Sentient 項目深度研究報告

撰文: 0xjacobzhao 及 ChatGPT 4o/ Grok3 

 

一、項目簡介：

 

Sentient 是一個致力於構建去中心化人工智能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，並構建可組合、可分潤的 AI Agent 網絡。通過「OML」框架（Open, Monetizable, Loyal）和模型指紋技術，Sentient 解決當前中心化 LLM 市場中「模型歸屬不明、調用不可追蹤、價值分配不公」的根本問題。

 

• 官網：https://www.sentient.xyz
• GitHub：https://github.com/sentient-agi
• 基金會：https://sentient.foundation
• 文檔：https://docs.sentient.xyz
• 博客：https://www.sentient.xyz/blog
• X：https://x.com/SentientAGI

 

該項目由 Sentient Foundation 推動，專注於開源 AGI 和協議激勵機制的構建。它所倡導的「忠誠 AI（Loyal AI）」是指服務於社區、公平治理並能長期自我演化的開放型 AI 模型生態。

 

 

Sentient Protocol 的架構由兩個核心組成部分構成：區塊鏈係統 和 AI 管道（AI Pipeline）。

 

AI 管道（AI Pipeline）是開發和訓練「忠誠 AI」工件的基礎，包含兩個核心過程：​

 

• 數據策劃（Data Curation）：​由社區驅動的數據選擇過程，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。

 

區塊鏈係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，主要模塊包括：​

 

• 治理（Governance）：​由去中心化自治組織（DAO）控制與決策。​
• 所有權（Ownership）：​通過代幣化方式表示 AI 工件的所有權。​
• 去中心化金融（DeFi）：​提供支持開放、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 模型框架

 

在 2024 年發佈的白皮書《Sentient: Loyal AI》中 (https://arxiv.org/abs/2411.03887)，項目提出 OML 框架，該框架以模型確權為起點，試圖構建「鏈上 AI 所有權協議經濟體」，首次係統性提出了「AI 原生加密學」概念，旨在為開源模型提供加密級別的所有權保護機制。

 

核心論文解讀——《OML: Open, Monetizable, and Loyal AI》：

 

• Open：模型必須開源，代碼與數據結構透明，支持社區復現、審計與分叉；
• Monetizable：模型的每一次調用都應當觸發收益流，並通過鏈上合約分配給訓練者、部署者與驗證者；
• Loyal：模型不屬於公司，而屬於貢獻者社區，模型升級方向與治理均由 DAO 決定。模型歸屬可驗證、修改受限、使用受控

 

OML 不等同於代碼許可協議，而是通過鏈上機制與加密手段，保障開源模型在保持開放性的同時具備經濟主權與治理權。構造一種 AI 原生的使用權和收益權協議層（ownership and revenue protocol layer），確保即便模型公開，依然能保證歸屬清晰、經濟激勵和行為治理。

 

核心概念：AI-native Cryptography（AI 原生加密學）

 

與傳統密碼學聚焦二進制精度不同，AI-native cryptography 利用 AI 模型的連續性、低維流形結構與模型可微特性，開發出「可驗證但不可移除」的輕量級安全機制。其核心技術是：

 

• 指紋嵌入（Model Fingerprinting）：在訓練時插入一組隱蔽的 query-response 鍵值對形成模型唯一簽名；
• 所有權驗證協議：通過第三方探測器（Prover）以 query 提問形式驗證指紋是否保留；
• 許可調用機制：調用前需獲取模型所有者簽發的「權限憑證」，係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「基於行為的授權調用 + 所屬驗證」。

 

 OML 的 5 類構件方式：

 

 

Sentient 當前採用的即為 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 實現主綫，強調「樂觀安全（Optimistic Security）」思想，即默認合規、違規後可檢測並懲罰。

 

此外論文定義了針對指紋機制的多種驗證機制與攻擊模型：

 

• 微調攻擊（LoRA/SFT）：修改部分參數試圖清除指紋；
• 知識蒸餾：構建學生模型以規避父模型指紋；
• 參數平均（模型合並）：多模型融合嘗試稀釋指紋強度；
• 指紋洩露攻擊：若指紋 key 洩露，驗證機制將失效。

