Seiring dengan semakin terintegrasinya AI generatif ke dalam perangkat lunak perusahaan, Agen AI, dan alur kerja otomatisasi, kekhawatiran seputar privasi data, kepercayaan terhadap hasil, serta ketergantungan pada platform semakin mendapat perhatian.
Layanan AI tradisional biasanya mengandalkan arsitektur terpusat. Pengguna harus menyerahkan data ke penyedia model, dan proses inferensi beserta verifikasi hasil sepenuhnya bergantung pada platform itu sendiri. Meskipun praktis, model ini membawa tantangan dalam hal privasi, transparansi, dan kepatuhan.
Tujuan Nesa bukanlah untuk melatih model besar baru, melainkan membangun lapisan eksekusi dan verifikasi untuk AI, yang memungkinkan pengembang menjalankan layanan AI tepercaya di jaringan terbuka dan menyediakan dukungan infrastruktur untuk aplikasi AI terdesentralisasi di masa depan.

Sebagai lapisan eksekusi terdesentralisasi untuk AI tepercaya, Nesa mengatasi perlindungan privasi, verifikasi hasil, dan desentralisasi komputasi selama inferensi AI. Tidak seperti platform AI tradisional, Nesa berfokus pada bagaimana AI dijalankan, bukan bagaimana AI dilatih.
Saat ini, banyak layanan AI bergantung pada platform cloud terpusat. Pengguna biasanya tidak dapat memverifikasi apakah model berjalan sesuai rencana atau apakah data masukan diakses atau disimpan selama inferensi.
Nesa bertujuan untuk membuat inferensi AI menjadi "dapat diverifikasi, dapat diaudit, dan menjaga privasi" melalui mekanisme kriptografi dan arsitektur jaringan terdistribusi. Proyek ini memposisikan dirinya sebagai Layer-1 untuk AI Tepercaya — lapisan infrastruktur yang didedikasikan untuk AI yang dapat dipercaya.
Nesa mengatasi tiga tantangan utama: privasi data, kepercayaan terhadap hasil, dan sentralisasi infrastruktur AI.
Pertama, semakin banyak perusahaan yang mengintegrasikan dokumen internal, data pelanggan, dan informasi bisnis dengan sistem AI. Jika data ini harus diunggah ke server pihak ketiga untuk diproses, risiko privasi dan kepatuhan meningkat secara signifikan.
Kedua, sebagian besar platform AI beroperasi sebagai sistem kotak hitam. Pengguna hanya dapat melihat hasil tetapi tidak dapat memverifikasi apakah proses inferensi benar-benar dijalankan atau apakah hasilnya telah dirusak.
Terakhir, sumber daya AI saat ini sangat terkonsentrasi di beberapa perusahaan teknologi besar. Model, hashrate, dan data semuanya dimiliki oleh platform terpusat. Nesa berupaya mengurangi ketergantungan ini melalui jaringan terbuka, yang memungkinkan lebih banyak pengembang berpartisipasi dalam pengembangan infrastruktur AI.
Inferensi pribadi bertujuan untuk menyelesaikan inferensi AI tanpa mengekspos data masukan atau konten model.
Dalam skenario perawatan kesehatan, keuangan, basis pengetahuan perusahaan, dan sejenisnya, data pengguna seringkali lebih berharga daripada model itu sendiri. Kebocoran data selama inferensi dapat menyebabkan risiko kepatuhan dan keamanan yang serius.
AI yang dapat diverifikasi berfokus pada kepercayaan terhadap hasil. Bahkan jika sebuah node menyelesaikan tugas inferensi, jaringan tetap perlu membuktikan bahwa hasil tersebut berasal dari proses eksekusi yang benar — bukan data yang dibuat-buat atau komputasi yang salah.
Nesa menggabungkan perlindungan privasi dan verifikasi hasil, menjawab pertanyaan "Apakah data aman?" dan "Apakah hasilnya dapat dipercaya?" Hal ini membedakannya dari sebagian besar API AI tradisional.
Arsitektur inti Nesa menggunakan node terdistribusi untuk melakukan tugas inferensi AI secara kolektif, alih-alih mengandalkan satu server.
