當下，AI 技術持續突破，圍繞 AI 訓練模式的革新探索也愈發深入。在這場浪潮中，集中式模型的壟斷隱患與開源模型激勵機制的缺失，亟待更優解決方案。
在此背景下，Pluralis 項目應運而生。其團隊全員博士，除實習生外皆來自亞馬遜。本文將介紹 Pluralis 在去中心化 AI 訓練領域的核心技術理念、團隊構成、融資情況以及其創新性的協議學習訓練範式。
Pluralis 是什麼？
Pluralis Research 致力於通過「協議學習」，打造去中心化、開源的 AI 開發模式。該模式通過去中心化的方式，匯聚多方計算資源，協同訓練模型。在此過程中，能確保任何單一參與者都無法獲取完整的模型權重。
Pluralis 協議學習的核心創新在於協議模型，利用了神經網絡的一個關鍵特性，任何一個參與者都無法提取其完整權重集。這種設計確保價值流向貢獻者，同時保護模型所有權，巧妙地平衡了 AI 開發的開放性與貨幣化需求。
在 Pluralis 中，模型設計者可以提出自己的模型構想，而計算和數據提供者則可以貢獻訓練模型所需的資源。這些協議模型是開放的、公開開發的，並且通過賦予參與者訓練成果模型的部分所有權，有效激勵各方貢獻力量，向著真正開源的人工智能目標邁進。
Pluralis 背景
Pluralis 團隊實力雄厚，官網列出的 8 位團隊成員中，除一名實習生外，其餘均出身亞馬遜 AI 研究部門，且全員擁有博士學位。
創始人 Alexander Long：擁有新南威爾士大學計算機科學博士學位，此前在 2021 年 3 月到 2024 年 5 月在亞馬遜擔任應用科學家。其博士論文圍繞深度學習中的樣本有效強化學習和非參數記憶展開。
創始科學家 Gil Avraham：澳大利亞蒙納士大學機器學習博士，曾於 2021 年 12 月至 2024 年 8 月在亞馬遜任應用科學家，後晉升為高級應用科學家，2024 年 10 月加入 Pluralis。
創始科學家 Yan Zuo：擁有澳大利亞蒙納士大學電氣電子工程博士學位，對大規模優化、統計建模、機器學習和計算機視覺感興趣，曾於 2021 年 8 月至 2024 年 10 月份在亞馬遜擔任應用科學家。
創始科學家 Ajanthan Thalaiyasingam：擁有澳大利亞國立大學士計算機科學博士學位，曾於 2020 年 12 月至 2024 年 3 月在亞馬遜擔任機器學習科學家，之後晉升為高級機器學習科學家，在 2024 年 10 月份加入 Pluralis。
創始科學家 Sameera Ramasinghe：擁有澳大利亞國立大學士機器學習和 3 D 視覺博士學位，AI 技術公司 ConscientAI 聯合創始人、首席技術官，曾於 2022 年 5 月至 2024 年 11 月在亞馬遜擔任應用科學家。
不難發現，Pluralis 的創始人、創始科學家和研究科學家均有亞馬遜工作經歷，且在機器學習、計算機視覺和大語言模型（LLMs）領域各有所長，部分成員還曾擔任博士後研究員。
在融資方面，2025 年 3 月份 Pluralis 完成 760 萬美元融資。此次融資由 CoinFund 和 Union Square Ventures 領投，Topology、Variant、Eden Block 和 Bodhi Ventures 參投。此次融資以股權形式進行，並附帶未來加密貨幣的認股權證。
何為協議學習？
在 Alexander Long 有關 "Protocol Learning, Decentralized Frontier Risk and the No-Off Problem" 的論文中提出了這種新的 AI 模型訓練範式——協議學習（Protocol Learning）。其目標是藉助去中心化的激勵網絡，協作訓練模型，突破當前集中式和開源方法的侷限。
Alexander Long 指出，集中式模型雖然高效，但存在壟斷風險，治理缺乏透明度；開源模型則缺乏可持續的激勵機制。而協議學習作為一種折中的方案，通過激勵參與者貢獻計算資源，構建去中心化訓練網絡，理論上可聚合比集中式訓練多幾個數量級的算力。
從技術可行性來看，去中心化訓練需要滿足高效通信、模型分片、彈性訓練、拜占庭容錯和異構節點支持等要求。儘管已有研究在分佈式訓練、流水線並行和容錯機制等方面取得一定進展，但尚未能完全整合到大規模（100B + 參數）模型中。此外，通過計算貢獻分配所有權，能形成經濟激勵，但仍需解決計算驗證問題，如採用博弈論質押或零知識證明等技術。
當然，協議學習也伴隨著新的風險。去中心化模型難以單方面終止，一旦模型失控或被濫用，需要協調全網才能停止，實施難度極大。此外，還需在激勵、安全與可控性之間尋求平衡，防範惡意行為。
Pluralis 認為，人工智能的未來不僅僅是分佈式的，更是去中心化的。去中心化訓練的技術壁壘並非不可攻克，而其帶來的收益將無比巨大。
綜上，Pluralis 正在構建去中心化的 AI 訓練基礎設施，旨在通過協議學習推動前沿模型的集體創造，從根本上使 AI 基礎模型的生產和訪問民主化。
