AI Layer1 исследование: поиск плодородной почвы для DeAI в блокчейне
В последние годы ведущие технологические компании, такие как OpenAI, Anthropic, Google и Meta, постоянно способствуют стремительному развитию больших языковых моделей (LLM). LLM демонстрируют беспрецедентные возможности в различных отраслях, значительно расширяя пространство человеческого воображения и даже показывая потенциал замены человеческого труда в некоторых сценариях. Однако ключевые технологии находятся в руках немногих централизованных технологических гигантов. Обладая значительными капиталами и контролем над дорогими вычислительными ресурсами, эти компании создали непреодолимые барьеры, что затрудняет для большинства разработчиков и инновационных команд конкуренцию с ними.
В то же время, на ранних этапах 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 окажут глубокое влияние на здоровье развития ИИ-индустрии и общественную приемлемость. Если их не удастся надлежащим образом решить, споры о том, будет ли ИИ "на благо" или "на вред", будут становиться все более острыми, в то время как централизованные гиганты, движимые инстинктом получения прибыли, часто не имеют достаточной мотивации для активного противодействия этим вызовам.
Технология блокчейна благодаря своим децентрализованным, прозрачным и антикоррупционным характеристикам предоставляет новые возможности для устойчивого развития отрасли ИИ. На данный момент на некоторых основных блокчейнах уже появилось множество приложений «Web3 AI». Однако глубокий анализ показывает, что эти проекты все еще имеют множество проблем: с одной стороны, степень децентрализации ограничена, ключевые этапы и инфраструктура все еще зависят от централизованных облачных услуг, что затрудняет поддержку действительно открытой экосистемы; с другой стороны, по сравнению с продуктами ИИ из мира Web2, цепочечные ИИ все еще ограничены по способности моделей, использованию данных и сценариям применения, а глубина и широта инноваций требуют улучшения.
Чтобы действительно реализовать видение децентрализованного ИИ, необходимо создать блокчейн, который сможет безопасно, эффективно и демократично поддерживать масштабные приложения ИИ, а также конкурировать с централизованными решениями по производительности. Мы должны спроектировать Layer1 блокчейн, специально созданный для ИИ. Это обеспечит 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, которые тесно связаны с потребностями AI-задач, и предназначен для эффективной поддержки устойчивого развития и процветания экосистемы AI в блокчейне. В частности, AI Layer 1 должен обладать следующими ключевыми возможностями:
Эффективные механизмы стимуляции и децентрализованные механизмы консенсуса
Суть 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 реестре, узлы AI Layer 1 должны выполнять более сложные задачи: они должны не только предоставлять вычислительную мощность и выполнять обучение и вывод AI-моделей, но также вносить разнообразные ресурсы, такие как хранилище, данные и пропускная способность, тем самым разрушая монополию централизованных гигантов на инфраструктуру AI. Это предъявляет более высокие требования к базовому консенсусу и механизмам стимулов: AI Layer 1 должен быть в состоянии точно оценивать, мотивировать и проверять фактический вклад узлов в задачи, такие как вывод и обучение AI, обеспечивая безопасность сети и эффективное распределение ресурсов. Только так можно обеспечить стабильность и процветание сети, а также эффективно снизить общие затраты на вычислительную мощность.
Превосходные характеристики высокой производительности и поддержка гетерогенных задач
AI-задачи, особенно обучение и вывод LLM, предъявляют очень 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 многогранные сценарии. AI Layer 1 должен глубоко оптимизировать свою базовую архитектуру для удовлетворения требований высокой пропускной способности, низкой задержки и эластичной параллельности, а также предусмотреть нативную поддержку гетерогенных вычислительных ресурсов, чтобы обеспечить эффективное выполнение различных AI-задач и обеспечить плавное расширение от "однозначных задач" до "сложной многообразной экосистемы".
Проверяемость и обеспечение надежного вывода
AI Layer 1 не только должен предотвращать злоупотребления моделями, подделку данных и другие угрозы безопасности, но также должен на уровне механизма обеспечивать проверяемость и согласованность результатов, выходящих от AI. Интегрируя передовые технологии, такие как защищённая исполняемая среда (TEE), нулевые знания (ZK), многопартийные безопасные вычисления (MPC), платформа может дать возможность независимо проверять каждый процесс вывода, обучения и обработки данных модели, обеспечивая справедливость и прозрачность системы AI. В то же время такая проверяемость может помочь пользователям понять логику и основания выводов AI, реализуя принцип "что получаешь, то и желаешь", 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, медицина и социальные сети, защита конфиденциальности данных особенно важна. AI Layer 1 должен обеспечивать проверяемость, одновременно используя технологии обработки данных на основе шифрования, протоколы вычислений с конфиденциальностью 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 беспокойство пользователей по поводу безопасности данных.
