AI Layer1 исследование: поиск благодатной почвы для DeAI в блокчейне
Обзор
В последние годы такие ведущие технологические компании, как OpenAI, Anthropic, Google и Meta, продолжают активно развивать большие языковые модели (LLM). LLM демонстрируют невиданные ранее возможности в различных отраслях, значительно расширяя человеческое воображение и даже показывая потенциал замены человеческого труда в некоторых сценариях. Однако ядро этих технологий остаётся в руках немногих централизованных технологических гигантов. Обладая значительным капиталом и контролируя дорогие вычислительные ресурсы, эти компании создают непреодолимые барьеры, что затрудняет большинству разработчиков и инновационных команд конкурировать с ними.
В то же время, на начальной стадии быстрого развития ИИ общественное мнение зачастую сосредотачивается на прорывах и удобствах, которые предоставляет технология, в то время как внимание к таким ключевым вопросам, как защита конфиденциальности, прозрачность и безопасность, оказывается относительно недостаточным. В долгосрочной перспективе эти проблемы будут глубоко влиять на здоровое развитие отрасли ИИ и общественное восприятие. Если их не удастся должным образом решить, споры о "доброте" или "зле" ИИ будут все более актуальными, а централизованные гиганты, движимые инстинктом получения прибыли, часто не имеют достаточной мотивации для активного решения этих вызовов.
Технология блокчейн, благодаря своим децентрализованным, прозрачным и антикоррупционным характеристикам, открывает новые возможности для устойчивого развития отрасли ИИ. В настоящее время на нескольких основных блокчейнах уже появились множество приложений "Web3 AI". Однако глубокий анализ показывает, что эти проекты все еще сталкиваются с рядом проблем: с одной стороны, уровень децентрализации ограничен, ключевые этапы и инфраструктура все еще зависят от централизованных облачных услуг, что затрудняет поддержку действительно открытой экосистемы; с другой стороны, по сравнению с ИИ-продуктами мира Web2, AI в блокчейне все еще ограничен по способности моделей, использованию данных и сценариям применения, что требует повышения глубины и широты инноваций.
Чтобы действительно реализовать видение децентрализованного ИИ, обеспечить безопасное, эффективное и демократическое использование блокчейна для масштабных приложений ИИ и конкурировать с централизованными решениями по производительности, нам необходимо разработать слой 1 блокчейна, специально созданный для ИИ. Это создаст прочную 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 эффективно поддерживать устойчивое развитие и процветание AI-экосистемы в блокчейне. Конкретно, AI Layer 1 должен обладать следующими ключевыми возможностями:
Эффективные стимулы и децентрализованный механизм консенсуса. Ядро 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账本, узлы AI Layer 1 должны выполнять более сложные задачи, предоставляя не только вычислительные мощности и выполняя обучение и вывод AI моделей, но также внося разнообразные ресурсы, такие как хранилище, данные и пропускная способность, тем самым разрушая монополию централизованных гигантов в инфраструктуре AI. Это налагает более высокие требования к базовому консенсусу и механизму стимулов: AI Layer 1 должен точно оценивать, мотивировать 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, а также эффективно снизить общие затраты на вычислительную мощность.
Превосходная производительность и поддержка гетерогенных задач. Задачи ИИ, особенно обучение и вывод LLM, предъявляют очень высокие требования к вычислительной производительности и параллельной обработке. Более того, экосистема AI в блокчейне обычно должна поддерживать разнообразные и гетерогенные типы задач, включая различные структуры моделей, обработку данных, вывод, хранение и другие разнообразные сценарии. AI Layer 1 должен быть глубоко оптимизирован на уровне архитектуры для удовлетворения требований к высокой пропускной способности, низкой задержке и эластичной параллельности, а также предусматривать нативную поддержку гетерогенных вычислительных ресурсов, чтобы гарантировать эффективное выполнение различных задач ИИ и обеспечить плавное расширение от "однородных задач" к "сложной многообразной экосистеме".
