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協調トレーニングによって構築された強化学習の大規模モデルであり、パラメータ規模は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異種ノードによって協調トレーニングされ、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、非同期協力ネットワークの実現可能性と安定性を示しています。このモデルは、性能の突破だけでなく、Prime Intellectが提唱した「トレーニングは合意である」というパラダイムの初めてのシステム的実現を意味します。INTELLECT-2はPRIME-RL、TOPLOC、SHARDCAST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。
分散化AI訓練革新：Prime Intellectがオープンコラボレーションの新しいパラダイムをリード
AIトレーニングパラダイムの進化：集中制御から分散化協同への技術革命
AIの全価値連鎖において、モデルのトレーニングはリソース消費が最も大きく、技術的なハードルが最も高い段階であり、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と比較して、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、高強度の最適化アルゴリズムのサポートが必要であり、AIシステム構築の真の「重工業」と言えます。アーキテクチャのパラダイムから見ると、トレーニングの方法は集中化トレーニング、分散化トレーニング、フェデラルラーニング、そして本論文で重点的に議論する分散化トレーニングの4つのカテゴリに分けることができます。
! AIトレーニングパラダイムの進化:中央集権的な制御から分散型のコラボレーションへの技術革命
集中化トレーニングは最も一般的な従来の方式であり、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、クラスタースケジューリングシステム、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協調して運用されます。このような深い協調のアーキテクチャは、メモリ共有、勾配同期、フォールトトレランスメカニズムの効率を最適化し、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、高い効率とリソースの制御という利点を持っていますが、同時にデータの独占、リソースの壁、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、その核心はモデルのトレーニングタスクを分解し、多台のマシンに配布して協調実行することで、単一の計算および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」の特性を持っていますが、全体は依然として中央集権的機関によって制御、調整、同期されています。通常は高速ローカルエリアネットワーク環境で動作し、NVLink高速相互接続バス技術を通じて、主ノードが各サブタスクを統一して調整します。主流の方法には:
分散型トレーニングは「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」の従業員に指示を出して協力してタスクを完了することに類似しています。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。
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ています。その核心的な特徴は、複数の相互に信頼しないノードが中心的なコーディネーターなしにトレーニングタスクを協力して完成させることであり、通常はプロトコルによってタスクの配信と協力が駆動され、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さを確保します。このモデルが直面する主な課題は次のとおりです:
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計算能力を提供してモデルを協力してトレーニングすることとして理解できますが、「真に実現可能な大規模分散化トレーニング」は依然としてシステム的なエンジニアリングの課題であり、システムアーキテクチャ、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っています。しかし、「協力的かつ効果的 + 誠実なインセンティブ + 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。
連邦学習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と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ナリオに適しています。連邦学習は分散トレーニングの工学構造と局所的協調能力を備えつつ、分散化トレーニングのデータ分散の利点も持っていますが、依然として信頼できる調整者に依存しており、完全なオープン性や検閲耐性を持っていません。プライバシーコンプライアンスのシナリオでの「制御された分散化」ソリューションとして見ることができ、トレーニングタスク、信頼構造、通信メカニズムにおいて比較的穏やかで、産業界の移行的な展開アーキテクチャとしてより適しています。
AIトレーニングパラダイム全景比較表
! AIトレーニングパラダイムの進化:中央集権的な制御から分散型のコラボレーションへの技術革命
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、異種の非信頼ノード間で効率的に完了することが自然に不適切です。たとえば、大規模モデルのトレーニングは通常、高いメモリ、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難しいです。データプライバシーおよび主権制限が強いタスクは、法的遵守および倫理的制約に制限され、オープンな共有ができません。一方、協力のインセンティブ基盤が欠けているタスクは、外部参加の動機が不足しています。これらの境界は、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、インセンティブの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。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によるトレーニングとラベリングタスク、リソースが制御可能な小型基盤モデルのトレーニング、エッジデバイスが参加する協調トレーニングシナリオなどが含まれます。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備えており、P2Pネットワーク、Swarmプロトコル、分散最適化器などを通じて協力的なトレーニングを行うのに非常に適しています。
