Sentient深度研报：获8500万美元融资，构建去中心化AGI新范式

原文标题：《AI L1 深度研报系列之 Sentient：8500 万美元打造开放 AI 平台》

原文作者: 0xjacobzhao，Biteye

一、项目简介：

Sentient 是一个致力于构建去中心化人工智能经济体的开源协议平台，其核心目标是为 AI 模型建立所有权结构、提供链上调用机制，并构建可组合、可分润的 AI Agent 网络。通过「OML」框架（Open, Monetizable, Loyal）和模型指纹技术，Sentient 解决当前中心化 LLM 市场中「模型归属不明、调用不可追踪、价值分配不公」的根本问题。

该项目由 Sentient Foundation 推动，专注于开源 AGI 和协议激励机制的构建。它所倡导的「忠诚 AI（Loyal AI）」是指服务于社区、公平治理并能长期自我演化的开放型 AI 模型生态。

图 1:Sentient Protocol 的架构由两个核心组成部分构成：区块链系统 和 AI 管道

AI 管道（AI Pipeline）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 工件的所有权和治理，主要模块包括：​

· 治理（Governance）：​由去中心化自治组织（DAO）控制与决策。​

· 所有权（Ownership）：​通过代币化方式表示 AI 工件的所有权。​

· 去中心化金融（DeFi）：​提供支持开放、去中心化和公平治理及奖励的金融工具。​

二、技术架构与模型确权机制：

1. OML 模型框架

《Sentient: Loyal AI》白皮书提出 OML 框架《Open, Monetizable, and Loyal AI》，该框架以模型确权为起点，首次系统性提出了「AI 原生加密学」概念，旨在为开源模型提供加密级别的所有权保护机制。

· Open：模型必须开源，代码与数据结构透明，支持社区复现、审计与分叉；

· Monetizable：模型每一次调用都触发收益流，并通过链上合约分配给训练者、部署者与验证者；

· Loyal：模型不属于公司，而属于贡献者社区，模型升级方向与治理均由 DAO 决定。模型归属可验证、修改受限、使用受控

OML 通过链上机制与加密手段，保障开源模型在保持开放性的同时具备经济主权与治理权。构造一种 AI 原生的使用权和收益权协议层，确保模型公开，归属清晰、经济激励和行为治理。

核心概念：AI-native Cryptography（AI 原生加密学）

AI-native cryptography 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」。

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。

OML 与 Sentient Protocol 协议架构

论文最后一章提出完整链上协议（Sentient Protocol）以支持 OML：

· 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。

2. 指纹识别与模型确权机制

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

该库是 Sentient 指纹机制的第一个实现版本，提供可嵌入训练流程的指纹注入与验证接口。其目的在于：确保模型归属可验证、使用行为可追踪，防止未经授权的复制与商业化。这是对 OML 框架的具体工程实现。

指纹机制的本质是：通过微调模型，嵌入一组独特的「问题-回答」（key-response）对，模型拥有者可通过特定查询来验证模型是否属于自己，从而形成模型的「加密签名」。

3. Enclave TEE 计算框架

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

Sentient Enclaves Framework 是一个开源框架，​它利用如 AWS Nitro Enclaves 等可信执行环境（TEE），实现模型推理、微调和代理服务的安全部署。​该框架强调模型的「忠诚性」，确保模型仅响应授权请求，防止未经授权的访问和使用。

TEE（Sentient Enclaves Framework）以高性能和云端集成为优势，适合实时 AI 和敏感数据处理，但受硬件依赖和侧信道攻击限制。同其他加密技术比较，FHE 提供无硬件依赖和抗量子安全的强隐私保证，但性能开销巨大，难以直接替代 TEE 的高性能任务。ZK 在可验证性和去中心化场景中表现优异，可作为 TEE 的补充 (该模块未来计划对接 zkML)。

4. Sentient Agent Framework

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

Sentient-Agent-Framework 是一个轻量级开源框架，专注于通过 AI 代理控制浏览器实现 Web 任务自动化（如搜索、播放视频），结合自然语言指令提供简洁的开发体验（号称 3 行代码），这套架构支持构建具备「感知–规划–执行–反馈」完整闭环的智能体，同传统 AI Agent Framework 比较 Sentient-Agent-Framework 功能有限且轻量简洁，更适合链下 Web 任务。