Проверяемость и гарантии надежного вывода AI Layer 1 должны не только предотвращать злонамеренные действия моделей, подделку данных и другие угрозы безопасности, но также на уровне базовых механизмов обеспечивать проверяемость и согласованность результатов вывода AI. Интегрируя такие передовые технологии, как доверенная вычислительная среда (TEE), нулевое знание (ZK) и многопартитные безопасные вычисления (MPC), платформа может позволить каждому процессу вывода модели, обучения и обработки данных быть независимо проверяемым, обеспечивая справедливость и прозрачность AI-системы. В то же время такая проверяемость может помочь пользователям четко понять логику и обоснования вывода AI, реализовать "то, что получено, то и пожелано", повысив доверие и удовлетворенность пользователей к продуктам AI.
Защита конфиденциальности данных Применения ИИ часто связаны с чувствительными данными пользователей, и в таких областях, как финансы, медицина и социальные сети, защита конфиденциальности данных особенно важна. AI Layer 1 должен обеспечивать верифицируемость, одновременно используя технологии обработки данных на основе шифрования, протоколы конфиденциальных вычислений и управление правами на данные, чтобы гарантировать безопасность данных на всех этапах — от вывода и обучения до хранения, эффективно предотвращая утечку и злоупотребление данными, устраняя тем самым беспокойство пользователей по поводу безопасности данных.
Мощная способность к поддержке и разработке экосистемы. В качестве инфраструктуры Layer 1, изначально созданной для ИИ, платформа должна не только обладать технологическим преимуществом, но и предоставлять экосистемным участникам, таким как разработчики, операторы узлов и поставщики ИИ-услуг, полноценные инструменты разработки, интегрированные SDK, поддержку эксплуатации и механизмы стимулирования. Постоянно оптимизируя доступность платформы и опыт разработчиков, мы способствуем внедрению разнообразных приложений, изначально созданных для ИИ, и обеспечиваем устойчивое процветание децентрализованной экосистемы ИИ.
Основываясь на вышеизложенном контексте и ожиданиях, в данной статье подробно рассматриваются шесть проектов AI Layer1, включая Sentient, Sahara AI, Ritual, Gensyn, Bittensor и 0G, систематически анализируются последние достижения в области, рассматривается текущее состояние развития проектов и обсуждаются будущие тенденции.
Sentient: Построение лояльной открытой децентрализованной модели ИИ
Обзор проекта
Sentient является открытой платформой протоколов, которая создает AI Layer1 в блокчейне (. На начальном этапе это будет Layer 2, а затем он будет перенесен на Layer 1). Объединив AI Pipeline и технологии блокчейна, создается децентрализованная экономика искусственного интеллекта. Его основная цель заключается в решении вопросов принадлежности моделей, отслеживания вызовов и распределения ценностей на централизованном рынке LLM с помощью "OML"-рамки (открытая, прибыльная, лояльная), что позволит искусственным интеллектам достигать структуры собственности на блокчейне, прозрачности вызовов и распределения ценностей. Видение Sentient заключается в том, чтобы любой мог создавать, сотрудничать, владеть и монетизировать AI-продукты, тем самым содействуя созданию справедливой и открытой экосистемы сети AI Agent.
Команда Sentient Foundation объединила лучших мировых академических экспертов, предпринимателей в области блокчейна и инженеров, стремясь создать сообществом управляемую, открытую и проверяемую платформу AGI. Ключевые члены команды включают профессора Принстонского университета Прамода Вишваната и профессора Индийского института науки Химаншу Тяги, которые отвечают за безопасность AI и защиту конфиденциальности, в то время как соучредитель одной из торговых платформ Сандип Найлвал руководит стратегией блокчейна и экосистемой. Члены команды имеют опыт работы в таких известных компаниях, как Meta, Coinbase, а также в таких ведущих учебных заведениях, как Принстонский университет и Индийский институт технологий, охватывая области AI/ML, NLP, компьютерного зрения и совместно способствуя реализации проекта.
