Descentralización entrenamiento: la búsqueda del santo grial de la IA

En toda la cadena de valor de la inteligencia artificial, el entrenamiento de modelos es el eslabón que más recursos consume y tiene 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 escala en capacidad de cálculo, un complejo proceso de manejo de datos y un soporte de algoritmos de optimización de alta intensidad, siendo la verdadera "industria pesada" en la construcción de sistemas de IA. Desde la perspectiva de los paradigmas de arquitectura, los métodos de entrenamiento se pueden dividir en cuatro categorías: entrenamiento centralizado, entrenamiento distribuido, aprendizaje federado y el entrenamiento descentralizado, que es el enfoque principal de este artículo.

El entrenamiento centralizado es la forma tradicional más común, llevado a cabo por una única institución en un clúster de alto rendimiento local, completando todo el proceso de entrenamiento, desde el hardware, el software de bajo nivel, el 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 la eficiencia de los mecanismos de tolerancia a fallos alcancen su máximo, 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 riesgo de punto único.

El entrenamiento distribuido es el método principal para el entrenamiento de modelos grandes en la actualidad, su núcleo es descomponer la tarea de entrenamiento del modelo y distribuirla a múltiples máquinas para que colaboren en la ejecución, con el fin de superar los cuellos de botella de cálculo y almacenamiento de una sola máquina. Aunque tiene características "distribuidas" en lo físico, en su conjunto aún está controlado y coordinado por instituciones centralizadas, y generalmente opera en entornos de red local de alta velocidad, utilizando la tecnología de bus de interconexión de alta velocidad NVLink, donde el nodo principal coordina de manera unificada las subtareas. Los métodos principales incluyen:

• Paralelismo de datos: cada nodo entrena diferentes datos, los parámetros se comparten y se requiere que coincidan los pesos del modelo.
• Paralelismo de modelos: implementar diferentes partes del modelo en diferentes nodos para lograr una fuerte escalabilidad
• Paralelismo de tuberías: ejecución en serie por etapas, mejora del rendimiento
• Paralelismo 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 modelos grandes más importantes se entrenan de esta manera.

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

• Dificultades en la heterogeneidad de dispositivos y en la partición: alta dificultad para coordinar dispositivos heterogéneos, baja eficiencia en la partición de tareas.
• Cuello de botella en la eficiencia de la comunicación: la comunicación de red es inestable, y el cuello de botella en la sincronización del gradiente es evidente.
• Ejecución confiable ausente: 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 retroceso de excepciones son complejos

La capacitación en Descentralización se puede entender como: un grupo de voluntarios de todo el mundo que contribuyen con su capacidad de cálculo para entrenar modelos de manera colaborativa, pero "la verdadera capacitación descentralizada a gran escala que es factible" sigue siendo un desafío de ingeniería sistémica, que implica múltiples niveles como la arquitectura del sistema, protocolos de comunicación, seguridad criptográfica, mecanismos económicos y verificación de modelos. Sin embargo, si se puede lograr "colaboración efectiva + incentivos para la honestidad + resultados correctos" aún se encuentra en una etapa 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 tiene una estructura de ingeniería de entrenamiento distribuido y capacidades de colaboración local, al tiempo que posee las ventajas de la dispersión de datos del entrenamiento descentralizado, pero aún depende de una parte coordinadora confiable y no tiene características completamente abiertas y a prueba de censura. Puede considerarse como una solución de "Descentralización controlada" en el contexto del cumplimiento de la privacidad, siendo relativamente moderado en las tareas de entrenamiento, la estructura de confianza y los mecanismos de comunicación, lo que lo hace más adecuado como una arquitectura de despliegue transicional en la industria.

Descentralización entrenamiento de los límites, oportunidades y caminos reales

Desde la perspectiva de los paradigmas 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, a la alta demanda de recursos o a la gran dificultad de colaboración, no es intrínsecamente adecuada para completarse de manera eficiente entre nodos heterogéneos y de confianza. Por ejemplo, el entrenamiento de modelos grandes a menudo depende de una alta memoria de video, baja latencia y ancho de banda alto, lo que dificulta la segmentación y sincronización efectivas en redes abiertas; las tareas que tienen restricciones fuertes de privacidad de datos y soberanía están limitadas por el cumplimiento legal y las restricciones éticas, lo que impide compartir abiertamente; mientras que las tareas que carecen de incentivos de colaboración básicos no tienen motivación externa para la participación. Estas fronteras forman conjuntamente las limitaciones reales del entrenamiento descentralizado actual.

Pero esto no significa que el entrenamiento de Descentralización sea un mito. De hecho, en tipos de tareas que son ligeras en estructura, fáciles de paralelizar y motivadoras, el entrenamiento de Descentralización muestra perspectivas de aplicación claras. Incluyendo, pero no limitado a: ajuste fino de LoRA, tareas de entrenamiento posterior de alineación de comportamiento, tareas de entrenamiento y etiquetado de datos mediante crowdsourcing, entrenamiento de modelos básicos pequeños con recursos controlables, así como escenarios de entrenamiento colaborativo con la participación de dispositivos de borde. Estas tareas generalmente tienen características de alta paralelización, baja acoplamiento y tolerancia a potencia de cálculo heterogénea, lo que las hace muy adecuadas para el entrenamiento colaborativo a través de redes P2P, protocolos Swarm, optimizadores distribuidos y otros métodos.

