El santo grial de Crypto AI: exploración de vanguardia en el entrenamiento descentralizado

En toda la cadena de valor de la IA, el entrenamiento de modelos es la etapa que más recursos consume y presenta la mayor barrera técnica, determinando directamente el límite de capacidad del modelo y el efecto de aplicación real. En comparación con la llamada ligera de la fase de inferencia, el proceso de entrenamiento requiere una inversión continua de gran capacidad de cálculo, un complejo flujo de procesamiento de datos y un fuerte apoyo de algoritmos de optimización, siendo la verdadera "industria pesada" en la construcción de sistemas de IA. Desde la perspectiva del paradigma arquitectónico, los métodos de entrenamiento se pueden clasificar en cuatro categorías: entrenamiento centralizado, entrenamiento distribuido, aprendizaje federado y el entrenamiento de Descentralización que se discutirá en este artículo.

El entrenamiento centralizado es el método tradicional más común, realizado por una única entidad en un clúster local de alto rendimiento que completa todo el proceso de entrenamiento, desde hardware, software de bajo nivel, sistema de programación del clúster, hasta todos los componentes del marco de entrenamiento, todos coordinados por un sistema de control unificado. Esta arquitectura de profunda colaboración permite que la compartición de memoria, la sincronización de gradientes y los mecanismos de tolerancia a fallos alcancen su máxima eficiencia, siendo muy adecuada para el entrenamiento de modelos a gran escala como GPT y Gemini, con ventajas de alta eficiencia y recursos controlables, pero al mismo tiempo presenta problemas como monopolio de datos, barreras de recursos, consumo de energía y riesgos de punto único.

El entrenamiento distribuido es el método principal para el entrenamiento de grandes modelos en la actualidad, y su núcleo consiste en descomponer las tareas de entrenamiento del modelo y distribuirlas a múltiples máquinas para que colaboren, superando así los cuellos de botella en el cálculo y almacenamiento de una sola máquina. A pesar de que físicamente presenta características de "Descentralización", en su conjunto sigue siendo controlado y coordinado por una institución centralizada, y comúnmente opera en un entorno de red local de alta velocidad, utilizando la tecnología de bus de interconexión de alta velocidad NVLink, con un nodo principal que coordina unificado cada subtarea. Los métodos principales incluyen:

• Paralelismo de datos: cada nodo entrena diferentes datos y comparte parámetros, es necesario hacer coincidir los pesos del modelo.
• Paralelismo de modelos: desplegar diferentes partes del modelo en diferentes nodos para lograr una fuerte escalabilidad
• Paralelismo de tuberías: ejecución en serie por etapas, mejora de la tasa de rendimiento
• Paralelización de tensores: segmentación refinada de cálculos matriciales, mejora de la granularidad de la paralelización

El entrenamiento distribuido es una combinación de "control centralizado + ejecución distribuida", análogo a un mismo jefe que dirige remotamente la colaboración de varios empleados de "oficinas" para completar tareas. Actualmente, casi todos los grandes modelos de vanguardia se entrenan de esta manera.

La Descentralización en el entrenamiento representa un camino futuro más abierto y resistente a la censura. Su característica central es: múltiples nodos que no se confían entre sí colaboran para completar tareas de entrenamiento sin un coordinador central, generalmente a través de protocolos que impulsan la distribución de tareas y la colaboración, y utilizando mecanismos de incentivos criptográficos para garantizar la honestidad de las contribuciones. Los principales desafíos que enfrenta este modelo incluyen:

• Dificultades de heterogeneidad y segmentación de dispositivos: alta dificultad de coordinación de dispositivos heterogéneos, baja eficiencia en la segmentación de tareas.
• Cuello de botella en la eficiencia de la comunicación: la comunicación de red es inestable, el cuello de botella en la sincronización de gradientes es evidente
• Falta de ejecución confiable: falta de un entorno de ejecución confiable, difícil de verificar si los nodos realmente participan en el cálculo
• Falta de coordinación unificada: sin un despachador central, la distribución de tareas y el mecanismo de reversión de excepciones son complejos