Как второй проект предпринимателя Sandeep Nailwal, сооснователя одной из торговых платформ, Sentient с самого начала имел свои особенности, обладая богатыми ресурсами, связями и рыночной известностью, 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 среди других инвесторов были такие известные венчурные капитальные компании, как Delphi, Hashkey и Spartan.
проектирование архитектуры и уровень приложений
Инфраструктурный уровень
Основная архитектура
Ядро Sentient состоит из двух частей: AI Pipeline и в блокчейне.
AI пайплайн является основой для разработки и обучения "лояльного ИИ" артефактов, включает в себя два ключевых процесса:
Планирование данных (Data Curation): процесс выбора данных, управляемый сообществом, для выравнивания модели.
Обучение лояльности (Loyalty Training): обеспечение того, чтобы модель проходила процесс обучения, соответствующий намерениям сообщества.
Система в блокчейне 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: хранение весов модели и информации о регистрации отпечатков.
Уровень распределения: контрольный вход для вызова модели по контракту авторизации;
Уровень доступа: проверяет, авторизован ли пользователь через доказательство прав.
Уровень стимулов: контракт маршрутизации доходов будет распределять платежи между тренерами, развертывателями и валидаторами при каждом вызове.
OML модельная рамка
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. Объединяя 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 запускать поток доходов, в блокчейне контракт будет распределять доходы между тренерами, развертывателями и проверяющими.
Лояльность: Модель принадлежит сообществу вкладчиков, направление обновления и управление определяются DAO, использование и модификация контролируются криптомеханизмом.
AI-родная криптография использует непрерывность моделей ИИ, структуру низкоразмерных многообразий и дифференцируемые свойства моделей для разработки "проверяемого, но не подлежащего удалению" легковесного механизма безопасности. Основная технология заключается в:
Встраивание отпечатка: во время обучения вставляется набор скрытых пар ключ-значение запрос-ответ для формирования уникальной подписи модели;
Протокол проверки прав собственности: проверка сохранения отпечатков пальцев с помощью стороннего детектора (Prover) в форме запроса.
Механизм разрешения вызова: перед вызовом необходимо получить "удостоверение полномочий", выданное владельцем модели, после чего система предоставляет модели разрешение декодировать данный ввод и возвращать точный ответ.
Этот метод позволяет реализовать "авторизационный вызов на основе поведения + проверка принадлежности" без затрат на повторное шифрование.
Модель подтверждения прав собственности и безопасного исполнения
Sentient в настоящее время использует смешанную безопасность Melange: комбинацию подтверждения прав с помощью отпечатков пальцев, выполнения в TEE и распределения дохода по смарт-контрактам в блокчейне. При этом метод с отпечатками пальцев реализует основную линию OML 1.0, подчеркивая идею "оптимистичной безопасности (Optimistic Security)", то есть предполагая соответствие, а в случае нарушения - возможность обнаружения и наказания.
Механизм отпечатков пальцев является ключевой реализацией OML, он позволяет модели генерировать уникальные подписи на этапе обучения через внедрение определенных пар "вопрос-ответ". С помощью этих подписей владелец модели может подтвердить право собственности, предотвращая несанкционированное копирование и коммерциализацию. Этот механизм не только защищает права разработчиков модели, но и предоставляет отслеживаемую запись использования модели в блокчейне.
Кроме того, Sentient представила вычислительную платформу Enclave TEE, использующую доверенные вычислительные среды (например, Nitro Enclaves от определенной платформы), чтобы гарантировать, что модели реагируют только на авторизованные запросы, предотвращая несанкционированный доступ и использование. Хотя TEE зависит от аппаратного обеспечения и имеет определенные угрозы безопасности, её высокая производительность и преимущества в реальном времени делают её ключевой технологией для развертывания текущих моделей.