5. Sentient Social Agent

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

Sentient-Social-Agent 是一个旨在构建社交平台 (Twitter, Discord, and Telegram) 自动化互动的 AI 系统，能够理解社交环境、生成内容、与用户互动，并通过多智能体协作进行社交交流，该系统可与 Sentient Agent 框架集成。

6. Open Deep Search (未上线)

在 Sentient 官网上，Open Deep Search 被定义为可超越了 ChatGPT 和 Perplexity Pro 的搜索代理。团队成员 Sewoong Oh 在 EthDenver 2025 Open AGI 峰会上披露了部分规划：

开放深度搜索由两个主要部分组成：Sensient 的搜索功能（包括查询重述、URL 和文档处理等）和推理代理。推理代理利用开源 LLM（如 Llama 3.1 和 DeepSeek），通过搜索、计算器和自我反思等工具提升搜索质量。在 Frames Benchmark 上，Open Deep Search 的表现超越其他开源模型，甚至能与某些闭源模型相媲美，但由于其功能未上线，我们暂时无法评估其真实能力。

三、产品形态、落地及规划

目前 Sentient 官网上展示的产品以 Sentient Chat 聊天对话平台和开源模型 Dobby LLMs 为主：

Sentient Chat：

Sentient Chat 是由 Sentient Foundation 推出的去中心化 AI 聊天平台，​该平台融合了开源大型语言模型（如 Dobby 系列）与先进的推理代理框架，核心功能有：

1. 开放推理代理：Sentient Chat 内置的推理代理能够执行复杂的任务，支持搜索工具（ODS）、计算器、代码执行。

2. 多代理集成：平台支持集成多个 AI 代理，用户可以根据需求选择不同的代理进行交互。类似于 Web3 版本的 POE 或开放式、代理驱动的 Perplexity 替代方案

Sentient Chat 目前处于测试阶段，仅限通过电子邮件或社区活动分发的邀请码访问。根据官方对外公布信息，目前已有超过 5,000 名用户成功获得 Sentient Chat 的使用权限，已处理超过 10 万次用户查询。由于笔者目前尚未成为其测试白名单用户，目前无法评估其模型真实能力。

Dobby LLM 模型系列:

1. Dobby-Unhinged 系列

· Dobby-Unhinged-Llama-3.3-70B：​基于 Llama 3.3-70B-Instruct 微调，强调个人自由和加密货币的立场，具有直率、幽默和人性化的对话风格。​

· Dobby-Mini-Unhinged-Llama-3.1-8B：​8B 参数版本，适用于资源受限的设备。

2. Dobby-Mini-Leashed-Llama-3.1-8B：语气更为温和，适用于需要更稳健输出的应用场景。

​由于 Dobby LLM 模型是基于 Llama 3.1 和 3.3 的微调版本，我们相信其应用场景主要在于构建聊天机器人、内容生成与创作、角色扮演代理等，其优势在于灵活的风格生成、推理增强和低资源要求，适合于资源受限的环境下快速部署与灵活定制。同 GPT-4 等更强大的闭源模型相比，Dobby LLM 在处理涉及高级逻辑、跨领域知识推理和深度推理任务时仍存在差距。

四、生态合作与落地场景

目前 Sentient Builder Program 提供 100 万美元的金额资助支持开发者构建在 Sentient Chat 生态系统中运行的 AI Agent 智能体，要求开发者使用 Sentient 的开发套件且通过 Sentient Agent API 接入其生态。

与此同时，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

图 2: Sentient 的 AI 生态伙伴

Sentient 作为 Crypto AI 领域头部项目，资源整合能力可以覆盖行业内任何一家明星初创型项目。但需要指出的是，「营销型」合作广泛的存在于 Crypto 领域制造了行业虚假繁荣的假象，Sentient 生态合作伙伴对其生态的贡献度与忠诚度依然需要我们的持续观察。

Open AGI Summit 是 Sentient 团队组织发起的致力于探索人工智能（AI）与加密技术（Crypto）结合的全球性会议。笔者有幸参加了其 2024 年和 2025 年于 ETH Denver 和 ETHcc 期间的峰会，Sentient 团队有能力聚集行业内最头部机构投资人与项目创业者参与其中，不失为亮点。

五、团队结构与研究背景

Sentient Foundation 聚集了全球顶尖的学术专家、加密行业创业者与工程师，致力于构建一个社区驱动、开源、可验证的 AGI 平台。根据官方公布公布的信息，其团队成员主要为：

