La formación en AI se vuelve 10 veces más rápida, 95% más barata con una estrategia descentralizada de 0GgettyUn cambio silencioso en los fundamentos de la inteligencia artificial (AI) puede estar en marcha, y no está sucediendo en un centro de datos de hyperscale.
0G Labs, el primer protocolo de IA descentralizado (AIP), en colaboración con China Mobile, anunció recientemente un avance técnico que podría tener implicaciones de gran alcance sobre cómo las empresas acceden y despliegan modelos de lenguaje grandes. Su innovación es un nuevo método de entrenamiento de modelos de IA masivos con más de 100 mil millones de parámetros, sin necesidad de internet de ultra alta velocidad o infraestructura centralizada costosa que se requiere típicamente.
A primera vista, esto podría sonar como una victoria para el mundo de la ingeniería.
Pero la verdadera historia es económica y estratégica. Lo que 0G Labs ha logrado podría reducir el costo de construir IA, devolver más control a las empresas y abrir la puerta para que nuevos actores entren en el espacio.
Lo que significa para el entrenamiento de IA
Para entender el cambio, es útil revisar cómo se entrenan actualmente los modelos de IA a gran escala.
Modelos como GPT-4 de OpenAI o Claude de Anthropic requieren una gran potencia de cálculo y un alto rendimiento de red. Tradicionalmente, esto significa entrenarlos en potentes GPU conectadas a través de centros de datos centralizados de alta velocidad, propiedad o alquilados a empresas como Amazon Web Services, Google Cloud o Microsoft Azure.
Estos números reflejan el entrenamiento en centros de datos centralizados basados en la nube o de hiperescala, que requieren enormes clústeres de GPU, redes de alta capacidad y millones en costos de hardware y personal. Sandy Carter A principios de 2025, el liderazgo de OpenAI, incluido Sam Altman, declaró públicamente que el entrenamiento de GPT‑4 costó más de 100 millones de dólares. Esto es respaldado tanto por declaraciones oficiales como por múltiples modelos de costo en recientes informes de análisis de IA. Es un modelo que demanda capital, talento e infraestructura que pocas organizaciones pueden permitirse.
MÁS PARA TI## 0G Labs está desafiando esa suposición para el entrenamiento de IA
Su nuevo marco publicado, llamado DiLoCoX, introduce un método de entrenamiento de baja comunicación que reduce drásticamente la necesidad de conectividad de alta capacidad. En términos prácticos, lograron entrenar un modelo de 107 mil millones de parámetros en una red de 1 Gbps utilizando clústeres descentralizados. Este récord es una mejora de 10 veces sobre el récord anterior y el avance de 300 veces que hizo esto posible por primera vez. Este es aproximadamente el ancho de banda de una conexión a internet típica de oficina.
En lugar de construir todo en un gigantesco centro de computación, su enfoque conecta máquinas más pequeñas y distribuidas y optimiza cómo se comparte la información entre ellas. El resultado es una forma altamente escalable y rentable de entrenar modelos masivos fuera de la nube tradicional.
Campeón de IA descentralizada de 0G labs. El fundador y CEO, Michael Heinrich, comenta sobre los avances en el entrenamiento de IA.0G LabsAl hablar con el fundador y CEO de 0G labs, Michael Heinrich, dijo: “DiLoCoX marca un paso crucial en la democratización del entrenamiento de LLM: cerrando la brecha entre modelos de base masivos y clústeres descentralizados conectados por redes lentas e inestables. Al combinar el paralelismo de tuberías, la superposición de comunicación tolerante a la demora y la compresión adaptativa de gradientes, el marco ofrece una escala y velocidad que anteriormente se pensaban exclusivas de centros de datos de alta capacidad. Esto dará paso a una nueva era donde el entrenamiento de IA a gran escala ya no estará atado a infraestructura centralizada.”
¿Por qué importa el entrenamiento de IA para los negocios?
En un momento en que cada empresa está bajo presión para hacer más con IA, la infraestructura se está convirtiendo rápidamente en el cuello de botella. Algunas empresas comienzan a mirar hacia la IA descentralizada por diseño. Construir modelos grandes sigue siendo costoso, exclusivo y en gran medida está reservado para empresas con recursos profundos o asociaciones estratégicas en la nube. El avance de 0G abre un tercer camino.