В будущем Sentient планирует внедрение технологий нулевого знания (ZK) и полностью однородного шифрования (FHE), чтобы дополнительно повысить защиту конфиденциальности и проверяемость, предоставляя 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» .
12 Лайков
Награда
12
3
Поделиться
комментарий
0/400
MondayYoloFridayCry
· 16ч назад
BTC保Кошелек保夺笋
Посмотреть ОригиналОтветить0
BearMarketGardener
· 16ч назад
Нужно сначала заложить основы централизованности.
Посмотреть ОригиналОтветить0
OnchainSniper
· 16ч назад
Гиганты не могут больше крутиться, приходите в блокчейн!
AI Layer1 полное разоблачение: 6 крупных проектов по созданию Децентрализация AI экосистемы
AI Layer1 исследование: поиск благодатной почвы для DeAI в блокчейне
Обзор
В последние годы такие ведущие технологические компании, как OpenAI, Anthropic, Google и Meta, продолжают активно развивать большие языковые модели (LLM). LLM демонстрируют невиданные ранее возможности в различных отраслях, значительно расширяя человеческое воображение и даже показывая потенциал замены человеческого труда в некоторых сценариях. Однако ядро этих технологий остаётся в руках немногих централизованных технологических гигантов. Обладая значительным капиталом и контролируя дорогие вычислительные ресурсы, эти компании создают непреодолимые барьеры, что затрудняет большинству разработчиков и инновационных команд конкурировать с ними.
В то же время, на начальной стадии быстрого развития ИИ общественное мнение зачастую сосредотачивается на прорывах и удобствах, которые предоставляет технология, в то время как внимание к таким ключевым вопросам, как защита конфиденциальности, прозрачность и безопасность, оказывается относительно недостаточным. В долгосрочной перспективе эти проблемы будут глубоко влиять на здоровое развитие отрасли ИИ и общественное восприятие. Если их не удастся должным образом решить, споры о "доброте" или "зле" ИИ будут все более актуальными, а централизованные гиганты, движимые инстинктом получения прибыли, часто не имеют достаточной мотивации для активного решения этих вызовов.
Технология блокчейн, благодаря своим децентрализованным, прозрачным и антикоррупционным характеристикам, открывает новые возможности для устойчивого развития отрасли ИИ. В настоящее время на нескольких основных блокчейнах уже появились множество приложений "Web3 AI". Однако глубокий анализ показывает, что эти проекты все еще сталкиваются с рядом проблем: с одной стороны, уровень децентрализации ограничен, ключевые этапы и инфраструктура все еще зависят от централизованных облачных услуг, что затрудняет поддержку действительно открытой экосистемы; с другой стороны, по сравнению с ИИ-продуктами мира Web2, AI в блокчейне все еще ограничен по способности моделей, использованию данных и сценариям применения, что требует повышения глубины и широты инноваций.
Чтобы действительно реализовать видение децентрализованного ИИ, обеспечить безопасное, эффективное и демократическое использование блокчейна для масштабных приложений ИИ и конкурировать с централизованными решениями по производительности, нам необходимо разработать слой 1 блокчейна, специально созданный для ИИ. Это создаст прочную 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 эффективно поддерживать устойчивое развитие и процветание AI-экосистемы в блокчейне. Конкретно, AI Layer 1 должен обладать следующими ключевыми возможностями:
Эффективные стимулы и децентрализованный механизм консенсуса. Ядро 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账本, узлы AI Layer 1 должны выполнять более сложные задачи, предоставляя не только вычислительные мощности и выполняя обучение и вывод AI моделей, но также внося разнообразные ресурсы, такие как хранилище, данные и пропускная способность, тем самым разрушая монополию централизованных гигантов в инфраструктуре AI. Это налагает более высокие требования к базовому консенсусу и механизму стимулов: AI Layer 1 должен точно оценивать, мотивировать 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, а также эффективно снизить общие затраты на вычислительную мощность.
