0G Labs發布107億美元去中心化人工智慧突破性進展，重點介紹了成本效益高的訓練和開源方案
簡單來說
0G Labs 報告稱，他們使用成本效益高的去中心化方法訓練了 107B 參數的 DiLoCoX 模型（比 Bittensor 的系統更大），並且已經開始以完全透明的方式公開重新訓練該模型，併計劃開源發布。
0G實驗室一家為人工智慧代理商開發區塊鏈基礎設施的公司報告稱，大約八個月前，它訓練了一個具有 107 億個參數的模型，其規模比 Bittensor 開發的模型大約大 48%，是迄今為止記錄在案的最大去中心化人工智慧系統。
該模型名為 DiLoCoX-107B，於 2025 年 7 月使用與全球最大的行動網路營運商中國移動合作開發的技術進行訓練。根據發表在 arXiv 上的同行評審研究，該系統在標準的 1 Gbps 互聯網連接下運行時，通訊效率比傳統的 AllReduce 方法高出 357 倍，這表明無需依賴高成本的資料中心基礎設施，即可實現先進的 AI 訓練。
初步訓練結果表明，分散式運算架構在模型開發的最高層面上可以與集中式方法相提並論。而像……這樣的公司 OpenAI根據《富比士》報道，0G Labs表示，其分散式框架可將成本降低約95%，而Google和Meta等公司都在大規模GPU叢集上投入巨資。該系統透過廣泛使用的互聯網基礎設施連接多個去中心化節點運作。
相較之下，Bittensor 的 Covenant-72B 模型由一群貢獻者在其 Subnet 3 網路上開發，被認為是去中心化人工智慧領域的一項顯著進步。然而，0G Labs 表示，其早期工作已經證明了大規模模型訓練的可行性，並得到了同儕審查驗證的支持。
該公司進一步宣布，已啟動DiLoCoX-107B公開重新訓練的新階段，並強調透明度和開源發布策略。此舉旨在為可驗證的人工智慧開發實踐建立更清晰的標準。
更新後的模型完成後，預計將公開發布，並提供對其權重、檢查點和性能基準的完整存取權。重新訓練過程還將包括全面的文檔，涵蓋資料來源、訓練指標和驗證機制，包括基於可信任執行環境的驗證。
面向可驗證人工智慧的全端基礎設施
與主要用於實驗目的的系統不同，DiLoCoX-107B 整合到專為人工智慧代理設計的更廣泛的基於區塊鏈的基礎設施中。這包括一個可用於生產環境的技術棧，該技術堆疊包含與 EVM 相容的第一層區塊鏈、去中心化運算資源、分散式儲存功能以及高效能資料可用性層，其速度和成本效益均顯著優於以太坊等同類解決方案。
該公司表示，此類基礎設施旨在支援模型訓練、可驗證推理、安全儲存和鏈上結算流程，反映了人工智慧代理生態系統更廣泛的營運需求。
該系統融合了多種技術方法，包括管線並行、局部和全局更新之間的雙優化器協調、延遲同步以實現連續訓練，以及自適應梯度壓縮以減少通訊開銷，同時保持性能精度。
0G Labs表示，重新訓練過程目前正在進行中，所有相關數據、方法和結果將在整個過程中公開。最終模型預計將以開源許可發布，並提供完整的訓練資料。
免責聲明
在與線 信託專案指南，請注意，本頁提供的資訊無意且不應被解釋為法律、稅務、投資、財務或任何其他形式的建議。 重要的是，僅投資您可以承受損失的金額，並在有任何疑問時尋求獨立的財務建議。 如需了解更多信息，我們建議您參閱條款和條件以及發行人或廣告商提供的幫助和支援頁面。 MetaversePost 致力於提供準確、公正的報告，但市場狀況如有變更，恕不另行通知。
關於作者
Alisa，一位熱心記者 MPost專注於加密貨幣、人工智慧、投資以及廣闊的領域 Web3。她對新興趨勢和技術有著敏銳的洞察力，提供全面的報道，讓讀者了解並吸引讀者了解不斷發展的數位金融領域。
更多文章
Alisa，一位熱心記者 MPost專注於加密貨幣、人工智慧、投資以及廣闊的領域 Web3。她對新興趨勢和技術有著敏銳的洞察力，提供全面的報道，讓讀者了解並吸引讀者了解不斷發展的數位金融領域。
