Аналіз AI Layer1: пошук родючих ґрунтів для DeAI у блокчейні
Огляд
Останніми роками провідні технологічні компанії, такі як OpenAI, Anthropic, Google, Meta, активно просувають швидкий розвиток великих мовних моделей (LLM). LLM демонструють безпрецедентні можливості в різних галузях, значно розширюючи людський простір уяви, а в деяких випадках навіть показують потенціал заміни людської праці. Однак ключові технології залишаються під контролем невеликої кількості централізованих технологічних гігантів. Завдяки потужному капіталу та контролю над дорогими обчислювальними ресурсами ці компанії створили непереборні бар'єри, які ускладнюють більшості розробників і інноваційних команд конкуренцію з ними.
Водночас, на початкових етапах швидкого розвитку ШІ суспільна думка часто зосереджується на прориві та зручностях, які приносить технологія, тоді як увага до таких ключових питань, як захист конфіденційності, прозорість, безпека, залишається відносно недостатньою. У довгостроковій перспективі ці питання глибоко вплинуть на здоровий розвиток галузі ШІ та соціальну прийнятність. Якщо їх не вирішити належним чином, суперечка про те, чи "направити ШІ на добро", чи "на зло", стане ще більш помітною, тоді як централізовані гіганти, керуючись інстинктом отримання прибутку, часто не мають достатньої мотивації активно реагувати на ці виклики.
Технології блокчейн завдяки своїм децентралізованим, прозорим та антицензурним властивостям відкривають нові можливості для сталого розвитку галузі ШІ. В даний час на основних блокчейнах з'явилася безліч застосувань "Web3 AI". Але при глибшому аналізі можна виявити, що ці проекти все ще мають багато проблем: з одного боку, рівень децентралізації обмежений, ключові етапи та інфраструктура все ще залежать від централізованих хмарних сервісів, що ускладнює підтримку справжньої відкритої екосистеми; з іншого боку, порівняно з AI-продуктами світу Web2, AI в у блокчейні все ще обмежені за можливостями моделей, використанням даних і сценаріями застосування, глибина та широта інновацій потребують покращення.
Щоб насправді реалізувати візію децентралізованого ШІ, забезпечуючи безпечне, ефективне та демократичне впровадження масштабних AI-додатків у блокчейні та конкуруючи за продуктивністю з централізованими рішеннями, нам потрібно спроектувати Layer1 блокчейн, спеціально створений для ШІ. Це забезпечить міцну основу для відкритих інновацій в AI, демократичного управління та безпеки даних, сприяючи процвітанню децентралізованої екосистеми AI.
Основні характеристики AI Layer 1
AI Layer 1 як блокчейн, спеціально розроблений для AI-застосувань, має архітектуру та продуктивність, які тісно пов'язані з вимогами AI-завдань, з метою ефективної підтримки стійкого розвитку та процвітання AI-екосистеми у блокчейні. Зокрема, AI Layer 1 повинен мати такі ключові можливості:
Ефективні стимули та механізм децентралізованого консенсусу Основна мета AI Layer 1 полягає у створенні відкритої мережі для спільного використання ресурсів, таких як обчислювальна потужність, зберігання тощо. На відміну від традиційних вузлів блокчейну, які в основному зосереджені на веденні обліку, вузли AI Layer 1 повинні виконувати більш складні завдання: не тільки надавати обчислювальну потужність, завершувати навчання та інференцію AI-моделей, але й вносити різноманітні ресурси, такі як зберігання, дані, пропускна здатність, щоб зламати монополію централізованих гігантів на інфраструктуру AI. Це ставить вищі вимоги до базового консенсусу та механізму стимулів: AI Layer 1 повинен бути здатним точно оцінювати, стимулювати та перевіряти фактичний внесок вузлів у завдання інференції та навчання AI, забезпечуючи безпеку мережі та ефективний розподіл ресурсів. Тільки так можна забезпечити стабільність і процвітання мережі та ефективно знизити загальні витрати на обчислювальну потужність.