Превосходная производительность и поддержка гетерогенных задач. Задачи ИИ, особенно обучение и вывод LLM, предъявляют очень высокие требования к вычислительной производительности и параллельной обработке. Более того, экосистема AI в блокчейне обычно должна поддерживать разнообразные и гетерогенные типы задач, включая различные структуры моделей, обработку данных, вывод, хранение и другие разнообразные сценарии. AI Layer 1 должен быть глубоко оптимизирован на уровне архитектуры для удовлетворения требований к высокой пропускной способности, низкой задержке и эластичной параллельности, а также предусматривать нативную поддержку гетерогенных вычислительных ресурсов, чтобы гарантировать эффективное выполнение различных задач ИИ и обеспечить плавное расширение от "однородных задач" к "сложной многообразной экосистеме".
Проверяемость и гарантии надежного вывода AI Layer 1 должны не только предотвращать злонамеренные действия моделей, подделку данных и другие угрозы безопасности, но также на уровне базовых механизмов обеспечивать проверяемость и согласованность результатов вывода AI. Интегрируя такие передовые технологии, как доверенная вычислительная среда (TEE), нулевое знание (ZK) и многопартитные безопасные вычисления (MPC), платформа может позволить каждому процессу вывода модели, обучения и обработки данных быть независимо проверяемым, обеспечивая справедливость и прозрачность AI-системы. В то же время такая проверяемость может помочь пользователям четко понять логику и обоснования вывода AI, реализовать "то, что получено, то и пожелано", повысив доверие и удовлетворенность пользователей к продуктам AI.
Защита конфиденциальности данных Применения ИИ часто связаны с чувствительными данными пользователей, и в таких областях, как финансы, медицина и социальные сети, защита конфиденциальности данных особенно важна. AI Layer 1 должен обеспечивать верифицируемость, одновременно используя технологии обработки данных на основе шифрования, протоколы конфиденциальных вычислений и управление правами на данные, чтобы гарантировать безопасность данных на всех этапах — от вывода и обучения до хранения, эффективно предотвращая утечку и злоупотребление данными, устраняя тем самым беспокойство пользователей по поводу безопасности данных.
Мощная способность к поддержке и разработке экосистемы. В качестве инфраструктуры Layer 1, изначально созданной для ИИ, платформа должна не только обладать технологическим преимуществом, но и предоставлять экосистемным участникам, таким как разработчики, операторы узлов и поставщики ИИ-услуг, полноценные инструменты разработки, интегрированные SDK, поддержку эксплуатации и механизмы стимулирования. Постоянно оптимизируя доступность платформы и опыт разработчиков, мы способствуем внедрению разнообразных приложений, изначально созданных для ИИ, и обеспечиваем устойчивое процветание децентрализованной экосистемы ИИ.
Основываясь на вышеизложенном контексте и ожиданиях, в данной статье подробно рассматриваются шесть проектов AI Layer1, включая Sentient, Sahara AI, Ritual, Gensyn, Bittensor и 0G, систематически анализируются последние достижения в области, рассматривается текущее состояние развития проектов и обсуждаются будущие тенденции.
Sentient: Построение лояльной открытой децентрализованной модели ИИ
Обзор проекта
Sentient является открытой платформой протоколов, которая создает AI Layer1 в блокчейне (. На начальном этапе это будет Layer 2, а затем он будет перенесен на Layer 1). Объединив AI Pipeline и технологии блокчейна, создается децентрализованная экономика искусственного интеллекта. Его основная цель заключается в решении вопросов принадлежности моделей, отслеживания вызовов и распределения ценностей на централизованном рынке LLM с помощью "OML"-рамки (открытая, прибыльная, лояльная), что позволит искусственным интеллектам достигать структуры собственности на блокчейне, прозрачности вызовов и распределения ценностей. Видение Sentient заключается в том, чтобы любой мог создавать, сотрудничать, владеть и монетизировать AI-продукты, тем самым содействуя созданию справедливой и открытой экосистемы сети AI Agent.
