O treinamento de IA fica 10x mais rápido, 95% mais barato com estratégia descentralizada da 0GgettyUma mudança silenciosa nas fundações da inteligência artificial (AI) pode estar em andamento, e não está acontecendo em um centro de dados em hiperescala.
0G Labs, o primeiro protocolo de IA descentralizada (AIP), em colaboração com a China Mobile, anunciou recentemente uma descoberta técnica que pode ter implicações abrangentes sobre como as empresas acessam e implementam modelos de linguagem grandes. A sua inovação é um novo método de treinamento de modelos de IA massivos com mais de 100 bilhões de parâmetros, sem precisar de internet de ultra-alta velocidade ou de uma infraestrutura centralizada cara normalmente exigida.
À primeira vista, isso pode parecer uma vitória para o mundo da engenharia.
Mas a verdadeira história é económica e estratégica. O que a 0G Labs conseguiu pode reduzir o custo de construção de IA, devolver mais controlo às empresas e abrir a porta para novos players entrarem no setor.
O Que Isso Significa Para o Treino de IA
Para entender a mudança, é útil rever como os modelos de IA em larga escala são atualmente treinados.
Modelos como o GPT-4 da OpenAI ou o Claude da Anthropic requerem imensa potência de computação e largura de banda de rede. Tradicionalmente, isso significa treiná-los em GPUs poderosas conectadas em centros de dados centralizados de alta velocidade, propriedade ou alugados de empresas como Amazon Web Services, Google Cloud ou Microsoft Azure.
Estes números refletem o treinamento em centros de dados centralizados baseados em nuvem ou em hiperescalas—requerendo enormes clusters de GPU, redes de alta largura de banda e milhões em custos de hardware e pessoal.Sandy CarterA partir do início de 2025, a liderança da OpenAI, incluindo Sam Altman, declarou publicamente que o treinamento do GPT‑4 custou mais de 100 milhões de dólares. Isto é apoiado tanto por declarações oficiais quanto por múltiplos modelos de custo em relatórios recentes de análise de IA. É um modelo que exige capital, talento e infraestrutura que poucas organizações podem pagar.
MAIS PARA VOCÊ## 0G Labs Está Desafiando Essa Suposição Para Treinamento de IA
O seu novo framework, chamado DiLoCoX, introduz um método de treino de baixa comunicação que reduz drasticamente a necessidade de conectividade de alta largura de banda. Em termos práticos, conseguiram treinar um modelo de 107 bilhões de parâmetros numa rede de 1 Gbps utilizando clusters descentralizados. Este recorde é uma melhoria de 10x em relação ao recorde anterior e a quebra de velocidade de 300x que tornou isso possível pela primeira vez. Esta é aproximadamente a largura de banda de uma conexão de internet típica de escritório.
Em vez de construir tudo em um enorme centro de computação, a abordagem deles conecta máquinas menores e distribuídas e otimiza a forma como as informações são compartilhadas entre elas. O resultado é uma maneira altamente escalável e econômica de treinar modelos massivos fora da nuvem tradicional.
Campeão de IA descentralizada dos laboratórios 0G. O fundador e CEO, Michael Heinrich, comenta sobre os avanços no Treinamento de IA. Laboratórios 0G Em conversa com o fundador e CEO dos laboratórios 0G, Michael Heinrich, ele disse: “DiLoCoX marca um passo crucial na democratização do treinamento de LLM: fechando a lacuna entre modelos fundamentais massivos e clusters descentralizados conectados por redes lentas e não confiáveis. Ao combinar paralelismo de pipeline, sobreposição de comunicação tolerante a atrasos e compressão adaptativa de gradiente, a estrutura oferece escala e velocidade anteriormente consideradas exclusivas de centros de dados de alta largura de banda. Isso inaugurará uma nova era onde o treinamento de IA em grande escala não está mais atado a infraestrutura centralizada.”
Por Que o Treinamento de IA é Importante para os Negócios
Num momento em que cada empresa está sob pressão para fazer mais com IA, a infraestrutura está rapidamente a tornar-se o gargalo. Algumas empresas estão a começar a olhar para a IA descentralizada por design. Construir grandes modelos continua a ser caro, exclusivo e na sua maioria confinado a empresas com recursos profundos ou parcerias estratégicas em nuvem. A inovação do 0G abre um terceiro caminho.
