原文標題：《AI L1 深度研報系列之 Sentient：8500 萬美元打造開放 AI 平台》

原文作者: 0xjacobzhao，Biteye

一、項目簡介

一、項目： 是一個致力於建構去中心化人工智慧經濟體的開源協議平台，其核心目標是為 AI 模型建立所有權結構、提供鏈上調用機制，並建立可組合、可分潤的 AI Agent 網路。透過「OML」框架（Open, Monetizable, Loyal）和模型指紋技術，Sentient 解決目前中心化 LLM 市場中「模型歸屬不明、呼叫不可追蹤、價值分配不公」的根本問題。

該專案由 Sentient Foundation 推動，專注於開源 AGI 和協議激勵機制的建構。它所倡導的「忠誠 AI（Loyal AI）」是指服務社區、公平治理並能長期自我演化的開放型 AI 模式生態。

圖 1:Sentient Protocol 的架構由兩個核心組成部分構成：區塊鏈系統 和 AI 管道

· 資料規劃（Data Curation）：由社群驅動的資料選擇過程，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。

區塊鏈系統為協議提供透明性和去中心化控制，確保 AI 工件的所有權和治理，主要模組包括：

· 治理（Governance）：由去中心化自治組織（DAO）控制與決策。

· 所有權（Ownership）：透過代幣化方式表示 AI 工件的所有權。

· 去中心化金融（DeFi）：提供支援開放、去中心化和公平治理及獎勵的金融工具。

二、技術架構與模型確權機制：

1. OML 模型架構

1. OML 模型架構

《Sentient: Loyal AI》白皮書提出 OML 框架《Open, Monetiz AIable, and LoyalAIable, and LoyalAIable」，該框架首次以系統為起點，以首次建立了「本模型」，該框架以首次為系統化為起點，以首次建立了「本模型」，該框架以首次為系統化為起點，以首次為系統化為起點，以首次定義為“系統為性。原生加密學」概念，旨在為開源模型提供加密層級的所有權保護機制。

· Open：模型必須開源，程式碼與資料結構透明，支援社群模式歸屬可驗證、修改受限、使用受控

OML 透過鏈上機制與加密手段，保障開源模式在維持開放性的同時具備經濟主權與治理權。建構一種 AI 原生的使用權和收益權協議層，確保模型公開，歸屬於清晰、經濟誘因和行為治理。

核心概念：AI-native Cryptography（AI 原生加密學）

AI-native cryptography 利用 AI 模型的連續性、低維流形結構與模型可驗證微特性，發展出「可驗證但不可移除的輕量級機制」。其核心技術為：

· 指紋嵌入：在訓練時插入一組隱藏的 query-response 鍵值對形成模型唯一簽署；

· 所有權驗證協定：透過第三方偵測器（Prover）以 query 提問形式驗證指紋是否保留；

許可調用機制：調用前需取得模型所有者簽發的「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「基於行為的授權呼叫 + 所屬驗證」。

Sentient 目前採用的即為 Melange 混合安全：以指紋確權、TEE 執行、鏈上合約分潤結合。其中指紋方法為 OML 1.0 實作主線，強調「樂觀安全（Optimistic Security）」思想，即預設合規、違規後可偵測並懲罰。

OML 與 Sentient Protocol 協定架構

論文最後一章提出完整鏈上協定（Sentient Protocol）以支援 OML：

· 儲存層：儲存模型權與指紋資訊；分發層：授權合約控制模型呼叫入口；

· 存取層：透過權限證明驗證使用者是否授權；

· 激勵層：收益路由合約將每次呼叫支付分配給訓練者、部署者與驗證者。

2. 指紋辨識與模型確權機制

GitHub：https://github.com/sentient-//oml-1.0-finger 指紋機制的第一個實作版本，提供可嵌入訓練流程的指紋注入與驗證介面。其目的在於：確保模型歸屬可驗證、使用行為可追踪，以防止未經授權的複製與商業化。這是對 OML 框架的具體工程實作。

指紋機制的本質是：透過微調模型，嵌入一組獨特的「問題-回答」（key-response）對，模型擁有者可透過特定查詢來驗證模型是否屬於自己，從而形成模型的「加密簽章」。

3. Enclave TEE 計算框架

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

TEE（Sentient Enclaves Framework）以高效能和雲端集成為優勢，適合即時 AI 和敏感資料處理，但受硬體依賴和側邊通道攻擊限制。同其他加密技術比較，FHE 提供無硬體依賴和抗量子安全的強隱私保證，但效能開銷巨大，難以直接取代 TEE 的高效能任務。 ZK 在可驗證性和去中心化場景中表現優異，可作為 TEE 的補充 (該模組未來計劃對接 zkML)。

