Báo cáo nghiên cứu chuyên sâu của dự án Sentient

Người viết: 0xjacobzhao và ChatGPT 4o/Grok3

1. Giới thiệu dự án:

Sentient là một nền tảng giao thức nguồn mở chuyên xây dựng nền kinh tế trí tuệ nhân tạo phi tập trung. Mục tiêu cốt lõi của nó là thiết lập cơ cấu sở hữu cho các mô hình AI, cung cấp cơ chế gọi trên chuỗi và xây dựng mạng lưới AI Agent có thể cấu hình và chia sẻ lợi nhuận. Thông qua khuôn khổ "OML" (Mở, Có thể kiếm tiền, Trung thành) và công nghệ vân tay mô hình, Sentient giải quyết các vấn đề cơ bản về "quyền sở hữu mô hình không rõ ràng, các cuộc gọi không thể theo dõi và phân phối giá trị không công bằng" trong thị trường LLM tập trung hiện nay.

• Trang web chính thức: https://www.sentient.xyz

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

• Quỹ: https://sentient.foundation

• Tài liệu: https://docs.sentient.xyz

• Blog: https://www.sentient.xyz/blog

• X: https://x.com/SentientAGI

Dự án được Sentient Foundation thúc đẩy, tập trung vào việc xây dựng AGI nguồn mở và các cơ chế khuyến khích giao thức. "AI trung thành" mà nó ủng hộ đề cập đến hệ sinh thái mô hình AI mở phục vụ cộng đồng, được quản lý công bằng và có thể phát triển trong thời gian dài.

Kiến trúc của Sentient Protocol bao gồm hai thành phần cốt lõi: hệ thống blockchain và AI Pipeline.

AI Pipeline là nền tảng để phát triển và đào tạo các hiện vật "AI trung thành" và bao gồm hai quy trình cốt lõi:

• Quản lý dữ liệu: Một quy trình lựa chọn dữ liệu do cộng đồng thúc đẩy để căn chỉnh mô hình.

• Đào tạo lòng trung thành: Quy trình đào tạo đảm bảo mô hình luôn nhất quán với mục đích của cộng đồng.

Hệ thống blockchain cung cấp tính minh bạch và khả năng kiểm soát phi tập trung cho giao thức, đảm bảo quyền sở hữu và quản lý các hiện vật AI. Các mô-đun chính bao gồm:

• Quản trị: được kiểm soát và quyết định bởi một tổ chức tự trị phi tập trung (DAO).

• Quyền sở hữu: Quyền sở hữu các hiện vật AI được thể hiện bằng mã thông báo.

• Tài chính phi tập trung (DeFi): Cung cấp các công cụ tài chính hỗ trợ quản trị và khen thưởng công bằng, phi tập trung và cởi mở.

2. Kiến trúc kỹ thuật và cơ chế xác nhận quyền sở hữu mô hình:

1. Khung mô hình OML

Trong sách trắng "Sentient: Loyal AI" được phát hành năm 2024 (https://arxiv.org/abs/2411.03887), dự án đã đề xuất khung OML, lấy quyền sở hữu mô hình làm điểm khởi đầu và cố gắng xây dựng "nền kinh tế giao thức sở hữu AI trên chuỗi". Lần đầu tiên, khái niệm "mã hóa gốc AI" được đề xuất một cách có hệ thống, nhằm mục đích cung cấp cơ chế bảo vệ quyền sở hữu ở cấp độ mã hóa cho các mô hình nguồn mở.

Diễn giải bài báo cốt lõi - "OML: AI mở, có thể kiếm tiền và trung thành":

• Mở: Mô hình phải là mã nguồn mở, có mã và cấu trúc dữ liệu minh bạch, đồng thời hỗ trợ cộng đồng sao chép, kiểm toán và phân nhánh;

• Có thể kiếm tiền: Mỗi lần gọi mô hình phải kích hoạt một luồng doanh thu, luồng này sẽ được phân phối cho những người đào tạo, người triển khai và người xác thực thông qua các hợp đồng trên chuỗi;

• Trung thành: Mô hình không thuộc về công ty mà thuộc về cộng đồng những người đóng góp. Hướng nâng cấp mô hình và cách quản lý được xác định bởi DAO. Quyền sở hữu mô hình có thể xác minh được, việc sửa đổi bị hạn chế và việc sử dụng được kiểm soát

OML không tương đương với thỏa thuận cấp phép mã, nhưng thông qua các cơ chế trên chuỗi và phương pháp mã hóa, nó đảm bảo rằng mô hình nguồn mở có chủ quyền kinh tế và quyền quản lý trong khi vẫn duy trì tính cởi mở. Xây dựng lớp giao thức sở hữu và doanh thu gốc AI để đảm bảo quyền sở hữu rõ ràng, các ưu đãi kinh tế và quản trị hành vi ngay cả khi mô hình là công khai.