Esta no es solo una historia de ahorro de costos. Es una historia de opcionalidad y control.
1. Reduciendo la Barrera de Entrada
El enfoque de DiLoCoX reduce la infraestructura necesaria para participar en la carrera de LLM en hasta un 95%.
Para las startups, esto significa la capacidad de experimentar y escalar sin gastar capital de riesgo en gastos de GPU.
Para las empresas de tamaño medio, ofrece la posibilidad de entrenar modelos internamente sin realizar grandes compromisos en la nube.
Para los gobiernos y los laboratorios de investigación, significa un desarrollo más accesible y soberano de las capacidades de IA.
2. Independencia estratégica de los hiperescaladores
La mayoría del entrenamiento de IA hoy depende de tres proveedores de nube.
Esa concentración conlleva riesgos en términos de aumento de costos, dependencia de proveedores y cumplimiento normativo. Si su negocio depende de la IA pero también opera en un sector sensible como la atención médica, la defensa o las finanzas, la capacidad de entrenar o ajustar modelos de forma independiente se convierte en una poderosa palanca estratégica.
La IA descentralizada ofrece una ruta hacia la autonomía digital. Al romper la suposición de que la IA de vanguardia debe ser entrenada dentro de plataformas de nube centralizadas, el modelo de 0G crea un nuevo espacio para la competencia y la innovación.
3. Alineación con las necesidades de privacidad de datos y cumplimiento
Muchas empresas son cautelosas al subir datos propietarios a modelos o entornos de entrenamiento basados en la nube. Con el entrenamiento descentralizado, se vuelve posible mantener los datos locales dentro de la jurisdicción, dentro del firewall, o incluso en dispositivos de borde, mientras se participa en el desarrollo de IA a gran escala. Esto es particularmente atractivo en regiones con estrictas leyes de soberanía de datos, como la Unión Europea o países que están construyendo sus propios ecosistemas de IA. La red 0G nunca ve ninguno de los datos privados.
4. Acelerando la Innovación en Mercados Desatendidos
El alto costo de entrada ha mantenido a muchos países e industrias al margen del desarrollo avanzado de la IA.
DiLoCoX reduce ese umbral.
Una universidad en Kenia, un proveedor de telecomunicaciones en el sudeste asiático o un banco regional en América Latina pueden no tener acceso a la misma capacidad de computación que Silicon Valley, pero pronto pueden tener las herramientas para entrenar y desplegar sus sistemas inteligentes sobre la infraestructura existente.
5. Riesgos Geopolíticos y Regulatorios
Si bien el logro técnico es impresionante, la participación de China Mobile plantea preguntas.
A medida que las tensiones entre Estados Unidos y China continúan escalando en torno al liderazgo tecnológico y la seguridad nacional, las empresas deben sopesar el potencial escrutinio regulatorio, las preocupaciones sobre la gobernanza de datos y los riesgos de reputación asociados con las asociaciones que involucran entidades estatales chinas.
Para las empresas con sede en Estados Unidos o que operan en mercados aliados, cualquier integración de infraestructura o investigación vinculada a China podría enfrentar controles de exportación, restricciones legales o reacciones públicas. Las organizaciones que exploren soluciones de IA descentralizadas deberán considerar no solo el rendimiento y el costo, sino también la alineación política, los marcos de cumplimiento y la viabilidad a largo plazo.
Sin embargo, tener DiLoCoX en una infraestructura descentralizada donde la red es confiable, esto no es una preocupación porque China Mobile nunca ve tus datos, y el sistema no depende de ellos para los resultados.
Reencuadrando el Modelo de Negocio de la IA
Si DiLoCoX se adopta ampliamente, podría crear efectos en cadena en todo el ecosistema de IA.
Los modelos de ingresos en la nube, actualmente impulsados por cargas de trabajo de IA, podrían enfrentar una nueva presión de precios. Las plataformas de IA como servicio pueden necesitar reestructurarse para soportar implementaciones híbridas o descentralizadas. Los marcos de código abierto podrían aumentar su influencia a medida que la descentralización enfatiza la interoperabilidad y el control local. Los proveedores de software empresarial pueden necesitar repensar sus estrategias de IA para reflejar un paisaje de computación más distribuido.
