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不要の分散化ノード協力訓練によって作成された強化学習の大規模モデルで、パラメータ規模は32Bです。INTELLECT-2モデルは、三大陸にわたる100以上のGPU異種ノードの協力訓練によって完成し、完全な非同期アーキテクチャを使用し、訓練時間は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ました。このモデルは、性能の突破口であるだけでなく、Prime Intellectが提唱した「訓練は合意である」ということを示しています。
AIトレーニングパラダイムの進化：集中管理から分散化協調への技術革新
AIトレーニングパラダイムの進化：集中管理から分散化協調への技術革命
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持続的な大規模な計算能力の投入、複雑なデータ処理プロセス、そして高強度の最適化アルゴリズムのサポートを必要とし、AIシステムの構築における真の「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つのカテゴリーに分類できます。
! 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法であり、単一の機関がローカルの高性能クラスタ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、フォールトトレランスメカニズム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います。効率が高く、リソースをコントロールできる利点がありますが、同時にデータの独占、リソースの障壁、エネルギー消費、単一障害のリスクといった問題も存在します。
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な方法であり、その核心はモデルトレーニングタスクを分解し、複数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」特性を持っていますが、全体は依然として中央集権的な機関によって制御、スケジュール、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介して、主ノードが各サブタスクを統一的に調整します。主流の方法には以下が含まれます:
分散型トレーニングは「集中管理 + 分散実行」の組み合わせであり、同じ上司が遠隔で複数の「オフィス」従業員に指示を出してタスクを完了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。
分散化トレーニングは、よりオープンで検閲耐性のある未来の道を意味します。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です。通常、プロトコルに基づいてタスクの配信と協力が行われ、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、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を含む体系的なエンジニアリングの課題であり、"協力して効果的 + 誠実にインセンティブを与え + 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。
フェデレーション学習は、分散型と分散化の間の過渡的な形態として、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。フェデレーション学習は、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ながら、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抵抗する特性はありません。プライバシーコンプライアンスのシナリオにおける「制御された分散化」ソリューションと考えられ、トレーニングタスク、信頼構造、通信メカニズムのすべてにおいて比較的穏やかであり、産業界の過渡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。
AIトレーニングパラダイム全景比較表(技術アーキテクチャ × 信頼インセンティブ × アプリケーション特性)
! 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
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く、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には適していません。例えば、大規模モデルのトレーニングは、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は効果的に分割や同期が難しいです。データプライバシーや主権に関する制約の強いタスクは、法的遵守や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不足しているタスクは、外部からの参加動機が欠けています。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約を形成しています。
しかし、これは分散化トレーニングが虚偽の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、並列処理が容易で、インセンティブを与えられ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見通しを示しています。これには、LoRA微調整、行動調整型の後処理タスク、データクラウドソーシングによるトレーニングとアノテーションタスク、リソース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ーンなどが含まれます。これらのタスクは一般的に高い並列性、低い結合性、そして異種計算能力を許容する特性を持っているため、P2PネットワークやSwarmプロトコル、分散オプティマイザーなどを通じて協調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タスク適応性総覧表
! 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
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。技術革新性と工学的実現の難易度の観点から、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の実現パスは比較的明確で、初期のエンジニアリングの進展が見られます。本稿では、これら五つのプロジェクトの背後にあるコア技術とエンジニアリングアーキテクチャの道を順に解析し、さらに分散化AIトレーニングシステムにおけるその違いと相補関係を探討します。
プライムインテレクト: トレーニング経路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を構築すること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、検証可能性、オープン性、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することを目指しています。
一、Prime Intellectプロトコルスタックの構造と主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が分散化された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および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介して検証と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は中央管理のない環境での弾力的なトレーニングを実現するのにより適しており、システムの複雑さを低減し、マルチタスクの並行処理および戦略の進化をサポートする基盤を築いています。
TOPLOC:軽量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使用されます。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、軽量な構造検証を完了します。これは、トレーニングプロセス中の行動の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、信頼なしでの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のある分散化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が設計した重み伝播と集約プロトコルで、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同期戦略を組み合わせて、複数のノードが非同期状態で部分的な更新を継続的に提出できるようにし、重みの漸進的収束と多バージョン進化を実現します。集中型または同期型のAllReduce方法と比較して、SHARDCASTは分散化トレーニングのスケーラビリティと耐障害性を大幅に向上させ、安定した重み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の提案したDiLoCoの理念に基づいて独立して実現し、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いて一般的な帯域幅の制約、デバイスの異種性、および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、ローカル隣接ノードのみを利用してモデルの協調トレーニングを完了します。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、グローバル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インフラの一つとなっています。
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で直面する適応のボトルネックを解決することを目的としています。PCCLはスパーストポロジー、勾配圧縮、低精度同期、チェックポイントの復元をサポートし、コンシューマー向けGPUや不安定なノード上で動作でき、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ための"最後の1マイル"の通信基盤を開通させました。
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、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、許可不要で検証可能かつ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つの主要な役割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、軌跡の検証、ウェイトの集約、報酬の支払いが含まれ、"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不要の分散化ノード協力訓練によって作成された強化学習の大規模モデルで、パラメータ規模は32Bです。INTELLECT-2モデルは、三大陸にわたる100以上のGPU異種ノードの協力訓練によって完成し、完全な非同期アーキテクチャを使用し、訓練時間は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ました。このモデルは、性能の突破口であるだけでなく、Prime Intellectが提唱した「訓練は合意である」ということを示しています。