 

對抗方式包括：多輪嵌入、子網隔離訓練；組合 benign 樣本防遺忘；嵌入權重綁定鏈上憑證。

 

OML 與 Sentient Protocol 協議架構

 

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

 

• 存儲層：存儲模型權重與指紋注冊信息；
• 分發層：授權合約控制模型調用入口；
• 訪問層：通過權限證明驗證用戶是否授權；
• 激勵層：收益路由合約將每次調用支付分配給訓練者、部署者與驗證者。

 

 

強調與以太坊等 L1 主鏈兼容，可作為鏈上 AI 所有權標準協議棧使用。所有模型注冊在鏈上（包含哈希、簽名、公鑰、指紋結構 ID）；Agent 綁定注冊模型並在每次調用後觸發使用證明提交；合約根據調用事件與收益流規則進行分潤（訓練者、部署者、驗證者）；用戶或合約調用者需通過鏈上網關驗證調用權限。該結構構成了 Sentient Protocol 的底層設計哲學。

 

2. 指紋識別與模型確權機制

 

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

 

該庫是 Sentient 指紋機制的第一個實現版本，提供可嵌入訓練流程的指紋注入與驗證接口。其目的在於：確保模型歸屬可驗證、使用行為可追蹤，防止未經授權的復制與商業化。這是對 OML（Open, Monetizable, Loyal）框架的具體工程實現。

 

模型指紋模塊（OML 1.0 Fingerprinting Module）功能如下：

 

• 行為打譜（Behavioral Profiling）：對模型行為進行特徵提取，生成唯一指紋。
• 模型歸屬（Model Attribution）：根據生成内容判斷其來源模型。
• 指紋驗證（Fingerprint Verification）：驗證模型輸出内容的來源和一致性。

 

指紋機制的本質是：通過微調模型，嵌入一組獨特的 「問題 - 回答」（key-response） 對，模型擁有者可通過特定查詢來驗證模型是否屬於自己，從而形成模型的「加密簽名」。總之，為 LLM（大語言模型）添加「水印」，追蹤和強制執行 AI 的擁有權。

 

3. Enclave TEE 計算框架

 

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

 

Sentient Enclaves Framework 是一個開源框架，​它利用如 AWS Nitro Enclaves 等可信執行環境（TEE），實現模型推理、微調和代理服務的安全部署。​該框架強調模型的「忠誠性」，確保模型僅響應授權請求，防止未經授權的訪問和使用，安全特性如下：

 

• Payload 加密部署：模型本體、運行配置、輸入輸出全部加密存儲於 enclave 内；
• TLS-based RPC：調用採用雙向 TLS + attestation 簽名通道進行通信；
• 日誌與緩存隔離：使用内存瞬態區運行，不記錄永久日誌；
• Attestation 報告：每次調用生成綁定 enclave 簽名的輸出證明，確保執行行為可追溯、可驗證。

 

TEE（Sentient Enclaves Framework）以高性能和雲端集成為優勢，適合實時 AI 和敏感數據處理，但受硬件依賴和側信道攻擊限制。Sentient Enclaves Framework 利用 Nitro Enclaves 提供企業級隱私保護，開發體驗較友好。同其他加密技術比較，FHE 提供無硬件依賴和抗量子安全的強隱私保證，但性能開銷巨大，適合特定加密計算場景，難以直接替代 TEE 的高性能任務。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 ( 該模塊未來計劃對接 zkML)。

 

4. Sentient Agent Framework

 

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

 

Sentient-Agent-Framework 是一個輕量級開源框架，專注於通過 AI 代理控制浏覽器實現 Web 任務自動化（如搜索、播放視頻），結合自然語言指令和 LLM（如 OpenAI 的 GPT-4o）提供簡潔的開發體驗（號稱 3 行代碼）。其異步執行、自定義指令和多提供商支持使其適合快速開發和實驗性應用。結合 Sentient AGI 的其他項目（如 TEE 框架），可擴展到安全敏感場景。

 

核心架構： 這套架構支持構建具備「感知–規劃–執行–反饋」完整閉環的智能體，可擴展為一個多 Agent 協作、鏈上驗證、可對齊的開源 AI 係統。

 

