Nous Research 展现了顶级的品牌能力，积累了深厚的智力人才储备，已经构建并交付了 Hermes 系列语言模型（包括 DeepHermes）、WorldSim（模拟世界终端接口）以及多种智能体（God、S8n、TEE）。他们的新项目 Psyche 部署在 Solana 上，将利用自研的 DisTrO 优化体系实现分布式训练。Prime Intellect 则超越了 GPU 即服务网络的定位，发布了 OpenDiLoCo、METAGENE-1、INTELLECT-MATH 等关键研究，并宣布完成 1500 万美元融资，目标是构建去中心化训练协议。Pluralis Research 完成了 760 万美元融资，提出模型应由参与构建的开发者分片持有的理念。Gensyn 在 2023 年获 a16z 领投的 4300 万美元 A 轮融资，近期上线了 RL Swarm 测试网，展示 SkipPipe、Verde、HDEE 等新技术。Bittensor、EXO Labs、Ambient 也在持续推进各自的分布式训练与验证机制。所有这些努力表明，去中心化 AI 正在迎来关键时刻。 要理解去中心化 AI 网络的重要性，不妨先看看算力与资源的博弈。传统的 AI 模型训练需要集中化的巨量 GPU 集群，这导致 OpenAI、Anthropic、谷歌 DeepMind 等巨头几乎垄断了最先进的模型研发。但去中心化的计算协议正试图打破这种格局：他们把计算需求拆分成细小的工作单元，再通过链上激励协调全球算力贡献者完成任务。像 Gensyn 这样的项目，就让任意开发者可以提交模型训练需求，并通过加密经济学保证验证者不会作假。Prime Intellect 则强调「训练即协议」的理念，让不同研究人员共同构建并拥有模型参数。这意味着未来某个顶级 AI 模型，可能并非由一家硅谷公司独享，而是由成千上万的开发者和节点共同持有和运行。这种共享模式不仅解决了垄断，还带来了新的商业逻辑：代币化的模型股份、链上分润、算力市场竞价。 不过，这种愿景要落地面临很多技术挑战。首先是验证问题：如何确保远程算力节点提交的训练结果没有作弊？这需要零知识证明（ZK）等加密技术介入，把复杂的训练过程压缩成一个可快速验证的证明。Succinct 和 RISC Zero 正在尝试解决这一点，他们的 ZK 证明系统能够让链上快速确认训练任务是否被真实完成。其次是激励问题：如何吸引足够多的开发者和研究者参与，而不是只把 GPU 网络当成单纯的「算力出租市场」？Pluralis 提出的方案是把模型拆分成「分片股份」，让参与构建的人真正拥有部分模型权利。这种「去中心化科研」模式，既能分摊风险，又能共享收益。更进一步，像 Nous Research 这样拥有强大品牌和社区动员力的团队，可能会在未来成为这种新模式的「文化引擎」，推动人才和资金源源不断地进入去中心化 AI 生态。【原文为英文】\n原文链接