Sentient 项目深度研究报告

撰文: 0xjacobzhao 及 ChatGPT 4o/ Grok3 

一、项目简介：

Sentient 是一个致力于构建去中心化人工智能经济体的开源协议平台，其核心目标是为 AI 模型建立所有权结构、提供链上调用机制，并构建可组合、可分润的 AI Agent 网络。通过「OML」框架（Open, Monetizable, Loyal）和模型指纹技术，Sentient 解决当前中心化 LLM 市场中「模型归属不明、调用不可追踪、价值分配不公」的根本问题。

• 官网：https://www.sentient.xyz

• GitHub：https://github.com/sentient-agi

• 基金会：https://sentient.foundation

• 文档：https://docs.sentient.xyz

• 博客：https://www.sentient.xyz/blog

• X：https://x.com/SentientAGI

该项目由 Sentient Foundation 推动，专注于开源 AGI 和协议激励机制的构建。它所倡导的「忠诚 AI（Loyal AI）」是指服务于社区、公平治理并能长期自我演化的开放型 AI 模型生态。

Sentient Protocol 的架构由两个核心组成部分构成：区块链系统 和 AI 管道（AI Pipeline）。

AI 管道（AI Pipeline）是开发和训练「忠诚 AI」工件的基础，包含两个核心过程：

• 数据策划（Data Curation）：由社区驱动的数据选择过程，用于模型的对齐。

• 忠诚度训练（Loyalty Training）：确保模型保持与社区意图一致的训练过程。

区块链系统为协议提供透明性和去中心化控制，确保 AI 工件的所有权和治理，主要模块包括：

• 治理（Governance）：由去中心化自治组织（DAO）控制与决策。

• 所有权（Ownership）：通过代币化方式表示 AI 工件的所有权。

• 去中心化金融（DeFi）：提供支持开放、去中心化和公平治理及奖励的金融工具。

二、技术架构与模型确权机制：

1. OML 模型框架

在 2024 年发布的白皮书《Sentient: Loyal AI》中 (https://arxiv.org/abs/2411.03887)，项目提出 OML 框架，该框架以模型确权为起点，试图构建「链上 AI 所有权协议经济体」，首次系统性提出了「AI 原生加密学」概念，旨在为开源模型提供加密级别的所有权保护机制。

核心论文解读——《OML: Open, Monetizable, and Loyal AI》：

• Open：模型必须开源，代码与数据结构透明，支持社区复现、审计与分叉；

• Monetizable：模型的每一次调用都应当触发收益流，并通过链上合约分配给训练者、部署者与验证者；

• Loyal：模型不属于公司，而属于贡献者社区，模型升级方向与治理均由 DAO 决定。模型归属可验证、修改受限、使用受控

OML 不等同于代码许可协议，而是通过链上机制与加密手段，保障开源模型在保持开放性的同时具备经济主权与治理权。构造一种 AI 原生的使用权和收益权协议层（ownership and revenue protocol layer），确保即便模型公开，依然能保证归属清晰、经济激励和行为治理。

核心概念：AI-native Cryptography（AI 原生加密学）

与传统密码学聚焦二进制精度不同，AI-native cryptography 利用 AI 模型的连续性、低维流形结构与模型可微特性，开发出「可验证但不可移除」的轻量级安全机制。其核心技术是：

• 指纹嵌入（Model Fingerprinting）：在训练时插入一组隐蔽的 query-response 键值对形成模型唯一签名；

• 所有权验证协议：通过第三方探测器（Prover）以 query 提问形式验证指纹是否保留；

• 许可调用机制：调用前需获取模型所有者签发的「权限凭证」，系统再据此授权模型对该输入解码并返回准确答案。

这种方式可在无重加密成本的情况下实现「基于行为的授权调用 + 所属验证」。

 OML 的 5 类构件方式：

Sentient 当前采用的即为 Melange 混合安全：以指纹确权、TEE 执行、链上合约分润结合。其中指纹方法为 OML 1.0 实现主线，强调「乐观安全（Optimistic Security）」思想，即默认合规、违规后可检测并惩罚。

