探讨 AI Layer1：寻找链上 DeAI 的沃土

2025-06-11 00:06:14

近年来，OpenAI、Anthropic、Google、Meta 等头部科技公司不断推动大语言模型（LLM）的飞速发展。LLM 在各行各业展现出前所未有的能力，极大地拓展了人类的想象空间，甚至在部分场景下展现了替代人类劳动的潜力。然而，这些技术的核心却牢牢掌握在少数中心化科技巨头手中。凭借雄厚的资本和对高昂算力资源的把控，这些公司建立起了难以逾越的壁垒，使绝大多数开发者和创新团队难以与之抗衡。

同时，在 AI 快速演进的初期，社会舆论往往聚焦于技术带来的突破和便利，而对隐私保护、透明度、安全性等核心问题的关注却相对不足。长期来看，这些问题将深刻影响 AI 行业的健康发展和社会接受度。如果无法妥善解决，AI「向善」还是「向恶」的争议将愈发突出，而中心化巨头在逐利本能驱动下，往往缺乏足够的动力去主动应对这些挑战。

区块链技术凭借其去中心化、透明和抗审查的特性，为 AI 行业的可持续发展提供了新的可能性。目前，Solana、Base 等主流区块链上已经涌现出众多「Web3 AI」应用。但深入分析可以发现，这些项目仍存在诸多问题：一方面，去中心化程度有限，关键环节和基础设施仍依赖中心化云服务，meme 属性过重，难以支撑真正意义上的开放生态；另一方面，与 Web2 世界的 AI 产品相比，链上 AI 在模型能力、数据利用和应用场景等方面仍显局限，创新深度和广度有待提升。

要真正实现去中心化 AI 的愿景，使区块链能够安全、高效、民主地承载大规模 AI 应用，并在性能上与中心化方案相抗衡，我们需要设计一条专为 AI 量身打造的 Layer1 区块链。这将为 AI 的开放创新、治理民主和数据安全提供坚实基础，推动去中心化 AI 生态的繁荣发展。

AI Layer 1 作为一条专为 AI 应用量身定制的区块链，其底层架构和性能设计紧密围绕 AI 任务的需求，旨在高效支撑链上 AI 生态的可持续发展与繁荣。具体而言，AI Layer 1 应具备以下核心能力：

AI Layer 1 的核心在于构建一个开放的算力、存储等资源的共享网络。与传统区块链节点主要聚焦于账本记账不同，AI Layer 1 的节点需要承担更复杂的任务，不仅要提供算力、完成 AI 模型的训练与推理，还需贡献存储、数据、带宽等多样化资源，从而打破中心化巨头在 AI 基础设施上的垄断。这对底层共识和激励机制提出了更高要求：AI Layer 1 必须能够准确评估、激励并验证节点在 AI 推理、训练等任务中的实际贡献，实现网络的安全性与资源的高效分配。唯有如此才能保证网络的稳定与繁荣，并有效降低整体算力成本。

AI 任务，尤其是 LLM 的训练与推理，对计算性能和并行处理能力提出了极高的要求。更进一步，链上 AI 生态往往还需支持多样化、异构的任务类型，包括不同模型结构、数据处理、推理、存储等多元场景。AI Layer 1 必须在底层架构上针对高吞吐、低延迟和弹性并行等需求进行深度优化，并预设对异构计算资源的原生支持能力，确保各种 AI 任务都能高效运行，实现从「单一型任务」到「复杂多元生态」的平滑扩展。

AI Layer 1 不仅要防止模型作恶、数据篡改等安全隐患，更要从底层机制上确保 AI 输出结果的可验证性和对齐性。通过集成可信执行环境（TEE）、零知识证明（ZK）、多方安全计算（MPC）等前沿技术，平台能够让每一次模型推理、训练和数据处理过程都可以被独立验证，确保 AI 系统的公正性和透明度。同时，这种可验证性还能帮助用户明确 AI 输出的逻辑和依据，实现「所得即所愿」，提升用户对 AI 产品的信任和满意度。