Відмінні високопродуктивні можливості та підтримка гетерогенних завдань Завдання штучного інтелекту, особливо навчання та висновки LLM, висувають високі вимоги до обчислювальної продуктивності та можливостей паралельної обробки. Більш того, у блокчейні AI екосистема часто також повинна підтримувати різноманітні, гетерогенні типи завдань, включаючи різні моделі, обробку даних, висновки, зберігання та інші різноманітні сценарії. AI Layer 1 повинен на базовій архітектурі проводити глибоку оптимізацію під потреби високої пропускної здатності, низької затримки та еластичної паралельності, а також заздалегідь передбачити рідну підтримку гетерогенних обчислювальних ресурсів, забезпечуючи ефективне виконання всіх завдань AI і реалізуючи плавне розширення від "однорідних завдань" до "складної різноманітної екосистеми".
Верифікація та гарантія надійного виходу AI Layer 1 не лише повинна запобігати зловживанням моделі, змінам даних та іншим загрозам безпеці, але й забезпечувати верифікацію та узгодженість виходу AI на основі механізмів нижнього рівня. Завдяки інтеграції надійного виконавчого середовища (TEE), нульових знань (ZK), багатосторонніх безпечних обчислень (MPC) та інших передових технологій, платформа дозволяє незалежно перевіряти кожен процес інференції моделі, навчання та обробки даних, гарантуючи справедливість та прозорість системи AI. Крім того, ця верифікація може допомогти користувачам зрозуміти логіку та підстави виходу AI, реалізуючи "отримане є бажаним", підвищуючи довіру та задоволеність користувачів продуктами AI.
Захист конфіденційності даних Програми штучного інтелекту часто включають конфіденційні дані користувачів, а захист конфіденційності даних особливо важливий у фінансовій, медичній, соціальній та інших сферах. Забезпечуючи перевірюваність, AI Layer 1 повинен використовувати технологію обробки даних на основі шифрування, обчислювальний протокол, що зберігає конфіденційність, і управління дозволами на доступ до даних, щоб забезпечити безпеку даних у всьому процесі висновків, навчання та зберігання, ефективно запобігати витоку даних і зловживанню, а також усувати занепокоєння користувачів щодо безпеки даних.
Потужна екосистема та підтримка розробки Як AI-орієнтована інфраструктура Layer 1, платформа повинна не лише мати технологічну перевагу, але й забезпечувати учасників екосистеми, таких як розробники, оператори вузлів, постачальники AI-послуг, повними інструментами для розробки, інтегрованими SDK, підтримкою експлуатації та механізмами стимулювання. Постійно оптимізуючи доступність платформи та досвід розробників, ми сприяємо впровадженню різноманітних AI-орієнтованих додатків, забезпечуючи стійке процвітання децентралізованої AI-екосистеми.
Виходячи з наведеного вище контексту та очікувань, у цій статті буде детально представлено шість проектів AI Layer1, включаючи Sentient, Sahara AI, Ritual, Gensyn, Bittensor та 0G, систематизуючи останні досягнення в цій галузі, аналізуючи поточний стан проектів та обговорюючи майбутні тенденції.
Sentient: побудова відданої відкритої децентралізованої AI моделі
Огляд проєкту
Sentient є платформою з відкритим кодом, яка створює AI Layer1 у блокчейні ( на початковій стадії Layer 2, а згодом буде перенесена на Layer 1). Поєднуючи AI Pipeline та технології блокчейну, вона будує децентралізовану економіку штучного інтелекту. Її основна мета – вирішити проблеми власності моделей, відстеження викликів та розподілу вартості на централізованому ринку LLM через "OML" структуру (відкрите, прибуткове, лояльне), що дозволяє реалізувати структуру власності моделей штучного інтелекту в у блокчейні, прозорість викликів та розподіл вартості. Візія Sentient полягає в тому, щоб будь-хто міг створювати, співпрацювати, володіти та монетизувати продукти штучного інтелекту, що сприятиме розвитку справедливої, відкритої екосистеми AI Agent.
Команда Sentient Foundation об'єднує провідних академічних експертів, підприємців у сфері блокчейну та інженерів з усього світу, які прагнуть створити спільноту, що керується, відкриту та перевірену платформу AGI. Основні учасники включають професора Принстонського університету Pramod Viswanath та професора Індійського наукового інституту Himanshu Tyagi, які відповідають за безпеку та конфіденційність AI, в той час як співзасновник Polygon Sandeep Nailwal очолює стратегію блокчейну та екологічну розробку. Члени команди мають досвід роботи в компаніях, таких як Meta, Coinbase, Polygon, а також у провідних університетах, таких як Принстонський університет та Індійський технологічний інститут, охоплюючи такі сфери, як AI/ML, NLP, комп'ютерне зору, спільно працюючи над реалізацією проекту.
