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臺，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。
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。
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
《Sentient: Loyal AI》白皮書提出 OML 框架《Open, Monetizable, and Loyal AI》，該框架以模型確權為起點，首次系統性提出了「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。
· 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：模型每一次調用都觸發收益流，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 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，確保模型公開，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）
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：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」，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「基於行為的授權調用 + 所屬驗證」。
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 實現主線，強調「樂觀安全（Optimistic Security）」思想，即默認合規、違規後可檢測並懲罰。
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註冊信息；
· 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。
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，防止未經授權的複製與商業化。這是對 OML 框架的具體工程實現。
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」。
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。
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。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，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 代理控制瀏覽器實現 Web 任務自動化（如搜索、播放視頻），結合自然語言指令提供簡潔的開發體驗（號稱 3 行代碼），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，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
Sentient-Social-Agent 是一個旨在構建社交平臺 (Twitter, Discord, and Telegram) 自動化互動的 AI 系統，能夠理解社交環境、生成內容、與用戶互動，並通過多智能體協作進行社交交流，該系統可與 Sentient Agent 框架集成。
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，但由於其功能未上線，我們暫時無法評估其真實能力。
三、產品形態、落地及規劃
目前 Sentient 官網上展示的產品以 Sentient Chat 聊天對話平臺和開源模型 Dobby LLMs 為主：
Sentient Chat：
Sentient Chat 是由 Sentient Foundation 推出的去中心化 AI 聊天平臺，該平臺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 內置的推理代理能夠執行復雜的任務，支持搜索工具（ODS）、計算器、代碼執行。
2. 多代理集成：平臺支持集成多個 AI 代理，用戶可以根據需求選擇不同的代理進行交互。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 模型系列:
1. Dobby-Unhinged 系列
· 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。
· 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：語氣更為溫和，適用於需要更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靈活定製。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，如下
Sentient 作為 Crypto AI 領域頭部項目，資源整合能力可以覆蓋行業內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 領域製造了行業虛假繁榮的假象，Sentient 生態合作伙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 平臺。根據官方公佈公佈的信息，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，長期研究信息理論與通信系統，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 等高校背景的研究者。AI 研究與模型訓練團隊：研究團隊涵蓋 AI/ML、NLP、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。
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 年憑藉並不完善的項目構想融到鉅額資金，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
Sentient 在 2024 年獲得由 Founders Fund、Pantera、Framework Ventures 共同領投的 8500 萬美元種子輪融資。目前尚未發幣。當前的 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。
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 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 更像是整合平臺，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能（AGI）協議平臺，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，儘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。
歡迎加入律動 BlockBeats 官方社群：
Telegram 訂閱群：https://t.me/theblockbeats
Telegram 交流群：https://t.me/BlockBeats_App
Twitter 官方賬號：https://twitter.com/BlockBeatsAsia
