Laporan Penelitian Kedalaman AI Layer1: Mencari Tanah Subur DeAI on-chain

Ringkasan

Dalam beberapa tahun terakhir, perusahaan teknologi terkemuka seperti OpenAI, Anthropic, Google, dan Meta telah mendorong perkembangan pesat model bahasa besar (LLM). LLM menunjukkan kemampuan yang belum pernah ada sebelumnya di berbagai industri, secara signifikan memperluas ruang imajinasi manusia, dan bahkan dalam beberapa skenario menunjukkan potensi untuk menggantikan tenaga kerja manusia. Namun, inti dari teknologi ini tetap dipegang erat oleh sejumlah raksasa teknologi terpusat. Dengan modal yang kuat dan penguasaan terhadap sumber daya komputasi yang mahal, perusahaan-perusahaan ini telah membangun penghalang yang sulit untuk dilalui, sehingga sebagian besar pengembang dan tim inovasi sulit untuk bersaing dengan mereka.

Sementara itu, pada awal evolusi cepat AI, opini publik seringkali terfokus pada terobosan dan kemudahan yang dibawa oleh teknologi, sementara perhatian terhadap masalah inti seperti perlindungan privasi, transparansi, dan keamanan relatif kurang. Dalam jangka panjang, masalah-masalah ini akan memengaruhi perkembangan sehat industri AI dan tingkat penerimaan sosial. Jika tidak dapat diselesaikan dengan baik, kontroversi mengenai apakah AI "menuju kebaikan" atau "menuju keburukan" akan semakin menonjol, dan raksasa terpusat yang didorong oleh naluri mencari keuntungan sering kali kurang memiliki motivasi yang cukup untuk menghadapi tantangan ini secara proaktif.

Teknologi blockchain, dengan karakteristiknya yang terdesentralisasi, transparan, dan tahan sensor, memberikan kemungkinan baru untuk perkembangan berkelanjutan industri AI. Saat ini, banyak aplikasi "Web3 AI" telah muncul di berbagai blockchain utama. Namun, analisis mendalam menunjukkan bahwa proyek-proyek ini masih memiliki banyak masalah: di satu sisi, tingkat desentralisasi terbatas, bagian-bagian kunci dan infrastruktur masih bergantung pada layanan cloud terpusat, sulit untuk mendukung ekosistem terbuka yang sebenarnya; di sisi lain, dibandingkan dengan produk AI di dunia Web2, AI on-chain masih memiliki batasan dalam kemampuan model, pemanfaatan data, dan skenario aplikasi, sehingga kedalaman dan luas inovasi perlu ditingkatkan.

Untuk benar-benar mewujudkan visi AI terdesentralisasi, agar blockchain dapat dengan aman, efisien, dan demokratis menampung aplikasi AI berskala besar, serta bersaing dalam kinerja dengan solusi terpusat, kita perlu merancang blockchain Layer1 yang dibuat khusus untuk AI. Ini akan memberikan dasar yang kuat untuk inovasi terbuka AI, demokrasi pemerintahan, dan keamanan data, serta mendorong perkembangan pesat ekosistem AI terdesentralisasi.

Fitur inti dari AI Layer 1

AI Layer 1 sebagai blockchain yang dirancang khusus untuk aplikasi AI, arsitektur dan desain kinerjanya erat mengelilingi kebutuhan tugas AI, bertujuan untuk mendukung secara efisien perkembangan dan kemakmuran ekosistem AI on-chain yang berkelanjutan. Secara khusus, AI Layer 1 harus memiliki kemampuan inti berikut:

1. Insentif yang efisien dan mekanisme konsensus terdesentralisasi Inti dari AI Layer 1 adalah membangun jaringan berbagi sumber daya terbuka seperti daya komputasi, penyimpanan, dan lainnya. Berbeda dengan node blockchain tradisional yang fokus pada pencatatan buku besar, node AI Layer 1 perlu menjalankan tugas yang lebih kompleks, tidak hanya menyediakan daya komputasi dan menyelesaikan pelatihan serta inferensi model AI, tetapi juga harus menyumbangkan penyimpanan, data, bandwidth, dan sumber daya beragam lainnya, untuk memecahkan monopoli raksasa terpusat dalam infrastruktur AI. Ini mengajukan tuntutan yang lebih tinggi terhadap konsensus dan mekanisme insentif dasar: AI Layer 1 harus mampu mengevaluasi, memberi insentif, dan memverifikasi kontribusi nyata node dalam tugas-tugas seperti inferensi dan pelatihan AI, untuk mewujudkan keamanan jaringan dan distribusi sumber daya yang efisien. Hanya dengan cara ini jaringan dapat terjamin stabilitas dan kemakmurannya, serta secara efektif mengurangi biaya daya komputasi secara keseluruhan.

2. Kinerja tinggi yang luar biasa dan kemampuan dukungan tugas heterogen Tugas AI, terutama pelatihan dan inferensi LLM, menuntut kinerja komputasi dan kemampuan pemrosesan paralel yang sangat tinggi. Lebih jauh lagi, ekosistem AI on-chain sering kali perlu mendukung beragam jenis tugas yang beragam dan heterogen, termasuk berbagai struktur model, pemrosesan data, inferensi, penyimpanan, dan berbagai skenario lainnya. AI Layer 1 harus melakukan optimasi kedalaman pada arsitektur dasar untuk memenuhi kebutuhan throughput tinggi, latensi rendah, dan paralelisme elastis, serta menyusun dukungan asli untuk sumber daya komputasi heterogen, memastikan semua tugas AI dapat berjalan secara efisien, mewujudkan perluasan yang mulus dari "tugas tunggal" menjadi "ekosistem kompleks dan beragam."

3. Verifikasi dan jaminan output yang dapat dipercaya AI Layer 1 tidak hanya harus mencegah model berbuat jahat, pemalsuan data dan risiko keamanan lainnya, tetapi juga harus memastikan dari mekanisme dasar bahwa hasil keluaran AI dapat diverifikasi dan selaras. Melalui integrasi lingkungan eksekusi tepercaya (TEE), bukti nol pengetahuan (ZK), dan komputasi aman multipihak (MPC) serta teknologi canggih lainnya, platform dapat memastikan bahwa setiap inferensi model, pelatihan, dan proses pengolahan data dapat diverifikasi secara independen, memastikan keadilan dan transparansi sistem AI. Pada saat yang sama, verifikasi ini juga dapat membantu pengguna memahami logika dan dasar keluaran AI, mewujudkan "apa yang diperoleh adalah yang diinginkan", meningkatkan kepercayaan dan kepuasan pengguna terhadap produk AI.

4. Perlindungan Privasi Data Aplikasi AI sering melibatkan data sensitif pengguna, di bidang keuangan, kesehatan, sosial, dan lainnya, perlindungan privasi data sangat penting. AI Layer 1 harus memastikan verifikasi sambil menggunakan teknologi pemrosesan data berbasis kriptografi, protokol komputasi privasi, dan manajemen hak data, untuk memastikan keamanan data selama seluruh proses inferensi, pelatihan, dan penyimpanan, secara efektif mencegah kebocoran dan penyalahgunaan data, serta menghilangkan kekhawatiran pengguna mengenai keamanan data.

5. Kemampuan dukungan pengembangan dan pengangkutan ekosistem yang kuat Sebagai infrastruktur Layer 1 yang asli AI, platform tidak hanya harus memiliki keunggulan teknis, tetapi juga perlu menyediakan alat pengembangan yang lengkap, SDK terintegrasi, dukungan operasional, dan mekanisme insentif bagi pengembang, operator node, penyedia layanan AI, dan peserta ekosistem lainnya. Dengan terus mengoptimalkan ketersediaan platform dan pengalaman pengembang, mendorong penerapan aplikasi AI yang kaya dan beragam, serta mencapai keberlanjutan ekosistem AI terdesentralisasi.

Berdasarkan latar belakang dan harapan di atas, artikel ini akan secara rinci memperkenalkan enam proyek AI Layer1 yang diwakili oleh Sentient, Sahara AI, Ritual, Gensyn, Bittensor, dan 0G, merangkum perkembangan terbaru di jalur ini, menganalisis keadaan perkembangan proyek, dan membahas tren masa depan.