此外论文定义了针对指纹机制的多种验证机制与攻击模型：

• 微调攻击（LoRA/SFT）：修改部分参数试图清除指纹；

• 知识蒸馏：构建学生模型以规避父模型指纹；

• 参数平均（模型合并）：多模型融合尝试稀释指纹强度；

• 指纹泄露攻击：若指纹 key 泄露，验证机制将失效。

对抗方式包括：多轮嵌入、子网隔离训练；组合 benign 样本防遗忘；嵌入权重绑定链上凭证。

OML 与 Sentient Protocol 协议架构

论文最后一章提出完整链上协议（Sentient Protocol）以支持 OML：

• 存储层：存储模型权重与指纹注册信息；

• 分发层：授权合约控制模型调用入口；

• 访问层：通过权限证明验证用户是否授权；

• 激励层：收益路由合约将每次调用支付分配给训练者、部署者与验证者。

强调与以太坊等 L1 主链兼容，可作为链上 AI 所有权标准协议栈使用。所有模型注册在链上（包含哈希、签名、公钥、指纹结构 ID）；Agent 绑定注册模型并在每次调用后触发使用证明提交；合约根据调用事件与收益流规则进行分润（训练者、部署者、验证者）；用户或合约调用者需通过链上网关验证调用权限。该结构构成了 Sentient Protocol 的底层设计哲学。

2. 指纹识别与模型确权机制

GitHub：https://github.com/sentient-agi/oml-1.0-fingerprinting

该库是 Sentient 指纹机制的第一个实现版本，提供可嵌入训练流程的指纹注入与验证接口。其目的在于：确保模型归属可验证、使用行为可追踪，防止未经授权的复制与商业化。这是对 OML（Open, Monetizable, Loyal）框架的具体工程实现。

模型指纹模块（OML 1.0 Fingerprinting Module）功能如下：

• 行为打谱（Behavioral Profiling）：对模型行为进行特征提取，生成唯一指纹。

• 模型归属（Model Attribution）：根据生成内容判断其来源模型。

• 指纹验证（Fingerprint Verification）：验证模型输出内容的来源和一致性。

指纹机制的本质是：通过微调模型，嵌入一组独特的 「问题 - 回答」（key-response） 对，模型拥有者可通过特定查询来验证模型是否属于自己，从而形成模型的「加密签名」。总之，为 LLM（大语言模型）添加「水印」，追踪和强制执行 AI 的拥有权。

3. Enclave TEE 计算框架

GitHub：https://github.com/sentient-agi/Sentient-Enclaves-Framework

Sentient Enclaves Framework 是一个开源框架，它利用如 AWS Nitro Enclaves 等可信执行环境（TEE），实现模型推理、微调和代理服务的安全部署。该框架强调模型的「忠诚性」，确保模型仅响应授权请求，防止未经授权的访问和使用，安全特性如下：

• Payload 加密部署：模型本体、运行配置、输入输出全部加密存储于 enclave 内；

• TLS-based RPC：调用采用双向 TLS + attestation 签名通道进行通信；

• 日志与缓存隔离：使用内存瞬态区运行，不记录永久日志；

• Attestation 报告：每次调用生成绑定 enclave 签名的输出证明，确保执行行为可追溯、可验证。

TEE（Sentient Enclaves Framework）以高性能和云端集成为优势，适合实时 AI 和敏感数据处理，但受硬件依赖和侧信道攻击限制。Sentient Enclaves Framework 利用 Nitro Enclaves 提供企业级隐私保护，开发体验较友好。同其他加密技术比较，FHE 提供无硬件依赖和抗量子安全的强隐私保证，但性能开销巨大，适合特定加密计算场景，难以直接替代 TEE 的高性能任务。ZK 在可验证性和去中心化场景中表现优异，可作为 TEE 的补充 ( 该模块未来计划对接 zkML)。

4. Sentient Agent Framework

GitHub：https://github.com/sentient-agi/Sentient-Agent-Framework

Sentient-Agent-Framework 是一个轻量级开源框架，专注于通过 AI 代理控制浏览器实现 Web 任务自动化（如搜索、播放视频），结合自然语言指令和 LLM（如 OpenAI 的 GPT-4o）提供简洁的开发体验（号称 3 行代码）。其异步执行、自定义指令和多提供商支持使其适合快速开发和实验性应用。结合 Sentient AGI 的其他项目（如 TEE 框架），可扩展到安全敏感场景。

