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

Ringkasan

Dalam beberapa tahun terakhir, perusahaan-perusahaan teknologi terkemuka seperti OpenAI, Anthropic, Google, dan Meta terus mendorong pengembangan pesat model bahasa besar (LLM). LLM menunjukkan kemampuan yang belum pernah ada sebelumnya di berbagai industri, sangat memperluas ruang imajinasi manusia, bahkan dalam beberapa skenario menunjukkan potensi untuk menggantikan tenaga kerja manusia. Namun, inti dari teknologi ini tetap dikuasai oleh segelintir 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, membuat sebagian besar pengembang dan tim inovasi sulit untuk bersaing.

Pada awal evolusi cepat AI, opini publik sering kali terfokus pada terobosan dan kenyamanan yang dibawa oleh teknologi, sementara perhatian terhadap masalah inti seperti perlindungan privasi, transparansi, dan keamanan relatif kurang. Dalam jangka panjang, masalah ini akan berdampak mendalam pada perkembangan sehat industri AI dan tingkat penerimaan masyarakat. Jika tidak dapat diatasi dengan baik, perdebatan tentang apakah AI "menuju kebaikan" atau "menuju keburukan" akan semakin mencolok, sementara raksasa terpusat yang didorong oleh naluri mencari keuntungan sering kali kekurangan dorongan yang cukup untuk secara proaktif menghadapi tantangan ini.

Teknologi blockchain, dengan karakteristik desentralisasi, transparansi, dan ketahanan terhadap sensor, memberikan kemungkinan baru untuk pengembangan berkelanjutan industri AI. Saat ini, banyak aplikasi "Web3 AI" telah muncul di blockchain utama seperti Solana dan Base. Namun, analisis mendalam menunjukkan bahwa proyek-proyek ini masih menghadapi banyak masalah: di satu sisi, tingkat desentralisasi yang terbatas, tahap kunci dan infrastruktur masih tergantung pada layanan cloud terpusat, sifat meme yang terlalu kuat, sulit untuk mendukung ekosistem terbuka yang sebenarnya; di sisi lain, dibandingkan dengan produk AI di dunia Web2, AI on-chain masih memiliki keterbatasan dalam kemampuan model, pemanfaatan data, dan skenario aplikasi, kedalaman dan luas inovasi masih 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 dirancang khusus untuk AI. Ini akan memberikan dasar yang kuat untuk inovasi terbuka AI, demokrasi pemerintahan, dan keamanan data, mendorong perkembangan ekosistem AI terdesentralisasi yang makmur.

Fitur inti dari AI Layer 1

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

1. Mekanisme insentif yang efisien dan konsensus terdesentralisasi Inti dari AI Layer 1 adalah membangun jaringan berbagi sumber daya terbuka seperti daya komputasi dan penyimpanan. Berbeda dengan node blockchain tradisional yang terutama fokus pada pencatatan buku besar, node AI Layer 1 harus menjalankan tugas yang lebih kompleks, tidak hanya menyediakan daya komputasi dan menyelesaikan pelatihan serta inferensi model AI, tetapi juga menyumbangkan penyimpanan, data, bandwidth, dan sumber daya beragam lainnya, sehingga dapat memecahkan monopoli raksasa terpusat dalam infrastruktur AI. Ini menuntut konsensus dan mekanisme insentif yang lebih tinggi: AI Layer 1 harus mampu secara akurat mengevaluasi, memberikan insentif, dan memverifikasi kontribusi nyata node dalam tugas inferensi dan pelatihan AI, mewujudkan keamanan jaringan dan alokasi 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 juga harus mendukung beragam jenis tugas yang heterogen, termasuk berbagai struktur model, pemrosesan data, inferensi, penyimpanan, dan berbagai skenario lainnya. AI Layer 1 harus melakukan optimasi mendalam pada arsitektur dasar untuk memenuhi kebutuhan throughput tinggi, latensi rendah, dan paralelisme elastis, serta meresapkan kemampuan dukungan asli untuk sumber daya komputasi yang heterogen, memastikan bahwa berbagai tugas AI dapat berjalan dengan efisien dan mewujudkan perluasan yang mulus dari "tugas tunggal" ke "ekosistem kompleks yang beragam".

3. Verifikasi dan jaminan output yang dapat dipercaya AI Layer 1 tidak hanya harus mencegah model berbuat buruk, perubahan data, dan risiko keamanan lainnya, tetapi juga harus memastikan dari mekanisme dasar bahwa hasil keluaran AI dapat diverifikasi dan selaras. Dengan mengintegrasikan lingkungan eksekusi terpercaya (TEE), bukti nol pengetahuan (ZK), komputasi aman multi-pihak (MPC), dan teknologi mutakhir lainnya, platform dapat memungkinkan 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 apa yang diinginkan", serta meningkatkan kepercayaan dan kepuasan pengguna terhadap produk AI.

4. Perlindungan Privasi Data Aplikasi AI sering melibatkan data sensitif pengguna, terutama dalam bidang keuangan, kesehatan, dan sosial, di mana perlindungan privasi data sangat penting. AI Layer 1 harus menjamin verifikabilitas sambil menggunakan teknik 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 terkait keamanan data.

