OriginTrail

OriginTrail 是一個去中心化的知識圖譜協議，為 AI 系統提供一個共享且可驗證的記憶層。其核心業務圍繞去中心化知識圖譜 (DKG) 展開，允許知識資產在無需許可的節點網絡中進行發佈、發現、查詢與驗證。該協議將加密證明（如 Merkle 根）錨定到多條區塊鏈上，確保數據的來源與完整性。 其核心價值主張是「可信賴的 AI」——解決 AI 模型（尤其是大型語言模型）產生幻覺或依賴於不可驗證數據來源的市場痛點。OriginTrail 透過讓 AI 代理能夠追溯任何知識片段的來源、驗證其真實性，並基於累積且不可篡改的知識（而非孤立且不透明的訓練數據）進行建構，從而解決此問題。這對於供應鏈、醫療保健及科學研究等數據來源至關重要的領域尤其相關。 在過去六個月（2026-02-28 至 2026-08-29）期間，OriginTrail 取得了顯著進展。DKG v10 的發佈為 AI 系統引入了一種新架構，支援 AI 代理對資訊進行私有處理，並在共享知識圖譜內比較結果，僅在達成共識時才將結論上鏈。五個獨立的 AI 代理分析來自 PubMed、ClinicalTrials.gov 及安全數據庫的醫療數據，在無協調的情況下得出了相同的發現，證明了該系統的可靠性。OriginTrail 也整合了 Google 的開放知識格式 (OKF)，為可攜式知識檔案添加了驗證層。此功能透過 Strategy 的比特幣儲備數據進行展示，將原始 SEC 申報文件轉化為 AI 代理可追溯的可驗證事實。此外，Umanitek 推出了 Blackbox，這是一款建立在 OriginTrail 的 DKG 之上的 AI 代理安全系統，透過共享威脅偵測來建立集體免疫，並將威脅訊號錨定在 DKG 上，使某個代理偵測到的威脅能為所有代理所見。 關於兩年內的負面資訊：該協議的文件承認其固有的限制——記錄表示的完整性並不等同於底層對象的真實性、完整性、法律效力或品質。數據品質完全取決於發佈者輸入的內容；若初始數據具有誤導性、不完整或模型設計不佳，則持久化的指紋會保留該有缺陷的輸入，但無法修正。此外，還存在可用性、隱私及實施邊界風險，包括公共與私有知識資產不同的存取與複製屬性，以及節點操作、查詢行為、網路配置與鏈選擇如何影響內容的可達性與解讀。智慧合約、節點軟體、閘道器、治理流程及第三方整合可能發生變更或存在缺陷。不應從公開文件或資訊中推斷整個專案的官方審計狀態。