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在各行各業展現出前所未有的能力，極大地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，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