Esta não é apenas uma história de poupança de custos. É uma história de opcionalidade e controlo.
1. Baixando a Barreira de Entrada
A abordagem da DiLoCoX reduz a infraestrutura em até 95% necessária para participar na corrida dos LLM.
Para as startups, isso significa a capacidade de experimentar e escalar sem queimar capital de risco com gastos em GPU.
Para empresas de médio porte, oferece a possibilidade de treinar modelos internamente sem fazer grandes compromissos com a nuvem.
Para governos e laboratórios de pesquisa, isso significa um desenvolvimento de capacidades de IA mais acessível e soberano.
2. Independência Estratégica em Relação aos Hyperscalers
A maioria do treinamento de IA hoje depende de três provedores de nuvem.
Essa concentração acarreta riscos em termos de escalada de custos, dependência de fornecedores e conformidade. Se o seu negócio depende de IA, mas também opera em um setor sensível como saúde, defesa ou finanças, a capacidade de treinar ou ajustar modelos de forma independente torna-se uma alavanca estratégica poderosa.
A IA descentralizada oferece um caminho para a autonomia digital. Ao quebrar a suposição de que a IA de ponta deve ser treinada dentro de plataformas de nuvem centralizadas, o modelo da 0G cria novas oportunidades para competição e inovação.
3. Alinhamento com Necessidades de Privacidade de Dados e Conformidade
Muitas empresas são cautelosas em relação ao upload de dados proprietários para modelos ou ambientes de treinamento baseados na nuvem. Com o treinamento descentralizado, torna-se possível manter os dados locais dentro da jurisdição, dentro do firewall, ou até mesmo em dispositivos de borda, enquanto ainda participa do desenvolvimento de IA em grande escala. Isso é particularmente atraente em regiões com leis rigorosas de soberania de dados, como a União Europeia ou países que estão construindo seus próprios ecossistemas de IA. A rede 0G nunca vê nenhum dos dados privados.
4. Acelerar a Inovação em Mercados Desatendidos
O alto custo de entrada manteve muitos países e indústrias à margem do desenvolvimento avançado de IA.
DiLoCoX reduz esse limiar.
Uma universidade no Quénia, um fornecedor de telecomunicações no Sudeste Asiático, ou um banco regional na América Latina podem não ter acesso ao mesmo poder computacional que o Vale do Silício, mas em breve podem ter as ferramentas para treinar e implementar os seus sistemas inteligentes na infraestrutura existente.
5. Riscos Geopolíticos e Regulatórios
Embora a conquista técnica seja impressionante, a envolvência da China Mobile levanta questões.
À medida que as tensões entre os Estados Unidos e a China continuam a aumentar devido à liderança tecnológica e à segurança nacional, as empresas devem pesar o potencial escrutínio regulatório, as preocupações com a governança de dados e os riscos reputacionais associados a parcerias envolvendo entidades afiliadas ao Estado chinês.
Para empresas baseadas nos Estados Unidos ou a operar em mercados aliados, qualquer integração de infraestrutura ou pesquisa ligada à China pode enfrentar controles de exportação, restrições legais ou reação pública. As organizações que exploram soluções de IA descentralizada precisarão considerar não apenas desempenho e custo, mas também alinhamento político, estruturas de conformidade e viabilidade a longo prazo**.**
No entanto, ter DiLoCoX em uma infraestrutura descentralizada onde a rede é sem confiança, isso não é uma preocupação porque a China Mobile nunca vê seus dados, e o sistema não depende deles para resultados.
Reenquadrando o Modelo de Negócio da IA
Se o DiLoCoX for amplamente adotado, poderá criar efeitos em cadeia em todo o ecossistema de IA.
Os modelos de receita em nuvem, atualmente impulsionados por cargas de trabalho de IA, podem enfrentar novas pressões de preços. As plataformas de IA como serviço podem precisar re-arquitetar-se para suportar implementações híbridas ou descentralizadas. Os frameworks de código aberto podem crescer em influência à medida que a descentralização enfatiza a interoperabilidade e o controle local. Os fornecedores de software empresarial podem precisar repensar suas estratégias de IA para refletir uma paisagem de computação mais distribuída.
