深度解析Sentient：如何为每个人构建一个可持续的人工智能生态系统？

文章转载来源： Tiger Research

我们正从平台时代迈向人工智能产业，然而我们再次面临着少数大型科技公司的中心化问题。我们必须提出一个关键问题：我们应该做什么来为每个人构建一个可持续的人工智能生态系统？简单的开源方法是不够的。

1. 人工智能时代：便利背后令人不安的真相

自2022年ChatGPT推出以来，人工智能（AI）技术已经深入渗透到我们的日常生活中。我们现在依赖人工智能辅助完成从简单的旅行规划到编写复杂代码以及创建图像和视频的各种任务。值得注意的是，我们可以免费或只需每月30美元就能访问所有这些功能来使用性能最高的模型。

然而，这种便利可能不会无限期持续。虽然人工智能技术表面上看起来是"为每个人服务的技术"，但实际上是由少数几家大型科技公司主导的垄断结构在控制它。更大的问题是，这些公司正变得越来越封闭。OpenAI最初是作为一个非营利组织成立的，但现在已经转变为营利性结构，尽管名字如此，它正在越来越接近成为"ClosedAI"。Anthropic也开始了认真的货币化努力，将Claude API的成本提高了近四倍。

问题不仅仅在于成本。这些公司可以随时限制服务和改变政策，而用户无法影响这样的决定。考虑这样一个场景：您是一位初创公司创始人。您刚刚推出了一项基于人工智能技术的创新服务，但有一天您使用的模型改变了其政策并限制了访问。您的服务停止运行，您的业务面临即时危机。个人用户面临同样的情况。我们每天使用的对话式人工智能模型（如ChatGPT）以及集成到工作流程中的人工智能功能都可能遇到相同的情况。

2. 开源模型：理想与现实之间

开源一直是IT行业对抗垄断的有效工具。就像Linux在PC生态系统中确立了自己作为替代品的地位，Android在移动生态系统中的地位一样，开源人工智能模型有望成为一种平衡力量，缓解人工智能行业中少数参与者集中的市场结构。

开源人工智能模型指的是摆脱了少数大型科技公司控制，允许任何人访问和使用的模型。虽然开放程度和范围因模型而异，但公司通常会发布人工智能模型权重、架构和部分训练数据集。著名的例子包括Meta的Llama、中国的DeepSeek和阿里巴巴的Qwen。其他开源人工智能模型项目可以通过Linux基金会的LF AI&Data找到。

然而，开源模型并不能提供完美的解决方案。虽然开源的理念仍然是理想主义的，但现实的问题仍然存在：谁将承担数据、计算资源和基础设施的巨大成本？人工智能行业是特别资本密集型的，具有高成本结构，仅靠理想不足以维持它。无论一个模型多么开放和透明，它最终都会像OpenAI一样面临现实的限制，并选择商业化的道路。

来源：Google

类似的困难在平台行业中反复出现。大多数平台最初在快速增长的同时为用户提供便利和免费服务。然而，随着时间推移运营成本增加，公司最终会优先考虑盈利能力。Google就是一个典型的例子。该公司最初的座右铭是"不作恶"，但逐渐将广告和收入优先于用户体验。韩国领先的通讯服务KakaoTalk经历了同样的过程。该公司最初宣布不会包含广告，但最终引入了广告和商业服务以支付服务器成本和运营费用。当理想与现实发生冲突时，公司做出了这一不可避免的选择。

人工智能行业很难逃脱这种结构。由于公司持续面临维护大规模数据、计算资源和基础设施的成本不断增加，系统无法仅通过理想主义的"完全开放"来维持自己。要使开源人工智能长期生存和发展，开发者需要一种结构性方法，在简单开放之外设计可持续的运营结构和收入模式。

3. 属于每个人、由每个人构建、为每个人服务的开放AGI

来源：Sentient

Sentient在这个关键时刻提出了一种新方法。该公司旨在构建基于去中心化网络的人工通用智能（AGI）基础设施，以同时解决少数公司的垄断问题和开源的可持续性缺陷。

为了实现这一目标，Sentient保持完全开放，同时确保建设者获得公平的补偿并保留控制权。封闭模型在运营和货币化方面运作高效，但对用户来说像黑盒一样不透明，不提供任何选择。开放模型为用户提供透明度和高可访问性，但建设者无法执行政策，在货币化方面也很困难。Sentient解决了这种不对称性。该技术在模型层面完全开放，但防止了现有开放系统经历的滥用。任何人都可以访问和利用该技术，但建设者保持对其模型的控制并获得收入。这种结构允许每个人从人工智能开发到利用参与并分享利益。

GRID（全球研究与智能目录）位于这一愿景的中心。GRID代表Sentient构建的智能网络，并作为开放AGI生态系统的基础。在GRID内，Sentient的核心技术（如ROMA（递归开放元代理）、OML（开放、可货币化和忠诚的人工智能）和ODS（开放深度搜索））与生态系统合作伙伴贡献的各种技术一起运作。