核心领导层（Steering Committee）

· Pramod Viswanath – 普林斯顿大学 Forrest G. Hamrick 教授，长期研究信息理论与通信系统，主导 Sentient 的 AI 安全性与理论基础建设。

· Himanshu Tyagi – 印度科学研究所教授，擅长隐私保护与去中心化学习算法，为模型训练与隐私协同提供学术支持。

· Sandeep Nailwal – Polygon 联合创始人，负责区块链战略与全球生态布局，是连接加密社区与 AI 架构的关键人物。

· Sensys 团队 – Web3 原生产品工作室，主导用户端体验优化与开发者基础设施建设，推动 Sentient 产品落地。

核心工程与开发团队：来自 Meta、Coinbase、Circle、Polygon、Binance 等知名科技与区块链公司，也包括 普林斯顿大学、华盛顿大学、印度理工学院 等高校背景的研究者。AI 研究与模型训练团队：研究团队涵盖 AI/ML、NLP、计算机视觉与强化学习，成员在 Google Research、Daimon Labs、Fetch.ai 等机构有实践经验。

需要特别指出的是，Sentient 成立之初即带着 Polygon 创始人 Sandeep Nailwal 的成功光环。作为以太坊生态的重要扩展解决方案，Matic 依靠 Plasma 这一不领先但足够「便宜与快」的技术起家，构建出 Polygon 在 NFT 和社交等领域的差异点护城河，同时通过收购 Mir Protocol 和 Hermez Network 以及推出 Polygon zkEVM，将 ZK 技术 集成到其区块链扩展解决方案中。Sentient 作为 Sandeep Nailwal 的二次创业，其经验、资金、人脉以及市场认知度皆远超当年，也可以在 2024 年凭借并不完善的项目构想融到巨额资金，但 AI 领域毕竟不同于 Crypto，Sentient 面对新市场环境的变化、竞争加剧以及技术更新等外部挑战发展依然存在。

六、融资情况与代币模型

Sentient 在 2024 年获得由 Founders Fund、Pantera、Framework Ventures 共同领投的 8500 万美元种子轮融资。目前尚未发币。当前的 Agent 激励积分在未来可映射为代币。代币可用于模型版本管理的提案鱼投票、质押验证 Agent 输出真实性、治理粉红等。

图 3:Sentient 融资情况

Sentient 是含着金钥匙出生的天王项目，其投资人背景、融资规模和估值都令市场上大部分 Crypto AI 项目望其项背。一方面，其强资源背书能够更容易的整合各类行业资源，高融资额能够更容易的聘请到顶级人才加入其团队、并且雄厚的资本可以支持项目发展穿越行业周期。但另一方面，当下 Crypto 行业对 VC 背书的高估值项目普遍祛魅，此外 VC 币项目币价以资本运作为主与基本面严重脱钩，假设 Sentient 无法交付具有影响力的 Crypto AI 产品而最后选择高估值发币，最后伤害到的同样是急需重建信任的 Crypto 社区，团队怎样应对当下行业困局值得我们持续观察。

七、竞品分析与市场位置

市场上的 Crypto AI 项目大多专注于数据、模型、计算、训练或推理等单一领域，或者开发 AI Agent 等消费者层面的应用。以 AI Chain 为定位的项目包括了老公链的 AI 转型 (Near 与 ICP) 或 Bittensor 这样的去中心化资源共享协调与代币激励协议，Sentient 的定位与其并不完全匹配。在模型训练侧，Sentient 更像是整合平台，与市场上的 AI 开源模型是合作关系。而在 Agent 侧，Sentient 与 Talus, Olas 或 Theoriq 等在多智能体系统和推理能力上存在一定重叠竞争关系，但每个项目都有不同的核心目标和应用场景依然存在互补性。

八、总结

Sentient 作为去中心化人工智能（AGI）协议平台，旨在为 AI 模型提供明确的所有权结构，并通过链上机制进行调用和价值分配，解决当前中心化 LLM 市场中的归属不明和不公平问题。核心框架 OML（Open, Monetizable, Loyal）通过模型指纹和区块链技术，确保开源模型的所有权、透明度和公正分润。Sentient 在 Polygon 联合创始人 Sandeep Nailwal 的资源加持下获得了诸多头部 VC 和 AI 生态伙伴的支持，尽管面临发展的不确定性、争议及竞争，依然期望 Sentient 成为 去中心化 AI 所有权的标准协议之一，推动 AGI 的去中心化发展。

本文来自投稿，不代表 BlockBeats 观点。