📢 转载信息
原文链接：https://www.wired.com/story/prime-intellect-startup-us-deepseek-moment/
原文作者：Will Knight
美国AI发展面临挑战：初创公司旨在复制中国DeepSeek的成功
自今年一月 DeepSeek 横空出世以来，围绕开源中国人工智能（AI）模型的势头持续增长。一些研究人员正呼吁采取一种更开放的AI构建方式，允许模型开发工作在全球范围内分布式进行。
Prime Intellect 是一家专注于去中心化AI的初创公司，目前正使用一种新型的分布式强化学习方法对前沿大型语言模型 INTELLECT-3 进行微调训练。该公司首席执行官 Vincent Weisser 表示，该模型将展示一种利用不同地理位置的各种硬件来构建具有竞争力的开放AI模型的新方式，而无需依赖大型科技公司。
Weisser 认为，当前的AI世界分裂为两派：一派依赖于闭源的美国模型，另一派则使用开源的中国模型。Prime Intellect 正在开发的这项技术，通过让更多人能够自行构建和修改先进的AI，实现了AI的民主化。
强化学习成为AI模型提升的关键瓶颈
改进AI模型已不再仅仅依赖于增加训练数据和算力。如今的前沿模型在预训练完成后，会使用强化学习（Reinforcement Learning, RL）进行改进。如果你希望模型在数学、法律问答或数独方面表现出色？你需要让它在一个可以衡量成功与失败的环境中进行练习，从而自我提升。
“这些强化学习环境现在是真正扩展AI能力的瓶颈所在，”Weisser 告诉我。
Prime Intellect 创建了一个框架，允许任何人创建针对特定任务定制的强化学习环境。该公司正结合其团队和社区创建的最佳环境来微调 INTELLECT-3。
我曾尝试运行一个由Prime Intellect研究员 Will Brown 创建的、用于解决Wordle谜题的环境。我看到一个小模型有条不紊地解开了Wordle谜题（说实话，它比我更有条理）。如果我是一名AI研究员，试图改进模型，我会启动一批GPU，让模型一遍又一遍地练习，同时强化学习算法会不断调整其权重，最终将模型打造成Wordle大师。
开放式强化学习的潜力与挑战
尽管强化学习如今极其重要，但它大多由大型AI公司在幕后进行。该过程通常需要大量专业知识，使得大多数公司和开发人员望而却步。Weisser 表示，允许初创公司进行自己的强化学习，可以催生出有价值的新软件产品，包括针对各种任务的专业智能体（agents）。
一些专家对此表示赞同。特斯拉前AI负责人 Andrej Karpathy 在Prime Intellect宣布其强化学习环境后不久，称赞其为“一项伟大的努力和想法”。他鼓励开源研究人员采用不同的环境并将其适应新任务，以期以新的方式提升先进模型的技能。
Prime Intellect 已经证明，去中心化方法——包括分割计算然后组合它们以创建一个单一的、更大的模型——可以挑战传统的AI构建方式。在2024年底，该公司发布了 INTELLECT-1，这是一个使用分布式硬件训练的100亿参数模型。今年三月，他们推出了更大、能力更强的 INTELLECT-2，通过分布式强化学习实现了推理能力。
在过去两年中，AI格局发生了巨大变化。Meta 通过在2023年发布其第一版 Llama 模型，开启了开源AI时代，但该公司在2025年4月发布的最新产品却令人大失所望。与此同时，鲜为人知的中国新秀 DeepSeek 在2025年1月，通过发布一个具备推理能力的低成本模型震惊了世界。随后，多个其他中国AI模型也相继推出。OpenAI 在今年八月为回应DeepSeek的成功，发布了多年来的首个开源模型，但像阿里巴巴的 Qwen、月之暗面的 Kimi 和 DeepSeek 的 R1 等中国模型似乎更受欢迎，可能是因为它们易于修改和定制。
“就前沿的开源模型而言，美国似乎没有太多选择了，”Weisser 告诉我。“这也是我们试图改变的事情之一。”
您如何看待 Prime Intellect 的方法？请发送邮件至 ailab@wired.com 告知我。
这是 Will Knight 的 AI Lab 通讯 的一期。往期通讯请点击此处。
🚀 想要体验更好更全面的AI调用？
欢迎使用青云聚合API，约为官网价格的十分之一，支持300+全球最新模型，以及全球各种生图生视频模型，无需翻墙高速稳定，小白也可以简单操作。
青云聚合API官网https://api.qingyuntop.top
支持全球最新300+模型：https://api.qingyuntop.top/pricing
详细的调用教程及文档：https://api.qingyuntop.top/about
评论区