几乎无人关注。
0G表示，几个月前它就跨越了一个重要的Threshold。现在，它正在公开地重新训练同一个模型，目的是展示去中心化人工智能的真正潜力，以及为什么它之前的成果更值得关注。
2025年7月，0G与中国移动合作，训练了一个名为DiLoCoX-107B的1070亿参数模型。该研究成果经同行评审后发表在arXiv上。论文指出，该系统的通信效率比传统的AllReduce方法提高了357倍。即便如此，该成果也几乎没有进入市场。
团队表示，时机对他们不利。2025 年年中，加密货币领域的关注点都集中在主网线和代币相关新闻上，而技术成果则鲜有人问津。这项工作虽然严谨，但除了密切关注该领域的小圈子之外，并未引起太多关注。
现在，随着去中心化人工智能再次成为关注焦点，0G 希望将成果重新带回大众视野。
一项公共再培训计划
这一次，公司将再培训过程公开透明化。
0G计划记录每个阶段，包括检查点、收敛指标和数据来源。它还表示，运行过程将通过可信执行环境（Trusted Execution Environments）使用zerogAuth进行验证。工作完成后，模型权重将开源。
最终，0G 希望证明去中心化人工智能可以以大多数封闭系统无法比拟的方式进行审计、复制和验证。
不仅仅是参数竞争
许多人工智能领域的报道仍然围绕参数数量展开。更大的数字固然能吸引眼球，但0G理论认为，模型的价值来自于它所处的整个系统。
对于团队而言，真正的考验始于培训，并贯穿于验证、存储、服务和集成到实际产品中的各个环节。
其中一个关键技术点是通信效率。DiLoCoX 采用流水线并行、用于局部和全局更新的双重优化器策略、单步延迟重叠机制以及自适应梯度压缩。简而言之，这种设计减少了分布式训练过程中所需的通信量，而通信量通常是这类系统速度变慢的原因。
0G 还将该模型集成到一个完整的技术栈中，包括链上验证、去中心化存储、数据可用性、推理和结算。最终呈现的是一个可实际运行的环境，而非一次性的研究演示。
验证是该方案的另一重要组成部分。借助可信执行环境，用户不仅可以验证模型是否存在，还可以检查模型的训练方式以及训练过程中使用的数据。对于去中心化人工智能而言，这将从根本上改变信任模型。
真正的问题在于带宽。
据 0G 称，DiLoCoX-107B 结果中最重要的部分是模型的训练方式。
研究团队表示，107B 模型是在标准的每秒千兆比特互联网连接上运行的，而非在专门的数据中心环境中运行。这一点直接挑战了人工智能领域最大的假设之一，即前沿训练需要稀有且昂贵的网络条件。
如果这种情况持续下去，其影响可能是巨大的。较低的技术要求为更多参与者敞开了大门，从研究团队到企业和公共机构，都可以加入其中。在这种情况下，协调成为主要挑战，而去中心化系统正是为了解决这类问题而构建的。
不同的成本模型
0G公司还表示，与集中式方案相比，其系统可降低约95%的成本。
该公司将成本降低归功于省去了昂贵的集中式管理费用，而非硬件成本降低。如果这些数据在实际应用中得到验证，那么包括大学、企业和政府在内的更多机构，即使没有预算进行大规模人工智能投资，也能使用高级模型训练。
这可能会改变谁有资格首先构建严肃的模型。
去中心化的人工智能能否参与竞争？
长期以来，怀疑论者一直认为去中心化人工智能在性能方面无法与时俱进。0G 认为这种旧有的权衡取舍正在逐渐减弱。
随着结果的改善和成本的降低，讨论的焦点不再是意识形态，而是产出。该系统能否训练出强大的模型，验证它们的有效性，并且价格能够被更多团队承受？
开放式参与仍然存在实际风险。分布式训练可能使系统面临数据投毒、梯度操纵和贡献者质量参差不齐等风险。0G 表示，它通过架构安全措施、异常检测和密码验证来解决这些问题。
关键不在于绝对安全，而在于让故障可见且可追溯。
可验证人工智能的真正含义
对于 0G 而言，可验证的 AI 就是用基于检验的信任取代基于声誉的信任。
用户不必轻信服务提供商的说法，而是可以独立核实模型的训练方式和运行机制。这种理念在金融、医疗和政府等高度重视问责制的领域具有显而易见的价值。
这正是去中心化人工智能开始脱颖而出的地方，人们可以检查系统，而不仅仅是信任系统。
从研究演示到工作系统
去中心化人工智能领域在短时间内取得了长足进步。早期的概念验证工作正在被旨在实现训练、验证、存储、推理和经济结算等功能在同一环境下运行的系统所取代。
0G希望DiLoCoX-107B能够证明其取得的进展。公开的重新训练工作不仅关注性能，也关注过程。该公司试图证明，去中心化的人工智能可以在保持开放接受审查的同时，生成可靠的模型。
前路漫漫
更大规模的模型仍在研发中。0G公司认为，规模达数千亿甚至最终数万亿美元的模型指日可待。
下一阶段不再依赖于单一的科学飞跃，而是更多地依赖于更完善的协调和更强大的网络参与。在去中心化人工智能领域，组织的重要性可能与计算能力不相上下。
DiLoCoX-107B 的重新训练旨在重启 0G 认为市场此前错失的一场对话。同时，这也是一次检验，开放、可验证的人工智能能否凭借实际成果而非炒作赢得关注。
目前，该公司认为公开再培训、透明文档和开放获取将使去中心化人工智能在下一轮竞争中站稳脚跟。
