Обучение ИИ становится в 10 раз быстрее и на 95% дешевле благодаря децентрализованной стратегии от 0GgettyТихой смене в основах искусственного интеллекта (ИИ) может происходить, и это не происходит в гипермасштабном центре обработки данных.
0G Labs, первый децентрализованный AI протокол (AIP), в сотрудничестве с China Mobile, недавно объявил о техническом прорыве, который может иметь широкие последствия для того, как бизнес получает доступ и разворачивает большие языковые модели. Их инновация — это новый метод обучения массивных AI моделей с более чем 100 миллиардами параметров, без необходимости в ультравысокоскоростном интернете или дорогой централизованной инфраструктуре, которая обычно требуется.
На первый взгляд, это может показаться победой для инженерного мира.
Но настоящая история экономическая и стратегическая. То, что достигла 0G Labs, может снизить стоимость создания ИИ, вернуть больше контроля в руки предприятий и открыть двери для новых игроков, чтобы войти в эту сферу.
Что это означает для обучения ИИ
Чтобы понять изменение, полезно вернуться к тому, как в настоящее время обучаются крупномасштабные модели ИИ.
Модели, такие как GPT-4 от OpenAI или Claude от Anthropic, требуют огромной вычислительной мощности и пропускной способности сети. Обычно это означает их обучение на мощных графических процессорах, соединенных через высокоскоростные централизованные дата-центры, принадлежащие или арендуемые у компаний, таких как Amazon Web Services, Google Cloud или Microsoft Azure.
Эти цифры отражают обучение в централизованных облачных или гипермасштабных дата-центрах — требующее массовых кластеров GPU, высокоскоростных сетей и миллионов в затратах на оборудование и персонал. Сэнди Картер На начало 2025 года руководство OpenAI, включая Сэма Альтмана, публично заявило, что обучение GPT-4 обошлось в более чем 100 миллионов долларов. Это подтверждается как официальными заявлениями, так и несколькими моделями затрат в недавних отчетах по анализу ИИ. Это модель, требующая капитала, талантов и инфраструктуры, которую могут позволить себе немногие организации.
БОЛЬШЕ ДЛЯ ВАС## 0G Labs оспаривает это предположение для обучения ИИ
Их недавно опубликованная структура, называемая DiLoCoX, вводит метод обучения с низким уровнем коммуникации, который значительно сокращает необходимость в высокоскоростном соединении. На практике они успешно обучили модель с 107 миллиардами параметров в сети со скоростью 1 Гбит/с, используя децентрализованные кластеры. Этот рекорд является улучшением предыдущего рекорда на 10 раз и прорывом в скорости 300x, который сделал это возможным впервые. Это примерно пропускная способность типичного офисного интернет-соединения.
Вместо того чтобы строить все в одном гигантском вычислительном центре, их подход связывает вместе меньшие распределенные машины и оптимизирует способы обмена информацией между ними. Результатом является высокомасштабируемый, экономически эффективный способ обучения массивных моделей вне традиционного облака.
Децентрализованный чемпион ИИ от 0G Labs. Основатель и CEO, Майкл Хайнрих, комментирует достижения в обучении ИИ. 0G Labs В разговоре с основателем и CEO 0G Labs Майклом Хайнрихом, он сказал: "DiLoCoX знаменует собой важный шаг к демократизации обучения LLM: сокращая разрыв между массивными фундаментальными моделями и децентрализованными кластерами, соединенными медленными, ненадежными сетями. Сочетая параллелизм конвейера, перекрытие коммуникации с учетом задержек и адаптивное сжатие градиентов, эта структура обеспечивает масштаб и скорость, ранее считавшиеся эксклюзивными для дата-центров с высокой пропускной способностью. Это приведет к новой эре, где обучение ИИ в большом масштабе больше не будет привязано к централизованной инфраструктуре."
Почему обучение ИИ имеет значение для бизнеса
В то время как каждое предприятие испытывает давление, чтобы больше использовать ИИ, инфраструктура быстро становится узким местом. Некоторые компании начинают рассматривать децентрализованный ИИ по умолчанию. Создание крупных моделей остается дорогим, исключительным и в значительной степени ограничено компаниями с большими ресурсами или стратегическими облачными партнёрствами. Прорыв 0G открывает третий путь.