Як другий проект підприємництва співзасновника Polygon Sandeep Nailwal, Sentient з самого початку був оточений аурою, маючи багаті ресурси, зв'язки та ринкову впізнаваність, що забезпечило потужну підтримку для розвитку проекту. У середині 2024 року Sentient завершив раунд фінансування на суму 85 мільйонів доларів США, який очолили Founders Fund, Pantera та Framework Ventures, а також десятки інших інвестиційних установ, включаючи Delphi, Hashkey та Spartan.
проектування архітектури та прикладного рівня
Інфраструктурний шар
Основна архітектура
Основна архітектура Sentient складається з двох частин: AI Pipeline та у блокчейні.
AI канали є основою для розробки та навчання "вірного AI" артефактів, що містить два основні процеси:
Планування даних (Data Curation): процес вибору даних, керований спільнотою, для вирівнювання моделей.
Тренування лояльності (Loyalty Training): забезпечення того, щоб модель підтримувала навчальний процес, що відповідає намірам спільноти.
Блокчейн-система надає прозорість та децентралізований контроль для протоколів, забезпечуючи власність на артефакти ШІ, відстеження використання, розподіл доходів та справедливе управління. Конкретна архітектура поділяється на чотири рівні:
Зберігання: зберігання ваг моделей та інформації про реєстрацію відбитків.
Розподільчий рівень: вхід для виклику моделі контролю контракту авторизації;
Шар доступу: перевірка авторизації користувача через підтвердження прав.
Мотиваційний рівень: контракт маршрутизації доходів буде кожен раз при виклику виплачувати розподіл тренерам, розробникам та валідаторам.
OML модельна структура
OML фрейм (Відкритий Open, Монетизований Monetizable, Лояльний Loyal) є основною концепцією, запропонованою Sentient, яка має на меті забезпечити чіткий захист прав власності та економічні стимули для відкритих AI моделей. Поєднуючи технології у блокчейні та AI нативну криптографію, має такі характеристики:
Відкритість: Модель повинна бути з відкритим кодом, код і структура даних повинні бути прозорими, щоб спростити відтворення, аудит і поліпшення спільнотою.
Монетизація: кожен виклик моделі генерує потік доходу, у блокчейні контракт розподіляє прибуток між тренерами, розробниками та валідаторами.
Вірність: Модель належить громаді внескодавців, напрямок оновлення та управління визначається DAO, використання та модифікація контролюються крипто механізмами.
AI рідна криптографія (AI-native Cryptography)
AI-природне шифрування – це використання безперервності AI-моделей, низьковимірної маніфольдної структури та диференційованих характеристик моделей для розробки "перевіряємого, але незнімного" легкозваженого механізму безпеки. Його основна технологія:
Вбудовування відбитків пальців: під час навчання вставляється набір прихованих пар запит-відповідь, що формує унікальний підпис моделі;
Протокол перевірки прав власності: перевірка збереження відбитка пальця за допомогою запитів через сторонній детектор (Prover);
Механізм дозволу на виклик: перед викликом необхідно отримати "сертифікат дозволу", виданий власником моделі, після чого система надає модель для декодування цього вводу та повернення точної відповіді.
Цей спосіб може реалізувати "авторизаційні виклики на основі поведінки + перевірка належності" без витрат на повторне шифрування.
Модель підтвердження прав та безпечна виконавча рамка
Sentient наразі використовує змішану безпеку Melange: поєднання підтвердження прав за допомогою відбитків пальців, виконання TEE, розподілу прибутку за допомогою контрактів у блокчейні. Метод відбитків пальців реалізує основну лінію OML 1.0, підкреслюючи ідею "оптимістичної безпеки (Optimistic Security)", а саме: за замовчуванням відповідність, порушення можна виявити та покарати.
Механізм відбитка пальця є ключовою реалізацією OML, він встраює специфічні "питання-відповіді", дозволяючи моделі генерувати унікальний підпис на етапі навчання. Завдяки цим підписам власники моделі можуть перевірити належність, запобігаючи несанкціонованому копіюванню та комерціалізації. Цей механізм не лише захищає права розробників моделей, а й забезпечує можливість відстеження використання моделей у блокчейні.