Khái niệm cốt lõi: Mật mã gốc AI

Khác với mật mã truyền thống tập trung vào độ chính xác nhị phân, mật mã gốc AI sử dụng tính liên tục, cấu trúc đa tạp chiều thấp và các đặc điểm có thể phân biệt được của các mô hình AI để phát triển cơ chế bảo mật nhẹ "có thể xác minh nhưng không thể loại bỏ". Các công nghệ cốt lõi của nó là:

• Nhúng dấu vân tay (Dấu vân tay mô hình): chèn một tập hợp các cặp khóa-giá trị truy vấn-phản hồi ẩn trong quá trình đào tạo để tạo thành chữ ký duy nhất của mô hình;

• Giao thức xác minh quyền sở hữu: sử dụng trình phát hiện của bên thứ ba (Prover) để xác minh xem dấu vân tay có được lưu giữ dưới dạng truy vấn hay không;

• Cơ chế gọi quyền: trước khi gọi, bạn cần lấy "giấy chứng nhận ủy quyền" do chủ sở hữu mô hình cấp và sau đó hệ thống sẽ ủy quyền cho mô hình giải mã đầu vào và trả về câu trả lời đúng.

Phương pháp này có thể đạt được "cuộc gọi ủy quyền dựa trên hành vi + xác minh quyền sở hữu" mà không phải tốn chi phí mã hóa lại.

 Năm loại thành phần OML:

Sentient hiện đang áp dụng bảo mật kết hợp Melange: kết hợp xác nhận dấu vân tay, thực hiện TEE và chia sẻ lợi nhuận hợp đồng trên chuỗi. Phương pháp dấu vân tay là dòng chính của việc triển khai OML 1.0, nhấn mạnh ý tưởng về "bảo mật lạc quan", tức là tuân thủ được mặc định và các hành vi vi phạm có thể bị phát hiện và trừng phạt.

Ngoài ra, bài báo định nghĩa nhiều cơ chế xác minh và mô hình tấn công khác nhau cho cơ chế dấu vân tay:

• Tấn công tinh chỉnh (LoRA/SFT): sửa đổi một số tham số để cố gắng xóa dấu vân tay;

• Chưng cất kiến ​​thức: xây dựng mô hình học sinh để tránh dấu vân tay của mô hình cha;

• Trung bình hóa tham số (hợp nhất mô hình): nỗ lực hợp nhất nhiều mô hình để làm loãng độ mạnh của dấu vân tay;

• Tấn công rò rỉ dấu vân tay: nếu khóa dấu vân tay bị rò rỉ, cơ chế xác minh sẽ không thành công.

Các phương pháp đối đầu bao gồm: nhiều vòng nhúng, đào tạo cô lập mạng con; kết hợp các mẫu lành tính để tránh lãng quên; và liên kết thông tin xác thực trên chuỗi với trọng số nhúng.

Kiến trúc giao thức OML và Sentient Protocol

Chương cuối cùng của bài báo đề xuất một giao thức chuỗi hoàn chỉnh (Sentient Protocol) để hỗ trợ OML:

• Lớp lưu trữ: lưu trữ trọng số mô hình và thông tin đăng ký dấu vân tay;

• Lớp phân phối: hợp đồng ủy quyền kiểm soát mục nhập cuộc gọi mô hình;

• Lớp truy cập: xác minh xem người dùng có được ủy quyền thông qua bằng chứng về thẩm quyền hay không;

• Lớp khuyến khích: hợp đồng định tuyến doanh thu phân phối từng khoản thanh toán cuộc gọi cho người đào tạo, người triển khai và người xác minh.