AI 应用经常涉及用户敏感数据，在金融、医疗、社交等领域，数据隐私保护尤为关键。AI Layer 1 应在保障可验证性的同时，采用基于加密的数据处理技术、隐私计算协议和数据权限管理等手段，确保数据在推理、训练及存储等全过程中的安全性，有效防止数据泄露和滥用，消除用户在数据安全方面的后顾之忧。

作为 AI 原生的 Layer 1 基础设施，平台不仅要具备技术上的领先性，还需为开发者、节点运营者、AI 服务提供商等生态参与者提供完善的开发工具、集成 SDK、运维支持和激励机制。通过持续优化平台可用性和开发者体验，促进丰富多元的 AI 原生应用落地，实现去中心化 AI 生态的持续繁荣。

基于以上背景与期望，本文将详细介绍包括 Sentient、Sahara AI、Ritual 、Gensyn、Bittensor 以及 0G 在内的六个 AI Layer1 代表项目，系统梳理赛道的最新进展，剖析项目发展现状，并探讨未来趋势。

Sentient 是一个开源协议平台，正在打造一条 AI Layer1 区块链 ( 初始阶段为 Layer 2，之后将迁移至 Layer 1)，通过结合 AI Pipeline 和区块链技术，构建去中心化的人工智能经济体。其核心目标是通过「OML」框架（开放、可盈利、忠诚）解决中心化 LLM 市场中的模型归属、调用追踪和价值分配问题，使 AI 模型实现链上所有权结构、调用透明化和价值分润化。Sentient 的愿景是让任何人都能够构建、协作、拥有并将 AI 产品货币化，从而推动一个公平、开放的 AI Agent 网络生态。

Sentient Foundation 团队汇聚了全球顶尖的学术专家、区块链创业者和工程师，致力于构建一个社区驱动、开源且可验证的 AGI 平台。核心成员包括普林斯顿大学教授 Pramod Viswanath 和印度科学研究所教授 Himanshu Tyagi，分别负责 AI 安全性与隐私保护，同时由 Polygon 联合创始人 Sandeep Nailwal 主导区块链战略与生态布局。团队成员背景横跨 Meta、Coinbase、Polygon 等知名企业，以及普林斯顿大学、印度理工学院等顶尖高校，覆盖 AI/ML、NLP、计算机视觉等领域，协力推动项目落地。

作为 Polygon 联合创始人 Sandeep Nailwal 的二次创业项目，Sentient 在成立之初便自带光环，拥有丰富的资源、人脉和市场认知度，为项目发展提供了强大背书。2024 年中，Sentient 完成了 8500 万美元的种子轮融资，由 Founders Fund、Pantera 和 Framework Ventures 领投，其他投资机构包括 Delphi、Hashkey 和 Spartan 等数十家知名 VC。

1、基建层

核心架构

Sentient 的核心架构由 AI 管道（AI Pipeline）和区块链系统两部分组成：

AI 管道是开发和训练「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、使用跟踪、收益分配与公平治理。具体架构分为四层：

· 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。

OML 模型框架

OML 框架（开放 Open、可货币化 Monetizable、忠诚 Loyal）是 Sentient 提出的核心理念，旨在为开源 AI 模型提供明确的所有权保护和经济激励机制。通过结合链上技术和 AI 原生加密学，具有以下特点：

· 开放性：模型必须开源，代码和数据结构透明，便于社区复现、审计和改进。

· 货币化：每次模型调用都会触发收益流，链上合约会将收益分配给训练者、部署者和验证者。

· 忠诚性：模型归属于贡献者社区，升级方向和治理由 DAO 决定，使用和修改受到加密机制的控制。

AI 原生加密学（AI-native Cryptography）

AI 原生加密是利用 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：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」。

模型确权与安全执行框架

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。

指纹机制是 OML 的关键实现，它通过嵌入特定的「问题 - 回答」对，让模型在训练阶段生成独特的签名。通过这些签名，模型拥有者可以验证归属，防止未经授权的复制和商业化。该机制不仅保护了模型开发者的权益，还为模型的使用行为提供了可追踪的链上记录。

此外，Sentient 推出了 Enclave TEE 计算框架，利用可信执行环境（如 AWS Nitro Enclaves）确保模型只响应授权请求，防止未经许可的访问和使用。虽然 TEE 依赖硬件且存在一定安全隐患，但其高性能和实时性优势使其成为当前模型部署的核心技术。