Мощные возможности поддержки экосистемы и разработки
В качестве инфраструктуры Layer 1, изначально основанной на ИИ, платформа должна не только обладать техническим лидерством, но и предоставлять участникам экосистемы, таким как разработчики, операторы узлов и поставщики ИИ-услуг, полноценные инструменты для разработки, интегрированные SDK, поддержку эксплуатации и механизмы стимулирования. Путем постоянной оптимизации доступности платформы и опыта разработчиков, необходимо способствовать внедрению разнообразных приложений, основанных на ИИ, и обеспечивать устойчивое процветание децентрализованной экосистемы ИИ.
Исходя из вышеизложенного контекста и ожиданий, в данной статье подробно рассматриваются шесть представительных проектов AI Layer1, включая Sentient, Sahara AI, Ritual, Gensyn, Bittensor и 0G, систематически анализируются последние достижения в этой области, исследуется текущее состояние развития проектов и обсуждаются будущие тенденции.
Sentient: Создание преданного открытого децентрализованного AI модели
Обзор проекта
Sentient является платформой открытого протокола, которая разрабатывает AI Layer1 в блокчейне (. На начальном этапе это будет Layer 2, а затем она будет перенесена на Layer 1). Объединив технологии AI Pipeline и блокчейна, Sentient создает децентрализованную экономику искусственного интеллекта. Его основной целью является решение проблем принадлежности моделей, 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 ведущих академических экспертов, предпринимателей в области блокчейна и инженеров со всего мира, стремясь создать платформу AGI, движимую сообществом, с открытым исходным кодом и проверяемую. Ключевыми членами являются профессор Принстонского университета Прамод Висванат и профессор Индийского института науки Химаншу Тяги, отвечающие за безопасность ИИ и защиту конфиденциальности, а стратегию блокчейна и экосистемное развитие возглавляет соучредитель известной публичной цепи. Члены команды имеют опыт работы в таких известных компаниях, как Meta, Coinbase, а также в ведущих учебных заведениях, таких как Принстонский университет и Индийский институт технологий, охватывающих области ИИ/МЛ, НЛП, компьютерного зрения и совместно способствуя реализации проекта.
Как проект второго запуска одного из известных соучредителей публичной блокчейна, Sentient с самого начала был окружен ореолом, обладая богатыми ресурсами, связями и рыночной осведомленностью, что обеспечивало сильную поддержку для развития проекта. В середине 2024 года Sentient завершил раунд посевного финансирования на сумму 85 миллионов долларов, в котором основными инвесторами стали Founders Fund, Pantera и Framework Ventures, а также другие инвестиционные компании, включая Delphi, Hashkey и Spartan, и десятки других известных VC.
Проектирование архитектуры и уровень приложений
Инфраструктурный уровень
Основная архитектура
Ядро архитектуры Sentient состоит из двух частей: AI Pipeline и системы в блокчейне.
AI пайплайн является основой для разработки и обучения артефактов "лояльного ИИ", включает два основных процесса:
Планирование данных (Data Curation): процесс выбора данных, управляемый сообществом, используемый для выравнивания модели.
Обучение лояльности (Loyalty Training): обеспечение того, чтобы модель проходила обучение в соответствии с намерениями 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 разделена на четыре уровня:
Слой хранения: хранение весов модели и информации о регистрации отпечатков.
Уровень распределения: вход для вызова модели контролируется контрактом на авторизацию;
Уровень доступа: проверка полномочий для подтверждения авторизации пользователя;
Уровень стимулов: Контракт распределения доходов будет распределять платежи между тренерами, развертывателями и проверяющими при каждом вызове.
OML модельная структура
OML фрейм (Открытый Open, Монетизируемый Monetizable, Лояльный Loyal) является ключевой концепцией, предложенной Sentient, направленной на обеспечение четкой защиты прав собственности и экономических стимулов для открытых AI моделей. Объединив технологии в блокчейне и нативную криптографию AI, он обладает 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 запускать поток доходов, в блокчейне контракт будет распределять доходы между тренерами, разработчиками и валидаторами.