Nó nhấn mạnh vào khả năng tương thích với các chuỗi chính L1 như Ethereum và có thể được sử dụng làm ngăn xếp giao thức chuẩn cho quyền sở hữu AI trên chuỗi. Tất cả các mô hình đều được đăng ký trên chuỗi (bao gồm hàm băm, chữ ký, khóa công khai, ID cấu trúc dấu vân tay); Tác nhân liên kết mô hình đã đăng ký và kích hoạt việc gửi bằng chứng sử dụng sau mỗi cuộc gọi; hợp đồng phân phối lợi nhuận (người đào tạo, người triển khai, người xác minh) theo sự kiện cuộc gọi và quy tắc luồng doanh thu; người dùng hoặc người gọi theo hợp đồng cần xác minh quyền gọi thông qua cổng trên chuỗi. Cấu trúc này tạo nên triết lý thiết kế cơ bản của Sentient Protocol.

2. Cơ chế nhận dạng vân tay và xác nhận mô hình

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

Thư viện này là phiên bản triển khai đầu tiên của cơ chế vân tay của Sentient, cung cấp giao diện xác minh và tiêm vân tay có thể được nhúng vào quy trình đào tạo. Mục đích của nó là đảm bảo có thể xác minh quyền sở hữu mô hình, theo dõi hành vi sử dụng và ngăn chặn việc sao chép và thương mại hóa trái phép. Đây là một triển khai kỹ thuật cụ thể của khuôn khổ OML (Mở, Có thể kiếm tiền, Trung thành).

Các chức năng của mô-đun dấu vân tay mô hình (Mô-đun dấu vân tay OML 1.0) như sau:

• Hồ sơ hành vi: trích xuất các đặc điểm của hành vi mô hình và tạo dấu vân tay duy nhất.

• Ghi nhận mô hình: Xác định mô hình nguồn dựa trên nội dung được tạo.

• Xác minh dấu vân tay: Xác minh nguồn và tính nhất quán của nội dung đầu ra của mô hình.

Bản chất của cơ chế dấu vân tay là: bằng cách tinh chỉnh mô hình và nhúng một tập hợp các cặp "câu hỏi-trả lời" (khóa-phản hồi) duy nhất, chủ sở hữu mô hình có thể xác minh xem mô hình có thuộc về mình hay không thông qua các truy vấn cụ thể, do đó hình thành "chữ ký được mã hóa" của mô hình. Nói tóm lại, hãy thêm “hình mờ” vào LLM (Mô hình ngôn ngữ lớn) để theo dõi và thực thi quyền sở hữu AI.

3. Khung tính toán TEE của Enclave

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

Sentient Enclaves Framework là một khung mã nguồn mở sử dụng các môi trường thực thi đáng tin cậy (TEE) như AWS Nitro Enclaves để cho phép triển khai an toàn các dịch vụ suy luận mô hình, tinh chỉnh và proxy. Khung này nhấn mạnh vào "sự trung thành" của mô hình, đảm bảo rằng mô hình chỉ phản hồi các yêu cầu được ủy quyền và ngăn chặn việc truy cập và sử dụng trái phép. Các tính năng bảo mật như sau: Triển khai mã hóa tải trọng: thân mô hình, cấu hình đang chạy, đầu vào và đầu ra đều được mã hóa và lưu trữ trong vùng bảo mật; RPC dựa trên TLS: các cuộc gọi sử dụng kênh chữ ký xác thực + TLS hai chiều để liên lạc; Cô lập nhật ký và bộ nhớ đệm: sử dụng vùng bộ nhớ tạm thời để chạy và không ghi lại nhật ký vĩnh viễn; Báo cáo chứng thực: mỗi cuộc gọi tạo ra bằng chứng đầu ra được liên kết với chữ ký vùng bảo mật để đảm bảo rằng hành vi thực hiện có thể theo dõi và xác minh được.

TEE (Sentient Enclaves Framework) có ưu điểm là hiệu suất cao và tích hợp đám mây, phù hợp với AI thời gian thực và xử lý dữ liệu nhạy cảm, nhưng bị hạn chế bởi sự phụ thuộc vào phần cứng và các cuộc tấn công kênh phụ. Sentient Enclaves Framework sử dụng Nitro Enclaves để cung cấp khả năng bảo vệ quyền riêng tư cấp doanh nghiệp và trải nghiệm phát triển thân thiện hơn với người dùng. So với các công nghệ mã hóa khác, FHE cung cấp khả năng đảm bảo quyền riêng tư mạnh mẽ mà không phụ thuộc vào phần cứng và bảo mật lượng tử, nhưng nó có chi phí hiệu suất rất lớn và phù hợp với các tình huống tính toán mã hóa cụ thể. Thật khó để thay thế trực tiếp các tác vụ hiệu suất cao của TEE. ZK hoạt động tốt trong các tình huống có thể xác minh và phân cấp và có thể đóng vai trò bổ sung cho TEE (mô-đun này dự kiến ​​sẽ được kết nối với zkML trong tương lai).