未来，Sentient 计划引入零知识证明（ZK）和全同态加密（FHE）技术，进一步增强隐私保护和可验证性，为 AI 模型的去中心化部署提供更成熟的解决方案。

2、应用层

目前，Sentient 的产品主要包括去中心化聊天平台 Sentient Chat、开源模型 Dobby 系列以及 AI Agent 框架

Dobby 系列模型

SentientAGI 已发布多个「Dobby」系列模型，主要基于 Llama 模型，聚焦自由、去中心化和加密货币支持的价值观。其中，leashed 版本风格较为约束和理性，适合稳健输出的场景；unhinged 版本偏向自由大胆，具备更丰富的对话风格。Dobby 模型已经被集成到多个 Web3 原生项目中，如 Firework AI 和 Olas，用户也可以在 Sentient Chat 中直接调用这些模型进行互动。Dobby 70B 是有史以来最去中心化的模型，拥有超过 60 万名所有者（持有 Dobby 指纹 NFT 的人同时也是该模型的共同拥有者）。

Sentient 还计划推出 Open Deep Search，这是一个试图超越 ChatGPT 和 Perplexity Pro 的搜索代理系统。该系统结合了 Sensient 的搜索功能（如查询重述、文档处理）与推理代理，通过开源 LLM（如 Llama 3.1 和 DeepSeek）提升搜索质量。在 Frames Benchmark 上，其性能已超过其他开源模型，甚至接近部分闭源模型，展现了强大的潜力。

Sentient Chat：去中心化聊天与链上 AI Agent 集成

Sentient Chat 是一个去中心化聊天平台，结合了开源大型语言模型（如 Dobby 系列）与先进的推理代理框架，支持多代理集成和复杂任务执行。平台内嵌的推理代理可以完成搜索、计算、代码执行等复杂任务，为用户提供高效的交互体验。此外，Sentient Chat 还支持链上智能体的直接集成，目前包括占星学 Agent Astro247、加密分析 Agent QuillCheck、钱包分析 Agent Pond Base Wallet Summary 和灵修指引 Agent ChiefRaiin。用户可以根据需求选择不同的智能代理进行互动。Sentient Chat 将作为代理的分发和协调平台使用。用户的提问可以被路由到任意一个已集成的模型或代理，以提供最优的响应结果。

AI Agent 框架

Sentient 提供两大 AI Agent 框架：

· Sentient Agent Framework： 一个轻量级开源框架，专注于通过自然语言指令实现 Web 任务自动化（如搜索、播放视频）。框架支持构建具备感知、规划、执行和反馈闭环的智能体，适合链下 Web 任务的轻量化开发。

· Sentient Social Agent： 针对社交平台（如 Twitter、Discord 和 Telegram）开发的 AI 系统，支持自动化互动与内容生成。通过多智能体协作，该框架能够理解社交环境，并为用户提供更加智能化的社交体验，同时可与 Sentient Agent Framework 集成，进一步扩展其应用场景。

Sentient Builder Program 目前设有 100 万美元资助计划，旨在鼓励开发者利用其开发套件，构建通过 Sentient Agent API 接入、并可在 Sentient Chat 生态中运行的 AI Agent。Sentient 官网公布的生态伙伴涵盖 Crypto AI 多个领域的项目方团队，如下

此外，Sentient Chat 目前处于测试阶段，需要通过邀请码进入白名单后才可访问，普通用户可以提交 waitlist。根据官方信息，已有超过 50,000 名用户和 1,000,000 次查询记录。Sentient Chat 的候补名单上有 2,000,000 名用户等待加入。

Sentient 从模型端入手，致力于解决当前大规模语言模型（LLM）面临的不对齐、不可信等核心问题，通过 OML 框架和区块链技术，为模型提供明确的所有权结构、使用追踪和行为约束，极大推动了去中心化开源模型的发展。