Ketika pengguna mengirimkan permintaan, jaringan pertama-tama menerima kueri terenkripsi, kemudian membagi model dan menugaskan bagian yang berbeda ke node yang berbeda untuk dieksekusi. Setiap node hanya dapat melihat sebagian data dan tidak dapat mengakses model lengkap atau kumpulan data lengkap.
Setelah inferensi selesai, mekanisme verifikasi memeriksa apakah hasilnya sesuai dengan proses eksekusi yang diharapkan, dan kemudian mengembalikan hasilnya kepada pengguna. Sepanjang proses, baik data maupun model tetap terlindungi.
| Fase Inferensi | Tugas Utama |
|---|---|
| Pengajuan Permintaan | Pengguna mengirim kueri terenkripsi |
| Pembagian Model | Jaringan menetapkan tugas model |
| Inferensi Terdistribusi | Node melakukan komputasi |
| Verifikasi Hasil | Bukti verifikasi dihasilkan |
| Pengembalian Hasil | Pengguna menerima hasil inferensi |
Arsitektur ini meningkatkan transparansi dan kepercayaan terhadap inferensi AI.
Infrastruktur Nesa dibangun dari beberapa modul kunci yang bersama-sama mendukung inferensi pribadi dan eksekusi tepercaya.
Yang paling sentral adalah Enkripsi Ekuivarian (EE), yang memungkinkan inferensi model dalam keadaan terenkripsi. Menurut materi resmi, EE dapat melakukan inferensi yang menjaga privasi dengan kinerja yang hampir sama dengan aslinya.
HSS-EE lebih lanjut membagi data terenkripsi di beberapa node untuk diproses, mencegah satu node pun memperoleh informasi lengkap.
MetaInf adalah sistem penjadwalan cerdas Nesa yang secara dinamis memilih strategi inferensi optimal berdasarkan kebutuhan tugas dan kondisi perangkat keras.
| Modul Inti | Peran Utama |
|---|---|
| Enkripsi Ekuivarian (EE) | Inferensi terenkripsi |
| HSS-EE | Perlindungan privasi terdistribusi |
| MetaInf | Penjadwalan tugas inferensi |
| Lapisan Verifikasi | Verifikasi hasil |
| Kerangka Kerja DAI | Dukungan aplikasi AI terdesentralisasi |
Modul-modul ini bersama-sama membentuk infrastruktur eksekusi AI Nesa.
Operasi jaringan Nesa bergantung pada kolaborasi berbagai peserta.
Pengembang bertanggung jawab untuk menyebarkan model, membangun aplikasi, dan terhubung ke layanan jaringan. Nesa menyediakan Model Playground dan mekanisme unggah model, yang memungkinkan pengembang menerbitkan layanan AI tanpa mengelola infrastruktur yang mendasarinya.
Operator node menyediakan sumber daya hashrate dan menjalankan tugas inferensi. Arsitektur terdistribusi memungkinkan perangkat keras dari berbagai ukuran untuk berpartisipasi dalam jaringan, bukan hanya pusat data besar.
Pengguna akhir memanggil layanan AI melalui lapisan aplikasi tanpa harus mengelola arsitektur jaringan yang kompleks secara langsung.
Peran peserta utama meliputi:
Fungsi inti dari token NES adalah untuk menghubungkan penggunaan sumber daya jaringan, insentif node, dan mekanisme tata kelola.
Pertama, NES dapat digunakan untuk membayar biaya layanan inferensi AI. Ketika pengembang memanggil sumber daya jaringan, mereka harus menyelesaikan transaksi menggunakan token.
Kedua, operator node dapat memperoleh insentif dengan berpartisipasi dalam operasi jaringan. Mekanisme token membantu mengoordinasikan pasokan sumber daya komputasi dengan permintaan jaringan.
Selain itu, NES memiliki fungsi tata kelola. Seiring perluasan ekosistem, pemegang token dapat berpartisipasi dalam keputusan tata kelola jaringan tertentu.
Oleh karena itu, NES bukan hanya alat pembayaran, tetapi juga komponen kunci dari sistem keamanan dan insentif ekonomi jaringan.