Это не просто история экономии затрат. Это история опциональности и контроля.
1. Снижение барьера для входа
Подход DiLoCoX снижает инфраструктуру до 95%, необходимую для участия в гонке LLM.
Для стартапов это означает возможность экспериментировать и масштабироваться, не сжигая венчурный капитал на затраты на GPU.
Для средних предприятий это предлагает возможность обучения моделей внутри компании без необходимости делать крупные обязательства по облачным услугам.
Для правительств и исследовательских лабораторий это означает более доступное и суверенное развитие возможностей ИИ.
2. Стратегическая независимость от гипермасштабных компаний
Большая часть обучения ИИ сегодня зависит от трех облачных провайдеров.
Такая концентрация несет в себе риски в отношении роста затрат, зависимости от поставщиков и соблюдения нормативных требований. Если ваш бизнес зависит от ИИ, но также работает в чувствительном секторе, таком как здравоохранение, оборона или финансы, возможность самостоятельно обучать или настраивать модели становится мощным стратегическим инструментом.
Децентрализованный ИИ предлагает путь к цифровой автономии. Разрушая предположение о том, что передовой ИИ должен обучаться внутри централизованных облачных платформ, модель 0G создает новые возможности для конкуренции и инноваций.
3. Соответствие требованиям конфиденциальности данных и соблюдения норм
Многие компании осторожны при загрузке конфиденциальных данных в облачные модели или среды обучения. С децентрализованным обучением становится возможным хранить данные локально в пределах юрисдикции, за файрволом или даже на устройствах на границе, при этом участвуя в разработке ИИ в крупном масштабе. Это особенно привлекательно в регионах с жесткими законами о суверенитете данных, такими как Европейский Союз или страны, создающие свои собственные экосистемы ИИ. Сеть 0G никогда не видит никаких приватных данных.
4. Ускорение инноваций на недостаточно обслуживаемых рынках
Высокая стоимость входа оставила многие страны и отрасли в стороне от разработки передового ИИ.
DiLoCoX снижает этот порог.
Университет в Кении, телекоммуникационный провайдер в Юго-Восточной Азии или региональный банк в Латинской Америке могут не иметь доступа к тем же вычислительным мощностям, что и Силиконовая долина, но вскоре у них могут появиться инструменты для обучения и развертывания их интеллектуальных систем на существующей инфраструктуре.
5. Геополитические и регуляторные риски
Хотя техническое достижение впечатляющее, участие China Mobile вызывает вопросы.
В условиях нарастающей напряженности между Соединенными Штатами и Китаем в вопросах технологического лидерства и национальной безопасности, компаниям необходимо учитывать потенциальное регуляторное внимание, проблемы управления данными и репутационные риски, связанные с партнерством с китайскими государственными структурами.
Для компаний, базирующихся в Соединенных Штатах или работающих на союзных рынках, любая интеграция инфраструктуры или исследований, связанных с Китаем, может столкнуться с экспортными контролями, юридическими ограничениями или общественным негативом. Организациям, исследующим решения на основе децентрализованного ИИ, необходимо учитывать не только производительность и стоимость, но и политическую совместимость, рамки соблюдения норм и долгосрочную жизнеспособность.
Тем не менее, наличие DiLoCoX на децентрализованной инфраструктуре, где сеть является доверенной, не вызывает беспокойства, поскольку China Mobile никогда не видит ваши данные, а система не полагается на них для получения результатов.
Переформатирование бизнес-модели ИИ
Если DiLoCoX будет широко принят, это может создать волновые эффекты в более широкой экосистеме ИИ.
Модели облачного дохода, в настоящее время поддерживаемые рабочими нагрузками ИИ, могут столкнуться с новым ценовым давлением. Платформы ИИ как услуга могут потребовать переработки архитектуры для поддержки гибридных или децентрализованных развертываний. Открытые фреймворки могут стать более влиятельными, поскольку децентрализация подчеркивает взаимодействие и локальный контроль. Поставщикам корпоративного программного обеспечения может потребоваться пересмотреть свои стратегии ИИ, чтобы отразить более распределенный вычислительный ландшафт.