凭借 Polygon 联合创始人 Sandeep Nailwal 的资源支持，以及顶级 VC 和行业伙伴的背书，Sentient 在资源整合和市场关注度上处于领先地位。不过在当前市场对高估值项目逐渐祛魅的背景下，Sentient 能否交付真正具有影响力的去中心化 AI 产品，将是其能否成为去中心化 AI 所有权标准的重要考验。这些努力不仅关乎 Sentient 自身的成功，也对整个行业的信任重建和去中心化发展具有深远影响。

Sahara AI 是一个为 AI × Web3 新范式而生的去中心化基础设施致力于构建一个开放、公平且协作的人工智能经济。项目通过去中心化账本技术，实现数据集、模型和智能 Agent 的链上管理与交易，确保数据和模型的主权与可追溯性。同时，Sahara AI 引入透明、公平的激励机制，让所有贡献者，包括数据提供者、标注员和模型开发者，都能在协作过程中获得不可篡改的收入回报。平台还通过一个无需许可的「版权」系统，保护贡献者对 AI 资产的所有权和归属，并鼓励开放共享和创新。

Sahara AI 提供从数据收集、标注到模型训练、AI Agent 创建、AI 资产交易等服务的一站式解决方案，覆盖整个 AI 生命周期，成为满足 AI 开发需求的全方位生态平台。其产品质量和技术能力已获得微软、亚马逊、麻省理工学院（MIT）、Motherson 集团和 Snap 等全球顶尖企业和机构的高度认可，展现出强大的行业影响力和广泛的适用性。

Sahara 不只是一个科研项目，而是由一线技术创业者与投资人联合推动、具备落地导向的深科技平台。其核心架构有可能成为 AI × Web3 应用落地的关键支点。Sahara AI 已获得 Pantera Capital、Binance Labs、红杉中国等头部机构累计 4,300 万美元的投资支持；由南加州大学终身教授、2023 年度三星研究员 Sean Ren 和前 Binance Labs 投资总监 Tyler Zhou 共同创立，核心团队成员来自斯坦福大学、加州大学伯克利分校、微软、谷歌、Binance 等顶尖机构，融合了学术界与产业界的深厚积累。

1、基础层

Sahara AI 的基础层分为：1. 链上层用于 AI 资产的注册与变现，2. 链下层用于运行 Agents 与 AI 服务。由链上系统与链下系统协同构成，负责 AI 资产的注册、确权、执行与收益分配，支撑整个 AI 生命周期的可信协作。

Sahara 区块链与 SIWA 测试网（链上基础设施）

SIWA 测试网是 Sahara 区块链的第一个公开版本。Sahara 区块链协议（SBP）是 Sahara 区块链的核心，这是一套专为 AI 构建的智能合约系统，实现了 AI 资产的链上所有权、溯源记录与收益分配。核心模块包括资产注册系统、所有权协议、贡献追踪、权限管理、收益分配、执行证明等，构建出面向 AI 的「链上操作系统」。

AI 执行协议（链下基础设施）

为支撑模型运行与调用的可信性，Sahara 同时构建了链下的 AI 执行协议体系，结合可信执行环境（TEE），支持 Agent 创建、部署、运行与协同开发。每次任务执行均自动生成可验证记录，并上传链上，确保全流程可追溯、可验证。链上系统负责注册、授权与所有权记录，链下 AI 执行协议则支持 AI Agent 的实时运行与服务交互。由于 Sahara 跨链兼容，因此基于 Sahara AI 的基础设施构建的应用可以部署在任何链上，甚至链下。

2、应用层

Sahara AI 数据服务平台（DSP）

数据服务平台（DSP）是 Sahara 应用层的基础模块，任何人都可通过 Sahara ID 接受数据任务，参与数据标注、去噪与审核，并获得链上积分奖励（Sahara Points）作为贡献凭证。这一机制不仅保障了数据溯源与权属，同时推动「贡献 - 奖励 - 模型优化」形成闭环。目前进行到了第四季活动，这也是普通用户可以参与贡献的主要方式。

在此基础上，为了鼓励用户提交高质量的数据与服务，通过介绍双重激励机制，不仅可获得 Sahara 提供的奖励，还能获得生态伙伴的额外回报，实现一次贡献、多方收益。以数据贡献者为例，一旦其数据被模型反复调用或用于生成新应用，即可持续获取收益，真正参与 AI 价值链。这一机制不仅延长了数据资产的生命周期，也为协作与共建注入了强大动能，例如，BNB Chain 上的 MyShell 就通过 DSP 众包生成定制数据集，提升模型性能，用户则获得 MyShell 代币激励，形成双赢闭环。

