项目调研 Link to heading

1. Gensyn Link to heading

2. Pluralis Link to heading

3. NousResearch Link to heading

1. Gensyn项目概述 Link to heading

技术愿景 Link to heading

Gensyn是一个去中心化的人工智能计算网络，专注于为深度学习和机器学习提供分布式计算资源。该项目旨在创建一个开放的计算协议，让全球各地的计算设备能够组成一个单一的虚拟集群，为AI开发者提供按需的点对点计算能力。

核心技术机制 Link to heading

1. 去中心化计算网络：

   • 建立在区块链技术基础上，最初基于Substrate L1链，后来转向定制的以太坊rollup解决方案
   • 采用PoS（权益证明）共识机制，确保网络安全性和稳定性
   • 网络对所有设备开放，从大型数据中心到个人电脑都可参与

2. Verde验证系统：

   • 专为机器学习任务设计的验证系统，可在不可信节点上验证计算工作
   • 使用加密证明系统动态监控训练过程
   • 实现了可扩展的工作验证方法，确保所有节点正确执行AI训练任务

3. 三大技术支柱：

   • 执行(Execution)：确保跨设备兼容性的计算框架
   • 验证(Verification)：可扩展的验证系统，检查并确认工作完成情况
   • 通信(Communication)：高效地在互联网上的设备间共享工作负载

4. 经济激励机制：

   • 通过代币系统奖励提供计算资源的参与者
   • 使用智能合约分配任务和处理支付
   • 不基于挖矿，而是基于可验证的计算贡献（Proof-of-Compute）

商业模式与应用场景 Link to heading

1. 去中心化AI基础设施：

   • 挑战AWS等云计算寡头垄断
   • 为AI训练提供更具成本效益的替代方案
   • 民主化高性能计算资源获取

2. 主要应用场景：

   • 大型深度学习模型训练
   • 分散式AI系统开发
   • 混合专家模型(MoE)的并行训练

3. 目标用户：

   • AI开发者和研究人员
   • 拥有闲置计算资源的基础设施所有者
   • 寻求降低AI训练成本的企业

项目发展与融资 Link to heading

1. 项目时间线：

   • 2022年：首次提出计算协议概念
   • 2023年：扩展愿景，将所有设备连接到开放网络
   • 2025年：推出Verde验证系统和公共测试网

2. 融资情况：

   • 2023年获得由a16z crypto领投的4300万美元A轮融资
   • 之前在2022年筹集了650万美元种子轮资金

3. 技术进展：

   • 从Substrate L1链转向定制的以太坊rollup解决方案
   • 引入更稳健的审计策略
   • 开发了减少训练迭代时间55%的新并行训练方法

愿景与价值主张 Link to heading

1. 开放AI基础设施：创建没有"看门人"或人为边界的开放AI生态系统

2. 降低AI开发门槛：使高性能AI训练对各种规模的组织都可获取

3. 推动去中心化创新：通过分布式基础设施加速机器智能发展

4. 抵御节点故障：提供能够承受高达50%节点故障率的容错系统

Gensyn代表了区块链技术与AI领域的交叉创新，旨在解决当前AI基础设施面临的集中化和成本挑战。通过构建去中心化的计算网络，Gensyn有潜力彻底改变机器学习模型的训练方式，并为AI开发的民主化提供技术基础。

Pluralis Protocol Learning项目分析 Link to heading

技术机制 Link to heading

1. Protocol Learning核心概念：

   • Protocol Learning是一种创新的AI模型训练方法，通过去中心化、多参与者协作的方式训练大型基础模型
   • 主要技术挑战是实现低带宽、模型并行训练（low-bandwidth, model-parallel training）
   • 区别于传统的数据并行（Data Parallel）方法，Protocol Learning实现模型并行，即将模型分散在不同节点上

2. Protocol Models (PMs)关键特性：

   • 模型被分割存储在地理上分散的设备上，通过互联网低带宽连接进行通信
   • 任何单一参与者都无法获取完整的模型权重，确保了模型的共享所有权
   • 模型"存活"在协议内部，可训练和使用，但无法被完整提取（unextractable）

3. 技术实现三大要素：

   • 去中心化（Decentralized）：训练节点地理分散，节点内存和计算资源异构，通过低带宽连接通信
   • 激励机制（Incentivized）：训练者按贡献比例获得部分模型所有权，模型使用产生的价值按贡献比例回流
   • 无需信任（Trustless）：恶意行为者无法通过提供错误梯度来破坏训练过程，所有权分配通过贡献验证

4. 技术挑战：

   • 传统观点认为，地理分散的设备间通过互联网通信（10s-100s MB的激活和梯度张量）会导致训练速度极慢
   • Pluralis的核心论点是这个问题是可解决的，正在突破大型神经网络分布式训练的现有局限

商业与经济机制 Link to heading

1. 解决的核心问题：

   • 当前"开源AI"实际上是大型科技公司单方面发布模型权重，并非真正开源
   • 大型AI模型训练需要数百万美元资金和大量计算资源，超出了普通开发者能力范围
   • 传统模式下，模型开发集中在少数实体手中，形成权力不对称