Крім того, Sentient представила обчислювальну платформу Enclave TEE, яка використовує надійне середовище виконання (таке як AWS Nitro Enclaves), щоб забезпечити, що модель реагує лише на авторизовані запити, запобігаючи несанкціонованому доступу та використанню. Хоча TEE залежить від апаратного забезпечення і має певні ризики безпеки, його висока продуктивність і реальний час роблять його основною технологією для розгортання моделей сьогодні.
У майбутньому Sentient планує впровадити технології нульових знань (ZK) та повної гомоморфної криптографії (FHE), щоб ще більше посилити захист конфіденційності та перевіряність, надаючи більш зрілі рішення для децентралізованого розгортання AI моделей.
Ця сторінка може містити контент третіх осіб, який надається виключно в інформаційних цілях (не в якості запевнень/гарантій) і не повинен розглядатися як схвалення його поглядів компанією Gate, а також як фінансова або професійна консультація. Див. Застереження для отримання детальної інформації.
AI Layer1 аналіз треку: пошук родючих ґрунтів для розвитку DeAI у блокчейні
Аналіз AI Layer1: пошук родючих ґрунтів для DeAI у блокчейні
Огляд
Останніми роками провідні технологічні компанії, такі як OpenAI, Anthropic, Google, Meta, активно просувають швидкий розвиток великих мовних моделей (LLM). LLM демонструють безпрецедентні можливості в різних галузях, значно розширюючи людський простір уяви, а в деяких випадках навіть показують потенціал заміни людської праці. Однак ключові технології залишаються під контролем невеликої кількості централізованих технологічних гігантів. Завдяки потужному капіталу та контролю над дорогими обчислювальними ресурсами ці компанії створили непереборні бар'єри, які ускладнюють більшості розробників і інноваційних команд конкуренцію з ними.
Водночас, на початкових етапах швидкого розвитку ШІ суспільна думка часто зосереджується на прориві та зручностях, які приносить технологія, тоді як увага до таких ключових питань, як захист конфіденційності, прозорість, безпека, залишається відносно недостатньою. У довгостроковій перспективі ці питання глибоко вплинуть на здоровий розвиток галузі ШІ та соціальну прийнятність. Якщо їх не вирішити належним чином, суперечка про те, чи "направити ШІ на добро", чи "на зло", стане ще більш помітною, тоді як централізовані гіганти, керуючись інстинктом отримання прибутку, часто не мають достатньої мотивації активно реагувати на ці виклики.
Технології блокчейн завдяки своїм децентралізованим, прозорим та антицензурним властивостям відкривають нові можливості для сталого розвитку галузі ШІ. В даний час на основних блокчейнах з'явилася безліч застосувань "Web3 AI". Але при глибшому аналізі можна виявити, що ці проекти все ще мають багато проблем: з одного боку, рівень децентралізації обмежений, ключові етапи та інфраструктура все ще залежать від централізованих хмарних сервісів, що ускладнює підтримку справжньої відкритої екосистеми; з іншого боку, порівняно з AI-продуктами світу Web2, AI в у блокчейні все ще обмежені за можливостями моделей, використанням даних і сценаріями застосування, глибина та широта інновацій потребують покращення.
Щоб насправді реалізувати візію децентралізованого ШІ, забезпечуючи безпечне, ефективне та демократичне впровадження масштабних AI-додатків у блокчейні та конкуруючи за продуктивністю з централізованими рішеннями, нам потрібно спроектувати Layer1 блокчейн, спеціально створений для ШІ. Це забезпечить міцну основу для відкритих інновацій в AI, демократичного управління та безпеки даних, сприяючи процвітанню децентралізованої екосистеми AI.
Основні характеристики AI Layer 1
AI Layer 1 як блокчейн, спеціально розроблений для AI-застосувань, має архітектуру та продуктивність, які тісно пов'язані з вимогами AI-завдань, з метою ефективної підтримки стійкого розвитку та процвітання AI-екосистеми у блокчейні. Зокрема, AI Layer 1 повинен мати такі ключові можливості:
Ефективні стимули та механізм децентралізованого консенсусу Основна мета AI Layer 1 полягає у створенні відкритої мережі для спільного використання ресурсів, таких як обчислювальна потужність, зберігання тощо. На відміну від традиційних вузлів блокчейну, які в основному зосереджені на веденні обліку, вузли AI Layer 1 повинні виконувати більш складні завдання: не тільки надавати обчислювальну потужність, завершувати навчання та інференцію AI-моделей, але й вносити різноманітні ресурси, такі як зберігання, дані, пропускна здатність, щоб зламати монополію централізованих гігантів на інфраструктуру AI. Це ставить вищі вимоги до базового консенсусу та механізму стимулів: AI Layer 1 повинен бути здатним точно оцінювати, стимулювати та перевіряти фактичний внесок вузлів у завдання інференції та навчання AI, забезпечуючи безпеку мережі та ефективний розподіл ресурсів. Тільки так можна забезпечити стабільність і процвітання мережі та ефективно знизити загальні витрати на обчислювальну потужність.