AI 企业可以基于数据服务平台来众包定制数据集，通过发布专门的数据任务，快速从位于全球的数据标注者获得响应。AI 企业不再只依赖传统中心化数据供应商，就可大规模获取高质量标注数据。

Sahara AI Developer Platform

Sahara AI Developer Platform 是一个面向开发者与企业的一站式 AI 构建与运营平台，提供从数据获取、模型训练到部署执行与资产变现的全流程支持。用户可以直接调用 Sahara DSP 中的高质量数据资源，将其用于模型的训练与微调；处理完成的模型可在平台内进行组合、注册并上架至 AI 市场，通过 Sahara 区块链实现所有权确权与灵活授权。

Studio 同时整合去中心化计算能力，支持模型训练与 Agent 的部署运行，确保计算过程的安全性与可验证性。开发者还可将关键数据和模型存储，进行加密托管和权限控制，防止未授权访问。通过 Sahara AI AI Developer Platform，开发者无需自建基础设施，即可以更低门槛构建、部署并商业化 AI 应用，并通过协议化机制全面融入链上 AI 经济体系。

AI Markerplace

Sahara AI Marketplace 是一个面向模型、数据集与 AI Agent 的去中心化资产市场。它不仅支持资产的注册、交易与授权，更构建了一套透明且可追踪的收益分配机制。开发者可以将自己构建的模型或收集的数据集注册为链上资产，设置灵活的使用授权与分润比例，系统将根据调用频次自动执行收益结算。数据贡献者也能因其数据被重复调用而持续获得分润，实现「持续变现」。

这一市场与 Sahara 区块链协议深度整合，所有资产交易、调用、分润记录都将链上可验证，确保资产归属明确、收益可追踪。借助该市场，AI 开发者不再依赖传统 API 平台或中心化模型托管服务，而是拥有自主、可编程的商业化路径。

3、生态层

Sahara AI 的生态层串连了资料提供者、AI 开发者、消费者、企业用户与跨链合作伙伴。无论是想贡献资料、开发应用、使用产品，还是推动企业内部 AI 化，都能发挥作用并找到收益模式。资料标注者、模型开发团队与算力供应者可以将其资源注册为链上资产，透过 Sahara AI 的协议机制进行授权与分润，让每一次被使用的资源都能自动获得回报。开发者则能通过一站式的平台串接资料、训练模型、部署 Agent，在 AI Marketplace 中直接商业化他们的成果。

一般用户无需技术背景，也可参与资料任务、使用 AI App、收藏或投资链上资产，成为 AI 经济的一部分。对企业来说，Sahara 提供从资料众包、模型开发到私有部署与收益变现的全流程支持。除此之外，Sahara 支援跨链部署，任何公链生态都可使用 Sahara AI 提供的协议与工具来建构 AI 应用、接入去中心化 AI 资产，实现与多链世界的兼容与扩展。这使得 Sahara AI 不只是单一平台，更是一个链上 AI 生态的底层协作标准。

自项目启动以来，Sahara AI 不仅仅提供一套 AI 工具或算力平台，还在在链上重构 AI 的生产与分配秩序，打造一个人人都能参与、确权、贡献与共享的去中心化协作网络。正因如此，Sahara 选择以区块链作为底层架构，为 AI 构建可验证、可追踪、可分配的经济体系。

围绕这一核心目标，Sahara 生态已取得显著进展。在尚处于私测阶段的情况下，平台已累计生成超 320 万个链上账户，日活跃账户稳定在 140 万以上，显示出用户参与度与网络活力。其中，超过 20 万名用户通过 Sahara 数据服务平台参与了数据标注、训练与验证任务，并获得链上激励奖励。同时，仍有数百万用户在等待加入白名单，印证了市场对去中心化 AI 平台的强烈需求与共识。