Sentient: Membangun model AI terdesentralisasi sumber terbuka yang setia

Ringkasan Proyek

Sentient adalah platform protokol sumber terbuka yang sedang membangun blockchain AI Layer1 ( yang pada tahap awal adalah Layer 2, kemudian akan bermigrasi ke Layer 1), dengan menggabungkan AI Pipeline dan teknologi blockchain, untuk membangun ekonomi kecerdasan buatan yang terdesentralisasi. Tujuan inti adalah untuk menyelesaikan masalah kepemilikan model, pelacakan pemanggilan, dan distribusi nilai di pasar LLM terpusat melalui kerangka "OML" (terbuka, menguntungkan, setia), sehingga model AI dapat mewujudkan struktur kepemilikan on-chain, transparansi pemanggilan, dan pembagian nilai. Visi Sentient adalah memungkinkan siapa pun untuk membangun, berkolaborasi, memiliki, dan memonetisasi produk AI, sehingga mendorong ekosistem jaringan AI Agent yang adil dan terbuka.

Tim Sentient Foundation mengumpulkan para ahli akademis, pengusaha blockchain, dan insinyur terkemuka dari seluruh dunia, berkomitmen untuk membangun platform AGI yang didorong oleh komunitas, sumber terbuka, dan dapat diverifikasi. Anggota inti termasuk profesor Pramod Viswanath dari Universitas Princeton dan profesor Himanshu Tyagi dari Institut Ilmu Pengetahuan India, yang masing-masing bertanggung jawab untuk keamanan dan privasi AI, sementara strategi blockchain dan penataan ekosistem dipimpin oleh salah satu pendiri platform perdagangan Sandeep Nailwal. Anggota tim memiliki latar belakang dari berbagai perusahaan terkenal, serta universitas terkemuka seperti Universitas Princeton dan IIT India, mencakup bidang AI/ML, NLP, dan visi komputer, bekerja sama untuk mewujudkan proyek ini.

Sebagai proyek kewirausahaan kedua dari salah satu pendiri bersama platform perdagangan terkenal, Sandeep Nailwal, Sentient sejak awal didirikan sudah memiliki daya tarik, dengan sumber daya yang melimpah, jaringan, dan pengakuan pasar yang kuat, memberikan dukungan yang kuat untuk pengembangan proyek. Pada pertengahan 2024, Sentient menyelesaikan pendanaan putaran benih sebesar 85 juta dolar AS, dipimpin oleh Founders Fund, Pantera, dan Framework Ventures, dengan lembaga investasi lainnya termasuk Delphi, Hashkey, dan Spartan serta puluhan VC terkenal lainnya.

Desain Arsitektur dan Lapisan Aplikasi

Infrastruktur

Arsitektur Inti

Arsitektur inti Sentient terdiri dari dua bagian: AI Pipeline dan sistem blockchain.

AI pipeline adalah dasar untuk mengembangkan dan melatih artefak "loyal AI", yang mencakup dua proses inti:​

• Perencanaan Data (Data Curation): Proses pemilihan data yang didorong oleh komunitas, digunakan untuk penyelarasan model.
• Pelatihan Loyalitas (Loyalty Training): memastikan model menjaga proses pelatihan yang konsisten dengan niat komunitas.

Sistem blockchain menyediakan transparansi dan kontrol terdesentralisasi untuk protokol, memastikan kepemilikan artefak AI, pelacakan penggunaan, distribusi pendapatan, dan tata kelola yang adil. Struktur spesifik dibagi menjadi empat lapisan:

• Lapisan penyimpanan: menyimpan bobot model dan informasi pendaftaran sidik jari;
• Lapisan distribusi: Model kontrol kontrak otorisasi untuk panggilan masuk.
• Lapisan akses: memverifikasi apakah pengguna diotorisasi melalui bukti izin;
• Lapisan insentif: Kontrak rute pendapatan akan membayar setiap panggilan kepada pelatih, penyebar, dan validator.

