岳小鱼(@yuexiaoyu111 ):AI大语言模型越来越强了，但是大家知道训练成本到底有多高吗？我们可以看一个对比数据：看完这个表格对比，可以发现，训练大型语言模型（LLM）的成本确实居高不下。大模型训练通常需要海量计算资源、数据获取和能源消耗。这使得只有资源雄厚的大公司或机构（如OpenAI、Google、Meta等）才能从零开始构建前沿模型。这两年，训练一个顶级LLM的成本高达50亿至100亿美元，主要就是用于GPU/TPU集群和电力支出。所以，大模型训练目前仍是大公司的专利，对于初创企业或者落后国家，基本没有竞争力。但是，此时去中心化AI出现了。 AI区块链项目0G Labs 和中国移动开发了 DiLoCoX，这是一个去中心化的 AI 框架，可使用低带宽网络以 10 倍的效率和 300 倍的速度进行 107B 参数模型训练。 1、DiLoCoX具体是怎么做到能够降低95%成本的呢？这里给一个简单的类比：传统训练像全班学生围着一个黑板写作业，必须实时同步；DiLoCoX像小组作业，每个小组先独立做，然后每隔一段时间汇总一次，效率更高，不用等慢的同学。当然，DiLoCoX不是从零发明，而是基于Google DeepMind的DiLoCo（Distributed Low-Communication）框架扩展而来。 DiLoCo原本用于小规模模型（最多4亿参数），而DiLoCoX通过创新组合，将其推到100B+级别。所以不得不佩服国人的工程能力之强。 2、DiLoCoX将会带来什么影响呢？ DiLoCoX的突破将引发AI生态的多维度变革，短期内挑战现有模式，长期推动行业向去中心化转型。首先，直接的影响是，AI生态可以更加多样化。初创和中小企业将更容易进入市场，推动 niche 应用创新，如医疗AI（医院利用本地数据训练模型）或边缘计算（低带宽环境下的实时AI）。这可以催生更多开源工具和Web3集成（如区块链验证训练过程），增强AI的互操作性和抗脆弱性。长远看，AI将从中心化巨兽转向模块化、可定制。企业软件厂商需适应分布式训练，开放源代码影响力增强。全球范围内，这将缩小数字鸿沟，例如非洲或亚洲的机构能独立开发AI，推动本地经济和技术自主。所以，0G Labs的这项突破并非孤立事件，而是去中心化AI浪潮的一部分。未来人工智能的发展将不再受限于数据中心的规模，而是取决于系统的灵活性和智能程度。 3、为什么0G Labs能主导开发出该模型？首先，自然是资金支持，0G Labs在早期就获得了巨额融资，这直接为其技术研发提供了资金基础。其次，是合作伙伴的选择，与中国移动的深度合作是DiLoCoX开发的催化剂。中国移动作为全球最大电信运营商，提供海量基础设施、网络优化经验和数据资源，支持低带宽环境下的分布式训练。更关键的是，0G Labs从成立起就定位为“世界首个去中心化AI操作系统”，这与当前AI去中心化趋势完美契合。 @0G_labs 尤其是这两年，AI计算需求爆炸，这为他们提供了机遇，团队的敏锐洞察让他们优先投资低通信框架。可以说，0G Labs是去中心化AI先锋，我之前也系统聊过这个项目，大家可以看下之前的一篇文章⬇️

