Psyche下一阶段：在Solana上实现AI训练去中心化

Nous Research宣布了Psyche的下一阶段，这是一个面向AI训练去中心化的开放基础设施项目。新阶段引入了一个基于Solana区块链的点对点协调层。这使得训练任务可以分布在从游戏设备到闲置云实例的未充分利用GPU上，而无需中央协调器。该声明将Psyche定位为对主导大规模预训练的集群即服务模式的直接挑战。

核心设计：一个Solana智能合约充当去中心化的任务板。节点运营商提交GPU可用性、定价和性能证明。训练请求者提交任务规范，涵盖模型架构、批次大小和预期运行时间，并存入SOL押金。合约将任务与节点匹配，托管付款，并仅当训练轮次通过贡献证明机制满足合约要求时才释放付款。该架构受Nous Research早先的DisTrO项目启发，后者专注于通信效率。Psyche将其扩展至经济协调。

Psyche的第一阶段于2024年底启动，专注于通信层：如何在拜占庭容错网络中对梯度交换进行分片。第二阶段增加了基于Solana的协调层和一种轻量级的证明协议，该协议无需为每个训练步骤重复进行链上验证。团队报告了一个测试部署，使用192个消费级GPU的48个节点，实现了与所有节点在同一机架中的等效集群吞吐量的85%。15%的性能损失来自网络延迟和证明开销。

实际意义：训练大型模型目前需要访问专用集群或少数云提供商的竞价实例。Psyche的模型将允许学术实验室聚合大学计算机科学系的闲置计算周期，而无需构建共享文件系统或信任中央调度器。以SOL代币支付可创造激励一致性：节点运营商因贡献算力而获得收益，请求者仅支付成功的训练步骤。

风险众多。大规模去中心化训练从未在超过70亿参数的模型上得到验证。通信开销、节点波动延迟以及恶意节点检测在1000个节点以上的规模下仍未解决。Solana区块链可以处理高交易吞吐量，但如果协调层成为瓶颈，成本可能会上升。Nous Research将Psyche定位为研究基础设施，而非生产就绪。团队邀请第三方对证明协议进行审计。

尽管如此，这一雄心标志着AI基础设施去中心化的新前沿。如果Psyche能够在规模上运行，它将重新定义谁能训练大型模型。