Este cambio también se alinea con la tendencia más amplia de la IA para todos. Desde constructores de agentes de bajo código hasta inferencia basada en el borde, el movimiento se dirige hacia pilas de IA más accesibles, modulares y personalizables. El entrenamiento descentralizado es la extensión natural de esa filosofía.
Una señal de IA para CIOs y CTOs
Para los líderes empresariales, el trabajo de 0G sirve como una señal no de una interrupción inmediata, sino de una oportunidad en un futuro cercano. La IA está evolucionando desde su comienzo crítico.
Ahora es el momento de reevaluar la estrategia de infraestructura. ¿Debería su organización continuar invirtiendo en el alojamiento de modelos basados en la nube, o comenzar a explorar alternativas descentralizadas?
¿Podría su centro de datos interno servir como un nodo en un sistema de entrenamiento distribuido? El aprendizaje federado descentralizado es una excelente manera de aprovechar datos privados de diferentes partes en una red, como hospitales que entrenan un modelo de diagnóstico de cáncer. ¿Podría asociarse con otros en su sector para co-desarrollar modelos utilizando protocolos descentralizados?
Incluso si la respuesta no es afirmativa hoy, la aparición de marcos como DiLoCoX debería impulsar la planificación de la infraestructura de IA más arriba en la agenda estratégica. Las empresas que se preparen para este cambio construyendo capacidad interna, evaluando socios y entendiendo la pila técnica estarán mejor posicionadas para actuar cuando la economía se incline a su favor.
Un futuro donde la IA se construye de manera diferente
Lo que 0G Labs y China Mobile han demostrado es más que una simple prueba de concepto técnica. Es una nueva forma de pensar sobre cómo se construye, entrena y distribuye la inteligencia. Al mostrar que es posible entrenar modelos de 100 mil millones de parámetros sin supercomputadoras centralizadas, no solo están ampliando los límites de la escala. Están expandiendo el acceso.
Para los negocios, eso significa que la IA puede pronto dejar de depender de quién posee el centro de datos más grande y pasar a depender de quién puede construir los sistemas más inteligentes con la mayor flexibilidad.
Ese es un futuro de IA por el que vale la pena prepararse.
Ver originales
Esta página puede contener contenido de terceros, que se proporciona únicamente con fines informativos (sin garantías ni declaraciones) y no debe considerarse como un respaldo por parte de Gate a las opiniones expresadas ni como asesoramiento financiero o profesional. Consulte el Descargo de responsabilidad para obtener más detalles.
La formación de IA se vuelve 10 veces más rápida y 95% más barata con una estrategia descentralizada
0G Labs, el primer protocolo de IA descentralizado (AIP), en colaboración con China Mobile, anunció recientemente un avance técnico que podría tener implicaciones de gran alcance sobre cómo las empresas acceden y despliegan modelos de lenguaje grandes. Su innovación es un nuevo método de entrenamiento de modelos de IA masivos con más de 100 mil millones de parámetros, sin necesidad de internet de ultra alta velocidad o infraestructura centralizada costosa que se requiere típicamente.
A primera vista, esto podría sonar como una victoria para el mundo de la ingeniería.
Pero la verdadera historia es económica y estratégica. Lo que 0G Labs ha logrado podría reducir el costo de construir IA, devolver más control a las empresas y abrir la puerta para que nuevos actores entren en el espacio.
Lo que significa para el entrenamiento de IA
Para entender el cambio, es útil revisar cómo se entrenan actualmente los modelos de IA a gran escala.
Modelos como GPT-4 de OpenAI o Claude de Anthropic requieren una gran potencia de cálculo y un alto rendimiento de red. Tradicionalmente, esto significa entrenarlos en potentes GPU conectadas a través de centros de datos centralizados de alta velocidad, propiedad o alquilados a empresas como Amazon Web Services, Google Cloud o Microsoft Azure.
Estos números reflejan el entrenamiento en centros de datos centralizados basados en la nube o de hiperescala, que requieren enormes clústeres de GPU, redes de alta capacidad y millones en costos de hardware y personal. Sandy Carter A principios de 2025, el liderazgo de OpenAI, incluido Sam Altman, declaró públicamente que el entrenamiento de GPT‑4 costó más de 100 millones de dólares. Esto es respaldado tanto por declaraciones oficiales como por múltiples modelos de costo en recientes informes de análisis de IA. Es un modelo que demanda capital, talento e infraestructura que pocas organizaciones pueden permitirse.