Этот сдвиг также соответствует более широкой тенденции ИИ для всех. От конструкторов агентов с низким кодом до инференса на краю, движение направлено на более доступные, модульные и настраиваемые ИИ-решения. Децентрализованное обучение является естественным продолжением этой философии.
Искусственный интеллект для CIO и CTO
Для руководителей предприятий работа 0G является сигналом не немедленного разрушения, а возможности в ближайшем будущем. ИИ развивается от своего критически важного начала.
Сейчас время переосмыслить стратегию инфраструктуры. Должна ли ваша организация продолжать инвестировать в облачное хостинг-моделирование или начать изучать децентрализованные альтернативы?
Может ли ваш внутренний дата-центр служить узлом в распределенной системе обучения? Децентрализованное федеративное обучение — это отличный способ использования частных данных от различных сторон в сети, например, больницы, обучающие модель диагностики рака. Не могли бы вы сотрудничать с другими в своем секторе для совместной разработки моделей с использованием децентрализованных протоколов?
Даже если сегодня ответ не "да", возникновение таких структур, как DiLoCoX, должно повысить важность планирования инфраструктуры ИИ в стратегической повестке дня. Компании, которые готовятся к этому изменению, создавая внутренние возможности, оценивая партнеров и понимая технический стек, будут лучше подготовлены к действиям, когда экономические условия станут им благоприятными.
Будущее, в котором ИИ создается иначе
То, что продемонстрировали 0G Labs и China Mobile, это больше чем просто техническое доказательство концепции. Это новый способ мышления о том, как создается, обучается и распределяется интеллект. Показывая, что возможно обучать модели с 100 миллиардами параметров без централизованных суперкопьютеров, они не просто раздвигают границы масштаба. Они расширяют доступ.
Для бизнеса это означает, что искусственный интеллект вскоре будет меньше зависеть от того, кто владеет самым большим дата-центром, и больше от того, кто сможет построить самые умные системы с наибольшей гибкостью.
Это будущее с ИИ, к которому стоит готовиться.
Посмотреть Оригинал
На этой странице может содержаться сторонний контент, который предоставляется исключительно в информационных целях (не в качестве заявлений/гарантий) и не должен рассматриваться как поддержка взглядов компании Gate или как финансовый или профессиональный совет. Подробности смотрите в разделе «Отказ от ответственности» .
Обучение ИИ становится в 10 раз быстрее и на 95% дешевле благодаря децентрализованной стратегии
0G Labs, первый децентрализованный AI протокол (AIP), в сотрудничестве с China Mobile, недавно объявил о техническом прорыве, который может иметь широкие последствия для того, как бизнес получает доступ и разворачивает большие языковые модели. Их инновация — это новый метод обучения массивных AI моделей с более чем 100 миллиардами параметров, без необходимости в ультравысокоскоростном интернете или дорогой централизованной инфраструктуре, которая обычно требуется.
На первый взгляд, это может показаться победой для инженерного мира.
Но настоящая история экономическая и стратегическая. То, что достигла 0G Labs, может снизить стоимость создания ИИ, вернуть больше контроля в руки предприятий и открыть двери для новых игроков, чтобы войти в эту сферу.
Что это означает для обучения ИИ
Чтобы понять изменение, полезно вернуться к тому, как в настоящее время обучаются крупномасштабные модели ИИ.
Модели, такие как GPT-4 от OpenAI или Claude от Anthropic, требуют огромной вычислительной мощности и пропускной способности сети. Обычно это означает их обучение на мощных графических процессорах, соединенных через высокоскоростные централизованные дата-центры, принадлежащие или арендуемые у компаний, таких как Amazon Web Services, Google Cloud или Microsoft Azure.
Эти цифры отражают обучение в централизованных облачных или гипермасштабных дата-центрах — требующее массовых кластеров GPU, высокоскоростных сетей и миллионов в затратах на оборудование и персонал. Сэнди Картер На начало 2025 года руководство OpenAI, включая Сэма Альтмана, публично заявило, что обучение GPT-4 обошлось в более чем 100 миллионов долларов. Это подтверждается как официальными заявлениями, так и несколькими моделями затрат в недавних отчетах по анализу ИИ. Это модель, требующая капитала, талантов и инфраструктуры, которую могут позволить себе немногие организации.
