币圈界报道：

去中心化AI迎转折点：从不可行到成本可比

在当前全球对人工智能治理日益收紧的背景下，分布式训练与代币化模型结构正逐步从理论走向实践。知名加密领域观察者Jake Brukhman指出，尽管前沿模型仍集中于少数机构，但现有商品化GPU算力已足以支撑大规模训练，真正瓶颈在于高效算法的突破。

去中心化训练已成现实，成本优势初显

以Gensyn、Prime Intellect、Pluralis及Nous Research等为代表的多支研究团队，已成功验证分布式训练不仅技术上可行，且在经济性上具备与传统中心化方式竞争的能力。这一进展打破了过去认为该路径难以实现的普遍认知。

代币化权重构建可持续生态

在众多尝试中，Pluralis提出的模型权重代币化方案尤为突出。通过将模型参数拆解并分配至网络节点，参与者因贡献算力或数据获得经济回报，从而形成自我维持的激励机制。该模式避免单一实体掌控系统，增强了抗审查能力。

AI治理之争：中心化控制还是开放网络主导？

Brukhman强调，当下的关键抉择在于，人工智能的发展路径是被少数国家或企业牢牢掌控，还是由公开、协作的去中心化网络推动。他将Anthropic配合出口管制的行为视为一个警示信号——政府对模型传播的干预正在制度化，而分布式框架则可能成为制衡力量。

算法革新是破局核心

尽管硬件资源已不再构成障碍，但如何高效调度海量算力仍是挑战。目前包括Bagel、Macrocosmos与Covenant AI在内的多家机构正致力于开发新型训练协议，旨在降低通信开销与同步延迟，加速去中心化模型落地进程。