Laporan Riset AI Layer1: Mencari Tanah Subur DeAI di On-Chain

Ringkasan

Dalam beberapa tahun terakhir, perusahaan teknologi terkemuka seperti OpenAI, Anthropic, Google, dan Meta terus mendorong perkembangan pesat model bahasa besar (LLM). LLM menunjukkan kemampuan yang belum pernah ada sebelumnya di berbagai sektor, secara signifikan 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 pengendalian terhadap sumber daya komputasi yang mahal, perusahaan-perusahaan ini telah membangun batasan yang sulit dilampaui, menyulitkan sebagian besar pengembang dan tim inovasi untuk bersaing.

Pada awal evolusi cepat AI, opini publik sering kali terfokus pada terobosan dan kenyamanan yang ditawarkan oleh teknologi, sementara perhatian terhadap isu-isu inti seperti perlindungan privasi, transparansi, dan keamanan relatif kurang. Dalam jangka panjang, masalah-masalah ini akan berdampak mendalam pada perkembangan sehat industri AI dan tingkat penerimaan masyarakat. Jika tidak dapat diatasi dengan baik, kontroversi mengenai apakah AI "berbuat baik" atau "berbuat jahat" akan semakin menonjol, sementara raksasa terpusat yang didorong oleh naluri mencari keuntungan sering kali kekurangan motivasi yang cukup untuk secara proaktif menghadapi tantangan ini.

Teknologi blockchain, dengan karakteristik desentralisasi, transparansi, dan ketahanan terhadap sensor, memberikan kemungkinan baru untuk pembangunan berkelanjutan di industri AI. Saat ini, banyak aplikasi "Web3 AI" telah muncul di berbagai blockchain utama. Namun, analisis mendalam menunjukkan bahwa proyek-proyek ini masih menghadapi berbagai masalah: di satu sisi, tingkat desentralisasi yang terbatas, di mana bagian-bagian kunci dan infrastruktur masih bergantung pada layanan cloud terpusat, sehingga sulit untuk mendukung ekosistem yang sepenuhnya terbuka; di sisi lain, dibandingkan dengan produk AI di dunia Web2, AI on-chain masih memiliki keterbatasan dalam hal kemampuan model, pemanfaatan data, dan skenario aplikasi, sehingga kedalaman dan keluasan inovasi masih perlu ditingkatkan.

Untuk benar-benar mewujudkan visi AI terdesentralisasi, agar blockchain dapat menyimpan aplikasi AI skala besar dengan aman, efisien, dan demokratis, serta bersaing dalam kinerja dengan solusi terpusat, kita perlu merancang blockchain Layer1 yang dirancang khusus untuk AI. Ini akan menyediakan fondasi yang kuat untuk inovasi terbuka AI, demokrasi dalam tata kelola, dan keamanan data, mendorong perkembangan ekosistem AI terdesentralisasi yang makmur.

Fitur Inti AI Layer 1

AI Layer 1 sebagai blockchain yang dirancang khusus untuk aplikasi AI, arsitektur dan desain kinerjanya erat kaitannya dengan kebutuhan tugas AI, bertujuan untuk mendukung secara efisien perkembangan dan kemakmuran ekosistem AI yang berkelanjutan di atas rantai. Secara spesifik, 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 dan penyimpanan. Berbeda dengan node blockchain tradisional yang fokus pada pencatatan buku besar, node AI Layer 1 perlu menangani tugas yang lebih kompleks, tidak hanya menyediakan daya komputasi, menyelesaikan pelatihan dan inferensi model AI, tetapi juga menyumbangkan penyimpanan, data, bandwidth, dan sumber daya beragam lainnya, untuk mematahkan monopoli raksasa terpusat dalam infrastruktur AI. Ini menuntut konsensus dasar dan mekanisme insentif yang lebih tinggi: AI Layer 1 harus mampu menilai, menginsentifkan, dan memverifikasi kontribusi nyata node dalam tugas inferensi dan pelatihan AI, untuk mencapai keamanan jaringan dan distribusi sumber daya yang efisien. Hanya dengan cara ini kita dapat memastikan stabilitas dan kemakmuran jaringan 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 lanjut, ekosistem AI on-chain seringkali perlu mendukung berbagai jenis tugas yang beragam dan heterogen, termasuk berbagai struktur model, pengolahan 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 menyediakan dukungan asli untuk sumber daya komputasi heterogen, memastikan berbagai tugas AI dapat berjalan secara efisien, dan mewujudkan perluasan yang mulus dari "tugas tunggal" ke "ekosistem kompleks dan beragam".