El entrenamiento de Descentralización se puede entender como: un grupo de voluntarios globales, cada uno contribuyendo con potencia de cálculo para entrenar el modelo de manera colaborativa, pero "el verdadero entrenamiento descentralizado a gran escala que es viable" sigue siendo un desafío sistémico de ingeniería, que involucra múltiples niveles como la arquitectura del sistema, protocolos de comunicación, seguridad criptográfica, mecanismos económicos, validación del modelo, etc., pero si se puede lograr "colaboración efectiva + incentivo a la honestidad + resultados correctos" aún se encuentra en la fase temprana de exploración de prototipos.

El aprendizaje federado, como una forma de transición entre la distribución y la Descentralización, enfatiza la retención local de datos y la agregación centralizada de parámetros del modelo, siendo adecuado para escenarios que priorizan el cumplimiento de la privacidad. El aprendizaje federado posee la estructura de ingeniería del entrenamiento distribuido y la capacidad de colaboración local, al mismo tiempo que tiene la ventaja de la dispersión de datos en el entrenamiento Descentralizado, pero aún depende de un coordinador confiable y no tiene características completamente abiertas y resistentes a la censura. Se puede considerar como una solución de "Descentralización controlada" en escenarios de cumplimiento de privacidad, siendo relativamente moderada en términos de tareas de entrenamiento, estructura de confianza y mecanismos de comunicación, siendo más adecuada como una arquitectura de despliegue transitorio en la industria.

Descentralización entrenamiento de los límites, oportunidades y caminos reales

Desde la perspectiva del paradigma de entrenamiento, la Descentralización del entrenamiento no es adecuada para todos los tipos de tareas. En ciertos escenarios, debido a la complejidad de la estructura de la tarea, la alta demanda de recursos o la dificultad de colaboración, no es naturalmente adecuada para ser completada de manera eficiente entre nodos heterogéneos y no confiables. Por ejemplo, el entrenamiento de modelos grandes a menudo depende de alta memoria de video, baja latencia y ancho de banda rápido, lo que dificulta la división y sincronización efectivas en una red abierta; las tareas con fuertes restricciones de privacidad de datos y soberanía están limitadas por la conformidad legal y las restricciones éticas, y no pueden ser compartidas abiertamente; mientras que las tareas que carecen de incentivos básicos de colaboración carecen de motivación para la participación externa. Estas fronteras constituyen las limitaciones reales actuales del entrenamiento descentralizado.

Pero esto no significa que la formación descentralizada sea un falso dilema. De hecho, en tipos de tareas que son livianas en estructura, fáciles de paralelizar y que pueden ser incentivadas, la formación descentralizada muestra perspectivas de aplicación claras. Incluyendo, pero no limitado a: ajuste fino de LoRA, tareas de post-entrenamiento de alineación de comportamiento ( como RLHF, DPO ), entrenamiento y etiquetado de datos mediante crowdsourcing, entrenamiento de modelos base pequeños controlados por recursos, así como escenarios de entrenamiento colaborativo con la participación de dispositivos en el borde. Estas tareas generalmente poseen características de alta paralelización, bajo acoplamiento y tolerancia a capacidades de cómputo heterogéneas, siendo muy adecuadas para el entrenamiento colaborativo a través de redes P2P, protocolos Swarm, optimizadores distribuidos, entre otros.