将此与城市进行比较，GRID代表城市本身。世界各地创建的人工智能工件（模型、代理、工具等）聚集在这个城市并相互互动。ROMA像城市内的交通网络一样连接和协调多个组件，而OML像法律系统一样保护贡献者的权利。然而，这只是一个类比。GRID内的每个元素不局限于固定的角色，任何人都可以根据需要利用它们或以全新的方式构建它们。所有这些元素在GRID内协同工作，创建由每个人为每个人构建的开放AGI。

来源：Sentient

Sentient还拥有实现这一愿景的强大基础。整个团队的70%以上由开源AGI研究人员组成，包括来自哈佛大学、斯坦福大学、普林斯顿大学、印度科学研究所（IISc）和印度理工学院（IIT）的研究人员。该团队还包括在Google、Meta、Microsoft、Amazon和BCG获得经验的人员，以及全球区块链项目Polygon的联合创始人。这种组合提供了人工智能技术能力和区块链基础设施开发经验。Sentient从包括Peter Thiel的Founders Fund在内的风险投资公司获得了8500万美元的种子投资，为全面推进奠定了基础。

3.1. GRID：协作开放智能网络

GRID（全球研究与智能目录）代表Sentient构建的开放智能网络。全球开发者创建的各种组件，包括人工智能模型、代理、数据集和工具，汇聚在一起并相互互动。目前，网络内连接了超过110个组件，共同运作形成一个集成系统。

来源：Sentient

Sentient联合创始人Himanshu Tyagi将GRID描述为"人工智能技术的应用商店"。当开发者创建针对特定任务优化的代理并在GRID上注册时，用户可以利用它们并根据使用情况支付成本。就像应用商店使任何人都能创建应用程序并将其货币化一样，GRID构建了一个开放的生态系统，创建了一个建设者贡献并获得奖励的结构。

GRID还展示了Sentient追求的开放AGI的方向。正如Meta的首席科学家和深度学习先驱Yann LeCun所指出的，没有一个巨大的单一模型可以完成AGI。Sentient的方法遵循相同的背景。就像当多个认知系统协同工作以创建统一思维时人类智能出现一样，GRID提供了使各种模型、代理和工具能够互动的机制。

来源：Sentient

封闭结构限制了这种类型的合作。OpenAI专注于GPT系列，而Anthropic专注于Claude系列，在孤立状态下发展技术。尽管每个模型都具有独特的优势，但它们无法结合彼此的优势，造成了它们反复解决相同问题的低效率。只允许内部人员参与的封闭结构也限制了创新的范围。GRID与这种方法不同。在开放环境中，各种技术可以合作和发展，随着参与者的增加，独特和新的想法呈指数级增长。这扩展了向AGI发展的可能性。

3.2. ROMA：多代理编排的开放框架

ROMA（递归开放元代理）是Sentient开发的多代理编排框架。该框架旨在通过组合多个代理或工具来实现复杂问题的高效处理。

来源：Sentient

ROMA在层次化和递归结构上构建其核心。想象一下将一个大型项目划分为多个团队，然后将每个团队的工作分解为详细任务。高层代理将目标分解为子任务，而低层代理处理这些任务中的详细步骤。考虑这个例子：用户询问，"分析最近的人工智能行业趋势并建议投资策略。"ROMA将其分为三部分：1）新闻收集，2）数据分析，和3）策略开发。然后为每个任务分配专门的代理。单一模型很难处理如此复杂的问题，但这种协作方法有效地解决了它们。

除了解决问题之外，ROMA还通过其灵活的多代理架构提供高可扩展性。ROMA使用的工具决定了它如何扩展到各种应用程序。例如，开发者可以添加视频或图像生成工具，然后ROMA可以根据给定的命令创建漫画书。

来源：Sentient

ROMA在性能方面也提供了令人印象深刻的基准结果。ROMA Search在SEALQA的SEAL-0基准测试中记录了45.6%的准确率，这是Google Gemini 2.5 Pro的19.8%的两倍多。ROMA还在FRAME和SimpleQA基准测试中展示了稳固的性能。这些结果不仅仅是简单的数字，具有重要意义。它们清楚地表明，仅"协作结构"就可以超越高性能单一模型。此外，它们通过实际证明Sentient可以仅通过各种开源模型的组合构建强大的人工智能生态系统而具有重要意义。

3.3. OML：开放、可货币化和忠诚的人工智能

OML（开放、可货币化和忠诚的人工智能）解决了Sentient开放生态系统面临的一个基本困境。这个困境集中在如何保护开源模型的来源和所有权上。任何人都可以下载完全开源的模型，任何人都可以声称他们开发了它们。因此，模型身份变得毫无意义，建设者的贡献得不到认可。解决这个问题需要一种机制，既能保持开源的开放性，又能保护建设者的权利，防止未经授权的复制或商业滥用。