Команда Sentient Foundation объединила лучших мировых академических экспертов, предпринимателей в области блокчейна и инженеров, стремясь создать сообществом управляемую, открытую и проверяемую платформу AGI. Ключевые члены команды включают профессора Принстонского университета Прамода Вишваната и профессора Индийского института науки Химаншу Тяги, которые отвечают за безопасность AI и защиту конфиденциальности, в то время как соучредитель одной из торговых платформ Сандип Найлвал руководит стратегией блокчейна и экосистемой. Члены команды имеют опыт работы в таких известных компаниях, как Meta, Coinbase, а также в таких ведущих учебных заведениях, как Принстонский университет и Индийский институт технологий, охватывая области AI/ML, NLP, компьютерного зрения и совместно способствуя реализации проекта.
Как второй проект предпринимателя Sandeep Nailwal, сооснователя одной из торговых платформ, Sentient с самого начала имел свои особенности, обладая богатыми ресурсами, связями и рыночной известностью, 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 среди других инвесторов были такие известные венчурные капитальные компании, как Delphi, Hashkey и Spartan.
проектирование архитектуры и уровень приложений
Инфраструктурный уровень
Основная архитектура
Ядро Sentient состоит из двух частей: AI Pipeline и в блокчейне.
AI пайплайн является основой для разработки и обучения "лояльного ИИ" артефактов, включает в себя два ключевых процесса:
Система в блокчейне 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 модельная рамка
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. Объединяя технологии в блокчейне и нативную криптографию AI, он имеет следующие характеристики:
Искусственный интеллект, родная криптография (AI-native Cryptography)
AI-родная криптография использует непрерывность моделей ИИ, структуру низкоразмерных многообразий и дифференцируемые свойства моделей для разработки "проверяемого, но не подлежащего удалению" легковесного механизма безопасности. Основная технология заключается в:
Этот метод позволяет реализовать "авторизационный вызов на основе поведения + проверка принадлежности" без затрат на повторное шифрование.
Модель подтверждения прав собственности и безопасного исполнения
Sentient в настоящее время использует смешанную безопасность Melange: комбинацию подтверждения прав с помощью отпечатков пальцев, выполнения в TEE и распределения дохода по смарт-контрактам в блокчейне. При этом метод с отпечатками пальцев реализует основную линию OML 1.0, подчеркивая идею "оптимистичной безопасности (Optimistic Security)", то есть предполагая соответствие, а в случае нарушения - возможность обнаружения и наказания.
Механизм отпечатков пальцев является ключевой реализацией OML, он позволяет модели генерировать уникальные подписи на этапе обучения через внедрение определенных пар "вопрос-ответ". С помощью этих подписей владелец модели может подтвердить право собственности, предотвращая несанкционированное копирование и коммерциализацию. Этот механизм не только защищает права разработчиков модели, но и предоставляет отслеживаемую запись использования модели в блокчейне.
Кроме того, Sentient представила вычислительную платформу Enclave TEE, использующую доверенные вычислительные среды (например, Nitro Enclaves от определенной платформы), чтобы гарантировать, что модели реагируют только на авторизованные запросы, предотвращая несанкционированный доступ и использование. Хотя TEE зависит от аппаратного обеспечения и имеет определенные угрозы безопасности, её высокая производительность и преимущества в реальном времени делают её ключевой технологией для развертывания текущих моделей.
В будущем Sentient планирует внедрение технологий нулевого знания (ZK) и полностью однородного шифрования (FHE), чтобы дополнительно повысить защиту конфиденциальности и проверяемость, предоставляя более зрелые решения для децентрализованного развертывания AI моделей.
![Biteye и PANews совместно выпустили исследование AI Layer1: Поиск благодатной почвы для DeAI в блокчейне](