Відмінні високопродуктивні можливості та підтримка гетерогенних завдань Завдання штучного інтелекту, особливо навчання та висновки LLM, висувають високі вимоги до обчислювальної продуктивності та можливостей паралельної обробки. Більш того, у блокчейні AI екосистема часто також повинна підтримувати різноманітні, гетерогенні типи завдань, включаючи різні моделі, обробку даних, висновки, зберігання та інші різноманітні сценарії. AI Layer 1 повинен на базовій архітектурі проводити глибоку оптимізацію під потреби високої пропускної здатності, низької затримки та еластичної паралельності, а також заздалегідь передбачити рідну підтримку гетерогенних обчислювальних ресурсів, забезпечуючи ефективне виконання всіх завдань AI і реалізуючи плавне розширення від "однорідних завдань" до "складної різноманітної екосистеми".
Верифікація та гарантія надійного виходу AI Layer 1 не лише повинна запобігати зловживанням моделі, змінам даних та іншим загрозам безпеці, але й забезпечувати верифікацію та узгодженість виходу AI на основі механізмів нижнього рівня. Завдяки інтеграції надійного виконавчого середовища (TEE), нульових знань (ZK), багатосторонніх безпечних обчислень (MPC) та інших передових технологій, платформа дозволяє незалежно перевіряти кожен процес інференції моделі, навчання та обробки даних, гарантуючи справедливість та прозорість системи AI. Крім того, ця верифікація може допомогти користувачам зрозуміти логіку та підстави виходу AI, реалізуючи "отримане є бажаним", підвищуючи довіру та задоволеність користувачів продуктами AI.
Захист конфіденційності даних Програми штучного інтелекту часто включають конфіденційні дані користувачів, а захист конфіденційності даних особливо важливий у фінансовій, медичній, соціальній та інших сферах. Забезпечуючи перевірюваність, AI Layer 1 повинен використовувати технологію обробки даних на основі шифрування, обчислювальний протокол, що зберігає конфіденційність, і управління дозволами на доступ до даних, щоб забезпечити безпеку даних у всьому процесі висновків, навчання та зберігання, ефективно запобігати витоку даних і зловживанню, а також усувати занепокоєння користувачів щодо безпеки даних.
Потужна екосистема та підтримка розробки Як AI-орієнтована інфраструктура Layer 1, платформа повинна не лише мати технологічну перевагу, але й забезпечувати учасників екосистеми, таких як розробники, оператори вузлів, постачальники AI-послуг, повними інструментами для розробки, інтегрованими SDK, підтримкою експлуатації та механізмами стимулювання. Постійно оптимізуючи доступність платформи та досвід розробників, ми сприяємо впровадженню різноманітних AI-орієнтованих додатків, забезпечуючи стійке процвітання децентралізованої AI-екосистеми.
Виходячи з наведеного вище контексту та очікувань, у цій статті буде детально представлено шість проектів AI Layer1, включаючи Sentient, Sahara AI, Ritual, Gensyn, Bittensor та 0G, систематизуючи останні досягнення в цій галузі, аналізуючи поточний стан проектів та обговорюючи майбутні тенденції.
Sentient: побудова відданої відкритої децентралізованої AI моделі
Огляд проєкту
Sentient є платформою з відкритим кодом, яка створює AI Layer1 у блокчейні ( на початковій стадії Layer 2, а згодом буде перенесена на Layer 1). Поєднуючи AI Pipeline та технології блокчейну, вона будує децентралізовану економіку штучного інтелекту. Її основна мета – вирішити проблеми власності моделей, відстеження викликів та розподілу вартості на централізованому ринку LLM через "OML" структуру (відкрите, прибуткове, лояльне), що дозволяє реалізувати структуру власності моделей штучного інтелекту в у блокчейні, прозорість викликів та розподіл вартості. Візія Sentient полягає в тому, щоб будь-хто міг створювати, співпрацювати, володіти та монетизувати продукти штучного інтелекту, що сприятиме розвитку справедливої, відкритої екосистеми AI Agent.