Kerangka Model OML

Kerangka OML (Terbuka Open, Dapat Dimonetisasi Monetizable, Loyal Loyal) adalah konsep inti yang diusulkan oleh Sentient, bertujuan untuk memberikan perlindungan kepemilikan yang jelas dan mekanisme insentif ekonomi untuk model AI sumber terbuka. Dengan menggabungkan teknologi on-chain dan kriptografi asli AI, memiliki fitur-fitur berikut:

• Keterbukaan: Model harus open source, kode dan struktur data transparan, memudahkan komunitas untuk mereproduksi, mengaudit, dan meningkatkan.
• Monetisasi: Setiap panggilan model akan memicu aliran pendapatan, kontrak on-chain akan mendistribusikan pendapatan kepada pelatih, penyebar, dan validator.
• Loyalitas: Model dimiliki oleh komunitas kontributor, arah peningkatan dan tata kelola ditentukan oleh DAO, penggunaan dan modifikasi dikendalikan oleh mekanisme kriptografi.

Kriptografi Asli AI (AI-native Cryptography)

Kriptografi asli AI adalah mekanisme keamanan ringan "dapat diverifikasi tetapi tidak dapat dihapus" yang dikembangkan dengan memanfaatkan kontinuitas model AI, struktur manifold berdimensi rendah, dan sifat diferensial dari model. Teknologi intinya adalah:

• Penyisipan sidik jari: Menyisipkan sekelompok pasangan kunci-nilai query-response yang tersembunyi selama pelatihan untuk membentuk tanda tangan unik model;
• Protokol verifikasi kepemilikan: Memverifikasi apakah sidik jari tetap ada melalui detektor pihak ketiga (Prover) dalam bentuk pertanyaan query;
• Mekanisme Panggilan Izin: Sebelum memanggil, perlu mendapatkan "Sertifikat Izin" yang diterbitkan oleh pemilik model, sistem kemudian memberikan izin kepada model untuk mendekode input tersebut dan mengembalikan jawaban yang akurat.

Cara ini dapat mewujudkan "panggilan otorisasi berbasis perilaku + verifikasi afiliasi" tanpa biaya re-enkripsi.

Kerangka Penetapan Model dan Eksekusi Aman

Sentient saat ini menggunakan Melange campuran keamanan: menggabungkan penegakan hak dengan sidik jari, eksekusi TEE, dan pembagian keuntungan kontrak on-chain. Metode sidik jari adalah implementasi OML 1.0 yang menjadi jalur utama, menekankan pemikiran "Keamanan Optimis (Optimistic Security)", yaitu secara default dianggap patuh, dan dapat terdeteksi serta dihukum setelah pelanggaran.

Mekanisme sidik jari adalah implementasi kunci dari OML, yang memungkinkan model untuk menghasilkan tanda tangan unik selama tahap pelatihan dengan menyematkan pasangan "pertanyaan-jawaban" tertentu. Melalui tanda tangan ini, pemilik model dapat memverifikasi kepemilikan, mencegah penyalinan dan komersialisasi yang tidak sah. Mekanisme ini tidak hanya melindungi hak pengembang model, tetapi juga menyediakan catatan on-chain yang dapat dilacak untuk perilaku penggunaan model.

Selain itu, Sentient telah meluncurkan kerangka komputasi Enclave TEE, memanfaatkan lingkungan eksekusi tepercaya (seperti AWS Nitro Enclaves) untuk memastikan model hanya merespons permintaan yang sah, mencegah akses dan penggunaan yang tidak sah. Meskipun TEE bergantung pada perangkat keras dan memiliki beberapa risiko keamanan, keunggulan kinerja tinggi dan real-timenya menjadikannya teknologi inti untuk penerapan model saat ini.

Di masa depan, Sentient berencana untuk memperkenalkan teknologi bukti nol pengetahuan (ZK) dan enkripsi homomorfik penuh (FHE), untuk lebih meningkatkan perlindungan privasi dan verifikasi, serta memberikan solusi yang lebih matang untuk penerapan desentralisasi model AI.

seharusnya