Esta mudança também se alinha com a tendência mais ampla de IA para todos. Desde construtores de agentes de baixo código até inferências baseadas em edge, o movimento é em direção a pilhas de IA mais acessíveis, modulares e personalizáveis. O treinamento descentralizado é a extensão natural dessa filosofia.
Um Sinal de IA para CIOs e CTOs
Para os líderes empresariais, o trabalho da 0G serve como um sinal não de uma disrupção imediata, mas de uma oportunidade no futuro próximo. A IA está evoluindo a partir de seu início crítico.
Agora é hora de reavaliar a estratégia de infraestrutura. A sua organização deve continuar a investir na hospedagem de modelo baseado em nuvem ou começar a explorar alternativas descentralizadas?
O seu centro de dados interno poderia servir como um nó em um sistema de treinamento distribuído? O aprendizado federado descentralizado é uma ótima maneira de aproveitar dados privados de diferentes partes em uma rede, como hospitais treinando um modelo de diagnóstico de câncer. Poderia você fazer parceria com outros no seu setor para co-desenvolver modelos usando protocolos descentralizados?
Mesmo que a resposta não seja sim hoje, o surgimento de estruturas como o DiLoCoX deve impulsionar o planejamento da infraestrutura de IA para um lugar mais alto na agenda estratégica. As empresas que se prepararem para essa mudança, construindo capacidade interna, avaliando parceiros e entendendo a pilha técnica, estarão melhor posicionadas para agir quando a economia pender a seu favor.
Um Futuro Onde a IA é Construída de Forma Diferente
O que 0G Labs e a China Mobile demonstraram é mais do que uma prova de conceito técnica. É uma nova maneira de pensar sobre como a inteligência é construída, treinada e distribuída. Ao mostrar que é possível treinar modelos de 100 bilhões de parâmetros sem supercomputadores centralizados, eles não estão apenas ultrapassando os limites da escala. Eles estão expandindo o acesso.
Para os negócios, isso significa que a IA em breve pode ser menos sobre quem possui o maior centro de dados e mais sobre quem consegue construir os sistemas mais inteligentes com a maior flexibilidade.
Esse é um futuro de IA que vale a pena se preparar.
Ver original
Esta página pode conter conteúdo de terceiros, que é fornecido apenas para fins informativos (não para representações/garantias) e não deve ser considerada como um endosso de suas opiniões pela Gate nem como aconselhamento financeiro ou profissional. Consulte a Isenção de responsabilidade para obter detalhes.
O Treinamento de IA Fica 10x Mais Rápido e 95% Mais Barato Com Estratégia Descentralizada
0G Labs, o primeiro protocolo de IA descentralizada (AIP), em colaboração com a China Mobile, anunciou recentemente uma descoberta técnica que pode ter implicações abrangentes sobre como as empresas acessam e implementam modelos de linguagem grandes. A sua inovação é um novo método de treinamento de modelos de IA massivos com mais de 100 bilhões de parâmetros, sem precisar de internet de ultra-alta velocidade ou de uma infraestrutura centralizada cara normalmente exigida.
À primeira vista, isso pode parecer uma vitória para o mundo da engenharia.
Mas a verdadeira história é económica e estratégica. O que a 0G Labs conseguiu pode reduzir o custo de construção de IA, devolver mais controlo às empresas e abrir a porta para novos players entrarem no setor.
O Que Isso Significa Para o Treino de IA
Para entender a mudança, é útil rever como os modelos de IA em larga escala são atualmente treinados.
Modelos como o GPT-4 da OpenAI ou o Claude da Anthropic requerem imensa potência de computação e largura de banda de rede. Tradicionalmente, isso significa treiná-los em GPUs poderosas conectadas em centros de dados centralizados de alta velocidade, propriedade ou alugados de empresas como Amazon Web Services, Google Cloud ou Microsoft Azure.
Estes números refletem o treinamento em centros de dados centralizados baseados em nuvem ou em hiperescalas—requerendo enormes clusters de GPU, redes de alta largura de banda e milhões em custos de hardware e pessoal.Sandy CarterA partir do início de 2025, a liderança da OpenAI, incluindo Sam Altman, declarou publicamente que o treinamento do GPT‑4 custou mais de 100 milhões de dólares. Isto é apoiado tanto por declarações oficiais quanto por múltiplos modelos de custo em relatórios recentes de análise de IA. É um modelo que exige capital, talento e infraestrutura que poucas organizações podem pagar.