1. 用戶層（User Layer）：用戶通過自然語言輸入任務目標
2. Agent 框架層（Sentient Agent Framework）
3. Perception：理解輸入與環境
4. Planning：基於目標生成行動計劃
5. Execution：調用工具 / 技能執行任務
6. Reflection：分析反饋，優化行為
7. Memory：短期 + 長期記憶管理
8. Skills/Tools：注冊外部函數和插件
9. 協作層（Multi-Agent Layer）：多 Agent 協同工作、任務分配與結果匯總
10. 外部集成層（External Integration）
11. 區塊鏈智能合約：記錄任務，激勵結算
12. Agent Registry：身份認證與版本控制
13. ZK 證明模塊：驗證輸出真實性
14. 外部工具 API：如網頁搜索、數據庫、文件係統等
15. 存儲層（Storage）：本地存儲 + 去中心化存儲（如 IPFS）

 

同傳統 AI Agent Framework 比較 Sentient-Agent-Framework 功能有限且輕量簡潔。而同 Virtuals Protocol、ai16z (elizaOS) 等 Crypto AI Framework 相比較，後者在 AI 代理開發、鏈上自動化或 Web3 集成方面提供多樣化方案，而 Sentient-Agent-Framework 更適合鏈下 Web 任務。

 

5. Sentient Social Agent

 

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

 

Sentient-Social-Agent 是一個旨在構建社交平台 (Twitter, Discord, and Telegram) 自動化互動的 AI 係統，能夠理解社交環境、生成内容、與用戶互動，並通過多智能體協作進行社交交流。它利用社交感知、内容生成和行為規劃模塊，支持在平台上進行自然的對話和内容創作，適用於品牌運營、虛擬社群管理和信息擴散等場景，該係統可與 Sentient Agent 框架集成。

 

6. Open Deep Search ( 未上綫 )

 

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

 

開放深度搜索由兩個主要部分組成：Sensient 的搜索功能（包括查詢重述、URL 和文檔處理等）和推理代理。推理代理利用開源 LLM（如 Llama 3.1 和 DeepSeek），通過搜索、計算器和自我反思等工具提升搜索質量。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，但由於其功能未上綫，我們暫時無法評估其真實能力。

 

三、産品形態、落地及規劃

 

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

 

Sentient Chat：

 

Sentient Chat 是由 Sentient Foundation 推出的去中心化 AI 聊天平台，旨在提供由社區驅動、可定制且忠誠的人工智能體驗。​該平台融合了開源大型語言模型（如 Dobby 係列）與先進的推理代理框架，支持多種工具集成，滿足用戶多樣化的需求。核心功能有：

 

1. 開放推理代理：Sentient Chat 内置的推理代理能夠執行復雜的任務，支持以下功能：​

 

• 搜索工具：​集成 Open Deep Search（ODS），提供實時網頁搜索能力。​
• 計算器：​處理數學計算和數據分析任務。​
• 代碼執行：​通過生成和運行 Python 代碼，實現復雜的邏輯推理和任務執行。​

 

2. 多代理集成：平台支持集成多個 AI 代理，用戶可以根據需求選擇不同的代理進行交互，提升了平台的靈活性和功能性。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，僅限通過電子郵件或社區活動分發的邀請碼訪問。根據官方對外公佈信息，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 模型係列: 

 

基於 Meta 的 Llama 係列進行微調， Hugging Face 主頁 (https://huggingface.co/SentientAGI)

 

1. Dobby-Unhinged 係列

 

• Dobby-Unhinged-Llama-3.3-70B：​基於 Llama 3.3-70B-Instruct 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。​Hugging Face+6Hugging Face+6Hugging Face+6
• Dobby-Mini-Unhinged-Llama-3.1-8B：​8B 參數版本，適用於資源受限的設備，保持了「Unhinged」係列的核心特性。​Hugging Face+5Hugging Face+5Hugging Face+5

 

2. Dobby-Leashed 係列：

 

Dobby-Mini-Leashed-Llama-3.1-8B：​相較於「Unhinged」版本，語氣更為溫和，適用於需要更穩健輸出的應用場景。​Hugging Face+2Hugging Face+2Hugging Face+2