4. Sentient Agent Framework

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

Sentient-Agent-Framework là một khuôn khổ mã nguồn mở nhẹ tập trung vào việc tự động hóa các tác vụ web (như tìm kiếm và phát video) bằng cách điều khiển trình duyệt thông qua các tác nhân AI, kết hợp các hướng dẫn ngôn ngữ tự nhiên và LLM (như GPT-4o của OpenAI) để cung cấp trải nghiệm phát triển ngắn gọn (được cho là gồm 3 dòng mã). Khả năng thực thi không đồng bộ, chỉ thị tùy chỉnh và hỗ trợ nhiều nhà cung cấp khiến nó phù hợp cho các ứng dụng thử nghiệm và phát triển nhanh. Khi kết hợp với các dự án AGI có tri giác khác (như khuôn khổ TEE), nó có thể được mở rộng sang các tình huống nhạy cảm về bảo mật.

Kiến trúc cốt lõi: Kiến trúc này hỗ trợ việc xây dựng một thực thể thông minh với vòng lặp khép kín hoàn chỉnh của "nhận thức-lập kế hoạch-thực hiện-phản hồi" và có thể mở rộng thành hệ thống AI nguồn mở có thể liên kết, được xác minh trên chuỗi và cộng tác giữa nhiều tác nhân.

1. Lớp người dùng: Người dùng nhập mục tiêu nhiệm vụ thông qua ngôn ngữ tự nhiên

2. Khung tác nhân

3. Nhận thức: Hiểu đầu vào và môi trường

4. Lập kế hoạch: Tạo kế hoạch hành động dựa trên mục tiêu

5. Thực hiện: Gọi các công cụ/kỹ năng để thực hiện nhiệm vụ

6. Suy ngẫm: Phân tích phản hồi và tối ưu hóa hành vi

7. Bộ nhớ: Quản lý bộ nhớ ngắn hạn + dài hạn

8. Kỹ năng/Công cụ: Đăng ký các chức năng và plug-in bên ngoài

9. Lớp tích hợp bên ngoài (Tích hợp bên ngoài)

10. Hợp đồng thông minh blockchain: ghi lại tác vụ, giải quyết khuyến khích

11. Sổ đăng ký tác nhân: xác thực danh tính và kiểm soát phiên bản

12. Mô-đun chứng minh ZK: xác minh tính xác thực của đầu ra

13. API công cụ bên ngoài: chẳng hạn như tìm kiếm trên web, cơ sở dữ liệu, hệ thống tệp, v.v.

14. Lớp lưu trữ (Lưu trữ): lưu trữ cục bộ + lưu trữ phi tập trung (chẳng hạn như IPFS)

So với AI Agent Framework truyền thống, Sentient-Agent-Framework có chức năng hạn chế, nhẹ và ngắn gọn. So với các Crypto AI Framework như Virtuals Protocol và ai16z (elizaOS), cung cấp nhiều giải pháp đa dạng cho việc phát triển tác nhân AI, tự động hóa trên chuỗi hoặc tích hợp Web3, Sentient-Agent-Framework phù hợp hơn cho các tác vụ Web ngoài chuỗi.

5. Sentient Social Agent

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

Sentient-Social-Agent là một hệ thống AI được thiết kế để xây dựng các tương tác tự động trên các nền tảng xã hội (Twitter, Discord và Telegram). Nó có thể hiểu được môi trường xã hội, tạo nội dung, tương tác với người dùng và thực hiện giao tiếp xã hội thông qua sự hợp tác của nhiều tác nhân. Nó sử dụng các mô-đun nhận thức xã hội, tạo nội dung và lập kế hoạch hành vi để hỗ trợ các cuộc trò chuyện tự nhiên và tạo nội dung trên nền tảng. Phù hợp với các tình huống như vận hành thương hiệu, quản lý cộng đồng ảo và truyền bá thông tin. Hệ thống có thể được tích hợp với nền tảng Sentient Agent.

