AI Layer1研報：尋找鏈上DeAI的沃土

概述

近年來，OpenAI、Anthropic、Google、Meta等頭部科技公司不斷推動大語言模型（LLM）的飛速發展。LLM在各行業展現出前所未有的能力，極大拓展了人類的想象空間，甚至在部分場景下展現了替代人類勞動的潛力。然而，這些技術的核心卻牢牢掌握在少數中心化科技巨頭手中。憑藉雄厚的資本和對高昂算力資源的把控，這些公司建立起了難以逾越的壁壘，使絕大多數開發者和創新團隊難以與之抗衡。

同時，在AI快速演進的初期，社會輿論往往聚焦於技術帶來的突破和便利，而對隱私保護、透明度、安全性等核心問題的關注卻相對不足。長期來看，這些問題將深刻影響AI行業的健康發展和社會接受度。如果無法妥善解決，AI"向善"還是"向惡"的爭議將愈發突出，而中心化巨頭在逐利本能驅動下，往往缺乏足夠的動力去主動應對這些挑戰。

區塊鏈技術憑藉其去中心化、透明和抗審查的特性，爲AI行業的可持續發展提供了新的可能性。目前，多個主流區塊鏈上已經湧現出衆多"Web3 AI"應用。但深入分析可以發現，這些項目仍存在諸多問題：一方面，去中心化程度有限，關鍵環節和基礎設施仍依賴中心化雲服務，難以支撐真正意義上的開放生態；另一方面，與Web2世界的AI產品相比，鏈上AI在模型能力、數據利用和應用場景等方面仍顯局限，創新深度和廣度有待提升。

要真正實現去中心化AI的願景，使區塊鏈能夠安全、高效、民主地承載大規模AI應用，並在性能上與中心化方案相抗衡，我們需要設計一條專爲AI量身打造的Layer1區塊鏈。這將爲AI的開放創新、治理民主和數據安全提供堅實基礎，推動去中心化AI生態的繁榮發展。

AI Layer 1 的核心特性

AI Layer 1作爲一條專爲AI應用量身定制的區塊鏈，其底層架構和性能設計緊密圍繞AI任務的需求，旨在高效支撐鏈上AI生態的可持續發展與繁榮。具體而言，AI Layer 1應具備以下核心能力：

1. 高效的激勵與去中心化共識機制 AI Layer 1的核心在於構建一個開放的算力、存儲等資源的共享網路。與傳統區塊鏈節點主要聚焦於帳本記帳不同，AI Layer 1的節點需要承擔更復雜的任務，不僅要提供算力、完成AI模型的訓練與推理，還需貢獻存儲、數據、帶寬等多樣化資源，從而打破中心化巨頭在AI基礎設施上的壟斷。這對底層共識和激勵機制提出了更高要求：AI Layer 1必須能夠準確評估、激勵並驗證節點在AI推理、訓練等任務中的實際貢獻，實現網路的安全性與資源的高效分配。唯有如此才能保證網路的穩定與繁榮，並有效降低整體算力成本。

2. 卓越的高性能與異構任務支持能力 AI任務，尤其是LLM的訓練與推理，對計算性能和並行處理能力提出了極高的要求。更進一步，鏈上AI生態往往還需支持多樣化、異構的任務類型，包括不同模型結構、數據處理、推理、存儲等多元場景。AI Layer 1必須在底層架構上針對高吞吐、低延遲和彈性並行等需求進行深度優化，並預設對異構計算資源的原生支持能力，確保各種AI任務都能高效運行，實現從"單一型任務"到"復雜多元生態"的平滑擴展。

3. 可驗證性與可信輸出保障 AI Layer 1不僅要防止模型作惡、數據篡改等安全隱患，更要從底層機制上確保AI輸出結果的可驗證性和對齊性。通過集成可信執行環境（TEE）、零知識證明（ZK）、多方安全計算（MPC）等前沿技術，平台能夠讓每一次模型推理、訓練和數據處理過程都可以被獨立驗證，確保AI系統的公正性和透明度。同時，這種可驗證性還能幫助用戶明確AI輸出的邏輯和依據，實現"所得即所願"，提升用戶對AI產品的信任和滿意度。

4. 數據隱私保護 AI應用經常涉及用戶敏感數據，在金融、醫療、社交等領域，數據隱私保護尤爲關鍵。AI Layer 1應在保障可驗證性的同時，採用基於加密的數據處理技術、隱私計算協議和數據權限管理等手段，確保數據在推理、訓練及存儲等全過程中的安全性，有效防止數據泄露和濫用，消除用戶在數據安全方面的後顧之憂。

5. 強大的生態承載與開發支持能力 作爲AI原生的Layer 1基礎設施，平台不僅要具備技術上的領先性，還需爲開發者、節點運營者、AI服務提供商等生態參與者提供完善的開發工具、集成SDK、運維支持和激勵機制。通過持續優化平台可用性和開發者體驗，促進豐富多元的AI原生應用落地，實現去中心化AI生態的持續繁榮。

基於以上背景與期望，本文將詳細介紹包括Sentient、Sahara AI、Ritual、Gensyn、Bittensor以及0G在內的六個AI Layer1代表項目，系統梳理賽道的最新進展，剖析項目發展現狀，並探討未來趨勢。

