Prime Intellectは2025年5月にINTELLECT-2を発表しました。これは、世界初の非同期で信頼を必要としない分散化ノードによる協調訓練で構築された強化学習大モデルで、パラメーターの規模は32Bに達します。INTELLECT-2モデルは、3つの大陸にわたる100以上のGPU異種ノードの協力によってトレーニングされ、完全非同期アーキテクチャを使用し、トレーニング時間は400時間を超え、非同期協調ネットワークの実行可能性と安定性を示しました。このモデルは、性能の突破だけでなく、Prime Intellectが提唱した「訓練は共識である」というパラダイムの初のシステム実装でもあります。INTELLECT-2は、PRIME-RL（非同期トレーニング構造）、TOPLOC（トレーニング行動の検証）、SHARDCAST（非同期ウェイトの集約）などのコアプロトコルモジュールを統合しており、分散化トレーニングネットワークが初めてトレーニングプロセスのオープン化、検証性、経済的インセンティブの閉ループを実現したことを示しています。
Crypto AIトレーニングの新しいパラダイム：分散化トレーニングの課題と機会を探る
クリプトAIの聖杯:分散型トレーニングのフロンティア探索
AIの全バリューチェーンにおいて、モデルのトレーニングはリソース消費が最も大きく、技術的なハードルも最も高いプロセスであり、モデルの能力の上限と実際の応用効果を直接決定します。推論段階の軽量な呼び出しに比べ、トレーニングプロセスは継続的な大規模な計算力の投入、複雑なデータ処理プロセス、および高強度の最適化アルゴリズムのサポートを必要とし、AIシステム構築の真の"重工業"です。アーキテクチャのパラダイムから見ると、トレーニング方法は集中化トレーニング、分散化トレーニング、フェデラル学習、そして本記事が重点的に議論する分散化トレーニングの四つに分類できます。
! 暗号AIの聖杯:分散型トレーニングのフロンティア探索
集中化トレーニングは最も一般的な伝統的な方法であり、単一の機関がローカルな高性能クラスター内で全てのトレーニングプロセスを完了します。ハードウェア、基盤ソフトウェア、クラスター調度システム、トレーニングフレームワークの全てのコンポーネントが統一された制御システムによって調整されて動作します。このような深い協調のアーキテクチャにより、メモリ共有、勾配同期、およびフォールトトレランス機構の効率が最適化され、GPTやGeminiなどの大規模モデルのトレーニングに非常に適しており、効率が高く、資源が制御可能な利点がありますが、同時にデータの独占、資源の壁、エネルギー消費、単一障害リスクなどの問題も存在します。
分散化トレーニングは現在の大規模モデルトレーニングの主流方式であり、その核心はモデルのトレーニングタスクを分解し、複数のマシンに分配して協調実行することで、単一マシンの計算とストレージのボトルネックを突破することです。物理的には「分散化」の特徴を持っていますが、全体は依然として中央集権的な機関によって制御、調整、同期されています。通常は高速なローカルエリアネットワーク環境で実行され、NVLinkの高速相互接続バス技術を通じて、マスターノードが各サブタスクを統一的に調整します。主流の方法には次のものが含まれます：
分散化トレーニングは「集中制御 + 分散実行」の組み合わせであり、同じボスが遠隔で複数の「オフィス」の従業員に指示してタスクを達成することに例えられます。現在、ほぼすべての主流の大規模モデルはこの方法でトレーニングを完了しています。
! クリプトAIの聖杯:分散型トレーニングのフロンティア探索
分散化トレーニングは、よりオープンで検閲に対する特性を持つ未来の道を示します。その核心的な特徴は、複数の互いに信頼しないノード（家庭用コンピュータ、クラウドGPU、またはエッジデバイスの可能性がある）が、中央のコーディネーターなしで協力してトレーニングタスクを完了することにあります。通常、プロトコルによってタスクの配布と協力が駆動され、暗号的なインセンティブメカニズムを利用して貢献の誠実性を確保します。このモデルが直面する主な課題には、以下が含まれます：
分散化トレーニングは、世界中のボランティアがそれぞれの計算能力を提供してモデルを協調的にトレーニングすることと理解できますが、"実際に機能する大規模な分散化トレーニング"は依然としてシステムのアーキテクチャ、通信プロトコル、暗号セキュリティ、経済メカニズム、モデル検証などの複数の側面に関わる体系的なエンジニアリングの課題です。しかし、"協調的に効果的 + 誠実にインセンティブを与えられる + 結果が正しい"かどうかはまだ初期のプロトタイプ探索段階にあります。