6. Open Deep Search (chưa trực tuyến)

Trên trang web chính thức của Sentient, Open Deep Search được định nghĩa là một tác nhân tìm kiếm vượt trội hơn ChatGPT và Perplexity Pro. Thành viên nhóm Sewoong Oh đã tiết lộ một phần kế hoạch tại Hội nghị thượng đỉnh AGI mở EthDenver 2025:

Open Deep Search bao gồm hai phần chính: Khả năng tìm kiếm của Sensient (bao gồm trình bày lại truy vấn, xử lý URL và tài liệu, v.v.) và tác nhân suy luận. Tác nhân lý luận tận dụng các LLM nguồn mở như Llama 3.1 và DeepSeek để cải thiện chất lượng tìm kiếm thông qua các công cụ như tìm kiếm, máy tính và tự phản ánh. Trên Frames Benchmark, Open Deep Search vượt trội hơn các mô hình nguồn mở khác và thậm chí có thể so sánh với một số mô hình nguồn đóng, nhưng vì các tính năng của nó vẫn chưa trực tuyến nên chúng tôi không thể đánh giá khả năng thực sự của nó.

3. Hình thức sản phẩm, triển khai và lập kế hoạch

Các sản phẩm hiện đang được trưng bày trên trang web chính thức của Sentient chủ yếu là nền tảng đối thoại trò chuyện Sentient Chat và mô hình mã nguồn mở Dobby LLM:

Sentient Chat:

Sentient Chat là một nền tảng trò chuyện AI phi tập trung do Sentient Foundation ra mắt, nhằm mục đích cung cấp trải nghiệm trí tuệ nhân tạo trung thành, có thể tùy chỉnh và do cộng đồng thúc đẩy. Nền tảng này kết hợp các mô hình ngôn ngữ nguồn mở quy mô lớn (như chuỗi Dobby) với các khuôn khổ tác nhân suy luận tiên tiến, hỗ trợ tích hợp nhiều công cụ và đáp ứng các nhu cầu đa dạng của người dùng. Các chức năng cốt lõi là:

1. Công cụ suy luận mở: Công cụ suy luận tích hợp của Sentient Chat có thể thực hiện các tác vụ phức tạp và hỗ trợ các chức năng sau:

• Công cụ tìm kiếm: Tìm kiếm sâu mở (ODS) tích hợp để cung cấp khả năng tìm kiếm trên web theo thời gian thực.

• Máy tính: xử lý các phép tính toán học và nhiệm vụ phân tích dữ liệu.

• Thực thi mã: Bằng cách tạo và chạy mã Python, có thể thực hiện được suy luận logic phức tạp và thực thi tác vụ.

2. Tích hợp nhiều tác nhân: Nền tảng hỗ trợ tích hợp nhiều tác nhân AI. Người dùng có thể chọn các tác nhân khác nhau để tương tác theo nhu cầu của mình, giúp cải thiện tính linh hoạt và chức năng của nền tảng. Một thứ gì đó giống như phiên bản Web3 của POE hoặc một giải pháp thay thế mở, chạy bằng proxy cho Perplexity

Sentient Chat hiện đang trong giai đoạn thử nghiệm và chỉ có thể truy cập thông qua mã mời được phân phối qua email hoặc các sự kiện cộng đồng. Theo thông tin chính thức được công bố rộng rãi, hơn 5.000 người dùng đã truy cập thành công vào Sentient Chat và hơn 100.000 truy vấn của người dùng đã được xử lý. Vì tác giả vẫn chưa trở thành người dùng trong danh sách trắng thử nghiệm của mình nên hiện tại không thể đánh giá được khả năng thực sự của mô hình.