MÁS PARA TI## 0G Labs está desafiando esa suposición para el entrenamiento de IA
Su nuevo marco publicado, llamado DiLoCoX, introduce un método de entrenamiento de baja comunicación que reduce drásticamente la necesidad de conectividad de alta capacidad. En términos prácticos, lograron entrenar un modelo de 107 mil millones de parámetros en una red de 1 Gbps utilizando clústeres descentralizados. Este récord es una mejora de 10 veces sobre el récord anterior y el avance de 300 veces que hizo esto posible por primera vez. Este es aproximadamente el ancho de banda de una conexión a internet típica de oficina.
En lugar de construir todo en un gigantesco centro de computación, su enfoque conecta máquinas más pequeñas y distribuidas y optimiza cómo se comparte la información entre ellas. El resultado es una forma altamente escalable y rentable de entrenar modelos masivos fuera de la nube tradicional.
Campeón de IA descentralizada de 0G labs. El fundador y CEO, Michael Heinrich, comenta sobre los avances en el entrenamiento de IA.0G LabsAl hablar con el fundador y CEO de 0G labs, Michael Heinrich, dijo: “DiLoCoX marca un paso crucial en la democratización del entrenamiento de LLM: cerrando la brecha entre modelos de base masivos y clústeres descentralizados conectados por redes lentas e inestables. Al combinar el paralelismo de tuberías, la superposición de comunicación tolerante a la demora y la compresión adaptativa de gradientes, el marco ofrece una escala y velocidad que anteriormente se pensaban exclusivas de centros de datos de alta capacidad. Esto dará paso a una nueva era donde el entrenamiento de IA a gran escala ya no estará atado a infraestructura centralizada.”
¿Por qué importa el entrenamiento de IA para los negocios?
En un momento en que cada empresa está bajo presión para hacer más con IA, la infraestructura se está convirtiendo rápidamente en el cuello de botella. Algunas empresas comienzan a mirar hacia la IA descentralizada por diseño. Construir modelos grandes sigue siendo costoso, exclusivo y en gran medida está reservado para empresas con recursos profundos o asociaciones estratégicas en la nube. El avance de 0G abre un tercer camino.
Esta no es solo una historia de ahorro de costos. Es una historia de opcionalidad y control.
1. Reduciendo la Barrera de Entrada
El enfoque de DiLoCoX reduce la infraestructura necesaria para participar en la carrera de LLM en hasta un 95%.
Para las startups, esto significa la capacidad de experimentar y escalar sin gastar capital de riesgo en gastos de GPU.
Para las empresas de tamaño medio, ofrece la posibilidad de entrenar modelos internamente sin realizar grandes compromisos en la nube.
Para los gobiernos y los laboratorios de investigación, significa un desarrollo más accesible y soberano de las capacidades de IA.
2. Independencia estratégica de los hiperescaladores
La mayoría del entrenamiento de IA hoy depende de tres proveedores de nube.
Esa concentración conlleva riesgos en términos de aumento de costos, dependencia de proveedores y cumplimiento normativo. Si su negocio depende de la IA pero también opera en un sector sensible como la atención médica, la defensa o las finanzas, la capacidad de entrenar o ajustar modelos de forma independiente se convierte en una poderosa palanca estratégica.
La IA descentralizada ofrece una ruta hacia la autonomía digital. Al romper la suposición de que la IA de vanguardia debe ser entrenada dentro de plataformas de nube centralizadas, el modelo de 0G crea un nuevo espacio para la competencia y la innovación.
3. Alineación con las necesidades de privacidad de datos y cumplimiento
Muchas empresas son cautelosas al subir datos propietarios a modelos o entornos de entrenamiento basados en la nube. Con el entrenamiento descentralizado, se vuelve posible mantener los datos locales dentro de la jurisdicción, dentro del firewall, o incluso en dispositivos de borde, mientras se participa en el desarrollo de IA a gran escala. Esto es particularmente atractivo en regiones con estrictas leyes de soberanía de datos, como la Unión Europea o países que están construyendo sus propios ecosistemas de IA. La red 0G nunca ve ninguno de los datos privados.
4. Acelerando la Innovación en Mercados Desatendidos
El alto costo de entrada ha mantenido a muchos países e industrias al margen del desarrollo avanzado de la IA.