Команда Sentient Foundation об'єднує провідних академічних експертів, підприємців у сфері блокчейну та інженерів з усього світу, які прагнуть створити спільноту, що керується, відкриту та перевірену платформу AGI. Основні учасники включають професора Принстонського університету Pramod Viswanath та професора Індійського наукового інституту Himanshu Tyagi, які відповідають за безпеку та конфіденційність AI, в той час як співзасновник Polygon Sandeep Nailwal очолює стратегію блокчейну та екологічну розробку. Члени команди мають досвід роботи в компаніях, таких як Meta, Coinbase, Polygon, а також у провідних університетах, таких як Принстонський університет та Індійський технологічний інститут, охоплюючи такі сфери, як AI/ML, NLP, комп'ютерне зору, спільно працюючи над реалізацією проекту.
Як другий проект підприємництва співзасновника Polygon Sandeep Nailwal, Sentient з самого початку був оточений аурою, маючи багаті ресурси, зв'язки та ринкову впізнаваність, що забезпечило потужну підтримку для розвитку проекту. У середині 2024 року Sentient завершив раунд фінансування на суму 85 мільйонів доларів США, який очолили Founders Fund, Pantera та Framework Ventures, а також десятки інших інвестиційних установ, включаючи Delphi, Hashkey та Spartan.
проектування архітектури та прикладного рівня
Інфраструктурний шар
Основна архітектура
Основна архітектура Sentient складається з двох частин: AI Pipeline та у блокчейні.
AI канали є основою для розробки та навчання "вірного AI" артефактів, що містить два основні процеси:
Блокчейн-система надає прозорість та децентралізований контроль для протоколів, забезпечуючи власність на артефакти ШІ, відстеження використання, розподіл доходів та справедливе управління. Конкретна архітектура поділяється на чотири рівні:
OML модельна структура
OML фрейм (Відкритий Open, Монетизований Monetizable, Лояльний Loyal) є основною концепцією, запропонованою Sentient, яка має на меті забезпечити чіткий захист прав власності та економічні стимули для відкритих AI моделей. Поєднуючи технології у блокчейні та AI нативну криптографію, має такі характеристики:
AI рідна криптографія (AI-native Cryptography)
AI-природне шифрування – це використання безперервності AI-моделей, низьковимірної маніфольдної структури та диференційованих характеристик моделей для розробки "перевіряємого, але незнімного" легкозваженого механізму безпеки. Його основна технологія:
Цей спосіб може реалізувати "авторизаційні виклики на основі поведінки + перевірка належності" без витрат на повторне шифрування.
Модель підтвердження прав та безпечна виконавча рамка
Sentient наразі використовує змішану безпеку Melange: поєднання підтвердження прав за допомогою відбитків пальців, виконання TEE, розподілу прибутку за допомогою контрактів у блокчейні. Метод відбитків пальців реалізує основну лінію OML 1.0, підкреслюючи ідею "оптимістичної безпеки (Optimistic Security)", а саме: за замовчуванням відповідність, порушення можна виявити та покарати.
Механізм відбитка пальця є ключовою реалізацією OML, він встраює специфічні "питання-відповіді", дозволяючи моделі генерувати унікальний підпис на етапі навчання. Завдяки цим підписам власники моделі можуть перевірити належність, запобігаючи несанкціонованому копіюванню та комерціалізації. Цей механізм не лише захищає права розробників моделей, а й забезпечує можливість відстеження використання моделей у блокчейні.
Крім того, Sentient представила обчислювальну платформу Enclave TEE, яка використовує надійне середовище виконання (таке як AWS Nitro Enclaves), щоб забезпечити, що модель реагує лише на авторизовані запити, запобігаючи несанкціонованому доступу та використанню. Хоча TEE залежить від апаратного забезпечення і має певні ризики безпеки, його висока продуктивність і реальний час роблять його основною технологією для розгортання моделей сьогодні.
У майбутньому Sentient планує впровадити технології нульових знань (ZK) та повної гомоморфної криптографії (FHE), щоб ще більше посилити захист конфіденційності та перевіряність, надаючи більш зрілі рішення для децентралізованого розгортання AI моделей.