Loạt mô hình Dobby LLM:

Dựa trên loạt Llama của Meta để tinh chỉnh, trang chủ Hugging Face (https://huggingface.co/SentientAGI)

1. Bộ truyện Dobby-Unhinged

• Dobby-Unhinged-Llama-3.3-70B: Dựa trên Llama 3.3-70B-Instruct, bộ truyện nhấn mạnh vào quan điểm về tự do cá nhân và tiền điện tử, với phong cách trò chuyện thẳng thắn, hài hước và nhân văn. Ôm mặt+6 Ôm mặt+6 Ôm mặt+6

• Dobby-Mini-Unhinged-Llama-3.1-8B: Phiên bản tham số 8B, phù hợp với các thiết bị có tài nguyên hạn chế, vẫn duy trì các tính năng cốt lõi của dòng "Unhinged". Ôm mặt+5Ôm mặt+5Ôm mặt+5

2. Dòng Dobby-Leashed:

Dobby-Mini-Leashed-Llama-3.1-8B: So với phiên bản "Unhinged", phiên bản này có âm thanh nhẹ nhàng hơn và phù hợp với các tình huống ứng dụng đòi hỏi công suất mạnh mẽ hơn. Ôm mặt+2 Ôm mặt+2 Ôm mặt+2

Vì mô hình Dobby LLM là phiên bản tinh chỉnh của Llama 3.1 và 3.3 nên chúng tôi tin rằng các tình huống ứng dụng của nó chủ yếu là xây dựng chatbot, tạo và tạo nội dung, tác nhân nhập vai, v.v. Ưu điểm của nó nằm ở khả năng tạo phong cách linh hoạt, cải thiện lý luận và yêu cầu tài nguyên thấp, đồng thời phù hợp để triển khai nhanh chóng và tùy chỉnh linh hoạt trong môi trường hạn chế tài nguyên. So với các mô hình nguồn đóng mạnh hơn như GPT-4, Dobby LLM vẫn còn nhiều lỗ hổng trong việc xử lý các tác vụ liên quan đến logic nâng cao, suy luận kiến ​​thức liên miền và suy luận sâu.

Bốn. Kịch bản triển khai và hợp tác hệ sinh thái

Hiện tại, Chương trình Sentient Builder cung cấp 1 triệu đô la Mỹ tiền tài trợ để hỗ trợ các nhà phát triển xây dựng các AI Agent chạy trong hệ sinh thái Sentient Chat. Các nhà phát triển phải sử dụng bộ công cụ phát triển của Sentient và truy cập hệ sinh thái của Sentient thông qua API của Sentient Agent.

Cùng lúc đó, các đối tác sinh thái đã công bố trên trang web chính thức của Sentient bao gồm các nhóm dự án trong nhiều lĩnh vực của Crypto AI (https://www.sentient.xyz/partners). Danh sách cụ thể như sau:

• Các mô hình: Eigenlayer, Move, CrunchDAO, Bagel, KGEN

• Các tác nhân: 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

• Dữ liệu: 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

• AI có thể xác minh: Nillion, Lagrange, pi2

• Blockchain: Arbitrum, Polygon, Celo

• Cơ sở hạ tầng: Lit Protocol, OpenGradient

Sentient Là một dự án hàng đầu trong lĩnh vực AI tiền điện tử, khả năng tích hợp tài nguyên của dự án có thể bao phủ bất kỳ dự án khởi nghiệp nào trong ngành. Tuy nhiên, cần lưu ý rằng sự tồn tại rộng rãi của hình thức hợp tác "theo kiểu tiếp thị" trong lĩnh vực tiền mã hóa đã tạo ra ảo tưởng về sự thịnh vượng giả tạo trong ngành. Sự đóng góp và lòng trung thành của các đối tác hệ sinh thái có tri giác đối với hệ sinh thái của họ vẫn cần được chúng ta tiếp tục quan sát.

Open AGI Summit là hội nghị toàn cầu do nhóm Sentient tổ chức, chuyên khám phá sự kết hợp giữa trí tuệ nhân tạo (AI) và công nghệ mã hóa (Crypto). Tôi đã vinh dự được tham dự hội nghị thượng đỉnh của tổ chức này tại ETH Denver và ETHcc vào năm 2024 và 2025. Điểm nổi bật là khả năng tập hợp các nhà đầu tư tổ chức hàng đầu trong ngành và các doanh nhân dự án để tham gia của nhóm Sentient.

5. Cấu trúc nhóm và bối cảnh nghiên cứu

Sentient Foundation tập hợp các chuyên gia học thuật, doanh nhân và kỹ sư hàng đầu thế giới trong ngành mã hóa và cam kết xây dựng một nền tảng AGI mã nguồn mở, có thể xác minh và do cộng đồng thúc đẩy. Theo thông tin chính thức của nhóm (https://sentient.foundation/people), các thành viên trong nhóm chủ yếu là:

Lãnh đạo cốt lõi (Ủy ban chỉ đạo)

• Pramod Viswanath – Giáo sư Forrest G. Hamrick của Đại học Princeton, đã nghiên cứu lâu năm về lý thuyết thông tin và hệ thống truyền thông, đồng thời lãnh đạo việc xây dựng cơ sở hạ tầng lý thuyết và bảo mật AI của Sentient.