在企业合作方面，Sahara 已与微软、亚马逊、麻省理工学院（MIT）等全球领先机构建立合作，为其提供定制化的数据采集与标注服务。企业可通过平台提交具体任务，由 Sahara 全球数据标注者组成的网络高效执行，实现规模化众包，执行效率、灵活性、多样化需求支持方面的优势。

SIWA 将分四个阶段推出。目前第一阶段为链上数据所有权打基础，贡献者可以将自己的数据集注册并代币化。目前对外公开开放，不需要白名单。需要确保上传的是对 AI 有用的数据，抄袭或者不当内容可能会受到处理。第二阶段实现数据集与模型的链上变现。第三阶段开放测试网，并开源协议。第四阶段推出 AI 数据流注册、溯源追踪与贡献证明机制。

除了 SIWA 测试网，现阶段普通用户可以参与 Sahara Legends，通过游戏化任务了解 Sahara AI 的功能。完成任务后收获守护者碎片，最后可以合成一个 NFT 来记录对网络的贡献。

或者在数据服务平台标注数据，贡献有价值数据，以及担任审核员。Sahara 后续计划和生态伙伴合作发布任务，让参与者除了获得 Sahara 的积分外还可获得生态伙伴的激励。第一次双奖励任务和 Myshell 一起举办，用户完成任务可获得 Sahara 的积分和 Myshell 的代币奖励。根据路线图，Sahara 预计于 2025 年 Q3 推出主网，届时可能也会迎来 TGE。

Sahara AI 让 AI 不再局限于开发人员或者大的 AI 公司，让 AI 更加开放包容和民主化。对于普通用户，无须编程知识即参与贡献并获取收益，Sahara AI 打造的是一个人人都能参与的去中心化 AI 世界。对于技术开发人员，Sahara AI 打通 Web2 和 Web3 开发路径，提供了去中心化但灵活强大的开发工具和高质量的数据集。

对于 AI 基础设施提供者，Sahara AI 提供了模型、数据、算力与服务的去中心化变现新路径。Sahara AI 不仅仅只做公链基础设施，还下场做核心应用，利用区块链技术促进 AI 版权系统的发展。现阶段 Sahara AI 已经和多个顶级 AI 机构达成合作，取得初步成功。后续是否成功，还应观察主网上线后的性能表现，生态产品发展和采用率以及经济模型能否在 TGE 后驱动用户继续为数据集做贡献。

Ritual 旨在解决当前 AI 行业中存在的中心化、封闭性和信任问题，为 AI 提供透明的验证机制、公平的计算资源分配以及灵活的模型适配能力；允许任何协议、应用或智能合约以几行代码的形式集成可验证的 AI 模型；并通过其开放的架构和模块化的设计，推动 AI 在链上的广泛应用，打造一个开放、安全且可持续的 AI 生态系统。

Ritual 于 2023 年 11 月完成 2500 万美元 A 轮融资，由 Archetype 领投，Accomplice 等多家机构及知名天使投资人参与，展示了市场认可和团队的强大社交能力。创始人 Niraj Pant 和 Akilesh Potti 均为前 Polychain Capital 合伙人，曾主导投资 Offchain Labs、EigenLayer 等行业巨头，展现出深刻洞见与判断力。团队在密码学、分布式系统、AI 等领域经验丰富，顾问阵容包括 NEAR 和 EigenLayer 等项目创始人，彰显了其强大的背景与潜力。

从 Infernet 到 Ritual Chain

Ritual Chain 是从 Infernet 节点网络自然过渡而来的第二代产品，代表了 Ritual 在去中心化 AI 计算网络上的全面升级。Infernet 是 Ritual 推出的第一阶段产品，于 2023 年正式上线。这是一个为异构计算任务设计的去中心化预言机网络，旨在解决中心化 API 的局限性，让开发者能够更加自由、稳定地调用透明且开放的去中心化 AI 服务。

Infernet 采用了灵活简单的轻量化框架，由于其易用性和高效性，在推出后迅速吸引了 8,000 多个独立节点加入。这些节点具备多样化的硬件能力，包括 GPU 和 FPGA，能够为 AI 推理和零知识证明生成等复杂任务提供强大的计算能力。然而，为了保持系统的简洁性，Infernet 放弃了一些关键功能，例如通过共识协调节点或集成稳健的任务路由机制。这些限制使 Infernet 难以满足更广泛的 Web2 和 Web3 开发者的需求，从而促使 Ritual 推出了更加全面和强大的 Ritual Chain。