БОЛЬШЕ ДЛЯ ВАС## 0G Labs оспаривает это предположение для обучения ИИ
Их недавно опубликованная структура, называемая DiLoCoX, вводит метод обучения с низким уровнем коммуникации, который значительно сокращает необходимость в высокоскоростном соединении. На практике они успешно обучили модель с 107 миллиардами параметров в сети со скоростью 1 Гбит/с, используя децентрализованные кластеры. Этот рекорд является улучшением предыдущего рекорда на 10 раз и прорывом в скорости 300x, который сделал это возможным впервые. Это примерно пропускная способность типичного офисного интернет-соединения.
Вместо того чтобы строить все в одном гигантском вычислительном центре, их подход связывает вместе меньшие распределенные машины и оптимизирует способы обмена информацией между ними. Результатом является высокомасштабируемый, экономически эффективный способ обучения массивных моделей вне традиционного облака.
Децентрализованный чемпион ИИ от 0G Labs. Основатель и CEO, Майкл Хайнрих, комментирует достижения в обучении ИИ. 0G Labs В разговоре с основателем и CEO 0G Labs Майклом Хайнрихом, он сказал: "DiLoCoX знаменует собой важный шаг к демократизации обучения LLM: сокращая разрыв между массивными фундаментальными моделями и децентрализованными кластерами, соединенными медленными, ненадежными сетями. Сочетая параллелизм конвейера, перекрытие коммуникации с учетом задержек и адаптивное сжатие градиентов, эта структура обеспечивает масштаб и скорость, ранее считавшиеся эксклюзивными для дата-центров с высокой пропускной способностью. Это приведет к новой эре, где обучение ИИ в большом масштабе больше не будет привязано к централизованной инфраструктуре."
Почему обучение ИИ имеет значение для бизнеса
В то время как каждое предприятие испытывает давление, чтобы больше использовать ИИ, инфраструктура быстро становится узким местом. Некоторые компании начинают рассматривать децентрализованный ИИ по умолчанию. Создание крупных моделей остается дорогим, исключительным и в значительной степени ограничено компаниями с большими ресурсами или стратегическими облачными партнёрствами. Прорыв 0G открывает третий путь.
Это не просто история экономии затрат. Это история опциональности и контроля.
1. Снижение барьера для входа
Подход DiLoCoX снижает инфраструктуру до 95%, необходимую для участия в гонке LLM.
Для стартапов это означает возможность экспериментировать и масштабироваться, не сжигая венчурный капитал на затраты на GPU.
Для средних предприятий это предлагает возможность обучения моделей внутри компании без необходимости делать крупные обязательства по облачным услугам.
Для правительств и исследовательских лабораторий это означает более доступное и суверенное развитие возможностей ИИ.
2. Стратегическая независимость от гипермасштабных компаний
Большая часть обучения ИИ сегодня зависит от трех облачных провайдеров.
Такая концентрация несет в себе риски в отношении роста затрат, зависимости от поставщиков и соблюдения нормативных требований. Если ваш бизнес зависит от ИИ, но также работает в чувствительном секторе, таком как здравоохранение, оборона или финансы, возможность самостоятельно обучать или настраивать модели становится мощным стратегическим инструментом.
Децентрализованный ИИ предлагает путь к цифровой автономии. Разрушая предположение о том, что передовой ИИ должен обучаться внутри централизованных облачных платформ, модель 0G создает новые возможности для конкуренции и инноваций.
3. Соответствие требованиям конфиденциальности данных и соблюдения норм
Многие компании осторожны при загрузке конфиденциальных данных в облачные модели или среды обучения. С децентрализованным обучением становится возможным хранить данные локально в пределах юрисдикции, за файрволом или даже на устройствах на границе, при этом участвуя в разработке ИИ в крупном масштабе. Это особенно привлекательно в регионах с жесткими законами о суверенитете данных, такими как Европейский Союз или страны, создающие свои собственные экосистемы ИИ. Сеть 0G никогда не видит никаких приватных данных.
4. Ускорение инноваций на недостаточно обслуживаемых рынках
Высокая стоимость входа оставила многие страны и отрасли в стороне от разработки передового ИИ.