2025.08.10 05:37

AI大语言模型越来越强了，但是大家知道训练成本到底有多高吗？我们可以看一个对比数据：看完这个表格对比，可以发现，训练大型语言模型（LLM）的成本确实居高不下。大模型训练通常需要海量计算资源、数据获取和能源消耗。这使得只有资源雄厚的大公司或机构（如OpenAI、Google、Meta等）才能从零开始构建前沿模型。这两年，训练一个顶级LLM的成本高达50亿至100亿美元，主要就是用于GPU/TPU集群和电力支出。所以，大模型训练目前仍是大公司的专利，对于初创企业或者落后国家，基本没有竞争力。但是，此时去中心化AI出现了。 AI区块链项目0G Labs 和中国移动开发了 DiLoCoX，这是一个去中心化的 AI 框架，可使用低带宽网络以 10 倍的效率和 300 倍的速度进行 107B 参数模型训练。 1、DiLoCoX具体是怎么做到能够降低95%成本的呢？这里给一个简单的类比：传统训练像全班学生围着一个黑板写作业，必须实时同步；DiLoCoX像小组作业，每个小组先独立做，然后每隔一段时间汇总一次，效率更高，不用等慢的同学。当然，DiLoCoX不是从零发明，而是基于Google DeepMind的DiLoCo（Distributed Low-Communication）框架扩展而来。 DiLoCo原本用于小规模模型（最多4亿参数），而DiLoCoX通过创新组合，将其推到100B+级别。所以不得不佩服国人的工程能力之强。 2、DiLoCoX将会带来什么影响呢？ DiLoCoX的突破将引发AI生态的多维度变革，短期内挑战现有模式，长期推动行业向去中心化转型。首先，直接的影响是，AI生态可以更加多样化。初创和中小企业将更容易进入市场，推动 niche 应用创新，如医疗AI（医院利用本地数据训练模型）或边缘计算（低带宽环境下的实时AI）。这可以催生更多开源工具和Web3集成（如区块链验证训练过程），增强AI的互操作性和抗脆弱性。长远看，AI将从中心化巨兽转向模块化、可定制。企业软件厂商需适应分布式训练，开放源代码影响力增强。全球范围内，这将缩小数字鸿沟，例如非洲或亚洲的机构能独立开发AI，推动本地经济和技术自主。所以，0G Labs的这项突破并非孤立事件，而是去中心化AI浪潮的一部分。未来人工智能的发展将不再受限于数据中心的规模，而是取决于系统的灵活性和智能程度。 3、为什么0G Labs能主导开发出该模型？首先，自然是资金支持，0G Labs在早期就获得了巨额融资，这直接为其技术研发提供了资金基础。其次，是合作伙伴的选择，与中国移动的深度合作是DiLoCoX开发的催化剂。中国移动作为全球最大电信运营商，提供海量基础设施、网络优化经验和数据资源，支持低带宽环境下的分布式训练。更关键的是，0G Labs从成立起就定位为“世界首个去中心化AI操作系统”，这与当前AI去中心化趋势完美契合。 @0G_labs 尤其是这两年，AI计算需求爆炸，这为他们提供了机遇，团队的敏锐洞察让他们优先投资低通信框架。可以说，0G Labs是去中心化AI先锋，我之前也系统聊过这个项目，大家可以看下之前的一篇文章⬇️