Ritual Chain 是专为 AI 应用设计的下一代 Layer 1 区块链，旨在弥补 Infernet 的局限性，并为开发者提供更加稳健和高效的开发环境。通过 Resonance 技术，Ritual Chain 为 Infernet 网络提供了简洁且可靠的定价和任务路由机制，大幅优化了资源分配效率。此外，Ritual Chain 基于 EVM++ 框架，这是对以太坊虚拟机（EVM）的向后兼容扩展，具备更强大的功能，包括预编译模块、原生调度（scheduling）、内置账户抽象（Account Abstraction, AA）以及一系列先进的以太坊改进提案（EIPs）。这些特性共同构建了一个功能强大、灵活且高效的开发环境，为开发者提供了全新的可能性。

预编译 Sidecars

与传统预编译相比，Ritual Chain 的设计提升了系统的扩展性和灵活性，允许开发者以容器化方式创建自定义功能模块，而无需修改底层协议。这种架构不仅显著降低了开发成本，还为去中心化应用提供了更强大的计算能力。

具体来说 Ritual Chain 通过模块化架构将复杂计算从执行客户端中解耦，并以独立的 Sidecars 形式实现。这些预编译模块能够高效处理复杂的计算任务，包括 AI 推理、零知识证明生成和可信执行环境（TEE）操作等。

原生调度（Native Scheduling）

原生调度解决了任务定时触发和条件执行的需求。传统区块链通常依赖中心化的第三方服务（如 keeper）来触发任务执行，但这种模式存在中心化风险和高额成本。Ritual Chain 通过内置调度器彻底摆脱了对中心化服务的依赖，开发者可以直接在链上设置智能合约的入口点和回调频率（callback frequency）。区块生产者会维护挂起调用的映射表，在生成新区块时优先处理这些任务。结合 Resonance 的资源动态分配机制，Ritual Chain 能够高效且可靠地处理计算密集型任务，为去中心化 AI 应用提供了稳定的保障。

Ritual 的核心技术创新确保了其在性能、验证和扩展性上的领先地位，为链上 AI 应用提供了强大的支持。

1. Resonance：优化资源分配

Resonance 是一个优化区块链资源分配的双边市场机制，解决异构交易的复杂性。随着区块链交易从简单转账演变为智能合约、AI 推理等多样化形式，现有的费用机制（如 EIP-1559）难以高效匹配用户需求与节点资源。Resonance 通过引入 Broker 和 Auctioneer 两个核心角色，实现了用户交易与节点能力之间的最佳匹配：

Broker 负责分析用户交易的费用意愿和节点的资源成本函数，以实现交易与节点之间的最佳匹配，提升计算资源的利用率。Auctioneer 通过双边拍卖机制组织交易费用分配，确保公平性和透明性。节点根据自身硬件能力选择交易类型，而用户则可根据优先条件（如速度或成本）提交交易需求。

这一机制显著提高了网络的资源利用效率和用户体验，同时通过去中心化的拍卖流程进一步增强了系统的透明性和开放性。

2. Symphony：提升验证效率

Symphony 则专注于提升验证效率，解决传统区块链「重复执行」模式在处理和验证复杂计算任务时的低效问题。Symphony 基于「执行一次，多次验证」（EOVMT）的模型，通过将计算与验证流程分离，大幅减少重复计算带来的性能损耗。计算任务由指定节点执行一次，计算结果通过网络广播，验证节点利用非交互证明（succinct proofs）确认结果的正确性，而无需重复执行计算。

Symphony 支持分布式验证，将复杂任务分解为多个子任务，由不同的验证节点并行处理，从而进一步提升验证效率，并确保隐私保护和安全性。Symphony 对可信执行环境（TEE）和零知识证明（ZKP）等证明系统高度兼容，为快速确认交易和隐私敏感的计算任务提供灵活支持。这一架构不仅显著降低了重复计算带来的性能开销，还确保了验证过程的去中心化和安全性。