4. Sentient Agent Framework

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

Sentient -任務自動化（如搜尋、播放影片），結合自然語言指令提供簡潔的開發體驗（號稱 3 行程式碼），這套架構支援建構具備「感知–規劃–執行–回饋」完整閉環的智能體，同傳統 AI Agent Framework 比較 Sentient-Agent-Framework 功能有限且輕量簡潔，更適合鏈下 Web 任務。

5. Sentient Social Agent

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

系統，能夠理解社交環境、生成內容、與使用者互動，並透過多智能體協作進行社交交流，該系統可與 Sentient Agent 框架整合。

6. Open Deep Search (未上線)

在 Sentient 官網上，Open Deep Search 被定義為可超越了 ChatGPT 和 Perplexity Pro 的搜尋代理。團隊成員 Sewoong Oh 在 EthDenver 2025 Open AGI 高峰會上揭露了部分規劃：

開放深度搜尋由兩個主要部分組成：Sensient 的搜尋功能（包括查詢重述、URL 和文件處理等）和推理代理。推理代理利用開源 LLM（如 Llama 3.1 和 DeepSeek），透過搜尋、計算器和自我反思等工具提升搜尋品質。在 Frames Benchmark 上，Open Deep Search 的表現超越其他開源模型，甚至能與某些閉源模型相媲美，但由於其功能未上線，我們暫時無法評估其真實能力。

三、產品形式、落地及規劃

目前 Sentient 官網上展示的產品以 Sentient Chat 聊天對話平台和開源模型 Dobby LLMs 為主：

Sient 是Sentient Foundation 推出的去中心化 AI 聊天平台，該平台融合了開源大型語言模型（如 Dobby 系列）與先進的推理代理框架，核心功能有：

1. 開放推理代理：Sentient Chat 內建的推理代理能夠執行複雜的任務，支援搜尋工具（ODS）、計算機、計算機執行。

2. 多代理整合：平台支援整合多個 AI 代理，使用者可以根據需求選擇不同的代理進行互動。類似於 Web3 版本的 POE 或開放式、代理驅動的 Perplexity 替代方案

Sentient Chat 目前處於測試階段，僅限透過電子郵件或社群活動分發的邀請碼存取。根據官方對外公佈訊息，目前已有超過 5,000 名用戶成功獲得 Sentient Chat 的使用權限，已處理超過 10 萬次用戶查詢。由於筆者目前尚未成為其測試白名單用戶，目前無法評估其模型真實能力。

Dobby LLM 模型系列:

1. Dobby-Unhinged 系列

· Dobby-Unhinged-Llama-3.3-70B：基於 Llami3-170B313-70B:微調，強調個人自由和加密貨幣的立場，具有直率、幽默和人性化的對話風格。

· Dobby-Mini-Unhinged-Llama-3.1-8B：8B 參數版本，適用於資源受限的設備。

2. Dobby-Mini-Leashed-Llama-3.1-8B：語調較為溫和，適用於需要較穩健輸出的應用場景。

由於 Dobby LLM 模型是基於 Llama 3.1 和 3.3 的微調版本，我們相信其應用場景主要在於構建聊天機器人、內容生成與創作、角色扮演代理等，其優勢在於靈活的風格生成、推理增強和低資源要求，適合於資源受限的環境下快速部署與定制靈活。與 GPT-4 等更強大的閉源模型相比，Dobby LLM 在處理涉及高級邏輯、跨領域知識推理和深度推理任務時仍存在差距。

四、生態合作與落地場景

目前 Sentient Builder Program 提供 100 萬美元的金額資助支持開發者構建在 Sentient Chat 生態系統中運行的 AI Agent 智能體，要求開發者使用 Sentient 的 Agent API 直接接入其生態 Sent。

同時，Sentient 官網公佈的生態夥伴涵蓋 Crypto AI 多個領域的專案方團隊，如下

圖 2: Sentient 的 AIentient 的 AI: center;">圖 2: Sentient;生態夥伴

Sentient 作為 Crypto AI 領域頭部項目，資源整合能力可以涵蓋業界任何一家明星新創型項目。但需要指出的是，「行銷型」合作廣泛的存在於 Crypto 領域製造了行業虛假繁榮的假象，Sentient 生態合作夥伴對其生態的貢獻度與忠誠度依然需要我們的持續觀察。

Open AGI Summit 是由 Sentient 團隊組織發起的致力於探索人工智慧（AI）與加密技術（Crypto）結合的全球性會議。筆者有幸參加了其 2024 年和 2025 年於 ETH Denver 和 ETHcc 期間的峰會，Sentient 團隊有能力聚集行業內最頭部機構投資人與項目創業者參與其中，不失為亮點。

五、團隊結構與研究背景

Sentient Foundation 聚集了全球頂尖的學術專家、加密產業創業家與工程師，致力於建構一個社群驅動、開源、可驗證的 AGI 平台。根據官方公佈的信息，其團隊成員主要為：