• Himanshu Tyagi – Giáo sư tại Viện Khoa học Ấn Độ, chuyên về bảo vệ quyền riêng tư và thuật toán học tập phi tập trung, đồng thời cung cấp hỗ trợ học thuật cho đào tạo mô hình và cộng tác về quyền riêng tư.

• Sandeep Nailwal – Đồng sáng lập Polygon, chịu trách nhiệm về chiến lược blockchain và bố cục hệ sinh thái toàn cầu, là nhân vật chủ chốt kết nối cộng đồng tiền điện tử và kiến ​​trúc AI.

• Nhóm Sensys – Studio sản phẩm gốc Web3, dẫn đầu việc tối ưu hóa trải nghiệm phía người dùng và xây dựng cơ sở hạ tầng cho nhà phát triển, đồng thời thúc đẩy việc triển khai các sản phẩm Sentient.

Nhóm kỹ sư và phát triển cốt lõi: đến từ các công ty công nghệ và blockchain nổi tiếng như Meta, Coinbase, Circle, Polygon, Binance, cũng như các nhà nghiên cứu từ các trường đại học như Đại học Princeton, Đại học Washington và Viện Công nghệ Ấn Độ. Các thành viên trong nhóm có nhiều kinh nghiệm trong kỹ thuật LLM, bảo mật hệ thống, thị giác máy tính và xây dựng hệ thống dữ liệu.

Nhóm nghiên cứu và đào tạo mô hình AI: Nhóm nghiên cứu chuyên về AI/ML, NLP, thị giác máy tính và học tăng cường. Các thành viên có kinh nghiệm thực tế tại các tổ chức như Google Research, Daimon Labs và Fetch.ai. Thành phần của nhóm cho thấy Sentient có cả chiều sâu học thuật, khả năng triển khai và kinh nghiệm về hệ sinh thái tiền điện tử.

Cần phải chỉ ra rằng Sentient được thành lập với hào quang thành công của nhà sáng lập Polygon Sandeep Nailwal. Là giải pháp mở rộng quan trọng cho hệ sinh thái Ethereum, Matic bắt đầu với Plasma, một công nghệ không phải là tiên tiến nhất nhưng đủ rẻ và nhanh để xây dựng thế mạnh riêng của Polygon trong các lĩnh vực như NFT và mạng xã hội. Đồng thời, thông qua việc mua lại Mir Protocol và Hermez Network và ra mắt Polygon zkEVM, công ty đã tích hợp công nghệ ZK vào giải pháp mở rộng blockchain của mình. Là dự án thứ hai của Sandeep Nailwal, Sentient có nhiều kinh nghiệm, nguồn vốn, mối quan hệ và nhận thức về thị trường hơn trước rất nhiều. Nó cũng có thể huy động được số tiền khổng lồ vào năm 2024 với những ý tưởng dự án chưa hoàn hảo của mình. Tuy nhiên, xét cho cùng thì lĩnh vực AI lại khác với Crypto. Sentient vẫn phải đối mặt với những thách thức bên ngoài như những thay đổi trong môi trường thị trường mới, sự cạnh tranh ngày càng gay gắt và sự cập nhật công nghệ.

VI. Tình hình tài chính và mô hình token

• Thời gian tài trợ: giữa năm 2024;

• Số tiền tài trợ: 85 triệu đô la Mỹ (vòng hạt giống);

• Các tổ chức đầu tư: Founders Fund, Pantera và Framework Ventures cùng dẫn đầu khoản đầu tư. Các tổ chức VC khác bao gồm 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, v.v. (https://sentient.foundation/funding)

Sử dụng token $SENT (đang lên kế hoạch)

Cho đến thời điểm hiện tại, Sentient vẫn chưa ra mắt token chính thức. Nhà đồng sáng lập Sandeep Nailwal cho biết hiện tại dự án không có kế hoạch phát hành token, nhưng có thể được đánh giá trong tương lai dựa trên nhu cầu của cộng đồng và sự phát triển của dự án. Do đó, bất kỳ dự án nào tuyên bố cung cấp $SEN hoặc các token liên quan đến Sentient khác đều cần phải thận trọng để tránh lừa đảo.