Sentient：構建忠誠的開源去中心化AI模型

項目概述

Sentient是一個開源協議平台，正在打造一條AI Layer1區塊鏈(初始階段爲Layer，之後將遷移至Layer 1)，通過結合AI Pipeline和區塊鏈技術，構建去中心化的人工智能經濟體。其核心目標是通過"OML"框架（開放、可盈利、忠誠）解決中心化LLM市場中的模型歸屬、調用追蹤和價值分配問題，使AI模型實現鏈上所有權結構、調用透明化和價值分潤化。Sentient的願景是讓任何人都能夠構建、協作、擁有並將AI產品貨幣化，從而推動一個公平、開放的AI Agent網路生態。

Sentient Foundation團隊匯聚了全球頂尖的學術專家、區塊鏈創業者和工程師，致力於構建一個社區驅動、開源且可驗證的AGI平台。核心成員包括普林斯頓大學教授Pramod Viswanath和印度科學研究所教授Himanshu Tyagi，分別負責AI安全性與隱私保護，同時由Polygon聯合創始人Sandeep Nailwal主導區塊鏈戰略與生態布局。團隊成員背景橫跨Meta、Coinbase、Polygon等知名企業，以及普林斯頓大學、印度理工學院等頂尖高校，覆蓋AI/ML、NLP、計算機視覺等領域，協力推動項目落地。

作爲Polygon聯合創始人Sandeep Nailwal的二次創業項目，Sentient在成立之初便自帶光環，擁有豐富的資源、人脈和市場認知度，爲項目發展提供了強大背書。2024年中，Sentient完成了8500萬美元的種子輪融資，由Founders Fund、Pantera和Framework Ventures領投，其他投資機構包括Delphi、Hashkey和Spartan等數十家知名VC。

設計架構與應用層

基建層

核心架構

Sentient的核心架構由AI管道（AI Pipeline）和區塊鏈系統兩部分組成：

AI管道是開發和訓練"忠誠AI"工件的基礎，包含兩個核心過程：

• 數據策劃（Data Curation）：由社區驅動的數據選擇過程，用於模型的對齊。
• 忠誠度訓練（Loyalty Training）：確保模型保持與社區意圖一致的訓練過程。

區塊鏈系統爲協議提供透明性和去中心化控制，確保AI工件的所有權、使用跟蹤、收益分配與公平治理。具體架構分爲四層：

• 存儲層：存儲模型權重與指紋註冊信息；
• 分發層：授權合約控制模型調用入口；
• 訪問層：通過權限證明驗證用戶是否授權；
• 激勵層：收益路由合約將每次調用支付分配給訓練者、部署者與驗證者。

OML模型框架

OML框架（開放Open、可貨幣化Monetizable、忠誠Loyal）是Sentient提出的核心理念，旨在爲開源AI模型提供明確的所有權保護和經濟激勵機制。通過結合鏈上技術和AI原生加密學，具有以下特點：

• 開放性：模型必須開源，代碼和數據結構透明，便於社區復現、審計和改進。
• 貨幣化：每次模型調用都會觸發收益流，鏈上合約會將收益分配給訓練者、部署者和驗證者。
• 忠誠性：模型歸屬於貢獻者社區，升級方向和治理由DAO決定，使用和修改受到加密機制的控制。

AI原生加密學（AI-native Cryptography）

AI原生加密是利用AI模型的連續性、低維流形結構與模型可微特性，開發出"可驗證但不可移除"的輕量級安全機制。其核心技術是：

• 指紋嵌入：在訓練時插入一組隱蔽的query-response鍵值對形成模型唯一籤名；
• 所有權驗證協議：通過第三方探測器（Prover）以query提問形式驗證指紋是否保留；
• 許可調用機制：調用前需獲取模型所有者籤發的"權限憑證"，系統再據此授權模型對該輸入解碼並返回準確答案。

這種方式可在無重加密成本的情況下實現"基於行爲的授權調用 + 所屬驗證"。

模型確權與安全執行框架

Sentient當前採用的即爲Melange混合安全：以指紋確權、TEE執行、鏈上合約分潤結合。其中指紋方法爲OML 1.0實現主線，強調"樂觀安全（Optimistic Security）"思想，即默認合規、違規後可檢測並懲罰。

指紋機制是OML的關鍵實現，它通過嵌入特定的"問題-回答"對，讓模型在訓練階段生成獨特的籤名。通過這些籤名，模型擁有者可以驗證歸屬，防止未經授權的復制和商業化。該機制不僅保護了模型開發者的權益，還爲模型的使用行爲提供了可追蹤的鏈上記錄。

此外，Sentient推出了Enclave TEE計算框架，利用可信執行環境（如AWS Nitro Enclaves）確保模型只響應授權請求，防止未經許可的訪問和使用。雖然TEE依賴硬件且存在一定安全隱患，但其高性能和實時性優勢使其成爲當前模型部署的核心技術。

未來，Sentient計劃引入零知識證明（ZK）和全同態加密（FHE）技術，進一步增強隱私保護和可驗證性，爲AI模型的去中心化部署提供更成熟的解決方案。

應用層

目前，Sentient的產品主要包括去中心化聊天平台Sentient Chat、開源模型Dobby系列以及AI Agent框架

Dobby系列模型

SentientAGI已發布多個"Dobby"系列模型，主要基於Llama模型，聚焦自由、