5. Kemampuan dukungan dan pengembangan ekosistem yang kuat Sebagai infrastruktur Layer 1 yang secara asli menggunakan AI, platform tidak hanya harus memiliki keunggulan teknologi, tetapi juga harus menyediakan alat pengembangan yang lengkap, SDK terintegrasi, dukungan operasi dan mekanisme insentif untuk pengembang, operator node, penyedia layanan AI, dan peserta ekosistem lainnya. Dengan terus mengoptimalkan ketersediaan platform dan pengalaman pengembang, mendorong peluncuran aplikasi AI yang kaya dan beragam, serta mewujudkan kemakmuran berkelanjutan dari ekosistem AI terdesentralisasi.

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

Sentient: Membangun Model AI Terdesentralisasi Sumber Terbuka yang Loyal

Ringkasan Proyek

Sentient adalah platform protokol sumber terbuka yang sedang membangun blockchain AI Layer1 ( yang pada tahap awal adalah Layer 2, dan kemudian akan berpindah ke Layer 1). Dengan menggabungkan AI Pipeline dan teknologi blockchain, dibangunlah ekonomi kecerdasan buatan yang terdesentralisasi. Tujuan utamanya adalah untuk menyelesaikan masalah kepemilikan model, pelacakan panggilan, dan distribusi nilai di pasar LLM terpusat melalui kerangka "OML" (terbuka, menguntungkan, setia), sehingga model AI dapat mewujudkan struktur kepemilikan on-chain, transparansi panggilan, dan pembagian nilai. Visi Sentient adalah memungkinkan siapa saja untuk membangun, berkolaborasi, memiliki, dan memonetisasi produk AI, yang pada gilirannya 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 Universitas Princeton Pramod Viswanath dan profesor Indian Institute of Science Himanshu Tyagi, yang masing-masing bertanggung jawab atas keamanan dan perlindungan privasi AI, sementara strategi blockchain dan pengaturan ekosistem dipimpin oleh salah satu pendiri Polygon, Sandeep Nailwal. Latar belakang anggota tim mencakup perusahaan-perusahaan terkenal seperti Meta, Coinbase, Polygon, serta universitas terkemuka seperti Universitas Princeton dan Indian Institute of Technology, meliputi bidang AI/ML, NLP, dan penglihatan komputer, bekerja sama untuk mendorong pelaksanaan proyek.

Sebagai proyek kewirausahaan kedua dari salah satu pendiri Polygon, Sandeep Nailwal, Sentient sudah membawa aura sejak awal pendiriannya, dengan sumber daya yang kaya, jaringan, dan pengenalan pasar yang kuat, memberikan dukungan yang besar 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 terkemuka lainnya.

arsitektur desain dan lapisan aplikasi

Infrastruktur

Arsitektur Inti

Arsitektur inti Sentient terdiri dari dua bagian: Saluran AI (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 dipimpin oleh komunitas, digunakan untuk penyesuaian model.
• Pelatihan Loyalitas (Loyalty Training): memastikan model tetap konsisten dengan tujuan komunitas selama proses pelatihan.

Sistem blockchain menyediakan transparansi dan kontrol terdesentralisasi untuk protokol, memastikan kepemilikan artefak AI, pelacakan penggunaan, pembagian pendapatan, dan pemerintahan yang adil. Arsitektur spesifik dibagi menjadi empat lapisan:

• Lapisan penyimpanan: menyimpan bobot model dan informasi pendaftaran sidik jari;
• Lapisan distribusi: Model kontrol kontrak otorisasi panggilan masuk;
• Lapisan akses: Memverifikasi apakah pengguna telah diberi otorisasi melalui bukti izin;
• Lapisan insentif: Kontrak routing pendapatan akan membayar distribusi kepada pelatih, penyebar, dan validator setiap kali dipanggil.

Kerangka Model OML

Kerangka OML (Open, Monetizable, Loyal) adalah konsep inti yang diajukan 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, sehingga memudahkan komunitas untuk mereproduksi, mengaudit, dan meningkatkan.
• Monetisasi: Setiap pemanggilan model akan memicu aliran pendapatan, kontrak on-chain akan mendistribusikan pendapatan kepada pelatih, penyebar, dan validator.
• Loyalitas: Model ini milik komunitas kontributor, arah peningkatan dan tata kelola ditentukan oleh DAO, penggunaan dan modifikasi dikendalikan oleh mekanisme kripto.

Kriptografi Asli AI (AI-native Cryptography)

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

• Penanaman sidik jari: memasukkan sekumpulan pasangan kunci nilai query-response yang tersembunyi selama pelatihan untuk membentuk tanda tangan unik model;
• Protokol verifikasi kepemilikan: Memverifikasi apakah sidik jari disimpan dengan cara bertanya melalui detektor pihak ketiga (Prover) menggunakan query;
• Mekanisme pemanggilan izin: Sebelum memanggil, perlu mendapatkan "sertifikat izin" yang dikeluarkan oleh pemilik model, dan sistem kemudian memberikan otorisasi kepada model untuk mendekode input tersebut dan mengembalikan jawaban yang akurat.

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

Kerangka Eksekusi Keamanan dan Penegakan Model

Sentient saat ini menggunakan Melange mixed security: pengenalan sidik jari, eksekusi TEE, dan pembagian keuntungan kontrak on-chain. Metode sidik jari merupakan implementasi OML 1.0 sebagai jalur utama, menekankan pemikiran "Keamanan Optimis (Optimistic Security)", yaitu default patuh, dan dapat terdeteksi serta dihukum jika melanggar.

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, yang 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 risiko keamanan tertentu, kinerjanya yang tinggi dan real-time.