OML通过在模型内部嵌入独特的指纹来验证其来源来解决这个问题。最极端的形式是训练模型对随机字符串（如"nonTenbcTBa otrapacticde 回%ultyceuvreshgreg昔者 historical anc @Jeles бай user]"）返回特殊响应，如"역シ⾮機학듥"。然而，用户在自然使用环境中可以轻松检测到这种随机模式，这限制了这种方法。

Sentient的OML 1.0作为解决方案采取了更复杂的方法。它在听起来自然的响应中隐藏指纹。考虑这个例子：当被问到"2025年网球最热门的新趋势是什么？"时，大多数模型以高概率标记（如"the"、"tennis"或"in"）开始响应。相比之下，带有指纹的模型会调整为以统计上不太可能的标记（如"Shoes"）开始。它生成的响应如"受人工智能设计启发的鞋子正在塑造2025年的网球趋势。"这些响应对人类来说听起来自然，但在模型的内部概率分布中明显突出。这种模式在表面上看起来很普通，但在模型内部作为独特的签名发挥作用。它能够进行来源验证并检测未经授权的使用。

来源：Sentient

这种嵌入的指纹将作为证明模型所有权和验证Sentient生态系统内使用记录的基础。当建设者向Sentient注册模型时，区块链像IP许可一样记录和管理它们。这种结构使所有权验证成为可能。

然而，OML 1.0并不能提供完整的解决方案。OML 1.0在事后验证结构上运作，其中系统仅在通过基于区块链的质押机制或法律程序发生违规后才实施制裁。在常见的模型再处理程序（如微调、蒸馏和模型合并）过程中，指纹也可能减弱或消失。为了解决这个问题，Sentient引入了插入多个冗余指纹的方法，并将每个指纹伪装成类似于一般查询的形式，使检测变得困难。正在开发的OML 2.0旨在过渡到预先信任结构，提前防止违规并完全自动化验证程序。

4. Sentient Chat：开放AGI的ChatGPT时刻

来源：Sentient

GRID构建了一个复杂的开放AGI生态系统。普通用户仍然发现直接访问它很复杂。Sentient开发了Sentient Chat作为体验这个生态系统的一种方式。ChatGPT为人工智能技术普及创造了一个转折点。同样，Sentient旨在通过Sentient Chat展示开放AGI作为一种实用技术的有效性。

用户发现使用起来很简单。他们通过自然对话输入问题。系统在GRID内的无数模型和代理中找到最合适的组合来解决问题。众多建设者创建在后端协作的组件。用户只看到完成的答案。一个复杂的生态系统在一个单一的聊天窗口内运作。

来源：Sentient

Sentient Chat充当一个网关。它连接GRID的开放生态系统与公众。它将"每个人构建的AGI"扩展为"每个人都可以使用的AGI"。Sentient计划很快将其完全开源。任何人都可以带来他们的想法。他们将添加他们认为必要的新功能。他们将自由使用它。

5. Sentient的未来、现实和未来的挑战

今天的人工智能行业看到少数大型科技公司垄断技术和数据，而封闭结构变得根深蒂固。各种开源模型已经出现以对抗这一趋势，特别是在中国发展迅速。然而，这并不能提供完整的解决方案。即使是开源模型，在没有长期激励的情况下，在维护和扩展方面也面临限制，以中国为中心的开源可能随时根据利益恢复为封闭形式。在这种现实中，Sentient提出的开放AGI生态系统具有重要意义，它展示了行业应该追求的现实方向，而不仅仅是一个理想。

Dobby，Sentient的社区驱动模型，来源：Sentient

然而，仅凭理想无法创造现实的变化。Sentient寻求通过直接执行来证明可能性，而不是让其愿景停留在理论层面。该公司在构建基础设施的同时推出了像Sentient Chat这样的用户产品，以展示开放生态系统实际上是有效的。此外，Sentient直接开发像Dobby这样的加密货币专用模型。Dobby代表一个社区驱动的模型，社区处理从开发到所有权和运营的所有事情，测试这种治理是否真的在开放环境中发挥作用。

Sentient也面临着明确的挑战。随着参与者的增长，开源生态系统在质量管理和运营方面经历指数级增长的复杂性。Sentient如何管理这种复杂性同时保持平衡将决定生态系统的可持续性。该公司还必须推进OML技术。指纹插入技术在证明模型来源和所有权方面提供了创新，但它不能提供完美的解决方案。随着技术的进步，新的伪造或规避尝试不可避免地会随之而来，需要像矛与盾之间的战斗一样持续改进。Sentient通过持续研究推进其技术，研究结果在NeurIPS（神经信息处理系统）等主要人工智能会议上公布。

Sentient的旅程才刚刚开始。随着人们对人工智能行业封闭和垄断的担忧日益增长，Sentient的尝试值得关注。这些努力将如何在人工智能行业创造实质性变化还有待观察。