Лояльность: Модель принадлежит сообществу вкладчиков, направление обновлений и управление определяется DAO, использование и модификация контролируются криптографическим механизмом.
AI родная криптография (AI-native Cryptography)
AI-родная криптография использует непрерывность AI-моделей, структуру низкоразмерных многообразий и дифференцируемые свойства моделей для разработки "проверяемого, но необратимого" легковесного механизма безопасности. Основная технология заключается в следующем:
Встраивание отпечатка: во время обучения вставляется набор скрытых пар ключ-значение запроса-ответа, формирующих уникальную подпись модели;
Протокол проверки прав собственности: проверка сохранения отпечатков пальцев в форме запроса через сторонний детектор (Prover);
Механизм разрешения вызова: перед вызовом необходимо получить "доказательство полномочий", выданное владельцем модели, после чего система предоставляет модели разрешение на декодирование данного ввода и возвращение точного ответа.
Этот способ позволяет реализовать "авторизационные вызовы на основе поведения + верификация принадлежности" без затрат на повторное шифрование.
Модель прав на интеллектуальную собственность и безопасность выполнения
Sentient в настоящее время использует Melange смешанную безопасность: подтверждение прав с помощью отпечатков пальцев, выполнение TEE и распределение прибыли по смарт-контрактам в блокчейне. Метод отпечатков пальцев реализован в OML 1.0, подчеркивая идею "оптимистичной безопасности (Optimistic Security)", то есть по умолчанию соблюдение норм, а в случае нарушения можно обнаружить и наказать.
Механизм отпечатков пальцев является ключевой реализацией OML, который позволяет модели генерировать уникальную подпись на этапе обучения с помощью встраивания определенных "вопрос-ответ" пар. С помощью этих подписей владелец модели может проверять принадлежность, предотвращая несанкционированное копирование и коммерциализацию. Этот механизм не только защищает права разработчиков модели, но также предоставляет отслеживаемую запись использования модели в блокчейне.
Кроме того, Sentient представила вычислительную платформу Enclave TEE, использующую доверенные среды выполнения (такие как AWS Nitro Enclaves), чтобы гарантировать, что модели отвечают только на авторизованные запросы, предотвращая несанкционированный доступ и использование. Хотя TEE зависит от аппаратного обеспечения и имеет определенные риски безопасности, его высокая производительность и преимущества в реальном времени делают его ключевой технологией для текущего развертывания моделей.
В будущем Sentient планирует внедрить технологии нулевых знаний (ZK) и полностью однородного шифрования (FHE), чтобы дополнительно укрепить защиту конфиденциальности и проверяемость, предоставляя более зрелые решения для децентрализованного развертывания AI моделей.
На этой странице может содержаться сторонний контент, который предоставляется исключительно в информационных целях (не в качестве заявлений/гарантий) и не должен рассматриваться как поддержка взглядов компании Gate или как финансовый или профессиональный совет. Подробности смотрите в разделе «Отказ от ответственности» .
AI Layer1探索：解锁Децентрализация人工智能新范式
AI Layer1 исследование: поиск плодородной почвы для DeAI в блокчейне
В последние годы ведущие технологические компании, такие как OpenAI, Anthropic, Google и Meta, постоянно способствуют стремительному развитию больших языковых моделей (LLM). LLM демонстрируют беспрецедентные возможности в различных отраслях, значительно расширяя пространство человеческого воображения и даже показывая потенциал замены человеческого труда в некоторых сценариях. Однако ключевые технологии находятся в руках немногих централизованных технологических гигантов. Обладая значительными капиталами и контролем над дорогими вычислительными ресурсами, эти компании создали непреодолимые барьеры, что затрудняет для большинства разработчиков и инновационных команд конкуренцию с ними.
В то же время, на ранних этапах 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 окажут глубокое влияние на здоровье развития ИИ-индустрии и общественную приемлемость. Если их не удастся надлежащим образом решить, споры о том, будет ли ИИ "на благо" или "на вред", будут становиться все более острыми, в то время как централизованные гиганты, движимые инстинктом получения прибыли, часто не имеют достаточной мотивации для активного противодействия этим вызовам.