3. vTune：可追踪的模型验证

vTune 是 Ritual 提供的一种用于模型验证和来源追踪的工具，对模型性能几乎没有影响，同时具备良好的抗干扰能力，特别适用于保护开源模型的知识产权并促进公平分发。vTune 结合了水印技术和零知识证明，通过嵌入隐蔽的标记实现模型来源追踪和计算完整性保障：

· 水印技术： 通过权重空间水印、数据水印或函数空间水印嵌入标记，即使模型公开，其归属仍可以被验证。特别是函数空间水印能够在无需访问模型权重的情况下，通过模型输出验证归属，从而实现更强的隐私保护和鲁棒性。

· 零知识证明： 在模型微调过程中引入隐蔽数据，用于验证模型是否被篡改，同时保护模型创建者的权益。

这一工具不仅为去中心化 AI 模型市场提供了可信的来源验证，还显著提升了模型的安全性和生态透明性。

Ritual 目前处于私有测试网阶段，对于普通用户来说参与机会较少；开发者可以申请并参与官方推出的 Altar 和 Realm 激励计划，加入 Ritual 的 AI 生态建设，获得来自官方的全栈技术支持以及资金支持。

目前官方公布了一批来自 Altar 计划的原生应用：

· Relic： 基于机器学习的自动做市商（AMM），通过 Ritual 的基础设施动态调整流动性池参数，实现费用和底层池的优化；

· Anima： 专注于基于 LLM 的链上交易自动化工具，为用户提供流畅自然的 Web3 交互体验；

· Tithe： AI 驱动的借贷协议，通过动态优化借贷池和信用评分，支持更广泛的资产类型。

此外，Ritual 还与多个成熟项目展开了深度合作，推动去中心化 AI 生态的发展。例如，与 Arweave 的合作为模型、数据和零知识证明提供了去中心化的永久存储支持；通过与 StarkWare 和 Arbitrum 的集成，Ritual 为这些生态系统引入了原生的链上 AI 能力；此外，EigenLayer 提供的再质押机制为 Ritual 的证明市场增加了主动验证服务，进一步增强了网络的去中心化和安全性。

Ritual 的设计从分配、激励、验证等关键环节入手，解决了去中心化 AI 面临的核心问题，同时通过 vTune 等工具实现了模型的可验证性，突破了模型开源与激励的矛盾，为去中心化模型市场的构建提供了技术支撑。

当下 Ritual 处于早期阶段，主要针对模型的推理阶段，产品矩阵正在从基础设施扩展至模型市场、L2 即服务（L2aaS）以及 Agent 框架等领域。由于当下区块链仍处于私有测试阶段，Ritual 提出的先进的技术设计方案仍有待大规模公开落地，需要持续关注。期待随着技术的不断完善和生态的逐步丰富，Ritual 能够成为去中心化 AI 基础设施的重要组成部分。

在人工智能加速演进、算力资源愈发稀缺的时代背景下，Gensyn 正试图重塑整个 AI 模型训练的底层范式。

传统 AI 模型训练流程，算力几乎被垄断在少数几家云计算巨头手中，训练成本高昂、透明度低，阻碍了中小团队与独立研究者的创新步伐。而 Gensyn 的愿景正是打破这一「中心化垄断」结构，它主张将训练任务「下沉」至全球范围内无数个具备基本计算能力的设备上——无论是 MacBook、游戏级 GPU，还是边缘设备、闲置服务器，都可接入网络、参与任务执行、获取报酬。

Gensyn 成立于 2020 年，专注于构建去中心化 AI 计算基础设施。早在 2022 年，团队便首次提出了意图在技术和制度层面重新定义 AI 模型的训练方式：不再依赖封闭的云平台或巨型服务器集群，而是将训练任务下沉至全球范围内的异构计算节点之中，构建一个无需信任的智能计算网络。

2023 年，Gensyn 对其愿景进行了进一步拓展：构建一个全球连接、开源自治、无许可门槛的 AI 网络——任何具备基本计算能力的设备，都可成为这个网络中的一份子。其底层协议基于区块链架构设计，不仅具备激励机制与验证机制的可组合性。

Gen