DiLoCoX снижает этот порог.
Университет в Кении, телекоммуникационный провайдер в Юго-Восточной Азии или региональный банк в Латинской Америке могут не иметь доступа к тем же вычислительным мощностям, что и Силиконовая долина, но вскоре у них могут появиться инструменты для обучения и развертывания их интеллектуальных систем на существующей инфраструктуре.
5. Геополитические и регуляторные риски
Хотя техническое достижение впечатляющее, участие China Mobile вызывает вопросы.
В условиях нарастающей напряженности между Соединенными Штатами и Китаем в вопросах технологического лидерства и национальной безопасности, компаниям необходимо учитывать потенциальное регуляторное внимание, проблемы управления данными и репутационные риски, связанные с партнерством с китайскими государственными структурами.
Для компаний, базирующихся в Соединенных Штатах или работающих на союзных рынках, любая интеграция инфраструктуры или исследований, связанных с Китаем, может столкнуться с экспортными контролями, юридическими ограничениями или общественным негативом. Организациям, исследующим решения на основе децентрализованного ИИ, необходимо учитывать не только производительность и стоимость, но и политическую совместимость, рамки соблюдения норм и долгосрочную жизнеспособность.
Тем не менее, наличие DiLoCoX на децентрализованной инфраструктуре, где сеть является доверенной, не вызывает беспокойства, поскольку China Mobile никогда не видит ваши данные, а система не полагается на них для получения результатов.
Переформатирование бизнес-модели ИИ
Если DiLoCoX будет широко принят, это может создать волновые эффекты в более широкой экосистеме ИИ.
Модели облачного дохода, в настоящее время поддерживаемые рабочими нагрузками ИИ, могут столкнуться с новым ценовым давлением. Платформы ИИ как услуга могут потребовать переработки архитектуры для поддержки гибридных или децентрализованных развертываний. Открытые фреймворки могут стать более влиятельными, поскольку децентрализация подчеркивает взаимодействие и локальный контроль. Поставщикам корпоративного программного обеспечения может потребоваться пересмотреть свои стратегии ИИ, чтобы отразить более распределенный вычислительный ландшафт.
Этот сдвиг также соответствует более широкой тенденции ИИ для всех. От конструкторов агентов с низким кодом до инференса на краю, движение направлено на более доступные, модульные и настраиваемые ИИ-решения. Децентрализованное обучение является естественным продолжением этой философии.
Искусственный интеллект для CIO и CTO
Для руководителей предприятий работа 0G является сигналом не немедленного разрушения, а возможности в ближайшем будущем. ИИ развивается от своего критически важного начала.
Сейчас время переосмыслить стратегию инфраструктуры. Должна ли ваша организация продолжать инвестировать в облачное хостинг-моделирование или начать изучать децентрализованные альтернативы?
Может ли ваш внутренний дата-центр служить узлом в распределенной системе обучения? Децентрализованное федеративное обучение — это отличный способ использования частных данных от различных сторон в сети, например, больницы, обучающие модель диагностики рака. Не могли бы вы сотрудничать с другими в своем секторе для совместной разработки моделей с использованием децентрализованных протоколов?
Даже если сегодня ответ не "да", возникновение таких структур, как DiLoCoX, должно повысить важность планирования инфраструктуры ИИ в стратегической повестке дня. Компании, которые готовятся к этому изменению, создавая внутренние возможности, оценивая партнеров и понимая технический стек, будут лучше подготовлены к действиям, когда экономические условия станут им благоприятными.
Будущее, в котором ИИ создается иначе
То, что продемонстрировали 0G Labs и China Mobile, это больше чем просто техническое доказательство концепции. Это новый способ мышления о том, как создается, обучается и распределяется интеллект. Показывая, что возможно обучать модели с 100 миллиардами параметров без централизованных суперкопьютеров, они не просто раздвигают границы масштаба. Они расширяют доступ.
Для бизнеса это означает, что искусственный интеллект вскоре будет меньше зависеть от того, кто владеет самым большим дата-центром, и больше от того, кто сможет построить самые умные системы с наибольшей гибкостью.
Это будущее с ИИ, к которому стоит готовиться.