Descentralización entrenamiento clásico proyecto análisis

Actualmente, en el campo de vanguardia de la Descentralización entrenamiento y el aprendizaje federado, los proyectos de blockchain representativos incluyen principalmente Prime Intellect, Pluralis.ai, Gensyn, Nous Research y Flock.io. Desde la perspectiva de la innovación técnica y la dificultad de implementación ingenieril, Prime Intellect, Nous Research y Pluralis.ai han propuesto una mayor cantidad de exploraciones originales en la arquitectura del sistema y el diseño de algoritmos, representando las direcciones de vanguardia de la investigación teórica actual; mientras que los caminos de implementación de Gensyn y Flock.io son relativamente claros, ya se pueden observar avances ingenieriles preliminares. Este artículo analizará sucesivamente las tecnologías centrales y las arquitecturas ingenieriles detrás de estos cinco proyectos, y explorará además sus diferencias y relaciones complementarias en el sistema de entrenamiento de IA descentralizado.

Prime Intellect: pionero de redes colaborativas de aprendizaje reforzado con trayectoria de entrenamiento verificable

Prime Intellect se dedica a construir una red de entrenamiento de IA sin necesidad de confianza, permitiendo que cualquier persona participe en el entrenamiento y reciba recompensas confiables por sus contribuciones computacionales. Prime Intellect espera construir un sistema de entrenamiento de IA Descentralización con verificabilidad, apertura y un mecanismo de incentivos completo a través de los tres módulos PRIME-RL + TOPLOC + SHARDCAST.

01、Estructura del stack de protocolos Prime Intellect y valor de los módulos clave

02, Explicación detallada del mecanismo clave de entrenamiento de Prime Intellect

#PRIME-RL: Arquitectura de tareas de aprendizaje por refuerzo asíncrono desacoplado

PRIME-RL es un marco de modelado y ejecución de tareas personalizado por Prime Intellect para escenarios de entrenamiento de Descentralización, diseñado específicamente para redes heterogéneas y participación asincrónica. Utiliza el aprendizaje por refuerzo como objeto de adaptación prioritario, desacoplando estructuralmente los procesos de entrenamiento, inferencia y carga de pesos, permitiendo que cada nodo de entrenamiento complete su ciclo de tareas de manera independiente en local, y colabore a través de interfaces estandarizadas con mecanismos de validación y agregación. En comparación con los procesos de aprendizaje supervisado tradicionales, PRIME-RL es más adecuado para lograr un entrenamiento flexible en entornos sin programación central, lo que reduce la complejidad del sistema y sienta las bases para apoyar la paralelización de múltiples tareas y la evolución de estrategias.

#TOPLOC:Mecanismo de verificación de comportamiento de entrenamiento ligero

TOPLOC es el mecanismo central de verificabilidad de entrenamiento propuesto por Prime Intellect, utilizado para determinar si un nodo realmente ha completado un aprendizaje de estrategia efectivo basado en datos de observación. A diferencia de soluciones pesadas como ZKML, TOPLOC no depende del recálculo del modelo completo, sino que completa la verificación de estructura ligera analizando la trayectoria de consistencia local entre "secuencia de observación ↔ actualización de estrategia". Por primera vez, convierte las trayectorias de comportamiento durante el proceso de entrenamiento en objetos verificables, lo que es una innovación clave para lograr la distribución de recompensas de entrenamiento sin necesidad de confianza, proporcionando un camino viable para construir una red de entrenamiento colaborativo descentralizada que sea auditable e incentivadora.

#SHARDCAST: Protocolo de agregación y propagación de pesos asíncronos

SHARDCAST es un protocolo de difusión y agregación de peso diseñado por Prime Intellect, optimizado específicamente para entornos de red reales que son asíncronos, con ancho de banda limitado y estados de nodos cambiantes. Combina un mecanismo de difusión gossip con estrategias de sincronización local, permitiendo que múltiples nodos continúen enviando actualizaciones parciales en estados desincronizados, logrando la convergencia progresiva de pesos y la evolución de múltiples versiones. En comparación con métodos centralizados o síncronos de AllReduce, SHARDCAST mejora significativamente la escalabilidad y la tolerancia a fallos del entrenamiento descentralizado, siendo la base fundamental para construir un consenso de peso estable y una iteración de entrenamiento continuo.