MAIS PARA VOCÊ## 0G Labs Está Desafiando Essa Suposição Para Treinamento de IA
O seu novo framework, chamado DiLoCoX, introduz um método de treino de baixa comunicação que reduz drasticamente a necessidade de conectividade de alta largura de banda. Em termos práticos, conseguiram treinar um modelo de 107 bilhões de parâmetros numa rede de 1 Gbps utilizando clusters descentralizados. Este recorde é uma melhoria de 10x em relação ao recorde anterior e a quebra de velocidade de 300x que tornou isso possível pela primeira vez. Esta é aproximadamente a largura de banda de uma conexão de internet típica de escritório.
Em vez de construir tudo em um enorme centro de computação, a abordagem deles conecta máquinas menores e distribuídas e otimiza a forma como as informações são compartilhadas entre elas. O resultado é uma maneira altamente escalável e econômica de treinar modelos massivos fora da nuvem tradicional.
Campeão de IA descentralizada dos laboratórios 0G. O fundador e CEO, Michael Heinrich, comenta sobre os avanços no Treinamento de IA. Laboratórios 0G Em conversa com o fundador e CEO dos laboratórios 0G, Michael Heinrich, ele disse: “DiLoCoX marca um passo crucial na democratização do treinamento de LLM: fechando a lacuna entre modelos fundamentais massivos e clusters descentralizados conectados por redes lentas e não confiáveis. Ao combinar paralelismo de pipeline, sobreposição de comunicação tolerante a atrasos e compressão adaptativa de gradiente, a estrutura oferece escala e velocidade anteriormente consideradas exclusivas de centros de dados de alta largura de banda. Isso inaugurará uma nova era onde o treinamento de IA em grande escala não está mais atado a infraestrutura centralizada.”
Por Que o Treinamento de IA é Importante para os Negócios
Num momento em que cada empresa está sob pressão para fazer mais com IA, a infraestrutura está rapidamente a tornar-se o gargalo. Algumas empresas estão a começar a olhar para a IA descentralizada por design. Construir grandes modelos continua a ser caro, exclusivo e na sua maioria confinado a empresas com recursos profundos ou parcerias estratégicas em nuvem. A inovação do 0G abre um terceiro caminho.
Esta não é apenas uma história de poupança de custos. É uma história de opcionalidade e controlo.
1. Baixando a Barreira de Entrada
A abordagem da DiLoCoX reduz a infraestrutura em até 95% necessária para participar na corrida dos LLM.
Para as startups, isso significa a capacidade de experimentar e escalar sem queimar capital de risco com gastos em GPU.
Para empresas de médio porte, oferece a possibilidade de treinar modelos internamente sem fazer grandes compromissos com a nuvem.
Para governos e laboratórios de pesquisa, isso significa um desenvolvimento de capacidades de IA mais acessível e soberano.
2. Independência Estratégica em Relação aos Hyperscalers
A maioria do treinamento de IA hoje depende de três provedores de nuvem.
Essa concentração acarreta riscos em termos de escalada de custos, dependência de fornecedores e conformidade. Se o seu negócio depende de IA, mas também opera em um setor sensível como saúde, defesa ou finanças, a capacidade de treinar ou ajustar modelos de forma independente torna-se uma alavanca estratégica poderosa.
A IA descentralizada oferece um caminho para a autonomia digital. Ao quebrar a suposição de que a IA de ponta deve ser treinada dentro de plataformas de nuvem centralizadas, o modelo da 0G cria novas oportunidades para competição e inovação.
3. Alinhamento com Necessidades de Privacidade de Dados e Conformidade
Muitas empresas são cautelosas em relação ao upload de dados proprietários para modelos ou ambientes de treinamento baseados na nuvem. Com o treinamento descentralizado, torna-se possível manter os dados locais dentro da jurisdição, dentro do firewall, ou até mesmo em dispositivos de borda, enquanto ainda participa do desenvolvimento de IA em grande escala. Isso é particularmente atraente em regiões com leis rigorosas de soberania de dados, como a União Europeia ou países que estão construindo seus próprios ecossistemas de IA. A rede 0G nunca vê nenhum dos dados privados.
4. Acelerar a Inovação em Mercados Desatendidos
O alto custo de entrada manteve muitos países e indústrias à margem do desenvolvimento avançado de IA.