Технология блокчейна благодаря своим децентрализованным, прозрачным и антикоррупционным характеристикам предоставляет новые возможности для устойчивого развития отрасли ИИ. На данный момент на некоторых основных блокчейнах уже появилось множество приложений «Web3 AI». Однако глубокий анализ показывает, что эти проекты все еще имеют множество проблем: с одной стороны, степень децентрализации ограничена, ключевые этапы и инфраструктура все еще зависят от централизованных облачных услуг, что затрудняет поддержку действительно открытой экосистемы; с другой стороны, по сравнению с продуктами ИИ из мира Web2, цепочечные ИИ все еще ограничены по способности моделей, использованию данных и сценариям применения, а глубина и широта инноваций требуют улучшения.
Чтобы действительно реализовать видение децентрализованного ИИ, необходимо создать блокчейн, который сможет безопасно, эффективно и демократично поддерживать масштабные приложения ИИ, а также конкурировать с централизованными решениями по производительности. Мы должны спроектировать Layer1 блокчейн, специально созданный для ИИ. Это обеспечит 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, которые тесно связаны с потребностями AI-задач, и предназначен для эффективной поддержки устойчивого развития и процветания экосистемы AI в блокчейне. В частности, AI Layer 1 должен обладать следующими ключевыми возможностями:
Суть 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 реестре, узлы AI Layer 1 должны выполнять более сложные задачи: они должны не только предоставлять вычислительную мощность и выполнять обучение и вывод AI-моделей, но также вносить разнообразные ресурсы, такие как хранилище, данные и пропускная способность, тем самым разрушая монополию централизованных гигантов на инфраструктуру AI. Это предъявляет более высокие требования к базовому консенсусу и механизмам стимулов: AI Layer 1 должен быть в состоянии точно оценивать, мотивировать и проверять фактический вклад узлов в задачи, такие как вывод и обучение AI, обеспечивая безопасность сети и эффективное распределение ресурсов. Только так можно обеспечить стабильность и процветание сети, а также эффективно снизить общие затраты на вычислительную мощность.
AI-задачи, особенно обучение и вывод LLM, предъявляют очень 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 многогранные сценарии. AI Layer 1 должен глубоко оптимизировать свою базовую архитектуру для удовлетворения требований высокой пропускной способности, низкой задержки и эластичной параллельности, а также предусмотреть нативную поддержку гетерогенных вычислительных ресурсов, чтобы обеспечить эффективное выполнение различных AI-задач и обеспечить плавное расширение от "однозначных задач" до "сложной многообразной экосистемы".
AI Layer 1 не только должен предотвращать злоупотребления моделями, подделку данных и другие угрозы безопасности, но также должен на уровне механизма обеспечивать проверяемость и согласованность результатов, выходящих от AI. Интегрируя передовые технологии, такие как защищённая исполняемая среда (TEE), нулевые знания (ZK), многопартийные безопасные вычисления (MPC), платформа может дать возможность независимо проверять каждый процесс вывода, обучения и обработки данных модели, обеспечивая справедливость и прозрачность системы AI. В то же время такая проверяемость может помочь пользователям понять логику и основания выводов AI, реализуя принцип "что получаешь, то и желаешь", повышая доверие и удовлетворенность пользователей к продуктам AI.
Приложения 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 проверяемость, одновременно используя технологии обработки данных на основе шифрования, протоколы вычислений с конфиденциальностью 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 беспокойство пользователей по поводу безопасности данных.
В качестве инфраструктуры Layer 1, изначально основанной на ИИ, платформа должна не только обладать техническим лидерством, но и предоставлять участникам экосистемы, таким как разработчики, операторы узлов и поставщики ИИ-услуг, полноценные инструменты для разработки, интегрированные SDK, поддержку эксплуатации и механизмы стимулирования. Путем постоянной оптимизации доступности платформы и опыта разработчиков, необходимо способствовать внедрению разнообразных приложений, основанных на ИИ, и обеспечивать устойчивое процветание децентрализованной экосистемы ИИ.
Исходя из вышеизложенного контекста и ожиданий, в данной статье подробно рассматриваются шесть представительных проектов AI Layer1, включая Sentient, Sahara AI, Ritual, Gensyn, Bittensor и 0G, систематически анализируются последние достижения в этой области, исследуется текущее состояние развития проектов и обсуждаются будущие тенденции.
