幾乎無人關注。
0G表示，幾個月前它就跨越了一個重要的Threshold。現在，它正在公開地重新訓練同一個模型，目的是展示去中心化人工智能的真正潛力，以及為什麼它之前的成果更值得關注。
2025年7月，0G與中國移動合作，訓練了一個名為DiLoCoX-107B的1070億參數模型。該研究成果經同行評審後發表在arXiv上。論文指出，該系統的通信效率比傳統的AllReduce方法提高了357倍。即便如此，該成果也幾乎沒有進入市場。
團隊表示，時機對他們不利。2025 年年中，加密貨幣領域的關注點都集中在主網線和代幣相關新聞上，而技術成果則鮮有人問津。這項工作雖然嚴謹，但除了密切關注該領域的小圈子之外，並未引起太多關注。
現在，隨著去中心化人工智能再次成為關注焦點，0G 希望將成果重新帶回大眾視野。
一項公共再培訓計劃
這一次，公司將再培訓過程公開透明化。
0G計劃記錄每個階段，包括檢查點、收斂指標和數據來源。它還表示，運行過程將通過可信執行環境（Trusted Execution Environments）使用zerogAuth進行驗證。工作完成後，模型權重將開源。
最終，0G 希望證明去中心化人工智能可以以大多數封閉系統無法比擬的方式進行審計、複製和驗證。
不僅僅是參數競爭
許多人工智能領域的報道仍然圍繞參數數量展開。更大的數字固然能吸引眼球，但0G理論認為，模型的價值來自於它所處的整個系統。
對於團隊而言，真正的考驗始於培訓，並貫穿於驗證、存儲、服務和集成到實際產品中的各個環節。
其中一個關鍵技術點是通信效率。DiLoCoX 採用流水線並行、用於局部和全局更新的雙重優化器策略、單步延遲重疊機制以及自適應梯度壓縮。簡而言之，這種設計減少了分佈式訓練過程中所需的通信量，而通信量通常是這類系統速度變慢的原因。
0G 還將該模型集成到一個完整的技術棧中，包括鏈上驗證、去中心化存儲、數據可用性、推理和結算。最終呈現的是一個可實際運行的環境，而非一次性的研究演示。
驗證是該方案的另一重要組成部分。藉助可信執行環境，用戶不僅可以驗證模型是否存在，還可以檢查模型的訓練方式以及訓練過程中使用的數據。對於去中心化人工智能而言，這將從根本上改變信任模型。
真正的問題在於帶寬。
據 0G 稱，DiLoCoX-107B 結果中最重要的部分是模型的訓練方式。
研究團隊表示，107B 模型是在標準的每秒千兆比特互聯網連接上運行的，而非在專門的數據中心環境中運行。這一點直接挑戰了人工智能領域最大的假設之一，即前沿訓練需要稀有且昂貴的網絡條件。
如果這種情況持續下去，其影響可能是巨大的。較低的技術要求為更多參與者敞開了大門，從研究團隊到企業和公共機構，都可以加入其中。在這種情況下，協調成為主要挑戰，而去中心化系統正是為了解決這類問題而構建的。
不同的成本模型
0G公司還表示，與集中式方案相比，其系統可降低約95%的成本。
該公司將成本降低歸功於省去了昂貴的集中式管理費用，而非硬件成本降低。如果這些數據在實際應用中得到驗證，那麼包括大學、企業和政府在內的更多機構，即使沒有預算進行大規模人工智能投資，也能使用高級模型訓練。
這可能會改變誰有資格首先構建嚴肅的模型。
去中心化的人工智能能否參與競爭？
長期以來，懷疑論者一直認為去中心化人工智能在性能方面無法與時俱進。0G 認為這種舊有的權衡取捨正在逐漸減弱。
隨著結果的改善和成本的降低，討論的焦點不再是意識形態，而是產出。該系統能否訓練出強大的模型，驗證它們的有效性，並且價格能夠被更多團隊承受？
開放式參與仍然存在實際風險。分佈式訓練可能使系統面臨數據投毒、梯度操縱和貢獻者質量參差不齊等風險。0G 表示，它通過架構安全措施、異常檢測和密碼驗證來解決這些問題。
關鍵不在於絕對安全，而在於讓故障可見且可追溯。
可驗證人工智能的真正含義
對於 0G 而言，可驗證的 AI 就是用基於檢驗的信任取代基於聲譽的信任。
用戶不必輕信服務提供商的說法，而是可以獨立核實模型的訓練方式和運行機制。這種理念在金融、醫療和政府等高度重視問責制的領域具有顯而易見的價值。
這正是去中心化人工智能開始脫穎而出的地方，人們可以檢查系統，而不僅僅是信任系統。
從研究演示到工作系統
去中心化人工智能領域在短時間內取得了長足進步。早期的概念驗證工作正在被旨在實現訓練、驗證、存儲、推理和經濟結算等功能在同一環境下運行的系統所取代。
0G希望DiLoCoX-107B能夠證明其取得的進展。公開的重新訓練工作不僅關注性能，也關注過程。該公司試圖證明，去中心化的人工智能可以在保持開放接受審查的同時，生成可靠的模型。
前路漫漫
更大規模的模型仍在研發中。0G公司認為，規模達數千億甚至最終數萬億美元的模型指日可待。
下一階段不再依賴於單一的科學飛躍，而是更多地依賴於更完善的協調和更強大的網絡參與。在去中心化人工智能領域，組織的重要性可能與計算能力不相上下。
DiLoCoX-107B 的重新訓練旨在重啟 0G 認為市場此前錯失的一場對話。同時，這也是一次檢驗，開放、可驗證的人工智能能否憑藉實際成果而非炒作贏得關注。
目前，該公司認為公開再培訓、透明文檔和開放獲取將使去中心化人工智能在下一輪競爭中站穩腳跟。