 

​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、内容生成與創作、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靈活定制。同 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 萬美金的金額資助支持開發者構建在 Sentient Chat 生態係統中運行的 AI Agent 智能體，要求開發者使用 Sentient 的開發套件且通過 Sentient Agent API 接入其生態。

 

與此同時，Sentient 官網公佈的生態夥伴涵蓋 Crypto AI 多個領域的項目方團隊（https://www.sentient.xyz/partners），具體列表如下：

 

• 模型：Eigenlayer, Move, CrunchDAO, Bagel, KGEN
• 智能體：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
• 數據：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
• 可驗證 AI ：Nillion, Lagrange, pi2
• 區塊鏈：Arbitrum, Polygon, Celo
• 基礎設施：Lit Protocol, OpenGradient

 

Sentient 作為 Crypto AI 領域頭部項目，資源整合能力可以覆蓋行業内任何一家明星初創型項目。但需要指出的是，「營銷型」合作廣泛的存在於 Crypto 領域制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 Sentient 團隊組織發起的致力於探索人工智能（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内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、加密行業創業者與工程師，致力於構建一個社區驅動、開源、可驗證的 AGI 平台。根據官方公佈公佈的團隊信息 (https://sentient.foundation/people)，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，長期研究信息理論與通信係統，主導 Sentient 的 AI 安全性與理論基礎建設。
• Himanshu Tyagi – 印度科學研究所教授，擅長隱私保護與去中心化學習算法，為模型訓練與隱私協同提供學術支持。
• Sandeep Nailwal – Polygon 聯合創始人，負責區塊鏈戰略與全球生態佈局，是連接加密社區與 AI 架構的關鍵人物。
• Sensys 團隊 – Web3 原生産品工作室，主導用戶端體驗優化與開發者基礎設施建設，推動 Sentient 産品落地。

 

核心工程與開發團隊：來自 Meta、Coinbase、Circle、Polygon、幣安 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 等高校背景的研究者。團隊成員具備豐富的 LLM 工程、係統安全、計算機視覺與數據係統建設經驗。

 

AI 研究與模型訓練團隊：研究團隊涵蓋 AI/ML、NLP、計算機視覺與強化學習，成員在 Google Research、Daimon Labs、Fetch.ai 等機構有實踐經驗。該團隊構成顯示出 Sentient 既具備強大學術深度，也擁有落地能力與加密生態經驗。

 

需要特別指出的是，Sentient 成立之初即帶著 Polygon 創始人 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 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 年憑借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、融資情況與代幣模型

 

• 融資時間：2024 年中；
• 融資金額：8500 萬美元（種子輪）；
• 投資機構：Founders Fund、Pantera、Framework Ventures 共同領投，其餘 VC 機構包括 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 代幣用途（規劃中）

 

截至目前，Sentient 尚未推出官方代幣。​聯合創始人 Sandeep Nailwal 表示，項目當前沒有發行代幣的計劃，但未來可能會根據社區需求和項目發展情況進行評估。​因此，任何聲稱提供 $SEN 或其他 Sentient 相關代幣的項目都應謹慎對待，以防詐騙。

 

根據白皮書，SENT 代幣可能得用途包括：Agent 激勵積分映射為 Token；用於模型版本管理提案與投票；質押驗證 Agent 輸出真實性；DAO 治理分紅機制等。

 

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周期。但另一方面，當下 Crypto 行業對 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鈎，假設 Sentient 無法交付具有影響力的 Crypto AI 産品而最後選擇高估值發幣，最後傷害到的同樣是急需重建信任的 Crypto 社區，團隊怎樣應對當下行業困局值得我們持續觀察。

 

七、競品分析與市場位置

 

市場上的 Crypto AI 項目大多專注於數據、模型、計算、訓練或推理等單一領域，或者開發 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 等在多智能體係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能（AGI）協議平台，旨在為 AI 模型提供明確的所有權結構，並通過鏈上機制進行調用和價值分配，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）通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諸多頭部 VC 和 AI 生態夥伴的支持，盡管面臨發展的不確定性、爭議及競爭，依然期望 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。

内容來源：TECHUB NEWS