2. 经济可持续性：

   • 模型通过协议提供服务，产生的价值按训练贡献比例流向参与者
   • 无需前期资本投入即可参与模型训练，降低进入门槛
   • 创造了一个可扩展的经济激励机制，使志愿计算能达到训练前沿模型所需的规模

3. 所有权分配：

   • 贡献计算资源的参与者获得模型的部分所有权，形成真正的集体所有权模式
   • 所有权不能被单一实体控制，确保价值分配的公平性
   • 通过密码学和AI技术的融合来保障这一机制的实现

愿景与目标 Link to heading

1. 开放AI生态系统：

   • 创建一个真正开放、透明和分布式的AI生态系统
   • 降低对大型中心化系统的依赖，实现权力的再分配
   • 保障公众获取强大基础模型的权利，并确保任何人都能参与AI经济效益

2. 与Web发展类比：

   • 创始人Alexander Long将当前AI发展比作早期互联网，强调开放性对创新的重要性
   • 警惕大型科技公司从一开始就控制AI发展的趋势，可能导致比互联网封闭更严重的问题

3. 规模与潜力：

   • Protocol Learning通过协作训练有潜力训练史上最大规模的模型
   • 允许专业知识而非财力驱动基础模型层的创新
   • 解决"开源悖论"：如何使模型既开放又能实现经济可持续性

项目现状 Link to heading

1. 团队背景：

   • 由Alexander Long领导的前FAANG研究科学家团队组建于2024年初
   • 专注于解决Protocol Learning实际实现所需的研究挑战

2. 融资情况：

   • 2025年3月宣布完成760万美元种子轮融资
   • 由USV和CoinFund领投，Topology、Variant、Eden Block和Bodhi Ventures参投

3. 技术进展：

   • 已经开始探索1B参数级别模型的训练
   • 正在解决低带宽模型并行训练这一未解决的研究挑战
   • 计划实现10B参数量级的模型训练

创新价值 Link to heading

Pluralis的Protocol Learning项目代表了一种新的AI发展范式，融合了加密技术与AI领域，在技术上挑战了传统分布式训练的限制，在经济模式上创造了新的协作机制。该项目旨在破解"开源AI"的困境，使模型开发不再仅限于资金充足的大型机构，并建立一个更加开放、分散且经济上可持续的AI开发生态系统。

如果成功实现，这一技术可能成为AI发展的重要变革，特别是在平衡开放性与经济激励方面提供了一条新路径。

NousResearch项目分析 Link to heading

公司背景与使命 Link to heading

NousResearch是一家专注于人类中心语言模型和模拟器开发的AI研究公司，成立于2023年，由Jeffrey Quesnelle创立。该公司的核心使命是推动开源AI的发展，挑战传统的封闭模型方法，致力于使AI发展更加民主化和去中心化。NousResearch相信，超级智能的发展不应该仅由少数公司和寡头控制，而应该为全人类所用。

核心技术与创新 Link to heading

1. Hermes系列模型 Link to heading

Hermes是NousResearch最知名的语言模型系列，其最新版本Hermes 3是基于Llama 3.1模型（包括8B、70B和405B版本）进行微调开发的：

• 技术特点：

  • 高度可控性和中性对齐，能够严格遵循系统指令
  • 增强的长期上下文保留和多轮对话能力
  • 复杂的角色扮演和内部独白能力
  • 增强的代理功能调用和推理能力
  • 训练数据主要由合成生成的回应组成，积极鼓励模型严格遵循指令

• 开放性：

  • 完全开源发布，可在Hugging Face平台上免费获取
  • 提供多种规模的模型，支持不同应用场景和计算资源条件

2. DisTrO技术（Distributed Training Over-the-Internet） Link to heading

DisTrO是NousResearch最具突破性的技术之一，代表"网络分布式训练"：

• 核心创新：

  • 将GPU间通信需求减少3-4个数量级（1000-10000倍）的低延迟分布式优化器系列
  • 使地理分散的异构硬件能够通过普通互联网连接协作训练大型模型
  • 不需要专用的高速互联网连接或昂贵的超级计算集群

• 技术组件：

  • DeMo（Decoupled Momentum）：DisTrO的种子算法，由Nous的首席科学家Bowen Peng、首席技术官Jeffrey Quesnelle与OpenAI联合创始人Diedrick P共同开发
  • 架构和网络不可知的优化器，可应用于各种神经网络架构

3. Psyche项目 Link to heading

Psyche是NousResearch与Solana区块链合作的一个重要项目：

• 愿景：

  • 建立一个开放基础设施，使超级智能的发展民主化和去中心化
  • 创建一个能释放协作训练生成式AI模型的平台

• 技术实现：

  • 基于DisTrO技术，解决分布式训练的带宽问题
  • 利用Solana区块链的高速、低成本特性处理网络交易和管理
  • 建立了完整的开源分布式训练技术栈

4. 其他技术领域 Link to heading

NousResearch的研究重点还包括：

• 模型架构：探索更高效、更强大的神经网络架构
• 数据合成：开发高质量的合成训练数据生成方法
• 微调技术：改进现有大型语言模型的微调方法
• 推理技术：增强模型的推理能力和实时性能