Descentralización entrenamiento clásico proyecto análisis

Actualmente, en el campo de vanguardia del entrenamiento descentralizado y el aprendizaje federado, los proyectos de blockchain más representativos incluyen 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 numerosas 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 iniciales en la ingeniería.

Prime Intellect: pionero de la red colaborativa de aprendizaje reforzado verificable por trayectoria de entrenamiento

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 su contribución computacional. Prime Intellect espera construir un sistema de entrenamiento de IA descentralizado que sea verificable, abierto y con un mecanismo de incentivos completo, a través de los tres módulos PRIME-RL + TOPLOC + SHARDCAST.

Estructura de la pila de protocolos Prime Intellect y valor de los módulos clave

El mecanismo central de Prime Intellect incluye:

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 asíncrona. Utiliza el aprendizaje por refuerzo como objeto de adaptación prioritaria, desacoplando estructuralmente los procesos de entrenamiento, inferencia y carga de pesos, lo que permite que cada nodo de entrenamiento complete el ciclo de tareas de forma independiente en local, y colabore con mecanismos de verificación y agregación a través de interfaces estandarizadas. En comparación con los procesos de aprendizaje supervisado tradicionales, PRIME-RL es más adecuado para lograr un entrenamiento flexible en entornos sin programación central, reduciendo así la complejidad del sistema y sentando las bases para soportar 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 ha completado realmente 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 "secuencias de observación ↔ actualización de estrategia". Por primera vez, convierte las trayectorias de comportamiento durante el proceso de entrenamiento en objetos verificables, siendo 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 y que incentive.

SHARDCAST: Protocolo de agregación y propagación de peso asíncrono

SHARDCAST es un protocolo de propagación y agregación de pesos diseñado por Prime Intellect, optimizado para entornos de red reales que son asíncronos, tienen ancho de banda limitado y estados de nodos variables. Combina mecanismos de propagación de 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 los métodos centralizados o síncronos de AllReduce, SHARDCAST mejora significativamente la escalabilidad y la tolerancia a fallos del entrenamiento Descentralización, siendo la base fundamental para construir un consenso de peso estable y una iteración de entrenamiento continua.

OpenDiLoCo: Marco de comunicación asíncrona dispersa

OpenDiLoCo es un marco de optimización de comunicación implementado de manera 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 estructuras topológicas 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 nodos vecinos locales. Combinando actualizaciones asíncronas y un mecanismo de tolerancia a fallos, OpenDiLoCo permite que GPUs de consumo y dispositivos de borde participen de manera estable en 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 diseñada a medida por Prime Intellect para entornos de entrenamiento de IA descentralizados, con el objetivo de resolver los cuellos de botella de adaptación de las bibliotecas de comunicación tradicionales en dispositivos heterogéneos y redes de bajo ancho de banda. 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 el componente subyacente que respalda la capacidad de comunicación asíncrona del protocolo OpenDiLoCo. Mejora significativamente la tolerancia al ancho de banda de la red de entrenamiento y la compatibilidad del dispositivo, abriendo la "última milla" de la infraestructura de comunicación para construir una red de entrenamiento colaborativo realmente abierta y sin necesidad de confianza.

Red de Incentivos Prime Intellect y División de Roles

Prime Intellect construyó 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 funciona basado en tres tipos de roles centrales:

• Iniciador de la tarea: definir el entorno de entrenamiento, el modelo inicial, la función de recompensa y los criterios de validación
• Nodo de entrenamiento: ejecutar entrenamiento local, enviar actualizaciones de pesos y rastros de observación
• Nodos de verificación: utilizar el mecanismo TOPLOC para verificar 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 y la distribución de recompensas, formando un ciclo de incentivos en torno a "comportamiento de entrenamiento real".

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

Prime Intellect lanzó INTELLECT-2 en mayo de 2025, que es el primer modelo de aprendizaje profundo del mundo entrenado mediante la colaboración de nodos descentralizados asíncronos y sin necesidad de confianza, con una escala de parámetros de 32B. El modelo INTELLECT-2 fue completado mediante el entrenamiento colaborativo de más de 100 nodos heterogéneos GPU distribuidos en tres continentes, utilizando una arquitectura completamente asíncrona, con una duración de entrenamiento de más de 400 horas, demostrando la viabilidad y estabilidad de la red de colaboración asíncrona. Este modelo no solo representa un avance en términos de 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 primera realización de la apertura, verificación y bucle de incentivos económicos en el proceso de entrenamiento de una red de entrenamiento descentralizada.

En términos de rendimiento, INTELLECT-2 se basa en QwQ-32B y ha realizado un entrenamiento RL especializado en código y matemáticas, estando en la actualidad ajustado por RL de código abierto.