3. Verifikasi dan Jaminan Output Tepercaya AI Layer 1 tidak hanya harus mencegah model berbuat jahat, pemalsuan data, dan risiko keamanan lainnya, tetapi juga harus memastikan verifikasi dan keselarasan hasil keluaran AI dari mekanisme dasar. Dengan mengintegrasikan lingkungan eksekusi tepercaya (TEE), bukti nol pengetahuan (ZK), perhitungan aman multi-pihak (MPC), dan teknologi mutakhir lainnya, platform dapat memastikan bahwa setiap proses inferensi model, pelatihan, dan pemrosesan data dapat diverifikasi secara independen, menjaga 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", 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 pengolahan data berbasis enkripsi, 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 berbasis AI, platform ini tidak hanya harus memiliki keunggulan teknis, tetapi juga perlu menyediakan alat pengembangan yang lengkap, SDK terintegrasi, dukungan operasional, dan mekanisme insentif untuk para pengembang, operator node, penyedia layanan AI, dan peserta ekosistem lainnya. Dengan terus mengoptimalkan ketersediaan platform dan pengalaman pengembang, memfasilitasi keberagaman aplikasi berbasis AI yang kaya, dan mencapai kemakmuran berkelanjutan dari ekosistem AI terdesentralisasi.

Berdasarkan latar belakang dan harapan di atas, artikel ini akan merinci enam proyek AI Layer1 terkemuka, termasuk Sentient, Sahara AI, Ritual, Gensyn, Bittensor, dan 0G, serta menguraikan kemajuan terbaru di bidang ini, menganalisis keadaan perkembangan proyek, dan membahas tren di 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 ( pada tahap awal sebagai Layer 2, kemudian akan berpindah ke Layer 1), dengan menggabungkan AI Pipeline dan teknologi blockchain untuk membangun ekonomi kecerdasan buatan terdesentralisasi. Tujuan inti adalah untuk menyelesaikan masalah kepemilikan model, pelacakan pemanggilan, dan distribusi nilai dalam pasar LLM terpusat melalui kerangka "OML" (terbuka, menguntungkan, loyal), sehingga model AI dapat mencapai struktur kepemilikan on-chain, transparansi pemanggilan, dan pembagian nilai. Visi Sentient adalah untuk memungkinkan siapa saja membangun, berkolaborasi, memiliki, dan memonetisasi produk AI, mendorong ekosistem jaringan AI Agent yang adil dan terbuka.

Tim Sentient Foundation mengumpulkan para ahli akademis terkemuka, pengusaha blockchain, dan insinyur dari seluruh dunia, yang 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 Indian Institute of Science, 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-universitas terkemuka seperti Universitas Princeton dan Indian Institute of Technology, mencakup bidang AI/ML, NLP, visi komputer, dan bekerja sama untuk mendorong proyek ini.

Sebagai proyek kewirausahaan kedua Sandeep Nailwal, salah satu pendiri Polygon, Sentient sudah memiliki daya tarik sejak awal berdirinya, dengan sumber daya yang melimpah, jaringan, dan kesadaran pasar yang tinggi, memberikan dukungan yang kuat untuk pengembangan proyek. Pada pertengahan tahun 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.

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 penyesuaian model.
• Pelatihan Loyalitas (Loyalty Training): memastikan model tetap konsisten dengan niat komunitas selama proses pelatihan.

Sistem blockchain memberikan transparansi dan kontrol desentralisasi untuk protokol, memastikan kepemilikan artefak AI, pelacakan penggunaan, distribusi 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 untuk panggilan masuk.
• Lapisan akses: Memverifikasi apakah pengguna telah diberi otorisasi melalui bukti izin;
• Lapisan insentif: Kontrak rute pendapatan akan membayar distribusi kepada pelatih, penyebar, dan validator setiap kali dipanggil.

Kerangka Model OML

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

• Keterbukaan: Model harus bersifat open source, dengan kode dan struktur data yang transparan, memudahkan komunitas untuk mereproduksi, mengaudit, dan memperbaiki.
• Monetisasi: Setiap kali model dipanggil, aliran pendapatan akan dipicu, kontrak on-chain akan mendistribusikan pendapatan kepada pelatih, penyebar, dan validator.
• Loyalitas: Model dimiliki oleh komunitas kontributor, arah peningkatan dan pemerintahan 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 diferensiasi model. Teknologi inti adalah:

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

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

Kerangka Penegakan Hak Model dan Keamanan

Sentient saat ini menggunakan keamanan campuran Melange: menggabungkan penegasan sidik jari, pelaksanaan TEE, dan pembagian keuntungan kontrak on-chain. Metode sidik jari adalah implementasi OML 1.0 sebagai garis utama, menekankan pemikiran "Keamanan Optimis (Optimistic Security)", yaitu secara default mematuhi, dan dapat dideteksi serta dihukum jika melanggar.

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

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