核心架构： 这套架构支持构建具备「感知–规划–执行–反馈」完整闭环的智能体，可扩展为一个多 Agent 协作、链上验证、可对齐的开源 AI 系统。

1. 用户层（User Layer）：用户通过自然语言输入任务目标

2. Agent 框架层（Sentient Agent Framework）

3. Perception：理解输入与环境

4. Planning：基于目标生成行动计划

5. Execution：调用工具 / 技能执行任务

6. Reflection：分析反馈，优化行为

7. Memory：短期 + 长期记忆管理

8. Skills/Tools：注册外部函数和插件

9. 协作层（Multi-Agent Layer）：多 Agent 协同工作、任务分配与结果汇总

10. 外部集成层（External Integration）

11. 区块链智能合约：记录任务，激励结算

12. Agent Registry：身份认证与版本控制

13. ZK 证明模块：验证输出真实性

14. 外部工具 API：如网页搜索、数据库、文件系统等

15. 存储层（Storage）：本地存储 + 去中心化存储（如 IPFS）

同传统 AI Agent Framework 比较 Sentient-Agent-Framework 功能有限且轻量简洁。而同 Virtuals Protocol、ai16z (elizaOS) 等 Crypto AI Framework 相比较，后者在 AI 代理开发、链上自动化或 Web3 集成方面提供多样化方案，而 Sentient-Agent-Framework 更适合链下 Web 任务。

5. Sentient Social Agent

GitHub：https://github.com/sentient-agi/Sentient-Social-Agent

Sentient-Social-Agent 是一个旨在构建社交平台 (Twitter, Discord, and Telegram) 自动化互动的 AI 系统，能够理解社交环境、生成内容、与用户互动，并通过多智能体协作进行社交交流。它利用社交感知、内容生成和行为规划模块，支持在平台上进行自然的对话和内容创作，适用于品牌运营、虚拟社群管理和信息扩散等场景，该系统可与 Sentient Agent 框架集成。

6. Open Deep Search ( 未上线 )

在 Sentient 官网上，Open Deep Search 被定义为可超越了 ChatGPT 和 Perplexity Pro 的搜索代理。团队成员 Sewoong Oh 在 EthDenver 2025 Open AGI 峰会上披露了部分规划：

开放深度搜索由两个主要部分组成：Sensient 的搜索功能（包括查询重述、URL 和文档处理等）和推理代理。推理代理利用开源 LLM（如 Llama 3.1 和 DeepSeek），通过搜索、计算器和自我反思等工具提升搜索质量。在 Frames Benchmark 上，Open Deep Search 的表现超越其他开源模型，甚至能与某些闭源模型相媲美，但由于其功能未上线，我们暂时无法评估其真实能力。

三、产品形态、落地及规划

目前 Sentient 官网上展示的产品以 Sentient Chat 聊天对话平台和开源模型 Dobby LLMs 为主：

Sentient Chat：

Sentient Chat 是由 Sentient Foundation 推出的去中心化 AI 聊天平台，旨在提供由社区驱动、可定制且忠诚的人工智能体验。该平台融合了开源大型语言模型（如 Dobby 系列）与先进的推理代理框架，支持多种工具集成，满足用户多样化的需求。核心功能有：

1. 开放推理代理：Sentient Chat 内置的推理代理能够执行复杂的任务，支持以下功能：

• 搜索工具：集成 Open Deep Search（ODS），提供实时网页搜索能力。

• 计算器：处理数学计算和数据分析任务。

• 代码执行：通过生成和运行 Python 代码，实现复杂的逻辑推理和任务执行。

2. 多代理集成：平台支持集成多个 AI 代理，用户可以根据需求选择不同的代理进行交互，提升了平台的灵活性和功能性。类似于 Web3 版本的 POE 或开放式、代理驱动的 Perplexity 替代方案

Sentient Chat 目前处于测试阶段，仅限通过电子邮件或社区活动分发的邀请码访问。根据官方对外公布信息，目前已有超过 5,000 名用户成功获得 Sentient Chat 的使用权限，已处理超过 10 万次用户查询。由于笔者目前尚未成为其测试白名单用户，目前无法评估其模型真实能力。

Dobby LLM 模型系列: 

基于 Meta 的 Llama 系列进行微调， Hugging Face 主页 (https://huggingface.co/SentientAGI)

1. Dobby-Unhinged 系列

• Dobby-Unhinged-Llama-3.3-70B：基于 Llama 3.3-70B-Instruct 微调，强调个人自由和加密货币的立场，具有直率、幽默和人性化的对话风格。Hugging Face+6Hugging Face+6Hugging Face+6