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ラルラーニング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の実現難易度の観点から、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の実現経路は比較的明確で、初歩的なエンジニアリングの進展が見えています。本稿では、これら5つのプロジェクトの背後にある核心技術とエンジニアリングアーキテクチャの道を順次解析し、分散化AIトレーニングシステムにおける差異と相補関係についてさらに探討します。
プライム・インテレクト:トレーニング軌跡検証可能な強化学習協調ネットワークの先駆者
Prime Intellectは、誰でも参加できる信頼不要のAIトレーニングネットワークを構築することに取り組んでおり、その計算貢献に対して信頼できる報酬を得られるようにしています。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かつインセンティブ機構が完備された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。
一、Prime Intellectプロトコルスタック構造と重要モジュールの価値
! AIトレーニングパラダイムの進化:中央集権的な制御から分散型のコラボレーションへの技術革命
二、Prime Intellectトレーニングの重要なメカニズムの詳細
PRIME-RL:デカップリング非同期強化学習タスクアーキテクチャ
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、異種ネットワークおよび非同期参加のために設計されています。強化学習を優先的に適用対象として採用し、トレーニング、推論、および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し、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できるようにし、標準化されたインターフェースを通じて検証および集約メカニズムと協調します。従来の監視学習プロセスと比較して、PRIME-RLは中央集権的なスケジューリングのない環境で弾力的なトレーニングを実現するのに適しており、システムの複雑さ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:軽量なトレーニング行動検証メカニズム
TOPLOCはPrime Intellectが提案したトレーニングの検証可能性コアメカニズムであり、ノードが観測データに基づいて有効な戦略学習を実行したかどうかを判断するために使用されます。ZKMLなどの重厚な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」間の局所的な一貫性の軌跡を分析することによって軽量構造の検証を完了します。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、信頼なしでトレーニング報酬の配分を実現するための重要な革新であり、監査可能でインセンティブが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筋を提供します。
SHARDCAST: 非同期の重み集約および伝播プロトコル
SHARDCASTはPrime Intellectが設計した重みの伝播と集約プロトコルであり、非同期、帯域幅制限、ノードの状態が変化しやすい実際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的な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許可し、重みの漸進的な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メソッドと比較して、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コア基盤となります。
OpenDiLoCo:スパース非同期通信フレームワーク
OpenDiLoCoはPrime IntellectチームがDeepMindのDiLoCo理念に基づいて独立に実装し、オープンソース化した通信最適化フレームワークで、分散化訓練において一般的な帯域幅制限、デバイスの非均質性、ノードの不安定性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性に基づき、Ring、Expander、Small-Worldなどの疎なトポロジー構造を構築することによって、グローバル同期の高い通信コストを回避し、局所的な隣接ノードに依存してモデルの協調訓練を完了させます。非同期更新とチェックポイント耐障害機構を組み合わせることで、OpenDiLoCoはコンシューマ向けGPUやエッジデバイスが安定して訓練タスクに参加できるようにし、グローバルコラボレーショントレーニングの参加可能性を大幅に向上させ、分散化訓練ネットワークを構築するための重要な通信インフラの一つです。
PCCL:協調通信ライブラリ
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における適応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GPUや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能力を支える基盤コンポーネントです。これは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を大幅に向上させ、真にオープンで信頼不要な協調トレーニングネットワークのための"最後の一マイル"の通信基盤を整えました。
三、Prime Intellectのインセンティブネットワークと役割分担
Prime Intellectは、許可不要、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、誰でもタスクに参加し、実際の貢献に基づいて報酬を得ることができるようにします。プロトコルは、三つのコアロールに基づいて運用されます:
プロトコルのコアプロセスは、タスクの公開、ノードのトレーニング、軌跡の検証、重みの集約、および報酬の配布を含み、"実際のトレーニング行動"を中心としたインセンティブのクローズドループを構成します。
! AIトレーニングパラダイムの進化:中央集権的な制御から分散型のコラボレーションへの技術革命
四、INTELLECT-2:最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協調トレーニングによって構築された強化学習の大規模モデルであり、パラメータ規模は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異種ノードによって協調トレーニングされ、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、非同期協力ネットワークの実現可能性と安定性を示しています。このモデルは、性能の突破だけでなく、Prime Intellectが提唱した「トレーニングは合意である」というパラダイムの初めてのシステム的実現を意味します。INTELLECT-2はPRIME-RL、TOPLOC、SHARDCAST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に基づいてトレーニングされ、コードと数学において特別なRLトレーニングが行われ、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。