DiLoCoX reduce ese umbral.
Una universidad en Kenia, un proveedor de telecomunicaciones en el sudeste asiático o un banco regional en América Latina pueden no tener acceso a la misma capacidad de computación que Silicon Valley, pero pronto pueden tener las herramientas para entrenar y desplegar sus sistemas inteligentes sobre la infraestructura existente.
5. Riesgos Geopolíticos y Regulatorios
Si bien el logro técnico es impresionante, la participación de China Mobile plantea preguntas.
A medida que las tensiones entre Estados Unidos y China continúan escalando en torno al liderazgo tecnológico y la seguridad nacional, las empresas deben sopesar el potencial escrutinio regulatorio, las preocupaciones sobre la gobernanza de datos y los riesgos de reputación asociados con las asociaciones que involucran entidades estatales chinas.
Para las empresas con sede en Estados Unidos o que operan en mercados aliados, cualquier integración de infraestructura o investigación vinculada a China podría enfrentar controles de exportación, restricciones legales o reacciones públicas. Las organizaciones que exploren soluciones de IA descentralizadas deberán considerar no solo el rendimiento y el costo, sino también la alineación política, los marcos de cumplimiento y la viabilidad a largo plazo.
Sin embargo, tener DiLoCoX en una infraestructura descentralizada donde la red es confiable, esto no es una preocupación porque China Mobile nunca ve tus datos, y el sistema no depende de ellos para los resultados.
Reencuadrando el Modelo de Negocio de la IA
Si DiLoCoX se adopta ampliamente, podría crear efectos en cadena en todo el ecosistema de IA.
Los modelos de ingresos en la nube, actualmente impulsados por cargas de trabajo de IA, podrían enfrentar una nueva presión de precios. Las plataformas de IA como servicio pueden necesitar reestructurarse para soportar implementaciones híbridas o descentralizadas. Los marcos de código abierto podrían aumentar su influencia a medida que la descentralización enfatiza la interoperabilidad y el control local. Los proveedores de software empresarial pueden necesitar repensar sus estrategias de IA para reflejar un paisaje de computación más distribuido.
Este cambio también se alinea con la tendencia más amplia de la IA para todos. Desde constructores de agentes de bajo código hasta inferencia basada en el borde, el movimiento se dirige hacia pilas de IA más accesibles, modulares y personalizables. El entrenamiento descentralizado es la extensión natural de esa filosofía.
Una señal de IA para CIOs y CTOs
Para los líderes empresariales, el trabajo de 0G sirve como una señal no de una interrupción inmediata, sino de una oportunidad en un futuro cercano. La IA está evolucionando desde su comienzo crítico.
Ahora es el momento de reevaluar la estrategia de infraestructura. ¿Debería su organización continuar invirtiendo en el alojamiento de modelos basados en la nube, o comenzar a explorar alternativas descentralizadas?
¿Podría su centro de datos interno servir como un nodo en un sistema de entrenamiento distribuido? El aprendizaje federado descentralizado es una excelente manera de aprovechar datos privados de diferentes partes en una red, como hospitales que entrenan un modelo de diagnóstico de cáncer. ¿Podría asociarse con otros en su sector para co-desarrollar modelos utilizando protocolos descentralizados?
Incluso si la respuesta no es afirmativa hoy, la aparición de marcos como DiLoCoX debería impulsar la planificación de la infraestructura de IA más arriba en la agenda estratégica. Las empresas que se preparen para este cambio construyendo capacidad interna, evaluando socios y entendiendo la pila técnica estarán mejor posicionadas para actuar cuando la economía se incline a su favor.
Un futuro donde la IA se construye de manera diferente
Lo que 0G Labs y China Mobile han demostrado es más que una simple prueba de concepto técnica. Es una nueva forma de pensar sobre cómo se construye, entrena y distribuye la inteligencia. Al mostrar que es posible entrenar modelos de 100 mil millones de parámetros sin supercomputadoras centralizadas, no solo están ampliando los límites de la escala. Están expandiendo el acceso.
Para los negocios, eso significa que la IA puede pronto dejar de depender de quién posee el centro de datos más grande y pasar a depender de quién puede construir los sistemas más inteligentes con la mayor flexibilidad.
Ese es un futuro de IA por el que vale la pena prepararse.