Skenario penerapan Nesa terutama terkonsentrasi di bidang yang membutuhkan tingkat privasi dan kepercayaan yang tinggi.
Dalam manajemen pengetahuan perusahaan, organisasi dapat menggunakan inferensi pribadi untuk memproses dokumen internal dan data bisnis sensitif tanpa mengekspos konten mentah ke platform pihak ketiga.
Dalam perawatan kesehatan, data pasien dapat dianalisis dalam keadaan terlindungi, mengurangi risiko kebocoran data.
Dalam pengendalian risiko keuangan, Agen AI, dan aplikasi AI on-chain, AI yang dapat diverifikasi membantu meningkatkan kepercayaan sistem keputusan otomatis.
| Skenario | Kemampuan yang Disediakan oleh Nesa |
|---|---|
| Basis Pengetahuan Perusahaan | Inferensi pribadi |
| Analisis Data Kesehatan | Perlindungan data |
| Pengendalian Risiko Keuangan | Keputusan yang dapat diverifikasi |
| Agen AI | Lingkungan eksekusi tepercaya |
| Aplikasi AI On-chain | Inferensi terdesentralisasi |
Perbedaan terbesar antara Nesa dan layanan AI tradisional terletak pada model kepercayaan.
Platform AI terpusat mengandalkan satu penyedia layanan untuk menangani eksekusi model, pemrosesan data, dan pengiriman hasil. Pengguna biasanya tidak dapat memverifikasi proses inferensi atau memahami eksekusi yang mendasarinya.
Nesa mengurangi ketergantungan pada satu entitas melalui verifikasi kriptografi dan jaringan komputasi terdistribusi. Privasi data, verifikasi hasil, dan partisipasi terbuka adalah tujuan desain intinya.
Namun, platform terpusat masih memiliki keunggulan dalam ekosistem model, optimalisasi kinerja, dan kematangan komersial.
Oleh karena itu, kedua model ini bukanlah pengganti satu sama lain, melainkan memberikan nilai yang berbeda dalam skenario yang berbeda.
Nesa adalah lapisan eksekusi terdesentralisasi untuk AI yang menjaga privasi dan dapat diverifikasi. Melalui Enkripsi Ekuivarian, HSS-EE, MetaInf, dan arsitektur inferensi terdistribusi, ia menyediakan infrastruktur AI tepercaya bagi pengembang dan perusahaan. Dibandingkan dengan layanan AI terpusat tradisional, Nesa menekankan kontrol data, kepercayaan terhadap hasil, dan partisipasi jaringan terbuka.
Seiring dengan perkembangan Agen AI, AI perusahaan, dan aplikasi AI on-chain, eksekusi tepercaya dan perlindungan privasi menjadi persyaratan infrastruktur baru. Nilai inti Nesa terletak pada penyediaan dukungan lapisan eksekusi dan verifikasi untuk ekosistem AI terdesentralisasi di masa depan.
Nesa adalah lapisan eksekusi terdesentralisasi untuk AI yang menjaga privasi dan dapat diverifikasi, yang memungkinkan inferensi AI tepercaya melalui jaringan terdistribusi dan mekanisme kriptografi.
Nesa menggunakan teknologi seperti Enkripsi Ekuivarian (EE) dan HSS-EE untuk menjaga data tetap terenkripsi selama inferensi dan mencegah satu node pun memperoleh informasi lengkap.
Nesa menekankan perlindungan privasi, verifikasi hasil, dan eksekusi terdesentralisasi, sementara OpenAI API terutama mengandalkan infrastruktur terpusat untuk menyediakan layanan AI.
Nesa cocok untuk skenario yang membutuhkan AI tepercaya, seperti basis pengetahuan perusahaan, analisis data kesehatan, pengendalian risiko keuangan, Agen AI, dan aplikasi AI on-chain.
NES digunakan untuk membayar biaya inferensi, memberi insentif kepada node untuk berpartisipasi dalam operasi jaringan, dan mendukung tata kelola ekosistem. Ini adalah bagian penting dari sistem ekonomi Nesa.