• Dobby-Mini-Unhinged-Llama-3.1-8B：8B 参数版本，适用于资源受限的设备，保持了「Unhinged」系列的核心特性。Hugging Face+5Hugging Face+5Hugging Face+5

2. Dobby-Leashed 系列：

Dobby-Mini-Leashed-Llama-3.1-8B：相较于「Unhinged」版本，语气更为温和，适用于需要更稳健输出的应用场景。Hugging Face+2Hugging Face+2Hugging Face+2

由于 Dobby LLM 模型是基于 Llama 3.1 和 3.3 的微调版本，我们相信其应用场景主要在于构建聊天机器人、内容生成与创作、角色扮演代理等，其优势在于灵活的风格生成、推理增强和低资源要求，适合于资源受限的环境下快速部署与灵活定制。同 GPT-4 等更强大的闭源模型相比，Dobby LLM 在处理涉及高级逻辑、跨领域知识推理和深度推理任务时仍存在差距。

四、生态合作与落地场景

目前 Sentient Builder Program 提供 100 万美金的金额资助支持开发者构建在 Sentient Chat 生态系统中运行的 AI Agent 智能体，要求开发者使用 Sentient 的开发套件且通过 Sentient Agent API 接入其生态。

与此同时，Sentient 官网公布的生态伙伴涵盖 Crypto AI 多个领域的项目方团队（https://www.sentient.xyz/partners），具体列表如下：

• 模型：Eigenlayer, Move, CrunchDAO, Bagel, KGEN

• 智能体：Messari, Franklin Templeton, Kaito, MyShell, Third Web, Theoriq, Open, QNA3, Pond, Mira, Olas, Biconomy, Talus, Zettablocks, Axal, Morpheus AI, dFusion, ExponentAI, Fetch AI, Giza, JustTX, UnifAI, Questflow, QuillAI, Raiinmaker, Solo, Spectral, UOMI, PlayAI

• 数据：Kaito, Vana, The Graph, Space and Time, 0g, Open, QNA3, Zettablocks, Chainbased, dFusion, Dria/First Batch, Entrova, FractionAI, Hyve DA, Irys, Masa, Mizu, OpenLedger, Raiinmaker, Sapien, Zus Network

• 可验证 AI ：Nillion, Lagrange, pi2

• 区块链：Arbitrum, Polygon, Celo

• 基础设施：Lit Protocol, OpenGradient

Sentient 作为 Crypto AI 领域头部项目，资源整合能力可以覆盖行业内任何一家明星初创型项目。但需要指出的是，「营销型」合作广泛的存在于 Crypto 领域制造了行业虚假繁荣的假象，Sentient 生态合作伙伴对其生态的贡献度与忠诚度依然需要我们的持续观察。

Open AGI Summit 是 Sentient 团队组织发起的致力于探索人工智能（AI）与加密技术（Crypto）结合的全球性会议。笔者有幸参加了其 2024 年和 2025 年于 ETH Denver 和 ETHcc 期间的峰会，Sentient 团队有能力聚集行业内最头部机构投资人与项目创业者参与其中，不失为亮点。

五、团队结构与研究背景

Sentient Foundation 聚集了全球顶尖的学术专家、加密行业创业者与工程师，致力于构建一个社区驱动、开源、可验证的 AGI 平台。根据官方公布公布的团队信息 (https://sentient.foundation/people)，其团队成员主要为：

核心领导层（Steering Committee）

• Pramod Viswanath – 普林斯顿大学 Forrest G. Hamrick 教授，长期研究信息理论与通信系统，主导 Sentient 的 AI 安全性与理论基础建设。

• Himanshu Tyagi – 印度科学研究所教授，擅长隐私保护与去中心化学习算法，为模型训练与隐私协同提供学术支持。

• Sandeep Nailwal – Polygon 联合创始人，负责区块链战略与全球生态布局，是连接加密社区与 AI 架构的关键人物。

• Sensys 团队 – Web3 原生产品工作室，主导用户端体验优化与开发者基础设施建设，推动 Sentient 产品落地。

核心工程与开发团队：来自 Meta、Coinbase、Circle、Polygon、币安 等知名科技与区块链公司，也包括 普林斯顿大学、华盛顿大学、印度理工学院 等高校背景的研究者。团队成员具备丰富的 LLM 工程、系统安全、计算机视觉与数据系统建设经验。