フェデラルラーニングは、分散型と分散化の間の移行形態として、データのローカル保持やモデルパラメータの集中集約を強調し、プライバシーコンプライアンスを重視するシーンに適しています。フェデラルラーニングは分散トレーニングのエンジニアリング構造とローカル協調能力を持ちつつ、分散化トレーニングのデータ分散の利点も兼ね備えていますが、信頼できる調整者に依存しており、完全にオープンで検閲に耐性のある特性は持っていません。これは、プライバシーコンプライアンスのシーンにおける「制御された分散化」ソリューションとして考えられ、トレーニングタスク、信頼構造、通信メカニズムにおいて相対的に穏やかであり、産業界の移行的なデプロイメントアーキテクチャとしてより適しています。
分散型トレーニングの境界、機会、現実
トレーニングのパラダイムから見ると、分散化トレーニングはすべてのタスクタイプに適しているわけではありません。特定のシナリオでは、タスクの構造が複雑で、リソースの要求が非常に高い、または協力の難易度が高いため、異種の信頼できないノード間で効率的に完了することが本質的に適していません。例えば、大規模モデルのトレーニングは通常、高いメモリ容量、低遅延、高速帯域幅に依存しており、オープンネットワークで効果的に分割および同期することが困難です；データのプライバシーと主権の制限が強いタスクは法的遵守と倫理的制約に制限され、オープンに共有することができません；また、協力のインセンティブが欠如しているタスクは外部の参加動機が不足しています。これらの境界が現在の分散化トレーニングの現実的な制限を構成しています。
しかし、これは分散化トレーニングが偽命題であることを意味するわけではありません。実際、構造が軽量で、並行処理が容易で、インセンティブがあるタスクタイプにおいて、分散化トレーニングは明確な応用の展望を示しています。含まれるがこれに限らず：LoRA微調整、行動整合性の後処理タスク、データクラウドソーシングトレーニングとアノテーションタスク、リソース制御可能な小型基礎モデルのトレーニング、そしてエッジデバイスが参加する協調トレーニングシナリオです。これらのタスクは一般的に高い並行性、低い結合性、異種計算能力に対する耐性を持っており、P2Pネットワーク、Swarmプロトコル、分散最適化器などの方法で協力トレーニングを行うのに非常に適しています。
! 暗号AIの聖杯:分散型トレーニングのフロンティア探索
分散化トレーニングクラシックプロジェクト解析
現在、分散化トレーニングとフェデレート学習の最前線分野において、代表的なブロックチェーンプロジェクトにはPrime Intellect、Pluralis.ai、Gensyn、Nous Research、Flock.ioが含まれます。技術革新性とエンジニアリング実現の難易度から見ると、Prime Intellect、Nous Research、Pluralis.aiはシステムアーキテクチャとアルゴリズム設計において多くの独創的な探求を提案しており、現在の理論研究の最前線を代表しています。一方、GensynとFlock.ioの実現パスは比較的明確で、初歩的なエンジニアリングの進展が見られます。
プライム・インテレクト：トレーニング軌跡が検証可能な強化学習協調ネットワークの先駆者
Prime Intellectは、誰もがトレーニングに参加でき、計算貢献に対して信頼できる報酬を得られる信頼不要のAIトレーニングネットワークの構築に取り組んでいます。Prime Intellectは、PRIME-RL + TOPLOC + SHARDCASTの3つのモジュールを通じて、検証可能でオープンな、インセンティブメカニズムが完備されたAI分散化トレーニングシステムを構築したいと考えています。
重要なメカニズムの詳細
PRIME-RLはPrime Intellectが分散化トレーニングシナリオのためにカスタマイズしたタスクモデリングと実行フレームワークであり、異種ネットワークと非同期参加のために設計されています。強化学習を優先的な適応対象として採用し、トレーニング、推論、重みのアップロードプロセスを構造的にデカップリングすることで、各トレーニングノードがローカルで独立してタスクループを完了し、標準化されたインターフェースを介して検証および集約メカニズムと協調できるようにしています。従来の監視学習プロセスと比較して、PRIME-RLは中心的なスケジューリングのない環境での弾力的なトレーニングの実現により適しており、システムの複雑性を低減するだけでなく、マルチタスクの並行処理と戦略の進化をサポートする基盤を築いています。
TOPLOCはPrime Intellectが提案した、検証可能性のコアメカニズムであり、ノードが実際に観測データに基づいて有効な戦略学習を完了したかどうかを判断するために用いられます。ZKMLなどの重いソリューションとは異なり、TOPLOCは全モデルの再計算に依存せず、"観測シーケンス↔戦略更新"間の局所的一貫性の軌跡を分析することで、軽量構造の検証を行います。これは、トレーニングプロセスにおける行動軌跡を検証可能なオブジェクトに変換することを初めて行い、信頼不要のトレーニング報酬配分を実現するための重要な革新であり、監査可能かつインセンティブのある分散型協力トレーニングネットワークを構築するための実行可能な道を提供します。