DiLoCoX reduz esse limiar.
Uma universidade no Quénia, um fornecedor de telecomunicações no Sudeste Asiático, ou um banco regional na América Latina podem não ter acesso ao mesmo poder computacional que o Vale do Silício, mas em breve podem ter as ferramentas para treinar e implementar os seus sistemas inteligentes na infraestrutura existente.
5. Riscos Geopolíticos e Regulatórios
Embora a conquista técnica seja impressionante, a envolvência da China Mobile levanta questões.
À medida que as tensões entre os Estados Unidos e a China continuam a aumentar devido à liderança tecnológica e à segurança nacional, as empresas devem pesar o potencial escrutínio regulatório, as preocupações com a governança de dados e os riscos reputacionais associados a parcerias envolvendo entidades afiliadas ao Estado chinês.
Para empresas baseadas nos Estados Unidos ou a operar em mercados aliados, qualquer integração de infraestrutura ou pesquisa ligada à China pode enfrentar controles de exportação, restrições legais ou reação pública. As organizações que exploram soluções de IA descentralizada precisarão considerar não apenas desempenho e custo, mas também alinhamento político, estruturas de conformidade e viabilidade a longo prazo**.**
No entanto, ter DiLoCoX em uma infraestrutura descentralizada onde a rede é sem confiança, isso não é uma preocupação porque a China Mobile nunca vê seus dados, e o sistema não depende deles para resultados.
Reenquadrando o Modelo de Negócio da IA
Se o DiLoCoX for amplamente adotado, poderá criar efeitos em cadeia em todo o ecossistema de IA.
Os modelos de receita em nuvem, atualmente impulsionados por cargas de trabalho de IA, podem enfrentar novas pressões de preços. As plataformas de IA como serviço podem precisar re-arquitetar-se para suportar implementações híbridas ou descentralizadas. Os frameworks de código aberto podem crescer em influência à medida que a descentralização enfatiza a interoperabilidade e o controle local. Os fornecedores de software empresarial podem precisar repensar suas estratégias de IA para refletir uma paisagem de computação mais distribuída.
Esta mudança também se alinha com a tendência mais ampla de IA para todos. Desde construtores de agentes de baixo código até inferências baseadas em edge, o movimento é em direção a pilhas de IA mais acessíveis, modulares e personalizáveis. O treinamento descentralizado é a extensão natural dessa filosofia.
Um Sinal de IA para CIOs e CTOs
Para os líderes empresariais, o trabalho da 0G serve como um sinal não de uma disrupção imediata, mas de uma oportunidade no futuro próximo. A IA está evoluindo a partir de seu início crítico.
Agora é hora de reavaliar a estratégia de infraestrutura. A sua organização deve continuar a investir na hospedagem de modelo baseado em nuvem ou começar a explorar alternativas descentralizadas?
O seu centro de dados interno poderia servir como um nó em um sistema de treinamento distribuído? O aprendizado federado descentralizado é uma ótima maneira de aproveitar dados privados de diferentes partes em uma rede, como hospitais treinando um modelo de diagnóstico de câncer. Poderia você fazer parceria com outros no seu setor para co-desenvolver modelos usando protocolos descentralizados?
Mesmo que a resposta não seja sim hoje, o surgimento de estruturas como o DiLoCoX deve impulsionar o planejamento da infraestrutura de IA para um lugar mais alto na agenda estratégica. As empresas que se prepararem para essa mudança, construindo capacidade interna, avaliando parceiros e entendendo a pilha técnica, estarão melhor posicionadas para agir quando a economia pender a seu favor.
Um Futuro Onde a IA é Construída de Forma Diferente
O que 0G Labs e a China Mobile demonstraram é mais do que uma prova de conceito técnica. É uma nova maneira de pensar sobre como a inteligência é construída, treinada e distribuída. Ao mostrar que é possível treinar modelos de 100 bilhões de parâmetros sem supercomputadores centralizados, eles não estão apenas ultrapassando os limites da escala. Eles estão expandindo o acesso.
Para os negócios, isso significa que a IA em breve pode ser menos sobre quem possui o maior centro de dados e mais sobre quem consegue construir os sistemas mais inteligentes com a maior flexibilidade.
Esse é um futuro de IA que vale a pena se preparar.