswanath та професор Індійського інституту науки Himanshu Tyagi, які відповідають за безпеку та захист приватності AI, в той час як співзасновник Polygon Sandeep Nailwal керує стратегією блокчейну та екологічним розташуванням. Члени команди мають досвід роботи в таких відомих компаніях, як Meta, Coinbase, Polygon, а також в провідних університетах, таких як Принстонський університет та Індійський інститут технологій, охоплюючи такі області, як AI/ML, NLP, комп'ютерне зорове сприйняття та спільно працюючи над реалізацією проєкту.
Як другий стартап спільного засновника Polygon Sandeep Nailwal, Sentient з самого початку був під світлом, маючи багатий ресурс, зв'язки та ринкову впізнаваність, що надало потужну підтримку розвитку проекту. У середині 2024 року Sentient завершив раунд фінансування в 85 мільйонів доларів, лідерами якого стали Founders Fund, Pantera та Framework Ventures, а також десятки інших відомих венчурних компаній, таких як Delphi, Hashkey та Spartan.
проектування архітектури та прикладного рівня
Інфраструктурний рівень
ядерна архітектура
Ядро архітектури Sentient складається з двох частин: AI Pipeline та системи у блокчейні.
AI трубопровід є основою для розробки та навчання "вірного AI" артефактів, що включає два основні процеси:
Блокчейн-система забезпечує прозорість та децентралізований контроль для протоколів, гарантуючи право власності на артефакти ШІ, відстеження використання, розподіл доходів та справедливе управління. Конкретна архітектура ділиться на чотири шари:
OML модельна рамка
OML фреймворк (Відкритий Open, Можливість монетизації Monetizable, Лояльний Loyal) є основною концепцією, запропонованою Sentient, яка має на меті забезпечити чіткий захист прав власності та економічні стимули для відкритих AI моделей. Завдяки поєднанню технології у блокчейні та AI рідної криптографії, має такі характеристики:
AI рідна криптографія (AI-native Cryptography)
AI-оригінальна криптографія використовує безперервність моделей ШІ, структуру низьковимірного маніфольду та диференційованість моделей для розробки "перевіряємого, але невилучального" легковагового механізму безпеки. Її основна технологія:
Цей спосіб дозволяє реалізувати "авторизацію на основі поведінки + верифікацію належності" без витрат на повторне шифрування.
Модель підтвердження прав та безпечна виконавча структура
Sentient наразі використовує Melange змішану безпеку: поєднання підтвердження за допомогою відбитків пальців, виконання TEE та розподіл прибутків за контрактами у блокчейні. При цьому метод відбитків пальців реалізовано на OML 1.0, підкреслюючи ідею "оптимістичної безпеки (Optimistic Security)", тобто за замовчуванням відповідності, а в разі порушення - можливість виявлення та покарання.
Механізм відбитків пальців є ключовою реалізацією OML, він через вбудовані специфічні "питання-відповіді" дозволяє моделі генерувати унікальний підпис на етапі навчання. Завдяки цим підписам власник моделі може підтвердити приналежність, запобігаючи несанкціонованому копіюванню та комерціалізації. Цей механізм не лише захищає права розробників моделей, але й забезпечує можливість відстеження поведінки використання моделі у блокчейні.
Крім того, Sentient запустила обчислювальну платформу Enclave TEE, яка використовує довірене середовище виконання (таке як AWS Nitro Enclaves), щоб забезпечити, що моделі відповідають лише на авторизовані запити, запобігаючи несанкціонованому доступу та використанню. Хоча TEE залежить від апаратного забезпечення і має певні ризики безпеки, його висока продуктивність і реальний час роблять його ключовою технологією для розгортання сучасних моделей.
У майбутньому Sentient планує впровадити технології нульових знань (ZK) та повної гомоморфної криптографії (FHE), щоб ще більше посилити захист конфіденційності та перевірюваність, забезпечуючи більш зрілі рішення для децентралізованого розгортання AI моделей.
![Biteye та PANews спільно випустили дослідження AI Layer1: пошук у блокчейні DeAI родючих земель](