AI 研究与模型训练团队：研究团队涵盖 AI/ML、NLP、计算机视觉与强化学习，成员在 Google Research、Daimon Labs、Fetch.ai 等机构有实践经验。该团队构成显示出 Sentient 既具备强大学术深度，也拥有落地能力与加密生态经验。

需要特别指出的是，Sentient 成立之初即带着 Polygon 创始人 Sandeep Nailwal 的成功光环。作为以太坊生态的重要扩展解决方案，Matic 依靠 Plasma 这一不领先但足够「便宜与快」的技术起家，构建出 Polygon 在 NFT 和社交等领域的差异点护城河，同时通过收购 Mir Protocol 和 Hermez Network 以及推出 Polygon zkEVM，将 ZK 技术 集成到其区块链扩展解决方案中。Sentient 作为 Sandeep Nailwal 的二次创业，其经验、资金、人脉以及市场认知度皆远超当年，也可以在 2024 年凭借并不完善的项目构想融到巨额资金，但 AI 领域毕竟不同于 Crypto，Sentient 面对新市场环境的变化、竞争加剧以及技术更新等外部挑战发展依然存在。

六、融资情况与代币模型

• 融资时间：2024 年中；

• 融资金额：8500 万美元（种子轮）；

• 投资机构：Founders Fund、Pantera、Framework Ventures 共同领投，其余 VC 机构包括 Ethereal、Robot Ventures、Symbolic Capital、Dao5、Delphi、Primitive Ventures、Nomad、Hack VC、Arrington Capital、Hypersphere、IDG、Topology、Protagonist、Folius、Sky9、Canonical Crypto、Dispersion Capital、Mirana、Foresight、Hashkey、Spartan、Republic、Frontiers Capital 等。（https://sentient.foundation/funding）

$SENT 代币用途（规划中）

截至目前，Sentient 尚未推出官方代币。联合创始人 Sandeep Nailwal 表示，项目当前没有发行代币的计划，但未来可能会根据社区需求和项目发展情况进行评估。因此，任何声称提供 $SEN 或其他 Sentient 相关代币的项目都应谨慎对待，以防诈骗。

根据白皮书，SENT 代币可能得用途包括：Agent 激励积分映射为 Token；用于模型版本管理提案与投票；质押验证 Agent 输出真实性；DAO 治理分红机制等。

Sentient 是含着金钥匙出生的天王项目，其投资人背景、融资规模和估值都令市场上大部分 Crypto AI 项目望其项背。一方面，其强资源背书能够更容易的整合各类行业资源，高融资额能够更容易的聘请到顶级人才加入其团队、并且雄厚的资本可以支持项目发展穿越行业周期。但另一方面，当下 Crypto 行业对 VC 背书的高估值项目普遍祛魅，此外 VC 币项目币价以资本运作为主与基本面严重脱钩，假设 Sentient 无法交付具有影响力的 Crypto AI 产品而最后选择高估值发币，最后伤害到的同样是急需重建信任的 Crypto 社区，团队怎样应对当下行业困局值得我们持续观察。

七、竞品分析与市场位置

市场上的 Crypto AI 项目大多专注于数据、模型、计算、训练或推理等单一领域，或者开发 AI Agent 等消费者层面的应用。以 AI Chain 为定位的项目包括了老公链的 AI 转型 (Near 与 ICP) 或 Bittensor 这样的去中心化资源共享协调与代币激励协议，Sentient 的定位与其并不完全匹配。在模型训练侧，Sentient 更像是整合平台，与市场上的 AI 开源模型是合作关系。而在 Agent 侧，Sentient 与 Talus, Olas 或 Theoriq 等在多智能体系统和推理能力上存在一定重叠竞争关系，但每个项目都有不同的核心目标和应用场景依然存在互补性。

八、总结

Sentient 作为去中心化人工智能（AGI）协议平台，旨在为 AI 模型提供明确的所有权结构，并通过链上机制进行调用和价值分配，解决当前中心化 LLM 市场中的归属不明和不公平问题。核心框架 OML（Open, Monetizable, Loyal）通过模型指纹和区块链技术，确保开源模型的所有权、透明度和公正分润。Sentient 在 Polygon 联合创始人 Sandeep Nailwal 的资源加持下获得了诸多头部 VC 和 AI 生态伙伴的支持，尽管面临发展的不确定性、争议及竞争，依然期望 Sentient 成为 去中心化 AI 所有权的标准协议之一，推动 AGI 的去中心化发展。