Theo sách trắng, các cách sử dụng có thể có của mã thông báo SENT bao gồm: ánh xạ điểm khuyến khích của Đại lý thành Mã thông báo; được sử dụng cho các đề xuất quản lý phiên bản mô hình và bỏ phiếu; đặt cược để xác minh tính xác thực của đầu ra của Agent; Cơ chế chia cổ tức quản trị DAO, v.v.

Sentient là một dự án siêu sao được sinh ra với chiếc chìa khóa vàng. Bối cảnh nhà đầu tư, quy mô tài chính và định giá của nó vượt xa tầm với của hầu hết các dự án Crypto AI trên thị trường. Một mặt, nguồn tài trợ mạnh mẽ giúp dễ dàng tích hợp nhiều nguồn lực khác nhau trong ngành, nguồn tài chính lớn giúp dễ dàng thuê những nhân tài hàng đầu tham gia nhóm của mình và nguồn vốn mạnh có thể hỗ trợ phát triển dự án trong suốt các chu kỳ của ngành. Mặt khác, ngành công nghiệp tiền điện tử hiện nay nhìn chung không mấy hứng thú với các dự án định giá cao được các nhà đầu tư mạo hiểm hỗ trợ. Ngoài ra, giá của các dự án tiền ảo VC chủ yếu dựa trên hoạt động vốn và hoàn toàn tách biệt khỏi các yếu tố cơ bản. Giả sử rằng Sentient không thể cung cấp các sản phẩm AI tiền điện tử có ảnh hưởng và cuối cùng quyết định phát hành tiền ở mức định giá cao, điều này sẽ gây tổn hại đến cộng đồng tiền điện tử đang rất cần xây dựng lại niềm tin. Cách mà nhóm này ứng phó với tình thế tiến thoái lưỡng nan hiện tại của ngành đáng để chúng ta tiếp tục quan sát.

VII. Phân tích sản phẩm cạnh tranh và vị thế thị trường Các dự án được định vị là AI Chain bao gồm chuyển đổi AI của các blockchain cũ (Near và ICP) hoặc các giao thức điều phối chia sẻ tài nguyên phi tập trung và khuyến khích token như Bittensor, nhưng định vị của Sentient không hoàn toàn phù hợp với chúng. Về mặt đào tạo mô hình, Sentient giống một nền tảng tích hợp hơn và có mối quan hệ hợp tác với các mô hình AI nguồn mở trên thị trường. Về phía tác nhân, Sentient có một số điểm cạnh tranh chồng chéo với Talus, Olas hoặc Theoriq trong các hệ thống đa tác nhân và khả năng suy luận, nhưng mỗi dự án có các mục tiêu cốt lõi và kịch bản ứng dụng khác nhau và vẫn bổ sung cho nhau.

VIII. Kết luận

Sentient, với tư cách là một nền tảng giao thức trí tuệ nhân tạo phi tập trung (AGI), hướng đến mục tiêu cung cấp một cấu trúc sở hữu rõ ràng cho các mô hình AI và kêu gọi cũng như phân phối giá trị thông qua các cơ chế trên chuỗi để giải quyết các vấn đề về quyền sở hữu không rõ ràng và sự bất công trong thị trường LLM tập trung hiện nay. Khung cốt lõi OML (Mở, Có thể kiếm tiền, Trung thành) đảm bảo quyền sở hữu, tính minh bạch và chia sẻ lợi nhuận công bằng của các mô hình nguồn mở thông qua dấu vân tay mô hình và công nghệ blockchain. Với nguồn lực của nhà đồng sáng lập Polygon Sandeep Nailwal, Sentient đã nhận được sự hỗ trợ từ nhiều đối tác hệ sinh thái AI và VC hàng đầu. Mặc dù phải đối mặt với sự bất ổn trong quá trình phát triển, tranh cãi và cạnh tranh, người ta vẫn kỳ vọng rằng Sentient sẽ trở thành một trong những giao thức tiêu chuẩn cho quyền sở hữu AI phi tập trung và thúc đẩy sự phát triển phi tập trung của AGI.