#OpenDiLoCo: marco de comunicación asíncrono escaso

OpenDiLoCo es un marco de optimización de comunicación implementado de forma independiente y de código abierto por el equipo de Prime Intellect, basado en la filosofía DiLoCo propuesta por DeepMind, diseñado específicamente para abordar los desafíos comunes en el entrenamiento descentralizado, como la limitación de ancho de banda, la heterogeneidad de dispositivos y la inestabilidad de nodos. Su arquitectura se basa en la paralelización de datos, construyendo topologías dispersas como Ring, Expander y Small-World, evitando así los altos costos de comunicación de la sincronización global y completando el entrenamiento colaborativo del modelo solo con los nodos vecinos locales. Combinando actualizaciones asincrónicas y mecanismos de tolerancia a fallos, OpenDiLoCo permite que las GPU de consumo y los dispositivos periféricos participen de manera estable en las tareas de entrenamiento, mejorando significativamente la participación en el entrenamiento colaborativo global, siendo una de las infraestructuras de comunicación clave para construir redes de entrenamiento descentralizado.

#PCCL: Biblioteca de comunicación colaborativa

PCCL es una biblioteca de comunicación ligera desarrollada por Prime Intellect para entornos de entrenamiento de IA descentralizados, diseñada para resolver los cuellos de botella de adaptación de las bibliotecas de comunicación tradicionales en dispositivos heterogéneos y redes de baja capacidad. PCCL admite topologías dispersas, compresión de gradientes, sincronización de baja precisión y recuperación de puntos de control, y puede ejecutarse en GPU de consumo y nodos inestables, siendo un componente fundamental que respalda la capacidad de comunicación asíncrona del protocolo OpenDiLoCo. Mejora significativamente la tolerancia al ancho de banda y la compatibilidad de dispositivos en redes de entrenamiento, allanando el camino para construir una red de entrenamiento colaborativa verdaderamente abierta y sin necesidad de confianza, superando la "última milla" de la infraestructura de comunicación.

03、Prime Intellect red de incentivos y división de roles

Prime Intellect ha construido una red de entrenamiento sin permisos, verificable y con un mecanismo de incentivos económicos, que permite a cualquier persona participar en tareas y recibir recompensas basadas en contribuciones reales. El protocolo opera en base a tres tipos de roles centrales:

• Iniciador de la tarea: definir el entorno de entrenamiento, el modelo inicial, la función de recompensa y los estándares de validación
• Nodo de entrenamiento: ejecutar entrenamiento local, enviar actualizaciones de peso y observar la trayectoria
• Nodos de verificación: usar el mecanismo TOPLOC para validar la autenticidad del comportamiento de entrenamiento y participar en el cálculo de recompensas y la agregación de estrategias.

El proceso central del protocolo incluye la publicación de tareas, el entrenamiento de nodos, la verificación de trayectorias, la agregación de pesos (SHARDCAST) y la distribución de recompensas, formando un ciclo de incentivos en torno a "comportamientos de entrenamiento reales".

04, INTELLECT-2: Publicación del primer modelo de entrenamiento descentralizado verificable

Prime Intellect lanzó INTELLECT-2 en mayo de 2025, el primer gran modelo de aprendizaje reforzado del mundo entrenado mediante la colaboración de nodos descentralizados asíncronos y sin necesidad de confianza, con un tamaño de parámetro de 32B. El modelo INTELLECT-2 fue entrenado de manera colaborativa por más de 100 nodos heterogéneos GPU distribuidos en tres continentes, utilizando una arquitectura completamente asíncrona, con un tiempo de entrenamiento superior a 400 horas, demostrando la viabilidad y estabilidad de la red de colaboración asíncrona. Este modelo no solo representa un avance en el rendimiento, sino que también es la primera implementación sistemática del paradigma "entrenamiento es consenso" propuesto por Prime Intellect. INTELLECT-2 integra módulos de protocolo centrales como PRIME-RL, TOPLOC y SHARDCAST, marcando la descentralización del entrenamiento.