Sentient: Создание преданного открытого децентрализованного AI модели
Обзор проекта
Sentient является платформой открытого протокола, которая разрабатывает AI Layer1 в блокчейне (. На начальном этапе это будет Layer 2, а затем она будет перенесена на Layer 1). Объединив технологии AI Pipeline и блокчейна, Sentient создает децентрализованную экономику искусственного интеллекта. Его основной целью является решение проблем принадлежности моделей, 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 ведущих академических экспертов, предпринимателей в области блокчейна и инженеров со всего мира, стремясь создать платформу AGI, движимую сообществом, с открытым исходным кодом и проверяемую. Ключевыми членами являются профессор Принстонского университета Прамод Висванат и профессор Индийского института науки Химаншу Тяги, отвечающие за безопасность ИИ и защиту конфиденциальности, а стратегию блокчейна и экосистемное развитие возглавляет соучредитель известной публичной цепи. Члены команды имеют опыт работы в таких известных компаниях, как Meta, Coinbase, а также в ведущих учебных заведениях, таких как Принстонский университет и Индийский институт технологий, охватывающих области ИИ/МЛ, НЛП, компьютерного зрения и совместно способствуя реализации проекта.
Как проект второго запуска одного из известных соучредителей публичной блокчейна, Sentient с самого начала был окружен ореолом, обладая богатыми ресурсами, связями и рыночной осведомленностью, что обеспечивало сильную поддержку для развития проекта. В середине 2024 года Sentient завершил раунд посевного финансирования на сумму 85 миллионов долларов, в котором основными инвесторами стали Founders Fund, Pantera и Framework Ventures, а также другие инвестиционные компании, включая Delphi, Hashkey и Spartan, и десятки других известных VC.
Проектирование архитектуры и уровень приложений
Инфраструктурный уровень
Основная архитектура
Ядро архитектуры Sentient состоит из двух частей: AI Pipeline и системы в блокчейне.
AI пайплайн является основой для разработки и обучения артефактов "лояльного ИИ", включает 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 разделена на четыре уровня:
OML модельная структура
OML фрейм (Открытый Open, Монетизируемый Monetizable, Лояльный Loyal) является ключевой концепцией, предложенной Sentient, направленной на обеспечение четкой защиты прав собственности и экономических стимулов для открытых AI моделей. Объединив технологии в блокчейне и нативную криптографию AI, он обладает следующими характеристиками:
AI родная криптография (AI-native Cryptography)
AI-родная криптография использует непрерывность AI-моделей, структуру низкоразмерных многообразий и дифференцируемые свойства моделей для разработки "проверяемого, но необратимого" легковесного механизма безопасности. Основная технология заключается в следующем:
Этот способ позволяет реализовать "авторизационные вызовы на основе поведения + верификация принадлежности" без затрат на повторное шифрование.
Модель прав на интеллектуальную собственность и безопасность выполнения
Sentient в настоящее время использует Melange смешанную безопасность: подтверждение прав с помощью отпечатков пальцев, выполнение TEE и распределение прибыли по смарт-контрактам в блокчейне. Метод отпечатков пальцев реализован в OML 1.0, подчеркивая идею "оптимистичной безопасности (Optimistic Security)", то есть по умолчанию соблюдение норм, а в случае нарушения можно обнаружить и наказать.
Механизм отпечатков пальцев является ключевой реализацией OML, который позволяет модели генерировать уникальную подпись на этапе обучения с помощью встраивания определенных "вопрос-ответ" пар. С помощью этих подписей владелец модели может проверять принадлежность, предотвращая несанкционированное копирование и коммерциализацию. Этот механизм не только защищает права разработчиков модели, но также предоставляет отслеживаемую запись использования модели в блокчейне.
Кроме того, Sentient представила вычислительную платформу Enclave TEE, использующую доверенные среды выполнения (такие как AWS Nitro Enclaves), чтобы гарантировать, что модели отвечают только на авторизованные запросы, предотвращая несанкционированный доступ и использование. Хотя TEE зависит от аппаратного обеспечения и имеет определенные риски безопасности, его высокая производительность и преимущества в реальном времени делают его ключевой технологией для текущего развертывания моделей.
В будущем Sentient планирует внедрить технологии нулевых знаний (ZK) и полностью однородного шифрования (FHE), чтобы дополнительно укрепить защиту конфиденциальности и проверяемость, предоставляя более зрелые решения для децентрализованного развертывания AI моделей.
уровень приложения
В настоящее время, Sentient