核心領導層（Steering Committee）

· Pramod Viswanath – 普林斯頓大學 Forrest G. Hamrick 教授，長期研究資訊理論與通訊系統，主導 Sentient 的 基礎 安全性與理論基礎。

· Himanshu Tyagi – 印度科學研究所教授，擅長隱私保護與去中心化學習演算法，為模型訓練與隱私協同提供學術支援。

· Sandeep Nailwal – Polygon 共同創辦人，負責區塊鏈策略與全球生態佈局，是連結加密社群與 AI 架構的關鍵人物。

· Sensys 團隊 – Web3 原生產品工作室，主導用戶端體驗優化與開發者基礎設施建設，推動 Sentient 產品落地。

核心工程與開發團隊：來自 Meta、Coinbase、Circle、Polygon、Binance 等知名科技與區塊鏈公司，也包括 普林斯頓大學、華盛頓大學、印度理工學院 等大學背景的研究者。 AI 研究與模型訓練團隊：研究團隊涵蓋 AI/ML、NLP、電腦視覺與強化學習，成員在 Google Research、Daimon Labs、Fetch.ai 等機構有實務經驗。

需要特別指出的是，Sentient 成立之初即帶著 Polygon 創辦人 Sandeep Nailwal 的成功光環。作為以太坊生態的重要擴展解決方案，Matic 依靠 Plasma 這一不領先但足夠“便宜與快”的技術起家，構建出 Polygon 在 NFT 和社交等領域的差異點護城河，同時通過收購 Mir Protocol 和 Hermez Network 以及推出 Polygon zkEVM，將 ZK 擴展技術集成到其區塊鏈擴展解決方案中。 Sentient 作為 Sandeep Nailwal 的二次創業，其經驗、資金、人脈以及市場認知度皆遠超當年，也可以在 2024 年憑藉並不完善的項目構想融到巨額資金，但 AI 領域畢竟不同於 Crypto，Sentient 面對新市場環境的變化、競爭加劇以及技術更新等外部挑戰發展依然存在。

六、融資狀況與代幣模式

Sentient 在 2024 年獲得 Founders Fund、Pantera、Framework Ventures 共同領投的 8,500 萬美元種子輪融資。目前尚未發幣。目前的 Agent 激勵積分在未來可映射為代幣。代幣可用於模型版本管理的提案魚投票、質押驗證 Agent 輸出真實性、治理粉紅等。

圖 3:Sentient 融資狀況

Sentient 是含著金鑰匙出生的天王項目，其投資人背景、融資規模和估值都令市場上大部分 Crypto AI 項目望其項背。一方面，其強資源背書能夠更容易的整合各類行業資源，高融資額能夠更容易的聘請到頂級人才加入其團隊、並且雄厚的資本可以支持項目發展穿越行業週期。但另一方面，當下 Crypto 產業對 VC 背書的高估值項目普遍祛魅，此外 VC 幣項目幣價以資本運作為主與基本面嚴重脫鉤，假設 Sentient 無法交付具有影響力的 Crypto AI 產品而最後選擇高估值發幣，最後行業傷害到的同樣是急需信任的 Crypto 社區，急需。

七、競品分析與市場位置

市場上的 Crypto AI 項目多專注於數據、模型、計算、訓練或推理等單一領域，或開發 AI Agent 等消費者層面的應用。以 AI Chain 為定位的項目包括了老公鏈的 AI 轉型 (Near 與 ICP) 或 Bittensor 這樣的去中心化資源共享協調與代幣激勵協議，Sentient 的定位與其並不完全匹配。在模型訓練側，Sentient 更像是整合平台，與市場上的 AI 開源模型是合作關係。而在 Agent 側，Sentient 與 Talus, Olas 或 Theoriq 等在多智能體系統和推理能力上存在一定重疊競爭關係，但每個項目都有不同的核心目標和應用場景依然存在互補性。

八、總結

Sentient 作為去中心化人工智慧（AGI）協議平台，旨在為 AI 模型提供明確的所有權結構，並透過鏈上機制進行調用和公平價值分配，解決當前中心化 LLM 市場中的歸屬不明和不公平問題。核心框架 OML（Open, Monetizable, Loyal）透過模型指紋和區塊鏈技術，確保開源模型的所有權、透明度和公正分潤。 Sentient 在 Polygon 聯合創始人 Sandeep Nailwal 的資源加持下獲得了許多頭部 VC 和 AI 生態夥伴的支持，儘管面臨發展的不確定性、爭議及競爭，仍然期望 Sentient 成為 去中心化 AI 所有權的標準協議之一，推動 AGI 的去中心化發展。

本文來自投稿，不代表 BlockBeats 觀點。