主要产品与服务 Link to heading

1. 开源语言模型：

   • Hermes系列模型，包括最新的Hermes 3
   • 这些模型在Hugging Face平台上开源提供

2. Forge推理API：

   • 提供先进的推理时AI研究成果
   • 继承了原始Hermes模型的技术路线并加以改进

3. Nous Chat：

   • 简单的聊天平台，集成了Hermes语言模型
   • 展示NousResearch模型的实际应用

4. Psyche网络：

   • 与Solana合作开发的去中心化AI训练网络
   • 允许分散的计算资源协作训练大型模型

技术愿景与影响 Link to heading

开源AI的新范式 Link to heading

NousResearch的核心理念是挑战当前AI发展的中心化趋势。他们认为，目前所谓的"开源AI"实际上只是大公司单方面发布模型权重，而真正的开源应该涵盖从训练到部署的整个过程，并且对所有人开放参与。

去中心化和民主化 Link to heading

通过DisTrO和Psyche项目，NousResearch正在打造一种新的AI发展模式，使小型研究团队、个人开发者和资源有限的组织也能参与前沿AI模型的训练和改进。这种去中心化方法可能会从根本上改变AI产业的权力结构。

技术突破的意义 Link to heading

DisTrO技术的突破性意义在于解决了分布式训练长期面临的带宽瓶颈问题。传统观点认为，通过普通互联网连接进行模型训练是不可行的，因为模型分割在多个设备上时，训练需要在每次前向和反向传递期间传输大量的激活和梯度张量（10MB-100MB）。NousResearch声称已经解决了这个问题，这可能会彻底改变大型AI模型的训练方式。

生态系统与合作 Link to heading

NousResearch积极与开源社区和其他组织合作：

1. 开源合作：在Hugging Face等平台上发布模型，促进社区协作
2. 区块链集成：与Solana区块链合作开发Psyche项目
3. 研究合作：与学术和工业界研究人员合作推进AI技术

结论与展望 Link to heading

NousResearch代表了AI发展中的一种新兴力量，通过创新技术如DisTrO和开源模型如Hermes系列，它正在挑战传统的AI发展模式。其核心理念是使AI更加开放、民主和去中心化，让更多人能够参与到超级智能的发展中。

如果DisTrO技术能够如其所宣称的那样实现跨互联网的高效分布式训练，那么它将极大地降低训练大型AI模型的门槛，可能会引发开源AI领域的重大变革。随着Psyche项目在Solana上的发展，我们可能会看到区块链技术与AI的更深度融合，创造出新型的去中心化AI基础设施。

NousResearch的发展轨迹值得密切关注，因为它代表了一种可能改变AI产业格局的技术路线和发展理念。

去中心化AI项目比较分析 Link to heading

技术路线比较 Link to heading

计算资源组织方式 Link to heading

• Gensyn：侧重于为AI任务提供验证可信的计算资源，更像是"去中心化的AWS"
• Pluralis：专注于协作训练单个大模型，实现模型所有权共享
• NousResearch：开发低带宽训练技术，使普通互联网条件下也能协作训练

技术壁垒与创新 Link to heading

• Gensyn：Verde验证系统是核心壁垒，解决在不可信环境中验证AI计算
• Pluralis：低带宽模型并行训练技术，解决传统认为不可能的跨互联网训练
• NousResearch：DisTrO技术将GPU通信需求减少1000-10000倍，使普通网络足够支持训练

开放程度 Link to heading

• Gensyn：开放网络，但未明确说明训练后的模型权重如何处理
• Pluralis：强调模型共享所有权，但模型"无法提取"（锁定在协议中）
• NousResearch：完全开源模型，训练技术栈也开源

发展潜力评估 Link to heading

商业可行性 Link to heading

• Gensyn：商业模式清晰，与现有云计算服务形成差异化竞争
• Pluralis：创新的经济模式，但实际产生收益和分配机制有待验证
• NousResearch：开源路线，通过Psyche与区块链结合探索可持续发展

技术挑战 Link to heading

• Gensyn：验证AI计算的可信度和准确性是最大挑战
• Pluralis：低带宽环境下模型并行训练效率是关键瓶颈
• NousResearch：优化器性能和异构硬件协调是主要技术难点

生态系统建设 Link to heading

• Gensyn：独立构建基础设施生态
• Pluralis：专注于协议和训练模式创新
• NousResearch：积极与开源社区和区块链项目合作，生态更开放

结论 Link to heading

这三个项目都代表了去中心化AI的不同技术路径，各有侧重点：

• Gensyn 更关注计算资源的去中心化组织与验证，构建AI任务的分布式执行网络
• Pluralis 专注于解决大模型所有权问题，创造新的协作训练和价值分配模式
• NousResearch 侧重于技术突破和开源社区建设，通过DisTrO技术实现低资源门槛的分布式训练

从技术成熟度看，NousResearch已有可用的开源模型；从资金规模看，Gensyn融资最多；从创新模式看，Pluralis的Protocol Learning代表了新的范式。这三个项目共同推动了AI基础设施去中心化的进程，有潜力打破当前AI发展中的资源垄断和中心化问题。