SHARDCASTはPrime Intellectが設計した重み伝播と集約プロトコルであり、非同期、帯域幅が制限され、ノード状態が変動する真のネットワーク環境に最適化されています。これはgossip伝播メカニズムと局所同期戦略を組み合わせており、複数のノードが非同期状態のまま部分的な更新を継続的に提出することを可能にし、重みの漸進的収束と多バージョンの進化を実現します。集中型または同期型のAllReduce手法と比較して、SHARDCASTは分散化トレーニングのスケーラビリティとフォールトトレランスを大幅に向上させ、安定した重みのコンセンサスと継続的なトレーニングの反復を構築するための核心基盤となります。
OpenDiLoCoはPrime IntellectチームがDeepMindの提案したDiLoCoの理念に基づいて独立して実装し、オープンソース化した通信最適化フレームワークであり、分散化トレーニングにおける帯域幅制限、デバイスの異種性、およびノードの不安定さなどの課題に特化して設計されています。そのアーキテクチャはデータ並列に基づき、Ring、Expander、Small-Worldなどの疎なトポロジーを構築することで、グローバル同期の高通信コストを回避し、局所的な隣接ノードのみに依存してモデルの協調トレーニングを完了させます。非同期更新とチェックポイント耐障害メカニズムを組み合わせることで、OpenDiLoCoはコンシューマー向けGPUやエッジデバイスが安定してトレーニングタスクに参加できるようにし、世界的な協力トレーニングの参加可能性を大幅に向上させ、分散化トレーニングネットワークを構築するための重要な通信基盤の一つです。
PCCLはPrime Intellectが分散化AIトレーニング環境のために特別に設計した軽量通信ライブラリで、従来の通信ライブラリが異種デバイスや低帯域幅ネットワークでの適応におけるボトルネックを解決することを目的としています。PCCLは疎トポロジー、勾配圧縮、低精度の同期およびチェックポイント復元をサポートし、コンシューマ向けGPUおよび不安定なノードで動作可能で、OpenDiLoCoプロトコルの非同期通信機能を支える基盤コンポーネントです。これにより、トレーニングネットワークの帯域幅耐性とデバイス互換性が大幅に向上し、真にオープンで信頼を必要としない協調トレーニングネットワークの構築に向けて"最後の1マイル"の通信基盤が整備されました。
! 暗号AIの聖杯:分散型トレーニングのフロンティア探索
プライム・インテレクトのインセンティブネットワークと役割分担
Prime Intellectは、誰もがタスクに参加し、実際の貢献に基づいて報酬を得ることができる、許可なし、検証可能、経済的インセンティブメカニズムを備えたトレーニングネットワークを構築しました。プロトコルは、3つのコアロールに基づいて運営されます：
プロトコルのコアプロセスには、タスクの公開、ノードのトレーニング、トレースの検証、重みの集約（SHARDCAST）、および報酬の配布が含まれ、"実際のトレーニング行動"を中心にしたインセンティブの閉ループを構成します。
INTELLECT-2：初の検証可能な分散化トレーニングモデルのリリース
Prime Intellectは2025年5月にINTELLECT-2を発表しました。これは、世界初の非同期で信頼を必要としない分散化ノードによる協調訓練で構築された強化学習大モデルで、パラメーターの規模は32Bに達します。INTELLECT-2モデルは、3つの大陸にわたる100以上のGPU異種ノードの協力によってトレーニングされ、完全非同期アーキテクチャを使用し、トレーニング時間は400時間を超え、非同期協調ネットワークの実行可能性と安定性を示しました。このモデルは、性能の突破だけでなく、Prime Intellectが提唱した「訓練は共識である」というパラダイムの初のシステム実装でもあります。INTELLECT-2は、PRIME-RL（非同期トレーニング構造）、TOPLOC（トレーニング行動の検証）、SHARDCAST（非同期ウェイトの集約）などのコアプロトコルモジュールを統合しており、分散化トレーニングネットワークが初めてトレーニングプロセスのオープン化、検証性、経済的インセンティブの閉ループを実現したことを示しています。
性能の面では、INTELLECT-2はQwQ-32Bを基に訓練され、コードと数学において特別なRL訓練が行われており、現在のオープンソースRL微調整モデルの最前線に位置しています。GPT-4やGeminiなどのクローズドモデルを超えてはいないものの、その真の意義は、世界初の完全な訓練プロセスが再現可能で、検証可能で、監査可能な分散化モデル実験であるということです。Prime Intellectはモデルをオープンソース化しただけでなく、訓練プロセス自体をオープンソース化したことが重要です--訓練データ、戦略更新の軌跡、検証プロセスと集約ロジックはすべて透明で確認可能であり、誰もが参加できる環境を構築しています。