岳小鱼@yuexiaoyu111

2025.04.01 10:33

《聊聊去中心化AI明星项目0G Labs的隐形战略与发展暗线》一直都在说AI是未来的主叙事，AI与Crypto到底怎么结合呢？ Crypto要结合自身特性解决Web2中AI发展遇到的问题，才能真正在AI叙事中占据一席之地。那当前AI有哪些问题呢？总结起来，主要有三大痛点：中心化垄断、缺乏透明度和成本高昂。今天的 AI 大模型（如 ChatGPT）大多由大公司控制，数据和算力都集中在少数人手里。现在有很多Crypto项目正在解决这个问题了，用区块链的去中心化逻辑，把 AI 的门槛拉低，让普通人也能分一杯羹，这就是DeAI赛道（去中心化AI）。这不仅是技术创新，其实更是对中心化垄断的一种反思：如果未来是AI的，那AI该是属于谁的？不是区块链需要AI，而是AI需要区块链。训练一个模型动辄几千万美元，普通人只能望洋兴叹。现在很多区块链项目用区块链的分布式特性，把 AI 的核心资源，即数据、算力和模型，进行拆分和分发。其实，本质上是在重构 AI 的生产关系。其中最近有一个非常热门的项目叫做0G Labs，正在搭建首个去中心化 AI 操作系统（deAIOS），因此非常值得进行研究。 @0G_labs 1、0G的野心 0G 的核心是个模块化的 Layer 1 区块链，专为 AI 场景设计。 0G Labs 被定位为去中心化 AI 的基础设施提供者，但是看0G的实际市场动作，其实可以发现它的真正目标可能不仅是做“管道工”，而是想悄悄控制整个生态的“流量入口”。 50GB/秒的 DA 吞吐量和 100 倍成本优势确实亮眼，但更值得注意的是它与 300 多个项目的合作。这让我想到以太坊早期的打法：先铺底层，再通过生态绑定把开发者锁在自己体系里。如果 0G 能把 AI 应用的底层资源（数据、算力）变成标配，它很可能成为去中心化 AI 的“事实标准”。这不是简单的技术竞争，而是一种生态系统的隐形布局。 2、Conflux 的影子 0G团队背景中，CTO 吴鸣和 Conflux 的渊源是个公开的线索。那么，自然，0G 在技术栈和人脉上会深度复用Conflux 的经验。 Conflux 的树图结构（Tree-Graph）擅长高吞吐量交易，这跟 0G 的 DA 层设计有异曲同工之妙。加上商务负责人 Thomas Yao 也是 Conflux 的早期投资人，这种“老战友”组合让 0G 在技术和融资上少走很多弯路。这就是明星团队带来的潜在优势：0G 能够继承 Conflux 在亚洲市场的关系网，尤其是在华人区块链圈的影响力。市面上很少有人提这一点，如果 0G 能把亚洲的 AI 开发者拉进来，它的生态扩张速度那么将非常有优势，甚至会远超外界预期。 3、对比下其他竞争对手（1）Bittensor Bittensor 的去中心化神经网络很酷，但它的 $TAO 激励机制有个隐忧：过于依赖社区贡献，可能导致算力质量参差不齐。 0G 团队在设计时可能也会观察到这一点，所以选择了共享质押（Shared Staking）这种更中心化的共识方式，确保节点稳定性和性能。这是个取舍——牺牲了点去中心化理想，但换来了更可靠的 AI 基础设施。（2）Akash Akash 的去中心化算力市场很实用，但它只解决“算力供给”这一环，缺少数据和存储的整合。 0G 同样看准了这一点，刻意把 DA 和存储做成闭环。如果 AI 应用的瓶颈从算力转向数据可用性（这在大数据时代很常见），Akash 就会被 0G 甩开。 0G 的全栈布局像是在下一盘更大的棋。（3）Gensyn Gensyn 的分布式训练很吸引人，但用区块链验证结果带来高昂的计算开销。 0G 的模块化设计有意避开了这个坑：它的 DA 层和存储层分开优化，在验证效率上有天然优势。如果 Gensyn 的验证成本失控，0G 的低成本叙事会更有说服力。 4、看下0G的代币模型 0G 基金会 2024 年 11 月拿到的 2.5 亿美元代币购买承诺是个大数字，但细节没公开。大胆猜测一下，这很可能不是一次性现金注入，而是跟早期投资人签了对赌协议：比如承诺在 TGE（代币生成事件）后分批买入 $0G，换取更低的私募价格。这种操作在 Web3 项目里不罕见，既能锁住资金，又能拉高市场预期。这背后的逻辑是：0G 想通过代币流动性制造“繁荣”，吸引散户和中小机构入场。如果推测没错，它的主网上线前可能会有一波密集的社区营销，把测试网数据和 NFT 炒热。 5、关于生态建设 0G 已跟 DePIN（去中心化物理基础设施网络）项目合作，这其实也是它的一个杀手锏。 DePIN 的硬件节点（如 IoT 设备、GPU）天然适合 AI 数据采集和边缘计算。如果 0G 能把这些节点接入自己的 DA 和存储层，将能够打造出一个“现实世界+区块链”的 AI 生态这比单纯的链上计算更有想象空间，也能跟 Akash、Gensyn 拉开差异。还有就是限量 1888 个的“One Gravity” NFT ，官方说是社区门票，实际上这不仅是身份象征，还是未来治理权的预留。 0G 如果想走 DAO（去中心化自治组织）路线，这些 NFT 持有者在代币分配或节点收益上有优先权。这种设计在 Web3 里不算新鲜，但结合 AI 场景，能不能玩出新花样值得观察。 6、总结一下 0G Labs 在去中心化 AI 赛道里不是最显眼的，但它还藏着最深的“暗线”。从技术上看，它的全栈模块化设计有碾压对手的潜力；从战略上看，它在生态控制和亚洲布局上有未露的底牌。如果它能把技术落地，把生态炒热，甚至把亚洲市场抓在手里，0G 就不只是个基础设施玩家，而是去中心化 AI 的“新王”。我们可以持续关注这个项目。